要判断一个行业是不是热，就看有没有人连亏钱都显得理直气壮。AI大模型的世界，就是这样一个“亏得理直气壮”的地方。

过去两年，几乎所有行业中有钱或能融到钱的公司都往里冲：互联网巨头、科研机构、创业团队，甚至地产公司都要蹭上AI的热点。有人说，这像互联网早期的“群雄逐鹿”，而我们采访的一位资深投资人就此打比方为：我觉得，它像街头的油条摊——刚开始人人都能摆，最后只剩下几家能活。

从商业史的角度看，热闹的地方往往结局最寡淡。因为真正能留下来的，不是最聪明的那群人，而是最懂成本、最能熬的人。

科技革命表面看是技术的较量，本质上是经济规律的复现。铁路、石油、互联网都走过这条路：最初是狂欢，后来是洗牌，最后是寡头。AI也不会例外。

所以，今天这篇内容，我们不聊技术参数，也不讨论哪家模型更聪明。我们聊更本质的事——5年之后，中国的大模型会收敛成几家公司？它们凭什么留下？

历史的镜子

从石油、铁路到互联网的“收敛宿命”

我们很多人应该都读到过一句话：“人类学到的唯一教训，就是人类从来不记得教训。”放在科技行业尤其贴切。

铁路的故事

19世纪的美国，铁路像今天的AI一样，是全民狂欢的投资主题。那时候到处都是铺轨的公司，大家都觉得“铁轨铺到哪，财富就到哪”。十年后，大部分公司破产。留下的，只是几家能掌控全线资源的巨头——他们拥有土地、融资与运输体系。

这像不像今天的大模型？训练算力就是轨道，数据是燃料，生态是运力。铺轨容易，保养难。到最后，能跑通全国线路的，永远是少数。

石油的故事

石油行业初期也有上百家公司。可炼油是重资产生意，亏得起的人才能笑到最后。当年洛克菲勒并不是技术最强的那个，但他最懂“整合”：他不跟人比油价，而是比运输和分销；不争眼前利润，而是做长期垄断。结果，所有对手都在比产量，他却赢在结构。

这像极了今天的大模型：大家都在比参数，他在比飞轮。技术不是决定胜负的唯一变量，系统才是。

互联网的故事

2000年前后，互联网像一场新大陆探险。到处是.com公司，口号比盈利多。最后，留下的不过亚马逊、谷歌、阿里、腾讯这几家。真正的原因是什么？因为他们掌握了复利的三件事——用户、数据、现金流。

科技行业就像一场扑克牌局——短期看牌技，长期看筹码。回望整个科技史，人们会发现一个规律：产业的早期属于梦想家，产业的成熟期属于复利者。

经济学的铁律

大模型为何逃不出“收敛”

现在的AI行业，看上去百花齐放，也可以说是百家烧钱。从经济学的角度来看，大模型的“收敛”几乎是写在算术里的结局。

成本这一关，门槛就写在显卡上

训练一次GPT-4级模型要烧掉上亿美元。中国的通义千问、文心一言、月之暗面等项目，每一次更新都要消耗数千张高端GPU。这不是创业故事，这是资本铁矿。成本的门槛，就是行业的围墙。谁能持续烧钱，谁才配拥有“规模效应”的钥匙。

数据的积累，是一场复利的雪球

模型越用越聪明——这听上去像一句鸡汤，但背后是经济学的飞轮。百度有搜索，阿里有电商，字节有短视频，它们都在喂自己的AI吃数据。创业公司再聪明，也喂不出这顿“数据盛宴”。当使用反馈成为模型成长的燃料，规模优势就成了不可逆的雪球。

资本的选择，往往是钱主动找赢家

资本市场的嗅觉像鲨鱼——只闻血，不问道义。OpenAI拿到微软数百亿美元的支持，Anthropic背后有Amazon；中国的资金，也早已集中到百度、阿里、字节、腾讯、月之暗面和智谱等公司。这意味着，收敛的过程已经在进行。资本会不断强化头部，弱者的“希望融资”只是延迟淘汰。

历史告诉我们，没有哪个行业能逃出寡头律

操作系统剩下Windows与Mac；手机系统只剩iOS与安卓；AI也一样，只是参数更多，算力更贵。当行业的进入门槛变成亿级美元时，创业精神只能靠信念存活。