AI商业的节奏：中国AI投资的热潮还在吗

01 丨 一季报后，中国 AI 投资的热潮还在吗？

DeepSeek-R1 推理模型发布后，到 3 月份，全球资本市场的当红炸子鸡就是“中国十杰（Terrific Ten）”，即以阿里巴巴、腾讯等为代表的十家中国科技公司的组合。回溯发现，自 2024 年初以来，这一组合的回报率远超美国“七姐妹”（对美国七大科技企业的昵称）；差距最大时，双方的累计回报率相差达到 60%（图 1）。当时，很多人都相信中国可比美国的 AI 风口已然到来，讨论最多的一个话题是“中国第一家万亿美金的公司会是谁？”与此伴生的，则是对美国科技公司投资前景的担忧。

然而仅在一个多月后，这样的讨论已经退潮。 自 4 月 2 日美国关税“解放日”以来，全球科技公司都经历了一轮急转下跌后又迅速从恐慌中恢复的过程。截止日前，相比于关税战之前，美国七姐妹的市值不仅已经完全收复失地，甚至还上涨了 15%。而中国十杰的总市值则刚好维持在关税战前一天的水平，但分化已经开始浮现：相比 4 月 2 日，十杰中，除了腾讯（+2%）和中芯国际（-6%）表现相对稳定，有四家企业实现了双位数的市值上涨，而另外四家则出现了双位数的下跌。这些代表性中国上市科技公司对美国七姐妹的相对涨幅，已经从原先的 60% 萎缩到 26%。

5 月 15 日，阿里巴巴发布 2025 财年的财报，交出了三年来云计算业务最快增速的成绩单（同比增长 18%），但当晚，阿里的股价却和大部分中国科技公司一起下跌。市场还将阿里巴巴资本支出的环比下降（即使同比保持 2 倍的高增长）解读为中国市场现阶段“AI 驱动的云计算业务发展不达预期”的信号。

类似地，5 月 21 日，百度发布一季度财报：显示其“智能云业务同比增长 42%，AI 相关收入实现三位数同比增长”，但当天百度股价仍大幅大跌，市盈率已经不到 9 倍。

这些现象不禁让人询问：中国科技公司（是否属于“十杰”暂且不论）是否能够复刻美国七姐妹在 ChatGPT 发布之后所取得的商业和资本市场成功？如果能，在这个过程中，有哪些规律值得借鉴？

更普遍而言，科技对商业和经济的改变从来不是一帆风顺，而是具有起伏节奏，AI 的发展也必将如此。

在本篇文章中，我们将通过对美国七姐妹的复盘，理解 AI 是如何渗透到美国的商业和资本市场中，以及在这一过程中所呈现出的节奏和规律，并以此为基础，重新回到对中国科技公司的判断。

02 丨 七姐妹如何成为七姐妹？

事实上，成为七姐妹的道路并非一帆风顺，而是源自一个“卑微”的起点。

如果我们把时针拨回到 2022 年 11 月 30 日（ChatGPT 发布）之前，彼时还没有“七姐妹”的概念，也没有明显的迹象表明，这七家公司会在接下来的两年中成为全世界最有想象力的企业。相反，它们都不同程度地陷入了增长乏力、市场表现黯淡的状态。截止到 ChatGPT 发布前一天，和 2022 年初相比，这七家公司的市值均出现了不同程度的下跌，从苹果的 -22% 到 Meta 的 -69%，没有一家在年内实现市值正增长。具体而言：

但就是这样七家看似处于历史低谷的企业，两年后总市值从 8 万亿美元一度飙升至接近 20 万亿美元，占标普 500 的比重超过30%，相当于全球第二大股市的规模。

它们是如何做到的？

如果将七姐妹视作一个整体，回看其资本市场的表现，就会发现这个登顶充满波折，经历了数次“回调-上涨-再回调”的周期。我们将其粗略划分为七个阶段（如图 2）：

① 第一阶段：对“颠覆”的担忧（2022 年 11 月 - 2023 年 2 月）

ChatGPT 带来的 AI 革命到底意味着什么？从市场视角看，在 ChatGPT 发布的前三个月里，几乎没有人相信这些大科技公司会成为 AI 领域的最大赢家；相反，更多的声音都是在讨论它们有可能会被 OpenAI 这样的挑战者颠覆。比如某前微软高管曾断言：“OpenAI 未来肯定比 Google 更大，只不过是大 1 倍、5 倍还是 10 倍的问题”。

从企业视角看，那时大科技公司都普遍处于一种“焦虑”的状态，搞不清楚自己和这项新技术之间的关系。比如谷歌在 ChatGPT 发布后，两位已经退居幕后三年的创始人就多次召开紧急会议，讨论谷歌的 AI 战略；一个多月后，谷歌发布 AI 对话产品 Bard，首次亮相就翻车，各种严重事实错误让 Bard 成为笑柄，公司市值一夜内蒸发了 1000 亿美元。

所以，七姐妹的开局实际上非常不顺。

② 第二阶段：故事的生成、表达和普涨（2023 年 3 月 - 2023 年 7 月）

2023 年一季度，继 ChatGPT 之后，OpenAI 发布了 GPT-4，这标志着基础大模型的智能水平已经在很多领域达到、甚至超过了普通人类的水平。与此同时，在 OpenAI 之外，科技大厂、初创企业以及来自中国、欧洲的各种玩家也开始陆续发布自己的大模型和聊天机器人，并宣称其性能已经在各类测试中追赶上了 GPT-3.5 甚至是 GPT-4。

一时间，拥有海量数字化数据、丰富商业场景和资本能力的科技公司，纷纷变身最主要的AI玩家。这是因为 AI 本质上是一种信息处理技术，它通过推理技术处理数据，在场景中产生价值；AI 想要在商业中发展，最重要的三个驱动要素是推理能力、数据能力和场景能力（图3）。那些具备数据优势、场景能力、同时又能敏捷拥抱推理能力的企业，迅速成为这一浪潮中重要的受益者。

所以，这一轮的 AI 革命对于那些数据和场景丰富的企业来说，不是颠覆者，而是伟大的赋能者。这些企业的任务就是抓住这次百载难逢的机会。

也是从这个季度的业绩会开始，七姐妹逐渐形成了各自 AI 故事的雏形：比如最直接的受益者英伟达，即便在营收仍然负增长情况下，就开始给世界画了一个大饼：“这是一个转变期的开始，这个转变期可能持续十年，在此期间，全世界的数据中心都将回炉改造，以提升计算速度”。除了英伟达，微软、谷歌、亚马逊和 Meta 四家公司在当季业绩报告中提到 168 次“AI”：要么是讲述云计算和头部大模型独家绑定的故事（微软、谷歌），要么是讲模型平台的故事（亚马逊），或者是自研和开源的故事（Meta）。

重点是，那些原本方向茫然的美国科技公司找到了新的引擎，制定了将 AI 技术投入与自身业务结合的战略，并开始清晰地向市场表达。

资本市场也开始意识到，这些拥有资金、数据和场景的大科技公司将会是真正的受益者，市场进入了第一轮的狂欢。

③第三阶段：验证基本面成为核心关注要素（2023 年 8 月 - 2023 年 10 月）

到 2023 年夏天，大模型本身的智能水平已经没有跨越式的新突破。包括 OpenAI 在内，大模型公司的重心都开始向企业应用转移，比如 OpenAI 在2023 年 8 月发布了专为企业服务的“ChatGPT Enterprise”。

这是大模型产业应用试水的交作业阶段。

在这个阶段，虽然技术本身没有新的重大突破，企业的实际 AI 应用仍然处于摸索期，但资本市场已经提出了财务验证的要求。不意外地，很多做基础设施的科技公司的财报不及预期：比如，和 OpenAI 深度绑定的微软 Azure，其增速相对一季度有所放缓，而 AI 收入占比还不到 2%。于是，越来越多的人开始讨论 AI 的实际价值，红杉资本更是质疑：“AI行业仅在英伟达芯片上就花费 500 亿美元，但产出营收只有 30 亿”。受此影响，七姐妹股价进入调整期。

④ 第四阶段： 对AI基础设施（Infra）的投资验证了市场前景（2023 年 11 月 - 2024 年 7 月）

进入 2023 年下半年后，从 10 月发布的 DALL-E3 模型到次年 2 月的 Sora Demo，OpenAI 将 AI 技术从纯语言扩展到了图片、视频等各种模态，极大扩展了 AI 应用的想象力和价值。

也是从 2023 年 Q3 的财报季开始，因为看到了更强的确定性，各大科技公司纷纷披露了非常激进的资本支出计划：比如 Meta 宣布将在 2024 年要以数倍的力度采购英伟达芯片。这些对基础设施真金白银的投入，很快就反应到了上游芯片产业链的基本面，英伟达连续两个季度实现接近 500% 的营收增长和高达近 80% 的营业利润率，带动其股价以一种接近 90 度的斜率上升，直接跃升为全球前三的科技公司，甚至一度超越苹果。

因此，这一阶段的核心特征，是 AI 应用技术的不断突破，再加上核心玩家真金白银大规模的资金投入，验证了 AI 革命“此次不同”的独特性，这不仅激发了资本市场的想象力和信心，也带动了相关企业股价的持续上涨。

⑤第五阶段：技术突破再次放缓引发担忧（2024 年 7 月 - 2024 年 9 月）

在 Sora Demo 发布后近半年的时间里，OpenAI 始终处于“憋大招”的状态（关键词是憋），仅推出了一个中间过渡形态的 GPT-4o 版本，智能水平的发展再一次遇到瓶颈。也是由于 OpenAI 多次“爽约”未能发布 GPT-5 以及传闻中的“草莓项目”，资本市场开始议论：“预训练是不是撞墙了？”

与此同时，英伟达下一代 Blackwell 芯片的量产也传出了“设计缺陷、延迟交付”的不利消息。尽管在 2024 年上半年，三大云厂商的增速和 Meta 等应用公司的利润率都有所改善，但市场依然被担忧技术前景和芯片供应链的负面情绪所主导，带来了第二次回调。其中最有代表性的事件，就是英伟达仅仅因为在年中业绩会中没有给出最乐观情景的 Q3 业绩指引，市值就在一夜内就蒸发了接近 3000 亿美元，相当于当时 3 个 OpenAI的估值。

⑥第六阶段：推理模型与 Agent 打开了产业应用的空间（2024 年 9 月 - 2025 年 1 月）

2024 年 9 月，OpenAI 的“草莓项目”终于问世，即推理大模型 OpenAI-o1。凭借强化学习和思维链的设计，AI 的逻辑能力又有了一次飞跃，处理复杂任务的能力大幅提升，也因此有了智能体（Agent）的故事。

在这个阶段，有数据和场景的应用公司真正迎来了智能化升级产品的可能性，并能迅速将成果反映在基本面中。资本市场的目光也从七姐妹和头部芯片厂，转移到了更广泛的软件应用公司，比如以“AI+数据分析”为核心的 Palantir，第三和第四季度立刻就交出了 30%和 40% 的营收增长成绩单（上半年的平均增速~24%），全年市值累计增长 340%。

⑦第七阶段：DeepSeek 冲击带来的产业变局（2025 年 1 月至今）

这个阶段的背景，是智能水平本身再一次进入效率提升为主、但不再是跨越式升级的状态。同时，中国的竞争者 DeepSeek 从工程创新的角度切入，用不到百分之十的成本做出了与主流推理模型同等水平的推理模型，并大幅优化了训练成本，成功帮助世界打开了从通用大模型走向推理大模型的大门。

这个阶段的核心挑战，是关税战的变局和更有性价比的竞争者的入局，可能对七姐妹基本面带来的冲击。七姐妹经历了自 ChatGPT 发布以来最大幅度的回调，从标普 500 的引领者变成了拖累者。

这时需要验证的关键问题，是这种冲击是否会动摇企业的基本面。最有代表性的例子就是英伟达，在遭遇 DeepSeek 的冲击和关税影响后，其估值一度下滑至过去十年的最低点（远期市盈率低于 20 倍），但营收增速仍保持在 80% 的高水平。也因此，在今年一季报交付了超预期的增长和支出计划后，七姐妹很快反弹，但仍然没有回到 DeepSeek-R1 发布之前的高点。

在七姐妹之外，这几个阶段的递进节奏和特征，同样适用于更广泛的 AI 行业参与者（图 4）。同时，一个逐渐清晰的趋势是，随着智能水平的提升和对商业场景的渗透，软件应用已经从受益最小的玩家（图 4 中红线）一跃成为了最大的受益者。自 ChatGPT 发布以来，以 Salesforce、Snowflake、Palantir 等为代表的软件应用累计涨幅达到 157%，处于历史高位，超过了以英伟达、AMD、博通、台积电等为代表的芯片企业（累积涨幅 136%，并于 2024 年夏天见顶）；也超过了以亚马逊、微软、谷歌等为代表的云平台企业（累积涨幅 85%）。

有趣的是，一直到 2024 年夏天，都是芯片企业的增长速度明显快于云平台，而云平台的增长又快于应用。但一年之后的今天，应用的增长已经超过芯片企业在过去两年半的累计涨幅，表现出 AI 产业落地趋势的逐渐显性。

03 丨 AI 商业的秘密

AI 革命的大潮中，充斥着各种 AI 对经济、对商业、对组织变革的宣言式断言，但少有人讨论 AI 商业演进节奏背后的逻辑。

回顾本轮 AI 革命以来商业发展的短暂历史，我们可以清晰地看到，AI 商业的演进是在技术、商业和资本三个轮子的转动下发生的。

这三个要素缺一不可。如果用汽车来打一个比方，技术就像是发动机，驱动整个系统，商业是把发动机的动力转化为可以跑起来的应用的转化器，资本则是能源。

一个非常重要的关键是，尽管AI商业呈现出前涌的浪潮，但每一步的推动都依赖于特别的个体，无论技术、商业和资本，都是如此。这意味着很大的不确定性，却也赋予了 AI 商业独特的节奏。

首先看技术。

技术的创新研发要求有路线判断和产品定义能力，具备很大的不确定性。在过去的两年多中，我们见证了多个创新应用的诞生：从以文本为载体的 ChatGPT 横空出世，到能力显著提升的基础大模型 GPT-4.0，再到以视频生成和处理为核心的国内外各种模型，以及不断发展的推理与生成模型，这些技术创新都是突破性的。

或许有人认为这些突破在“AI 浪潮”下都是必然会发生的。但事实上，AI 自上世纪 40 年代以来已经发展了大半个世纪，而在短短两年内实现如此密集的突破性进展是非常罕见的。这当然首先归功于 Hinton 教授（深度学习之父，2024 年诺贝尔物理学奖获得者）所倡导的生物路线的成功，但仍然充满着不确定性，依赖于 OpenAI 的路线判断和产品决策。

技术研发还需要和资本以及商业需求成功咬合。技术不仅遵循研发节奏，还需要资本的支持，以及商业对技术需求的定义；实际上，技术研发企业自身就是商业。

以 OpenAI 和 Anthropic 为例，两者的技术水平相近，但在业务和估值上却存在数量级的差距。这并非单纯由技术能力决定。一方面，OpenAI 得到了微软的资金和各种资源支持；另一方面，它率先以 ChatGPT 定义了 AI 对话类产品的品类，打开了市场。值得一提的是，Anthropic 团队其实曾工作于 OpenAI 的研发部门，因其想做安全负责任的 AI 的理念和 OpenAI 不一致，所以出来自立门户。尽管其 Claude 模型在代码能力上具有优势，但市场接受度依然有限。Anthropic 现阶段的成功更多源自市场对于一个独立于 OpenAI 的大模型企业的需求，其次代码能力上的优势，而非其“安全负责的 AI”定位本身。

再来看商业。

在面对技术机遇、或者说“威胁”前，商业应用企业需要过几道关：

首先是定位自身和 AI 的关系。这需要企业形成自己的 AI 商业的 vision，制定和原有定位有机结合的战略，同时向市场有效表达。这就是在ChatGPT面世几个月之后，美国七姐妹企业“讲故事”的阶段，表明这些企业已经有了AI战略规划。

其次是做有战略力度的投入，并且有效试错。这是我们前面讨论过的第四个阶段。这类动作也可以分成三种。

第一种是对基础设施的投入。AI 七姐妹在基础设施上的大规模投入，验证了 AI 商机的确定性，也表明 AI 对这些企业来说是一个战略级别的机遇，而不仅仅是讲故事。

第二种是新业务探索。企业需要围绕技术创新的可得性不断进行商业试错。技术突破和市场需求之间常有差距，需要不断调试，并围绕技术的持续突破不断变形，最后实现产品和市场需求的有效匹配（PMF，Product Market Fit），AI业务才能真正落地。以 AI 搜索的迭代为例，ChatGPT 刚发布时，只是一个基于大语言模型的聊天产品，有结合上下文的短期记忆，甚至无法联网，回答仅依赖其训练数据（截至 2021 年）；后来，Perplexity 通过结合大语言模型与实时联网功能，推动了 AI 在搜索领域的应用再往后，AI 具备了更强的代码、工具使用、浏览器使用等能力，又催生了今年以 Manus 为代表的 Agent 应用。而与此同时，ChatGPT 本身也在不断演变。

第三种是企业真正提效的战略探索。即便只是用好 AI 让企业提升效率，也往往需要创新性地改变企业现有的方法和流程。比如 Meta，已经用 AI 全方位地改变了广告业务：首先是推荐的方法论，从原来基于数据库的搜索匹配，转变为新的“生成检索”，由 AI 来预测用户的下一个问题和意图，减少大量存储和计算，提高了信息处理效率；其次，将用户和 Meta AI 的聊天记录数据和隐私计算技术结合，可以比传统的搜索数据更准确地理解用户需求；最后是推出 Advantage+ 这样的 AI 广告投放工具。这些措施带来的结果，是用户粘性和广告转化率的提升：今年一季度，Facebook、Instagram、Threads 的用户时长分别增加了7%、6%、35%；Reels 的广告转化率提升了 5%，Meta 整体的广告单价提升了 10%，Advantage+ 已经成为 Meta 增长最快的AI产品。

最后，也是最重要的，所有的战略、投入和试错，必须能够转化成企业的基本面，带来效率、营收和盈利的显著增长。七姐妹之所以成为七姐妹，不只是因为他们都是讲故事的高手，更因为这七家公司在过去两年里，交付了足够扎实的基本面表现。例如，净资产收益率（ROE）在过去的八个季度里，七姐妹整体保持在 30% 的高 ROE 水平，而且稳步提升（图 6）。反之，从个例看，特斯拉的 ROE 处于一个不断下降的过程里，所以在今年的两次财报会后，特斯拉都在资本市场遇到了巨大的挑战。

所以，以美国七姐妹为代表，所有能够把 AI 商业做出成绩的企业，都必然经历一个从 vision 和战略生成，到战略投入和试错探索，再转化为企业基本面的过程。可以说，商业在 AI 时代的挑战，就是如何将技术转化成企业经营的基本面。转化占比越高，说明 AI 商业越成功。

事实上，自 DeepSeek-R1 发布以来，尽管一度引发了对七姐妹增长和盈利能力的短暂质疑，但没有确凿证据表明美国七姐妹的基本面受到了根本冲击。而只要这个基本面存在，七姐妹的春天就不会过去。

第三个轮子是资本。

资本作为 AI 商业的能源，需要基于假设做前瞻性的判断，以支持技术和商业的发展。同时，资本也要不断对假设证伪，惩罚错误的假设。这就要求资本能够尊重技术和商业的节奏和周期，并不断进行真伪判断。然而，由于资本需要具有前瞻性，就不可避免地融合了自身的情绪。也就是在技术和商业节奏之外，著名的“盖特纳情绪曲线”。

要让 AI 商业的三个轮子顺利运转，技术、商业和资本之间就要发生共振。但因为三者各自都有节奏，难免会发生偏离。相互之间的沟通就非常重要。因此，技术和商业一方面要聚焦在自身阶段最重要的功课，忽视其他节奏的偏离；另一方面，也要持续地“讲故事”和表达，以帮助资本理解自身所在的阶段。

回看过去两年，七姐妹都曾经出现过几个交易日内市值蒸发数千亿美元的历史，但最终能够重回上涨通道的企业，往往并非迎合了资本市场的口味，而是始终保持着自己的节奏。距离我们最近的一个例子是英伟达。今年初，由于 DeepSeek 引发的算力过剩担忧，英伟达在单日内市值暴跌 6000 亿美元。然而从四季度业绩会到 GTC 大会，英伟达始终将注意力放在最新一代芯片 Blackwell 的优化上，而非过度回应市场情绪。

英伟达表示：“芯片设计出来并不意味着就能投入使用，这种情况屡见不鲜...我们的技术不仅越来越先进、性能越来越高，软件功能也更强大，更重要的是，我们的部署速度极快。大家都清楚这些优势，这才是我们表现出色、能够脱颖而出的原因”，“我们的任务是确保合作伙伴顺利地过渡，从 Hopper 到 Blackwell 的架构转变是一次极具挑战性的过渡，因为机箱、系统架构、硬件和电源供应等都需要改变”。到今天，正是因为基本面的出色作业，英伟达的市值已经悄悄地回到了之前的相对高点。

让我们总结一下。我们现在讨论的是一个本质性的问题，即在 AI 大潮扑面而来的时候，为什么 AI 商业的投资是有挑战性的？所谓看大势、秉持长期主义，实际上并不能确保成功。

挑战是因为，所谓 AI 商业的大潮，需要技术、商业和资本三个轮子的高度耦合并不断推进。而这三个轮子都是由不同的个体机构承担，各自有着独立的节奏与判断。这种多方协调的复杂性，意味着对每一个参加的个体，无论是技术开发者、商业应用企业、还是投资者，都必须面对充满了不确定性和试错的风险。

但这并不意味着AI商业的演进就没有规律。

像所有的创新业务一样，AI 商业的演进本质上是一个不断假设和证伪的过程。

我们认为这些，就是 AI 商业演进的秘密。

04 丨 如何理解本轮由 DeepSeek 点燃的中国 AI 商业？

没有人怀疑，AI 将重构中国的经济和商业。

随着 DeepSeek 和通义千问等大模型的推出，中国的大模型技术不但追到了美国最一流大模型的水平，而且通过开源、普惠的方式加速了应用的普及。正如我们在之前文章《陈龙｜DeepSeek的中国式创新：新的AI经济学》《陈龙｜DeepSeek的AI产业影响：所有人的游戏》中指出，在 ChatGPT 推出两年之后，AI 产业应用已经进入一个新的阶段，AI 产业在七姐妹为主导的美国之外，也在世界其他区域快速扩展。

那么问题来了：既然中国的大模型水平已经追上了美国，为什么中国的 AI 企业还没有实现七姐妹一样的市值翻倍增长？这是时间节奏的问题，还是另有别的原因？如果中国也将出现类似的“七姐妹”，如果不是现在的“中国十杰”的话，它们又在哪里？

我们提出的 AI 商业节奏的框架，可以帮助回答这些问题。

简而言之，当前中国的大模型仍主要处于技术层面（发动机），尚未充分体现到商业层面（转换器）的成果上，也就不会反应到资本市场的表现中。

如果和美国对比可以发现，随着 DeepSeek 推出推理模型，中国科技公司股价普遍上涨。这种上涨反映了资本市场对中国企业的 AI vision 和故事的期待。甚至，资本市场自己推出了一个叫“中国十杰”的故事，试图用以对应美国的七姐妹。

很多中国企业正在积极讲述自身对 AI 的 vision 和故事：比如腾讯飞快地接入 DeepSeek 并升级了元宝，讲了一个“微信生态和智能体结合”的新故事；阿里巴巴讲的则是一个“千行百业使用 AI 并上云”的故事；百度很早就喊出了“All in AI”，DeepSeek 走红之后更是表示“无法停止投资”。

但是在中国还没有实际发生的，是伴随对确定性需求的预期而进行的大规模对基础设施的投入。以七姐妹中的三家云厂商为例，几乎每年都保持着 50% 的资本支出（Capex）增速：

因为预期已高，资本市场就会在投入力度和收入增长力度上显得挑剔。以阿里巴巴为例，阿里云作为一个已经是千亿人民币级收入的业务，在今年一季度实现了三年以来最高的增速（18%）；在资本支出方面，阿里的资本支出事实上同比增长了 200%，只是相对上一季度放缓了 25%，马上就被解读“AI 驱动的云计算业务发展不达预期，所以要收缩开支”，进而引发股价有所回调。

美国七姐妹也曾经经历类似的资本市场波动。比如 2023 年二季度，当时七姐妹未能在短短一个季度里达到市场预期，也发生了股价回调。然而，七姐妹在过去两年里超过 2/3 的涨幅，正是那一轮回调后才逐渐发生的。当前的中国资本市场，也正处于一种从技术突破的狂热中苏醒，回归到等待真实的商业需求带来显著增长的状态。

如果说大规模的资本投入还不达预期，那么当下更加乏善可陈的，一个是 AI 在不同商业环节试水成功的案例仍不足，一个是，更加重要的，还没有足够迹象表明，中国企业因为 AI 投入，已经带来盈利的显著改善。

而这可能和中美不同的数字化商业生态有深层关系。或者说中美AI商业的变现路径可能会有所不同。

众所周知，美国因为有更加成熟的企业端（2B）付费生态，已经诞生了如 Salesforce、Adobe 等一大批千亿美金市值的企业。而AI应用在美国的发展，也已经到了一个显著赋能企业提效的阶段。这不但体现在美国的七姐妹作为 AI 基础设施的投入者已经实现大规模盈利，也体现在如 Salesforce 等企业最近大幅度的市值上升。

但是全球范围内，尽管有聊天机器人等 AI 产品被广泛使用，但还没有诞生现象级的消费者（2C）付费产品。而中国互联网生态的繁荣，往往以消费者的活跃为基础。这意味着 AI 在中国的盈利模式，可能更加依赖于为消费者创造显性价值。未来，中国企业的大幅盈利提升或许需要 AI 技术在 2B2C 模式、或创新的 2C 付费应用中展现出更显著的价值。不代表 AI 在中国就不能盈利，而是中国企业的大幅度盈利效率的提升，可能要到 AI 技术为消费者带来的价值创造更加普遍的阶段，才会体现出来。这可以是 2B2C 的模式，也可以是创新的 2C 付费应用；当相比美国而言，对消费者的显性价值可能更加重要。

作为商业的铁律，历史曾经无数次证明过，最终能够交付真实商业价值的公司，最终会获得资本市场可持续的青睐，反之亦反。比如过去两年的美国七姐妹，也比如上一波移动互联网浪潮中的中国科技公司。有很大一批中国科技公司可以和美国同行讲同样愿景的故事，也可以交付对等甚至超越同行的基本面成绩单：比如腾讯和 Meta，华为和苹果，阿里和亚马逊，美团和 Groupon，滴滴和 Uber ，比亚迪和特斯拉等等。但那些讲了故事却最终没有交付基本面的公司，无论在哪里，都难逃资本市场的惩罚，比如 Meta 的元宇宙战略失败，以及很多中国 SaaS 公司的表现不佳。

我们的结论是，只有能够真正建立自己的 AI 愿景和战略并清晰向资本市场表达，能够有战略级别的资本投入和试错并取得显著效果，在企业的效率、增长和盈利基本面表现出来的企业，才能够真正获得资本市场的可持续的青睐。我们也应该以这些标尺，来理解中国 AI 商业的节奏，并通过判断技术节奏和商业节奏的共振程度，去理解资本的节奏。

05 丨结语

在 AI 的大潮下，理解AI商业的演进节奏和规律，对于技术研发企业、商业应用企业和投资者都至关重要，否则很容易怀揣美好期望，却置身危险之地，折戟沉沙。拥抱 AI 也就无从谈起。

今天仍然气势如虹的美国七姐妹，其实在 ChatGPT 发布之前，还处于一个方向迷茫的相对“卑微”的起点。七姐妹之所以成为七姐妹，是因为这七家公司抓住了技术突破的窗口期，既讲了漂亮的故事，又成功交付了对应的基本面。

通过认真复盘美国七姐妹在过去两年多的经验，我们提出了一个 AI 商业节奏的理解框架。

重点是，AI 不等于 AI 商业。

所谓 AI 商业的大潮，需要技术、商业和资本三个轮子的耦合，不断推进。这三个轮子存在各自的节奏和判断，充满了不确定性和试错。

但这并不意味着 AI 商业的演进就没有规律。

恰如现在科学诞生于“假设-演绎”的迭代，AI 商业的演进本质上是一个不断假设和证伪的过程。从技术的视角，要看它和资本及商业的咬合程度；从商业的视角，要看企业的 vision 和战略的生成、讲故事的逻辑性和说服力、投入的力度和试错落地节奏的有效性，以及转化成基本面的能力；从资本的视角，取决于对技术和商业假设的判断，以及区分资本情绪与技术、商业节奏的真实脉络。

运用这个框架，以美国典型的芯片、云计算、大模型和 SaaS 企业为例，我们可以看到美国的 AI 商业已经找到了三个轮子节奏的共振，AI 技术不但是一个故事，而且越来越成为企业基本面的引擎。虽然 DeepSeek 可能改变了竞争格局，但是还没有迹象表明美国科技企业的增长和盈利能力受到冲击。只要这个假设仍然有效，美国的 AI 商业就仍然是很好的投资市场，尽管也仍然会经历节奏的起伏。

中国资本市场在经历了早期的狂欢后，已经回归到探索真实的商业应用价值的状态之中。这个过程必然伴随着资本市场的回调，但长期来看，资本市场不会亏待那些创造真正商业价值的企业。两年前的美国七姐妹正是当下中国科技公司的最佳参照物。

但无论是 C 端还是 B 端应用，中国 AI 商业的落地会有自己的节奏，并不一定完全和美国相同。我们既不应该认为这一次是中国消费互联网故事的卷土重来，也不应该认为就是中国 SaaS 故事的重蹈覆辙。中国的AI商业会走出自己的节奏和价值。

可以相信的是，最终能胜出的企业，一定是能够在复杂的科技商业节奏中，踏着三个轮子的节奏跳舞，不断定位好自己、持续进化的企业。即便是引领了本轮 AI 革命的企业 OpenAI 和它的创始人 Sam Altman 也仍然在不断进化：还记得 2023 年初时，Sam Altman 一度在狂热中豪言：“AI 可以创造 100 万亿美元的财富，可以让全球 GDP 在十年内翻倍”；到了 2024 年底，Sam Altman 和 OpenAI 已经都非常明显地进化了，这一次他说：“未来五年内，技术会以一个难以置信的速度进步，但人类社会本身的变化可能出人意料地小。”

今天的 OpenAI，显然更像一家成熟的科技公司，而不是 AI 实验室。所以，我们为这家引领世界的 AI 公司鼓掌，不只是因为其技术的贡献，更是因为其对 AI 经济和 AI 商业认知的不断进化。

▼