大摩惊人言论：AI 最肥的肉，可能将不在英伟达手里

一句话摘要 这篇文章借五次技术革命的历史经验提出：基础设施通常最先受益，但长期、最大的利润池更可能流向能用新技术重构业务与创造新需求的应用层企业。

核心观点

文章转述摩根士丹利对蒸汽机、电力、内燃机、固定电话和互联网五轮技术浪潮的观察：革命初期，市场往往追逐“卖铲子”的基础设施；长期价值则更多沉淀于把技术融入业务、重塑流程与建立生态的采用者。

阅读提示 下列关于利润分配、生产力时滞与金额的表述均来自原文对报告的转述，适合作为研究线索；若用于投资或经营决策，仍应回查报告原文与独立数据。

五次技术浪潮带来的启示

1. 蒸汽机：生产力来自流程重构

• 历史经验： 仅把蒸汽机搬进旧工厂并不能显著提升效率；真正的跃迁发生在围绕动力源重构厂房和生产线之后。
• AI 映射： 不应只把 AI 作为插件，而要借此重组业务流程与交付方式。

2. 电力：价值会向采用者迁徙

• 历史经验： 早期受益者是发电机等供给方，后续价值逐渐转移到家电与工业设备等应用环节。
• AI 映射： 长期来看，积极采用技术并形成差异化能力的企业，价值可能超过单纯的赋能者。

3. 内燃机：最大的机会常来自二阶效应

• 历史经验： 汽车普及后，才催生了超市、汽车旅馆等先前难以预见的新业态。
• AI 映射： 最重要的 AI 商业模式，可能尚未出现。

4. 固定电话：标准与网络效应构成护城河

• 历史经验： 连接标准会强化网络效应，并形成竞争壁垒。
• AI 映射： 智能体之间的协议和协作标准，可能成为关键竞争点。

5. 互联网：从基础设施走向生态

• 历史经验： 光纤和路由器逐渐成为低利润基础设施，Google、亚马逊、Meta 等则在应用与生态层建立优势。
• AI 映射： 若算力最终走向供给充裕，应用层及其生态的长期空间或许更大。

文中列举的关键数据与机制

认知债务

文章将企业因人脑处理能力有限、复杂决策难以规模化而累积的成本称为“认知债务”。其观点是：AI 可通过自动化复杂决策来缓解这一限制。

两项预测（原文转述）

• 新技术从出现到对 GDP 产生明显拉动，历史上通常存在 10–20 年 时滞。
• 若 AI 自动化 50% 的可替代岗位，全球潜在利润释放或超过 2,000 亿美元。

对投资与创业的启发

1. 寻找拥有专有数据的行业采用者。 除了关注芯片与模型公司，也观察非科技行业中正在推进智能体化改造的龙头企业。
2. 警惕基础设施溢价回落。 当硬件和算力趋于普及，竞争重点可能转向组织能力、流程与客户价值。
3. 用 AI 重构交付，而不只是提效。 用 AI 写周报属于局部效率改善；用 AI 重塑岗位分工、服务标准与业务流程，才可能带来更大的杠杆。

结论

文章的主旨并非否定基础设施的价值，而是提醒读者：长期回报往往取决于谁能把通用技术真正嵌入组织、形成新产品和新生态。在“卖铲子”的热潮之外，值得持续关注 AI 的应用落地与二阶创新。