 |  |  |  |
有人说了这么一句话：碳基的商业模式基本上主要靠智商税，硅基的商业模式全靠硬核实力。我听完之后愣了大概三秒钟，然后意识到，这可能是我今年听到的对 AI 经济最精准的一句判词。
今天我想把这句话拆开，用第一性原理重新组装一遍。我们来看看，为什么碳基世界的商业定理本质上都是社会科学，而硅基世界的商业定理，正在逼近物理定律。
碳基商业的叙事燃料
先说碳基商业。什么叫碳基商业？就是人类参与生产、人类参与消费、人类参与决策的所有经济活动。人类经济运行了几千年，我们发明了无数的商业理论，从亚当·斯密的看不见的手，到波特的五力模型，到德鲁克的管理学，到科特勒的营销学。这些理论有一个共同特征，你猜是什么？它们全部都是可以被叙事操纵的。
注意，我说的不是它们是错的。我说的是，它们是社会科学。社会科学的本质特征是什么？是研究对象会反过来被研究结论改变行为。物理学不会因为你知道了万有引力定律，苹果就不往下掉了。但是经济学不一样，当所有人都知道了某个经济规律，这个规律本身就会失效。这叫反身性，索罗斯靠这个赚了一辈子的钱。
所以碳基商业的底层逻辑是什么？是信息不对称。是人类认知的局限。是情绪。是叙事。是公关。是品牌。是孙子兵法里的那句话，兵者诡道也。你不需要真的比对手强，你只需要让市场相信你比对手强。
我做了十五年天使投资，投了三百多个项目。我可以很坦率地告诉你，在碳基投资的世界里，一个项目能不能融到钱，创始人的叙事能力至少占百分之五十的权重。同样的产品，同样的数据，一个创始人讲出来让投资人热血沸腾，另一个讲出来让人昏昏欲睡。前者估值翻十倍，后者无人问津。这不是例外，这是常态。
为什么？因为碳基投资的核心资产是人，而人是一种可以被叙事重新编程的存在。投资人在判断一个创始人能不能成功的时候，他其实在判断的是，这个人能不能持续地说服其他人。说服客户买单，说服员工加班，说服下一轮投资人接盘。整个链条的底层燃料不是物理效率，是人类信念。
但是，硅基商业完全不是这么运作的。
算力能耗与信息熵的铁律
什么是硅基商业？就是 AI 模型作为核心生产力的经济活动。在这个世界里，游戏规则从根本上变了。让我告诉你它变在哪里。
第一个硬约束，算力。训练一个前沿大模型，你需要多少张 GPU，需要多少次浮点运算，这是可以精确计算的。你不能靠讲故事让英伟达的芯片凭空多出一倍的算力。
第二个硬约束，能耗。一个数据中心每天烧多少度电，每度电多少钱，这是物理世界的硬成本。热力学第二定律告诉我们，抹掉信息必然产生热量。兰道尔原理说得更精确，你每擦掉一个比特，最少要消耗一份跟绝对温度成正比的能量。这是宇宙的底线，没有任何公关公司能够改写它。
第三个硬约束，信息熵。一个模型到底学到了多少有用的知识，它的参数空间里编码了多少真实世界的因果关系，这个东西不是你开个发布会就能吹出来的。对于一个大语言模型来说，智能就是压缩。你能把多少信息压缩到多少参数里，且保持输出质量不崩塌，这是一道数学题，不是一道营销题。
所以硅基商业的竞争变成了什么？变成了谁能用更少的能量、更少的算力、更少的数据、产出更高质量的智能。这不是谁会讲故事的问题，这是谁能解物理方程的问题。
我给你举个真实的例子。三年前，调用一个当时最强的大模型，每百万 token 要花 20 美元。今天，同等能力的模型降到了几美分。三年下降了几百倍。这个速度，把摩尔定律远远甩在了后面。
为什么能降这么快？三个原因。第一，算法效率在飞速提升，更小的模型现在能做到三年前巨型模型才能做的事。第二，硬件迭代，新一代芯片每瓦性能翻倍。第三，知识蒸馏，大模型的能力可以被压缩到小模型里。
注意，这三个原因里面，没有一个叫做"我们开了一场特别成功的发布会"。没有一个叫做"我们请了一个很厉害的公关团队"。没有一个叫做"我们的投资人很有面子"。
这就是碳基经济和硅基经济最本质的区别。碳基经济里，你的护城河可以是品牌、可以是渠道、可以是政商关系、可以是信息垄断。这些东西本质上都是社会建构，它们的价值取决于人们是否相信它们有价值。一旦叙事崩塌，护城河可以一夜干涸。
而硅基经济里，你的护城河只有一种，就是你比别人更接近物理效率的极限。你的模型每百万 token 消耗更少的浮点运算。你的数据中心每千瓦时电力产出更多的推理次数。你的训练流程比别人少浪费百分之十的计算。这些优势不会因为竞争对手开了一场华丽的发布会就消失。
所以碳基投资和硅基投资，完全是两套游戏。
占星术到航海钟的范式跃迁
碳基投资充满了公关、玄学和孙子兵法。你需要判断人心，你需要预测叙事，你需要下注于"这个故事能不能被市场接受"。成功的碳基投资人往往是极好的心理学家和社会学家。
硅基投资呢？它在逼近第一性原理和本体论。你需要判断的不再是"这个创始人能不能忽悠下一轮"，而是"这个团队的技术路线是不是在朝着物理极限的方向演化"。你需要问的问题是，他们每个 token 的生产成本能不能持续下降？他们的模型架构有没有在算法效率上逼近信息论的下界？他们的硬件路线图有没有在逼近兰道尔极限？
这就像从占星术进化到了天体力学。两者都在预测星星的位置，但一个靠的是叙事和信仰，另一个靠的是万有引力方程。
其实这种从社会科学到自然科学的范式跃迁，人类历史上发生过不止一次。
炼金术变成化学的那一刻，发生了什么？本质上就是人们终于承认，物质变化遵循守恒定律，你不能靠念咒把铅变成金子。在那之前，炼金术士的核心竞争力是什么？是神秘主义叙事，是赞助人关系，是把失败包装成"还差一步"的能力。听起来是不是很像今天某些创业公司的融资话术？
航海术也是一样。在精确天文学和经度仪出现之前，远洋航行更多靠经验、靠直觉、靠运气。谁的船长讲故事更有说服力，谁就能拉到更多的赞助去探险。但当约翰·哈里森发明了航海钟，航海从一门赌博变成了一门精密科学，那些靠"我直觉很准"吃饭的老水手一夜之间就失去了议价权。
AI 正在对整个商业世界做同样的事。它在把一个原本充满模糊性、靠判断力和人脉运作的领域，变成一个可以精确度量的效率竞赛。
但我想强调一点，我不是说碳基商业很快就会消失。恰恰相反，在过渡期里，最有趣的机会往往出现在两个世界的交界处。那些能够同时理解碳基叙事逻辑和硅基物理逻辑的人，会成为翻译者。他们既能把物理效率的突破翻译成资本市场听得懂的故事，又能穿透故事的泡沫看到底层的物理真相。
这就像十九世纪的工业革命初期。最成功的企业家不是纯粹的物理学家，也不是纯粹的金融家，而是那些能够把蒸汽机的热效率提升翻译成铁路股票增长故事的人。他们用碳基的语言去为硅基的效率定价。
物理定律不是比喻是判决
我再把这个逻辑往前推一步。碳基经济学的核心假设是什么？是人是理性的。但我们都知道这个假设是错的。人不理性，所以才有行为经济学，才有前景理论，才有各种认知偏差的研究。整个碳基经济学就是建立在一个错误假设上的修补工程。
而硅基经济学的核心约束是什么？是热力学定律、是信息论、是计算复杂性理论。这些东西不是假设，是宇宙的底层代码。你不能反驳热力学第二定律，你不能绕过香农极限，你不能逃避计算的时间复杂度。
所以当有人说，硅基经济学的本质是物理定律。这不是一个比喻，这是一个字面意义上的事实描述。
那这对我们普通人意味着什么？
意味着一件很重要的事。在碳基世界里，你可以靠信息差赚钱，靠关系赚钱，靠讲故事赚钱。但是在硅基世界里，这些技能的价值权重在急剧下降。新世界奖励的是什么？是你能不能识别真正的技术效率，是你能不能分辨哪些公司在吹牛，哪些公司真的在逼近物理极限。
我做投资这些年最大的一个体会是，每当一个行业从"社会科学阶段"进化到"自然科学阶段"，一大批靠信息差和叙事能力吃饭的中间商就会被淘汰。碳基时代的股票分析师靠的是什么？靠的是"我认识管理层"、"我有内幕消息"、"我对市场情绪的把握比你准"。但当投资标的变成了纯粹的物理效率竞赛，这些社会技能还值多少钱？
这不是说人脉和沟通不再重要。而是说，在硅基经济的核心地带，决定胜负的那个变量，从"谁的故事讲得更好"变成了"谁的物理效率更高"。叙事能力从决定性因素降格为辅助性因素。
换个说法。碳基时代，一家公司最值钱的部门可能是市场部。硅基时代，一家公司最值钱的部门一定是算法工程团队。因为市场部创造的是感知，而算法团队创造的是物理效率。感知可以被竞争对手用更大的营销预算覆盖掉，但物理效率的领先，对手只能靠同等级别的技术突破才能追上。这就是为什么你会看到，硅基时代的顶级公司，越来越像研究院，越来越不像传统的商业组织。
热力学与孙子兵法的分野
最后我想说一个更深层的观察。
碳基商业为什么主要靠智商税？因为碳基世界的信息传播是不完美的，人类大脑的带宽有限，注意力是稀缺资源。在这种环境下，谁能抢占注意力，谁就能收割价值。这是一种建立在认知缺陷上的商业模式。
而硅基世界为什么靠硬核实力？因为 AI 不会被你的广告打动，不会因为你的品牌故事而多付一分钱。一个 AI 智能体在选择调用哪个模型的时候，它比较的是每个 token 的性价比，是延迟，是准确率。它不会因为你的公司名字好听就选你。
当越来越多的经济决策从人类大脑转移到 AI 系统，整个商业世界的评价标准就会从"感知价值"转向"实际效能"。这是一次从社会科学到自然科学的范式迁移。
这个迁移不会一夜之间完成。碳基商业和硅基商业会长期共存。但方向是清晰的，权重在转移。未来十年，那些还在靠纯粹的信息差和叙事能力活着的商业模式，会像没有根基的浮萍一样，在物理定律的洪流面前，越来越难以自持。
我不知道是谁先说出这个判断的，但我认为他说出了一个正在发生的文明级变量。碳基世界的游戏规则是孙子兵法，硅基世界的游戏规则是热力学。前者可以被天才的骗子利用，后者只奖励真正逼近极限的人。
你觉得哪套规则更公平？或者说，公平本身，是碳基世界的概念还是硅基世界的概念？
Download PDF | Download Script
更多内容请关注宏观阿尔法。
 |  |  |  |