内容来源 | 本文摘编自机械工业出版社书籍 《乘风破浪：穿越周期的财富旅行》李驰 著

责编 | 贾宁

第 9870 篇深度好文：8016 字 | 13 分钟阅读

我们正在进行的，可能是第四次工业革命，确切地说，我们正处于第三次工业革命和第四次工业革命的重叠期。

工业时代的基础设施如电网、交通网，正在被信息化、智能化改造，形成智能电网、车联网；而信息革命本身也正从 " 连接 " 走向 " 智能 "，与生物、材料等领域深度融合。未来值得期待，未来的企业家也将非同凡响。

一、历史的回响： 技术革命与资本变迁

在 18 世纪中后期的英格兰，詹姆斯 · 瓦特改良的蒸汽机，这台 " 万能的原动机 "，发出的不仅是推动纺织机、矿水泵和铁路机车的动力，更是旧经济秩序瓦解、新世界诞生的第一声啼哭。

第一次工业革命的核心，是将模糊的物理规律，固化为可复制、可推广的标准化工业能力。

然而，将实验室的图纸变为轰然作响的工厂，需要的不仅是工程师的智慧，更是资本这束 " 实体经济血脉 " 的强力注入。一个极具启示性的历史细节是，在这场革命初期为高风险技术应用提供 " 弹药 " 的，并非我们今天熟悉的商业银行，而是一批形态原始的 " 风险投资家 "。

剑桥大学经济史研究发现，当时英格兰部分乡村银行，如特鲁罗的普雷德公司，行为模式更接近现代风险投资机构，它们押注康沃尔铜矿采用瓦特蒸汽机这类高风险新技术，投资集中、流动性差，成败系于单一技术突破，诠释了高风险高回报的早期投资逻辑，现代风险投资的冒险基因早在第一次工业革命中就已孕育。

随着工业化进程的深化，资本需求的规模迅速超越了个人或小型银行的承载能力。更具现代意义的金融创新应运而生。

股份有限公司这一曾在远洋贸易中大放异彩的组织形式，被创造性地应用于工业企业，成为汇聚社会零散资本再投入大型工业项目的 " 放大器 "。与此同时，一个由英格兰银行、伦敦私人银行和遍布乡村的地区银行构成的网络逐渐成形，缓解了工业心脏地带的资金饥渴。

另一个常被忽视却至关重要的金融创新是保险业。18 世纪末至 19 世纪，劳合社将保险业务扩展至轮船、工厂设备和铁路建设等领域。例如，铁路投资者可获得高达投资额 50% 的风险保障。这层 " 安全垫 " 的出现，极大地平抑了不确定性，鼓励了更大胆的长期资本投入。

19 世纪中后期，人类迎来了 " 钢铁与电光的纪元 "，即 " 第二次工业革命 "，它以电力、内燃机、现代化学工业和全新通信方式为核心，其规模与复杂性要求资本以前所未有的方式集结与演化。

这场重工业革命催生了电力系统、石化联合体、汽车生产线和飞机制造厂等庞然大物，这些产业的资本密集度，是私人富豪都难以独自承担的。于是，通过资本市场发行股票募集巨额资本，成为新兴产业崛起的唯一路径。

英国股份公司的数量在 19 世纪后期经历了爆发式增长。据统计，1873 年全国仅有千余家股份公司；到 19 世纪 90 年代，单年新建公司数量已突破 5000 家。20 世纪最初 30 年间，新建立的股份公司总数更是超过 20 万家。

这一时期，全球金融中心逐渐从伦敦转移到纽约。纽约证券交易所成为全球资本流动中心，为工业企业上市融资提供了新平台。投资银行家发挥了关键作用：为信用良好的巨头承销债券，发行高风险债券为新兴企业融资，主导并购重组，催生了通用电气、美国钢铁等标志性工业帝国，彻底重塑了竞争格局。

与此同时 " 经理人资本主义 " 兴起：企业规模扩张到家族、个人无法直接管理后，所有权与经营权分离，专业经理人阶层出现。这一变化吸引大量中产投资者涌入纽约证券交易所，市场广度和深度急剧扩展，年股票交易量从 1900 年的 1.59 亿股，飙升至 1929 年大牛市顶峰的 11 亿股。

资本，真正实现了社会化。

风险管理工具也随之进化。芝加哥期货交易所的成立，为农产品和工业原料提供了价格发现与风险对冲的机制，使得大规模、长周期的工业生产能够规避原材料价格剧烈波动的威胁。

1946 年，第一台通用电子计算机 ENIAC 诞生，开启了 " 信息革命 " 的时代。它脱胎于电子技术，以计算机、半导体、互联网的发明与普及为标志，其核心是对信息的数字化处理与网络化连接。

信息革命的经济规律是网络效应与范围经济。连接节点越多，数据越丰富，价值也呈指数级增长。同时，它催生了网络化的社会，物理聚集的重要性下降，虚拟空间成为重要活动场所。社会关系以多元、流动的社群和网络身份为特征，权力从垂直层级向分布式网络转移。

我们现在耳熟能详的伟大企业，多产生于信息革命：IBM 从硬件制造商成长为综合解决方案服务商；微软以操作系统构建了软件生态壁垒；英特尔提供了号称 " 数字世界的心脏 " 的中央处理器；谷歌重构了全球信息获取方式；苹果以 " 硬件加软件加服务 " 的封闭生态重塑了移动互联网体验；亚马逊从电商发展为覆盖云服务、物流的巨头。

从历史中你可以知道：真正伟大的企业往往诞生于技术根本性变革和催生全新巨大需求的产业浪潮之中。它们通常具备掌控关键节点如操作系统、芯片、搜索入口，或构建强大生态网络的能力。

二、历史的启示： 工业革命赢家与资金流向

如果身处各个工业革命时期，你的投资目光应投向何方？

在第一次工业革命中，除了追逐已炙手可热的纺织厂主，更可以去识别那些 " 赋能者 "，不仅是生产蒸汽机的博尔顿 - 瓦特公司，更是那些为矿山和工厂提供融资的 " 准风险银行 "，以及为远洋货轮承保的保险商。

假设你穿越到第二次工业革命，你会关注西门子、通用电气这些站在电气化潮头的巨头。

同时会发现，福特汽车公司的生产流水线代表的不仅是汽车，更是大规模生产的管理革命，它持续压低复杂产品成本，带来的社会变革与投资回报是几何级数的。你也绝不会忽视作为这场资本盛宴直接 " 收费桥梁 " 的新兴投资银行和活跃证券交易所。

投资的本质是预见未来，而预见未来最好的方式，就是理解周期。通过对比历次技术革命，我们可以发现以下惊人相似的规律：

基础设施先行的必然性

任何技术的大规模应用，都必须等待配套基础设施的成熟。没有铁路网，蒸汽机无法重塑物流；没有宽带和 4G、5G 网络，云计算和移动互联无从谈起。基础设施投资周期往往是新一轮繁荣的先行指标。

经济学家约瑟夫 · 熊彼特提出的这一概念，在每一轮技术扩散中都得到印证。旧产业和岗位被淘汰的同时，新产业和新机遇被创造。然而，破坏与创造在时间和空间上并不对称，常常导致结构性失业和社会阵痛，构成了技术普惠过程中必须面对的沉重代价。

在技术爆发期，资本往往过度乐观或过于急切，导致资源配置扭曲和泡沫；在成熟期，资本又可能过度保守而退缩，低估技术融合产生的边缘创新机会。正是这种周期性的认知与配置错配，创造了市场上最极端的风险，也埋藏了最丰厚的回报机遇。

新技术要求新的社会制度、法律框架和教育体系与之适应，但这种适应总是滞后的。从劳工法对工业生产的规范，到隐私法对数字经济的应对，制度调整的节奏深刻影响着技术扩散的速度与路径。

比 " 投资什么技术 " 更根本的问题是 " 技术处于什么阶段 "。萌芽期应关注核心研发与专利壁垒；爆发期需聚焦基础设施的完善与杀手级应用的出现；成熟期则应寻找通过效率提升与产业整合确立统治力的赢家。投资策略必须与周期阶段相匹配。

在每次技术革命中，最早和最稳定的回报往往来自为新技术提供基础支撑的行业，正如当年铁路之于蒸汽时代，电力设备之于电气时代，以及今天的先进半导体、动力电池与云计算平台之于数字与智能时代。

泡沫破裂，" 转折点 " 才真正来临。

当非理性繁荣的泡沫破裂，喧嚣散去，" 转折点 " 才真正来临。此时，社会开始痛定思痛，建立新规则，生产性资本重获话语权。那些拥有扎实技术、清晰商业模式且能主动适应新制度的真正龙头企业，其长达数十年的黄金成长期或许才刚刚开始。价值投资者的核心任务，便是在狂热中保持冷静，在恐慌中识别并坚守这些未来王者。

当一项技术的渗透率见顶、被公认为完全成熟时，最大的颠覆往往正在边缘酝酿。个人电脑市场饱和时，互联网革命悄然兴起；智能手机普及完成后，移动生态与万物互联的浪潮接踵而至。成熟期不是终点，而是技术交叉融合、催生下一代技术革命的温床。

从蒸汽机到人工智能，周期性规律既有可预测的节律，又有每一次独特的波澜。对于投资者和企业家而言，这种眼光是在技术革命浪潮中不被淹没、反而借势前行的关键能力。

历史不会简单重复，但总是押着相似的韵脚。在信息革命方兴未艾、新一轮技术革命已露曙光的今天，回望工业革命以来的技术扩散之路，我们获得的不仅是对过去的理解，更是通向未来的导航图——为了成为更好的投资者，也为了更好地感受时代的脉搏与时间的馈赠。

三、AI 时代的未来

1. 泡沫是存在的，但不能否定 AI

首先必须承认：泡沫正在形成，而且就在涨幅第一的算力股上。1999 年的 " 世界互联网泡沫牛 "，现在打扮成 "AI 牛 "，卷土重来。

但不能因此全盘否定 AI。此次泡沫与 2000 年互联网泡沫有本质区别：当年多数互联网公司只有概念，没有盈利与现金流；当前 AI 浪潮领头的造芯片、搞云计算、做模型的巨头，已实际赚取巨额利润，并将利润大规模再投入，空前的资本开支证明需求真实存在。

因此我判断，这是 " 结构性泡沫 "：真正有业绩、卡在产业咽喉的核心算力提供商，泡沫与真实增长相伴；大批蹭概念的 " 李鬼 " 公司，泡沫就是纯泡沫，破裂后只会一地鸡毛，可谓 " 李逵与李鬼同台唱戏 "。

我的核心观点：谁掌握电，谁掌握 21 世纪。算力股狂欢中，大家忘了底层物理约束：AI 数据中心是 " 电老虎 "，没有稳定充沛廉价的电力，所有算力都是镜花水月。如同当年淘金热，最赚钱的未必是淘金者，可能是卖铲子和牛仔裤的人，在 AI 这场掘金中，" 电 " 就是最重要的铲子。

行业格局正从 " 训练 " 转向 " 推理 "：当前市场狂热聚焦 " 训练侧 "，各企业竞相堆叠显卡、比拼参数，但历史证明，斗智不斗力才是真理。

DeepSeek 这类公司做出证明：通过算法创新，用较低算力成本就做出顶级模型，打破了 " 算力霸权 " 的迷信。投资的重心，可能会逐渐从 " 训练算力 " 的天价投入，转向 " 推理算力 " 的普惠化应用。

未来，AI 的胜负手可能不只在于谁有最多的卡，更在于谁的算法更高效，谁的应用更能落地赚钱。

所以，未来生态会分成两层：底层，是少数几家掌控核心算力和基础模型的 " 平台型 " 公司，它们像发电厂，为整个社会提供动力；上层，是无数在垂直领域深耕的 " 应用型 " 智能体公司，它们像千家万户的电器，将算力转化为具体服务。

真正的爆发性机会，很可能藏在应用层。那里将孕育出解决实际痛点、创造全新价值的伟大企业。

很多人担心美国会卡我们脖子，但我不这么认为——我们的优势或许不在于从 0 到 1 的原始创新，但我们在从 1 到 N 的大规模、低成本产业化应用能力可称世界第一。

放眼望去，我们的新能源汽车、智能驾驶、智能制造、AI 应用正在实实在在地落地。没有坚实的工业基础与完整产业链，任何 AI 技术都只是空中楼阁——而这一点，恰恰中国有最深厚的家底。

中国的 AI 公司，更懂得如何将技术与庞大的制造业、消费市场结合，创造出有营收、有利润的模式。

四、资本泡沫的可利用性

纵观技术演进历史，从蒸汽机到芯片，每一次颠覆性浪潮都遵循相似轨迹：技术渗透率随潮水起落，资本泡沫如影随形，交替上演繁荣与破灭。

每一次颠覆性技术的产生演进，都是 " 钟摆 " 从理性摆向疯狂，再回归理性的循环，驱动产业重构与财富转移的 " 渗透率曲线 "，清晰揭示了泡沫的必然性与其中蕴藏的可利用性。

渗透率曲线：技术价值的 " 理性长征 "

任何一项颠覆性技术，从实验室走向大众市场，其普及过程都遵循一条经典的 "S 形 " 渗透率曲线。这条曲线的背后，是技术价值逐步被市场发现、接受和过度追捧的复杂心理历程。

① 萌芽期（渗透率 <10%）：在无人问津处，用 " 折扣价 " 买

在这一阶段，技术尚在襁褓之中，市场对其充满疑虑，只有极：少数远见者能看到未来。此时的渗透率曲线平缓如镜，却蕴藏着最大的认知差。这也是 " 以折扣价格买入优质企业 " 的最佳时刻。

我一直都在强调 " 好公司 + 便宜价格 = 买进 "，投资本就该如此简单。无论是早年布局招商银行、中国平安、万科，还是近年关注赛力斯，本质都是在企业价值未被普遍认可的左侧，基于深度基本面研究，用穿透未来的远见进行布局。

② 爆发期（渗透率 10%~50%）：拥抱 " 确定的成长 "，把握右侧脉搏

技术跨越 " 引爆点 " 后，渗透率开始加速攀升，技术实用价值得到验证，主流市场涌入，业绩与估值迎来 " 戴维斯双击 "。

我并非纯粹的左侧坚守者，同样重视右侧趋势力量，当成长确定性来临时，应果断拥抱。这一阶段要选定最具核心竞争力的龙头，集中投资，享受趋势带来的丰厚回报。

我看好新能源汽车，就是基于对 " 中国智造 "" 换道超车 " 确定性趋势的右侧判断，当时新能源汽车渗透率已达 10%，新领域渗透率突破 10% 后，往往会迎来陡峭上升期。

优秀投资者要在泡沫初期，清晰区分 " 真正的成长 " 与 " 伪成长 "。

③ 成熟期与泡沫期（渗透率 >50%）：在 " 打死也不卖 " 的喧嚣中听见警钟

这是曲线最陡峭也最危险的阶段：技术成为主流，市场陷入狂热。市场情绪会从极度恐惧摆向极度贪婪，渗透率提升放缓，但资本狂欢达到顶峰。市场自我强化，让所有人相信 " 这次不一样 "。历史上，奔顶时间最短，人群在顶部丧失警惕。

其实，泡沫顶部由大众情绪主导，而非理性估值模型。当 " 打死也不卖 " 的言论盛行，市场顶部可能已经到来。此阶段多数公司估值透支未来增长，理性选择是 " 人取我予 "，从容离场。

在泡沫周期中践行 " 中国式价值投资 "

算力股短期涨幅巨大，情绪已饱和。我遵守 " 人多的地方不去 " 的纪律，泡沫不会立即破裂，但追高者大概率会亏损。

低市盈率 AI 相关标的很快会出现，潮水退去后，被忽略的有业绩的 AI 相关优质标的会显现出高性价比。

抛开概念，最终要看公司如何通过 AI 盈利，靠亏损获客的模式不可持续，最终胜出的一定是有业绩支撑的股票。

AI 发展是非线性的，可能会在临界点后突然爆发，我们需要保持关注、耐心，等待 AI" 涌现时刻 " 到来，提前做好准备。

五、DeepSeek 驱动 中国科技资产价格重估

DeepSeek 问世后，华尔街交易员发现，他们赖以定价的底层假设正在崩塌。过去给中国科技公司定价，逻辑是技术领先性对标美国同类公司后，打 " 中国折价 "。该折价源于对中国创新原发性的怀疑、对地缘风险的担忧，以及 " 模仿而非创造 " 的刻板印象。

DeepSeek 以接近顶尖的性能、仅为巨头零头的训练成本，即约 560 万美元，彻底粉碎了这一定价逻辑。它证明：在 AI 终极赛道上，中国公司不仅能与美国并驾齐驱，还能以更聪明、更经济的方式定义新游戏规则，这不是追赶，是对原有赛道的 " 非线性穿越 "。

资本最聪明，它迅速意识到，如果 DeepSeek 代表的中国 AI 能力被严重低估，那么整个中国科技资产生态，从上游算力芯片、中游模型算法到下游万千应用，都需要重新定价。一场系统性 " 中国科技资产价格重估 " 就此拉开帷幕。

前有 DeepSeek，后有 Manus，资本已经为中国科技资产价值开出新价码，很多人却仍沉浸在英伟达的泡沫神话中。我认为，DeepSeek 就是落在英伟达头上的那粒沙。

DeepSeek 挑战的不是某一项指标，而是全球 AI 竞赛近十年的核心信仰 " 规模定律 "：智能提升必然依赖参数、数据和算力的持续堆砌。

DeepSeek 通过 " 多头潜在注意力 "（MLA）、" 混合专家 "（MoE）等架构原创创新实现突破，本质是用 " 算法智慧 " 替代 " 算力蛮力 "，找到了更经济精巧的高阶智能发展路径。

它证明顶级 AI 能力并非只能诞生于硅谷巨头，中国团队凭借工程智慧和数学洞察也能抵达前沿；极致成本控制本身就是商业模式和护城河，迫使谷歌、OpenAI 等全球竞争者重新审视自身技术路线与研发效率，资本堆砌的壁垒已出现被穿透的可能。

DeepSeek 不一定成为最终赢家，但它激起的涟漪正扩散至全产业链，推动中国科技资产价格重估：

其一，传统叙事中中国算力是英伟达生态被动接受者，DeepSeek 适配国产算力的深度优化，证明国产硬件可承载顶尖 AI 模型，还通过定义高效软件栈反向塑造提升国产硬件价值，重估了中国自主算力产业链价值。

其二，DeepSeek 的激进开源策略动摇了美国公司闭源生态的垄断利润预期，将顶尖模型能力近乎无偿赋予全球开发者，推动千行百业爆发创新活力，反过来提升了 DeepSeek 的生态价值，资本市场开始重估深度融入这一新生态的上市公司价值。

DeepSeek 的成功照亮了中国硬核科技的投资价值，改善了本土科技企业融资环境，完成了一场深刻的 " 认知重置 "：重置了全球对中国科技创新能力的评估，重置了中国科技产业链的全球分工价值定位，更重置了资本市场对技术投资的风险回报模型。

美国的禁令反而成为最佳 " 定价说明 "：

2025 年 6 月底，美国两党议员提出《禁用对抗性人工智能法案》，要求联邦政府建立 " 敌对 AI 清单 "，禁止采购清单上的 AI 系统，该草案已进入立法程序。

与其说这是法律屏障，不如说它以极端方式向全球宣告：中国 AI 突破已触及技术领先者的敏感神经，此次价格重估不是题材炒作，而是全球科技权力转移下的资本投票。

最严厉的封锁，成就了最坚实的价值共识，中国科技资产正在这一共识中找到全新、坚实的价格锚点。

* 文章为作者独立观点，不代表笔记侠立场。

分享、点赞、在看，3 连 3 连！