AI基建狂潮之下，我们可以向历史学到什么？

来源：投资界

原标题：AI基建狂潮之下，我们可以向历史学到什么？

美东时间10月29日上午9点32分，英伟达股价突破207.86美元。照此计算，英伟达市值在此刻达到了5.05万亿美元，成为历史上*家市值突破5万亿美元的公司。短短三十几年，英伟达就从一家为游戏发烧友做显卡的小公司，迅速膨胀为一家市值超过德国和日本GDP（国民生产总值）的企业巨头。这个成就，当然不能仅用黄仁勋及其团队经营有方来解释。许多评论人士认为，英伟达之所以能够成功，其实是“七分天注定，三分靠打拼”——除了在关键时刻总能选对正确的策略之外，更重要的是它成功地赶上了AI（人工智能）基建这波大潮。

2012年辛顿团队用卷积神经网络赢得ImageNet图像识别大赛、掀起“深度学习革命”。尤其是2022年末ChatGPT横空出世、引爆“生成式AI革命”以来，市场对AI算力的需求持续呈几何级数增长。为了在AI大潮中赢得先机，各大头部AI企业纷纷投入巨资，疯狂购买GPU，扩充自身算力。与此同时，世界主要国家也竞相出台政策，以国家之力大建数据中心，积极布局算力。其结果是：究竟哪些企业、哪些国家最终可以胜出，目前仍未可知，但像英伟达这样的算力提供商却早已赚得盘满钵满。

据说，在19世纪美国“淘金热”的时候，大部分淘金者并没有赚到钱，但那些把铲子卖给淘金者的商人却赚了大钱。时隔一百余年，历史虽不重复，却似乎总能押中自己的韵脚。

“卖铲人”的故事固然传奇，但从历史角度看，它只不过是“淘金热”中的一个小注脚。同样，英伟达的成功虽然令人印象深刻，但与AI基建浪潮相比，其重要性就相形见绌。纵观历史，每一轮重大的技术革命，几乎都由一种或几种通用目的技术（General Purpose Technologies）推动，而通用技术的普及，又强烈依赖于相关基础设施的建设。

例如，*次工业革命中最重要的通用技术是蒸汽机，而蒸汽机作用的发挥，很大程度上依赖于铁路等基础设施的配套；第二次工业革命中最关键的通用技术是电气技术，而其能量的释放，则仰赖于电厂和输电线路的建设。类似地，AI作为当下最新一代的通用技术，是否能够真正改变世界，其关键仍在于相关基础设施建设能否及时到位。

所谓以史为鉴，可以明得失。历次技术革命的基建浪潮都为后人留下了许多宝贵的经验与教训，对于AI基建来说，它们无疑具有重要的参考价值。

速度与标准：铁路革命的启示

1825年的某个秋日，英格兰东北部的风还带着海盐的味道。一列名为“洛克莫申号”的蒸汽机车，在斯托克顿与达灵顿之间的铁轨上缓缓启动。那是人类*次见到这样一辆“机器”：它喷出白色蒸汽，拉着30节车厢，装满煤炭与乘客。沿途的农民放下锄头，孩子们追着铁轨奔跑——他们听到的，不仅是轰鸣声，更像是一个时代在起跑。

这条铁路只有40公里，却改变了经济的地理结构。在此之前，煤炭靠马车运输，费时又昂贵。铁路让运输成本下降了80%，速度提高了十倍。它不仅提升了矿主利润，更打破了地理限制。铁路*次让“距离”不再是经济的决定性约束。后来的地理学家大卫·哈维评价道，“铁路压缩了空间与时间，让市场变成了一张新的地图。”

从1830年到1844年，英国的铁路从96公里铺展至2000多公里。铁路飞速生长的同时，资本市场也走向狂热。报纸每天刊登铁路新闻，股票行情印在酒馆柜台边，家庭主妇、牧师、铁匠、鞋匠……所有人都在讨论哪条线路能带来收益。1846年，铁路投资一度占到英国GDP的15%。

然而，狂热的火焰越烧越高，也照出背后的混乱。当时的铁路并不是一个网络，而是无数条互不相连的“铁蛇”。每家铁路公司都争抢铺轨，生怕慢一步就失去市场。更荒唐的是，他们连轨距都不愿统一。

“铁路之父”乔治·斯蒂芬森采用4英尺8?英寸（即1435毫米）作为标准轨距，而工程师布鲁内尔则主张7英尺?英寸（约2140毫米）的宽轨。他们的分歧原属工程判断：前者注重维护便利，后者追求平稳与速度。然而一旦利益介入，标准之争便被市场逻辑绑架。各家公司纷纷为自身垄断地位设定不同轨距，有的甚至刻意标新立异。

滑稽场面频频出现。火车驶至一城郊区即止步，因前方铁轨属另一公司、轨距不同。乘客必须换乘，货物需反复搬运。铁路越多，却无法连成统一网络。

时间标准的混乱更让人头疼。各公司使用本地时间安排时刻表，长途旅行的乘客必须反复对表，稍有不慎便错过换乘。

除了标准混乱，公司之间还互拆轨道，夜间抢线施工，俨然现实版《大富翁》。议会虽设立“铁路特别委员会”听证监管，但总赶不上扩张速度。技术猛踩油门，制度却尚未找到方向盘。

泡沫终有破灭之时。1847年，英国央行收紧信贷，铁路股票暴跌，数百家公司破产，街头出现大量失业铁路工人。铁路神话坍塌，期待落空。

但正如历史学者所言，“铁路在泡沫中诞生，在废墟中成熟。”泡沫虽毁灭一切，却也带来清理机会。破产潮中，大量冗余线路被清除，资金回流至主干建设，公司间恶性竞争得以终止。

与此同时，政府开始整顿，出台法律统一轨距、运行时间、信号系统。铁路终于从企业战场变为国家骨架，为后续发展奠定基础。

接下来二十多年，英国铁路总长突破2.1万公里。标准统一后，换乘与协调成本显著下降，运输成本随之降低。英国也在此阶段完成从地方集合体向全国经济体的转变——铁路功不可没。

两百年后，AI的算力网络似乎正在重演当年的一幕。各国的数据中心、算法平台、模型接口如同十九世纪的铁路公司：各自铺设、各自运转，缺乏统一标准。有人说，“今天的API接口，就是数字时代的轨距。”如果标准无法协调、数据无法互通，再庞大的AI基建也只是碎裂地图。

历史告诉我们，真正让火车飞驰的，不是钢铁，而是标准化与协同的制度。同理，AI基建的价值，也不在于有多少GPU在飞速运转，而在于社会能否围绕智能重组流程、制度与知识结构。铁路让十九世纪的人*次感受速度的魔力；AI让二十一世纪的人体验思维的加速度。但火车若无轨道，只会脱轨；智能若无制度，只会迷失。

也因此，在聚焦AI基建狂潮的当下，重新回望铁路革命的历史，或许别有意味。

电力与结构：电气革命的经验

1882年9月4日傍晚，随着珍珠街发电站首次合上电闸，纽约金融区的400盏路灯和数十间房屋一齐亮起。当后来的历史学家回顾这一刻，往往称之为“黑暗的终结”。然而当时，这一事件并未引起太多关注。《纽约时报》仅在“城市杂闻”栏目中用几行字报道了这种新型照明方式——要知道，连编辑部本身也是试点单位。

如果以今天的眼光来看，许多人会笑当时的人“有眼不识泰山”。但站在当时的立场，对一项尚未解决长距输电难题的新技术大肆鼓吹，才更不可思议。后来围绕传输方式，还爆发了直流与交流之争。至于电站密布、输电线路铺设、民众普及使用，已是几十年后的事。因此，当时人们对电力“首秀”的冷淡反应，并不难理解。

更值得注意的是，相比电力的普及，其转化为生产力的过程更加艰难。经济史学家保罗·戴维（Paul David）指出，直到20世纪20年代末，电力对生产率的影响才真正显现。而这距离纽约点灯那一晚，已过去近半世纪。

为何电力的生产率效应姗姗来迟？答案要到工厂里寻找。

19世纪末的工厂，是蒸汽的世界：一台蒸汽机驱动中央主轴，连接皮带、齿轮与链条。工厂布局围绕主轴展开，机器紧密排列，工人被固定在自己的岗位上。谁离主轴远，机器就慢。一旦蒸汽机关掉，全厂即停工；任何一环出错，整线皆崩。

20世纪初，电动机进入工厂。相比蒸汽机，它更小巧、分布式、易于控制，许多人认为它将极大提升效率。

但现实却出人意料。保罗·戴维指出，电机引入后的相当长时间里，工厂效率几无提升。原因在于企业主只是把蒸汽机换成电机，却保留原有的主轴结构。电被当作更干净安静的蒸汽，而非一种新秩序。

真正的转变，出现在人们意识到电动机无需集中使用的那一刻。有了电，人们可以按工艺顺序而非主轴位置布置机器。工厂空间得以重排，运输距离缩短，等待时间减少，工人也不再被机器锁死。

空间释放带来管理革新。分布式电机赋予工厂“局部自治”能力：每个工段可独立运作，单独检修。经理灵活调整生产节奏，工人专注单一工序。正是在这一基础上，福特于1913年发明了流水线操作。看似简单的“传送带”，本质上是电气化后工业空间与流程重构的产物。

因此，从蒸汽到电，不只是能源替换，更是生产结构之变。发电厂让电力存在，工厂让电力成为生产力。今天的AI基础设施亦可类比。

如今，我们拥有了强大的AI“发电厂”：算力中心、模型平台、云端网络。MITNANDA团队发布的《商业领域AI使用状况报告》显示，截至2025年上半年，已有80%的企业尝试使用AI，约40%订阅了AI服务。然而，AI对生产率的提升仍然有限：只有5%的项目进入生产阶段并产生实质价值，其余95%未带来回报。

原因与电力早期遭遇类似。尽管企业在AI基建上投入巨大，但多聚焦于具体“应用”项目，而其组织流程与结构却未围绕AI重构。正如早期工厂只换蒸汽为电，却不改主轴。

这启示我们，AI普及本身并不能自动提升效率。唯有推动AI与流程、组织、治理的深度耦合，才能释放其真正价值。

泡沫与重生：互联网狂欢的遗产

上世纪90年代末的硅谷，是一座永远不眠的城市：白天，投资人挤在咖啡馆里谈融资；晚上，创业者在车库里写代码。每个人都相信，自己站在未来的门口，只差一轮融资就能推开它。街头贴满了“.com”的标志，出租车司机谈论“网络股票”，学生在宿舍里注册域名……整个城市的一切，都围绕着一个词——“互联网”运转。

在世纪之交的狂热中，市场理性早已被稀释：公司不需要利润，只要用户；投资人不看现金流，只看故事；创业计划书的*页永远写着“我们正在改变世界”。仅1999年一年，纳斯达克指数就上涨了近80%。平均每两个工作日，美国就有一家互联网公司上市。在互联网大潮的裹挟之下，资本正在尽情狂欢。

与资本的狂欢相伴的，是基础设施建设的高歌猛进。城际光纤干线、跨州骨干网、海底电缆、区域接入网络、数据机房、服务器集群……一切都以前所未有的速度部署。MIT博士生贾斯汀·柯洛（Justin Kollar）的一项研究表明，在上世纪90年代末，美国及北美的运营商铺设了“数十万英里”的光纤。《原始数据》（Raw Data）的一则报道则估计，仅2000年，北美运营商铺设的光纤就达到6.8百万英里（约10.95万公里）。至于支撑互联网站点的服务器，更是堆积如山。一时间，所有公司似乎都在为“信息高速公路”的建设添砖加瓦。

在一片鲜花着锦、烈火烹油之中，纳斯达克指数于2000年3月10日冲上5048点的历史高位。然而，高点之后，一切开始急转直下。从3月中旬起，科技股接连暴跌。到2002年10月，纳斯达克已从高点跌去78%，数万亿美元市值在两年内蒸发。随后几年，上千家互联网公司陆续倒闭，大量曾风光一时的网站相继停运。面对泡沫的破裂，曾为互联网企业歌功颂德的媒体也纷纷变脸。《商业周刊》甚至用封面文章《互联网？呸！》（The Internet Bah!）对这个不久前还承载希望的行业做出了讽刺性的总结。

随着金融狂欢终结，那些被过度建设的基础设施也陆续遭到遗弃。大量服务器被清理处理，刚刚埋入地下的光纤则被闲置，成为柯洛论文中所说的“暗光纤”（darkfiber）。

但历史的转折，往往从崩溃开始。

泡沫的破裂，就像一个必要的冬天，让真正能活下来的事物得以发芽。

首先，是企业的重组。

在狂热时期，企业只追求流量；而在崩盘之后，它们被迫回归利润。亚马逊在2000年经历股价暴跌90%，贝索斯随即宣布大规模裁员、关停亏损业务，转而聚焦于供应链效率与客户体验。三年后，亚马逊首次实现盈利，这个未来的电商与云计算帝国由此重新启航。谷歌也在这一时期脱颖而出。创立于1998年的谷歌，在泡沫顶点时几乎无人关注；而当其他公司倒闭时，它凭借 PageRank算法和清晰的商业模式——搜索广告——于2002年实现盈利，并确立了互联网的新逻辑：价值来自秩序，而非喧嚣。除此之外，脸书、推特等后来者，也都是在泡沫冷却之后成长起来的。从这个角度看，泡沫并非互联网的终结，而是筛选胜者的过程。

其次，是基础设施的盘活。

泡沫时期修建的庞大光纤网络和数据中心，在2001年后被拍卖、重组。许多破产电信公司的“暗光纤”被后来的运营商低价接手，用于扩建带宽。

例如，美国公司Level 3 Communications就在这一时期收购了大量闲置光纤，成长为后来的骨干网巨头。又如，英国的Global Crossing破产后，其光缆资产被拆分重组，后来分别并入BTGroup和Verizon的国际主干线路。正是这些“泡沫的遗产”，支撑了十年后云计算与流媒体的崛起。

数据中心亦经历类似命运：2002年被视为“废铁”的服务器，几年后成为支撑AWS、GoogleCloud的*批硬件。互联网的真正基础设施，往往是在危机之后才被社会理解并有效利用的。

再次，是制度层面的变化。

2000年之后，美国与欧洲的监管机构开始重新定义网络基础设施的治理规则。美国联邦通信委员会（FCC）在2001年至2003年间推动“电信市场开放”政策，允许私营运营商租用原国有网络的带宽，推动了互联网接入成本的下降。欧洲则在2002年通过《电子通信框架指令》，要求各成员国开放本地环路接入（Local Loop Unbundling），推动宽带从寡头垄断走向竞争。

在这些政策推动下，泡沫破裂后遗留下来的“暗光纤”与闲置带宽被重新整合与优化利用。这些举措，为下一轮互联网热潮的到来提前打下了基础。数据显示，1999年宽带上网价格为每Mbps超过1200美元，而到了2005年，该价格已下降至每Mbps不到50美元。显然，电信开放政策及其带动的“暗光纤”盘活，发挥了关键作用。

在泡沫破裂后的十年——也就是2010年——互联网基础设施终于完善，行业再次迎来高点。值得注意的是，互联网行业在这一阶段不仅完成自我重建，还成功经受住了2008年全球金融风暴的冲击。原因之一，正是这个行业确实用好了危机带来的机会，在那些“过度”的基建之上，扎扎实实创造出了新的价值。

如今，面对AI的高歌猛进，许多人再次发问：AI行业是否存在泡沫？泡沫又会在何时破灭？

在我看来，AI行业存在泡沫几乎是必然，至于泡沫的破灭，也只是时间问题。但从历史的角度看，这一切并不重要。真正关键的是：如果泡沫有朝一日破灭，我们是否能有效盘活泡沫期间遗留下来的基础设施，让它们成为下一轮AI热潮的底座？

结语：跨越技术革命的三重陷阱

过去两百年的技术史告诉我们：每一场通用目的技术革命所引发的大规模基础设施建设，几乎都伴随着三重困境——标准的混乱、结构的惰性，以及危机的浪费。铁路、电力、互联网都曾如此，如今的AI基建，也正立于同样的分岔口。要让这场技术革命真正走向成熟，必须跨越这三道门槛。

*重陷阱，是标准的混乱。每一次基础设施革命的早期，都充斥着各自为政的技术方案。

19世纪的英国铁路，曾存在多达七种不同轨距，列车在各地无法直通，乘客需在站台间搬运行李换乘；20世纪初的电气化阶段，爱迪生主张直流，特斯拉主张交流，电压标准各异，导致设备难以兼容；互联网初期，各家公司推行自有协议与浏览器标准，形成“数字孤岛”。混乱，本是创新的副产品，但若未能在恰当的时机完成统一，技术红利就会被重复建设和互不兼容所抵消。

卡洛塔·佩雷斯（Carlota Perez）在《技术革命与金融资本》中指出：从“安装期”（Installation Period）进入“部署期”（Deployment Period）的关键，是建立一个被广泛接受的共同平台。铁路的轨距统一、电力的电压标准化、互联网的TCP/IP普及，皆是在从混乱走向繁荣时所跨越的制度性门槛。

AI基建也正面临同样的抉择：模型格式、数据接口、能耗标准、算力架构若不能尽早形成共识，就难以孕育真正的智能生态。统一标准，并非束缚创新，而是为了让创新在同一条轨道上奔跑。只有完成基建标准的统一，AI的潜能才有可能被*化释放。

第二重陷阱，是结构的惰性。

技术革命早期，基础设施常被视为终点，而非变革的起点，这恰恰束缚了生产力的进一步提升。

我们已经看到，铁路修成之后，若没有对应的仓储制度、时区标准、城市功能重组，生产效率并不会自然提升；电气化完成之后，若工厂仍照旧运转，电动机就无法带来企业效率的跃升；互联网普及之后，真正的转折点，并非网页上线，而是企业管理、供应链与服务体系的全面数字化再造。

佩雷斯在其著作中高度强调了“社会—技术同调化”（comaturation）的重要性。在她看来，技术若想真正成为增长引擎，必须与制度、管理和文化的变革同步演进。

今天的AI基建，正面临与历史相似的挑战。无论是算力中心，还是数据平台，若只是服务于模型训练，而无法带动教育、医疗、制造、科研等领域的系统性重构，那它仍停留在“安装期”的幻象中。真正的AI革命，不在于模型，而在于组织；要释放AI的生产率效应，就必须像当年用流水线重构工厂一样，围绕AI重新设计整个企业和行业的运行逻辑。

第三重陷阱，是危机的浪费。

每一次技术泡沫，都是社会为未来所提前支付的代价。

铁路在19世纪40年代的投资狂热中铺设了大量过剩轨道，泡沫破裂后却留下了全国交通网络；电气系统在20世纪初的重复建设中形成了统一电网；互联网则在2000年泡沫破裂后遗留下大量服务器、数据中心和“暗光纤”——这些所谓的“过度投资”，最终成为云计算和移动时代的基础。

若借用熊彼特的说法，这种现象可称为“建设性毁灭”（constructive destruction）——金融泡沫固然危险，但在客观上也为技术部署提供了基础设施。问题不在于泡沫本身，而在于我们是否善用危机留下的遗产。佩雷斯亦指出，金融泡沫几乎是技术革命的常态伴生物，真正的灾难不是泡沫，而是错失危机。

事实上，回顾历史上那些最终成功的技术转型，几乎无一例外地在泡沫破灭后完成了基础重构。英国将铁路泡沫的废墟转化为工业动脉；美国在电气化的混乱中建立起公共事业制度；欧美则在互联网泡沫之后，把闲置的“暗光纤”盘活为下一轮互联网热潮的重要基建。

因此，AI基建的关键不在于是否避免泡沫，而在于如何为泡沫“留下结构”：让投资沉淀为公共算力，让模型沉积为共享平台，让数据规范成为社会契约。这才是技术革命真正的分水岭。

综上所述，技术史的节奏总是相似的：标准化让混乱变为秩序，系统性变革让基建转化为生产力，而危机的再利用，则让投机最终化为文明。在AI的狂潮中，在“英伟达们”飞涨的股价背后，我们真正需要的，是保持头脑的清醒，从历史中学习演进的路径。