一个被严重低估的信号：巨头竞逐大模型，巴菲特却选择押注“狭义AI”！

来源：市场资讯

（来源：识局Insight）

文/陈治刚（识局智库创始人兼首席战略专家）

当地时间5月2日上午，奥马哈，2026年伯克希尔2026年股东大会现场，当一位股东满怀期待地询问伯克希尔将如何在AI时代“乘风破浪”时，巴菲特的接班人、伯克希尔新任CEO格雷格·阿贝尔没有谈论大模型，没有提及通用人工智能（AGI），甚至没有表现出对AGI的半点兴趣。

他谈的是GEICO（政府员工保险公司，是美国第二大汽车保险公司，隶属于伯克希尔哈撒韦公司）的定价算法，是BNSF铁路（美国伯灵顿北方圣太菲铁路运输公司，是伯克希尔·哈撒韦公司旗下的铁路运输子公司）的机车调度系统，是太平洋电力公司的山火监测网络。

他说：“我们并不推崇泛化、无边界的通用人工智能，更倾向狭义人工智能——我们要的是嵌入业务、与主业形成互补协同的智能化工具。”

全场掌声雷动。但这掌声背后，是一个被资本市场刻意忽略的真相：当其他资本巨头为ChatGPT们疯狂加注时，巴菲特的资本帝国却正在一场静水流深的“反共识”实验中，重新定义AI的价值锚点。

01 “我们不买电，我们要建电厂”：伯克希尔的AI基建逻辑

阿贝尔在股东大会上披露了一个关键转向：伯克希尔决定从“技术采购方”变为“技术自建者”。

这不是一句轻描淡写的战略口号。在过去五年里，GEICO——这家拥有90年历史的汽车保险公司——已经悄然组建了一支庞大的工程师团队，跨越不同项目和业务线，推动“一切变革”。

更值得注意的是，这种技术能力正在向非保险业务复用——伯克希尔旗下的健康业务、能源板块、甚至消费品部门，都开始配备“高级技术官”，正式进入技术转型之路。

这里有一个极具象征意义的细节：阿贝尔强调，“底层整套核心系统必须牢牢掌握，不能与系统体系脱节”。

在当前硅谷主导的AI叙事中，这几乎是一种“反动”——OpenAI、Anthropic、Google们正在构建的，恰恰是那种“黑箱化、中心化、API化”的智能服务，企业只需调用接口即可获得“神力”。但伯克希尔的选择是拒绝外包智能，转而投入重金自建。

为什么？

因为阿贝尔看穿了当前AI产业的一个致命悖论：通用大模型的价值在于“无所不能”，但企业真正需要的往往是“刚好够用”。

GEICO不需要一个能写诗、能编程、能诊断癌症的AGI，它需要的是一套能在毫秒级内精准评估驾驶员风险、动态调整保费、预测理赔概率的垂直系统。

BNSF不需要一个能理解人类情感的聊天机器人，它需要的是一套能实时监控177年铁路网络中150-200列火车运行状态、预判设备故障、优化燃油效率的工业大脑。

这些系统的共同特征是：极度聚焦、深度嵌入、与业务流程无缝咬合。阿贝尔将其定义为"狭义AI"——不是学术意义上的"弱人工智能"，而是一种有明确边界、有具体场景、有可量化ROI的智能工具。

这种逻辑与当前资本市场的狂欢形成了刺眼反差。

2026年，全球大模型参数规模已突破万亿级，融资额屡创新高，但企业端的实际落地却陷入“叫好不叫座”的困境——调用成本高昂、输出不可控、与现有IT系统整合困难、合规风险高企。伯克希尔的选择，本质上是对这种“技术泡沫”的提前避险。

02 从“五人值守”到“两人操控”：BNSF铁路的AI暗战

要理解伯克希尔的“狭义AI”战略，BNSF铁路的案例最具说服力。

这家拥有3.2万公里线路、3.5万名员工、年货运量占据美国西部半壁江山的铁路巨头，在2025年完成了一个看似不起眼却意义深远的变革：通过部署正向列车控制系统，一列火车的值守人员从五人缩减至两人。

阿贝尔在股东大会上特意强调了这个数字。但真正的重点不在于“减员”，而在于系统重构——这套智能化应用方案“适配美国铁路行业的各类既定运营规划，各个环节都能落地适用”，并且已经积累了“177年系统运作经验“的数据资产。

这是一个被严重低估的战略信号。在AI投资狂潮中，资本市场追捧的是“颠覆式创新”——自动驾驶取代司机、AI医生取代医师、智能投顾取代基金经理、AI编程取代程序员……

但BNSF的实践揭示了一条更务实的路径：AI的深层价值不在于简单地“取代人”，而在于“增强系统”。

BNSF 铁路 CEO凯蒂·法默（Kathryn M. Farmer）在视频中透露，BNSF正在“持续引进数据科学家、运维技术人员、研究人员及一线运营人员，统筹整合全域运营中枢资源，打造行业数字孪生体系”。

这不是一场技术革命，而是一场运营革命——用数据建模和仿真推演，在虚拟空间中预演现实世界的调度方案，从而“预判并升级客户服务产品，加快资产周转与配置效率”。

更值得关注的是其财务效果：2025年，BNSF经营利润率提升2.5%，在六家一级铁路公司中的排名从第五升至第四。阿贝尔坦言“仍有很大提升空间”，但这份成绩单已经证明——当AI深度嵌入实体运营，其ROI远比那些“概念验证”式的AI项目来得扎实。

这种“渐进式改良”与硅谷“颠覆式创新”的哲学分歧，正是伯克希尔与科技巨头在AI赛道上的根本分野。

03 GEICO的“定价战争”：当AI遇见保险精算

如果说BNSF展示了AI在“硬资产”运营中的价值，那么GEICO则诠释了AI在“风险定价”这一保险核心能力中的角色。

阿贝尔花了不少时间解释GEICO的转型困境：四到五年前，团队“退了一步”，未能针对风险合理定价；过去四年，团队着力重新定价，客户端保费上调，同时认真进行风险分层。结果是综合赔付率从危险区间改善至87.3%——意味着每1美元保费带来12.7美分的承保利润。

但故事并未结束。阿贝尔紧接着抛出了一个更尖锐的问题：竞争对手正在以更具吸引力的保费争夺GEICO的老客户。 头号竞争对手在2026年一季度实现了11%的保单增长，而GEICO仅为2%。

这是一场典型的“技术-商业”双螺旋博弈。GEICO需要在三个目标间走钢丝：精准定价（防亏损）、客户留存（防流失）、业务增长（防萎缩）。而AI在这里扮演的角色，不是那种“一键解决所有问题”的魔法棒，而是在精算、营销、理赔、客服等各个环节中，提供增量式的优化能力。

阿贝尔透露，GEICO正在推进“技术转型”，且“技术将会是解决方案之中最大的一环”。但他同时强调，“人类的参与是必要的，关键决策必须由人来把控”。这种“人机协同”而非“机器替代”的框架，与当前AI领域流行的“Agent自主决策”叙事形成了微妙张力。

更值得玩味的是阿吉特·贾恩对AI在保险理赔中应用的审慎态度：“人工智能还没有到真正地能够做索赔上面的这些权衡的地步，也许还要花几年时间，我现在还是抱着谨慎的态度。”

这种谨慎不是技术保守主义，而是对“风险不对称性”的深刻敬畏。保险的本质是对不确定性的定价，如果AI系统本身引入了新的不确定性（算法偏见、数据污染、对抗攻击），那么它就不是解决方案，而是问题本身。伯克希尔宁愿慢一步，也要确保AI的嵌入不会破坏其“承保纪律”这一核心文化。

04 能源板块的“AI悖论”：数据中心既是客户，也是挑战

伯克希尔对AI的态度，在其能源板块中呈现出一种有趣的内在张力。

一方面，阿贝尔坦承“人工智能到底怎样能够嵌入我们现有的一些系统”是重大挑战，强调“每个业务都有相应的机会，真正使用、交流这些大语言模型”。另一方面，他又兴奋地披露：爱荷华州的数据中心用电峰值已占整体用电规模的8%以上，“五年之后，我们希望能够提升5%到10%”。

这是一个被忽视的战略细节：伯克希尔既是AI技术的“使用者”，也是AI基础设施的“供应者”。

当前，全球AI竞赛正进入“算力军备”阶段，超大规模数据中心的能源需求呈指数级增长。伯克希尔能源公司凭借其在爱荷华州等地的公用事业布局，恰好卡位在这一超级周期的关键节点。

阿贝尔甚至畅想“以后我们能够增加到50%”——这意味着AI的算力需求，正在为伯克希尔能源业务创造结构性增长机遇。

但这里存在一个深层悖论：如果AI本身是一个“能源黑洞”，那么伯克希尔对AI技术的审慎应用，与其对AI算力需求的积极拥抱，是否矛盾？

答案恰恰藏在阿贝尔的“狭义AI”框架中。伯克希尔拒绝的，是那种无边界的、泛化的、不可控的通用智能；它拥抱的，是那种有明确边界、可量化收益、与实体业务深度咬合的专用智能。

数据中心用电需求的爆发，属于后者——它是可预测的、可计价的、可纳入现有监管框架的。

这种“选择性拥抱”背后，是伯克希尔对技术风险的分层管理哲学：对于能够纳入现有商业模式和风控体系的技术变革，积极拥抱；对于可能颠覆现有秩序、引入不可控风险的技术浪潮，保持警惕。

05 “深度伪造”现场教学：AI治理的伯克希尔范式

2026年伯克希尔股东大会最具戏剧性的时刻，莫过于开场时那段AI合成的“巴菲特”视频。

当深度伪造版的“巴菲特”向阿贝尔提问时，全场一度信以为真。直到阿贝尔笑着揭穿——“这是深度伪造的效果，由AI合成生成”——人们才恍然大悟。但这并非技术故障或恶作剧，而是一场精心策划的风险教育。

阿贝尔随即切入正题：“这类内容是外界利用技术复制声音伪造出来的。这就是我们现在面临的一个现实，伯克希尔必须思考如何守护自身业务安全。”他将此与网络攻击、网络风险承保等议题并置，勾勒出一幅AI时代的风险全景图。

这种“现场教学”的深意在于：伯克希尔不只在谈论AI风险，它在演示AI风险。 当其他企业还在发布AI伦理白皮书时，伯克希尔已经用一场股东大会，让所有股东亲身体验了深度伪造的逼真与危险。

更重要的是其应对逻辑。阿贝尔强调，伯克希尔正在“用技术去保护我们自己的业务，同时我们也尝试运用技术来识别风险”。这不是简单的“以AI对抗AI”，而是一种治理层面的系统思维——将技术风险纳入整体风控框架，而非将其视为孤立的技术问题。

阿吉特·贾恩（伯克希尔·哈撒韦公司保险业务副董事长）随后补充的网络风险承保观点，进一步强化了这一逻辑：尽管全球企业对网络风险保险需求旺盛，但伯克希尔“很仔细地去审视要不要对此承保”，因为“网络风险很难建立可靠的定价和精算模型”。

这种“看不懂就不碰”的纪律，与当前许多保险公司盲目推出“AI保险”产品的浮躁形成了鲜明对比。

06 从“教堂”到“赌场”：巴菲特的AI隐喻

在股东大会现场，巴菲特再次将市场比作“附带赌场的教堂”——教堂代表价值与信仰，赌场代表投机与狂欢。这个隐喻，或许正是理解伯克希尔AI战略的最佳入口。

当前全球AI产业，尤其是大模型赛道，已经高度“赌场化”：巨额资本押注于少数几个技术路线，估值脱离基本面，市场情绪在“AGI即将实现”与“泡沫即将破裂”之间剧烈摆动。参与者们不是在投资，而是在赌博——赌某个模型会胜出，赌某个公司会成为下一个OpenAI，赌自己能在崩盘前全身而退。

伯克希尔的选择，是回到“教堂”——回到价值创造的本源，回到可理解的业务逻辑，回到长期主义的信仰。

阿贝尔说：“我们要明确，未来要做技术的自建者，而不只是单纯的技术采购方。”这不是对技术的排斥，而是对技术主权的宣示。在通用大模型时代，企业的智能能力越来越依赖于少数几家科技巨头的API接口，这种“技术依附”关系与伯克希尔“去中心化、自主运营”的核心文化格格不入。

自建AI系统，意味着将智能能力内化为组织资产，而非外购为可变成本。这意味着GEICO的定价算法、BNSF的调度系统、能源公司的电网优化模型，都将成为伯克希尔不可复制的竞争壁垒——因为它们与具体业务场景深度咬合，积累了数十年数据与经验，外人难以模仿。

这种“嵌入式智能”与“通用智能”的分野，或许将定义未来十年AI产业的权力格局：少数科技巨头掌握通用大模型的“基础设施”，而大量实体企业通过垂直应用构建“场景壁垒”。 伯克希尔显然选择了后者，并且正在用3800亿美元现金储备为其提供战略纵深。

07 在狂热时代，做一个“清醒的慢变量”

2026年的伯克希尔股东大会，没有宣布与OpenAI或Anthropic的战略合作，甚至没有表现出对AGI时间表的半点兴趣。

但它却完成了一次极为有力的AI战略宣示——通过展示GEICO的定价模型、BNSF的列车控制系统、能源公司的电网优化方案，它向全世界证明：AI的真正价值，不只在模型的参数有多大，更在其赋能的场景有多深。

当其他资本和科技巨头还在竞逐大模型，巴菲特的伯克希尔却选择押注“狭义AI”，这不是技术保守主义，而是经过精心考量的战略选择。总的看下来，它或基于三点关键判断：

第一，通用大模型的商业化路径仍不清晰，而垂直场景的ROI已经可量化；

第二，实体经济的智能化改造空间巨大，但需要的是“嵌入业务”的专用工具，而非“无所不能”的通用助手；

第三，技术主权比技术先进性更重要，自建系统虽慢，但可控、可迭代、可形成壁垒。

阿贝尔在股东大会尾声时说：“当下人人都在谈论人工智能，但真正落实到我们自身业务，每个业务都有相应的机会。”这句话的潜台词是：AI不是一场全民狂欢的盛宴，而是一场需要精准卡位的战役。

巴菲特用六十年时间证明，投资不是关于“预测未来”，而是关于“理解现在”。在AI时代，这一原则依然适用——理解你的业务，理解你的客户，理解你的风险边界，然后让技术为你服务，而不是你为技术打工。

当那3800亿美元现金与“狭义AI”战略并置时，一幅完整的图景浮现出来：伯克希尔不是在等待某个“AI奇点”的降临，而是在用耐心和资源，改造、重塑其庞大资本帝国的每一个齿轮。

这种“慢”，这种“窄”，这种“深”——或许正是对当前AI狂热最深刻的反讽，也是最清醒的回应。