战魔田默｜科技公司曾经以“轻”为贵，AI为什么正在改写这条商业定律？|现金流|非核心资产|sectiontitle_网易订阅

本文来自微信公众号： 战魔田默 ，轻作者：战魔田默，战魔曾经正改资产原文标题：《战魔田默｜科技公司曾经以“轻”为贵，田默AI为什么正在改写这条商业定律？科技》如果把过去二十多年的科技商业史压缩成几个关键词，“轻资产”一定占有一席之地。公司软件比工厂更容易获得高估值，为贵为什网易平台比仓库更容易形成规模效应，写条现金算法、商业流量、定律订阅数据和网络效应，流非也比庞大的核心机器设备更符合资本市场对优秀科技公司的想象。一家制造企业如果想把产能增加一倍，轻往往要求增加厂房、战魔曾经正改资产设备、田默库存和人员；一家互联网公司增加一倍用户，科技却未必要求增加一倍物理资产。软件完成开发以后可以低成本复制，平台形成网络效应以后，可以在资产无需同比例增加的情况下继续扩张。于是，一个延续多年的商业偏好逐渐形成。资产越轻，似乎越尖端。但AI正在制造一个醒目的反差。8月26日，阿里完成800亿港元新股配售，资金全部用于AI，其中约60%用于扩大全球计算基础设施，约40%用于建设超大规模AI数据中心，并升级存储、数据库和高性能网络等云基础设施。把视线移到美国，同样的事情正在以更大规模发生。Amazon把2026年现金资本开支预期提高到约2200亿美元。尽管这笔投入并不全部属于AI，但多数技术基础设施投资用于支持AWS增长。Meta展望2026年资本开支为1300亿至1450亿美元，核心驱动力之一同样是服务器、数据中心和网络等AI基础设施的扩张。最数字化、最虚拟化的一轮技术浪潮，反而正在催生规模极其庞大的实体计算体系。过去二十多年，科技公司为什么以“轻”为贵？到了AI时代，全球最强大的科技公司为什么又开始主动变重？轻资产的商业逻辑并没有失效。AI改变的不是企业应该偏爱“轻”还是“重”，而是重新定义了什么资产值得企业控制。01科技公司曾经以“轻”为贵，不是因为资产越少越好轻资产从来不是一种商业道德。资本市场长期奖励的，也不是“资产少”本身，而是更高的资本效率。如果一家企业投入100亿元资产才能创造10亿元利润，另一家企业只要求20亿元资产就能创造同样利润，在其他条件相近的情况下，后者自然拥有更高的资本回报。互联网把这种能力推到了一个新的莫大。软件可以重复复制，平台可以依靠网络效应扩张，用户数据可以反复调用，大量IT能力又可以交给云服务商、软件公司和外部供应商完成。随之代工、物流外包、IT服务订阅、平台分发和专业化供应链不断成熟，企业不必再把所有生产资料都装进自己的资产负债表，而是可以把资本汇集在少数高价值环节。这背后还有一个经常被忽略的条件。轻资产能够成立，不只是因为企业主动减少资产，也因为外部市场已经足够成熟。只有当供应商稳定、合同可以执行、服务能够标准化、交易成本持续下降时，企业才敢把更多能力交出去。因此，轻资产并不是企业单方面设计出来的财务结构。它依赖一套能够承接外包、分工和交易的社会基础设施。云计算、第三方物流、代工制造、移动支付和平台渠道越成熟，企业越有条件把固定资产变成按需采购的服务。资本市场看起来在奖励“轻”，实际奖励的是用更少资本创造更多长期价值的能力。这个逻辑直到今天都没有失效。资产少，不一定代表资本效率高；资产多，也不一定代表资本效率低。关键始终是一块钱资本投入之后，能够产生多少持续利润、现金流和竞争优势。AI带来的变化，在于一些过去可以方便采购的资源，正在变成影响成本曲线、产品速度和竞争资格的战略资源。02AI改变的，是产业里什么东西开始变得稀缺一个用户输入一句话，几秒钟之后得到答案，看起来几乎没有任何重量。但沿着这个答案继续向下追，会看到芯片、服务器、迅速网络、存储系统、数据中心、电力、制冷以及土地。所谓“云”，从来不是飘在空中的东西。AI越普及，对这些物理资源的调用反而越大。更重要的是，一些过去可以天天从市场购买的资源，正在受到芯片供应、能源容量、建设周期和规模约束。芯片可以买到，不等于计算能力能够立即投入使用。一座大型数据中心从选址、获得电力指标、建设机房，到服务器安装、网络调试和正式运行，往往要求很长时间。电力接入、变压设备、冷却系统和迅速网络中的任何一项延迟，都可能让已经采购的芯片无法形成有效供给。这意味着AI基础设施的竞争，不只是采购多少GPU，也包括能否把土地、能源、网络、设备和运维能力按时组织起来。单个环节的资源或许能够购买，整套系统的交付能力却要求长期积累。Amazon最新季度AWS收入同比增长37%，创下18个季度以来最快增速，但公司仍表示现有供给无法完全满足要求。按照公司管理层的说法，计划在2027年增加的大部分计算能力已经被客户预订，2028年的部分产能也已经获得客户承诺。阿里的情况同样具有代表性。最新季度里，阿里云外部商业化收入同比增长45%，AI相关产品收入连续第十二个季度实现三位数增长。800亿港元融资，并不是脱离业务要求的孤立投资，而是云与AI要求持续增长之后的基础设施扩建。产业稀缺性一旦改变，企业边界就可能跟着改变。过去只是后台成本的东西，今天可能决定产品响应速度；过去可以天天采购的资源，未来可能影响单位成本；过去不要求亲自控制的环节，也可能决定客户能否按时获得服务。企业因此要求重新判断，哪些资源仍然只是普通生产要素，哪些资源已经变成决定竞争结果的关键能力。03钱可以买来资产，但资产不会自动变成护城河既然算力、芯片和数据中心越来越重要，是不是钱越多、资产越重，竞争优势就越强？当然不是。AI正在同时制造两类公司。一类拥有庞大基础设施，并能够持续把这些资产变成产品和收入；另一类即使拥有同样昂贵的基础设施，也可能只得到更高折旧和更重的财务负担。一笔资本投入要形成护城河，至少要求完成三次转化。第一，资本要求转化成稀缺控制力。如果所有竞争者都能以相近价格、在相近时间买到同样资源，单纯拥有它并不会形成战略优势。只有当一项资产受到供应、技术、能源、规模或时间约束，企业对它的控制才可能具有附加价值。第二，规模要求转化成单位成本优势。一万个GPU并不天然比一千个GPU更有竞争力。如果更大的计算集群能够提重利用率、降低单位推理成本、缩短客户交付周期，规模才具有经济意义；否则，规模只是更大的账单。第三，资产要求进入产品和客户。算力要求进入模型，模型要求进入产品，产品要求进入客户，客户最终要求形成收入和现金流。如果这条链没有走通，一家公司拥有的就不是护城河，而是一批昂贵机器。Amazon的优势并不只是拥有数据中心和服务器，而是能够把芯片、算力、云服务、模型平台、开发工具和企业客户连接起来。客户越多，基础设施利用率越高；利用率提高以后，单位成本又可能继续下降，基础设施由此进入一套彼此强化的系统。评价这类系统，至少可以观察四组结果。第一组是利用率和单位计算成本，第二组是模型调用量和客户数量，第三组是收入、毛利与合同期限，第四组是自由现金流和资本回收周期。这些指标共同回答一件事，同样一亿元基础设施，究竟能够持续创造多少商业价值。只看资本开支的绝对规模，很容易把投入能力误认为经营能力。真正决定资产质量的，不是企业花了多少钱，而是资产在整个生命周期里创造的现金流能否覆盖资本成本，并留下足够高的超额回报。04时间，AI资产容易被忽略的敌人传统工厂的一条生产线，可能运行十年甚至更长时间。AI基础设施直面的却是完全不同的折旧环境。芯片性能持续迭代，模型架构不断变化，训练和推理效率快速提高，单位计算成本也可能因为新的技术路线突然下降。今天极其稀缺的资产，并不保证五年以后仍然具有同样经济价值。这让AI重资产投资同时承担四类风险。第一类是利用率风险。数据中心建成以后，如果客户要求不足、模型调用增长不及预期，大量服务器就会闲置。资产越庞大，固定成本越高，利用率下降带来的财务压力越明显。第二类是技术折旧风险。如果新的芯片或模型架构让过去要求100份算力完成的任务只要求20份，旧有算力的经济价值就必须重新计算。第三类是路线锁定风险。产业技术路径尚未稳定时，过早把大量资本锁定在某一种芯片、网络架构或者计算方案上，既可能取得先发优势，也可能让企业被自己的资产绑住。第四类是现金流风险。巨额资本开支会直接压缩自由现金流，对企业的融资能力和资本配置能力提出更高要求。Amazon过去12个月的自由现金流已经由正转负，流出76亿美元，主要原因是包括AI在内的基础设施投资大幅增加。Alphabet在2026年第二季度也出现约59亿美元的单季度负自由现金流，不过其过去12个月自由现金流仍然为正。这些数字不能简单证明AI投资过度，却说明资本市场评价科技公司的方法正在改变。投资者不能只看收入增速和利润表，还必须追问今天牺牲的现金流，未来能够换来多少收入、利润和产业位置。资本效率因此天然带有时间维度。一项投资可能压低当期现金流，却改善未来数年的成本结构和市场地位；也可能长期依靠“战略投入”的名义掩盖低利用率和低回报。两者在投入初期看起来十分相似，只有后续客户、收入、利润和现金回收能够把它们区分开来。这也是AI投资最困难的地方。企业必须在产能形成之前下注，却只能在资产投入运行以后印证判断。建设过慢可能错过要求，建设过快又可能承担闲置和折旧，资本配置由此变成对要求、技术和时间的综合判断。AI时代由此多了一个比“轻重”更重要的资本指标。商业价值形成的速度，必须跑赢资产贬值的速度。如果做不到，再战略的资产也可能成为昂贵库存。05全球AI竞争，同时奖励资本规模与技术效率如果只看到Amazon、Meta、Alphabet、Microsoft和阿里不断增加资本开支，很容易把AI理解成一场只属于巨头的资本战争。但另一条路线也在同步出现。中国AI公司正在通过模型架构、算法效率、开放生态和更低的使用成本，减少每一单位智能对资本的消耗。MiniMax今年上半年收入达到1.166亿美元，同比增长283.1%。公司表示，增长主要来自模型推理要求、企业客户增加和API调用量上升。这个变化至少说明，市场不仅要求更大的模型，也在为可投入生产、成本可控的AI能力付费。AI竞争因此同时考验两种能力。一种是资本规模。资本可以扩大算力供给、提升基础设施覆盖、服务大型客户，并摊薄部分固定成本。另一种是技术效率。算法、模型架构、芯片设计和软件优化，可以让同一份算力产生更多能力。如果新的技术路线把完成一项任务要求的算力降低80%，既有资产的经济价值就会被重新定价。巨头可以用资本建立基础设施壁垒，挑战者也可以通过效率创新绕过部分壁垒。资本和效率并不是两条彼此独立的路线。效率提高会改变企业要求投入的资本规模，资本扩大又可能为技术优化提供更多真实负载、客户数据和工程经验。优秀企业要求让两者形成循环，而不是在“多花钱”和“少花钱”之间做静态选择。最后获胜的企业，很可能既不是资产最多，也不是资产最少，而是既有能力配置大规模资本，又能持续提高每一块钱资本的生产率。只有资本，没有效率，容易造出昂贵库存；只有效率，没有资源，也可能无法支撑大规模商业化。06企业要求判断的，是哪些能力不能失去控制AI提出的这道题，并不只属于科技公司。所有企业都要求回答，什么应该自己做，什么应该交给市场？过去几十年，“轻资产”“外包”“平台化”背后都有一个共同前提。只要外部市场能够更便宜、更稳定地提供某项能力，企业就没有必要自己拥有。这个原则依然成立，但还要求补充另一个条件。如果失去一项资源会让企业失去竞争主动权，市场价格就不再是唯一判断标准。制造全部外包，可以降低资本占用；但如果核心工艺也掌握在供应商手里，轻资产就可能变成技术依赖。品牌把客户关系全部交给平台，可以减少渠道投入；但如果平台同时控制流量、数据和交易规则，节省下来的渠道资产可能换来更高的战略脆弱性。企业把核心数据和技术系统完全交给外部供应商，同样可能获得更低的短期成本，却失去长期迁移能力。“轻”有时只是把资产负担转化成依赖关系。不过，控制一项资源，并不意味着必须把它买下来。所有权只是控制权的一种形式。有些资源必须自建，有些可以通过长期合同、合资、战略投资、独家协议或者稳定供应关系加以控制，还有大量标准化能力完全可以继续通过市场购买。不同控制方式对应不同成本。自建能够获得更强自主性，却会增加资本占用和组织复杂度；长期合同减少前期投入，却可能带来价格和履约风险；合资与战略投资可以共享成本，也会增加协调难度。企业要求寻找的并不是控制程度最高的方案，而是与资源重要性相匹配的方案。直面一项重大资产决策，企业可以连续问四个问题。第一，失去它会不会改变竞争结果？如果只是一般辅助能力，市场能够稳定提供，就没有必要为了安全感把所有东西都纳入企业。如果它影响成本、质量、客户关系、技术迭代甚至生存资格，企业就要求提高控制程度。第二，竞争对手能不能以相近成本迅速获得？只有存在持续稀缺性的资源，控制它才可能产生战略价值。今天紧缺不等于长期紧缺，今天昂贵也不等于未来昂贵。第三，自己拥有是否明显优于租用、合作或者长期采购？如果所有权不能带来更低成本、更快迭代、更稳定供给或者更大战略自主性，自建就可能只是在增加管理负担。第四，组织有没有能力把它变成经营结果？很多企业买到了正确的资产，最后依然失败。问题可能不是设备不先进，而是没有产品能力把技术商业化；不是产能不足，而是没有客户能力消化产能；不是数字化系统不好，而是组织流程根本没有改变。这四个问题也有先后相继。企业率先判断一项资源是否影响竞争结果，再判断它能否形成持续稀缺，随后选择所有权、合同或合作等控制方式，最后检验组织能否完成商业转化。如果前两问的答案是否定的，后面就没有必要讨论自建；如果第四问没有答案，再重要的资产也不应该仓促投入。企业最昂贵的一类错误，未必是买错资产，也可能是买对了，却不会用。07资产系统越庞大，组织效率越重要当企业不断增加芯片、算力、云、模型和开发工具以后，很容易产生一种错觉，技术系统越先进，组织能力就会自然提高。实际情况并非如此。据路透8月26日报道，Meta曾推进代号为Project OT的组织转型计划，希望通过AI重构部分工作流程和团队结构。Meta确认该品种确实存在，但也强调其中一些激进方案只是情景规划，并未全部实施。这一品种遇到的困难很有代表性。AI可以显著增加代码和任务输出，却不保证这些输出能够同比例转化成稳定产品、客户价值和组织生产率；工具可靠性、审核能力、员工接受度和跨部门协同，都可能成为新的瓶颈。资产越复杂，组织内部要求协调的接口越多。基础设施部门追求利用率，模型团队追求性能，产品部门关心体验，销售体系关心客户交付，财务部门则要求现金回报。如果这些目标彼此割裂，局部最优很容易变成整体低效。资本能够购买更先进的技术系统，却不能自动购买更先进的组织系统。一家企业即使拥有打头的基础设施，如果产品部门不会调用、销售体系不会商业化、组织结构无法协同，资产仍然无法充分产生价值。AI时代的资本竞争，最终会逼企业同时提高资产生产率和组织生产率。前者决定机器有没有被充分利用，后者决定这些机器能不能持续变成产品、客户和现金流。缺少任何一个，重资产都会越来越重。08每一次产业红色，都在重新划定企业边界把时间拉长，会发现AI并不是第一次迫使企业重新思考自己的边界。工业化曾经让企业把大量生产能力纳入内部，因为内部组织大型工厂比依靠分散市场更加快捷。全球化推动价值链拆分，企业又把制造、物流和服务交给遍布全球的供应商。互联网进一步降低信息与交易成本，让更多能力能够通过平台、云和专业服务商获得。每一次产业红色，都在改变市场能够快捷提供什么，也在改变企业必须自己控制什么。AI同样如此。一些过去必须内部建设的能力，会因为AI和云服务变得更加标准化，可以进一步交给市场；另一些过去可以放心采购的资源，也会因为算力稀缺、数据价值、模型能力和供应安全的重要性提高，重新进入企业的战略控制范围。因此，AI时代不会产生企业应该变重的简单结论，轻资产时代也没有结束。未来的企业可能在一些环节继续变轻，同时在另一些环节主动变重。资产总量并不是判断重点，资本放在什么位置、以什么方式形成控制、能否进入经营循环，才决定资产结构是否合理。企业要求做的，是尽可能把非核心资产交给更快捷的社会分工体系，同时对那些决定成本曲线、客户关系、技术速度和生存资格的资源保持足够强的控制。科技公司过去以“轻”为贵，没有错。今天愿意重新变重，也未必违背过去的商业规律。每一次产业结构发生变化，企业都要求重新划定市场与自身的边界。AI没有终结轻资产，它只是在重新定义什么资产值得企业拥有。本内容由作者授权发布，观点仅代表作者本人，不代表虎嗅立场。如对本稿件有异议或投诉，请联系 [email protected]。本文来自虎嗅，原文链接：https://www.huxiu.com/article/4886863.html?f=wyxwapp