我按照我的理解，简单地做了一个产业链的图表。这个图表在1月底的时候，我就以文字版内容分享给大家了，让大家去思考。我的理解是这样的：我把产业链切分为上中下游。准确地说，上游的核心其实是电力，以及人工智能上游所需要的硬件。硬件主要是算力硬件，比如GPU。如果我们再加一个服务器，我觉得会更准确。当然，服务器也包括云服务等。但本质上，它是上游的算力硬件。至于为什么英伟达的GPU具备这样的能力，这里涉及到技术细节，我们就不展开了。
中游实际上是一个加工工艺。怎么理解呢？我觉得我们都是干工业体系出身的，所以用工业体系的话来描述产业链会更简单。工业体系中，比如炼油或炼钢，都有基础性的硬件，比如反应炉或高炉。这个高炉就是硬件，它的特点是固定件。很多时候，我们说上游的基建投资是准确的。就像做工业一样，需要建一个工厂，工厂有土地、厂房，重点是有设备，无论是催化设备还是炼钢设备。我们可以把它们统称为“大基建高炉”。
高炉的好坏，本质上就是算力硬件，比如GPU和服务器。这些东西可能组成了整个高炉反应塔的每一层。我们需要往高炉里投料，工业体系中经常讲“喂料”。那么，这个料是什么呢？其实就是数据。这个头道的料就是数据，然后让高炉预热，先把它热起来，产生铁水。根据不同的蒸馏法，会出来不同的汽油、柴油等。其实这和工业是一样的。
现在我们在投喂大数据的时候，有一个叫“预训练”的过程。广义上来说，这就是数据投入，去看整个高炉每一层的这种反应。往后，还有一个修正的过程。修正就是调整比例，调整后会产生不同的结果，比如这个多一点，那个少一点，用于不同的用途。这一块就是广义的大数据投喂后的“铁水”，然后经过进一步修正，出来的就是专用的半成品。
这些成品或半成品，在上游出来的是“铁水”，比如铁水，这些东西还不是直接用于最终端产品的，准确地说，对整个产业链来说是个半成品。因为对于下游来说，它又是一种原材料。这里实际上是一个比较抽象的概念，实际上是一种能力，一种运算能力、推理能力。这个能力是一个项目，它不是一个物化的存在，但它可以作为叠加其他应用端的原材料。所以，这里进入的应用端实际上就是下游。就像把铁水拿出去，可以做钢材、板材。钢材、板材做好后，可以进一步应用。越往下游，应用场景就越细分。有些专用的半成品会用于专用的行业和应用端。
当今年讨论到Deepseek（深度伪造）的时候，大家讨论比较多的是中间的模型和算法。其实这也就是当时一月春节后，我写日记关于Deepseek到底引发的是什么。当然，我还是强调我们不要明确，要冷静地看待它到底激活了什么，带来了什么。
在整个产业链中，所谓的模型和算法，如果放到工业体系中，其实并不难理解。放到工业体系中，它是什么东西呢？其实就是你的工艺，我们称之为“加工工艺”“生产工艺”，这就是算法。我经常举的例子是，以前的院士手上掌握着一些配方，这些配方实际上通过调整温度、调整投入的数据比例、调整炼钢工艺，可能会得到同样的结果，但成本可能会更低，效率会更高。
实际上，我们投入原料到硬件的高炉里，里边所有的反应模式，其实就是大家一直在寻求的所谓的模型和算法。所谓的通用模型，实际上就是我讲的通用的配方。再往下的可能会涉及到细分的数据不一样，细分的算法和模型不一样，那你出来的可能还有专用的。其实我觉得这和产业链的逻辑和体系没有什么太大的差异性。
这个工艺，比如配方，可以达到降本增效的目的。那么，这个时候很重要的一点就涉及到你的配方到底是保密的还是开放的。实际上，开放的话，就是大家讲的“开源”。你会发现，为什么人工智能的生产工艺这一端一定是开源的，它并不像以前的产业链中实际上还有一个对应的保密期。因为有保密期，所以算法和模型就可以给到估值。
怎么理解呢？比如OpenAI，它实际上还要进行收费。收费实际上就是说它不想完全把它的模型和算法打开，它想保密来获取利润。只要你能够获取利润，那本质上就有了估值的条件。就像投资一样，万事万物都是如此。比如以前你拿着配方，我是高炉的投资方，我是老板。我投了硬件，买了原材料，准备挣钱。然后老教授过来说，他的配方可以降本增效，让我看看怎么给他估值。我就算账了，比如我高炉能挣多少钱，我预估一下，他的配方可能在三年之内目前来讲没有人能够抄得到，也破解不了。那么他每年能帮我降本增效多少，我的产出的竞争力也能够维持。比如他的降本增效可以帮我多挣5个亿，那么我给他分两个亿，这是没有问题的。
所以，我可以给他的估值，其实本质上还是来自于他能够带给我的利润，在降本增效层面带给我的利润。在这个产生的结果上带给我的利润，比如降本，他可能对GPU的依赖度会下降。以前我可能用两个高炉才能产出这么多水，现在效率提高了，我一个高炉可能就能产生这么多水。那么我的效率提高了，我的数据投入的成本也下降了，我最后用的产成品的成本也就进一步降低了。
这就是我们给模型和算法估值的原因。其实我注意到很多专业的投资人，仔细思考这个链条后，会发现这个不难。会发现什么呢？发现生产工艺的迭代周期，在以前工业时代的时候，它是有周期性的。比如你能挣三年，三年后，别人都会这套工艺了，那这个工艺也就对应的不值钱了，也就没有估值了。比如整个产业周期三年后，大家都同样的成本，同样的效率了。换句话说，你的优势其实就没了，你开不开源其实意义就不大了。
所以说，在传统工业时期，比如举例的可能有三年，不同的行业中间的组成配方，肯定有不同的周期性。比如医药，如果没有仿制，有很强的法律保护，那你生产一款新药，你可能垄断时间会更长，其实准确说就是垄断的利润。
那么模型和算法呢，它的迭代周期太快了。所以Deepseek其实是一个现象，但我一直不会像民粹一样去加那么多情绪在里面。它是一个现象，是因为它是第一挑战，直接把降本增效这一环以这种方式打开了。但它也激活了模型算法的高效率进化。也就是说，它把周期中间的周期给压缩完了。比如现在如果给Deepseek估值，怎么估呢？比如我给你估一到两年内你是领先的，你是商用的，你是有价值的，还是说我给你估一到两个月还是一到两周。
当然，有人说，现在大家都去用Deepseek，那如果收费呢？如果变成收费模式，下游的厂商、中游的厂商，甚至其他人会不会去做更好的呢？当然还有开源。所以这之间就是一个竞争效率不断提高，然后螺旋式不断循环和进化的过程。你只有不断投入，才能保持自己所谓的领先性。当然，现在硬件端会不会就此买单呢？可能暂时会，但周期太短了。
同时，你看现在全球的竞争，你一出，然后那边你会发现GPT也在进化，Groq也在进化。这里边存不存在着谁绝对领先呢？我认为其实是不存在的，因为它的周期，它的进化周期要比工业里获取垄断领先性的周期要短。我可能给一年，半年都顶头了，因为如果你仔细看人工智能的特点，它和工业不一样。人工智能的特点其实不是一个斜线，它不是一个斜线，它是一个曲线。也就是说，在单位时间内，它的斜率到后半段的时候，它会在产业链的上中下，然后到它的后半程的时候，它是成几何倍数扩张的，也就意味着你的时间是成几何倍数压缩的。
比如前面硬件我可能要花10年，到中间的这块投入可能花三年，但到这儿，算法的进化、推理能力的形成，甚至到末端应用的叠加，它可能就是一天。比如才过短短一个月，大家发现，下面所有的场景应用，原有的产业都可以去叠加所谓的降本增效的这种优势。这些成品可以快速向下游扩散，这是好事吗？从产业链来讲是好事，但从另一个维度上理解，你的价值函数其实缩得太快了。
到了下游的应用端，你会发现这个问题。因为下游的准入门槛是最低的，就好像做衣服一样。你获取AI加，那就意味着你先获取了竞争优势。但如果大家都同时获取AI加，那其实意味着什么呢？大家其实相对都没有优势了。比如，你发现现在大家都接入了GPT，都接入了Deepseek，那大家今天用Kimi，明天用豆包，后天可能就用腾讯的了，然后后天就不知道用谁了。因为大家都介入了，也就意味着实际上的竞争优势都不明显了。
作为产业链的下游末端，这就产生了巨大的问题，你的优势在哪里？因为你获取不到这个优势，实际上就获取不到利润，它是一样的道理。最后你会发现，它一定是个赢家通吃的逻辑，也就是说我自己不断地进化算法，就像埃隆·马斯克一样，我不断地进化算法。但如果你没有竞争对手出来，我其实就不会把最新的算法拿出来开源给你用。然后呢，如果有竞争，那我就迅速开源和竞争，这一环上实际上就很难获得利润。
到了末端，实际上大家只是为了获取流量，因为用这个竞争优势去获取一定的领先性，这个时间窗口。因为随着中间的时间窗口的压缩，下面的时间窗口其实也被压缩掉了。最终大家会发现，最难的其实还是上游，上游实际上是最难的。
所以说，你会发现，最后的赢家通吃就是掌控着上游的人，你掌控着GPU，你掌控着服务器，你掌控着云服务算力。因为最后你会发现，我有工艺，你没高炉，白搭；你没原料，白搭；你没这个，你光有模型和算法，光有下面的一个单一的应用端，有啥用。所以说大家会发现，现在的所谓互联网中国的逻辑，单纯你有下游的，你得死；单纯有中游的，你得死。可能像一个大厂一样，它的中下游都有，但并不是核心的，并不是在中下游，核心一定是在上面的能力上。
那么还有谁能够在这条链条上获得额外收益呢？实际上还有就是数据，就是通用的大数据，这个大家都能够去做，当然训练的成本很高。你没高炉，你光获得这类数据没用，但将来数据可交易的话也行，你可以卖给有高炉的人。还有一些就是我们说这些专业的需要金条的这些数据和人，那么他们可以去服务于这条链条。
这条链条最后的利润其实将全部归于上游，也就是算力成本。然后服务器，然后我拥有电，我拥有GPU，那么这种情况下我有了高炉，剩下的我才能做。没有高炉的，在这其实很难获得利润。当然这和我们的产业链一样，工业的产业链发展到最后你会发现下游不挣钱，中游白打工。最后上游只要不去扩产，原则上利润就会逐渐向上游垄断，上游就会变成一个现金奶牛定价的模式。
虽然大家都用上这个东西了，但利润的归结，它的周期性就是这样滚动的。只是说在原来传统产业链中这个周期性长，它每一环能够获得一定的时间优势，进而也都获得利润的优势。而人工智能它本身第一不断在进化，它的效率很高。
所以我其实比较担心的就是这种高效率下，其实它会将原有的整个产业周期的逻辑快速压缩。那么这个其实对于我们来讲，给估值就有问题了。我们前几年实际上给了上游的估值，然后到上游的正名和正尾，也就是这儿基本上是正名和正尾并且形成寡头垄断了。那么市场肯定会逐渐往下走，给中游的、给下游的估值。但最终会发现这个估值的确定性、持续性，真正对应的盈利能力，以及这个产业链特征的T函数的压缩，都会导致一个估值其实更不稳定。
所以说我觉得可能根本就给不了你一两年的时间，你就会迎来这个产业链向下游走，向应用端走，最后发现不对。然后一把杀估值，起泡沫，然后大幅度杀估值出清的一个结果。出清以后最后就是收并购，啪啪啪收并购以后还是那句话，形成一个综合性的平台。有高炉者得天下，有高炉者得天下，你下面的所有东西我都可以收，我甚至收完了都可以不赚钱。最后大家会发现什么呢？你似乎还是没有逃脱一个核心，就是互联网思维，其实准确说不是早期互联网的思维，而是近十年互联网的产业链发展的逻辑。其实你可以从工业跳到互联网这个上中下游，然后再跳到现在AI产业的上下游，你会发现是相通的。互联网已经把原来传统工业的时间周期压缩了，而现在的AI会进一步压缩。这就是我们在长白山论坛里仔细聊的中微观上我担心的事情。