深水研究
DeepWater Research
深度影响决策
文丨陈白
2007年1月9日，那一天的旧金山，和往日的冬天并无不同。除了苹果公司的CEO史蒂夫·乔布斯，正站在莫斯康展览中心上，试图向台下的观众展示他们的初代iPhone。当时坐在台下的人们，谁也没有想到，后来的移动互联网浪潮会如此波澜壮阔。
时间开始了，而那一刻的人们一无所知。
二十年后的今天，AI的“iPhone时刻”几乎成为了所有人的执念。因为它意味着，我们能否进入下一个技术红利引领的新周期。
但今天我们回过头复盘，移动互联网开端，真的是那部iPhone硬件小盒子吗？
其实，严格意义上来看，真正带领我们越过奇点的并不是那个硬件，而是那部手机中搭载的iOS系统和与之并肩的安卓。因为后来我们所熟悉的由社交、打车、外卖以及短视频等等所组成的数字社会，都源自于塞班到iOS和安卓的跃迁。
更直接点说，真正塑造移动互联网时代的，不是iPhone，而是苹果和安卓生态以及由此长出的国民应用们。
因为有了国民应用的平台经济商业模式建立，有了移动支付金融系统的打通，信息交互和资金交易得以解决，之后才出现后来的共享经济、新消费等一系列时代浪潮。
技术更像是混凝土，而唯有通过商业基础设施和国民级应用的浇灌，才算是真正完成现实世界与数字世界的缝合。
今天，当我们站在AI时代门槛前，时间好像再一次开始了——
大模型的技术参数在不断攀升，算力的军备竞赛如火如荼，商业模式目前虽然还未完全成型，但水面之下，国民应用已到了爆发的前夜。
01
国民应用简史
要理解AI时代的国民应用，我们必须先解构移动互联网时代的“国民应用”这一概念是如何诞生的。
在过去的十五年里，“国民应用”经历了从技术尝鲜到生活常态的演变。早期的移动应用大多带有强烈的“工具属性”，比如早期的手电筒、天气预报乃至各种的浏览器。它们解决了用户在特定场景下的单一痛点，但却很难称之为“国民级”。
真正的商业基础设施级的国民应用，必须具备两个硬性指标：极高的渗透率和极低的使用门门槛。更简单来说，就是到底是不是绝大多数人都在用、都会用。
从中国市场的经验来看，回顾以支付宝、微信、淘宝为代表的国民应用，微信将复杂的移动即时通讯协议简化为“按住说话”；支付宝将以往烦琐的银行网关支付和信用体系压缩成一个简单的“二维码扫一扫”；淘宝则把购物消费简化为掌上可以一键下单的购物车。
这些应用之所以能够成为国民级操作系统，是因为它们超越了用户的年龄、地域、学历鸿沟，成为了水和电一样的生活基础设施。
除了这几个第一梯队国民应用底座之外，再进一步看，在移动互联网的黄金时代，共享单车、网约车、外卖平台等“共享经济”的爆发，并不是因为LBS（定位服务）技术有多么跨越式的发展，而是因为前面的几个底座级的核心商业基础设施被打通：
一是平台经济的聚合效应，它能瞬间连接供给与需求两端；二是移动支付和信任机制的闭环，让陌生人之间的资金交易和行为约束变得无感且安全。
那么，AI时代的国民应用，会是什么样的？
在过去的两三年里，对于大多数普通用户而言，大模型的参数量是多少，涌现能力是多模态还是超长上下文，并不能直接转化为他们日常生活的便利。一个每天回答几亿次常识性问题的聊天框，固然能展示AI的“聪明”，但如果它不能与用户的现实行为、现实利益发生耦合，它就只能是一个工具，而不是一款国民应用。
可以预期的是，真正的AI国民应用，不应该让用户感知到大模型的运行，而应该是成为大多数人日常生活中的某部分基础底座。
国内科技企业不少都有这样的认识。至少，我们能看到移动互联时代以平台立身的蚂蚁集团，CEO韩歆毅此前就表达过类似的判断，能不能解决人们“有钱花”“有命花”的问题，才是AI技术演进的关键。
到目前来看，谁是AI时代的国民应用依然尚无“排位”。但可以确定的是，谁能率先把前沿的AI技术翻译成大多数人听得懂、用得好的生活服务，谁就拿到了通往AI时代国民级应用的入场券。
02
AI基础设施
如果从国民应用视角再回头来看资本市场，会发现变化正悄然发生。
此前有投资者调侃，被戏称为老登的中概互联网，按目前估值来看算躺在地上。以阿里为例，市场几乎是把它们的核心电商之外的所有资产，比如包括阿里云、全栈式AI能力、平头哥芯片研发……都被当成了“赠品”。
这种估值逻辑反映出，市场过去几年更多是在用传统的流量和交易税收眼光来看待这些互联网平台，而忽视了它们作为AI时代商业基础设施的长期复合价值。
不过近期可以明显看到，市场对AI的硬件故事“迷恋”开始出现了松动与犹豫。最核心的原因，还是因为硬件巨额的资本开支（CAPEX）与软件应用端迟缓的商业化变现（ROI）之间，形成了越来越宽的鸿沟。
哪怕是ChatGPT、Claude和Gemini，此刻也一直困在找不到商业模式的困扰里。在天量的token消耗面前，付费订阅的收入几乎是杯水车薪。
投资者现在开始追问：买了这么多芯片，消耗了这么多算力，建了这么多数据中心，到底能支撑起什么样的超级应用前景？
AI泡沫论之所以盛行，还是因为如果“AI经济学”要成立，必需要回答三个最核心的问题：哪里需要AI、拿什么喂养AI以及如何让AI产生价值。这些都是单一的“卖铲人”回答不了的。而这恰恰是老牌科技企业的核心护城河。
这一块，一直擅长应用创新的中国科技企业，其实和ChatGPT们是站在同一条起跑线上的。甚至因为大规模市场和用户优势，国内互联网公司的创新甚至可能要更进一步，他们已经在尝试和具体行业的深入结合，并开始扮演起“平台和连接器”的角色。
举个例子，近期因为“科学减重1亿斤”活动和入股薄荷健康等举动，在市场上爆火的蚂蚁集团旗下的AI健康应用“蚂蚁阿福”。从其商业路径来看，它早已不是一个单纯用来聊天对话的通用AI，而是开始进入最一线的产业层面。
它的底层逻辑是深入健康的垂直场景：用户通过“拍皮肤”识别常见皮肤病，通过“拍报告”解读晦涩的体检单。而且它不仅给出一个AI的分析结果，还能直接链接平台上的30万真人医生，提供在线问诊、挂号、买药等一系列现实服务。
在一系列细分场景得到验证后，近期“蚂蚁阿福”还通过与智能体脂秤等硬件厂商合作，将AI健康管理延伸至物理世界的硬件生态，切入体重管理这个赛道。在投资了薄荷健康之后，借助其专业能力的更是让AI在“科学减重”等高频日常生活场景里有了极强的应用黏性。
这种“AI+真人医生+智能硬件+专业能力”的组合，就是一种典型的AI时代的国民应用的平台化演进。
当这类应用逐步成熟，建立起不同细分领域的服务生态和用户心智，用户和商家不再只是把AI当成一个对话框，而是看作一个能够切实降低服务门槛、提高交易效率的“新型商业操作系统”时，人们对AI商业化的信心便会逐步建立。
一旦商业化信心完成从硬件向软件的传递，资本市场的重估时刻就会到来。
03
不是入口，是生态
这几年来，“AI入口之战”成为很多行业文章最爱用的标题。因为他们认为，谁掌握了浏览器、谁掌握了搜索框、或者谁做出了最火爆的AI硬件，谁就锁定了AI时代的入场券。
但回过头我们再看商业史，这可能是AI时代最大的一次误判。
这种“入口焦虑”在移动互联网时代曾经上演得极为惨烈。彼时，巨头们为了抢夺所谓的“入口”，甚至将触角伸到了WiFi分发、手机刷机包、甚至是各大应用商店的排位赛中。
但结果又是什么呢？
那些纯粹依赖卡位入口、却缺乏生态、交易支撑的工具应用，最终都消失在汹涌的浪潮之中。
所以，真正具有长久生命力的，从来就不是孤立的入口，而是丰茂的生态。
即便是被奉为硬件之王的英伟达，其真正无法被逾越的护城河，也绝非那颗硅片本身，而是其苦心经营了近二十年的CUDA软件生态。
无数的开发者、算法科学家在CUDA之上编写代码，形成了一个无法迁移、高度依赖的生态网络。这才是英伟达能够对抗竞争对手、享有极高溢价的商业本质。
回到移动互联网时代的中国商业世界，国民应用同样无一不是对“生态胜于入口”这一常识的重复。单一工具，用户再多，也只是应用。只有生态聚合，能帮助更多的行业和合作伙伴进入新时代，才能成为国民级的超级应用。支付宝、微信概莫不是如此。
太阳底下无新事。即使大模型的技术路线从Transformer迭代到更新的架构，即使端侧AI的形态从PC、手机演进到眼镜，商业的常识依然是恒定不变的：用户需要的是解决问题，商家需要的是效率提升和生意增长，对于高深的AI技术名词，大多数人是没兴趣的。
因此，AI时代的真正赢家，不会是那个只能提供“AI入口”的孤岛式应用，而更可能是那个能够像当初的支付宝、微信一样，将AI能力编织进现有社会分工、商业流程和生活场景中的“操作系统”。
在这个系统里，AI是被“祛魅”的，AI更多是向下扎根、向上赋能的生态土壤，它不仅连接人与信息，更连接人与服务、商家与市场、技术与常识。
山姆·奥特曼是这么想的，也是这么做的。他把OpenAI的发展定义成了三个阶段：研究实验室、产品和全球基础设施公司。不断在整合场景和能力的ChatGPT，正向着超级应用的路上努力前进。
当然，在成为超级应用和生态整合上，更有经验的中国科技公司也是这么想的。
在蚂蚁阿福之外，蚂蚁集团的另一款国民级应用AI版支付宝也在近期开始公测。目前已完成生态内10万余项服务、500多个行业类目的智能化适配，从生活服务到资金管理的8000多个场景全面智能化，用户通过阿宝可以办理为数众多的服务。
7月7日，支付宝正式上线 AI 开放平台，面向商家、机构、服务商、智能终端、大模型平台等生态伙伴开放AI接入能力，大步向智能商业基础设施继续迈进。与之同时，微信的AI助手小微也已上路。为了让这条路能跑通，支付宝为智能商业时代准备的基础设施——AI付体系也早已整装待发。
只有在这样的生态中，国民应用才能够真正涌现，AI的商业价值才会被真正锚定。
未来学家雷·库兹韦尔（Ray Kurzweil）在互联网革命初期出版的《奇点临近》中，曾经写过这样一段话：
“我开始对长期的技术趋势产生兴趣，是因为一项发明只有在它最终完成时的那个世界里有意义，而不是在它刚刚开始时的世界里。”
今天，我们对待AI商业化的态度，恰恰契合了这一预言。在经历了对技术神话的狂热、对硬件泡沫的担忧、以及对软件落地迟缓的焦虑之后，市场正在走向商业常识回归。
因为无论人工智能技术再怎么演化和涌现，它归根到底还是需要回答一个最基本的问题：
如何落地？
