5
0
引言：从 Sohn 大会的“时间胶囊”说起
在资本市场的生态系统中，一年一度的 Sohn 投资大会（Sohn Investment Conference）不仅是抗癌慈善的巅峰，更是一个精密埋下的“时间胶囊”。每一年的演讲纪要，都如同树木的年轮，刻录了当时全球最聪明的大脑如何看待机会、偏见与风险。
然而，回望这些“胶囊”往往带有一种深刻的讽刺感。在 Sohn 这样高度表演性的（Performative）场合，投资者们展示的是他们“希望被外界看到”的思考深度，如同身着礼服出席歌剧院，每一个观点都是精心裁剪的。但在这种信息密度的极值点，共识却往往会集体失焦。
“后验之明（Hindsight）永远是 20/20 的，”这种谦卑感是所有深度观察者的入场券。通过对 2025 年与 2026 年大会的复盘，我们发现了一个令人战栗的事实：即使是顶尖专业人士，在面对 AI 这种指数级变革时，依然会陷入“回归共识”的陷阱。
核心观点一：被集体忽视的“AI 班次”与共识的退化
2025 年的 Sohn 大会留下了一个堪称经典的教训：专业投资者集体错失了这一周期最大的“Alpha”——存储器（Memory）和半导体（Semis）。
更具讽刺意味的是，这种错失并非因为无知，而是因为一种“共识的迟钝”。事实上，Sohn 2024 曾出现过非常前瞻的视角，比如对台积电（TSMC）和 ASML 的买入建议，以及 Daniel Gross 与 Eric Steinberger 关于智能体（Agents）的深刻对谈。然而到了 2025 年，当 AI 变革进入深水区，顶级投资者反而“怂”了，纷纷回归传统 SaaS 避风港。
下表对比了 2025 年的“聪明钱”重仓与实际发生的市场现实：
为什么最聪明的群体会集体滑坡？正如 Robert Hagstrom 在剖析查理·芒格时所强调的：
“投资是最后的文科。它筛选的是好奇心、发现能力和模式识别——一种‘多学科思维方式’（Multi-disciplinary mindset）和‘思维模型格栅’（Latticework of mental models）。”
2025 年的投资者大多被困在旧有的软件增长曲线中，未能意识到“智能”的供应正在从应用层向下迁移至存储与算力的物理层。当市场逻辑已经演变为算力与存储的“物理竞争”时，人们依然在讨论软件的 ARR 乘数。这种对底层架构变迁的漠视，导致了整个“AI 班次”的错失。
核心观点二：2026 年的“重型”转向——从比特到原子
到了 2026 年，Sohn 大会的叙事发生了激进的转向。投资者的目光从轻盈的软件界面，转向了沉重的、甚至带有工业铁锈味的基础设施。我们正在目睹一种**“智能的 marginal cost（边际成本）骤降，而物理支撑的 pricing power（定价权）飙升”**的奇观。
1. 能源与核能的“海军化”复兴 曾经乏味的能源股现在成了最性感的 AI 标的。会上最令人惊叹的提议是利用曾用于美国海军核潜艇的核技术，来开发小型模块化反应堆（SMR），直接为数据中心供电。甚至有观点探讨加密货币业务转型为数据中心提供在场电源（On-prem power）的可能性。
2. 诺基亚的身份反转与光纤溢价 如果你还认为诺基亚是卖手机的，那你就完全脱节了。现在的**诺基亚（Nokia）**本质上是一家光纤基础设施公司。在数据中心疯狂扩张的背景下，光纤成了不可或缺的血管。
3. EPC 服务与“平庸”行业的逆袭 工程、采购与施工（EPC）服务这些曾经低毛利、重资产的行业，如今成了炙手可热的稀缺资源。随着存储器和配电盘从大宗商品转型为拥有“历史性定价权”的特种设备，硬件供应端的每一个环节都在重塑利润分配逻辑。
4. 硬件巨头的防御与突破 Jonathan Ross（曾任职于 Groq，现 Nvidia） 指出，直到最近，人们才开始真正拼命榨取存储芯片的性能。与此同时，Google 的 TPU 和 Amazon 的 Trainium 正在全力试图打破对 Nvidia 的依赖。然而，Whale Rock 的 Alex Sacerdote 提出了一个极其冷峻的洞察：
目前 AI “重度用户”（Power-users）的数量在全体用户中占比不足 1%，而我们已经陷入了严重的算力短缺。如果未来人人都成为重度用户，目前的基建规模仅仅是沧海一粟。
未来冲击：轨道计算（Orbital Compute） 在这一片基建狂热中，Gavin Baker 抛出了一个最具颠覆性的“非共识”预判：一旦**轨道计算（Orbital Compute）**技术成熟，我们可能会对地面数据中心产生“戒断反应”。如果这一预测成真，目前估值处于巅峰的地面数据中心房地产投资信托（REITs）将面临毁灭性的打击。这是典型的 a16z 式洞察——在繁荣顶点寻找替代范式。
核心观点三：计算机科学的“达峰”与学科红利的全球套利
劳动力市场的信号往往比股价更能反映底层的结构性坍塌。Revelio 的数据显示，计算机科学（CS）作为“致富捷径”的时代正在终结。
1. 美国的 CS 撤退 CS 和 IT 专业的入学率已大幅回落至 2018 年水平，在全体学生中的占有率下降了约 1/3。这并非偶然，而是学生对**薪资溢价（Salary Premium）**收缩的直接反应。
2. 印度市场的“逆向信号” 有趣的是，这里存在一个显著的印度反面信号（Indian counter-signal）。当美国学生因为溢价压缩而逃离 CS 时，印度的 CSE（计算机科学工程）学位仍在向二三线城市扩张。Zia 等专家指出，印度的精英学生正在通过AI、机器学习、云安全等专业化领域寻找 30%—40% 的薪资加成。这种错位意味着，未来全球软件人才市场将发生剧烈的阶层分化：平庸的编码者被 AI 取代，而拥有专业化垂直技能的工程师将接管高端红利。
核心观点四：一人公司的崛起与“1% 巨头”的利润收割
目前的商业版图呈现出一种极端的、甚至令人不安的“超帕累托分布”（Super-Pareto Distribution）。
巨头的统治： 自 1960 年以来，前 1% 的企业销售额占比已从 60% 狂飙至 80%。排名前 20 的公司几乎攫取了市场一半的销售额。
个体创业者的爆发： 这种垄断并未抑制创业热情，反而改变了创业的形态。根据 Stripe Economics 的 Ernie Tedeschi 观察，Q1 期间“非 AI 个体创业者”和“AI 个体创业者”数量激增。
这里存在一个深刻的**“泰德斯基悖论”（Tedeschi Paradox）**：AI 工具极大地降低了创业门槛（Barrier to entry），但同时也极大地降低了这些个体经营者的回报（Returns to doing so）。
从观察者的角度看，这正在催生一种**“ARR 与 FTE（全职员工数）彻底脱钩”**的新逻辑。顶尖的个人开发者（Solopreneur）利用 AI 一个人就能撑起一家高收入公司。然而，这些“单人公司”最终可能只是在为巨头打工——他们赚取的每一分利润，大部分最终通过 API 调用费和云服务费，重新回流到了那 1% 的巨头手中。
核心观点五：Jevons 悖论与代币需求的指数级爆炸
在 AI 经济学的底层，**Jevons 悖论（杰文斯悖论）**正在以一种近乎野蛮的方式上演：当某种资源的利用效率提高、价格下降时，其总消费量反而会因为需求的指数级激发而激增。
Google I/O 2026 的数据是这一理论最完美的证词：
Google 每月处理超过 3.2 千万亿（Quadrillion）个代币（Tokens），同比狂涨 7 倍。
价格下降 vs 需求爆炸： 尽管单位 Token 的成本在持续下降（今年迄今下降了约 40%），但总支出却在垂直飙升。
关键的资本逻辑差异： 观察数据发现，代币支出（Token Spend）的复合增长速度，大约是 GPU 租赁费率增长速度的 2 倍。 这是一个极其关键的非共识信号：这意味着智能的“消费端”扩张速度远快于“供应端”的硬件租赁速度。
正如一位业内 CEO 所言，这是“教科书级的 Jevons 效应”：当智能的价格低到可以被忽略不计时，人类会将它塞进每一个可能的缝隙——从智能牙刷到自动回复的每一封邮件。这种“智能的普适化”将导致总支出的不可逆增长。
结语：下一次“后验之明”
Sohn 投资大会是一面镜子，映照出资本市场在面对巨大范式转移时的躁动与笨拙。2025 年的“集体踏空”证明了，在狂飙突进的时代，所谓的“专业建议”往往带有严重的滞后性。
站在 2026 年的尾声，我们不得不思考：Sohn 2027 将会记录什么？ 是传统软件股通过 AI 实现了“200 个基点的利润率优化”后的王者回归？还是 Gavin Baker 所预言的“轨道计算”让地面基础设施沦为过剩资产？
当所有人都涌向显而易见的 AI 赢家时，真正的获利者往往在那些被集体忽视的“瓶颈”中静静守候。在“智能”已经商品化的未来，如何在这个“1% 统治 80%”的世界里找到自己的格栅模型，将是每一位投资者唯一的救赎。
下一个被忽视的瓶颈，或许就在你的视线盲区。
