AI 时代最难的判断：技术不断颠覆，商业原则从未改变
在最近一次采访中，巴菲特再次解释了什么是“好生意”：能够长期保持较高的资本回报率，产生真实现金流，并把赚到的钱继续以高回报投入。
AI 时代最难的判断：技术不断颠覆，商业原则从未改变
在最近一次采访中，巴菲特再次解释了什么是“好生意”：能够长期保持较高的资本回报率，产生真实现金流，并把赚到的钱继续以高回报投入。
但他紧接着提出了另一个问题：一家公司昨天是好生意，不代表明天仍然是。任何足够优秀的生意，都会受到竞争者的攻击。
这两句话放在一起，恰好构成了 AI 行业最核心的矛盾：商业规律坚若磐石，但技术竞争却存在非连续性。无论技术如何变化，客户为什么付费、收入能否转化为利润、资本投入能否获得合理回报，始终是判断商业价值的基本原则。
AI 可以重写产品，不能重写商业常识
每一轮技术浪潮中，都有人认为传统商业指标已经过时。只要技术领先、用户增长足够快，利润迟早会出现。AI 时代也不例外。
模型能力、用户数量、Token 调用量和 GPU 规模都很重要，但它们不等于商业价值。一家 AI 公司最终仍然需要回答几个朴素的商业问题。比如，客户为什么愿意持续付费？收入增长的时候，成本是不是增长得更快？企业到底有没有定价权？当规模扩大后，单位成本是在下降还是在上升？最后，资本投入最终能否转化为自由现金流？
如果一个 AI 产品每增加一名用户，都需要承担更多推理成本；如果基础模型升级后，原有功能迅速被平台免费覆盖；如果用户只是因为新鲜感尝试，却没有形成稳定需求，那么再先进的技术也未必是一门好生意。
AI 可以创造新的产品能力，却不能代替商业闭环。
从 ChatGPT 广告，看技术与商业的错位
AI 问答与传统搜索的竞争就是一个典型的例子。
ChatGPT 确实改变了信息的获取方式，把过去需要输入多个关键词、浏览十几个网页的过程，变成了连续对话直接获得答案。在产品体验上，这是一次明显的技术范式变化。
然而回到商业模式，AI 问答并没有发明全新的变现方式。ChatGPT 在订阅和 API 收费之外，也已经开始测试广告。这些广告同样根据对话所体现的用户意图进行匹配，并采用 CPC、CPM 等成熟的广告计价方式。
对比来看，Google 匹配的是关键词，ChatGPT 匹配的是对话语境。两者的产品形态不同，本质上却都在做同一件事：识别用户需求，并把具有商业价值的注意力和意图出售给广告主。
AI 改变了价值创造的方式，却没有改变价值获取的底层原则。企业最终的变现途径依然有限：用户订阅、企业付费、广告、交易抽佣，或者按照节省的成本和交付结果收费。
ChatGPT 与 Google 真正的竞争，并不在于“广告模式”与“非广告模式”之争，而是用户的商业意图未来首先出现在哪里。如果用户仍然习惯先在 Google 搜索商品、酒店和服务，Google 就能继续掌握广告价值；如果用户开始让 ChatGPT 比较商品、制定方案并完成购买，广告不会消失，只是从搜索结果页迁移到了 AI 对话和智能体执行过程中。
被技术颠覆的可能是搜索框和网页链接，而不是广告背后的经济逻辑。
技术影响已经出现，资本回报尚未证明
眼下，AI 问答虽然改变了部分用户行为，但在商业上还没有真正击败传统搜索。OpenAI 收入增长很快，但在巨额算力和研发投入下仍处于亏损状态。与此同时，Google 的搜索收入仍在增长，证明了传统搜索的广告体系、用户入口和商业意图，远比想象中坚固。
这不意味着 AI 对 Google 毫无影响。它目前造成的最大冲击，可能并不是直接夺走搜索收入，而是迫使 Google 大幅提高资本开支，用成本更高的 AI 答案来改造搜索、保护原有入口。
这里出现了一个很有意思的局面：AI 公司还没有通过替代搜索赚到足够的利润，搜索公司却已经不得不为了防止被替代而投入巨资。
AI 对传统搜索的第一阶段冲击，未必直接体现为收入的下降，而更可能体现为资本开支上升、单次查询成本提高，以及资本回报率承压。Google 或许能守住搜索，但需要用更重的资产和更高的成本来守住它。
这也是技术非连续性与商业模式连续性之间的冲突：技术迫使产品形态和成本结构发生改变，但最终仍然要接受资本回报的检验。
护城河没有消失，只是在迁移
AI 时代并不是不再需要护城河，而是护城河正在从产品功能向更深的位置迁移。
过去，一项软件功能可能需要几十名工程师开发数年，功能本身就构成了壁垒。如今借助基础模型和 AI 编程工具，竞争对手可能在几周内就能做出相似的产品。真正难以复制的优势，开始变成用户入口、客户关系、核心工作流、专有数据、品牌信任，以及对最终业务结果的交付能力。
如果一个 AI 工具仅仅能够生成销售文案，这并不稀缺。但如果它能够接入企业内部数据，完成内容生成、投放、转化追踪，并根据成交结果持续自我优化，那么它真正的壁垒就不再是单纯的生成能力，而是整个业务闭环。
模型提供能力，闭环沉淀价值。
技术上的领先并不必然等同于商业上的领先。最强的模型未必拥有最多的用户，用户量最大的产品未必产生最多的利润，即使是收入增长最快的公司，也不一定拥有最好的资本回报。
技术范式可以突然改变，但收入、利润和现金流却不能靠想象凭空产生。
同时判断“现在好不好”和“未来能否延续”
在 AI 时代分析企业，需要同时观察两个维度的指标。
一是静态的商业质量，包括现金流、资本回报率、定价权、客户黏性和单位经济模型；二是动态的适应能力，看企业能否主动重构旧业务，能否把现有的用户、数据和渠道优势迁移到新的技术范式中，以及账上是否拥有足够的现金流来承担多轮试错。前者决定了它眼下是不是一门好生意，后者决定了它还能把这门好生意延续多久。
如果只强调商业原则，很容易死守着一门正在失去未来的“好生意”；如果只强调技术变化，又容易陷入技术崇拜，把每一次技术突破都误认作商业机会。真正有效的判断必须同时容纳这两件事：商业价值最终必须回到现金流，但未来的现金流绝没法简单从过去线性外推。
AI 并不会取消商业规律，它只是重新安排了价值由谁创造、利润由谁获得。商业原则提供了底线，技术变化决定了方向。AI 可以重写产品、重构入口和产业格局，但唯独不能重写商业常识。
技术决定了谁有可能赢，但最终的资本回报率，决定了谁真正赢。