行业不重复自己，它重复别人

「历史会押韵」是一句经常被引用、却很难用于决策的预测格言。问题不在它是否正确，而在它没有告诉你：该与谁比较。 历史样本几乎无限，如果无法判断哪一段正在与你所处的行业形成对应，它就只能用于事后解释。

更可操作的版本是：你所在的行业，此刻可能正在重走另一个行业已经走过的路径。那个行业表面上与你毫不相干，却比你早十几年甚至二十年走过同一结构周期。找到它，就多了一份关于下一阶段的带时间假设。

这篇文章讨论如何找到这样的行业、如何读取它，以及这套方法会在哪些条件下失效。

一、核心命题：行业不重复自己，它重复别人

先收紧命题：要判断一个行业的结构性转折，反复研究本行业的历史、追踪最相似的对手，帮助通常有限。 这两件事仍然适合短期定价和竞争跟随，却很难让人提前看见即将发生的结构变化。

本行业的历史主要解释「从哪里来」，未必能够回答「接下来往哪里去」。最相似的对手与你处于相近阶段，也未必掌握更早的信号；持续模仿，反而容易让双方停留在同一个认知盲区。

真正值得寻找的参照，是那个表面与你毫不相像，结构上却沿着同一条曲线演化的行业。由此可以得到一条反直觉的规则：表面相似的类比容易诱导模仿，表面陌生但结构同构的类比更有预测价值。 前者让人复制产品、打法和口号，后者才有机会揭示行业背后的结构时钟。

「同构」并不要求两个行业拥有相似的产品、买家或时代背景。它要求关键变量之间呈现相同关系：稀缺资源由谁掌握、利润集中在价值链哪一层、什么正在被商品化（逐渐变成多数供给者都能提供、价格持续下降的标准品）、成本朝哪个方向变化。可以把它理解为：同一台钟，不同的表盘。

二、为什么「不像」的才有用：一个跨了一个半世纪的例子

以两个表面差异极大的行业为例：1840 年代的英国铁路与 1990 年代末的互联网。一个依靠钢轨和蒸汽机，另一个依靠光纤和数据包，中间相隔一个半世纪，却呈现出高度相似的结构周期。

英国铁路狂热在 1846 年达到顶峰：议会一年批准了两百多家铁路公司，授权线路约九千五百英里；仅 1845 年批准的里程，就相当于此前十五年的总和。投入资本相当于当时年度国民产出的数个百分点，接近全国投资的一半。随后泡沫破裂：1846 至 1850 年间，铁路股大幅下跌，峰谷跌幅约三分之二；获批线路中约三分之一从未建成，大量投资者损失惨重。

但轨道留了下来。 泡沫破裂并没有拆走钢轨。英国铁路里程在这十年间增长数倍，那一轮狂热中铺设的线路，直到今天仍构成英国路网的重要部分。随后，破产的小型铁路公司被少数存续企业低价整合为全国性路网。真正从低成本运输中获得长期收益的，是这些整合者和整个维多利亚工业经济，而非最初因建设线路而破产的发起人。

一个半世纪后，同一台钟换了一个表盘。1996 至 2001 年，美国光纤铺设量在数年内增长约十倍，电信行业投入了数千亿美元。随后 WorldCom 与 Global Crossing 相继破产，电信股市值蒸发约两万亿美元。泡沫破裂后，已铺设光纤中九成以上尚未启用，成为所谓的「暗光纤」。

但光纤仍然存在。 2005 年前后，Google 开始以极低价格收购这些暗光纤。Pets.com、Webvan 等泡沫期明星已经退出，许多基础设施建设者也已破产；真正利用低成本带宽进入扩张期的，是下一代公司和服务：Google、Amazon 云服务、YouTube、Netflix。为 2001 年预建的容量，直到约 2008 年才等来需求，而承接需求的多半既非泡沫明星，也非最初的基础设施建设者。

把两个行业还原为结构，可以看到同一条七步链：资本密集、需求尚未成熟的通用基础设施（钢轨／光纤）→ 金融狂热推动超额建设 → 需求被高估 → 泡沫破裂，建设者退出 → 基础设施继续留存 → 使用成本因资产折价而下降 → 一批不同的后来者利用低成本基础设施进入铺开期。两块表盘差异很大，背后的时钟却由同一套机制驱动：资本先推动基础设施过度建设，随后由更低的使用成本释放长期价值。经济史学者 Carlota Perez 将这种「安装期→崩盘→铺开期」概括为跨越运河、铁路、钢铁与电力、石油与汽车、信息技术五次技术革命的通用周期，具体来源见文末「参考信号」。

三、几台可以叠加的钟

不存在一台能够解释所有行业的万能周期。更实用的做法，是把几台各自解释一段变化的钟叠加起来。上一节讨论的是「泡沫→铺开」大周期，此外还有两种常用周期：

钟	它在测什么	能够判断什么	适用范围
泡沫 → 铺开	通用基础设施被超额建设、泡沫破裂，再由后来者大规模使用	判断长期价值主要属于建设者还是后续使用者	资本密集、需求滞后的网络型基础设施（铁路、光纤、算力）
成本曲线过阈值	一项产品何时便宜到足以启动大规模市场	提前判断成本方向与大致量级	可标准化、可大规模制造的模块化产品；不适用于需要现场施工、监管严格的大型工程
拆分 → 重组	市场在捆绑销售与单独销售之间往复	判断当前处于拆分创新期还是重新聚合期	获客成本高、消费者预算有限的行业（订阅、内容、金融）

铁路、互联网与 AI 的表盘并不相同，却可能沿着同一条相位曲线演化。相位，就是一个行业走到了演化周期的哪个阶段。识别这条曲线，并不是直接预言 AI 的未来，而是借铁路和互联网已经走过的阶段，形成一组可检验的下一步假设。

四、识别结构同构：三个动作

这套方法包含三个层层依赖的动作，前一项构成下一项的前提。

第一个动作，翻译成结构语言。 把本行业和候选行业都转换为同一组结构变量：稀缺资源由谁掌握、利润集中在价值链哪一层、什么正在被商品化、成本如何变化。还要加入容易遗漏的第五项：是否存在认证、网络锁定或信任机制——人们之所以认可，是因为其他人也认可。 这一项经常决定结果，第六节的 MOOC 案例会说明遗漏它如何造成误判。只有把两个表面不同的行业翻译成同一种结构语言，比较才有意义；漏掉关键变量，整个对应关系都可能失效。

第二个动作，校准相位。 在同一组结构变量上，寻找一个与你结构同构、但相位更靠后的行业。它领先的那段相位差，就是可以提前观察的演化区间。

第三个动作，读取下一阶段，同时寻找失效条件。 把参照行业后来发生的变化，转化为一个带时间范围的假设，而非预言。随后主动寻找本行业独有、足以破坏类比的变量，例如监管、认证、网络锁定，或无法继续下降的成本曲线。方向可以从相位差中推断，具体时点仍要等待领先指标；两者必须分开判断。

相位差是这套方法唯一的信息优势：另一个行业已经走过这段周期，并留下了记录。需要做的，是读取它的下一阶段，再逐项核对本行业是否存在参照行业没有的关键变量。

五、正例：方向可以被事前判断

成本曲线是三台钟中，事前预测记录最清楚的一台。

早在 1936 年，一位航空工程师就发现：飞机累计产量每翻一倍，制造成本会下降一个相对稳定的比例。后来，学界用六十多种技术进行回测，发现以累计产量解释成本变化的规律，比其他候选模型更有预测力。太阳能组件价格从 1970 年代的约 100 美元／瓦，降至 2019 年的约 0.4 美元／瓦，四十年降幅约 99.6%；锂电池包价格从 2010 年的约 1160 美元／千瓦时，降至 2024 年的约 115 美元／千瓦时，十多年下降约九成，逐步接近电动车与燃油车的成本平衡点。

关键在于，这些方向曾被人提前预测。少数相信成本规律的人，十年前就画出了太阳能价格的大致轨迹，真实降幅甚至超过他们的预测。与此同时，一些权威机构连续多年把太阳能成本曲线画得过于平缓，反复低估后续降幅。

由此可以提炼出一条边界明确的规则：当成本曲线有清晰的物理机制支撑，并且长期方向单调向下时，它往往比权威机构的年度共识更早释放信号。 在太阳能案例中，依据「累计产量→成本下降」机制的人，比依赖年度线性预测的人更早看见了方向。

这条规则必须收窄，因为并非所有成本曲线都会单调下降。核电就出现过建设越多、成本反而越高的「负学习」。事前区分的方法，是判断产品能否标准化、模块化并大规模复制：具备这些条件的产品更容易沿学习曲线下降；需要现场定制、建设周期长、监管要求高的核电和大型基础设施，则可能出现反转。因此，判断顺序应当是先确认面对哪一种成本曲线，再决定能否依赖它。

这台钟还有一项明确限制：它能够描述成本方向，却不能提供精确日历。 成本可能下降到什么水平，可以提前估算；市场在哪一年进入大规模采用，则取决于累计产量增长的速度。方向可以有较高置信度，时点只能给出大致窗口。

这里必须保留证据边界：以上材料只验证了「成本曲线」这一台钟。 三台钟中，只有它拥有较清楚、能够追溯到具体预测者的事前记录；另外两台，尤其后文用于分析 AI 的「泡沫→铺开」周期，仍缺少同等质量的事前验证。

六、两种误读结构类比的方式

这套方法更常见的风险，并非找不到同构行业，而是找到了参照对象，却读错了结构。误读通常有两种。

第一种是读错变量。 2012 年被称为「MOOC（大规模开放在线课程）元年」：Coursera、edX、Udacity 同年上线，一门斯坦福免费 AI 课程吸引了十六万人注册。Udacity 创始人当时判断，五十年后全球可能只剩十所高校继续提供教学，Udacity 希望成为其中之一。推理看似完整：顶尖大学已经把内容免费放到网上，人们为什么还要为本地普通大学付费？唱片、报纸和百科全书都经历过「高成本在位者＋免费数字替代品＋趋近于零的内容复制成本」，并且比大学更早进入这一阶段。

结果并未按这条路径发展。课程完成率只有约 7%；创始人 2013 年公开承认产品存在严重问题，Udacity 随后转向企业技能培训；大学学位也没有因此被替代。原因在于，大学提供的不只是内容，还包括一张被雇主认可的文凭，以及由共同认可维持的信号网络：雇主承认这张文凭，也因为其他雇主同样承认。一门低价课程可以复制讲座，却无法复制这张认可网络。决定结果的关键变量，并不在内容成本曲线上。 佐治亚理工学院使用相似技术，以约 7000 美元推出带正式认证的在线硕士项目，恰好从反面说明：有效切入保留了文凭，而非绕过文凭。

MOOC 并非结构类比完全无效的证据，它揭示的是第五项变量为何必须存在：遗漏认证层，会让整个判断失真。但仍需承认，没有人能够保证所有关键变量都已被纳入。因此，第三个动作必须主动寻找可能遗漏的变量；任何一次结构匹配，都只能生成一个待验证的假设，不能直接生成结论。

第二种是把循环读成单向趋势。 流媒体早期拆分了有线电视的捆绑套餐，卖点是用户只为自己观看的内容付费。十几年后，Netflix 开始限制账号共享、推出广告套餐，各平台轮番涨价；迪士尼重新打包多项服务，电信运营商也把流媒体纳入套餐。流媒体正在形成某种「有线电视 2.0」。 拆分释放创新，重新捆绑创造规模，钟摆开始回转。把「拆分」视为不可逆的终点，就会忽略市场重新聚合的力量。当然，新套餐仍然允许单独购买和灵活退订，说明周期会重复结构关系，却不会复刻全部细节。

七、什么会让这套方法失效

判断一套预测方法是否值得使用，首先要看它是否公开说明自己的失效条件。这套方法至少有五个风险点。

1. 框架本身存在幸存者偏差。 人们容易记住解释成功的周期，却忽略 S 曲线（先缓慢增长、随后快速上升、最终见顶趋稳）提前熄火，或泡沫破裂后始终没有进入铺开期的案例。Perez 本人也认为，信息技术革命的「黄金期」曾被推迟，甚至可能流产。框架只能压缩复杂现实，无法消除不确定性。
2. 方向能预测，时点常常不能。 钟的转速并不固定，某个阶段即将到来，不等于它会在明年发生。光纤需求比预期晚到约七年；长期价值没有主要留在建设者手中，这个方向判断基本成立，时间判断却偏差近十年。
3. 实时判断可能把相位读反。 这是风险最大的一项。1990 年代末，确实有人引用铁路类比，却用它论证了相反结论：「带宽会持续变便宜，因此基础设施仍然修得不够。」结构模式已经出现，人们仍可能判断错它所处的阶段。事后叙述往往整齐，事中判断始终模糊。
4. 钟面之外可能存在主导变量。 MOOC 案例中的文凭认可网络，就是足以改变结果的变量。第三个动作要求主动寻找失效条件，正是为了降低这类遗漏。
5. 任何历史都可能被事后套入某种周期。 有效检验必须看样本外表现：框架是否曾经事前给出明确判断，而非只在结果出现后完成解释。本文尽量选择具有事前预测记录的案例，但真正通过这一检验的主要是成本曲线；用于分析 AI 的「泡沫→铺开」周期并没有同等证据，下一节会明确保留这一边界。

综合这五项风险，可以得到一个更诚实的结论：「行业重复别人」本身是一种观察视角，不是定律。观察视角无法被单个反例推翻，真正能够被证伪的，是它生成的每一项具体判断。因此，在作出判断之前，必须提前写明哪些事实会使它失效。这套方法最终产出的，应当是一项带监测指标和失败条件的判断，而非一个无法检验的预测。

八、把方法用于 AI：它走到了哪一步

下面把三个动作完整应用于一个当下问题：AI 产业处在什么阶段。

第一个动作，翻译成结构语言。 「聊天机器人」或「新一代软件」只是 AI 的产品表面。若从基础设施看，它由算力、数据中心和芯片等资本密集型通用设施支撑，而需求仍在形成，大规模资本投入正在推动供给快速扩张。四家主要云厂商 2025 年的资本开支（capex，指土地、数据中心和芯片采购等长期投入）合计约 3880 亿美元，2026 年指引约为 6300 亿至 7250 亿美元。

第二个动作，寻找相位更靠后的参照行业。 在「资本推动通用基础设施超额建设」这一结构上，1990 年代末的暗光纤，以及更早的 1840 年代铁路，都是可能的参照对象。它们后来的路径已有记录：部分建设者退出，资产价格下降，一批不同的后来者利用低成本基础设施进入铺开期。由此得到一项方向性假设：AI 的长期价值，可能更多流向未承担 2024 至 2026 年这轮算力建设成本、却能在成本下降后利用这些基础设施的后来者，而非狂热期的建设者。

在接受这项判断之前，必须先说明两层证据边界。

第一层是参照周期的证据质量。三台钟中，只有「成本曲线」拥有较清楚、可以追溯到具体预测者的事前记录；「泡沫→铺开」周期没有同等证据。以光纤为例，当年真正引用铁路类比的人曾集体读反方向，时间判断也偏差近十年。因此，对 AI 的这一推断不能获得太阳能成本曲线同等级别的置信度，它只是一项证据较弱的结构类比。

第二层是对 AI 所处相位的判断本身可能出错。把 AI 放在「安装期／狂热期」并非已经证实的事实，而是一种解释。只有当资本开支接近或超过经营现金流（主营业务产生、并非来自融资的现金）、行业开始依赖外部融资、企业之间出现相互购买的循环交易时，狂热期判断才会得到加强。若这些指标没有出现，或 AI 已经进入早期铺开阶段，后续推理就必须重做。这是判断相位是否错误的第一组监测指标。

第三个动作，读取下一阶段，同时寻找失效条件。 上面已经给出方向性假设，接下来需要寻找足以破坏类比的变量。至少有两个，而且任何一个成立，都足以使判断失效：

• 芯片是否折旧过快，无法形成低成本、可长期使用的公共资产。 暗光纤和钢轨可以闲置多年而继续保有价值，后来者因此能够以低价利用它们。AI 加速芯片的经济寿命却存在争议：看空者如 Michael Burry 估计只有两三年，在位者按 5 至 6 年折旧，看多者则认为芯片转入推理任务后还能继续使用数年。如果较短寿命的判断成立，过剩算力可能在需求成熟前失去经济价值，「价值转移给后来者」这一环节就不会发生。
• 基础设施投资者是否能够同时获得应用层价值。 铁路和光纤多由单一用途企业依靠外部投资者资金建设，企业破产后，资产才转移给其他使用者。微软、Google、亚马逊和 Meta 则拥有充足现金与纵向一体化能力，从芯片、云、模型到应用和分发均有布局。只要这些公司继续经营，资产就不会以破产价格转手，同一家公司可能同时获得安装期和铺开期的价值。这也意味着，「泡沫→铺开」未必总是建设者退出、后来者承接的单向过程。在位者仍然拥有这一结构优势，尽管资本开支接近经营现金流、行业循环交易增加，正在削弱这种稳定性。

因此，更严谨的判断是：AI 的长期价值可能更多流向未承担本轮算力建设成本的后来者，但只要上述任一条件成立，这一判断就失效：芯片在形成低成本公共资产前已经快速折旧，或者依靠自有现金建设基础设施的在位者同时获得安装期与铺开期价值。

「AI 是不是泡沫」很难形成可检验的答案。更有效的问题，是持续观察三组指标：芯片是否过快折旧、在位者能否同时获得两阶段价值，以及 AI 是否被放错了相位。如果三组失效条件都未触发，长期价值仍主要回到原建设者手中，那么需要被否定的就是这套结构类比本身。

结论：稀缺的是识别行业相位的能力

全文可以归纳为三点：

1. 行业不重复自己，它重复别人——更有预测价值的参照，往往是表面陌生、结构同构、并且相位更靠后的行业。
2. 方法包含三个动作：翻译成结构语言 → 找到相位更靠后的参照行业 → 读取其下一阶段，同时寻找使类比失效的变量。
3. 方向与时点必须分开判断：方向来自相位差，时点依赖领先指标；结构周期提供机制，无法提供精确日历。

由此出现一种更稀缺的能力：持续诊断所在行业的结构，并识别它正处于哪个相位。 这套方法无法解决「已经看见变化却不愿行动」的问题，却能减少只凭表面相似度作出判断的误差。

这套判断对个人同样适用。前一篇把差异化解释为在稠密度地图上寻找禁区之外的位置，并指出「禁区会移动」。结构周期为这张地图补上了时间维度：竞争地图并非静止，而是在某种周期中不断变化。只看见当前站位还不够，还要识别自己与所在行业正处于哪个相位，因为行动发生时，原来的位置可能已经改变。

参考信号

• 本系列前作：AI 把合格变成地板：优势必须追着边缘走 ｜ 差异化不是灵感，是一张地图：先画出禁区，再选站位
• 周期框架：Carlota Perez, Technological Revolutions and Financial Capital（2002）——把运河、铁路、钢铁电力、石油汽车、信息技术抽成同一条「安装期→崩盘→铺开期」；Perez 本人亦指出信息技术的「黄金期」被推迟／流产（二次泡沫）
• 铁路狂热：Wikipedia, Railway Mania（1846 年议会授权规模、崩盘幅度、约三分之一未建成）
• 电信／暗光纤：NPR, Telecom Glut（2002-07-22）（约 97% 光纤在任一时刻未点亮）；WorldCom、Global Crossing 破产；Google 于 2005 年前后收购暗光纤
• 成本曲线：Wright（1936）经验曲线 + Swanson 定律；Our World in Data, Learning curves（太阳能 $106/W→$0.38/W）；BloombergNEF Battery Price Survey（电池 $1160/kWh（2010）→ $115/kWh（2024 年调查）；2025 年调查进一步降至约 $108）；Ramez Naam 的太阳能预测偏保守、IEA 长期低估
• MOOC：NYT, The Year of the MOOC（2012）；Thrun「50 年后只剩 10 所高校」（Wired, 2012）与 2013 年「我们的产品很烂」（Fast Company）；完成率约 7%（Katy Jordan）；佐治亚理工 OMSCS 带认证的 $7k 在线硕士
• 流媒体重新打包：Netflix 广告套餐（2022-11）与限制账号共享（2023-05）；迪士尼／Hulu／Max 打包（2024-07，「像有线电视」）；Barksdale「打包与拆包」（1995）
• AI 资本开支与不同观点：四大云厂商 2025 年 capex 约 $388B、2026 指引 $630-725B；折旧争议（看空方如 Michael Burry 估芯片经济寿命约 2-3 年，在位者按 5-6 年折旧，看多方主张转入推理任务后再使用数年）；「一场真实革命，伴随局部泡沫」的分层判断；看多与看空双方均有具名经济学家与投资人在场