稀缺在边缘 · #3

在不相关的行业里偷窥已知未来

判断一个行业将走向哪里,最值得翻阅的往往不是本行业的编年史,也不是紧盯那个和你最像的对手,而是一个你平时从未留意、却比你早十几年走完同一条路的陌生行业。铁路、暗光纤、成本曲线、MOOC 与流媒体、AI,分别检验这套方法的解释力与边界。
张飞 · Herline 创始人

· 更新于 2026-08-19

22 分钟阅读 · 7681 字

阅读 —转发 —留言 —
本文目录

TL;DR

「历史会押韵」很迷人,但几乎没法直接用来做决策,问题在于它没告诉你到底该跟谁比。更具操作性的方法,是把两个行业翻译成同一组结构变量——稀缺资源由谁掌握、利润集中在哪一层、什么正在被商品化、成本如何变化——再找到结构同构但走得更远的行业,把它已经发生的下一步读成一份带时间范围和失效条件的清单。成本曲线证明方向有时可以提前判断,具体时点却未必;MOOC 与流媒体则说明,漏掉关键变量或把循环读成单向趋势,都会造成误判。把这套方法用在 AI 上,只能得到一个可信度有限、附带明确失效条件的判断:长期价值可能更多流向未承担本轮算力建设成本、却能在成本下降后利用这些基础设施的后来者。真正稀缺的,是持续诊断行业结构与所处相位的能力。

核心论点

  1. 判断行业的结构性转折,反复研究本行业历史或追随最相似的对手帮助通常有限;真正值得寻找的参照,是表面陌生、结构同构、且领先十几二十年走完同一条路的行业
  2. 结构同构不要求产品相似,而要求稀缺资源、利润位置、商品化方向和成本变化之间呈现相同关系;铁路与暗光纤就是同一台钟的不同表盘
  3. 识别结构同构需要三个动作:翻译成结构语言 → 校准相位,找到走得更远的同构行业 → 读取下一阶段,同时主动寻找失效条件;方向与时点必须分开判断
  4. 成本曲线证明方向可以被事前预测,却给不出精确时点;MOOC 与流媒体说明,读错变量或把循环当成单向趋势,都会让结构类比失灵
  5. 把方法用于 AI,只能得到证据较弱的条件判断: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;若芯片折旧过快,或在位者同时吃下建设期与铺开期价值,这一判断就失效

如果你想知道所在的行业将走向何方,最值得翻阅的,往往不是本行业的编年史,也不是紧盯那个和你最像的对手。真正藏有答案的地方,很可能是一个你平时从未留意的陌生行业——它和你做着完全不同的事,却比你早十几年走完了同一条路。

「历史会押韵」这句话很迷人,但几乎没法直接用来做决策。问题不在于它不对,而在于它没告诉你到底该跟谁比。历史的样本无穷无尽,如果你不知道哪一段历史正在与你此刻的处境形成对应,这句格言就只能沦为事后诸葛亮。

一个更具操作性的版本是:你所在的行业,可能正在重走另一个行业已经走过的路径。那个行业与你毫不相干,却领先你十几二十年,经历了同样的结构性周期。 你不需要凭空预测未来,只需要把它已经发生过的「下一步」,读成一份附带了时间范围和失效条件的清单。

一、答案不在本行业的历史里

先明确一点:要想看清一个行业的结构性转折,反复研究本行业的历史,或者追随最相似的竞争对手,帮助通常有限。 这两件事对短期定价和跟随策略有用,却很难让人提前看见即将发生的结构性变化。

本行业的历史主要解释「我们从哪来」,却未必能回答「我们将往哪去」。而最相似的对手和你处于同一周期阶段,你们看见的风景差不多,犯的错误也雷同;互相模仿,只会让你们一起待在同一个认知盲区里。

真正值得寻找的参照,是那个表面上与你毫不相像,结构上却沿着同一条曲线演化的行业。这引出一条反直觉的规则: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才更有预测价值。 前者让你复制产品、打法和口号;后者才有可能揭示行业背后的结构时钟。

所谓「同构」,并不要求两个行业拥有相似的产品、客户或时代背景。它只要求几个关键变量之间呈现出相同的关系:稀缺资源掌握在谁手里、利润集中在价值链的哪一层、什么东西正在被商品化(逐渐变成谁都能提供、价格持续走低的标准品)、成本正朝着哪个方向变化。你可以把它理解为:同一台钟,只是换了一个表盘。

继续阅读完整内容

在不相关的行业里偷窥已知未来

判断一个行业将走向哪里,最值得翻阅的往往不是本行业的编年史,也不是紧盯那个和你最像的对手,而是一个你平时从未留意、却比你早十几年走完同一条路的陌生行业。铁路、暗光纤、成本曲线、MOOC 与流媒体、AI,分别检验这套方法的解释力与边界。

免费注册后,即可从这里继续阅读全文,无需购买会员。已有账号可直接登录。

分享 / SHARE微博

Discussion

留言0