1900 年前后的美国工厂里，有一根贯穿整个车间的天轴。

蒸汽机带动这根轴，轴通过皮带把动力分给每一台机床。所以机器只能围着轴排，车间布局由动力决定，而不是由工艺决定。想扩产？先加一根轴。想改流程？先把整条传动链拆了。

二十年后，同一批工厂变成了另一个样子：每台机器自带一台电机，皮带消失了，机器按工艺流程重新排列。动力从「集中配送」变成「就地获得」，工厂第一次可以为了生产效率而布局。

电在 1880 年代就已经商用。但美国制造业真正出现生产率跃升，是 1920 年代的事。中间那三四十年，电就在那里，工厂也在那里，钱也投了——红利没来。

这段历史，是我能找到的、和今天最像的一段。

一、先给结论

如果只能在历史里挑一个参照物：

最像 1870–1920 年的电力革命（第二次工业革命）。次像 1970–2000 年代的计算机革命。最不像互联网革命。

判断不是靠感觉，而是用同一把尺子量四件事：技术是不是通用目的技术、它替代的是什么、兑现红利是否必须先改造组织、生产率和分配的时滞有多长。

二、换个框架：通用技术不替代工种，它解除约束

大多数「像不像」的讨论都在比表象：AI 像不像人脑、会不会取代程序员。这个问法产不出任何结论。

更有解释力的问法是：这项技术解除了哪个底层约束，然后整个系统被迫围绕新约束重组。

蒸汽机和电力解除的是「动力约束」——动力必须在特定地点、以特定规模获得。约束一松，工厂选址自由了，于是有了产业带、城市化和流水线。

计算机解除的是「计算约束」——算术和信息处理有成本。约束一松，供应链可以全球协调，于是有了外包、组织扁平化和中等技能岗位的空心化。

AI 解除的是「判断约束」——做出一个够用的判断，需要一个人。约束一松，组织的层级、审批链、责任划分都要重写。

这个框架一口气回答了三个问题：为什么时滞长（要等布局重写）、红利归谁（归重写布局的人）、谁先被淘汰（守着旧约束的中间层）。

三、六次革命，逐项对照

蒸汽机：第一个通用目的技术

技术是能源转换：把热变成机械运动。互补资产是煤、铁、运河、铁路、工厂制度和有限责任法。

时滞长得惊人。瓦特在 1769 年拿到专利，但经济史家 Crafts 的测算里，蒸汽在 1780–1860 年间对英国全要素生产率增长的贡献，平均只有每年 0.1% 的量级——远小于它后来的名声。真正的跃升要等铁路和蒸汽船把网络铺开。

分配上更刺眼：1790–1840 年英国人均产出涨了约五成，工人实际工资几乎不动，这段被叫作「恩格斯停顿」。

和 AI 相同的是「通用技术 + 分配先恶化」；不同的是，它替代体力，而且被煤铁铁路这些物理条件限速。AI 没有物理限速。

电力（1870–1920）★★★★★ 最像

电力的本质不是「发电」，是「配送」。真正改变生产率的，是动力可以送到每一个工位。

老工厂是 group drive：一根天轴贯穿车间，所有机器用皮带挂在轴上，机器只能围着轴排。电气化之后是 unit drive：每台机器自带电机，车间可以按工艺流程重排。

美国制造业机械驱动的电气化率，1899 年约 5%，1919 年约五成，1929 年约八成。而制造业全要素生产率的跃升发生在 1920 年代——年增约 5%，约为此前半个世纪的两倍。

Paul David 在 1990 年那篇《发电机与计算机》里讲的就是这三十到四十年的差额：技术先到、组织后到、生产率最后到。 这句话后来被反复引用，因为它精确描述了每一次通用技术的落地节奏。

流水线（1913–）

这一项容易被忽略：它不是机器，是流程。

1913 年福特在 Highland Park 装出第一条装配线，底盘装配时间从约 12.5 小时压到约 93 分钟。1914 年福特给出五美元日薪——这不是慈善，而是流水线的配套制度：流水线要的是稳定、可替换、不罢工的劳动力，高工资是买这个稳定性。

它和 AI 的同构在于「把任务拆到可标准化的粒度」。但方向相反：流水线是「把人降维成机器」，AI 是「把机器升维成人」。被拆掉的都是任务包的整体性，只是一个去技能化，一个去判断化。

计算机（1971–2005）★★★★ 次像

1971 年微处理器问世，1995 年生产率才在统计里显形。中间那二十多年，1973–1995 年美国生产率年增只有约 1.4%，而 1995–2005 年升到 2.5%–3%。

索洛 1987 年那句「到处看到计算机时代，就是看不到生产率」，说的就是这个阶段。

原因是互补资产：Brynjolfsson 那组研究给过一个量级——每 1 美元 IT 硬件，背后要配 9–10 美元的组织与流程等无形资产。买电脑便宜，改流程很贵。

分配结果也很清楚：1990–2010 年美国劳动生产率涨了约七成，中位实际工资只涨了约一成。routine 岗位（文书、簿记、装配）被系统性替换。

和 AI 相同的是数字技术、零边际成本、先替代 routine、同一套「生产率悖论」剧本；不同的是，计算机是「工具、等人操作」，AI 开始自己完成任务。

互联网（1995–2015）★★ 最不像

互联网解除的是「分发与连接」的约束。它替代的是中介：美国报纸分类广告收入从 2000 年前后的约 490 亿美元，跌到 2010 年前后的约 200 亿；旅行社、实体书店、区域零售走的是同一条路。

为什么不像：它几乎不需要重写生产单元，采用速度快、资本开支门槛低，所以结果是「快而窄」——赢家通吃、超级明星企业，但在生产率统计上的贡献有限，2010 年代美国生产率反而放缓。

最关键的一点：互联网没有进入「生产判断」环节。AI 直接坐进了车间和办公室。

印刷术：复制成本崩塌 ★★

复制成本崩塌这一点很像：知识从「手抄」变成「复制」，权威去中心化，验证机制被迫重建——当文本泛滥，「谁可信」成了新问题。

但时滞太长：1450 年到 1517 年宗教改革隔了 67 年，到 1687 年牛顿《原理》隔了 237 年。而且它只替代传播，不替代生产。

四、为什么判给电力

三个硬理由。

第一，通用目的技术 + 必须以重设计生产单元为前提。 电力的真教训不是「用了电」，而是「为电重建了工厂」。AI 同理：不是「接了大模型」，而是「为 AI 重建流程、岗位和审批链」。

第二，生产率 J 曲线。 先投资、先亏损、后收益，时滞以十年计。J 曲线的前半段几乎全在资产负债表外——组织学习、流程重写、员工再训练，会计看不见。

第三，任务重排而非岗位整体消失。 消失的是任务包，不是人。这句话在电力、计算机两轮里都成立。

五、但 AI 有三点不同，不能照抄电力的时间表

扩散成本极低。 电力要布线、建厂、改造车间；AI 只要一个 API。扩散速度可能是电力的五到十倍，时滞会被压缩，冲击更集中、更短促。

它会改进自己。 电力不会改进电力系统的设计，AI 参与自身研发，形成正反馈。这一点更像「印刷术 + 科学革命」的复利，而不是电力。

替代边界第一次跨进非 routine 认知。 写作、诊断、设计、编码——历史上所有通用技术都没跨过这条线。

由此得出一个反直觉的判断：技术扩散快，不等于红利兑现快。 因为瓶颈不在「能不能用」，而在「敢不敢把责任交出去」。组织可以一周接入模型，却要几年才敢改审批链、改考核、改谁签字。

六、投资含义

先说定位：现在的 AI，更像 1900–1915 年的电力。 技术已经可用、基础设施正在狂建、真正的生产率红利还没到；市场在为「卖铲子」定价，而未来十年的超额收益在「重写流程的互补资产拥有者」手里。

时间轴：三个阶段，定价对象不同

阶段一，资本开支与叙事先行。 市场定价「故事」，卖铲子的赚确定性溢价。类比 1880 年代的发电机与电缆、1990 年代的 PC 与网络设备。

阶段二，分化期。 真正开始重写流程的企业出现运营杠杆，但财报还看不出来。这是最容易被误判成「证伪」的阶段——1900 年代有人说「电力没兑现」，1990 年代有索洛悖论，都发生在这里。历史给的形状是：市场先杀一轮估值，再在兑现时重定价。

阶段三，生产率兑现。 剩余归互补资产拥有者，卖铲子的毛利被商品化压平。

关键提醒：三个阶段定价的对象不同——阶段一定价故事，阶段二定价现金流质量，阶段三定价结构位势。用阶段一的框架看阶段三，会系统性高估技术方。

五层映射

卖铲子层：算力、电力、网络、散热。高 beta、强周期，技术商品化后毛利下滑。电力史给的教训很硬：发电公司长期回报平庸（管制 + 商品化），但建设期的铜、电缆、变压器回报很好。这是阶段一的仓位，不是十年的仓位。

互补资产层（真正的 alpha）：拥有数据、流程、分发、信任的企业。判据不是「有没有用 AI」，而是三个可验证的量：单位人效是否在 2–3 年内非线性抬升、客户获取成本是否下降、交付周期是否压缩。历史类比是沃尔玛与福特，不是 IBM。

被替代层（回避或做空）：收入来自信息不对称或人工转手、客户切换成本低的中间环节。判据是：它的毛利是不是「替客户省了找人的时间」。这条线在 1990 年代是旅行社与分类广告，在 AI 里对应初级信息加工、模板化交付、纯中介撮合。

制度层：算力基础设施、能源、数据合规、职业再培训。回报稳定但受政策约束，本质是收租，不是成长。

反脆弱层：能源（电力是 AI 的硬约束，类比 1900 年代的煤与电网），以及「验证与信任」——生成内容泛滥后，认证、审计、保险的价值上升。

十个可跟踪的指标

1. 企业 AI 投入中「资本化」的比例——开始资本化说明进入重设计阶段，而不是试点。
2. 单位劳动产出——它先于全要素生产率出现，电力史如此。
3. routine 岗位占比的下降斜率——判断「替代」还是「重组」的分水岭。
4. AI 推理单价与算力单价——通用技术的价格曲线决定扩散速度。
5. 头部云厂商的资本开支增速与折旧年限变化。
6. 电力需求增量中数据中心占比——AI 的物理约束。
7. 企业软件里「按结果计费」的比例——定价权从工具转向结果。
8. 初级岗位招聘量与资深岗位招聘量的比值——任务包拆解的直接读数。
9. 生成内容的验证与溯源支出增速——信任成本。
10. 监管动作：数据、版权、劳工、反垄断——决定剩余怎么再分配。

四个风险

刻度错配。 按「电力三十年」下注会错过「互联网五年」的节奏，反之亦然。历史只给形状，不给刻度。

商品化。 通用技术的终局是技术免费，价值归互补资产。押「技术领先的持久性」是历史上最常犯的错：西屋赢了电流之战，福特赢了工业。

incumbent 陷阱。 大公司宣布 AI 转型的叙事要打折。电力与计算机两轮里，在位企业的改造成功率都低——互补资产越重，越难自我革命。真正的重构者常是新进入者或中小公司。

测量滞后。 生产率统计滞后五到十年，最容易在「兑现前夜」清仓。

七、一句话

这次不是「机器替代人」，是「判断的边际成本趋零」。

而每一次判断成本趋零，都会先重写组织、再重写分配。投资上，赚钱的从来不是造机器的人，是把组织改成「机器友好」的人。

---

边界与说明：本文是历史类比与框架讨论，不构成投资建议。文中的历史数据来自公开研究（Paul David 1990、Kendrick 1961、Crafts 关于蒸汽与英国生产率的测算、Brynjolfsson 等关于无形资产的研究、Autor 的任务框架）与公开统计口径的重述；不同研究的口径与年份不完全一致，引用时以原研究为准。19 世纪的电气化率与生产率数据存在测量争议，图中折线为示意，不用于精确拟合。投资部分只给分类框架，不涉及任何标的、价位或买卖指令。