GoGlobalMind

AI 商业化
全景图.

Mapping AI commercialization on a power grid.

用电力系统当坐标系,给每一条 AI 新闻定位。主干(能源、芯片、模型、云)企业和个人共用,到了用电侧分成企业用电、民用电、动力用电三路,最后由一条管控总线贯穿全部。token 约等于“度电”。

v3 · 事实截至 2026-10-01 · Hai Ping

01 · Where

The Grid

一条供电主干,三路用电

点任意一层,看这一层的核心问题、代表玩家、壁垒、当前看点和计价单位。

供电侧 · 企业和个人共用
供电 · 厂址
提供算力
托管运行 · 分发 token
▼ 以 token 为“度电”输出 · 分三路用电 ▼
B · 企业工业用电
C · 个人民用电
P · 物理动力用电
接入
管控总线 · 贯穿三路
格局:格局已定 / 垄断变化中窗口打开 / 早期
02 · Move

The Moves

新闻 = 位置 × 动作

层是静态的,新闻是动态的。绝大多数大新闻,都是某个玩家在层与层之间移动。先认出动作,再去电力史里找同样的动作,判断就有了参照。

↑

向上整合

上游玩家往离客户更近的层走。

电力史西屋、GE 为了卖发电机,亲自建电站、推家电,为自己创造用电需求("造负载")。
2026 例子AMD 收购 World Labs;OpenAI 推出 Dots;NVIDIA 做 Cosmos 世界模型。

它是想赚下游的钱,还是想为自己的主业制造需求?

↓

向下扎根

下游玩家往底层走:应用公司自研模型,模型或云公司自研芯片。

电力史电网普及前,大工厂自建电厂,以保证供电和成本。
2026 例子Meta、Google、阿里自研芯片;应用公司训练自有模型。

是为了成本、为了差异化,还是因为上游被卡脖子?

▣

全栈一体化

一家公司同时占据芯片、云、模型、应用中的多层。

电力史爱迪生 1882 年珍珠街电站:发电、配电、电表、灯泡全包。接口没有标准时,整合者占优;标准成熟后行业走向分层。
2026 例子阿里全栈 AI;Google(TPU + 云 + Gemini + 安卓)。

层与层之间的接口成熟了吗?成熟后全栈优势会减弱。

⇄

B / C 跨界

在一路用电上的优势,搬到另一路。

电力史电力公司先在工厂站稳,再推广家庭用电;卖家电的公司反过来做商用设备。
2026 例子Meta 的 Muse 从个人 Agent 延伸到小企业;ChatGPT 从个人订阅走向企业版。

迁移过去的是什么:用户、数据、分发,还是品牌?

⊕

卡入口

控制用户接触 AI 的位置,或向别人收过路费。

电力史谁拥有进户线和电表,谁就掌握这户人家的用电关系;因此后来公用事业被特许经营和监管。
2026 例子Meta 借自家 App 分发 Muse;欧盟审查 WhatsApp 向第三方 AI 按条收费。

入口方是在自用,还是在收租?监管会不会出手?

⊘

筑墙 / 拒接

在自己的地盘拒绝别人的 Agent,或只放行自家 Agent。与"卡入口"成对。

电力史私有厂区不让外来线路接入;接不接你,取决于线路主人。
2026 例子Amazon 封锁 Muse 购物;微信、淘宝、支付宝封豆包手机助手预览版(2025-12)。

理由是安全,还是保护自己的推荐和广告?最后会不会转向付费接入?

◎

定标准 / 开源

通过协议、开源权重、参考设计来决定别人怎么接入。

电力史交直流之争;电压和插头标准化后,电器市场才爆发(Hubbell 1904 年发明可分离插头前,电器只能拧进灯头)。
2026 例子MCP;SAEP、Google UCP、App Intents 等 Agent 接入规则;Qwen、Kimi K3 开源权重。

开放的这一层让谁受益?往往是开放方在更赚钱的另一层。

¥

定价 / 商业模式

计价单位或付费方式发生变化。

电力史电费从按灯泡包月,变成装电表按度计费;英萨尔用低价换用电量,把电做成了大众消费。
2026 例子Copilot Cowork 改按 Credits 计费;个人 Agent 免费 + 20/100 美元档;Cue 给每个 Agent 设预算;token 降价。

价值和收费单位对齐了吗?谁的毛利被挤压?

⚡

扩产能 / 重投入

大规模建设算力、电力,或进行大额融资。

电力史1890–1920 年代的电站与电网大扩张;1932 年英萨尔的杠杆帝国崩塌。
2026 例子阿里 3800 亿投入、2032 年 20GW 以上的规划;各地 GW 级数据中心。

需求是真实付费需求吗?谁在承担杠杆?

⛨

管控 / 合规

围绕安全、权限、审计、监管的动作。

电力史1894 年 UL 成立、1897 年美国出台国家电气规范,都是在电气火灾之后。
2026 例子NVIDIA Open Agent Safety Platform;企业 Agent 控制塔;EU AI Act。

这是真实事故和法规推动的刚需,还是超前叙事?

✂

剥离 / 分叉

交易被迫拆分,或产品按境内外分成两条线。

电力史电力史缺少直接对应;更像今天的地缘与数据主权问题。
2026 例子发改委下令撤销 Meta 收购 Manus;Manus 删除部分用户数据,分出海外版与国内团队。

驱动是国家安全、数据主权,还是监管套利?

03 · When

The Eras

电力史阶段:我们大概在哪

电从发明到真正改变生产率,用了约 40 年。关键不在“通没通电”,而在企业什么时候开始围绕电重新设计工厂。这是判断 AI 投入回报的最好参照(经济史学家 Paul David 的“发电机悖论”)。

阶段
电力 · 1880–1950
AI · 2022–
阶段一示范与全栈
1879–1890

灯泡与 1882 年纽约珍珠街电站。接口没有标准,爱迪生只能自己包揽发电、配电、电表、灯泡。早期电费常按“灯泡数”包月收取。

2022–2023

ChatGPT 时刻。模型公司自己做聊天产品来展示能力,企业按席位订阅(相当于按灯泡收费)。值得注意:按灯泡收费卖的是“光”这个结果,用途多样后才改成电表按度计费;AI 可能两头并存,底层按 token,应用层按结果。

阶段二标准战与大建设主体在这里
1886–1900s

交直流之争;电站和电网疯狂扩张;电车是最早的大规模“动力用电”;设备商为了卖发电机,主动去创造用电需求。

2024–2026

协议之争(MCP 等)、开源和闭源之争;GW 级数据中心与万亿级资本开支;芯片商下场做模型“造负载”;机器人、自动驾驶开始商用。Agent 接入规则之争(SAEP、Google UCP、App Intents)约等于插头与插座的标准化:Hubbell 1904 年发明可分离插头前,电器只能拧进灯头取电,今天的 GUI Agent 就是“拧灯头”。

阶段三直接替换
1900–1919

工厂拿一台大电机替掉蒸汽机,厂房布局照旧,生产率几乎没涨。电机在工厂动力中的占比从 1900 年前后不到 5%,到 1920 年前后才过半。

正在发生

把 Copilot 和办公 Agent 贴在旧流程上,人天、席位、审批链都没变,于是出现“AI 没带来 ROI”的焦虑。这是历史常态,说明 AI 没用对地方,不等于没用。

阶段四重新设计工厂
1920s

每台机器配独立小电机,单层厂房、流水线,生产率大幅跃升。赢家是会重组生产的企业,而不是发电厂。

局部开始(编程、客服)

围绕委托阶梯第 4、5 级(职责、团队)重建岗位和流程:按成果计费、人力结构从金字塔变成钻石。看到“某公司因 AI 重组了整个部门或流程”,就是阶段四的信号。

阶段五家电普及与公用事业化
1920s–1950s

冰箱、收音机、洗衣机普及;电变成看不见的基础设施,受管制,利润率下降。价值转移到电器与使用电的行业。

未来

AI 成为默认能力;模型与算力趋向“公用事业”,利润向入口、应用和重组成功的行业集中。

插曲基础设施泡沫
1929–1932

英萨尔(Insull)靠高杠杆控股公司堆起的电力帝国崩塌。电力本身没错,错在融资结构与扩张速度。

持续观察

资本开支远超当期 AI 收入,行业有“泡沫”之声。遇到大额建设或融资新闻,记得同时问:谁在承担杠杆?

04 · Where the analogy breaks

The Limits

电解释不了的地方,恰恰是 AI 的特殊之处

类比失效的地方最值得记住,因为那里的规律要从别处借。

电
AI
所以要看
电是同质的,一度电就是一度电
智能有差异,但正在快速趋同(“模型疲劳”)
模型品牌还有溢价,但窗口在缩短;壁垒要到别处找
电价长期稳定
同等能力的 token 价格每年大幅下降
套壳产品被持续压价;便宜又会带来用量暴增(杰文斯效应),总账单反而上涨
电不会自己行动
Agent 会执行、会花钱、会犯错
管控层不只是保险丝,更像“员工管理”:身份、权限、审计、问责
用电不会让发电变强
使用数据能反哺模型(数据飞轮)
C 端规模能转化成模型优势,所以巨头抢用户
电网是物理自然垄断,受政府特许
分发没有物理垄断,但手机 OS 和超级 App 形成事实垄断
入口之争与反垄断监管(如欧盟对 WhatsApp 接入第三方 AI 的审查)
电从不靠广告盈利
C 端 AI 沿用互联网的“免费 + 订阅 + 广告”
聊天产品已经卖广告(ChatGPT);但个人 Agent 暂无广告,见下一行
一度电成本稳定,用户之间不独占设备
常驻 Agent 每个用户独占一台云端机器,边际成本不为零
免费 + 广告难以直接套用(Muse 上线不放广告、靠订阅覆盖算力);C 端反而更接近按度计费
电器之间不会彼此协作
我的 Agent 可以和你的 Agent 谈(Instinct 可信联系人网络、Cue 群聊)
Agent 之间出现网络效应,社交关系链持有者(WhatsApp、微信)占优
电器不会伪装成用户
本地 Agent 用用户自己的会话操作,几乎就是用户本人;云端 Agent 是可识别的陌生访客
执行位置决定能否被识别、封锁和追责

B 端和 C 端要不要合在一张图里?要合,但只在供电侧合。能源、芯片、模型、云是共用的主干;到了用电侧,企业用电最适合用电力史来预测(采纳慢、要重组流程、要有人上门安装),民用电则要叠加互联网规律(入口、网络效应、广告)。AI 本来就建在互联网之上,所以这不是换类比,而是在 C 这一路上多一层规则。

补充:常驻个人 Agent 的成本结构,让 C 端部分回到了“按度计费”。民用电这一路,要同时看互联网规律和电力规律。

05 · Laws

The Laws

八条可以反复使用的判断

它们来自对这张图的反复使用,会随着新的证据修改。

01

瓶颈同时卡在两头

2023 年缺芯片,现在一头缺电(L0),一头缺"真正用起来"(L5)。中间的模型和云反而是最不缺的。

02

早期整合,后期分层

接口不成熟时,全栈玩家赢(爱迪生、今天的阿里和 Google)。每当 MCP 这类标准成熟一步,分层专业化玩家的空间就大一步。

03

上游会往下"造负载"

芯片商做模型、模型公司做应用,很多时候是为了给主业制造需求,而不是为了应用本身的利润。

04

壁垒不在 AI 那一侧

能力是公开可得的。护城河是数据、工作流嵌入、切换成本、客户关系、入口、信任与中立性。

05

价值向两端聚集

能力越便宜、Agent 越多,钱越流向"谁能统管一切"的整合平台和管控层,以及 C 端入口。

06

替换不等于重构

生产率要等流程和组织围绕 AI 重新设计才会出现。看到 ROI 焦虑不必惊讶,要看的是谁开始重组"工厂"。

07

中美结构差异

美国是模型层与应用层分层竞合(Copilot Cowork 跑在 Anthropic 模型上,微软同时自研 Cowork 1);中国是大厂全栈加协作平台入口(千问办公 + 钉钉、豆包工作 + 飞书、WorkBuddy + 腾讯生态)。同类新闻,在美国看谁和谁合作,在中国看谁的全栈更完整。

08

Agent 的难易由第三方决定

最容易做的是企业给自己用的 Agent,环境是自己的;最难的是替个人去别人地盘办事的 Agent。委托关系里第三方越多越强,落地越慢,越依赖入口方和标准。

Every AI news item
has a place on the grid.

这张图是我在小红书「HaiPing(AI商业化)」写作时用的坐标系。如果你对某一层有不同的看法,或者发现了类比解释不了的地方,欢迎告诉我。

Let’s Connect ↗ Subscribe →

goglobalmind@163.com

◉ GoGlobalMind
Better Mind | Bigger World
A framework from AI for Marketers.