市場喜歡帶著悖論起頭的成長故事。AI 被包裝成豐饒，但它的一階效應是收縮。效率總是會摧毀比它保留的更多的產能。當一家大型資產管理公司警告，隨著 AI 在經濟中推進，上市公司數量可能會減少五分之一，這並非聳動言論，而是基本情境。上一次美國企業以宗教般的熱忱擁抱一種通用技術時，我們得到的是較少但更大的、更高槓桿的公司，以及長尾的被擠壓的既有企業。這一次循環更快，資本支出更大，贏家通吃的動態更為尖銳。
AI 是一把手術刀，手術刀會割裂。早期的證據不含糊。投入自動化的公司同時也在裁員。短期的利潤率提升是真實的，但對那些無法在成本或產品速度上跟上的公司來說，倒閉與出局也同樣真實。在複雜系統中，當效率削減了冗餘時，它是一種脆弱性。隨著重複的職能與流程消失，經濟變得更脆弱。就像受控焚燒後的森林，生態系看起來更乾淨，直到乾旱來襲為止。
歷史支持這一序列。電氣化、數控、ERP 與外包並未帶來公司廣泛增加，它們帶來的是整合、規模經濟，以及對中間競爭者的淘汰。採用曲線呈 J 型：先痛苦，然後獲益。投資人把注意力錨定在後半段的斜率，忽略了前段的震盪。以長期觀察為主的經濟學家認為 AI 是真實且仍處於早期，這很可能是正確的。這使得收縮階段更可能發生，而非更不可能。早期局面會把權力、現金流與人才集中到少數團隊。如果你擁有贏家，計分板看起來很漂亮；如果你持有其餘公司，計分板則顯得寂靜無聲。
在市場生態中，AI 的作用像一種入侵物種。它不會創造公平競爭場域；它讓坡度變陡。資本、數據與分銷優勢在冪律下複利。我們已經在基礎設施層的估值重力中看到這一點。投資人外推當前的單位經濟，並假設普及會為每個人擴大可地址市場。更多時候，普及會壓縮價格並將價值導向瓶頸：compute、電力與專有數據。
這種集中不只是學術上的論點。它是一種指數構造風險。表面上看起來因為少數平台拉升市值加權平均而變得看多，但在表面之下，廣度在縮窄，相關性結構在改變。當流動性旋轉時，對於靠後 400 檔股票來說，退出門很小。如果透過倒閉、私有化與合併，上市公司數量再減少 20% 左右，指數會變成一端較重的啞鈴。你可以稱之為分散化，但它的行為像是一筆押注於少數幾個資產負債表、電網連接與供應鏈。安全幻象反而增加系統性脆弱性。
博弈論說明了企業行為。報酬矩陣創造出囚徒困境。如果競爭對手在 AI 上花錢，你也必須花錢以免落後，即便預期專案回報平庸。理性的結果是全行業過度投資、利潤率壓縮，以及在 AI 使某些類別商品化後的價格戰。我們已經看過這齣戲：鐵路熱潮、光纖供給過剩、雲基礎設施的土地爭奪。供應商獲利；許多客戶直到產能被時間、破產或併購合理化之前，獲得的回報都不佳。
AI 也改變了成本結構。更多固定成本在 compute 與模型整合意味著較高的營運槓桿。在上升週期這看來很漂亮，在下行週期則是災難。投資人常常錯誤定價這種凸性，因為好時期比壞時期更顯眼。把監管與合規負擔加進去。模型治理、數據可追溯性與責任保險並不會如同推理呼叫般整齊地擴張。大多數管理團隊在建模時用蒙地卡羅來衡量上行，用單點估計來衡量下行。忽略那條錯誤的尾部風險是錯誤的做法。
在內部，系統依賴少數幾個瓶頸。先進晶片來自有限的供應商。高頻寬記憶體緊張。資料中心需要的電力，許多電網無法在投資簡報書承諾的時間表內提供。一個延遲了 18 個月的公用事業互聯並不在乎你的產品路線圖。在工程上，負載加上共振會折斷橋樑。這裡的負載是資本支出；共振是企業同步涌向相同架構、供應商與人才池。一旦發生供應衝擊或政策轉向，振幅就會放大。
還有較為柔性的脆弱性。當公司通過縮編來精簡默會知識時，他們用自動化工作流程與提示庫替代資深操作人員。這在短期內可行，直到不可行為止。模型漂移、邊緣案例中的細微幻覺，以及關於訓練數據的法律模糊性，是慢變數；在壓力下它們會變成快變數。公眾情緒已經注意到這個缺口。懷疑論者認為，當代大型模型偏重重組而非創造，更擅長混搭而非發明。即便這只部分為真，也意味著以內容、後端流程或基礎分析為護城河的企業將被侵蝕。每名員工的營收可以上升，而每名客戶的營收下降，估值倍數不喜歡這種算術。
投資人與高層也應預期併購會加速市場縮減。如果 AI 使整合與成本裁減更可預測，私募股權與戰略買家會有更強的動機去購買、合理化並退市。公開名錄變薄。剩下的公司更大、更有效率，也更暴露於共同風險。這不是危機情景，只是激勵與技術擴散的機械性結果。
正確的框架不是樂觀對抗悲觀，而是脆弱對抗反脆弱。誰從波動中獲益，誰需要恆定的順風才能存活。具有可變成本結構、定價能力與實際選擇權的企業，往往能從一場去通膨的技術衝擊中受益。那些擁有高固定成本並在開放模型上競爭的企業則會流血。鏟子與鏟工邏輯仍然適用，但不是懶惰版。瓶頸在於能源、發電設備、電網軟體，以及使 AI 足夠安全以實現規模化的驗證與安全層。還有選擇權存在於那些能把 AI 轉化為更低營運資本與更好循環時間的公司，而不把資產負債表押在擁有模型堆疊上。
對於投組建構，假設可投資的宇宙會縮小，且結果的差異會擴大。指數集中會增加表面風險與流動性風險。敘事週期將會劇烈。基本比率顯示許多公司會採用 AI，而只有少數能在規模上從中獲利。這與過去通用技術浪潮看到的模式相同。市場最終會重新評價那些生產力的贏家，但在清除長尾之前不會如此。上市公司數量下降 20% 並非異常值，而是冪律轉換的中位數。
悖論依舊。AI 會創造豐饒，但首先會消除冗餘。這是系統變得更精簡、且在一段時間內更脆弱的方式。投資人應偏好資產負債表勝過天花亂墜、現金流勝過承諾、選擇權勝過純粹性。紀律很簡單：顛倒故事來看。不問 AI 能增加什麼，而問它會拿走什麼。然後衡量當支架消失後，企業是否仍能屹立。
