这几年，AI无疑是科技圈最火的概念，大模型、AIGC（生成式AI）、具身智能，故事一个比一个精彩。但如果我们翻一下财报，却发现一个扎心的事实：很多AI公司还在烧钱，而卖存储设备（硬盘、闪存、云存储服务）的公司却赚得盆满钵满。
英伟达当然是个例外，但它卖的是AI的“铲子”而非AI应用本身。至于普通的AI初创或通用大模型公司，赚钱能力往往不如西南某省一个做企业级硬盘代理的小老板。这是为什么？原因主要有四点。
一、商业模式：卖“铲子”的人旱涝保收，淘金者生死未卜
在任何一个新兴技术浪潮中，最先且最确定赚钱的，永远是提供基础设施的一方。就像19世纪淘金热，真正发财的不是淘金客，而是向他们卖铲子、卖牛仔裤和卖水的商人。在AI领域，英伟达、三星（存储芯片）、西部数据和希捷（硬盘）、亚马逊AWS以及微软Azure（云存储与算力）就是那个“卖铲子的”。他们提供的是标准化的、可量化的、按需付费的商品。
而AI公司提供的往往是“解决方案”或“服务”——这东西抽象、昂贵、效果不确定，客户在掏钱时充满了犹豫。企业老板会想：“我买100TB的硬盘，我知道它能干什么；但我买个AI客服一年要花50万，它能给我省下两个人工还是三个？万一效果不好呢？”
二、AI行业面临严重的“技术诅咒”
AI技术的进步速度极快，这恰恰是它商业化的大敌。
1. 产品生命周期极短：今天训练一个模型花了1个亿，三个月后有了更好的新架构，旧模型直接过时。而存储技术成熟稳定，一块企业级SSD可以卖5年。
2. 开源模型的“诅咒”：Meta开源了Llama系列，阿里开源了Qwen系列，微软开源了Phi系列……全世界无数开发者可以免费获取世界顶尖的模型权重。这在推动技术民主化的同时，也彻底摧毁了AI公司的定价权——既然我能自己部署一个免费的Llama3.1，为什么还要花大价钱买你的？
相比之下，存储设备的核心技术（磁盘结构、NAND闪存工艺、控制器芯片）掌握在极少数巨头手中，专利壁垒极高，而且绝不开源。这种“高护城河”结构保证了它们的定价权和利润率。
三、被严重低估的“价格战”起点不同
很多人觉得AI是蓝海，存储是红海。但AI蓝海下的竞争，是烧钱式军备竞赛。
- AI模型：训练一个大模型，需要数千甚至上万张顶级GPU，加上电费、冷却成本、数据标注费用。一次训练成本动辄数千万美元。而且这种竞争没有终点——你训练了1000亿参数，对手就训练2000亿；你的上下文是1万token，别人是10万token。
- 存储设备：虽然也是资本密集型，但工艺成熟后，边际成本急剧下降。一块硬盘一旦研发定型，后续的生产成本（原材料+流水线）几乎固定，卖得越多，摊薄研发成本越低。
所以，存储巨头的利润率可以长期稳定在15%-25%；而AI公司的毛利率或许很高，但由于极高的研发与算力投入，净利率常常是负数。
四、客户的“付费意愿”存在巨大差异
企业采购的决策逻辑是：我能看到确定的投入产出比，我才愿意花钱。
- 存储：买硬盘或云存储是“确定性消费”。我知道1TB能存多少数据，它能稳定工作3-5年。采购预算清晰，采购流程成熟。这是一笔可预期的成本。
- AI：采购AI服务是“探索性消费”。我需要把它接入现有系统、需要改变我的业务流程、需要培训员工使用、甚至需要承担“它可能输出错误结果”的风险。对于大多数传统企业（如制造业、零售业），这笔钱花得“心里没底”。
总结一下：
|维度 | AI公司 |存储公司 |
|------|--------|----------|
| 技术成熟度 |极新技术，迭代快，不确定性强 |成熟技术，稳定可靠 |
| 商业模式 |服务/解决方案，难标准化 |硬件/基础设施，标准化，按量付费 |
| 竞争壁垒*|开源冲击大，护城河浅 |专利壁垒、工艺壁垒，护城河深 |
| 客户心理|尝试性采购，预算弹性大 |刚需采购，预算刚性 |
| 盈利能力 |高研发投入，负利润常见 |稳定利润，现金流充沛 |
这并不是说AI没有未来。相反，AI的技术价值和社会价值远高于存储。但从商业赚钱这个角度讲，卖存储的恰好站上了一个“稳赚不赔、雪球越滚越大”的赛道，而做AI的则是在一个“高投入、高风险、强竞争”的赛道里寻找黄金。
卖铲子永远不是最荣耀的，但往往是活得最久的。
评论区告诉我：你更看好AI应用的前景，还是更看好存储这类底层硬件的前景？
全部评论