AI创业的第一性原理误区

过去两年，“第一性原理”从一种少数创新者使用的思维工具，变成了AI路演PPT里的高频词。它原本要求人们把问题拆解到不可还原的基础真理，再在坚实基础上重建；马斯克用火箭原材料成本只占整箭价格约2%的例子，证明了质疑行业惯例的力量。但到了AI创业现场，这套方法常被简化成一句口号：只信底层技术，否定类比经验，把所有问题都还原成GPU、参数、Token和数据。

问题在于，AI创业不是造火箭。火箭的“第一性”可以是航空级铝合金、钛、铜和碳纤维；AI公司的“第一性”却往往不是某一个物理量，而是用户信任、组织协作、监管边界、渠道入口和社会成本。把复杂商业系统当成物理系统来拆，拆得越干净，越容易漏掉真正决定生死的东西。

马斯克把火箭拆成铝钛铜，AI创业者却只拆出GPU

第一性原理的本意并不神秘。它要求区分“基础真理”和“行业假设”，通过解构与重建，找到那些不能再被拆解的支点。SpaceX的经典案例之所以成立，是因为火箭成本确实可以还原到材料市场和制造流程：原材料只占传统火箭价格的一小部分，真正昂贵的是低效的供应链、一次性使用模式和层层叠加的行业惯例。

但一些AI创业者把这套逻辑用歪了。他们不再问“用户为什么需要这个产品”，而是问“模型还能不能再大”；不再拆解获客成本、合规成本和信任成本，而是把商业计划拆成“算力—模型—数据—场景”四件套。于是，第一性原理从质疑假设的工具，变成了给技术投入背书的口号。

这种误读通常有三个动作：

• 把AI产品还原成模型能力，默认“能力越强，市场越大”；
• 把行业经验当成“类比推理的偏见”，却把创始人的技术直觉当成公理；
• 把社会成本、组织摩擦和监管约束当成“外部性”，留到融资之后再说。

第一性原理思维本身并不便宜。它耗时、耗脑力，也并不适合每一个日常决策。资料里说得很清楚：对于复杂、重要、现有方案不足的问题，它才真正发挥力量；对于常规问题，类比推理和习惯往往更有效。AI创业者如果把每个决策都上升为“物理级第一性”，很容易陷入一种昂贵的自我感动。

算力账本算不出数据中心的邻居和选票

AI创业最典型的物理学崇拜，是把算力当成新时代的航空铝合金。只要把成本拆到芯片、机架、电力和冷却，就能推导出“算力需求无限增长、数据中心必须持续扩张”的结论。可现实中的数据中心不是真空中的球形鸡。它要面对土地、电网、水资源、社区抗议、出口管制和国会听证。

资料中有一个很尖锐的判断：AI产业越做越大，企业家在美国政治中的处境反而越来越微妙，裹挟民意的政治博弈正在成为左右AI产业走向最难预测的变量。当AI创造的财富越来越集中，就业、能源等社会成本却可能由更多普通人承担，这种利益失衡会转化为选票，再转化为对科技巨头的审查压力。商业竞争有输赢，政治博弈却可能改变游戏规则。

这就是第一性原理在AI投资上的盲区。它可以算出单位Token成本下降曲线，却算不出：

• 美国拟扩大AI芯片出口管制后，海外数据中心获取算力要增加多少合规成本；
• 数据中心选址引发的社区反对，会让项目延迟几个季度；
• 当英伟达的接班问题、出口政策与中期选举被放进同一张风险清单，估值倍数会不会先于EPS被压缩；
• 当“泡沫论”再起、机器人一夜入冬，资本市场还愿不愿意为十年后的物理定律买单。

物理学定律不会因为华盛顿的听证会改变，但AI公司的现金流会。把政治长尾风险当成“噪声”，恰恰是物理学崇拜最危险的地方：它让创业者以为只要技术曲线够陡，所有社会摩擦都会被碾平。

黄仁勋的桃色风波给物理学崇拜上了一课

资料中，英伟达的故事被写成一个典型样本：黄仁勋因桃色风波和董事会调查离任，财务长克雷斯出任临时CEO，全球AI相关股票震荡，AMD和博通逆势上涨。且不论这场叙事最终如何落地，它暴露的问题很直接：一家AI巨头可以拥有极强的技术护城河、持续增长的EPS和97%的员工支持率，却仍然可能被一场信任危机、一次政治站队或一个接班难题打乱节奏。

第一性原理能拆解GPU架构，却拆解不了“华盛顿的信任”。黄仁勋过去几年试图用商业影响力在中美科技竞争中争取空间，反复强调限制出口不会阻止中国发展AI，反而可能加速替代生态。但资料里的判断是，当一家科技公司的产品被上升到国家战略资产的高度，它所能获得的商业自由就不再完全由市场决定。有些事不上秤没有四两重，可要上了秤，一千斤都打不住。

这对AI创业者的提醒是：不要把“技术第一性”误当成“公司第一性”。公司是一个由人、信任、合同、监管和预期编织的系统。创始人风险、员工士气、董事会治理、政府关系，都不是可以从物理上还原的“原子”，却能在关键时刻决定公司能不能继续