AI产业演化的时间尺度：所处阶段与未来节奏

人工智能领域每天都有新的动态：模型发布、性能突破、融资新闻、用户增长、排行榜更迭……信息密度与速度远超以往任何一次技术变革。面对如此密集的变革信号，企业决策者很容易陷入两种极端反应：要么焦虑地追问“我是不是落后了”，要么冲动地判断“格局已经定了”。这两种反应背后，其实指向同一个核心问题——AI 这个产业，目前到底处于什么阶段？ 要回答这个问题，不能仅凭感性直觉或流行说法，而需要一套严谨、科学的分析框架。以下内容将引入两位产业创新研究领域的权威学者——James Utterback（麻省理工学院）与Steven Klepper（卡内基梅隆大学）——分别用几十年时间、基于多个产业完整历史数据构建的分析工具，并结合哈佛商学院教授Karim Lakhani的最新研究，尝试对AI产业阶段进行系统性判断。

对 AI 发展的直观或抽象判断可能难以有效指导决策

打开手机，关于 AI 的动态几乎每天扑面而来：某模型刚刚发布，性能又一次超越；某公司拿下新的融资，估值再创新高；某平台的用户数突破新纪录；某排行榜上，昨天的领跑者今天已经被反超。信息密度和速度，都远超以往任何一次技术变革。

走进 7月刚落幕的 WAIC 大会，这种感受也在持续。会场里满是不断刷新的数据、不断超越的性能、不断更新的技术参数和产品形态；从前沿实验室、大厂、创业公司，到传统行业玩家、终端厂商、科研机构，越来越多不同类型的企业都在密集入场，嵌入到这场庞大的技术产业革命当中。

信息如此密集、参与者如此众多，会自然带来两种容易出现的反应。

• 焦虑
  ——我是不是落后了？我的公司是不是正在错过什么？如果这周不动手，是不是下周就来不及了？

• 判断冲动
  ——谁已经赢了？谁已经出局？这个产业的格局是不是已经差不多定了？

两种反应背后其实是同一个问题：AI 这个产业，目前到底处于什么阶段？ 我们又如何理性地做出这个判断？

当下也有一些流行说法——比如"AI 已经进入了某个新阶段"。基于各自视角这些判断都有其合理性和依据。但对于要做严谨战略判断和决策的企业决策者来说，有更基本的问题可能需要先回答清楚——我们凭什么判断上一个阶段已经结束？凭什么确定 AI 已经进入某个新阶段？具体特征是什么？内在有什么规律？完整的周期又分为哪些阶段？这些问题需要一套更严密、科学的分析框架才能得出更可靠的判断——这正是当下 AI 变革中很容易被忽视、代价也可能很大的一个问题。因为对产业阶段的错误判断，会直接影响资源投入的方向、节奏和优先级——认错了阶段，所有的动作都可能偏离。

两个经典的产业演化分析工具（Utterback + Klepper）

在当下的 AI 讨论中，已经有不少学者开始对产业所处阶段进行分析和判断。其中，哈佛商学院教授Karim Lakhani 2026 年 3 月在其个人 Substack 发表的长文《From Ferment to Dominant Design》就是较有代表性的一次尝试。他借用两位在产业创新研究领域享有极高声誉的学者——James Utterback （麻省理工学院） 与Steven Klepper （卡内基梅隆大学） ——各自用几十年时间、基于多个产业的完整历史数据构建起来的分析工具，对 AI 大模型竞争做了阶段判断，并提出了几个原创观察。

• James Utterback 的框架
  ：聚焦于产业创新中的“主导设计”概念，将产业演化划分为流动期、过渡期和成熟期。在流动期，技术路径多样，竞争激烈；过渡期出现主导设计，市场开始整合；成熟期则进入标准化和规模竞争。

• Steven Klepper 的框架
  ：侧重企业进入、退出和产业演化的动态规律，通过分析企业数量变化、创新类型等指标，揭示产业不同阶段的典型特征。

Karim Lakhani 将这两个工具合并使用，形成了一套更全面的分析框架。他的核心结论是：AI 目前处于晚期流动期，主导设计尚未确立；产业秩序应该被视为一个待定的问题，而不是一个已给出的结论。

用合并框架分析：当前 AI 产业处于什么阶段？

基于Utterback和Klepper的合并框架，Karim Lakhani 对AI大模型竞争做了阶段判断。他指出，当前AI产业处于晚期流动期。这一阶段的核心特征包括：

• 技术路径尚未收敛，多个模型架构（如Transformer变体、扩散模型、混合架构等）共存竞争。
• 企业进入速度仍然很快，但已经开始出现部分退出和整合迹象。
• 用户和开发者对“什么才是最佳方案”尚无共识，市场仍在试验。
• 主导设计尚未确立，这意味着产业格局远未定型。

Karim Lakhani的结论与本文方向一致，也是笔者在整理这套框架时吸收的重要观点源之一。他强调：产业秩序应该被视为一个待定的问题，而不是一个已给出的结论。 这意味着，对于决策者而言，现在下结论“谁将胜出”“格局已定”都为时过早。

一个必须追问的新问题：未来节奏如何？

知道当前阶段是“晚期流动期”还不够，决策者还需要追问：未来节奏如何？ 即，主导设计何时可能出现？从流动期到过渡期再到成熟期，每个阶段的时间跨度是多少？这一问题的答案，直接决定了企业战略的时间窗口和资源投入节奏。

历史上，不同产业的演化节奏差异巨大。例如，汽车产业从诞生到主导设计出现经历了数十年，而个人电脑产业仅用了不到十年。AI产业受数字技术快速迭代、网络效应、资本密度等因素影响，其节奏可能更快，但具体坐标仍需通过历史类比和趋势推演来明确。

AI 产业演化的时间尺度：从制造业时代到数字时代

过去，产业演化分析工具多基于制造业时代的数据，如汽车、钢铁、化工等，这些产业的演化周期通常长达数十年。而AI产业属于数字时代，其演化速度显著加快。原因包括：

• 数字产品的复制成本几乎为零，市场扩张速度更快。
• 网络效应和平台效应加速了用户和开发者的聚集。
• 资本和人才高度集中，推动技术迭代周期缩短。
• 开源生态和社区协作降低了创新门槛。

因此，AI产业从流动期到主导设计出现的时间，可能比制造业时代短得多，但仍需警惕“历史类比”的偏差——数字时代也存在“假性成熟”现象，即市场看似稳定，但新的技术范式又可能打破格局。

AI 变革的具体时间坐标（推演）

结合历史产业演化规律和数字时代特征，可以对AI变革的时间坐标做初步推演：

• 2023-2025年（早期流动期）
  ：大模型技术爆发，多种架构涌现，企业大量进入，市场极度分散。

• 2025-2027年（晚期流动期）
  ：技术路径开始收敛，但主导设计尚未出现；部分企业退出，并购开始活跃。

• 2027-2029年（过渡期）
  ：可能出现主导设计，市场格局初定，头部企业地位巩固。

• 2030年以后（成熟期）
  ：产业进入标准化阶段，竞争转向成本、渠道和生态。

需要注意的是，以上推演基于当前趋势，实际节奏可能因技术突破、政策干预或突发事件而改变。决策者应持续跟踪这些指标，而非依赖单一预测。

用最新趋势反向验证

任何分析框架都需要接受现实数据的检验。当前AI产业的最新趋势，可以从多个角度反向验证“晚期流动期”的判断：

• 企业进入与退出
  ：尽管新企业仍在出现，但已有部分明星创业公司被收购或关闭，符合晚期流动期特征。

• 技术多样性
  ：Transformer仍是主流，但Mamba、RWKV等替代架构逐渐获得关注，表明技术路径尚未统一。

• 资本集中度
  ：巨额融资集中在少数头部企业，但大量中小团队仍在探索垂直场景，市场分散度仍高。

• 用户行为
  ：用户频繁切换模型，没有形成对某一特定平台的长期依赖，说明主导设计未达。

这些趋势与Karim Lakhani的判断一致，也为“产业秩序待定”提供了现实支撑。决策者应持续关注这些指标的变化，以调整对产业阶段的认知。

通过Utterback和Klepper的经典分析工具，结合Karim Lakhani的最新研究，我们可以更理性地判断：AI产业目前处于晚期流动期，主导设计尚未确立，产业秩序仍是一个待定的问题。对于决策者而言，认识到这一点，比急于下结论更重要。因为认错了阶段，所有的动作都可能偏离。未来，随着时间坐标的推移和最新趋势的验证，这一判断可能需要不断修正。但至少，我们有了一个科学、严密的起点，来应对这场前所未有的技术变革。