AI浪潮之后，如何为人生下一个正确的赌注｜量子计算、核聚变、生成式AI，赌哪个？
上周和一个被裁员的朋友吃饭。
35岁，后端，房贷还有二十年。他把杯子往桌上一放："现在这环境，是不是躺平等周期过去算了？"
我没直接回答，反问了他一句："你知道微软是哪年成立的吗？"
1975年——美国二战后最严重的大滞胀，失业率逼近9%，通胀两位数。苹果呢？1976年，同一片泥潭里的一间车库。Airbnb和Uber呢？2008年，雷曼刚倒，全世界都在裁员。
这事我自己也有过一次判断。
2013年前后我在做 Java 后端，看着身边同事一个个跳去做 App。当时我犹豫了半年——觉得移动端是花架子，服务端才是硬功夫。结果那半年就是最好的窗口，等我2015年反应过来，一线大厂的移动端岗位早就卷成了红海。
那次的教训是：我不是判断错了技术，我是判断错了时间。
所以2023年大模型起来的时候，我几乎没犹豫就转了方向。这一次，我想先把逻辑搞清楚——凭什么这么赌？
于是我把近200年5次技术革命翻了一遍，把每轮周期里赌对的人、赌错的人，全串到一条时间线上。中间遇到最麻烦的问题不是找资料，是资料互相矛盾——同一场技术革命，不同文献给的起止年份能差二十年。
磨了很久，最后拉出来的结论，颠覆了我原本的一个直觉：
不用懊恼经济大环境差，个体命运可以与宏观无关。悲观时期不是躺平的信号，是转向的信号。
一个冷知识：经济200年持续增长，靠的从来不是"大环境"
先说一个打破认知的事实。
公元1000年到1800年，整整800年，全球人均GDP几乎没动过。一个宋朝农民和一个工业革命前的英国农民，生活水平没有本质区别。这就是马尔萨斯陷阱——人口增长吃掉所有技术结余。
然后1800年之后，曲线突然垂直起飞。
800年纹丝不动，200年爆发增长。中间发生了什么？答案只有一个变量：技术革命。
蒸汽机、铁路、电力、汽车、半导体、计算机、互联网——每一波都把生产率往上抬一个数量级。经济增长的本质不是政策、不是放水，是技术范式的更替。
所以"大环境差"这个说法，本身就有问题。宏观好坏是周期的表，技术更替才是周期的里。
康波周期：1924年的一篇论文，说透了周期
1924年，苏联经济学家康德拉季耶夫发表《长波经济周期》，提出一个大胆假设：资本主义经济存在50-60年的长周期，每一轮都由一轮基础技术革命驱动。
后来熊彼特把它完善成"创造性破坏"理论，周金涛把它翻译成中文圈最火的那句话：
"人生发财靠康波。"
这话被引用太多次，反而失了警惕。我把原文翻完，第一感觉是：这理论的硬伤不小。
样本只有4-5个周期——用做技术的话说，这个数据量拿去拟合任何曲线都不显著。而且时间点是事后划的，属于典型的过拟合。真拿它预测下一个拐点，误差能到十年以上。
那为什么还讲它？因为它作为解释框架好用，作为预测工具不好用。这两件事得分开看。
真正让这套框架落地的是佩蕾丝（Carlota Perez）在《技术革命与金融资本》里的细化：
每一轮技术革命都分两段：
安装期：新技术爆发，金融资本疯狂涌入，基础设施过度建设，然后泡沫破裂（上半场，约20-30年）
部署期：泡沫出清，生产资本进场，技术红利扩散到全社会（下半场，黄金20-30年）
两段之间有一个转折点：萧条、洗牌、所有人都在骂"技术泡沫"。
而转折点的另一侧，恰恰是黄金时代的入口。
5次技术革命复盘：聪明人都是怎么赌的
这是全文最重的部分。每一轮革命，我都挑了当时赌对方向的人。
第1次：机械（1770s-1830s）
珍妮纺纱机、瓦特蒸汽机，纺纱效率提升上百倍。
最先跳脚的是手摇纺织工。1811年卢德运动，工人冲进工厂砸机器，理由是"机器抢了饭碗"。英国政府派军队镇压，几十人被判流放和死刑。
砸机器的人输了，学机器的人赢了。当时英国冒出一个新职业：机械师。原本修水车、造钟表的匠人，转行去造蒸汽机，成了第一代"技术中产"。
注意这两拨人的区别：纺织工的技能是手感，机器一来直接归零；铜铁匠的技能是对机械结构的理解，换个动力源照样能用。
这个区别到今天一模一样。只会按模板写 CRUD 的，和真懂系统边界、数据流、故障传播的，在 AI 面前的命运完全不同。
规律第一次显现：技术摧毁的岗位和创造的岗位，从来都不是同一批人接住。
第2次：铁路（1830s-1870s）
1840年代英国铁路狂热（Railway Mania）：议会几年批了上千家铁路公司，民众排队认购铁路股票。1847年泡沫破裂，大批公司倒闭，无数人血本无归。
骂声一片："铁路就是个骗局。"
但泡沫留下的东西是真的：几万公里的铁轨、隧道、车站。运输成本暴跌，煤炭、钢铁、邮政、旅游全部被激活——下半场的黄金时代来了。
最狠的赌注来自大西洋对岸。范德比尔特，美国航运大亨，70岁那年把船全卖了，All in铁路。所有人都觉得他疯了。十年后，他成了美国首富。
泡沫期被骂"骗局"的东西，往往就是下一个时代的地基。
第3次：电气与汽车（1880s-1930s）
爱迪生点亮灯泡，福特1908年推出T型车，把汽车从富人玩具干到260美元一辆。
然后呢？1929年大萧条，美国GDP缩水近三分之一，失业率25%。
但就在大萧条的十年里：美国家庭收音机拥有率从不到40%涨到超过80%；杜邦1935年发明尼龙；帝国大厦（1931）、胡佛水坝（1936）全部在这十年落成。通用电气、IBM 的老底子，都是那时候打下的。
萧条没有杀死新技术，只是杀死了落后产能和加杠杆的投机者。
第4次：半导体与计算机（1950s-1990s）
1957年，八个年轻人集体离开诺贝尔奖得主肖克利的公司——因为这位发明晶体管的大神，是公认的管理灾难。这"八叛徒"创立了仙童半导体，后来又裂变出英特尔、AMD，以及整个硅谷的风险投资体系。
这里有个很多人忽略的细节：他们赌的不是"半导体会火"，而是赌一个具体的技术路线——硅，而肖克利坚持锗。选对赛道不够，路线选错一样归零。
再往后，1973年石油危机，大滞胀来了。报纸头条全是"美国完了"。
同一段时间发生了什么？
1975年，盖茨从哈佛退学，创立微软。次年，乔布斯和沃兹在车库装出英特尔 8080 驱动的苹果I。
两人都不是去造芯片的，而是接在上一个周期留下的基础设施上往上做一层。这个动作很关键。
美国战后最差的经济十年，孵化了后来市值最高的两家公司。
第5次：互联网与移动互联网（1990s-2020s）
1995年网景上市，互联网狂热开始。1999年，全球疯了一样铺光纤。2000年纳斯达克崩盘，最多跌了78%，亚马逊股价从107美元跌到7美元。
"互联网是泡沫"的说法甚嚣尘上。
但泡沫留下的遗产是真的：铺满海底和地下的暗光纤，带宽成本跌到接近零。谷歌1998年成立，泡沫破裂后反而吃下整个搜索市场；2004年Facebook诞生；2008年金融危机最惨的时候，Airbnb、Uber、WhatsApp前后脚创立——创始人的共同点是：雇得起便宜工程师，竞争对手死光了。
中国这边，剧本一模一样。2010年美团，2012年字节、滴滴——全部诞生在移动互联网刚起量、人人喊"寒冬"的时候。
200年，5次革命，一张表和3条规律
把5次革命并排看，规律清晰得有点残忍：
第一条最反直觉：狂热期过度建设的基础设施，会在萧条期被白菜价留给后来者。
铁轨、光纤、数据中心，剧本一次没变过。泡沫炸死的是加了杠杆的投机者，物理资产还在那儿——只是价格归零了。GPU 现在的租赁价格已经开始松动，这个信号值得盯。
第二条听起来像鸡汤，但拆开看全是成本账：人才便宜、房租便宜、对手死光、用户对新东西的容忍度反而更高。真正的门槛出现在繁荣期——那时候你抢一个算法工程师要付两倍薪水，还抢不到。
第三条才是跟个人最相关的。窗口不是"技术出现的那一年"，是技术被验证、旧秩序还没重排完的那5到10年。
往前一步是先烈：1995年做电商的、2016年做智能音箱的，方向都对，死在了时间上。往后一步是喝汤：2018年再进团购，你只能做代运营。
我2013年那次犯的就是第一类错误的镜像版——不是判断错技术，是没意识到窗口只有一年半。这种误差在简历上会跟你很久。
我们面前的机会：量子计算、核聚变、生成式AI，赌哪个
最后一部分，用这3条规律给眼前的三个热门方向去伪存真。
量子计算——类比：1950年代的半导体。
谷歌Willow芯片证明了纠错可行，IBM的路线图排到了2033年。但注意：基础设施都没建完，可纠错的逻辑量子比特离实用还差几个数量级。这是物理学家和顶级实验室的赌注，不是普通工程师的。结论：跟踪，不赌。
核聚变——类比：1930年代的核能。
"永远还有30年"的梗讲了几十年，但这次有变化：NIF实现了净能量增益，高温超导磁体突破，私人资本真金白银进场，微软甚至和Helion签了购电协议。方向是真的，时间是谜。结论：值得关注，但押注它需要的不只是钱，是耐心。
生成式AI——类比：1840年代的铁路 + 1999年的光纤。
看数据：2024年全球四家头部云厂商的资本开支加起来超过2000亿美元，一大半进了 AI 算力；OpenAI 在2018年的《AI and Compute》里测算过，头部模型训练算力每3-4个月翻一倍——这与铁路狂热、1999年全球抢铺光纤，是同一个剧本。
没错，AI 的资本开支泡沫未来两三年大概率会破一次。但按第一条规律，泡沫破裂之后，算力基础设施会白菜价留下——就像当年的铁轨和光纤。
然后进入部署期：AI应用、Agent工程化、行业落地。这是2026到2035年的黄金十年，是普通工程师这辈子能赶上的、确定性最高的一个窗口。
结论：赌这个。而且最好的下注时间，就是人人喊"寒冬"的现在。
下注不是买彩票：工程师可以马上做的四件事
说到这里，很多人的反应是：道理都对，具体干什么？
把前面三条规律翻译成工程师能落地的动作，就四件。
第一件：把能力拆成"会归零的"和"能迁移的"，各占多少。
拿纸笔列你过去三年干的活，按两栏分：一栏是能被模型直接吃掉的（写 CRUD、拼接口、改样式、写单测），一栏是模型短期吃不掉的（定技术方案、拆系统边界、定位线上故障、把模糊需求变成可交付的拆解）。
第一栏超过七成，你就是200年前那个靠手感吃饭的纺织工。
第二件：把一个真实业务搬到 Agent 上，跑通一次。
不是看教程，不是拿开源项目跑 demo。找你公司里一个真正恶心的重复劳动——工单分类、日志归因、合同抽字段都行，把它做成一个有人真用的 Agent。
你会很快发现，demo 到可用之间差的不是模型能力，是评估集、失败重试、权限隔离、成本控制这些脏活。而这些脏活，恰好就是接下来五年最缺人的岗位。
第三件：往下打一层，而不是往旁边横移。
盖茨和乔布斯当年那个动作的本质，是接在上一个周期留下的基础设施（便宜的芯片）上往上做一层。换到今天，基础设施是便宜的 token 和开源模型。
你要做的不是去跟预训练拼——那是资本密集型赌局，不是你的。你要做的是在它上面接一层具体行业：你比模型厂商更懂的那个行业。
第四件：把下注周期设成18个月，不是3个月。
转型最常见的死法不是方向错，是三个月没看到回报就跳回去。下一个部署期要跑十年，你计划三个月内证明自己，这个时间尺度本身就错了。
去伪存真：四个听起来很像机会的坑
周期到了转折点，伪机会会比真机会多很多。四个最容易让工程师掏钱掏时间的：
坑1：没有真实业务场景的"AI 新技术栈班"。
一套课包括提示工程、一个开源框架、三个 demo，学完一行生产代码没写过。回头看当年那批机械师：他们不是听课听会造蒸汽机的，是先修了十年水车和钟表。
坑2：把工具熟练当成护城河。
能把某个 Agent 框架的 API 背下来，不是能力。框架一年换三代，能迁移的是你对上下文管理、任务拆解、失败恢复的理解。
坑3：追每一个热点。
今天 MCP，明天多模态，后天具身智能。八叛徒当年只赌了一个路线：硅。广撒网在技术周期里等于没下注。
坑4：等"彻底看清楚"再动。
这是我自己2013年那半年干的事。周期从不会发公告，等你看清楚了，它已经在部署期中期了。
200年前，砸机器的纺织工人不会想到，赢家是学修蒸汽机的同行。
25年前，嘲笑"互联网是泡沫"的人不会想到，亚马逊股价跌掉95%之后，还能涨几百倍。
每一轮周期都在重复同一件事：宏观是背景音，范式才是主战场。
微软诞生在大滞胀，苹果诞生在车库，Airbnb诞生在金融危机——好日子从来不是等来的，是在别人悲观的时候下注赢来的。
我专门找了程序员可以快速入门的关于量子计算的书，推荐下面2本：
你现在站在哪里？如果手上有牌，你打算怎么打？评论区聊聊。
觉得这篇有点用，转给那个正在纠结要不要"躺平等周期"的朋友。
举报/反馈
对本文内容有合作意向？
我们将在 1 个工作日内与您联系