没有人控制的那一层，正是所有人都将需要的那一层
有一种模式反复出现，其一致性已足以令人认真对待：技术并不在显而易见之处集中，而是在其所依托的底层集中。社交网络集中于分发，而非内容本身。云计算集中于基础设施，而非应用程序。人工智能正在遵循同样的几何逻辑，但这一次，控制点比以往任何一个周期都低了整整一个层级。
2026年5月，曾有Snap从业经验的创业者大卫·利伯曼（David Liberman）与达尼尔·利伯曼（Daniil Liberman）兄弟在《财富》杂志上发表了一篇值得关注的文章——其价值在于它所描述的结构性问题，而非作者本身的身份背景。他们的论点精准而清晰：在人工智能领域，谁控制算力，谁就控制访问权；而谁控制访问权，谁就决定了哪些主体在这套经济体系中甚至有资格存在。 这不是一个比喻。这是对当今市场运作方式的操作性描述。
他们所引用的数据，是这一论点的分量所在。英伟达（NVIDIA）占据数据中心GPU市场85%的份额。亚马逊、微软和谷歌控制着全球63%的云计算容量。美国管理着全球约75%的人工智能高性能算力。中国保有约15%。世界其余地区共享剩余的10%。
这描述的不是一个竞争性市场。这描述的是一套披着市场外衣的地缘政治基础设施。
Snap失败的那一刻——尽管产品并未失败
文章中对Snap 2018年那段经历的援引，并非出于怀旧情绪，而是整篇文章的分析锚点。作者们当时正在圣塔莫尼卡（Santa Monica）审查日活跃用户数据，眼看着这款在某些维度上技术上更为出色的产品，无法在Instagram面前维持增长势头。Meta的胜出并非因为拥有更好的设计，而是因为它控制着设计之下的那一层：社交图谱、分发渠道、已经成型的用户受众。Snap是在沙地上建造的，而那片地基早已被Meta夯实。
这段经历之所以作为组织诊断工具具有重要意义，在于它揭示了衡量指标何时会停止反映人们以为它们在衡量的东西。Snap的问题不在于用户留存率。问题在于对分发渠道的访问权限。但如果控制台只测量留存率，管理团队就可能在真正读懂局势时已为时过晚。
在人工智能领域，等价的困境更为严峻。一个团队构建的语言模型，可能拥有更优秀的架构、更高质量的数据、更出色的工程师。但如果他们无法以可承受的价格获得高性能GPU，如果他们依赖超大规模云服务商的合同，而这些服务商可以在没有任何预警的情况下更改费率或访问政策，那么他们的技术优势就无法转化为竞争优势。他们所无法掌控的那一层，会在他们有机会证明自己之前就将其抵消掉。
这正是利伯曼兄弟所描述的现实：人工智能服务商已在用户强烈反对的情况下撤销了广受欢迎的模型，在没有任何警告的情况下限制了对API的访问，并在没有任何独立机构可以审计的政策框架下调整了开发者的使用权限。这不是道德批判，而是对结构性依赖在基础设施集中者决定改变条件时如何运作的描述。
为何这种集中在性质上有所不同
2012年，Meta以十亿美元收购Instagram，市场意识到社交分发层正在走向整合。当亚马逊云服务（AWS）成长为亚马逊最主要的利润来源时，市场意识到云计算将集中于少数玩家之手。在这两种情况下，集中化从应用层便清晰可见。用户、开发者和监管机构都能看见它，因为他们能直接感受到它的影响。
而文章所描述的人工智能集中化，在一个关键维度上有所不同：集中化发生在大多数市场参与者并未严格监测的那一层。模型是可见的，聊天机器人是可见的，用户所使用的人工智能产品是可见的。但GPU、数据中心、高性能芯片的供应合同，以及优先获取算力的协议，这些都是可见事物背后的基础设施，而真正的集中化正是在那里形成的。
作者所援引的比特币与以太坊的类比，从一个与他们所强调的角度略有不同的视角来看颇为有趣。这不仅仅是去中心化协议在银行业之下构建了一个新层级的问题。更在于它们之所以这样做，是因为现有的金融架构存在种种摩擦和控制节点，这些问题无法从内部解决。对于人工智能基础设施而言，真正相关的问题不是Gonka或任何其他去中心化项目能否取代AWS或Azure，而是市场的激励结构是否足以在集中化变得不可逆之前催生出切实可行的替代方案。
基础设施市场的历史证据表明，这个窗口期是狭窄的。一旦超大规模服务商达到某些已安装容量的门槛，规模经济效应和转换成本就会使这一结构自我延续——不是因为改变不合法，而是因为对大多数参与者来说，转换的运营成本超过了收益。
这揭示了长期押注的设计方式——或其缺失
文章中有一个维度没有得到充分展开，但在分析上颇具价值：算力集中的问题不仅仅是公共政策或市场权力的问题，也是关于组织如何在当下有效的事务与明日潜在威胁之间分配注意力的问题。
过去五年里，与超大规模服务商建立深度依赖关系的企业，遵循的是一套合理的逻辑：在云端扩展的边际成本，低于自建基础设施的成本，而进入市场的速度也证明了这种依赖是合理的。这是利用当下有效之物的逻辑。问题在于，同样的逻辑若无相应的制衡便加以运用，会催生出一批在触达封锁点时毫无预见的组织。
利伯曼兄弟在算力市场中识别出的模式，与那些过度开发其核心模式、后来才发现脚下的地基早已移位的组织所呈现的模式完全相同。在他们的叙述中，Snap的失败并非因为它停止了产品创新，而是因为它对分发层的依赖性缺乏结构性应对方案。相关的组织层面启示是：未经战略性管理的依赖关系，随着时间推移，会演变为一旦供应商决定改变条款便无法谈判的脆弱处境。
这一点适用于今天在第三方模型API之上运营的人工智能初创公司；适用于正在单一云服务商基础设施上构建数据层的中型企业；也适用于没有自主算力政策、默认美国基础设施的可用性是环境中永久条件的国家。
文章所提及的先进芯片出口管制，并非算力可被用作地缘政治工具的假设性例证，而是它已然如此被使用的实证。当一个大国能够决定哪些国家可以获取某一层级的算力，而这一决定又直接影响到哪些人工智能应用可以在这些地区被构建时，关于市场竞争的对话早已成为过去式。两个国家正在为其他191个国家设定访问条件。这就是当前系统的设计现实。
作者所指出的语言不对称性，为市场集中分析增添了一个通常不会出现的额外层次。以英语为主要训练语言的语言模型，不仅在结果质量上偏向英语使用者，更使他们在经济上更具效率：其他语言的提示词需要消耗更多的词元（token）才能产生同等的输出，这对非英语用户意味着更高的成本和更严苛的上下文限制。统一的价目表并不代表平等的价格，而是一种以技术结构为机制、按语言进行差异化定价的收费方式。
算力作为前提条件，而非竞争优势
文章精准地区分了一点，值得着重强调，因为它改变了战略分析的性质。在社交网络领域，你可以构建一个替代性平台。TikTok证明这是可能的。社交资本并未在物理上集中；它分布在用户的注意力习惯之中，而这些习惯是可以被重新引导的。
在人工智能领域，算力不是竞争优势，而是参与的门槛。没有高性能GPU的访问权限，就无法训练出具有竞争力的模型。没有云计算合同，就无法在规模上运行推理。没有先进芯片，整个国家就会被排除在某些能力之外。这一层级的集中化所产生的不是竞争劣势，而是直接的排除。
这使得组织层面的影响比以往任何一个周期都更为紧迫。一家曾依赖Facebook进行分发的公司，经过努力和资源投入，或许还能尝试通过其他途径建立受众。而一家依赖集中于三个参与者手中的算力基础设施的公司，如果这些参与者改变条件，今天并没有结构上等同的替代方案可以求助。
利伯曼兄弟自己正在构建的去中心化协议Gonka所承诺的，正是在窗口关闭之前创造这种替代方案。它不需要在AWS的条件下胜过AWS，只需要具备足够的功能性，使依赖关系不再是全然性的。这是一个比夺走超大规模服务商市场份额更为谦逊、也更为现实的门槛。
市场尚未解决的问题是：这个门槛能否以足够快的速度达到，从而在集中化巩固到不再产生变革压力之前发挥效用。以往的周期表明，来得太晚的基础设施很少能改变市场结构；而在关闭时刻到来之前抵达的基础设施，则有可能确立下一场游戏的规则。
---
利伯曼兄弟的文章精准地描述了一个已然在进行中的结构性动态。但他们所指出的问题不仅仅是市场问题或监管问题，而是关于大多数组织今天正在构建、却未将其作为战略风险加以管理的依赖关系设计的问题。当算力成为存在的前提条件，而这一前提条件掌握在三个可以单方面改变条款的参与者手中时，那些对这种依赖没有明确政策的企业，并非在委托一个技术决策，而是在让渡一个日后无法快速收回的位置。
