把 AI 这件事拆成四条线看：能力、投入、算力、组织。四条线的斜率差着一个量级。有一份把 AI 经济当作互相咬合的系统来测算的研究，把其中三条线的年均增速并排放在了一起：模型处理越来越难的任务的能力，自 2019 年以来年均涨了约 360%；流入 AI 的私营投资，年均约 35%；数据中心的容量，年均约 15%。第四条线是组织，没给数字，只给了一句更扎人的话：组织结构的变化，是以年为单位的。
三个数不是同类项，摆在一起却很有用。它说明的是一件事：AI 的约束条件，正在从"能不能做到"滑向"来不来得及跟上"。
先看清楚"能力涨 360%"是怎么算的
这个数字容易被读成"模型变强了 3.6 倍"，其实不是。这类能力指数衡量的通常是"模型能一次做对多难的任务"：把任务按长度和复杂度排序，看模型在哪个难度档位还能保持及格的成功率，再看这个档位一年往后推了多少。所以 360% 说的是可处理任务的难度规模在快速上移，不是分数涨了 3.6 倍。
先摆清楚这一点，是因为后面几条线都要跟它对照着看。能力这条线的斜率本质上是研究进展，它不消耗物理工期，只受算法、数据和实验迭代速度约束。四条线里，也只有这一条能靠人多、卡多、想法对，在一两年里明显加速。
钱和电，慢在哪
投入那条线大约 35%。资本不是想投就能投的：基金有募资周期，预算有审批周期，投出去还要分期到账。更关键的是，AI 投资投的是对未来收入的预期，而预期本身会跟着市场情绪上下抖。所以它长得比能力慢，但比机房快，还经常忽快忽慢。
算力那条线大约 15%，是三条里最物理的。数据中心不是软件，它有工期：选址、拿地、电力接入、变压器排产、并网、机柜交付、上架，每一步都要排期，而且排期单位是季度到年。这里最容易被忽略的是电。不是买不到电，是接入和扩容的速度跟不上需求节奏。
把这两条线放一起看：钱受流程约束，机房受工期约束，两者都不会因为模型变强就自动变快。
最慢的一条是组织
研究里没给组织增速，只说了一句：组织结构的变化以年为计。这个判断其实挺克制。组织这一层要走的流程是：谁负责、谁签字、数据能不能出内网、出错算谁的、岗位怎么重划、人怎么培训、考核指标怎么改。技术集成可能两周就完，改变一群人的工作方式要几个季度，改预算和责任边界往往要跨越一个财年。
所以真正的瓶颈通常不在模型那侧，而在最后一百米：能力已经到了，产品已经发了，但结算方式、责任划分、人员配置都还没跟上。
错配不是短缺，是节奏对不上
把四条线叠起来看，问题的形状就清楚了：不是缺模型、缺钱或者缺电，而是四件事的时间尺度对不上。
- 能力以月为单位叠代，产品团队按季度做规划
- 投资按年进出，还算灵活
- 机房按年建成，而且一旦建成很难改小
- 组织按几个季度到几年的速度吸收变化
错配会以三种形式出现：能力过剩但没人用；算力建成时需求结构已经变了；组织刚把上一代流程跑顺，工具又换了一茬。机会同样长在错配里。谁把组织这一层做快，谁就能吃到别人吃不下的那部分红利，因为这一层没有采购目录可以买。
拿来指导自己的三个动作
- 先量自己的采纳速度，而不是先算自己有多少卡。从"能用"到"敢用"再到"默认用"，你的团队各花多久？这个数字比模型榜单更能决定你什么时候见到收益。
- 按最慢的那条曲线排优先级。瓶颈在哪一层，资源就压在哪一层；如果卡在组织，继续加模型额度是没有用的。
- 把"等下一个模型"识别成一种拖延。能力那条线一年涨 360%，意味着永远有更好的版本在下一个季度。等它，就等于永远不开始。
两个容易翻车的地方
一是把指数曲线直线外推。一年 360% 不等于三年涨到十几倍。这类增长一定会在某个难度档位遇到平台期，基准也会饱和，历史增速不是承诺。
二是听供给方讲故事。卖算力的人习惯用最陡的那条线说话，卖模型的人也一样。他们的口径没错，但只挑了对自己有利的那一条。判断一个决策值不值得做，要看的是你自己那条最慢的线，而不是别人最快的那条线。
四条线不会自动对齐，差出来的这一段也不会自己收敛，它只是把决策窗口留在那儿。这几年，把新东西真正用起来的能力，比模型额度更稀缺。上面只讨论趋势判断的方法，不构成任何投资建议。