01

最近，在百年制造企业卡特彼勒的财报会上，发生了一件挺有意思的事。

一款停产了4年的中速燃气往复式发动机被重新请了回来。

2022年，卡特彼勒觉得这门生意没什么意思了，市场需求太小，产品不好卖，干脆停产了。

结果到了2026年，情况突然反过来了。

卡特彼勒不仅要重新恢复生产，还打算在未来18个月恢复1.5GW的产能。

而让旧产品复活的核心原因，正是今天全世界最先进、最性感的产业，AI。

那么，为什么AI会需要一个1925年就开始生产拖拉机，今天已经101岁的传统制造企业？

今天的AI都这么先进了，怎么又跟发动机扯上关系了呢？

02

我们平时聊AI的时候，很容易产生一种错觉，AI好像是一门特别轻的生意。

一台电脑、手机，一个聊天框，我们输入一句话，AI几秒钟给你答案。

所以，我们注意力基本都集中在最靠近模型的地方，比如说DeepSeek、豆包、kimi，英伟达的GPU、SK海力士的HBM以及光模块，这是我们对AI耳熟能详的东西，对吗？

但是，当AI发展到今天，出现了一个很有意思的反差。

这门看上去最虚拟的生意，越是往前发展，背后的物理世界反而越重。

GPU有重量、服务器占地方，几十万块GPU放在一起，就要盖数据中心。

GPU一运行还会发热，于是要冷却；设备要联网，于是要交换机跟光纤；服务器要通电，于是要变压器、开关设备、电缆、发电机。

再往前一点，数据中心本身还要土地、钢材、工程机械跟施工团队。

而且，有意思的地方在于，哪怕数据中心建得很快、GPU买得很快，但电网可没那么快，因为数据中心的用电需求不仅大，还在快速增加。

像在美国，变压器、发电机的交货周期已经超过22个月，差不多两年，预计到2030年，数据中心电力需求可能达到110GW。

所以，现在的AI公司都等不及了，还发明了一个词叫“behind-the-meter”。

意思是别等公共电网了，想办法自己先发电吧。

于是，卡特彼勒突然就成了香饽饽。

2季度，它的营收首次突破205亿美元，同比增长24%，其中光是能源业务销售就达到82.38亿美元，同比增长17%，利润20.27亿美元，同比增长30%。

促进增长的重要原因就是，数据中心带来的大型往复式发动机、燃气轮机跟建设服务的需求。

现在，卡特彼勒的订单已经积压了721亿美元，发电设备的需求都排到2029年了。

03

如果我们把AI过去几年的产业变化连在一起看，我觉得它很像一场接力赛。

GPT刚出来的时候，大家最先发现的是GPU不够。

于是，英伟达成了最耀眼的赢家。

GPU产量往上爬以后，大家又发现HBM的高带宽内存不够。

于是，海力士、三星、美光变得越来越重要。

好了，算力继续往上堆，又需要大量的高速互联，于是光模块、交换机、光纤开始变得紧张，这些公司又开始起飞。

再往后，几十万块GPU买来了，大家突然发现，噢，电不够了。

紧接着的就是电有了，变压器交不出来。

变压器有了，散热又变成问题。

散热解决以后，还有施工、电网接入、土地跟运维。

所以，新技术产业有一个很有意思的规律：它每解决一个问题，就会把下一个问题暴露出来，而新的利润机会，往往就藏在那里。

在产业早期，核心技术当然最稀缺，但随着规模化扩大后，最大的矛盾会不断往外扩散。

今天英伟达卖不出足够多的GPU，GPU就是瓶颈。

明天GPU有了，但没了电，电就变成瓶颈。

瓶颈移动到哪里，利润就开始往哪里转移。

04

这个变化，对我们很多传统企业来说，特别值得研究。

因为今天一说“AI来了”，很多老板第一反应就是焦虑。

我不会训练大模型怎么办？我是不是也要做Agent？公司要不要招AI团队？我错过AI了怎么办？

但你看，卡特彼勒没有去训练大模型，一样能吃到AI带来的红利。

所以，传统企业进入一个新产业，未必意味着必须把自己变成一家新企业。

真正值得问的问题，可能不是“AI最核心的技术是什么，我能不能也去做？”

而是“AI规模扩大十倍以后，会突然多出什么麻烦，它能不能被我解决？”

未来AI一定需要越来越多的数据中心，需要越来越多的电。

那谁做电气设备？谁做变压器？谁做发动机？谁做冷却？谁做机柜？谁做电缆？谁做检测？谁做施工？谁做运维？

这些都属于AI时代新的机会，就像新能源汽车出来以后，不是只有造车的公司赚钱。

它同时创造了电池、连接器、热管理、充电桩、检测设备、轻量化材料的新需求。

智能手机出来以后，也不是只有苹果赚钱。

玻璃、摄像头、精密结构件、射频器件一样被重新定义，也能赚大钱。

一个真正足够大的新产业，最大的价值之一，就是给整个产业链制造一大堆以前不存在的问题。

这些问题，就是传统企业进入新产业最现实的入口。

05

今天的AI再怎么先进，都摆脱不了物理世界。

模型可以半年迭代一次，但电厂可不能半年建一次。

服务器可以从一个地方搬到另一个地方，但工厂、供应链跟服务体系都需要一年一年的积累。

越是一个快速爆发的新产业，就越要小心那些看起来不起眼，实际上来不及增加供给的老能力。

今天是卡特彼勒的发动机，明天可能是变压器，后天可能是冷却、储能、配电，甚至我们现在还没注意到的某个工业零部件。

所以，资本市场总喜欢追最亮的地方，但作为经营者，我们反而应该多看一眼阴影下的需求。

很多时候，真正好的生意，不是去跟所有人争那个最耀眼的位置，而是思考整个产业想继续往前走，究竟绕不开谁？

这也是我觉得传统企业面对AI时代最值得记住的一句话：

最危险的，从来不是“传统”这两个字，而是新需求已经来了，我们还不知道自己做了几十年的老本行，突然可以解决一个什么样的新问题。

像卡特彼勒没有因为AI时代来了，就扔掉发动机去拥抱AI了。

恰恰相反，AI让它发现，原来一台曾经没人要的发动机，在这个新的时代里，可以重新变成抢手货。

所以，真正聪明的转型，未必是把过去全部推倒重来。

有时候只是需要重新看看自己手里那些已经做了20年、30年，甚至100年的东西，积攒的能力。

然后想一想，这个新世界，还有哪里刚好需要它呢？

-

责任编辑 | 罗英凡

图片均来源于AI

本文不构成任何投资建议，股市有风险，投资需谨慎

■ 免责声明

本文涉及有关上市公司的内容，为作者依据上市公司根据其法定义务公开披露的信息（包括但不限于临时公告、定期报告和官方互动平台等）作出的个人分析与判断；文中的信息或意见不构成任何投资或其他商业建议，市值观察不对因采纳本文而产生的任何行动承担任何责任。