一個被低估的信號：巨頭押注大模型，巴菲特卻錨定“狹義AI”！

文/陳治剛（識局智庫創始人兼首席戰略專家）

當地時間5月2日上午，奧馬哈，2026年伯克希爾2026年股東大會現場，當一位股東滿懷期待地詢問伯克希爾將如何在AI時代“乘風破浪”時，巴菲特的接班人、伯克希爾新任CEO格雷格·阿貝爾沒有談論大模型，沒有提及通用人工智能（AGI），甚至沒有表現出對AGI的半點興趣。

他談的是GEICO（政府員工保險公司，是美國第二大汽車保險公司，隸屬于伯克希爾哈撒韋公司）的定價算法，是BNSF鐵路（美國伯靈頓北方圣太菲鐵路運輸公司，是伯克希爾·哈撒韋公司旗下的鐵路運輸子公司）的機車調度系統，是太平洋電力公司的山火監測網絡。

他說：“我們并不推崇泛化、無邊界的通用人工智能，更傾向狹義人工智能——我們要的是嵌入業務、與主業形成互補協同的智能化工具。”

全場掌聲雷動。但這掌聲背后，是一個被資本市場刻意忽略的真相：當其他資本巨頭為ChatGPT們瘋狂加注時，巴菲特的資本帝國卻正在一場靜水流深的“反共識”實驗中，重新定義AI的價值錨點。

01“我們不買電，我們要建電廠”：伯克希爾的AI基建邏輯

阿貝爾在股東大會上披露了一個關鍵轉向：伯克希爾決定從“技術采購方”變為“技術自建者”。

這不是一句輕描淡寫的戰略口號。在過去五年里，GEICO——這家擁有90年歷史的汽車保險公司——已經悄然組建了一支龐大的工程師團隊，跨越不同項目和業務線，推動“一切變革”。

更值得注意的是，這種技術能力正在向非保險業務復用——伯克希爾旗下的健康業務、能源板塊、甚至消費品部門，都開始配備“高級技術官”，正式進入技術轉型之路。

這里有一個極具象征意義的細節：阿貝爾強調，“底層整套核心系統必須牢牢掌握，不能與系統體系脫節”。

在當前硅谷主導的AI敘事中，這幾乎是一種“反動”——OpenAI、Anthropic、Google們正在構建的，恰恰是那種“黑箱化、中心化、API化”的智能服務，企業只需調用接口即可獲得“神力”。但伯克希爾的選擇是拒絕外包智能，轉而投入重金自建。

為什么？

因為阿貝爾看穿了當前AI產業的一個致命悖論：通用大模型的價值在于“無所不能”，但企業真正需要的往往是“剛好夠用”。

GEICO不需要一個能寫詩、能編程、能診斷癌癥的AGI，它需要的是一套能在毫秒級內精準評估駕駛員風險、動態調整保費、預測理賠概率的垂直系統。

BNSF不需要一個能理解人類情感的聊天機器人，它需要的是一套能實時監控177年鐵路網絡中150-200列火車運行狀態、預判設備故障、優化燃油效率的工業大腦。

這些系統的共同特征是：極度聚焦、深度嵌入、與業務流程無縫咬合。阿貝爾將其定義為"狹義AI"——不是學術意義上的"弱人工智能"，而是一種有明確邊界、有具體場景、有可量化ROI的智能工具。

這種邏輯與當前資本市場的狂歡形成了刺眼反差。

2026年，全球大模型參數規模已突破萬億級，融資額屢創新高，但企業端的實際落地卻陷入“叫好不叫座”的困境——調用成本高昂、輸出不可控、與現有IT系統整合困難、合規風險高企。伯克希爾的選擇，本質上是對這種“技術泡沫”的提前避險。

02從“五人值守”到“兩人操控”：BNSF鐵路的AI暗戰

要理解伯克希爾的“狹義AI”戰略，BNSF鐵路的案例最具說服力。

這家擁有3.2萬公里線路、3.5萬名員工、年貨運量占據美國西部半壁江山的鐵路巨頭，在2025年完成了一個看似不起眼卻意義深遠的變革：通過部署正向列車控制系統，一列火車的值守人員從五人縮減至兩人。

阿貝爾在股東大會上特意強調了這個數字。但真正的重點不在于“減員”，而在于系統重構——這套智能化應用方案“適配美國鐵路行業的各類既定運營規劃，各個環節都能落地適用”，并且已經積累了“177年系統運作經驗“的數據資產。

這是一個被嚴重低估的戰略信號。在AI投資狂潮中，資本市場追捧的是“顛覆式創新”——自動駕駛取代司機、AI醫生取代醫師、智能投顧取代基金經理、AI編程取代程序員……

但BNSF的實踐揭示了一條更務實的路徑：AI的深層價值不在于簡單地“取代人”，而在于“增強系統”。

BNSF 鐵路 CEO凱蒂·法默（Kathryn M. Farmer）在視頻中透露，BNSF正在“持續引進數據科學家、運維技術人員、研究人員及一線運營人員，統籌整合全域運營中樞資源，打造行業數字孿生體系”。

這不是一場技術革命，而是一場運營革命——用數據建模和仿真推演，在虛擬空間中預演現實世界的調度方案，從而“預判并升級客戶服務產品，加快資產周轉與配置效率”。

更值得關注的是其財務效果：2025年，BNSF經營利潤率提升2.5%，在六家一級鐵路公司中的排名從第五升至第四。阿貝爾坦言“仍有很大提升空間”，但這份成績單已經證明——當AI深度嵌入實體運營，其ROI遠比那些“概念驗證”式的AI項目來得扎實。

這種“漸進式改良”與硅谷“顛覆式創新”的哲學分歧，正是伯克希爾與科技巨頭在AI賽道上的根本分野。

03GEICO的“定價戰爭”：當AI遇見保險精算

如果說BNSF展示了AI在“硬資產”運營中的價值，那么GEICO則詮釋了AI在“風險定價”這一保險核心能力中的角色。

阿貝爾花了不少時間解釋GEICO的轉型困境：四到五年前，團隊“退了一步”，未能針對風險合理定價；過去四年，團隊著力重新定價，客戶端保費上調，同時認真進行風險分層。結果是綜合賠付率從危險區間改善至87.3%——意味著每1美元保費帶來12.7美分的承保利潤。

但故事并未結束。阿貝爾緊接著拋出了一個更尖銳的問題：競爭對手正在以更具吸引力的保費爭奪GEICO的老客戶。 頭號競爭對手在2026年一季度實現了11%的保單增長，而GEICO僅為2%。

這是一場典型的“技術-商業”雙螺旋博弈。GEICO需要在三個目標間走鋼絲：精準定價（防虧損）、客戶留存（防流失）、業務增長（防萎縮）。而AI在這里扮演的角色，不是那種“一鍵解決所有問題”的魔法棒，而是在精算、營銷、理賠、客服等各個環節中，提供增量式的優化能力。

阿貝爾透露，GEICO正在推進“技術轉型”，且“技術將會是解決方案之中最大的一環”。但他同時強調，“人類的參與是必要的，關鍵決策必須由人來把控”。這種“人機協同”而非“機器替代”的框架，與當前AI領域流行的“Agent自主決策”敘事形成了微妙張力。

更值得玩味的是阿吉特·賈恩對AI在保險理賠中應用的審慎態度：“人工智能還沒有到真正地能夠做索賠上面的這些權衡的地步，也許還要花幾年時間，我現在還是抱著謹慎的態度。”

這種謹慎不是技術保守主義，而是對“風險不對稱性”的深刻敬畏。保險的本質是對不確定性的定價，如果AI系統本身引入了新的不確定性（算法偏見、數據污染、對抗攻擊），那么它就不是解決方案，而是問題本身。伯克希爾寧愿慢一步，也要確保AI的嵌入不會破壞其“承保紀律”這一核心文化。

04能源板塊的“AI悖論”：數據中心既是客戶，也是挑戰

伯克希爾對AI的態度，在其能源板塊中呈現出一種有趣的內在張力。

一方面，阿貝爾坦承“人工智能到底怎樣能夠嵌入我們現有的一些系統”是重大挑戰，強調“每個業務都有相應的機會，真正使用、交流這些大語言模型”。另一方面，他又興奮地披露：愛荷華州的數據中心用電峰值已占整體用電規模的8%以上，“五年之后，我們希望能夠提升5%到10%”。

這是一個被忽視的戰略細節：伯克希爾既是AI技術的“使用者”，也是AI基礎設施的“供應者”。

當前，全球AI競賽正進入“算力軍備”階段，超大規模數據中心的能源需求呈指數級增長。伯克希爾能源公司憑借其在愛荷華州等地的公用事業布局，恰好卡位在這一超級周期的關鍵節點。

阿貝爾甚至暢想“以后我們能夠增加到50%”——這意味著AI的算力需求，正在為伯克希爾能源業務創造結構性增長機遇。

但這里存在一個深層悖論：如果AI本身是一個“能源黑洞”，那么伯克希爾對AI技術的審慎應用，與其對AI算力需求的積極擁抱，是否矛盾？

答案恰恰藏在阿貝爾的“狹義AI”框架中。伯克希爾拒絕的，是那種無邊界的、泛化的、不可控的通用智能；它擁抱的，是那種有明確邊界、可量化收益、與實體業務深度咬合的專用智能。

數據中心用電需求的爆發，屬于后者——它是可預測的、可計價的、可納入現有監管框架的。

這種“選擇性擁抱”背后，是伯克希爾對技術風險的分層管理哲學：對于能夠納入現有商業模式和風控體系的技術變革，積極擁抱；對于可能顛覆現有秩序、引入不可控風險的技術浪潮，保持警惕。

05“深度偽造”現場教學：AI治理的伯克希爾范式

2026年伯克希爾股東大會最具戲劇性的時刻，莫過于開場時那段AI合成的“巴菲特”視頻。

當深度偽造版的“巴菲特”向阿貝爾提問時，全場一度信以為真。直到阿貝爾笑著揭穿——“這是深度偽造的效果，由AI合成生成”——人們才恍然大悟。但這并非技術故障或惡作劇，而是一場精心策劃的風險教育。

阿貝爾隨即切入正題：“這類內容是外界利用技術復制聲音偽造出來的。這就是我們現在面臨的一個現實，伯克希爾必須思考如何守護自身業務安全。”他將此與網絡攻擊、網絡風險承保等議題并置，勾勒出一幅AI時代的風險全景圖。

這種“現場教學”的深意在于：伯克希爾不只在談論AI風險，它在演示AI風險。當其他企業還在發布AI倫理白皮書時，伯克希爾已經用一場股東大會，讓所有股東親身體驗了深度偽造的逼真與危險。

更重要的是其應對邏輯。阿貝爾強調，伯克希爾正在“用技術去保護我們自己的業務，同時我們也嘗試運用技術來識別風險”。這不是簡單的“以AI對抗AI”，而是一種治理層面的系統思維——將技術風險納入整體風控框架，而非將其視為孤立的技術問題。

阿吉特·賈恩（伯克希爾·哈撒韋公司保險業務副董事長）隨后補充的網絡風險承保觀點，進一步強化了這一邏輯：盡管全球企業對網絡風險保險需求旺盛，但伯克希爾“很仔細地去審視要不要對此承保”，因為“網絡風險很難建立可靠的定價和精算模型”。

這種“看不懂就不碰”的紀律，與當前許多保險公司盲目推出“AI保險”產品的浮躁形成了鮮明對比。

06從“教堂”到“賭場”：巴菲特的AI隱喻

在股東大會現場，巴菲特再次將市場比作“附帶賭場的教堂”——教堂代表價值與信仰，賭場代表投機與狂歡。這個隱喻，或許正是理解伯克希爾AI戰略的最佳入口。

當前全球AI產業，尤其是大模型賽道，已經高度“賭場化”：巨額資本押注于少數幾個技術路線，估值脫離基本面，市場情緒在“AGI即將實現”與“泡沫即將破裂”之間劇烈擺動。參與者們不是在投資，而是在賭博——賭某個模型會勝出，賭某個公司會成為下一個OpenAI，賭自己能在崩盤前全身而退。

伯克希爾的選擇，是回到“教堂”——回到價值創造的本源，回到可理解的業務邏輯，回到長期主義的信仰。

阿貝爾說：“我們要明確，未來要做技術的自建者，而不只是單純的技術采購方。”這不是對技術的排斥，而是對技術主權的宣示。在通用大模型時代，企業的智能能力越來越依賴于少數幾家科技巨頭的API接口，這種“技術依附”關系與伯克希爾“去中心化、自主運營”的核心文化格格不入。

自建AI系統，意味著將智能能力內化為組織資產，而非外購為可變成本。這意味著GEICO的定價算法、BNSF的調度系統、能源公司的電網優化模型，都將成為伯克希爾不可復制的競爭壁壘——因為它們與具體業務場景深度咬合，積累了數十年數據與經驗，外人難以模仿。

這種“嵌入式智能”與“通用智能”的分野，或許將定義未來十年AI產業的權力格局：少數科技巨頭掌握通用大模型的“基礎設施”，而大量實體企業通過垂直應用構建“場景壁壘”。 伯克希爾顯然選擇了后者，并且正在用3800億美元現金儲備為其提供戰略縱深。

07在狂熱時代，做一個“清醒的慢變量”

2026年的伯克希爾股東大會，沒有宣布與OpenAI或Anthropic的戰略合作，甚至沒有表現出對AGI時間表的半點興趣。

但它卻完成了一次極為有力的AI戰略宣示——通過展示GEICO的定價模型、BNSF的列車控制系統、能源公司的電網優化方案，它向全世界證明：AI的真正價值，不只在模型的參數有多大，更在其賦能的場景有多深。

當其他資本和科技巨頭還在競逐大模型，巴菲特的伯克希爾卻選擇押注“狹義AI”，這不是技術保守主義，而是經過精心考量的戰略選擇。總的看下來，它或基于三點關鍵判斷：

第一，通用大模型的商業化路徑仍不清晰，而垂直場景的ROI已經可量化；

第二，實體經濟的智能化改造空間巨大，但需要的是“嵌入業務”的專用工具，而非“無所不能”的通用助手；

第三，技術主權比技術先進性更重要，自建系統雖慢，但可控、可迭代、可形成壁壘。

阿貝爾在股東大會尾聲時說：“當下人人都在談論人工智能，但真正落實到我們自身業務，每個業務都有相應的機會。”這句話的潛臺詞是：AI不是一場全民狂歡的盛宴，而是一場需要精準卡位的戰役。

巴菲特用六十年時間證明，投資不是關于“預測未來”，而是關于“理解現在”。在AI時代，這一原則依然適用——理解你的業務，理解你的客戶，理解你的風險邊界，然后讓技術為你服務，而不是你為技術打工。

當那3800億美元現金與“狹義AI”戰略并置時，一幅完整的圖景浮現出來：伯克希爾不是在等待某個“AI奇點”的降臨，而是在用耐心和資源，改造、重塑其龐大資本帝國的每一個齒輪。

這種“慢”，這種“窄”，這種“深”——或許正是對當前AI狂熱最深刻的反諷，也是最清醒的回應。

更多探討，歡迎進讀者群交流！