所以我受够了，我本来想用你tesla外卖的成功案例说服这里的这帮人，可是他们完全醉心于纯粹的软件产品。他们还是喜欢轻资产玩概念，未来会怎么样，我也不知道。
我们的金融策略拖垮了一切，当靠着不产生价值的金融产品就可以攫取巨额收益的时候，阈值就被拉高了，其它各行各业的头部收益也必须达到金融行业的水准，否则最聪明的那些人为什么不去从事金融呢。”
林远挺理解musk的无奈的，对岸那边最聪明的脑袋都一头扎进金融行业了，更可怕的是金融行业的利润率向其它行业蔓延之后，ai领域那帮高管们是不是也要对比下金融行业的薪资。
如果两个行业的收入差距太大，人们不禁会思考一个问题--那还搞什么通用ai，干嘛不围绕金融交易去研发特定的量化交易ai软件得了。
可是这类专用于金融领域的ai工具又显然不足以拿来讲故事，也支撑不起一个未来的万亿级别的庞大产业链。
所以最后就只好陪皇太子读书，其它高端行业也跟着把人力成本抬上去。于是就有了openai已经了200亿刀还没看到盈利希望的局面。
如果说tesla在电动车领域已经卷不过后来者们，但至少还保留了一个先行者的名头。那在ai领域，openai这朵还没结果的骨朵，让musk有一种随时凋零的危机感。
因为鹰国的效率实在太低了，而ai大模型又是一个不需要庞大产业链的新兴领域。
造电动车需要上下游供应链上一大堆配套企业，这些企业不可能先全部建立好之后再开始造车，这其中还涉及到规模效应带来的成本问题等一大堆问题。
但是ai领域目前不存在庞大的供应链体系，顶多就是gpu算力卡再加上一大堆算法工程师。gpu算力卡虽然nvdia一骑绝尘，可是人类工业历史上从来没有靠一类设备就卡死竞争对手的先例。
举一个很简单的例子，电动车供应链条上各个环节的企业加起来的总市值，肯定比巨头nvida要大的多得多。
规模化和成本控制远比一两个技术难题来得难解决的多，这是很反常识的，人们往往觉得工业王冠上的明珠是多么的璀璨，可是用最低的成本制造出一个打火机，本身也是一项非常厉害的艺术。
当这种规模化和性价比优势体现在制造业的各个环节，其累加起来的优势是远超一两个高精尖技术的。
尤其是对于ai领域来说，这个领域的更新换代实在太快，变数也太大。
龙鹰在ai领域就算有两三年的差距，但是所有人都清楚，即便给鹰国三十年，它也不可能重建起制造业体系了。
一把利剑无法战胜一个方阵严密的军团，这就是现实。
这也是musk无奈所在。
其实在tesla靠着龙国产能崛起的那一刻，musk心里就已经明白了。
林远搅动的风云还在持续。
(本章完)
', '>')