冲浪模型

1975年，一个二十岁的哈佛辍学生写了一封信给一家叫MITS的公司，声称自己已经为他们刚发布的Altair 8800微型计算机开发了一套BASIC语言解释器。事实上他还没写完，甚至手头连一台Altair都没有。但他感觉到了什么东西——一种几乎是物理性的紧迫感：个人计算机的浪潮正在形成，而他必须在浪头还没完全涌起之前跳上冲浪板。

这个人叫比尔·盖茨。他和保罗·艾伦在几周内疯狂赶工，用模拟器写出了那套BASIC解释器，然后飞到新墨西哥州做了演示。它居然跑通了。这笔交易让他们成立了微软。

接下来发生的事情几乎像物理学定律一样不可阻挡。每一台新出货的个人电脑都需要操作系统和软件，每一个新用户都习惯了微软的界面，每一个程序员都开始为微软的平台写应用。到1980年代末，微软已经不仅仅是“站在浪尖上”——它本身就成了浪的一部分。全球PC出货量从1975年的几千台增长到2000年的超过一亿台，而几乎每一台上面都装着微软的软件。

芒格用一个冲浪的比喻来描述这种现象：

“当新的行业出现时，先行者会获得巨大的优势。如果你是先行者，你会遇到一种我称之为'冲浪'的模型——当冲浪者顺利冲上浪尖，并停留在那里，他能够冲很长很长一段时间。”

这个比喻的精妙之处在于它不只是说“早起的鸟儿有虫吃”。它描述的是一种动力学关系：浪潮本身在不断生长，而站在浪尖的人借助浪潮的能量持续前进，他们的位置优势随着浪潮的壮大而自我加强。你不是在静止的水面上比谁游得快，你是在一股不断膨胀的力量上维持平衡。一旦你站稳了，浪潮的能量就是你的能量。

冲浪模型之所以威力巨大，不是因为“先发优势”这么简单的一个概念就能解释的。它的力量来自三重相互叠加的机制。

第一重：时间窗口的不对称性。 大浪潮在刚形成时，大多数人看不见它，或者看见了不相信。1995年有多少人相信互联网会改变一切？1975年有多少人相信每个人都会拥有一台电脑？2012年有多少人相信深度学习会引发一场AI革命？极少数人在极早期看到了趋势，并且——这是关键——他们不只是看到了，还行动了。认知领先加上行动果断，两者缺一不可。看到浪但不跳上冲浪板的人，和没看到浪的人结局一样。

这个时间窗口往往惊人地短。谷歌创立于1998年，当时已经有至少十几个搜索引擎在运营——AltaVista、Lycos、Yahoo、Excite。但谷歌的PageRank算法在关键的两三年内提供了碾压性的搜索质量优势，让它在互联网用户爆发增长的恰好那段时期捕获了最多的新用户。如果谷歌晚创立三年，这些用户已经形成了使用其他搜索引擎的习惯。时间窗口一旦关闭，再好的技术也追不上已经占据浪尖的先行者。

第二重：正反馈的锁定效应。 一旦站上浪尖，先行者会触发一系列自我加强的循环。更多的用户吸引更多的开发者，更多的开发者创造更多的应用，更多的应用吸引更多的用户——这就是网络效应的飞轮。微软Windows的统治地位不是靠操作系统本身有多好（早期的Windows bug多得让人抓狂），而是靠几十万个只在Windows上运行的软件程序。你想用Office吗？你得用Windows。你想玩游戏吗？大部分游戏只支持Windows。你是程序员？客户都在Windows上，你不得不为它开发。

这种锁定效应意味着先行者的优势不是线性累积的，而是指数级放大的。每多一个用户，你的平台对下一个用户就更有吸引力。这不是加法，是乘法。经济学家W. Brian Arthur把这种现象叫做“收益递增”（increasing returns），它和传统经济学中“收益递减”的假设截然相反。在收益递增的世界里，赢家不是“赢一点”，而是通吃。

第三重：浪潮本身的加速增长。 冲浪模型的一个常被忽略的维度是，浪潮本身在膨胀。全球PC市场从1980年的几十万台增长到2000年的一亿多台。全球互联网用户从1995年的一千六百万增长到2005年的十亿。全球AI芯片市场从2016年的几十亿美元增长到2025年的超过两千亿美元。站在浪尖上的公司不需要从竞争对手那里抢份额——它只需要吸收新增市场的大部分就够了。而新增市场的增长速度往往远超所有人的预期。

这三重机制叠加在一起，创造了商业史上最惊人的财富集中现象。微软、谷歌、英伟达——每一个都是在浪潮早期站上冲浪板，然后被三重力量推着一路飞驰。

2012年10月，多伦多大学的一个三人团队——Geoffrey Hinton、Alex Krizhevsky和Ilya Sutskever——在ImageNet图像识别大赛中用一个叫AlexNet的神经网络碾压了所有传统方法。错误率直接腰斩。这个结果震动了整个计算机科学界。

但真正有意思的细节是：AlexNet是在两块英伟达GTX 580显卡上训练出来的。

这不是巧合。黄仁勋在更早的时候就做了一个在当时看来不太合理的决定：让英伟达的GPU不仅仅用来渲染游戏画面，还要让它能够做通用计算。2006年，英伟达发布了CUDA——一个让程序员可以用GPU进行并行计算的平台。当时几乎没有人看好这个决定。华尔街分析师问：你为什么要在一个没有明确市场的东西上花这么多钱？游戏市场不是很好吗？

黄仁勋看到的是一个还在远处的浪。并行计算的需求在科学模拟、金融建模、数据处理等领域已经初露端倪，而GPU天生就是并行计算的利器——它有几千个计算核心可以同时工作，而CPU只有几个。这就像一个冲浪者看到了远处海面的隆起，虽然还不确定会不会形成大浪，但他已经开始划水了。

AlexNet证明了深度学习的威力，而深度学习的核心运算——矩阵乘法——恰好是GPU最擅长的事情。从2012年开始，每一个想做深度学习研究的人都去买英伟达的显卡。英伟达不失时机地迭代CUDA生态，推出专门优化的深度学习库cuDNN，发布面向数据中心的Tesla系列加速卡。到2016年，深度学习已经离不开英伟达——不是因为没有替代品（AMD也有GPU，Google在做自己的TPU），而是因为整个软件生态——PyTorch、TensorFlow、几乎所有的开源AI框架——都是在CUDA上开发和优化的。

这就是冲浪模型的锁定效应在发挥作用。每一个用CUDA写代码的研究者，每一个在英伟达GPU上训练模型的公司，都在加深这条护城河。当2022年底ChatGPT引爆大语言模型浪潮时，英伟达已经在浪尖上站了十年。全球对AI算力的需求在一年内暴增数倍，而能提供高端AI训练芯片的供应商几乎只有英伟达一家。2023年英伟达数据中心业务收入同比增长超过200%，2024年继续翻倍。它的市值从2022年底的约3000亿美元飙升到2024年的超过3万亿美元。

黄仁勋的故事完美诠释了冲浪模型的每一个要素：在浪潮远未成形时就开始布局（2006年的CUDA），在浪潮初起时获得了关键的锁定优势（2012-2016年的深度学习生态），然后在浪潮全面爆发时收获了指数级的回报（2023-2025年的AI大爆发）。他没有发明深度学习，没有发明大语言模型，但他比任何人都更早地为这场浪潮准备好了冲浪板。

1998年的互联网像一座正在以惊人速度生长的图书馆——每天新增的网页数以万计，但没有一个像样的索引系统。AltaVista是当时最流行的搜索引擎，但它的搜索结果越来越像垃圾场：输入一个关键词，排在前面的往往是那些堆砌关键词的垃圾网页而不是真正有用的内容。

拉里·佩奇和谢尔盖·布林在斯坦福的博士论文中提出了一个优雅的解决方案：不看网页自己说什么，看别的网页怎么指向它。一个被很多高质量网页链接的网页，本身大概率也是高质量的。这就是PageRank——本质上是把学术论文的引用体系搬到了互联网上。

谷歌的搜索质量从第一天起就明显优于所有竞争对手。但如果只是“搜索质量好”，谷歌可能只会成为一家不错的公司，而不是一个万亿美元的帝国。让谷歌成为传奇的，是它完美地卡在了互联网用户爆发增长的浪尖上。

1998年全球互联网用户约1.5亿。到2004年谷歌上市时，这个数字超过了8亿。到2010年，接近20亿。每一个新上网的人第一件事是什么？搜索。而当他们搜索的时候，大概率用的是谷歌，因为谷歌的搜索结果最好。每一个新用户的搜索行为又给谷歌提供了数据，让它的算法更准确，搜索结果更相关，进一步巩固用户习惯。

然后是广告。搜索引擎是人类历史上最完美的广告平台——用户主动告诉你他想要什么。2000年谷歌推出AdWords，把搜索关键词和广告精确匹配。更多的用户意味着更多的搜索量，更多的搜索量意味着更多的广告展示机会，更多的广告收入意味着更多的资金投入搜索技术改进，更好的搜索技术吸引更多的用户——又一个自我加强的飞轮。

到2005年，“google”已经变成了一个动词。这可能是商业史上品牌力量的最终表达：当你的公司名变成了一个日常行为的代名词，你已经不只是市场的领导者，你已经变成了市场本身。

冲浪模型让人兴奋，但它有一个残酷的另一面：大多数试图冲浪的人都会从浪上摔下来。

第一个陷阱：把涟漪当成海啸。 不是每一个新趋势都是真正的大浪。2000年前后的互联网泡沫中，无数创业者以为自己在冲浪，实际上他们站在的只是泡沫。Pets.com、Webvan、eToys——它们看到了互联网的浪潮，但错误地判断了浪潮到达自己所在行业的时机和方式。网上卖宠物食品的需求是真实的（Chewy后来证明了这一点），但在2000年，物流基础设施、用户在线购物习惯都还没准备好。它们不是冲浪失败，而是跳进了一个还不存在的浪里。

芒格对此保持着极度的谨慎。他不会因为一个行业看起来有巨大潜力就冲进去。他要求的是看到浪潮已经在形成，并且能识别出那个最有可能站在浪尖上的玩家。他的原则是“钓鱼要去有鱼的地方”，但更关键的是——你得确认那里真的有鱼，而不只是水面的反光。

第二个陷阱：站上了浪但没能保持平衡。 网景（Netscape）发明了第一个商业化的网页浏览器，完美地踩上了互联网浪潮，1995年IPO当天股价翻了一倍多。但它没能保持在浪尖上。微软用Windows捆绑IE浏览器的策略把网景从浪上推了下去。黑莓（BlackBerry）在智能手机浪潮的早期处于绝对领先地位，但在iPhone出现后未能适应触屏交互的范式转换，从浪尖上跌落。先行者优势不是一劳永逸的——你必须持续适应浪潮的变化方向。

第三个陷阱：正确的浪，错误的冲浪板。 有时候你准确地识别了浪潮，但你选择的工具或商业模式是错的。早期的搜索引擎公司——AltaVista、Excite——都踩上了互联网搜索的浪潮，但它们用了错误的技术方案（关键词匹配而不是链接分析）和错误的商业模式（门户网站而不是纯搜索）。浪潮是对的，冲浪板是错的。

这些陷阱共同指向一个关键洞见：冲浪模型描述的是成功者的路径，但成功的概率远低于看起来的那样。 对于每一个微软、谷歌、英伟达，都有几十个甚至几百个同期的竞争者被浪潮吞没了。芒格之所以把这个模型的重要度定为很高但不是最高，部分原因可能在于：识别浪潮容易，判断谁能站在浪尖上极难。

### 如果你是投资者

1. 识别正在形成的大浪。 不是每一个热门趋势都是大浪。真正的大浪有几个特征：它解决了一个根本性的人类需求（信息获取、计算能力、通讯），它的增长速度持续加快而不是放缓，它正在吸引最聪明的人才和最多的资本。关注那些“不可逆”的趋势——一旦开始就不会倒退的变化。
2. 寻找已经站在浪尖上的玩家。 不要试图押注哪匹马会赢——等到比赛已经过了一半，领先者已经明显拉开差距的时候再下注。芒格和巴菲特很少投资初创企业。他们更倾向于在一家公司已经证明了自己的竞争优势之后再买入——即使这意味着错过最早期的涨幅。站在浪尖上的公司最显著的特征是：它的增长速度接近甚至超过浪潮本身的增长速度，它的市场份额在上升而不是下降。
3. 评估锁定效应的强度。 问自己：用户从这家公司的产品切换到竞争对手的成本有多高？如果转换成本极高（比如从Windows切换到Linux意味着放弃大量只在Windows上运行的软件），那么先行者的浪尖位置就极其稳固。如果转换成本低（比如从一家航空公司换到另一家），冲浪优势就很弱。

### 如果你是创业者

1. 选择浪而不是选择冲浪板。 冲浪板（产品和技术）可以迭代更换，但浪潮不会等你。先确保你跳进了一个真正的大浪中，然后再不断优化你的产品。太多创业者花大量时间打磨产品，却忽略了判断自己所在的市场是否是一个真正的增长浪潮。
2. 速度比完美更重要。 在浪潮形成的窗口期，快速占领用户心智比打造完美产品更关键。谷歌的早期界面极其简陋，微软的早期操作系统bug百出，英伟达的第一代CUDA开发体验很糟糕。但他们都赢了，因为他们在关键的时间窗口内卡住了位置。
3. 一旦站稳就疯狂加固。 站上浪尖后，你的首要任务不是享受风景，而是建立锁定效应——扩大网络效应、增加用户转换成本、建设生态系统。英伟达在GPU硬件之外投入巨资建设CUDA软件生态，正是这个战略让它的竞争优势从单纯的硬件性能变成了几乎不可替代的平台锁定。

冲浪模型的核心智慧可以归结为一个看似简单的观察：在某些特定的历史时刻，新的巨大市场会突然出现并高速增长，而在这些市场中率先建立优势的企业，会被浪潮的力量推向几乎不可撼动的地位。

但芒格不会让你止步于此。他会提醒你，冲浪模型最深层的教训不是“找到下一个风口”，而是理解浪潮背后的结构性力量。微软之所以能统治PC时代，不是因为盖茨运气好，而是因为操作系统这个品类具有极强的网络效应和转换成本。谷歌之所以能统治搜索，不是因为搜索技术有多先进，而是因为搜索行为天然具有“赢家通吃”的特征。英伟达之所以能统治AI芯片，不是因为黄仁勋有远见（虽然他确实有），而是因为软件生态一旦建立就具有惊人的粘性。

每一个伟大的冲浪故事背后，都有一套可以理解和分析的经济学逻辑。冲浪模型不是让你去追逐热点，而是让你学会问：这个浪潮背后的结构性力量是什么？它会产生赢家通吃的结果吗？谁已经站在了浪尖上？他的位置有多稳固？

能回答这四个问题，你就真正理解了冲浪模型。而最后一条实操建议来自芒格的老搭档巴菲特：“人生就像滚雪球，重要的是找到湿的雪和很长的坡。” 浪潮就是那条又湿又长的坡——关键是你得足够早地站上去，然后足够久地留在上面。

“当新的行业出现时，先行者会获得巨大的优势。如果你是先行者，你会遇到一种我称之为'冲浪'的模型——当冲浪者顺利冲上浪尖，并停留在那里，他能够冲很长很长一段时间。”

*“When technology or something comes along and they get in on the ground floor, there's this model I call surfing — when a surfer gets up and catches the wave and just stays there, he can go a long, long time.”*
— Charlie Munger, “A Lesson on Elementary, Worldly Wisdom”

“在商业世界中，总有一些先行者被浪潮推着走，他们得到的回报和付出的努力完全不成比例——因为他们恰好站在了正确的位置上。”

*“In the business world, some people get pushed along by the wave and achieve returns quite disproportionate to their effort — because they happened to be in the right spot.”*
— Charlie Munger

“硅谷的很多人非常擅长冲浪——他们识别新浪潮的能力极强。当然，一路上也淹死了不少人。”

*“A lot of people in Silicon Valley are very good surfers — they have a great ability to identify new waves. Of course, a lot of people have drowned along the way too.”*
— Charlie Munger

• 规模优势 — 站上浪尖后，规模效应加速锁定优势
• 护城河（Moat） — 冲浪成功后建立的网络效应、转换成本等构成长期护城河
• 竞争性毁灭 — 新浪潮可能摧毁上一代冲浪者的地位
• 临界质量 — 浪潮需要达到临界点才会爆发性增长
• 复利效应 — 先行者优势随时间复利式累积
• 能力圈 — 判断浪潮真伪需要深刻理解底层技术和市场逻辑
• 垄断与寡头 — 冲浪成功的终局往往是近垄断或寡头格局
• 自我催化模型 — 先行者通过正反馈机制实现自我加强

• □浪潮识别：这个趋势是真正的结构性变革，还是短期热点？它是否在解决一个根本性的需求？
• □增长轨迹：市场增长速度是在加速还是放缓？是否有可靠的数据支撑增长预期？
• □时间窗口判断：浪潮处于什么阶段？早期形成（高风险高回报）、快速增长期（机会仍在但竞争加剧）、还是成熟期（格局已定）？
• □先行者识别：谁已经站在浪尖上？他们的市场份额在上升还是下降？
• □锁定效应评估：先行者是否已经建立了网络效应、转换成本或生态系统壁垒？这些锁定效应有多强？
• □浪潮与泡沫的区分：基础设施是否准备好了？用户行为是否真的在改变？还是只有资本在追逐概念？
• □失败模式检查：先行者有没有可能被更好的技术方案颠覆？浪潮的方向有没有可能改变？

• Charlie Munger, “A Lesson on Elementary, Worldly Wisdom” — 冲浪模型概念的出处
• W. Brian Arthur,《Increasing Returns and Path Dependence in the Economy》— 收益递增理论，解释了为什么先行者优势会自我加强
• Clayton Christensen,《The Innovator's Dilemma》— 理解新浪潮如何颠覆在位者
• 《穷查理宝典》中芒格对技术浪潮投资的讨论
• Peter Thiel,《Zero to One》第五章 — “先行者优势”的深入分析与反思