智能汽车观察 — 智能电动汽车、自动驾驶、智驾供应链与出行产业深度分析

在知名科技播客 Dwarkesh Podcast 的最新对谈中，顶级半导体与算力研究机构 SemiAnalysis 创始人兼首席分析师 Dylan Patel 预测：到 2028 年，OpenAI 与 Anthropic 两家实验室或将直接掌控全球 70% 至 80% 的增量算力与大部分有效 FLOPs。 更深远的影响在于金融市场——由于 AI 数据中心展现出惊人的投资回报率，科技巨头对资本的极端争夺将推高全社会的折现率与发债利率，甚至引发全球借贷成本的系统性上升。 <img class=" wscnph" src="https://wpimg-wscn.awtmt.com/dece70de-2676-4750-a2e2-131e02a16cec.png" /> <h2>核心要点归纳</h2> <ul> <li> 算力极端中心化：今年新增上线算力中约三分之一被 OpenAI 和 Anthropic 瓜分，到 2028 年，两家头部实验室预计将拿下全球 70%至80% 的增量算力，单家算力规模将超过 50 吉瓦（GW）。 </li> <li> 实验室盈利奇点已过：前沿实验室已从一年前“卖 Token 亏本”彻底转向高毛利阶段。Anthropic 的算力产出已达每兆瓦 5000 万美元，并正向 1 亿美元迈进，这支撑它们以每兆瓦 2500 万至 5000 万美元的天价向市场扫货。 </li> <li> 算力重心从“推理”倒流回“研发”：由于内部模型递归改进（RSI）与自我研究的预期回报远高于将 Token 卖给外部用户，实验室正将更低比例的算力分配给外部推理，而将绝大部分新增算力闭环投入内部下一代模型研发。 </li> <li> AI 数据中心引发“利率冲击”与资本挤出：2024 至 2029 年全球 AI 相关资本开支预计达 11 万亿美元，其中需通过信贷市场举债超 5 万亿美元。AI 基础设施惊人的回报率使得巨头愿意承受 8% 甚至更高的发债成本，从而推高全社会的资金借贷利率，挤出传统行业与主权融资。 </li> <li> 传统资产估值承压：全社会折现率的被迫上移将对非 AI 资产造成严重估值压制，高负债的公用事业、消费品公司乃至财政脆弱的发展中国家将面临巨大的主权债务重组压力。 </li> </ul> <h2>算力走向终极垄断：2028年两家实验室掌控全球算力命脉</h2> 在过去一年多时间里，AI 基础设施不仅成为了美国 GDP 增长的核心引擎，更在底层酝酿着一场前所未有的算力集权。 据 Dylan Patel 测算，2024 年初，OpenAI 与 Anthropic 的算力规模分别为 2 吉瓦（GW）和不到 2 吉瓦；而到了今年年底，两家均已突破 5 吉瓦，整体实现了 3 至 4 倍的扩张。目前，这两家实验室已经占到全球年内新增算力的约 30%。预计到 2025 年，两家占比将攀升至 40% 到 50%；而到了 2028 年，预计两家将吃下全球 70% 到 80% 的增量算力，合计规模将突破 100 吉瓦。 这种集中化不仅没有减速，反而在加速。Dylan Patel 指出，不仅是传统云巨头在为它们代建算力，像 SpaceX 等拥有资产负债表能力的新玩家也在大举进军算力基建并转租给这两家实验室。 更为关键的是性能乘数效应：今年部署的每一瓦特算力，其搭载的 GB300、TPUv7 或 Trainium3，在每瓦性能上比上一代芯片高出 3 到 5 倍。当这两家实验室吃下 2028 年全球 70%至80% 的新增算力时，由于这批算力具有最高的能效比，它们实际上垄断了全世界绝大部分可用的有效计算能力。 <h2>从“卖Token亏本”到“每兆瓦产出一亿美元”：实验室商业模式的质变</h2> 在 2023 年至 2024 年初，市场普遍质疑大模型的商业可行性——当时在英伟达 Hopper 架构上运行 GPT-4 等模型，对实验室而言几乎是负毛利状态，巨额开销完全依赖风投资金维持。 然而，过去一年半中，前沿模型的单瓦变现效率发生了颠覆性逆转。算力的基础成本通常在 1000 万至 1500 万美元/兆瓦，而当前的商业变现能力令人惊叹：Anthropic 的算力产出已达到 5000 万美元/兆瓦，全公司综合收入正向 7000 万至 8000 万美元/兆瓦进发，并有望冲击 1 亿美元/兆瓦。 这种数十倍于成本的产出能力，打破了原有算力市场的定价锚。当外部厂商（如 SpaceX 或 Meta）建造了数据中心时，它们不再愿意按照原先 1300 万美元/兆瓦的基础成本出租，而是以 2500 万、4000 万甚至 5000 万美元/兆瓦的高价转售给实验室。因为对于 OpenAI 和 Anthropic 而言，即便以天价租下算力，其内部或商业产出依然能实现数倍的暴利。 <h2>AI 数据中心回报过高，为什么全世界借款都要变贵？</h2> Dylan Patel警告，AI 极高的资本回报率，正在通过信贷市场推升全社会的资金成本。 Dylan Patel 的模型预测显示，从 2024 年到 2029 年，全球 AI 产业链的累计资本支出（涵盖芯片、服务器、光通信、电网建设及发电机组等）将达到约 11 万亿美元。在这 11 万亿的基建狂潮中，即便科技巨头将全部经营现金流（约 6 万亿美元，占 54.5%）用于再投资，仍有超过 5 万亿美元（占 45.5%）的资金缺口必须通过信贷市场举债来解决。 当一个行业的资本回报率高达 100% 甚至更多时，它对资金成本的容忍度将远超传统经济体： <blockquote> <ul> <li> 发债利率重定价：Meta 等巨头以往的发债利率在 5% 至 6% 左右，但鉴于数据中心带来的庞大收益，它们甚至愿意支付 8% 甚至更高的利息来锁定算力建设资金。 </li> <li> 挤出传统信贷：当资本市场发现向数据中心、超大规模云厂商或顶级实验室放贷可以稳拿 8% 至 20% 的回报时，流向房贷、市政债券、传统制造业以及中小企业的资金池将被剧烈分流。 </li> <li> 借贷溢价传导：大型科技巨头发债成本上升 250 个基点，将直接迫使整个宏观经济的信贷利差同步走阔。房贷利率、消费分期及传统企业发债利率都将被动拉高。 </li> </ul> </blockquote> <h2>估值重构与潜在的主权债务危机</h2> 资金借贷成本与无风险利率中枢的抬升，将直接重塑全球资产定价逻辑： 当市场折现率从过去的 3% 至 5% 跃升至 8% 甚至 10% 时，所有依靠稳定远期现金流支撑估值的传统资产（如公用事业、消费白马、铁路基建等）都将面临估值重创。市场将不再愿意为 30 年周期的低速稳健现金流支付高溢价。 在 1980 年代，美联储前主席保罗·沃尔克（Paul Volcker）通过激进加息抗击通胀，直接引发了拉美等约 40 个发展中国家的债务违约。Dylan Patel 与 Dwarkesh 指出，由 AI 资本狂潮驱动的实质利率上升可能引发类似冲击：那些债务规模庞大、高度依赖短期外债展期、且未深度参与 AI 产业链分工的国家，将面临极其严峻的再融资成本与主权违约风险。 相比之下，美国由于本土承载了绝大部分算力中心与核心企业，理论上能够通过扩大税基来对冲部分债务利息压力，但利息支出占联邦税收比重的飙升依然是严峻考验。 <h2>算力倒流研发：实验室为何选择“少卖Token，多做研究”？</h2> 市场普遍存在的共识是：“未来绝大部分算力都将用于面对最终用户的推理（Inference）”。但 Dylan Patel 提出了一个极具颠覆性的非共识观点：前沿实验室未来分配给对外商业推理的算力比例反而会下降，算力将加速回流至内部模型研发与递归自我改进（RSI）。 在对外商业推理方面，其变现周期体现为当期即时产生现金流（例如每兆瓦产出五千万美元），杠杆效应属于线性收入增长。因此，实验室的策略正在转变为：仅保留足以产生足够现金流以支撑研发集群扩张的推理份额。 在内部模型研发与自我迭代方面，其核心在于提升下一代通用智能模型的终极能力与远期折现值。这种研发带来的能力跃迁是指数级的，能够直接推动 AGI 的研发进度。所以，实验室会优先将海量新增算力分配给内部智能体，用于架构设计、合成数据与代码的快速迭代。 Dylan 总结道：“如果 OpenAI 研发出了极速推理或更强心智的模型，他们不会仅仅把它卖给华尔街或外部开发者去套利。他们会把大部分算力留给内部的 AI 研究员智能体，因为在内部创造的技术代差与终极 AGI 资产价值，远比把 Token 卖给外部用户赚取的差价大得多。” 以下为访谈全文： <div dir="ltr" id="model-response-message-contentr_d1804300e945f5bf"> <blockquote> Dwarkesh：好了，我现在继续与 SemiAnalysis 的创始人 Dylan Patel 交谈。对我们来说，所谓的“家庭感恩节晚餐”，其实就是每年定期举办的播客节目。 Dylan：但实际上，我们并没有血缘关系。请不要把这件事告诉别人，否则这个“神话”就会破灭了。 Dwarkesh：基本上，世界经济的走向……正越来越取决于实验室经济学的发展方向、算力市场的发展趋势等等。我想了解这种疯狂的趋势……在未来几年内最终会走向何方。不过，让我们先从当前的情况谈起。请向我介绍一下目前前沿实验室的算力规模和收入情况，或许再预测一下未来一两年的趋势。 Dylan：如果我们回顾去年，甚至到了去年年底，美国 GDP 增长的大部分仅仅来源于 AI 基础设施。而当我们放眼今年，新上线算力中约有三分之一是供这些实验室（即 OpenAI 和 Anthropic）使用的。这些算力设施可能是由其他人建造然后再出租给它们，但最终客户是它们。随着我们迈向未来，算力的相关数据正在急剧膨胀。今年的资本支出（CapEx）略多于 1 万亿美元。等到 2028 年，这个数字将超过 2 万亿美元。同时，这些实验室在其中占据的比例也在不断增加。 所以最终，你会看到一个非常有趣的局面：这些实验室正从每年花费数百亿美元的公司，变成每年花费数千亿美元的公司，甚至预计到本世纪 20 年代末，它们每年的花费将达到数万亿美元。至少从它们已经开始与合作伙伴签署的一些合同来看是这样的。这要求对它们的经济运作模式进行一次大规模的重塑。 到目前为止，它们基本上还是亏损的公司。Anthropic 在第二季度开始盈利。人们认为在第三季度的某个时间点，随着 Codex 以及 5.6 版本等产品的更广泛崛起，OpenAI 甚至也可能开始扭亏为盈。但如果我们回到一年前，它们所有的资金都只是由风投支持的亏损。如果甚至回到今年年初，也依然是风投支撑的亏损。它们现在已经迎来了转机，实际上已经开始盈利了。这并不意味着它们不再吸收新资本。新资本仍在涌入以进一步加速其增长。 但归根结底，它们越来越多的业务是通过自有收入而非外部注资来维持的。在过去的一年半里，它们的利润率真正实现了暴涨。算力的基础成本通常在……每兆瓦 1000 万、1300 万或 1500 万美元左右。目前发生的情况中最有趣的一点在于：以前，如果它们提供一个模型服务——比如在 Nvidia Hopper GPU 上运行 GPT-4——它对 OpenAI 来说……产生的是负毛利。但现在，当 OpenAI 提供 GPT-5.6 服务，或者 Anthropic 提供 Opus 5 或 Fable 5 服务时，其产生的收入已经远远超过了……每兆瓦 1000-1500 万美元的增量成本。以 Anthropic 为例，其收入……甚至高达每兆瓦 5000 万美元。这现在使得它们能够这样运作：“嘿，如果我在推理算力上花费 10 块钱，我实际能产生 50 块钱的收入，然后我就可以转过头来，将这些增加的利润全部投入到模型训练中。” Dwarkesh：有一件事我非常感兴趣，那就是你如何看待算力在这些实验室中的集中化趋势，或者说流向整个世界的算力与流向这些实验室的算力的相对比例。如果你说现在三分之一的边际算力流向了这些实验室，那么到什么时候，世界上超过一半的增量算力将归于这些实验室？到了哪个时间点，这些实验室将基本上拥有世界上绝大部分的算力？ Dylan：在今年年初，OpenAI 起步于 2 吉瓦（GW），Anthropic 则不到 2 吉瓦。到了今年年底，它们都超过了 5 吉瓦。所以整体上它们的算力增加了 3 到 4 倍。当你查看增加的增量算力时，那大约占今年新增算力的 30%。当我们展望明年，考虑到已经正式签署和敲定的那些合同，你会看到更戏剧性的情况。Anthropic 和 OpenAI 明年将占据……高达 40% 到 50% 的算力。这种集中化的趋势……看起来并没有放缓或停止的迹象。事实上，它似乎只在加速。 为它们建设这些算力的主体将会发生改变。比如明年，一个主要的新入局者是……SpaceX，它正在建设大量的算力。他们很有可能会主动将其中相当一部分租赁给 Anthropic 和 OpenAI，因为它们是那些有边际能力……支付最高价格的人。此外，OpenAI 和 Anthropic 也开始建设自己的算力——OpenAI 使用他们自研的芯片，Anthropic 则使用他们从 Google 购买并与 Fluidstack 合作部署的 TPU。所以你问：“嘿，世界上新增算力的一半什么时候……仅流向 OpenAI 和 Anthropic 两家？”其实到明年年底时，一半的增量算力就已经流向了 Anthropic 和 OpenAI。因为算力增长如此之快，增量算力将基本上构成算力的绝大部分。 Dwarkesh：所以这很快就会发生——你的意思是，也许在一年半到两年内——世界上大部分的……算力都将被这两个实验室拥有，或者至少是在满足这两个实验室的需求。有这样一种趋势，也许全球算力以吉瓦为单位每年翻一番，但是……在这些前沿实验室的算力每年却翻三倍。如果保持目前的趋势，它会从今年年初的 2 吉瓦，增加到今年年底的接近 6 吉瓦。直接乘以 3。到 2027 年底是 18 吉瓦，到 2028 年底是 54 吉瓦。你会不会觉得：“好吧，到了那个时候，考虑到全球算力的总量，它们根本不可能继续翻三倍”？你怎么看未来几年全球算力的状况？ Dylan：如果今年的增量算力增加了 30……吉瓦，明年是 50 吉瓦，后年大约是 70 吉瓦，最终会出现一个非常有趣的现象。今年部署的每一瓦特新算力，其效率都……显著高于两年前部署的瓦特。世界上极大比例的算力都是在今年部署的。即使部署的瓦特数没有翻倍，但我部署的是 GB300、TPUv7 和 Trainium3，它们的效率要高得、高得、高得多。它们每瓦特的性能是上一代芯片的 3 到 5 倍。 所以最终你会看到这里有一个巨大的阶梯式提升。如果 Anthropic 和 OpenAI 占据了明年 45% 的算力……你会看到在，比方说 2027 年 12 月，它们已经占据了世界上新增算力的一半。但那占据世界新增算力的一半，其实……在性能上比之前所有的算力都要高。所以你等于在上面又加了一个乘数效应。当你到了……2028 年底时——如果这种趋势继续下去，而我看不到任何阻止它的因素——你会发现……它们将单凭自己就控制了世界上绝大多数可用的浮点运算能力（flops）。 Dwarkesh：令我感到困惑的是，如果我们进入一个算力价值极具增长的世界，你为什么认为我们在 2028 年只会增加 80 吉瓦？（如果算力价值飙升得如此厉害的话。） Dylan：顺便说一句，那（80吉瓦）已经是上限了。那相当于是在说：“我他妈极度看涨了。” Dwarkesh：好的，我们来理一下思路。几个月前我采访你时，你曾说过，为了制造一吉瓦的……我想是 Vera Rubins（指Nvidia新一代架构芯片），你需要 55,000 片 N3 晶圆、6000 片 N5 晶圆以及 17 万片 DRAM 晶圆。我知道这些数字现在可能已经变了。 Dylan：我得调侃你一下，你刚才说“wafers（晶圆）”的发音，真的他妈的太印度味了。听起来像“Vafers”。 Dwarkesh：顺便提一句，当我们刚搬到美国时，我在发 v 和 w 的音上混淆得很严重，而且当时我还是个素食主义者（vegetarian）。我记得我跟你讲过这件事。在北达科他州，我当时还在上小学，我会说——“能给我来点‘wedgie’（素食拼错，实为内裤卡屁股的恶作剧）吗？”“能给我来点‘wedgies’吗？”总之，那是一吉瓦所需的量。 我让一个大型语言模型（LLM）跑了一下你的晶圆制造设备模型，算出了每年……生产一吉瓦算力所需的设备工具成本大概是多少。它说需要 30 到 40 亿美元。现在假设你把无尘室、厂房外壳以及……晶圆厂里所有其他的东西都算上。那么，晶圆厂 60 亿美元的资本支出每年就能产出一吉瓦。而现在一吉瓦就能……创造 1000 亿美元的收入。而且这 60 亿美元的资本支出还能……每年稳定产出一吉瓦算力，而这一吉瓦算力又能每年创造 1000 亿美元的收入。因此，在五年的时间里，第一年产出的一吉瓦产生了五年的利润，……晶圆厂产出的第二吉瓦则产生了四年的利润，以此类推。在晶圆厂层面……这 60 亿美元的资本支出最终将创造出超过 1 万亿美元的终端 AI 收入。 Dylan：是的。这其中会有很多的运营支出（OpEx）。而且还有很多其他的资本支出，比如数据中心、电力。 Dwarkesh：而且你还得为研发费用向 OpenAI 付钱。 Dylan：还有安装费用。这里面有许多不同的环节都需要花钱。 Dwarkesh：就算给所有这些中间商扣除一半。那也依然意味着在晶圆厂的资本支出和最终产生的收入之间……存在着 100 倍的差距。 Dylan：实际上差距比那还要大，但……我们现在只是在做非常保守的估计。 Dwarkesh：结果就是……这就是资本主义。你面对这样一个可以将 1 块钱变成 100 块钱的巨大差异空间。他们（指 ASML 等供应商）难道就不会想出办法去制造更多的反射镜吗？ Dylan：他们会的。只不过制造这些反射镜需要一定的时间。但由于需求非常急迫，Anthropic……和 OpenAI 会觉得：“我们现在本可以赚取 1 万亿美元，但却被装在 ASML 光刻机里的这些反射镜卡了脖子。” Dwarkesh：如果我们砸 1000 亿美元进去，怎样才能造出更多的反射镜？ Dylan：这正是我们很快就会面临的局面。 Dwarkesh：难道我们就无法解决这个供应受限的问题吗？这实在很难让人想象。 Dylan：你应该见过人们在这里做的一些有趣的套利操作，他们……买入发电机组涡轮，然后试图转售，因为涡轮的价值远不止于此，毕竟它是卡住你数据中心建设进度的瓶颈。我认为，如果有人……手握 4 亿美元并且有能力说服 ASML 卖给他们一台 EUV（极紫外）光刻机，他们绝对应该去买一台，等一等，然后以超过 10 亿美元的价格转手卖掉。不过归根结底，是的，资本主义的确会推动这些产能扩张。 但它就像一条长鞭。挥动鞭子产生的信号需要很长的时间才能传导到供应链的最尾端。供应链无法立刻做出反应。事实上，如果你去跟卡尔·蔡司（Carl Zeiss，光学镜头供应商）的人交谈，他们会说：“是啊，是啊，在这个十年结束前，我们需要制造（满足） 100 台 EUV 光刻机的镜头。”当我们在今年早些时候录那期播客时，他们甚至觉得不需要制造那么多……不觉得需要制造足以供每年 100 台 EUV 光刻机使用的反射镜。而现在他们改口了：“好吧，我们需要这么做。”但在现实中，由于当前发生的这一切经济驱动力，这个数字应该还要更多。 Dwarkesh：消化这些需求（让其觉醒/扩产）需要太长的时间了。假设这个供应链堆栈中的每一家公司都被私募股权收购了。进来了一个极度信仰 AGI （“AGI-pilled”）的人，他发话了：“我们要将产量最大化。”你认为制造更多设备所面临的物理限制会是什么？我之所以这样问，是因为我们很快就会进入这样一个世界，在这个世界里，实验室的收入，或者仅仅是 AI 的……现金流——因为显然这些加速器公司也有巨额现金流——将会大到你完全可以单凭这些现金流，来资助所有这些产能的极限扩张。 Dylan：我总体上是同意的。这里面显然存在一些物理限制。以目前供应链扩张的方式来看，100 台大约仍是一个准确的数字。 Dwarkesh：针对 2030 年吗？ Dylan：针对 2030 年，100 台 ASML 光刻机。 Dwarkesh：但如果你跟对方说，“卡尔·蔡司，这是 100 亿美元。拜托他妈的赶紧给我扩产，”那……就会改变局面。你就必须对供应链上的每一家公司都这样做。 Dylan：但你不认为这会在明年发生吗？我不认为这会在今年发生。我不认为会在明年发生。我不认为会在后年发生，因为世界面临着资本约束。 Dwarkesh：但是在那样一个世界里，比方说，顶尖实验室明年创造的收入，哪怕加起来，达到了 1 万亿美元，他们难道不能从中拿出 100 亿美元—— Dylan：我觉得他们不会那么做，但是…… Dwarkesh：或者哪怕拿出几千亿美元？既然他们似乎已经意识到了世界的走向。我觉得他们完全可以去制造…… Dylan：问题在于，这些实验室明年确实会产生数千亿美元的收入。但最终，明年的资本支出……是在 2 万亿美元左右。所以这里有一个巨大的错位。晶圆制造设备供应链的规模大概会在 2000 亿美元左右。数据中心市场供应链的规模甚至会更大。加速器供应链的规模还会更大。能源供应链也会占据一个庞大的数字。你把这些全部加起来，资本支出将远远超过 2 万亿美元。所以这些实验室还没有达到其现金流足以支撑这一切的阶段。 Dwarkesh：显然他们永远也到不了那个点，因为你会一直希望让你的资本支出高于当前的收益。 Dylan：是的，你需要不断地将利润进行再投资。 Dwarkesh：我真正想弄明白的关键问题是：如果按照目前的趋势发展下去，到 2028 年底，每个实验室的算力将超过 50 吉瓦。所以它们加起来将拥有 100 吉瓦的算力。这些吉瓦级的算力，正如你所说，到 2028 年，其驱动的吞吐量或性能将是……现在的数倍，因为硬件变得更好了。不仅每瓦浮点运算次数增加了，而且硬件在处理 AI 工作负载方面也变得更加出色。好吧，到 2028 年底实验室拥有 100 吉瓦的算力。那全球算力会有多少？ Dylan：我觉得那可能有点……难以估量，毕竟考虑到 2028 年它们已经占据了增量算力的 70-80%。 Dwarkesh：而且我不确定到那时候市场会发生什么。为了让它们能够真正买下 70-80% 的算力，算力价格要飙升到……何种程度？Google、Meta 或者是 Amazon 真的愿意……卖出那么多算力吗？ Dylan：此外，在谈论这些吉瓦数字时，有一点需要注意。当 Amazon 通过 Bedrock 提供 Anthropic 的模型服务时，在我们的世界观里，这被算作 Anthropic 的算力，因为归根结底，它有效地转化为 Anthropic 的收入，尽管其中有收入分成和额度返还等机制。但最终在 2028 年，如果它们加起来达到了 100 吉瓦的规模，它们就真的在市场上造成了极具颠覆性的影响。因为按照今天每兆瓦 1000 万到 1500 万美元的算力成本……任何人都能从中赚钱。我没开玩笑，这其实并没有那么难。 去弄一个 GB300 的机架，去下载 Kimi 的模型权重，再去下载 vLLM 或 SGLang，把它配置好。Codex 和 Fable 实际上甚至能帮你完成这些操作。这非常简单。虽然不是随随便便就能搞定，但也绝非制造火箭那般困难。然后把它放到 OpenRouter 上。就是这么简单。你创造的收入就会开始超过你支付的算力成本。这已经导致了目前这种每兆瓦 1000 到 1500 万美元的算力定价开始向上拐头。要在 2028 年达到那个 100 吉瓦的体量，你必须……相信这些实验室能够支付远高于市场竞价的算力费用，因为（如果价格低）任何人都可以在 1000 万到 1500 万的成本下赚钱。 Dwarkesh：现在的算力价格会达到每兆瓦 2500 万美元吗？会达到 4000 万美元吗？正如你所说，现在的实际情况已经是，实验室每兆瓦创造的收入远高于其他任何人。如果它们能保持目前这种领先的优势，你可以预期这种情况将继续存在。如果存在某种递归式的自我改进（RSI），使得 AI 实验室的能力得到相对大幅的提升——或者它们内部有并未对外发布的模型，正在帮助它们将下一个模型做得更好——你可以预料这种情况会变得更加明显。难道你还没看到这种现象吗？SpaceX 或是其他稍微落后一些的企业，如果他们无法……像实验室那样出色地将其转化为内部收入，他们就会直接把算力卖给出价最高的人。你可以预期他们（实验室）会不断地出高价竞标以占据越来越大的……算力市场份额。 Dylan：我觉得这正是我的世界观判断。他们将继续吞噬越来越多的算力。但最终，他们不可能以当前的价格，或者哪怕是接近当前的价格来做到这一点。他们确实必须开始支付每兆瓦 2500 万、3000 万、5000 万美元的价格，才能真正吞下世界上 70% 的……2028 年算力，才能在 2028 年达到 100 吉瓦的规模，这是一个极具野心的激进目标。这其中另一个极具挑战性的方面在于，我们已经……看到 AI 实验室出现了大幅度的放缓。他们所倡导的这些监管政策，实际上……拖慢他们自己步伐的程度，远超过拖慢开源中文语言模型的程度。比如 OpenAI 没有发布 Astra。OpenAI 停止训练两周。 Anthropic 也没有发布他们在安全评估中称为 Model 2 的产品，而人们普遍认为这正是下一个版本的 Mythos。他们显然没有发布自己最好的模型，在这种情况下，他们每兆瓦的收入增长就会停滞，甚至可能因为其他模型重新具备了竞争力而再次开始下滑。这并不是说他们落后了。只是因为他们没有发布自己最顶尖的技术成果。如果因为某种监管的影响阻碍了他们发布最好的模型，那会怎样？那样的话，他们每兆瓦的收入就不会攀升得那么快。他们以高于其他人的价格购买增量算力的能力……就会开始减弱，那么也许他们就无法达到那个 100 吉瓦的目标。但在一个不考虑安全（监管限制）的世界里，我坚信这正是会发生的事情。 他们可以开始产生每兆瓦 1 亿美元甚至更多的收入，并且他们有能力支付每兆瓦 5000 万美元的成本。在这种情况下，其他任何人都没有任何合乎逻辑的理由……去拿自己的算力做别的事情，除了说一句：“求你了，Dario（Anthropic的CEO），把我的算力全都收走吧。”但是目前有一些我们无法尽述的力量在发挥作用，这些力量可能会减缓这一进程。 Dwarkesh：我认为一个很好的直觉泵（思想实验）是：如果这些 AI 模型真的能够媲美一个全自动的软件工程师呢？它们目前还没有达到那个水平。我认为它们距离完全自动化一个全职白领员工的工作还有很长的路要走。但是白领员工每年的收入达到了六位数甚至更高。如果你有一吉瓦的算力，能够支撑，比如说，大约 100 万名（虚拟）白领员工的体量。那么以此为基础……那将是 1000 亿美元。 Dylan：那个估算实际上出奇的低。 Dwarkesh：是的，假设每人 10 万美元，100 万人口。 Dylan：我不知道。但如果你实现了完全的 AGI（通用人工智能），每吉瓦的价值将达到数千亿美元。这里的另一个方面是——而且我们…… Dylan：……一直在见证这种情况——就是大部分的价值获取并没有真正发生在它们身上。这些模型所产生的大部分价值并没有交给 OpenAI 和 Anthropic。值得庆幸的是，到目前为止，它主要还是赋予了用户。比如，Jane Street 凭借他们与 OpenAI 签署的 GPT-5.6 Ultrafast（极速）模式的独家合同，或者是 Jane Street 作为 Anthropic 最大的客户之一，正在产生的价值远、远、远……大于他们为 Token 所支付的费用，也远多于 Anthropic 自身所获取的利润，因为他们能够从市场上赚钱。再拿 Meta 来说，曾有传言说他们一度占据了……Anthropic 高达 10% 的业务量。他们通过优化广告算法等操作正在创造高得多的效率，使（用户）参与时间……延长 5% 等等这一切。他们通过使用这些模型赚到的钱远远超过了 Anthropic。 Dwarkesh：这是必然规律。确实，如果你突然多了 100 万名新的软件工程师，软件工程师的成本也会下降。有一件事我感到困惑，那就是市场会达到一种均衡状态吗？如果市场进入了均衡状态，你会不会觉得算力的价格就应当等于……Anthropic 和 OpenAI 能从中产生的任何价值，或者非常接近它，只是给 Anthropic 和 OpenAI 留一小部分利润空间？因为现在真的很奇怪，在这两者之间竟然有……4 倍甚至更大的差异：算力的售价，与 Anthropic 能用它赚到的钱之间的差异。在一个每吉瓦带来的收入持续增加的世界里，如果 Anthropic 的货币化能力……——也就是将一吉瓦转化为收入的能力——翻倍或者翻三倍，那么如果这种差距还在继续扩大，那就太奇怪了。Anthropic 仅仅因为掌握了一些模型权重，就能把花 10 块钱买来的东西变成 100 块钱。 Dylan：这总是一个有趣的问题。AI 的价值到底流向了哪里？AI 正在创造所有这些价值。有终端用户，我想我们都同意他们获取/产生的价值比其他任何人都要多，正因如此，他们才愿意为这些模型支付大量费用。然后是应用（App）层。到目前为止，应用层创造的价值还非常少。接着是模型层，直到一年前它们还在产生负的毛利率，而现在正产生着巨额的正毛利率。看起来它正在迈向……产生每兆瓦 1 亿美元收入的道路上。所以正如你所说，把 10 到 15 块钱变成了 100 块钱。 但是如果回退到一年前，硬件供应链获取了所有的毛利润，而与此同时毫不夸张地说其他所有人都在亏钱。OpenAI 和 Anthropic 只是在疯狂地将风投的……钱砸进去，许多其他初创公司也是如此。许多这些超大规模云厂商在建设基础设施时，根本不知道是否会有回报。所以最终你会发现，在模型层产生了所谓的负价值创造，如果你愿意这么称呼的话，因为他们出售 Token 的价格甚至低于他们在基础设施端的成本。 所有的价值都被芯片端、晶圆厂截留了。最初在 2023 年，存储器厂商在 HBM（高带宽内存）或 AI 内存上根本没赚到钱，尽管理论上他们所提供的价值是巨大的。而现在你有了……嗯，实际上台积电（TSMC）获取的价值要远远少于那些存储器厂商。所以价值的截留（分配）发生了很大的转移，对于追踪市场或参与市场的人来说，这非常有趣，比如以 Jane Street 为例。这不是广告。这不是广告。 Dwarkesh：这确实不是硬广。他们确实是赞助商，但你不必这么用力地植入他们。 Dylan：那么接下来的发展会如何？Anthropic 和 OpenAI 已经慢慢开始在获取价值上大幅膨胀。它们会继续膨胀并夺走所有的价值截留吗？嗯，曾经这是一种设想，但随后埃隆（马斯克）用实际行动展示了：“其实不然。我能以每兆瓦 2500 万美元的价格卖掉我的算力……或者以每兆瓦 4000 万美元的价格卖给 Anthropic 和 Google。就算这只是一笔短期的买卖，我已经按这个价格卖出去了，我一年内就能收回我全部的资本支出。” Dwarkesh：你的预测是什么？相关批次的算力——比如 B300 或者是……也就是 SpaceX 以每吉瓦 400 亿美元的价格卖给 Google 的那些算力——到明年年底时它能卖到多少钱？ Dylan：我觉得大多数算力仍将继续以低于每吉瓦 200 亿美元的价格进行交易。 Dwarkesh：甚至到了明年年底也是吗？ Dylan：因为所有的这些（项目）都需要融资。如果 Meta、Microsoft、Amazon、SpaceX 能够在没有找到客户的情况下就开始建设算力，只是想着：“管他呢，我就是要建这些算力”，然后转头等待直到它……被建好了，现在他们就能掌控局面。但现实是大部分的算力在建成之前就已经被合同预定出去了。这正是埃隆在市场上利用的优势。他手里实打实地握有这些算力。他就像在说：“嘿，Anthropic，我知道你们每吉瓦能赚 600 多亿美元。你们为什么不花一个疯狂的高价直接买我的现成算力呢？”很显然，这并不是由埃隆单方面决定，或者由 Anthropic 单方面决定的。 这是市场自行博弈出的结果。至于其他人，你随便去找一家云服务商，他们的态度是：“好的，我准备去建设一吉瓦的算力或者 100 兆瓦的算力。我准备投入这笔资本支出。然后我得转头去寻找客户。如果我想寻找客户，我得先找到资金。谁会提供给我资金和客户呢？客户必须先签署协议。然后我拿着客户的承诺书去向……信贷市场进行融资。”所以这里存在一种完全不同的权力结构，在这种结构下，Meta 实际上正在囤积算力。 他们和 SpaceX 是唯二最有可能的“第三势力（#3）”，因为他们正在囤积所有的算力。他们利用自己的资产负债表和实力，在没有终端客户的情况下大举建设算力。而不需要一个将其高度货币化的最终客户。他们拥有真实的强劲资产负债表，所以他们能够去信贷市场融资。你建成了一吉瓦，你就能赚取你的利润率，不是那种疯狂的暴利，但也是一笔可观的利润。现在我握有所有的这些算力。此时 Meta 和 SpaceX 就具备了选择权，他们可以环顾四周然后想：“是我……自己内部的使用场景能让我赚更多的钱，还是我应该把这些算力以疯狂的溢价卖给 Anthropic 或 OpenAI？”所以现在我们进入了这样一个机制阶段：SpaceX 和……Meta 都在说：“实际上，我就是要自己建算力，而且我的出租价格绝对不是 13块。我可以卖 25 块，50 块，甚至更高。” Dwarkesh：到 2027 年底每吉瓦的收入能达到多少？ Dylan：对于 Anthropic 或 OpenAI 来说，到 27 年底。我认为这高度取决于谁拥有最好的模型，并且取决于他们是否……被允许继续发布他们最好的模型。但我看不出为什么它达不到每兆瓦 5000 万美元以上。 Dwarkesh：到 27 年底。 Dylan：哦，到 27 年底吗？那就会变得更具挑战性了。但我认为它依然可以达到比那还要高的水平，大概达到全公司综合水平每兆瓦 7000 万、8000 万美元，甚至更高。 Dwarkesh：听起来有点低了。既然这样的话，那么算力的价格会发生什么变化呢？ Dylan：嗯，如果我是 Anthropic，增量算力就是物有所值的。也许我会花每兆瓦 4000 万美元来购买 SpaceX 的算力。如果我是 SpaceX，我就会看向供应链然后想：“嘿，我已经和黄仁勋（Jensen）达成了这笔交易……（突然间他现在竟然也开始用推特了）。”而且埃隆在说他们只会独家采用 Nvidia 芯片，但是黄仁勋为什么不涨价呢？然后 SK 海力士、美光以及三星看到这一幕，他们也会想：“那我们为什么不也涨价呢？”所以在价值捕获方面，我认为这里存在着一种牛鞭效应。仅仅因为某一个人提高了价格，并不意味着……整个供应链会立刻重新达到平衡。但是随着时间的推移，供应链会重新平衡，所有东西的成本也会越来越高。为了获得那些增量的产能，你多多少少只能接受。所以台积电涨价非常缓慢，但存储器公司涨价却非常快。基板公司涨价也非常快。如果只是 15（千万/每兆瓦），埃隆是不会卖的，他之所以卖是因为价格超过了 25。所以显然他提价提得非常快。 Dwarkesh：我很惊讶你竟然认为每吉瓦的收入……到明年年底甚至不会增加到远超 1000 亿（每吉瓦）。递归自我改进（RSI）什么时候发生？所谓的“起飞”什么时候到来？或者哪怕 RSI 不发生，只说按着……目前的进度速度继续下去。看看我们在过去，比方说一年半的时间里，取得了多大的进展。一年半以前最好的模型是什么？Claude 3.5 之类的？ Dylan：我对这个观点的疑问是，实际上目前……世界上存在的最好的模型，还是在今年 2 月份训练出来的。 Dwarkesh：所以你是说，也许我们只是不被允许向外发布实验室里最好的模型。 Dylan：伙计，OpenAI 甚至说他们两周内都不会训练新模型。这算怎么回事？ Dwarkesh：有一件事是，在内部，他们是否对其有足够多的使用需求，以至于他们会不断抬高算力的竞拍价格？另一件事是，AI 的整体进步是否会因为监管而放缓？ Dylan：是的，但是他们甚至……不被允许在内部使用这个新模型。Astra 甚至都没有在内部广泛部署。 Dwarkesh：但即便如此，如果你拥有一个模型，它是……去年年初发布的模型是什么来着？GPT… 4o？是 4o 吗？ Dylan：是的。 Dwarkesh：你说的是，到这个时候，会有从 GPT-4o 到 Mythos 2 这种级别的飞跃，再次强调，是到 2027 年底。 Dylan：对，但 Mythos 2 都还没出呢。甚至连 Mythos 第一代都还没出。 Dwarkesh：（我指的是）那种程度的飞跃。 Dylan：就连 Mythos 都不被允许发布出来。他们把它“阉割”了。我们不能用它来优化推理性能。我们不能用它来优化各种各样的事情。 Dwarkesh：是的，也许 AI 的进展或者 AI 部署……会出现某种放缓，这意味着每吉瓦的收入可能会变低。但这（放缓）是我能看到的唯一理由，解释为什么到明年年底（收入）竟然只有每兆瓦 1 亿美元。 Dylan：只要模型变得更好，它所产生的价值就会增加。显然，谁能捕获这些价值还有待商榷，但归根结底……每个人都会提高自己的价格。因为他们有能力提价，并且这是一种极度的通胀。特别是如果监管的手段是……现在，到目前为止，监管手段仅仅是“不要发布模型”。但越来越多的情况是，监管的手段变成了纽约州禁止建设数据中心。德克萨斯州实施禁令暂停建设。俄亥俄州在说，或者至少试图在要求，你必须支付……一定半径内所有人的财产税。这些事情都会减少供应量并且增加成本。这些成本同样也会被转嫁出去。你最终会陷入这样一种境地：至少从外部视角来看，技术进步确实放缓了，哪怕模型在内部仍变得越来越强。 Dwarkesh：在一个（技术）起飞的场景下，为什么 Anthropic 会不让他们内部最好的模型，领先于外部可用版本长达六个月之久呢？ Dylan：因为安全考量和监管限制，以及竞争优势考量对吧？ Dwarkesh：如果进步在不断加速，那么这六个月的时间差……实际上将代表着一个更巨大的差距。 Dylan：所以这正是那个能够限制……每兆瓦收入的增幅的事情，使其增速远远低于我们在今年上半年所看到的水平。 Dwarkesh：这是我非常感兴趣的一点。当这些公司上市，并且它们…… Dwarkesh：需要向投资者负责时，比方说到了明年年底，它们手握着接近 20 吉瓦的算力。其中 10% 的算力就是 2 吉瓦。假设它们想把算力分配比例从原来的（举个例子） 60%……用于训练，提高到 70% 的算力用于训练。那它们的投资者就会质问：“嘿，如果你们有能力每吉瓦创造 1000 亿美元的收入，那么你现在等于是说，你们为了增加模型训练算力，直接拒绝了 2000 亿美元的收入。”投资者就会觉得：“搞什么鬼？你们已经在训练上花那么多钱了。为什么你们还要在训练上花更多钱？”作为一家上市公司，你认为如果他们直接说，“不，我们会继续增加用于训练的算力比例……来抵消每吉瓦算力带给我们的收入增长”，那会发生什么情况？ Dylan：这正是我个人的看法。随着时间的推移，实验室分配给推理的算力比例会越来越少。我认为这是一个非常非共识的观点。大多数人的标准看法是：“哦，大部分算力都会用于推理。”（但实际上）大部分算力都会流向前向传播的训练过程，而不一定是产生直接收入的推理业务。归根结底，如果他们今天每兆瓦能产生 3000-4000 万美元收入，你会分配 40% 给推理。如果你现在能够每兆瓦产生 6000-7000 万美元的收入，你还会把 40% 的算力……分配给推理，去创造这些巨额利润，然后用来发股息和股票回购吗？还是说你会去致力于打造 AGI？我认为显而易见的答案是，无论对于 Anthropic 还是 OpenAI 来说，不仅是高管层，他们的董事会也会选择去……打造 AGI，因为那会带来多得多的利润。所以最终你会看到他们不断调高……他们专用于训练的算力比例—— Dwarkesh：即便每一次增加的算力如果用于推理，都能带来比以往更多的利润生成。 Dylan：对。核心的问题在于，如果我在出售 token……OpenAI 推出 Ultrafast 模式仅仅是为了……对外发布吗，还是他们内部也在用？结果发现不是（不仅仅是对外）。实际上，我会把它同时分配给内部和外部，因为我从超级快的 AI……或最好的 AI 模型中所获取的内部价值，远比外部用户的价值大得多。所以最终，当然，我可以产生每兆瓦 1 亿美元的（外部）收入，但如果我……将这部分资源投向 AI 研发，我能获得怎样的增量进展？那将对未来的盈利潜力，即所有我创造出的事物的折现现金流……产生什么影响？他们或许并没有精确去算那笔账，但归根结底，把越来越多的算力专门用于内部研发，是非常合理的逻辑。保持推理算力规模如此之大的唯一原因，是为了让其产生的收入足以支撑你扩充模型训练集群。 Dwarkesh：我觉得这是一个非常有趣的经济学问题，或许我们可以让模型来消化分析一下。要让他们降低花费在推理上的算力比例，在这样一个世界中，什么前提条件必须成立？ Dylan

SemiAnalysis创始人：到2028年，全球大部分AI算力只属于两家公司

📌 概要