锁死全球 80% 供应链、华尔街排队借钱配资之家，未来属于马斯克和黄仁勋。
编译 | 王启隆
出品丨奇点折射（ID：rgznai100）
过去两个月，二级市场的科技股遭遇了一轮大幅回撤。投资机构的 LP 们陷入了极度焦虑，每次开会的第一句话几乎都是：“这一切到底会怎么崩盘？哪个环节会最先暴雷？”
然而，与二级市场的恐慌截然相反，底层的产业基本面正在全速狂奔。对冲基金 Atreides 创始人兼首席投资官Gavin Baker（华尔街公认对半导体、硬件供应链和物理硬指标理解最透彻的顶级投资人之一）在西海岸考察了整个夏天，逢人就抛出同一个试金石问题：“能不能告诉我，你们业务中哪怕一项正在恶化的量化指标？”——找了整整两个月，他一个负面数据都没找到。
A16Z 的最新播客与 Gavin Baker 展开了一场硬核的深度对谈。他们跳出了“AI 泡沫”与“赢家通吃”的陈旧视角，把整场 AI 革命视作一场波澜壮阔的正和博弈，并从最底层的硬账本切入：拆解了吉瓦（GW）级算力投资一年内回本的真实模型、3000 万开发者扩散到 15 亿打工人将引爆的结构性大断供、SpaceX 太空轨道数据中心的商业闭环，以及各大企业争夺“智能抽象层”的世纪混战。
正如他们所言：当下市场最大的误判，是把一场实体供应链即将被榨干的“超级大缺货”，误当成了“产能过剩泡沫”。
金句速览
关于泡沫与做空：“我找了两个月，见了一圈人，没能从任何人口中听到哪怕一个正在恶化的业务数据。指数在跌，但底层的产业基本面在全面加速。”
关于极其夸张的算力回本周期：“数百亿美元砸下去，不到一年就能全额回本。在我的投资生涯里极少见到这种资产：客户提前预付一半以上的现金，华尔街顶级财团排队提供低息抵押贷款。”
关于太空数据中心与地面通胀：“地面建 1 吉瓦算力，光是水电气和土建就要 150 亿美元且面临严重通胀；太空中太阳能和散热都是免费的。星舰只要实现完全复用，发射成本能压到 10 亿美元以内，太空算力将彻底逆转地面经济学。”
关于企业级 AI 的终局之战：“未来不会有任何单一模型全能第一，一定是多模型混合。谁能成为贯穿企业组织与终端用户之间的‘智能抽象层’，谁就将占据商业史上最具价值的黄金生态位。”
关于千万别在半导体领域挑战黄仁勋：“黄仁勋锁死了全球 80% 的关键供应链，他就是 AI 世界的美联储。很多芯片创业团队总想正面掀翻他——千万别学那些不知天高地厚的年轻后卫，在常规赛去挑衅迈克尔·乔丹。”
以下是这场对话的完整编译内容（经整理略有删节）：
01 / 这是属于马斯克与黄仁勋的时代
主持人：回顾历史，过去有维多利亚时代；而当 21 世纪写进历史时，我认为这个时代将被铭记为“马斯克与黄仁勋的时代”，因为他们正在从根本上改变人类社会与文明的根基。
Gavin Baker：如果接下来出现大规模的供应短缺，会发生什么？
主持人：只要出现真正意义上的重大新技术，就一定会产生泡沫，因为市场总是很容易过度兴奋、走在基本面之前。
估值被过度推高，进而引发过度建设。另外我觉得，“我们必须保持领先中国”这种说法虽然站得住脚，但其实没起到什么实际作用。
Gavin Baker：这么说你反对建数据中心？
主持人：怎么会，这很可能是美国工薪阶层经历过最好的事。我们正在推动美国的再工业化，这非常棒。
Gavin Baker：就算你是对的，从物理规律上讲这确实没有做不成的道理。
主持人：未来全球会有越来越大比例的算力部署在太空轨道上。这听起来不可思议，但小行星采矿迟早会成为现实。它所蕴藏的黄金、白银、铂金以及各种贵金属，比地球地壳现存的总和还要多。
Gavin Baker：我们每次和 LP 沟通，对方开场的第一句话基本上都是：“这一切最后会怎么出问题？”
当二级市场还在为空谈“AI 泡沫”争吵不休时，真正的一线实战派早已在抢夺“智能抽象层”与 Agent 的落地先机。
11 月 20-21 日，北京万达文华酒店——2026 奇点智能技术大会，拒绝务虚的宏大叙事，18 大核心专题、70+ 一线实战嘉宾，为你全盘拆解大模型与 Agent 落地的最前沿技术路径。
扫码领取 Łukasz Kaiser 历届演讲视频、Agent 实战训练营录播课大礼包
02 / 整整一个夏天，找不到任何做空 AI 的理由
主持人：Gavin，整个夏天你都在西海岸这边，你之前一直说想找人聊聊看空的逻辑，好让自己没那么乐观。你找到这样的人了吗？
Gavin Baker：没有。我问每个人的标准问题都是：“你能说出你们业务里哪怕一项正在变差的量化数据吗？只要一项就行。”这就是我的标准问题。至少在 7 月和 8 月，我连一个能给出这种数据的人都没遇到。
客观来说，Anthropic 正处于静默期，步伐可能稍微放慢了一点，但其他所有人显然都在加速。OpenAI 明显在提速，开源生态加速得更快；而 Grok，尤其是在推出 Grokbot 之后，提速相当迅猛。
所以整个 AI 行业 7 月在加速，8 月也在加速。它不可能永远加速下去，但离谱的是，过去两个月公开市场的股票却跌得一塌糊涂。
常言道，趟过一条平均深度只有两英尺的河也照样能淹死人。指数层面上看波动不大，但不少 AI 标的其实跌幅相当深。尽管 8 月稍微有所反弹，但依然处于很大的回撤里，而实际业务面整体上却在全面提速。
主持人：对。我们的朋友 Eric Fisher 在和 Patrick O'Shaughnessy 录播客时就提过：也许所有人都会赢。
Gavin Baker：没错。Anthropic 会赢，OpenAI 会赢，SpaceX 会赢，Meta 也会赢；Google 靠着卖大量 TPU 会赢；开源会赢，NeoCloud 会赢，搭建在 NeoCloud 之上的推理云会赢，应用层也会赢。可能不是所有应用都能赢，但那些执行力强、能应对好这一局面的应用肯定没问题。在我看来这完全是可能发生的局面。这个世界上充斥了太多零和博弈的思维。
03 / 抛弃零和思维：这是“兼得”的时代，不是“二选一”
主持人：顺便问一句，关于 Anthropic，你的推测是什么？
Gavin Baker：站在 Anthropic 的角度，我觉得他们可能只是核准并调整了一些财务口径。
主持人：对，肯定要这么做，换谁都会这么选。重新调整基准之后，现在就能和 OpenAI 直接对比了。
Gavin Baker：对，无论是新增收入的定义还是口径，现在基本都对齐了。
主持人：没错。重新锚定基准之后，他们做了一轮试水。以他们的执行力，我推测下一次披露数据时，就会看到增长重新提速。
而且前沿模型公司之间总在玩这种有趣的心思：手里永远留着更先进的 checkpoint（权重检查点）。Anthropic 显然在等 OpenAI 先发布 Astra。
然后第二天就会说：喏，这是 Fable 5.1。
Gavin Baker：对，丝毫不差。“巧得很”，就在 Astra 发布几小时后，它就神奇地上线了。
主持人：所以我觉得他们在准备 IPO 时考虑得很周全，毕竟现在所有人都在把矛头对准他们。
Gavin Baker：是的，大家都在打他们，而他们正处于静默期，没法正面回应。这里面有很多博弈成分。
但我认为，OpenAI 和 Anthropic 成为上市公司对市场是件好事，因为它们的影响力太大了。很多二级市场投资人一听到“Sarah Frier 在全员大会上说了某句话，还上了《华尔街日报》封面”，转头就会把这些话直接写进自己的财务模型里。
主持人：对，上市对他们会更好。不过我稍微有点……Anthropic 现在在文化面试中居然会问：“如果公司的股权最终归零，你作何感想？”
Gavin Baker：对，因为他们在找那些与使命高度一致的人。
主持人：是的，看重使命感，而不是唯利是图。
Gavin Baker：这很好，我们需要有使命感的人，但大家也需要赚钱。归根结底，如果股权真的归零了，你根本负担不起实现使命所需的算力。我不是这方面的专家，但这一点我很确定。
主持人：我一直觉得他们是一家“偶然做成了企业级业务”的公司。
Gavin Baker：确实，他们差不多什么业务都是误打误撞做成的。
主持人：企业级服务只是最终使命的副产品。相比之下，OpenAI 更具商业化导向，SpaceX 显然也更商业化。
Gavin Baker：但算下来所有这些公司——假设它们手握 10 个吉瓦（GW）的电力容量，把其中的 8 个吉瓦分配给推理。哪怕这 8 个吉瓦每年按 600 亿美元来变现，年收入就是 4800 亿美元。从营收维度的投资回收期（Payback Period）来看，这就是一年的回本周期，这还没算毛利层面。
主持人：对，是按总营收口径算的。我一直在尝试用保守的数字来测算。现在大家普遍认为 OpenAI 和 Anthropic 每吉瓦电力的年化变现收入都在 1000 亿美元左右。
假设某天他们取得了一项重大研究突破，认为“从长期优势考虑，我们应该把原本用于推理的 8 个吉瓦和训练的 2 个吉瓦，调整为拿 8 个吉瓦来做训练”。那么你的年收入就会瞬间从 4800 亿美元掉到 1200 亿美元。
我觉得他们完全做得出这种决定，他们真的会这么干。
Gavin Baker：对，而这种事情将是二级市场必须去适应的。
主持人：正如你所说，OpenAI 可能会有所不同。大家对如何管理公司都有自己的理想状态，但一旦上市，股价一旦波动，就会直接影响到员工士气、招聘和团队留存。
所以我如果看到他们做出这么剧烈的削减，其实会挺意外的。但他们的收入很大程度上取决于自身节奏——取决于发布哪个 checkpoint、在帕累托曲线上如何定价，以及在训练与推理之间如何分配算力。
对比 Meta、Google 这类互联网公司，即便当年股价波动，其业务基本面其实一直很平稳。他们在提供基础设施的成本与支撑业务收入之间，并不存在这么极端的权衡取舍——两边完全是各自独立的。
Gavin Baker：回到 Eric 说的“大家都会赢”，我认为这个观点非常到位。我和 LP 经常聊到这一点，因为我们和 LP 的每次对话——你那边估计也一样——开场都是：“这一切到底会怎么出问题？什么东西会崩掉？”
我说这种想法完全错了，这不是非此即彼的‘二选一’，而是‘兼得’。说什么“大模型要完蛋了”，或者“开源会让实验室完蛋”，这些全都不对。
前沿模型会发展得非常好；次旗舰模型（N-minus-one）会发展得非常好；开源生态会发展得非常好；也会有一大批应用层公司脱颖而出；云厂商大概率也不会有事，都会运转得很顺畅。
主持人：五家前沿实验室都会做得很出色，而英伟达就处在这一切的核心。
Gavin Baker：对，他们的处境会非常不错。
主持人：过去 26 年的经验告诉我，永远不要做空黄仁勋。
Gavin Baker：没错，他在目前的格局里占据了非常有利的位置。
04 / 一年内收回全部本金：算力大基建背后的惊人经济账
主持人：我想回到你刚才提到的训练与推理的权衡，这点很有意思。在我看来，这些前沿实验室很可能会把所有新增利润、甚至远超利润本身的资金，长期持续地重新投进模型训练里。你觉得这个判断准确吗？
这跟云厂商截然不同。互联网公司和云计算巨头最终由供需驱动，能产生巨额利润；它们固然保持一定增长，但除了 Meta 之外，基本没有谁在做一个需要数年才能见效的超长期豪赌。
Gavin Baker：是的，不过我觉得需要把话说得更精确一些。我肯定不认为他们短期内能产生什么自由现金流。
他们会产生大量的经营性现金流，然后立刻把这些钱全拿去采购 GPU、XPU（随便你怎么称呼这些芯片），或者拿去大力做补贴。
主持人：大力补贴什么？
Gavin Baker：补贴他们的一方自营产品，也就是直接补贴这些产品消耗的 Token。他们一边做各种前沿研究，在数据和算力上砸重金，而目前的第一代自营产品其实都处于重度补贴状态，对吧？
主持人：对，相当于 8 个吉瓦做推理，2 个吉瓦做内部研究，另外 2 个吉瓦实际用于训练。
Gavin Baker：没错，这其中大概还包括后训练（Post-training）阶段所消耗的推理算力。
主持人：考虑到他们对 Scaling Law（缩放定律）的深信不疑——而且这一定律目前依然成立——我不认为他们当中有谁会把重心放在追求自由现金流上。你也看到了，对吧？去年微软的 Satya Nadella 就犹豫了一下。
Gavin Baker：是的，而且我认为 Satya 现在对此非常后悔。
主持人：他去年确实退缩了一下。他在达沃斯接受采访时被问及庞大的资本开支，他说“我知道我们能掏出这 800 亿美元”，但我觉得他们当时确实犹豫了，放慢了节奏，现在正为此后悔。
接着 Anthropic 的 Dario Amodei 上了一档播客，讲了那段很有名的话：“有些人花钱极其不负责任。这是一个艰难的决定：如果你投得不够，可能会丢掉很多市场份额；但如果你投得太多，可能会直接破产。两者都很糟糕，但破产显然比丢份额更严重，所以我宁可保守一点。”而他也确实选择了保守。
Gavin Baker：但 OpenAI 很激进，现在他们重新占据了主动；SpaceX 也很激进。
主持人：SpaceX 同样极其激进。抛开眼下的供需错配不谈，这些激进投入带来了显而易见的高投资回报率。无论从短期还是长期来看，这显然都是正确的决定。
Gavin Baker：完全是这样。根据 Nebius 和 CoreWeave 披露的数据测算，Nebius 的回本周期可以缩短到 9 到 10 个月。你上线 1 个吉瓦的算力，建造成本是 500 亿美元，但你可以直接从客户那里拿到 50% 到 60% 的预付款。这样你实际承担的资金敞口就只有 250 亿到 300 亿美元，如果再放到现货市场上变现——
主持人：现货市场。
Gavin Baker：对，按现货价格算，回本周期很可能远比 9 到 10 个月更快。
主持人：哪怕按平滑后的价格（比如两三块钱）来算，回报率都很高，更何况现在现货往往能拿到五块甚至八块。
Gavin Baker：SpaceX 也是如此。他们建的是超大规模集群，而且极关键的一点在于他们上线速度极快。
他们的回本速度更快，变现单价也更高。我现在已经尽量转向按“每兆瓦（MW）”而不是按每颗 GPU 来考虑定价，因为整个行业都在往这个方向走，而 SpaceX 的回本周期显然远快于这个水平。
主持人：在我的投资生涯中，极少见到有公司能够一口气投下几百亿甚至上千亿美元，却能在不到一年的时间内收回成本。
Gavin Baker：这确实有点不可思议。而且别忘了，特别是买英伟达 GPU（以及相对少部分的 TPU）时，这些硬件资产是可以做抵押融资的。
目前市场上存在着非常成熟、成本极低的资本来为这些硬件提供融资。
主持人：很多人都在为所谓的“循环融资”争论不休，但我在 Blackstone、KKR 和 Apollo 认识很多非常聪明的人，正是他们在以相对较低的成本提供这些融资。
之所以能做到这一点，原因之一在于硬件的有效使用寿命在不断延长。随着模型越来越强大，Token 支出的投资回报率在上升，每吉瓦算力的变现效率也在提升。因此，实际的股权回本周期可能远在一年以内。
Gavin Baker：完全正确。而且你完全有理由认为，所有这些资产的价格未来还会上涨，这会让供给侧的经济模型更具吸引力。从供给端来看，眼下的态势就是如此，摆在眼前的事实就是这样，海量的数据点都表明回本周期在一年以内。
主持人：没错。我觉得需求端同样值得思考。因为通常的质疑在于：在以往的周期中总会出现过度建设，进而摧毁供给端的经济模型。但看看今天的需求端，我们到底在变现什么？这些年营收大概达到 800 亿美元规模的公司，底层依靠的又是什么？
它们拿到这 800 亿左右的收入，背后其实只有大约 3000 万真正能从中获得实效的重度付费用户，主要都是开发者。我甚至觉得 3000 万都说多了，实际可能连 1000 万都不到。
Gavin Baker：确实。从我们被投企业的数据来看，Token 支出明显呈现出幂律分布。
传统老牌银行大概只把 1% 左右的预算花在 AI 上，而前沿科技公司的支出比例则在大个位数（7% 至 9%）。但如果进一步观察这些企业内部工程师的实际消耗，最顶尖的重度工程师花掉的算力，是中位数工程师的 10 倍甚至 100 倍。
主持人：所以 3000 万很可能是高估了，可能还不到 1000 万人。这就引出了一个问题：在技术扩散的进程中，我们究竟处于什么阶段？
全世界有 15 亿脑力劳动者（Knowledge Workers）。感觉在需求端我们才刚刚起步，而供给端却已经严重受限了。在 a16z 的投资组合中，最优秀的公司每月在 Token 上的支出相当于员工薪酬总额的多少比例？大概是什么范围？
Gavin Baker：大概在大个位数。有些在 10% 左右，非常纯粹的 AI 原生公司甚至在 10% 以上；而那些做得不错的传统企业大概在 1%。
主持人：当人们质疑供给端的可持续性时，只要结合需求端来看，答案就很明确了。虽然技术向实体经济扩散的过程中可能会有波折，但放在十年的跨度来看，我们现在完全只是开了个头。
Gavin Baker：绝对才刚刚开始。在 a16z 内部，从今年 3 月到 8 月，我们的内部 Token 消耗量增长了整整 100 倍，支出也涨了 100 倍。我们刚拿到 Grokbot 企业版的权限，仅仅两个人用，单月 Token 支出看起来就可能再翻上 10 到 20 倍。
主持人：在 8 月的基础上再翻这么多？
Gavin Baker：对，在 8 月的基础上。因为它的价值实在太高了。我们这里有几位重度用户，它带来的生产力提升是实打实的，绝对不是在浪费 Token。
我在适应 AI 工具上可谓不遗余力。当年我教父母换用 iPhone 和 iPad，他们上手得很好，我也觉得他们很棒。但我今年已经 50 岁了。David，你多大？
主持人：42 岁。
Gavin Baker：你看看那些 23 岁的年轻一代，他们用起 AI 来完全是原生而流畅的。我总觉得无论自己怎么努力，可能都很难达到他们那种天然的状态，尽管我已经非常努力了。
我们拿到 Claude Code 时我也试了，写了点东西，做了几个挺酷的小工具。但后来我只花了大约三分钟敲提示词，就用 Grokbot 做出了比之前所有东西都好得多的版本。
五个月前，我上了 Patrick O'Shaughnessy 的播客，提到我很喜欢用播客摘要工具，当时大家都问我是怎么做的。我说：“直接用 AI 就行，非常简单。”现在用 Grokbot 只要 10 秒钟就能搞定，效果极好。
接着我又做了一个 Substack 摘要器、一个 X 摘要器，以及一个针对话题和股票的 X 情绪追踪器。以前用 Claude Code 要花上几个小时，现在用 Grokbot 每一个只要 7 到 12 秒，而且效果还更好。
主持人：确实。
Gavin Baker：对我来说，Grokbot 带来了又一次类似 ChatGPT 问世时的震撼。用 Claude Code 时，我从数据上能看出它的强大，也用它做过一些很酷且很实用的东西（比如家庭日历应用）；但 Grokbot 只花 10 秒钟，做出来的东西就远比我之前自己费劲做的还要好。
05 / 从被动辅助到自主 Agent：物理世界的硬约束正在踩刹车
主持人：Claude Code 的体验显然代表了编程方式的转变。我们最厉害的工程师，以前可能只有 20% 的代码是用 AI 写的，现在已经超过了 90%。
但你刚才提到的用 Claude Code 或 Codex 搭建的那些工具，在某种程度上依然是被动的，对吧？各种摘要和准备工具确实能补充你的知识储备——这也是你工作的一部分——但它们并没有真正替你把工作做掉。
Gavin Baker：而现在的 Grokbot 会直接问你：“有哪些建议操作需要执行？”
主持人：没错，完全基于其他 Bot 今天学到的所有东西。
Gavin Baker：“你今天对我有什么建议？”这显然是下一步。而且搭建起来太容易了。
我现在已经用上了，并且在让这些系统互相“赛马”：我让 Grokbot 做，也让 Codex 做，它们都在基于一个简单的请求采取行动——“我想把工作做得更好。看看我平时做的所有事情，给出你可以执行的自动化建议。”
我们投资的 Town 公司也在做这件事，而且做得很棒。我们现在是在这种模式的最前沿探索。试想一下，当所有人都在这么做，而我们真正点击“好，去执行吧，把这个自动化”时，会是怎样的景象。
主持人：这听起来需要消耗海量的 Token。但我们必须正视金融市场的历史，一路可以追溯到当年的南海泡沫。每当出现革命性的新技术，市场就会变得兴奋，并走在基本面之前。
我以前在一期播客里说过，我原以为南海泡沫和经度仪的发明以及航海能力的提升有关，后来发现并不是，它其实更像是一场郁金香事件。但历史上每一次出现重大的新技术——不管是汽车、电视、广播、互联网、PC、铁路还是钢铁厂——我们都经历过泡沫。市场亢奋，估值跑在前面，资产被高估，而这种高估就会导致过度建设。
如果这种建设全靠债务融资来支撑，问题就会格外严重。不过即便在今天，其中大部分仍然是用经营性现金流来资助的，我认为这很有帮助。靠债务推动的建设要求立刻看到投资回报，而不是等上三年。
Gavin Baker：在时间节点上你绝不能出错，稍微错位一点都不行。
主持人：我一直在和 Jas 讨论晶圆是如何构成根本性制约的，Patrick 也聊过这个。目前的建设规模如此庞大，而我们又处于如此早期的阶段，以至于它已经影响到了很多行业的基础产能。
现在做铜矿的人人都在讲 AI 逻辑。如果刚才聊到的哪怕只有 10% 成为现实，我们就会面临极其严重的短缺——区区几百万人就已经引发了如此夸张的全球算力短缺，如果变成 5 亿人会怎样？我们得建多少座铜矿才能支撑得住？
Gavin Baker：想想确实挺疯狂的。这些根本性的硬约束正在让我们放慢脚步。
主持人：我觉得这是好事，对社会来说其实也是好事。另外我想说，利率和监管同样关键。实际利率正在上升。
Gavin Baker：是的。
主持人：事实就是如此，而且鉴于我们在进行如此大规模的投资，这完全合乎逻辑。但监管现状确实让人震惊。我对美国正在发生的事情感到由衷震惊，我们的处境非常糟糕。
06 / 数据中心不是怪物，它是美国蓝领几十年来最大的红利
主持人：上周末我在 X 上和 Anthropic 的 Sholto 以及 Dario 交流过。Dario 说：“我不觉得自己态度消极，我写过两篇文章，一篇正面，一篇负面。”所以他其实有 50% 是消极的。
但那篇负面文章实在太吓人了，说这是存亡威胁、大家可能都会失业，人们听进去的感受完全不同。Eliezer Yudkowsky 也说：“只要我们造出来，所有人都会死。”那为什么不想想：如果我们把它造出来，治愈了癌症，大家都能长生不老呢？
Dario 说过一句很好的话：“我们别再空谈治愈癌症了，真正去把它治好才是正事。”真正做出突破来。《圣经》里我最喜欢的一句话是：“真理必叫你们得自由。”
但唯一能讲清 AI 行业真相的人或群体，只有 AI 行业本身。他们需要开始讲出真相。当有人说反对数据中心时，行业应该告诉他们：“你知道吗？数据中心可能是美国工薪阶层经历过最好的事。”
Gavin Baker：没错。
主持人：现在去读大学从净现值（NPV）来看可能已经严重为负了，因为你去学做电工、水管工或暖通（HVAC）技工，能赚到多得吓人的钱。这对美国工薪阶层来说实在太棒了。
现在很多数据表明，特别是在采用表后发电（Behind-the-meter）的情况下，建一座数据中心就能彻底改变一座城镇。税收不仅是翻倍，甚至能增长十倍。数据中心正在让全美各地濒临衰退的小城镇恢复生机。
我们在处理环保问题上也做得越来越好。通常这类设施使用的是天然气这种相当清洁的燃料。关于大量耗水的说法也已经被完全辟谣了，实际耗水量微乎其微。
哪怕不谈治愈癌症这类事情，这些进展本身就已经非常好，正在给世界带来实打实的正向影响。得有人把这个故事讲出来。
Gavin Baker：现在的举证责任落在了行业身上。光谈治愈癌症是不够的，除了用 ChatGPT 或 Grok 回答问题或替代搜索引擎之外，它必须为普通美国人带来看得见摸得着的日常实惠。我觉得我们离这一步已经很近了。
主持人：确实很近了。“我们需要保持领先中国”这个想法虽然在理，但并没有什么说服力。我是个爱国者，我也认同这一点，但这对普通美国人来说太抽象了，没人会担心中国入侵美国。
Gavin Baker：没错，中间还隔着那么大个大洋呢。
主持人：大家在乎的是生活成本，在乎这到底会让生活变好还是变坏，得是大家能切身感受到的直接影响。
我最喜欢举的例子是弗吉尼亚州的劳登县（Loudoun County）：它是全美所有人均收入最高的县之一（或者至少拥有收入最高的邮编区之一），同时也是数据中心密度最高的地方。
Gavin Baker：数据中心还为当地带来了极其可观的税收。我们应该在各地都这么做。
主持人：很有意思的是，有个极力反对数据中心的人曾说：“你支持数据中心？我倒想看看把它们建在全美收入最高的高档社区和最高收入的县会怎样。”
答案是：全美收入最高的邮编区和收入最高的县，人均数据中心密度本来就已经是全美最高的了。我们早就这么做了，而且效果非常好。
Gavin Baker：对方的反应大概是：“别拿事实来烦我，我正准备抛出下一个论点呢。”
主持人：这套说辞很可悲。我认为美国国内存在着一场有组织的反数据中心舆论攻势，而且很多是通过 TikTok 传播的。这非常令人遗憾，因为数据中心同时也在推动美国的再工业化。
霍尔木兹海峡关闭对美国很有利，加上我们这边的天然气只要两三美元，而在欧洲和亚洲要 20 到 25 美元，这给了我们巨大的成本优势。
天然气是发电的重要原料，而电力几乎是所有制造业不可或缺的基础要素。我们在这一基础生产要素上拥有巨大的成本优势。
这正与数据中心的建设潮同步发生。我们正在推动美国的再工业化，这非常棒，也是两党民众长久以来的共同期盼。
Gavin Baker：没错。那些因钢铁厂关闭而被抛弃的小镇，正在被数据中心重新救活。
主持人：得有人站出来讲出这个真相。我在每次录播客时都试图去讲，但我毕竟只是一个人。
Gavin Baker：你的听众本来就是已经认同你的科技圈群体，你这是在“对信徒布道”。在讲好这个故事方面，Meta 可能是做得最好的。
主持人：这似乎已经写进了 Meta 的基因里。他们刚上市时（可能就在第一次财报电话会上），Sheryl Sandberg 就详细列举了十到十五家开始使用 Meta 广告产品的小微企业，逐一解释这些产品给它们带来的实际影响。
她会提到得梅因（Des Moines）的一家蛋糕烘焙坊：原本只有两位单亲妈妈自己在干，在使用 Meta 产品后，她们发展出了 15 家分店，雇用了 50 名员工。这对她们以及得梅因当地来说都是彻底的改变。他们每次都会举这类生动的例子。
我很希望能看到包括 SpaceX、Anthropic、OpenAI、Google 和 Meta 在内的整个 AI 行业都站出来说：“这是真实存在的企业和普通美国人，这是我们的产品给他们的生活带来的切实改变。”指名道姓地把企业讲出来，或者征得同意报出人名；哪怕必要时做匿名处理也行。把这种实惠变得清晰可见。
Gavin Baker：英伟达、AMD、博通，它们都应该这么做。
主持人：把具体细节讲清楚。真理必叫你得自由，前提是你得把它讲出来。
07 / 真正的危机不是产能过剩，而是 2028 年前的供应短缺
主持人：结合目前的情况和宏观环境，供给侧大概率会出现建设不足的情况。
Gavin Baker：到 2028 年之前，绝对是这样。根本没有足够的产能来满足原本预计在 2028 年前完成的建设。
考虑到目前的政治动态，这些项目很可能会被推迟。大家都在担心供大于求，但我更担心的是严重的供应短缺。
主持人：如果是这种情况，我们可能会看到获取智能的成本大幅上涨，这和大家普遍预期的发展方向完全相反。
Gavin Baker：Dorcas 提过一个很大胆的观点。我记不清他具体是怎么论证的了，但他当时提出一个 token 的成本可能会涨上十倍左右。
主持人：听起来很不可思议，但供需规律确实摆在那里。
如果需求大幅激增，这是完全有可能发生的。目前整个行业发展的基本前提，是它正在为消费者或用户创造巨大的剩余价值。
为什么大家在大多数任务上明明可以用更便宜的 token，却仍然选择前沿模型？原因很多，但最关键的一点是，即使使用前沿模型的 token，依然能产生极大的剩余价值。那么，如果出现严重的供应短缺，又会发生什么？
Gavin Baker：一个很讽刺的结果可能是：那些试图阻止或缩减数据中心建设的人，反而会亲手制造出真正的算力不平等。
大公司和有钱人依然买得起算力，而其他人都会被排除在外。两年后，这些人又会跑出来抱怨这种不平等，但事实的真相是：这正是因为你们当初不让我们建数据中心造成的。
主持人：这种情况以前就发生过。在大众市场向消费者提供低成本产品的途径是广告模式。但正如我们多年来投资消费互联网公司所看到的那样，搭建广告业务需要很长时间。在企业能够通过广告变现之前，可能会经历一段无法以低成本提供产品的真空期。
Gavin Baker：对全世界来说，那将是一个很糟糕的结果，谁也不希望看到。我们需要建设大量的数据中心。
主持人：确实如此。一个由算力不平等主导的未来对任何人都没有好处。这也是开源如此重要的另一个原因。我之前让 Grok 做过一张三头龙的梗图，其中一个头一脸困惑地看着那些极其愚蠢的 AI 看空论调。很多人总觉得开源的 token 是免费的。
Gavin Baker：它们并不是免费的。在其他条件相同、模型规模相当的情况下，生成一个开源 token 所需的算力和前沿模型基本一样。
虽然存在很多细微差别，但大体上确实如此。区别只在于在这个成本之上加收了多少利润率。
主持人：即便如此，很多人并没有注意到 Kimi 的开源协议条款：它规定要抽取任何商业收入的 30%。
Gavin Baker：Kimi 会对基于它产生的所有收入抽取 30%，因为它是开放权重（open weights），而不是完全开源（open source）。
主持人：而且它也非常消耗 token，对吧？按单 token 计算就已经很贵了，如果按具体任务来算效率更低，所以整体成本其实非常高。
Gavin Baker：我一直很欣赏黄仁勋。他是一位很有抱负的企业家，能拥有他和马斯克是我们的幸运。当 21 世纪写进历史时，过去有维多利亚时代，而这个时代很可能会被称作“马斯克与黄仁勋的时代”。
他们正在从根本上改变人类社会与文明的肌理。AI 和 SpaceX 正在让人类成为多行星物种，而 Starlink 正在把低成本的网络接入带给世界上最贫困的社区。这非常不可思议，但大家对此的关注还远远不够。
你刚才提到了消费者剩余。由于高昂的建设成本和微弱的付费意愿，在那些地方铺设网络在传统的商业逻辑下是根本行不通的。但现在，无需依赖传统的商业回报模型，这件事就已经做成了。
未来新增的网络连接将不再通过地面的传统方式铺设，而是直接来自太空。这是一个巨大的突破。
主持人：我同意。这是一件好事。我们确实应该感谢他们，因为他们正在让未来变得尽可能激动人心且充满启发。如果我们真的面临这场供应短缺，这些突破就会显得更加重要。
08 / 太空轨道数据中心：SpaceX 的算力布局
主持人：每当聊到 SpaceX——对我们俩来说这家公司显然都意义非凡——我都得解释一下：太空轨道数据中心并不是在太空建一座巨大的建筑。把它想象成一架飞机的大小会更贴切。很多人脑子里浮现的是死星，或者漂浮在太空中的五角大楼，但事实根本不是那样。
Gavin Baker：大概就是一架飞机的大小，里面放一个大约 72 颗芯片的机架。
主持人：太阳能翼板的宽度大概就相当于我们五个人并排站在一起。
Gavin Baker：对。把它放在太阳同步轨道上，这样散热器就始终处于机架背阳的阴影里。冷却问题就是这么解决的。
主持人：在 X 上总有人说“我是物理学博士，这根本不可能”，我很难去跟他们较真。我们共同认识的一位投资人朋友自己就是物理学博士，之前跟其中一位争论了很久。对方咬定“我是博士，这绝不可能”。后来这位朋友参加了 SpaceX 开放日，跟工程师们聊完之后回来说：“之前是我错了。”
如果你是天体物理学博士，你确实很聪明，智商可能比我高 100 点。但你花过一个小时琢磨这件事吗？你花过十个小时吗？SpaceX 拥有一万名全球最顶尖的工程师，每个人都为此思考过数百甚至数千个小时。
这些工作积累起来，再加上先进的工程工具，意味着这早就是一个被解决的问题。在他们看来，这其实远比大家想象的要简单得多。
Gavin Baker：它比 Starlink 卫星还要简单，因为 Starlink 有相控阵天线，而且还得不断机动调整姿态。
主持人：就算你是对的，物理规律上确实没有做不成的理由。成本确实是个难题，但回顾马斯克旗下公司的历史，成本曲线大幅改善是常态。我们刚投资 SpaceX 时，Starlink 还没有投入商用，我们当时对其商业模式随着时间推移如何演进也有很多疑问。火箭发射和特斯拉 Model 3 当年也是如此。
我相信成本问题一定能解决，尤其是考虑到地球上即将出现大规模、人为造成的供给短缺。退一步说，太空算力至少能作为调节峰值的后备算力（Swing Capacity）；假以时日，它的规模可能会更大。
Gavin Baker：其实很简单。大家谈到太空算力真正该问的问题，也是 SpaceX 正在聚焦的核心，就是 Starship 的可重复使用性。
假设 1 吉瓦的算力成本是 500 亿美元，其中 350 亿是计算设备本身。这部分在太空和地面差不多，甚至因为送入太空还会略贵一点。剩下的 150 亿美元则是电力、散热、人工等支出，这些在太空全都不需要，因为太空中直接有太阳能板和大型散热器。而在地球上，这 150 亿美元的成本大概率面临通胀。
主持人：人工成本是其中很关键的一部分。我们刚才刚聊到电工现在的薪酬情况。
Gavin Baker：电工薪资和原材料价格全都在涨。
主持人：所有东西都在涨。铜早晚会不够用。看好铜价的人只盯着铜的短缺，但短缺会波及方方面面。那 150 亿美元的成本是在不断通胀的。
Gavin Baker：你需要对比的只是发射成本。随着 Starship 实现可重复使用，发射成本完全可能降到 10 亿美元以下。整个经济模型瞬间就彻底逆转了。
主持人：模型的训练肯定还是会放在地球上。GPU 彼此紧邻放置总是有优势的。光速限制是客观存在的，延迟也很关键。地面数据中心不会消失，它们依然会极具价值。但全球算力中将有越来越大的一部分走向太空。
马斯克说过，他和黄仁勋共同设计了 Rubin 机架，预计会在 2027 年第四季度发射上天。
Gavin Baker：就算推迟两个季度，拖到 2028 年，那也已经非常近了。
主持人：正如 Brad Gerstner 所说，其实根本没人真正关注这件事，但它就在大家眼皮底下发生。在我看来，这正好能支撑像 Grok 现在每年数百亿美元营收所需的算力规模，而且这还只是保持它的市场份额不变。
Gavin Baker：没错。那是在大约 30 亿美元的基础上算的，而我更倾向于看好 Grokbot 的表现会超出预期。
主持人：从我自己的使用体验，以及看到那么多人触发用量上限来看，我敢说这个数据每天都在发生变化。
Gavin Baker：即使它拥有极其庞大的算力，你现在也偶尔会收到 Grokbot 提示服务器过载的消息。
主持人：哪怕你不想讨论太空数据中心，也没关系。Starlink Mobile 有着清晰且可信的规划，无线通信本身就意味着另外 8000 亿到 9000 亿美元的可触达市场空间。移动通信加上宽带已经接近 2 万亿美元的市场，此外还有快速增长的 AI 和增强现实（AR）业务。
Gavin Baker：对，AI 领域还有云计算业务。所以就算太空计算存在争议，也根本不影响大局。
主持人：确实，我们甚至都不需要去推测未来。只要看看今天地面算力上正在发生的事情就够了——看看 Cursor，看看 Grok 和 Grokbot。顺便提一句，从我们拿到的数据来看，X 的广告业务也在增长。
在未来的某个节点，我认为完全可能会出现一个“Starlink + Grokbot + X 广告”的捆绑组合。
当年 Google 发展云业务的手段之一就是把云和广告打包；那么把广告和 AI 打包在一起，为什么不行呢？
Gavin Baker：是的。我很看好他们目前的 AI 处境，因为这属于无论硬币抛出正面还是反面都能赢的局。
他们自己的一方业务增长非常快，而且迅速追赶上了前沿水平；为了支持自营业务，他们进行了非常激进的算力投入。
这就是所谓稳赚不赔的逻辑：哪怕算力储备超过了自营推理或训练的实际需求，在供给严重紧缺的市场环境下，这部分算力也能实现不到六个月的惊人回本周期。
我觉得这是个非常好的布局。确实有一种看空论调认为：如果未来走向 OpenAI 和 Anthropic 两家独大的极端格局，并且两家都自研芯片，其他人还有什么空间？
但我认为他们短期内绝不可能拥有可重复使用的星舰和多座太空港。
如果未来算力的经济性越来越向太空轨道倾斜——因为星舰发射成本会通缩，而地面的散热和电力成本会通胀——那么哪怕自营 AI 应用失误搞砸了，SpaceX 依然手握极其庞大的基础设施业务。
09 / 多模型协同与开源生态才是企业终局
主持人：你刚才提到了微软所做的押注。这有点像苹果那种极其激进的“反向押注未来”，微软算是这种策略的一个渐变版本。你怎么看他们的这些决策？
Gavin Baker：我觉得现在的外部环境对他们的策略其实友好多了。
他们之前显然尝试过做前沿模型，但失败了。Satya 大概在 18 个月前说过，他们会拥有非常有竞争力的自研模型，但到现在他们并没有拿出来。
但大家现在看到的趋势是：未来的形态会是多模型组合（Ensemble of Models）。这里存在一条帕累托曲线：没有任何一个模型能在所有事情上都做到最好。
至少对全球规模最大的前一万家企业来说，未来的做法一定是采用最好的开源模型。而在不久的将来，我认为这会是一个由英伟达主导的模型。
主持人：没错。各大实验室自研定制 ASIC 芯片，反倒给彼此切入对方业务创造了非常微妙的动力，这对黄仁勋和其他所有人来说都是一种刺激。
Gavin Baker：如果开源最终胜出，那谁来出钱做训练？芯片公司完全可以出资。
对黄仁勋来说，做一次 500 亿到 1000 亿美元的训练算不上什么难事，其他人可能很快也能做到。
我一直在想，这会不会是 Google 的超长期布局？他们现在看起来像是暂时退出了前沿竞争：“我们要把算力以高费率变现，把 TPU 卖给外部客户。”
这能产生巨大的现金流，而开源模型与前沿水平的差距又在不断缩小。最终的赢家，可能就是那个现金流最充沛、能持续资助这些大规模训练的人。
我认为由英伟达牵头的美国开源生态很快会非常逼近前沿水平。他们收购 Poolside 是有原因的，Poolside 拥有大量优秀的美国开源人才。
主持人：他们做了很多聪明的布局，这对微软——甚至在某种程度上对几乎所有应用软件公司——都是极大的利好。
企业现在的做法是：直接选用一个基座模型。比如英伟达的 Neotron 到目前为止并没有做太多的后训练，它就是一个很好的预训练模型，你可以按自己的需求随意处理。
如果你选用一个优秀的预训练基座模型，就不用把企业的上下文——也就是你的核心知识产权、公司的真正价值、沉淀在所有数据里的业务背景——分享给前沿实验室。把这些直接交给前沿模型，对企业自身的财务健康可能并不是什么好事——
Gavin Baker：特别是考虑到近期 ZDR（零数据保留）政策的变动。
主持人：没错。你拿一个能力很强的开源模型，基于自己的专有数据做大量的强化学习（RL）和监督微调（SFT），这个模型就归你所有，完全是你自己的模型了。
如果智能是你业务中极其重要的生产要素，你肯定希望掌控自己的智能资产——掌控它的能力和成本。
我们从很多公司身上都看到了这一点。据我了解，Grokbot 实际上是在路由器后面挂了 Gemini 3.7 Flash、Grok 4.6 和某个 Opus 模型，我相信马斯克目前非常专注于尽快让自家模型把这一切接管过来。
Gavin Baker：这是肯定的。不过我认为未来的企业都会这么做：拥有基于自身数据训练的自研模型，并让它与一到两个前沿模型协同工作——不一定是要包揽所有任务，而是互相校验。
整套系统对用户完全透明：用最前沿的模型做顶层规划，让其他成本更低的模型负责具体执行。
主持人：没错，这在我看来是非常确定的大趋势。
Gavin Baker：相比只有两家主导前沿模型的格局，这种未来对微软要有利得多。算上 Grok，市场上显然至少会有三家顶尖选手。另外不得不夸一下 Meta，他们做得非常出色。
主持人：对，他们之前一度掉出第一梯队，后来又重回牌桌，这很不可思议。一年前当 Gemini 声势正盛的时候，谁能想到会是今天这个局面？Gemini 甚至都没进入核心讨论圈，而 Muse 和 Meta 在能力上反而大幅领先于它。
Gavin Baker：这是有史以来筹码最高的一场商业棋局。有人走错了几步，有人下得很好；有人一度出局，又有人重新杀了回来。
不管大家最终用什么术语来定义——多模型架构也好，混合模型也罢，我认为这就是未来的方向。
主持人：我其实挺意外的。目前在 Grokbot、Cursor 以及 Harvey 做的那些很酷的事情之外，把这种形态落地得最全面的产品，实际上是 Fireworks Nexus。
你可以挑选自己想要的前沿模型，也可以搭配任何开源模型，平台会基于你的专有数据做强化学习微调——不管是高盛、摩根士丹利、摩根大通、富达基金还是我们 a16z。
所有数据都在你自己手里，智能资产完全由你掌控，底层全部通过路由器无缝呈现。
Gavin Baker：是的，我认为这个未来非常合理。这正是 Fireworks 的 Lin 最初提出来的构想，随后 Alex Karp 和 Satya 也各自拿出了自己的版本。
主持人：没错。Satya 那篇关于专用智能（Specialized Intelligence）的文章，逻辑确实很站得住脚。但这套东西实际做起来极其困难。
Gavin Baker：听起来总觉得很容易。
主持人：描述起来容易。但我常对别人说：谁能在智能时代成为连接企业组织与终端用户之间的抽象层（Abstraction Layer），谁就占据了商业史上——或许是有商业史以来——最具价值的生态位。
10 / 从 Cursor、Harvey 到万亿美元商业入口
主持人：谁能成为全球企业、甚至大众消费者的“智能仲裁者”？我以前做过零售行业分析师，大家总觉得开大型连锁店很容易，但其实门道非常多。
在美国随便哪个品类做零售都很容易起步，因为美国市场太大了，几乎任何品类的规模都在 500 亿美元以上。
你唯一要做的，就是在气候和消费习惯各异的 50 个州开出 1000 家店；在正确的时间，以合适的价格，把对的商品铺到对应的地区；店员既要热情懂行、不偷东西，还得承受每年至少 100% 的人员流动率；同时店里还要保持干净明亮。
只要你能做到这些，搞定，500 亿到手。
但在美国商业史上，能做到这种规模的公司两只手就能数得过来，没多少家。这极难做到。而做这样一个抽象层——要让它真正跑通而且体验无缝——比大家想象的要难得多。
我觉得 Cursor 很有意思的一点是——我也很想听听你的看法——做前沿实验室的人往往觉得自己在创造某种“数字神明”，追求 AGI 和 ASI；而 Cursor 那帮人的想法就很纯粹：“我们只想做一款好产品。”
Gavin Baker：一点没错。在前沿阵营的所有人里，Cursor 某种程度上反而是最专注在产品本身的一家。
现在他们成了 SpaceX 的一部分，这非常符合马斯克的行事风格：把它变成一个工程问题。造出模型工厂，然后做出一款真正出色的产品。
特斯拉的车就很厉害，不知道你开不开，但它真的能带你去任何地方。
主持人：Cursor 明白的一点是，他们对终局的愿景其实和别人差不多，只是选了一条更务实的路径：从客户的实际现状出发，立足技术现有的能力边界。
他们已经证明，从这个起点出发，确实能一步步走向自主化。
在所有的脑力工作中，写代码是非常特殊的。这也支撑了看好微软成为抽象层的逻辑，因为代码是可以验证的，而且有完整的文档记录。而在企业内部，其他任何业务都不具备这种既可验证又有完备文档的特征。
只要执行得当，微软确实有很大机会成为这个抽象层。但要把这一切做得很简单，难度极高：“只要点击 Copilot 连接我所有的资料，用我们的数据训练模型，向我证明绝不泄露给别人，再通过一套无缝的路由层调用，并持续升级那个开源模型。”
Gavin Baker：对，这绝不只是做个中间件那么简单，实现起来非常困难。
主持人：而且要想成为这个抽象层，他们不仅要和各大实验室竞争，还得面对 Databricks、Palantir、推理服务商以及各家应用软件公司的竞争。
Harvey 在这方面做得非常出色。法律领域的应用正在起势，我觉得他们已经看清了未来要如何成为替人干活的抽象层。法律行业很特殊，因为它的文档极其完备，而且在相当程度上是可以验证的。税务也是一个类似的垂直赛道。但大家真正看中的那块 15 亿美元的蛋糕，争夺起来会非常混乱。
Gavin Baker：对。不过我总觉得，Harvey 和 Lora 内心深处想的其实是：“只要我们把这个场景做透，就能成为所有人的抽象层。”我猜 Cognition 大概也是这么想的。
主持人：所有人都在这么想。而且这个赛道得到了极大的验证——全美顶尖律所 Kirkland & Ellis 就表示，他们要砸 5 亿美元自己做。首先祝他们好运，因为这会非常难。但这其实说明这块蛋糕真的非常大。
Gavin Baker：对，盘子极其庞大。
主持人：我相信他们肯定有非常聪明的 AI 负责人，但这绝不是花 5 亿美元做一次就能搞定的工程。底座模型要不断切换，模型必须持续更新，而且所有这一切都得在后台无缝完成。接下来，像 Fireworks Nexus 这种产品、法律 Agent、编程 Agent，以及微软、Databricks、Snowflake 这样的大公司之间会发生一场大碰撞。Salesforce、Workday 也肯定会跟进，所有人都会冲进来。这最终拼的就是谁的执行力最好，谁的成本最低。
但拉长周期来看，如果你没有垂直整合的能力，想脱颖而出成为最终的抽象层会非常困难。
Gavin Baker：要想成为成本最低的提供方极其困难——如果你不做垂直整合，长远来看不拥有自己的算力，你根本不可能做到成本最低。这也是为什么我越来越关注大型云厂商的“EV / Net PP&E”指标。
因为净固定资产（Net PP&E）其实对应的就是算力，这个指标直接反映了市场认为你的算力资产能变现多少。拉通对比一下各大厂商，有些效率低下的地方其实挺明显的。
主持人：对，这有点像 AI 版的市净率（P/B）。
Gavin Baker：我挺喜欢市净率这个视角的。
11 / 永远不要做空黄仁勋：AI 世界的“美联储”与乔丹法则
主持人：你刚才提到了黄仁勋。我和你有同感，他确实一直在推动整个行业往前走。谈谈你对英伟达的看法？
Gavin Baker：我认为他所处的竞争位置非常有利。英伟达的策略是垂直整合，但横向保持开放。假设市面上出现了一款极其出色的加速芯片，只要它能接入英伟达的生态，效果大概率会更好。既然你们基金也投资了芯片公司，我给所有半导体 CEO 的第一条建议就是：公开场合永远只要表达一句话——“感谢黄仁勋创造了这个市场机会，我们希望能与英伟达合作并提供支持；虽然我们在边缘领域存在竞争，但我们核心是想融入英伟达的生态。”
我对加速芯片的经验法则是：在如今的市场体量下，每 1% 的市场份额大概就值 1000 亿美元。
主持人：所以根本没必要和英伟达硬碰硬，找准一个利基市场拿到属于你的 1% 就足够了。
Gavin Baker：而且必须清楚英伟达的版图有多大。黄仁勋手里有九款核心芯片，涵盖了多种加速芯片、CPU、以太网交换机以及两类 GPU。网络互联也从单纯的 Scale-out（横向扩展），演进到了 Scale-up（纵向扩展）、Scale-across（跨节点扩展）和现在的 Scale-in（节点内扩展）。
这种情况对他来说并不陌生：他最大的几家大客户，自研产品都与这九款芯片中的某些型号存在直接竞争。
主持人：所以关键是设法融入他的生态，并且保持友善。
Gavin Baker：态度必须友善，商业归根结底是人与人之间的交往。
主持人：确实。听到某些创业者的言论，我常会想起当年迈克尔·乔丹在公牛队打比赛的录像：那是常规赛第 50 场，乔丹有点提不起精神，公牛队暂时落后，毕竟他们已经在分区领先第二名整整 8 个胜场了。这时对方有个年轻后卫因为比分领先，开始冲着乔丹喷垃圾话。乔丹只是转头看了他一眼——紧接着比赛就彻底被接管了。那是我最喜欢的场面。
Gavin Baker：纪录片《最后之舞》里把这种情节展现得很清楚。千万别去惹他。
主持人：遇到传奇，最聪明的回应永远是：“迈克尔，能和你同台打球是我的荣幸。”
这一点之所以至关重要，是因为围绕英伟达建设的数据中心具备极高的“可融资性（Financeable）”。
Gavin Baker：这确实是核心优势。
主持人：举个例子：建一座 500 亿美元的英伟达数据中心，你通常只需要掏出 150 亿美元的股权资金，剩下的 350 亿美元完全可以通过债务融资解决。这并不是所谓的循环空转，Blackstone、KKR、Apollo 这些机构在严格评估后才会提供资金。项目通常会带有硬件残值担保（RVG），只要黄仁勋承担的残值担保成本低于他卖芯片获得的毛利，这对他而言就是一笔风险极低、净现值极高的生意，后续还能享受收入分成。在整个半导体行业，英伟达的数据中心是最容易获得融资的。
Gavin Baker：是的，按可融资性排序，Google 的 TPU 大概能排在第二。
主持人：但建设 TPU 数据中心所需的股权出资比例至少要翻倍，而且剩余债务的融资利率也更高。
因此资本成本构成了巨大的竞争壁垒，这也是为什么大家都要融入英伟达生态。黄仁勋手握这些芯片，同时锁定土地、电力和壳公司，再通过长期包销协议完成资产对接。他推行残值担保的原因之一，就是防止算力市场被出价能力最高的 OpenAI 和 Anthropic 完全垄断——他可以通过扶持其他人来与这两家竞争。
Gavin Baker：就像他最初扶植 CoreWeave 等新兴云厂商一样。
主持人：这促进了算力的分散化，对行业发展是有利的。黄仁勋是一位爱国企业家，他的商业利益与全行业的健康发展完全一致。
Gavin Baker：保持碎片化，避免单一 AI 垄断。
主持人：没错。黄仁勋是一位极具进攻性的竞争者，而他推动模型多元化和算力分散化的商业动力，恰好符合大局利益。
Gavin Baker：回到开源话题：我始终无法理解为什么有人会觉得黄仁勋支持开源会对英伟达的业务构成巨大风险。
主持人：这完全是误解，开源对他的业务反而是巨大的利好。
Gavin Baker：开源对英伟达是非常强劲的催化剂。因为这意味着基于英伟达 GPU 生产的 Token，其软件层溢价可能从 90% 降到 40%，进而促使全社会消费更多的 Token，而这最终需要采购更多的物理算力。
在全球供应链极度紧张的背景下，他一个人锁定了全球绝大部分的供给。
主持人：大概在 70% 到 80% 之间。
Gavin Baker：涵盖了台积电最核心的先进制程晶圆产能。
主持人：不仅是晶圆，而是整个系统的全链条。他比所有人更早看清了趋势，提前锁死了整条供应链。
Gavin Baker：代工产能、DRAM、NAND、光模块、电容，以及制造机架所需的一切核心零部件，全被他锁定了。
主持人：15 年前黄仁勋就常说：“我每两年敢下二三十亿美元的重注，而且我们的迭代速度极快。”如今他每一轮下注的规模达到了数千亿美元，并拉动整条供应链与他协同推进。他甚至通过标准化的金融模式，让 Blackstone、KKR、Apollo、高盛、摩根士丹利和摩根大通的专业团队能够轻松为其提供融资。这种壁垒是极难撼动的。
Gavin Baker：我们基金在半导体领域有一支规模不小的非公开投资组合。马斯克曾说过很多人会在硬件上吸取惨痛教训；而在半导体投资这件事上，我也交过不少学费。你可以押注最顶尖的团队，顺利完成芯片流片（Tape-out），当时每个人都会觉得信心满满——现在的流片速度也确实比过去任何时候都快。
借助成熟的仿真与模拟工具，流片前大家的感觉通常都非常好。然而一旦芯片从工厂送回实验室，CEO 兴冲冲打来视频电话连线通电——有时候它就是完全跑不起来。
主持人：Cerebras 历史上就经历过两次类似的情况，不过他们最终挺过来了，现在做得很好。
Gavin Baker：Cerebras 的芯片本身其实并没有失败，两代芯片都能正常运行，核心问题在于当时很难找到产品与市场的契合点（PMF）。
主持人：是的，芯片本身能跑通，只是缺乏成熟的应用场景。但确实存在另一种情况：芯片接通后彻底无法工作。
Gavin Baker：这时你就得重新回到起点，硬着头皮对投资人说：“我们需要再追加几亿甚至十亿美元，我们已经吸取了教训，两年后的下一次流片一定能成功。”
主持人：前提是你还能融到这笔钱。
Gavin Baker：半导体研发极难，物理世界是极其严苛的。黄仁勋能以这种规模和速度推进，同时整合土地、电力、金融与整条供应链，展现出的系统工程能力非常惊人。
主持人：既然他掌控了 70% 到 80% 的关键供给，顺应这个生态就是最合理的选择。这也是马斯克当初做出全面合作决策的原因。
Gavin Baker：我认为这是段位极高的商业决策。其他厂商大多执着于自研专属 ASIC，甚至在公开场合对黄仁勋或英伟达出言不逊。不过平心而论，昨晚发布的 Jalapeno 芯片团队表现确实可圈可点：作为前沿实验室自研的芯片，Jalapeno 称得上是除 Google TPU 和亚马逊 Trainium 之外，在短时间内研发出的第一款真正具备竞争力的定制 ASIC。
主持人：研发周期确实很短，令人印象深刻。他们拥有极强的团队，同时也具备先天优势：作为顶尖实验室，他们能直接看清模型架构的演进方向，这给芯片设计带来了巨大的信息优势。但反观英伟达，黄仁勋是在服务全行业的所有客户。
外界总以为模型架构很快会走向统一标准化。但观察中国的三大开源模型——DeepSeek、Kimi 和通义千问（Qwen），它们的底层演进路线差异极大。这些模型都能在通用 GPU 上运行良好，但如果想要针对某种特定架构进行固化，至少在应对这种快速演进时，通用 GPU 依然是不可或缺的底座。
Gavin Baker：确实如此。
主持人：所以再次提醒芯片领域的创业者：千万别轻易挑衅黄仁勋。
Gavin Baker：对传奇保持敬畏。
主持人：就像千万别伸手去扯超人的斗篷，有些人在顺境中容易过度自信并开始说大话。
Gavin Baker：而超人有时候飞走了就不会再理你——这正是当年 TPU 团队经历过的事。Jalapeno 确实是在试探超人的底线，我们拭目以待。不过 Jalapeno 能做到大厂没做到的事，确实很厉害，算得上极具竞争力的芯片。
但归根结底，它也只是能对标英伟达九款芯片中的某一款而已。双方未来必然还会继续紧密合作。这就像英伟达在说：“做得很好，你在单点上交出了漂亮成绩；但要想在系统层面真正与我竞争，你还得补齐另外八款芯片。”
12 / 芯片交易架构如何揭示真实的客户偏好
主持人：分析师 Dylan 曾做过一个比喻，说黄仁勋就像是“AI 领域的中央银行”，扮演着 AI 产业美联储的角色。
我觉得马斯克选择与利益完全一致的人合作，而不是去硬碰硬，是非常聪明的决定，历史会证明这一点。不过在供应链如此受限的情况下，其实很难看清客户最真实的底层偏好。
Gavin Baker：因为大家现在是有什么拿什么。
主持人：没错。所以即便价格昂贵，老一代的 H100 现在依然能卖出很高的价格。只要手里有台积电的先进制程产能，出多少就能卖光多少；如果还能配上对应的 DRAM 内存，更是会被直接抢空。
Gavin Baker：所以光看供求很难推断出真实的客户偏好。我觉得最好的观察窗口，是看客户与芯片公司达成的交易结构。大体上有几种模式：第一种是芯片公司直接投资客户。
比如 Google 带着 TPU、亚马逊带着 Trainium 先后投资 Anthropic。这对他们两家极其有利，因为芯片必须在实际业务中使用才能迭代升级，这解决了自研芯片的冷启动问题。
主持人：而且在这种模式下，只要投资金额低于向该客户销售芯片带来的毛利润，你就不会亏钱。
Gavin Baker：第二种模式是引入残值担保（RVG），由 Blackstone、Apollo、KKR 或高盛等机构提供融资。只要承担的残值担保金额低于销售芯片的实际毛利，这就是一笔稳赚不赔的买卖，甚至后续还能通过营收分成获得额外收益。
主持人：第三种模式则是附带认股权证（Warrants），但将其与每百万 Token 的固定价格挂钩。
Gavin Baker：只要芯片性能的提升能跑赢股价涨幅，这种模式就能运转良好。但如果只是无条件赠予权证，净现值（NPV）可能会变成负数，因为芯片表现越好，被对方拿走的价值反而越多。
主持人：所以梳理这些交易结构的层级，就能看出客户真实的偏好。英伟达做的交易结构确实非常出色。
Gavin Baker：是的，这也是为什么业内最聪明的一批投资人都在参与他们的交易。
主持人：我完全赞同。Gavin，谢谢你，今天聊得很尽兴。
Gavin Baker：和你交流总是很有意思。谢谢 David，这场对谈很棒！
文末福利｜AI 开学季硬核资料免费领
2026 奇点智能技术大会限时送出两份技术礼包：
Łukasz Kaiser 历届演讲视频 + PPT | Transformer 八子之一、OpenAI 资深研究科学家，带你理解推理模型与大模型第一性原理。
Agent 实战训练营录播课 | 覆盖 Agent 架构、基座模型、Skill、Agentic Infra 等核心技术，从理论到企业级落地。
扫码免费领取，两套硬核资料一次带走。
11 月 20—21 日
北京万达文华酒店
2026 奇点智能技术大会，现场见。
瑞民配资提示：文章来自网络，不代表本站观点。
相关文章
热点资讯
