AI 需求为什么正在跑赢算力供给a16z

等 21 世纪的历史真正被写下来时，人们可能会像回顾“维多利亚时代”那样，把这一阶段看成“Elon 与 Jensen 的时代”。因为他们正在从根本上改变人类社会与文明的底层结构。问题是：如果未来出现巨大的算力供给短缺，会发生什么？

每一次真正深刻的新技术出现，市场都会因为极度兴奋而冲得太快，估值先被推高，随后带来过度建设。另一个经常被提到、但传播效果不佳的理由是“美国必须领先中国”。

但如果你反对数据中心，我会说：它可能反而是近几十年来对美国工薪阶层最有利的事情之一。数据中心正在推动美国再工业化，这非常重要。

假设轨道算力的判断是对的——从物理定律本身看，没有什么根本原因说明它做不成。

世界上越来越大的一部分算力会进入轨道。听起来疯狂，但小行星采矿也会成为真实产业。有些小行星所包含的黄金、白银、铂等贵金属，规模可能超过地壳中现有可开采资源。也正因为这些想象太大，我们每次和 LP 聊天，开场往往都是同一句话：这一切最后到底会怎么出问题？

Gavin，你这个夏天一直待在西海岸，而且一直在说，你在主动找人给你讲一个更悲观、更 bearish 的 AI 案例，想让自己的情绪降温。你找到这样的人了吗？

没有。我问几乎每一个人同样的问题：你能不能告诉我，你业务里有哪怕一个量化指标正在变差？只要一个。至少在 7 月和 8 月，我没找到一个能给出答案的人。公平地说，Anthropic 现在处于比较安静的阶段，也许增速稍微慢了一点；但除此之外，整个行业都在加速。OpenAI 明显在加速，开源加速得更快，Grok 尤其是在 Grokbot 之后，也出现了非常明显的跃升。

所以 AI 在 7 月加速、8 月继续加速。当然它不可能永远以越来越快的速度增长，但有意思的是，过去两个月不少公开市场股票却跌得很厉害。平均水深两英尺的河照样能淹死人——指数层面可能看不出大事，但很多 AI 个股已经经历了很明显的回撤。8 月它们反弹了一些，可与此同时，底层业务数据仍普遍在加速。

我们共同的朋友 Eric（原字幕姓氏不清）之前和 Patrick O'Shaughnessy 做播客时提到一种可能：也许最后“大家都赢”。

我认为完全有可能。Anthropic 赢、OpenAI 赢、SpaceX 赢、Meta 赢，Google 通过卖很多 TPU 也赢；开源赢，NeoClouds 赢，叠在 NeoClouds 上的推理云也赢，应用层同样会有赢家。当然不是所有应用都会赢，而是那些执行得好、能穿越技术变化的应用公司。这个世界太习惯零和思维了，但 AI 很可能不是零和。

Anthropic 现在还有一个特殊因素：我猜他们前段时间把部分会计口径重新整理过，使收入定义更接近 OpenAI，等于先“重置”了可比基数。之后他们又在为上市做 testing-the-waters。我倾向于认为，因为他们实际执行得很好，下一次披露很可能又会看到重新加速。

前沿模型公司之间也一直有发布节奏上的博弈。

对。大家手里永远都有更先进的 checkpoint。Anthropic 很明显在等 OpenAI 发布下一代模型，然后可能第二天就拿出自己的 5.1 之类版本——仿佛几个小时内“突然”完成。这里有很多策略性安排。尤其准备 IPO 时，外界所有人都可以朝他们开火，而他们处在 quiet period，自己却不方便回击。

我反而觉得 OpenAI 和 Anthropic 变成上市公司，对市场是好事。它们影响太大了，但今天公开市场投资者经常只能听到“某位高管在全员会上说了什么”，然后《华尔街日报》做成头条，大家再把这句话硬塞进模型。上市以后，信息质量会更好。

我有一点担心 Anthropic 的文化面。现在他们在文化面试里会问：“如果你的股权最后归零，你会是什么感受？”因为他们要找使命驱动的人，而不是只看钱的人。

使命驱动当然很好，我们也喜欢 missionary，不喜欢纯 mercenary。但你最后还是需要赚钱。股权真归零，你也买不起实现使命所需要的算力。我不是这方面的专家，但这点应该没什么争议。

Anthropic 某种程度上像一家“意外长成的企业软件公司”。

完全同意。企业业务更像是最终使命的副产品。OpenAI 更商业化一些，SpaceX 当然也更商业化。真正有意思的是这些公司怎样在训练和推理之间分配电力与算力。

假设一家实验室有 10GW 电力，现在 8GW 给推理、2GW 给训练。再假设推理每 GW 年化能产生大约 600 亿美元收入，那么 8GW 就是约 4800 亿美元年化收入。这里说的是收入层面的回收，不是毛利层面的回收。我还刻意用了偏保守的数字；市场里有人认为 OpenAI 和 Anthropic 今天每 GW 的变现能力接近 1000 亿美元。

但如果他们突然取得一个重大研究突破，认为长期最优策略是把配置翻过来——8GW 用于训练、2GW 用于推理——那么年化收入可能瞬间从 4800 亿降到 1200 亿。Anthropic 这样的公司，我真觉得有可能做这种决定。

这会是公开市场必须重新学习的一件事。传统互联网公司和云公司基本没有这么极端的“收入服务成本”和“未来研究投入”之间的权衡，两者相对分离。

对。Google、Meta 这些互联网公司，基本面路径通常比较平滑，即使股票很波动。AI 实验室不一样：他们能通过发布哪个 checkpoint、怎么定价、在 Pareto 曲线上选择什么位置，以及训练/推理的配置比例，直接改变短期收入。

回到 Eric 的说法——“也许最后都能成”——我很认同。我跟 LP 解释时会换一种表述。每次 LP 对话几乎都从“这东西最后怎么崩”开始：开源是不是会杀死大模型？实验室是不是会被开源打垮？

我觉得这个问题本身就错了。这不是一个 OR 的世界，而是 AND 的世界。前沿模型会很好，N-1 代模型会很好，开源会很好，一批应用公司会很好，云大概率也没问题，几个主要实验室也可能都过得很好。

而 Nvidia 在这一切的正中央。

对，所以它大概也会过得很好。过去 26 年给我的一个教训，就是不要赌 Jensen 会输。

他现在的位置确实非常好。我们等会儿一定要回来讲 Nvidia。但你刚才说到训练和推理，我想继续追问。

我的直觉是，未来很长一段时间，实验室会把几乎所有新增利润，甚至远超利润的资金，继续投入训练。你觉得这个判断公平吗？这和传统云公司很不同：云公司最终由供需决定，会产生大量利润，也能继续增长；但除 Meta 之外，它们通常没有一个需要多年投入、回报期很长的巨大远期赌注。

我觉得要把“利润”和“自由现金流”分开。它们短期内肯定不会产生很多自由现金流，但会产生大量经营现金流，然后把这些钱继续买 GPU、XPU，或者未来我们给这些加速器起的任何名字。

而且实验室其实还在重度补贴第一方产品，也就是补贴用户的 token 消耗，对吧？

对。你可以把它想成：一部分算力做线上推理，一部分算力做内部研究，其中又有一部分其实是 post-training 相关推理。只要这些公司仍相信 scaling law——到目前为止它还在继续成立——我就不认为它们会把“产生自由现金流”放在很高优先级。

我们已经看到 Satya Nadella 有过一次“眨眼”。

我觉得他现在很后悔。去年他在达沃斯接受采访时，被问到巨额资本开支，还说“我知道我那 800 亿美元花得值”。但 Microsoft 后来确实有一点踩刹车，我觉得他们现在会后悔。Dario 也公开说过：有人花钱太不负责任；如果你花得不够，可能丢大量份额；花得太多，又可能破产。两件事都不好，但破产更糟，所以他宁愿保守。

结果 Anthropic 相对保守，OpenAI 更激进，SpaceX 也更激进。现在 OpenAI 又重新回到竞争前沿。至少短期看，这些激进投入的 ROI 非常清晰；从长期看，也很可能是正确决策。

Nebius 和 CoreWeave 最近给过一些很有意思的数据。粗略算，一个 1GW 数据中心可能花 500 亿美元，但客户可以先预付 50%–60%，等于你自己的资本需求先降到 250–300 亿美元。然后剩余算力如果放进现货市场继续变现，回收期可能只有 9–10 个月，甚至更短。

现货价格高的时候会更快，不过不能拿最极端的 5 美元、8 美元之类价格做长期假设，最好用平滑后的 2–3 美元一类水平。

对。SpaceX 这种大集群还有一个优势：它们上线特别快，因而回收期可能更短，而且能以更高价格变现。我现在越来越喜欢用“每兆瓦”而不是“每张 GPU”去思考算力，因为行业本身也正在转向这个口径。

我做投资这么多年，很少见到这种机会：一家公司可以投入几十亿、几百亿美元，却在一年以内得到回报。这真的很反常识。

而且如果你买的是 Nvidia GPU，甚至一定程度上的 TPU，这些资产还能融资。

对。现在市场里已经有非常成熟、成本很低的融资体系。很多人总在讲“循环融资”，但我认识 Blackstone、KKR、Apollo 里很多非常聪明的人，真正提供融资的是他们，而且资金成本相当低。

其中一个原因，是这些设备的有效寿命不断被延长。模型越来越强，token 支出的 ROI 也越来越高，每 GW 的变现能力在上升，所以从股权资本角度看，真实回收期甚至可能远短于一年。

甚至还存在另一种可能：所有这些投入品本身涨价。那样一来，供给侧的经济性反而更好。今天我们已经有很多数据点证明，回收期确实可以压到一年以内。

真正值得继续看的是需求侧。传统周期里，人们担心的是过度建设最后摧毁供给端经济性。但今天的 AI 需求，到底是由多少真正高价值、高付费用户支撑起来的？

这些公司现在合计大概在 800 亿美元收入量级附近，但背后真正重度付费、获得明显价值的用户，也许只有 3000 万，比如开发者这类人。

我甚至愿意赌“低于 3000 万”。看我们投资组合里的公司，token 使用呈现非常陡的幂律分布。传统银行可能只把人力成本的 1% 花在 token 上，技术非常激进的公司会到高个位数；而在同一家企业里，最重度的工程师可能比中位工程师多花 10 倍，甚至 100 倍。所以真正的重度用户也许不到 1000 万。

全球有大约 15 亿知识工作者。这样看，我们在需求扩散上几乎还什么都没发生，却已经严重供给受限。

那在 a16z 的投资组合里，最先进的公司每月 token 支出，相对人力薪酬大概是什么比例？

高个位数，有些 10%，非常 AI-native 的公司会超过 10%。老经济公司里做得不错的，大概 1%。所以当我把供给和需求放在一起看时，别人问“这种供给端回报可持续吗”，我的感觉是：真正的不确定性不是眼下需求不足，而是 AI 能不能顺利扩散到真实经济。但如果看十年，我们真的还在非常早的地方。

我们公司内部的 token 消耗，从 3 月到 8 月已经涨了 100 倍。刚拿到 Grokbot Enterprise 以后，只是两个人重度使用，我看一个月内 token 支出可能再涨 10 倍到 20 倍。

关键是这些 token 不是浪费，它们确实带来很高生产力。

对。我今年 50 岁。每次用 AI，我都会想到当年教父母从旧设备迁移到 iPhone、iPad 的感觉。你多大，David？

42。

你看那些 23 岁的人，他们使用 AI 的方式就是母语级的、天然的。我再努力，也未必能达到那种流利程度。我已经很努力了。Claude Code 出来后，我自己做过一些东西，觉得很酷；但后来我用几分钟创建 Grokbot，做出来的版本比我自己花时间搭的都好。

五个月前我上 Patrick O'Shaughnessy 的播客，说我很喜欢自己的“播客摘要器”。很多人问怎么做，我说就用 AI 做啊。现在 Grokbot 可能 10 秒就搞定。Substack 摘要器、X 摘要器、股票与主题情绪追踪器，过去用 Claude Code 可能要我花几个小时，现在每个 7–12 秒就能完成，而且结果更好。

所以对我来说，Grokbot 很像另一个 ChatGPT 时刻。Claude Code 已经很强，我能从数据里看到它带来的能力提升，也能做一些让我觉得“被增强了”的东西，比如家庭日历应用之类。但 Grokbot 是另一种体验：十秒钟，结果就已经比我自己能做出来的更好。

Claude Code 带来的转变首先发生在编程。我们最先进的一些工程师，过去也许只有 20% 的代码由 AI 完成，很快就变成 90% 以上。但你刚才说的那些 Claude Code、Codex 小工具，本质上仍然偏“响应式”：摘要、准备材料、知识增强——它们是你工作的一部分，却还不是在替你做真正的工作。

对。现在我可以做一个 Grokbot，直接问：“根据今天其他 bot 学到的所有东西，你建议我采取哪些行动？今天你有什么建议？你能自动化我工作的哪些部分？”而且它太容易搭了。我现在甚至会让 Grokbot、Codex，还有我们投资的一家公司 Town 同时“赛马”，看谁最能帮我把工作做得更好。

你们已经算是在最前沿试这些东西了。等所有人都这么做，再从“给我建议”进一步变成“好，直接去执行”，token 需求几乎可以是无穷的。

但我们也得承认金融史的一条规律。每当真正改变世界的新技术出现，市场都会兴奋、跑过头、估值过高，随后推动过度建设。汽车、电视、广播、互联网、PC、铁路、钢铁厂都出现过类似过程。我以前还在播客里误以为南海泡沫和经度测量技术有关，后来发现不是，那更接近一次纯投机事件。但真正的技术革命也经常伴随泡沫。

如果建设主要由债务融资，问题会更尖锐，因为债务要求很快看到 ROI，而不是三年以后再说。今天好的一点是，AI 建设里相当大一部分仍来自经营现金流。你可以在时间点上判断错，但不能错太久。

现在的建设规模已经开始挤压很多实体产业的原始产能。晶圆是一个约束，铜也是一个约束。现在几乎所有做铜的人都有一套 AI thesis。假设我们刚才讲的事情只有 10% 成真：今天可能只是几百万人就足以制造全球算力短缺，那如果未来是 5 亿人呢？我们需要建多少铜矿才能支撑它？

这确实很疯狂。我反而认为这些物理约束在一定程度上让速度慢下来，对社会未必是坏事。除此之外，还有利率和监管。真实利率上升其实可以理解，因为整个经济正在进行巨量投资。但监管方面，我对美国现在发生的事情真的很震惊，我们处在一个很糟的位置。

上周末我还在 X 上和 Anthropic 的一位人士以及 Dario 有过交流。Dario 说他不觉得自己一直很负面——他写了两篇文章，一篇正面、一篇负面。但如果“负面的那一半”讲的是失业、甚至人类生存风险，这种负面当然会非常有传播力。

像 Eliezer Yudkowsky 那种说法是：“如果我们把它造出来，所有人都会死。”那为什么不能也讲另一面：如果我们把它造出来，也许能治愈癌症，也许人类寿命会极大延长？我很喜欢 Dario 的一句话：我们不能总是“谈论治愈癌症”，而是应该真正去治愈癌症、真正做出突破。

我最喜欢《圣经》里的一句话之一是“真相使你自由”。但 AI 行业的真相，只有 AI 行业自己最有能力讲清楚。行业需要更主动地把事实讲出来。

比如有人反对数据中心，我会说：数据中心很可能是对美国工薪阶层最有利的事情之一。今天上大学的净现值甚至可能已经明显为负——与此同时，你去学电工、管道工、HVAC 技术，可能赚到非常高的收入。

我们已经看到很多实际数据，尤其是配套 behind-the-meter 发电的数据中心。一座大型数据中心落地后，一个小镇的税收不是翻一倍，而可能是十倍级增长。它正在让美国很多原本衰败的小城重新有活力。环保问题我们也在变得更擅长处理；很多项目使用天然气，水资源消耗的很多流行说法，在我看来也被严重夸大了。

不过今天的证明责任确实变了。不能只讲“未来治愈癌症”这种遥远收益，而要给普通美国人看到日常、可感知的现实好处——不只是用 ChatGPT 或 Grok 回答问题、替代搜索引擎。

我觉得我们已经很接近这种阶段了。另一个“正确但传播无效”的论点是“美国必须领先中国”。我也相信这一点，我是个爱国者，但对普通美国人来说太抽象。大部分人日常真正关心的是可负担性，以及 AI 到底让自己的生活变好还是变坏。

一个很直接的例子是弗吉尼亚州 Loudoun County。它是美国收入最高的县之一，同时也是数据中心密度最高的地方之一，并从数据中心获得巨额税收。有人反对数据中心时还讽刺说：“有本事把它们建到全美国收入最高的地方去。”结果答案就是：其实已经这么做了，而且效果很好。

这个反差确实很有意思。

但很多人不会停下来核对事实，而是直接转向下一个 talking point。我甚至认为，美国针对数据中心的一部分舆论存在有组织的、与 CCP 相关的影响活动，其中有些通过 TikTok 扩散。我说这点时是表达个人判断，但我真正觉得可惜的是：数据中心正在参与美国再工业化，而这件事反而没有被讲清楚。

美国天然气价格大概只有两三美元，而欧洲和亚洲可能是 20 美元甚至 25 美元量级。天然气是电力成本的重要输入，电力又是几乎所有制造业的重要输入，所以美国在这个基础投入品上有巨大成本优势。再叠加数据中心建设潮，实际上是在把工业带回美国。这恰恰是两党过去很多年都说想要的事情。

钢厂关闭以后被落下的小城，现在可能因为数据中心重新活过来。但这个故事必须有人持续讲。你在播客里一直讲，可你的听众本身就偏科技圈，很容易变成“对着唱诗班传教”。

Meta 过去其实很会讲这种故事。我不记得是不是它上市后的第一次 earnings call，但 Sheryl Sandberg 经常会举 10–15 个具体的小企业案例：比如得梅因的一家蛋糕店，两个单亲母亲经营，开始用 Meta 广告后扩到 15 家门店、雇了 50 个人。这种具体例子能告诉人们产品到底改变了谁的生活。

我希望整个 AI 行业都这么做。SpaceX、Anthropic、OpenAI、Google、Meta、Nvidia、AMD、Broadcom——都应该拿出具体企业和具体普通人的案例。有授权就实名，没有授权就匿名。不要只讲宏大叙事，要讲清楚“这项技术具体让这个人的生活发生了什么变化”。真相会让你自由，但前提是你把真相讲出来。

如果我们回到宏观供需，这些事实反而让我觉得更可能出现的是供给建设不足，而不是过度建设。

至少到 2028 年前我非常担心这个问题。按照现在已经规划的所有项目，几乎没有多余产能；而且政治和监管动态还可能让这些项目进一步延期。大家都在担心 oversupply，我更担心 massive undersupply。

如果是这样，获取“智能”的价格反而可能大幅上升，这和大家默认的“token 越来越便宜”完全相反。

对。Dwarkesh 之前提出过一个很疯狂的点——我忘了他具体怎么推演，但大意是 token 成本甚至可能涨 10 倍。听起来离谱，可我们毕竟生活在供需世界里。

今天用户为什么愿意买最前沿、最贵的 token，而不是用便宜模型完成大多数任务？原因很多，但最核心的一点是：即使按前沿 token 的价格付费，用户仍然获得了巨大的消费者剩余。也就是说，价值远高于价格。

对。如果需求继续爆发而供给跟不上，最讽刺的结果可能是“算力不平等”：大型公司和富人买得起算力，普通人却买不起。然后两年后，同一批阻止数据中心建设的人可能又开始抱怨 AI 资源不平等——但这恰恰可能是因为之前不允许建设数据中心。

大众市场产品要把价格降得很低，历史上常见的路径是广告补贴。但广告业务需要很长时间才能建立，我们过去投资的消费者互联网公司都经历过这个过程。所以中间可能出现一个尴尬阶段：供给贵、广告体系还没成熟，低价普惠产品暂时做不出来。

那会是非常糟糕的结果。没有人想要一个严重“compute inequality”的世界，所以我们需要建大量数据中心。这也是开源非常重要的原因之一。

还有一个常见误解：很多人觉得“开源 token 是免费的”。不是。对同等规模模型来说，生成一个开源模型 token 所需要的物理算力，并不会神奇地消失。区别主要在于上层收多少利润率。当然这里有很多细节，但大方向就是这样。

而且严格说很多所谓“开源”其实只是 open weights。比如 Kimi 的许可里就有商业收入分成条款，原字幕提到的是 30%。这说明“权重公开”并不等于“经济上免费”。

对，而且某些模型在 token 层面看便宜，但按完成一个任务所消耗的 token 数来看可能很“饿”，最终任务成本仍然很高。

我一直非常尊敬 Jensen。我觉得美国非常幸运有 Jensen，也非常幸运有 Elon。未来回看 21 世纪，我真觉得这可能会被称为“Elon 与 Jensen 的时代”。AI、SpaceX、多行星文明、Starlink 给全球最贫困地区带来低成本互联网——这些都在改变社会结构。

Starlink 带来的消费者剩余尤其大。很多偏远地区过去根本不具备铺设传统地面网络的经济性：成本太高、当地支付能力太低。未来新增互联网覆盖很大一部分不会再靠传统地面方式，而会来自太空。

对。所以我觉得我们应该对他们保持一点感激。他们至少让未来看起来更令人兴奋、更值得期待。

如果我们真的处在这样一个严重供给紧张的世界里，那么接下来就自然会谈到 SpaceX 的轨道算力。

每次我讲 SpaceX，尤其是轨道数据中心，很多人脑子里会想成“把一栋大楼发射到太空”，像死亡星或者把五角大楼漂在轨道上。完全不是。你更应该把它理解成飞机大小的一套设备：一个计算机架，加上展开的太阳能翼和散热器。

大概就是一个装着几十颗芯片的 rack，外围是太阳能翼。放进太阳同步轨道后，可以让散热器长期保持在机架阴影中，用辐射散热解决冷却。

X 上经常有人说：“我是物理学博士，这根本不可能。”我认识一个投资人朋友，他真的有物理学博士学位，也曾经非常坚定地说不可能。后来他去了 SpaceX 的活动，和工程师聊完以后回来直接说：“好吧，我错了。”

所以如果你是天体物理博士，你当然比我聪明一大截。但你为这个具体问题想过一小时、十小时、五十小时吗？SpaceX 有上万名世界上最聪明的工程师，其中很多人已经对这个问题想了几百、几千个小时，再配合极其先进的工程工具。对他们来说，这已经是一个解决过的问题，而且某些方面比 Starlink 卫星还简单，因为 Starlink 还需要相控阵和更多运动、通信组件。

我愿意先接受“物理上可行”。更大的疑问是成本。成本看起来非常吓人，但 Elon 旗下公司的历史就是不断把成本曲线打下来。我们早期投 SpaceX 时，Starlink 还没商业化，我们也不知道经济性最后能不能成立；发射业务、Model 3 都经历过类似怀疑。

再叠加地球上可能人为造成的严重供给不足，我觉得轨道算力至少会成为一种 swing capacity，调节地面算力的短缺。长期占比可能更大。

真正应该盯的关键变量不是“太空里能不能放服务器”，而是 Starship 能否真正做到高频完全复用。假设地面 1GW 数据中心总成本 500 亿美元，其中 350 亿是 IT 设备，这部分无论地面还是太空都差不多，可能太空版稍微贵一点；剩下 150 亿是电力、冷却、人工和各种地面基础设施。

而这 150 亿在地球上还有通胀压力。电工工资、材料、铜，全都可能越来越贵。

对。太空方案则主要变成太阳能板、散热器和发射成本。如果 Starship 完全复用后，把相关发射成本压到 10 亿美元以下，经济性会一下子翻转。

当然，训练永远会有很大一部分留在地球。GPU 离得越近越有优势，光速限制是真实的，延迟也是真实的。所以地面数据中心不会消失，而且仍会非常有价值。但我相信，全球算力里越来越大的比例会在轨道上运行。

Elon 说过，他和 Jensen 共同设计了一套适合太空的 Rubin rack，目标在 2027 年第四季度发射。就算晚两个季度，那也是 2028 年，仍然非常近。Brad Gerstner 也说过，这件事几乎是在“众目睽睽之下发生”，但市场却没真正把它当回事。

而且我们甚至不需要轨道算力成立，SpaceX 现有业务的逻辑就已经很强。Grokbot 的使用量看起来每天都在变，我自己已经频繁撞到 usage limit；有时系统会提示服务器过载，而他们明明已经拥有巨量算力。

对。如果你完全不想讨论 orbital data center，也没关系。Starlink Mobile 本身就有相当清晰的路线图，无线通信可能又是 8000 亿到 9000 亿美元量级的可服务市场；再加上宽带，合起来接近 2 万亿美元的市场空间。

宽带加移动通信接近 2 万亿美元市场，再叠加快速增长的 AI ARR、云业务。就算你完全不给轨道算力估值，今天地面算力、Cursor、Grok、Grokbot 这些业务也已经发生了。我们看到 X 广告也在增长。

我甚至能想象未来出现 Starlink + Grokbot + X Ads 的 bundle。Google 当年扩云业务时，就很擅长把云和广告关系结合起来。SpaceX/X 体系为什么不能这么做？

我很喜欢他们现在的 AI 位置，因为有点“正面赢、反面也赢”。第一方 AI 业务增长非常快，而且他们很快追到了前沿，因此大手笔买算力是合理的。

如果最终这些算力对自家训练和推理来说买多了呢？在今天极度短缺的市场里，把算力对外变现，回收期可能仍然不到六个月。所以即使第一方需求判断高了，基础设施本身也很值钱。

以前有一种 bear case：如果最后只有 OpenAI 和 Anthropic 两家主导，而且它们自己设计芯片，那其他人还有什么位置？但它们短期内不会拥有可复用的 Starship，也不会拥有多个 spaceport。如果未来轨道算力逐渐更经济——Starship 的成本持续下降，而地面的电力、冷却和施工成本持续上升——SpaceX 即使第一方 AI 应用做砸了，也仍然是一家巨大的基础设施公司。

我对 Louisiana 的 Starbase 特别兴奋，真的很想去看看。它的基础设施正在朝一年几千次发射的规模设计。长期我觉得会看到多个 Starbase，分布在不同海岸、不同国家：中东会有，欧洲最不官僚的国家可能会有，日本或韩国也可能会有。

一年 5000 次发射这种数字，今天听起来确实非常未来。

而且“可复用”和“把火箭回收下来”不是一回事。中国最近也展示过捕获火箭的方案，甚至有点像很多年前 SpaceX subreddit 上讨论过的线缆式想法。但 Starship 追求的是完全不同的工作流：助推器被塔架接住、移走，Starship 本体也被接住，然后重新堆叠、加注，马上再次发射。

如果每个发射台每天两次，数字很快就会累积起来。

我甚至觉得“两次”还是保守假设，发射台本身可能就是按更高频率设计的。

对，我也觉得每天两次更像一个保守起点。既然聊到这里，我们不妨把时间尺度再拉远一点。

说到 SpaceX，我们俩已经聊过太多次了。我想把问题问得更远一点：你觉得 SpaceX 最科幻、最具十年尺度想象力的产品、市场或者技术是什么？我们以前一起参加过一个会议，当时一群公开市场投资人讨论谁会成为第一家 10 万亿美元公司。我记得你当时说，你不知道谁会先到 10 万亿，但你知道谁最可能先到 20 万亿。所以，如果把时间拉得足够长，你脑子里最远的那幅 SpaceX 图景是什么？

这听起来很疯狂，但我觉得小行星采矿最终会成为一件非常真实的事。比如小行星 Psyche，据说里面的金、银、铂以及各种贵金属资源极其丰富，甚至可以和地壳中的总量相提并论。未来有了 Starship，也许还需要月球基地作为中转，我们就可能去捕获这些小行星，把它们带入稳定轨道，例如地球同步轨道，再把它们安排在太平洋中某个美国拥有、远离人口聚居区的岛礁上空。

到那时，你完全可以想象由 Optimus 机器人去完成大量工作。把材料送回地球本身几乎不需要额外推进成本，当然在再入过程中总会有一部分烧蚀损失，但这在我看来仍然是很可能发生的事情。

Jeff Bezos 大概十五年前说过一句我一直记得的话：未来的地球可能会被“划为住宅区”，而重工业会转移到太空。这样一来，很多污染和环境问题就自然被重新定义了。人类很难真正理解外太空到底有多大，所以一听到轨道基础设施就会担心“以后还能不能看到星星”，但空间的尺度比人的直觉大得多。

而且这并不是几百年后的故事。我认为未来几年里——就算把最保守的外沿放到八年——你也很可能看到一支 Starship 舰队降落火星。会有专门改装的 Mars Colonial Transporter，舱门打开，Optimus 机器人举着美国国旗走下来，然后把太阳能板、电池、算力机架一件件铺开，再部署 Starlink。也许我们还能通过遍布火星的机器人看到 4K 视频，之后才轮到人类真正过去居住。

这比登月还要大一点。

对，而且我觉得这件事发生的概率非常高。

这个答案很好，而且市场上还真没多少人在聊。那我们从极远期拉回现实一点。你刚才提到了 Microsoft，它之前做的那个战略选择很有意思：如果 Apple 是把“逆着未来下注”做到极致，那么 Microsoft 某种程度上是这个光谱上的温和版本。你怎么看他们现在的处境？

我觉得世界其实越来越有利于 Microsoft 之前的战略。很明显，他们尝试过自己做前沿模型，但没有成功。Satya 大约一年半前说过，他们会有非常有竞争力的自研模型，但今天看来，他们并没有真正处在前沿。

不过我越来越相信，未来不是“一个模型统治一切”，而是模型组合。模型能力本身更像一条帕累托曲线，没有任何一个模型会在所有任务上都是最优。对于全球最大的那一万家公司来说，更现实的做法可能是：拿到当时最好的开源或开放权重基础模型，再结合一两个前沿闭源模型共同工作。

我甚至觉得，美国这边很快可能会出现由 Nvidia 推动的非常强的开放模型。芯片公司本身有很强的动力这么做。如果最终开放模型占据很大份额，那谁来出几十亿甚至 500 亿、1000 亿美元做训练？芯片公司完全可以出。对 Jensen 这种体量的公司来说，支持一轮 500 亿到 1000 亿美元的训练并不是不可想象的事情。

这也让 Google 的长期策略变得很有意思。他们现在看起来像是暂时没有把全部注意力押在前沿模型竞赛上，而是先用高价格变现算力，同时把 TPU 卖给外部客户。这样会产生巨量现金流，而开放模型又在不断逼近前沿。最后真正有优势的，也许就是最有现金流、最能持续资助大规模训练的人。

对。我觉得美国开放模型在 Nvidia 带动下会离前沿越来越近。Poolside 那笔收购并不是随便做的，Poolside 里有不少非常优秀的美国开放模型人才。

这对 Microsoft 以及几乎所有应用软件公司都很有利。企业真正应该做的是拿一个很强的预训练基础模型，然后在自己的数据上做大量强化学习和监督微调。企业最有价值的东西，本来就不是公开知识，而是埋在内部数据、流程和上下文里的那部分“企业记忆”。如果把这些东西全部交给某个前沿实验室，那对财务和战略安全都未必是好事，尤其是在零数据保留（ZDR）政策发生变化之后。

如果“智能”会成为你业务里最重要的生产要素之一，那你当然会希望自己拥有并控制它：控制它的能力边界、成本、数据以及升级路径。然后你再在它后面接一两个前沿模型，让它们彼此检查。最前沿的模型负责规划，更多低成本模型负责执行，这样对用户来说可以完全隐藏在一个 router 后面。

这听起来很像现在一些产品已经在做的事。比如 Grokbot，我理解它背后可能会混用 Gemini 3.7 Flash、Grok 4.6 以及部分 Opus——至少原始讨论里是这么举例的——最后对用户只呈现一个统一入口。

对。我认为这会是非常自然的企业架构：你有自己的模型，再配一两个最强的前沿模型。它们不一定每次都同时工作，但可以相互校验。规划交给最强模型，执行交给成本更低的模型。这个世界显然比“只有 OpenAI 和 Anthropic 两个统治级模型”的世界对 Microsoft 友好得多。而现在看，至少 Grok 已经让前沿竞争者变成三个了。Meta 也值得很大肯定，他们曾经掉出比赛，但又非常快地回到了牌桌上。

一年前 Gemini 还在强势上升，当时谁能想到今天竞争格局会变成这样。整个行业像是在下史上赌注最大的公司象棋：有人走错，有人走对，也有人一度出局又重新回来。我越来越觉得最后会是“多模型”或者“混合模型”形态，只是行业还没决定最终叫什么。

我也这么看。今天我觉得比较接近这种形态的一个例子，是 Fireworks 的 Nexus 产品。你可以选择一个前沿模型，同时让他们替你拿一个开放模型，用你自己的数据做强化学习。Goldman Sachs、Morgan Stanley、JPMorgan、Fidelity、a16z 这种机构都可以把自己的数据留在自己掌控之下，同时获得一个经过定制的模型，再通过统一 router 把前沿模型和自有模型组合起来。

这才是“控制自己的智能”真正的含义：底层模型可以替换，但企业上下文、内部知识和后训练成果属于你自己，而且模型切换应该在用户无感的情况下发生。

Fireworks 的 Lynn 很早就表达过类似想法，后来 Alex Karp 和 Satya 也各自说出了自己的版本。Satya 关于“专用智能（specialized intelligence）”的那套说法，我觉得完全可能成为主流。

对，但真正要做起来非常难。描述这套架构很容易，工程实现却远比听起来复杂。

我经常用一个问题描述这场竞争：到底谁能成为组织和用户访问“智能”的抽象层？这是商业史上极其有价值的位置之一。

一定是。我以前做过零售分析师，这让我特别警惕“看起来很简单”的生意。比如你可以说，在美国开一家 500 亿美元规模的零售商很容易——美国任何一个品类都足够大。你“只需要”运营大约一千家门店，分布在五十个州；每个州气候、消费者偏好都不同；每家店都要在正确时间以正确价格备对货；员工得友善、懂业务，而且不能偷你的东西；员工一年可能流动 100% 以上；门店还必须一直干净、明亮。做到这些，啪一下，你就有 500 亿美元企业了。

听起来简单，实际上美国商业史上真正做到的人屈指可数。

没错。“智能抽象层”也是一样。大家会低估把所有东西接起来、让它无缝工作到底有多难。

Cursor 就很有意思。其他前沿实验室常常谈的是“数字神明”、AGI、ASI，而 Cursor 那群人最初说的其实非常朴素：我们想做一个特别好的产品。某种意义上，他们可能是前沿玩家里产品导向最强的一批人。这种思维也很适合 Elon：把它当作工程问题，建立模型工厂，然后做出好产品。

Tesla 的车就是这种思路。最终用户感知到的不是宏大理论，而是“这辆车真的可以自己开到很多地方”。Cursor 的终局愿景未必比别人小，只是它选择了另一条路径：先在客户当前需求和技术当前能力交汇的地方解决问题，再一步步向自主性爬升。

编程相比其他知识工作还有一个巨大优势：它高度可验证，而且文档化得非常好。企业里绝大多数其他工作都不是这样。所以如果你要论证 Microsoft 有机会成为那个抽象层，这是一个有利条件，但前提仍然是他们执行得足够好。

真正的目标不是“点一下 Copilot，把我所有东西连上去”这么简单。你得在我的内部数据上训练模型，说服我这些数据不会泄露给别人，再把它放到一个无感 router 后面，还要持续升级底层开放模型。这绝不是薄薄一层 middleware。

而且 Microsoft 面对的竞争者不只是各大模型实验室。Databricks、Palantir、推理服务商以及各种应用公司，全都会争这个位置。

Harvey 在法律行业已经做得非常好了。法律有一个天然优势：大量工作高度文档化，而且相对可验证。税务也可能有类似属性。真正困难的是更广泛那 15 亿知识工作者，因为那里的流程和数据会混乱得多。

我猜 Harvey、Lora 以及 Cognition 这类公司内心深处都会想：如果我们先把自己这个垂直领域解决了，也许最终可以成为所有人的抽象层。某种程度上，Kirkland & Ellis 宣布愿意花 5 亿美元自己建设 AI 系统，反而是在验证这个市场到底有多大。

但那绝不意味着“花 5 亿美元一次性建完就结束”。模型需要持续更新，基础模型会不断替换，而且这些变化都应该对终端用户透明。

所以未来会发生一场巨大碰撞：Fireworks Nexus、法律 Agent、编程 Agent、Microsoft、Databricks、Snowflake、Salesforce、Workday……每个人都会往这个方向冲。最后决定胜负的就是谁执行得最好，以及谁能把成本做到最低。

长期看，如果你完全没有纵向整合、完全不掌握自己的算力，要成为最低成本供应者会非常困难。所以我现在看 hyperscaler 的时候，越来越喜欢看企业价值相对于净 PP&E（物业、厂房及设备）的倍数。因为今天的净 PP&E 很大程度上就是一支算力舰队，市场实际上是在给“这支算力未来能以什么价格变现”定价，其中存在一些非常明显的低效。

可以把它看成 AI 时代的某种 price-to-book。

对，我很喜欢这个说法。

好，那就聊 Jensen。我们前面一直在提他。我和你一样觉得，他几乎是在把整个行业往前拖。你怎么看 Nvidia 现在的位置？

我觉得他的处境非常非常好。Nvidia 的战略可以概括成：纵向高度整合，但横向保持开放。假设未来冒出某一种特别厉害的新型加速器，它大概率仍然会因为能接入 Nvidia 的系统而变得更有价值。

所以如果你是半导体公司的 CEO，我给你的第一条建议几乎永远都是：“谢谢你，Jensen。谢谢你创造了这个市场机会。我们怎么才能和你合作？”当然，你可以在边缘位置和他竞争，但没必要一上来就正面对撞。我的经验法则是，现在加速器市场每拿到 1% 的份额，都可能值 1000 亿美元。这个市场大到你完全可以找一个细分拿下 1%，而不是想着推翻 Nvidia。

更关键的是，Nvidia 不是“只有一颗 GPU”。他们大概有九类芯片：不同类型的加速器、CPU、Ethernet switch、两种 GPU，再加上不同层级的网络能力，从 scale-out、scale-up 到 scale-across、scale-in。你要和它在系统层竞争，就不是做出一颗好芯片这么简单。

而且它最大的客户本身就在和这九类芯片中的某几类竞争，但双方还是合作得很好。

对。所以最重要的是，友善一点。真的，别没事去挑衅他。这让我想起巅峰时期的 Chicago Bulls。赛季打到第 50 场，Jordan 有点无聊，球队又遥遥领先。突然有个年轻球员觉得自己今天打得不错，开始对 Jordan 喷垃圾话。Jordan 抬头看一眼，比赛就结束了。看过《The Last Dance》的人都知道这种故事。

正确的做法应该是：“Michael，能跟你同场打球我太高兴了。”别把一个本来有点无聊的 Jordan 激活。

这个比喻尤其适合 Nvidia，因为他们的数据中心非常容易融资。

对。假设一个 Nvidia 数据中心总成本是 500 亿美元，你真正需要出的 equity check 可能只有 150 亿，剩下 350 亿完全可以融资。Blackstone、KKR、Apollo 这些人不是在做什么“循环融资”的把戏，他们会真正逐笔承销。

然后 Nvidia 还能提供 residual value guarantee，也就是残值担保。只要这个担保金额低于他们卖进数据中心那些芯片产生的毛利润，从 Nvidia 的角度看，这几乎就是低风险、强正 NPV 的交易，再叠加后续 revenue share 的潜在收益。

所以 Nvidia 的数据中心是最容易融资的一类。TPU 可能排第二，但你也许要拿出两倍的 equity，而且剩余部分融资利率还更高。资本成本本身就是一个巨大竞争优势。

Jensen 现在甚至开始往更上游走：拿土地、电力、shell company，再把这些资源和长期 offtake agreement 配起来。我觉得他做 RVG 的一个原因，就是如果他不帮助更多人拿到算力，最终就可能变成 Anthropic 和 OpenAI 主导的世界，因为他们支付算力的能力最强。

这就像他当初扶持 neocloud 一样，本质上是在帮助更多人和 Anthropic、OpenAI 竞争，让算力更民主化。

对。而且我认为 Jensen 是一个很爱美国的人。有意思的是，他作为一个极度凶狠的竞争者，个人商业激励恰好和“让 AI 权力更分散”这件事高度一致：模型要碎片化、算力要碎片化，不能只有一个统治性的 AI。

这也是为什么我一直无法理解有人把开源说成 Nvidia 最大的风险。Jensen 恰恰可能是世界上最积极的开放模型倡导者之一，因为开放模型对他的业务太好了。假设模型层原来能在一个 token 上收 90% 的利润，以后竞争把这个数字打到 40%，用户反而会消费更多 token。最终真正被消耗的是算力，而 Nvidia 恰好卖算力。尤其在供给受限的世界里，这逻辑更强。

他很早就看到了供给链的重要性。现在我们粗略估计，他可能锁住了全球 70% 到 80% 的关键供应能力——这里说的是讨论中的量级判断，包括晶圆厂产能、DRAM、NAND、激光器、电容、机架等一整条供应链。十五年前，他可能每两年做一次 20 亿、30 亿美元的赌注；今天这种赌注已经变成数千亿美元级，而且还要把 Blackstone、KKR、Apollo、Goldman Sachs、Morgan Stanley、JPMorgan 这些资本一起拉进来。

你们自己也投了不少私营半导体公司，所以你应该比多数人更清楚，这件事到底有多难。

硬件真的很难。芯片 tape-out 的时候，团队会觉得特别好：仿真、emulation 都通过了，一切看起来很棒。然后几个月后芯片从工厂回来，CEO 给你打 FaceTime，大家把它插上去——有时候它就是不工作。

Cerebras 以前不是也出现过类似情况吗？

我会稍微修正一下。Cerebras 的芯片本身其实是工作的，他们前两代更大的问题是没有找到 product-market fit。这个和“芯片插上去完全不工作”是两回事。前者还能继续迭代商业化，后者可能意味着你要回到设计板，再融资几亿美元甚至十亿美元，然后告诉投资人：两年后下一版一定能工作——前提还是你拿得到融资。

半导体就是这样，现实世界就是难，硬件就是难。Jensen 真正夸张的地方不只是芯片性能，而是他能以这种速度和规模把土地、电力、供应链、融资全部一起带上。既然他已经拥有讨论中 70% 到 80% 级别的生态优势，你最理性的选择通常是接进去，而不是站在外面硬碰。

这也是为什么我觉得 Elon 最近那个选择非常聪明。他没有执着于正面竞争，而是选择让自己的利益和 Nvidia 更一致。那是个很高 Elo 的动作。

对。过去很多公司都做自己的 ASIC，然后上台时忍不住对 Jensen 或 Nvidia 放几句狠话。但我也得给做得好的人应有的认可。比如讨论里提到的“Jalapeno”团队——这是原始字幕里的名称——他们做出来的东西，在我看来是 TPU、Trainium 之外我见过最有竞争力的内部 ASIC 之一，而且速度很快，团队确实很强。

模型实验室自己做芯片有一个真实优势：他们拥有模型，能看到研究方向下一步往哪里走。但另一方面，Nvidia 和所有人一起工作，能看到整个行业的变化。大家总觉得 workload 很快会标准化，可你看看中国几个大的开放模型，DeepSeek、Kimi、Qwen，它们其实一直在沿完全不同的方向演进。只要算法仍在快速变化，通用 GPU 就至少会保留很重要的位置。

所以我很高兴 Jensen 作为 CEO 的激励和美国整体利益在这里高度一致。

那我们还是提醒一下自己的半导体 portfolio：别去对 Michael Jordan 喷垃圾话。

对，别去扯 Superman 的披风。很多人做出一点成绩之后就会膨胀，开始挑衅。Superman 有时候直接飞走了，剩下你自己面对后果。TPU 团队过去也经历过类似时刻。现在 Jalapeno 做得确实很有竞争力，但别忘了，它本质上只是和 Nvidia 九类芯片中的一类竞争。真要在系统层面对等，你还得再做另外八类。

SemiAnalysis 的 Dylan 有个说法我很喜欢：Jensen 是 AI 的银行，甚至是 AI 的中央银行、AI 的美联储。

对。所以 Elon 不去和这个“中央银行”作对，而是让双方完全对齐，我觉得历史会证明这是个很聪明的选择。

不过在一个供给极度受限的世界里，还有一个有趣问题：你很难知道客户真正偏好什么，因为只要有货，大家几乎什么都买。

没错。今天只要你能拿到 TSMC allocation，再配上足够的 DRAM，基本就能卖光。很老的 H100 价格仍然很高，就是因为市场太缺货。在这种环境下，仅看销量很难判断用户究竟最喜欢哪种芯片。

我觉得更好的观察方式，是看客户和芯片公司最终愿意签什么样的交易。大致可以排出一个层级。

第一类，是芯片公司直接投资客户。Amazon 和 Google 当初围绕 Trainium、TPU 对 Anthropic 做的交易就是例子。对一颗新芯片来说，真正被高强度使用非常重要，因为它有 cold-start problem。只要你投资给客户的钱低于卖芯片获得的毛利润，理论上你就很难在这笔交易里亏钱，同时还能逼着自己的产品迅速成熟。

第二类，是我们前面聊到的 RVG，也就是残值担保。Blackstone、Apollo、KKR、Goldman Sachs 之类的机构来提供融资。只要你的残值担保金额低于芯片毛利润，下行风险仍然很有限，而且往往还能通过 revenue share 获得额外上行。

第三类，是给客户 warrants，但这些 warrants 和固定的每百万 token 价格绑定。如果你的芯片性能提升速度超过对方股票上涨速度，你仍然可能赚得很好。但如果你只是无条件把 warrants 送出去，这笔交易可能是负 NPV，因为你的产品越成功，最终创造的更多价值反而被对方股东拿走。

所以你可以通过这种交易结构的层级，反过来读出客户真正愿意为谁承担风险，也就更接近真实偏好。

对。

那 Nvidia 确实拿到了相当好的交易。

是啊。那些我认为非常聪明的人之所以愿意给这些项目出钱，总是有原因的。

Gavin，谢谢你。每次和你聊都很有意思。

谢谢你，David。这次聊得很棒。