--- id: "FGC4ofTcg2k" title: "AI 需求为什么正在跑赢算力供给" channel: "a16z" host: ["David George"] guests: ["Gavin Baker"] date: "2026-08-31" updated: "2026-09-02" duration: "1:14:26" duration_seconds: 4466 source_type: "youtube" youtube: "https://www.youtube.com/watch?v=FGC4ofTcg2k" canonical: "https://pod-exp.pages.dev/FGC4ofTcg2k/" transcript_jsonl: "https://pod-exp.pages.dev/FGC4ofTcg2k/transcript.jsonl" language: "zh-CN" translation: true translated_from: "en" timestamp_precision: "block" topics: ["人工智能","AI 基础设施","半导体","投资"] series: ["AI 基础设施","AI 投资"] --- # AI 需求为什么正在跑赢算力供给 > 中文译文，由英文原音字幕翻译整理，不是官方逐字稿；引用原话请核对英文原视频。说话人标签由整理者依上下文标注，带「未确认 / 未标注 / 不确定」等字样的标签不可靠。时间戳一般为块级（所在时间块的起点），不是逐句时间；正文自带 [hh:mm:ss] 的段落除外。 **内容提要：** David George 与 Atreides Management 创始人 Gavin Baker 讨论 AI 周期为何可能仍处在供给不足而非过度建设阶段。Gavin 认为，几乎找不到企业端真正恶化的量化指标；前沿模型、开源模型、应用、云和 Nvidia 未必是零和竞争。两人进一步讨论训练与推理的资本配置、不到一年的算力投资回收期、AI 用户扩散、自动化 agent、数据中心对美国再工业化的作用、轨道数据中心与 SpaceX、企业多模型架构，以及 Nvidia 如何凭借芯片、供应链和融资能力成为“AI 的中央银行”。 ## [0:01] 开场：AI、算力短缺与 Elon/Jensen 时代 · YouTube **Gavin Baker：** 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？ **David George：** 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”。 **Gavin Baker：** 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。 **David George：** 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。 **Gavin Baker：** 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？ ## [1:09] Gavin 为什么找不到 AI 的熊市证据 · YouTube **David George：** 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？ **Gavin Baker：** 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。 **Gavin Baker：** 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。 **David George：** 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”。 **Gavin Baker：** 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。 **Gavin Baker：** 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。 **David George：** 前沿模型公司之间也一直有发布节奏上的博弈。 **Gavin Baker：** 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。 **Gavin Baker：** 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。 ## [5:10] Anthropic、OpenAI 与训练/推理的取舍 · YouTube **David George：** 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。 **Gavin Baker：** 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。 **David George：** Anthropic 某种程度上像一家“意外长成的企业软件公司”。 **Gavin Baker：** 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。 **Gavin Baker：** 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。 **Gavin Baker：** 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。 **David George：** 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。 **Gavin Baker：** 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。 ## [8:07] 这不是“二选一”，而是“都可能赢” · YouTube **David George：** 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？ **David George：** 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。 **Gavin Baker：** 而 Nvidia 在这一切的正中央。 **David George：** 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。 **Gavin Baker：** 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。 ## [9:11] 实验室会把利润继续砸进训练吗？ · YouTube **David George：** 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。 **Gavin Baker：** 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。 **David George：** 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？ **Gavin Baker：** 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。 **David George：** 我们已经看到 Satya Nadella 有过一次“眨眼”。 **Gavin Baker：** 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。 **Gavin Baker：** 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。 **Gavin Baker：** 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。 **David George：** 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。 **Gavin Baker：** 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。 ## [13:11] 算力投资为何可能一年内回本 · YouTube **Gavin Baker：** 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。 **David George：** 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。 **Gavin Baker：** 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。 **Gavin Baker：** 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。 **David George：** 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。 **Gavin Baker：** 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？ ## [14:46] 需求侧：真正的重度 AI 用户可能还不到 1000 万 · YouTube **David George：** 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。 **Gavin Baker：** 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。 **Gavin Baker：** 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。 **David George：** 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？ **Gavin Baker：** 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。 **Gavin Baker：** 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。 **David George：** 关键是这些 token 不是浪费，它们确实带来很高生产力。 **Gavin Baker：** 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？ **David George：** 42。 **Gavin Baker：** 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。 **Gavin Baker：** 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。 ## [18:48] Grokbot 带来的第二个 ChatGPT 时刻 · YouTube **Gavin Baker：** 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。 ## [19:16] 从辅助工具走向真正执行工作的 Agent · YouTube **David George：** 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。 **Gavin Baker：** 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。 **David George：** 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。 **Gavin Baker：** 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。 **Gavin Baker：** 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。 **David George：** 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？ **Gavin Baker：** 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。 **Gavin Baker：** 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。 ## [23:17] AI、数据中心与美国普通人的现实收益 · YouTube **Gavin Baker：** 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。 **David George：** 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。 **Gavin Baker：** 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。 **Gavin Baker：** 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。 **David George：** 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。 **Gavin Baker：** 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。 **Gavin Baker：** 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。 **David George：** 这个反差确实很有意思。 **Gavin Baker：** 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。 ## [27:18] 再工业化与“真正的供给不足” · YouTube **Gavin Baker：** 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。 **David George：** 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”。 **Gavin Baker：** 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。 **Gavin Baker：** 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。 **David George：** 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。 **Gavin Baker：** 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。 **David George：** 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。 **Gavin Baker：** 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。 ## [30:18] 如果算力真的严重短缺，会发生什么？ · YouTube **David George：** 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。 **Gavin Baker：** 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。 **David George：** 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。 **Gavin Baker：** 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。 **Gavin Baker：** 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。 **David George：** 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”。 **Gavin Baker：** 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。 **Gavin Baker：** 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。 **David George：** 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。 **Gavin Baker：** 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。 ## [34:19] 从供给短缺转向轨道算力 · YouTube **Gavin Baker：** 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。 ## [34:22] SpaceX 轨道数据中心的工程与经济学 · YouTube **Gavin Baker：** 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。 **David George：** 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。 **Gavin Baker：** 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。” **Gavin Baker：** 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。 **David George：** 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。 **Gavin Baker：** 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。 **Gavin Baker：** 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。 **David George：** 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。 **Gavin Baker：** 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。 ## [38:23] 为什么越来越多算力可能进入轨道 · YouTube **Gavin Baker：** 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。 **Gavin Baker：** 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。 **David George：** 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。 **Gavin Baker：** 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。 ## [40:00] Starlink 的巨大市场与 SpaceX 的双赢算力赌注 · YouTube **David George：** 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。 **Gavin Baker：** 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？ **David George：** 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。 **David George：** 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。 **Gavin Baker：** 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。 **Gavin Baker：** 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。 **David George：** 一年 5000 次发射这种数字，今天听起来确实非常未来。 **Gavin Baker：** 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。 **David George：** 如果每个发射台每天两次，数字很快就会累积起来。 **Gavin Baker：** 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。 ## [44:01] 从 Starbase 转向更远期想象 · YouTube **David George：** 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。 ## [44:05] SpaceX 最科幻的远期想象：小行星采矿 · YouTube **David George：** 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？ **Gavin Baker：** 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。 **Gavin Baker：** 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。 **Gavin Baker：** 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。 **Gavin Baker：** 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。 **David George：** 这比登月还要大一点。 **Gavin Baker：** 对，而且我觉得这件事发生的概率非常高。 **David George：** 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？ ## [48:06] Microsoft 与多模型未来：企业会拥有自己的“智能资产” · YouTube **Gavin Baker：** 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。 **Gavin Baker：** 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。 **Gavin Baker：** 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。 **David George：** 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。 **Gavin Baker：** 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。 **Gavin Baker：** 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。 **Gavin Baker：** 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。 **David George：** 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。 **Gavin Baker：** 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。 ## [52:06] 企业 AI 的真正形态：多模型路由与专用智能 · YouTube **David George：** 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。 **Gavin Baker：** 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。 **Gavin Baker：** 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。 **David George：** 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。 **Gavin Baker：** 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。 ## [54:02] 谁会成为企业“智能的抽象层”？ · YouTube **David George：** 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。 **Gavin Baker：** 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。 **David George：** 听起来简单，实际上美国商业史上真正做到的人屈指可数。 **Gavin Baker：** 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。 **Gavin Baker：** 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。 **David George：** 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。 **Gavin Baker：** 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。 **Gavin Baker：** 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。 **David George：** 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。 ## [57:57] Harvey、Cursor 与垂直 AI：谁能先占住行业入口 · YouTube **Gavin Baker：** 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。 **Gavin Baker：** 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。 **David George：** 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。 **Gavin Baker：** 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。 **Gavin Baker：** 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。 **David George：** 可以把它看成 AI 时代的某种 price-to-book。 **Gavin Baker：** 对，我很喜欢这个说法。 ## [1:00:26] Jensen、Nvidia 与 AI 的“中央银行” · YouTube **David George：** 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？ **Gavin Baker：** 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。 **Gavin Baker：** 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。 **Gavin Baker：** 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。 **David George：** 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。 **Gavin Baker：** 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。 **Gavin Baker：** 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。 **David George：** 这个比喻尤其适合 Nvidia，因为他们的数据中心非常容易融资。 **Gavin Baker：** 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。 **Gavin Baker：** 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。 **Gavin Baker：** 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。 **Gavin Baker：** 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。 ## [1:04:27] Nvidia 为什么希望 AI 世界保持碎片化 · YouTube **David George：** 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。 **Gavin Baker：** 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。 **Gavin Baker：** 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。 **Gavin Baker：** 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。 **David George：** 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。 **Gavin Baker：** 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。 **David George：** Cerebras 以前不是也出现过类似情况吗？ **Gavin Baker：** 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。 ## [1:08:27] 做芯片很难，真正的护城河是系统与生态 · YouTube **Gavin Baker：** 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。 **David George：** 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。 **Gavin Baker：** 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。 **Gavin Baker：** 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。 **Gavin Baker：** 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。 **David George：** 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。 **Gavin Baker：** 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。 **David George：** 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。 **Gavin Baker：** 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。 **David George：** 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。 ## [1:12:16] 从芯片交易结构反推真正的客户偏好 · YouTube **Gavin Baker：** 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。 **Gavin Baker：** 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。 **Gavin Baker：** 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。 **Gavin Baker：** 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。 **Gavin Baker：** 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。 **David George：** 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。 **Gavin Baker：** 对。 **David George：** 那 Nvidia 确实拿到了相当好的交易。 **Gavin Baker：** 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。 **David George：** Gavin，谢谢你。每次和你聊都很有意思。 **Gavin Baker：** 谢谢你，David。这次聊得很棒。