瓦特、晶圆与AI基础设施的未来Gavin Baker访谈录

我认为，人工智能领域正在发生的事情，是资本主义历史上、美国商业历史上最非凡的时刻。Anthropic 公司在一个月内新增了110亿美元的年度经常性收入（ARR）。过去10到12年里，三家最知名的SaaS公司是Palantir、Snowflake和Databricks，这三家公司花了十年时间才建立起它们的业务。而Anthropic在一个月内就达到了这三家公司合计的规模。这在资本主义历史上是前所未有的。

不要只看我的职业生涯，单看资本主义的历史，商业的历史，这真的是前所未有的。>> [音乐]

好的，这是我们第六次做这个节目了，如果你能相信的话，这让你回到了第一名的位置，至少和Gurley并列第一。我觉得自上次我们做这个节目以来，情况变得更加有趣。也许你先谈谈今年三月和四月的感受吧，那段时间对我来说是一个完全独特的经济、技术和市场环境。你是历史和当下时代的最大研究者，你当时感觉如何？

大体上，我认为有两种类型的回撤。一种是你判断错误，公司估计失误，假设被证伪，你必须接受损失并实现亏损。另一种是你对非常了解的公司持有不同看法，价格走势让你深感不解，这时你可以加仓。你不必实现亏损，而是积累潜在的超额收益和未来表现。对我来说，三月就是这种感觉。那时纳斯达克在下跌，但人工智能领域发生的事情，我认为是资本主义历史上、美国商业历史上最非凡的时刻。我说的是Anthropic，他们新增了110亿美元的ARR。令人震惊的是，SaaS和云计算革命创造了大约5到10万亿美元的价值。我认为过去10到12年里，三家最知名的SaaS公司是Palantir、Snowflake和Databricks。

这三家公司雇佣了成千上万的人，合计数万人，他们都花了十年时间建立业务。而Anthropic在一个月内就达到了这三家公司合计的规模。>> [笑声]

这在资本主义历史上是前所未有的。不要只看我的职业生涯，单看资本主义的历史，商业的历史。这真是疯狂。Krishna在节目中分享了一些数据，DRAM价格上涨了500%。你算算三年复合增长率，简直疯狂。没有任何先例。作为科技投资者，你会听到很多关于S曲线和指数投资的讨论，但我从未见过如此极端的指数增长。甚至比Deep Seek还要极端。回到2025年，Deep Seek经历了一次大幅抛售，这很奇怪，因为论文在Deep Seek周一前7天发布，我记得那天是美国的一个假日。我读了那篇论文，觉得，

“嗯，这可能对AI交易的影响不太积极。”>> [笑声]

我采取了行动。Deep Seek周一后的一周，AI市场真的崩溃了。这很奇怪，因为在Deep Seek周一时，已经非常清楚这将是计算需求史上最积极的事件。亚洲AWS可用区的价格已经翻倍，GPU的可用性下降。这是我们第一次看到推理模型在推理阶段比非推理模型更耗费计算资源。

这是类似的情况，但你需要做一些功课才能看出来。其实不难发现，“哇，股票在抛售，DRAM价格直线上升，亚洲GPU价格直线上升，GPU可用性下降。”几天后，美国GPU租赁价格也开始上涨。三月时，你只需观察Anthropic的动态就足够了。很多人后悔没在2022年、疫情期间或Deep Seek时买入。

四月初的估值环境相同，AI拐点更加明显。买入AI的机会很多。当然，复杂的是直接的FOMO（害怕错过）。我成了坚定的信徒。我认为市场可能低估了一点。我不是背景专家，但我做了很多国家安全相关的投资，所以我能接触到一些专家，他们乐于分享观点。

霍尔木兹海峡被封锁对美国其实相当有利，特别是对现任政府的目标来说。电力是重要的工业制造投入，美国电价的关键输入是天然气。布隆伯格数据显示，美国天然气价格下降了20%，而亚洲、欧洲等地的天然气价格翻倍甚至三倍。我们的制造业竞争力一夜之间提升了。

不管好坏，这正是特朗普政府关心的重点，他们非常关注美国的相对地位。很多人还记得上世纪70年代，那时的戏剧性不仅是价格上涨，更是实际的燃气短缺。现在美国经济的能源强度大幅降低，美国已成为全球最大的油气生产国和出口国。

此外还有相对制造优势，这让人更容易专注于AI基本面和历史上有吸引力的估值。从相对角度看，科技股的估值已经是过去十年中相对于市场最便宜的。想想市场效率的背景，我们正处于资本主义历史上最非凡的时刻，对AI极度看好，你还有机会以极具吸引力的估值买入AI。

你怎么看Anthropic和OpenAI的估值？在我看来，它们是最纯粹的趋势代表资产，但它们的估值倍数并不疯狂。单看销售倍数，和Databricks、Snowflake等公司峰值时的估值比，怎么看？

我认为OpenAI和Anthropic在资本效率上是完全不同的两种动物。Anthropic的每个token成本明显低于OpenAI，这从它们为达到相似收入规模所烧的钱就能看出来。我估计Anthropic烧的钱比OpenAI少了大约80%。所以从业务角度看，它们的结构性资本回报率（ROIC）明显不同。

OpenAI做了很多努力，我认为Sarah Friar是最杰出的CFO之一，他们在努力改进这些指标，并且获得了比其他公司更多的计算资源。获得大量计算资源是另一个巨大差异。积极进取确实带来了回报。

Anthropic以9000亿美元估值对应500亿美元ARR，增长速度惊人。也许可以说，如果Anthropic拥有所有计算资源，今天的收入可能远超1000亿美元，甚至1500亿美元。他们显然降低了Claude模型的智能水平。有分析显示，Claude在Opus平台上对同一问题生成的token数量减少了70%。我们上次谈过，token数量在某种程度上等同于答案和思考的质量，token的智能密度也很重要。我作为用户也有这种感觉。

所以他们的收入可能会高得多，1000亿、1500亿，甚至2000亿美元。这样算下来，买入时的估值可能是5倍的无限制运行率收入（URR，unconstrained run rate revenue）。>> [笑声]

你觉得他们为什么不以3万亿美元估值融资1000亿美元？如果你是Anthropic的CFO，Krishna很棒，我们刚请过他，或者是Sarah，如果从Krishna那期节目后收到的反馈看，几乎所有我认识的人都想投资这两家公司。

我觉得这很明智。未来充满不确定性。即使是Anthropic，也显然是一个资本密集型的游戏。我相信Anthropic今天或今年就会开始产生现金流，或者已经开始了。但你仍然希望能筹集更多资金，获得更多计算资源。世界不确定，乌克兰开始真正赢得战争，俄罗斯会如何反应？伊朗局势依然不明朗。这些不确定性可能加剧台湾的地缘政治风险。

这是一个不确定的世界。以Elon为例，他一直让投资者赚钱，把这当作神圣的契约。因为他20年来一直让人赚钱，他拥有超级能力，能随时筹集到想要的资金。我认为这些公司专注于让投资者赚钱是明智的，这种策略带来的好处不仅持续一两年，而是未来20到30年。

Elon的做法是系统性地低估SpaceX或其他项目的估值，方法就是永远不贪心，不推高估值。我的朋友Antonio指出，SpaceX年复合增长率低30%，持续了十年。这是因为Elon专注于保持这种超级能力，努力在投资者和员工之间取得公平平衡。我认为这是明智的。

当然，Anthropic完全可以以比最新传闻估值高出至少100%的价格融资。

大多数软件公司都试图最大化用户在应用上的时间以提升参与度。Ramp则完全相反。Ramp明白没人愿意花时间追收据、审核报销单和检查政策违规。他们用AI自动化85%的费用审核，准确率达99%，帮企业节省5%的开支。难怪Shopify、Stripe和我的公司都用Ramp。想体验消除繁琐工作的效果，访问ramp.com/invest。

Felix by Rogo是一个个人理财助手，能用你公司的模板、上下文和标准，将单条指令转化为客户准备好的成品。你可以发邮件给Felix，比如“把这些评论整理一下”或“根据这些邮件更新我的跟踪表”，或者“帮我算算这个买家的支付能力”。Felix会返回完成的PPT、Excel模型和调研资料。Felix的工作方式与你团队现有流程一致，全天候快速准确地交付成果。了解更多请访问rogo.ai/felix。

OpenAI、Cursor、Anthropic、Perplexity和Vercel都有一个共同点：它们都使用WorkOS。原因是，要实现大规模企业级应用，必须提供核心功能，比如单点登录（SSO）、系统用户管理（SCIM）、基于角色的访问控制（RBAC）和审计日志。WorkOS提供这些功能的API，免去企业自己花几个月时间开发。许多顶尖AI团队都用WorkOS。WorkOS是最快实现企业级准备的方式，让你专注于最重要的产品。访问workos.com开始体验。

现在谈谈瓦特和晶圆的部分吧。>> [笑声] 这是我最喜欢和你聊的话题。基础设施建设的重要性。我总觉得这块过热了，但每次和你聊，你又觉得我们应该做得更多。你研究过S曲线和其陡峭程度，也了解历史。谈谈你现在如何看待瓦特和晶圆，作为整个体系关键投入的角色吧。

我认为，除非出现重大监管或政治阻力，否则资本主义会解决瓦特短缺的问题，我觉得这是真实的。

有一种可能性。某大型私募股权公司负责数据中心基础设施投资的负责人，比如黑石、阿波罗、KKR，他们说过去能源和芯片是我们最大的瓶颈。现在则是规划和审批，更加重要。我认为很多公司都在等中期选举后才会采取行动，比如裁员。没人想在中期选举期间成为众矢之的。

不过，你也看到很多制造涡轮机的公司宣布了大幅扩产计划。制造这些大型叶片的机器只有两台，我们在西方已经80年没制造过了，技术都快失传了，等等。这些都是真的，我绝不是在轻视那些工业工程的魔法和艺术，但资本主义非常擅长随着时间解决这类问题。除了这些涡轮机，还有其他能源来源，只是时间周期更长。所以我认为电力短缺可能会在2027、2028年开始缓解。

然后我认为轨道计算（orbital compute）会真正解决这个问题。我想重新定义轨道计算，因为当人们听到太空中的数据中心时，他们会想到我们上期节目讨论过的五角大楼大小的建筑，觉得“我们做不到”。其实不是那样的。一个Blackwell机架重3000磅，高8英尺，深4英尺，宽3英尺。

轨道计算就是太空中的机架。SpaceX展示过一个示意图，那就是一个机架。它就是卫星，大约和Blackwell机架差不多大小。它有大约500英尺长的太阳能翼，保持在太阳同步轨道，这样太阳能板总是朝向太阳。因为轨道是严格的太阳同步轨道，散热器会向后延伸数百英尺。有人质疑，怎么冷却它？

是的。

我多年来在Starbase待过很多次，和很多SpaceX工程师聊过。我认为他们是地球上最有才华的工程师团队，他们非常自信已经解决了这个问题。他们并非总是自信，比如把Starship变成火星货运飞船还需要工程改进，但他们肯定会做到。他们更关注的是维修和维护。这是两个大问题：散热器和机架出现问题时如何修复。答案是，

除非你有一个漂浮的机器人，否则没法修复。我认为Starship将以我们无法想象的方式改变太空经济，尤其是如果监管成为数据中心的限制，那就更重要了。你会卖出尽可能多的轨道计算能力。显然，这些机架通过激光在真空中连接，激光已经装在每颗Starlink卫星上。这让我震惊，SpaceX运营着世界上最大的卫星群，占轨道上98%或99%的卫星。

每颗Starlink卫星都在冷却。我认为Starlink V3将运行在20千瓦功率。Blackwell机架功率是100千瓦。人们谈论密度，如果你用激光通过真空连接机架，你可以把机架做得更大，关注的是重量而非体积。在地球上的数据中心，连接机架通常用铜线，尽量缩短长度，布线成本很高。你希望机架小，因为铜线有限制，光纤必须用。但在太空，SpaceX可以做很多事情，可能一些怀疑者没考虑到。他们现在有20千瓦的卫星，可能会先扩展到60千瓦，然后自信能做到100到120千瓦。他们也是地球上最大数据中心的运营商。

他们拥有世界上最好的硬件工程师，几乎所有人都不够聪明或不够务实，无法进入SpaceX工作。这些怀疑者只是纸上谈兵吗？（笑）

我不想引用拉里·埃里森，但有人怀疑时，拉里说：“他在着陆火箭，我没见过别人能着陆火箭。”事实是，十年后，没有其他公司能持续着陆并完全重复使用轨道火箭。没有重复使用，这一切都毫无意义。重复使用意味着必须着陆。我想重新定义轨道计算，就是太空中的机架，而不是巨大的五角大楼大小的数据中心，那太荒谬了。数据中心的本质是用激光连接这些机架，形成虚拟数据中心。

如果这一切都实现了，我们能经济地把这些机架送上太空，在太空中运行矩阵乘法，这对地面数据中心意味着什么？

有人说，美国会尽可能榨取每一种能源，我认为计算也是如此。这也是我对边缘AI熊市的担忧减少的原因。我们会消耗尽可能多的计算能力。推理（inference）非常适合轨道计算，训练会在地面进行很长时间。所以我不认为这对地面数据中心非常悲观，我认为它们在我有生之年仍然有价值。

但如果你在电力生产和冷却生态系统中，正在大规模扩容，而这些扩容正好赶上怀疑者开始意识到轨道计算非常真实的时候，我认为你应该认真思考这个问题。与此同时，很多有趣的事情正在发生，比如我们在重新利用喷气发动机方面取得进展，还有Boom Aerospace在做这件事。资本主义正在努力解决电力问题。

但在晶圆（wafers）方面，主要是一群台湾的年长人士，他们是台湾最重要的人，占据了该国绝大部分GDP、水资源和电力使用。他们谈论硅盾（silicon shield），都视自己为张忠谋神圣遗产的继承者。我清楚记得20多年前访问科学园区时，问他们“你们觉得能赶上英特尔吗？”他们说：“这是个美丽的梦想，但属于我们的孙辈。”他们做到了，部分因为英特尔自伤，但他们思维方式完全不同。黄仁勋频繁飞往台湾，就是希望他们扩产。我觉得很疯狂的是，黄仁勋从未和台积电签过合同，他们靠握手谈生意，讲究公平。

真是令人着迷。没有合同，大家相信时间会证明公平，我们是合作伙伴，会公平对待彼此。事实上，根据以往所有基础性新技术的市场先例，比如AI，总会有泡沫。Carlotta Perez写过一本很棒的书，基本上市场是有效的，能正确理解这是基础性新技术。Simpson称之为多样性崩溃。

每个人都看好这项新技术，我开始有点担心多样性崩溃，然后出现泡沫。泡沫为新技术建设提供资金，但供给超过需求，泡沫破裂。如果是债务驱动的建设，比如2000年，那破裂会特别严重。我很高兴当前建设主要还是靠经营现金流融资，这和2000年有根本区别，估值也不同，每个GPU都在100%利用率，而99%的光纤未被利用。这些都是根本差异。

但历史不会完全重演，只是押韵。作为投资者，我们必须非常清醒，认识到过去200年里，除了互联网泡沫，还有铁路泡沫、运河泡沫，我们应该预期泡沫。这很可怕，没有人想要泡沫。泡沫可怕的原因是，如果你对估值敏感，会大幅跑输，可能被所有客户解雇。George Vanderheide，他是富达基金的优秀经理，已经去世了，他在1999年抗击泡沫，2000年初退休，因为他受不了。他知道市场错了，但客户非常怀疑他，说“George，你不合时宜。”他是个白发老人，是我好友兼导师Jennifer Yurig的重要导师和朋友，我从她那里继承了很多他的DNA。

他说过，早到和错了没区别。George退休是因为受不了业绩下滑和客户质疑。他的基金40%投资烟草，40%投资房屋建筑商，接下来三年他可能跑赢纳斯达克20到30倍。我一直乐观地认为，晶圆的根本短缺，实际上由台积电控制，会阻止泡沫形成。

如果台积电满足黄仁勋的需求，我认为Nvidia在2026或2027年能卖出2万亿美元的GPU，甚至2.5万亿或3万亿美元。但消费有极限，过度建设会出现。台积电如果能避免泡沫，我们应该为他们庆祝，因为他们单枪匹马阻止了泡沫。

你开始看到公司转向英特尔和三星。假设台积电供应持续紧张，远远不能满足潜在需求，会发生什么？

市场历史告诉我们，我不知道是谁，但英特尔或三星不会一直保持纪律，他们会破坏规则，最终迫使其他人也破坏规则。我认为很多事情取决于台积电能否保持对英特尔和三星的领先。你得记住，这个领先时间是9、12、15个月左右。

就像领先制程节点一样。你看台积电扩产的速度，如果我想判断是否有泡沫，最重要的是看台积电的产能决策。我认为有一个“金发姑娘区间”，他们扩产足够多，让英特尔或三星难以真正成为规模第二大供应商，市场份额超过30%，但又保持晶圆的根本限制，帮助我们避免泡沫。

显然，Terra Fab也会参与其中。给不了解的人多说点。

Terra Fab是SpaceX和特斯拉参与的合资企业，计划在美国建造世界最大晶圆厂。我认为他们会成功。首先，他们和英特尔有合作，这非常重要，因为他们能获得50年的机构知识。这比起落后9个月、几个季度、12个月、三到五个季度的领先地位，是优势。我相信Terra Fab会吸引所有半导体设备公司的顶尖团队。台积电赶超的一个重要原因是ASML、KLA Tencor、Lam Research和Applied这些公司。

材料方面，他们希望赶上来，但没有赶上。他们不喜欢垄断买方市场。所以A队伍都在台湾工作，英特尔犯了一些错误。然后，事情就发生了。所以A队伍会因为埃隆在硬件工程方面的声誉而来到这里。还有一点，我觉得美国人可能难以想象的是，政治已经取代了宗教，因为埃隆曾涉足政治，这让美国一些人难以客观看待他，这很遗憾，因为我确实认为，

他可能为美国做的比任何其他美国人都多。他正单枪匹马地把制造业带回美国。他复兴了国防技术。SpaceX在某种程度上是美国最重要的国防承包商。他在Starlink上的工作对世界来说非常了不起。他创造了所有这些蓝领制造业岗位，这也是我认为很多自由派的目标，对美国有益。他为世界去碳化做的贡献超过了任何在世的人。如果你因为环境原因对地球上的数据中心感到不满，那么这里有个例子。

这很遗憾，

但他在中国、台湾、韩国和日本被视为活神。看了他很长时间，他将招募最优秀的人才，因为最好的工程师想为埃隆工作，尤其是在硬件工程领域。他会招募令人难以置信的工程师，然后他们会在Terrific旁边建立一个台湾城。哦，那些是你最喜欢的餐馆吗？

我要把他们和他们整个团队从台湾搬到德克萨斯州。我们会按照他们喜欢的方式制造一切。然后会有日本城，同样的事情。我们会有韩国城。我们会有所有这些地方，完全按照他们的需求来打造，目的是招募最优秀的工程师。这不是英特尔和三星的管理者们的思维方式。所以，他会拥有最优秀的人才。

他会拥有晶圆制造设备公司的A队伍。他拥有英特尔，这很重要。这对任何政府的政治目标都非常有利。我认为这足够不同，不会疏远台积电。

这些项目的周期都很长，对吧？

是的，比如TerraFab要生产Nvidia更便宜的GPU或者其他芯片，要很长时间以后才会实现。埃隆倾向于用不同的方式做事。其他人建一个数据中心要三年，他只用了122天。

你知道吗，

三星不得不给他在德州的工厂里一个办公室，因为他对他们扩建和建设的速度非常不满。我们拭目以待。

你对Deep Seek感到惊讶吗？最简单的反应是，好吧，这些模型只会以极低的成本达到95%的效果，远低于中国的开源模型，我们可以用它们完成大部分工作。快进两年，我的小公司没理由每年花一百万美元买代币什么的。但现实似乎完全不同。

我很好奇你为什么会有这种认知上的不协调。

我确实觉得这是一个很有趣的现象，

AI在模型层面的经济回报，大部分都来自前沿技术，这让我很惊讶。我想很多人也很惊讶。我认为这是一个非常重要的问题，作为投资者你需要对此有假设。前沿代币是否会继续占据模型层面创造的绝大多数经济价值？

这确实令人惊讶。我记得Jim和我在3.1 Pro发布时，那真是令人震惊，效果非常好。现在看来，它已经无法忍受了。可能存在一种动态，公司先用前沿模型做原型，然后投入生产时，很多人会用开源模型或者其他模型。但事实是，今天绝大多数经济回报仍来自前沿代币。

这很令人惊讶。它是否会持续，是个非常有趣的问题。经历了Gemini 3.1和Opus的经验后，我对此持更开放的态度。我也用Grok 4.3。它处于帕累托前沿。处于帕累托前沿的公司是——顺便说一句，这是我们上次谈论的一个重大变化，谷歌因为在TPU v8上做了非常保守的设计决策，试图部分夺回Broadcom和Nvidia的市场，失去了每单位成本代币的领导地位。

谷歌曾主导帕累托前沿，帕累托前沿指的是智能优先且成本最低。我认为这是分析AI实验室最重要的指标。九个月前，OpenAI、xAI和Anthropic都在谷歌的帕累托前沿内。现在，帕累托前沿由Anthropic、OpenAI主导，Grok 4.3也在帕累托前沿。它显然是最优秀、成本最低的5000亿参数模型。Gemini 3.1也在帕累托前沿徘徊。如果让我下注，我会赌

他们是出于自豪感在补贴它。我只想说，违反理查德·萨顿的“苦涩教训”无疑是这笔交易、乃至整个AI领域最大的风险。越接近AI的人越怀疑这种情况会发生。三月份的疲软部分原因是一个更愚蠢版本的Deep Seek，叫做Turbo Quad。Turbo Quad是谷歌一年前发表的一篇论文中的内存优化技术。就在谷歌与美光、三星和海力士谈判签署长期协议，锁定高价时，

他们发布了这个。人们的行为总比他们说的更重要，他们就在X上宣传，迅速传播开来，“天哪，DRAM完蛋了，这是DRAM优化。”我找不到地球上任何一个AI工程师相信Turbo Quad会对DRAM需求产生影响。但无论如何，违反理查德·萨顿的苦涩教训——更多计算力总会胜过人类的算法智慧。更多计算和数据远超Chinchilla最优点，这就是人们现在越来越多采用的做法。

这是一个真正的风险。我认为构建这些模型的人对此风险持怀疑态度。我之所以稍微少些怀疑，是因为我认为我们非常接近ASI（超人工智能）。谁知道苦涩教训是否适用于400智商的模型。或者我们可能会经历一个暂时阶段，如果达到ASI，第一件事可能是变得更聪明并拥有更多资源。它怎么做？让自己更高效。我认为这是一个实际风险，我相信苦涩教训包括人类在内。

所以，我们即将发现苦涩教训是否适用于300智商的AI，接着是400、500、600智商的AI。某个时刻，我们可能会基于AI和ASI暂时违反苦涩教训。

我很好奇你如何看待模型创新的其他方面，比如持续学习和记忆，这两点似乎是人们最关注的，可能会带来新的范式。你怎么看这两者的作用？

嗯，我认为我们通过这些“harnesses”（辅助系统）做了很多工作。事实证明，辅助系统工程不如模型重要，但确实很关键。这些辅助系统和模型正越来越多地共同开发。辅助系统的一个重要功能，我们过去认为它是模型运行的运行时环境。它知道池工具在哪里，创建上下文、记忆和状态，有非常具体的提示或指令。

即使是简单版本，也能产生巨大差异。我记得上次或其他时候我说过，作为投资者，付费使用每月250美元的版本，亲自体验一下非常重要。现在这已不可能。要理解前沿AI今天的能力，即使是非编码用例，你也需要用Claude Code或Codex，并且需要企业计划。

原因之一，也是谷歌失去成本领导地位带来的另一个动态，是这些AI模型转向基于使用量的定价。如果你用250、300或280美元的月度计划，你会受到严重限速，得到的是被阉割的AI版本。正如我们所说，Claude现在生成的代币减少了70%。如果你想要Claude和它的辅助系统认为需要生成的代币，以获得好的答案，你必须使用基于使用量的计划。顺便说一句，

这对AI非常利好。我曾是05到07年的电信分析师。过去十年，移动通信是一个极好的增长行业，原因是固定套餐加上超出部分的使用量计费。移动通信停止成为增长行业的时间点是大家都改成了无限量套餐。长途电话也是如此。AI正在从无限量套餐转向按需付费。事实证明，人们非常喜欢和朋友长时间通话，也非常喜欢使用AI。

尤其是现在一个人可以拥有100个代理同时工作。我认为这种转向基于使用量的定价，可能是今年OpenAI和Anthropic年经常性收入超过2亿美元的原因之一。因为不仅更多计算资源将上线，他们还能通过这些基于使用量的企业模型推高前沿代币的价格。但这对世界来说很遗憾，因为这意味着如果你负担不起，就无法处于前沿。

说到持续学习，如果我们解决了这个问题，你如何理解它？人类大脑有很多谜团，我们的样本效率远高于AI。我忘了具体数字，但AI需要

数量级的差距。是的，很多数量级。现在我们有一个粗糙的持续学习变体，当某件事可验证时，就是训练中期的强化学习。但持续学习是模型动态调整权重或以某种方式实时调整。人类就是这样做的。比如我第一次把手放进火里，我学会了以后不再这么做。

而今天的模型需要把手放进火里一百万次，然后设计师在下一轮训练或强化学习环境中放入火的场景让它学习。我认为它必须动态更新权重，但我觉得人们正在研究比这更聪明的技术。如果我们实现了这一点，就会有非常快的起飞。人们似乎很有信心持续学习就在眼前。我认为这是第三个大问题。苦涩教训是否会因ASI而被违反？人类智慧如何？前沿代币是否仍将保持溢价？持续学习会实现吗？如果会，何时实现？

随着业务规模扩大，一切变得更复杂，尤其是合规和安全需求。市场上有许多工具提供临时补丁和修补，但很容易出现漏洞。幸运的是，Vanta是一个强大的工具，旨在简化和自动化安全工作，提供合规和风险的单一真实来源。Ramp、Cursor和Snowflake都使用Vanta，因为它让他们专注于打造卓越差异化产品，同时确保合规和安全得到控制。Invest Like the Best的听众可以获得Vanta一千美元的优惠。

访问vanta.com/invest即可享受优惠。

我亲身体验过资产管理公司的技术堆栈有多复杂。每一个新工具和数据源似乎都让问题更糟，增加复杂度、人员和风险。Ridgeline提供了更好的解决方案，一个统一平台自动化处理投资组合会计、对账、报告、交易、合规等各方面的复杂性，且可扩展。Ridgeline正在革新投资管理，帮助有抱负的公司更快扩张、更智能运营、保持领先。想了解Ridgeline能为你的公司带来什么，预约演示请访问ridgeline.ai。

新芯片公司在这一切中扮演什么角色？我们谈了很多关于Nvidia以及他们与台积电和英特尔的关系。

还有各种各样的事情。现在有成千上万的公司在尝试开发新芯片，解决某些瓶颈问题。我很好奇你是如何看待这个领域和机会的，它将扮演什么角色，这些公司又会扮演什么角色。

我觉得这对世界来说是好事，也对Jensen（黄仁勋）有好处。你知道，不同的政府可能会有不同的看法。我认为竞争对每个人都有好处。在坦克设计中，有一个“铁三角”的概念。坦克设计的铁三角是所有坦克设计师必须在攻击、防御和机动性之间做权衡。原因很明显，防御越强，也就是装甲越厚，坦克就越重，机动性就越差。所以你必须在这个三角形内做权衡。比如以色列的Merkava坦克，它优化的是防御；而俄罗斯坦克和豹式坦克则更注重机动性。芯片设计也是一样的。你必须遵守物理定律，这些定律体现在台积电的设计规则中。你有TPU、Trainium和AMD，这些基本上都是试图做更好的GPU。现在，我觉得Trainium可能做得最好。没人能做出比GPU更好的东西，但Trainium就像是在拉超人的披风。这是我刚开始关注的。Trainium 3需要进入量产，因为它有一个交换式扩展网络，这对于经济地推理MoE模型非常重要。很多公司采用了Taurus架构，谷歌就是这样。AMD的MI450我们还不太清楚，可能对Trainium 3了解得更多。但这是一场很难打的仗。

所以你必须做一些不同的事情，而且这些不同的事情也必须难以实现。我认为这些创业公司的最佳路径是，1%的市场份额价值1000亿美元，1000亿美元是一个很好的风险投资回报。我想Jensen会说，“如果有人做了不同的东西，拿到1%、2%或3%的市场份额，我们就会生产那款芯片。”这对所有人来说都是必然的。

但如果你只是想做更好的GPU，那祝你好运。如果你做了不同的东西，也必须难以实现。你可以做不同的权衡，比如预填充（prefill）和推理（inference）的分离，确实打开了做不同权衡的空间。你可以对解码（decode）做非常激进的权衡，对预填充做激进的权衡。预填充是接收上下文，解码是输出结果。我有个很棒的同事Andrew Fox说过，“想象一下18世纪的英国海军舰船，预填充就是装填大炮，解码就是开火。”预填充实际上是模型理解问题和提示，然后跟踪自己的回答。这本质上是一个内存容量受限的问题。解码是生成新token的过程，受内存带宽限制。

所以如果你是芯片设计师，这给了你更丰富的画布去发挥。但即便如此，也必须难以实现。因为如果你在铁三角中做了优化内存容量的不同权衡，而这些权衡并不难做，那么Nvidia会做同样的权衡。他们从台积电拿到的价格比你能拿到的好得多。祝你好运。他们还与所有模型公司合作，优化设计。顺便说一句，如果你是风险投资者，投资一家半导体公司，他们告诉你他们因为有台积电的特殊工艺而有优势，我保证Jensen早在台积电工艺刚起步时就已经知道了，他们比这家只有200人的小公司了解得多。台积电和整个供应链都向Jensen展示一切，就像向亚马逊、AMD、TPU展示一样。这也是为什么不要试图做更好的GPU。

你可以在预填充和解码的画布上做文章，但你也必须做难以实现的事情。因为一旦规模起来，这四家公司会成为非常快的跟随者。我的公司曾是Cerebras的风险投资者。Cerebras做了很难且根本不同的事情——晶圆级计算（wafer scale computing）。这带来了一系列权衡，但他们做出的架构决策很难，实现了别人做不到的事情。我们会看到这有多大影响。他们正在做一些很酷的事情，比如Cerebras面临的一个问题是，当你需要把很多芯片粘合在一起，扩展网络时，需要大量的IO，而IO受限于芯片的边缘（shoreline）。Cerebras的片上计算内存与边缘IO的比例非常高。

他们是非常聪明的人，做了很难的事情，试图看看能否把光学晶圆直接放在上面，这样就解决了这个问题。我相信他们也在研究混合键合DRAM，绕过这些所谓的限制，这些限制其实不是真的。理论上，Cerebras的机器可以运行任何大小的模型。对于某些模型大小，他们比其他方案好很多。

所以我觉得Cerebras做了不同且非常难的事情，晶圆级计算。我确实认为这些公司有其角色。我想鼓励他们所有人做不同的权衡，尝试做难的事情。因为Cerebras上市后，资金不会是问题。但Cerebras花了三代芯片才做对这件事，真的很难。你可以从CEO Andrew Feldman身上看到他们付出了多大努力。团队需要有韧性和毅力。第一代芯片失败了，这很正常。你能不能回来做第二代芯片？这是关键。最后说一句，这对GPU的使用寿命延长将非常有帮助，甚至可能单枪匹马拯救私募信贷。

关于这个，你说的私募信贷是什么意思？

私募信贷现在很痛苦，因为这些SAS贷款。无论它们被打了多少折，可能还得打更多折。因为如果上市公司都难以适应，负债累累的公司怎么适应呢？而且要投资一个利润结构完全不同的业务。但GPU领域也有很多私募信贷，他们大约承保了三到四年。

推理的分离意味着我认为这些GPU的寿命会达到10到15年。AI怀疑论者说，“这些公司都在做账，GPU的使用寿命只有一两年，CPU只有四年，因为技术变化太快。”不对。技术变化带来的预填充和推理分离意味着你可以把Cerebras系统或者Nvidia收购的Groq LPU放在Hopper或Ampere前面，利用Hopper和Ampere做预填充，从而延长GPU的使用寿命，直到它们烧坏。它们确实会烧坏，有寿命限制，但你可能不必让它们跑得那么快。这对整个私募信贷行业非常有利，有助于为AI建设融资。如果你能以5%或6%的利率融资GPU，而不是CoreWeave最低的七%左右利率，这实际上数学上改变了融资成本。

我们有了这项技术创新，它将降低融资成本，延长地球上计算机的使用寿命。还有一点我觉得很有意思，我的朋友Coatue的Jamin刚做了个播客，Coatue有一份报告说，卖方短缺比买方短缺表现好得多。买方短缺指的是超级规模云服务商。但如果你拥有目前短缺的庞大已安装基础，那也是非常好的位置。我们听说CPU比在智能代理世界中更重要，它们负责编排、工具调用等等。世界上最大的CPU群集都在超级规模云服务商那里。所以我觉得一些超级规模云服务商可能会在某种程度上赶上卖方短缺。

我想谈谈“不同且难”的理念，应用在基础设施之外。现在你开始接触新的创始人，现有的CEO和创始人也必须适应这个新世界。你看到的最原生的AI创始人，他们不是做芯片、基础设施或模型，而是用这项技术做其他东西。他们给你的感觉最不同的是什么？如果你观察到了差异。

我觉得这不仅仅是芯片设计的问题。对我来说，这一直是风险投资的根本问题。有些想法一听就显而易见，地球上所有人都能理解。如果你是风险投资者，做的事情不难做，且在你建立规模之前就显而易见，那你就麻烦了。亚马逊的伟大之处在于，很多人觉得它显而易见，但零售CEO们并不这么认为。亚马逊非常聪明，任何风险投资投的电商公司，他们都会摧毁。他们会说，“哦，这太可爱了，我们要把利润率压到负一万百分比。”Wayfair的创始人做了很难的事情，亚马逊试图干掉他们，但失败了。他们是非常有能力的CEO。对我来说，风险投资中我总是看，这个想法会不会在公司建立规模之前就显而易见？还是既不显而易见，又不同，而且很难做？

我觉得很多AI创始人真的很挣扎。现在人们开始担心，在Jensen的AI五层蛋糕中，利润主要流向能源、数据中心、芯片和模型，应用层并没有真正获益。Cursor和Cognition达到了规模，他们专注于编码。18个月前，人们关注编码。OpenAI做了各种事情，专注编码的是Cursor、Cognition和Anthropic。他们对编码的专注非常正确。我认识Replit的创始人John Massaad，他发推文说得很聪明，大意是编码可能是通往ASI（通用人工智能）和有用AI的最短路径。因为如果你真的掌握编码，你可以写代码做任何事。所以我觉得这些公司专注编码非常聪明，他们都可能达到了有自己位置的规模。我觉得Cognition做了非常非常不同的事情。但很多创始人真的很挣扎，他们试图获得信心，认为在某些细分领域他们能建立数据护城河，赶在模型公司之前，或者细分领域足够小，模型公司不会自己做，但仍能产生不同的结果。

这和你之前提到的“token路径”有关吗？我知道你以前跟我说过这个词。

是的，这个词来自Altimeter的Jamin Ball。他说，“如果你是软件公司或任何AI公司，你必须走token路径。”Databricks就在token路径上，Comparable公司也在token路径上。如果你不在token路径上，也不在某个非常细分的领域，生活可能会很艰难。即使是这些垂直细分领域，我觉得如果你跟模型公司的人聊，他们对这些领域也持怀疑态度。因为这些细分领域产生的数据都是人类生成的。但你赌的是，能用这些专有数据训练出比前沿实验室更低成本的模型。也许这是个好赌注，但你必须非常非常小心。

另一方面，如果这些前沿token的回报相对于其他token下降，应用层的价值创造将会爆发。我还有一个很重要的观点，我相信Jensen随时可以用自己的模型接近前沿。他们在气动电子学方面做了很酷的事情。

用Sklansky的话说，就是“货币化你的互补优势”。我觉得他不想这么做。这是OpenAI和Anthropic试图做但没成功的事情。他是个非常理性的思考者，这是他的逻辑反制手段。我觉得你会看到开源前沿，今天主要是中国模型用盗取的美国token。有人告诉我，Deep Seek最新的或者最初的版本只有15万个推理轨迹。中国公司有很多方法洗白这些数据，可以调用各种API，制造难度。美国实验室正在努力研发反蒸馏技术，但我觉得中国开源在资源有限的情况下做得很厉害，但蒸馏很多。

这也是为什么除了算力不足以支撑Mythos之外，他们不想让它被蒸馏，他们想自己蒸馏Mythos，用它来强化学习他们的下一个模型。最终我觉得如果OpenAI的经济状况好转，任何处于前沿的公司都会面临一个非常有趣的博弈论问题。这是一个新的囚徒困境。我们之前说的囚徒困境是关于“你必须花钱”的问题。新的囚徒困境是，如果你处于前沿，你是否通过API发布模型？如果所有前沿公司都同意不发布，那么中国开源会迅速崛起。如果有人背叛，他们将拥有最好的模型，获得大量收入和现金流，资源等于智能，他们会领先，然后其他人也会发布模型。这是新的博弈论，类似于台积电、三星和英特尔之间的博弈。现实是，如果Nvidia或AMD真的使用其他代工厂，那代工厂会迅速变强。所以我认为……

我认为Jensen会让开源落后于前沿技术一段时间。我觉得这将是一个非常有趣的观察点。顺便说一句，开源是可以变现的。很多人误以为开源是免费的。开源代币是需要消耗能量的，它们的生产需要GPU的算力，开源模式的公司几乎总是会获得收入分成。

你们是如何为Mythos 3、Mythos 4的世界准备交易策略的？

我们只是试图在网络安全上过度投资，你知道，我在多个论坛上都说过，我真的相信每个人都需要有一个安全词。

每个人都需要离开你的数字设备，真的去海边，设一个家庭安全词或者公司安全词。这个词不能是那种可以被社会工程学破解的。这只是为了避免网络犯罪，比如看起来像你的儿子、女儿、祖父母或父母给你打FaceTime，完全准确地模拟他们。他们知道一切，可以根据他们说过的话推断他们可能会说什么，然后说，“给我转一百万美元。”这是防御措施。那么，防御之外，你还能做什么，是它做不到的呢？

这是个好问题。我刚刚看了《最后的武士》，还让我的公司同事也看了。如果你没看过，我强烈推荐。这部电影其实很耐看，是二十年前的汤姆·克鲁斯电影。故事设定是汤姆·克鲁斯饰演一个心怀怨恨、落魄的南北战争老兵，他其实是个很棒的士兵。他之所以心怀怨恨，是因为他觉得自己参与了对美洲原住民的负面行动。明治维新时期，日本政府的现代派雇佣他训练一支农民军队。

训练他们如何对抗武士。第一场战斗，武士赢了，尽管他们没有枪。他英勇作战，所以武士决定不杀他，带他回村子。他成为了武士。对他来说，这感觉就像南北战争一样。于是他站在武士一边作战。最后，他被一个拿着机枪的农民屠杀。机枪就在这里。

如果我们不都成为机枪大师，我们就会被机枪掌控。所以我正努力成为机枪大师。我很乐观，认为会有很长一段时间，就像你是一个经历过多场战争的五十岁武士老兵一样，我打过很多仗，达尔夫大师。你使用机枪会有优势。作为一个终身的投资学生，我乐观地认为我能掌握这把机枪，这项新技术，将它整合进我自己的流程，整合进我们公司的流程，从而让我作为一个人类能长期贡献价值。

但你知道，像每个人一样，我现在一直在运行各种智能代理。

你最有用的代理是什么？

说实话，我最有用的代理是一个能很好总结我感兴趣的播客要点的代理。我觉得每天有六个小时的内容是我工作职责范围内必须看的。每当OpenAI、xAI、谷歌、Cursor、Fireworks、Space 10，甚至Jensen、Elon、Dario等人发布内容时，

我都觉得必须看，但我时间不够。而且这些内容中有真正的“针尖”信息。我总是喜欢关注一些事情，比如我对管理层薪酬非常敏感。他们的激励是什么？他们有愚蠢的限制性股票单位（RSU）吗？还是绩效股票单位（PSU）？如果是PSU，这些PSU的激励目标是什么？我认为有些系统能很好地做第一轮筛选。

这能为人们节省大量时间，让他们有更多时间做创造性工作，而不是去翻阅委托书，查找PSU条款，比较所有委托书的变化，因为这些信息是有信号的，但非常费力，而这正是AI擅长的领域。投资领域内也有类似的应用。这是成为投资者最激动人心的时代。

但我有点担心。

是多样性分解的问题吗？

是的，我有点担心。关于那些人群的多样性问题。

你认识像我这样对DRAM不看好的投资者吗？没有。没有人。现在AI领域发生了很多有趣的事情。首先，横向来看，估值根本不合理，完全不合理，不可能都是真的。你有半导体设备公司以未来季度年化收益的40倍估值交易，而DRAM公司却只有个位数中段倍数。上一个周期的高峰期，这个比例是5比12，有时甚至是3比45。这两者不可能都对。

是的，半导体资本支出业务模型比存储业务模型改善更多。我们还不知道高带宽内存（HBM）会对存储业务模型带来多大改善。是的，它们有部分零件和维护的经常性收入，但这不值千倍的估值差距。我觉得很难理解像Nvidia这样的估值，四月初时它相对于市场是过去十年里最便宜的，绝对估值也很低。

很难把这个估值和GE Vernova的估值对上号，因为后者的估值里已经包含了Nvidia难以想象的市场份额流失。所以，横向估值差异非常大。因为我们处于供应短缺阶段，最低质量的公司表现最好。如果你是油气、矿业或自然资源投资者，熟悉成本思维，这对你来说很直观。在商品牛市中，成本最高的供应商涨幅最大，因为对他们最有利。他们从濒临破产变成现金流爆棚。

这也是商品投资非常难的原因之一，因为优质公司在周期中表现更好，但你会在低迷期看到所有的超额收益，因为高成本公司在短缺和牛市期间暴涨，之后破产或倒闭。你在各个行业都能看到这种情况。那些被超级大规模买家和买方讨厌的低质量玩家，因为成本高、不可靠、零件故障率高等原因，反而供不应求，涨价。

这种情况吸引了X平台上的散户账户关注，这些股票被炒到天价。而一些高质量的股票实际上表现很差。作为投资者，这很难，因为你几乎可以肯定，那些三个月或六个月内涨了十倍的股票，最终会回落，具体取决于他们如何使用现金。但那些小型优质公司真的会用现金做聪明的事情。

所以我有点担心，去年非常怀疑的人现在不再怀疑了。但我把这和那些估值没有被高估的高质量公司对比，感觉好一些。但确实感觉很有趣，2024年和2025年，任何人提到AI泡沫都觉得好笑，因为你眼前就有核能泡沫和量子泡沫。我们在谈什么？这太真实了。

那些核能和量子泡沫的荒谬可能已经蔓延到更具投机性、质量较低的小盘股上。如果你在X或Reddit上有很大影响力，很容易操纵这些股票。这让我有点害怕。但我真希望有更多AI看空者，就像我希望有更多存储看空者一样。

比如Astera这只股票，我关注很久了，有很多看空者，我很喜欢。很好，我最初是在C轮投资的。祝你好运，想要比我更低价买入，祝你好运，认为它是铜行业的失败者。

你还能感受到市场中的不同篮子，杠杆篮子。你在哪个篮子里非常重要，比如铜、光学、DRAM、NAND。今年发生了一个非常有趣的现象，2024年和2025年AI相关股票是一起交易的。比如你可以同时做多GPU计算、规模化网络和光学规模化，同时做空电源，这个交易从风险管理角度看是有效的，因为我非常关注因子。

但今年一月，这种相关性全崩了。规模化网络暴涨，而规模外网络下跌，DRAM大幅跑输NAND和硬盘，这种情况以前没发生过。AI领域内的横向相关性彻底改变，你必须非常细致地操作，不能再用半导体设备或NAND来对冲存储。所有横向关系都发生了非常有趣的变化。

我认为这可能是因为AI达到了一个质量水平，很多人能快速理解这些细分领域，开始交易它们，然后把它们放进篮子里。

是的，创造了价格效率。

对，正是如此。然后，如果你喜欢，我认为除了那些我认为能长期复利且安全的高质量股票之外，最大的机会之一是在被错误分类的股票里。比如Astera被归入很多铜行业失败者篮子。Astera最大的产品是交换机。你用铜和光学连接交换机和加速器。

（笑）

所以从定义上讲，如果你是交换机公司或加速器公司，你不可能是铜行业失败者，因为你在连接的另一端。

你能不能简单说几句关于主要公司的看法？我总是忘了问你，比如谷歌、微软、亚马逊，这些公开市场上的主要玩家，而所有讨论都集中在这些令人兴奋的新公司上。

好的。谷歌去年表现非常出色，因为他们有TPU优势，但现在这个优势已经没了。我认为他们仍处于很好的位置，仅仅因为他们拥有最多的计算资源。我们之前谈过，安装基数的价值因短缺而提升。他们拥有最大的计算安装基数。我对他们的表现有点惊讶，谷歌开发者大会这周举行。

如果他们不发布哪怕稍微超越OpenAI或Claude的新产品，那就很有意思。这对谷歌来说不是灾难，只是很有趣，这意味着我们之前讨论的Nvidia效应比我想象的更强大。我非常好奇五天后谷歌发布新产品后，帕累托前沿会是什么样子。这对他们来说是张大牌。

谷歌拥有大量数据，YouTube数据在机器人领域非常有价值。谷歌的计算资源和搜索业务让他们永远处于有利位置。你看谷歌云平台（GCP）表现疯狂。你得给扎克伯格极大赞赏，他让Meta成为内部的AI优先公司，我认为他是这些真正的互联网巨头中唯一做到这一点的人，我非常佩服他。

他在人才方面签下了那些价值数十亿美元的合同，这让我很惊喜。News是MSL的第一个模型，虽然不在XAI、谷歌和OpenAI、Claude的帕累托前沿上，但非常接近，这让我印象深刻。所以我认为他们处于更好的位置，虽然绝对位置不如谷歌，但变化率比绝对水平更重要。

亚马逊因为Tranium处于非常强势的位置。你会看到未来18个月内机器人技术在零售业务带来的真实利润和损益效率。我实际上认为Nova的内部模型不如Muse，但他们比外界想象的要好。

微软方面，我认为Satya是个非常聪明的人，但投资者谈论他的方式不如以前。我喜欢Satya，佩服他，认为他是个杰出的CEO，给他做的决策很多赞赏。但他从“让谷歌跳舞”的雄心壮志，变成了三年内的Co-pilot产品经理。

我很想知道，在OpenAI的政变尝试期间，Satya是否后悔他的决定？他是否希望自己支持的是Ilya而不是Sam，是否希望Ilya和Mira现在真正掌控OpenAI？我真心想知道他的内心想法。

我觉得微软和OpenAI的合作关系在那个世界里可能会显得非常不同。我认为这是一个非常有趣的问题，但我们永远不会知道答案。不过我很佩服他，因为他现在所做的事情是在承担风险。你知道，在那个不确定的范围内，你必须做出的决定不仅是花多少钱，还包括你打算花在什么地方。

我觉得微软在2025年初曾经有那么一瞬间犹豫过。你知道，他们有一个算法，告诉他们花这么多资本支出（CapEx）能获得多少回报。那个算法有点偏差。如果你犹豫了，你就会失去位置，失去所有这些资源分配，而且很难再夺回来。所以他们犹豫了。现在萨提亚做出的决定，虽然市场因此惩罚了他，但我认为这是正确的决定，那就是我们将内部使用我们的计算资源，而不是……谁知道如果他们愿意把GPU卖给OpenAI，Azure的增长会有多快。

他们决定用自己的计算资源来提升自家产品。你知道，Copilot表现差，或者说一直表现差的一个原因就是计算资源不够。他们正在解决这个问题。萨提亚是Copilot的产品经理。我认为他是个很棒的CEO。他们正试图用自己的计算资源训练自家的模型。我对他们是否有合适的团队能成功有点怀疑，但他们肯定可以像Meta那样，负担得起雇佣一个不同的团队。

但我认为他做出了很好的决定，这些决定是有风险的，目的是让微软在这个前沿模型不再通过API开放的世界里占据有利位置。我非常佩服他的勇气。他放弃了什么呢？微软如果把GPU全部用来服务OpenAI和Anthropic的计算需求，今天的股价可能会达到800美元。但他选择把GPU用在自家产品上，所以我非常佩服他做出了这个伟大的决定。真正有趣的是这些公司在决策时对外部的开放程度。

在与初创公司的深度合作方面，亚马逊和英伟达遥遥领先。谷歌紧随其后，参与度也很高。博通则以另一种方式参与，他们是大家最喜欢的ASIC供应商。如果你是初创公司，能和博通合作做第二代芯片被视为升级，而如果博通帮你做第一代芯片，那简直是天赐的福气。然后你会发现AMD、微软和Meta几乎没有与初创公司合作。

我说几乎没有，是有一点点，但非常少。我对这个决定感到好奇，因为一些最优秀的团队已经不在大型上市公司，而是在这些小型初创公司。我认为这将成为英伟达、AMD和谷歌的一个巨大优势，因为他们与初创公司的合作是其他超级规模公司所没有的。

临近结束时，我想听听你对这个巨大趋势的其他连锁反应有什么想法。

是的，确实很疯狂。在应用层面，别说价值积累了，价值实际上被摧毁了。即使算上Cursor和Cognition这些最成功的AI原生公司，AI在应用层面已经净摧毁了数万亿美元的价值。在这个背景下，我认为我们需要意识到一点：目前表现最好的公司，价值增长最多、创造经济价值最多的，是那些每个人均有效利用GPU比例最高的公司。

也许这意味着每个人都将拥有大量GPU，但这是一个值得注意的事实。我还想说，可能有点阴暗，我越来越担心个人安全问题。我尤其担心那些公众曝光度更高、与AI联系更紧密的人。我真的很担心个人安全问题。我希望不会发生悲剧，但美国的政治暴力正在上升，随着AI越来越政治化，我担心这种暴力会针对越来越多的AI政治领袖。

无论我们对OpenAI怎么看，我都觉得有人向Sam Altman家扔燃烧瓶是非常糟糕的事情。我担心我们正走向一个波动更大、风险更高的世界，这对我个人来说是如此，对那些棋盘上的大玩家来说更是如此。想想地缘政治，我们看到乌克兰开始真正赢得战争。

我认为他们赢得战争的原因不完全是因为他们有更好的无人机，虽然他们确实有更好的无人机。这背后的主要原因是乌克兰拥有最好的战场AI，除了美国和以色列之外。我们的对手中国开始意识到这一点，他们会如何应对呢？如果美国因为AI优势而领先，这对美国来说是好事。

但这对世界其他地方来说是一个不稳定因素。我经常思考建立一个慈善机构，向世界宣传西方的伟大。奴隶制几乎存在于所有文明中，而奴隶制的终结是由大英帝国实现的。讲述这个故事。二战后，美国拥有核武器，没人能与之匹敌，我们本可以永远控制世界。

但我们选择重建德国和日本，现在美国最可靠的盟友是以色列、韩国和日本。这证明了美国精神。我们没有占领世界。虽然当时有担忧，比如麦克阿瑟在日本有点像美国皇帝，但我们没有占领世界。我们回国，进行了非军事化，然后迎来了一个全球稳定的时期，尽管有可怕的战争，但我们经历了“美利坚和平”。

所以也许这并非不稳定因素，而是另一种由AI主导的“美利坚和平”。我非常乐观，认为AI将为世界带来巨大好处。比如有个人，他的女儿被诊断出一种非常罕见的基因突变，没有治愈方法。他集合了大量资源，从实验室获得了大量计算能力。

我们得知了情况后，启动了大量智能代理，利用AI找到了市场上已有的药物，可以影响他女儿的疾病，然后成立了公司来治愈这个病。她的生活已经因为AI而发生了难以估量的改变。所以我是一个AI乐观主义者和极端主义者，但我也承认这是一道事件视界，肯定会带来断层。我们作为社会需要去应对。

我认为反技术者会错，但我们需要认真对待他们的担忧，确保AI对每个人都有益。现在最好的AI只对有钱人开放，这有点反乌托邦，我们必须解决这个问题。我们需要谦逊，认识到很多不确定性，并且要深思熟虑。

和你聊完后，我告诉别人：“愿你找到像Gavin热爱市场、公司、资本主义和历史那样热爱的东西。”今天的访谈一如既往，非常感谢你的时间。

谢谢，Patrick。

你知道微小优势会怎样随时间复利吗？投资如此，经营公司也一样。你的支出系统就是资本配置策略。Ramp默认让它变得更聪明：更好的数据、更好的决策，以及长期更好的经济效益。访问ramp.com/invest了解详情。

随着业务增长，Vanta也能与你一同扩展，自动化合规，并为安全与风险提供单一真实来源。访问vanta.com/invest了解更多。

每家投资公司都独一无二，通用AI不了解你的流程，Rogo了解。它是专为华尔街打造的AI平台，连接你的数据、理解你的流程并产出实际成果。访问rogo.ai/invest。

从OpenAI、Cursor到Perplexity，最优秀的AI和软件公司都使用WorkOS，在一夜之间实现企业级就绪，而不是花上几个月。访问workos.com，跳过不光鲜的基础设施工作，专注于产品。

Ridgeline正在重新定义资产管理技术，成为真正的合作伙伴，而不只是一家软件供应商。它帮助公司将规模扩大五倍，实现更快增长、更智能运营并建立竞争优势。访问ridgelineapps.com，了解它能为你的公司带来什么。