大家好，这里是最佳拍档，我是大飞。过去这一个多月，如果你有关注AI板块的二级市场表现，大概率会感受到一种强烈的撕裂感：一边是铺天盖地的算力过剩、AI泡沫破裂的声音，相关个股从高点普遍跌了四成到六成；不少人开始翻出2000年互联网泡沫的历史来做对比。另一边是产业一线的朋友私下聊起来，说GPU还是抢不到，价格还在涨；云厂商的订单排到了明年。这种公开市场情绪和产业真实体感之间的巨大反差，到底是哪里出了问题？

最近加文·贝克在Invest Like the Best的最新专访把这个矛盾讲得特别透。这位Atreides Management的创始人，也是最早重仓英伟达的科技投资人之一说他在硅谷待了整整两个月，跟产业链上下游的人聊了一圈。没听到一个负面的量化指标：GPU的可用量在收紧，GPU的租赁价格在涨，DRAM现货价格在涨，Token的消耗量还在加速。所有你能想到的硬指标方向全都是向上的。

但公开市场的定价却在反映一个完全相反的故事。这种割裂其实并不陌生，你想啊：现在AI行业最核心的两家公司OpenAI和Anthropic都是非上市公司。它们的收入增速、用户增长、算力消耗这些最关键的数据，公开市场的投资人根本看不到。分析师们盯着的是微软、谷歌、亚马逊这些上市公司的财报，是Meta发债的利差，是CDS的走势。

但真正在爆发的那部分增量——比如像Fireworks、Together、Modal这些开源推理云，它们的增长速度几乎跟早期的前沿实验室一样快。烧钱却很少，这些公司完全不在传统华尔街的监控雷达上。信息不对称到了这个程度，市场出现误判其实是必然的。就拿英伟达来说，现在它的远期市盈率是过去十年以来的最低水平；市场几乎是100%确信AI公司的盈利被严重高估了。

但这种确信本身，可能才是最大的问题。很多人担心的第一个问题是：AI基建要花几万亿美元？这么多钱从哪里来呢？超大规模云厂商是不是已经债台高筑，后面融不到钱了呢？确实，我们看到Meta发债的时候利差在走阔、CDS在涨、实际利率也在上行，这些都是事实。

但是加文算了一笔很实在的账：现在超大规模云厂商每年的经营性现金流大概是1.3万亿到1.4万亿美元。如果他们已经部署的这些算力能按照比Ampere时代更快的速度变现——也就是按现在现货市场的价格重新定价，这个数字能接近2万亿美元一年。这意味着什么？意味着他们大部分的AI资本开支其实可以靠自己的经营现金流来覆盖，不需要去市场上借那么多钱。

粗略算下来，债务融资的需求能减少大概7000亿美元。很多人看到Meta开始对外出租算力就说这肯定是产能过剩了，自己用不完才拿出来卖。但是如果我们去看看SpaceX是怎么做星链的：他们不是等到自己用不完带宽才对外卖，而是从第一天开始就把富余的产能按市场价格对外出租、高价变现。

反过来支撑下一代网络的建设。Meta现在做的事情，本质上是一模一样的逻辑：这恰恰是算力价值在提升的信号，而不是过剩的信号。说到这里，可能有人会问那GPU的价格呢？如果真的供不应求，为什么市场上会有算力过剩的说法？

这就说到了最有意思的一个数据点。加文提到，他了解到有一家公司的Blackwell集群七个月前拿到的价格是两万多美元一台；现在不到四个月，同样的集群现货价格已经涨到了接近四万美元。涨幅50%到60%，还有一家做推理云的公司，为了续租他们现有的Blackwell集群愿意多付100%的价格。

你没听错，是翻倍续租！如果真的是产能过剩谁会愿意翻倍去续租呢？甚至现在市场上已经出现了明显的黑市效应，大家私下里转售GPU额度的价格比官方报价高得多。这些细节其实都指向同一个结论：不是算力太多了，而是算力还远远不够。

那为什么云厂商的财报里好像没有体现出这么强的需求呢？加文的判断是超大规模云厂商在刻意低报这部分收入。他们不想让华尔街知道现在算力到底有多紧缺，不想让预期打得太满。这其实是科技公司很常见的财报管理手段。

当然最近Token的增长曲线确实看起来不像之前那么陡了，Kimi K3这些新模型出来之后单位Token的成本在快速下降。有人就说这说明模型效率提升了，不需要那么多算力了。这个说法其实混淆了两个概念：单位成本下降和总需求下降。一个Token就是一个Token，不管是前沿模型生成的还是开源模型生成的它都需要同样多的算力、同样多的内存、同样多的电力来生产。

开源模型把原本90%毛利的Token变成了30%毛利的Token，但底层消耗的GPU小时数反而可能更多了。你想啊：黄仁勋是全世界最大的开源支持者，如果开源模型爆发对英伟达的生意不好他会把这个当成自己的核心签名议题吗？用脚想也知道答案：开源拿走的是模型层的利润率，不是算力需求。

反而因为推理成本下降更多的应用场景被激活了总Token量会涨得更快。说到市场的非理性，加文提到了一个特别值得警惕的现象：他说Claude现在基本上就是股市的沃尔特·克朗凯特。沃尔特·克朗凯特是谁？是美国当年最有公信力的新闻主播，他说什么全美国人民都信。

现在呢大量的交易者——不管是散户还是对冲基金都在把新闻喂给Claude，或者用Claude Code、用AI Agent来自动解读新闻。然后根据Claude的输出直接做交易。Claude确实很聪明，但它不一定总是对的；而且当所有人都用同一个模型、同一套逻辑来交易的时候市场就会出现极端的过度反应。

最近有个很典型的例子：有人在社交平台上贴了一张日本电容股的走势图，说我们在六周里走完了整个电容周期。什么意思？就是原本基本面需要两三年才能走完的产能周期，股价在六周里就完成了暴涨再暴跌的全部过程。基本面其实还没跟上，股价已经把所有预期都打满又全部打完了。

这种AI驱动的交易同质化其实是在放大市场的波动，而不是反映真实的基本面。聊到这里主持人问了一个很关键的问题：那什么信号出现的时候说明你这个判断错了呢？什么东西能真正打破AI基建的长周期逻辑？

加文很坦诚，他说最核心、最需要盯着的指标就是超大规模云厂商的经营性现金流。如果这个数字不再加速了甚至开始往下走了，那才是真正需要警惕的时候。第二个指标就是GPU现货价格：如果GPU现货价格出现持续性的大跌，不是短期波动而是连续几个月往下走那说明供需关系真的逆转了。

至于技术层面的风险，很多人说持续学习、样本高效学习这些技术进展会不会让大模型不需要那么多训练数据了？训练端的需求会不会掉下来？这个可能性确实存在，但我们也要想清楚：现在半导体需求里推理已经占了大头。训练就算有波动，推理这部分的需求是实实在在的、是跟应用落地挂钩的不会因为训练效率提升就消失。

顺着供需的话题两人聊到了内存供应链，这其实是现在整个AI产业链里最被低估的一个环节。现在不管是HBM还是DRAM整个行业都在转向LTA——也就是长期协议。这种协议不是简单的固定价格合同，它一般会有价格上限和下限；客户需要提前支付一部分款项来锁定未来几年的供应保证自己不会被卡脖子。

这里面其实有一层很有意思的博弈论。加文提醒说，假设到了2027年或者2028年现货市场的内存价格跌了有人动了心思想撕毁之前签的长期协议去现货市场捡便宜货。你一定要想清楚后果是什么：如果未来两三年供需杠杆又回到内存厂商那边了你这家公司会被直接踢出分配名单。

人家有产能也不会卖给你，你可能就眼睁睁看着竞争对手拿到货自己的业务彻底停摆。这个代价绝对不是省那点采购成本能补回来的。而且现在的内存市场跟当年苹果一家独大的时候完全不一样了：现在有四家大买家在抢产能。

亚马逊自己做Trainium芯片，谷歌有TPU，AMD在抢GPU份额再加上英伟达四家都在争内存产能。客户的议价权其实比很多人想象的要弱得多：你要是敢撕毁协议后面有的是公司愿意接你的份额。那英伟达在这整个生态里现在在做什么呢？很多人对英伟达的认知还停留在卖芯片的硬件公司层面。

但加文说英伟达现在正在玩一套全新的玩法：简单来说就是信用包装加上收入分成。怎么理解呢？很多想做GPU云服务的公司自己没有足够的信用去借那么多钱买GPU，英伟达就出手做股权投资给这些公司做信用增强帮他们拿到融资。同时英伟达不赚一次性的芯片钱而是拿一个高于底价的收入分成。

这个模式有多厉害？它相当于让英伟达不用自己掏太多钱就可以通过版税机制快速建立起一个巨型的云业务。每多建成一吉瓦的算力英伟达不仅赚了芯片的钱还能持续从后续的云服务收入里分成。它的竞争地位是在不断加强的，而不是随着竞争加剧被削弱。

加文说如果我是SK海力士的CEO看到英伟达这么玩我也会想做同样的事情。这其实是在把整个产业链的话语权进一步往最核心的瓶颈环节集中。聊完了产业层面的东西加文话锋一转说现在AI行业最大的风险既不是技术瓶颈也不是竞争加剧而是监管、是公共叙事。

而且AI行业最大的敌人其实是自己，因为整个行业的公关做得实在是太差了。你看纽约最近出台的数据中心禁令民间流传的叙事是什么呢？是数据中心会推高电价、会把当地的水抽干、会抢走普通人的工作。但现实是什么样的？加文说数据中心是他这辈子见过的对蓝领工资最好的事情。

你知道建一个大型数据中心会给当地带来什么吗？会配套建医院、建学校，会交大量的税。而且因为数据中心是稳定的大规模用电客户电力公司为了满足这个需求会扩建基础设施摊薄整个电网的固定成本。最后当地居民的电价反而会下降，还会创造大量持续的蓝领就业岗位。

不是那种干两年就没了的临时工作。但这些事实公众根本不知道，更离谱的是那个关于水耗的谣言：有一本学术书里把数据中心的水耗高估了一万倍，作者自己都已经多次承认错误了。但就像当年菠菜含铁量的谣言一样谎言已经跑遍了世界真相还没穿好裤子。

加文说AI行业现在需要做的是去NFL的广告时段、去大学橄榄球比赛的转播里给普通民众讲清楚数据中心到底能给他们带来什么，而不是天天在科技圈的小圈子里自嗨。如果公共叙事扭转不过来监管风险会一直悬在整个行业头上。

最后他们聊了几个大家都很关心的前沿话题：首先是中国获得DUV光刻机这件事，市场当时反应很大觉得半导体封锁失效了。加文打了个很形象的比方：DUV是螺旋桨飞机，EUV是喷气式涡轮。中国能造螺旋桨飞机确实是一个相变、是很重要的进展，但你要知道最先进的喷气式涡轮技术还是差了大概25年。

市场短期的反应明显过度了，真正的长期影响可能要在五年之后才会慢慢传导到ASML的订单上。现在就担心这个有点太早了。然后是开源生态：很多人觉得开源模型的爆发会让前沿模型厂商赚不到钱，但是对整个生态来说开源加推理云的组合其实正在催生一大批真正的AI原生公司。

这些公司不用从零开始训大模型，拿一个开源模型再通过Fireworks这样的推理云部署出去就能获得跟闭源模型差不多的性能，还能构建起自己的数据壁垒。而且现在一些新的硬件方向也很值得关注：比如基于SRAM的加速器，它不受HBM带宽的瓶颈约束。

可以把大模型推理里的预填充、注意力、前馈网络这些不同环节拆解开来处理，能大幅提升整体的投资回报率。加文还提到了几个他很看好的创始人：比如Fireworks的Lynn、Cognition的Scott Wu。这些人可能会在下一代AI公司里跑出来。

最后聊到了一个听起来很科幻但其实越来越近的方向，就是太空算力。加文说过去三年SpaceX比地球上任何一家公司都更快和以更低的价格接入了大量算力。现在有报告说SpaceX自己就要上8吉瓦的算力，这个数字是非常惊人的。他从来不会跟埃隆·马斯克对赌。

更有意思的是Benchmark这样的顶级VC已经投资了StarCloud：如果Benchmark觉得这个方向不靠谱他们是不会投的。把算力机架通过可重复使用的星舰送到太阳同步轨道上，在太空里有取之不尽的太阳能；不用占土地、不用消耗宝贵的淡水资源散热也更方便。

这件事在财务和工程上正在慢慢变成一笔可以算清账的生意：太空算力可能比我们大多数人想象的来得要快。其实听完整个专访我最大的感受是，在AI这样的长周期产业里短期的市场波动和长期的产业趋势往往是反向的。当所有人都在谈论泡沫、谈论过剩的时候我们最好去看看一线的真实数据：看看GPU的价格，看看云厂商的现金流。

看看那些不上市的公司到底在以多快的速度增长。二级市场的情绪就像钟摆总是在极度乐观和极度悲观之间摇摆，但产业的车轮是按照自己的节奏在往前转的。对于我们这些旁观者甚至是参与者来说最难的不是找到正确的答案，而是在周围所有人都被情绪带着走的时候还能保持自己的独立判断。

分清楚什么是噪音，什么是信号。不知道大家怎么看最近这波AI板块的调整？你觉得算力真的会过剩吗？欢迎在评论区留言讨论。感谢收看，我们下期再见。