大家好，这里是最佳拍档，我是大飞。过去两个月，科技股跌得一塌糊涂，投资机构的LP每次开会第一句话几乎都是：“这一切到底会怎么崩盘？哪个环节会最先暴雷？”然而和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的创始人兼CEO加文·贝克（Gavin Baker），这个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，整个夏天都在西海岸考察。
逢人就抛出同一个问题：“你能不能告诉我，你们业务里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。最近a16z的播客和他做了一场深度对谈，跳出了AI泡沫和赢家通吃的陈旧视角，从最底层的硬账本切入，拆解了这场一二级市场背离的底层逻辑。先从一个反常识的判断说起：很多人觉得AI就是又一场泡沫，就像当年的互联网泡沫一样，估值炒高了然后一地鸡毛。
但是Gavin Baker的观察是：整个行业七月份在加速，八月份也在加速。Anthropic因为静默期步伐稍微慢了一点，但是其他所有人，包括OpenAI、开源生态、Grok全部都在提速。有意思的地方就在这里：业务面全面加速，但是股价却跌得很深。常言道：“即使趟过一条平均深度只有两英尺的河，也照样能淹死人。”因此指数看起来波动不大，但是很多AI标的的跌幅其实相当深。
为什么会出现这种背离呢？一个很重要的原因是，市场的思维方式还停留在零和博弈里。大家总在问：“到底谁会赢？是OpenAI还是Anthropic？是闭源还是开源？”好像只能有一个赢家。但是加文的判断完全不同，他说：“这不是非此即彼的二选一，而是鱼和熊掌兼得。”前沿模型会发展得很好，次旗舰模型会发展得很好，开源生态会发展得很好。
应用层也会有一大批公司脱颖而出，云厂商大概率也不会有事，英伟达处在这一切的核心，处境会非常不错。这句话听起来有点过于乐观了，对吧？但在加文看来，这背后是有硬数据支撑的。我们来算一笔账：假设一家前沿模型公司手握10个吉瓦的电力容量，把其中8个吉瓦分配给推理。如果每吉瓦每年能变现600亿美元，年收入就是4800亿美元。
从营收口径算，投资回收期就是一年。注意，这还没算毛利层面。这是什么概念？投几百亿美元下去，不到一年就能收回全部本金。在整个投资史上，这种级别的资产回报率都是极其罕见的。而且这还不是最夸张的：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。为什么这么快？因为客户会提前支付50%到60%的预付款，你实际承担的资金敞口只有一半左右。
如果再放到现货市场上变现，回本速度可能更快。更关键的是，这些硬件资产是可以做抵押融资的。黑石、KKR、阿波罗这些华尔街顶级财团，正在排队以极低的成本为这些硬件提供融资。硬件的有效使用寿命还在不断延长，因为模型越来越强大，Token的投资回报率在上升，每吉瓦算力的变现效率也在提升。所以实际的股权回本周期可能远在一年以内。
说到这里你可能会问：供给端的经济模型确实好，但是需求端撑得住吗？历史上每次技术革命，不都是过度建设然后崩盘吗？这就引出了一个更值得思考的问题：我们现在到底在变现什么？目前整个行业年营收大概800亿美元左右，但是底层真正的重度付费用户有多少呢？其实主要都是开发者，大概3000万人。加文说，3000万可能都说多了，实际可能连1000万都不到。
Token支出是典型的幂律分布：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。而全世界有多少脑力劳动者？15亿。你想想看，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？之所以现在做铜矿的人人都在讲AI逻辑，不是没有道理的。a16z内部的数据更能说明问题：从今年三月到八月，他们内部的Token消耗量增长了整整100倍，支出也涨了100倍。
而这还只是开始：他们刚拿到Grok bot企业版的权限，仅仅两个人用，单月的Token支出看起来就可能要再翻10到20倍。为什么增长这么猛？因为Grok bot带来的生产力提升是实打实的。加文今年50岁了，他说自己在适应AI工具上已经不遗余力了，但是和23岁的年轻人那种原生流畅的使用状态相比，还是比不了。他举了自己的例子：之前他用Claude Code花几个小时做了播客摘要器、Substack摘要器、X摘要器，还有情绪追踪器。
后来用Grokbot，每一个只要7到12秒就能做出来，而且效果还更好。这中间的区别是：Claude Code还是被动的，你敲提示词，它给你结果；但是Grokbot会主动问你：“有哪些建议操作需要执行？”它会基于你今天所有的工作，直接给出可以执行的自动化建议。从被动辅助到主动执行的智能体，这是一个质的跃迁。而这种跃迁，必然会消耗海量的Token。
当然，物理世界的硬约束是客观存在的：晶圆产能、铜矿供应、电力资源，这些都不是凭空就能变出来的。某种程度上说，这些硬约束正在给AI的狂奔踩刹车。但这未必是坏事：对社会来说，一个更渐进的扩散过程可能比瞬间爆发更容易适应。说到这里，就不得不提一个很有意思的现象：现在美国国内有一股反对数据中心的舆论，很多人把数据中心描绘成消耗资源的怪物。
但其实事实恰恰相反：加文指出，数据中心可能是美国工薪阶层几十年来经历过最好的事。为什么这么说？因为它正在推动美国的再工业化。现在去读大学从净现值来看，可能已经严重为负了；而去做电工、水管工、暖通技工，能赚到多得吓人的钱。数据正在表明：建一座数据中心就能彻底改变一座城镇，税收不是翻倍，而是能增长十倍。那些曾经因为钢铁厂关闭而被抛弃的小镇，正在被数据中心重新救活。
有一个很经典的例子：弗吉尼亚州的劳登县，是全美人均收入最高的县之一，同时也是数据中心密度最高的地方。有人曾挑衅说：“你支持数据中心？那你敢把它们建在全美收入最高的高档社区吗？”答案是，他们早就这么做了，而且效果非常好。除此之外，美国还有一个巨大的成本优势：那就是天然气。美国的天然气只要两三美元，而欧洲和亚洲要20到25美元。
天然气是发电的重要原料，而电力几乎是所有制造业的基础要素。数据中心的建设潮正好和这个成本优势叠加在一起。所以说，反对数据中心的人其实搞错了方向：加文有一个很讽刺的判断——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，而普通人会被排除在外；两年后这些人又会跑出来抱怨不平等。但真相是：这正是因为当初不让建数据中心造成的。
那么，这场供应短缺会持续到什么时候呢？加文的判断是：到2028年之前，绝对是供应短缺。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；如果政治因素再掺合进来，项目还会被进一步推迟。这意味着什么？意味着获取智能的成本可能会大幅上涨，而不是像大家预期的那样持续下降。有人甚至提出：一个token的成本可能会涨上十倍左右。听起来很不可思议，但是供需规律就摆在那里。
好，聊完了地面的情况，我们把目光投向太空：投向SpaceX的太空轨道数据中心。这可能是整场对话里最科幻、但又最接近现实的部分。很多人听到“太空数据中心”，脑子里浮现的是死星，或者漂浮在太空中的五角大楼。其实根本不是那么回事：你把它想象成一架飞机的大小就差不多了，里面放着一个大约72颗芯片的机架。太阳能翼板的宽度也就相当于五个人并排站在一起，把它放在太阳同步轨道上，散热器始终处于背阳的阴影里。
冷却问题就这么解决了。有人可能会说：“这怎么可能呢？我是物理学博士，这根本行不通。”但是你想想：SpaceX有一万名全球最顶尖的工程师，每个人都为此思考过几百甚至几千个小时。这些工作积累起来，再加上先进的工程工具，这早就是一个被解决了的问题。在他们看来，这其实远比大家想象的要简单得多：甚至比Starlink卫星还要简单。那太空算力的经济账怎么算呢？我们来对比一下：地面上建1吉瓦的算力，总成本大概500亿美元。
其中350亿是计算设备本身，剩下的150亿是电力、散热、土建、人工这些支出。而在太空：计算设备本身的成本差不多，甚至因为要发射上天还会略贵一点；但是电力、散热、人工这些——也就是那150亿美元，在太空全都不需要。太空中可以直接用太阳能板和大型散热器，而且这些成本不会通胀。相比之下，地面上的铜价在涨、电工薪资在涨、所有东西都在涨。你需要对比的只是发射成本：随着星舰实现完全可重复使用，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：马斯克曾经说过，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。就算推迟两个季度到2028年，那也已经非常近了。当然，模型训练肯定还是会放在地球上：因为GPU紧邻放置有延迟优势；但是全球算力中越来越大的一部分，正在走向太空。这个趋势是确定的：而且退一步说，就算你不相信太空计算也没关系——Starlink Mobile还有清晰的移动通信市场。
宽带加上移动通信已经接近两万亿美元的市场，此外还有快速增长的AI和增强现实业务。聊完了基础设施，我们再往上走一层：聊聊企业级AI的终局。现在很多人还在争论：“哪个模型会成为最终的赢家？未来会不会就是一两家大模型通吃一切呢？”但是加文的判断是：未来不会有任何单一模型全能第一，一定是多模型混合。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。对大企业来说，未来的做法一定是组合使用：用最前沿的模型做顶层规划。
让成本更低的模型负责具体执行，整套系统对用户完全透明。而且更重要的是：企业会希望掌控自己的智能资产。如果你选用一个优秀的开源预训练基座模型，基于自己的专有数据做强化学习和监督微调，这个模型就归你所有——完全是你自己的了。你的核心知识产权和业务背景数据不用交给任何的前沿实验室，这对企业来说吸引力是巨大的：特别是考虑到近期零数据保留政策的变动。把自己的核心数据交给别人，对企业的财务健康来说并不是什么好事。
加文认为：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。黄仁勋做一次500亿到1000亿美元的训练，其实算不上什么难事。那Google呢？他们看起来像是暂时退出了前沿竞争，转而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、能持续资助大规模训练的人。
说到这里，就引出了一个极其关键的问题：谁能成为智能时代的抽象层？什么是抽象层？就是连接企业组织与终端用户之间的那一层。用户不需要知道背后用了哪个模型、数据存在哪里、算力来自何方，他们只需要结果：谁能成为这个智能仲裁者，谁就占据了商业史上——而且可能是有商业史以来最具价值的黄金生态位。这个位置有多诱人，竞争就有多激烈：微软在争，因为代码是可以验证的、而且有完整的文档记录；Copilot有天然的切入点。
Databricks、Palantir、Snowflake在争，Salesforce、Workday也会跟进。还有垂直赛道的玩家：比如法律领域的Harvey；编程领域的Cursor。Cursor这个例子很有意思：前沿实验室的人总觉得自己在创造某种数字神明，追求通用人工智能和超级智能；但是Cursor那帮人的想法就很纯粹：“我们只想做一款好产品。”他们从客户的实际现状出发，立足技术现有的能力边界，反而一步步走出了自己的路。现在他们成了SpaceX的一部分：这非常符合马斯克的风格——把它变成一个工程问题，造出模型工厂。
然后做出真正出色的产品：但是要成为那个最终的抽象层，难度极大。你得连接所有的资料、用企业的数据训练模型、保证绝不泄露；通过无缝的路由层调用，还要持续升级底层的开源模型。这绝不只是做个中间件那么简单：而且拉长周期来看，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。因为要想成为成本最低的提供方，你就得拥有自己的算力：这也是为什么加文越来越关注大型云厂商的EV与净固定资产之比。
其中净固定资产对应的其实就是算力：这个指标直接反映了市场认为你的算力资产能变现多少。说到算力，就绕不开一个人：黄仁勋。加文给所有半导体CEO的第一条建议是：“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；以及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。”为什么这么说？因为在如今的市场体量下：每1%的市场份额大概就值1000亿美元。
你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。而且你得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横向扩展，演进到了纵向扩展、跨节点扩展，再到现在的节点内扩展。有一个比喻非常贴切：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。他的核心优势其实是可融资性：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：黑石、KKR、阿波罗这些机构会在严格评估后提供资金，项目通常带有硬件残值担保。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。作为对比：Google的TPU大概能排在第二，但是建设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。资本成本构成了巨大的竞争壁垒：那黄仁勋是怎么做到的呢？
他比所有人都更早看清了趋势，提前锁死了整条供应链：不只是晶圆，而是整个系统的全链条。包括代工产能、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（大概在70%到80%之间）。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几千亿美元，并且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：让华尔街的专业团队能够轻松为其提供融资。
所以这种壁垒是极难撼动的：还有一个常见的误解需要澄清——很多人觉得黄仁勋支持开源会对英伟达的业务构成风险。但是事实恰恰相反：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，它的软件层溢价可能从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。当然，英伟达也不是没有挑战者：比如OpenAI最近发布的Jalapeno芯片。
作为前沿实验室自研的芯片，称得上是除了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ASIC芯片。但它也只是能对标英伟达九款芯片中的某一款而已：就像英伟达说的，“你做得很好，也只是在单点上交出了漂亮成绩。”但是要想在系统层面真正与其竞争：还得补齐另外八款芯片。所以加文的忠告是：“千万别学那些不知天高地厚的年轻后卫们，在常规赛去挑衅迈克尔·乔丹。你应该对传奇保持敬畏。”
最后我们来聊一个很有意思的观察角度：在供应链如此受限的情况下，大家都是有什么拿什么。所以光看供求很难推断出真实的客户偏好：那该怎么判断客户到底更喜欢谁的芯片呢？最好的观察窗口是看客户与芯片公司达成的交易结构，大体上有三种模式。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。这对芯片公司极其有利：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。
只要投资金额低于向该客户销售芯片带来的毛利润，就不会亏钱：第二种模式是引入残值担保。由黑石、阿波罗、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。第三种模式则是附带认股权证，但是将它与每百万Token的固定价格挂钩：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。
但是如果只是无条件赠予权证，净现值可能会变成负数。因为芯片表现得越好，被对方拿走的价值反而越多。梳理这些交易结构的层级，就能看出客户真实的偏好。而英伟达做的交易结构确实非常出色，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。
好了，整场对谈的核心内容到这里就差不多了。最后我们来做一个简单的总结：加文认为，当下市场最大的误判，就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。
从需求端看，我们才刚刚起步。区区几百万开发者就已经买光了全球算力，而15亿脑力劳动者的市场才刚刚打开。从供给端看，物理世界的硬约束无处不在：电力、铜矿、晶圆，没有一样是能快速扩产的。
而在这场变局中，黄仁勋锁死了供应链；马斯克在布局太空算力；无数公司在争夺智能抽象层的黄金位置。我们不要把它看成是一场零和博弈，而要当成一场正和博弈来看待：前沿模型会赢，开源会赢；应用层会赢，云厂商也会赢。
前提是，你得找准自己的位置。最后留一个问题给大家思考：如果AI算力真的像今天聊的这样长期短缺，你觉得最先被价格出清的会是哪一类应用呢？感谢收看，我们下期再见。