文章核心观点 - OpenAI和Anthropic大量预订算力，2027年两家拿走的新增算力占比在25%到40%之间，算力供需严重失衡，买得起算力不等于拿得到算力 [3] - 算力租赁价格大幅上涨，H100一年期合约价从去年10月低点每小时1.70美元涨到2.80美元左右，卖token推理利润极高持续推高租价 [3][9] - 资金端吃紧，美债收益率大幅上升，10年期收益率10月初升至5%以上，靠借钱建机房的新兴云厂商越来越难融到资 [4] - 英伟达已出面为约6.5吉瓦算力托底，但在2030年前新增算力里只占很小一部分，杯水车薪 [4] - 云厂商交付能力和安全性存疑，即使租到算力，集群好不好用才决定实际价值 [15][16] 算力需求与买家集中度 - 全球算力总量2024年底约60吉瓦，今年底超过100吉瓦，两年接近翻倍 [6] - OpenAI和Anthropic两家算力总量去年底合计约4吉瓦，今年约10吉瓦，明年超过20吉瓦 [6] - 2027年一年两家合计新增约12吉瓦，全球当年新增总量约40吉瓦，占比约三成；到2028年AI实验室一年就要新增约30吉瓦 [6] - 两家拿走的是新增算力里25%、30%、40%的那一部分，去年底OpenAI和Anthropic收入随Claude Code开始飙升，于是疯狂买算力，Meta也开始疯狂买 [7] - 这些算力主要用于训练而非推理，Anthropic今天有4吉瓦，整个Claude Code只用其中约1吉瓦来服务，花在推理上的算力比训练少得惊人，即便用户端需求稳定，实验室训练新模型的预算仍会继续占用芯片 [7] 算力租赁价格与推理经济性 - 自建一个B300集群，建设和五年运营摊下来约合每年900万美元；向云厂商租能做到每年1400万美元就算走运 [9] - 用一兆瓦算力跑开源模型DeepSeek V4.1 Flash，利用率60%情况下一年收入约7000万美元，即使租价高出自建成本五成，卖推理收入仍是租金的五倍 [9] - 即使利用率只有30%仍然会赚到离谱的钱，有数十人专门租GPU卖推理赚了很多钱 [9] - 该测算基于SemiAnalysis开源的InferenceX基准，只用vLLM和SGLang两套开源推理软件，团队只有四个工程师，未做投机解码等进一步优化 [10] - H100去年10月约1.70美元，最低能找到1.45美元，现在成交价在2.40至3.20美元之间，中间值2.80美元；SemiAnalysis一年期合约指数今年3月已是2.35美元，10月Nebius等厂商挂牌价继续上调 [11] - 判断若H100涨到3美元以上、B300涨到7美元以上不会感到意外；建议能找到6美元一小时的B300就应该签下来去卖token [12] - Anthropic服务Fable和Opus 5.5的收入超过1亿美元，来自其IPO过程中披露给投资者的材料，按上下文应是每兆瓦的年收入 [12] 云厂商交付能力与安全性评测 - SemiAnalysis的ClusterMAX评测追踪323家云供应商，评测其中77家，给19家授予奖牌 [16] - 最好的是CoreWeave和Nebius，但两家可得性都很差，未来六个月不会再卖算力，已售罄；Nebius要求预付整整一年或六个月，价格高得离谱 [17] - Oracle和Google也被评为很好，Google从首轮铜牌一路升级；Azure降为银牌，Together和AWS降为铜牌，Crusoe也被下调 [17] - AWS问题偏体验，要拿到一个集群得和约十个人打交道，耗时极长，网络也有点难搞 [17] - 安全评测中最刺眼，有些漏洞是互联网上早已公开的，模型能直接找到并利用，然后访问其他客户的存储；一次用落后于OpenAI和Anthropic的开源模型拿到整个集群的Slurm权限，看到某国国防工业和国家安全情报机构的作业名称，随即停止测试并发表《大多数Neocloud在安全上很烂》 [17] - 向GPU注入故障（Nvidia错误码XID 719）测试，很多云要等到提醒才会发现，有些即便提醒也要几天才响应 [17] 资本开支与融资环境 - 到2029年底全球AI资本开支约11万亿美元，其中约7万亿来自债务，大部分钱花在芯片上，其余是数据中心、能源以及为更快投产而在现场自建的电厂 [19] - 10年期美债收益率今年从3.96%升到10月初的5.31%，AI相关债务发行9月明显降温 [20] - 一家有100兆瓦规模的Neocloud想扩到1吉瓦时，唯一办法是把那一吉瓦卖给超大规模云厂商，再由超大规模云厂商去债市融资，但这些算力没有一点能进入面向整个行业的市场 [20] - 明年已签约算力里大约65%到70%流向超大规模云厂商和AI实验室；创业公司租集群要先付一半，三到九个月后才能交付 [22] - 对最近融到大钱的新实验室来说拿算力就是地狱 [22] 英伟达托底模式 - SoftBank Energy：只担保土地、电力和厂房，这是俄亥俄州一座9吉瓦的设施，约2030年投运，全部预留给OpenAI [22] - Firmus：英伟达承诺按某价格租下集群，使对方不赚钱但也不亏钱，有了这份保证别人就愿意放贷；超出该价格的每一美元每小时英伟达拿走一半 [22] - 残值担保：只提到有这一类，没有展开 [23] - 英伟达已托底约6.5吉瓦，这部分会卖给开放市场而非只供实验室和超大规模云厂商，上限是45吉瓦，即便如此也只占2030年前新增算力的很小一部分 [23] - Fireworks、Modal等做推理的公司以及不少新实验室正转向自建集群，拿贷款、找英伟达背书 [23] 行业规模与结语判断 - 几家提供商加起来每天处理超过100万亿token，各家年化收入都在攀升 [24] - 结语是希望他们能拿到算力，否则我们都是Anthropic和OpenAI的奴隶 [24]

文章核心观点 - SemiAnalysis创始人Dylan Patel指出算力需求高度集中于OpenAI和Anthropic两家实验室，2027年两家拿走新增算力的25%至40%，导致H100一年期合约价从去年10月低点每小时1.70美元涨至约2.80美元，其他公司买得起算力却拿不到算力 [1][3] - 资金端同步吃紧，10年期美债收益率10月初升至5%以上，靠借钱建机房的新兴云厂商融资困难，英伟达为约6.5吉瓦算力托底但在2030年前新增算力中仅占很小一部分 [1][8] - 卖开源模型推理利润极高，推动GPU租价持续上行，即便租价高出自建成本五成，卖推理收入仍是租金的五倍 [4] - 租到算力只是第一步，云厂商交付能力和安全性存疑，ClusterMAX评测显示多数云厂商在安全与故障监控上表现不佳 [6][7] - 利率上行背景下贷款明显偏向超大规模云厂商和AI实验室，明年已签约算力中约65%至70%流向这两类买家，创业公司拿算力极为困难 [8] 全球算力总量与增长 - 2024年底全球算力约60吉瓦，今年底超过100吉瓦，两年接近翻倍 [2] - OpenAI和Anthropic两家算力总量去年底合计约4吉瓦，今年约10吉瓦，明年超过20吉瓦 [2] - 2027年两家合计新增约12吉瓦，全球当年新增总量约40吉瓦，占比约三成；到2028年AI实验室一年就要新增约30吉瓦 [2] - 这些算力主要用于训练而非推理，Anthropic今天有4吉瓦，整个Claude Code只用其中约1吉瓦服务用户，推理算力比训练少得惊人，即便用户端需求稳定，训练预算仍会继续占用芯片 [3] GPU租价与推理经济性 - H100去年10月低点约1.70美元，最低能找到1.45美元，现在成交价在2.40至3.20美元之间，中间值2.80美元 [5] - SemiAnalysis一年期合约指数今年3月已达2.35美元，10月Nebius等厂商挂牌价继续上调 [5] - 自建B300集群建设加五年运营摊薄约合每年900万美元，向云厂商租能做到每年1400万美元就算走运 [4] - 用一兆瓦算力跑开源模型DeepSeek V4.1 Flash，利用率60%时一年收入约7000万美元，为租金的五倍（未扣除人力和其他成本），即便利用率只有30%仍利润丰厚 [4] - 该测算基于SemiAnalysis开源的InferenceX基准，仅用vLLM和SGLang两套开源推理软件，团队只有四个工程师，未做投机解码等进一步优化 [5] - Patel判断H100涨到3美元以上、B300涨到7美元以上不会意外，建议若能找到6美元一小时的B300就应签下并去卖token [5] - 闭源模型方面，Anthropic服务Fable和Opus 5.5的收入超过1亿美元，来自其IPO过程中披露给投资者的材料，按上下文应是每兆瓦的年收入 [5] - 云厂商都要求预付，一年期合约很难买到，创业公司往往说不准一年后是否还在，融资难度更大 [5] 云厂商交付能力与安全评测 - ClusterMAX评测追踪323家云供应商，评测其中77家，给19家授予奖牌 [6] - 最好的是CoreWeave和Nebius，但两家未来六个月已售罄，Nebius要求预付整整一年或六个月且价格高得离谱 [6] - Oracle和Google也被评为很好，Google从首轮铜牌一路升级；Azure降为银牌，Together和AWS降为铜牌，Crusoe也被下调 [6] - AWS的问题偏体验，要拿到一个集群需和约十个人打交道，耗时极长，网络也有点难搞 [6] - 安全测试中，AI模型能直接找到并利用互联网上早已公开的漏洞，访问其他客户的存储；一次用落后于OpenAI和Anthropic的开源模型拿到整个集群的Slurm权限，看到某国国防工业和国家安全情报机构的作业名称，测试随即停止并发表《大多数Neocloud在安全上很烂》 [6] - 向GPU注入故障（Nvidia错误码XID 719）测试中，很多云要等到提醒才会发现，有些即便提醒也要几天才响应 [7] 资本开支、债务与融资环境 - 到2029年底全球AI资本开支约11万亿美元，其中约7万亿来自债务，大部分花在芯片上，其余是数据中心、能源以及为更快投产而现场自建的电厂 [8] - 10年期美债收益率今年从3.96%升到10月初的5.31%，AI相关债务发行9月明显降温 [8] - 一家有100兆瓦规模的Neocloud想扩到1吉瓦，唯一办法是把这一吉瓦卖给超大规模云厂商，再由其去债市融资，但这些算力没有一点能进入面向整个行业的市场 [8] - 明年已签约算力中约65%至70%流向超大规模云厂商和AI实验室，创业公司租集群要先付一半，三到九个月后才能交付 [8] - 英伟达已托底约6.5吉瓦算力，这部分会卖给开放市场而非只供实验室和超大规模云厂商，上限为45吉瓦，即便如此也只占2030年前新增算力的很小一部分 [8] - Fireworks、Modal等做推理的公司以及不少新实验室正转向自建集群，拿贷款、找英伟达背书 [8] 英伟达托底模式 - SoftBank Energy模式只担保土地、电力和厂房，俄亥俄州一座9吉瓦设施约2030年投运，全部预留给OpenAI [10] - Firmus模式为英伟达承诺按某价格租下集群，使对方不赚钱但也不亏钱，有了这份保证别人就愿意放贷，超出该价格的每一美元每小时英伟达拿走一半 [10] - 残值担保模式仅提及存在，未展开 [10] 行业规模判断 - 几家提供商加起来每天处理超过100万亿token，各家年化收入都在攀升 [9]