核心观点 当前市场最大的误判是将一场由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”[4] 二级市场恐慌性回撤与底层产业基本面全速狂奔形成鲜明对比[1] 整个AI行业在7月和8月全面加速，找不到任何做空理由[12][13] 算力投资经济模型 - 数百亿美元砸下去不到一年就能全额回本，客户提前预付一半以上现金，华尔街顶级财团排队提供低息抵押贷款[5] - Nebius和CoreWeave的回本周期可缩短到9到10个月，上线1吉瓦算力建造成本500亿美元，客户直接支付50%到60%预付款，实际资金敞口仅250亿到300亿美元[42] - 按现货价格算回本周期可能远比9到10个月更快，现货往往能拿到五块甚至八块的价格[43][44] - 英伟达GPU和TPU等硬件资产可以做抵押融资，市场上存在非常成熟成本极低的资本[47][48] - 硬件有效使用寿命不断延长，模型越强大Token支出投资回报率越高，每吉瓦算力变现效率提升，实际股权回本周期可能远在一年以内[48] - 假设前沿实验室手握10吉瓦电力容量，8吉瓦分配给推理，每年按600亿美元变现，年收入4800亿美元，从营收维度看就是一年回本周期[28] - 前沿实验室很可能把所有新增利润甚至远超利润本身的资金长期持续重新投进模型训练，短期内不会产生自由现金流[35][36] 需求端现状与未来 - 当前约800亿美元营收规模背后只有大约3000万真正能从中获得实效的重度付费用户，主要都是开发者，实际可能连1000万都不到[48] - Token支出呈现幂律分布，传统老牌银行只把约1%预算花在AI上，前沿科技公司支出比例在大个位数7%至9%[49] - 最顶尖重度工程师花掉的算力是中位数工程师的10倍甚至100倍[49] - 全世界有15亿脑力劳动者，需求端才刚刚起步，供给端已经严重受限[50] - a16z内部从3月到8月Token消耗量增长了整整100倍，支出也涨了100倍[50] - 23岁年轻一代用AI完全原生而流畅，Grokbot只花10秒钟做出来的东西远比自己费劲做的还要好[52][53] 供应短缺与建设不足 - 到2028年之前绝对没有足够产能来满足原本预计的建设，考虑到政治动态项目很可能被推迟[76][77] - 真正的危机不是产能过剩而是严重的供应短缺，可能导致获取智能的成本大幅上涨[77][78] - 一个token的成本可能会涨上十倍左右[79] - 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其他人都会被排除在外[81] - 开源token并不是免费的，生成一个开源token所需的算力和前沿模型基本一样[83] - Kimi对基于它产生的所有收入抽取30%，因为它是开放权重而不是完全开源[86] 数据中心的社会经济影响 - 数据中心可能是美国工薪阶层经历过最好的事，正在推动美国的再工业化[9][69] - 建一座数据中心能彻底改变一座城镇，税收不仅是翻倍甚至能增长十倍，正在让全美各地濒临衰退的小城镇恢复生机[62] - 弗吉尼亚州劳登县是全美所有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[65] - 因钢铁厂关闭而被抛弃的小镇正在被数据中心重新救活[70] - 美国国内存在有组织的反数据中心舆论攻势，但数据中心同时也在推动美国的再工业化[66] - 霍尔木兹海峡关闭对美国很有利，美国天然气只要两三美元而欧洲和亚洲要20到25美元，这给了巨大的成本优势[67] 太空轨道数据中心 - 太空轨道数据中心大概就是一架飞机的大小，里面放一个大约72颗芯片的机架[90] - 太阳能翼板宽度大概相当于五个人并排站在一起，放在太阳同步轨道上散热器始终处于机架背阳的阴影里，冷却问题就这么解决[91][92] - 地面建1吉瓦算力光是水电气和土建就要150亿美元且面临严重通胀，太空中太阳能和散热都是免费的[5][94] - 星舰只要实现完全复用，发射成本能压到10亿美元以内，太空算力将彻底逆转地面经济学[5][97] - 模型训练肯定还是放在地球上，GPU彼此紧邻放置有优势，光速限制客观存在延迟很关键，地面数据中心不会消失[98] - 马斯克说过他和黄仁勋共同设计了Rubin机架，预计在2027年第四季度发射上天，就算推迟两个季度拖到2028年也已经非常近了[99][100] - 太空算力至少能作为调节峰值的后备算力，假以时日规模可能会更大[93] 企业级AI终局与智能抽象层 - 未来不会有任何单一模型全能第一，一定是多模型混合[5] - 谁能成为贯穿企业组织与终端用户之间的“智能抽象层”，谁就将占据商业史上最具价值的黄金生态位[5][124] - 未来形态会是多模型组合，没有任何一个模型能在所有事情上做到最好[109] - 全球规模最大的前一万家企业未来做法一定是采用最好的开源模型，不久将来会是一个由英伟达主导的模型[110] - 企业选用优秀预训练基座模型就不用把核心知识产权分享给前沿实验室，基于专有数据做大量强化学习和监督微调后模型完全归自己所有[116] - 未来企业都会拥有基于自身数据训练的自研模型，让它与一到两个前沿模型协同工作互相校验[117] - 整套系统对用户完全透明，用最前沿模型做顶层规划，让其他成本更低的模型负责具体执行[118] - 谁能成为全球企业甚至大众消费者的“智能仲裁者”就占据了商业史上最具价值的生态位[125] - 做这样一个抽象层要让它真正跑通而且体验无缝比大家想象的要难得多[127] - 要想成为成本最低的提供方极其困难，如果不做垂直整合长远来看不拥有自己的算力根本不可能做到成本最低[133] 英伟达与黄仁勋的竞争壁垒 - 黄仁勋锁死了全球80%的关键供应链，他就是AI世界的美联储[5][152] - 英伟达策略是垂直整合但横向保持开放，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[137] - 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[156] - 黄仁勋每两年敢下二三十亿美元重注，如今每一轮下注规模达到数千亿美元并拉动整条供应链协同推进[156] - 建一座500亿美元英伟达数据中心通常只需要掏出150亿美元股权资金，剩下350亿美元完全可以通过债务融资解决[143] - 按可融资性排序Google的TPU大概排在第二，但建设TPU数据中心所需股权出资比例至少要翻倍且剩余债务融资利率更高[144] - 黄仁勋推行残值担保的原因之一是防止算力市场被出价能力最高的OpenAI和Anthropic完全垄断，他可以通过扶持其他人来与这两家竞争[145] - 开源对英伟达是非常强劲的催化剂，基于英伟达GPU生产的Token软件层溢价可能从90%降到40%，进而促使全社会消费更多Token最终需要采购更多物理算力[151] - 千万别在半导体领域挑战黄仁勋，很多芯片创业团队总想正面掀翻他——千万别学那些不知天高地厚的年轻后卫在常规赛去挑衅迈克尔·乔丹[5][140] 前沿实验室竞争格局 - OpenAI和Anthropic成为上市公司对市场是好事，因为它们的影响力太大了[23] - Anthropic处于静默期步伐可能稍微放慢了一点，但其他所有人显然都在加速，OpenAI明显在提速，开源生态加速得更快，Grok提速相当迅猛[12] - Anthropic重新锚定基准之后和OpenAI直接对比，推测下一次披露数据时就会看到增长重新提速[17][18][19] - 前沿模型公司之间总在玩这种有趣的心思，手里永远留着更先进的checkpoint，Anthropic显然在等OpenAI先发布Astra然后第二天就会说这是Fable 5.1[19][20][21] - OpenAI和Anthropic每吉瓦电力的年化变现收入都在1000亿美元左右[28] - 五家前沿实验室都会做得很出色，而英伟达就处在这一切的核心[32] - 过去26年的经验告诉永远不要做空黄仁勋[34] - 微软之前显然尝试过做前沿模型但失败了，Satya大概在18个月前说过会拥有非常有竞争力的自研模型但到现在并没有拿出来[109] - Meta一度掉出第一梯队后来又重回牌桌，一年前当Gemini声势正盛时谁能想到Gemini甚至都没进入核心讨论圈而Muse和Meta在能力上反而大幅领先于它[119] - 这是有史以来筹码最高的一场商业棋局，有人走错了几步有人下得很好，有人一度出局又有人重新杀了回来[120] 芯片交易结构与客户偏好 - 客户与芯片公司达成的交易结构是观察真实偏好的最好窗口[166] - 第一种模式是芯片公司直接投资客户，Google带着TPU、亚马逊带着Trainium先后投资Anthropic，解决了自研芯片的冷启动问题[166] - 第二种模式是引入残值担保由Blackstone、Apollo、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就是一笔稳赚不赔的买卖[167] - 第三种模式是附带认股权证但将其与每百万Token的固定价格挂钩，只要芯片性能提升能跑赢股价涨幅这种模式就能运转良好[168] - 英伟达做的交易结构非常出色，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[169][170]