核心观点
这是 Patrick O'Shaughnessy 与 Gavin Baker 的第六次对话，录制于 2026 年春。访谈围绕两条主线展开：瓦特（电力）与晶圆（芯片产能）——Gavin 认为这是决定 AI 下一阶段走向的两大物理约束。以下是全篇最值得记住的核心判断。
一、我们正在见证资本主义历史上最非凡的时刻
Gavin 用 Anthropic 的增长来佐证这一判断：
"Palantir、Snowflake 和 Databricks 这三家公司合计雇用了数万人，各自花了十年时间建立业务，而 Anthropic 在一个月内就新增了等同于它们三家业务规模总和的 ARR。这在资本主义的历史上从未发生过。"
他同时指出，2026 年 3 月至 4 月的大跌，是一次极为罕见的买入机会：
"我们有这场资本主义历史上最非凡的时刻，它对 AI 极度利好；与此同时，你却有机会以历史上相对较低的估值买入 AI。"
二、电力短缺会在 2027-28 年缓解，轨道计算是终极答案
Gavin 对电力问题给出了清晰的时间线：资本主义正在解决瓦特短缺，产能扩张浪潮将在 2027 至 2028 年开始落地缓解压力。
长期解决方案是轨道计算（Orbital Compute）——他特别强调需要重新定义这个概念：
"我想重新定义'轨道计算'：它是太空中的机架，而不是太空中漂浮的五角大楼级别的数据中心，那是无稽之谈。一个 Blackwell 机架重约 3000 磅，这就是那颗卫星的大小。真正构成数据中心的，是你通过激光将这些机架连接起来——它将是太空中的机架，用激光连成一个虚拟数据中心。"
三、台积电的产能决策，是判断 AI 泡沫的单一最重要变量
Gavin 认为历史上每一次基础性新技术都会形成泡沫，AI 也不例外。而能否避免这场泡沫，关键在于台积电：
"如果台积电做了 Jensen 想要的事，我认为 Nvidia 在 2026 或 2027 年能卖出 2 万亿美元的 GPU。但有一个临界点，届时供给将远超需求。所以如果我们不出现泡沫，我们应该为台积电开个庆功宴，因为是他们独力防止了泡沫的发生。"
他把这称为"金发姑娘"区间：
"台积电扩产要足以让英特尔或三星难以成为真正的第二供应商，同时又保持对晶圆的根本性约束，帮助我们避免泡沫——如果我只盯着一件事来判断是否会有泡沫，那就是台积电的产能决策。"
四、Terafab：把台湾城搬到德克萨斯
Gavin 看好 Elon 主导的 Terafab（与 SpaceX/Tesla 合资、英特尔合作的美国超级晶圆厂）。他认为 Elon 的核心策略不是技术，而是人才聚集：
"在 Terafab 旁边会有一座'台湾城'。'这是你最爱的餐厅？好，我把它们连同整个员工队伍从台湾搬到德克萨斯，把你喜欢的一切都原原本本地复制过来。'然后会有日本城、韩国城——完全按照工程师的喜好量身定制，就是为了招募最顶尖的人才。而英特尔和三星的管理层，根本不是这种思维方式。"
五、前沿 Token 依然捕获几乎所有经济价值——且原因正在加速
AI 从"无限流量套餐"转向"按量计费"，这是 Gavin 认为最被低估的 AI 利好信号之一：
"AI 正在从无限制套餐转向按量计费。手机什么时候停止成为优质增长行业的？就是当所有人都转向无限流量套餐的时候。AI 现在走向了反方向——这可能正是为什么你今年将会看到 OpenAI 和 Anthropic 的 ARR 远超 2000 亿美元。"
他同时造了一个新词，来描述 Anthropic 真实的收入潜力：
"如果 Anthropic 能挥一挥魔杖获得所需的全部算力，他们今天的收入规模可能是 1000 亿、1500 亿，甚至 2000 亿美元。你现在买入，大概是以 5 倍左右的倍数买入——我要造个新词——URR，无约束年化经常性收入（Unconstrained Run-Rate Revenue）。"
六、GPU 拆解化将让私募信贷起死回生
Gavin 提出了一个反共识观点：随着预填充（prefill）和推理（decode）的拆解，旧 GPU 的有效寿命将大幅延长：
"AI 怀疑论者说 GPU 有效使用寿命只有一两年。不对。GPU 拆解意味着你可以把 Cerebras 系统或 Groq LPU 放在 Hopper 甚至 Ampere 前面，用那个旧 GPU 做预填充，把它的寿命延长到物理损毁为止——这些 GPU 将拥有 10 或 15 年的使用寿命。这将让私募信贷行业起死回生。"
七、机关枪已经来临——你要选择驾驭它
访谈结尾，Gavin 用《最后的武士》做了一个令人警醒的比喻：
"机关枪已经来临。如果我们不都成为驾驭机关枪的人，我们就会被机关枪所制服。我乐观地认为，作为终身的投资学生，我能够掌握这项新技术，将它融入我自己的流程，以让我作为人类在很长时间内继续贡献价值的方式。"
他最常用的 AI 代理，是一个从播客中提炼信息要点的摘要系统——因为他每天有 6 小时 值得听却听不完的行业内容。
关于访谈
加文·贝克（Gavin Baker）
加文·贝克是 Atreides Management 的创始合伙人兼首席投资官，公司于 2019 年创立于波士顿，资产管理规模逾 110 亿美元。公司名称取自科幻史诗《沙丘》中的厄崔迪家族，折射出他对宏大叙事与历史周期的偏爱。
在创立自己的基金之前，Gavin 在**富达投资（Fidelity Investments）**深耕了整整 18 年。其中 2009 至 2017 年间，他执掌规模高达 170 亿美元的富达 OTC 基金，年化复合回报率超过 19.3%，业绩击败晨星（Morningstar）同类基金中 99% 的对手，并六度斩获理柏基金奖（Lipper Awards）。在富达期间，他便已以董事会观察员或早期投资人身份，深度参与了 SpaceX、Cloudflare、Roku、Twilio 等公司在名声大噪之前的融资。
Gavin 毕业于达特茅斯学院，拥有历史学与经济学双学士学位。这一跨学科背景使他习惯从铁路泡沫、运河泡沫到工业革命的长历史弧线来审视当下的 AI 浪潮，也是他在访谈中频繁援引历史先例的原因。
近年代表性投注包括：重仓 SpaceX/xAI 联合体（占其总管理资产逾 20%）、早期押注 AI 芯片独角兽 Cerebras Systems（于 2026 年 5 月完成 IPO，上市首日市值逾 660 亿美元），以及长期重仓 Nvidia、Astera Labs、美光科技（Micron）等 AI 实体硬件供应链标的。其跨界投资组合在 2025 年实现了约 47% 的回报率。
投资哲学关键词：押注 AI 的物理约束（瓦特与晶圆）、在正确时极度重仓、用宏观衍生品对冲大盘风险、对估值保持极度敏感。
帕特里克·欧肖内西（Patrick O'Shaughnessy）
帕特里克是**欧肖内西资产管理（O'Shaughnessy Asset Management，OSAM）**的首席执行官，同时也是播客节目 Invest Like the Best 的主持人。该播客深度聚焦投资、商业与科技领域，采访对象涵盖顶级投资人、创始人与思想领袖，是华尔街和硅谷圈内口碑最高的播客之一。
帕特里克以能够引出嘉宾最深层思考著称——他的提问常常不是提供答案，而是打开话匣子，让嘉宾的认知地图自然展开。Gavin Baker 是他迄今邀请次数最多的嘉宾之一，本期是两人的第六次对话。
引言
Patrick 今天的嘉宾是 Gavin Baker——Atreides Management 的创始合伙人兼首席投资官，这是我们的第六次对话。本期核心主题是"瓦特与晶圆"——在 Gavin 看来，这两大物理约束将主导 AI 发展的下一阶段。
关于电力，他认为近期的短缺将在 2027 年至 2028 年随着新能源供应的上线而逐步缓解，而轨道计算将在长期内彻底解决这一问题。关于晶圆，他解释了这一次与互联网泡沫时代的根本区别，以及为何台积电的产能决策可能是当前最值得关注的单一变量。
我们还探讨了 Elon 的 Terafab、GPU 的拆解化趋势、新兴芯片公司的角色，以及 AI 的经济价值是否会继续向前沿模型集中。享受这场精彩的第六次对话吧。
2026 年 3 月的市场格局
Patrick 好的，这已经是我们第六次对话了，真是难以置信——这让你重回第一的位置，或者至少与 Gurley 并列第一。你又回到了那个令人尊敬的位置。这永远是我最喜欢的一场关于市场和一切动态的对话。就连上一次我们交流之后，局势已经发生了如此多的变化——我觉得现在甚至比那时更有趣。或许我们可以先从你亲历 2026 年 3 月和 4 月的感受讲起？
对我来说，那段时间感觉像是一个完全独特的经济、科技与市场环境——而你是研究历史和这些时代最用功的人。所以，那段时间你有什么感受？
Gavin 宏观来说，回撤有两种。一种是你错了——公司业绩不及预期，投资假设被证伪，你只能认亏离场。另一种是，你因为非常了解的公司而承受浮亏或相对表现落后，但你内心深知这种下跌是错的，反而可以加仓。你不是在兑现亏损，而是在积累潜在的超额收益。
对我而言，3 月份就是后一种情况。纳斯达克在下跌，而与此同时，AI 领域正在发生资本主义史上、美国商业史上最非凡的时刻。我指的是：Anthropic 在一个月内新增了 110 亿美元的年经常性收入（ARR）。这件事令我震惊，因为 SaaS 和云计算革命创造了大约 5 到 10 万亿美元的价值，而过去 10 至 12 年里最具代表性的三家 SaaS 公司是 Palantir、Snowflake 和 Databricks。这三家公司加在一起雇用了数万人，各自花了十年时间建立业务，而 Anthropic 在一个月内就超越了它们三家业务规模的总和。
这在资本主义历史上从未发生过——不是我的职业生涯里，而是放眼整个资本主义的历史、整个商业史，从未有过。这太疯狂了。然后 Krishna 来到这档节目，分享了一些数据：净收入留存率（NDR）高达 500%。
Patrick 把这个数字往后推三年，简直是疯子行为。
Gavin 对，这完全没有先例。我们这些科技投资人经常讨论 S 曲线，讨论投资指数级增长。但我从未见过这样的指数级增长。它甚至比 DeepSeek 事件还要极端——而 DeepSeek 本身就已经是类似的局面了，两者的时间节点也非常接近。
回到 2025 年，DeepSeek 引发了一场巨大的抛售，这很奇怪——因为那篇论文早在"DeepSeek 周一"前七天就发表了。我记得是在一个美国的法定假日出版的，我读完之后想："嗯，这篇文章读起来对 AI 投资可能不太友好。"我采取了一些行动，然后 DeepSeek 周一爆发了，AI 相关股票真的崩了一把。
但那其实很奇怪，因为到了 DeepSeek 周一，其实已经非常清楚了——这件事将是迄今为止对算力需求最利好的事。AWS 亚洲可用区的价格已经翻了一倍，GPU 供应也在下降。这是我们第一次看到，推理阶段的推理模型比非推理模型需要消耗多得多的算力。
三月份的情况如出一辙。你只需要做一些功课就能看清楚。说真的，要看到"哦哇，股价在跌，但 DRAM 的价格在飙升，亚洲 GPU 价格在飙升，GPU 供应在下降"——这并不难。然后两三天后，美国的 GPU 租赁价格也开始上涨。而在三月份，你只需要看 Anthropic 正在发生什么就够了。那些事后追悔 2022 年没买、COVID 期间没买、DeepSeek 时没买的人——4 月初的估值和当时一样，而 AI 的拐点还更明显。所以机会一直都有。
当然，让局势更复杂的因素是霍尔木兹海峡。我开始相信，也确实相信，市场可能错误定价了一个因素——我不是宏观专家，但由于我做了很多与国家安全相关的投资，我能接触到真正的专家，他们也乐于分享看法。霍尔木兹海峡关闭其实对美国相当有利。
Patrick 为什么？
Gavin 特别是对当届政府的施政目标来说。电力是非常重要的工业或制造业投入品。美国电价的关键变量——进而影响 AI 运营成本——是 Bloomberg 上的 NG1（天然气期货），那时候跌了 20%，而亚洲、欧洲和其他地区的天然气价格却翻了一倍甚至三倍。美国制造业的相对竞争力一夜之间得到了改善。不管你怎么看，特朗普政府似乎非常关注美国的相对位置。
很多人会想到 1970 年代。70 年代之所以那么痛苦，不仅仅是因为价格上涨——而是出现了真正的能源短缺。但现在美国经济的能源强度已经远低于当时，美国已经成为世界最大的石油和天然气生产国，同时也成了最大的出口国。再叠加相对制造业竞争力的提升，这让人更容易聚焦在 AI 的基本面上，聚焦在历史性的低估值上。
从相对估值来看，科技股相较于大盘其他板块的估值，基本上跌到了过去十年内最便宜的水平。想想看，在市场效率理论的框架下：我们正在见证资本主义历史上最非凡的时刻，这对 AI 极度利好，而你却有机会以非常吸引人的价格买入 AI。
如何给 Anthropic 的"无约束收入"估值
Patrick 你怎么看 Anthropic 和 OpenAI——在我眼中，这两家是最纯粹的参考资产——的估值倍数，其实并没有那么离谱？如果你只看销售额倍数，和 Databricks、Snowflake 这些公司在巅峰期的估值相比，你怎么理解这件事？
Gavin OpenAI 和 Anthropic 从资本效率的角度来看是非常不同的两家公司。Anthropic 的单token成本明显更低，这一点显而易见——看看他们达到相近收入规模所烧掉的钱，Anthropic 大概少烧了 80%。所以从商业模式来看，它们的资本回报率（ROIC）结构差别极大。
我认为 Sarah Friar 是最出色的 CFO 之一，他们也在做很多努力来改善这方面。
Patrick 而且他们也锁定了大量算力。
Gavin 对，他们锁定了大量算力。这是另一个重要区别——事实证明，激进出手是对的。
Anthropic 目前 ARR 约 500 亿美元，估值 9000 亿美元，增长速度惊人——说实话，如果 Anthropic 能挥一挥魔杖，随心所欲地获取所需算力，他们今天的收入规模可能早就超过 1000 亿美元，也许是 1500 亿美元。
他们已经明显降低了 Claude 的"智力输出"。Claude 即便在 Opus 模式下，对于完全相同的问题，生成的 token 数量也减少了 70%。正如我们上次讨论的，token 数量在某种程度上等于答案质量和思维质量，同时每个 token 的信息密度也很重要。作为用户，我切实感受到了这种变化。所以他们实际上本可以产生更多收入——1000 亿、1500 亿，甚至可能是 2000 亿。所以你现在购买，大概是以 5 倍左右的倍数买入——我要造个新词——"无约束年化经常性收入"（URR，Unconstrained Run-Rate Revenue）。
Patrick 那你觉得他们为什么不直接以 3 万亿美元的估值融资 1000 亿呢？如果你是 Anthropic 的 CFO——Krishna 非常出色，我们刚刚采访了他——或者你是 Sarah，在我看来，从 Krishna 那期节目播出后收到的大量反馈来判断，我认识的每个人都在试图投资这两家公司。
Gavin 我认为这是明智之举。未来充满不确定性。你显然处于一场极度资本密集的竞争中。即便你是 Anthropic，即便他们今天的推理毛利率已经非常正向，即便 Anthropic 今年可能已经开始产生现金流——你仍然希望能够持续融资、获取更多算力。世界充满变数：乌克兰局势正在出现逆转，俄罗斯会如何应对？伊朗的不确定性依然存在。这种种不确定性可能会随时间推移放大地缘政治风险。
如果我想到 Elon——Elon 总是能让投资人赚钱。他把这视为一种神圣的契约。正因如此，20 年来他让人赚了钱，他获得了一种超能力：随时随地、几乎无限制地融资。专注于让投资人赚钱是明智的，这带来的好处不止持续一两年，而可能持续未来 20 到 30 年。
Patrick Elon 做到这一点的方法是系统性地给 SpaceX 或其他公司定低估值？具体是怎么做的？
Gavin 就是从不在估值上贪婪，从不推高估值。就这么简单。我的朋友 Antonio 指出，SpaceX 在过去十年里以每年约 30% 的低速复利增长，而这仅仅是因为 Elon 专注于维护这种超能力，并在投资人和员工之间寻求公平的平衡。我认为这很明智。当然，Anthropic 如果愿意，肯定可以以比最新传闻估值高至少 100% 的溢价融资。
解决能源约束
Patrick 我们来聊聊"瓦特与晶圆"的部分吧——这永远是我最喜欢跟你讨论的话题。这场基础设施建设浪潮的重要性——每次我觉得过热了，下次跟你谈完，我又觉得应该做得更多。你研究了大量 S 曲线以及它们的陡峭程度，对历史也了如指掌。聊聊你今天如何看待"瓦特"和"晶圆"这两大关键输入？
Gavin 资本主义会解决瓦特（电力）短缺的问题——前提是不出现大规模的监管和政治阻力，而这是真实存在的风险。某大型 PE 机构数据中心基础设施投资负责人说，以前能源和芯片是最大的制约因素，现在最大的制约是分区规划和审批——远比前两者更重要。很多公司在等中期选举后再采取行动，比如削减人力，没有人想在中期选举期间成为打击目标。
你已经看到许多涡轮机制造商宣布大幅扩产计划。有两台可以铸造大叶片的机器，我们在西方已经有 80 年没造过了，也已经忘记怎么造了。我绝不是在贬低这背后的工业工程魔法和工艺技艺，但资本主义非常善于随时间解决这类问题。除了这些涡轮，还有其他能源来源，虽然需要更长的时间周期。所以电力短缺可能在 2027 年到 2028 年开始缓解，之后轨道计算将真正解决这个问题。
我想重新定义一下"轨道计算"这个概念，因为当人们听到"太空数据中心"（我们在上期节目中讨论过），他们脑海中出现的是五角大楼那么大的建筑漂在太空中。他们会想："那怎么可能实现？"但那不是真正的样子。一个 Blackwell 机架重约 3000 磅，高 8 英尺，深 4 英尺，宽 3 英尺。这就是太空中的机架。SpaceX 展示了一张插图，那就是卫星本体——大小大概和 Blackwell 机架差不多。它有两翼太阳能帆板，每侧约 500 英尺长。将其保持在太阳同步轨道上，太阳能电池板就能持续朝向太阳。由于是严格的太阳同步轨道，散热片从后方延伸数百英尺——
Patrick 这是常见的质疑点。你怎么散热？
Gavin 我在星舰基地（Starbase）花了很多时间，也和很多 SpaceX 工程师交流过。我认为他们是地球上最顶尖的工程师团队，而且他们非常自信地表示已经解决了这个问题。他们并非总是自信。有些工程问题——比如将星舰改造成火星殖民运输舰——还需要继续攻关。但这些他们会做到吗？
Patrick 绝对会。
Gavin 他们现在更聚焦的是什么？我认为是维修和保养。
Patrick 这是两大主要顾虑——散热，还有机架出问题了怎么维修？
Gavin 答案是：在你拥有浮空的 Optimus 机器人之前，你没法维修。星舰将以我们无法想象的方式改变太空经济。特别是如果法规成为地面数据中心的制约因素——那这些都不重要了，你能造多少轨道计算就卖多少。
当然，这些机架通过激光相互连接，激光在真空中传播，这项技术在每颗 Starlink 卫星上就已经实现了。SpaceX 运营着世界上最大的卫星星座，占所有在轨卫星的 98% 到 99%。每颗 Starlink 卫星——他们今天已经在给它冷却了。Starlink V3 将在 20 千瓦的功率下运行。而一个 Blackwell 机架也只有 100 千瓦。人们常谈论密度问题，但如果你是用激光穿真空连接机架的，你可以把机架做得物理上更大——你关注的是重量，而不是体积。
地面数据中心里，你希望机架尽可能小——你在用铜缆互联，尽量缩短线缆长度，接线本身就是一大成本。能用铜就用铜，不得已才用光缆。但在太空中，SpaceX 可以做很多那些持怀疑态度的人没有想到的事情。他们运营的卫星比任何人都多，他们今天就有一颗 20 千瓦的卫星。所以也许就从这个基础扩展到 60 千瓦开始——他们似乎非常有把握能直接做到 100 到 120 千瓦。
同一家公司现在也运营着地球上最大的数据中心，拥有世界上最顶尖的硬件工程师。而那些几乎都不够格在 SpaceX 工作的人，却在当键盘侠。我不想引用 Larry Ellison 的话，但有人对此持怀疑态度，Larry 就直接说了："听着，他在那边降落火箭。我没看到其他人在降落火箭。"现实是，10 年后，没有任何其他公司能够持续、可复用地着陆轨道火箭——一家都没有。没有可复用性，所有这一切都无从谈起，而可复用性的前提就是你得能把它降落回来。
我想重新定义"轨道计算"：它是太空中的机架，而不是太空中漂浮的五角大楼级别的数据中心，那是无稽之谈。真正构成数据中心的，是你通过激光将这些机架连接起来。所以，它将是太空中的机架，用激光连成一个虚拟数据中心。
产能的"金发姑娘"决策
Patrick 如果我们设想那个状态已经到来——假设这一切都成真，我们非常擅长经济地将这些东西送上去并运行——矩阵乘法遍布太空。那对地面数据中心意味着什么？
Gavin 有人说过，美国会从每一种能源来源中竭尽全力地汲取。我觉得算力也是同样的道理。这也是为什么我比以前更不担心"边缘 AI"的利空情景。我们会消耗掉能获取的所有算力。推理工作非常适合轨道计算，但训练在相当长的时间内仍将在地球上进行。所以我不认为这对地面数据中心来说是大利空——它们在我有生之年都将具有重要价值。
但如果你身处电力生产、冷却这个生态系统，正在大规模扩张产能，你要知道——很多这些产能扩张浪潮将在那些愚蠢的怀疑论者开始意识到轨道计算非常真实的时候涌来。如果你是这些企业中的一家，这是非常值得深思的问题。与此同时，过渡期还在发生很多酷炫的事情：我们在改装喷气发动机方面越来越厉害，Boom Aerospace 也在做这些。资本主义正在努力解决瓦特问题。
但说到晶圆，那就是另一回事了——那是台湾一群意志坚定的老派工程师，他们是台湾最重要的人。他们的工厂占全国 GDP、用水和用电的绝大部分。他们谈论"硅盾"，都把自己视为张忠谋神圣遗产的继承者。
我清晰地记得 20 多年前参观科学园区时与他们的对话。我问："你们觉得自己能赶上英特尔吗？"他们说："这是个美丽的梦想，但也许是我们孙辈的梦想。"但他们做到了，部分原因是英特尔的自毁长城。他们的思维方式非常不同。Jensen 频繁飞去那里，一个重要原因是他希望他们扩产。但有意思的是，Jensen 从未与台积电签过合同。他们做生意凭的是公平原则和握手协议，真是令人着迷——没有合同，就是"我们是合作伙伴，我们会公平地对待彼此"。
实话实说，根据每一次重大基础性新技术的历史市场先例，AI 总会出现泡沫。Carlota Perez 写了一本很棒的书探讨这个现象。市场是高效的，它们能正确识别这是一项基础性新技术。然后会出现 Mauboussin 所说的"多样性崩溃"——所有人都对这项新技术变得看多。我开始有点担心出现这种多样性崩溃。然后泡沫就会形成。泡沫为新技术的基础设施建设提供了资金，但供给会超过需求，随即崩盘。如果是债务驱动的建设，崩盘会特别惨烈，就像 2000 年那样。
当前建设的一大优势是，它仍然主要由运营现金流提供资金，这与 2000 年是一个非常重要的根本性区别。估值也是如此。还有另一个区别是：每块 GPU 都在 100% 利用率下运行，而那时候 99% 的光纤都处于闲置状态。历史不会重演，但会押韵。作为投资人，我们必须高度警觉，并认识到：基于过去两三百年的历史——不用说互联网泡沫，还有铁路泡沫、运河泡沫、各种泡沫、南海泡沫——我们应该预期会有泡沫。这很可怕，没有人想要泡沫。
泡沫的可怕之处在于：如果你对估值敏感，你会严重跑输市场，很可能被所有客户解雇。George Vanderheiden——已经去世了，一位伟大的富达基金经理——他在 1999 年对抗泡沫，2000 年初退休，因为我认为他实在受不了了。他知道这是错的，但他的客户深度怀疑他。"George，你落伍了。"他已经满头白发。他是一个真正伟大的人，我只是短暂地与他有过交集，但他是我的挚友兼导师 Jennifer Uhrig 的重要导师和朋友。所以我身上流淌着很多 Vanderheiden 的血液。正是他说了那句话："过早等同于错误。"George 因为再也无法承受业绩落后和客户的质疑而退休。当时他把基金的 40% 配置在烟草，40% 在房屋建筑商——而实际上，在接下来的三年里，他的业绩大概比纳斯达克高出 20 到 30 倍。
我一直乐观地认为，这种对晶圆的根本性短缺——目前由台积电控制——将能阻止泡沫的形成。如果台积电做了 Jensen 想要的事，我认为 Nvidia 在 2026 或 2027 年能卖出 2 万亿美元的 GPU，也许是 2.5 万亿，甚至 3 万亿。但有一个临界点，届时消费者的消耗量可能会大到让产能供应远超需求，进入过度建设的状态。所以台积电——如果我们不出现泡沫，我们应该为他们开个庆功宴，因为是他们独力防止了泡沫的发生。你开始看到一些公司转向英特尔和三星了。
Patrick 我们假设台积电始终保持严格的产能约束，面对巨大的潜在需求。那会发生什么？
Gavin 历史告诉我们——我不确定是英特尔还是三星——他们迟早会沉不住气。其中一方会打破纪律，然后在某种程度上迫使所有人跟进。很大程度上，这将取决于台积电能在多大程度上保持对英特尔和三星的领先优势，那可能是 9 个月、12 个月、15 个月的差距。
Patrick 你是指领先节点的差距？
Gavin 正是。以及他们扩张产能的节奏。如果我只盯着一件事来判断是否会出现泡沫，那就是台积电的产能决策。存在一个"金发姑娘"区间：他们扩产要足以让英特尔或三星难以真正成为规模化的第二供应商（市占率远低于 30%），同时又要对晶圆保持这种根本性的供给约束，以帮助我们避免泡沫。当然，Terafab 也会在其中发挥作用。
把"台湾城"搬到德克萨斯
Patrick 多说说 Terafab。
Gavin 这是一个——我相信特斯拉也有参与——由 SpaceX 主导的合资项目，目标是在美国境内建造世界上最大的晶圆厂。我认为他们会成功。第一，他们与英特尔建立了合作关系，这非常重要，因为他们从而获得了英特尔 50 年的制度性知识，而英特尔目前只落后前沿几个季度——大约 9 到 12 个月、3 到 5 个季度。这是一种优势。
另一个优势是，Terafab 将获得所有半导体设备公司 A 团队的倾力支持。台积电能追上的一大原因是 ASML、KLA-Tencor、泛林半导体、应用材料——它们都希望台积电追上，它们不喜欢只有一家买家的买方垄断格局。那些 A 团队当年就在台湾工作。英特尔犯了一些错误，结果台积电就胜出了。所以现在，那些 A 团队会因为 Elon 在硬件工程领域的声望而来到这里。
在美国，政治在某种程度上取代了宗教，这让一些美国人很难客观地看待 Elon——因为他插手政治，部分人对他存在偏见。这很遗憾，因为我确实认为他为美国所做的贡献可能超过任何其他美国人。他独自一人将制造业带回美国，他重振了国防科技，SpaceX 某种程度上是美国最重要的国防承包商。他做了 Starlink，这对世界来说非常伟大。他创造了大量蓝领制造业就业岗位，这既是许多自由派的愿望，也对美国有益。他为去碳化做的贡献超过任何在世的人。而且，如果你出于环保原因担忧地球上的数据中心，好，这里就有解决方案了——
Patrick 把它们送上太空！
Gavin 这是一个遗憾，但他在中国、台湾、韩国和日本，就是一个活神明。深入观察他很久后，我认为他要做的事情是：招募最优秀的人才——因为最顶尖的工程师，尤其是硬件工程师，都想为 Elon 工作。在 Terafab 旁边，会有一座"台湾城"。"这是你最爱的餐厅？好，我把它们连同整个员工队伍从台湾搬到德克萨斯，把你喜欢的一切都原原本本地复制过来。"然后会有"日本城"——同样的逻辑；会有"韩国城"；会有这一切，完全按照工程师的喜好量身定制，就是为了招募最顶尖的人才。而英特尔和三星的管理层，根本不是这种思维方式。
所以他会拥有最好的人才，拥有晶圆设备公司的 A 团队支持，拥有英特尔——这一点至关重要。这对任何政府的政治目标来说都是极大的利好。而且我认为它的方向独特，不会伤害台积电。
Patrick 这些项目的周期都很长，对吗？Terafab 要能量产芯片，还需要相当长的时间。
Gavin 拭目以待。Elon 做事的方式向来与众不同。别人建一个数据中心要三年，他 122 天就建好了。三星当时不得不在德克萨斯厂区给他安排一个办公室，因为他对他们扩建和建设的进度非常不满。
前沿 Token 与"苦涩教训"
Patrick 你之前提到了 DeepSeek。对它最简单的解读是："这些模型将以极小的成本实现 95% 的效果。蒸馏的中国开源模型，我们可以用来处理大多数任务。快进两年，我的小公司没有理由每年在 token 上花一百万美元。"
但实际情况与此大相径庭，我很好奇你是怎么理解这种落差的。
Gavin 我确实觉得这很有意思——前沿的回报效应。在模型层，AI 带来的经济回报，并不是全部，但压倒性的大多数，都集中在前沿，这让我感到惊讶，也让很多人感到惊讶。这是投资者必须建立假设的最重要问题之一：前沿 token 是否会继续捕获模型层创造的经济价值中的绝大部分？
这确实出乎意料。我记得当 Gemini 3.1 Pro 发布时，我惊为天人，觉得实在太好了。而今天，我已经觉得难以忍受了。可能有一点动态是：公司用前沿模型做原型，但当要上线生产时，你听到越来越多的人使用 Vertex 或开源模型。但无论如何，今天的事实是：绝大多数经济回报来自前沿 token，这是令人惊讶的。这种趋势会否持续，是个非常有趣的问题。
经历了 Gemini 3.1 和 Opus 的亲身体验，我对此更加开放了。我确实经常用 Grok 4.3，它确实在帕累托前沿上。那些处于帕累托前沿的公司——顺便说，这是一个重大变化，也是我们上次谈到的内容的结果——Google 因为在 TPU v8 上做出非常保守的设计决策（部分目的是从 Broadcom 那里夺回一些控制权），而失去了单 token 成本的领导地位，而 Nvidia 则继续做出激进的选择。
但 Google 曾经主导帕累托前沿——帕累托前沿即智能与成本的最优组合。这是分析 AI 实验室最重要的维度。九个月前，Google 主导这条前沿，OpenAI、xAI 和 Anthropic 都在其内侧。现在，帕累托前沿由 Anthropic 和 OpenAI 主导，Grok 4.3 也在其上——它是目前最好、成本最低的 500 亿参数模型。然后 Gemini 3.1 还勉强守在帕累托前沿上，但我愿意打赌，他们是在以补贴方式维持这个位置，只是为了面子。
违背 Richard Sutton 的"苦涩教训"，绝对是整个 AI 投资的最大风险。越接近 AI 的人，就越怀疑这件事会发生。3 月份市场走弱的一个因素，是 DeepSeek 的一个更"愚蠢"的版本——一个叫做 TurboQuant 的东西。
TurboQuant 是 Google 的一种内存优化方法，一年前就在论文中发表了。在 Google 正与 Micron、三星和 SK 海力士谈判长期协议、试图锁定高价格的过程中，他们发布了这个消息。人们的行动总是比言语更能说明问题。他们在 X 上将其公开推广，随即病毒式传播："天哪，DRAM 要完了！这是 DRAM 优化方案。"但我实在找不到地球上哪一位 AI 工程师相信 TurboQuant 会对 DRAM 需求产生任何实质影响。
尽管如此，违背 Richard Sutton 苦涩教训的风险是真实的——"更多算力永远优于人类的算法创造力，更多算力和数据、Chinchilla 最优、乃至超越 Chinchilla 最优——这是今天人们越来越普遍的做法。"这是真实的风险。构建这些模型的人对这种风险持怀疑态度。而我之所以不那么怀疑，是因为我认为我们已非常接近 AGI（通用人工智能），而苦涩教训对 400 IQ 的模型是否依然成立，尚未可知。
也许我们会经历一个短暂的阶段：一旦达到 AGI，它首先想做的，可能就是让自己更聪明、拥有更多资源——它会通过让自己变得更高效来实现这一点。我认为这是一个真实的风险。苦涩教训字面上就包含了人类。所以，我们即将看到它是否同样适用于 300 IQ 的 AI，然后是 400、500、600 IQ……在某个时刻，基于 AI/AGI 本身，可能会出现苦涩教训的暂时性失效。
AI 定价：从"随心所欲"到"按量计费"
Patrick 我很好奇你如何看待模型周边的一些其他创新——持续学习和记忆，似乎是人们最关注的两大方向，认为它们可能会带来又一个新范式。你怎么看这两者的角色？
Gavin 我们通过这些"框架"（harness）对记忆做了很多工作。事实证明，框架工程不如模型本身重要，但也非常关键。这些框架和模型正越来越多地被协同开发。框架最重要的功能之一——你通常可以把它理解为模型运行的运行时环境——是知道工具在哪里、创建上下文、管理记忆和状态，以及提供非常具体的提示词或指令。
Patrick 即使是简单的版本，也能产生巨大的差别。
Gavin 差别极大。上次我来节目，或者之前某次，我说过："作为投资者，你必须花 250 美元一个月的订阅费，建立自己的直觉感受。"但现在那条路已经不够了。要理解今天的前沿 AI 真正具备什么能力——哪怕是非编码的使用场景——你需要用上 Claude Code 或 Codex，并且需要企业级订阅。
原因在于——这也是 Google 失去成本领导地位所带来的另一个动态——这些 AI 模型刚刚转向基于使用量的定价模式。如果你还在用那种 250、300 或 280 美元一个月的包月方案，你得到的是严重限速的版本——是被阉割的 AI。因为正如我们谈到的，Claude 现在生成的 token 减少了 70%。如果你想让 Claude 和它的框架真正认为自己需要生成那么多 token 来给你一个好答案，你就必须选用按量计费的方案。
顺便说，这对 AI 来说极度利好。回到 2005 到 2007 年，手机一直是过去十年的优质增长行业。原因是，它结合了固定定价（比如 900 分钟的套餐）和超出额度后的按量计费。手机什么时候停止成为优质增长行业的？就是当所有人都转向无限流量套餐的时候。顺便说，长途电话也是一样。AI 现在正在从无限制套餐转向按量计费。事实证明，人们真的很喜欢和朋友打长途，真的很喜欢打电话。
而人们也真的非常喜欢使用 AI，特别是现在一个人可以同时运行 100 个 AI 代理。所以，向基于使用量的定价模式转变，可能正是为什么你会看到今年 OpenAI 和 Anthropic 的 ARR 将远超 2000 亿美元的原因。不仅是更多算力即将上线，他们还将能够通过这些基于使用量的企业级方案推高前沿 token 的定价。
这有些遗憾。对于那些负担不起的人来说，这意味着他们将无法接触到前沿 AI。这也会扭曲很多投资者对 AI 能力的直觉判断。
回到持续学习——如果我们解决了这个问题……
Patrick 你如何理解这个概念？
Gavin AI 不断更新它的权重。最终形态可能跟我们预想的不同。人类的心智仍然存在很多谜题。我们的学习效率比 AI 高出许多个数量级——我们是极其"样本高效"的学习者。今天在可验证领域，我们有一种粗糙版的持续学习，那就是训练过程中的强化学习。而"持续学习"指的是：模型能够实时、动态地调整自己的权重或以某种方式自适应更新。
作为人类——我第一次把手伸进火里，我就学会了。我之前从未经历过。而今天的模型需要把手伸进火里一百万次，然后让设计者在下一次训练运行中放入"火"，或者在强化学习训练场景中设置"火"，才能学会。我认为必须实现权重的动态更新，但人们正在研究超越这一框架的很多聪明技术。
如果实现了持续学习，我们将迎来非常快速的起飞。人们似乎对持续学习即将到来充满信心。这是第三个核心问题。苦涩教训是否会被 AGI 违背，或者更低可能性地被人类的算法创造力打破？前沿 token 是否会继续维持其溢价？我们是否会实现持续学习，又将于何时实现？
芯片的"铁三角"
Patrick 新兴芯片公司在这一切中扮演什么角色？我们谈了很多 Nvidia 与台积电的关系，英特尔，以及各种相关话题。现在百花齐放——我觉得字面意义上可能真的有上千朵花——都在试图打造新芯片，解决某个瓶颈。你如何看待这个领域的机遇，以及它将发挥的作用？
Gavin 我认为这对世界和 Jensen 来说都是好事、健康的事。对 Jensen 也有好处，因为不同的政府可能会有不同的态度。竞争对所有人都有益，探索不同的架构对行业也有益。
道理在于：坦克设计中有一个"铁三角"的概念。坦克设计的铁三角是：所有设计者都必须在攻击力、防御力和机动性之间做出取舍——这是显而易见的。防御越强（就是装甲越厚），坦克越重，机动性越差。所以你必须在这个三角形中生存，做出取舍。以色列的梅卡瓦主战坦克以防御力为优先，俄罗斯坦克和豹式坦克则通常更重视机动性。
芯片设计也是如此。物理定律施加了根本性的约束——体现在你必须遵守的台积电设计规则中。TPU、Trainium 和 AMD，本质上都是在努力做出更好的 GPU。今天，我认为 Trainium 做得最好。目前还没有人真正打败 GPU，但 Trainium 在和巨人掰手腕。他们还没真正开始全力以赴。Trainium 3 需要进入量产，因为它有一个交换式扩展网络（switch scale-up network），这对 MoE 模型的推理经济性至关重要。很多公司用的是环形（torus）架构，Google 当时就是这样；Google 正在开发交换式扩展网络。AMD 总是稍微落后一点。MI450，我们还不了解，拭目以待。我们对 Trainium 3 的了解可能比 MI450 还多。
但这是一场很难玩的游戏，所以你必须做一些不同的事情。而且那件不同的事情还必须足够难做。对这些创业公司来说，我的经验法则是：1% 的市场份额将价值 1000 亿美元。1000 亿美元是相当不错的风险投资回报。我认为 Jensen 会说：如果有人做了不同的东西，并且做到了 1%、2%、3% 的份额，我们就自己做这个芯片。这是对所有人的威胁。但如果你是在试图做一块更好的 GPU，那就祝你好运吧。如果你做的是不同的事情，它还必须是很难做的事情。
你可以做出不同的取舍。预填充（prefill）和推理（inference）的拆分真正打开了做不同取舍的视野，因为你可以为解码（decode）阶段做出非常激进的取舍，也可以为预填充阶段做出激进的取舍。
Patrick 预填充就是摄取上下文，解码就是生成输出。
Gavin 对。我有一位优秀的同事叫 Andrew Fox，他说："想象一艘18世纪的英国战舰。预填充就是装填炮弹；解码就是开炮。"预填充从字面上说，就是模型理解问题和提示词——然后持续跟踪自己的回答。这从根本上是一个受内存容量限制的问题。解码就是生成新 token 的过程，这受到内存带宽的限制。
所以如果你是芯片设计师，这给了你更丰富的画布。但即便如此，你做的事情必须足够难。如果你在那个铁三角中做出不同的取舍，专门优化内存容量——而这些取舍并不难做——Nvidia 也会做同样的取舍。他们从台积电获得的价格比你永远都要好。祝你好运。而且他们还有与每家模型公司合作、优化设计的优势。
顺便说另一件很有意思的事：如果你是一位风险投资人，正在投资一家半导体公司，而这家公司告诉你他们将凭借对某个台积电特殊工艺的独特访问权来建立竞争优势——我可以保证，Jensen 在那个工艺还是台积电脑子里的一个想法时，就已经知道了。他们对这个工艺的了解，远超那家只有 200 人的小公司所能想象的。台积电，以及整个供应链上的所有人，都在向 Jensen 展示一切，向亚马逊、AMD、TPU 展示一切。这是另一个理由——不要去试图做一块更好的 GPU。
所以你可以做不同的事，你可以在预填充画布上作画，可以在解码画布上作画。但你还必须做一些难的事，因为一旦规模化，这四家公司都会非常迅速地跟进。
我的公司曾是 Cerebras 的风险投资人。Cerebras 做的事情很难、很不一样——晶圆级计算。这带来了一系列取舍，但他们做出的这个架构决策很难复制，让他们能做到其他人做不到的事。我们还不知道这条路能走多大，但他们在做一些很酷的东西。Cerebras 面临的一个问题是，一旦你开始需要把大量芯片粘合在一起、使用大规模的扩展网络，你就需要大量 I/O，而 I/O 受到芯片"海岸线"（shoreline，即芯片边缘）的约束。
Cerebras 的片上计算和内存相对于海岸线 I/O 的比例是压倒性的。但他们是非常聪明的人，他们做了真正困难的事。他们正在探索能否直接在芯片上叠加一层光学晶圆，这就能解决那个问题。我相信他们也在研究混合键合 DRAM，以绕过 X 上被大量讨论但实际上并不成立的所谓局限性。Cerebras 机器理论上可以运行任何规模的模型，只是在某些规模上它明显比其他选项更有优势。
所以我认为 Cerebras 很有意思——他们做了不同且极难做到的事：晶圆级计算。我认为这类公司是有存在空间的。我只是鼓励它们所有人都做出不同的取舍，尝试做一些难的事。Cerebras IPO 之后，每家公司都会获得融资，这不是问题。但 Cerebras 花了三代芯片才把它做对。看着 CEO Andrew Feldman——你能感受到他和整个团队走到今天是多么艰难。他们需要有韧性来撑过去，要有抗压能力。第一代芯片失败了，这很正常，可以接受。但你能回来做第二代吗？
最后补充一点：芯片拆解化将让 GPU 的有效使用寿命大幅延长，而且可能独自拯救私募信贷。
Patrick 多说说，你说私募信贷是什么意思？
Gavin 私募信贷因为这些 SaaS 贷款而处于困境，不管它们现在被标注在什么价位，可能都需要进一步减记。如果公开市场的公司都在挣扎着适应，一家背负债务的公司要如何适应并投资于一种完全不同的利润率结构业务呢？GPU 里面也有很多私募信贷，当初的核销周期我认为被设定为 3 到 4 年。推理的拆解意味着这些 GPU 将拥有 10 到 15 年的使用寿命。
AI 怀疑论者说："这些公司都在粉饰账目，GPU 的有效使用寿命只有一两年，CPU 的有效使用寿命也只有 4 年，因为技术变革太快了。"不对。快速的技术变革——随着推理的拆解——意味着你可以把 Cerebras 系统或 Nvidia 收购的 Groq LPU 放在 Hopper 甚至 Ampere 前面，用那个 Hopper 和 Ampere 来做预填充，从而把那块 GPU 的有效使用寿命延长到它真正物理损毁为止。它们确实会损毁，有物理寿命，但也许你不需要以最大负载运行它们。
这对整个私募信贷行业来说将是一大利好。这将有助于为 AI 建设浪潮提供融资，因为如果你能以 5% 或 6% 的利率为 GPU 融资，而不是像 CoreWeave 最低融资利率也是低 7 点几的水平——这在数学上确实会改变整个建设的融资成本。我们拥有了这项技术创新，它将降低融资成本，延长地面算力的有效使用寿命。
最后值得一提的是：我的朋友 Jaimin 来自 Coatue，刚做了一期播客。Coatue 有一张幻灯片，讲到"短缺的卖方比买方做得好得多"——买方是那些超大规模云服务商。但如果你拥有一个庞大的已安装基础资产，而这些资产目前正处于短缺之中，那也是一个非常好的位置。我们听到 CPU 在代理 AI 世界中比以往重要得多——它们负责编排、工具调用等一切工作。世界上最大的 CPU 资产池在超大规模云服务商手中。一些超大规模云服务商可能会在某种程度上缩小与"短缺卖方"的差距。
初创公司如何在压路机前生存
Patrick 我想聊聊这个"不同且困难"的理念，应用到基础设施之外的领域。现在你开始与新一代创始人以及需要适应新世界的现有 CEO 和创始人打交道。在那些不做芯片、不做基础设施、不做模型，而只是在使用这项技术构建其他产品的、最具 AI 原生属性的创始人身上，你看到了什么？如果你观察到差异，他们在哪里感觉最不一样？
Gavin 这不只是芯片设计的问题。对我来说，它一直是风险投资的根本问题。有些想法，任何人一听到就觉得显而易见。如果你在风险投资中就处于这种情况——如果这件事不难做，如果在你建立规模之前就已经对全世界显而易见——你就麻烦了。规模是终极优势。
亚马逊的伟大之处在于，我认为这件事对很多人来说是显而易见的，但对零售业的 CEO 们来说并不明显。亚马逊非常聪明。任何 VC 投资的电商公司，他们都会摧毁——"哦，这好可爱，我们要把那个品类的利润率打到负一万。"比如 Wayfair，他们做了真正困难的事情。亚马逊试图消灭他们，但失败了。那些都是极其坚韧、运营能力极强的 CEO。
对我来说，在风险投资中，我总是在看：这件事在这家公司建立规模之前，会不会对全世界变得显而易见？或者说，这件事既不明显，又不同，还真的很难做？很多创始人在 AI 时代面对这个问题都非常挣扎。现在人们开始担心，在 Jensen 的 AI 五层蛋糕中，利润流向了能源、数据中心、芯片、模型——并没有真正流向应用层。
Cursor 和 Cognition 做大了。他们聚焦在编程。18 个月前，OpenAI 在到处撒网，而聚焦编程的是 Cursor、Cognition 和 Anthropic，专注编程当时是完全正确的选择。Replit 的创始人 Amjad Masad 发了一条我觉得非常睿智的推文，大意是："苦涩教训的近亲是：编程可能是通往 AGI 和有用 AI 的最短路径，因为如果你真的擅长编程，你就能为自己写代码来做任何事情。"
所以那些公司当时非常明智地聚焦在编程上。他们大概都到了有一席之地的规模。我认为 Cognition 做的事情真的非常不同。但很多创始人确实挣扎，他们试图在"更小众"的领域获得信心……
Patrick 他们不会被碾压。
Gavin 他们能在模型公司进入那个细分领域之前，先建立数据护城河；或者这个细分领域足够小，以至于模型公司不会亲自去做，但依然能产生一个风险投资级别的回报。
Patrick 这与你所说的"token 通路"有关吗？我知道你之前和我用过这个词。
Gavin 对，我认为这个词来自 Altimeter 的 Jamin Ball。他说："如果你是任何形式的软件公司或 AI 公司，你必须处于 token 通路上。"所以 Databricks 在 token 通路上，同类公司也在 token 通路上。如果你不在 token 通路上，又没有处于某个真正细分的领域，日子可能会很难过。
即便在这些垂直细分领域，如果你和模型公司的人聊，他们对某些案例也是持怀疑态度的——因为这些垂直领域产生的所有数据都来自人类。你在赌的是：你能利用这个狭窄垂直领域的专有数据，训练出一个成本比前沿实验室永远都更低的模型。这或许是个好赌注，但你必须非常非常谨慎。
另一方面，如果前沿 token 相对于其他 token 的回报开始下降，应用层将会爆发出巨大的价值创造。另一个非常重要的点是：我相信，Jensen 只要想，他随时可以非常接近前沿。
Patrick 用他自己的模型？
Gavin 用他自己的模型。我不认为他想这么做，但 OpenAI 和 Anthropic 正在试图对他这么做，虽然没有成功。他是个非常理性的思考者，这是合理的反制动作。你会看到，开源前沿——今天主要由包含被窃取美国 token 的中国模型构成——会有人告诉我，DeepSeek 最初的版本只用了 15 万条推理轨迹。如果你是中国公司，有很多方式可以"漂白"这些数据：你可以打所有不同的 API，让追溯变得困难。美国的实验室正在努力开发反蒸馏技术。中国开源在极度资源受限的情况下做出了令人印象深刻的成绩，但其中有大量的蒸馏。
这也是为什么，除了没有足够的算力来服务 Mythos，他们不希望它被蒸馏。他们想用 Mythos 自己做蒸馏，用它来强化学习训练下一个模型，诸如此类。而 OpenAI 和任何一家前沿公司最终都会面对一个非常有趣的博弈论问题——这是一种新型囚徒困境。旧的囚徒困境是"你必须持续投入"。新的囚徒困境是：如果你处于前沿，你要不要通过 API 开放那个模型？如果所有前沿公司都同意不这样做，中国开源就只会——但只要有一个人叛离，他就会拥有最好的模型，获得大量收入和现金流，然后资源等于智慧，他就会开始拉开差距，最终迫使所有人开放。这是一种全新的博弈论。
这在某种程度上和台积电、三星、英特尔之间的博弈是一样的逻辑。现实是，如果像 Nvidia 或 AMD 这样的公司真正开始大规模使用其他晶圆厂，那家晶圆厂就会迅速变强。所以 Jensen 会让开源始终落后于前沿某个时间窗口。这将是非常值得关注的有趣博弈。
最后说一点：开源是可以商业化的。有一种误解，以为开源是免费的。开源 token 需要消耗能源来生成，你需要在 GPU 上赚取利润，而开源模型公司几乎总是能获得收入分成。
驾驭机关枪
Patrick 你如何为 Atreides 在 Mythos 3、Mythos 4 的世界做准备？
Gavin 我们只是在努力过度投入于网络安全。我真的认为每个人都需要有一个家庭暗号。大家需要把数字设备放在一边，真正去到海边，和家人或公司定一个暗号。这个暗号不能是可以被社会工程学攻击猜到的。这只是为了防范网络犯罪——那种看起来像是你儿子、女儿、祖父母或父母的 FaceTime 视频。那是一个完全逼真的模拟。它知道关于这个人的一切，能根据他们可能说的话进行推断，然后对你说："给我汇一百万。"所以我们在网络安全上竭尽所能。
Patrick 那是防守。分析和处理能力方面呢？你还能做什么是 AI 做不到的？
Gavin 这是个好问题。我刚看了《最后的武士》，我也请公司里的同事去看了。如果你还没看，我强烈推荐。这是一部 20 年前的汤姆·克鲁斯电影，现在依然经得起时间考验。
故事的设定是：汤姆·克鲁斯饰演一个内心苦涩、英雄迟暮的南北战争老兵——他其实是位很出色的战士，但他苦涩，因为他觉得自己参与了对印第安人的不公正行动。时值明治维新，他被日本政府的现代派雇去训练一批农民，教他们如何对抗武士。第一场战役中，武士胜了，尽管没有枪。他奋勇作战，因此武士决定不杀他，带他去了他们的村庄。他成了武士，那里让他想起了南北战争，于是他选择站在武士一边战斗。最后，他被一个拿着机关枪的农民屠杀了。
机关枪已经来临。如果我们不都成为驾驭机关枪的人，我们就会被机关枪所制服。所以我正在努力成为驾驭机关枪的人。我乐观地认为，我们还有相当长一段时间——就像一个经历过多场战争的 50 岁武士老将："我打过很多仗，主人矮人。"——你使用机关枪时会有你的优势。作为终身的投资学生，我乐观地认为，我能够掌握这项新技术——机关枪——将它融入我自己的流程，融入我们公司的流程，以让我作为人类在很长时间内继续贡献价值的方式。
就像每个人一样，我现在一直在运行代理。
Patrick 你最有用的 AI 代理是什么？
Gavin 我单个最有用的代理是：对我感兴趣的内容，从播客中提取要点并给出高质量的摘要。每天有 6 个小时的内容，我觉得看这些内容是我工作职责的一部分。每次 OpenAI、xAI、Google、Cursor、Fireworks、Baseten 的人发言——更别说 Jensen、Elon、Dario——我都觉得我必须看，但我没有那么多时间。有些真正的宝藏藏在茫茫信息中。对我来说，这是最有用的。
还有一套我总是想看到的信息。我对管理层薪酬非常敏感。他们的激励结构是什么？他们只有简单的 RSU，还是有 PSU？如果有 PSU，那些 PSU 激励他们做什么？我们现在有系统能够非常好地完成这项工作的第一次筛查。这节省了大量时间，让人们得以投身于更有创造性的工作，而不是去翻阅代理人声明、找出 PSU 条款、对比所有历年代理声明的变化——因为其中是有信号的。这非常耗费人力，而这类工作极其适合 AI 来做。
投资中还有无数类似的场景。在这些方向上对团队施加压力是有益的。这是一个最令人兴奋、最令人振奋的投资时代。我开始有点担忧了。
Patrick 多样性崩溃这件事？
Gavin 对。
当垃圾公司变成印钞机
Patrick 再多讲讲什么样的人在走向"投降"吧。
Gavin 我不认识有谁和我一样却对 DRAM 不看多的。现在 AI 领域正在发生各种有趣的事。其中之一是：从横截面来看，估值根本说不通。就是完全说不通。不可能全部都是真的。半导体设备公司以下季度年化收益的 40 倍在交易，而 DRAM 公司却只有个位数中段的倍数。在上一个周期的高点，那是 5 倍对 12 倍。有一段时间是 3 倍对 45 倍。这两者不可能同时成立。是的，半导体设备公司的资本支出商业模式改善程度超过了内存业务模式，我们还不知道 HBM 会在多大程度上改善内存的商业模式。是的，它们有一定的零配件和维护经常性收入，但这不值得高达 1000% 的估值倍数差距。
很难调和 Nvidia 的估值与 GE Vernova 的估值——后者内嵌了一个令人无法想象的 Nvidia 份额流失假设。所以横截面的估值差距真的很大。
由于我们正处于短缺时代，质量最低的公司反而表现最好。如果你是石油天然气投资者、矿业投资者、大宗商品投资者，习惯于思考成本结构，这一点对你来说非常直觉：在一个大宗商品真正的牛市中，成本最高的供应商涨幅最大，因为他们受益最多——他们从濒临破产变成了喷涌现金。这也是大宗商品投资极其困难的原因之一。质量型股票在周期上行中表现优秀，但高成本型股票在短缺和大宗商品牛市中飞涨，然后在下行周期中破产。
这种现象在每个行业都在上演。那些被超大规模云服务商和买家鄙视的最低质量的玩家——成本高、不可靠、零件故障率高——现在都卖断货了，还在涨价。这些动向引发了 X 上散户账号的兴趣，于是这些股票被炒上了天。而一些更高质量的标的反而真的跑输了。作为投资者，这很难受，因为你确信那个三个月或六个月涨了 10 倍的东西注定要跌回去——除非它们能用所有的现金做一些有意义的事情。
让我有点担心的是，一年前非常怀疑的人，现在已经不再怀疑了。但我把这与那些高质量公司的估值对比，发现它们并不过分，这让我安心了一些。我在 2024 和 2025 年一直觉得很奇怪，为什么有人问起 AI 泡沫或谈论它。你面前有一个核能泡沫、一个量子泡沫，明摆着在那里——我们在说什么？AI 才是真实的！
一些核能和量子的泡沫水分，或许已经蔓延到了更投机性的、质量更低的、市值更小的名字上——那些在 X 或 Reddit 上有强大影响力的，很容易就能拉动它们。这让我有些担心。但我只是希望有更多 AI 空头。我希望有更多内存空头。Astera 是我长期关注的股票，有很多空头，我对此反而很喜欢，很好。我在 C 轮就开始投资了。祝那些认为它是铜的输家的人好运。
还有一点——你能感受到市场中的因子篮子和杠杆篮子，而你所在的篮子至关重要。铜、光学、DRAM、NAND。今年发生了一件很有趣的事：在 2024 和 2025 年，AI 交易作为一个整体联动。你可以做多 GPU 算力、扩展网络、光学互联，做空电力或其他板块。从风险管理的角度来看，这个对冲组合是有效的，因为我非常关注因子暴露。
但到了今年 1 月，这一切都崩溃了。扩展网络在疯涨，而扩展互联却在下跌。或者 DRAM 大幅跑输 NAND 和 HDD——这种情况以前从未发生过。这些 AI 内部的横截面相关性在 1 月份真的以一种非常有趣的方式瓦解了，你必须变得非常精细化。你再也不能用半导体设备或 NAND 来对冲内存仓位了，所有横截面的关联性在 1 月份都发生了非常有趣的重大变化。
这其中一个可能的原因是：AI 质量提升到了一个程度，突然很容易让一批人对这些不同子板块真正变得非常聪明，开始交易它们，然后这些股票被归入篮子，那些篮子又影响了……
Patrick AI 正在创造价格效率。
Gavin 对，正是。在这些我认为可以长期复利增长、安全的高质量标的之外，最大的机会在于那些被错误分类的股票。Astera 被放进了很多"铜的输家"篮子里。但 Astera 最大的产品将是一款交换机。你用铜缆和光缆来连接交换机和加速器。从定义上说，如果你是一家交换机公司或加速器公司，你就不可能是铜的输家，因为你会站在那条连接的另一端。
主要超大规模云服务商巡礼
Patrick 我想请你对各大主要公司——谷歌、微软、亚马逊——这些公开市场上的主要玩家，各用一两句话点评一下。所有的讨论都围绕在那些令人兴奋的新公司上。你能逐一讲讲吗？
Gavin 谷歌去年表现出色，因为他们拥有 TPU 优势，但那个优势现在已经消失了。我认为他们仍然处于非常强的位置，原因是他们拥有所有人中最多的算力。我们谈到了在短缺背景下已安装算力基础的价值更高——而谷歌的已安装算力基础是最庞大的。
Google I/O 就在本周。如果他们发布的东西哪怕只是略微超越 OpenAI 和/或 Claude，那将非常有意思。即便没有，对谷歌来说也不是灾难，只是有趣。这只意味着我们讨论的 Nvidia 效应，比我可能想象的还要强大。但我非常好奇，字面上 5 天之后谷歌公布新成果，帕累托前沿会是什么样子。这是他们手中的一张大牌。但无论如何，凭借他们拥有的数据量——YouTube 数据其实真的非常有价值，在机器人领域也很有价值——以及他们拥有的算力量、搜索业务——谷歌永远不会处于不利地位。这从 GCP 的疯狂增长就能看出来。
你必须对扎克伯格给予极大的赞誉，他将 Meta 打造成了一家 AI 优先的公司。他是那些真正的互联网巨头中唯一做到这一点的人。他在适当的时机为合同和人才大力投资，这是值得赞赏的。Muse 是个很大的惊喜——那是 MSL 的第一款模型，虽然还没达到 xAI、谷歌、OpenAI 和 Claude 那样的帕累托前沿，但相当接近了。这让我印象深刻。Meta 的处境变好了——绝对位置仍然不如谷歌，但方向是向上的。在市场中，变化的速度比水平更重要——尤其是在 3 年这样的短期框架里。当然，在更长的时间维度上，竞争优势的绝对水平往往更重要，但即便如此，变化依然举足轻重。
亚马逊处于非常强势的位置，因为 Trainium。在未来 18 个月内，你将看到机器人技术给他们零售业务带来真正的利润效率。我其实认为 Nova——他们的内部模型——还没到 Muse 的水平，但比它们得到的评价要好。
然后是微软——我喜欢 Satya，我钦佩他。他是一位出色的 CEO，他所做的决策值得赞扬。但他确实从"我们要让谷歌跳舞"，在三年内变成了 Copilot 的产品经理。我很想知道——在那场 OpenAI 政变未遂期间，Satya 后悔了吗？他是否希望自己当初支持了 Ilya 而不是 Sam，希望如今是 Ilya 和 Mira 真正执掌 OpenAI？如果那样，微软与 OpenAI 的合作关系今天会非常不同。这是一个我们永远无法得知答案的有趣问题。
但我赞扬他。他现在正在承担风险。在那个不确定锥体中，这关乎你必须做出的决策——不只是花多少钱，而是把钱花在什么上。微软在 2025 年初短暂犹豫了一下。他们有这样一个算法："我们花这么多资本支出，能得到这样的回报。"那个算法出了点偏差。你一旦犹豫，就失去了位置。你会失去那些资源分配，而要找回来非常困难。所以他们犹豫了。
Satya 现在正在做的决定——市场为此惩罚了他，但我认为这是正确的——谁知道如果他们愿意只是把 GPU 卖给 OpenAI，Azure 能增长多快。"我们要用自己的算力，让我们自己的产品变得更好。"Copilot 之所以那么糟糕，部分原因就是算力不够。他们现在正在解决这个问题。他是 Copilot 的产品经理。我确实认为他是一位优秀的 CEO。他们正在努力用自己的算力训练自己的模型。我对他们是否拥有正确的团队来成功于此，有一点怀疑——但就像 Meta 一样，他们负担得起组建一个不同的团队。
但他正在做出重要的、冒险的决策，为微软在前沿模型不再能通过 API 访问的世界中做好定位。这是一个我非常敬佩的勇敢决策。他正在放弃——如果微软把自己的 GPU 只用于服务 OpenAI 和 Anthropic 的产能，而不是用于自己的产品，今天微软的股价可能是 800 美元。所以我为他做出了这个正确决策而赞扬他。
还有一件很有意思的事是，这些公司在对外开放程度上的差距。与初创公司互动最深入的两家公司，是亚马逊和 Nvidia，甩开其他人一大截。然后是谷歌，互动同样非常深入——他们排在第三。Broadcom 的参与方式有所不同，他们是所有人最喜欢的 ASIC 供应商——对初创公司来说，能和 Broadcom 合作做第二代芯片算是升级打怪，而如果 Broadcom 愿意在第一代芯片就跟你合作，那简直是天降甘霖。
然后你几乎看不到 AMD、微软和 Meta 与初创公司的任何互动。当我说"几乎没有"，是确实有一点，但极少。我只是想不通这个决策，因为最优秀的人才已经不在大型上市公司了，他们在这些更小的创业公司里。这最终会成为 Nvidia 和亚马逊——谷歌紧随其后——的一大竞争优势：它们拥有的这种与初创生态系统的深度参与，在其他超大规模云服务商那里是看不到的。
地缘政治、安全与乐观的理由
Patrick 在我们收尾之际，我很好奇你对这一巨大趋势的各种"超纲"的连锁影响有什么思考。我们已经详细聊了受影响最直接的特定公司，也谈了应用层以及什么条件下会有更多价值流向那一层。我很好奇：在这个世界急速变化的过程中，你还在想哪些有趣的连锁效应？
Gavin 很奇怪的是，应用层——别说价值积累了，价值其实已经被摧毁了。即便算上 Cursor 和 Cognition——这些最成功的 AI 原生公司——AI 在应用层净销毁了数万亿美元的价值。在这个背景下，今天表现最好的公司、价值增长最快的公司、创造经济价值最多的公司，是那些每个人类员工配备的 GPU 利用率比例最高的公司。这也许只是意味着每个人都会拥有大量 GPU，但这是一个我们必须认知的有趣事实。
我只想说——这或许有点沉重——我越来越担心人身安全问题。对于那些公众曝光度更高、更与 AI 强关联的人，我更为担忧。我希望不要发生什么悲剧。美国国内政治暴力正在上升。随着 AI 越来越政治化，我担心这种暴力会越来越多地指向 AI 政治领袖。无论我对 OpenAI 有什么看法，我认为有人向 Sam Altman 家扔燃烧瓶是非常可怕的。我担心我们正在走向一个更高方差、更高波动、更高风险的世界，这是因为 AI 带来的。这对我个人如此，对那些棋盘上的大玩家更是如此。
想想这对地缘政治意味着什么。我们目睹着乌克兰正在真正取得胜利。他们胜出的原因，并不主要是因为无人机更好——当然这也有一部分，但关键原因是乌克兰拥有——除了美国和以色列之外——最好的战场 AI。当中国和我们的对手开始意识到这一点，他们会如何应对？如果美国凭借 AI 优势——这对美国来说很好，但对其他国家来说是不稳定因素。
我常常想，应该创办一个慈善组织，向全世界讲述西方文明有多么了不起。奴隶制在几乎每种文明中都是普遍存在的，而奴隶制真正的终结，是由大英帝国推动的。把这个故事讲清楚。再想想美国——1945 年之后，美国拥有核弹，没有任何其他国家拥有，可以永远统治世界。结果我们重建了德国和日本。谁是美国最可靠的盟友？以色列和韩国。这是美国精神和这个国家的见证。我们没有接管世界。当时的历史文献中记载了种种恐惧——麦克阿瑟在日本有点像美国皇帝——人们担心美国将统治世界，而他们本可以做到。但他们没有。他们回国了，裁撤了军队，然后就有了这段大体而言全球稳定的时期——当然也有过可怕的时刻。
Patrick 美国治世（Pax Americana）。
Gavin 对，那是一段美国治世。所以也许这不会造成不稳定。也许它会带来另一个以我们的 AI 主导地位为基础的美国治世。我无比乐观地相信 AI 将对世界大有裨益。有人，和我一样，他的女儿被诊断出患有一种非常罕见的疾病，没有治疗方法。他汇聚了大量资源，从各实验室获得了大量算力。我们知晓了这件事，快速启动了大量 AI 代理，使用 AI 找到了一种实际上对他女儿的病情有效的上市药物，并创立了一家公司来寻求治愈方法。她的生命因为 AI 而发生了无可比拟的改变。
我是一个 AI 乐观主义的极端主义者，但我也承认这就像一个事件视界——它肯定会是我们作为社会需要共同穿越的一个不连续点。我认为勒德分子最终会被证明是错的，但我们需要非常深思熟虑地回应他们的关切，确保 AI 对每个人都有好处。现在最好的 AI 只有有钱人才能用，这有点反乌托邦，我们需要解决这个问题。我们需要以谦逊的态度面对这一切，承认存在大量不确定性，并深思熟虑地前行。
Patrick 每次和你做完这期节目，我都会跟别人说："愿你找到一件你像 Gavin 热爱市场、公司、资本主义和历史一样热爱的事。"
今天一如既往地精彩。Gavin，非常感谢你的时间。
Gavin 谢谢你，Patrick。