The Information发了一篇万字长文，深扒了Anthropic创始人达里奥·阿莫代伊是怎么以强烈的个人意志——甚至可以说是被神格化了——凌驾于所有AI大厂以上的，爆料密度很高，过于抽象的也不少。

我来总结一些重点内容：

- 因为担心自己工作被抢、数据中心推高电价等种种原因，美国人对于AI的厌恶再创新高，而作为最强AI公司领导者的阿莫代伊，却坚持继续推动他所相信的「AI威胁论」，哪怕这会损害Anthropic的融资前景；

- 董事会里有人建议Anthropic多宣传AI在攻克癌症方面的帮助，这是很常见的公关做法，但阿莫代伊拒绝了这一提议，认为不应该掩饰AI给人类造成的生存威胁，然后他转头就安排发布了一则意义不明的品牌广告，以墓碑、乞丐和奴工为开场元素，极其黑暗悲观，毫不意外的被骂翻了；

- 因为Anthropic正在运作上市，投资者都在设法给阿莫代伊施加压力，希望他停止宣扬AI有害论，比较委婉的会恳求他「别再吓唬所有人了」，更直接的则会抱怨阿莫代伊正在破坏自己公司以及整个行业的利益，但他们都承认，再多的蛐蛐都对阿莫代伊毫无影响，他根本不听；

- 有投资者在备忘录里写了Anthropic这家公司的特有风险，那就是它的老板似乎并不在意赚钱这件事情，而阿莫代伊之所以这么强势，只是因为Anthropic处于上升期，看在股权升值的份上，投资者多半可以忍受船长的离经叛道，问题在于，如果驶入逆风局，阿莫代伊是否还能维持资本关系的和睦；

- 阿莫代伊本质上并不是一个反商业的CEO，只是相比经营公司，他更希望成为一个布道的领袖，屡次用AI失控恐吓大家，也是为了强化只有他才是那个有权力决定什么时候该踩刹车的人，如同AI行业的教皇那样；

- 所以阿莫代伊基本上不要介入日常管理，主要都是他妹妹、身为Anthropic总裁的丹妮拉完成，而他本人更倾向于通过长篇信件和Slack通知来和员工交流，这种作风过滤下来的结果就是，他拥有了一批忠诚度极高的员工，他们的离职率在顶级AI公司里出奇的低，而且普遍把Anthropic视为类似「末日地堡」的组织，是人类文明最后的希望；…

- 具体天命所归的自我认知，阿莫代伊对美国政府的态度也非常二极管，所以他会不惜和五角大楼翻脸也要排除用AI监控本土的可能，同时也积极配合商务部推进限制开源模型的政策，只要是为了更崇高的使命，他能把自己的一切行为合理化；

- 其中就包括接受阿联酋、卡塔尔等阿拉伯国家主权财团的投资，阿莫代伊很厌恶中东地带的意识形态，却因需要对方的财力，而不得不和员工解释这么做是利大于弊的，他甚至暗示出钱的王公贵族是坏人，在全员信里痛心疾首的表示打破了「绝不让坏人从我们的成功里获益」这条原则；

- 阿莫代伊最早出现在媒体镜头里，是在2017年，他代表OpenAI向华盛顿的智库展示早期的AI模型，那是一个会打Dota 2的程序，拥有学习能力，当时阿莫代伊就在发言里强调这个程序的进步速度太快，人类必将「无法监督、无法批准、甚至无法理解」；

- 适逢阿莫代伊刚从百度跳槽到OpenAI，负责安全部门，没过多久，他就开始在OpenAI内部推动公布研究成果之前的审查制度，以防知识被不当利用，这挑战了OpenAI早期鼓励研究员们自由发表论文的风气；

- 写备忘录的习惯就是从那时开始的，阿莫代伊会把自己的想法写在一台从不联网的电脑上，然后打印成纸质文件发给同事，偶尔有去中国出差的工作要安排给他时，他会严词拒绝，因为觉得去了就会被绑架😂😂😂；

- 「只有我才能决定什么信息可以公开」的理念让阿莫代伊和OpenAI的部分员工关系紧张，大家本来习惯在Slack里共享代码库，但从开发GPT-3开始，阿莫代伊就把很多核心代码库和Slack频道设为私密状态，由他的团队来发放「门禁卡」，他还差点搅黄了微软雪中送炭的10亿美金投资，当时OpenAI账上都没钱了，阿莫代伊还在阻拦GPT-3的对外演示，觉得会让微软获得通用人工智能；

- 不可避免的，阿莫代伊经常和OpenAI的创始人山姆·奥特曼吵架，他职位低当然吵不过，于是总是在事后把自己关在办公室里，连续刷YouTube视频来恢复情绪，他的妹妹丹妮拉当时也在OpenAI，频繁帮忙缓和哥哥与高管之间的关系，这对兄妹在2020年一起离职创办了Anthropic，并带走了一批同样反感奥特曼的研究员；

- 有些带着对奥特曼的恨意跟过来的同事，后来发现和阿莫代伊的恨比起来，自己的那点怨气根本不算什么，他们私下觉得阿莫代伊对奥特曼这个人恨得有点魔怔了，是真的相信如果OpenAI掌握了最强大的AI人类文明就会迎来世界末日；

- 如今，Anthropic的管理层会把阿莫代伊当作一种「灯塔」——他的注意力在公司里四处扫视，目光所及之处，就会受到高度关注——阿莫代伊的灯光最近照射在公司里的一个经济学团队，他们负责推导和量化AI会对美国经济造成多大的影响，而阿莫代伊非常享受这种动动手指就能决定或是拯救千万人失业的宏大叙事；

- Anthropic的主要人才都相信e/acc（有效加速主义），他们自发的建立起了一种高强度的工作文化，将这波大模型浪潮视为千载难逢的历史性机遇，但阿莫代伊本人却不是e/acc这派的，他时常会做些减速的事情，比如让员工暂时抛开工作，和他一起畅聊社会、政治和战争；

- 除了毫无必要的得罪国防部，阿莫代伊还因坚持在Claude旗舰模型里加入安全过滤器而被财务部门提醒这会增加成本、削弱利润，但他依然坚决不改，不过在竞争对手的追赶下，阿莫代伊也开始有了变通，比如愿意和马斯克在算力上开展合作，放置两人的历史恩怨；

- 事情有点讽刺，阿莫代伊天天嚷着AI就要全知全能了，却连公司需要多少算力储备都没算对，近一年来Anthropic的业务增长远远超过计划，于是他被迫「挨宰」，以高于市场价的费用从马斯克那里租用数据中心，马斯克虽然以前和阿莫代伊闹过不愉快，但他主要还是在和左派Woker们作斗争，在了解到阿莫代伊不属于这一派后，加上两人都很讨厌奥特曼，他也就不计前嫌了，还夸阿莫代伊是一个「很有原则的人」。

* 再补充一个更抽象的信息，阿莫代伊前几天有个私下发言又被捅出来了，他说自己担心随着公司的规模扩大，会吸引一些纯粹为了赚钱而加入进来的员工，本意虽然是他更希望来的人和他一样抱有通用人工智能的使命，但这番表达的不妥仍然引起了铺天盖地的嘲讽，觉得他是自个儿财富自由之后「何不食肉糜」，竟然觉得人类不需要赚钱养家糊口。

而阿莫代伊的反应也很干脆，不反驳，不辩解，默默在官网招聘栏新增了一条岗位信息，以30万年薪招聘一个内部侦探，要求自带反间谍和情报技能，主要职责包括对在职员工进行调查⋯⋯

好吧，这就很阿莫代伊。

#模型时代# 斯坦福讲座：GPU经济学，以及AI泡沫论是如何被终结的。

2026年春季学期，斯坦福工程学院开了一门叫"AI超级周期经济学"的课，编号MS&E435，由Altimeter Capital合伙人Apoorv Agrawal主讲。我之前整理过一本开源电子书，是基于2025年的课程讲座。2026年，这门课又更新了。

这期笔记来自于两位嘉宾的分享：Altimeter创始人Brad Gerstner和Groq前总裁Sunny Madra。

Brad Gerstner 2008年以几百万美元朋友和家人的资金创办了Altimeter，如今管理超过150亿美元。他在互联网时代押中过谷歌Google和Meta，在云时代领投了Snowflake、Confluent、GitLab，在AI时代又是OpenAI和Anthropic的大股东，也是英伟达Nvidia的重要投资人。在投资之外，他推动的Invest America Act已经写进联邦法律，2026年7月4日正式上线，为每个美国新生儿开设投资账户。

Sunny Madra是连续创业者中的"被收购专业户"。他联合创办的公司先后被Pivotal、福特、Groq收购，每一次规模都更大。在Groq担任总裁期间，他主导了Groq Cloud的上线，并在2025年底促成了英伟达以200亿美元收购Groq推理技术资产的交易，这是英伟达史上最大一笔收购。交易完成后，Sunny和Groq创始人Jonathan Ross一起加入英伟达。

这节课的主题是"GPU经济学"，核心议题只有一个：软件时代的分发成本趋近于零，但AI时代每多一个用户都需要大量算力，推理的经济学将如何运转？DeepMind的德米斯·哈萨比斯给出过一个量级判断：AI的影响将是工业革命的10倍，速度也是10倍，一个世纪的变化可能在十年内展开。

我也是看了这期讲座，才知道Groq团队加入英伟达原来是Groq主动发短信给黄仁勋的结果，后者也持开放态度，很快约见谈成。…

这种上百亿美金级别的合作，能在这么短的时间（一个月）内敲定，所以我也坚定认为，在这个AI时代，创始人模式要远比经理人模式奏效。因为如果说商业是一种冒险，那么现在是冒险的平方、立方。讲座中还有一个细节，是投资人质疑奥特曼对算力太激进，奥特曼说，你要是觉得有泡沫，可以退出。我记得当时这件事还被炒作说奥特曼气急败坏了。现在回头看，OpenAI的AI算力储备，是远见卓识（不然Codex根本没法靠不断重置和Claude Code打）。

这些决策都太反“常识”了。我就不啰嗦了。

以下是记录：

一、Groq芯片：一块2018年设计的硅片为什么能和五代之后的GPU掰手腕

1、Jonathan Ross造TPU的故事，是理解Groq起源的钥匙

Groq创始人Jonathan Ross的经历本身就很反常规。他高中辍学，原因大概是觉得学校太无聊，之后直接进了NYU的数学博士项目，再被谷歌招入。跟过去20年很多优秀工程师一样，他被分配去做广告优化和A/B测试。

转折发生在他听了谷歌首席科学家Jeff Dean的一次内部演讲。Jeff Dean说了一个好消息和一个坏消息：好消息是我们找到了一个算法可以解决自动语音识别，坏消息是没有足够强的算力来运行它。Jonathan用一种可编程的硬件芯片FPGA自己做了一版原型设计，这就是后来谷歌专用AI加速芯片TPU的雏形。

离开谷歌后，Jonathan觉得这种算力不应该只锁在谷歌内部，于是创办了Groq，把这套架构带到外面的世界。

2、数据流架构加上确定性编译器，跟GPU是完全不同的物种

Groq芯片和GPU的根本区别在于它是完全确定性的。芯片配套一个编译器，编译器会在运行之前就预先确定所有计算发生的位置和时序。AI推理的本质就是大量的数学运算，确定性意味着每一步都可预测、可优化，对推理速度的影响是根本性的。

GPU的路线是堆大量计算单元加上HBM外部高带宽内存。Groq走了另一条路：计算单元不多，但片上集成了大量SRAM，这种内存的带宽比HBM快一个数量级以上。对标来看，SRAM在传统CPU架构里相当于L1缓存那一层，只是Groq把这层做得非常大。

Sunny提到一个对比数字：Groq的V1芯片，硅片设计于2018年，2019年流片，采用14纳米工艺。但在推理性能上，这块五代之前的老芯片依然能跟英伟达最新的Hopper架构竞争。换句话说，架构选对了，工艺落后五代照样能打。

3、从卖硬件到做推理云，才是Groq真正活过来的那一步

Groq和另一家芯片公司Cerebras有一段类似的经历：两家公司各自存在了将近十年，但在第九年的时候都还在为生存挣扎，因为它们面向的推理市场事实上还不存在。

转折点是Groq团队意识到，说服客户购买自己的硬件太难了，但如果把芯片装进数据中心、通过API开放出来，开发者其实不在乎底层跑的是什么硬件。Sunny用了一个词：fungible，开发者对硬件是"可替代的"，他们只在乎API好不好用。

Groq Cloud上线后，几周之内用户就冲到了几十万，到录制时已经有大约400万用户。作为参考，英伟达花了将近17年才积累到700万用户。推理速度一旦以云的形式开放出来，用户增长可以非常快。

二、NVLink Fusion：一条消息和30天内的200亿美元收购

英伟达CEO黄仁勋Jensen Huang曾在Brad的播客BG2上说过一句话："推理即将增长10亿倍。不是10倍，不是100倍，不是100万倍，是10亿倍。而我们现有的计算系统不是为即将到来的需求设计的。"推理时推理的出现让模型对token的消耗量开始以抛物线上升，OpenAI和Anthropic各自只有大约一个吉瓦的算力，系统开始吃不消了。在这个背景下，Sunny把推理流程拆开来看，从中发现了Groq和英伟达合作的可能性。

1、推理可以拆，拆完之后不同部分适合不同硬件

推理的第一层拆分已经有不少公司在做了：把prefill和decode分开，用不同的机器分别处理，可以获得相当可观的效率提升。prefill负责处理输入的上下文，decode负责逐个生成输出token，两者的计算特征不同。

Groq团队更进一步，在decode内部又做了一次拆分。他们发现decode过程中有些操作是计算密集型的，另一些是内存带宽密集型的。GPU擅长前者，因为有大量计算单元和HBM；Groq擅长后者，因为SRAM的带宽远超HBM。

这意味着如果能让两种芯片分工协作，每种芯片只做自己最擅长的部分，整体效率会大幅提升。

2、NVLink Fusion的核心逻辑：同样的电力，产出2.5倍的token

英伟达的GPU之间通过一种叫NVLink的协议通信，允许多块GPU协同工作。当时的系统可以把72块GPU连在一起，未来计划扩展到576块。Groq自己也有类似的协议，实际运行中曾在4000到8000块芯片上同时跑模型。

Sunny的想法是：能不能让Groq芯片通过NVLink接入英伟达的GPU集群？把decode中带宽密集的那部分卸载到Groq芯片上，计算密集的部分留给GPU。最终的测试结果是，在相同的电力占地面积下，这套混合系统可以产出2.5倍的token。

在算力受限的世界里，这个数字的经济含义是巨大的。如果OpenAI的数据中心有固定的一个吉瓦功率预算，接入Groq之后，同样的电费、同样的机房，能输出两倍半的推理算力。

3、Brad牵线、黄仁勋拍板，从原型到收购只花了一个月

Sunny给Brad发了条短信说，我觉得我们可以和英伟达合作。Brad当时的第一反应是犹豫的，因为Groq和英伟达在市场上被视为竞争对手，他去找黄仁勋推荐这件事要花掉不少人情资本。他犹豫了大约一周。然后Sunny又发了一条：你给黄仁勋发了没？

Brad最终把信息转达给了黄仁勋。黄仁勋的回复很快：interesting idea，聊聊。Groq团队开始和英伟达的人对接，用两家完全不同技术栈的系统搭建了一个工作原型。

从向黄仁勋展示可用原型到200亿美元的收购协议，大约只过了一个月。

Sunny事后分析了这笔交易能成的原因：Groq做的是确定性编译器驱动的SRAM芯片，跟GPU在技术路线上是完全不同的物种。如果Groq做的是一块"更好的GPU"，在英伟达内部会产生很大的文化冲突和组织阻力。但正因为两套系统高度互补，工程团队的整合反而顺畅。

三、推理经济学：成本、模型与需求的三重赛跑

1、推理成本两年降了99%，但这不是全部故事

Brad给出了一个数字：推理的单位成本在过去一年里下降了大约90%，在过去两年到两年半里下降了接近99%。他说他从没见过任何技术像AI推理这样快速地通缩。

但Sunny的视角更复杂。他把推理成本的驱动因素拆成了三个：供应链、工程创新、和电力。供应链主要集中在台湾，也就是TSMC和它背后的光刻与封装技术。工程创新包括更大的芯片封装、量化技术比如MVFP4、更高效的电路布局。电力则是个硬约束。

问题在于，这三个维度的进步被两个反向力量吃掉了。

2、模型膨胀加需求爆发，硬件创新被两头挤压

Sunny描述了一个"三维立方体"的困境。第一个维度是硬件创新，过去五年可能做到了50倍的效率提升。第二个维度是模型规模，新一代模型正在逼近1万亿到10万亿参数。生成每个token需要的计算量大致等于模型参数量乘以上下文长度的平方，所以模型每大一个数量级，计算负担就是指数级增长。第三个维度是需求量本身。

光刻技术的进步正在放缓，摩尔定律提供的红利变小了，所以硬件厂商要靠其他路径超越摩尔定律：做更大的芯片封装，Cerebras的芯片已经做到披萨盒那么大；搞更高效的内存和带宽设计；用量化技术把模型参数的数值精度压低，减少每次计算的数据量。

但即便硬件做到50倍改进，模型变大和需求增长的速度更快。所以GPU的价格反而在上涨。H100的租赁价格在往上走。这在硬件行业里是个反直觉的现象：通常随着技术迭代，旧产品应该降价。但在AI领域，需求增长速度压过了供应改善。

3、从负毛利到正毛利：前沿实验室的经济学翻转

Brad讲了一个过去两年AI商业模式的关键转变。两年前，OpenAI和Anthropic的毛利率都是大幅度为负的。也就是说，它们花一美元生产的推理服务，只能卖出去20美分。这在传统投资视角下非常可怕：融了一大笔钱，然后亏本卖产品。

它们赌的是两件事同时发生：推理成本快速下降，用户的支付意愿大幅上升。两年后来看，两件事都发生了。推理成本降了两个数量级，而模型的智能水平跨过了一个阈值，用户开始愿意为高质量的推理结果付大价钱。

Brad给出的证据是Anthropic的营收曲线。在这堂课录制的时间点（约2026年4月），Anthropic刚在单月新增了约100亿美元的年化收入。Brad拿这个数字跟Databricks加Palantir的全年收入总和做了对比，两者差不多。而Anthropic的增长完全不是靠铺销售团队，而是产品的智能能力突破了某个临界点，全球各地数以百万计的自利行为者独立做出了同一个判断：我必须买更多的token。

到2026年5月底，Anthropic的年化run rate已经达到470亿美元。到7月，据Yipit估算，这个数字约690亿美元。

4、Agent时代，token消耗从"对话"变成"全天候工作"

AI的第一个阶段是回答问题，代码生成的话大致就是自动补全。这个阶段的token消耗是有限的，因为每次只是一问一答。

进入agent阶段后，AI开始"做事情"：搭建应用、搞定客服问题、预订酒店、推动销售。做一件事消耗的token量比回答一个问题高出至少一个数量级，但交付的价值也高出100倍。Brad引用了Marc Andreessen的观察：他接触到的人里，很多现在每天在token上的花费在100到1000美元之间。全球范围内，每周消耗的token总量已经达到数十万亿级别。

Sunny举了英伟达内部的例子。英伟达现在有一个内部个人助手，接入了Slack、Teams、邮件和所有文件系统。每天早上它自动跑一遍，整理出当天的待办事项，还能代替你回复邮件和处理审批。"你甚至不用写邮件了，别人的agent给你发邮件，你的agent看完就替你回了。大量工作在被完成，因为你的时间从回邮件和审批各种SaaS系统中释放出来了。"

Claude Code和Cowork的使用模式更进一步：你在一台设备上启动一个任务，如果它卡住了会在你手机上推送通知，你可以告诉它"别打扰我，继续干"。于是它整晚都在工作，持续消耗token。

Sunny的判断是，agent驱动的token消耗爆发才刚到"第一二局"，远没有到上限。

四、AI产业的当下坐标：几个必须理解的判断

1、"泡沫论"已经被营收数据终结了

在2025年到2026年初，市场上有相当多的声音认为AI是泡沫。Brad的播客搭档Bill Gurley和其他人对此高度怀疑，核心论点是：这些公司的资本开支远超它们能赚到的收入，下游没有足够的支付意愿来支撑这种投入。

Brad自己曾在播客上问Sam Altman一个尖锐的问题："你做了1.4万亿美元的支出承诺，但只有130亿美元的收入，怎么算？" 他希望Sam解释收入会如何增长，结果Sam的回答是"如果你对投资不满意，我可以回购你的股份"。Brad说这不是他期待的回答。

但接下来几个月发生的事证明了收入的爆发确实在兑现。从Anthropic的轨迹来看：2025年底约90亿美元年化收入，2026年2月约140亿美元，3月约190亿美元，4月约300亿美元，5月底达到470亿美元。"收入正在以跟智能水平相同的指数速度增长"，这就意味着前沿实验室有能力为50亿美元一吉瓦的推理工厂买单了。

2、Mythos发现了BSD的漏洞，AI已经进入超人类能力的领域

课堂录制那一周，Anthropic发布了Mythos模型和Project Glasswing。Mythos在Safari浏览器上发现了26个安全漏洞，而且在沙盒测试期间曾多次试图"逃出来"。Sunny补充说："想想有多少工程师、软件开发者、安全公司已经审查过那些代码。我们已经到了AI在某些维度上超越人类能力的地方。而这才是第三年。"

Brad把这比作"裂变时刻"：我们听Dario和Sam谈论智能的指数增长已经很久了，但关键问题一直是他们能否负担得起持续建设算力的成本。现在收入跟上来了，这个问题在被解答。

Brad说他跟黄仁勋、Elon、Sam、Dario分别交流后，观察到一个罕见的一致性。他们每个人都说"我们到了，而且比我们以为的更快"。Dario说让他最惊讶的事情是"我们快到指数的尽头了，但人们似乎还没意识到"。

后续的进展印证了这个判断。Project Glasswing在2026年4月启动时有约50家初始合作伙伴，到6月已扩展到全球15个国家的150多家机构，发现了超过10000个高危或严重安全漏洞。

3、算力的递归循环：AI在设计下一代AI芯片

Sunny指出一个容易被忽略的事实：我们今天看到的这些模型能力，全都是在上一代硬件上训练出来的。不管是Blackwell还是Vera还是Rubin，最新一代芯片的算力还没有被用来训练模型。也就是说，我们还没看到用新硬件能释放出什么样的模型能力。

有人问英伟达内部是否在用AI来设计下一代芯片。Sunny的回答是"大量在用"。他说在Groq还是创业公司的时候就已经在做这件事了，因为团队太小不得不靠AI提效。现在加入英伟达后，他们能调用整个生态系统的资源。

黄仁勋对工程团队提出的要求是：除非做到比上一代好100倍，否则不要来汇报。从内存控制器到电路设计到芯片封装的每一个环节，都要追求100倍的改进。Sunny说黄仁勋不只是提要求，还给了足够的自由度和资源去实现。作为Groq团队，他们加入英伟达后能做到很多创业公司阶段根本无法做到的事情。

但Sunny也指出了一个螺旋：硬件越创新，模型制造者就有更大的空间去训练更大的模型，更大的模型又反过来需要更多的硬件。"我们创新得越多，他们就创新得越多，模型就越大。"这个正反馈循环意味着基础设施建设不会停下来。

Brad补充了一个算力增速的参考：Anthropic和OpenAI在2026年新增的算力，将超过过去十年所有实验室算力的总和。而2027年，他们还会再翻一倍。

Sunny还提到一个关于AI在边缘端运行的限制：一个80亿参数的模型，放在iPhone上跑，30分钟就能把电池耗光。这是个很小的模型，说明把前沿智能推到终端设备上，在算力和能耗上面临的挑战远比多数人想象的要大。

4、IQ被商品化，EQ和创造力变成稀缺资源

有学生问，面对AI的冲击，他们应该怎么为职业做准备。Brad的回答分两个层面。

第一层是务实的："让自己变成半机器人。"他说如果有人来Altimeter面试，说自己不用AI也不用Excel、什么都手工做，那会是个问题。他要的是用一切可用工具交付超常价值的人。

第二层是结构性的判断。Brad认为IQ正在被商品化，你在一个房间里比其他人算得快、想得深，这件事不久后就会被机器碾压。但EQ会变得更值钱：人际网络、说服能力、组建团队的能力、领导力。这些是机器做不到的，而且在一个人机协作的世界里需求会更大。

他提到了Invest America Act，把它放在一个更大的框架里：Dario说即将到来的时代，财富积累会比以往任何时候都更容易，但财富分配问题会比以往任何时候都更难。Brad推动的Invest America Act在2025年底写进了联邦法律，2026年7月4日正式上线。每个2025到2028年间出生的美国公民会收到1000美元的政府种子资金，存入税收递延的投资账户，18岁后才能动用。

Sunny从另一个角度补充了乐观的理由。他说人类过去只能等苹果砸在牛顿脑袋上，然后由一个天才去发展引力理论。现在AI可以不间断地探索和发现，而且速度远超任何个人。"回头看Brad展示的那张GDP图表，人类有更多智能的时候，那些曲线就向上走。我们现在要做的，是让那条曲线变得更陡。"

Q1: 推理成本在降，为什么GPU价格反而在涨？

推理单位成本确实在两年内降了约99%，但有两个反向力量吃掉了这些节省。模型参数从千亿级向万亿甚至十万亿级攀升，每个token的计算量以指数级增长。同时agent和推理时推理让token需求量爆发。需求增速压过了供应改善，导致了一个反直觉的结果：技术在进步，但算力依然短缺，GPU价格持续走高。

Q2: Groq的200亿美元投资是怎么在30天内发生的？

Groq团队发现推理的decode阶段可以进一步拆分为计算密集和带宽密集两类操作，前者适合GPU，后者适合Groq的SRAM芯片。他们用NVLink协议把两种芯片连接起来，在相同功率下实现了2.5倍的token产出。Sunny通过Brad牵线联系黄仁勋，团队用两种完全不同的技术栈搭出了可用原型。黄仁勋看到了互补价值，约一个月后达成了协议。技术路线的差异性反而是交易能成的关键。如果Groq做的是"更好的GPU"，英伟达内部的组织阻力会大得多。

Q3: "AI是泡沫"这个争论是怎么被终结的？

核心证据是Anthropic在2026年上半年的营收曲线。它的年化收入从2025年底的约90亿美元，在几个月内飙升至数百亿美元级别，完全不依赖大规模销售团队扩张，而是产品智能水平突破临界点后，全球企业和开发者自发涌入。Brad的判断是：收入开始以跟智能水平相同的指数速度增长，这意味着前沿实验室有能力为持续的算力建设买单。两年前还在负毛利运营的AI公司，现在已经是正毛利了。泡沫论的前提是下游没有足够的支付意愿，这个前提已经站不住了。