#546. 电力、晶圆与 AI 基础设施的未来

完整转录稿

Podcast 跨国串门儿计划 2026-05-20 17:08

目录

开场与 AI 市场的异常时刻

一凯：欢迎收听跨国串门儿计划。这是一档专注于让中文听众无障碍欣赏全球优质外语播客的节目。通过先进的 AI 声纹克隆技术，我们不仅将内容翻译成中文，还完美保留了原主持人和嘉宾的独特声音，为您呈现全球顶尖的 AI 财经、健康与科技领域精品内容。我是主播一凯，一位热衷于 AI 领域的产品经理，很荣幸能为您搭建这座跨越语言障碍的桥梁，接下来让我为您简单介绍本期我们克隆的这档节目，并分享几句非常精彩的原话，本期我们克隆的是 Patrick O'Shaughnessy 主持的投资访谈播客，Invest Like the Best，这是一档长期关注商业科技与资本市场的深度对话节目，嘉宾 Gavin Baker，是 Atreides Management 的创始人兼投资人，长期研究科技公司 AI 基础设施和市场周期，节目里有几句原话，特别有冲击力，资本主义史上从来没有发生过这种事，别说我的职业生涯了，就是整个资本主义史，整个商业史都没有过，历史不会简单重复，但会押韵，作为投资者，我们必须非常清醒地意识到这一点，如果我们不能都成为机关枪的大师，我们就会被机关枪支配，我们需要带着谦逊来面对这件事，承认这里有大量不确定性，并且认真思考，这些判断背后是一场关于 AI 资本，和未来秩序的高密度对话，那我们就一起来听听这期完整节目 [00:00:00]

Gavin Baker：AI 领域当时发生的事，我觉得是资本主义史上，美国商业史上最了不起的时刻，Anthropic 增加了110 亿美元，过去10 年12 年里创立的，三家最受关注的 SaaS 公司，是 Palantir Snowflake 和 Databricks，这三家公司花了10 年时间，打造自己的业务，Anthropic 一个月就增加了，相当于他们三家公司，合计规模的业务，资本主义史上，从来没有发生过这种事，别说我的职业生涯了，就是整个资本主义史，整个商业史都没有过 [00:01:38]

Patrick O'Shaughnessy：这是我们第六次做这件事了，如果你能相信的话，这让你又回到了第一名，或者至少和 Gurley 并列第一，我觉得就算和上一次相比，那次已经很让人兴奋，很精彩了，现在这个时点还要更有意思，也许你可以先随便聊聊，今年三月和四月，你亲身经历那段时间，是什么感觉，对我来说，那像是一个完全独特的，经济技术和市场环境，你又是最认真研究，历史研究这些时刻的人，所以那到底是什么感觉 [00:02:10]

Gavin Baker：大体上说回撤有两种，一种回撤是你错了，公司业绩没有达到预期，你的假设被证伪了，你必须认亏把这笔损失确认下来，另一种回撤或者说一段跑输的时期，是你因为一些自己非常非常了解的公司而跑输，而且你非常不同意市场给出的价格走势，这种时候你可以加码，你不必把负收益确认下来，而是可以积累被压住的 alpha，也就是未来的表现，对我来说，三月就是这种感觉，感觉是 NASDAQ 在下跌，但与此同时，AI 领域正在发生的是，我觉得是资本主义史上，美国商业史上最了不起的时刻，我的意思是，Anthropic 增加了110 亿美元 RR，让我震惊的是，SaaS 和云革命，创造了我们姑且说，5 万亿到10 万亿美元的价值，而且我会说，过去10 年12 年里，创立的三家最受关注的 SaaS 公司，大概就是 Palantir，Snowflake 和 Databricks，这三家公司都雇了成千上万人，合起来是数万人，他们都花了十年时间打造自己的业务，而 Anthropic 一个月就增加了，相当于他们三家公司合计规模的业务，资本主义史上从来没有发生过这种事，别说我的职业生涯了，就是整个资本主义史，整个商业史都没有过，我是说这太疯狂了，然后 Krishna 上了这个节目，分享了一些数据，DR 是五百分之，你把这个数字按三年算一下，简直离谱，所以这件事完全没有先例，我们这些科技投资人经常会听到，关于 S 曲线，关于投资指数增长的讨论，但我从来没见过这样的指数增长，他感觉甚至比 DeepSeek 那次还要极端，而 DeepSeek 当时的情况也非常类似，如果我们回到2025 年，DeepSeek 引发过一次大抛售，那其实很奇怪，因为那篇论文是在 DeepSeek Monday 前7 天发布的，我记得它是在一个周一发布的，而那天美国是假日，我读了之后，想这件事对 AI 交易来说，可能不会被市场解读的很正面，所以我采取了行动，一周之后，我们经历了 DeepSeek Monday，AI 相关资产真的大幅崩了下去，这很奇怪，因为到了 DeepSeek Monday 那天，其实已经非常清楚了，这会是有史以来，对算力需求最利好的事情，亚洲 AWS Availability Zone 里的价格，当时已经差不多翻倍了，你能看到 GPU 可用性在下降，而这也是我们第一次看到推理模型，在 inference 阶段比非推理模型要吃多的多的算力，所以那次也是类似的局面，但你需要做一点功课才能看出来，其实也没那么难，你只要看到股票在下跌，但 DRAM 价格在垂直上涨，亚洲 GPU 价格在垂直上涨，GPU 可用性在下降，然后两三天之后，美国的 GPU 价格也就是 GPU 租赁价格也开始上涨，到了三月你要做的事就更简单了，只要观察 Anthropic 身上正在发生什么，有很多人好像都后悔，2022 年没有买，COVID 期间没有买，DeepSeek 那次没有买，4 月初你又遇到了同样的估值环境，而且 AI 的拐点还更清楚，所以其实一直都有很多机会可以买入，AI 当然让事情变复杂的是霍尔木兹海峡，我后来相信了，而且现在也相信市场当时可能误判了一件事，我不是宏观专家，但我确实做很多国家安全相关的投资，所以我能接触到一些专家，他们也很愿意跟我分享想法和观点，霍尔木兹海峡如果被关闭，对美国来说其实相对是很有利的，为什么，尤其是考虑到现任政府的目标，电力是一个非常重要的工业投入，或者说制造业投入，影响美国电价的关键投入，也就是会进一步影响 AI 的关键投入，是 NG 天然气，Bloomberg 上那个天然气合约，当时它跌了1%，而亚洲欧洲以及其他地方的天然气价格，则翻了一倍或两倍，所以我们的相对制造业竞争力，几乎是一夜之间就提升了，不管这是好是坏，这似乎正是特朗普政府在意的东西，他们非常关注美国的相对位置，我觉得很多人还记得1970 年代，70 年代之所以那么痛苦，不只是因为价格上涨，而是真的出现了汽油短缺，然后你再往下看，会发现美国经济，现在对能源的依赖程度，已经远低于过去，美国现在是全球最大的，石油和天然气生产国，而且我们现在也成了，全球最大的石油和天然气出口国，在这之上，还有这个相对制造业优势，所以我觉得，这让人更容易继续关注，AI 的基本面，继续关注那些，从历史上看，很有吸引力的估值，我认为从相对角度看，科技股相对于市场，其他部分，基本上已经便宜到，过去十年里，最便宜的水平，你把这一点放到市场效率的背景下，想一想，我们正处在资本主义历史上，最非凡的时刻，这对 AI 极其利好，而你居然还有机会

Patrick O'Shaughnessy：用非常有吸引力的估值去买 AI，你怎么看 Anthropic 和 OpenAI 的估值倍数，在我看来，他们就像这轮趋势里，最纯粹最有代表性的资产，但他们的估值，其实并没有那么疯狂，如果你只看销售额倍数，再拿它和 Databricks，Snowflake 这些公司，在高峰期的交易倍数相比，你会怎么理解这件事，我确实认为，从资本效率的角度看 [00:07:41]

Gavin Baker：OpenAI 和 Anthropic，是很不一样的公司，Anthropic 的每 token 成本，明显比 OpenAI 低得多，事实就是这样，你只要看他们，为了做到差不多的收入规模，各自烧掉了多少钱，就能看出来 Anthropic 烧的钱，可能比 OpenAI 少了80%，所以作为公司，他们显然有非常不同的，结构性 ROIC，我觉得 OpenAI，正在做很多事，我认为 Sarah Friar，是非常出色的 CFO 之一，我觉得他们正在做很多事情，试图改善这一点，而且他们拿到了很多 compute，比其他公司更多，他们确实拿到了很多 compute，这是另一个很大的差异，事实证明激进一点，回报非常大，但 Anthropic 如果是900 亿美元，估值对应50 亿美元 AR，而且还在增长，增长一千个 basis point，增长速度非常夸张，也许一个更准确的说法是，如果 Anthropic 拥有全部 compute，它今天的收入很可能远高于1000 亿美元，也许是1500 亿美元，而且我确实认为，他们显然已经降低了 Claude 的智能水平，有一个分析说，即便是 Claude Opus 在同样的问题上，生成的 token 也少了70%，就像我们上次聊过的，在某种程度上，token 数量等于答案质量，也等于思考质量，当然每个 token 的智能密度也很重要，作为用户我确实感受到了这一点，所以我认为如果 compute 不受限制，他们的收入会高得多，可能是1000 亿1500 亿，也可能是2000 亿美元，这样看你买的可能更像是五倍无约束，收入我来编一个新数字，URR，也就是无约束 run-rate revenue，那你为什么觉得他们不以，3 万亿美元估值之类的价格，直接融1000 亿美元 [00:08:07]

Patrick O'Shaughnessy：如果你是 anthropic 的 CFO，Christian 很棒，我们刚请他上过节目，或者如果你是 OpenAI 的 Sarah Friar [00:09:52]

融资纪律、电力瓶颈与轨道算力

Patrick O'Shaughnessy：或者如果你是 OpenAI 的 Sarah Friar，至少从 Christian 那期节目之后，我收到的反馈来看

Gavin Baker：我认识的所有人都想投这两家公司，我觉得这是明智的，因为未来是不确定的，你显然是在一个资本极其密集的游戏里，即使你是 Anthropic，我相信他今天在 inference 上的毛利率已经非常高，再说一次，Anthropic 今年很可能就会开始产生现金，如果他还没有开始产生现金的话，而我认为他很可能已经在产生现金了，但即便如此，你大概还是希望以后能继续融资，拿到更多 compute，这个世界充满不确定性，乌克兰开始真的真的占上风了，俄罗斯会怎么回应，我认为伊朗那边仍然有很多不确定性，所有这些不确定性可能都会放大，围绕台湾的地缘政治不确定性，所以这是一个不确定的世界，如果我想到 Elon，他一直都让投资人赚到了钱，他把这件事看得像一种神圣契约，结果就是因为他20 年来，一直让人们赚到钱，他拥有了一种超能力，这种超能力，就是他基本上可以在任何时候，按自己想要的规模融资，我觉得这些公司，现在这样做是明智的，我不知道他们是不是这样思考的，但我确实认为，专注于让投资人赚钱是明智的，这会带来一些好处，而且这些好处不会只持续一两年，他们可以持续未来20 到30 年，Elon 做到这一点的方法，是不是某种系统性的低估 SpaceX，或者其他公司的价格，实际的方法到底是什么，就是从来不在估值上贪心，对从来不把估值推得太高，就这么简单，我的朋友 Antonio 指出，SpaceX 在大概10 年里，每年复合增长率是30 出头，这只是因为 Elon，我认为他很专注于保住这种超能力，他也试图在投资人和员工之间，找到一个公平的平衡，我觉得这是明智的，但 Anthropic 能不能以 [00:10:04]

Patrick O'Shaughnessy：比传闻中最新估值，至少高100%的价格融资，当然可以，我们来聊聊 Watts 和 Wafers 这部分，这一直是我最喜欢跟你聊的话题，也就是这轮基础设施建设的重要性，我感觉每次我觉得它有点过热了，下一次跟你聊的时候，又会觉得我们之前做的还远远不够，你研究过很多 S 曲线，也研究过这些 S 曲线有多陡，而且你很了解历史，你现在怎么看 [00:11:57]

Gavin Baker：watts 和 wafers，他们作为这一整件事的关键投入，到底有多重要，我会说在没有重大监管，和政治反弹的情况下，资本主义会解决电力短缺问题，不过我觉得这种反弹，确实有可能发生，有一家大型 PE 公司的，数据中心基础设施，投资负责人说过，我记得可能是 Blackstone，Apollo 和 KKR，他们以前最大的限制因素，是能源和芯片，现在更重要的是分区规划和审批，我觉得很多公司都在等中期选举之后再采取行动，比如可能的裁员，没人想在中期选举期间变成被打的靶子，但你也看到很多做涡轮机的公司都宣布了大幅提高产能的计划，现在能铸造那些巨大叶片的机器好像就两台，西方已经80 年没造过这种机器了，我们已经不知道怎么造了等等等等，这些都是真的，我也绝不是在低估其中需要的工业工程能力，魔法和工艺，但从长期看资本主义很擅长解决这类问题，除了这些涡轮机之外，还有其他能源来源，只是时间周期更长，所以我觉得电力短缺，大概会在2027 年，2028 年开始缓解，然后我认为 orbital compute 会真正解决这个问题，我确实想重新定义一下 orbital compute，因为人们一听到太空里的数据中心，就会想到我们上一期聊过的那种，在太空里建一个五角大楼，那么大的建筑，他们会说这我们做不到，但它不是那样的一个 Blackwell Rack，重3000 磅高8 英尺，深4 英尺宽3 英尺，它就是在太空里的机架，SpaceX 已经给你看过示意图了，那个机架本身就是卫星，不过它的大小大概和一个 Blackwell Rack 差不多，它有太阳能力，两边可能各有500 英尺长，你把它放在太阳同步轨道上，这样这些太阳能板就一直在太阳下面，而且因为它处在精确的太阳同步轨道上，散热器就可以从它后面延伸出去几百英尺，这是一个很常见的质疑，你打算怎么处理，这些年我在 Starbase 待了很多时间，也跟很多 SpaceX 工程师聊过，我确实认为这是地球上最有才华的一群工程师，他们非常有信心认为自己已经解决了这个问题，而且他们并不是总这么有信心，比如我觉得要把 Starship 变成火星殖民运输器，可能还需要一些工程工作，他们会做到吗，当然会，他们现在更关注什么，我会说可能是维修和维护，这是两个主要回应点，一个是散热器，另一个是如果机架里某个东西出了问题，要怎么维修，答案是在你大概拥有一对 Optimus 机器人之前，你其实做不到，不过我确实认为，Starship 会以我们现在无法想象的方式，改变太空经济，尤其是如果监管开始限制数据中心，那别的都不重要了，你能造出多少 orbital compute，就能卖出多少，然后很明显你会用激光，把这些 rack 连起来，激光在真空中传输，而每一颗 Starlink 上，现在已经有这种能力，让我觉得震撼的是，SpaceX 运营着世界上最大的卫星星座，轨道上98%或99%的卫星，都是它的每一颗 Starlink，他们今天都在给它散热，而且我认为 Starlink V3，会以20 千瓦运行，一个 Blackwell Rack，也不过是100 千瓦，人们经常谈密度，但如果你用激光穿过真空，来连接 Rack，那你完全可以把 Rack 做得更大，从物理上说，在地球上的数据中心里，你关注的是尺寸，因为你要把 Rack 连接起来，最好用铜缆，还要尽量缩短长度，等等等等，布线是一项很大的成本，所以你确实希望 Rack 尽量小，因为能用铜就用铜，必须用光纤时才用光纤，但在太空里 SpaceX 可以做各种事情，我觉得有些唱反调的人，可能根本没有考虑到这些，关键是他们运营的卫星比任何人都多，他们今天已经有20 千瓦的卫星，所以也许一开始只是把它扩到60 千瓦，他们看起来很有信心，可以直接做到100 到120 千瓦，而且同一家公司，现在还运营着地球上最大的数据中心，他们有世界上最好的硬件工程师，与此同时，各种坐在扶手椅里怀疑的人，几乎都没有聪明到，也没有务实到能在 SpaceX 工作，我不想引用 Larry Ellison，但有人当时在表示怀疑，Larry 就说，听着他正在外面让火箭着陆，我没看到别人能让火箭着陆，现实是，十年之后仍然没有任何其他公司，能够稳定的让轨道火箭着陆，并且完全重复使用，没有可重复使用，这整件事就不成立，也说不通，而可重复使用就意味着，你必须让它着陆，我想把 orbital compute，重新定义一下，它是在太空里的 rack，而不是在太空里，飘着的五角大楼，那么大的巨型数据中心，那种说法太荒唐了，但你可以这么理解，真正让它成为数据中心的，是你用激光，把这些 rack 连接起来，所以它会是太空中的 rack，通过激光连接成一个虚拟数据中心，如果你设想那样一个世界，假设这一切都发生了 [00:12:23]

Patrick O'Shaughnessy：而且我们能很经济的，把这些东西送上去，在太空各处作为一个星座运行，那对地面数据中心意味着什么，有人曾经说过，美国会尽最大努力 [00:17:37]

Gavin Baker：吸取它能拿到的每一种能源，我觉得 compute 也是一样，这也是为什么，我现在对 Edge AI 的空头逻辑，可能没有以前那么担心了，我们会消耗尽可能多的 compute，我认为 inference 非常适合 Orbital Compute，但 Training 在很长一段时间里，还是会在地球上完成，所以我不觉得这对地面数据中心特别利空，我认为在我的有生之年，这些数据中心都会很有价值，但如果你处在发电和冷却这个生态里，而且正在大幅扩产，那我确实认为值得认真想一想，因为很多新增产能投产的时候，可能正好也是那些可笑的怀疑者，开始明白 Orbital Compute，真的很现实的时候，如果你是那些公司之一，我觉得这件事值得你反复认真思考，同时在这段过渡期里，也有各种很酷的事情发生，比如我们越来越擅长改造喷气发动机，Boom Aerospace 就在做这类事情，所以在电力这边资本主义正在全力运转，但在晶圆这边情况不一样，那是一群在台湾肩负重任的人，他们是台湾最重要的人，他们占了台湾 GDP 用水量和用电量的压倒性份额，大家会谈到硅盾，他们都把自己看作，Morris Chang 神圣遗产的继承者，我很清楚的记得，20 多年前我去科学园去拜访他们，问他们，你们觉得自己能追上 Intel 吗，他们说，这是一个非常美丽的梦想，但这是给我们孙辈的梦想，后来他们做到了，部分原因是 Intel 自己犯了很多错误，但也因为他们的思维方式非常不一样，Jensen 经常飞去台湾，其中一个原因就是，他希望他们扩大产能，我确实觉得很不可思议，Jensen 从来没有和台积电签过合同，他们做生意靠的是，看起来公平的安排和握手承诺，这太有意思了，没有合同，大家相信长期来看会公平，我们是伙伴会公平对待彼此，事实是，按照过去每一次基础性新技术的市场先例，像 AI 这样的技术总是会出现泡沫，Carlota Perez 写过一本很棒的书，讲的就是这个，基本上市场是有效的，市场正确理解了，这是一项基础性新技术

晶圆供给、泡沫风险与前沿模型价值

Gavin Baker：这是一项基础性新技术，这就出现了 Mauboussin 所说的多样性崩塌，所有人都会开始看多这项新技术，而我现在有点担心市场会出现，共识过于一致的问题，接着就会出现泡沫，这个泡沫会为新技术的建设买单，但供给会跑到需求前面，然后就会崩盘，如果这种建设是靠债务推动的，比如2000 年那样崩盘就会特别严重，现在这一轮建设有一点让我很高兴，也很重要，就是它到目前为止，绝大部分还是用经营现金流来融资，这和2000 年相比，是一个非常重要的基本差异，还有估值上的差异，还有一个事实是，现在每一块 GPU 都在100%利用率运行，而当年99%的光纤都没有被使用，所以这里面有很多基本面的不同，但我们还是得记住，历史不会简单重复，但会押韵，作为投资者，我们必须非常清醒的意识到这一点，而且要认识到，从过去两三百年的历史看，先别说互联网泡沫，我们有过铁路泡沫，也有过运河泡沫，所以我们应该预期会有泡沫，这很可怕，没有人想要泡沫，泡沫是很糟糕的，糟糕的原因在于，如果你对估值敏感，你就会大幅跑输，然后很可能被所有客户解雇，George Vander Hayden 已经不在了，他是非常出色的 Fidelity 基金经理，他在1999 年和泡沫对抗，然后在2000 年初退休了，因为我觉得他真的扛不住了，他知道市场是错的，但他的客户非常怀疑他，George 你跟不上时代了，你不懂，他当时已经满头白发，他真的是一位很了不起的人，我和他共事的时间很短，但他是我的好朋友，也是我的导师，Jennifer UIG，非常重要的导师和朋友，所以我身上通过他继承了，很多 Vander Heiden 的影响，也就是同一个人说过，太早合错了是一回事，George，退休是因为他承受不了跑输，也承受不了，客户一直说你到底怎么了，你不懂，他大概把基金的40%投在烟草，40%投在住宅建筑商，结果他确实跑输了，但在接下来三年里，他相对于 NASDAQ 的表现，可能好出20 倍到30 倍，我之前一直比较乐观，认为晶圆的根本性短缺，会阻止泡沫出现，而今天这个短缺，基本由 TSMC 控制，如果 TSMC 按 Jensen，想要的方式去做，我觉得 NVIDIA 在2026 年，或者2026，2027 年，可以卖出2 万亿美元的 GPU，也许是2.5 万亿美元，也许是3 万亿美元，但总会有一个上限，如果消费者消化了这么多产能，你很可能就已经过度建设了，所以如果我们最后没有泡沫，那真的应该给 TSMC 开个庆功会，因为他们将会是单凭一己之力，阻止泡沫的人，现在你已经开始看到一些公司，去找 Intel 和 Samsung，我们先假设和潜在需求相比，TSMC 的供给一直非常紧张，那会发生什么，从市场历史看，我不知道具体是谁，但 Intel 和 Samsung 里面，总有一家不会一直保持纪律，他们会先松动到某个程度，这会迫使其他所有人也跟着松动，所以我觉得这里面很大一部分，可能取决于 TSMC，能在多大程度上继续保持，相对于 Intel 和 Samsung 的人才领先，你得记住，不管具体是多少，9 个月12 个月15 个月，它都是一个领先节点上的差距，你是说领先节点，没错，还有他们扩张产能的速度，如果我只看一件事来判断有没有泡沫，那就是 TSMC 的产能决策，我觉得有一个刚刚好的区间，TSMC 扩的足够多，让 Intel 或桑松很难真正成为一个有规模的第二来源，也就是市场份额远高于30%的那种，但与此同时，他们也继续保留金元上的根本约束，帮助我们避免泡沫，当然我也觉得 Terrafab 会参与到这件事里，Terafab 是 SpaceX 的项目，我相信 Tesla 也参与了，是一个合资项目，要在美国建设世界上最大的 Fab，我觉得他们会成功，第一他们和 Intel 有合作，这非常重要，因为他们能接触到50 年的组织知识，而这些知识只比最前沿落后，9 个月几个季度，12 个月或者3 到5 个季度，这是一个优势，另一个优势是，我相信 Terraflab 会得到，所有半导体设备公司的关注，TSMC 当年能追上来，一个很重要的原因是，ASML Latin Curve LAM Research，和 Applied Materials，都希望他们追上来，这些公司不喜欢，只有一个买方的局面，所以 ATEM 当时都在台湾工作，直到 Intel 犯了一些错误，局面一下就变了，因为 Elan 在硬件工程上的生育，这些 ATEM 也会来这里，而且在美国可能有些人很难想象这一点，因为政治已经取代了宗教，伊朗之前涉足政治，这让美国一些人很难清楚的看待他，这挺可惜的，因为我确实认为他为美国做的事，可能比任何其他美国人都多，他几乎是单枪匹马的把制造业带回美国，他也复兴了 defense tech，SpaceX 在某种意义上，是美国最重要的国防承包商，他用 Starlink 做的事情对全世界都很了不起，他创造了这么多蓝领制造业岗位，我觉得这本来就是很多自由派的目标，而且这对美国有好处，在推动全球脱碳这件事上，他做的比任何在世的人都多，如果你出于环保原因，对地球上的 data center 不满，那这就是一个答案，所以这很可惜，但在中国台湾韩国和日本，他就是一个活着的神一样的人物，我观察他很久了，他接下来会做的就是招到最好的人，因为最优秀的工程师，都想为 Elon 工作，尤其是硬件工程师，他会招来非常厉害的工程师，然后他们会在 Terrafab 旁边，建一个台湾城，他会说这些是你们最喜欢的餐厅，我把他们和全体员工，从台湾搬到德州，我们把一切都做成你们喜欢的样子，然后还会有日本城也是一样，还会有韩国城，所有这些都会非常到位，目的就是招到最好的工程师，这就不是现在管理 Intel 那些人的思路，所以他会拥有最好的人才，他会拿到 WiFi Equipment 公司的一线团队，他还有 Intel，这很重要，这对任何一届政府的政治目标都太有利了，而且我觉得他足够不一样 [00:19:58]

Patrick O'Shaughnessy：不会让台湾 Semi 翻杆，这些项目的周期都很长，对吧，所以 Terrafab 要真正开始大量生产 NVIDIA GPU，或者别的什么芯片，那也是很久以后的事 [00:26:25]

Gavin Baker：伊朗做事通常和别人不一样，别人建一个 data center 要花三年，他用122 天就建好了，一个 Samsung 在德州的 Fabry，不得不给他安排一个办公室，因为他对他们扩建厂房的速度

Patrick O'Shaughnessy：非常不满意，我们走着看，你前面提到过 deep seek，大家当时一个很简单的反应是，好吧，这些模型会变成这样，效果达到前沿模型的95%，但成本只是很小一部分，是蒸馏出来的中国开源模型，也就是说我们大多数想做的事情，都可以用这些模型，时间往前推一点，比如两年后，我这种小公司，没有理由每年花100 万美元，买 token 之类的东西，但实际情况看起来和这个判断，很不一样，我很好奇在你看来，为什么会有这种落差

Gavin Baker：我觉得最有意思的是前沿模型的回报，在模型层 AI 的经济回报，不是全部，但绝大部分都发生在前沿模型上，这让我很意外，我觉得很多人也很意外，我认为这是最重要，最需要回答的问题之一，作为投资者，你必须对此有一个假设，frontier token 会不会继续拿走，模型层创造出来的绝大部分经济价值，这确实很意外，我还记得 Gemini 3.1 Pro，刚出来的时候，它让我非常震撼，太好了，但今天再用它已经让人受不了了，真的受不了，这里可能也有一点动态变化，公司会先用前沿模型做 prototype，等真正上线生产时，你会听到很多人改用 working，或者用开源模型，但今天的事实仍然是这些经济回报的，绝大部分来自 frontier token，这很意外，它会不会持续下去，我觉得是一个非常有意思的问题，因为我经历过 Gemini 3.1 再到 Opus，所以我现在对这个问题开放的多，然后我也会用 Grok 4.3，它确实在 Peritone Frontier 上，顺便说一句，处在 Peritone Frontier 上的公司，已经发生了很大变化，这也是我们上次讨论内容的一个后果，Google 因为在 TPU VA 上，做了非常保守的设计选择，试图把一部分控制权，从 Broadcom 和 NVIDIA 手里拿回来，结果失去了每 token 成本上的领先地位，而 NVIDIA 还在继续做激进选择，过去 Google 主导了 Pareto frontier，这里说的 Pareto frontier，是智能水平和成本之间的关系，我觉得这是分析 AI Labs，是最重要的观察指标，9 个月前 Google 主导了这条曲线，在 Pyrido frontier 的每一个点上，OpenAI， AssetAI 和 Anthropic 都在它里面，现在 Pyrido Frontier 主要由 Anthropic 和 OpenAI 主导，然后 Grok 4.3 也在 Pyrido Frontier 上，它很明显是成本最低，效果最好的5000 亿参数模型，然后 Gemini 3.1 还勉强挂在 Pyrido Frontier 上，如果让我下注，我会赌他们是出于面子在补贴这个价格，我会这么说，第一，Richard Sutton 的 Bitter Lesson，如果被违反，那肯定是这笔交易最大的风险，也是整个 AI 最大的风险，现在一个人离 AI 越近，就越怀疑这种情况会发生，我觉得三月份市场走弱的一个原因，是出现了一个更蠢得多的 DeepSeek 版本，也就是一个叫 TurboQuant 的东西，TurboQuant 是 Google 的一种内存优化，一年前有篇论文写过，当时 Google 正在和 Micron，Samsung Hynix 谈协议，想签一些 LTA，把很高的价格锁定很长时间 [00:27:28]

Bitter Lesson、持续学习与芯片创业机会

Gavin Baker：把很高的价格锁定很长时间，就在谈判中间，他们发布了这个东西，人们实际做什么，总是比他们说什么更重要，他们就在 X 上宣传了一下，然后就传开了，大家都说天哪，DRAM 完了，这里有一个 DRAM 优化方案，但我在全世界找不到一个 AI 工程师，相信 TurboQuant 会对 DRAM 需求产生任何影响，但不管怎样，这就是对 Richard Sutton 的，Bitter Lesson 的一种违背，更多 compute 总会胜过人类在算法上的巧思，更多 compute data，或者超过 Chinchilla Optimal 的训练，我想说的是，现在人们越来越常做的这些事，确实是一个真实风险，我觉得真正构建这些模型的人，对这个风险是怀疑的，我之所以没那么怀疑，是因为我觉得我们离 ASI 已经非常近了，谁知道 Bitter Lesson，对400IQ 的模型还成不成立，或者也许我们会经历一个短暂阶段，如果你达到了 ASI，他第一件想要的事，可能就是变得更聪明，并拥有更多资源，他要怎么做到这一点，他会让自己变得更高效，我认为这确实是一个风险，Bitter Lesson 里，我相信字面上也包括人类，所以我们很快就会知道，Bitter Lesson 到底还成不成立，如果它适用于300IQ 的 AI，那再到400 500 600IQ，到某个时候我们可能会看到一个，基于 AI 和 ACI 的暂时违背，Bitter Lesson 的阶段 [00:29:58]

Patrick O'Shaughnessy：我很好奇，你怎么看模型创新里的其他部分，比如 continual learning 和 memory，大家似乎最关注这两个方向，觉得他们可能会带我们进入另一个新的范式 [00:31:23]

Gavin Baker：你怎么看这两件事的作用，我觉得我们已经通过这些 harness，在 memory 上做了很多事，后来我们发现 harness engineering，没有模型本身重要，但它真的很关键，而且这些 harness 和模型越来越多，是在一起共同开发的，harness 做的一件大事，你可以把它理解成，模型运行时所处的 Ryntime，他知道工具在哪里，会创建 context，memory state，有非常具体的 prompt 或指令，总之他会带来很大的差别，差别巨大，哪怕是很简单的版本，简单版本也会带来惊人的差别，我想我上次来这里的时候，说过很多遍，我当时说作为投资人，你一定要付每月250 美元，买当时那个版本，这样才能形成自己的直觉，但现在只靠这种方式，已经不可能理解今天 Frontier AI 能做什么了，即使是非写代码的用力，你也需要 Cloud Code 或 Codex，而且你需要用 Enterprise Plan，原因是，这也是我认为 Google 失去成本，领先地位之后带来的另一个变化，这些 AI 模型已经转向按使用量计费，如果你还在每月250、300，或者280 美元之类的套餐里，你会被严重限速，你拿到的是一个被切掉大脑的 AI 版本，因为就像我们之前说的 Cloud，现在输出的 token 少了70%，你真正想要的是，Claude 和他的 Harness，认为为了给你好答案，必须输出的那些 token，那你就需要用按使用量计费的 plan，顺便说一句，这对 AI 非常利好，我在2005 到2007 年做过电信分析师，移动通信在之前10 年里，一直是很好的增长行业，原因是它结合了固定价格和按使用量计费，比如某个价格包含900 分钟，超过之后再按使用量收费，移动通信什么时候不再是一个很好的增长行业，就是所有人都转向无限量套餐的时候，顺便说一句长途电话也是一样，AI 现在正从无限量使用转向按杯付费，结果证明人们真的很喜欢和朋友打长途电话，人们也真的很喜欢在电话上和朋友聊天，人们也真的很喜欢用 AI，尤其是现在一个人可以让100 个 agent 同时工作，所以我认为转向按使用量计费，很可能就是，为什么你会看到，OpenAI 和 Anthropic，今年 AR 远远超过2000 亿美元，因为不只是更多 compute 会上线，他们还可以通过这些，按使用量计费的 enterprise model，推高 frontier token 的价格，但这也让人难过，对整个世界来说都让人难过，因为这意味着，如果你付不起钱，你就不在 frontier 上，不过说回 continual learning，如果我们解决了这个问题，你是怎么理解它的，人类大脑有太多谜团了，相对于 AI，我们是样本效率极高的学习者，我忘了具体是多少，但 AI 需要的样本量，比我们高出好几个数量级，很多很多个数量级，今天在某些东西可以验证的时候，我们已经有了一种，粗糙版本的 continual learning，那就是在 mid training 期间，做 reinforcement learning，但真正的 continual learning，是一个模型，能够动态调整自己的 weight，或者以某种方式实时调整，就像人类一样，这不就是人类会做的事吗，是的，比如我第一次把手伸进火里，我就学会了，以前从没碰过以后，也不会再伸进去，今天的模型，却需要把手伸进火里一百万次，然后还得让设计者，在下一轮训练里，或者在一个 RL Gym 里，给他放一团火，他才能学会，我觉得他必须能动态更新权重，但我也觉得，大家正在研究很多，比这更聪明的技术，如果我们做到这一点，起飞速度就会非常快，而且大家似乎很有信心，continual learning 差不多就在眼前，我确实觉得这是第三个大问题，bitter lesson 会不会失效，因为 ASI 之后，人类智慧可能不那么重要了，frontier token 还能不能继续保持，现在这样的溢价，我们会不会得到 continual learning，如果会什么时候，在这一切里，新的芯片公司扮演什么角色

Patrick O'Shaughnessy：我们已经聊了很多 NVIDIA，以及它和 TSMC，Intel 等公司的关系，现在可以说是百花齐放，我觉得可能真的有上千家公司，在尝试做新芯片，想解决这个瓶颈里的某一部分，我很好奇你怎么看这个领域，这个机会，以及它会发挥什么作用，这些公司会发挥什么作用，我觉得这对世界来说是好事，也很健康 [00:35:45]

Gavin Baker：对 Jensen 来说也是好事，因为换一个政府，可能会有不同看法，我认为竞争对所有人都有好处，在坦克设计里他们会讲铁三角，坦克设计里的铁三角是，所有坦克设计者都必须在攻击防御和机动性之间取舍，原因很明显防御越强也就是装甲越厚，坦克就越重机动性就越差，所以你必须在这个三点里做选择，比如以色列的 Merkava，它就是偏向防御优化，俄罗斯坦克还有 Leopard，一般更偏向机动性优化，芯片设计也是一样，这里有一些由物理定律决定的基本约束，它们体现在 TSMC 的设计规则里，你必须在这些约束内做设计，现在有 TPU Tranium 和 AMD，它们本质上都在尝试做一个更好的 GPU，今天我觉得可能 Tranium 做得最好，当然没有谁真的比 GPU 更好，但我觉得 Tranium 已经有点在拽超人的披风了，不过这场比赛还没真正开始，Tranium 3 需要放量生产，因为它有一个 Scale-up Switch 网络，如果你想以经济的方式，对贸易模型做 influence，这个网络非常关键，很多公司用的是 Torres 架构，Google 之前就是这样，AMD 也是，我们还要看看 MI450 会怎么样，现在还不知道，我们对 Tranium 3 的了解，可能比对 MI450 更多，但这是一场很难打的仗，所以你必须做不一样的东西，而且这个不一样的东西，还必须很难做，所以我觉得这些创业公司，最好的路径是这样，我的经验法则是，1%的市场份额就会值1000 亿美元，1000 亿美元已经是非常好的 venture，结果了，我觉得 Jensen 会说，好，如果有人做了不一样的东西，而且拿到1%，2%，或者3%的份额，我们也会做那种芯片，所有人都会面对这件事，但如果你是在尝试做一个更好的 GPU，那祝你好运，如果你做的是不一样的东西，那它也必须很难做，你可以做不同的取舍，prefill 和 inference 的结偶，确实把做这些，不同取舍的空间打开了，因为你可以为 decoat，做非常激进的取舍，也可以为 prefill，做非常激进的取舍，prefill 指的是接受 context，decoat 指的是输出，对吧，我有一位很棒的同事，叫 Andrew Fox，他说你可以想象，一艘18 世纪的英国海军战舰，prefill 就是在给大炮装弹，decoat 就是在开炮，prefill 字面上说，就是模型理解问题，理解 prompt，然后跟踪自己正在生成的答案，它本质上是一个受内存容量限制的问题，decode 是生成新 token 的过程，它受内存带宽限制，所以如果你是芯片设计师，这就给了你更大的发挥空间，但即便如此，这件事也必须足够难，因为如果你只是在那个铁三角里，做不同取舍去优化内存容量，而这些取舍并不难，那 NVIDIA 也会做同样的取舍，他们从台积电拿到的价格，会比你能拿到的好得多，那就祝你好运吧，而且他们还有一个优势，就是他们和每一家模型公司都合作，可以不断优化自己的设计，顺便说一句，还有一件很有意思的事，如果你是 VC 投了一家半导体公司，而这家公司告诉你，他们会有优势，因为他们能特殊接触到台积电的某个工艺，我可以向你保证，Jensen 在那个工艺，还只是台积电脑海里的一个念头时，就已经看过了，他们对这个工艺的了解，远远超过一家200 人的小公司，能想象的程度，台积电也好，供应链里的每家公司也好，都会把所有东西展示给 Jensen，就像他们也会把所有东西，展示给 Amazon AMD，TPU 那些团队一样，这也是另一个原因，别去试图做一个更好的 GPU，所以你可以做不同的事，你可以在 prefill 这块画布上发挥，也可以在 decode 这块画布上发挥 [00:36:10]

推理拆分、应用层困境与 AI 原生公司

Gavin Baker：也可以在 decode 这块画布上发挥，但你还必须做一件很难的事，因为一旦它做到了规模化，那四家公司会非常快的跟进，我的公司曾经是 Cerebras 的 Venture 投资人，Cerebras 做的事情就是又难又从根本上不同的事情，也就是 wafer-scale computing，它会带来一整套取舍，但他们当时做出的那个架构决策非常难，也让他们能做别人做不了的事情，至于这件事最后能做多大，我们还要看他们现在也在做一些很酷的东西，比如 Cerebras 面临的一个问题是，一旦你需要把很多芯片拼在一起，扩展 scalable 网络或者 scalable 网络，你就需要大量 IO，IO 受所谓 shoreline 限制，也就是芯片边缘的长度限制，所以相对于 shoreline IO，Cerebras 在片上计算和内存上的比例是压倒性的，但他们是一群非常聪明的人，他们做了一件非常难的事，现在他们在尝试，能不能把一片光学 wafer 直接放到上面，这样就能解决那个问题，我相信他们也在研究 Dirham 的 Hybrid Bonding，绕开这些所谓的限制，那些限制其实并不是真的限制，理论上一台 Cerebras 机器，可以运行任何大小的模型，只是有些模型尺寸，它们跑起来会比其他尺寸更有优势，所以我觉得 Cerebras 有意思的地方在于，它们做了一件不同的事，而且很难做，真的很难做，就是 wafer-scale computing，所以我确实认为这类公司是有角色的，我也会鼓励他们所有人做不同的取舍，尝试做很难的事，因为 Cerebras IPO 之后大家都会拿到钱，这不会是问题，但 Cerebras 花了三代芯片才把它做对，这是一家已经十年的公司，这真的很难，你看 CEO Andrew Feldman 就能看出来，他和整个团队为了走到今天，经历了多难的事情，他们需要有这种韧性和毅力，第一颗芯片失败了，这种事会发生，你能不能回来再做第二颗芯片，不过关于这个话题，我最后还想说一点，这件事会极大延长 GPU 的使用寿命，而且可能会单枪匹马，拯救 private credit，你问 private credit 是什么意思，private credit，现在因为那些 SaaS 贷款已经很痛苦了，不管这些贷款已经被减计了多少，可能还需要减计更多，因为如果上市公司都在艰难适应，那一家背着很多债的公司，又怎么适应，又怎么投资一个利润结构，完全不同的业务呢，但 GPU 里也有大量 private credit，他们当时给这些 GPU 做承销，我觉得按的是三年或四年的寿命，而 inference 的拆分意味着，我认为这些 GPU 会有十年或者十五年的寿命，那些 AI 怀疑论者会说这些公司都在做假账，GPU 的使用寿命只有一两年，CPU 的使用寿命也只有四年，因为技术变化太快，不是这样的，技术快速变化，以及 prefill 和 inference 的拆分，带来的结果是，你可以把一个 Cerebras 系统，或者 Groke LPU 放在 Hopper，甚至 MI 的前面，然后用 Hopper 和 MI 来做 prefill，把那块 GPU 的使用寿命，一直延长到它烧掉为止，当然它们确实会烧掉，所以它们还是有时间上线的，但也许你不需要让它们跑得那么快，这对整个 private credit 行业都会非常有利，它会帮助融资 AI 建设，因为如果你能开始给 GPU 融资成本，更像是5%或6%，而不是我记得 CoreWeave 最低那笔融资，大概是7%出头，那在数学上，真的会改变这轮建设的融资成本，我们有了这种技术创新，它会降低融资成本，也会延长地球上算力的可用寿命，这里最后还有一点很有意思，我的朋友 Jaymon Ball，刚做了一期播客，Kochu 也有一份 Deck，里面讲到卖稀缺的人，过得比买稀缺的人好太多，买稀缺的人就是那些 hyperscaler，但如果你手里有一个巨大的存量资产，而这个东西现在正好短缺，那也是一个非常非常好的位置，我们也听到 CPU 在 agentic world 里，比过去重要的多，他们要负责 orchestration，to call 等等等等，世界上最大的 CPU 集群，都在 hyperscaler 手里，所以我觉得有些 hyperscaler，可能会稍微追上一点，那些卖稀缺的公司，我想把不同而且很难这个想法 [00:39:59]

Patrick O'Shaughnessy：放到基础设施之外来聊聊，现在你开始接触新的创始人，也接触那些，必须适应新世界的现任 CEO 和创始人，你看到的那些最 AI native 的创始人，不是做芯片基础设计或者模型的人，而是用这项技术去做其他东西的人，如果你观察到了差异，他们在你看来最不一样的地方是什么 [00:44:16]

Gavin Baker：首先我觉得这不只是芯片设计的问题，对我来说这一直是 venture 里一个根本问题，有些不同的想法，地球上每个人一听就会觉得显而易见，如果你做 Venture 处在这种位置，而这件事本身又不难做，并且在你建立规模之前，它就已经对全世界都显而易见，那你就麻烦了，规模是终极优势，Amazon 当年很厉害的一点是，我觉得这件事对很多人来说是显而易见的，但对零售业的 CEO 们来说并不显而易见，Amazon 非常聪明，任何 VC 投资的电商公司，他们都会去摧毁，他们会说真可爱，那我们就把这个品类的利润率，打到负1 万百分之，Wayfair 那帮人就不一样，他们做的是一件很难的事，Amazon 想干掉他们，但失败了，那些 CEO 在运营上非常强，真的很有能力，对我来说在 Venture 里，我总是在看这件事，会不会在这家公司建立规模之前，就变得对全世界都显而易见，还是说它既不明显很不同，又真的很难做，我觉得很多创始人在 AI 里都很挣扎，大家现在开始担心，在 Jensen 所说的 AI 五层蛋糕里，利润正在流向能源，流向数据中心，流向芯片，流向模型，但并没有真正流向应用，Cursor 和 Cognition 已经做到了规模，他们专注在 Coding 上，18 个月前专注 Coding 的人并不多，OpenAI 当时什么都在做，真正专注 Coding 的是 Cursor，Cognition 还有 Anthropic，这种对代码的专注方向非常正确，Repli 的创始人 MJad Massad，发过一条推文，我觉得特别聪明大意是说，有点接近苦涩教训的一个事实是，coding 可能是通往 ASI，和有用 AI 的最短路径，因为如果你真的很擅长 coding，你就可以给自己写代码，去做任何事情，所以我觉得这些公司非常聪明，选择了高度聚焦在 coding 上，我觉得他们大概都已经，做到了一个规模，因此有了自己的位置，我觉得 cognition 在做的事情，真的非常非常不同，但我觉得很多创始人，真的很挣扎，真的很挣扎，他们试图建立信心，认为自己可以在一些细分领域里先进去，并且在模型公司进入这个细分领域之前，拿到某种数据护城河，或者他们希望这个细分领域足够小，小到模型公司不会亲自去做，但又仍然能做出 Venture 级别的结果，这和你说过的 token Path 有关吗，我知道你之前跟我用过这个说法，是的，我觉得这个说法来自 Ultimator 的 Jaymon Ball，他说如果你是一家软件公司，或者任何类型的 AI 公司，你就必须在 token path 上，所以 databricks 在 token path 上，类似的公司也在 token path 上，如果你不在 token path 上，又不是在某个非常细分的领域里，那日子可能会很难，即便是这些垂直细分领域，我觉得如果你去和模型公司的人聊，他们对其中一些也会持怀疑态度，因为这些细分领域里生成的所有数据，都是来自人类，但你的赌注是，你能用这个狭窄垂直领域里的专有数据，训练出一个成本更低的模型，而 frontier lab 永远做不到这个成本，也许这是个好赌注，但我觉得你必须非常非常小心，另一方面，如果这些 frontier token，相对于其他 token 的回报下降，应用层的价值创造会出现一次爆发，还有一个非常重要的点是，我相信只要 Jensen 想，他大概可以做出很接近 frontier 的东西，用他自己的模型，用他自己的模型，他们在做一些非常酷的事情，这就是像 Joel Spolsky 会说的，把你的互补品商品化，我不觉得他想这么做，OpenAI 和 Anthropic，某种程度上正想对他做这件事，但没有成功，所以这很像是一个非常逻辑化的思考者，会做出的逻辑反制，我觉得你会看到，今天所谓的开源前沿模型，主要是一些中国模型用的是，偷来的美国 token，有人告诉我 DeepSeek，最新那个，或者也可能是最早那个，只用了15 万条 reasoning traces，如果你是一家中国公司，有很多办法可以把这件事洗干净，你可以打各种不同的 API，让追踪变得很难，现在美国实验室在非常努力的做反蒸馏技术，但我确实觉得中国开源模型，在资源非常受限的情况下，做出了很了不起的东西，不过这里面有很多蒸馏，所以我认为除了没有足够的 compute，去服务 mythos 之外，他们也不想让他被征留，他们想自己用 mythos，自己去征留他，用他来对下一个模型做 RL，或者做别的事情，然后我觉得最终，如果 open AI 的经济账算得过来，前沿阵营里的任何一家，都会面临同样的问题，这里会出现非常有意思的博弈论，因为这是一种新的囚徒困境，我们之前讲过老的囚徒困境，主要是围绕着，你处在一个必须花钱的囚徒困境里，新的囚徒困境会是，如果你站在前沿，你到底要不要通过 API 发布那个模型，如果所有前沿公司都同意不这么做，那中国开源模型很快就会完蛋，但只要有一个人背叛协议，他就会拥有最好的模型，会有大量收入和现金流，当然资源等于智能，所以他会开始领先，然后这又会导致其他所有人也把模型放出来，所以这是新的博弈论

网络安全、投资工作流与估值分化

Gavin Baker：所以这是新的博弈论，他有点像 TSMC，Samsung 和 Intel 之间的那种博弈，现实是如果像 NVIDIA 或 AMD 这样的公司，真的非常认真的使用其他晶圆厂，那家晶圆厂会很快变强，所以我确实认为，Jensen 会让开源模型在一定时间内落后于前沿，我觉得这会是一件非常值得观察的事，顺便说一句，开源也是可以变现的，有一个误解，好像开源就是免费的，开源 token 也要花钱，他们要消耗能源生产，他们也要能源，你需要靠 GPU 把成本赚回来，而开源模型公司几乎总是会拿收入分成，你们怎么让 Atreides 为 Mithos 3、Mithos C 的世界做准备，我们就是努力在网络安全上过度投入，有件事我在很多场合都说过，而且我真的相信就是每个人都需要一个安全词，每个人都应该把数字设备放下，真的去海边和家人设一个安全词，或者和公司设一个安全词，而且这个安全词不能是那种，可以被社会工程学套出来的东西，这主要是为了避免网络犯罪，比如看起来像是你儿子女儿，祖父母父母，或者其他亲人给你 FaceTime，但那其实是对他们极其准确的模拟，他知道一切还能根据他们过去说过的话 [00:49:59]

Patrick O'Shaughnessy：推断他们接下来可能会怎么说，然后他对你说，给我打一百万美元，这是防守，那进攻呢，我想问的是，还有什么事是你仍然能做，但他做不了的 [00:51:17]

Gavin Baker：从分析的角度说这是个好问题，我最近刚又看了一遍《最后的武士》，还让公司里的人也去看，如果你没看过《最后的武士》，我强烈推荐你去看，这其实是一部经得起时间考验的电影，是20 年前 Tom Cruise 演的，他的设定是，Tom Cruise 是一个愤怒落魄的南北战争老兵，但他其实是个非常优秀的士兵，他之所以愤怒落魄，是因为他觉得自己参与了，对美洲原住民的恶劣行动，后来日本雇用了他，时间是在明治维新时期，日本政府里的现代派，雇他去训练一支由农民组成的军队，让他们学会怎么和武士作战，第一次战斗里，当然是武士赢了，虽然他们没有枪，他打得很英勇，所以武士决定不杀他，而是把他带回村子，后来他成了一名武士，对他来说这感觉很像南北战争，于是他站在武士一边作战，到最后，他被一个拿着机关枪的农民屠杀了，机关枪已经出现了，如果我们不能都成为机关枪的大师，我们就会被机关枪支配，所以我正在努力成为机关枪的大师，我也比较乐观，我觉得会有很长一段时间，就像如果你是一个50 岁的武士老兵，打过很多仗，是用剑的大师，那你在使用机关枪时，也会有优势，我一生都在学习投资，所以我乐观的认为，我能够掌握这挺机关枪，也就是掌握这项新技术，把它融入我自己的流程，也融入我们公司的流程，这样我作为一个人类，还能在很长时间里继续贡献价值，但现在我也和大家一样，agent 基本一直在跑，你问我最有用的 agent 是什么，说实话，最有用的那个，我想我之前也跟你说过，我不想影响你的生意，但对我来说最有用的 agent，就是把播客里，我会感兴趣的要点总结的非常好，每天大概有六个小时的内容，我觉得按我的工作职责，我都应该去看，每次只要 OpenAI，SecEye，Google Cursor，Fireworks，Basetin 的人出来讲话，更不用说 Jensen，Elon，Dario 这些人，我都会觉得自己必须看，但我真的没有那么多时间，而且这里面确实是大海捞针，有一类东西是我总想看的，比如我对管理层薪酬非常敏感，他们的激励是什么，他们拿的只是普通的 RSU 还是 PSU，如果是 PSU，那这些 PSU 到底在激励他们做什么，如果系统能先把这些做一遍很好的出筛，就能给人省下很多时间，这样人就可以去做更有创造性的工作，而不是去翻 proxy statement，把 PSU 那一段抠出来，再和之前所有 proxy statement 对比，看它发生了什么变化，因为这里面是有信号的，但非常耗人工，而这类工作特别适合 AI，投资里显然还有各种类似的事情，这是做投资人最令人兴奋，最让人激动的时代，确实是这样，但我也有一点开始有点担心了，你是说分化这个问题，你能不能再多讲一点，是什么样的人，再把这种情况延续下去，我认识的人里像我这样，还不非常看多 DRAM 的，一个都没有，真的一个都没有，现在 AI 里有很多有意思的事情，其中一个是从横截面来看，估值完全不合理，就是明摆着不合理，不可能都同时成立，有些半导体设备公司，按下个季度年化利润算，交易在40 倍，而 DRAM 公司，在上一个周期顶部的时候，交易在中国位数倍，当时一度大概是5 倍对12 倍，某个时候甚至是3 倍对45 倍，这两边不可能都对，是的，半导体 CAPEX 公司的商业模式，确实比存储公司的商业模式，改善的更多，我们还不知道 HBM 会把存储公司的商业模式，改善到什么程度，是的，他们确实有一部分来自零部件，和维护的经常性收入，但这不值得给出10 倍的估值倍数差，我觉得很难解释，NVIDIA 这样的估值，4 月初的时候，相对整个市场来看，它基本上已经是过去10 年，或者12 年里最便宜的区间，绝对估值也很便宜，但你很难把这个估值，和 GE、Vernova 这样的估值，放在一起解释，因为后者的估值里，隐含的是 NVIDIA，会丢掉一个难以想象的份额，所以从横截面来看，估值差异非常大，原因是我们现在处在短缺里，质量最低的公司反而表现最好，如果你是油气投资人，或者矿业投资人，自然资源投资人，而且你很熟悉成本曲线的思维，这一点对你会非常直观，在一个真正的商品牛市里，成本最高的商品供应商，涨得最多，因为他们受益最大，他们会从濒临破产，变成现金流喷涌，我觉得这也是商品投资，特别难的一个原因，因为在周期里质量会跑赢，但真正所有的超额收益，往往发生在下行周期，那些高成本公司，在短缺和商品牛市里，曾经涨上天，后来就会破产，或者发生类似的事情，你现在在每个行业，都能看到这种事，质量最低的玩家，在不同的行业里，本来是 hyperscaler，和买家都讨厌，都嫌弃的，因为他们成本高，不可靠零部件，故障率高等等，但他们现在全卖光了，还在涨价，然后这种情况，又引起了 X 上一些，散户账号的兴趣，这些股票就被一路，买到天上去，反过来一些质量，更高的表达方式，实际上表现的非常落后，作为投资人这很难，因为你几乎毫无疑问的知道，那个三个月或六个月涨了十倍的东西，最后会掉回去，当然这也取决于他们拿这笔现金去做什么，但这些低质量公司，真的会用现金做很聪明的事，所以让我有点担心的是，一年前非常怀疑的人现在已经不怀疑了，但我再把这件事和那些高质量公司的估值，放在一起看，他们其实并没有被拉得很高，这又让我感觉好一些，不过确实有一种感觉，我一直觉得2024 年和2025 年，有人问 AI 有没有泡沫，或者谈 AI 泡沫，这件事挺好笑的，因为核能泡沫和量子泡沫就摆在你面前，我们到底在讨论什么，AI 这个东西是真实的多的，但核能量子那些有点荒唐的东西，可能已经蔓延到了一些更投机，质量更低，市值更小的名字上，如果你在 X 或 Reddit 上有很大的影响力，这类股票就很容易被推起来，这让我有点害怕，但我只是希望 AI 空投能多一点，比如我希望存储空投能多一点，我之所以这么想，有一个原因是，Asteria 这只股票，我已经关注了很长时间，看空 Asteria 的人很多，这点我很喜欢，挺好，我最早是在 Series C 投的，所以如果你觉得，能让我用不同方式给它定价，那就祝你好运，要是你觉得它是所谓的 Copper loser，那也祝你好运，市场里还有各种 basket，带杠杆的 basket，你被归到哪个 basket 里非常重要，比如铜光模块 DARAM，今年发生了一件很有意思的事是，2024 年和2025 年，AI 这笔交易基本是一起走的，你可以做多 GPU compute，scale up networking，光学 scale 同时做空电力，从风险管理角度看，这个交易是有效的，因为我非常在意 factor，但今年1 月这一切都散了，比如 scale up networking 会暴涨，而 scale out 在下跌，或者 DRAM 大幅跑输 NND 和 HDD，AI 内部这些横截面的相关性，真的崩了，你必须看得非常细，你不能再用一些半导体设备股，或者 NAND 来对冲 memory 了，一月份所有横截面的关系，都发生了很有意思的变化，我觉得原因之一可能是，AI 的质量到了一个阶段，突然让很多人很容易，把这些不同子行业研究得很明白，然后开始交易它们，再把它们放进不同的 basket，这些 basket 又会影响 AI 带来价格效率，对 没错，所以我觉得在那些高质量公司之外，还有一些最大的机会，这些高质量公司我认为能长期复利，也比较安全，不像那些低质量公司那么吓人，机会在于那些被错误分类的公司，比如 Asteria 就被放进了很多 Copper loser basket，但 Asteria 最大的产品会是 Switch，他们会同时用铜和光把 Switch 连接到 Accelerator，所以从定义上说，如果你是一家 Switch 公司，或者是一家 Accelerator 公司，你就不可能是 Copper loser

Patrick O'Shaughnessy：因为你在那条连接的另一端，我想请你对每家主要公司，都简单聊一两句，比如 Google Microsoft Amazon，这些上市的大玩家，我感觉我总是忘了问你 [00:59:47]

Gavin Baker：因为对话总是围绕那些

科技巨头定位、人身安全与地缘政治

Gavin Baker：因为对话总是围绕那些，令人兴奋的新公司展开，先说 Google，去年它非常强，因为它有 TPU 优势，但这个优势现在已经没了，我觉得他们仍然处在，很好位置的原因，很简单，他们拥有最多的 compute，我们刚才也聊过，在供给短缺的时候，已有装机基础的价值会更高，他们拥有最大的，compute 装机基础，我有点惊讶的是，他们一直没能拿出，更强的东西，Google I.O. 就在这周，对，就是这周，如果他们这次发布的东西，连稍微超过 OpenAI，或者 Claude 的都没有，那就很有意思了，这对 Google 不是灾难，只是很有意思，它说明我们刚才讨论的，NVIDIA Effect，可能比我想象的还要强，我非常好奇，五天之后，Google 发布新东西以后，Pareto frontier 到底会变成什么样，这对他们来说是一张大牌，不过 Google 拥有的数据量，还有 YouTube 数据，确实非常有价值，在 Robotics 的世界里，它真的有价值，再加上他们拥有的 Compute，以及他们的搜索业务，Google 永远不会处在一个差的位置，你也能从 GCP 的狂飙里看到这一点，你也必须给 Zuckerberg 和 Meta 认可，他把 Meta 在内部变成一家 AI First 公司，这件事做得很好，我确实认为，在这些真正的互联网巨头里，他是唯一一个做到这件事的人，这点我非常认可他，他当时愿意为人才付高价，签下那些10 亿美元级别的合约，我也非常认可，那个 Talent 和 Muse，我觉得是一个非常大的正面意外，这是 MSL 的第一个模型，它还不在 frontier 的 Pareto frontier 上，还比不上 XAI Google 的一个模型，还有 OpenAI 和 Cloud，但已经很接近了，这让我非常印象深刻，所以我觉得 Meta 的位置比之前更好了，绝对位置还没有 Google 那么强，但它的位置在改善，在市场里变化速度比当前水平更重要，尤其是在三年这种较短的时间框架里，更长时间看竞争优势的水平往往会占主导，但即便如此，变化本身也真的很重要，Amazon 我觉得位置也很强，因为有 Trainium 未来18 个月，你会在他们零售业务里看到，Robotics 带来真实的 P&L 效率提升，我其实觉得 Nova，也就是他们的内部模型，还没到 MUSE 的水平，但比市场给他的评价要好，再说 Microsoft，我觉得 Satya 是一个非常聪明的人，但在投资者交流里，大家谈论他的方式，已经不是以前那样了，我喜欢 Satya 也很敬佩他，我觉得他是一位非常出色的 CEO，他做出的那些决定，我也很认可，但他确实在三年时间里，从我们要让 Google 跳舞，变成了 Copilot 的产品经理，我真的很想知道，在 OpenAI 那次政变尝试期间，Satya 会不会后悔自己的决定，Satya 内心深处，会不会希望自己当时支持的是 Ilya，而不是 Sam，会不会希望今天真正掌管 OpenAI 的是，Ilya 和 Mira，我真的很想知道，因为我觉得在那个世界里，Microsoft 和 OpenAI 的合作关系，可能会非常不一样，我觉得这是一个非常有意思的问题，只是我们永远不会知道答案，但我还是很认可它，它现在做的事就是在承担风险，这样他们才有机会获得回报，这就回到你在不确定性，追行区里必须做的那些决定，不只是花多少钱，还包括把钱花在什么地方，我觉得微软在2025 年初，有那么一瞬间退缩了，他们原来有一套算法，我们投入这么多 CAPEX，就能得到这样的回报，那套算法当时有点失灵了，如果你退缩就会失去位置，你会失去很多分配额度，而且很难拿回来，所以他们退缩了一下，现在 Satya 正在做的决定，市场因此惩罚了他们，但我觉得这是正确决定，那就是我们要把自己一个 PU 用起来，而不是拿去卖，我的意思是谁知道，如果他们愿意直接把 GPU 卖给 OpenAI，Azure 的增长会有多快，他们现在是要把 Compute 用在内部，让自己的产品变得更好，Copilot 这么差，或者说之前一直这么差，一个原因就是可用的 Compute 不够，他们正在修这个问题，他现在就是 Copilot 的产品经理，我确实觉得他是一个很优秀的 CEO，他们也在尝试用自己的 compute，来训练自己的模型，我有点怀疑他们是不是有合适的团队，能把这件事做成，但他们当然有能力像 Meta 一样，花钱去招人，也许换一支不同的团队，但我觉得他正在做一些好的决定，而且这些决定有风险，目的是让微软为这样一个世界做好准备，frontier model 不再能通过 API 访问，我觉得这是一个非常有勇气的决定，所以我很佩服他，他也放弃了很多东西，我的意思是，如果微软把 GPU 用来服务 OpenAI，只服务 OpenAI 和 Anthropic 的 capacity，而不是用在自己的产品上，微软的股价，今天可能已经是800 美元了，所以我很佩服他做了一个很棒的决定，真正有意思的是，这些公司在做决策时，到底有多面向外部和 startup，互动最深的两家公司，远远领先的是 Amazon 和 NVIDIA，然后 Google 也有非常深入的互动，再往后，Broadcom 的参与方式不一样，他们基本上是所有人最喜欢的 AIC 供应商，如果你是一个 Startup，第二代芯片能和 Broadcom 合作，大家会觉得这是一次升级，如果第一代芯片 Broadcom 就愿意和你合作，那简直像天上掉下来的礼物，然后你会看到 AMD Microsoft 和 Meta，跟 Startup 的互动基本为零，当然我说零有点夸张，但确实非常少，我就会想，这个决定到底意味着什么，因为现在一些最好的团队，已经不在大型上市公司里了，而是在这些更小的 startup 里，我觉得这种互动，最终会变成一个相当大的优势，NVIDIA AMD，还有紧随其后的 Google，会因此受益，而其他这些 hyperscaler 身上，你看不到这种互动，我们快收尾了，我很好奇，关于这个巨大趋势，你有没有开始想到一些，更外围的连锁反应

Patrick O'Shaughnessy：可以随便展开讲讲，我们已经很详细的聊了，受影响最大的具体公司，也稍微聊了应用层，以及如果想让更多价值流向这一层，必须发生什么，我很好奇 [01:06:03]

Gavin Baker：随着这个世界变化得这么快，你还在想哪些有意思的连带影响，确实很疯狂，应用层先别说价值流向了，价值已经被摧毁了，AI 在应用层是净摧毁价值的，即使把 Cursor Cognition，这些最成功的 AI native 公司算进去，AI 也已经在应用层摧毁了数万亿美元的价值，在这个背景下，我确实觉得有一件事我们需要意识到，今天表现最好的公司，也就是估值涨得最多，创造经济价值最多的公司，是那些每个人对应的，以使用 GPU 比例最高，有效比例最高的公司，也许这只是意味着，未来每个人都会得到很多 GPU，但我觉得这是一个有意思的事实，我们需要注意到，我还想说，也许这有点阴暗，但我越来越担心人身安全，我对这件事越来越担心，对那些公众曝光度高得多，和 AI 关联更强的人，我会更担心，但我真的担心人身安全，我希望不要发生什么悲剧，可是美国这里的政治暴力正在上升，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 领域的政治领袖，不管我们同意什么，也不管我对 OpenAI 怎么看，或者不怎么看，我都觉得有人像 Sam Altman 家里扔 Molotov Cocktail，这件事非常可怕，我担心因为 AI 我们正在进入一个波动更高，Beta 更高，风险更高的世界，对我个人来说是这样，然后对棋盘上的大玩家来说，你想想这在地缘政治上意味着什么，我们正在看到乌克兰人真的开始赢了，至于他们为什么在赢，我觉得其实并不是因为他们有更好的无人机，我觉得他们确实有更好的无人机，这是原因之一，但我认为乌克兰真正开始赢，是因为他们拥有可能仅次于美国和以色列的最佳战场 AI，当中国或者他们的对手开始消化这一点时，他们会怎么回应，如果美国因为 AI 领先而占优势，那对美国当然很好，但对世界其他地方来说，这是不稳定因素，我经常想的一件事，是创办一个慈善机构去教育全世界，西方到底做过多少了不起的事，奴隶制基本上曾经存在于，几乎所有文明里，而真正终结奴隶制的，是大英帝国这个故事，应该被讲出来，但美国在1945 年之后拥有核弹，其他国家都没有，我们本来可以永远控制世界，可我们没有那样做，我们重建了德国和日本，而他们现在是美国最可靠的盟友，以色列韩国日本，这些都证明了美国这个国家的精神，我们没有接管世界，当时确实有这种担忧，也有记录，美国将军们尤其是麦克阿瑟，在日本有点像美国皇帝，有人担心美国会接管世界，美国当时确实有能力这么做，但没有这么做，他们回家了，我们还去军事化，然后世界进入了一段很长的全球稳定时期，虽然中间也有可怕的战争和危机，这就是 Pax Americana，美国治下的和平，所以也许这并不会造成不稳定，也许它会带来另一个，由我们的 AI 主导地位塑造的 Pax Americana，我非常乐观，觉得 AI 会给世界带来很棒的东西，有个人他的女儿被诊断出一种非常罕见的基因突变，没有疗法，他调动了很多资源，也从一些实验室拿到了大量 compute，那些实验室知道了这件事之后，就迅速启动起来，他们启动了大量 agent，用 AI 找到了一种已经上市的药物，真的可以影响他女儿的疾病，后来他又创办了一家公司想要治愈这种病，因为 AI，他的人生已经发生了无法衡量的变化，所以我是 AI 乐观派，甚至可以说是 AI 最大化主义者，但我也承认，AI 就像是一个世俗宗教

AI 乐观主义与社会风险

Gavin Baker：AI 就像是一个世俗宗教，我很确定，它会成为一个断点，作为社会，我们必须想办法穿越过去，我认为卢德主义者最终会是错的，但我们必须非常认真的对待他们的担忧，我们要确保 AI 对每个人都有好处，现在最好的 AI，只对有很多钱的人开放，这确实有点反乌托邦，这个问题我们必须解决，我们需要带着谦逊来面对这件事，承认这里有大量不确定性，并且认真思考，每次跟你聊完，我之后都会跟别人说，希望你也能找到一样东西 [01:09:59]

Patrick O'Shaughnessy：像 Gavin 热爱市场，公司资本主义和历史那样热爱他，今天也都展现出来了，Gavin 一如既往，非常感谢你抽时间来聊，谢谢 [01:10:33]

Gavin Baker：谢谢你 Patrick

返回该播客 打开原文