到2028年，全球算力将只属于两家公司！SemiAnalysis创始人：中国目前实际部署的算力不到10%

科技播客主持人 Dwarkesh Patel 再次请来了半导体与硬件分析领域的“顶流”、SemiAnalysis 创始人 Dylan Patel。因为同姓，这两人每次对谈都会被戏称为双胞胎对话。

两人对着账本推演出的结论是：未来两三年内，整个真实世界的经济运行——从房贷利率、美股估值，到主权国家会不会破产——都将直接沦为两家 AI 实验室算力扩张的派生结果。

一年前，OpenAI 和 Anthropic 还在靠风投资金流血维持；而现在，前沿模型已蜕变成极其恐怖的印钞机：每兆瓦 1000 多万美元的基础算力成本，被他们转手做出了 5000 万甚至上亿美元的终端收入。

当一家公司能稳定地“把 10 块钱变成 100 块”，它在市场上就拥有了无限开火权。这两家实验室不仅能以最高价扫光市面上所有的算力，还在做一件极其反直觉的事：宁可少赚几千亿美元，也要主动压缩对外提供 API（推理）的算力比例，全部关起门来投入内部自我改进（RSI）。

无论从训练的规模经济、硬件的稀缺性还是 AI 的持续学习来看，到本十年末，全球绝大部分有效“劳动力”可能将集中在极少数几家私人公司手中。

🔥 核心要点速览

• 从烧钱转为暴利，算力反哺研发：每兆瓦算力成本约 1000 万至 1500 万美元，产出却高达 5000 万到 1 亿美元。头部实验室正反直觉地减少对外 API 算力配额，将暴利全额梭哈进内部模型迭代与自动化科研。
• 2028 算力垄断：全球算力每年翻倍，前沿实验室算力每年翻三倍。叠加新芯片 3~5 倍的能效乘数，到 2028 年底，OpenAI 与 Anthropic 两家将控制全球绝大部分可用 FLOPs。
• 百倍暴利卡在镜子上：晶圆厂层面 60 亿美元的设备资本支出，能在终端撬动超 1 万亿美元收入。但这 100 倍的剪刀差被物理供应链死死卡住——蔡司和 ASML 制造反射镜的产能扩张需要数年传导。
• 十万亿 CapEx 引发主权债务危机：生态系统将产生超 5 万亿美元信贷需求，推高市场利率 250 个基点。传统价值股因折现率飙升而估值暴跌，债务沉重的边缘国家将面临债务违约。
• 单家公司的“AI 人口”超越全人类：前沿实验室等效 AI 劳动力每年以 10 倍速度膨胀。随着自动化研究员与持续学习落地，单家公司内部拥有的智力规模将迅速超过地球上所有人类劳动力的总和。

以下为本次对话的实录：

从巨额亏损到每兆瓦赚5000万：头部实验室的印钞机已经开动

主持人：基本上，全球经济的走向正越来越取决于实验室经济学的走向、算力市场的走向等等。我想搞清楚在未来几年内，这个疯狂的未来会演变成什么样。

但我们先从现状聊起：请帮我梳理一下目前各大实验室的算力规模与收入状况，并对未来一两年做个展望。

Dylan Patel：回顾去年，哪怕到了年底，美国大部分的 GDP 增长其实都只是 AI 基础设施。

放眼今年，全行业上线的新增算力中，约有三分之一是给实验室的，也就是 OpenAI 和 Anthropic。这些算力可能是别人建好再租给他们的，但最终客户是他们。

往后看，算力相关的数据正在急剧膨胀。今年全行业的资本支出刚过 1 万亿美元。到了 2028 年，这个数字将超过 2 万亿美元。而实验室在其中占据的比例还在不断攀升。

所以最终你会看到一个非常有趣的局面：这些实验室正从每年花几百亿美元的公司，变成每年花几千亿美元的公司，甚至预计到本十年末每年要花上万亿美元。至少他们目前与合作伙伴签署的部分合同是这个规模。

这就需要他们的经济模型发生重大重塑。在此之前，他们基本都是亏钱的公司。Anthropic 在第二季度开始盈利。外界认为，随着 Codex、GPT-5.6 等模型的崛起，OpenAI 也可能在第三季度的某个时候开始盈利。

如果回到一年前，他们所有的钱都来自风投填补的亏损。甚至回到今年年初，依然是靠风投填补亏损。但现在他们已经转危为安，开始真正产生利润了。

这并不意味着他们不再吸收新资本。新资金依然在涌入以进一步加速增长。但归根结底，他们越来越多的业务是由自身的收入提供资金，而不是靠外部注资。在过去的一年半里，他们的利润率确实飙升了。

目前，算力的基础成本通常在每兆瓦 1000 万、1300 万到 1500 万美元左右。

现在发生的最有趣的变化是：过去，如果他们提供模型服务——比如在 Nvidia Hopper GPU 上运行 GPT-4——对 OpenAI 来说毛利率是负的。

但现在，当 OpenAI 运行 GPT-5.6，或者 Anthropic 运行 Opus 5 或 Fable 5 时，他们产生的收入已经远远超过了每兆瓦 1000 万到 1500 万美元的增量成本。

以 Anthropic 为例，每兆瓦算力产生的收入最高达到了 5000 万美元。这就让他们能够做到：“如果我在推理算力上花 10 块钱，实际上能产生 50 块钱的收入，然后我转头就可以把所有利润作为增量花在训练上。”

到2028年，两家实验室将控制全球绝大部分可用FLOPs

主持人：我很想弄明白的一点是：你如何看待算力向实验室集中的过程，或者说，流向全球的算力与流向实验室的算力的相对比例会如何变化？

如果你说目前新增算力中有三分之一流向了实验室，那么到什么时候，全球过半的新增算力都会流向实验室？到什么时候，实验室基本上会拥有全球绝大部分的算力？

Dylan Patel：今年年初，OpenAI 的算力在 2 吉瓦开始，Anthropic 不到 2 吉瓦。到了今年年底，两家都超过了 5 吉瓦。所以他们的总算力增长了 3 到 4 倍。从今年增加的新增算力来看，他们大概占了今年新增算力的 30%。

展望明年，根据已经签署并落实的合同来看，情况会更加夸张。Anthropic 和 OpenAI 明年将占据 40% 到 50% 的算力。这种中心化趋势看起来并没有放缓或停止。事实上，它似乎还在加速。

谁来为他们建设这些算力，情况会发生变化。比如明年的一个大新入局者是 SpaceX，他们正在建设大量算力。他们很可能会将相当大一部分租给 Anthropic 和 OpenAI，因为这两家在边际上能出最高的价格。

此外，OpenAI 和 Anthropic 也开始亲自建设自己的算力——OpenAI 在做自己的芯片，Anthropic 在购买 Google 的 TPU 并通过 Fluidstack 部署。

所以你问，“什么时候全球一半的新增算力都只流向 OpenAI 和 Anthropic？”其实到明年年底，一半的新增算力就已经流向 Anthropic 和 OpenAI 了。

主持人：因为算力增长得太快了，新增算力基本上就是算力的大头。所以很快——你说是大概一年半或两年内——全球大部分的算力都会归两家实验室所有，或者至少是用来满足两家实验室的需求。

这里有一个趋势：全球算力（以吉瓦计）可能每年翻倍，但前沿实验室的算力每年翻三倍。

如果保持目前的趋势，今年年初是 2，年底接近 6。就按乘 3 来算，到 2027 年底是 18，2028 年底是 54。到那个时候你会不会觉得，“好吧，考虑到全球总算力，他们根本无法继续每年翻三倍了”？你如何看待未来几年的全球算力情况？

Dylan Patel：如果今年新增算力增加 30 吉瓦，明年增加 50 吉瓦，后年大概 70 吉瓦，你会看到一个非常有趣的现象。

今年部署的一瓦特算力，其效率远高于两年前部署的瓦特。全球绝大部分算力都是今年部署的。虽然部署的瓦数没有翻倍，但我部署的是 GB300、TPUv7 和 Trainium3，它们的效率高得多得多。它们的每瓦性能比上一代芯片高出 3 到 5 倍。

所以最终这里有一个巨大的阶梯。如果 Anthropic 和 OpenAI 明年拿下 45% 的算力，假设到 2027 年 12 月，他们拿下了全球一半的新增算力。但这全球一半的新增算力，其实际性能比之前所有的都要高。所以这里还有一个乘数效应。

到 2028 年底——如果这个趋势继续下去，而且我看不到任何阻止它的因素——他们凭借自身就能控制全球大部分可用的 FLOPs。

60亿晶圆厂撬动万亿终端收入，但供应链的鞭子传导太慢了

主持人：让我困惑的是，如果算力的价值增长这么多，为什么你认为我们在 2028 年只增加 80 吉瓦？

Dylan Patel：顺便说一句，这是上限。这是“我极其看好”的假设。

主持人：好吧，我们来理一下思路。几个月前我采访你时，你提到过，为了制造一吉瓦的 Vera Rubins，你需要 5.5 万片 N3 晶圆、6000 片 N5 晶圆和 17 万片 DRAM 晶圆。不知道这些数字有没有变。

总之，那是一吉瓦的量。我让大语言模型跑了你们的晶圆厂设备模型，算出每年生产一吉瓦算力需要多少设备成本。它说是 30 到 40 亿美元。现在假设把洁净室、外壳和晶圆厂的所有其他东西都加进去。所以 60 亿美元的晶圆厂资本支出每年能生产一吉瓦。而一吉瓦目前能产生 1000 亿美元的收入。

但同时，这 60 亿美元的资本支出每年都在生产一吉瓦，而这一吉瓦每年都在产生 1000 亿美元。所以在五年时间里，这晶圆厂生产的第一吉瓦已经产生了五年的利润，第二吉瓦产生了四年的利润，以此类推。

在晶圆厂层面 60 亿美元的资本支出，最终会产生超过 1 万亿美元的终端 AI 收入。

Dylan Patel：是的。这中间有很多运营支出（OpEx）。也有很多其他资本支出，比如数据中心、电力。

主持人：而且你还得为 OpenAI 的研发付钱。

Dylan Patel：还有安装。这里面有很多人需要分钱。

主持人：算这些中间商拿走一半。晶圆厂资本支出和最终产生的收入之间，依然有 100 倍的差距。实际上比这还要多，我们只是非常保守地估计。

结果是……这就是资本主义。你有这么巨大的差价，能把 1 块钱变成 100 块钱。他们难道想不出办法制造更多的反射镜吗？

Dylan Patel：他们会想办法的。只是制造这些反射镜需要时间。

主持人：但现在情况这么紧急，Anthropic 和 OpenAI 觉得“我们现在就能赚一万亿美元，但就是卡在 ASML 机器里的反射镜上了”。如果我们在这个事情上花 1000 亿美元，怎么可能造不出更多的反射镜？我们很快就会面临这种情况。我们难道解决不了这个供应瓶颈吗？这实在很难让人想象。

Dylan Patel：你已经看到有人在这方面做有趣的套利了，他们买下燃气轮机然后试图转手卖掉，因为轮机的价值要高得多，因为它是卡住你数据中心进度的东西。我觉得如果有人有 4 亿美元，并且有能力说服 ASML 卖给他们一台 EUV 设备，他们完全应该买下来，等一等，然后以超过 10 亿美元的价格卖掉。

但归根结底，是的，资本主义会促使这些东西扩张。这是个长鞭效应。鞭子的信号传导到末端需要很长时间。供应链不会立刻做出反应。

事实上，你去跟 Carl Zeiss 的人聊，他们会说，“是的是的，我们需要到本十年末生产 100 台 EUV 设备。”今年早些时候我们做那期节目时，他们甚至不觉得需要生产那么多，不够每年制造 100 台 EUV 设备的反射镜。

现在他们说，“好吧，我们需要这么做。”但在现实中，由于正在发生的所有这些经济因素，他们本该生产更多。吃下这颗药丸需要很长时间。

主持人：假设技术栈里的每一家公司都被私募股权收购了。某个极度相信 AGI 的人进来说，“我们要把产量最大化。”你认为制造更多东西的物理限制会是什么？

我之所以这么问，是因为我们很快就会进入这样一个世界：实验室的收入，或者仅仅是 AI 的现金流——因为显然加速器也有这些巨大的现金流——会大到你可以直接用现金流本身来为所有这些生产的极端扩张提供资金。

Dylan Patel：我大体同意。显然有一些物理限制。按照目前供应链的扩张方式，100 台大概仍然是个正确的数字。

主持人：2030 年吗？

Dylan Patel：2030 年 100 台 ASML 设备。但如果你说，“Carl Zeiss，这是 100 亿美元。求求你们赶紧扩大生产”，情况就会改变。但你必须对供应链里的每一家公司都这么做。

主持人：但你觉得明年不会发生这种事吗？

Dylan Patel：我觉得今年不会发生。我觉得明年不会发生。我觉得后年也不会发生，因为世界受限于资本。

主持人：但在一个头部实验室明年总收入加起来能达到 1 万亿美元的世界里，他们拿不出 100 亿……

Dylan Patel：我觉得他们不会这么做，但是……

主持人：或者至少几千亿？他们似乎清楚世界的走向。我觉得他们完全可以制造……

Dylan Patel：问题是，实验室明年会产生几千亿美元的收入。但明年全行业的资本支出大概是 2 万亿美元。所以你有一个巨大的错位。

晶圆制造设备供应链大概会做 2000 亿美元。数据中心市场供应链会做更多。加速器供应链会做更多。能源供应链也会是一大笔钱。你把这些全加起来，资本支出会远超过 2 万亿美元。所以实验室还没有达到他们的现金流能为这些东西提供资金的地步。

主持人：显然他们永远达不到那个地步，因为你总是希望把资本支出保持在高于当期回报的水平。

Dylan Patel：是的，你会再投资。

能把10块钱变成100块的人，会出最高价买走市面上所有的卡

主持人：我真正想弄清楚的关键问题是：如果目前的趋势继续下去，到 2028 年底，每家实验室的算力都会超过 50 吉瓦。两家加起来就有 100 吉瓦。而且正如你所说，到 2028 年，这些吉瓦带来的吞吐量或性能将是现在的许多倍，因为硬件变得更好了。不仅每瓦的 FLOPs 增加了，硬件在处理 AI 工作负载方面也变得更好了。

好的，到 2028 年底实验室有 100 吉瓦。那么全球的算力是多少？

Dylan Patel：我觉得这可能有点难预测，鉴于到 2028 年他们已经占据了 70-80% 的新增算力。我不确定那时候市场会发生什么。为了让他们真正买下 70-80% 的算力，算力价格要飙升多少？Google、Meta 或亚马逊愿意卖这么多吗？

此外，我们在谈论这些吉瓦数字时有一个需要说明的地方。当亚马逊提供 Bedrock Anthropic 模型服务时，在我们的世界观里，这算作 Anthropic 的算力，因为归根结底，它算作 Anthropic 的收入，尽管其中有收入分成和代金券返还等。但最终在 2028 年，如果他们加起来达到 100 吉瓦，他们会对市场造成非常颠覆性的影响。

因为今天任何人都可以靠每兆瓦 1000 万到 1500 万美元的算力赚钱。我没开玩笑，这没那么难。去弄个 GB300 机架，下载 Kimi 权重，下载 vLLM 或 SGLang，设置好。Codex 和 Fable 实际上能帮你做这事。这很简单。虽然不是微不足道，但也不是什么火箭科学。把它放在 OpenRouter 上。非常简单。

你产生的收入就会开始超过你支付的算力成本。这已经导致目前每兆瓦 1000 万到 1500 万美元的算力价格开始向上拐点。

为了在 2028 年达到那 100 吉瓦，你必须相信实验室能够为算力出更高的价，因为任何人都能在 1000 万到 1500 万美元的成本下赚钱。算力价格现在会涨到每兆瓦 2500 万美元吗？会涨到每兆瓦 4000 万美元吗？

主持人：正如你所说，目前实验室每兆瓦产生的收入已经远超其他人。如果他们继续保持现在的领先优势，你会预期这种情况将继续下去。如果出现某种递归式自我改进，AI 实验室相对得到了提升——或者他们内部有不对外发布的模型，能帮他们把下一个模型做得更好——你会预期情况更是如此。

你难道不是已经看到了这种情况吗？SpaceX，或者任何稍微落后一点的人，如果他们内部变现的能力不如实验室，他们就会直接把算力卖给出价最高的人。你会预期他们继续竞标越来越大份额的算力市场。

Dylan Patel：我认为这就是我的世界观。他们会继续吞噬更多的算力。但归根结底，他们不能以现在的价格或接近现在的价格来做这件事。他们确实需要开始支付每兆瓦 2500 万、3000 万、5000 万美元，才能在 2028 年真正吞下全球 70% 的算力，从而在 2028 年达到 100 吉瓦，这是一个非常激进的目标。

这件事另一个非常有挑战性的方面是，我们已经看到 AI 实验室出现了巨大的减速。他们所倡导的监管，实际上拖慢了这些实验室的步伐，而且比拖慢中国开源语言模型的步伐要大得多。OpenAI 没有发布 Astra。OpenAI 停止训练两周。Anthropic 没有发布他们安全评估中所谓的 Model 2，外界普遍认为这就是下一版 Mythos。

他们显然没有发布自己最好的模型，在这种情况下，他们每兆瓦的收入就会停滞，甚至可能再次开始下降，因为其他模型又有了竞争力。这不是因为他们落后了。只是因为他们没有发布最好的东西。

如果出现某种监管影响，阻止他们发布最好的模型会怎样？那么他们每兆瓦收入的攀升速度就不会那么快了。他们以比其他人更高的价格购买增量算力的能力就会开始减弱，然后也许他们就达不到那 100 吉瓦了。

但在一个安全不重要的世界里，我确实相信这正是会发生的事情。他们可以开始产生每兆瓦 1 亿美元或更多的收入，并且他们可以支付每兆瓦 5000 万美元。

没有其他人有任何合乎逻辑的理由用他们的算力做其他事情，除了说，“求你了，Dario，把这些都从我手上拿走吧。”但是有一些我们无法描述的力量在起作用，可能会让这个过程慢下来。

主持人：我觉得一个很好的直觉泵是：如果 AI 模型真的和完全自动化的软件工程师一样好怎么办？他们现在还没到那一步。我觉得他们离能够完全自动化白领工作还有很长的路要走。

但白领工人一年的收入是六位数或更高。如果你有一吉瓦算力，能够维持大约一百万白领工人的规模。那么基于这个……那就是 1000 亿美元。这实际上低得出奇。

Dylan Patel：是的，每人 10 万美元，一百万规模。

主持人：我不知道。但如果你实现了完整的 AGI，每吉瓦的产值将是几千亿美元。

价值捕获大迁徙：从硬件厂商、终端用户，再到手握算力的巨头

Dylan Patel：这件事的另一方面是——而且我们已经不断看到了这一点——大部分的价值捕获并没有发生。这些模型产生的大部分价值并没有交给 OpenAI 和 Anthropic。谢天谢地，到目前为止，它主要只是交给了用户。

Jane Street 与 OpenAI 签订了 GPT-5.6 超快模式的独家合同，或者 Jane Street 是 Anthropic 最大的客户之一，他们从支付的 Token 中产生的价值，远远超过了 Anthropic 在利润方面产生的价值，因为他们可以从市场上赚钱。

或者以 Meta 为例，有传言说他们一度占到 Anthropic 业务的 10%。他们通过优化广告算法或者其他什么，让用户参与时间变长 5%，由此产生的效率要高得多。他们通过使用这些模型赚到的钱远远多于 Anthropic。

这是必须的。当然，如果你有一百万名新的软件工程师，软件工程师的成本也会下降。

主持人：让我困惑的一点是，市场会达到均衡吗？如果达到均衡，你难道不预期算力的价格会等于 Anthropic 和 OpenAI 能从中产生的价值，或者非常接近它，只给 Anthropic 和 OpenAI 留一点点加价空间吗？

现在很奇怪的是，算力的售价和 Anthropic 能从中赚多少钱之间有 4 倍或更多的差距。在一个每吉瓦收入继续增加的世界里，如果 Anthropic 将一吉瓦变现的能力翻倍或翻三倍，如果差距继续扩大那就很奇怪了。Anthropic 仅仅通过一些权重，就能把花 10 块钱买来的东西变成 100 块钱。

Dylan Patel：这总是一个有趣的问题。AI 中的价值流向了哪里？AI 正在产生所有这些价值。

有最终用户，我认为大家都同意他们产生的价值比任何人都多，所以他们为这些模型付了很多钱。然后有应用层。到目前为止，应用层产生的价值很少。然后是模型层，直到一年前还在产生负毛利，现在正在产生巨大的正毛利。看起来它正走在产生每兆瓦 1 亿美元的路上。也就是像你说的，把 10 到 15 块钱变成 100 块钱。

但如果退回一年前，硬件供应链正在产生所有的毛利，而几乎其他所有人都在这上面亏钱。OpenAI 和 Anthropic 只是在往里砸风投的钱，很多其他初创公司也是。很多云服务商在不知道是否有回报的情况下建设基础设施。

所以最终你在模型层，可以说，产生了负价值，因为他们卖 Token 的价格比基础设施的成本还低。所有的价值都在芯片、晶圆厂那里被捕获了。最初在 2023 年，存储厂商在用于 AI 的 HBM 或存储上根本没赚到钱，尽管理论上他们交付的价值巨大。

现在你看到了……其实台积电捕获的价值远远少于存储厂商。所以价值捕获已经转移了很多，这对跟踪市场或参与市场的人来说非常有趣，比如 Jane Street。这不是打广告。这不是打广告。这不是打广告。

主持人：他们是赞助商，但你不需要这么卖力地宣传。

Dylan Patel：那么未来会发生什么？Anthropic 和 OpenAI 在价值捕获上慢慢开始膨胀。他们会膨胀并拿走所有的价值捕获吗？

曾经有人这么想，然后 Elon 证明了，“其实不是，我可以把我的算力以每兆瓦 2500 万或 4000 万美元的价格卖给 Anthropic 和 Google。就算这是短期的事，我按这个价格卖，一年内我就能收回全部资本支出。”

主持人：你预测这一批相关的算力——比如 SpaceX 以每吉瓦 400 亿美元卖给 Google 的 B300——到明年年底能卖多少钱？

Dylan Patel：我认为大部分算力的交易价格仍将低于每吉瓦 200 亿美元。

主持人：即使到明年年底也是这样？

Dylan Patel：因为所有这些都需要融资。如果 Meta、微软、亚马逊、SpaceX 可以在没有找到客户的情况下建设算力，直接说，“去他的，我要建这个算力”，然后转过身来等它建好，现在他们就控制了局势。

大部分算力在建成前很久就已经签好合同了。这就是 Elon 在市场上利用的优势。他手里其实有所有这些算力。他说，“嘿，Anthropic，我知道你们每吉瓦能赚 600 多亿美元。你们为什么不花一大笔钱买我的东西？”显然不是 Elon 决定的，也不是 Anthropic 决定的。市场自己找到了平衡。

其他人，你去随便一个云厂商，他们会说，“好吧，我要建一吉瓦的算力或 100 兆瓦的算力。我要花这笔资本支出。我需要转身找个客户。如果我想找客户，我需要找资金。谁会给我资金和客户？客户必须签个协议。然后我拿着客户的承诺去信贷市场融集资金。”

所以这是一个完全不同的权力结构，Meta 实际上在囤积算力。他们和 SpaceX 是唯一合理的第三名，因为他们在囤积所有的算力。他们利用自己的资产负债表和能力在没有能够大量变现的最终客户的情况下建设算力。他们有实际的资产负债表，所以可以去信贷市场。你建一吉瓦，能赚取利润，不是疯狂的利润，但是个好利润。现在我有了所有这些算力。

现在 Meta 和 SpaceX 就有了选择权，他们可以环顾四周说，“我的内部用例能让我赚更多钱吗，还是我应该出去以疯狂的利润卖给 Anthropic 或 OpenAI？”

所以现在我们进入了一个机制，SpaceX 和 Meta 说，“其实，我要建算力，我可以不按 1300 万美元租出去。我可以按 2500 万、5000 万甚至更多的价格卖掉。”

监管与安全刹车：为什么外部世界看到的AI正在变慢

主持人：你觉得到 2027 年底，Anthropic 或 OpenAI 每吉瓦的收入会是多少？

Dylan Patel：我觉得这高度取决于谁有最好的模型，如果他们被允许继续发布最好的模型的话。但我看不出为什么不能达到每兆瓦 5000 万美元以上。

主持人：到 27 年底。

Dylan Patel：哦，到 27 年底？那预测起来就更有挑战性了，但我觉得可能会比那更高，达到每兆瓦 7000 万、8000 万美元，综合全公司来看甚至更高。

主持人：听起来偏低。

Dylan Patel：如果真是这样，那算力价格会发生什么？如果我是 Anthropic，增加算力是值得的。也许我花每兆瓦 4000 万美元买 SpaceX 的算力。如果我是 SpaceX，我看向供应链，我会想，“嗯，我和 Jensen 达成了这个协议（他现在突然开始发推特了）。”Elon 说他们只用 Nvidia，那 Jensen 为什么不涨价？然后 SK 海力士、美光和三星看着这情况想，“那我们为什么不涨价？”

所以随着价值捕获，这里有长鞭效应。有人涨价并不意味着整个供应链立刻重新平衡。但随着时间推移，供应链会重新平衡，东西会越来越贵。为了获得那部分增量产能，你多少得接受。

所以台积电涨价很慢，但存储公司涨价非常快。基板公司涨价非常快。如果是 1500 万美元 Elon 就不会卖，但他卖是因为价格到了 2500 万美元以上。所以显然他提价非常快。

主持人：我很惊讶你认为到明年年底，每吉瓦的收入不会增长到远远超过 1000 亿美元。

Dylan Patel：RSI 什么时候发生？智能起飞什么时候发生？

主持人：或者即使 RSI 不发生，就假设目前的发展速度继续下去。看看我们在过去一年半里取得了多大进展。一年半前的模型是什么？Claude 3.5 还是什么？

Dylan Patel：我对此的疑问是，目前世界上最好的模型是二月份训练的。

主持人：所以你的意思是也许我们就是不被允许发布实验室最好的模型。

Dylan Patel：老兄，OpenAI 说他们两周不训练模型了。搞什么鬼？

主持人：这里有两个层面：一个是他们在内部是否能充分利用它，以至于他们会抬高算力的价格？另一个是，AI 作为一个整体的进展是否因为监管而放缓？

Dylan Patel：是的，但他们甚至不被允许在内部使用这个新模型。Astra 在内部都没有广泛部署。

主持人：但不管怎样，如果你有一个模型……去年年初发布的模型是什么？GPT……

Dylan Patel：4o？是 4o 吗？

主持人：对。你谈论的是到这个时间点，也就是 2027 年底，从 GPT-4o 到 Mythos 2 这种级别的飞跃，再来一次。

Dylan Patel：是的，但 Mythos 2 还没出。

主持人：或者甚至是 Mythos。再来一次这种飞跃。

Dylan Patel：甚至 Mythos 也不允许发布。他们把它阉割了。我们不能用它来优化推理性能。我们不能用它来优化各种东西。

主持人：好吧，也许 AI 进展或 AI 部署的放缓，意味着每吉瓦的收入会更低。但这是我能想到到明年年底只有每兆瓦 1 亿美元的唯一原因。

Dylan Patel：只要模型变得更好，从中产生的价值就会变得更好。显然，谁捕获了这个价值仍有争议，但最终每个人都会涨价。因为他们有这个能力，而且这是极其通胀的。

尤其是如果监管的方式是……现在，到目前为止，仅仅是“不发布模型”。但越来越多的监管方式是纽约禁止数据中心。德州在实行暂停。俄亥俄州在说，或者至少试图说，你必须支付特定半径内每个人的财产税。这些事情会减少供给并增加成本。这也会被转嫁。

所以你开始陷入一种境地，进展确实放缓了，至少在外部意义上，即使内部模型变得越来越好。在一个智能起飞的场景中，由于安全和监管，以及竞争优势，Anthropic 为什么不把他们最好的模型保持在领先外部可用模型六个月的水平？如果进展加速，这六个月的差距其实是个更大的差异。

这就是会将每兆瓦收入增长限制在远低于我们今年上半年看到的增速的原因。

反直觉的抉择：宁可少赚几千亿，也要把算力从推理抽调给研发

主持人：这是我非常感兴趣的一点。随着这些公司上市并对投资者负责，假设到明年年底他们有接近 20 吉瓦。那么 10% 的算力就是 2 吉瓦。

假设他们想把用于训练的算力从 60% 提高到 70%。他们的投资者会说，“如果你们每吉瓦能产生 1000 亿美元，那你们把算力投入训练，就等于拒绝了 2000 亿美元的收入。”所以投资者会想，“搞什么鬼？你们在训练上已经花这么多钱了。为什么还要花更多钱在训练上？”

作为一家上市公司，如果他们直接说，“不，我们会继续增加用于训练的算力份额，来抵消每一吉瓦算力本来能给我们带来的收入增长”，你觉得会发生什么？

Dylan Patel：这是我个人的看法。随着时间推移，实验室分配给推理的算力会越来越少。我觉得这是非常反共识的。大多数人的标准看法是，“哦，大部分算力会用于推理。”大部分算力会用于训练的前向传播，而不一定是产生收入的推理。

归根结底，如果他们今天每兆瓦产生 3000-4000 万美元，你分配 40% 给推理。如果你现在每兆瓦产生 6000-7000 万美元，你还会分配 40% 给推理，产生所有这些利润，然后分红和回购股票吗？还是去打造 AGI？

我认为 Anthropic 和 OpenAI 的显而易见的答案——不仅在执行层，也在董事会层——是去打造 AGI，因为那要赚钱得多。所以最终你会看到他们提高专门用于训练的算力比例——

主持人：尽管如果他们把增量算力用于推理，产生的利润会越来越高。

Dylan Patel：对。关键是，如果我在卖 Token……OpenAI 发布超快模式只是对外吗，还是他们对内也用？结果发现，不。

其实，我会把它分配给内部和外部，因为超级快速的 AI 或最好的 AI 模型在内部产生的价值，远远超过外部人员产生的价值。

所以最终，没错，我每兆瓦能产生 1 亿美元，但如果我把它转向 AI 研究，我能获得什么增量进展？这对我在未来的盈利潜力、对我所做的任何事情的贴现现金流有什么作用？他们不会去算这笔账，但归根结底，把越来越多的算力用于内部更有意义。让推理算力保持这么大的唯一原因，是为了你能扩大你的训练集群。

主持人：我觉得这是一个有趣的经济学问题，我们可以让模型去消化。在一个他们减少推理算力比例的世界里，必须要满足什么条件？

Dylan Patel：我觉得在过去的三个月里他们已经在这么做了。我觉得在今年的某些时候，他们增加了比例……我们就逐月来看。你会同意每个月 Anthropic 增加的算力都比上个月多。当他们签 SpaceX 的协议或者别的什么时可能会有噪音，但总体上算力是一条向上的曲线。

所以在 1 月，他们增加的算力比 12 月少，然而他们的收入增量却飙升了。然后他们进入了某种平台期。他们现在并没有每个月增加 250 亿美元的年度经常性收入。

这意味着他们获得的边际兆瓦，流向研发的比例高于流向推理的比例。所以他们事实上今天就在增加流向研发的算力。如果你足够关注他们正在做的事情，我认为这是不言自明的。

算力断崖：到2028年，中国顶级芯片的算力储备可能落后一个数量级

主持人：如果我看看你说的全球算力增长速度，我想弄明白几件事。如果我把你刚才说的数字加起来，到 2028 年底，全球算力会超过 200 吉瓦，对吧？

Dylan Patel：是的，全球范围内。

主持人：好的。2028 年之后，全球 AI 算力还能以多快的速度继续增长？

Dylan Patel：今年 30，明年 50，2028 年 70。2029 年应该在 90-100 的量级。

主持人：然后每年再增加 100 左右？

Dylan Patel：我觉得斜率可以继续上升。很难预测四年以后的事情。谁知道我们是不是在 RSI 机制里，或者世界经济什么时候能每年增长 10%？因为如果你每年增加 100 多吉瓦，你的 GDP 增长就太离谱了。

主持人：如果你认为 2028 年全球有 200 吉瓦，到那个时候中国有多少？在这个大趋势下，中国的算力会如何继续增加？因为如果 RSI 在西方启动，而中国还没有大量算力，也许我们所处的世界就大不一样了。

Dylan Patel：如果我们回到 2022 年，美国增加了世界算力的大约 45-50%。中国增加了大约 30-35%。其余的被世界其他地区占据。自 2022 年以来，我们对中国实施了严格的监管，而美国则大幅增加。

今天，70% 的瓦数部署在美国。中国真的是个很小的数字。部署用于数据中心 AI 算力的瓦数中不到 10% 在中国。

往后看，他们的数字依然很小。他们的国内生产相当小。他们从 Nvidia 的采购依然相当小，而且很多最后也流向了其他地方，比如马来西亚等。

所以最终，中国国内在新增算力中的占比依然不到 10%。在 2028 年它可能会开始向上拐点，我想。但可以很有把握地说，中国届时拥有的 AI 算力将不超过 30 吉瓦。

主持人：到 2028 年？

Dylan Patel：是的，在 2028 年。

主持人：好的。然后他们的曲棍球棒曲线怎么走？

Dylan Patel：我确实认为在 2028 年，他们部署算力的能力会有很大的提升。从 27 年开始，晶圆厂开始上线。特别是在 28 年，中芯国际和长鑫存储等晶圆厂开始上线，他们的产量实际上会达到每年数百万颗。

现在他们单单在 2028 年就能增添 5-10 吉瓦的国产芯片。这些芯片肯定比 Nvidia 在 28 年会有、或者 Google 在 28 年、或者 OpenAI 在 2028 年会有的芯片要差。

主持人：所以你觉得连吉瓦这个数字都夸大了。是 30 吉瓦，但芯片差得多。但如果你认为全世界在第二年要增加 100 吉瓦——我知道你说过没法预测那么远——中国在随后一年能增加多少？

基本上我想知道：他们是在开始大量出货算力的时候突然爆发，还是仍然会少于美国及其盟友？

Dylan Patel：这在很大程度上取决于美国是否通过 MATCH 法案，设备是否继续被出口管制，以及中国自主制造新设备的速度。但归根结底，中国肯定会爆发。如果说中国擅长什么，那就是非常非常快地扩大制造业规模。

我想中国会开始有能力将更多海外采购的芯片引入国内，或者至少缩小美国允许 Nvidia 卖给他们的差距。

主持人：但你觉得中国在 2029 年能新增 50 吉瓦吗？

Dylan Patel：我觉得这完全合理。部分也可能是从国外采购的。但是是的，我觉得中国在 2029 年能做 50 吉瓦完全合理。但如果大部分是国产芯片，那其中就有一个因素，这 50 吉瓦的价值其实只相当于美国芯片的 20 吉瓦。

主持人：对。所以你其实预测在这样一个世界里，2028 年领先实验室拥有的算力，如果用质量加权计算吉瓦，可能会比整个中国在 29 年甚至 30 年的算力还要多。

Dylan Patel：前提是没有采取任何措施来拖慢美国实验室的步伐。

主持人：没错。

Dylan Patel：中国是不会放慢 AI 发展步伐的。事实上，他们唯一会做的就是加速它。

主持人：说实话，当我采访黄仁勋问起出口管制时，我当时是在对立面进行反向论证，因为我觉得把想法辩论清楚很重要。我在想，“是的，也许在某个世界里，如果我们直接和中国合作，对我们会更好，特别是考虑到他们控制了那么多供应链和机器人需要的其他东西。”

但我没意识到算力情况有你说的这么严重。如果他们出货量有你说的那么多，那差异就太大了。等我们有了自动化程序员并开始进入自动化研究员阶段，中国在算力储备上已经远远落后了。如果结果真是这样，那就说明它奏效了。我认为这确实是个显著的成功。

Dylan Patel：这里唯一的说明是，部分原因是出口管制，但部分原因也仅仅是金融体系。美国的金融体系比中国的金融体系更愿意在初创公司身上冒险（YOLO）。但是一旦中国金融体系选择了一个重点行业，他们的补贴力度会大得多。

所以中国半导体行业的补贴远远超过世界其他半导体行业补贴的总和。如果智能起飞没有你暗示的那么快，而是需要更长时间，那么中国最终会在半导体方面大幅赶上，那在某个时候也就是算力。

这方面另一个值得注意的地方是，就公众所感知的而言，中国公司目前在 AI 模型上并没有落后太多，相对于他们拥有的算力量来说。中国领先的实验室总共最多有 100-200 兆瓦的算力，字节跳动的 Seed 是个例外，他们拥有的要多得多。但 Kimi 并没有在运行一吉瓦或接近一吉瓦的算力。而 Anthropic 到今年年底会超过 5 吉瓦。

那么问题是，这有关系吗？我认为目前这种算力差异关系不大。

当我们细分一个实验室的算力比例或预算时，到目前为止是 60% 训练，40% 推理。但这 60% 的训练还要进一步细分。其实 50% 的算力是研究，10% 的算力是开发，然后 40% 是推理。

我说的研究和开发的意思是：研究员在产生想法，测试新架构，测试新数据混合，测试新超参数，新注意力技术等等。但归根结底，当他们进行训练时，当 Anthropic 训练 Mythos 时，用电不到 200 兆瓦。

主持人：预训练还是整个过程？

Dylan Patel：预训练。用不到 200 兆瓦，大概两个月。然后强化学习（RL）用的甚至更少。

主持人：你觉得 RL 用的算力比预训练少？

Dylan Patel：至少就单站点的预训练而言，是的。

主持人：但总算力应该更高，对吧？

Dylan Patel：但那是串行的。在任何一个时间点，他们最多也就用 200 兆瓦左右。现实中他们有几吉瓦，所以他们大部分的算力都流向了研究，而不是模型的开发。

这是有原因的。很难协调所有这些集群。很难把它们放在一起。很难做多站点训练。很难做 RL。在 RL 期间产生更多的推出（rollouts）并不一定能让它变得更好。有很多原因导致你无法把你拥有的那 2 吉瓦都用在训练上。事实上，我只能利用 200 兆瓦。

随着我们在自动化编程和自动化研究员方面走得越来越远，我其实预期用于研究与训练的算力预算比例会变得更加模糊，或者训练的比例会更高。还有持续学习之类的东西。所有这些都意味着越来越多的算力流向了模型的训练。

十万亿资本支出狂潮：AI抽干全球流动性，引发主权债务危机？

主持人：如果进入一个每年新增 100 吉瓦的世界，按现在的价格，那就是每年 5 万亿美元的资本支出。

Dylan Patel：还得加上你必须提前建好发电厂。它还是个 30 年期限的资产。你加上数据中心是个 15、20 年期限的资产，你也必须在那时候建好。所以考虑到未来几年的增长，这 5 万亿美元实际上会变成 7 或 10 万亿美元的资本支出。

主持人：等等，我没听懂。这没包含数据中心本身没有发电基础设施的情况吗？

Dylan Patel：对，没错。当人们谈论 AI 资本支出时，他们说的是 400 亿、500 亿美元。但这其实只是关键的 IT 设备：服务器、网络、光纤、收发器、光通信所有这些东西。它没有算上数据中心本身或发电厂本身，这些都是提前建好的。

如果我今年建 100 吉瓦，明年建 150 吉瓦，那么那 150 吉瓦的所有建筑都需要在今年支出资本。如果我后年建 200 吉瓦，所有那些发电厂都需要支出……你必须在今年买燃气轮机。所以实际上，如果你建 100 吉瓦，它比 5 万亿美元还要大得多。

主持人：对。很有可能，每年的增量资本支出到 2030 年底会接近 10 万亿美元，这大概是世界经济的十分之一。

如果全都在美国建……美国经济也会增长。但按美国目前的经济体量，这就相当于美国三分之一到四分之一的经济只是用来建数据中心。

当我说出这些时，我在想，“也许你是对的，我们就是不允许，这就是这事不会发生的原因。”因为要让这个指数继续下去，美国四分之一的经济都在建数据中心。

Dylan Patel：我相信资本主义和将资源重新配置到最赚钱的地方。但同时，政治是存在的，信贷市场是存在的，资本市场也是存在的。

所以为了实现 2030 年的 100 吉瓦……或者甚至我们把它缩减到 2028 年，在所有这些项目上需要 3 或 4 万亿美元的资本支出：超过 2.5 万亿美元用于 IT 资本支出，另外 1 到 2 万亿美元用于数据中心和能源，以及下游的供应链，比如半导体和所有这些东西。

如果你的资本支出是 3 或 4 万亿美元，这些现金从哪来？还没有人能从业务中产生那么多现金。

超大规模云厂商为迄今为止的所有增长提供了资金。Google、微软、亚马逊、Meta。他们提供了很大一部分资金。他们占据了算力的一半以上，但他们现在不产生现金了。实际上他们把钱全花在资本支出了。

此外，他们借债把钱全花在资本支出了。你看到 Meta 这么做了，连亚马逊，甚至 Google。微软很快也会。每个人都在借债支付他们的资本支出。

那么谁是支付这笔钱的增量人群，而这些人以前没做过？

以 Google 为例，他们或者 Meta 停止回购股票，转身去买计算机基础设施，这很简单。这不会对市场产生巨大影响，但会有一些影响。但当你迈向 2028 年——超大规模云厂商现在在借几千亿美元的债，然后他们整个供应链也在借几千亿美元的债——谁来买单？

所以有几种途径。有半导体公司，像 Nvidia、Broadcom 和存储公司，他们转过身来决定为其中一些资本支出提供资金。有传统的基础设施投资者，他们筹集资金投资基础设施。不是桥梁，而是数据中心。

然后最后，是经济体中的每个人都意识到，“也许我不该买房，或者也许我不该投资帮助人们买房的信贷，或者也许我不该买国债。我应该去买超大规模云厂商的债，或者我该买这个数据中心的债，或者我该买 Anthropic 的债。因为 Anthropic 愿意为建产能的增量 10 亿美元支付 20% 的利率。因为他们知道从中获得的收入会很巨大，他们愿意付 20%，因为这还是比花每吉瓦 500 亿美元从 SpaceX 那里租要好。”

所以你有所有这些竞争。但如果你现在这么做，整个世界经济就真的重构了。

当增长率和利率飙升到百分之几十，非AI资产的估值将彻底归零

主持人：过去几天我们一直在私下争论 AI 是否会引发主权债务危机。逻辑是这样的。正如我们提到的，现在的局面是很少的投资就能变成很多钱。所以回报率——

Dylan Patel：这算什么烦恼啊，老兄。我的天。难以置信。

主持人：不，对所有其他无法把小钱变成大钱的人来说，这是个巨大的麻烦。回报率极高。即使在数据中心层面，如果你建个数据中心，你想把它租给 Anthropic 或 OpenAI，价格是建造成本折旧后的 10 倍，这简直疯了。你在年底把 1 块钱变成了 2 块或者 10 块。这就抬高了利率。

现在，如果利率上升，如果这对整个经济都起作用……人们借越来越多的钱。他们与政府原本要做的借贷，或者其他公司原本要做的，或者你作为消费者或按揭买房者原本要做的借贷竞争。这让其他所有人的借款成本都变高了。这对无数人有着巨大的影响。抱歉，我要长篇大论一下了，但这是我们一直在共同思考的。

我认为美国最终会没事的。因为如果数据中心建在美国，你从根本上可以直接向数据中心收税。按目前的税收系统设置，企业所得税占联邦收入不到 10%。80% 以上是工资税和所得税，随着自动化越来越多，这部分会缩水。

同时在支出端，目前有 20% 的税收支出用于偿还债务，支付债务利息。现在，很多债务是短期的，所以每五年就要展期一次。

假设利率上升 1%。在五年的时间里，用于偿债的税收比例就会从 20% 升到 25%。如果上升 5 个百分点，就会超过 40%。但如果考虑到政府每年要借 2 万亿美元的新债，那就从 40% 超过了 60%。所以 60% 的税收只用于支付债务利息。

现在，我觉得美国会没事，因为如果我们允许在美国建数据中心，税基就会增加。但在我看来，其他国家绝对完了。我刚才看了一下哪些国家有很多债务，税收很少，而且债务需要频繁偿还。那些国家，比如巴基斯坦或尼日利亚，我认为在这个新的利率体制下就非常惨了。

Dylan Patel：这种挤出效应就是我们不能直接梭哈 10 亿吉瓦的原因。

你有所有这些使用大量债务的行业和国家，所有你刚才提到的会直接违约的贫困国家。你有日用消费品，所有这些在 Trader Joe's 或其他地方能看到的生产商品的公司。他们使用大量债务。所有这些电信公司使用大量债务。银行使用大量债务。

所以如果市场利率上升——不一定是政府设定的利率，而是政府说的联邦利率和所有人收取的利率之间的利差，因为亚马逊明年想借 1000 亿美元的债，或者不管具体数字是多少，可能少一点——你最终会面临这个非常具有挑战性的问题：现金从哪里来？

有一定程度是通过现金流提供资金，而且现金流在不断增加。但合乎逻辑的做法是，你要投资远远超过你现金流的资金，因为这样未来几年的回报会非常惊人。所以这里存在一个缺口。

而抑制这种缺口的是所有这些其他因素：反对数据中心的监管、消费者的愤怒、政客的愤怒、针对 AI 的监管、AI 实验室出于安全原因不发布最新模型。利率上升对所有这些都有影响。

所以所有这些因素将曲线从资本主义在简单的经济模型中想要的，弯曲成我们拥有的复杂系统想要的，把它弯曲得越来越低，以至于建成的吉瓦数不如原本该建的那么多。

主持人：但利率是资本主义的一部分，对吧？

Dylan Patel：是的，但在简单的经济模型中与我们拥有的复杂系统中不同。

主持人：你觉得明年亚马逊或 Anthropic 之类的公司发行债券的利率大概是多少？如果他们借几千亿美元。平均利率是多少？

Dylan Patel：我不觉得亚马逊会借几千亿美元。

主持人：总共。就说科技巨头们吧。

Dylan Patel：所有的超大规模云厂商，所有的云……在我们做的模型中，从 2024 年到 2029 年，大概有 11 万亿美元的资本支出。

主持人：总共？

Dylan Patel：总共。如果你尽可能用现金流来资助其中很大一部分，你最终仍需要发行超过 5 万亿美元的信贷，来支持这超过 11 万亿美元的建设。

主持人：所以你不认为 AI 收入会继续同比翻三倍？

Dylan Patel：AI 收入确实会上升。但我不认为它能永远上升而不触及某些限制。实验室会有特定的激励。很多情况下实验室并不是建设所有算力的人，尽管他们越来越想往那方面走。

主持人：但他们会有这些现金流。你刚才说收入会有多少？你觉得他们没那么多收入？

Dylan Patel：不是，我只是说直到 2029 年大约有 11 万亿美元的资本支出。其中 6 万亿是用现金支付的，5 万亿是用债务支付的。如果是这样，整个生态系统借 5 万亿美元的债务确实会让利率上升。

那么是什么阻止了这种情况？有两件事。第一，实验室能否更多地增加每兆瓦的收入，并保持推理分配的规模？在这种情况下，他们在积累标普 500 指数的所有利润，因为每个人都在花钱降本。当然，他们的利润也会上升，但现金必须从某个地方来。所以他们的收入增长速度相对于他们向世界交付的价值是有上限的。并且技术扩散还有一个方面。

但最终实验室的收入不断上升。他们不能用现金流为一切提供资金。最优的方案是你实际上尽可能使用信贷来提供资金，因为即使实验室的现金流资助了很多东西，你想建的也比那更多。所以确实会建立一定数量的信贷。

我们目前的模型显示，到 29 年有 5 万亿美元的信贷和 6 万亿美元用现金资助的基础设施投资。考虑到这一点，相对于 AI 模型需求增长，这些算力是不够的。所以你有显而易见的答案，也就是每兆瓦收入不断上升。

主持人：这说得通。你觉得到 2029 年，所有这些会导致利率上升多少？

Dylan Patel：老兄，这只能靠直觉猜个数字，但如果你要凭直觉猜的话……世界经济的增长正在大幅上升，那亚马逊的利率为什么不会比今天涨呢？

这非常靠直觉，但最近 Meta 在 5% 到 6% 融资。我看不出为什么他们不会付 8%。他们很乐意付 8%，因为他们要建的算力的回报将是巨大的。市场不希望他们这么做，但他们会想付 8%。

反面是，如果他们付 8%，而不是今天的 5%、5.5%、6%——涨了 250 个基点——这让经济体中的其他所有人也要多付 250 个基点，这会引发很多事情。银行会尖叫，因为如果他们的信用利差爆发，他们债务的重新定价快于资产的重新定价。如果他们的信用利差爆发，他们最终会损失大量金钱。

主持人：这带来的另一个后果——这也是你提出的观点——如果利率上升，贴现率上升，这意味着所有股票的折现现金流暴跌。这意味着即使股票市场整体表现不错——标普 500 会没事的——任何个股可能价值都暴跌了，特别是巴菲特、伯克希尔那种，30 年支付良好现金流的那类股票。

Dylan Patel：是的。这就好像，“我为什么要花这么多钱买强生？”他们被视为稳定的股票：现金流好，他们会随时间返还现金流。或者一家铁路公司。如果我的贴现率不是 3% 或 5%，而是变成了 8% 或 10%，我为什么要投那么多钱？

主持人：对于发展中国家……我的好朋友、经济学家 Basil Halperin 提出了一个观点，我们将看到第二次沃尔克时刻。在 80 年代，为了对抗通胀，美联储主席 Paul Volcker 把利率提高了 5% 以上，实际利率大约到了 8%。这导致大约 40 个不同的国家，主要在拉美，在那个十年违约。我觉得这大概率会再次发生。

好了，现在我们进入奇点讨论。我们刚才谈的是如果利率上升——

Dylan Patel：顺便说一下，我认为所有这些都发生在奇点之前。

主持人：对，我就是这个意思。我们谈论的是在奇点之前，利率上升 2-3% 等等。在某个时候，我认为世界经济极有可能每年翻倍。这不会在五年内发生。但最终会发生。有个研究员叫 Damon Binder，他在这方面做了很好的工作。如果你看完全自动化经济中的投入产出表……要让经济中所有的存量物品每年翻倍，需要什么条件？

Dylan Patel：是的。如果经济每年增长 3%，那么根据 70 法则，那就是 20 多年。

主持人：对。但他的意思是，“好吧，现在我们的瓶颈是人，你不能让人每年翻倍。”但在一个连劳动力都能每年翻倍的世界里，经济能增长多快？我觉得它能每年翻倍。至少它每年能达到百分之几十的增长。

好的。利率应该非常接近增长率。由于消费的原因，它不会完全相同，但应该很相似。然后我们将进入一个世界，我觉得是在 2030 年代，利率是百分之几十。我脑子里有一部分在想，“可能是百分之几百”，但假设至少是百分之几十。

我就会觉得，好吧。所有没有参与 AI 生产的国家都会违约。所有不是 AI 股票的股票基本上一文不值，因为折现现金流一文不值。如果联邦政府想不出办法对 AI 征税，偿还债务的钱就会超过目前的税收。你还有所有这些我们肯定甚至没考虑进去的影响：你拿不到房贷，等等，等等。

从根本上说，这个世界正在发生什么？这都是书呆子黑话，对吧？但让我们退一步。发生了什么？

Dylan Patel：刚刚开始的，书呆子黑话？

主持人：我们将进入一个完全不同的增长机制。经济基本上在说，“嘿，政府借钱给人发养老金的机会成本现在极高。因为这笔钱本来可以用来建一个生产机器人造机器人工厂的机器人工厂。”资本的机会成本将大幅上升。这从根本上是我们谈论的所有这些事情的原因。

Dylan Patel：随着利率上升，股票市场受到重创。甚至 AI 公司也是。一些非常相信 AI 的人会想，“为什么美光、海力士或铠侠只有 2 或 3 倍的市盈率？”这就好像，“好吧，如果你真的对 AI 极度相信，经济中的所有东西都应该只有 2 或 3 倍的市盈率。”如果你不信 AI，那么当然，他们超额盈利了。

这是一个理由，说明为什么——虽然我认为存储会表现很好——存储类股票不应该再翻 10 倍什么的。因为如果我们处在这样一个市场，对存储有那么大的需求——这意味着 AI 引起了经济的这种剧烈变化——那么所有东西都应该以 2 或 3 倍的倍数交易，股票市场应该暴跌。

在某种意义上，Meta 的交易价格……我觉得他们大概是 1.5 万亿美元的公司。这就好像，什么？太荒谬了。他们的价值远不止这些，至少在逻辑意义上。你只要看看他们的现金流，他们囤积的所有基础设施，以及他们能以极高价格卖出的所有算力，不管是以 Token 形式（因为他们的实验室有效），还是直接卖给 Anthropic 和 OpenAI。

它最终变成了一个问题，你必须把所有资本重新分配给 AGI。你通过把其他所有人挤出市场来做到这一点。

所以 AGI 的限制因素不是我们的室友 Sholto 这样的研究工程师能多快地转动齿轮。它实际上只是世界其他地方能在多大程度上允许它发生？

因为他们会监管。他们显然会提高利率。他们会说，“不建数据中心。”他们会说，“停止建晶圆厂。”他们会说，“哎呀，每家公司的股权价值都在暴跌，所以我怎么付钱让 AI 来增加我的业务？”

那么，Anthropic 和 OpenAI 就必须开始自己建东西。他们已经在建自己的芯片，或者至少在设计自己的芯片，这会扩展开来。他们在未来几年承包自己的数据中心，建设自己的基础设施。

这就产生了这个经济体的重新分配是如何发生的问题。有很多下行压力让它不是直接起飞，即使模型有这个能力。我觉得你和我都相信我们处在一个模型有这种能力的世界。

但渐进式起飞，至少我希望，是可能的，因为经济和监管世界里的一切。政府说，“不要发布你们的模型”，政府说，“实际上，你们甚至不能在内部过多使用你们的模型”，因为这很快就会发生。他们已经在说你们不能发布你们的模型了。

主持人：我最担心的是，实际上对外部署是在帮助奇点安全发生。所以我们阻止对外部署是愚蠢的。

Dylan Patel：这能阻止奇点吗？

主持人：现在它会带来更多收入，因为模型没有能力进行 RSI。但我担心这样一个世界：到了 2030 年，政府说，“你要等六个月才能向公众发布最新的模型。”

Dylan Patel：六个月，100 倍。走着瞧吧。

主持人：在那六个月里，他们在内部进行递归式自我改进。他们在公司内部发生了各种疯狂的事。同时，我们其他人只能用按目前速度落后几年的模型。

我是这么想的。假设全世界都加入这个拖慢 AI 的合谋。

Dylan Patel：我不觉得这是个合谋。这是每个政客公开发表的。

主持人：假设他们把 AI 拖慢一年。如果算力每年增长 2 到 3 倍，他们阻止了整整一年的 AI 部署，以至于你比原本应有的进度落后了一年。在 RSI 期间，你能在一年内获得 3 到 6 年的 AI 进展。

Dylan Patel：但他们不仅仅限制算力。他们也限制实验室在内部发布模型的能力。我们看到了这一点。

主持人：如果他们那么做，那就最好了。

Dylan Patel：Anthropic 曾一度不得不停止向外籍员工提供 Mythos。

主持人：我不知道这是真的，内部也是？

Dylan Patel：他们是这么声称的。

主持人：我以为那只是一个不同的检查点，不是 Mythos，但基本就是 Mythos。

Dylan Patel：但这类事情也是不被允许的。政府很笨，但我希望他们没笨到那个地步。政府是不会想让 Anthropic 在内部使用 Mythos 4 的。他们会以监管为由要求放缓。

每个当选的人都会讨厌 AI。甚至现在已经当选的人已经讨厌 AI 了。所有的选民。我敢打赌在某个时候，你父母会给你打电话说，“Dwarkesh 孩子，你干的这事太糟糕了。你让 AI 进展得更快了。”

主持人：因为我的播客我在加速 AI 进展？

Dylan Patel：也许吧。你教育了人们。也许如果他们更聪明，他们会更快地推进 AI。

总之，你将在 AI 的进展、开发和部署上面临现实世界的限制。即使它最终会发生，我们可能会在到达那一步之前就把自己撕裂了。

全球有效劳动力归于两家公司：面对终极中心化，我们毫无还手之力

主持人：关于这些场景，我觉得疯狂的一点是，世界上未来那么多的劳动力供给最终落入了极少数公司手中，而且那个劳动力供给同比增长得那么快。

如果前沿算力以 FLOP 算每年增长 4-5 倍——并且达到某种能力水平所需的算力每年减少 3 倍——基本上前沿实验室的有效 AI 人口规模每年增长 10 倍。现在这其实没那么重要，因为 AI 还没好到能做完整的工作，或者在工作能力或执行计划等方面不如人那么自主。

但如果目前的趋势继续下去，你会面临一个世界：OpenAI 从今年拥有大概 1000 万 AI 劳动力，到明年 1 亿，再到后年 10 亿。很快，即使算力扩展放缓，用不了几年，每家公司单独拥有的劳动力等效值就会超过地球上的人口。

我认为到本十年末这是非常有可能的，单家实验室内有比地球上所有人更多的 AI 劳动力，更多有效人口。

我们经常谈论由于国有化等原因造成的权力集中。但我们没有充分考虑到我们实际上正在快速进入这样一个体系：就工作产出而言，大多数“人”都集中在消耗越来越多全球算力的两家实验室中。如果这些 AI 对齐有问题，那么世界上大部分的意图就有问题，基本上是因为世界上大部分的思想都在那里。但即使没有，极少数公司也拥有很大的影响力或很大的控制权。

Dylan Patel：最近发生了一场争论，我想 Gavin Baker 好像是说，“Dario 认为世界上最终只会有一家公司。”然后 Sholto 和 Dario 出来说，“不不不，我们没那么说。”

但归根结底，如果你相信 RSI，如果你相信实验室是算力最有效的用户，并且能从算力中产生最大价值，那么唯一会发生的事情就是算力中心化。如果你相信 AI 研究员、RSI、AGI，那么所有这些都是存在的，所有这些都是基础。

主持人：即使没有 RSI，这也是成立的。对于给定的能力水平，前沿的有效人口目前每年增长 10 倍。所以如果达到了一个非常能干的远程工作者，或非常能干的软件工程师，或非常能干的研究员的能力水平，在目前能力增长的速度下，这类人口每年增长 10 倍。

Dylan Patel：我明白，而且没有 RSI。一旦有了 RSI，就更疯狂了。

主持人：那可能就是每年增长 100 倍或 1000 倍。或者是他们的智力在增加但人口没增加。或者是两者的某种混合，对吧？

Dylan Patel：Dwarkesh，你看到什么样的世界是一切都没有中心化的？在我看来，每一股力量都在尖叫着走向中心化。这真是吓死人了。

我非常希望它不被完全中心化。但也许这就是充满恩典的机器的全部意义，对吧？它包揽一切，并且让我们的生活变得美好。

主持人：思考未来太难了。但我同意你的看法。

我认为根本问题在于，AI 训练有巨大的规模经济，因为你花在训练 AI 特定技能或特定知识集上的任何努力，都会被分摊到数十亿次会话或数十亿用户身上。这是一个影响。

另一个影响是，如果你在 AI 竞赛中稍微领先，而算力短缺，你就能收取高得多的加价，因为你能更好地节约这种稀缺资源。所以这两个影响会让在 AI 竞赛中领先的人得到越来越多。

可能还有更多。如果模型从部署中学习，而一个模型比另一个部署得广泛得多，它就能得到多得多的现实世界数据。

Dylan Patel：我明白你的意思了，无论是用户部署和持续学习，无论是训练和拥有这些规模经济，无论是增量进展让最好的 AI 模型帮你制造下一个最好的 AI 模型，RSI，所有这些都指向中心化。

主持人：我认为，说实话，我们应该花点时间思考的一个重要的知识项目——或者至少我会花点时间思考的——是：在 AGI 之后，认真对待这些规模经济的同时，一个去中心化、广泛赋权的未来愿景是什么样的？

另一种愿景是政府控制它，也许你觉得你可以更信任政府，因为它不是私人公司。

Dylan Patel：我不信任政府，我不信任 Dario，我也不信任 Sam。

主持人：这是个问题，对吧？显然对未来的预测很容易出错。你没有预见到某个关键影响或某个改变一切的东西。但事前来看，很难看出我们如何避免必须选择一个中心化源头的情况。

Dylan Patel：这是资本主义奏效的原因，对吧？它是去中心化的决策和去中心化的权力。这也是为什么极度中心化的资本主义经济体的增长其实慢于极度去中心化的资本主义经济体，在某种程度上。你必须有法治这些东西。

但 AI 把这一切都颠覆了。最终你会觉得，“实际上，私人所有制可能不是最有效的经济，所以它的增长慢于中心化的 AI 经济。”

主持人：嗯，它仍然是私人所有制，但在整个经济份额中真正涉及的公司有几家？现在可能占经济的 2% 吧？1 万亿除以 30。Nvidia 占了很大份额，还有 Anthropic、OpenAI 和这些超大规模云厂商。显然还有其他公司参与，但这部分 AI 事务的很大份额就是极少数几家公司在做。所以它可以是私产，但涉及的公司极少。

Dylan Patel：我的意思是，这就是市场结构正在做的事情。那么什么能阻止它呢？我不知道。除非 AI 进展放缓，除非政府严格监管它，这就是唯一会发生的事。

在这种情况下，我们要么走向一个资源超级集中的世界，祈祷那一家公司把一切都做对，要么各国政府和人们把一切放慢，希望进展能某种程度放缓，权力能有更多的平衡。

即使我们走向 AGI、ASI、RSI，沿途的一切仍然会导致有人获取更多资源。所以很难找到一个 AI 不导致超级集中的框架。

现在，这里唯一积极的一点是，今天 Anthropic 并没有捕获大部分价值。我们可以尽情谈论他们如何从每兆瓦 2000 万美元涨到 1 亿美元，但他们为买到的很多算力支付的依然是 1300 万美元。

但归根结底，他们涨到每兆瓦 1 亿美元的原因是 Jane Street 捕获了每兆瓦 3 亿美元或 5 亿美元。或者 Dwarkesh，通过为他的播客做研究并了解信贷，每兆瓦能捕获多少美元？现在你能用多少？很难说。

但我认为这是唯一的救赎，经济体的其他部分也许从 Anthropic 那里获利更多——

主持人：不对啊！你之前列举的整个逻辑——他们把推理重新分配给 AI 研发——这整个逻辑就在于 AI 实验室内劳动的回报远高于外部的回报。

Dylan Patel：是的。这是我的自我安慰。我同意。在世界的所有情景中……有 8 万个世界，只有在一个世界里，Anthropic 没有拥有整个世界。

再说一遍，权力会集中，因为我不想把 Token 送到外面。它们在内部更有价值。所以是一样的。我为什么要让 Jane Street 从这些疯狂的期权交易员身上赚那么多钱？

主持人：嘿，人家可是赞助商，拜托。看在上帝的份上。

Dylan Patel：不，我觉得这很棒。让市场有效率是对世界有价值的。Jane Street 准确判断世界观赚那么多钱，从疯狂的期权交易员或不管什么人身上赚钱，为什么 Anthropic 要把算力分配给那件事？

如果 Jane Street 每兆瓦的最终变现是 2 亿美元，所以他们愿意付给 Anthropic 1 亿美元……如果 Anthropic 仅仅通过在内部使用那些算力，就能产生每兆瓦几亿美元的价值呢？这就是正在发生的事情。

主持人：在这个沉重的基调上，我想等 RSI 正式启动时我们再见吧。