KeyFrame內部研究專用

全球算力未来只属于两家公司​ | AI算力 | OpenAI | Anthropic | SemiAnalysis | Dylan Patel | 数据中心资本支出 | 算力垄断 | 主权债务危机

Best Partners TV中文
觀看原始影片

三句話摘要

OpenAI 和 Anthropic 如何通過算力集中化和商業模式轉變,邁向超級壟斷時代,及其對全球經濟的連鎖衝擊。 算力集中化不是選項而是宿命,除非 AI 進展放緩或政府介入,否則經濟、技術與權力將同時流向孤立的幾家公司,整個世界都將成為這過程的派生結果。 收益飆升改變投資邏輯

重點整理

  1. 收益飆升改變投資邏輯

  2. 過去一年半,兩家實驗室從風投補血轉向自我產生現金流。當每兆瓦能產生 5000 萬美元收入、推理毛利率翻轉為正時,它們願意出更高價買走全球所有計算卡。這導致算力價格觸發上升,未來需達每兆瓦 2500-5000 萬美元才能吸收全球 70% 算力。

  3. 算力集中加速不可逆

  4. 前沿實驗室算力每年增長 3 倍,遠超全球平均 1 倍的增速。訓練有巨大規模經濟、領先模型享更高加價、遞迴自我改進讓最佳模型製造下一代最佳模型——所有因素都指向中心化。到 2028 年,兩家公司可能控制全球大部分有效浮點運算。

  5. 巨額資本支出引發利率危機

  6. 2024-2029 年需投入 11 萬億美元(相當世界經濟的十分之一),其中 5 萬兆需發行新債。利率預計上升 250 基點,Meta 從 5-6% 升至 8%,Anthropic 甚至願付 20%。全球其他企業、銀行、發展中國家都被迫承受高利率,傳統價值股估值暴跌。

  7. 政府監管與內部研發的拉鋸

  8. 實驗室正把算力從外部推理轉向內部研發,最好模型在內部產生的價值遠超外部客戶(如 Jane Street)。監管當局考慮延遲模型發佈、限制內部使用,但這會削弱實驗室的高加價能力。窗口正在關閉,未來不再有分享經濟上行的空間。

實用技巧與重點

  • 收益與成本數據
  • 基礎設施成本:每兆瓦 1000-1500 萬美元
  • Anthropic Opus 5 收入:每兆瓦最高 5000 萬美元
  • 推理毛利率:投入成本 10 元 → 收入 50-100 元
  • 必需提價範圍:每兆瓦 2500-5000 萬美元(才能占全球 70% 算力)
  • 算力部署與市場份額
  • OpenAI 和 Anthropic 當前:各 2 吉瓦(年初)
  • 年底目標:各超過 5 吉瓦
  • 新增算力占比:明年占全球新增的 40-50%
  • 全球 2028 年算力上限:80 吉瓦
  • 全球 2028 年預測:超過 200 吉瓦(實驗室占主要份額)
  • 晶圓與設備供應鏈
  • 晶圓廠投資:60 億美元 /年 → 1 吉瓦算力
  • 1 吉瓦 /年收入:1000 億美元
  • 投資回收倍數:100 倍差距(考慮中間商分潤)
  • ASML 設備需求:2030 年需達 100 台 /年
  • EUV 反射鏡商:蔡司 (Carl Zeiss)、ASML
  • 中國算力現狀與預測
  • 當前占比:全球 AI 算力 <10%
  • 2028 年預計:不超過 30 吉瓦
  • 2029 年新增:國產芯片預估 50 吉瓦(但效能只等於英偉達芯片 20 吉瓦)
  • 2028 年美國實驗室(質量加權):可能超越中國 2029-2030 年總算力
  • 芯片來源:中芯國際、長鑫存儲預計 2027-2028 上線
  • 美國與中國歷史對比
  • 2022 年美國新增算力:45-50%(全球)
  • 2022 年中國新增算力:30-35%(全球)
  • 差異原因:出口管制 + 美國金融體系風險容度更高 + 中國補貼體系
  • 資本支出與融資需求
  • 2024-2029 年總資本支出:11 萬億美元
  • 實際融資需求(含提前建設):7-10 萬億美元
  • IT 資本支出:2.5 萬億以上
  • 數據中心和能源:1-2 萬億
  • 2030 年底增量資本支出:接近 10 萬億美元
  • 利率與債務衝擊
  • 新發行債務需求:5 萬多億美元(2024-2029)
  • Meta 預期利率上升:從 5-6% 至 8%(250 基點)
  • Anthropic 融資利率:20%
  • 其他企業受波及:增加 250 基點利率成本
  • 銀行風險:信用利差爆發時,債務重定價快於資產重定價
  • 模型訓練算力分配
  • 研究預算:50%
  • 開發預算:10%
  • 推理預算:40%
  • Anthropic Mythos 訓練:預訓練 <200 兆瓦、約 2 個月、強化學習更少
  • 未發布模型情報
  • OpenAI:Astra(二月訓練但未發布)、停止訓練 2 週、停止發布 GPT-5.6 衍生版本
  • Anthropic:Model 2(下一代 Mythos,已發布但功能受限,不能優化推理性能)
  • 實驗室內部價值轉變
  • Jane Street 案例:通過 GPT-5.6 超快模式在市場賺取價值遠超支付給 Anthropic 的費用
  • Meta 傳聞:一度占 Anthropic 業務 10%,通過廣告優化的效率遠超服務費
  • 未來趨勢:最佳模型內部應用價值 >> 外部客戶價值
  • 算力效率增長
  • 達到特定能力所需算力:每年減少 3 倍
  • 前沿算力(FLOPS):每年增長 4-5 倍
  • 新芯片效率:比前一代高 3-5 倍
  • 有效 AI 人口規模:每年增長 10 倍(不含 RSI)

結論

算力集中化不是選項而是宿命,除非 AI 進展放緩或政府介入,否則經濟、技術與權力將同時流向孤立的幾家公司,整個世界都將成為這過程的派生結果。

完整解析

從商業模式的根本轉變開始。一年前,OpenAI 和 Anthropic 還靠風投補血,虧錢運營。但隨著推理服務的供給增加,成本曲線翻轉——當每兆瓦基礎建設成本只需 1000-1500 萬美元,卻能創造 5000 萬美元收入時,這兩家公司走上了截然不同的道路。Anthropic 第二季度已經盈利,OpenAI 預期在今年第三季度達到盈利臨界點。從投入 10 元成本變成 50-100 元收入,這不只是數字改善,而是改變了整個行業的競爭邏輯。

當利潤源源不絕時,實驗室願意出最高價買走市場上所有計算資源。今年初 OpenAI 和 Anthropic 各擁有約 2 吉瓦算力,年底都將超過 5 吉瓦——增長了 2.5 倍。更令人瞠目的是,明年全球新增算力中,這兩家公司將占 40-50%。這不只是市場份額問題,而是前沿實驗室的算力增速每年 3 倍,遠超全球平均 1 倍增速,導致集中化速度加快。帕特爾估算,若趨勢持續,到 2028 年底,兩家公司將控制全球大部分可用浮點運算能力。當今年每兆瓦創造 3000-4000 萬美元時,還有 40% 算力分配給推理、60% 投入研發與訓練。但若達到 6000-7000 萬美元甚至 1 億美元時,為什麼還要分配利潤去分紅回購?打造 AGI 的收益遠大於此。所以邊際算力正在悄悄從外部推理轉向內部研發——這正在發生,過去三個月的數據已經反映出這一趨勢。

將視角拉到宏觀經濟,問題變得更加嚴峻。若進入每年新增 100 吉瓦的世界,按現在價格就是每年 5 萬億美元資本支出。但由於電廠和數據中心必須提前建設(發電廠 30 年期限、數據中心 15-20 年期限),實際需求達 7-10 萬億美元。2024-2029 年共需 11 萬億美元投資,即便盡可能用現金流融資,仍需發行超過 5 萬億美元新債。這筆錢打亂全球融資市場——超大規模雲廠商(谷歌、微軟、亞馬遜、Meta)本應用現金流資助增長,如今卻在大規模借債。Meta 從願意支付 5-6% 利率,變成可能需要 8%;Anthropic 甚至願付 20%。如此龐大的融資需求,將全球利率推高 250 基點,連帶傳統產業、銀行、高債務企業全面受創。發展中國家面臨的是第二次「沃爾克時刻」——當年聯準會主席沃爾克急速升息導致 40 個國家違約,這一次巴基斯坦、奈及利亞這類債務沉重的國家將承受更大衝擊。

最後是權力集中的宿命論。訓練有巨大規模經濟(投入被分摊到數十億次會話)、領先者享更高加價能力(節省稀缺算力資源)、遞迴自我改進讓最佳模型製造下一代最佳模型,這一切都指向同一方向——除非 AI 進展放緩或政府嚴格監管,否則算力必然集中在少數公司手中。過去實驗室還分享部分經濟收益給外部客戶(如 Jane Street 通過 GPT-5.6 超快模式賺取遠超服務費的價值),但隨著內部應用價值爆炸性增長,這扇分享之窗正在關閉。未來最好的 AI 模型將完全鎖在內部,在一個由算力定義一切的世界,掌握算力的少數公司將掌握未來的勞動力、經濟增長,乃至全球利率走向。

12 min
企業管理中文10月8日

The Most Important Skill for Entrepreneurs Can't Be Taught—A Conversation with Yu Ying, Vice Dean...

凯莉彭 Kelly Peng看原片 ↗
  • 反思能力決定成長天花板:講者發現職場只有兩種人——遇到問題時,一種向外求(怪環境),一種向內求(找自己的因)。前者無論如何調整職位都不會進步,後者才有迭代與改善的機會。這種能力在青少年階段仍可塑,成人後幾乎無法逆轉。
  • 審美感必須靠大量接觸累積:審美是不可替代的創業必備素質,但不是天生的。看過百件、兩百件產品後自然能感知共性。此能力需要浸潤式學習,短期內無法突擊。
11 min
AI 技術中文10月8日

2026年10月8日|24小時世界AI新聞台-重溫|OpenAI 合約 AI 測試、Reka Rho-1、Google Earth AI

文恩澄 Rannes Man看原片 ↗
  • AI 代理從輔助進化到流程參與:OpenAI 與 Ironclad 的研究表明 AI 代理已能設定表單、建立審批規則並確保多步驟工作流合規,但人工監督仍不可或缺。這標誌著 AI 在企業軟件中的角色從簡單任務輔助升級到複雜業務流程的參與者。
  • 多模態統一正成為主流方向:Reka 的 Rho-1 展示單一模型處理文字、圖像、影片和動作的可行性,減少使用者在不同工具間切換的負擔。但技術仍面臨長時間生成穩定性與跨影片物件定位的挑戰,目前輸出解析度上限為 672×384 像素。
13 min
AI 技術中文9月26日

万亿美元AI资本开支的回报在哪里 | 黑石Jon Gray | 数据中心 | AI算力 | 工业革命 | 投资回报 | 超大规模云厂商 | 芯片短缺 | 电力基础设施 | 生产率 | AI应用场景

最佳拍档看原片 ↗
  • AI不是泡沫,而是範式轉移:喬恩·格雷用1870-1900年工業革命類比今日AI浪潮,強調這是勞動生產力翻倍、GDP與製造業產出成倍增長的機遇期,但並非所有公司都能從中獲利。
  • 投資報酬率已被驗證:黑石旗下公司已看到實際案例——印度鑽石公司提效、通訊鐵塔公司租約處理快五倍、軟體編碼模型每投1美元回報18美元,證明AI開支的合理性。