KeyFrame內部研究專用

3000万开发者买光算力,15亿人进场榨干电力铜矿​ | AI算力 | 黄仁勋 | 马斯克 | 英伟达 | 数据中心 | 太空算力 | SpaceX | 人工智能 | 芯片供应链 | 多模型架构

Best Partners TV中文
觀看原始影片

三句話摘要

AI並非泡沫而是實體供應鏈短缺,硬數據支撐產業各層級玩家都會雙贏。 當下市場最大誤判是把實體供應鏈即將被榨乾的超級大缺貨誤當成產能過剩泡沫,但需求端才起步、供給端有硬約束、黃仁勳鎖死供應鏈、馬斯克佈局太空算力、無數公司爭奪智能抽象層,這是一場正和博弈而非零和遊戲。 1. 硬核投資回報率支撐業務加速

重點整理

  1. 1. 硬核投資回報率支撐業務加速

  2. 假設前沿模型公司握有10吉瓦電力,分8吉瓦給推理,每吉瓦年變現600億美元,年收入達4800億美元。考慮客戶預付50-60%款項,實際回本周期可縮短到9-10個月,這在投資史上極為罕見。

  3. 2. 需求端才開始綻放

  4. 當前全球開發者不過幾百萬人已消耗全球算力,而15億腦力勞動者市場才打開。Token支出遵循幂律分布,頂尖工程師的算力消耗是中位數的10-100倍,想像如果變成5億人會需要多少算力。

  5. 3. 多模型混合與「智能抽象層」爭奪

  6. 未來不是單一模型通吃,而是企業組合使用前沿模型做規劃、低成本模型執行任務。谁能成为連接用户需求與底層算力的抽象層(如Cursor、Copilot、Databricks),谁就占據商業史上最具價值的生態位。

  7. 4. 黃仁勳的供應鏈護城河

  8. 英偉達掌控70-80%的全球供應鏈,不只晶圓,還包括代工產能、DRAM、NAND、光模組、電容等全系統核心零件。融資能力遠超競對——建500億美元數據中心只需150億股權資金、350億債務融資,競對的融資成本與股權比例均翻倍。

實用技巧與重點

  • 數字指標
  • 1吉瓦年變現600億美元
  • 標準回本周期9-10個月;考慮預付款實際更快
  • a16z Token消耗3月至8月增長100倍;用Grok後單月還要再翻10-20倍
  • 每個工具開發:Claude Code需數小時,Grok Bot 7-12秒
  • 地面1吉瓦成本:500億美元(芯片350億+其他150億)
  • 太空成本:省去150億(電力、散熱、人工全不需要)
  • 美國天然氣成本2-3美元 vs 歐洲亞洲20-25美元
  • 黃仁勳掌控供應鏈70-80%
  • 每1%市場份額價值1000億美元
  • 關鍵預期與趨勢
  • 供應短缺持續到2028年
  • Token成本可能上升十倍(非下降)
  • 馬斯克與黃仁勳合作設計Rubin機架,預計2027年Q4發射(可能延至2028年Q2)
  • 黃仁勳九款核心芯片涵蓋多種加速晶片、CPU、乙太網交換機、多類GPU
  • Starlink Mobile市場規模接近兩萬億美元
  • 弗吉尼亞勞登縣人均收入全美最高,同時數據中心密度最高
  • 模型與工具
  • OpenAI的Jalapeno芯片(ASIC,對標英偉達單款芯片)
  • Poolside(英偉達收購,美國開源人才庫)
  • 開源與前沿水平差距在縮小

結論

當下市場最大誤判是把實體供應鏈即將被榨乾的超級大缺貨誤當成產能過剩泡沫,但需求端才起步、供給端有硬約束、黃仁勳鎖死供應鏈、馬斯克佈局太空算力、無數公司爭奪智能抽象層,這是一場正和博弈而非零和遊戲。

完整解析

加文·貝克花整個夏天在西海岸調查,逐人詢問「你們業務哪怕一項量化指標正在惡化?」結果兩個月找不到一項負面數據。這背後是對一二級市場背離的根本邏輯重新審視:市場停留在零和博弈思維,不斷問誰會贏,但現實是一場正和遊戲——前沿模型會贏、開源會贏、應用層會贏、雲廠商也會贏。

這不是樂觀幻想,而是硬賬本支撐。一家握有10吉瓦電力的前沿模型公司,分8吉瓦給推理,每吉瓦年變現600億美元,年收入即達4800億美元。加上客戶預付50-60%款項,實際資金缺口只有一半,回本周期縮短到9-10個月。黑石、KKR、阿波羅正排隊以極低成本為硬件資產融資。這些硬件還能做抵押融資,隨著模型越來越強大、Token投資回報率上升、每吉瓦變現效率提升,實際股權回本周期遠在一年內。

但需求端真的能撐住嗎?答案是才剛起步。目前全球年營收800億美元,重度付費用戶主要是開發者,可能只有幾百萬人。Token支出遵循幂律分布,頂尖工程師消耗的算力是中位數的10-100倍。全世界15億腦力勞動者,想像5億人使用AI工具會需要多少銅礦。a16z內部Token消耗從三月到八月增長100倍,剛拿到Grok Bot企業版權限兩人用月支出就要再翻10-20倍。這種增長來自實打實的生產力提升——同樣的工作,Claude Code需數小時,Grok Bot 7-12秒搞定,還會主動建議自動化操作。這是從被動輔助到主動執行智能體的質變。

物理世界的硬約束客觀存在。晶圓產能、銅礦供應、電力資源都不是憑空變出來的,這些正在給AI狂奔踩刹車。但對社會反而是好事,漸進的擴散比瞬間爆發更容易適應。數據中心被污名化為消耗資源怪物,事實恰恰相反——它推動美國再工業化。讀大學淨現值可能已為負,但電工、水管工、暖通技工能賺驚人的錢。建一座數據中心能改變一座城鎮,稅收增長十倍。那些因鋼鐵廠關閉被拋棄的小鎮,正被數據中心救活。美國還掌握巨大成本優勢——天然氣只要2-3美元,歐洲亞洲要20-25美元,而天然氣是發電重要原料。反對數據中心的人制造了真正的算力不平等:大公司買得起,普通人被排除。

供應短缺會持續到2028年之前。原本預計到2028年完成的建設根本沒有足夠產能,政治因素還會進一步推遲。這意味著獲取智能成本大幅上升而非下降,Token成本可能漲十倍。展望太空,SpaceX軌道數據中心大約飛機大小,72顆芯片機架加太陽能翼(五人並排寬度),放在太陽同步軌道散熱器始終背陽,冷卻問題迎刃而解。SpaceX一萬名全球頂尖工程師已思考數百甚至數千小時,這早是被解決的問題。地面1吉瓦成本500億美元(芯片350億+其他150億),太空中芯片成本略高但電力散熱人工全免,發射成本隨星舟完全可重複使用降到10億美元以下,經濟模型瞬間逆轉。馬斯克說Rubin機架預計2027年Q4發射(可能延至2028年Q2),越來越多算力正走向太空。

企業級AI終局是多模型混合。沒有任何模型在所有事情上都最優,企業會用前沿模型做頂層規劃、低成本模型執行、對用戶透明。企業更渴望掌控自己的智能資產——選用優秀開源預訓練基座、基於專有數據做強化微調,模型就歸你所有,核心知識產權無需交給實驗室。美國開源生態由英偉達牽頭迅速接近前沿水平。Google似乎退出前沿競爭,轉向高費率變現TPU,產生巨大現金流。最終贏家可能就是現金流最充裕、能持續資助大規模訓練的人。

誰能成為「智能抽象層」——連接用戶需求與底層算力的那層——誰就占據商業史上最具價值的生態位。競爭激烈:微soft因代碼可驗證有Copilot切入點、Databricks、Palantir、Snowflake、Salesforce、Workday跟進、垂直玩家如法律Harvey、編程Cursor。Cursor值得注意,不追逐通用人工智能,只想做好產品,從客戶現狀出發、基於技術能力邊界、最後成了SpaceX一部分。但成為最終抽象層難度極大:連接所有資料、用企業數據訓練、絕不泄露、無縫路由調用、持續升級開源模型。這不是中間件而是垂直整合。要成本最低就得擁有自己算力——這是為什麼加文關注大型雲廠商的EV與淨固定資產比,後者對應算力、反映市場認可的變現能力。

黃仁勳是無法繞過的關鍵。加文給所有半導體CEO的建議:公開場合只說一句話——感謝黃仁勳創造機會、希望合作支持、雖有邊緣競爭但核心想融入英偉達生態。每1%市場份額價值1000億美元,沒必要硬碰,找準利基市場拿自己的1%足夠。黃仁勳手握九款核心芯片,網絡互聯從橫向擴展進化到縱向、跨節點、節點內。他像AI領域央行或美聯儲角色,核心優勢是可融資性——建500億美元英偉達數據中心通常只需150億股權、350億債務融資。對比Google TPU融資股權比要翻倍、債務利率更高。資本成本構成巨大競爭壁壘。黃仁勳比所有人更早看清趨勢,提前鎖死整條供應鏈——不只晶圓,還有代工、DRAM、NAND、光模組、電容、機架零件,掌控70-80%。15年前就說每兩年敢下20-30億重注,今日單輪下注幾千億美元並拉動整條供應鏈。他甚至標準化金融模式讓華爾街輕鬆融資。這壁壘極難撼動。

開源對英偉達反而是強勁催化劑。基於GPU的Token軟件層溢價從90%降到40%,促使全社會消費更多Token,最終需要採購更多物理算力。在全球供應鏈緊張背景下,黃仁勳掌控絕大部分供給。英偉達也有挑戰者——OpenAI的Jalapeno芯片是除Google TPU和亞馬遜Trainium外、短時間內研發的第一款真正有競爭力的ASIC,但只對標黃仁勳九款中的某一款,系統層面競爭還需補齊另外八款。加文的忠告是別學年輕後衛去常規賽挑戰喬丹,要對傳奇保持敬畏,把它當工程問題、造出模型工廠、做出出色產品。

觀察客戶真實偏好最好的窗口是交易結構。第一種:芯片公司投資客戶(如Google和亞馬遜分別帶TPU和Trainium投資Anthropic),解決自研芯片冷啟動,只要投資低於銷售毛利就不虧。第二種:引入殘值擔保由黑石、阿波羅、KKR、高盛融資,只要擔保金額低於銷售毛利就穩賺不賠、還有營收分成。第三種:附帶認股權證與每百萬Token固定價格掛鉤,芯片性能跑贏股價就運轉良好,無條件贈予會變淨現值負數。英偉達的交易結構確實出色,這就是為什麼業內最聰明的投資人都參與。

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。