资本扩张与算力制约

加文·贝克（Gavin Baker：知名科技投资人，阿特雷德斯管理合伙人）将当前的AI热潮称为资本主义历史上最非同寻常的时刻。以 Anthropic（一家领先的AI安全与研究公司）为例，其增长速度令人震撼：在短短一个月内，其年度经常性收入（ARR）增加了110亿美元，这一增量相当于过去十年间 Palantir、Snowflake 和 Databricks 这三家顶级 SaaS 公司业务的总和。

Gavin 指出，目前 AI 公司的增长并非受限于市场需求，而是受到算力供应的严格制约。如果算力充足，Anthropic 的业务规模可能已达千亿甚至两千亿美元。为了控制运营成本，AI 公司不得不对模型进行“降智”处理——即通过减少生成 token 的数量来节约计算资源，即便顶级版本也难以幸免。

算力扩张的物理瓶颈

算力扩张的核心瓶颈在于瓦数（Wattage）与晶圆（Wafer）。虽然资本市场自然会寻求解决能源短缺，但数据中心投资面临最大的制约因素已非技术本身，而是土地规划与审批流程。

针对能源短缺，Gavin 提出了激进的轨道计算方案：将单个服务器机架放置在太阳同步轨道上。通过 SpaceX 的 Starship 发射，在真空中利用太阳能板持续供能，配合巨大散热器，并使用激光连接形成虚拟数据中心。这种技术在 Starlink 系统中已验证其可行性。尽管训练仍将长期在地面进行，但轨道计算为推理需求提供了一个重要的供应渠道。

全球稳定器与芯片设计权衡

台积电（TSMC）在当前的 AI 经济中扮演着“全球经济稳定器”的角色，其严格的产能限制反而避免了类似 2000 年互联网泡沫那样的过度建设。当前的 AI 基础设施建设由运营现金流支持而非债务，且 GPU 的利用率极高，这与当年的闲置光纤不可同日而语。然而，Gavin 担心“多样性崩溃”现象，即当所有投资者对同一趋势看多时，泡沫风险便随之而来。

在芯片设计领域，Gavin 提出了芯片的“坦克设计铁三角”类比：必须在内存容量、内存带宽和计算能力之间作权衡。大多数公司试图制造更好的 GPU 往往会失败，因为无法在规模与成本上胜过 NVIDIA。创业公司如 Cerebras 选择了极其困难的晶圆级计算架构，这才是突破买方垄断的可行路径。对于 马斯克（Elon Musk）的 TerraFab，Gavin 看重其整合半导体设备顶级人才和工程文化的超能力。

AI 定价转变与苦涩的教训

AI 的定价模式正从“无限量畅饮”订阅制转向按使用量付费。无限量套餐往往伴随着“降智版”AI，以降低公司成本；而企业级按量付费模式则能提供无限制的智能化能力。

提及 理查德·萨顿（Richard Sutton: AI 研究员）的“苦涩的教训”（The Bitter Lesson：更多的计算和数据总是胜过人类的算法创新），Gavin 认为这是当前投资逻辑面临的最大风险。尽管未来超级人工智能可能通过算法优化暂时违背这一教训，但在当前阶段，离前沿最近的从业者仍坚信更大规模需求的必要性。

此外，通过将负载拆解为预填充（Prefill）和解码（Decode）两个阶段，系统可以使用 Cerebras 或 Groq LPU 处理高速解码，用旧款 NVIDIA GPU 处理预填充，从而将旧 GPU 的使用寿命从一年延长至十年以上，提升了私人信贷行业的融资安全性。

智力鸿沟与重构的全球格局

目前的模型趋势导致了不断扩大的“智力鸿沟”：仅有支付高昂费用的企业客户才能获得帕累托前沿（Pareto Frontier：智能与成本的最优平衡）模型。Google 因在 TPUv5 设计决策上的保守，已在单位成本领先地位上落后于 NVIDIA 的激进策略。

在地缘政治领域，AI 正导致世界进入更高方差、更高风险的境地。战场AI 已成为影响局部冲突的关键因素。与此同时，尽管反直觉，美国的能源优势（尤其是天然气价格）在这一重构过程中为其工业制造竞争力提供了相对优势。

个人应用层面，Gavin 建议必须具备家庭安全口令以应对社交工程破解，并使用 AI Agent 处理劳动密集型工作，例如扫描委托投票书中的高管薪酬结构。他强调，分辨哪些是真正的结构性变化，哪些只是短期噪音，是当前投资者的核心能力。