--- author: Best Partners TV date: '2026-09-02' guest: '' layout: post.njk source: https://www.youtube.com/watch?v=5krZ6fJ8v-w speaker: Best Partners TV tags: - compute-scaling - ai-economics - data-center-infrastructure - capital-expenditure title: 全球算力大集中：OpenAI与Anthropic的算力垄断与宏观经济冲击 summary: 本期视频探讨了SemiAnalysis创始人Dylan Patel与播客主持人Dwarkesh Patel关于AI算力未来的深度推演。分析指出，随着前沿实验室实现盈利且单兆瓦创收飙升，全球有效算力正快速向OpenAI与Anthropic集中。面对供应链瓶颈与万亿美元级资本支出缺口，巨额AI借贷或推高全球真实利率并冲击传统经济，而实验室转向内部研发与递归式自我改进，更将加速算力超级中心化进程。 insight: '' draft: true series: '' category: tech-trends area: tech-engineering project: [] people: - Dylan Patel - Dwarkesh Patel companies_orgs: - OpenAI - Anthropic - SemiAnalysis products_models: - GPT-5.6 - Opus 5 - Mythos media_books: [] status: evergreen --- ### 算力经济模型的逆转与集中化 **大飞**: 大家好，这里是最佳拍档，我是**大飞**。一年前还在靠风投烧钱维持的**OpenAI**和**Anthropic**，现在每兆瓦算力能产生5000万美元的收入，每花10块钱就能变出100块来。这两家公司正在做一件极其反直觉的事：宁可少赚几千亿美元，也要把算力从对外服务中抽出来，全部关起门来搞内部研发。 科技播客主持人**德瓦克什·帕特尔（Dwarkesh Patel）**最近请来了**SemiAnalysis**的创始人**迪伦·帕特尔（Dylan Patel）**，两人对着账本做了一场令人震惊的推演，结论是到本十年末，全球绝大部分有效算力可能会集中在这两家公司手中，而整个真实世界的经济运行，从房贷利率到主权国家会不会破产，都将沦为这个过程的派生结果。今天这期视频，我们就来看看这俩人都聊了啥。 先从现状说起。去年年底，美国大部分GDP增长其实都只是AI基础设施。今年全行业上线的新增算力中，大约三分之一最终流向了OpenAI和Anthropic，虽然这些算力可能是别人建好再租给他们的，但是最终客户就是这两家。今年全行业的**资本支出**刚过1万亿美元，到2028年将超过2万亿，实验室在其中占的比例还在不断攀升。他们正从每年花几百亿的公司，变成每年花几千亿甚至上万亿的公司，至少他们目前与合作伙伴签署的部分合同已经是这个规模了。这就需要他们的经济模型发生重大重塑。 关键的变化在于，这两家实验室终于从亏钱转向了赚钱。Anthropic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可能在第三季度也迎来盈利拐点。一年半前，他们所有的钱都来自风投填的窟窿，现在已经可以靠自身收入来驱动增长了。当然这并不意味着他们不再吸收新的资本，新的资金依然在涌入从而进一步加速增长，但是越来越多的业务是由自身收入提供资金，而不是靠外部注资。 算力基础成本大约每兆瓦是1000万到1500万美元，但是Anthropic运行**Opus 5**这类模型时，每兆瓦产生的收入最高达到了5000万美元。过去在**英伟达** **Hopper**芯片上跑GPT-4，毛利率是负的；现在跑GPT-5.6、跑Opus 5，收入已经远远超过了增量成本。花10块钱在推理上能赚回50块，所有利润转头就能砸进训练里。这就引出一个直接的后果：谁能把10块钱变成100块，谁就愿意出最高价买走市面上所有的卡。 今年年初，OpenAI的算力大约是2吉瓦，Anthropic不到2吉瓦，到年底两家都将超过5吉瓦，总算力增长了三四倍。展望明年，根据已经签署的合同，两家将占到新增算力的40%到50%。所以说，这个集中化的趋势不但没放缓，反而在加速。**SpaceX**成了新的入局者，也正在建设大量算力，大概率会租给这两家，因为它们在边际上能出最高价。同时OpenAI在自研芯片，Anthropic也在购买**谷歌**的**TPU**通过**Fluidstack**部署。 这里有个很关键的乘数效应：全球算力如果以吉瓦来计算的话，可能会每年翻倍；但是前沿实验室的算力每年会翻三倍。而且今年部署的每瓦特算力，效率远高于两年前部署的每瓦特，因为新一代芯片的每瓦性能比上一代高出3到5倍，所以即便瓦数没有翻倍，实际的性能差距也在拉大。帕特尔估算，如果这个趋势继续，到了2028年底，两家实验室凭借自身就能控制全球大部分可用的**FLOPS**。 ### 供应链瓶颈与价值捕获迁移 **大飞**: 那么问题来了，既然算力的价值增长了这么多，为什么2028年全球只增加了80吉瓦的上限呢？ 帕特尔解释了一个让人瞠目的数字关系：60亿美元的晶圆厂资本支出，每年能生产一吉瓦算力，而一吉瓦目前能产生1000亿美元收入。五年下来，晶圆厂生产的第一吉瓦已经赚了五年的钱，第二吉瓦四年，以此类推。晶圆厂层面的60亿投入，最终能撬动超过1万亿美元的终端AI收入。当然中间有很多运营支出，包括数据中心、电力、安装都要分钱，算上中间商拿走一半，依然有100倍的差距。 这么来看，资本主义应该有动力去扩大生产。但现实是，供应链的反应需要时间。制造**EUV**里反射镜的**蔡司（Carl Zeiss）**和**ASML**，产能扩张需要几年时间的传导。今年早些时候蔡司还觉得不需要生产那么多反射镜，现在才意识到得到本十年末每年制造100台EUV设备。 主持人问了一个很直接的问题：如果有人有4亿美元，能说服ASML卖一台设备，完全应该买下来等一等，然后以超过10亿美元转手卖掉。帕特尔觉得这个思路没问题，但是这恰恰说明了问题所在——这些套利机会存在，说明供应链远没有跟上需求的步伐。而且你光搞定蔡司还不够，你得对供应链里每一家公司都这么做才行。在目前供应链的扩张方式下，2030年100台ASML设备大概仍然是个正确的数字。实验室明年可能产生几千亿美元收入，但是全行业资本支出大约2万亿，晶圆制造设备供应链大概做2000亿，加上数据中心、加速器和能源供应链远超2万亿，实验室的现金流还远不够为这些扩张提供资金。 有意思的是，价值的捕获也在不断迁移。一年前，硬件供应链赚走了所有毛利，模型层还在亏钱。那时候存储厂商在AI用的存储上根本没赚到钱，**台积电**捕获的价值也远少于存储厂商。现在模型层开始产生巨大的正毛利，但是大部分价值其实流向了终端用户。**Jane Street**跟OpenAI签了GPT-5.6超快模式的独家合同，或者说是Anthropic最大的客户之一，他们通过在市场上赚钱获得的价值，远超Anthropic在利润上的收获。有传言说，**Meta**一度占到Anthropic业务的10%，通过优化广告算法让用户的参与时间增加5%，产生的效率远超付给Anthropic的Token费用。 而且现在任何人都能在每兆瓦1000到1500万美元的成本下赚钱。去弄个**GB300**机架，下载**Kimi**权重，用**vLLM**或者**SGLang**部署好，放到**OpenRouter**上，收入就开始超过算力成本了，而且这已经导致算力价格开始向上拐点了。为了在2028年达到100吉瓦，实验室必须出更高的价格，每兆瓦2500万、4000万甚至5000万美元，才能吞下全球70%的算力。不过随着实验室越来越能从算力中榨取价值，这种格局可能还会改变，比如SpaceX和Meta利用自己的资产负债表囤积算力，然后以高价转卖，因为他们不需要在建设前就找到最终客户。 ### 监管收紧与内化算力的反直觉抉择 **大飞**: 与此同时，外部世界看到的AI进展其实正在变慢。帕特尔透露了一个很关键的细节：目前世界上最好的模型是二月份训练的，但没发布。OpenAI没有发布**Astra**，还停了两周训练；Anthropic没有发布外界普遍认为是下一版Mythos的**Model 2**，甚至把它阉割了，不能用来优化推理性能。这些新模型在内部都没有广泛部署。 州级监管也在收紧。纽约禁止数据中心，德州实行暂停，俄亥俄州要求支付特定半径内所有人的财产税。主持人提出一个担忧：如果到了2030年，政府要求实验室等六个月才能向公众发布最新模型，在那六个月里他们在内部进行**递归式自我改进（RSI）**，那么我们其他人只能用按目前速度落后几年的模型。 帕特尔回应说，政府甚至可能限制实验室在内部使用新的模型，比如Anthropic曾一度不得不停止向外籍员工提供Mythos。如果实验室不被允许发布最好的模型，每兆瓦收入的攀升速度就会放缓，他们以更高价购买增量算力的能力也会减弱。但是如果在一个安全不构成阻碍的世界里，他相信实验室可以产生每兆瓦1亿美元、甚至更多的收入。 接下来这个抉择可能是最反直觉的。随着公司上市并对投资者负责，如果每吉瓦能产生1000亿美元收入，把算力从推理转向训练，就等于拒绝了2000亿美元收入。投资者会质问为什么要把钱花在训练上。但是帕特尔的判断是，随着时间推移，实验室分配给推理的算力会越来越少。这非常反共识，因为大多数人认为大部分算力会用于推理。 他的逻辑是这样的：如果今天每兆瓦产生3000到4000万美元，你分配40%给推理还说得过去；但是如果每兆瓦能产生6000到7000万美元甚至1亿呢？你还会拿40%去产生利润然后分红回购股票吗？还是会去打造**AGI**呢？答案显而易见，因为AGI要赚钱得多。而且最好的AI模型在内部产生的价值，远远超过外部人员产生的价值。这样一来，你把算力分配给内部还是外部呢？结果发现，超快模式不只是对外，对内也用，因为最好的模型在内部产生的价值远超外部。事实上过去三个月他们已经在这么做了：1月他们增加的算力比12月少，但是收入增量却飙升了，然后进入某种平台期，这意味着他们获得的边际兆瓦流向研发的比例已经高于流向推理的比例。 ### 中美算力格局与研发预算结构 **大飞**: 再来看中国的情况。回到2022年，美国增加了世界算力的大约45%到50%，中国大约30%到35%，但此后严格的出口管制让中国大幅落后。今天部署在数据中心AI算力中的瓦数，不到10%在中国。往后看，中国国内的算力占比依然很小，到2028年中国的AI算力将不超过30吉瓦，而全球可能超过200吉瓦。 从2027年起，**中芯国际**和**长鑫存储**等晶圆厂开始上线，2028年国产芯片就能增添5到10吉瓦，但是这些芯片肯定比英伟达和谷歌同期的产品差得多。帕特尔推测中国2029年可能新增50吉瓦，但是如果大部分是国产芯片，这50吉瓦的价值可能只相当于美国芯片的20吉瓦。主持人由此推断，2028年领先实验室拥有的算力，如果用质量加权计算，可能比整个中国在2029年甚至2030年的算力还要多。 不过迪伦·帕特尔也补充了一个重要的说明：部分原因是出口管制，但是另一部分原因是金融体系的差异。美国的金融体系比中国的更愿意在初创公司身上冒险，可一旦中国金融体系选定了一个重点行业，补贴力度会大得多。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。如果智能起飞没有那么快，而是需要更长时间，中国也许最终会在半导体方面大幅赶上，那在某个时候也就会变成算力。 不过呢，帕特尔也指出，目前这种算力差距关系不大。中国领先的AI实验室总共拥有最多100到200兆瓦算力，**字节跳动**的**Seed**是个例外，拥有更多；而Anthropic到年底就超过5吉瓦。但是中国公司在AI模型上并没有落后太多。原因是实验室的算力预算可以细分为50%研究、10%开发、40%推理。真正训练一个模型的时候，比如Anthropic训练Mythos，预训练用了不到200兆瓦大约两个月的时间，强化学习用的更少。现实中他们有几吉瓦，但是大部分算力流向了研究而不是模型开发，因为协调多站点训练和多集群协同非常困难，在强化学习期间产生更多rollout也不一定能让模型变得更好。随着自动化编程和自动化研究员方面走得越来越远，他预期研究与训练的算力预算比例会变得更加模糊，训练的比例会更高。 ### 宏观债务膨胀与第二次沃尔克时刻 **大飞**: 再往宏观层面看，如果进入一个每年新增100吉瓦的世界，按现在的价格就是每年5万亿美元的资本支出，但这还没算上必须提前建好的发电厂和数据中心本身。发电厂是个30年期限的资产，而数据中心是15到20年期限的资产，都得提前建好。如果今年建100吉瓦，明年建150吉瓦，那150吉瓦的所有建筑都需要在今年支出资本，所以实际上会变成7到10万亿美元，其中超过2.5万亿用于IT资本支出，另外1到2万亿用于数据中心和能源以及下游的半导体供应链。到2030年底，增量资本支出可能接近10万亿美元，大约世界经济的十分之一；如果全在美国建，相当于美国四分之一到三分之一的经济只是用来建数据中心。 那钱从哪来呢？超大规模云厂商为迄今为止的增长提供了资金，谷歌、**微软**、**亚马逊**、Meta占据了算力的一半以上。但他们现在不产生现金了，全花在资本支出上，甚至还在大量借债。不仅Meta在这么做，连亚马逊甚至谷歌也在借债支付资本支出。帕特尔的模型显示，从2024年到2029年大约有11万亿美元的资本支出，即使尽可能用现金流资助，仍然需要发行超过5万亿美元的信贷。 这笔钱有几个来源：半导体公司像英伟达、**博通**和存储厂商决定为部分资本支出提供资金；传统基础设施投资者筹集资金投数据中心而不是桥梁；最后是经济体中的每个人都意识到也许不该买国债，而该去买超大规模云厂商的债，或者Anthropic的债，因为Anthropic愿意为增量10亿美元支付20%的利率。 这意味着整个AI生态系统要借5万亿的债，确实会推高利率。他估计Meta可能愿意付8%的利率，而不是今天的5%到6%，涨了250个基点，经济体中的其他所有人也要多付250个基点。银行会尖叫，因为如果信用利差爆发，债务的重新定价快于资产的重新定价，银行会损失大量金钱。日用消费品公司、电信公司、银行这些大量使用债务的行业都会受到冲击。更严重的是贴现率从3%飙升到8%或10%，所有传统价值股的估值会暴跌，像**强生**、**伯克希尔**这类被视为稳定股票、长期支付良好现金流的公司吸引力会大打折扣，甚至存储类股票也不应该再翻10倍，因为如果对AI极度相信，经济中所有的东西都应该只有2到3倍的市盈率。 帕特尔还提到一个反常识的点：Meta作为1.5万亿美元的公司，在逻辑意义上价值远不止这些，看看他们的现金流、囤积的基础设施和能以极高价格卖出的算力。 对于发展中国家情况更糟。经济学家提出了可能出现的**第二次沃尔克时刻**。上世纪80年代美联储主席**保罗·沃尔克（Paul Volcker）**把利率提高5%以上，导致大约40个国家违约，这一次大概率会重演。巴基斯坦、尼日利亚等债务沉重且债务需要频繁偿还的国家在新利率体制下将非常惨。而所有这些利率上升的因素，恰恰又反过来会成为抑制算力过度扩张的刹车。 ### 超级中心化与不可避免的未来 **大飞**: 还有一个更深层的趋势值得注意：前沿算力如果以FLOPS计算每年会增长4到5倍，达到某种能力水平所需要的算力每年将减少3倍。这意味着前沿实验室的有效AI人口规模每年会增长10倍。OpenAI从今年大约1000万AI劳动力，到明年1亿，再到后年10亿，用不了几年，单家实验室内拥有的劳动力等效值就会超过地球上所有人口的总和。而且这还是在没有递归式自我改进的情况下，一旦RSI启动，可能就是每年增长100倍甚至1000倍。 所有的力量都在尖叫着走向中心化： 1. 训练有巨大的规模经济，因为你花在训练AI特定技能上的任何努力，都会被分摊到数十亿次会话或者数十亿用户身上； 2. 在AI竞赛中稍微领先就能收取更高加价，因为你能更好地节约稀缺的算力资源； 3. 部署更广泛的模型能够获得更多现实世界数据用来持续学习； 4. 递归式自我改进（RSI）让最好的AI模型帮你制造下一个最好的模型。 所有这些都指向同一个方向。最近还有一场争论，有人提到达里奥·阿莫代伊认为世界上最终只会有一家公司，虽然达里奥出来否认了，但是如果你相信RSI、相信实验室是算力最有效的用户，那么算力中心化就是唯一会发生的事。帕特尔直言，除非AI进展放缓，除非政府严格监管，否则算力集中化是唯一会发生的事。 这可能是我们这个时代最值得认真思考的问题：要么走向一个资源超级集中的世界，祈祷那几个极少数公司把一切都做对；要么各国政府和人们把一切放慢，希望权力能有更多平衡。但是即便如此，沿途的每一步仍然会导致有人获取更多的资源。目前来看，很难找到一个AI不导致超级集中的框架。 唯一的一线希望是，目前Anthropic还并没有捕获大部分价值，经济体的其他部分也许从Anthropic那里获利更多。但是随着实验室越来越倾向于把算力留在内部，这扇窗户可能也在关闭。毕竟如果Jane Street能将每兆瓦最终变现2亿美元，会愿意付给Anthropic 1亿；但是如果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。 在一个即将由算力定义一切的世界里，谁掌握了算力，谁可能就掌握了未来的劳动力、未来的经济增长、乃至未来的利率走向。但是对于大飞我来说，真心不愿意接受这样的未来。那么大家觉得，这个集中化趋势是否真的不可逆转呢？或者说，我们是否还有时间去设计一个不同的未来呢？ 感谢收看，我们下期再见。