两家公司，买下全世界的算力

关联

人物 Dylan Patel

公司 OpenAI · Anthropic · Meta · SpaceX · Google · NVIDIA · Jane Street · ASML · Carl Zeiss

概念 算力 · 资本支出 · 推理 · 训练 · AGI · 递归自我改进 · 出口管制 · 利率

来源 Dwarkesh Podcast

AI 行业最贵的东西不是人才，是电力和芯片。

Dylan Patel 是半导体研究机构 Semi Analysis 的创始人，这期与 Dwarkesh 的年度对谈里，他用一连串硬数字讲了一个惊人的判断：

再过一两年，全世界新增的计算能力，大部分会被 Anthropic 和 OpenAI 这两家公司吃掉。

这不只是科技新闻，而是一场牵动利率、国债和全球权力格局的资本大迁徙。

1000 万美元买一兆瓦，能赚回 5000 万

算力的基本账单位是每兆瓦。今天在市场上租一兆瓦的计算能力，成本大约 1000 万到 1500 万美元。

而 Anthropic 用模型服务客户，每兆瓦产生的收入已经高达 5000 万美元 。

这意味着一个简单的套利：花 10 美元买推理算力，赚回 50 美元，然后把利润全部转手投进训练更大的模型。

就在一年前，情况还完全相反——OpenAI 在英伟达 Hopper 芯片上跑 GPT-4，毛利是负的。

转折点刚刚发生：Anthropic 在今年第二季度开始盈利，OpenAI 可能第三季度跟进 。

这些公司第一次不再只靠风险投资的钱续命，而是靠自己的收入滚动扩张。

照现在的签单速度，一半新算力归两家公司

年初，OpenAI 的算力约 2 吉瓦，Anthropic 还不到 2 吉瓦；到年底，两家都超过 5 吉瓦 。

今年全球新增算力里，约 30% 流向这两家实验室；根据已经签好的合同，明年这个比例会冲到 40%–50% 。

由于全球算力本身在快速增长——今年新增约 30 吉瓦、明年 50 吉瓦、2028 年 70 吉瓦——新增的部分很快就会约等于全部。

也就是说，到明年底，全世界大部分算力实际服务于两家公司的需求 。

而且这不只靠租：OpenAI 在做自己的芯片，Anthropic 在采购谷歌的 TPU 并通过 FluidStack 部署；SpaceX 也在大量建设算力，很可能高价租给两家实验室 。

为什么供应链追不上：一条鞭子要甩好几年

主持人算了一笔账：

60 亿美元的晶圆厂设备投资，每年产出一吉瓦算力，而一吉瓦现在能带来 1000 亿美元收入——即使打对折养活所有中间商，也是 1 美元变 100 美元的生意。

资本为什么不疯狂扩产？

Patel 的答案是牛鞭效应：价格信号传到供应链最末端需要很久。

给 ASML 光刻机做镜片的 Carl Zeiss，年初还认为不需要每年为 100 台 EUV 设备备货，现在才刚意识到要扩产 。

理论上有人拿 4 亿美元买一台 EUV 设备放着，转手能卖 10 亿以上，但现实里没人这么干——整个体系还处在资金受限状态 。

监管正在变成实验室自己的刹车

一个反直觉的事实：实验室自己倡导的安全监管，拖慢它们的速度远超拖慢开源模型。

OpenAI 没有发布 Astra，还暂停训练两周；Anthropic 被广泛认为已有下一个版本的 Mythos，却因安全评估没有放出来 。

甚至 Anthropic 一度停掉外国员工对 Mythos 的内部访问 。

这直接影响收入：不发布最好的模型，每兆瓦收入的增速就会放缓，实验室高价抢算力的能力也随之减弱。

在安全不重要的世界里，Patel 认为实验室每兆瓦能赚 1 亿美元、出 5000 万买断所有人的算力；

而在现实世界，地方上纽约禁数据中心、得州暂停审批、俄亥俄要求代缴周边房产税，供给被进一步收紧 。

更缺钱的是信贷市场：5 万亿美元的新债

Semi Analysis 的模型显示，2024 到 2029 年，AI 相关资本开支约 11 万亿美元，其中 6 万亿靠现金流，仍有超过 5 万亿需要发债 。

云巨头已经全面借钱搞建设，Meta 最近发债利率约 5%–6%，Patel 认为他们完全愿意付 8%——因为算力的回报太大了 。

问题是，巨头多付 250 个基点，全经济都要多付 250 个基点。主持人推演了连锁反应：

利率上升会压垮靠债务运转的电信、银行、消费品牌；

巴基斯坦、尼日利亚这类税基薄弱、债务又频繁续期的发展中国家，在新的利率环境下会「非常完蛋」。

而那还是奇点之前的世界。

中国有多少算力？不到全球新增的 10%

回到 2022 年，美国占全球新增算力的 45%–50%，中国占 30%–35%。出口管制加上美国的狂飙之后，今天 70% 的瓦特部署在美国，中国不到 10% 。

2028 年前中国最多约 30 吉瓦，而且靠 SMIC、CXMT 等国产产线，芯片性能明显落后 。

不过 Patel 也提醒两点：

一是美国金融体系敢给初创公司押注，中国一旦选定行业，补贴力度超过全球其他国家总和——如果起飞没那么快，中国会追上来 。

二是中国公司用极少算力做出了不落后的模型，Kimi 的算力远不到一吉瓦，而 Anthropic 年底就有 5 吉瓦以上 。

原因在于实验室的算力大头花在研究实验上，真正的 Mythos 预训练只用不到 200 兆瓦 。

终局：集中化几乎不可避免

主持人指出，前沿实验室的有效 AI 人口正以每年约 10 倍的速度膨胀——即使没有递归自我改进。

几年之内，单个公司拥有的 AI 劳动等价物可能超过全人类 。

为什么必然集中？

训练有规模经济，一次训练摊薄到几十亿次使用；领先者在算力短缺时议价能力更强；部署越广的模型学到越多。

每一股力量都指向同一家公司拿走更多 。

Patel 的态度很坦率：他不信任政府，也不信任 Dario 和 Sam，但除非 AI 进步自己放慢或被监管死死按住，「这就是唯一会发生的事」。

唯一的安慰是价值分配：Jane Street 用 Anthropic 的模型每兆瓦赚的钱，可能是 Anthropic 自己的数倍——大部分价值目前仍流向用户。

但按照把推理算力转投研发的逻辑，token 留在内部迟早比卖出去更值钱。到那时，问题就不再是经济学，而是权力。

本集带走

• 每兆瓦算力成本约 1000 万–1500 万美元，Anthropic 的收入已高达 5000 万美元，实验室首次进入自我造血的正循环。
• 按已签约合同，明年全球 40%–50% 的新增算力归 Anthropic 和 OpenAI，集中化在加速而非放缓。
• 供应链（从 Carl Zeiss 的镜片到电力涡轮机）扩产严重滞后，牛鞭效应意味着缺口短期无解。
• 2024–2029 年 AI 需发债超 5 万亿美元，可能推高全经济利率，引发新一轮主权债务危机。
• 中国目前占全球新增算力不到 10%，2028 年前最多约 30 吉瓦且芯片落后；但补贴规模和追赶速度不可低估。

我们今年的资本支出略超过一万亿美元。
We’re at a little bit over a trillion dollars of CapEx this year.
—— 嘉宾 · [01:03]

但如果回溯一年前，他们所有的钱都是风险投资资助的亏损。
But if we go back a year ago, all the money they had was venture-funded losses.
—— 嘉宾 · [01:57]

以 Anthropic 为例，收入已经高达每兆瓦 5000 万美元。
In the case of Anthropic, the revenue has gone as high as $50 million per megawatt.
—— 嘉宾 · [03:05]

Anthropic 和 OpenAI 明年将拿走多达 40% 到 50% 的算力。
You’ve got Anthropic OpenAI are taking as much as 40 to 50% of compute next year.
—— 嘉宾 · [04:17]

晶圆厂层面 60 亿美元的资本支出将产生超过一万亿美元的终端 AI 收入。
Six billion of capex at the fab level will have generated over a trillion dollars of end AI revenue.
—— Dylan Patel · [08:53]

因为今天任何人在每兆瓦 1000 万到 1500 万美元的算力上都能赚钱。
because anyone can make money off of 10 to $15 million per megawatt compute today.
—— 嘉宾 · [14:28]

但可以比较容易地说，中国将拥有 30 吉瓦左右的 AI 算力或更少。
But it’s pretty easy to say China will have like 30 gigawatts of AI compute or less.
—— 嘉宾 · [35:37]

你基本上就可以对数据中心征税。
you can fundamentally just tax the data centers.
—— Dylan Patel · [50:15]