楼主:
H2 (oh!my志玲)
2025-11-20 15:31:50Gavin Baker
著名科技对冲基金Atreides 投资长
https://reurl.cc/LQME27
(Grok中文翻译）
关于 AI 的一些想法
Gemini 3 显示，预训练的扩展定律仍然
完好无缺。这是自 o1 发布以来最重要的
AI 数据点。这意味着 Blackwell 模型很
可能在 2026 年第二季度推出时，展现出
显著的性能提升。GPT-5 并非扩展定律放
缓的证据。GPT-5 是设计成推理成本更低的
模型，而不是更好的模型。它实际上是一个
较小的模型，后面有一个路由器。而且，请
不要告诉我 Gemini 3 是用 TPU 训练的，
因此不能反映 Blackwell 的情况。预训练中
重要的是连贯的 FLOPs，无论是在 Blackwell
还是 TPU 上。
边缘模型：
推理大幅改善了边缘模型的经济性和商业模
式。推理解锁了“用户产生数据，这些数据
可以回馈到产品中以改善产品并吸引更多用
户”的飞轮，这是每一个伟大网络商业模式
的基础。在没有推理的世界中，预训练是唯
一的扩展定律，这种飞轮并不存在。由于推
理，进入障碍每天都在增加。
边缘模型产业越来越像是一个四家玩家的寡
占市场。Gemini、OpenAI、Anthropic 和
xAI 都拥有比公开可用版本更先进的检查点，
这些检查点正用来训练它们的下一个模型。
这使得追赶变得困难。Meta 有机会，因为
中国的开源模型仅落后 9 个月，但机会很小。
Blackwell：
Blackwell 很可能会大幅扩大美国边缘模型
与中国开源模型之间的差距。中国国内半导
体相对于 Hopper 一年前的性能，与
Blackwell 的差距更大。这将进一步提高
边缘模型的进入障碍，因为新进入者将不得不
依赖越来越落后的中国开源模型来试图追赶。
我认为中国将会后悔没有利用川普愿意向他们
出售“B30”的机会。Blackwell 将改变美国
与中国的相对杠杆，尤其当美国国防部真正
巨大的努力来增加国内稀土开采和精炼在未来
两年内见效时。我认为正在追求的精炼技术解
决方案被低估了，至少有一些很可能会成功。
在思考过去 18 个月的 AI 时，即自 2024 年
GTC 宣布 Blackwell 以来，重要的是要理解，
第一个 Blackwell 变体 B200 延迟了，而且一
开始很难处理。多个变体被取消，需要更换
光罩，而且让 NVL72 机架运作是一项艰钜的
努力。这是科技史上最大、最复杂的产品转型。
想像一部新 iPhone 需要客户从 110 伏特转换
到 220 伏特插座、安装几个 Tesla 电源墙、
安装几个备用天然气发电机，并安装全屋加湿
器。那就是资料中心的 NVL72。现在正在扩
产的 B300 可以说是 Nvidia 史上最好的资料
中心 GPU，而且机架部署正在加速。Nvidia
能够在这次转型中成长，这证明了客户对 B300
的热切期待，而且在看到 Gemini 3 的结果后，
我确实认为在 B300 上训练的模型将会出色。
代币经济学：
AI 是我作为科技投资者职业生涯中第一次，
成本变得重要。Apple 不是因为它是手机低成本
生产者而成为数兆美元的公司，Nvidia 也不是
AI 加速器的低成本生产者。但成为代币的低成
本生产者将是一项深刻的优势。今天，代币的
低成本生产者是 Google，其次是 xAI。
Google 凭借 Gemini 3 和 xAI 凭借 Grok 4.1
开始展现它们对所有竞争对手的巨大基础设施
优势。重要的不是 GPU 或 TPU 的数量；重要
的是丛集/结构中*连贯*的 GPU 数量，以及跨该
丛集/结构通讯的成本。Gemini 3 和 Grok 4.1
显然是今天最好的模型，尽管 OpenAI 试图以
5.1 来回应，但仍无答案。这是 OpenAI 第一
次落居第三位。
电力短缺 = 更平稳且更长久：
CoreWeave 的季度显示，即使 CoreWeave 在合约
电力方面有优势，也很难及时上线电力并部署
基础设施。这些与电力相关的短缺很可能将在未来
增加并影响更多参与者。我相信这实际上是正面
的。电力短缺是 AI 建设的自然调节器，降低了
过度建设的机率。应该增加周期的持续时间和平
稳性。
电力短缺可能对 Blackwell 很有利。当瓦特成为
瓶颈时，每瓦特的代币将驱动决策，因为代币
literally = 收入。在电力受限的世界中，GPU
与 ASIC 的定价将变得不那么重要。这个事实加上
Google 对外销售 TPU，可能意味着几乎所有
其他 ASIC 计划将被取消。即使 ASIC 能将 1 吉
瓦资料中心的成本从 500 亿美元降到 400 亿美
元，那 400 亿美元的 ROI 将更低，因为该资料
中心产生的收入（代币）将显著降低。净效应是，
电力短缺增加了对半导体和系统的定价权，这些
半导体和系统拥有最佳的每瓦特代币性能。
光学：
光学允许工作负载移到电力可用且廉价的地方。这将
越来越重要，因为削减将成为解决政治压力周围
电价上涨的解决方案。多校园训练需要难以想像的
光学量，但这笔支出仍远低于计算本身支出——使其
成为可行的经济替代方案。讽刺的是，光学也是
中国 GPU 短缺和电力过剩的解决方案，因为从铜
转向光学用于扩展网络，可以抵消加速器每单位
计算的大部分短缺，代价是电力使用大幅增加。在
互联网时代，“能切换就切换，必须路由就路
由”是一个重要的原则。在资料中心，“能用铜就
用铜，必须用光学就用光学”类似，而且“必须”
正不可阻挡地逼近几乎整个资料中心。
GPU 残值：
自 Blackwell 广泛可用以来，Hopper 租赁价格
上涨的事实表明，GPU 残值可能需要延长超过 6
年。即使是 A100 今天仍在产生非常高的可变
现金边际。如果这些趋势持续，预计 GPU 融资
成本将再下降 100-200 个基点。顺便说一句，
鉴于资料中心的物理现实，GPU 的 1-2 年使用
寿命是不可能的。
AI 的 ROI：
截至第三季度，超大规模公司的 ROIC 仍高于
它们在 GPU 资本支出扩张之前。这是最准确的
量化衡量“AI 的 ROI”的方式，因为它也捕捉了
Google 和 Meta 将推荐和广告系统从 CPU 移到
GPU 所见到的巨大收入益处。可能在接下来的两
个季度有“ROIC”空窗期，因为 Blackwell 的
资本支出急剧扩张，而且定义上这笔支出最初
没有 ROI，因为 Blackwell 用于训练。显然，
“AI 的 ROI”仅来自推理。
S&P 500 公司在风险公司大规模转移后，大约花
了五年时间开始广泛转移到云端。AI 可能发生
得更快。我确实认为值得注意的是，第三季度是
第一次多个 S&P 500 公司提供了 AI 生产力对其
财务产生具体影响的数据，即 C.H. Robinson。
这些大型公司的初步生产力提升反映了风险投资者
在它们的投资组合公司中所见的，即自基本上每家
风险支持的公司投入 AI 以来，每员工收入已
垂直上升。
结论：
所有这一切都表明，我们仍处于 AI 的非常早期
阶段。
我理解对 OpenAI 的不安。1 兆美元的未资助支出
承诺对 AI 今天的强大现实投下了不幸的疑虑。
OpenAI 失去了份额，并且从模型品质角度来看，
第一次明显落后于另外两家公司。它们也失去了
大部分创始团队。互联网交易经历了 Yahoo、
MySpace 和 AOL 的没落。我不认为 OpenAI 失去
份额给 Google 和/或其他公司会实质影响整体代
币需求，而代币需求（作为客户 ROI 的函数）最终
才是最重要的。这些代币的份额将影响 Google、
OpenAI、xAI 和 Anthropic 的相对市值，但整体代
币需求将驱动所有供应商。
我确实认为将 AI 与先前市场事件比较，即 2000
年，非常有趣。虽然专注于 AI 作为潜在泡沫很
奇怪，当量子和核能*明显*处于泡沫中，没有任何
基本面支持。而且重要的是要关注 AI 的真正风险：
ASI 的不可知经济价值（不像 AGI 更容易建模），
以及如果 ASI 没有经济价值，推理移到边缘的风险。
今晚将只是我认为将持续十年的稳健 AI 进展中
的一个数据点。令人兴奋的时代！