卖 Token 不如留给 AI 自研，大模型正反直觉收缩对外算力。
科技播客主持人 Dwarkesh Patel 再次对话半导体与硬件分析专家、SemiAnalysis 创始人 Dylan Patel。两人基于详实数据推演得出惊人结论：未来两三年内，全球实体经济运行——从房贷利率、美股估值到主权债务危机——将直接沦为两家头部 AI 实验室算力扩张的派生结果。
一年前，OpenAI 和 Anthropic 尚需风投资金输血；如今，前沿模型已蜕变为恐怖印钞机：每兆瓦 1000 多万美元的基础算力成本，被转化为 5000 万甚至上亿美元的终端收入。
当一家公司能稳定实现“十倍杠杆”回报，便拥有了无限开火权。这两家实验室不仅以最高价扫光市面算力，更在做一件反直觉的事：宁可牺牲数千亿美元短期收入，也要压缩对外 API 推理算力比例，将资源全部投入内部自我改进（RSI）。
无论从规模经济、硬件稀缺性还是持续学习角度看，到本十年末，全球绝大部分有效“劳动力”或将集中在极少数私人公司手中。
核心要点速览
-
从烧钱转为暴利，算力反哺研发：每兆瓦算力成本约 1000 万至 1500 万美元，产出高达 5000 万到 1 亿美元。头部实验室减少对外 API 配额，将利润全额投入内部模型迭代与自动化科研。 -
2028 算力垄断：全球算力每年翻倍，前沿实验室算力每年翻三倍。叠加新芯片能效乘数，到 2028 年底，OpenAI 与 Anthropic 将控制全球绝大部分可用 FLOPs。 -
百倍暴利卡在供应链：晶圆厂层面 60 亿美元资本支出可撬动超 1 万亿美元收入，但物理供应链（如蔡司反射镜）产能扩张需数年传导，形成瓶颈。 -
十万亿 CapEx 引发主权债务危机：生态系统产生超 5 万亿美元信贷需求，推高市场利率 250 个基点。传统价值股因折现率飙升而估值暴跌，高负债边缘国家面临违约风险。 -
单家公司"AI 人口”超越全人类：前沿实验室等效 AI 劳动力每年以 10 倍速度膨胀。随着自动化研究员落地，单家公司智力规模将迅速超过全球人类劳动力总和。
以下为本次对话实录：
从巨额亏损到每兆瓦赚 5000 万：头部实验室的印钞机已经开动
主持人：全球经济的走向正越来越取决于实验室经济学与算力市场。请梳理目前各大实验室的算力规模、收入状况及未来展望。
Dylan Patel：回顾去年，美国大部分 GDP 增长实则来自 AI 基础设施。今年全行业新增算力中，约三分之一流向 OpenAI 和 Anthropic。展望未来，行业资本支出将从今年的 1 万亿美元增至 2028 年的 2 万亿美元以上，且实验室占比持续攀升。
这些实验室正从年耗资数百亿美元转向数千亿甚至上万亿美元规模。经济模型已发生重大重塑：Anthropic 二季度开始盈利，OpenAI 预计三季度跟进。它们不再单纯依赖风投，而是由自身收入驱动增长，利润率大幅飙升。
目前算力基础成本约为每兆瓦 1000 万至 1500 万美元。过去运行 GPT-4 时毛利率为负，但现在运行 GPT-5.6 或 Opus 5 时，收入远超成本。以 Anthropic 为例，每兆瓦算力收入最高达 5000 万美元。这意味着：“在推理算力上花 10 块钱，能产生 50 块钱收入，随后可将所有利润作为增量投入训练。”
到 2028 年，两家实验室将控制全球绝大部分可用 FLOPs
主持人：算力向实验室集中的过程将如何演变？何时全球过半新增算力会流向实验室？
Dylan Patel：今年年初，OpenAI 和 Anthropic 算力均在 2 吉瓦左右，年底将超 5 吉瓦，增长 3 至 4 倍，占今年新增算力的 30%。明年这一比例将升至 40% 至 50%，且趋势正在加速。
SpaceX 等新入局者建设的算力，大概率会租给出价最高的这两家。同时，它们也开始自建算力（如自研芯片、购买 TPU）。预计到明年年底，全球一半的新增算力将流向这两家实验室。
全球算力每年翻倍，而前沿实验室算力每年翻三倍。叠加新芯片（如 GB300、TPUv7）每瓦性能高出上一代 3 到 5 倍的能效乘数，若趋势延续，到 2028 年底，它们凭借自身就能控制全球大部分可用的 FLOPs。
60 亿晶圆厂撬动万亿终端收入，但供应链传导太慢
主持人：晶圆厂层面 60 亿美元的资本支出，最终能产生超过 1 万亿美元的终端 AI 收入，中间存在 100 倍的剪刀差。为何不快速扩大生产？
Dylan Patel：资本主义会促使扩张，但这存在长鞭效应，信号传导到末端需要时间。例如，蔡司和 ASML 制造反射镜的产能扩张需数年。即便有人愿意高价收购设备转手套利，物理限制依然存在。
虽然实验室明年可能产生几千亿美元收入，但全行业资本支出高达 2 万亿美元，涵盖数据中心、电力及整个供应链。实验室目前的现金流尚不足以独自支撑如此极端的产能扩张，必须依赖信贷市场。
能把 10 块钱变成 100 块的人，会出最高价买走市面上所有的卡
主持人：如果任何人都能以低成本通过开源模型赚钱，实验室如何维持高价收购算力？
Dylan Patel：确实，目前每兆瓦 1000 万到 1500 万美元的算力价格已开始向上拐点。为了在 2028 年吞下全球 70% 的算力，实验室可能需要支付每兆瓦 2500 万甚至 5000 万美元。没有其他人有合乎逻辑的理由保留算力，除非监管或安全因素拖慢进程。
监管和安全评估实际上拖慢了实验室发布最佳模型的步伐，导致其每兆瓦收入增长受限。若无此限制，在安全不重要的世界里，它们完全有能力支付更高溢价。
价值捕获大迁徙：从硬件厂商、终端用户，再到手握算力的巨头
Dylan Patel：大部分价值并未被 OpenAI 和 Anthropic 捕获，而是流向了用户和应用层（如 Jane Street、Meta）。但随着模型能力提升，价值捕获正向模型层转移。
一年前，硬件供应链捕获了所有毛利，模型层还在亏损。现在，模型层正走向每兆瓦 1 亿美元的收入规模。Meta 和 SpaceX 利用资产负债表囤积算力，拥有选择权：既可用于内部用例，也可高价卖给实验室。
他们利用资产负债表能力，在没有大量变现客户的情况下建设算力，从而掌握了定价主动权。
监管与安全刹车：为什么外部世界看到的 AI 正在变慢
主持人：你认为到 2027 年底，每吉瓦收入能达到多少？
Dylan Patel：高度取决于是否允许发布最佳模型。若不受限，可能达到每兆瓦 7000 万甚至 8000 美元以上。但目前监管（如禁止数据中心建设、暂停训练）限制了供给并增加了成本。
即使内部模型越来越强，出于安全和竞争优势考虑，实验室可能将最佳模型保持领先外部可用模型六个月。这种“内部加速、外部减速”的局面，将限制每兆瓦收入的增速。
反直觉的抉择：宁可少赚几千亿，也要把算力从推理抽调给研发
主持人：作为上市公司，若将更多算力用于训练而非推理，投资者是否会反对？
Dylan Patel：随着时间推移，实验室分配给推理的算力会越来越少，这是反共识的。尽管推理能带来即时利润，但打造 AGI 的长期回报更高。最好的 AI 模型在内部产生的价值，远超外部人员产生的价值。
事实上，近期边际增加的算力中，流向研发的比例已高于流向推理的比例。让推理算力保持规模的唯一原因，是为了扩大训练集群的数据反馈。
算力断崖：到 2028 年，中国顶级芯片的算力储备可能落后一个数量级
主持人：在全球算力狂飙的背景下，中国的算力地位如何？
Dylan Patel：受出口管制影响，目前部署用于数据中心 AI 算力的瓦数中，不到 10% 在中国。预计到 2028 年，中国拥有的 AI 算力将不超过 30 吉瓦，且芯片性能落后于西方。
虽然中国可能在 2029 年通过国产芯片新增 50 吉瓦，但由于性能差距，其实际算力价值可能仅相当于美国的 20 吉瓦。当西方进入自动化研究员阶段时，中国在算力储备上已远远落后。
十万亿资本支出狂潮：AI 抽干全球流动性，引发主权债务危机？
主持人：每年新增 100 吉瓦意味着每年 5 万亿美元的资本支出，加上配套设施可能接近 10 万亿美元。资金从何而来？
Dylan Patel：超大规模云厂商已通过借债支付资本支出。未来生态系统需借入超 5 万亿美元信贷。这将导致市场利率上升 250 个基点甚至更多。
高利率将引发连锁反应：传统价值股因折现率飙升而估值暴跌；高负债的边缘国家面临债务违约；银行信用利差爆发。全球经济资源将被重新配置到 AI 领域，挤出其他行业。
当增长率和利率飙升到百分之几十，非 AI 资产的估值将彻底归零
主持人：如果利率上升至百分之几十，非 AI 资产将面临什么命运？
Dylan Patel：所有未参与 AI 生产的国家可能违约，非 AI 股票因折现现金流归零而变得一文不值。资本的机会成本极高，因为资金本可用于建设生产机器人的工厂。
即使 AI 公司，其市盈率也可能因整体市场估值逻辑改变而压缩。AGI 的限制因素不再是技术，而是世界其他地方能在多大程度上允许这种资源重新分配发生。监管、利率和政治阻力将试图减缓这一进程。
全球有效劳动力归于两家公司：面对终极中心化，我们毫无还手之力
主持人：未来绝大多数劳动力供给将落入极少数公司手中，且同比增长极快。
Dylan Patel：若前沿算力每年增长 4-5 倍，且所需算力每年减少 3 倍，前沿实验室的有效 AI 人口规模每年将增长 10 倍。到本十年末，单家实验室内拥有的 AI 劳动力可能超过地球总人口。
每一股力量都在推动中心化：规模经济、数据飞轮、递归式自我改进（RSI）。除非 AI 进展大幅放缓或政府严格监管，否则我们将走向一个资源超级集中的世界。
唯一的救赎或许在于，目前大部分价值仍被经济体其他部分（如交易员、开发者）捕获。但在 RSI 全面启动后，内部使用的回报率将远超外部，中心化将成为不可逆的趋势。