《SemiAnalysis创始人Dylan Patel解读2000亿美元AI资本支出、芯片战争，以及为何2027年谷歌可能无利润》——In-Context Cooking首期节目

来源： Substack | Dylan Patel | 2026年2月28日 分类： Google DeepMind 原文发表： Feb 28, 2026 纪要生成： 2026-03-03

全集重点

2000亿AI资本支出趋势：揭秘谷歌1800亿美元、亚马逊2000亿美元2026年AI基建投入逻辑，预判2027年头部云厂商或零利润
台湾半导体地缘博弈：分析台海4种终局可能性，指出国民党执政是美方最优解，美出口管制可约束台积电不受台湾政党影响
AI工具落地拐点：Claude Code一个月内GitHub提交占比从2%跃升至4%，编码智能体成为首个万亿级价值释放点
AI行业系统性风险：公众反AI情绪+金融市场抵触高投入，"反AI"或成未来选举获胜纲领，半导体产能是长期增长瓶颈
英伟达竞争格局：黄仁勋"偏执型管理"优势推动布局异构芯片，头部厂商动辄百亿级投入下行业护城河大幅收窄

嘉宾/话题简介

Dylan Patel是半导体研究机构SemiAnalysis的创始人兼CEO，从佐治亚州农村养蜂人、硅谷匿名芯片博主起步，如今是AI基础设施领域最受引用的分析师之一，为头部AI实验室、云厂商、对冲基金、半导体巨头提供咨询服务。本集是《In-Context Cooking》播客首期节目，Dylan在制作餐厅级鸡肉炒饭的同时，围绕台海地缘、芯片出口管制、云厂商资本支出潮、AI落地进度、英伟达竞争格局等热门话题展开深度解读，还分享了炒饭制作技巧和SemiAnalysis的招聘信息。

分节详述

00:00 开场与嘉宾背景介绍

本节重点 - 本集是《In-Context Cooking》首期节目，形式为嘉宾边做菜边讨论行业话题，本次挑战复刻餐厅级鸡肉炒饭 - Dylan职业路径曲折，从佐治亚农村养蜂人、匿名芯片博主成长为头部AI基础设施分析师 - SemiAnalysis目前已成长为60人规模的全球研究机构，起源于同行建议Dylan把匿名博客转为付费Substack

详细精要

节目形式与开场互动：《In-Context Cooking》是全新播客IP，核心形式为嘉宾边制作指定菜肴边分享行业观点，首期指定菜品为餐厅级鸡肉炒饭
开场主持人让Dylan自评厨艺，Dylan最初自评3/10，希望降低观众预期后超出预期
现场摆放鸡蛋、鸡肉、隔夜米饭、姜、蒜、酱油、味精等食材，Dylan很快猜出本次要做的菜是鸡肉炒饭
Dylan个人职业背景：出身美国佐治亚州农村，大学毕业后曾在明尼苏达做了1.5年养蜂人，长期对芯片行业感兴趣，早年匿名运营芯片相关博客、管理Reddit硬件社群
过往经历看似无明确规划，实则早年对芯片、AI、数据科学的兴趣最终叠加形成职业优势，踩中AI基础设施爆发的时间窗口
目前是AI基础设施领域最受引用的分析师之一，服务客户包括头部AI实验室、云厂商、对冲基金、半导体巨头
SemiAnalysis创立历程：最初Dylan匿名在WordPress发博客、在硅谷X（原推特）分享内容，看到同行Doug的内容后认为自己可以产出更高质量的分析
Doug多次建议Dylan放弃匿名，转到Substack开设付费专栏，Dylan最初不愿收费，最终听从建议开设付费内容
目前SemiAnalysis已经发展为60人规模的全球研究机构，Doug后来也加入了公司，形成职业闭环

💬 精华片段（中文）

我本可以把过往经历包装成我显然注定要做这行，因为我8岁、12岁时的兴趣就往这个方向走，但其实只是机缘巧合，所有事情刚好凑到一起爆发了。

"Looking back, I can spin a narrative like, oh, obviously I would be doing this. Yeah. Because my interest when I was eight was this, and my interest when I was 12 was this. Mm-hmm. But, you know, like moderating forms related to chips. Yeah. But, you know, I thought it was just like a serendipitous thing, you know?"

05:45 台湾地缘与半导体出口管制

本节重点 - 台海存在4种终局可能性，"软接管"政治动荡比武装入侵概率更高 - 美方最优解是国民党胜选，既可以安抚中国，美出口管制仍可约束台积电 - 出口管制存在两种路线争议：Dario强硬遏制派vs英伟达生态绑定派，中国AI能力与美国差距极小 - 美国AI实验室1/3到1/2研究员为华裔，过度反中政策可能导致大量人才流失

详细精要

台海终局场景分析：目前台海存在4种可能的发展路径，武装入侵是概率最低的选项
最优场景为维持现状：无战争、无封锁，两岸保持当前经贸往来，不出现重大冲突事件
高风险场景为民进党推动台湾独立：可能触发中国采取激进措施，破坏半导体供应链稳定
中等概率场景为国民党胜选：两岸关系缓和，既可以安抚中国，也不会让台积电脱离美国供应链约束
最高概率场景为"软接管"政治动荡：中国通过政治渗透、内部政变等方式 destabilize台湾，不需要发动武装入侵即可逐步扩大对台影响力
出口管制对台积电的约束逻辑：无论台湾哪个政党执政，台积电都无法违背美国出口管制规则
台湾半导体产业高度依赖美国银行系统、半导体设备供应链，违反美国出口管制会导致全产业链停摆
国民党胜选的情况下，中国可以获得两岸友好的政治信号，但无法直接获得台积电的先进芯片供应，美国仍然可以稳定获取台积电产能
出口管制路线争议：目前美国内部存在两种对立的出口管制思路，核心争议是管制芯片还是管制模型
强硬遏制派（代表为Anthropic CEO Dario）：认为需要全面限制中国获取高端芯片，目前中国AI能力仅比美国落后约5.3%，如果不加大限制，中国会很快追上美国
生态绑定派（代表为英伟达、David Sachs）：认为可以向中国出口芯片但限制模型流出，中国会长期依赖美国AI生态，反而降低台海冲突概率
现状验证：中国目前可以通过租赁、走私等方式获取足够的高端芯片，AI大模型、智能体等能力和美国差距极小，如Kimi 2.5智能体能力仅比Codex落后5%左右
对华政策的人才风险：美国头部AI实验室有1/3到1/2的研究员为华裔，过度激进的反中政策会导致大量人才流失
AI是目前人类掌握的最具颠覆性的技术，美国的领先优势高度依赖全球人才供给，过度排外会自损竞争力
目前AI正处于爆发期，Anthropic月收入已达20-30亿美元，较此前每月几亿收入大幅增长，行业需要稳定的人才供给支撑增长

💬 精华片段（中文）

现在的问题是管制的边界在哪里：如果只管制芯片，中国可以用芯片自研模型；如果只管制模型，中国有芯片也可以自己迭代能力，这是一个两难的选择。

"Right now the question is like, where do you, where does that control, like start and stop, right? Mm-hmm. Um, ‘cause one could say, okay, well let’s just control the chips. Um, uh, or let’s just control the ai. But then it’s like, okay, well then you let them buy the chips and they’re able to, they’re able to do everything they want to do anyways."

18:19 云厂商AI资本支出潮与创新者困境

本节重点 - 2026年谷歌AI资本支出1800亿美元、亚马逊2000亿美元，是几年前的4倍，市场对此反应负面，两家公司财报发布后股价均下跌约10% - 云厂商高投入背后是AI需求爆发，编码类AI工具落地进入拐点，仅Claude Code就占GitHub提交量的4%，全行业AI生成代码占比已达10% - 云厂商面临"数字上帝帕斯卡赌注"式创新者困境：不投入AI会被颠覆，投入则短期利润清零，预计2027年谷歌将无任何自由现金流 - AI存在两大系统性风险：公众普遍反感AI、金融市场抵触高投入，"反AI"可能成为未来选举的获胜纲领

详细精要

AI落地拐点验证：编码类AI工具是首个实现规模化落地、可创造万亿级经济价值的AI应用场景
Claude Code2026年1月 GitHub提交占比从2%跃升至4%，仅用1个月实现翻倍，考虑到大量用户用AI生成代码后手动提交，全行业AI生成代码占比已达10%以上
全球开发者年薪总规模达2万亿美元，AI编码工具可以替代大量重复性开发工作，释放的经济价值将达万亿级别
除了开发场景，金融、咨询等领域也开始大规模应用AI工具，SemiAnalysis内部的对冲基金研究员已全部使用Claude Code作为助手完成数据爬取、财务建模等工作
云厂商资本支出潮逻辑：2026年谷歌AI资本支出达1800亿美元、亚马逊达2000亿美元，是几年前投入的4倍，市场对此反应负面
高投入背后是真实的AI需求爆发：Anthropic月收入达20-30亿美元，毛利率40%，仅单月就需要15亿美元的计算资源支撑服务
此前云厂商扩产是为了满足AI实验室训练模型的需求，现在已经转变为满足C端、B端用户的推理服务需求，需求持续性更强
云厂商掌握的需求数据远多于投资者，高投入是基于未来需求爆发的提前布局，而非盲目扩张
云厂商的创新者困境：头部科技巨头面临"不投AI立刻死，投AI短期利润清零"的两难选择，本质是"数字上帝帕斯卡赌注"
谷歌的搜索业务、微软的Office业务、Meta的广告业务、亚马逊的电商业务都可能被AI颠覆，不投入AI就会被竞争对手淘汰
投入AI不仅需要建基础设施租给AI labs，还需要自研大模型抢占市场，所有现金流都会被投入AI建设
预计2027年谷歌将没有任何自由现金流，所有利润都会被投入AI基建和模型研发，市场尚未完全消化这个预期
AI的系统性风险：当前AI行业存在两大被忽略的系统性风险，可能对行业发展造成重大冲击
公众反AI情绪强烈：艺术家反感AI生成内容、普通民众担心失业、农村群体认为AI浪费水资源，即使AI给企业创造巨大价值，公众不满也会推动监管限制
收入不平等加剧：AI发展让资本获得的收益占比进一步提升，劳动收益占比持续下降，叠加自动驾驶等技术带来的大规模失业，"反AI"会成为未来选举的热门纲领，甚至成为获胜的核心政策主张
金融市场抵触高投入：华尔街仍然用传统利润指标评估科技巨头，对千亿级的AI投入反应负面，未来1-2年科技股可能面临估值逻辑重构的波动

💬 精华片段（中文）

我们现在面临的是帕斯卡赌注：如果我不疯狂投入AI，其他人投入了，AI革命真的来了，我就彻底输了。所以唯一的选择就是不断加投入，跟上竞赛节奏。

"It’s Pascal’s wager, right? Mm-hmm. Um, if I don’t spend like crazy and others do I lose, right? If I don’t believe in God, right, digital God coming then and others do and it happens, then I’m, I’m a loser, right? Yeah. Um, and so they both got this dilemma and the only solution is I have to spend more and more, you know, until, uh, uh, to, to keep up in the race."

38:49 芯片行业竞争格局与增长瓶颈

本节重点 - 黄仁勋"偏执型管理"是英伟达核心优势，嗅到OpenAI要采用Groq芯片的信号后立刻布局异构芯片，覆盖CPX、GPU、推理芯片等全场景 - 行业护城河大幅收窄：头部厂商都有百亿级预算，可以挖任何顶尖人才，没有厂商有必胜的命运，拼的是迭代速度 - AI增长瓶颈随时间变化：2023年是CoWoS封装，2024-2025年是数据中心和电力，2026年后回到晶圆厂产能，电力短缺可以用往复式发动机就地发电解决，晶圆产能没有快速修复方案 - 晶圆厂是长期瓶颈：晶圆厂建设周期长达数年，复杂度远高于数据中心，2026-2028年所有厂商都面临芯片产能不足的问题

详细精要

英伟达的竞争优势与挑战：英伟达当前的领先地位核心来自黄仁勋的"偏执型管理"和敏捷迭代能力，而非固有的护城河
黄仁勋是行业最具危机感的CEO，嗅到OpenAI要采用Groq专用推理芯片的信号后，立刻调整路线收购相关公司，布局异构计算产品矩阵
目前英伟达的产品矩阵覆盖三类芯片：CPX芯片（适合上下文处理、预填充、视频图片生成）、主流通用GPU、GR专用推理芯片，实现全场景覆盖
英伟达面临的核心挑战是云厂商垂直集成的压力：谷歌、亚马逊自研芯片可以节省大量成本，英伟达必须保持大幅领先的性能才能支撑高毛利，否则会被垂直集成替代
行业竞争格局变化：当前AI芯片行业的护城河是有史以来最浅的，没有厂商有必然获胜的优势
头部厂商每年都有数百亿级的AI预算，可以负担任何顶尖人才的薪酬，技术壁垒很容易通过挖人突破
预计2026-2027年英伟达仍然会保持市场领先地位，但其他厂商会逐步抢占份额，长期格局未定
竞争核心不再是原有技术积累，而是迭代速度和对市场需求的反应速度，敏捷性比规模更重要
AI增长瓶颈的演变：AI行业的核心瓶颈每年都在变化，当前和未来的核心瓶颈是半导体晶圆产能
2023年核心瓶颈是CoWoS先进封装产能，台积电封装产能不足限制了AI芯片供应
2024-2025年核心瓶颈是数据中心和电力供应，电网建设速度跟不上数据中心扩张需求
电力瓶颈可以通过灵活方案解决：马斯克率先突破规则，采用往复式柴油/燃气发动机就地发电，不需要依赖电网，这类发动机供应商众多，产能可以快速扩张
晶圆厂长期瓶颈：2026年之后，AI增长的核心瓶颈重新回到半导体晶圆厂产能，这个瓶颈无法快速解决
晶圆厂是人类建造的最复杂的建筑，建设周期长达3-5年，需要大量特殊化学品、精密设备，复杂度远高于数据中心
阿斯麦的EUV光刻机单台售价数亿美元，产能扩张速度极慢，是晶圆厂扩产的核心瓶颈
预计2026-2028年，所有云厂商都会面临芯片产能不足的问题，即使有足够的数据中心和电力，也拿不到足够的芯片支撑业务增长

💬 精华片段（中文）

没有谁有注定胜利的命运，行业变化太快了，谁最努力、创新最快谁就赢，护城河从来没有这么浅过。

"No one has the the right to win. No one has a destiny to win. Uh, things are moving so fast. Whoever, whoever does the, you know, and innovates the hardest will win. Not, not necessarily like. Oh. You know, and, and, and I think moats are as shallow as they’ve ever been."

50:55 炒饭品鉴与收尾

本节重点 - Dylan做的炒饭加了较多酱油，有锅巴的烟熏风味，评委投票更偏好他的口味 - Dylan自称"重口派"，认为没必要追求食材本味，足够的调味更好吃，反驳了法式料理的高端食材论 - SemiAnalysis目前60人规模，在8-10个国家有员工，正在招聘AI模型使用、token经济学相关研究人员

详细精要

炒饭制作与品鉴：Dylan制作炒饭过程中差点忘记加酱油和糖，最后补加了较多酱油，底部锅巴的烟熏味融入了米饭
评委盲测结果显示，多数人偏好Dylan做的重口炒饭，认为比餐厅原版和主持人做的清淡版更有风味
Dylan自称"slop son（重口派）"，认为东南亚、印度、加勒比等地区的重口味调味是合理的，反驳了法式料理"调味少是因为食材好"的 elitist观点
本次炒饭用的是感应炉灶，无法使用传统铁锅，Dylan调侃如果美食博主Uncle Roger看到这期节目会吐槽没有铁锅、没有味精
SemiAnalysis招聘信息：SemiAnalysis目前有60名员工，在全球8-10个国家设有办公点，包括美国、日本、台湾、新加坡、法国、德国、以色列、加拿大、英国
核心服务客户包括头部AI实验室、云厂商、半导体公司、数据中心厂商，覆盖AI基础设施、AI模型、token经济学、模型使用场景等研究方向
正在招聘AI模型使用、token经济学方向的研究人员，之前负责该方向的员工已经被Anthropic挖走
支持全球远程办公，薪酬有竞争力，提供完善的福利，员工有机会接触行业最前沿的信息和资源

💬 精华片段（中文）

我发誓如果Uncle Roger看到这个视频我会哭的，他会说：没有味精？没有铁锅？用感应炉？你在干嘛？

"I swear to God, if Uncle Roger finds this video, I’m gonna cry. I’m like, he’s like, he’s gonna be like, no MS Gya. No w hiya induction furnace. What are you doing?"

专业术语注释

术语	解释
CapEx（Capital Expenditure）	本集指企业为购置AI基础设施、芯片、数据中心等长期资产产生的资本支出
CoWoS（Chip on Wafer on Substrate）	台积电研发的先进封装技术，2023年曾因产能不足成为AI芯片供应瓶颈
KMT（Kuomintang）	中国国民党，台湾地区主要政党之一，政策相对倾向两岸友好
DPP（Democratic Progressive Party）	民主进步党，台湾地区主要政党之一，政策相对倾向"台独"，亲美反中
TSMC（Taiwan Semiconductor Manufacturing Company）	台积电，全球最大的先进制程晶圆代工厂，是全球AI芯片供应的核心厂商
Hyperscaler	超大规模云厂商，本集特指谷歌、亚马逊、Meta、微软等拥有全球级基础设施的科技巨头
Claude Code	Anthropic推出的AI编码工具，支持代码生成、调试、优化等功能
Heterogeneity（异构计算）	本集指英伟达同时布局CPU、GPU、专用推理芯片等多种架构芯片的产品策略
Pascal’s Wager	帕斯卡赌注，本集用来比喻科技巨头宁可投入海量资金布局AI，也不愿错过AI革命的决策逻辑
Reciprocating Engines	往复式发动机，本集指超大规模云厂商为突破电网限制，用来就地发电为数据中心供电的柴油/燃气发动机
Fab（Semiconductor Fabrication Plant）	晶圆制造厂，是半导体产业链中生产芯片的核心环节
Tokenomics（Token经济学）	本集指AI大模型的推理成本、定价、使用效率等相关的经济模型研究

延伸思考

目前公众对AI的负面情绪持续上升，AI行业需要探索更普惠的价值分配机制，避免"反AI"政策出台对行业发展造成冲击
头部云厂商持续投入千亿级AI资本支出，投资者需要重新评估科技巨头的估值逻辑，短期利润让位于长期AI布局将成为新常态
半导体产能已成为AI发展的核心瓶颈，国内晶圆制造产业链的自主可控进度将直接决定中国AI产业的长期竞争力
英伟达的异构布局和快速迭代策略验证了"只有偏执狂才能生存"的硅谷法则，国内芯片厂商可借鉴其敏捷调整路线的管理思路
编码类AI工具 adoption快速提升，软件开发行业的人才需求结构将发生显著变化，开发者需要转向更具创造性的高阶工作以避免被AI替代

原文发表：Feb 28, 2026 · 纪要生成：2026-03-03