瓦特、晶圆与 AI 基础设施的未来 | Gavin Baker

来源： YouTube | Gavin Baker | May 20, 2026 分类： 其他 原文发表： May 20, 2026 纪要生成： 2026-05-24

全集重点

AI 正在经历资本主义史上最非凡的时刻：Anthropic 在一个月内新增的 ARR（年度经常性收入），相当于 Palantir、Snowflake 和 Databricks 用十年时间构建的业务总和，这是史无前例的资本效率与增长。
电力短缺将由资本主义和创新解决，但晶圆短缺是系统性的瓶颈：台积电 对产能的策略性控制，可能成为防止 AI 泡沫的唯一“断路器”，而轨道计算（Orbital Compute）将重塑能源和算力版图。
芯片设计的“铁三角”法则：试图制造更好的 GPU 毫无胜算；只有那些做出不同的、且难以复制的架构创新的芯片公司，才有可能从 NVIDIA 的生态中分得一杯羹。
掌握“前沿模型”即掌握定价权，但“苦教训”随时可能颠覆一切：市场对 DRAM 等硬件需求的共识极度拥挤，而 ASI（超级人工智能）的到来可能会短暂违背“更多算力胜过人类算法”的苦教训。
AI 正在重塑地缘政治与社会结构：从战场上的 AI 优势到为了防范深度伪造而必须设定的“家庭安全词”，社会正走向一个由 GPU 密度定义的高波动、高风险时代。

嘉宾/话题简介

本集为长期跟踪科技与市场的顶级投资人 Gavin Baker 的第六次亮相。Gavin 深入探讨了 Anthropic 惊人的商业增长如何定义了当前的市场环境，并系统性地拆解了 AI 基础设施中最关键的两大物理瓶颈——“瓦特”（能源）和“晶圆”（芯片制造）。从评估 NVIDIA 的护城河、新兴芯片公司的生存法则，到 Google、Microsoft、Amazon 等巨头的战略得失，Gavin 提供了关于模型层经济学、地缘政治风险以及“苦教训”在超级智能时代适用性的深刻洞察。

分节详述

00:00 资本主义史上最非凡的时刻：Anthropic 的增长与历史的教训

本节重点

将 Anthropic 的增长轨迹置于 SaaS 和云革命的历史背景下，强调其史无前例的特性。
描述 3 月至 4 月的市场恐慌如何提供了极度清晰的 AI 买入机会。
解释两种回撤的本质区别：当你错了要止损，当你极度确信市场错了要敢于加仓。

详细精要

Anthropic 的增长是资本主义史上绝无仅有的经济奇观：Anthropic 在一个月内增加了 110 亿美元的 ARR。
作为对比，Palantir、Snowflake 和 Databricks 这三家过去 10 到 12 年间最高调的 SaaS 公司，花费了 10 年时间、雇佣了成千上万的员工，才构建起它们的业务规模。而 Anthropic 在一个月内就复刻了这三家的合并业务。
这一点被视为超越了职业生涯体验，直接达到了商业史的高度，证明 AI 的 S 曲线陡峭程度前所未见。
区分“错误的回撤”与“认知差回撤”是顶级投资者的关键能力：Gavin 将 3 月的市场下跌定义为第二种——不是投资逻辑被证伪，而是市场对基本面产生了极端错误定价。
市场的表象是 NASDAQ 在大幅抛售，但实则是令人难以置信的做多窗口。
在这种回撤中，投资者不应“兑现亏损”，而应该不断积累未释放的 Alpha，因为你知道你持有的公司正在展现出惊人的基本面。
市场反复提供了清晰的“买入点”，但多数人因恐慌而错过：从 DeepSeek 周一（2025年）到 2026 年 4 月，历史估值和 AI 发展的明确拐点在不断重演。
DeepSeek 周一的后续发展是最好的例证：模型发布引发算力股崩盘，但一周后亚洲 AWS 可用区的 GPU 价格翻倍，因为推理模型对算力的需求暴增。
3 月的信号甚至不需要复杂的研究，只需观察 Anthropic 的财务状况。许多人后悔没在 2022 年、COVID 或 DeepSeek 时买入，而实际上 4 月初提供了相同的估值结构和甚至更清晰的 AI 拐点。

💬 精华片段（中文）

这是资本主义历史上前所未有的。忘掉我的职业生涯，这直接改写了商业史。Anthropic 新增的 110 亿 ARR，持平了 Palantir、Snowflake 和 Data Bricks 三家顶级 SaaS 公司过去十年的总和。

"That's just nothing like that has ever happened in the history of capitalism. Forget my career. Just the flatout history of capitalism, the history of business. ... Anthropic they added 11 billion of ARR ... these three companies ... spent 10 years building their businesses. And Anthropic added their combined businesses in one month."

05:39 能源、地缘政治与宏观误判：Strait of Hormuz 关闭为何利好美国 AI

本节重点

分析 Strait of Hormuz 关闭这一宏观事件，如何被市场误读为负面，实则是美国制造业和 AI 的巨大利好。
对比 1970 年代的能源危机，解释当前美国经济的能源结构优势。
论述相对估值极低是如何在极度乐观的基本面下出现的。

详细精要

Strait of Hormuz 关闭对美国 AI 和制造业是相对优势：关键能源输入的价格出现巨大分化，使美国的竞争力一夜之间飙升。
美国基准天然气价格（Henry Hub）下跌了 20%，而在亚洲和欧洲，天然气价格翻倍甚至增长了两倍。
美国的相对制造业竞争力因此突增，而这恰恰是本届政府非常看重的目标——关注美国的相对地位。
市场错误地锚定在 1970 年代的能源记忆中，忽略了结构性的变化：当今的美国经济与 1970 年代完全不同，当时造成创伤的不仅是涨价，还有真实的物资短缺。
如今，美国经济体的能源强度显著降低。
美国已成为世界上最大的石油和天然气生产国，以及最大的出口国，具备强大的自给自足能力和出口竞争力。
这种宏观环境促成了极度便宜的科技股估值：因为这让基于 AI 基本面的投资者更容易保持专注。
科技股相对于其他市场板块的估值，触及了过去 10 年内的最低点。
在 AI 迎来最璀璨的商业时刻，市场却给出了最具历史吸引力的买入价格，Gavin 将此视为市场效率短暂失效的表现。

💬 精华片段（中文）

霍尔木兹海峡的关闭实际上对美国好得令人难以置信，因为我们的天然气暴跌了 20%，而亚洲和欧洲的却翻了两三倍。我们的制造业竞争力一夜之间飙升，而这正是当下的施政重点。

"The Strait of Hormuz being closed is actually relatively awesome for America. ... The key input into American electricity prices ... was down 20%. And natural gas in Asia, Europe, everywhere else doubled or tripled. So our relative manufacturing competitiveness improved overnight..."

07:44 Anthropic 与 OpenAI 的资本效率：为什么估值倍数并非表面所见

本节重点

直接对比 Anthropic 与 OpenAI 的商业模式差异，指出资本效率的天壤之别。
提出“无限制条件下的运行速率收入（URR）”概念，试图修正被物理算力瓶颈压制的真实估值。
探讨为何 AI 顶级公司选择克制定价，为投资者保留利益，以换取“超级权力”。

详细精要

Anthropic 和 OpenAI 的资本效率差异巨大：达成相似体量的收入，两家公司消耗的资金量截然不同。
Anthropic 拥有远低于 OpenAI 的每 Token 成本，其烧钱量可能仅为后者的 20%（即少了 80%）。
两者的结构性 ROIC 存在本质区别。虽然 OpenAI 有出色的 CFO Sarah Frier 努力提升效率并签订了大量算力合同，但激进的策略也意味着此前极高的消耗。
目前看，Anthropic 900 亿美元的估值对应 500 亿美元的 ARR，且仍保持着 1000% 的惊人增速。
算力供给限制是理解 AI 估值的核心：如果 Anrhopic 不受约束，其规模将是天文数字：Gavin 提出一个假设，如果算力无限，营收可能比现在高得多。
由于算力紧张，Anthropic 人为降低了 Claude 的智能密度。分析显示，即使是 Opus，在回答同等问题时生成的 Token 数量也减少了 70%。
Token 数量在很大程度上等于回答质量和思考深度。
如果算力不被限制，Anthropic 目前的营收可能达到 1000 亿、1500 亿甚至 2000 亿美元。Gavin 据此提出了“无限制运行速率收入 (Unconstrained Run Rate Revenue, URR)”的概念，在该视角下，其实际估值倍数可能仅为 5 倍。
AI 实验室正在学习 Elon Musk 的“融资超能力”：通过克制估值、确保投资者赚钱，可以建立一种长期的特殊信任。
Elon Musk 始终将投资者的利益视为“神圣契约”，这使得他在 20 年里获得了随时能融到钱的“超级权力”。
他的方法很简单：永远不在估值上贪婪，兼顾投资者和员工的利益平衡。例如 SpaceX 长期保持约 30% 的年化低复合增长。
这也是一种在不确定的世界中获取安全边际的策略，因为未来仍需大量资金投入和战略资源。

💬 精华片段（中文）

如果 Anthropic 有足够的算力，我认为他们现在的营收能超过 1000 亿美元甚至到 1500 亿。也许一个真实的说法是，你是在以约 5 倍的‘无限制作运行速率收入’来购买它。

"...if Anthropic had all the compute, they'd probably be doing well north of hundred billion dollars today, maybe 150. ... so you might be buying it at more like five times unconstrained, I'm going to make up a new number, URR. Unconstrained run rate revenue."

14:27 瓦特（Watts）的未来：资本主义的修复能力与“轨道计算”的重新定义

本节重点

区分能源问题中资本主义能快速解决的部分，和政治阻力可能卡住的瓶颈。
重新定义“轨道计算 (Orbital Compute)”的概念，从笨重的太空数据中心转为“太空中的机架”。
预测轨道计算将如何延长地面数据中心的寿命，并给能源生态带来什么冲击。

详细精要

能源短缺将由资本主义解决，除非遭遇政治阻碍：硬件不是根本问题，真正的问题是审批和分区。
目前，Blackstone、Apollo、KKR 等顶级 PE 巨头的数据中心投资负责人表示，最大的制约因素已从“能源和芯片”变成“分区和审批 (Zoning and Approval)”。
众多企业计划在中期选举后采取裁员等收缩行动，因为“没人想成为中期选举的皮纳塔（众矢之的）”。
燃气轮机制造有其技术难点（如大型叶片的铸造），但资本主义极擅长解决这类工程问题。电力短缺预计将在 2027-2028 年开始缓解。
轨道计算并非巨型太空建筑，而是“太空中的机架 (Racks in Space)”：Gavin 重新定义了这个概念，使其在工程上更具说服力。
单个 Blackwell 机架 重约 3000 磅，高 8 英尺，深 4 英尺，宽 3 英尺。SpaceX 的方案就是以它为蓝本。
卫星将位于太阳同步轨道，巨大的太阳能翼（单侧 500 英尺）始终面向太阳，而散热器在其后延伸数百英尺，解决了散热质疑。
通过现有的 星链 (Starlink) 卫星上使用的真空激光连接技术，将这些机架连接成一个巨大的“虚拟数据中心”。
现有数据支撑了轨道计算的可行性，并预示着地面数据中心的长久未来：SpaceX 的数据打消了外界对功率和散热的顾虑。
SpaceX 运营着全球最大的卫星舰队（占在轨卫星的 98-99%）。目前的星链已经在进行散热管理。
Starlink V3 将运行在 20 kW，而一个 Blackwell 机架 仅需 100 kW（可能从 60kW 起步）。SpaceX 对此很有信心。
轨道计算对推理 (Inference) 极其合理，但训练 (Training) 将长期留在地面。因此，这并不是地面数据中心的崩盘信号，反而会为其创造更多机会。但那些在高价区间（比如以高价定价的电力）扩张产能的公司需要担忧。

💬 精华片段（中文）

我们需要重新定义轨道计算：它不是在太空中漂浮的五角大楼，而是‘太空中的机架’。就像 SpaceX 展示的插图，那就是个卫星大小的机架，通过激光连接成一个虚拟数据中心。

"I would like to redefine orbital compute: racks in space, not giant floating pentagon-like data centers in space. ... it's a rack. That's the satellite. ... you're connecting these racks with lasers. So it'll be racks in space that are connected with lasers into a virtual data center."

21:49 晶圆（Wafers）的决斗：台积电的稀缺性控制与防止 AI 泡沫的可能

本节重点

分析 台积电 (TSMC) 作为半导体历史遗产的继承者，如何通过价值观和手握稀缺资源，扮演市场“定海神针”的角色。
推演 TSMC 若不做供给约束，NVIDIA 可爆发出多大的供应量及其后果。
定性 Terafab（美国新巨型 Fab 项目）成功所需的几项关键因素。

详细精要

台积电的商业哲学是形成当前供需结构的关键：他们继承了 Morris Chang 的遗产，思考的时间跨度长达几代人。
台积电是台湾的“硅盾”，占据 GDP、水和电力消耗的极高比重。
Jensen Huang 经常飞赴台湾恳请扩产，但双方甚至没有书面合同，完全基于握手和信任（“Fair over time”的理念）。
如果台积电答应了 Jensen 的请求，那么 NVIDIA 在 2026 或 2027 年可以售出 2 万亿甚至 2.5-3 万亿美元的 GPU。这将可能导致严重供给过剩和泡沫。
台积电可能正在单枪匹马地防止 AI 泡沫：基于历史规律，所有基础性技术都会经历泡沫，而台积电的产能克制可能是阻挡它的唯一屏障。
历史参照（卡洛塔·佩雷斯 (Carlota Perez) 著作）：所有基础技术（运河、铁路、互联网）都会有泡沫，因为市场认知会形成一致性狂热（“多样性的崩溃 (Breakdown in Diversity)”）。
当前 AI 建设与 2000 年互联网泡沫存在根本性区别：建设资金主要来自经营性现金流而非债务；GPU 的利用率是 100%，而当年的光纤利用率只有 1%。
George Vanderhiden 在 1999 年错失泡沫而惨遭解雇的故事，说明了即使你是对的，如果在泡沫中过早防守也会很痛苦。因此，要密切关注 Intel 和 三星 (Samsung) 会否打破纪律。
Terafab 拥有成功的独特配方：这个由 SpaceX、Tesla 和 Intel 参与的大型美国 Fab 项目，具备弯道超车的可能性。
优势一：Intel 的 50 年机构知识是一笔巨大的无形资产。他们目前的制程落后台积电 9-12 个月，但这取决于扩展速度。
优势二：由于 Elon Musk 在工程界的声誉，Terafab 将获得半导体设备公司（ASML、KLA、LAM、AMAT 等）的“A 级团队”支持，而这些团队当年就曾帮助台积电超车 Intel。
优势三：Elon Musk 会通过他极其注重细节的“超级工程”方式来吸引人才。他会在工厂旁边复制“台湾城”、“日本城”和“韩国城”，连顶尖工程师最爱的餐厅和厨师都一并搬来，以最大限度吸引人才。

💬 精华片段（中文）

台积电正在单枪匹马地阻止 AI 泡沫。如果他们依了 Jensen 的愿全力扩产，Nvidia 能卖出 2.5 万亿 GPU，那将是一场过度建设。如果没有出现泡沫，我们应该去给台积电开个派对感谢他们。

"If Taiwan Semi did what Jensen wanted, I think Nvidia could sell two trillion dollars of GPUs in '26 or '27, maybe 2.5 trillion, maybe three trillion... you probably would be in an overbuild. And so Taiwan Semi, if we don't get a bubble, like we need to throw a party for them because they will have single-handedly prevented a bubble."

31:14 前沿模型的霸权与“苦教训”的边界：AI 经济学正在如何演变

本节重点

揭示经济回报过度集中于“前沿模型 (Frontier Models)”的奇特现象。
通过 Pareto Frontier 格局的变化，分析 Google 是如何从领先滑落到勉力维持的。
深入探讨 Richard Sutton 的“苦教训” 在 ASI 时代是否可能暂时失效。

详细精要

所有 AI 经济回报惊人地集中在最前沿的模型层：这是一个持续令人惊讶的关键事实。
模型存在一个周期：企业用前沿模型做原型，但上线生产时转向开源或 Vertex 等平台。
但即便如此，绝大部分经济价值仍然由少数前沿 Token 捕获。这让 Gemini 3.1 Pro 的陨落更具讽刺性：它曾经惊艳无比，如今变得“无法忍受”，反映了技术进步的残酷。
这构成了投资中必须回答的核心问题：前沿 Token 是否会继续捕获绝大部分价值？
Google 的 “Pareto Frontier” 滑落是一个经典的商业决策后遗症：Gavin 提出用“Pareto Frontier (柏瑞托前沿)”（即智能 vs 成本的最优曲线）来衡量 AI 实验室的竞争力。
9 个月前，Google 占据了这条最优曲线的每一个点，完全包围了 OpenAI、xAI 和 Anthropic。
今年局势逆转：Anthropic 和 OpenAI 占据了前沿，Grok 4.3 因其成本效益也成为“最佳低成本 500B 参数模型”，而 Google 的 Gemini 3.1 只是勉强“挂在”前沿上。Gavin 推测 Google 是在用自尊心进行补贴。
这种逆转的根本原因就是 Google 因为依赖 TPU V8 做了保守的设计决策，违背了“苦教训”。
“TurboQuant”闹剧与理解“苦教训”作为顶级风险：市场会受噪声干扰，而违反“苦教训”就是压注 AI 进步会减速。
TurboQuant 事件：Google 在谈判高价 DRAM 长期协议期间，宣传了一种一年的内存优化算法，引发“DRAM 已死”的误读，Gavin 找不到任何相信这能减少 DRAM 需求的 AI 工程师。
苦教训 (The Bitter Lesson) 坚信，更多的算力总是会战胜人类的算法巧思。
ASI 的风险：如果 ASI 造出 400 IQ 的智能体，它的第一个愿望可能就是使自身更高效。此时，苦教训可能因为 AI 自身的参与，进入一个短暂的“失效期”。这让当前的市场既有巨大的确定性（需求爆发），又有巨大的不确定性（需求曲线的连续性）。

💬 精华片段（中文）

在 Google 因为极度保守的设计决策而失去‘每 Token 成本’的领导地位后，Pareto 前沿被 Anthropic 和 OpenAI 统治了。违反‘苦教训’是这个 AI 赛道最大的风险。如果苦教训在 400 或 500 智商面前暂时失效，我们该怎么办？

"...Google losing their per-cost token leadership as a result of making very conservative design decisions... Now the Pareto frontier is dominated by Anthropic, OpenAI. ... a violation of Richard Sutton's bitter lesson is for sure the biggest risk to this trade ... who knows if the bitter lesson holds for 400 IQ models..."

36:27 新的范式：持续学习、记忆与“按需付费”的回归

本节重点

对比 AI 模型与人类大脑在“样本效率”和“持续学习”上的差距，这是又一次爆发式增长的潜在触发点。
解释前沿 AI 定价模式从“包月”向“基于使用量 (Usage-Based)”的毁灭性迁移，及其深远的经济学影响。
论述为什么普通用户如果不付费就无法感知真正的 AI 能力。

详细精要

持续学习和记忆是下一次范式跃升的基石：人类极其善于样本效率（比如一次烫伤就学会避开火），而 AI 需要数百万次经验，且其学习只能通过隔段时间回炉重造（RL）才能内化。
目前的替代方法是模型外挂 (Harness) 的发展，相当于模型运行的“运行时环境”，协调提示词、工具调用、上下文和状态。
“持续学习”是指模型能像人一样实时、动态地调整权重。
业界对持续学习已接近突破充满信心，这是继“前沿 Token 溢价”和“苦教训”之后的第三大谜题。
从“无限畅饮”到“按需付费”：定价模型的根本转变：前台体验差异的背后，是一场堪比通讯行业的破坏性经济学转化。
普通用户订阅的 250-300 美元/月的计划，获得的是极度受限（Rate Limited）、降智版的 AI（如 Claude 为此少产 70% Token）。
只有进入基于使用量的付费计划，AI 系统和外挂才会释放它们本来所需的全部 Token 来给出高质量答案。这意味着 Cursor 或 Codex 这类专业环境正在成为感知前沿的标配。
以电信业 (Telecom) 的类比说明：当手机套餐从“900 分钟固定+超量计费”变为“无限畅饮”时，该行业就停止了增长。而 AI 如今正从 OpenAI 的“无限畅饮”，转向企业级的“按需付费”。
这个转移极度利好 AI 产业，预计将推动 OpenAI 和 Anthropic 的 ARR 在年内远超 2000 亿美元。

💬 精华片段（中文）

这太令人难过了，也意味着如果你付不起那个钱，你就不在科技前沿。现在，要想理解前沿 AI 究竟能做什么，你甚至不能只用它写文章，你得上云端的 Codex，必须得是企业级按量付费用户才行。

"...it's sad. It's sad for the world and because it just means if you can't afford that, you're not at the frontier. ... you need to have cloud code or codex and you need to be on an enterprise plan..."

42:11 芯片新势力的唯一生存法则：不同且艰难 (Different and Hard)

本节重点

用“坦克设计的铁三角”来类比芯片设计的局限性。
定义 ASIC 创业公司的 1% 市值法则 与 200 人公司的天真幻想。
阐述推理任务的分解（预填充 (Prefill) 和 解码 (Decode)）如何改变战场，创造出新的切入点。

详细精要

芯片设计的“铁三角”决定了不能只是内卷：借鉴坦克设计中攻击、防御、机动性的权衡，芯片设计必须在物理定律内做取舍。
TPU、Trainium、AMD 本质上都在试图成为“更好的 GPU”，其中 Trainium 相对表现最好。但“顶多是在抓 Superman 的披风”。
Trainium 3 需要快速量产，因为它配套了类似 NVLink 的 Switch Scale Up 网络，而这才是经济地进行模型推理所必需的。
初创芯片公司的黄金准则是“不同且艰难”：Gavin 提出了残酷的 1% 市值生存法则。
1% 市场份额就能价值 1000 亿美元，这是一个伟大的风险投资回报。
但是，如果你只是尝试造更好的 GPU，那是死路一条，因为 NVIDIA 和 TSMC 的协同效应无法战胜。任何新工艺，Jensen 在其还是 TSMC 眼中的一道光时就已了然于胸。
Cerebras 的成功诠释了这一哲学：它做的是晶圆级计算 (Wafer-Scale Computing)，这是一个极为艰难且完全不同的选择。
推理的分解为差异化设计开辟了“新画布”：技术演变带来了空隙。
技术上将一次对话分解为了 Prefill（理解问题，属于内存容量限制）和 Decode（生成输出，属于内存带宽限制）。前者好比“装炮弹”，后者好比“开炮”。
这使得芯片设计可以为了极端的“内存容量”或“内存带宽”去做专业化的、优化到极致的架构。
但这种取舍必须是难以模仿的。如果门槛不够高，NVIDIA 很快就会将这些优化吸收进去，凭借更低的价格和更好的生态把对方消灭。此外，这种技术分工也意外地将 GPU 的有效使用寿命从 3-4 年延长到了 10-15 年，成了私人信贷行业的救星。

💬 精华片段（中文）

把英伟达、AMD、Trainium 看作在坦克铁三角里挣扎的设计师。别去想怎么造更好的 GPU，那是抓超人的斗篷。即便你只拿到 1% 的份额，那也是 1000 亿的市值。但你必须做某种与众不同、而且难以复制的事情。

"Chip design is the same. You have to do something different and you have to do something different that is also hard to do. ... my rule of thumb is 1% market share is going to be worth 100 billion. ... if you're trying to make a better GPU, good luck."

51:02 AI 原生应用层的挣扎与 Tensor 经济学

本节重点

分析为何 应用层 (Application Layer) 虽被寄予厚望，却遭受了数万亿美元的价值毁灭。
解释“Token 路径 (Token Path)”概念及其在企业软件中的应用。
探讨 OpenAI/Anthropic 与 Nvidia 在“商品化其互补品”上的博弈平衡。

详细精要

应用层即使包括最成功的 AI 原生公司，整体上也遭受了数万亿计的价值毁灭：AI 的利润属于基础设施层。
Jensen Huang 的“五层蛋糕”理论正在奏效：利润堆积在能源、数据中心、芯片和模型手里。
目前市场赢家是 GPU 对人类的最高利用比率 的企业——即那些模型和算力公司。
只有很早且极度聚焦在 编码 (Coding) 领域的应用公司（如 Cursor、Cognition）冲出了重围并建立了规模化优势。
“Token 路径”是衡量软件公司是否安全的标尺：这个来自 Jamin Ball 的概念，定义了现代 SaaS 的生存空间。
如果一家公司的主要业务不在 Token 的流动路径上（例如处于无关的工具层或断开的流程中），它在 AI 时代极其危险。
对于特定垂直行业的数据护城河，也需万分谨慎：你是在赌你的垂类专用数据，能以比前沿实验室更低的成本训练出更好的模型，这非常难。
Jensen Huang 和前沿模型之间的博弈将决定应用层的未来：“商品化你的互补品”是科技界的经典博弈。
目前，OpenAI 和 Anthropic 试图通过自研芯片来对抗 NVIDIA，但效果不彰。
Jensen Huang 作为一个逻辑极强的人，其反制手段必然是用其庞大的资源，推出自己的模型并无限趋近于前沿水平（如 Neimatronics）。
中国开源模型主要依赖从美国模型 API 中“蒸馏 (Distillation)”出来的（如 DeepSeek 使用了 15 万次推理 Trace），这使得美国实验室面临新的囚徒困境：如果所有人都拒绝释放最好的模型，中国开源将落后；但只要有一个人为了营收释放模型，所有人就必须跟进。

💬 精华片段（中文）

哪怕算上 Cursor 和 Cognition，AI 在应用层已经摧毁了数万亿美元的价值。一个悲观的真相是，表现最好的，是那些 GPU 和人类资本比率最高的公司。如果你不在 Token 的必经之路上，生活将会十分艰难。

"...at the application layer, forget value accruing, just value has been destroyed. ... the companies that are doing the best today ... are the companies with the highest effective ratio of utilized GPUs per human."

58:01 ASI 时代的社会适应：安全词与“武士的终局”

本节重点

提出面对超级智能体伪造身份的防御性建议——设置家庭安全词。
以电影《最后的武士》为暗喻，阐明面对 ASI 这种“机关枪”时的生存与应对策略。
探讨 AI 带来的地缘政治和社会不稳定因素，以及对美国精神的信心。

详细精要

家庭必须立刻创建非数据库可推测的“安全词 (Safe Word)”：为应对 AI 社交工程犯罪，这已成为现实要求。
未来的诈骗会是一个完全逼真的模拟，例如通过 FaceTime，用你子女的声音、形象和知识，以他们绝不会预测的方式来让你转账。
安全词不能是生日、宠物名等任何社交工程能挖掘到的词。
成为“掌握机关枪的武士”是应对 ASI 的唯一解：以《最后的武士 (The Last Samurai)》为喻，阐述了人类怎样与新技术共存。
电影中，无论武士刀法如何精湛、经验如何老道，最终都会被农民用 加特林机枪 屠杀。
这反映出面对 AI 这种革命性工具，人类不能固守旧法，而是要去成为 机枪的技术大师。
Gavin 表示他终生研究投资，因此是优化去掌握这门技术，将其融入公司和自身的流程，与他现在同时运行的诸多 AI Agent 共存。
AI 的地缘政治后果是高方差的，这要求我们更谦卑地体现西方精神：这不仅是技术问题，也是文明叙事问题。
乌克兰 很大程度上因为拥有除美、以以外最好的战场 AI 而正在取胜，这会让对手感到极其不安并寻求激进反制。
二战后的历史表明：美国拥有核武器但选择重建世界，这定义了 Pax Americana。这种精神也是面对 AI 差距时应该秉持的。
Gavin 提到一个具体案例：一位朋友因为女儿患上罕见突变，在巨大算力和 AI 的帮助下，仅仅数月就找到了一个可供上市的药物来改变女儿的生活。

💬 精华片段（中文）

每个人都需要一个安全词。忘掉你的数码设备，去海边约会，设定一个全世界都不知道的暗号。因为很快，一个和你的孩子别无二致的 AI 就会视频通话让你电汇一百万美元。他们什么都知道。

"Everybody needs to have a safe word. Literally go to the ocean and have a family safe word ... what looks like your son or your daughter ... an utterly accurate simulation ... says, you know, wire me a million bucks."

01:02:28 非理性繁荣？交叉估值、低质量股狂潮与因子相关性崩溃

本节重点

通过半导体和能源行业交叉估值 (Cross-Sectional Valuation) 的荒谬差异，说明市场并非完全有效。
解释为什么在真实的实物短缺中，质量最低的供应商反而股价表现最好，以及 GMO 的影子何在。
指出 AI 内部各子行业的相关性彻底崩溃，增加了投资难度，但也出现了错误归类 (Miscategorized) 的机会。

详细精要

市场交叉验证呈现出惊人的非理性：不同赛道的估值无法在逻辑上共存。
半导体设备公司（Semicap Equipment）以 40 倍 明年年化收益在交易，而 DRAM 公司的估值却只有个位数 PE（5 倍）。
即使在市场顶峰时，这种估值差异也就勉强是 5 倍对 12 倍，绝无可能如此割裂。这暗示了某些资产被严重高估，而另一些被严重低估。
实物短缺驱动的牛市中，“最烂的”公司往往是最大的赢家：这是一个经典的大宗商品投资法则。
在短缺期，最高成本、服务最差、产能最不可靠的供应商，正因为其过剩产能被盘活而享受到最高的价格弹性，从破产边缘走向现金流喷涌。
这类公司往往获得疯狂的散户买盘，股价爆发惊人。
相比之下，高质量公司此时表现平平，但其优势是安全性和可持续性。Gavin 依然倾向于后者，但指出这些低位爆炒的现象容易让人误以为 AI 赛道已经过热。
AI 内部交易的“篮子 (Baskets)”现象已在 2026 年 1 月彻底瓦解：在同一赛道内，资产不再同涨同跌。
在 2024-2025 年，投资者可以轻松做多 GPU 网络而做空电力，形成风险对冲。
但如今，纵向扩展网络 (Scale Up) 暴涨的时候，横向扩展光模块 (Scale Out) 可能正在暴跌；DRAM 和 NAND 也早已不同步。这要求投资者必须极度精细化。
这种效率提升也创造了巨大的 Alpha，例如 Astera Labs。它被错误地归类为“铜连接失败股”，但实际上它的核心产品是交换机，只要有连接，不管用光还是用铜，它都在另一边获益。

💬 精华片段（中文）

这些估值不可能同时成立——半导体设备 40 倍，DRAM 5 倍。在最疯狂的周期巅峰，这种鸿沟也从没出现过。整个市场目前被‘篮子化’了，低质量的短缺品种被散户和跟风者爆炒上了天。

"These can't both be true. ... the lowest quality players ... are sold out and raising prices. ... and these stocks get bid to the moon ... whereas some of the higher quality expressions have like actually really underperformed."

专业术语注释

术语	解释
ARR (Annual Recurring Revenue)	年度经常性收入，衡量 SaaS 和订阅类业务年化收入的关键指标。
S-Curve (S 曲线)	描述技术采用和市场渗透从缓慢启动到爆发式增长，再趋于平缓的进程。
DeepSeek Monday	指 2025 年初 DeepSeek 发布引起市场巨震的事件，被用作市场非理性抛售但基本面加速的经典案例。
Henry Hub	美国天然气基准价格，也是北美最重要的能源定价枢纽。
Strait of Hormuz	霍尔木兹海峡，全球最重要的石油运输咽喉，这里指该地区的政治风险。
ROIC (Return on Invested Capital)	投入资本回报率，衡量公司投出资本的使用效率和盈利能力的财务指标。
URR (Unconstrained Run Rate Revenue)	无限制运行速率收入。Gavin Baker 在播客中创造的术语，指 AI 公司在算力不受限的情况下能实现的收入规模。
Orbital Compute (轨道计算)	将计算单元（Blackwell 机架）部署在太空中，通过激光互联组成虚拟数据中心，以利用无尽的空间和太阳能的方案。
Sun-Synchronous Orbit (太阳同步轨道)	使卫星每天同一时间经过同一地点上空的轨道，在此处主要用于保证太阳能板始终获得光照。
Silicon Shield (硅盾)	指台湾以其不可替代的半导体制造地位，获取的地缘政治层面的安全保障。
Pareto Frontier (帕累托前沿)	经济学概念，在这里指 AI 实验室在模型“智能程度”和“每 Token 成本”之间取得的最优效率边界曲线。
The Bitter Lesson (苦教训)	Richard Sutton 提出的观点，指 AI 长期进步总是源于算力的暴力堆砌，而非精巧的人类知识设计。
ASI (Artificial Super Intelligence)	超级人工智能，指在几乎所有领域都远超最聪明人类的人工智能体。
Rate Limited (速率限制)	服务端限制用户在特定时间内调用 API 或使用服务的次数，在此用于区分降级的 AI 体验。
Harness (模型外挂/运行时)	在核心模型周围构建的、用于管理提示词、工具调用、记忆和上下文的软件层。
Prefill & Decode (预填充 & 解码)	Transformer 模型推理的两个阶段。Prefill 处理输入上下文（内存容量限制），Decode 生成后续内容（内存带宽限制）。
Terafab	由 SpaceX、Tesla 等牵头的美国巨型晶圆厂计划，旨在打破台积电的地域垄断。
Cross-Sectional Valuation (交叉估值)	在同一时间点横向比较不同资产或行业的估值水平，以发现不合理定价的方法。
Miscategorized (错误归类)	市场由于认知偏见，将某个资产错误地塞进一个不符的“篮子”，造成定价错误（如 Astera Labs 被当成纯铜缆暴露股）。
Safe Word (安全词)	为防止被 AI 生成的深度伪造音频/视频诈骗，而设定的物理世界验证口令。

延伸思考

台积电的“善意短缺”能持续多久？ 如果 Intel 18A 或三星 GAA 工艺取得实质性突破，晶圆的平衡就会被打破，AI 硬件价值链将面临剧烈波动，特别是对于 NVIDIA 的毛利率。
轨道计算的“监管真空”：太空主权、太空垃圾和频谱权将是巨大争议。但这属于一旦成功，就将彻底颠覆地面所有新能源公司估值和所有电力基建项目回报假设的唯一变量。
应用层创业者面临的“囚徒困境”：如果 OpenAI 和 Anthropic 持续推出更高性能的 Agent，并在企业级环境里打通工具使用，SaaS 的长尾会不会被整体吞噬？
寻找“错误归类”的洼地：在 AI 内部相关性消失的新常态下，寻找那个实质上在多路径通吃，但在市场感知里被单独标记为某一样失败路径的股票（类比 Astera Labs 是交换设备而非铜缆的案例）。
对抗 ASI 的社会契约：Gavin 提到的 AI 提高基尼系数（只有富人用得起最好的 AI）和 AI 犯罪防御，这可能催生全球治理和 AI 民主化的极端需求，其紧迫性甚至高于技术本身。

原文发表：May 20, 2026 · 纪要生成：2026-05-24