为何市场对 AI 的定价是错的 | Gavin Baker

来源： Invest Like the Best | Gavin Baker | 2026-08-04 播客： Invest Like the Best 分类： 投资 原文发表： Aug 4, 2026 纪要生成： 2026-08-10

全集重点

AI基本面在加速改善，但股价却在暴跌：所有定量指标（GPU供应、DRAM现货价格、token增长）都在加速，而许多AI股票却在一个月内下跌了40%到60%，Nvidia的远期市盈率更是跌至10年来的最低点。
市场存在巨大的认知错位：市场因恐惧而抛售，错误解读了开源模型的兴起、Meta出租算力等事件，而实际上这些趋势都利好AI基础设施的需求。
算力重新定价是关键：现有算力的合约价格远低于现货市场价格，随着合约滚动到期，超大规模科技企业的运营现金流将大幅加速，从而内部消化巨额资本支出，降低对信贷融资的依赖。
产业博弈论锁定长期需求：围绕高带宽内存（HBM DRAM）的长期供应协议（LTAs）创造了一种“权力的游戏”局面，一旦违约将面临被彻底踢出局的巨大风险，这为AI基础设施的持续投资提供了结构性保障。
监管是最大的“看不见的子弹”：相比崩盘的信贷市场或需求放缓，政策监管风险是AI产业面临的最大威胁，而该行业在向公众讲述真相方面做得非常糟糕。

嘉宾/话题简介

Gavin Baker是Atreides Management的管理合伙人兼首席投资官。在创立Atreides之前，他曾是Fidelity Investments最杰出的基金经理之一，管理着超过160亿美元的资产，并在科技领域投资方面有着卓越的长期记录。本期节目录制于2026年8月初，正值AI板块经历类似2022年的单月暴跌。Baker在硅谷进行了深入的实地调研，旨在从一线从业者那里寻找任何负面的定量指标，以压力测试他的看涨逻辑，并详细解释了为什么他认为当前市场对AI股票的定价存在根本性错误。

分节详述

00:00 市场暴跌与加速的基本面

本节重点

AI股票遭遇了40%至60%的单月暴跌，但所有定量指标都在加速增长。
Nvidia的估值跌至10年来的最低远期市盈率。
市场完全认为AI公司正在严重过度盈利。
暴跌中的“叙事”（如Meta出租算力）与事实完全不符。

详细精要

7月市场回顾：类似2022年的单月暴跌，但基本面截然不同：Gavin Baker将7月份的AI行情描述为“一个月内的2022年”。
AI板块的众多公司股价从高点直线下跌了40%至60%。
与2022年市场担忧经济衰退、加息和通胀不同，此次市场担忧的许多具体“叙事”在Baker看来是站不住脚的。
市场对Meta计划出租算力的消息进行了极其负面的解读，认为其拥有过剩产能，并将削减资本支出，这引发了第一波抛售。然而，Meta后续的财报显示其并未削减资本支出。
AI基本面正在显著加速，无一例外：尽管股价暴跌，Baker所追踪的所有定量指标都在加速。
无论从GPU可用性、GPU零售价格、DRAM现货价格还是Token增长量来看，都没有出现任何减速的迹象。
Nvidia的股价在节目录制时，达到了过去10年中的最低远期市盈率，表明市场认为其盈利即将见顶回落。
Baker在硅谷的调研中不断向一线从业者提问，希望找到哪怕一个负面的定量指标，但一无所获。
市场错误的叙事解读：以Meta出租算力为例：市场对Meta出租算力的消息反应完全是错误的。
Baker解释，Meta并非因为需求不足而出租闲置产能，而是看到了像SpaceX这样的公司通过将大规模的、为交易优化的GPU集群以远超合约价的溢价出租到公开市场，从而获得了巨大的商业机会。
Meta可能意在先通过小部分产能展示其能产生极高的内部收益率（IRR），然后再以此进行股权融资，从而可能加速而非削减资本支出。
Baker指出，当时所有追踪Meta资本支出计划的远端信息（telemetry）都未显示任何削减迹象，反而持续变得更加激进。随后Meta发布的Llama 1.1模型，是其近两年来最好的模型，这进一步佐证了他们不会放慢脚步的判断。

💬 精华片段（中文）

“Nvidia's actually as we record this at its lowest forward PE of the last 10 years.”（Nvidia的股价在我们录制节目时，实际上正处于过去10年以来的最低远期市盈率水平。）

04:40 开源浪潮、Token经济学与运营现金流的转折

本节重点

开源模型（如GLM 5.2、Kimi K3）的爆发式增长导致市场恐慌，但这实际上将利润从模型层转移到了基础设施层。
运营现金流已经出现实质性的加速增长：从28%增至35%（经调整）。
公共市场因无法看到Anthropic、OpenAI和私有推理云的数据而存在盲区。
算力“合约-现货”价格差是未来的关键催化剂。

详细精要

开源模型浪潮是巨大的利好，而非利空：市场对Kimi和开源模型的“恐慌”源于对Token经济学的根本误解。
当时一个Silica Data Token指数的下降和走平，与OpenAI、Anthropic的增长形成了矛盾。Baker解释，这是因为该指数追踪的是token的构成（mix）。
随着GLM 5.2和Kimi K3等开源模型的爆发，token的类型组合从利润极高的前沿模型token（前向推理利润率高达80%、90%甚至95%）转向了开源模型token。
但一个token就是一个token，生成它所需的计算量（FLOPs）、内存和电力是完全相同的。市场的错误在于将利润率的下降解读为计算总需求的下降。
这个过程本质上是将边际利润从模型层向AI基础设施层转移的财富再分配。由于需求有弹性，更便宜的开源token会驱动更多的token需求。
Jensen Huang（黄仁勋）是世界上开源最大的支持者之一，这从侧面证明开源对他和Nvidia的业务是有利的。
公共市场存在巨大的信息盲区：市场之所以产生误判，很大一部分原因是无法看到关键的非上市公司的强劲表现。
市场无法获得Anthropic和OpenAI的内部数据，也无法清晰地追踪Fireworks、Baseten、Together等在美国进行开源模型推理商业化的推理云平台的数据。
一幅广为流传的图表显示，半导体公司的现金流急剧上升，而超大规模科技企业的自由现金流却在下降，但这幅图漏掉了上述这些私有公司的庞大现金流。
Baker认为，这些私有公司的增长极其强劲，例如Anthropic几乎肯定正在产生大量的自由现金流。
算力重定价：从合约价向现货价的飞跃：所有AI股票的看涨逻辑都建立在一个核心假设上，即已安装的算力基础正以远低于市场的价格被锁定在长期合约中。
任何人在2024或2025年，无论多么看涨，都只会认为算力价格会缓慢下跌（看涨）或急剧下跌（看跌）。没有人预料到旧款GPU的价格会在2026年继续垂直上升。
因此，许多交易云（deal clouds）为了融资采购GPU，不得不签订长期的“off-take”协议。这导致了目前已安装的合约算力基数的定价，与当前的现货市场价存在巨大的折价。
随着这些低价合约在未来几年陆续到期，算力将被重新定价至更高水平。即便届时现货价格有所下降，新的定价仍将远高于旧的合约价。这正是加速运营现金流增长的核心引擎。
运营现金流已进入大规模加速阶段：这一趋势已在最新的季报中开始显现。
观察微软、Meta和亚马逊的运营现金流（而非自由现金流），其增速已从28%加速至32%。
考虑到本季度有大量异常的一次性项目（主要是向欧盟支付的法律罚款，金额达数十亿美元），经调整后的运营现金流增速已从28%跃升至35%。在如此庞大的体量上实现这种程度的加速是“具有重大意义的”。
这还是在算力重定价和Blackwell (B200) / Rubin等新一代GPU（其租赁价格有显著溢价）真正大规模产生收入之前发生的事情。

💬 精华片段（中文）

“...you're literally just taking margin from frontier models and essentially driving more margin dollars into the AI infrastructure layer.”（……实际上你就是把利润从前沿模型层抽走，然后将其转化为更多的利润，注入到AI基础设施层。）

10:54 信贷危局与“数万亿”运营现金流假设

本节重点

信贷市场出现警报：实际收益率上升、信用利差扩大、CDS飙升。
核心恐惧在于：如果AI建设需要依赖债务融资，可能会引发资本市场周期崩溃。
Baker的模型显示，超大规模企业未来可能产生1.3万亿至2万亿美元的运营现金流，足以内部消化巨额的资本支出。
共识预期严重低估了新一代GPU的变现能力。

详细精要

信贷市场的真实担忧：Baker承认，7月抛售中唯一一个“不可否认的事实”是信贷市场的恶化。
实际收益率正在上升，这符合大量投资需要融资的逻辑。
信用利差大幅扩大：Meta在上周发行的一只债券，其定价远逊于市场对Meta债券应有的预期。
所有公司的信用违约互换（CDS）价格都在急剧飙升，显示出市场对信用风险的定价正在快速上升。
如果AI建设需要依赖债务融资，而供需关系出现短期失衡，局面会像当年的互联网泡沫一样迅速地失控。这构成了最大的威胁。
破解信贷危机的关键：运营现金流的内部融资能力：Baker通过深入的模型分析认为，对信贷的担忧可能被夸大了，因为AI建设的绝大部分资金可以从内部产生。
市场共识模型预测，超大规模科技企业未来的千兆瓦级Blackwell和Rubin算力设施，其每单位算力的变现能力与2代前的Ampere架构相当（Ampere < Hopper < Blackwell）。
Baker认为这种情况极不可能发生。理由来自于对硅谷一线需求的定量观察。
即便假设新一代GPU的变现能力，仅仅比现有运行中的Blackwell GPU有一定折价，超大规模科技企业整体未来每年也将产生接近2万亿美元的运营现金流，而非共识预期的1.3到1.4万亿美元。
这多出来的近7000亿美元将直接消除对信贷融资的需求。
具有讽刺意味的是，随着已安装算力的重定价，运营收入的加速增长将持续改善所有信用指标，使债务融资变得更容易、成本更低。
“Blackwell 空窗期”风险已被消化：Baker提到，两个月前他曾担心的一个风险是“Blackwell空窗期”。
这个风险指的是，超大规模企业在Blackwell GPU上投入数千亿美元，但初期这些芯片可能主要用于模型训练。训练本身不直接产生投资回报，这会造成一段时间的现金流压力。
该风险在一季度确实有所显现，但Baker在两个月前就不再担心，因为他看到了Anthropic等公司惊人的业务表现，认为市场会“越过”这个空窗期。
实际上，市场在4月、5月和6月确实消化了这个预期，股价在上涨。但到了7月，受一系列因素影响，市场不再选择性地忽视这个空窗期，而恰恰在此时，超大规模科技企业的运营现金流开始真正大幅加速。
微软在6月份上线了巨量新的算力产能，这部分产能甚至没有体现在第二季度的财报中。

💬 精华片段（中文）

“...if one believes as I do... that this buildout can be mostly funded out of operating cash flows, the credit risk is significantly mitigated... Consensus is modeling in a deceleration, which I think is unlikely.”（……如果像我一样相信……这次大规模建设的大部分资金可以来自运营现金流，那么信贷风险就被大大消减了……市场共识正在计入一次减速，而我认为这不太可能发生。）

18:46 硅谷见闻：GPU价格暴涨与“暗物质”需求

本节重点

硅谷一线调研显示，GPU租赁价格在6-7个月内上涨了50%-60%。
一家顶级初创公司在7个月内，为相同规格的B200集群支付的价格从2美元多/GPU小时涨到了近4美元。
开源模型的繁荣就像是公共市场的“暗物质”，极难测量但增长迅猛。
除了AI，美国其他所有行业在7月都表现惨淡。

详细精要

GPU市场堪比“毒品市场”，价格持续暴涨：Baker分享了他在硅谷调研期间收集到的多个微观案例，展示了GPU租赁市场的疯狂景象。
一家市场最热门的AI初创公司，在数月前以2美元多/GPU小时的价格租下了几千块B200 GPU的集群。7个月后，他们想以接近4美元的价格租用一模一样的集群，这代表了50%到60%的价格上涨。
有一家推理云厂商在播客中公开表示，他们计划在当前合同到期后，为Blackwell GPU支付高出一倍的价格。这意味着所有超大规模科技企业当前的算力定价都严重偏低。
如果你买入GPU时预期价格会温和下降，那就是极度看涨的信号；而现实是价格在火箭式蹿升。
Baker反问：“你听过有任何人说自己的GPU太多吗？”答案是一个没有。整个市场处于一种极度供不应求的状态。
开源模型的“暗物质”效应：公开市场难以量化的私有领域需求正在爆炸式增长。
市场对Anthropic的第三方追踪数据出现了一些“增长曲线趋平”的担忧。这可能是Baker在硅谷听到的唯一一个负面数据。
但与此同时，OpenAI和开源模型的需求正在大规模加速增长，完全弥补了Anthropic可能出现的增速放缓。
Baker将开源模型的繁荣比作宇宙中的 “暗物质” 。它对公共市场投资者而言是看不见摸不着的，因为其使用量分散在无数推理云平台上，没有一个像OpenAI那样的单一门户来统计，但其巨大的质量（即计算需求）是真实存在的。
这些推理云平台的增长速度几乎与早期的前沿实验室一样快，但它们的现金消耗率极低，商业模式惊人地高效。
几乎所有AI界人士都比Baker更乐观：尽管被市场视为“盲目的乐观派”，但Baker在硅谷内部其实是相对谨慎的那个。
Baker提到，Dworkesh曾撰文讨论过，一个H100 GPU一年的租赁成本（约25万美元）仅相当于一名高级工程师年薪的一小部分，这意味着AI算力的替代价值被极大地低估了。
当Baker与任何AI生态系统内的人交流时——无论是实验室、初创公司还是相关服务商——他们所有人都比他要乐观得多，这让他感觉自己像是“愚蠢的乐观主义者”。

💬 精华片段（中文）

“I haven't been able to find one [negative] metric... The underlying fundamentals are improving... And stocks, Nvidia's actually as we record this at its lowest forward PE of the last 10 years.”（我一直都没能找到哪怕一个负面的指标……底层的基本面正在持续改善……而股票，英伟达在我们录制时的远期市盈率是10年来最低的。）

24:24 Claude如何成为华尔街的“新真理”及中国DUV光刻机的意义

本节重点

市场同质化风险：所有投资者都用Claude解读新闻，导致市场反应高度一致和短期化。
这种“群体思维”导致日本电容器股票在6周内走完了一个3年的周期。
中国在DUV光刻机上取得突破是“相变”级别的进展，但市场反应过度。
这不会在短期内实质性影响ASML的订单，但不容忽视。

详细精要

Claude成为金融市场的“沃尔特·克朗凯特”：Baker提出，当前市场行为的一个关键特征是所有参与者都在使用同一个人工智能模型来解释新闻。
他指出，几乎所有机构投资者和散户现在都会将每一条金融新闻输入到Claude中，让它进行分析和解读。
因为模型是概率性的，且绝大多数人使用的都是同样的模型，这就导致对新闻的解读缺乏多样性，市场反应变得高度一致。
这种现象就像一个单一的媒体声音主宰了公众认知，Claude成为了股票市场上的“沃尔特·克朗凯特”（美国历史上著名的权威新闻主播），每个人都无条件地相信它的判断。
其结果是市场从“解读事件的多样性”走向了“多样性崩溃”，这恰恰是市场形成泡沫和发生崩盘的前兆。
Baker引用了一位朋友的评论：过去三年赚钱的最好方法就是，听到任何叙事就“以最快速度、最肤浅的方式”去操作，然后在不同叙事之间来回切换。
“6周走完3年”的电容器周期：这种同质化行为的微观体现之一。
一位名叫TBU的博主发布了一张日本电容器股票的图表，显示其价格在6周内先直线拉升，再垂直暴跌。
这相当于在6周的时间里走完了一个通常在3年内完成的电容器行业周期，而实际的基本面甚至还没来得及发生任何实质性变化。这正是同质化交易和算法驱动的结果。
中国DUV光刻机突破：意义重大但市场反应过度：Baker分析了这条导致半导体设备股（semi-cap）被大规模抛售的消息。
Baker做了一个类比：如果说一台EUV（极紫外光刻）光刻机是星际迷航里的“曲速引擎”，那么DUV（深紫外光刻）光刻机就是“喷气式飞机引擎”。中国之前只有“螺旋桨飞机”，现在终于拥有了“喷气式引擎”。
这种从“无”到“有”的转变，是一种 “相变” 级别的突破，对一个国家有极其重要的战略意义。尽管它在技术上仍落后25年，但完全不应被忽视。
然而，半导体技术是一个 “边做边学” (learning by doing) 的领域，无法跳过必须的迭代学习过程，从2001年的技术水平不可能直接“瞬间传送”到2030年。
因此，这条消息对未来5年内ASML的订单几乎没有实质性影响。市场对此的反应大概率是又一次过度反应，会在未来几年内反复“担忧—遗忘—再担忧”。

💬 精华片段（中文）

“It's almost like we're back to... Walter Cronkite was the only voice of truth... Claude is kind of Walter Cronkite for the stock market and everybody just believes whatever it says.”（这几乎就像是回到了那个……沃尔特·克朗凯特是唯一真理之声的时代……Claude就像是股票市场的沃尔特·克朗凯特，而所有人都对它说的每句话深信不疑。）

35:14 长期协议博弈论（Game of Thrones）与产业竞争新格局

本节重点

劳动力市场并未大规模裁员，暗示企业对增长的乐观预期。
高带宽内存（HBM DRAM）的长期供应协议（LTAs）构成了一种“权力的游戏”式的博弈，极大巩固了现有格局。
打破LTA的风险高到不可承受，因为市场地位的未来取决于当前的供应链承诺。
这为三星、SK海力士、美光等厂商的长期盈利能力提供了极强的可预测性和壁垒。

详细精要

从“劳动力替代”转向“增长驱动”：Baker观察到，AI的原生应用正在减少对人的雇佣，而不是大规模裁员。
在技术领先的创始人控股公司中，尽管他们是最早和最深度应用AI的群体，但并没有出现大规模的裁员潮。这暗示着他们看到了巨大的增长机会，仍然需要人员来抓住这些机会。
一些AI原生初创公司的模型表明，其token支出占人力总薪酬支出的比例已经高达20%到25%。一家与著名行业分析师Dylan Patel相关的Jasper公司，这一比例甚至达到了30%，Baker本人甚至听说过50%的案例。
全球知识型工作的总价值达25万亿美元。以20%的比例计算，这意味着未来将有5万亿美元的价值从劳动力支出或由AI驱动的更快的经济增长中释放出来。
来自Cognition, Ramp, Stripe等公司的图表显示，在AI上花费最多的公司，其营收增长速度也显著更快。
“神之一手”：LTA如何重塑AI时代的竞争博弈：Baker深入阐述了长期供货协议如何彻底改变了半导体行业的权力格局。
当前AI硬件的核心瓶颈在于 HBM DRAM。增加与每单位算力（FLOP）配对的内存，是提高token产出、降低单位成本最有效的方式。
所有主要厂商——亚马逊 (Trainium), 谷歌 (TPU), AMD, Nvidia (及xAI等)——都投入到了这场围绕HBM的“权力的游戏”之中。
假设到2027或2028年，市场出现供过于求，某个玩家可能会想要打破LTA来压价。但Baker认为，这种行为无异于商业自杀。
其逻辑在于：1）未来几年的市场份额将由当前的供应链分配和预付承诺所决定。2）如果一家公司今天违约，等到下一个周期来临时，当供需关系重新变得紧张，内存厂商将不再为其分配产能，它将直接被这个市场淘汰出局。3）这个行业的周期特性意味着，今天的供过于求必然伴随着明天的供不应求。
这种博弈论约束在以前并不存在，因为苹果作为最大买家，其体量大到可以无视供应商。但如今在一个有4个以上重量级买家的市场里，内存厂商可以把被违约的产能直接转移给违约者的竞争对手。这对像Etched这样的初创公司而言，同样是致命的打击。

💬 精华片段（中文）

“If you break the LTA... and then in the next two or three years for any reason leverage shifts back to the memory guys, you're out of business. It's over.”（如果你打破了长期协议……然后在接下来的两到三年里，因为任何原因，议价权重新回到了存储厂商手里，你就出局了。一切都将宣告结束。）

42:05 Nvidia的“信用包装”与基础设施投资的自我实现

本节重点

Nvidia的新商业模式类似于一种 “信用包装 (credit wrapper)” ，并附带收入分成协议。
这种模式解决了客户现金流错配的问题，同时潜在地为Nvidia创造了一个庞大的云业务（通过抽成）。
该举动极具战略性，不仅增强了其财务回报，更极大地巩固了其相对于竞争对手的护城河。
这让Nvidia的GPU不仅性能最强，而且是最具“可融资性”的资产。

详细精要

Nvidia的“信用包装”新模式：Baker揭示了一个他认为被市场严重误解和低估的Nvidia新战略。
Nvidia正在向其GPU买家提供一种服务：当GPU租赁价格高于某个地板价时，Nvidia将从中获得一部分收入分成（revenue share）。
同时，Nvidia并不直接向买家提供贷款，而是由其雄厚的现金和未来分成预期作为信用背书，使得第三方金融机构更愿意向GPU买家提供贷款。这就是所谓的 “信用包装” 。
这个模式的精妙之处在于：第一，它解决了客户在运营现金流爆发前，大规模采购所引起的现金流错配问题。第二，它让Nvidia能够通过抽成 (royalties)的形式，迅速建立起一个规模庞大、利润丰厚的“准云业务”，这实质上大幅提高了其单千兆瓦的营收。
Baker认为，Nvidia是基于其对AI前景的极度看好，才设计了这一机制。每次Nvidia没有对某个领域进行股权或类似投资，回头看都可能是个错误，因此他们决定通过这种方式深度参与未来的增长。
巩固护城河：最“可融资”的资产：这个商业模式进一步强化了Nvidia无法撼动的竞争地位。
当一个初创公司决定用什么AI芯片时，它不仅要比较芯片的性能和价格，还必须考虑： 该芯片能否被轻松地融资？
同样是启动项目，使用Nvidia的GPU（有信用包装）可以获得更便宜、更容易的融资，而使用AMD或其它厂商的芯片，融资难度和成本将显著上升。
Baker将Nvidia比作一个有信用担保的“名牌资产”，而其他竞争者则缺乏这一光环，这使得整个游戏的天平更加向Nvidia倾斜，其当前被极度压低的估值是不合理的。
HBM记忆体厂商应该效仿：Baker建议，像SK海力士这样的内存巨头，应该立即复制Nvidia的这一战略。
鉴于当前信贷市场正在“反抗”（成本高昂、条件苛刻），HBM厂商手握巨额现金流，完全有能力拿出部分资金，为向其购买内存的AI芯片买家提供信用增信或类似安排。
以此为交换，HBM厂商也应要求从未来的算力收入中获得持续的收入分成（revenue share），将一次性销售关系转变为长期的、获得复利的“类特许经营”模式。

💬 精华片段（中文）

“I think it would serve Nvidia well to really explain this... every time they haven't taken an equity stake in something, it's been a mistake.”（我认为英伟达若能真正地把这个模式解释清楚，对他们将大有裨益……每一次他们没有在某件事上参股，事后都被证明是个错误。）

01:00:55 最大风险：监管以及谁来讲述AI的真相

本节重点

AI产业面临的最大单点故障风险是监管，而非市场或技术因素。
围绕数据中心的公众认知被严重扭曲，例如水资源的消耗被一本书籍作者高估了 10,000倍。
实际上，新一代数据中心与社区签订协议，能降低当地居民的电价、提供医院学校等公共设施、并带来持续的蓝领高薪岗位。
产业界在PR（公共关系）方面做得“糟透了”，必须主动向民众讲述AI正面的、救命的故事。

详细精要

监管是唯一能让他“害怕”的风险：在经过硅谷一轮深度调研后，Baker认为监管是唯一一个可能让他的看涨逻辑失效的巨大风险。
在人工智能技术基本面一片大好的情况下，真正可能打乱局面的是一家或多家主要政府出台的限制性政策。
纽约州对新建数据中心的禁令就是一个不祥之兆，可能仅仅是一个开始。即便是在深红州，尽管政府本身支持增长，官员们也对AI产业界糟糕的叙事能力表示无奈，表示你们若不讲好自己的故事，我们也没法替你们讲。
我们正处于一个“后真相、后逻辑”的政治世界，产业界若不主动，就会被错误的叙事所淹没。
数据中心的公众形象被严重妖魔化：Baker列举了多个广泛传播但完全错误的观点。
电力：公众普遍认为数据中心会推高当地电价。但事实恰恰相反，由于新建数据中心普遍签订“电表后 (behind the meter)”的供电协议和川普政府推动的“数据中心承诺”，新数据中心的落地通常会降低周边居民的电费。
水：一位作者在其著作中犯了一个重大错误，将数据中心的耗水量高估了 10,000倍。尽管该错误已被反复公开纠正，但其影响犹如“菠菜含铁量最高”的谬论一样，依然根深蒂固。
就业：人们普遍认为数据中心只会带来短暂的建设岗位。但在实际运算负荷上线后，仍然需要持续的水管工、电工、暖通空调（HVAC）技师进行RMA（退货授权）维修和设施升级，这是Baker有生以来见到的对蓝领工资最利好的机遇之一。
设施：新一代数据中心开发商给社区带来的不仅是工作岗位，更是直接承诺建设医院、学校、警察局和消防站等基础公共设施。
产业必须主动讲述“拯救生命”的故事：反驳误解只是被动防御，AI行业更需要主动进攻，讲述正面的故事。
在最近一届的美国临床肿瘤学会年会（ASCO）上，与会人员的普遍感受是，这是他们在一届学术会议上见过的最多的科学突破，而这无疑部分归功于AI在药物研发上的应用。
对于一个患病孩子的父母、对于一个有生病亲人的家庭来说，AI正实实在在地提高他们康复的概率。
硅谷的从业者认为这些都是“不言自明”的真理，无法相信世界上还有人不懂，但这与美国广大民众的看法存在巨大的鸿沟。Baker甚至认真考虑，如果无人牵头，他将亲自出资成立一个基金会，在美国大学橄榄球季后赛（CFP）、NFL、MLB世界大赛期间投放广告，专门讲述这些正面的真相。

💬 精华片段（中文）

“If you have a sick child, a sick parent... AI meaningfully increases the odds of them recovering... everybody needs to tell this.”（如果你有一个生病的孩子，或者生病的父母…… AI可以极大地提高他们康复的概率……每个人都应该讲述这件事。）

“It's just kind of wild how... a lie can go around the world faster than the truth gets out of bed.”（真是很疯狂……一个谎言可以跑遍全球，而真相还没起床。）

01:08:59 SRAM加速器、SpaceX与AI竞赛的终局

本节重点

将推理工作负载分解到SRAM加速器上是下一个提升AI经济回报率（ROI）的重要技术趋势。
SpaceX (xAI) 被严重低估，其算力部署能力是市场尚未充分定价的“期权”。
有报告称xAI计划在18个月内上线8千兆瓦的算力，Baker承认这可能过于疯狂，但Elon Musk的关键信条是“专长于将不可能变为迟到”。
当前AI竞赛的博弈态势（OpenAI重回牌桌）决定了所有玩家都不会放松投入。

详细精要

SRAM加速器：击碎HBM瓶颈的“圣杯”：Baker指出，在关于AI计算的所有讨论中，最重要但最被忽略的一点，是SRAM加速器的引入将如何改变局面。
当前推理遇到的内存带宽瓶颈主要来自HBM DRAM。
将模型推理过程分解为预填充 (Prefill)、注意力 (Attention) 和前馈网络 (Feed-Forward Network) 三个部分，并针对不同部分使用不同的芯片架构，是提升效率的终极目标。
特别是前馈网络部分，如果能够使用不依赖昂贵且供应紧张的HBM、而是基于SRAM并采用更成熟制程的专用加速器来处理，其投入产出比（ROI）将会非常惊人。
因为AI工作负载在不断变化，试图在单个GPU芯片上固定计算、HBM与SRAM的“完美”比例是不可能的。解耦并让合适的芯片做合适的事，是大幅提升算力回报的关键。
SpaceX (xAI) 的“潜力期权”：Baker认为公开市场尚未开始真正消化SpaceX（或xAI）作为AI算力巨头的价值。
自IPO以来，SpaceX的基本面大幅改善：发布了Grok 4.5，收购了Cursor，其核心的Starlink业务也在持续增长。
xAI作为算力供应商的核心能力之一是，在过去3年里，它总是能比任何人都快，以比任何人都低的成本，上线更多的算力。其刚进入市场时就精准抓住了算力的现货价格高点。
前一阵xAI将巨量算力投入市场，但市场几乎毫无波澜地全盘吸收了，这说明需求深不见底。
一份行业分析报告预测，SpaceX将尝试在18个月内上线 8千兆瓦 的算力。虽然Baker认为这个数字“难以置信”，也无法被完全计入估值，但他也引用Elon Musk的名言：“我们专长于将不可能变为迟到 (We specialize in making the impossible late)”。
没有人会在这场竞赛中退缩：回顾最近的行业动态，从博弈论的角度看，所有主要玩家都已被锁定在这场“军备竞赛”中。
几个月前，Anthropic的Dario曾深刻评论说，在这个规模上，买太多算力会导致破产，买太少则会输掉比赛。
紧接着发生的事情印证了后半句话：曾经落后的OpenAI凭借激进的算力投入重新回到竞技场的最前沿（Pareto frontier）；xAI则凭借Grok 4.5和Cursor的大规模投入，也强势进入了竞争核心圈。
既然这些活生生的案例摆在这里，任何看到这一幕的CEO都绝对不敢放慢在算力上的投入，特别是当考虑到这些投入大部分都可以用未来增长的运营现金流来覆盖时。

💬 精华片段（中文）

“After watching that, from a game theory perspective, is anybody going to back off anytime soon, especially if it can be funded out of operating cash flow?”（在亲眼目睹了这一切之后，从博弈论的角度来看，还会有任何人敢在短期内放松投入吗？尤其是当这些投入都可以被运营现金流所覆盖的时候？）

专业术语注释

术语（英文）	解释
Forward PE	远期市盈率。股价除以未来十二个月的预期每股收益。在本集中指AI股票估值处于历史低位。
GPU Hour	GPU小时。衡量GPU（图形处理器）使用量的单位，是AI算力租赁市场的核心定价单位。
Spot Price	现货价格。当前即刻可交付的算力市场价，远高于长期合约价。
Free Cash Flow (FCF)	自由现金流。企业经营产生的现金减去维持和扩大生产所需的资本支出。市场担忧AI公司的自由现金流为负。
Operating Cash Flow (OCF)	运营现金流。企业日常经营产生的现金流入。Baker强调OCF在加速增长，足以覆盖投资。
DRAM	动态随机存取存储器。AI芯片中用于临时存储和处理大量数据的关键部件。
HBM (High Bandwidth Memory)	高带宽内存。一种高性能的DRAM技术，是当前AI GPU的绝对核心和产能瓶颈。
Token	令牌。AI大语言模型处理文本时的最小语义单元。一个token就是一个token，消耗的算力相同，无论其来自哪种模型。
Inference	推理。指利用已训练好的AI模型进行预测和生成内容的过程。本集讨论了推理的利润率和不同的硬件（如SRAM）适配。
Hyperscaler	超大规模科技企业。指运营着全球最大规模数据中心的公司，如Microsoft, Amazon, Meta, Google。
LTA (Long-Term Agreement)	长期供货协议。通常指AI公司与硬件厂商（如HBM内存厂）签署的多年期、带有预付和锁价条款的供应合同。
CDS (Credit Default Swap)	信用违约互换。一种衡量公司或国家债务违约风险的金融衍生品。CDS飙升表明市场对违约风险的恐惧急剧增加。
DUV (Deep Ultraviolet Lithography)	深紫外光刻技术。一种相对较老的芯片制造工艺，技术门槛低于最先进的EUV。
EUV (Extreme Ultraviolet Lithography)	极紫外光刻技术。目前全球最顶尖的芯片制造技术，由ASML垄断。
ASML	荷兰光刻机巨头，是全球唯一能够生产最先进EUV光刻机的公司。
SRAM (Static Random-Access Memory)	静态随机存取存储器。速度比DRAM更快，但成本更高、密度更低，通常集成在芯片内部。本集讨论其用于AI推理加速的前景。
Prefill & Decode (Attention / Feed-Forward Network)	预填充和解码（注意力机制/前馈网络）。大模型推理过程的两个阶段和不同组成部分，对不同计算资源的需求各异。
Pareto Frontier	帕累托前沿。在AI领域指在模型能力上处于绝对第一梯队的公司群体。
Gross Margin	毛利率。收入减去直接成本后的利润占收入的百分比。Baker讨论了前沿模型`90%`的超高推理毛利率。

延伸思考

共识预期的“慢一拍”风险：Baker的论点核心在于市场共识（如对OCF的预测）是基于线性外推，而AI投资的回报具有“J型曲线”特征。如果合约重新定价的速度比模型假设的更快，运营现金流的爆发式增长可能会让市场措手不及，导致股价短期内剧烈修正。如何在一个高度依赖AI解读新闻的同质化市场中，找到信息优势，是投资者的核心挑战。
博弈论框架的脆弱性：Baker描绘的“权力的游戏”博弈论，建立在一个关键假设之上：没有玩家会打破LTA，因为惩罚是毁灭性的。但如果在极端的全球性经济衰退或地缘政治剧变下，某个受政府支持的玩家为了生存，决定以国家利益为名“掀翻牌桌”，整个博弈结构是否依然稳固？
监管的“灰犀牛”：Baker将监管列为最大风险，并将其归因于“错误的公众认知”。这种风险本质上是社会政治风险。即使所有数据都证明数据中心有利无害，也无法排除民众在AI对社会结构产生颠覆性影响后，出于纯粹的焦虑感而投票支持极端监管的可能性。这不是一场关于事实的辩论，而是一场关于信任和变革速度的斗争。
技术解耦能否颠覆集中式模型：Baker提到的SRAM加速器和技术解耦（Prefill, Attention, FFN分而治之），指向了一个边缘计算的可能性。如果推理工作负载可以被高效地分散到成本更低、不依赖稀缺HBM的设备上，这是否会挑战超大规模数据中心集中化部署的规模效应，从而改变AI基础设施的投资回报逻辑？

原文发表：Aug 4, 2026 · 纪要生成：2026-08-10