Crusoe CEO：为什么所有人都把 GPU 折旧和 AI 能源成本算错了
摘要
Crusoe 创立之初的判断是，能源会成为 AI 扩张的瓶颈，因此算力应迁移到电力便宜且供应充足的地方。 Bitcoin 挖矿最初帮助 Crusoe 将过剩能源变现，同时公司搭建 AI 平台；ChatGPT 于 2022年11月30日上线后，基础设施需求变得无可忽视。“支撑 AI 的基础设施不会集中化”（“The infrastructure to support AI would not be centralized.”）。
数据中心短缺，本质上是缺少能接入 GPU、供电并让其投入运行的场所。 Crusoe 承诺在1年内于 Abilene 建成约200 MW，而次快方案需要2.5年；供应商给出100周交付周期后，公司又在内部制造中压配电系统，并于28周内完成。垂直整合的重点与其说是赚取零部件利润，不如说是确保“可获得性”，并能绕开不断变化的瓶颈。
Chase Lochmiller 认为，社区对 AI 数据中心最强烈的反对理由——用水和电价上涨——与 Crusoe 的运营证据相矛盾。 Abilene 一栋约140 MW 的建筑年用水量大致相当于10户家庭，因为 GPU 冷却采用闭环系统；他表示，大型设施刺激新增发电后，当地能源价格通常会下降。近期真正的成本是交通、扬尘和噪音，而 Crusoe 预计将贡献当地超过1/3的税收，并让学校获得的资金增加一倍以上。
Crusoe 通过在 AI 栈上销售“数据中心、GPU 和 tokens”3种产品来管理大宗商品风险。 与可靠客户签订的5年 GPU 合约能提供投资回收和现金流，期限更短的合约利润率更高但续约风险也更大，而托管训练或推理则能用同一套基础设施获取更高利润率。其模式类似一家石油超级巨头：随着大宗商品价格变化，利润会在上游、中游和下游之间迁移。
访谈对市场共识最尖锐的挑战是：GPU 的经济使用寿命可能远超投资者的假设。 Crusoe 按6年折旧芯片，但2023年买入的 Hoppers 如今使用价格反而高于刚上市时；当服务把底层硬件抽象掉后，更老、更慢的芯片仍能提供更便宜的智能。“人们低估了应用和开发者把算力转化为价值的创造力”（“People underestimate the ingenuity of applications and developers in turning computing power into value.”）。
真正的推理竞赛并不只是比较每美元能买多少 token，因为 token 的价值不同，客户还会同时优化延迟、吞吐量和利用率。 GPU 是“整个数据中心最有价值的东西”（“the most valuable thing in the entire data center”），闲置就意味着烧钱；在 HBM、DRAM、NVMe 和对象存储之间调度 KV cache，成为核心经济能力。Lochmiller 预计，客户在闭源模型上的支出会更多，但通过开源模型生成的 token 也会更多。
随着技术迭代加速，Lochmiller 越来越不相信 AI 存在持久的护城河。 “大多数护城河都是幻觉”（“Most of these moats [are] an illusion”）；能够持续领先的关键在于快速行动，并适应不断变化的棋盘。主持人介绍称，Crusoe 在 F 轮融资中募资39亿美元，估值309亿美元；Lochmiller 认为上市公司资本市场最终更有利，但不确定 Crusoe 是否会在2028年底前上市。
精读
1. 在 AI 成为头条之前，Crusoe 就把能源视为 AI 的约束
Lochmiller 的创立逻辑是从智能反推：AI 和机器学习将改造每个行业；计算和数据将成为这一转型的约束；能源则会成为计算的瓶颈。因此，Crusoe 寻找的是价格低廉、供应充足，并能通过计算变现的电力。
按他的说法，Bitcoin 并不是被弃置的开场篇章。Crusoe 搭建 AI 平台期间，Bitcoin 是当时最有效的过剩能源变现机制；与此同时，公司还与 MIT 和 Stanford 的研究人员合作，摸索 AI 用户真正看重的基础设施。
Crusoe Cloud 于2022年初获得首批付费客户。ChatGPT 于2022年11月30日上线，成为一次贝叶斯式更新：“AI 已经到来”（“AI was here”），应用场景将不断增加，AI 算力基础设施的需求也会远超此前假设。
登山文化定义了这一路径：从计划 A 到计划 D，在一次远征中保持韧性，把安全置于冲顶冲动之上。“登顶是可选的，但下山是必须的”（“Climbing to the top is optional, but descending is mandatory”）——Lochmiller 将这一教训同时用于实体建设和数字安全。
2. AI 算力可以离开传统枢纽，追随廉价电力
Bitcoin 挖矿提供了架构先例。矿工从笔记本电脑发展到 GPU，再到传统“五个9”可用性的托管和专用 ASIC，随后意识到这类负载可以容忍远低于此前的可靠性要求；用“鸡舍”取代完整数据中心，使设施总成本下降约98%。
多年前，NVIDIA 的路线图已经从150–200瓦芯片转向300瓦，并可能进一步达到600瓦。Lochmiller 据此判断，不断上升的功率密度将改变支撑算力所需的建筑和数据中心设计。
AI 也削弱了集中在 Northern Virginia 等枢纽的理由：一次神经网络请求的大部分服务时间都消耗在设施内部的计算上，而不是网络访问。这样的延迟结构打开了新的地域选择，使基础设施能够“分布到能源便宜且供应充足的地方”。
3. 垂直整合把供应链延迟变成交付速度
短缺是实实在在的：“根本没有可以插上 GPU、开机并运行 AI 负载的地方。”限制因素会随时间变化，供应链因此变成一场围绕电力、设备、劳动力、许可和施工不断换目标的打地鼠游戏。
对 Abilene 的前2栋建筑——总规模略高于200 MW——Crusoe 承诺1年内完成，而另外34家开发商中最快的方案也需要2.5年。项目所需的34–34.5 kV 配电系统，供应商交付周期为100周；于是 Crusoe 将电气制造纳入内部，并在28周内完成交付。
Lochmiller 不认同制造业务的主要价值是赚取额外利润。制造能力带来的是可获得性、进度控制，以及通过 Elon Musk 所说的“笨蛋指数”提升成本可见度；它还允许公司从第一性原理出发设计，而不是被动接受标准化设备供应商提供的方案。
Abilene 的目标，是让一台吉瓦级计算机通过 RDMA 网络作为一个统一的 GPU 集群运行。在“智能体时代”和推理场景中，更小型的模块化设施尤其重要：关键指标将变成 Crusoe 从零开始到产出第1个 token 需要多长时间。
4. 部署受能源和劳动力约束，而非单一零部件
Lochmiller 将可用算力电力列为首要瓶颈，熟练劳动力紧随其后，包括电工、焊工、水管工和建筑工人。即便能源便宜，如果无法把劳动力带到偏远地点，将其转化为能够运行的“AI 工厂”，廉价电力也没有意义。
Harry Stebbings 追问了中国更低的劳动力成本、补贴电力，以及快速清除开发障碍的能力。Lochmiller 承认，更便宜的劳动力，以及快速迁移或清理场地，确实能让开发商获得优势；但他坚持认为，美国能源价格在全球范围内仍具竞争力。
在他看来，监管并不是一个应当被彻底消除的问题：大型投资需要规则，而不是“西部荒野”。真正的挑战是摩擦成本，这也强化了 Crusoe 的偏好——制造可重复部署的基础设施，而不是把每个项目都当成一项定制化的宏大工程。
5. 社区反对意见混合了真实扰动与存在争议的资源主张
地方政治关注的是几个实际问题：居民能否获得就业和税收？项目会不会推高电价、消耗水资源或造成污染？Lochmiller 表示，开发商必须证明自己是值得信赖的社区成员，而不能只为 AI 需求的总量进行辩护。
他最有力的反驳集中在用水上。Abilene 最初的8栋建筑每栋规划容量约140 MW，但其中1栋的年用水量大致相当于10户独栋住宅；大部分用水来自员工和园林绿化，因为 GPU 冷却水在闭环系统内循环。
关于电力，他表示，获得大型数据中心投资的市场，当地居民电价通常会下降，因为新增发电通过现有输电和配电基础设施向更多兆瓦负载供电。Crusoe 支持让大型设施参与部署自身所需的新增发电能力。
需要承认的是，施工会带来交通、扬尘和噪音。Lochmiller 认为，这些临时成本最终会被永久性就业和税收取代；Crusoe 预计将贡献 Taylor County 和 Abilene 超过1/3的税收，并让流向学校的收入增加一倍以上。
6. 3种产品对冲 AI 基础设施的大宗商品周期
Lochmiller 认为，按小时计价的 GPU 产能正在成为一种可交易的大宗商品。因此，Crusoe 将多种模式结合起来：与预计能够持续付款的可靠客户签订5年合约；承接利润率更高但更依赖续约的短期合约；以及通过托管推理、无服务器训练等托管服务，用软件变现基础设施。
GPU 租赁通常采用“照付不议”（“take or pay”）模式：客户预留了容量，无论是否实际使用都必须付费。Stebbings 追问，如果 ChatGPT 需求走弱，这些付款义务是否会暴露风险；Lochmiller 的回应是，消费级聊天只是算力的1个出口，科学、材料、医疗以及更广泛的经济活动都在消耗算力。
Crusoe 可变现的3种产品是“数据中心、GPU 和 tokens”。Lochmiller 将其结构比作 Exxon 或 Chevron：垂直整合能够在一定程度上形成对冲，因为随着价格变化，利润可以在电力、设施、芯片和服务之间迁移。
由于供应仍然稀缺，托管 GPU 集群目前拥有“极高的利润率”。但 Lochmiller 预计，盈利能力会沿整个技术栈迁移，就像原油价格下跌可能压低石油生产商油井业务的利润，却扩大汽油、塑料和其他成品等下游业务的利润。
7. GPU 寿命和推理效率挑战简单折旧模型
Crusoe 按6年折旧芯片，但 Lochmiller 认为，服务化模式可以进一步延长芯片的经济寿命。前沿制程芯片仍会保持需求，而当客户购买的是被抽象化的服务、而不是自行选择底层芯片时，更老、更慢的代际产品也能提供成本更低的智能。
投资者曾怀疑 Crusoe 于2023年买入的 Hoppers 能否在第3年之后保持价值。3年后，Lochmiller 表示，其使用价格已经高于芯片刚上市时的价格；早期融资则要求非常快的投资回收，并需要大量抵押品。
每美元对应的 token 数量很有用，但并不完整，因为“并不是所有 token 都一样”。客户还会优化每秒 token 数、首个 token 生成时间、最后一个 token 生成时间以及总成本；要赢得竞争，既要拥有高效基础设施，也要避免最昂贵的资产——GPU——处于闲置状态。
KV cache 管理体现了隐藏在系统背后的工作。将可复用的计算在 GPU 的 HBM、系统 DRAM、NVMe 硬盘和集群对象存储之间高效搬运，可以显著改善利用率、延迟和吞吐量，避免反复重新计算已经知道的 token 历史。
8. 开源模型获得规模，持久护城河让位于适应能力
Lochmiller 的判断是，客户在闭源模型上的花费会高于开源模型，但通过开源模型生成的 token 会更多。开源模型对数据主权和私有数据很重要；不过，他预计企业会混合使用前沿服务、自有模型，以及基于私有数据训练的专用模型，而不是最终收敛到一种架构。
Stebbings 追问，Fireworks 等推理专业公司是否会取代 Crusoe。Lochmiller 承认多个技术栈层级都存在竞争，并称赞 Fireworks 的用户体验，但又回到石油超级巨头的类比：公司可以在某一层竞争，同时在另一层向同一批客户销售，或向竞争对手提供产能。
托管推理最终销售的是对智能的便捷访问，同时隐藏了路由、模型选择、分布式 GPU 和多个数据存储的复杂性。如今，初创公司已经被要求预订2028年的产能；Crusoe 提出的解决方案是更小型的模块化数据中心，以缩短交付时间，并在需要时及时提供集群。
Lochmiller 更大的观念转变是：“大多数护城河根本不存在。”在加速变化的市场中，优势都是短暂的，持久能力来自速度和适应性。他认为 Crusoe 最终会受益于上市市场，因为那里拥有更强的资本获取能力；但当被问及2028年底前是否 IPO 时，他回答：“我不确定”（“I’m not sure”）。