摘要

Dylan Patel 的核心预测是：Anthropic 和 OpenAI 获得的年度新增算力占比，将从今年约30%升至明年的40%–50%；“到明年年底，新增算力的一半已经流向 Anthropic 和 OpenAI。” OpenAI 今年初拥有2 GW算力，Anthropic 不到2 GW；到年底两家都将超过5 GW。由于 GB300、TPU v7 和 Trainium 3 的每瓦性能提升3–5倍，如果趋势延续，到2028年底两家实验室可能控制全球大部分可用 FLOPs。
单位经济性已经从负毛利翻转为每兆瓦3–5倍的收入差额。 算力成本为1000万–1500万美元/兆瓦；Anthropic 的收入最高已达到5000万美元/兆瓦，并于Q2开始实现盈利；市场认为 OpenAI 依靠 Codex 和 GPT-5.6，最早可能在Q3某个时点实现盈利。其飞轮机制是：“如果我在推理容量上花10美元，实际上能创造50美元收入，然后我就能把这部分利润全部增量投入训练。”
算力本身也必须重新定价：任何人在1000万–1500万美元/兆瓦的价格上部署一台 GB300 机架，再通过 Kimi、vLLM 或 SGLang 接入 OpenRouter，都能赚钱，因此实验室可能需要支付2500万–5000万美元/兆瓦，才能拿下70%–80%的供给。 SpaceX 和 Meta 正把算力囤在资产负债表上，可以在内部使用与高价卖给实验室之间做选择。即便如此，Dylan 预计到明年年底，大部分算力交易价格仍将低于200亿美元/GW，因为算力通常在建成前就已签约并完成融资。
Dylan 的非共识判断是：随着时间推移，实验室会把更少算力用于推理，把更多算力投入研究和训练，包括打造 AGI。 Anthropic 每月新增算力持续上升，但1月收入激增后，月度新增收入已经趋于平台期，这意味着边际产能中投入研发的比例在提高。当前预算大致为50%研究、10%开发、40%推理；Mythos 的预训练约使用不到200 MW，持续约2个月，而 RL 在任何单一地点或时点的用量更低，但按顺序累计的总算力可能更高。
监管和部署约束，而不只是模型能力本身，可能限制每兆瓦收入的上限。 Dylan 提到，OpenAI 表示将暂停训练2周；Anthropic 也没有发布其安全评估认为是 Model 2 的模型，外界普遍认为这就是下一代 Mythos。Dwarkesh 称 Mythos 已被削弱，且无法提供给“我们”做推理优化；Dylan 则说 Astra 尚未在内部大规模部署。如果没有这些约束，Dylan 认为实验室可以实现每兆瓦1亿美元以上的收入，并支付5000万美元/兆瓦。
出口管制迄今扩大了中美算力差距：目前中国仅占新部署数据中心 AI 功率的不到10%，到2028年可能拥有不超过30 GW算力，而且芯片性能更差。 Dwarkesh 推测，即使2029年中国拥有主要由国产芯片构成的50 GW算力，实际价值可能也只相当于约20 GW美国水平的算力。Dylan 认为50 GW是合理预期，同时强调出口管制、MATCH Act 和国产设备生产仍然重要；Dwarkesh 则指出，如果 AI 起飞速度更慢，中国就有机会大幅追赶。
融资算式指向一次利率冲击：Dylan 的模型显示，2024–2029年资本开支约为11万亿美元，其中约6万亿美元由现金支付，超过5万亿美元通过信贷融资。 Meta 最近以5%–6%的利率融资，并且愿意支付8%；如果增量债务的20%利率仍低于向 SpaceX 租算力的成本，Anthropic 也会接受。利差上升将重估整个经济，压垮非 AI 股票的估值倍数，迫使高债务国家走向违约，并可能最终把2030年代的利率推升至两位数。
双方都认为中心化可能是最终结局，但尚未找到解决方案。 Dylan 估计，前沿 AI 的有效劳动力规模每年增长约10倍，因此到本十年末，一个实验室拥有的等效劳动力可能超过地球人口。Dwarkesh 强调训练的规模经济和稀缺性加价；Dylan 则补充了部署数据和 RSI。Dylan 说：“我不信任政府，也不信任 Dario，也不信任 Sam。”他提出应思考一个去中心化的后 AGI 未来，并总结道：“有80,000个世界，只有其中1个世界里，Anthropic 不拥有整个世界。”（“There’s 80,000 worlds and in only one of them, Anthropic doesn’t own the whole world.”）

精读

1. 实验室经济性从风险资本输血的亏损，翻转为每兆瓦5000万美元的机器

Dylan 的基准判断是：今年上线的算力中，约1/3最终将服务于 OpenAI 和 Anthropic；今年 AI 资本开支“略高于1万亿美元”，2028年将超过2万亿美元。根据已经签署的合同，实验室年度支出将从数百亿美元一路扩大，甚至在本十年末逼近“每年数万亿美元”。
毛利翻转才是核心故事：基础算力成本为1000万–1500万美元/兆瓦。OpenAI 在 NVIDIA Hopper 上运行 GPT-4 时毛利为负，但 GPT-5.6、Opus 5 和 Fable 5 的变现能力已远超增量成本——Anthropic 的收入最高达到“5000万美元/兆瓦”。Anthropic 于Q2开始实现盈利；市场认为 OpenAI 依靠 Codex 和 GPT-5.6，最早可能在Q3某个时点实现盈利。
自我融资飞轮的原话是：“如果我在推理容量上花10美元，实际上能创造50美元收入，然后我就能把这部分利润全部增量投入训练。”新资本仍会流入，但增长越来越多由收入而非资本注入驱动。

2. 两家实验室将在明年年底拿走全球新增算力的一半

OpenAI 今年初拥有2 GW算力，Anthropic 不到2 GW；到年底两家都将超过5 GW。Dylan 认为这意味着算力规模增长3–4倍，占今年新增算力约30%。已经签署的交易则将这一比例推升至明年的40%–50%：“真正到了明年年底，新增算力的一半已经流向 Anthropic 和 OpenAI。”
全球今年新增算力约30 GW，明年50 GW，2028年70 GW，2029年90–100 GW；但采用 GB300、TPU v7 和 Trainium 3 的新增功率，每瓦性能高出3–5倍。因此，如果趋势延续，到2028年底，两家实验室可能“单独控制全球大部分可用 FLOPs”。
算力建设者正在变化：SpaceX 将成为主要参与者，把算力租给出价最高的一方；OpenAI 正在设计自研芯片，Anthropic 则采购 Google TPU，并通过 Fluidstack 部署。会计口径上，Amazon 通过 Bedrock 提供 Anthropic 模型服务，在 Dylan 的框架中也算 Anthropic 算力，因为这部分最终计入 Anthropic 收入。

3. 100倍晶圆厂套利，以及镜片瓶颈为何缓慢解除

Dwarkesh 基于 Dylan 的晶圆厂设备模型测算：1 GW Vera Rubins 需要约55,000片 N3 晶圆、6,000片 N5 晶圆和170,000片 DRAM 晶圆。模型估算设备投资约30亿–40亿美元；若加上晶圆厂洁净室、厂房主体及相关资本开支，总额约60亿美元，才能实现每年生产1 GW。
每1 GW每年可产生约1000亿美元收入。按5年周期计算，第1 GW获得5年收入，第2 GW获得4年，以此类推；约60亿美元晶圆厂资本开支最终可以带来超过1万亿美元的终端 AI 收入。即使 Dwarkesh 保守地扣除一半归其他参与者所有，仍然存在约100倍的差距。
对于“资本主义难道不会修复这一套利吗”的问题，Dylan 的回答是：“这是一根鞭子，鞭梢很久才能收到信号。”Carl Zeiss 直到最近才接受现实：到2030年，它需要为每年100台 EUV 设备准备足够的镜片——“建起来就是要花这么久”。他的套利逻辑是：任何能以4亿美元买到 ASML EUV 设备的人都应该买下，再以“超过10亿美元”的价格转售。
整条产业链不会立即同步扩张：明年实验室收入将达到数千亿美元，但全行业资本开支约为2万亿美元，实验室还无法靠现金流独自为整个扩张周期融资。Dylan 不认为今年、明年或后年会出现类似私募股权的全栈式扩张，因为“这个世界受资本约束”。

4. 算力重新定价：每兆瓦1000万–1500万美元人人都能赚钱，实验室可能支付2500万–5000万美元

算力价格底部已经被验证：“去买一台 GB300 机架，下载 Kimi 权重，再下载 vLLM 或 SGLang……把它放到 OpenRouter 上……你开始获得的收入就会超过算力成本。”这已经在推动1000万–1500万美元/兆瓦的价格上行；如果到2028年全球合计达到100 GW，实验室可能需要支付2500万、4000万，甚至5000万美元/兆瓦。
SpaceX 利用了“先签合同”的融资模式，在获得通常所需的客户承诺之前，就提前准备好了可用算力。Dylan 认为，Elon 可以按2500万–4000万美元/兆瓦出售容量，并在1年内收回全部资本开支。Dwarkesh 则举了另一个例子：SpaceX 可能以400亿美元/GW的价格向 Google 出售“B300 或类似产品”。
Meta 和 SpaceX 是“唯一有可能成为第3名”的候选者，因为它们把算力囤在真实的资产负债表上，既可以内部使用，也可以按高利润率出售给 Anthropic 或 OpenAI。
尽管如此，Dylan 对短期市场仍保持克制：即使到明年年底，大部分算力交易价格仍低于200亿美元/GW，因为多数算力在建成前就已签约；客户承诺为信贷市场融资提供了基础。供应链将以“甩鞭效应”重新平衡：存储和基板价格反应较快，而 TSMC 的调整更慢。

5. 价值最终流向哪里：用户，而非实验室

当前产业链中，终端用户拿走的价值最多。Jane Street 通过与 OpenAI 签署 GPT-5.6 Ultrafast mode 独家合约，从购买的 token 中获得的价值“远远远远”高于 Anthropic 获得的利润；Meta 此前一度被传占 Anthropic 业务的最高10%，但它从广告算法和用户参与度提升中获得的变现远超支付给 Anthropic 的费用。到目前为止，应用层创造的价值非常有限。
一年前，模型层还依靠 VC 资金维持负毛利，价值主要被硬件供应链拿走。2023年，存储公司虽然掌握 HBM 这一关键环节，却几乎没赚到钱；如今 Dylan 认为，TSMC 拿走的价值反而少于存储公司。“价值捕获已经大幅换了位置。”
一个用于理解收入上限的直觉是：1 GW算力如果能够维持100万名白领，每人的年薪为10万美元，对应的经济价值就是1000亿美元——“这其实低得出奇”。完整 AGI 可能意味着“每1 GW创造数千亿美元”的价值。

6. 监管与部署约束可能封顶每兆瓦收入

Dylan 提到，OpenAI 表示将暂停训练模型2周；Anthropic 也没有发布其安全评估认为是 Model 2 的模型，外界普遍认为这就是下一版 Mythos。Dylan 更广泛的抱怨是：“世界上现存的最佳模型是在2月训练出来的。”
Dwarkesh 称 Mythos 已被削弱，无法提供给“我们”用于推理优化及其他用途。另一方面，Dylan 说 Astra 甚至没有在内部大规模部署。这里的区别很重要：访谈记录并没有证明 Mythos 在内部不可用。
Dylan 对2027年底收入的预测带有很强的条件性：每兆瓦5000万美元以上，混合口径可能达到7000万–8000万美元，“甚至更高”。Dwarkesh 则根据近期进展外推，追问如果到2027年底出现一次 GPT-4o 到 Mythos 2 级别的跃迁，收入会如何变化，同时指出 Mythos 和 Mythos 2 都尚未完整发布。
在不受约束的情景下，Dylan 的原话是：“在一个安全不重要的世界里……他们可以开始实现每兆瓦1亿美元甚至更高的收入，也可以支付5000万美元/兆瓦。其他人没有任何合乎逻辑的理由再拿算力做别的事，只能说：‘Dario，请把我的算力全部拿走。’”供给端限制也在拖慢扩张：纽约州禁止数据中心，得州实施暂停措施，俄亥俄州则提出要求数据中心为一定半径范围内的物业缴税。

7. 非共识判断：推理占比收缩——边际兆瓦用于打造 AGI

Dylan 明确逆市场共识判断：“实验室将把越来越少的算力用于推理……这是非常非共识的观点。”当每兆瓦可变现6000万–7000万美元时，实验室可以选择分红和回购，也可以用这些容量打造 AGI。Dylan 认为，对 Anthropic 和 OpenAI 及其董事会而言，显而易见的选择都是后者，因为后者更赚钱。
这一趋势已经开始：Anthropic 每月新增算力，但收入增量在1月激增后便趋于平台期。“它们获得的边际兆瓦中，投入研发的比例高于投入推理的比例。”
当前预算结构约为50%研究、10%开发、40%推理。Mythos 预训练使用不到200 MW，持续约2个月；RL 在任何单一地点或时点的用量更低，但按时间顺序累计的总算力可能更高。多地点协同、共址部署和发布限制，使单次训练规模受到约束，而其余算力则被研究任务消耗。自动化研究员和持续学习可能进一步把算力结构推向训练。

8. 出口管制迄今扩大了中美算力差距

自2022年以来，格局已经逆转：2022年美国新增算力约占全球的45%–50%，如今占新部署功率的约70%。中国目前占新部署数据中心 AI 功率的不到10%，依靠走私芯片、TSMC 原本以为并非供给 Huawei 的客户最终转给 Huawei 的芯片，以及 Samsung 出口的 HBM。
SMIC 和 CXMT 的晶圆厂将在2027–2028年开始上线，国产芯片年产量将达到数百万颗，单在2028年就新增约5–10 GW国产芯片。访谈中的预期是，这些芯片性能将弱于 NVIDIA 或 Google 在2028年的芯片，因此单看 GW 数量会高估中国的有效算力。
在 Jensen 访谈中为合作可能性做了最强论证后，Dwarkesh 改变了看法：“我之前没意识到算力状况已经像你说的这么糟……我认为这其实是一个值得注意的成功。”中国头部实验室合计最多只有100–200 MW，ByteDance Seed 是例外；相比之下，Anthropic 到年底将拥有超过5 GW。
Dylan 认为，2029年中国拥有50 GW算力“完全合理”。Dwarkesh 推测，如果其中大部分来自国产芯片，50 GW可能只相当于约20 GW美国水平的算力。MATCH Act、进一步的设备管制以及中国建设国产设备的能力仍然关键；Dylan 说，中国半导体补贴超过世界其他地区的总和。Dwarkesh 补充，如果 AI 起飞速度更慢，中国将有机会大幅追赶。

9. 11万亿美元资本开支、超过5万亿美元信贷，以及第二次 Volcker 冲击

Dylan 的模型显示，2024–2029年资本开支约为11万亿美元，其中约6万亿美元由现金支付，超过5万亿美元通过信贷融资。仅看关键 IT 支出会低估总额：按当前价格计算，100 GW每年就需要约5万亿美元；如果把预先建设的电厂、数据中心和下游产能算进去，总额可能达到7万亿–10万亿美元。电厂大致是30年期资产，数据中心则是15–20年期资产。
超大规模云厂商已经通过现金流、转向资本开支的回购资金和债务，为大部分建设提供融资。Google、Meta、Amazon，以及最终可能包括 Microsoft，都有能力举债；半导体公司、基础设施投资者和更广泛的信贷市场也会成为额外资金来源。回购可以成为融资来源，但并不是所有公司的回购计划都会停止。
利率传导机制是这样的：Meta 最近以5%–6%的利率融资，并且“愿意支付8%”；Anthropic 愿意为新增数十亿美元债务支付20%，因为这仍然比以500亿美元/GW的价格向 SpaceX 租容量便宜。利差上升250个基点会重估所有资产——银行的负债重定价速度快于资产，因而遭受损失；更高的贴现率则会击穿非 AI 股票估值：“我为什么要为 Johnson & Johnson 支付这么高的价格？”
Dwarkesh 讨论主权债务时，Dylan 调侃他在讲“你上个月才学会的东西”：企业所得税占联邦收入不到10%，而自动化可能压缩工资税和个人所得税。在 Dwarkesh 的假设中，利率上升1个百分点，5年后偿债支出占税收收入的比例会从20%升至25%；上升5个百分点则会超过40%，如果政府继续每年借款2万亿美元，最终将超过60%。他认为，只要对美国数据中心征税，美国仍可能安然无恙，但 Pakistan 和 Nigeria 可能严重暴露。
Basil Halperin 提出的“第二次 Volcker 冲击”类比，指向1980年代模式的重演：当年 Paul Volcker 将实际利率提高至约8%，约40个国家、主要是拉丁美洲国家发生违约。通过 Damon Binder 的投入产出研究延伸到奇点情景：如果 AI 让劳动力规模翻倍，经济最终可能每年翻倍，从而把2030年代利率推向“两位数”。
Dylan 对市场的补充判断是：如果你真的彻底相信 AI 叙事，“经济中的一切都应该按2倍或3倍盈利交易”。存储股未必还会再涨10倍；市值约1.5万亿美元的 Meta 被他说成“荒谬”，因为它的现金流和囤积的算力可能值更多。

10. 一切力量都把系统推向中心化——信任问题无解

Dylan 估计，前沿 FLOPs 每年增长4–5倍，而实现同一能力所需的算力每年下降3倍，这意味着有效 AI 人口每年增长约10倍。OpenAI 可能从今年的1000万名 AI 劳动力，增长到明年的1亿名、后年的10亿名；到本十年末，一个实验室拥有的等效劳动力超过地球人口并非不可能。
Dwarkesh 指出规模经济所在：训练成本可以摊薄到数十亿次会话中，而算力不足的领先者可以收取更高的稀缺性加价。Dylan 则补充，更广泛的部署会提供更多学习数据，最强模型还可以通过 RSI 帮助生产下一代最强模型。
Dylan 提到 Gavin Baker 与 Dario 的争论：如果相信 RSI，也相信实验室拥有更强的算力变现能力，那么中心化就会成为必然结果。AGI 的限制因素不是研究工程师能否“拧动齿轮”，而是“世界其他地方允许它做到什么程度”。
2030年暂停发布6个月的风险由 Dylan 而非 Dwarkesh 提出：在这6个月里，某个实验室可能在内部进行递归自我改进，而公众仍然落后数年。他同时表示，慢速起飞仍有可能——“至少，这是我的希望”——因为监管、融资和部署都存在约束。
Dylan 提议开展一项思想工程，寻找一个去中心化、让更广泛人群拥有能力的后 AGI 未来，同时认真对待规模经济。他说自己不信任“政府”、Dario 或 Sam。他关于用户拿走大部分价值的判断，明确被称为自己的“自我安慰”：Jane Street 可能捕获每兆瓦3亿–5亿美元的价值，而 Anthropic 捕获1亿美元/兆瓦；但如果内部 AI 研究的价值更高，Anthropic 就有动力把算力留在内部。最后的问题仍未解决：“有80,000个世界，只有其中1个世界里，Anthropic 不拥有整个世界。”

硅谷坐标 x FundaAI周默：美股科技公司Q2财报深度拆解：资本开支增速重新超过AI收入与马丁·卡萨多和史蒂文·辛诺夫斯基一起探讨计算机的演变