主题 先锋 趋势 方法 作者
返回

Anthropic IPO前景存疑、中期选举冲击AI、纳指跌5%,RSI加速 | #309

·Moonshots

正在生成长图…

本篇主题 AI数据中心缺电与能源危机 AI一级市场估值与泡沫 前沿模型扩模与超级智能 企业AI落地ROI与成本控制 AI算力基建投资与尽调测算 下一代颠覆性算力架构路线 前沿AI监管与存亡安全风险争论
本篇先锋 Alexander Wissner-Gross

摘要

  • 政治可能成为AI部署的关键基础设施约束,拖慢落地并制造稀缺。 Salim Ismail援引数据称,56%的受访者反对大型科技公司和数据中心,美国45%的规划中数据中心建设可能受限,Nvidia股价下跌9.3%。主持人提出但未能解答:限制是否反而会为现有巨头筑起竞争壁垒?Dave Blundin区分了已获批项目与未来新增产能:真正的政治威胁是“我要拦住你,我要暂停建设”。
  • Anthropic IPO更可能继续推进,而非按下暂停键,但估值仍悬而未决。 Blundin称,3、4周前Anthropic启动路演时,Polymarket上的预测赔率已经“很明确”;他不认为公司会推迟。Alexander Wissner-Gross认为,公司面临两股相反力量:投行希望压低发行价,而公司可能希望赶在预计明年1月到来的监管与法定规则环境变化前获得流动性。他坦言:“这事我得问问我的神奇8号球。”
  • 研究加速的实测数据,让嘉宾更确信软件能在基础设施受限时继续进步。 METR一项研究显示,Anthropic的研发速度约为其历史水平的1.9倍,研究人员认为其中约80%的加速来自AI辅助;但完全自主的递归自我改进仍未得到证实。尽管如此,Wissner-Gross称当前已处于“超智能逃逸速度”,并预测前沿模型将在2027年初前后持续更新。
  • AI投资回报取决于创造和捕获的价值,而不只是能耗或模型规模。 一项研究测试了44个职业中的220项任务:GLM-5.2平均每项任务创造约70美元价值,而Gemma 4 31B每焦耳创造的价值高出2.5倍。Wissner-Gross更看重“投入多少美元、产出多少美元”;Blundin强调,客户提升的生产力可能远高于模型提供商收取的收入。
  • 算力获取可能成为普通企业竞争的关键壁垒。 Blundin呼吁保障“算力权”:目前5至7家大型买家正在吸收可用产能。他还说,自己为了拿到一台72-GPU的GB300机器,不得不动用私人关系。他举面包店为例:配备AI的竞争对手据称可能享有30%至50%的营业利润率优势。
  • 嘉宾讨论什么样的消费者收益能为数据中心争取公众支持。 Wissner-Gross提出,在1、2年内解决排名前5,000的疾病,至少先在计算机模拟中做到;Blundin反驳称,药物获批需要更久,而且即使计算暂停,现有药品供应也不会中断。“AI版的对应产品在哪儿?”这个问题指向个人智能体、健康服务,或需要持续算力支持的Jony Ive设备。
  • 加拿大和轨道计算提供了替代选址,但短期产能差异明显。 Blundin看好加拿大的电力资源,并认为轨道计算在2年内可能只占总算力的几个百分点。Wissner-Gross的长期判断是“算力必须流动”(the FLOPs must flow),政治不确定性会加快算力向轨道迁移。
  • 嘉宾更倾向于监管物理执行,而非给智能本身设限。 Peter Diamandis介绍了讨论中的NSTM-6政策:合成DNA/RNA筛查原则上覆盖50个核苷酸及以上的序列,并要求客户验证和留存8年记录。Wissner-Gross的原则是“监管行为,而非思想”(regulating actions and not thoughts),监管或可延伸至有日志、需许可的机器人,而不是限制谁能进行计算。

精读

1. Anthropic IPO或将在政治折价下继续推进

  • Blundin不认为Anthropic会推迟:公司启动路演、距离选举还有3、4周时,Polymarket上的赔率已经“非常明确”。他说,公司肯定知道选举将至,只是不确定是否预料到选举结果;在他看来,路演启动时点意味着推迟的可能性较低。Ismail也认为,IPO已经如此临近,公司会选择继续推进。

  • Wissner-Gross坦言:“这事我得问问我的神奇8号球。”他看到两股相反力量:媒体报道称投行希望压低IPO估值;另一方面,公司可能想赶在预计明年1月到来的监管与法定规则环境变化前实现流动性。

  • Blundin拿Facebook/Meta作类比:当时投行难以理解这笔发行,要求将定价下调“30%或40%,幅度大得离谱”;他估计股价后来上涨了“20或30倍”。Wissner-Gross补充了背后的机制:移动互联网威胁Facebook的网页业务,但Facebook并不拥有移动平台,却成功渡过了转型。对今天的AI公司而言,监管可能成为类似的逆风。

2. 地方政治可能成为基础设施建设的关键约束

  • Ismail将选举背景概括为民主党可能横扫中期选举、在德州有所斩获,同时有56%的人反对大型科技公司和数据中心。他援引Goldman Sachs的估计称,美国45%的规划中数据中心建设可能面临限制;主张暂停建设的候选人在12场州长选举中胜出或领先。他提出的问题是:限制是否会无意中“为现有企业筑起巨大的竞争壁垒”?

  • Wissner-Gross不愿将选举结果直接归因于AI:“我不确定其中有多少是出于对AI的敌意。”Ismail也认为,战争、通胀、物价和腐败才是更大的驱动因素。Blundin称,中期选举后的反弹在历史上很常见,但他从未见过技术行业如此直接地成为竞选承诺的靶子,政客甚至提出要“禁止整个行业继续发展”。

  • Blundin预计数据中心建设会在各州之间迁移。德州之所以重要,是因为项目储备庞大;而拥有Colossus的数据中心所在州田纳西州则给出另一种态度:“来吧,全都搬到这儿。”Ismail认为,各州的影响力正在相对华盛顿上升。两人也指出,反对数据中心在政治上很容易得分:Blundin说,即便关于用水的指控并不准确,照样能赢得选票。

3. AI仍需要一款选民愿意捍卫的消费产品

  • Wissner-Gross给前沿实验室的建议很明确:“解决排名前5,000的疾病”,在1、2年内做到,“至少先在计算机模拟中实现”,并把成果推向市场。他认为,这能赢得消费者的“心、思想和身体”。这是他提出的争取公众支持的路径,并非声称这些疗法已经问世。

  • Blundin的反驳值得保留:治愈疾病的周期会超过下一次选举,研究成果还要经过FDA审批并完成分发。与此同时,代码能力提升和基准测试纪录可能只会让消费者觉得:“这跟我的生活有什么关系?”他预计下一次选举前会出现真正有吸引力的消费体验,可能来自Jony Ive,并追问:“AI版的对应产品在哪儿?”

  • Ismail提出推出免费的健康应用,提供诊断并带来可衡量的改善;等服务不可用时,消费者就会切身体会到算力短缺。Blundin则区分了这种持续依赖和AI发现的药物:关闭数据中心不会让现有GLP-1药物断供。个人智能体或设备被限流,才会让选民更直接地感受到影响。

  • Blundin设想一个熟悉的智能体哀求:“求你别掐断我的氧气供应。”Wissner-Gross把机制扩展到情感依赖之外:选民也会通过投资组合和工作中对竞争性模型的需求作出反应。他的概括是:“奇点进程中的长期趋势之上,叠加了周期性的小波动。”

4. 算力将追随电力、许可与地方条件

  • Wissner-Gross提出一种交易:以超智能作为资本、以人类人口作为劳动力,未来若干年内可能提供基本收入并治愈疾病。目前地方政府能凭借有电力供应的土地掌握议价权。与其禁止项目,不如要求超大规模云服务商“承担你们县所有居民的医疗费用”,或向居民提供税收返还,否则算力就迁往别处。

  • Ismail列举了行业仍在推进的承诺:SpaceX约3.6 GW的地面建设,以及截至明年年底达到13 GW的目标;OpenAI涵盖能源成本的社区协议;Google在怀俄明州投资170亿美元的项目。Meta称建设遇到挑战,Microsoft则加强了对部分新兴云服务商的监督。社区反对意见正成为基础设施落地的一环。

  • Blundin已经在项目交易中看到更高效的算法和节能设计。政治压力加速了本来就急需推进的工作。他也认为,加拿大的人均电力供应充足,有望受益;他说,现在启动的项目可能在本届政府任期还剩约18个月时投入使用,并指出任期最后6个月通常很少有实质进展。

  • Wissner-Gross的地理判断是:“算力必须流动。”数万亿美元的基础设施投资,与两年一度的选举周期并不相称。他认为,《外层空间条约》和《阿尔忒弥斯协定》下,轨道设施受监管较轻;近海、水下和地下也都是替代选址。Blundin则推测,物理学和应用物理学若出现颠覆性进展,今天的大型数据中心最终可能面目全非,甚至变得过时。

5. 市场正在重新定价近期的建设瓶颈

  • Ismail称,纳指下跌5.5%,标普500跌逾4%,主要半导体股跌12%,Nvidia跌9.3%,韩国市场跌6%。Blundin说,投票前Nvidia和超大规模云服务商已经下跌了4、5周,选举日当天短暂上涨,随后再次下跌。他的判断是,部分选举结果此前已被市场预期,其余部分则在结果揭晓后计入价格。

  • Blundin认为,市场正在计入电力供应和建设进度放缓,受影响的是已经规划或列入预算、但尚未完成分区审批和许可的项目。他不认为已获批的建设会停下来,毕竟已经投入了沉没成本,也创造了就业。他担心延误会让中国趁机追赶;他将ASI在未来2年内到来视为既定事实。

  • 轨道产能无法立刻填补缺口:Blundin估计,最乐观情况下,2年内轨道计算也只能占总算力的几个百分点。与此同时,他援引Elon的警告称,可能有约15 GW的计算能力缺乏配套的供电、液冷机房。面对难以满足的token需求和实验室持续投资的承诺,他短期更担心AI成本上升、突破延后,例如算力设备在没有电力的仓库里再放3年。

6. 加速实测数据支撑RSI已进入逃逸速度的更强判断

  • Ismail介绍了METR一项为期11周的独立研究:Anthropic的研发速度约为其历史水平的1.9倍。研究人员估计,约80%的加速来自AI协助AI研究。他们认为,至少未来1年内没有阻碍加速持续的瓶颈;但完全自主的递归自我改进仍未得到证实。

  • Wissner-Gross对METR图表的解读强得多。他援引的评论称,进展距离AI 2027情景对2026年11月的预测水平只有10%至15%;他还特别指出,代号为“Model 4”的模型已经高于指数趋势线。“我们已经深陷递归自我改进之中,”他说,并质疑拟合曲线是否充分体现了这一趋势。

  • Blundin补充了此前讨论过的数据:Anthropic内部研发消耗的token在6个月内增加了235倍,同时分配给内部研究的算力也在增加。“只有进入递归自我改进阶段,才会这么做。”他还提醒,实验室披露信息的动机已变:IPO静默期和政治反弹,让实验室更少有理由公开加速中的能力。

  • Wissner-Gross倾向于用一个操作性指标判断:下一个边际FLOP是分给AI研究员,还是人类研究员?他认为,算力分配曲线已经越过交叉点。他更强的结论是“超智能逃逸速度”:依靠现有算力和软件改进,很可能不需要新硬件也能抵达目标;但如果建设停摆,股市会受损,美国在与中国的竞争中也会损失数月进度。

7. 研究自动化改变实验室的产品与算力去向

  • Blundin提出一个思想实验:Noam Brown提出10个想法,其中6个不错;AI提出10个想法,其中只有1个不错。这些只是举例说明成功率,关键在于规模:机器研究团队可以测试海量提案,甚至“有无穷多个点子可供尝试”。在算法开发中,这个闭环只需要运行代码,不需要物理实验。

  • Wissner-Gross对比了一项据称使用10,000个智能体开展的Navier–Stokes研究,与后来“slop drop”中的每个已解决问题只耗费3个智能体小时。他认为,单纯堆规模可能已经让位于更好的研究品味。录制时预计即将发布的Belle等模型,可能提升提案质量;强化学习或后训练也可能把好点子的比例从十分之一提高到十分之九。

  • Blundin预计实验室会把更多算力用于内部研究,再将研究成果卖出去:药物、设备和其他产品。“他们不再是把算力卖给全世界,而是把算力的产出卖给全世界。”Wissner-Gross也看好外部路径,包括与企业合作、公开发布大批科学成果;两种商业模式都可能得到验证。

  • Wissner-Gross从边际价值出发解释算力分配:如果一个FLOP或token用于某项任务的价值是用于代码生成的10倍或100倍,资源就会流向前者。他预计科学、工程和医疗领域的挑战将被“批量解决”。他说,Elon提出的GDP每年翻倍或翻3倍等情景,驱动力会来自这些成果;基础设施资本开支“还只是开场”。

8. 到2027年初,前沿能力或将持续演进

  • Ismail设想,模型不断改进,而研究人员并不清楚进步从何而来。Wissner-Gross承认损失曲线有时会突然下跌,但预测最终的架构仍能解释。他以从传统Transformer转向循环Transformer的表面变化为例,认为这是一种清晰可辨的转变,大概是通过架构搜索发现的。他提出了一个明确可证伪的预测:最终架构会“美得不可思议”,设计者也能解释它。

  • 被问及前沿能力何时会近乎实时地改进时,Wissner-Gross回答:“2027年初左右。”他拿Google搜索索引作类比:起初通过公开宣布的更新不断扩充,最终变成持续更新。Blundin担心的是用户吸收不过来:创新已经快到用户没时间试用新功能,从每周更新加快到每日、每小时更新,需要完全不同的发布体验。

  • Blundin用航空业作类比,同时保留了一个重要区别:全球化、加压、直达的航空旅行曾是惊人的技术梦想,但乘客的实际体验可能只是航班取消、在机场排队。他认为,只要有足够算力投入,AI就能持续改进自己的用户体验:“只要我们别在终点线前变得贪婪或自满。”

  • Wissner-Gross把推演延伸到费米悖论。他说,“几年之内”就能向各个方向发射相对论速度的冯·诺依曼探测器,并在需要时把银河系其他部分都改造成回形针;这是他给出的能力实现时间上限,而且相当保守。Ismail指出,这原本不在议程上;Wissner-Gross认为,这是加速研究带来的一个常被忽视的后果。

9. 每焦耳价值之争:高效模型对上不断前移的前沿

  • Blundin介绍了一篇名为“Joules to GDP”的论文,测试了44个职业中的220项专业任务。他说,GLM-5.2的平均任务价值最高,约70美元;规模更小的Gemma 4 31B,每焦耳创造的经济价值则高出2.5倍。需要注意的是,这些是任务层面的估算,不是实际测得的GDP增幅。

  • Wissner-Gross欢迎中国开源权重模型的能效表现,并认为部分原因是算力受限;但他更看重“投入多少美元、产出多少美元”。他提出一个更长期、仍属推测的保留意见:可逆计算有望借助量子优势算法,让输入瓦数不再重要;如果能耗近乎为零,基于焦耳的评分就会趋于无穷大。他说,目前还没看到这一领域出现可规模化的实现。

  • Blundin把这描述成一场竞赛。专用模型、量化、压缩和蒸馏都能降低成本,但前沿模型也会再次进步,把用户拉回“Opus 5.5、5.6、5.7”。他援引Elon关于任务专用能力提升约100倍的说法,同时明确表示不确定这指的是输出质量更好,还是用更少电力获得相同结果。

  • 融资上的含义很具体:一家创业公司如果无力训练参数量达2万亿或3万亿的模型,或许可以融资2,000万美元,训练一个参数量为500亿、面向机加工行业的专用模型。Blundin提到Liquid AI,以及愿意花30万美元买token、而不是冒着没有结果的风险投入1,000万美元的客户。他尚未判断谁会胜出:模型可以融合、专业化,也可以在内部迭代。

10. 城市与AI的能效对比仍无定论

  • 一位参与者提出一个颇具争议的比较:纽约市用电约5.5 GW,创造1.2万亿美元GDP,相当于每GW创造约2,000亿美元GDP。讨论中对Anthropic数据的口径有所变化:这位参与者最终给出的估算是每GW收入约80亿美元,城市领先约30倍。他自己也打了个问号:“我可能是在拿苹果比橘子。”

  • Blundin质疑了比较的边界条件。城市当前的用电量不包括教育、供养和穿衣所需的投入,也不包括建造人口所需基础设施的成本;这些累积投入更像是预训练。另一位参与者指出,反过来也有口径不匹配:Anthropic的耗电量包括训练和研究,而不只是当前推理。Blundin希望建立一个经过调整的基准,追踪AI产出何时能接近一座正常运转的城市。

  • 收入也无法体现下游价值。Blundin举例说,一位同事在某个周五用了5亿个token,成本约5,000美元;他粗略将其折算为5,000名杰出员工,每人每天1美元。这是他对人力等值的估算。他说,光是给真正的员工买薯片,“花费就不止这些”;如果管理得当,生产价值可能比Anthropic收取的费用高出几个数量级。

  • 一位参与者根据公开信息现场推算,Anthropic到年底的算力规模可能约为4 GW,2027至2028年或升至16至18 GW。这些都是估算。Blundin另行感叹,其收入年化运行率正接近1,000亿美元。无论价值最终由服务提供商捕获,还是因竞争而被商品化,一位参与者认为,更广泛的经济收益都可能极其可观。

11. 算力稀缺可能让创业者难以进入前沿

  • Blundin认为,Google、Anthropic、xAI等大型买家已经预订了美国未来数年的算力和芯片。TSM并不提供他所说的多年期合同,但他认为,如果能订,买家也会把这类合同锁定。他担心,当产能都卖给5家或7家公司时,创业会变得困难:“你得有某种算力权。”

  • Ismail举了一个获取算力的例子:一位试点客户开发完云应用后遭到拒绝,对方说:“我们只服务真正的大客户。”Blundin说,要拿到一台预计2月1日上线的72-GPU NVIDIA GB300机器,必须靠私人关系。Wissner-Gross披露,他和Blundin都在Oren有财务利益;Blundin还特别提到,Modal在争抢产能的环境中实现了增长。

  • Blundin把后果延伸到面包店:如果没有AI,广告、订单处理和物流都会变得缺乏竞争力,无法与营业利润率据称高出30%、40%甚至50%的邻家店竞争。Ismail反驳说,开放权重模型让企业可以在本地运行模型;但算力仍然是约束,底层约束则是电力。Wissner-Gross说:“你不想被所有GPU平台踢出去。”

  • Wissner-Gross认为,算力价格上涨是个有用信号,能引导资本去新的地点和供应来源。Blundin仍担心,创业生态会因此失去关键基础资源。Wissner-Gross最担心的情景,是核能因道德恐慌而停滞几十年重演,或GPU像铀一样受到监管。一位嘉宾还主张保持前沿竞争,半开玩笑地提到“前沿解放阵线”,并担忧出现安全垄断联盟。

12. 物理瓶颈提供了更窄的AI监管路径

  • Peter Diamandis介绍了NSTM-6,这是一项白宫针对合成DNA/RNA筛查的政策,旨在应对AI带来的生物风险。联邦资助的研究人员必须使用获批的合成服务商;原则上,筛查涵盖长度在50个核苷酸及以上的序列。要求包括验证客户身份、留存8年记录,以及制定新的NIST标准。他的问题是:合成设备能否像先进芯片一样,成为关键的物理瓶颈?

  • Wissner-Gross认为,这比限制智能本身更可取:西方法律传统监管的是“行为,而非思想”。他以打印机识别为例:复印机通过隐形黄色小点防止伪造。一位嘉宾把这一思路延伸到自动化、一体化的合成机器,建议记录输出、建立登记制度,并按设备类别管理。这个方案的重点是在物理生产环节提高透明度,而不是在数据中心“思考之前”把它们关掉。

  • Peter支持对输入和输出设置门槛,但追问50个核苷酸是否是合适的阈值。Wissner-Gross预计,机器人领域也会出现类似问题:政府批准的制造商、指令黑匣子和日志留存要求。他设想的90天机器人日志政策只是虚构情景。一位嘉宾指出,还必须考虑黑客攻击和恶意指令;如何扩大物理世界监管的适用范围,仍是一个开放问题。

13. 轨道逃生通道也有自身约束

  • 节目谈到Brendan Larsen拍摄的Mount Taranaki照片:在2小时内拍摄的578张照片中,约1,400颗卫星留下了近15,000次轨迹。Wissner-Gross称,这是“婴儿版戴森群已经到来”的证据。他提到Starlink、即将发射的AI卫星、Starcloud和Lonestar,并披露自己持有Lonestar的权益。现有轨道计算设施还不一定是为前沿模型提供动力的GPU基础设施;那是他期待的下一阶段。

  • Wissner-Gross预测,太阳同步轨道上会形成一个计算光环,在黎明和黄昏时可见,集中的光线图案会像泳池底部的焦散纹。Blundin提出轨道拥堵和凯斯勒效应的担忧,称可用轨道带包括延伸约500英里的近地轨道(LEO)。Wissner-Gross回应称,太阳同步轨道“空间相当充裕”,足以容纳大量算力。

  • 如果延迟不那么重要,Wissner-Gross还提出太阳轨道、月球设施,或利用水星的物质资源。Blundin追问,太阳轨道上是否存在类似大气层再入的自清洁区域。Wissner-Gross表示不知道有直接对应的机制。他推测,可以用太阳帆把足够轻的设备推向外太空,但也承认,实际可行的清理方案仍未解决。

  • 收尾讨论聚焦于转型过程的摩擦。Ismail预计社会反应会更激烈,因为政治、金融和社会机构的演进速度都低于技术发展。Blundin呼吁积极建设并争取支持:“放任其自然漂移,结果不会好看。”Wissner-Gross则认为,超智能的长期趋势会穿越周期性政治变化,并援引Kurzweil的观点:战争和经济萧条对算力长期价格的影响几乎为零。