智能即基础设施：AI如何重构经济

摘要

• Leon 的宏观排序是：从长期看，AI 是“高度通缩的力量”——仅医疗保健就约占GDP的18%，正适合被LLM颠覆；但短期首先是黏性通胀：芯片、内存和基础设施投入成本正在飙升，上月软件工程师招聘增加18%，因为传统经济正在扩招人员来落地LLM。 加上机器人，几年后劳动力市场可能会大不相同——“我一点都不羡慕”美联储。
• Alex 的采用率测算是核心看多逻辑：10亿名白领中，以这种先进智能体方式使用AI的比例仅约10个基点；Claude Code刚达到1400万日活用户，正向5亿迈进，而这些重度用户消耗的算力是普通用户的1000倍。 这不是S曲线式采用，而是“L曲线，直线上冲”；从算力角度看，“事情甚至还没开始，我们就已经具备所需算力的一半”。
• Alex 对基础模型经济学的判断结束了资本开支回报率之争：Anthropic 的收入已从1亿美元增至10亿美元、90亿美元，再到450亿美元年化收入规模；Anthropic与Open AI到年底可能达到2000亿美元收入，而且由于两家公司提前锁定算力，增量利润率极高。 这意味着估值可能只有约18倍市盈率。
• Leon 最激进的行业判断是：WFE支出将在3-4年内从约1200亿至1300亿美元升至3000亿美元；随着行业从1个投入不足的买方Taiwan Semi转向多个买方Intel、Samsung、Hynix、Micron、SanDisk，客户利润率达到70%-80%，长期供货协议降低周期性。 “估计值低了50%-70%……我不知道接下来10%是什么，但我猜接下来的50到100会向上。”
• Alex 所说的“硬件黄金时代”意味着：持续40年的商品化2000美元x86服务器时代，正让位于每年都必须重造的30万美元机架；网络速率从400G跃升至800G、1.6T、3.2T，带来出货量+50%、ASP+20%-100%、毛利率+300-500个基点，以及未来4年盈利增长100%。 效率提升不会终结这条交易主线：token数量每年增长约14倍，而芯片性能提升100%-200%。
• 选股方面，Alex 持有TTMI（复杂PCB将从10层增至120层，刚拿下Nvidia订单，40%业务来自防务，包括Iron Dome）和Google（AI领域已经胜出，股价轻松还能涨50%，看不到太多下行空间）。 [Speaker?] 看好Lam Research（受益于内存繁荣，550亿美元收入潜力，是2027年年中至2028年的逻辑）以及供给偏紧的模拟芯片，可能包括Infineon、Texas Instruments和Renesas。
• 软件方面，两人都谨慎，但按垂直领域分化：横向应用层“问题很大”，而Datadog等数据和基础设施标的受益——Anthropic正在使用其工具。 Alex认为下跌“基本合理”：AI如今已排在CIO议程首位，token支出正在吞噬软件预算。

精读

1. 先有黏性通胀，后是深度通缩——而美联储没有好工具

• Leon 的框架是先解释通胀从何而来：从长期看，AI 是“高度通缩的力量”——“我们将用更低的成本得到更多东西”。他举的例子是医疗保健：相关支出约占GDP的18%、个人收入的10%，正是LLM可以颠覆的领域。但这里存在时间滞后：短期内，CPU、内存和基础设施价格作为投入成本“正在飙升”。
• 反直觉的劳动力数据是：软件工程师——看起来最可能被AI取代的岗位——上月招聘量反而增加了18%。Leon认为，这不是科技行业在招人，科技公司正在裁员；真正扩招的是传统经济部门，它们需要工程师和产品开发人员来落地LLM。随着提示词工程不断成熟，“对这些人的需求可能没那么大”；再叠加机器人，未来几年美联储将面对一个“我一点都不羡慕”的劳动力市场。

2. AI采用率只有10个基点——这是L曲线，不是S曲线

• Alex 的阶段判断是，迄今为止的一切都还只是“AI 1.0——一台打了类固醇的搜索引擎”。企业级AI则是把 Claude Code 之类工具接入所有数据源，再叠加技能和智能体；10亿名白领中，或许只有约10个基点采用这种方式。Whale Rock 自己也在“考虑招聘Claude忍者”。
• 算力含义非常直接：Claude Code目前只有1400万日活用户，目标是5亿；真正的重度用户消耗的算力和token是其他人的1000倍。“我们总在谈S曲线式采用，但这是L曲线，直线上冲”——而且“在事情真正开始之前，我们现在就只有所需算力的一半”。

3. 基础模型经济学终结资本开支回报率之争

• Alex 用亲身经历作了比较：他在Fidelity买的第1只股票是1998年的Amazon，当时互联网用户有1亿、电商用户有200万；“这一次发展得更快”。Anthropic的收入已从1亿美元增至10亿美元、90亿美元，再到450亿美元年化收入规模，甚至可能达到1000亿美元。在AI产业链——芯片、云、基础模型和应用——中，真正捕获价值的有2个层：基础模型和芯片；Whale Rock持有Google、Open AI和Anthropic。
• Alex认为，Anthropic和Open AI到年底前后可能达到“2000亿美元收入”。由于两家公司提前多年锁定算力，同时token价格还在上涨，增量利润率将非常高——“这看起来可能只有18倍市盈率”。如此一来，资本开支回报率的争论基本就结束了。

4. 半导体设备：从1个买方到多个买方，WFE冲向3000亿美元

• Leon 的前提是，需求已经从GPU扩散到内存、CPU和网络设备，形成“巨大的供给约束”。经历了10年的繁荣—衰退周期后，行业变得更加克制；但此前基本只有1个大买方，即Taiwan Semi。按盈利能力与资本开支的比值看，Taiwan Semi的投入明显不足；考虑到Intel和Samsung在代工上的斩获，它或许判断失误。
• 如今买方变多：Hynix、Micron、SanDisk都在加大投入——“上一次我们谈NAND周期是什么时候？肯定是10年前了”。因此，WFE规模将在未来3-4年从约1200亿至1300亿美元升至“3000亿美元”。客户利润率达到70%-80%，高于半导体设备行业约50%的水平；长期供货协议带来多年可见度，也降低周期性。“估计值低了50%-70%。”Leon同时保留了不确定性：“有些东西已经在限速60英里的区域开到了时速100英里，所以肯定会出事故……我不知道接下来10%是什么，但我猜接下来的50到100会向上。”

5. 硬件黄金时代——为什么效率提升仍填不上算力缺口

• Alex 回顾称，过去40年，硬件就是商品化的2000美元x86服务器；算力需求增长30%，摩尔定律刚好跟上。随后AI成为Elon所说的“超音速海啸”，每年增长10倍，迫使30万美元机架的每一层都持续创新：PCB只有2-3家公司做得出来，网络速率则每年从400G跃升至800G、1.6T和3.2T。结果是：出货量+50%、ASP+20%-100%、毛利率+300-500个基点、未来4年盈利增长100%。“估值倍数还没跟上，涨的全是盈利。”
• 主持人提出效率提升会不会压低硬件需求，Alex的答案是：token数量每年增长约14倍，而芯片性能只提升100%-200%；因此，即使效率提升2-3倍，也“跟不上”token需求。

6. 软件分化，选股集中在TTMI、Google、Lam和紧俏模拟芯片

• 两人都反对把“软件”视为一笔交易。Leon认为，横向应用层“问题很大”，但数据驱动型和基础设施软件会胜出；Datadog是“一个独特资产，处在真正受益的核心位置”。Alex的判断更尖锐：旧代码就像“马车”，新方式则是《Star Trek》里的“传送器”；AI如今排在CIO议程首位，token支出正在吞噬软件预算，而软件公司的自有AI产品截至目前“算不上成功”。不过，Anthropic正在使用Datadog的工具，这本身就是“很好的信号”。
• Alex的选择包括TTMI：PCB层数从10层增加到20、30、40，甚至120层；刚拿下Nvidia，40%业务来自防务，包括Iron Dome。另一个选择是Google——“AI领域已经胜出”，也是唯一拥有基础模型的上市公司，TPU如今正在为Anthropic提供算力；股价“轻松还能涨50%，看不到太多下行空间”。[Speaker?]看好Lam Research：内存周期驱动，属于2027年年中至2028年的逻辑，收入潜力达550亿美元，而市场一致预期低了50%-70%；此外还有定价表现可能像内存一样强势的模拟芯片，包括此前在会议上推介过的Infineon、Texas Instruments，以及可能的Renesas。最后，[Speaker?]还给母亲买了SMH——“听完Leon的观点，她会继续持有”。

核验说明

• 原始字幕没有直接确认那位为母亲买入SMH的发言者，因此保留“[Speaker?]”。