摘要

Ben认为，继算力和电力之后，AI基础设施扩张的硬约束就是钱本身。 他借用铁路类比，因为1873年的根本问题“是全世界没钱了”——一年前，超大规模云厂商还在用自由现金流支付，因此泡沫论被驳回；但“我们差不多在9个月里就把债务用光了”，去年下半年和今年上半年新增的债务“可能很快就接近1万亿美元”，而发行方的资产负债表正“越来越难看”。
NVIDIA与Apollo、BlackRock、Blackstone、Brookfield、Goldman Sachs和KKR新设的、规模超过5000亿美元的融资平台，意在把AI重新归类为需要长期资本的基础设施。 Jensen Huang的论点是“大家都把AI想错了”——GPU的使用寿命比想象中更长，CUDA还会持续提升其效用，因此这类资产适合养老金资金，后者传统上会投资收费公路。Ben拉远镜头看：之所以现在提出这套说法，“是因为所有短期资本都已经用完了”。
A100这个证据点——CoreWeave称这些6年前、已完全折旧的芯片如今签下的租约价格反而更高——并不能证明Jensen想证明的事情。 Ben的解释是，转向液冷后，GB200和即将推出的Vera Rubin无法装进旧式风冷数据中心，因此这些设施可能搁浅，A100反而可能继续存在，因为“没有替代品”。但一旦算力供给充足，“老算力会很快退役”。
今天的算力稀缺，源自2024年前的决策；而高度同向的信号，正是繁荣—萧条周期得以发生的原因。 所有人同时看到需求超过供给：“信号可能是5倍，但10家公司都去投资，最后建出的容量就是所需容量的2倍”——因此，当前的供需环境并不能代表2年、3年或30年后的情况。
Ben相信这套基础设施最终能赚回成本，但对实现这一点的时间确定性持悲观看法。 与铁路不同，AI可能具备数字产品式的可扩展性——“这些东西现在还不完全奏效……但已经相当好用了，而且进展快得不可思议”——但“判断正确还不够，关键在于时点”，风险在于投资转化为利润之前出现“资金真空”，让资金先一步耗尽。
微观层面看，LLM把NVIDIA股价送上月球，却同时削弱了CUDA的护城河。 开发者平台已经上移到远高于CUDA的抽象层——“如今没人写AI应用还在使用CUDA”；应用要么调用OpenAI或Anthropic API，要么运行在Trainium上的Bedrock，完全与芯片解耦——因此Ben认同Andrew Sharp的判断：这套融资平台部分是防守性举措，因为对成本更敏感的客户正转向Google的TPU。

精读

1. 真正的问题不是算力或电力，而是没钱之后会发生什么

本期是读者来信问答，开场是一封来自Andrew（不是DC那位）的邮件：NVIDIA新公布的融资平台由Apollo、BlackRock、Blackstone、Brookfield、Goldman Sachs和KKR参与，调动“超过5000亿美元的第三方资本”，这是否让人联想到将按揭重新证券化为CDO、最终为次贷危机埋下伏笔的做法。
Ben的宏观框架围绕他“不情愿地”转发的铁路类比展开（连Satya Nadella都引用过）：1873年的根本问题“是全世界没钱了”。一年前，当企业还在用自由现金流支付时，你不能把这叫作泡沫——“一旦开始借债，我们就得谈谈了。”随后，“我们差不多在9个月里就把债务用光了”，规模“可能很快就接近1万亿美元”；这些债务由优质企业筹集，但它们的资产负债表正“越来越难看”。
两位主持人顺势邀功：他们一周前在Madison就预测贷款会收紧。“我们干得漂亮。”

2. Jensen的论点：AI是长期基础设施，值得长期资本

尚未被动用的资金池是长久期资本，即养老金资金；养老金最经典的投资是收费公路。Ben还绕到所谓“医生计划”，即专为起步较晚的高收入者设计的追赶式养老金安排，以解释这套机制。养老金理论上很适合铁路：资金必须长期存在，但回款释放缓慢。
Huang的帖子说：“大家都把AI想错了”——这是一项长期投资：GPU的使用寿命比想象中更长，CUDA会持续提升其效用，数据中心外壳则是30年期资产。Ben拉远镜头看：“说到底，是因为所有短期资本都已经用完了。”
Ben认为这与Google的股权融资形成了“漂亮的对称性”：他此前将其比作Berkshire用高毛利See’s Candies的现金流收购BNSF——后者是毛利率更低、但能产生绝对金额高且可预测现金流的业务。

3. A100证据真实，但不具代表性

Ben认为这套编排绝非巧合：Huang先提出论点，随后CoreWeave在财报中重点宣传A100——这款上一代芯片已有6年历史，如今“签下的租约价格比以前更高”，且已经完全折旧，几乎就是纯利润。乍看之下，“确实是很有说服力的论据；只是有几个问题。”
第一个问题是，行业转向液冷后，GB200和即将推出的Vera Rubin无法装进旧式被动冷却数据中心（H系列可能采用风冷，也可能是风冷和液冷各半）。这些设施可能直接搁浅，A100反而可能继续留在原位，因为“没有替代品”——在算力稀缺的世界里这没问题，但“不能代表你今后对GPU应有的预期”。
第二个问题是，今天的供给来自2024年及更早的决策，而交付周期长达2年；当时市场还在“为资本开支抓狂”，企业唯一的错误只是没有投得更多。但当所有人都收到同一个信号时，结果就会变成：“信号可能是5倍，但10家公司都去投资，最后建出的容量就是所需容量的2倍。”如果GB200变得充裕，“老算力会很快退役”。

4. 牛市逻辑并非荒谬，但判断正确还不够

Ben指出，铁路和AI的区别在于：铁路收入端没有任何加速手段——地形恶劣、土地需要开发、列车数量有限；AI却可能具备数字产品式的可扩展性，尤其是AI自己编写程序，或者被“放进一家公司”，自行创建代理。“这些东西现在还不完全奏效，但……已经相当好用了，而且进展快得不可思议。”一位邮件读者因为Ben花了6个月才开始Vibe Coding而骂他是卢德分子，Ben承认这批评有一定道理。
不可回避的数学是：供给增加会压低价格；押注的是需求增速会更快。债务也不可能永远为这些投入提供融资——“总有一天你得真正赚到钱。”Ben的底线是：“我相信这些东西最终会赚回成本。问题是，它能不能及时赚回成本，避免出现一个我们把钱用光的资金真空？”Andrew将其翻译成：“一大批接盘者。”

5. 微观故事：LLM把平台层推到了CUDA之上，这笔交易部分是防守

Andrew的判断——Ben称之为“关于NVIDIA自身的问题”并表示认同——是，随着所有客户都开始在意成本、Google逐步上线TPU基础设施，NVIDIA希望推动客户继续基于NVIDIA的硬件和软件扩建基础设施。
Ben回顾称，ChatGPT出现前的GTC大会什么并行计算库都拿出来讲；他记得GTC 2024反常地无聊，因为LLM虽然把股价送上月球，“其实对NVIDIA不利”——开发者平台已经上移到远高于CUDA的抽象层。“如今没人写AI应用还在使用CUDA”；应用要么调用OpenAI或Anthropic API，要么运行在Trainium上的Bedrock，搭配中国开源模型，完全与芯片解耦。NVIDIA的护城河“已经大幅削弱”。
Ben坚持要加上的前提是：NVIDIA在构建CUDA时差点把公司做垮，当时没人理解它为什么要做这件事；NVIDIA股价最近一次触底还在2022年10月——就在ChatGPT发布前3周，Ben写下《NVIDIA在硅谷》（NVIDIA in the Valley）之时。“他们凭借25年来承担巨大风险赚到的每一美元，都是应得的。”

深入了解 AppLovin 的 $100B 广告引擎 47. 7月之后，拷打最后一个AI多头！- 唐奕波｜奔波儿r