摘要

Dwarkesh的核心判断是：如果 Anthropic 的收入继续按年增长10倍（去年年底为90亿美元，预计今年达到1000亿至1500亿美元；若趋势延续，明年年底将达到1万亿美元），而实验室算力仅增长3倍，那么这部分盈余必然要在某处体现，而他认为剩下的出口就是算力价格上涨，实验室以下的整个产业链都将捕获这部分收益。
3个出路基本都已出现：Anthropic的推理利润率据报从去年年中40%升至 Fable 的80%以上，GPU现货价格较2月低点高出40%以上，而 OpenAI 用于推理的算力占比按Epoch口径在2024年为四分之一，如今可能更接近约50%，甚至更高。
一个运行在 H100 等效算力上、达到人类水平的软件工程师，在不计夜间和周末的情况下，年租用成本应超过25万美元——超过当前现货价格的15倍；他对“工程师越多、工资越低”这一异议提出质疑，援引劳动总量谬误；如果标准经济学成立，他说，“算力的边际价值应该始终高得惊人”。
前沿档位的算力已经在高价交易：Google每月向SpaceX支付9亿美元，租用110,000块GB200/GB300 GPU，价格为现货价的2倍；而现货价本身也较2月高出40%以上。
供给无法回应这一需求：3倍增长可拆解为摩尔定律贡献的1.4倍、新建晶圆厂贡献的1.2倍（受ASML EUV光刻机制约，瓶颈将持续至2030年甚至更久），以及晶圆再分配贡献的1.8倍；随着AI在TSMC先进制程N3中的占比从60%升至86%，后者大概率在明年年底撞上上限。
二阶影响包括：高效的前沿模型可能收取大得多的溢价（阿尔钦—艾伦效应）；AI研究对token的需求可能把许多当下流行的AI应用挤出价格区间；而能更有效实现算力变现的实验室，可能让挑战者难以出更高的价——但需要说明的是，奇点之后，机器人制造的芯片会再次让算力变得便宜。

精读

1. 迫使整套论点成立的算术

Anthropic的收入已连续3年每年增长10倍：去年年底达到90亿美元；今年很可能达到1000亿至1500亿美元；如果趋势延续，明年年底将达到1万亿美元。他本人也主动提示了这一判断的风险：“没有什么深层理由说明这一定为真……归根结底，这是AI能力的问题。”
与之相比，实验室算力同比仅增长3倍，因此要么利润率上升，要么算力价格上升，要么推理占比上升。Dwarkesh说：“这3件事基本都已经在发生”：Anthropic的推理利润率据报从去年年中的40%升至 Fable 的80%以上；GPU现货价自2月以来高出40%以上；按Epoch的数据，OpenAI用于推理的算力占比在2024年为四分之一，如今可能更接近约50%，甚至更高。

2. 实验室不想走推理密集型路径——90%以上的利润率仍不确定

如果把大部分算力都花在推理上，就等于“宣布AI进步已经停滞，而你现在只是在做一家云服务商”。实验室相信，1年内的新模型就会让当前模型“烂得离谱”，因此训练仍必须占据算力的大头。
他觉得，智能业务的利润率在没有被竞争压平的情况下超过90%“非常离谱”，这只留下了一条出路：算力价格上涨，实验室下游产业链上的所有人都拿走这部分盈余。

3. 更聪明的模型让同一块GPU价值提升15倍

这个例子是整套论证的支点：一个真正达到人类水平、运行在H100等效算力上的软件工程师，年租用价格应超过25万美元，且还没算夜间和周末——超过现货价格的15倍。一个现实案例是，Google每月向SpaceX支付9亿美元，以现货价2倍的价格租用110,000块GB200/GB300 GPU，反映出前沿实验室对规模、效率、灵活性和模型权重安全的需求。
针对“工程师供给增加会压低工资”这一质疑，他的框架是：如果把同样的逻辑套到人身上，这就是经典的“劳动总量谬误”；经济学家普遍认为，高技能移民长期并不会压低工资。但他也保留了条件：“也许这次劳动力供给冲击会大到、快到让我们再也不能依赖这条一般经验。”

4. 昂贵的算力奖励效率，也会把低质应用挤出市场

这体现了Alchian-Allen效应：当H100算力价格为每小时20美元时，使用更弱、更低效的模型会“蠢到极点”；如果一个模型用更少算力取得同样结果，它在某种意义上就创造了更多算力，因此高效的前沿模型可能收取大得多的溢价。
结果是，许多当前流行的AI应用可能被挤出价格区间。Google、Anthropic和OpenAI为“自动化AI研究”购买token的意愿，会高于你我为让更多AI垃圾内容开口说话所愿支付的价格。

5. 供给为何无法回应：3倍增长脆弱且不可扩张

他先回应 Simon–Ehrlich 类比：Ehrlich的马尔萨斯式判断曾著名地败给人类巧思，但“我猜，这个赌局与之类比大概不对”。与金属开采相比，算力供给的弹性要低得多，吸收大规模需求冲击的能力更弱，也更难找到替代品；换个年代，Ehrlich很可能才是赢家。
这3倍增长的拆解是：摩尔定律贡献1.4倍——能把它维持下去就是“奇迹”；新建晶圆厂贡献1.2倍，但受ASML的EUV光刻机限制，瓶颈将持续到2030年甚至更久（Dylan此前的一期节目已讨论过）；从手机和PC转向AI的晶圆再分配贡献1.8倍，而随着AI在TSMC先进制程N3中的占比从60%升至86%，这条路大概率在明年年底撞上上限。

6. 定义这笔交易的限制条件

这明确处于“前奇点阶段”：最终，机器人把二氧化硅和铜加工成芯片后，算力会再次变得便宜。
收入增长10倍而算力仅增长3倍，本身就说明模型业务拥有多强的规模经济：一次性训练成本可以由所有用户共同分摊，而人类劳动力的训练无法在用户间复用，近乎每次都要从头开始。他对此直言：“我真希望我们不用生活在一个智能拥有如此强规模经济的世界里，因为我担心权力集中，但事实似乎就是如此。”

心理、价值与数据：Santiago Santos 如何穿越市场第191期——2026年7月31日