Doug O'Laughlin
前沿洞察
核心综述：
AI Agent（如Claude Code）已实质接管初级脑力劳动并重构人机接口，模型竞争则因Kimi K3等中国前沿巨兽的低价突围，全面转向推理成本与路由层博弈。但核心警示在于：HBM对传统DRAM晶圆产能的极限挤压，正引发存储与NVMe价格翻倍并至少持续两年的“硬件贫血症”。这不仅制约超大模型推理与上下文扩张，更将以极高资本溢价与基建延迟，残酷重构整个计算生态。
观点集合
[紧急节目] Moonshot 的 Kimi K3 来了！中国有了前沿模型
Kimi K3凭基准综合结果进入全球前三，Dylan则因Opus访问受限而将其列为实际使用中的第二选择。2.8万亿参数带来B300、GB300或MI355X级推理瓶颈，但每百万输入/输出token收费3美元/15美元显示出吸引力；后续应关注主权需求、采用率与路由层价值。
查看摘要（6段）
- Max称Kimi K3是全球第3强模型，而Dylan认为就自己的实际使用而言，它可能排第2。 Max表示，基准测试综合结果显示，前3名格局清晰且稳定，其中包括Soul 5.6和Kimi K3，领先于Google、Meta和SpaceX；他称Google应该感到尴尬。K3目前仍更慢，官方口径也落后于Fable 5和GPT 5.6 full，但Dylan发现，在访问被拒或受限时，K3没有Opus那么令人抓狂。
- K3的2.8万亿参数让推理产能立刻成为瓶颈。 Dylan表示，K3无法装入B200，在单台8路HGX系统上提供服务需要B300、GB300或MI355X级别硬件；跨节点的流水线并行会拖累性能。Max推测，约10天的权重延迟可能是为了给服务团队留出准备时间，也可能让Moonshot有机会与Together、Fireworks、Nebius和CoreWeave安排授权及GB300产能。
- K3的定价凸显了前沿模型颇具吸引力的单位经济性，但买家基础有限。 价格已从此前2.7 Code模型每100万输入/输出token收费0.95美元/4美元，涨至3美元/15美元。Max认为，如果K3大概率并未亏损运行，同等规模的Fable若收费10美元/50美元，就意味着惊人的利润率，甚至可能优于SaaS。注重成本的用户可能选择GLM-5.2或MiniMax M3，而SemiAnalysis这类用户会继续使用GPT-5.6和Opus；Max怀疑大型企业会认真采用K3。
- Dylan认为，开源与闭源模型差距收窄，根本原因就是美国限制了用户接触Anthropic最好的模型。 他以Mythos对比Fable，称自己无法使用Opus，只能偶尔使用Sonnet，并认为Soul 5.6可能并非OpenAI训练的最大模型。他预计，政策变化或另一轮前沿突破可能在夏末前后改变局面，同时认为开源模型最终可能达到真正的前沿水平。
- 西方开源模型在降本之外，还有主权计算机会。 Max认为，市场强烈需要一款“不拉胯”的西方模型，并预计即便是在物理隔离系统中运行，中国模型权重也会被许多美国企业拒绝；他还称，美国可能即将出台中国模型禁令。Dylan表示，西方模型必须同时击败中国绝大多数开源模型，以及前沿实验室的2/3线模型，政府将是更大的市场。K3在SFT期间进行量化，采用MXFP4权重和MXFP8激活值，有助于广泛兼容硬件，也支持中国国产加速器的发展。
- Harness、路由和尚未释放的用户需求，仍在支撑前沿实验室的收入。 Max表示，在最高、高和中等思考力度下，模型质量在日常使用中越来越难以区分，因此OpenCode、Hermes和Pi等工具的功能成为关键。Dylan认为，按结果定价可能带来95%以上的利润率，Max也认同路由器和可调节的思考力度可以实现这一点。Max认为，编程、音频、视频、深度研究、机器人和世界模型等领域仍有大量新用例空间；Dylan和Max相信，新用户的涌入会压过任何K3替代效应，避免ARR增速放缓。
Ep. 004 - AI 数据中心对消费者电力成本的影响（数据中心、能源）| Jeremie Eliahou Ontiveros、Jordan Nanos、Doug O’Laughlin
PJM电费上涨15–20%，核心是年度容量拍卖撞上20年来首次负荷增长，AI数据中心仅“在一定程度上”有影响。报价供给4年减少约40 GW、其中14 GW源于口径调整；Oracle的15–20年协议与最低需求费可避免负荷落空成本转嫁给用户。
查看摘要（8段）
- Jeremie Eliahou Ontiveros 的核心判断：PJM 区域电费上涨 15–20%，主要是市场设计失灵，而不是 AI 需求本身造成的。 数据中心“在一定程度上”有影响，但真正的罪魁祸首是一年举行一次、依据监管机构预测的容量拍卖，正好撞上美国20年来首次负荷增长——“这套市场并不是为负荷增长环境设计的”。ERCOT 的实时定价让参与者可以提前看到需求、提前安排发电；PJM 的信号来得太晚，因此“所有事情都晚一步，最后只会创造出一个受约束的机制”。
- PJM 供给侧在4年内悄然减少约40 GW（约-20%），其中41%的降幅——14 GW——来自方法论调整，而不是电厂退役。 火电容量认证改革源于2021–22年糟糕的冬季：寒冷天气暴露出电厂会成片失灵，因此可供容量从170 GW降至156 GW是“合理的”；但这意味着容量数据的变化方向与政治上要求增加发电量相反，同期新增天然气仅+3 GW，可再生能源仅+1.5 GW。
- 需要关注的电费用户风险机制是：受监管输电资产可获得规定的股本回报率，因此过度建设、利用率不足的资产会直接转嫁给消费者——“这是最坏情形”。 解决方案是定制化电价；样板交易是 Oracle 在密歇根州约1 GW IT（1.4 GW总容量）的 Stargate 项目：公用事业公司承诺投入40亿美元，另有电池采购承诺，以及一份15–20年期购电协议和最低需求费，这意味着即使负荷最终没有出现，Oracle也照样要付费。
- 该团队判断，截至2月期末，Anthropic 的总 ARR 已超过 OpenAI——ARR 在2个月内大致翻倍（增加100亿美元），而外界披露的 Claude Code 25亿美元年化收入“远远偏低”。 Doug 说，Anthropic 把 Claude Code 内的 Claude Max 订阅使用量计入 Claude Code，而 API 使用量——包括 Claude Code 的 API 模式——则计入 API；SemiAnalysis 自身的支出有90–95%通过 API，未被归入 Claude Code。Jordan 认为，这一加速是真实的商业采用，而非炒作。
- Department of War 争议带来的是分发红利，未必明显推动收入——而且嘉宾对它的重要性意见不一。 Doug 指出，DoW 新闻出现之际，Claude 的应用下载量超过 OpenAI，升至第1名（“这次碾压相当硬核……是一个时代情绪的瞬间”）；Jeremie 则反驳，下载可能只是随机试用应用，收入影响“最有可能与这件具体争议无关”。无论如何，叙事已经反转：Anthropic 起家于商业世界，如今却在消费者市场上击败 OpenAI。
- Jeremie 的可交易判断是：“模型是商品、价值在应用层沉淀”的观点“完全错误”。 Anthropic 拥有别人没有的模型，掌握编程界面，而且能用这些模型构建应用，效果比任何其他公司都好，几乎免费——“模型公司最终会变成无所不包的公司”。Doug 的反驳是，正如遵循摩尔定律的 CPU 一样，只要通用模型每3到6个月还在变强，“就没有任何必要做专业化”。
- 中国是一个被低估、并正向全球 GPU 数据渗透的需求变量。 Doug 的推测是，Qwen 团队领导层因春节期间用户拉新未达标而被撤换，此前可能已投入约10亿美元；ByteDance“肯定赢了”，其 CDance 运营着一个持续数月的付费排队系统（Jordan 提到30K中有14K）。Doug 说，中国实验室通过 VPN 连接日本、韩国；所谓日本、韩国贡献 Anthropic 15% 收入的说法，实际上是“中国需求”，而且“如果东方公司能获得西方算力……我认为它们会领先”。
- GTC 前的仓位提示：Doug 认为，LPU 会议前“SRAM 将杀死 HBM”的恐慌，是他最近听到的“最愚蠢的叙事”。 所有人都“极度看多 HBM”，又因恐慌卖出 HBM；这反映的是投资者仓位，而不是有技术依据的结论。
面向金融的 Claude Code + 全球内存短缺：Doug O’Laughlin，SemiAnalysis
Claude Code 已成为具备经济价值的初级分析师，推动编码 Agent 成为信息工作的接口，同时暴露审阅、学徒制和可信数据瓶颈。与此同时，HBM 正消耗传统 DRAM 产能，SemiAnalysis 预计短缺还将持续约两年，并可能带来更高价格、基建延迟和上下文配给。
查看摘要（7段）
Doug O’Laughlin 的核心判断是，Claude Code 在 Opus 4.5 左右从新奇玩具跨越成了具备经济价值的信息工作者。 它能把原本看似需要“博士项目”的工作压缩到1—2天，但“这东西一直在犯错”；如今它更像初级分析师，而不是自主专家。Shawn 把这款付费工具比作一个完全听话的初级分析师。眼下最直接的收益属于有经验的审阅者，他们能识别出“手工打磨的最后5%”；初级数据分析岗位则越来越暴露在风险之下。
Claude Code 的采用曲线表明，编码代理正成为所有信息工作的接口，而不只是编程工具。 Doug 描述称，Claude 署名的提交在“2周左右”已占公开 GitHub 活动约4%；Shawn 说更新后的图表约为5%。Doug 刻意保守地预测年底达到25%，而 Shawn 认为当前速度更接近50%，25%只能算95%置信区间内的下限。更大的判断是：“Excel 是分析师的 IDE”；一旦代理能够检索可信数据并直接呈现答案，Excel、Bloomberg、PowerPoint 以及其他面向人的界面都会受到冲击。
最明确的硬件判断是，Doug 认为内存短缺大约还要2年才能缓解。 考虑到工艺复杂度和良率，生产1 bit 的 HBM 实际上会消耗3—4 bit 的传统 DRAM 产能；与此同时，供应商刚刚走出一次严重衰退，期间无尘室投资被冻结。SemiAnalysis 认为 DRAM 价格还有再涨100%的空间，这将迫使需求遭到破坏，推迟数据中心和设备建设，通过 CXL 重新启用老 DDR4，并让“上下文配给”成为一种可能真实存在的产品逻辑。
Google 的 TPU V7 拥有暂时性的成本窗口，但 Nvidia 对内存和更广泛供应链的控制，可能会随着 Rubin 到来而关闭这一窗口。 Doug 认为，如果供应不受约束，几乎所有主要实验室都会消耗更多 TPU V7；双方讨论给出的潜在 TPU 业务规模接近1万亿美元，对应约30%份额。但 TPU V8 相对 Rubin 的 HBM3 对 HBM4、Nvidia 激进的供应商管理，以及 Google 有限的可用产能，意味着这是一场存量基础竞争，而不是一次干净利落的架构胜负。
Microsoft “最可能失去最多”，因为 AI 正在攻击人类进行信息工作的横向软件，而 Azure 却在为攻击者提供融资。 Doug 把 OpenAI 比作“城门外的蛮族”：Microsoft 可以继续做一家高利润的算力供应商，同时任由 Office 的抽象层被颠覆；也可以把投资转向保卫 Office 和打造内部模型。Doug 认为，Oracle 试图承接被挤出的建设需求，其底层投资未必是坏生意，但规模巨大且节奏失控的债务发行冲击了市场流动性，把融资节奏变成了瓶颈。
AI 基建热潮已经更像铁路，而不是互联网，这意味着未来可能经历多轮繁荣与破灭，而非一个干净利落的周期。 Shawn 提到，铁路投资一度约占 GDP 的4.8%、固定资本形成总额的25%；他同时把 Stargate 与美国 GDP 约2%的规模相比较。Doug 不会断言需求会永远上升，但 Claude Code 改变了他对需求弹性的判断：他愿意每年支付2万—3万美元甚至更多，因为它表现得像许多名并行工作的初级分析师。
Doug 的半导体框架仍然是核心锚点：摩尔定律放缓，而 scaling law 驱动的需求加速，把价值转移给仍能交付系统级性能的公司。 他在2020年得出的 Nvidia 是主要受益者的结论，方向上被证明是正确的，尽管连他自己也没预料到它会成为“全球最有价值的公司”。真正持久的投资经验，不是精确维护 EPS 预测，而是找出能够推动数十亿美元收入的1—3个技术变量，再用代理去研究它们，同时不把判断力外包出去。
第001期 - Claude Code、内存狂热、CPU回来了 | Jordan Nanos、Doug O’Laughlin、Myron Xie
GPU需求激增之际，HBM正分流传统DRAM晶圆，推动内存和NVMe价格环比上涨约100%，紧张局面预计至少持续数年。Claude Code已生成约4.7–4.8%的公开GitHub提交，而Opus Fast与Cerebras版Codex显示用户可能愿为速度支付高得多的价格。
查看摘要（7段）
- 内存周期已从1996年以来最糟糕的下行——当年“让行业三分之一破产”——剧烈反转为历史性短缺，短期内几乎看不到缓解。 Myron Xie解释了其中的机制：HBM每片晶圆产出的比特数只有传统DRAM的几分之一；每增加一颗GPU/XPU，都会把更多晶圆拉向HBM；而后疫情时代几乎没有新增晶圆投片或洁净室空间——“需求正在爆发，但我们几乎没有增加任何供给”。Doug O’Laughlin：内存和NVMe价格单日上涨约20%，环比上涨约100%，而且“至少还会紧张几年”。
- 经典的周期见顶信号——Samsung最后投降、最后增加产能——这次可能失灵。 Doug表示：“我认为他们会扩产，但仍然不够。供需缺口是有史以来最大的，而且根据我们看到的情况还在扩大。”他的“银河系大脑式判断”是：EUV瓶颈可能把原本预计约2035年出现的3D DRAM提前到约2030年，但不会早于2030年。
- CPU回来了，甚至 Intel 仍然——或者大概率将会——售罄，“这说明供给很紧”。 讨论把 Intel 定位为边际供应商；Arm“构成了前所未有的更大威胁”，而 AMD“仍在持续碾压”。Phoenix CPUs尤其值得关注，因为它可能改变 Arm 商业模式的适应方式。
- 据 Doug 抓取的每日序列，Claude Code如今生成了公开 GitHub 提交的约4.7–4.8%；Anthropic还在其300亿美元融资、3800亿美元估值的新闻稿中，链接了包含这一估算的文章。 这一占比从1月20日的约2%升至2月5日的约4%，目前仍在增长；Doug是在一条推文提醒他 Claude Code 会签署自己的提交后，才搭建了这套追踪器。
- Opus Fast 和运行于 Cerebras 的 OpenAI GPT-5.3-Codex-Spark，是定价在每年2400美元 Max 级别之上的价格弹性实验——“鱼子酱交易”。 Opus Fast按token收费约为6倍，速度约为2–2.5倍；Jordan Nanos形容 Cerebras 这笔交易是“花10倍的钱换4倍性能，或者更准确地说，花20倍的钱换10倍性能，差不多就是这样”。Jordan说 Fast 模式已经对他产生了效果：“现在我已经对 Fast tokens 上瘾了……我觉得自己回不去了。”
- 中国模型周带来了真正的突破：MiniMax 2.5“达到 Opus 性能……价格只有1/10”、GLM-5，以及最重要的 ByteDance Seedance/CDance 2 视频模型——“动画搞定了，熟透了”。 Doug称这是首次“彻底击败”Google Veo/Genie长期领先的视频模型，并提出一个阴谋论：“监控国家让所有人都拥有更好的训练数据”——中国监控占全部硬盘需求的10%。
- Jordan的存储判断是：日志、合成数据和生成视频将推动SSD/HDD需求爆发，而不是KV cache卸载；后者在生成视频中的留存比例可能“低于1%”。 他还警告，不要直接套用 Jensen 每颗GPU配16TB存储的估算；按此计算，ICMS只占硬盘出货量的不到0.7%——“这是对 ICMS 的正确结论，但不是对硬盘需求增长的正确结论。”
SemiAnalysis 的 Doug O’Laughlin：纵谈 AI、电力与公司治理
AI 正把 Big Tech 从轻资产平台推向可能由债务驱动的重资本基础设施业务，电力和并网接入比芯片更可能成为瓶颈，Google TPU 则成为可信的第二名加速器。关键在于能否将算力、token 与 agentic commerce 变现；资本密集度上升、约3年后的潜在“宿醉”，以及 Target Hospitality 的 PSU 激励与执行不确定性值得持续跟踪。
查看摘要（9段）
Doug O’Loughlin 认为，AI 资本周期才刚开始获得形成真正泡沫所需的杠杆。 超大规模云厂商迄今主要用经营现金流为扩张买单，CoreWeave 历来也是拿到客户合同后才融资购买 GPU；Oracle 则展示了债务入场后可以实现多大规模的建设。Doug 指出，加速折旧、风险资本资本要求增速放缓，以及利率可能下降，都会进一步推升周期；Andrew 补充称，企业还面临宣布美国数据中心投资的政治压力。Andrew 认为，建设周期仍有很长的路要走，即便3年后可能出现“宿醉”。
市场可能低估了 AI 将如何彻底改变 Big Tech：从轻资产平台转向重资本基础设施企业。 面对20%-30%的 EBIT 增长，20多倍的市盈率看起来并不贵，但随着商业模式转变、现金支出激增，股价与自由现金流之比会被推高。Andrew 的反驳是，今天的 AI 支出可能是在压低当期盈利，以换取明天的回报；Doug 承认需求超过供给，但警告称，“重资本企业往往以较低的盈利倍数交易”。
Google 的 TPU 是可信的第二名加速器；只要价格合适，Doug 会选择它而不是 NVLink。 Doug 表示，TPU 的3D 环形架构可以灵活切分并扩展，不会像 NVL72 那样存在故障波及范围过大的问题——一块 GPU 出故障，就可能让另外71块停摆；他还称，TPU 已经用于生产环境中的训练和推理，Midjourney 据称完全运行在 TPU 上。Google 愿意向外部销售 TPU，并将 Gemini 分发到自有产品之外、包括 Siri 在内，这让它“真正有机会成为名副其实的第二名”。
Scaling 逻辑已从不断扩大预训练规模，转向强化学习、测试时算力和可验证工作。 Doug 接受这样一个判断：去年12月关于预训练触及 scaling wall 的论点“可能相当有道理”；而当月预期发布的 Gemini 3，则是一次检验。他认为，只要结果可验证，RL 大概率就能改进相关任务——从用更少点击买到一本书，到训练出超越人类的 Dota 2 选手。目标也已从神秘化的 AGI，收窄为让“所有白领信息与知识”的边际成本几乎归零。
推理硬件已经具备惊人的理论经济性，真正的约束是能否卖出并变现每一个 token。 Doug 估算，一台约350万美元的 GB200 如果能卖出全部 token，每年可产生约500万美元收入；在 OpenAI 亏损之前，产业链各环节的利润率包括 TSMC 约60%、Nvidia 约75%和 neocloud 约40%。支撑每月约10亿用户、成本从数十亿美元到100亿美元的服务，应该可以实现变现；如果做不到，那就是“能力问题”，尤其是在 agentic commerce 能从交易中收取 take rate 的情况下。
真正结构性错位的瓶颈是电力，而不是半导体。 Doug 认为，台湾大约2年内可以将芯片产量翻倍，但“我们不可能在2年内把电力翻倍”；传统运营商还在消化120千瓦机架，而更激进的玩家已经按500千瓦、1兆瓦甚至3兆瓦设计。拥有可用并网接入的矿企，以及 Comfort Systems 等工业承包商因此受益；后者收入增长约40%，带来了约80%的 EBIT 增长。
在供给短缺时，专业投资者可能会过度推演相对赢家。 大众投资者低估了实体扩张的规模，因为这场“巨大得离谱的工业革命”发生在乡村数据中心周围，而不是城市中心。专业投资者则可能陷入 Anthropic 与 Amazon 的交易是否意味着 Trainium“完蛋了”这类问题，但产业参与者看到的是绝对短缺：即使 Amazon 放弃 Trainium、全部改用 GB200，只要每一块可用芯片都有价值，收入也可能“冲上天”。
高管薪酬只有在董事会将其与管理层可控的基本面杠杆绑定时，才具有有效信号。 非常规周期发放的 PSU 可以暴露董事会想推动的杠杆，但也可能只是脱离现实的“孤注一掷式授予”，或是刺激股价的激励。Broadcom 展示了这种反身性；Opendoor 新 CEO 的年薪为1美元，奖励对应约9美元、13美元、17美元、21美元和33美元的股价，而他本人也在积极推广公司。Doug 还点名 Elastic（ESTC）：公司发放了一笔巨额非常规 PSU，可能是为了推动消费、AI 相关机会或搜索 API，但他承认自己并不了解公司的基本面。
Target Hospitality 同时具备一个激励信号和两个潜在需求冲击。 公司在一场后来撤回的出售过程中失去了重要合同，其中包括曾经总合同价值约25亿美元的 Pecos Children’s Center 协议。股价从约8美元跌至5美元后，Andrew 称公司在4天后宣布发放约200万份 PSU；他将其描述为约5倍股价激励，详细门槛为20美元至30美元。潜在杠杆包括约6,000张可用拘留床位，以及西德州数据中心用工短缺——“我们这个时代最具长期性的两大趋势”集中在同一家公司，但执行仍不确定。