Joey Brookhart

企业端的 token 紧缩针对的是错误的工作负载：编程吃掉预算，而高阶模型写邮件几乎不花钱。 Crystal认为，多数员工根本触及不了用量上限，因此公司共享预算池比人均设限更合理。Max称只允许工程师使用相关工具是“种姓制度”，Joey则表示，头部1%的公司已经在 AI 上按每名员工每年约10万美元的水平投入，只要 ROI 经得起审视，就会继续花钱。

每月200美元的编程订阅被大幅补贴，在重度用户的使用强度下可能亏损。 团队估算，Codex可提供约1.2万美元的 API 等值用量，Anthropic约为8000美元；Claude Max 20x的盈亏平衡使用率为10%，OpenAI Pro 20x为5.7%。按可能的使用水平，Max认为这些套餐“可能就是负利润率”（might just be negative margin）。

Anthropic 以企业/API为主的收入结构已经形成 OpenAI 免费消费者基盘无法匹敌的经营杠杆。 Anthropic超过80%的 ARR 来自 API，历史上超过90%来自企业端；Joey称，公司部分盈利按剔除股权薪酬的非 GAAP 口径计算，但Q2经营利润已经转正，Q3可能达到10亿美元以上。OpenAI约9.5亿周活用户中，只有约6%转化为付费用户，服务免费用户使整体毛利率下降约20个百分点。

尽管如此，OpenAI仍重新回到了真正的双雄竞争格局，因为决定胜负的依然是模型质量，而不是先发地位。 在3月和4月 ARR 增长可能持平后，5.5被视为预期中的拐点；如今有些人认为5.6以一半价格达到了“与 Opus 4.8 一样好”的水平，而且很可能是更小的模型。据称，OpenAI月度净新增 ARR 已与 Anthropic 相当，促使 Dylan 改口：“我向来都很灵活”（I am nothing if not flexible）。

对 xAI 和 Meta 来说，算力调度的可选性可能与算力所有权同等重要。 Max修正后的观点是，团队可以把闲置算力按市场价3x-4x的价格出租，同时保留足够算力证明自己能够触达前沿水平，并以90天回收条款作为保障。Meta算力也可能为2027-28年更重的资本开支提供支撑；如果 MSL表现不佳，算力出租还可以成为一项有利可图的后备方案。相比之下，Max认为 Google 不可召回的长期 TPU 承诺，说明其对构建 RSI 信心不足。

云巨头凭借既有企业关系赢下 token-as-a-service 的分发，而独立推理服务商无需赢得整个市场也能做大。 Anthropic通过间接渠道获得的 token 量，6个月内可能已从业务的约5%升至20%；AWS很可能仅因客户本来就通过 Bedrock 采购，就能拿走20%-30%的收入分成。即使开源模型的调用量增速低于前沿模型，Fireworks和Baseten仍可快速增长，因为推理可能成为“史上最大的市场”。

RL 环境正同时成为下一阶段的能力瓶颈和一个异常高利润的工程市场。 前沿实验室的数据预算今年可能超过100亿美元，约为去年的10倍，2027年可能再增10倍；顶级编程任务的单价远超5位数美元，而特别擅长设计 RL 任务的人每年可以赚到7位数美元以上。本期还用2027年底 Anthropic ARR 4000亿美元的高低押注，让其指数级增长论点变得可证伪：Max和Dylan押高，Crystal、Joey和Jeremy押低，输家必须公开解释自己为何判断错误。

🔗 原始收听与视频来源： 第020期 - Anthropic 对 OpenAI：使用量、利润率、Meta 算力、MSL 的未来（Tokenomics）

AWS相较Azure和GCP改善的利润率，来自通过Bedrock销售Claude这一高毛利Token业务，而不只是出租加速器。 AWS每季度新增超过1 GW算力，利润率却在上升；Azure和GCP的业务结构仍更多暴露于低毛利的基础设施即服务。Joey的框架是：Token销售比5年期take-or-pay合约保留更多上行空间。

在集群达到“稳定”利用率之前，算力扩张通常会先压低云业务短期利润率。 CoreWeave这类供应商要先承担折旧、租赁和人工成本，GB200等复杂系统在等待数月启用期间不产生收入。因此，AWS能在扩张利润率的同时吸收同样成本，对其最终资本回报率而言是“一个相当不错的信号”。

Claude以API为主的增长，正在为Anthropic和AWS带来异常强的经营杠杆。 Joey称Anthropic ARR已达470亿美元，3月、4月和5月每月净新增ARR可能约100亿美元，其中约80%来自API。Amazon当时“在正确的时间处于正确的位置”：Claude约占Bedrock使用量的80%-93%。

Anthropic以650亿美元完成的H轮融资，对应9650亿美元投后估值，放在其增长和盈利能力背景下看并没有那么极端。 Joey将约20倍ARR估值倍数与2021年软件公司达到的80倍水平相比，并称Anthropic在不计股权激励费用的情况下已经盈利。需要警惕的是，如果企业削减编码Token消费，经营杠杆可能显著反转；但“眼下列车还没有减速”。

SpaceX/xAI算力交易，引发了本期节目围绕AI需求最尖锐的分歧。 Jeremie认为，一个原本购买算力的前买家如今成了供应商，可能是在“放弃前沿竞赛”；Jordan则认为，Anthropic需求强得惊人，收回GPU的选择权很有价值，在xAI自己的研究和分发渠道能够消化这批算力前，用它创收是理性的。

AI是否会变成赢家通吃，取决于支出是否集中到那些不存在“够好就够了”的开放式任务上。 Crystal认为，排名第三或第五的模型仍可能替代大量劳动力；Jeremie反驳说，法律、科学、医疗和分析工作会奖励持续采购更强的智能。Jordan的表述更宽泛：“编程不是编程，而是使用计算机。”

能够把前沿模型访问、企业分发和定制芯片结合起来的超大规模云厂商，可能才是长期赢家。 Joey预计到年底，Bedrock可能成为AWS AI业务的主体，而Azure和GCP在小组模型中仍有80%-90%属于基础设施即服务。Trainium和TPU在Token买家永远无需知道具体由哪种加速器提供服务时又多了一重优势：“赢家赢，输家输”。

🔗 原始收听与视频来源： 第013期——AWS利润率跳升10%，Azure和GCP停滞不前（Tokenomics）| Jordan Nanos、Jeremie Eliahou Ontiveros、Joey Brookhart、Crystal Huang

NVIDIA的Vera Rubin VR200被称为2026年最受期待的发布，叙述者预计它“很可能再次登顶”。 该芯片基于TSMC N3B工艺，配备HBM4，单个封装目标是35 PFLOPS FP4算力，拥有288 GB显存、22 TB/s带宽，并通过NVIDIA的NVLink扩展网络扩展成NVL72机架——但需要注意，22 TB/s只是“NVIDIA目前设定的目标速度”。

AMD的2026年可能成为转折点，前提是执行到位：“如果MI455X和Helios Rack能按时交付”。 CDNA 5采用3200亿个晶体管，由12个2纳米和3纳米逻辑芯粒组成，并通过先进的3.5D封装连接；其核心优势在于内存：432 GB新一代HBM4，带宽接近20 TB/s。这一优势将“至少持续到Rubin Ultra发布，后者将配备完整的1 TB HBM”。

本期的结构性判断是：“越来越多的推理任务正在从NVIDIA转向定制芯片。” Microsoft Maia 200拥有1400亿个晶体管、216 GB HBM3E，在FP8和FP4下的算力分别超过5 PFLOPS和10 PFLOPS，未来将运行 ChatGPT 模型；Meta的MTIA v3很可能采用HBM，并且“能带来不错的利润率”，因此外部硬件可以承担训练，内部推理则转向自研。

Trainium 3凭借Trainium 2的部署规模，被视为未来大规模部署的头号竞争者。 AWS在Canton和New Carlisle数据中心已经部署了数十万颗Trainium 2；Anthropic的Claude Code在Trainium上训练并运行，而“OpenAI将从今年开始使用2 GW的Trainium算力”。

如果外部客户能像Google一样使用Ironwood（TPU v7），它将成为效率领域的重量级产品。 该芯片配备192 GB HBM3E，很可能拥有超过1000亿个晶体管，并通过光学电路交换机——“微小的物理镜面”——连接最多容纳9,216颗TPU的superpod。

Qualcomm押注LPDDR，1年前可能是个绝妙主意；但如今内存价格“全面飙升”，LPDDR5X也不例外。 搭载768 GB LPDDR5X的AI 200不太可能掀起波澜，但AI 250据称将采用计算贴近内存的架构；Qualcomm称，搭配LPDDR6后，该架构能带来10倍有效带宽提升——“先别急着戴上派对帽，但要记住Qualcomm”。

SRAM路线的异类产品值得尊重，但还不足以形成确信：NVIDIA认为Groq的确定性LPU“价值大约200亿美元”，而Cerebras搭载44 GB片上SRAM的WSE3“已经不太够用了”，即便它采用的是SRAM。 Intel的Jaguar Shores采用18A工艺并配备288 GB HBM4，纸面上具备竞争力，但目前看并非面向2026年，可能要到2027年才推出。

🔗 原始收听与视频来源： AI芯片与硅产业盘点 2026