betway官方网站,betway网址,betway链接,必威体育app,必威中国,必威官方网站,必威体育登录入口,必威体育官网网址,必威体育链接,必威体育2025,必威体育2026,必威体育世界杯
Dylan：市场上确实存在可调配的算力，并不是所有合同都是五年长期协议。有些是2023、2024甚至2025年的H100短期合同，比如一年、两年甚至按需租用。当这些合同到期后，谁愿意出更高价格，谁就能拿到这些资源。现在我们已经看到NVIDIA H100的价格明显上涨，有人愿意签每单位超过2美元的长期合同。我甚至见过一些AI实验室以2.4美元签两到三年的合同。考虑到Hopper架构五年摊销成本大约是1.4美元，现在两年后还能签到2.4美元，这个利润是极高的。这种高价会把其他客户挤出市场，不管是
Dylan：如果我现在想要Hopper，其实市场上还是有一些剩余产能的。虽然像Oracle或CoreWeave这类厂商的大部分产能已经通过长期合同锁定了，但就Blackwell来说，这个季度上线的基本已经被卖光了。有些情况下，他们甚至没达到原本承诺的交付量，因为数据中心建设存在延误，不只是这两家，还包括Nebius、Microsoft、Amazon和Google。不过市场上仍然有不少neocloud，以及部分超大规模云厂，正在建设尚未售出的产能，或者原本计划用于内部、且未必直接用于AGI的算力，现在也可能转向对外出售。对于Anthropic来说，他们甚至不需要直接持有全部算力——可以由Amazon提供算力通过Bedrock服务，或者由Google通过Vertex提供，或者Microsoft通过Foundry提供，然后与Anthropic进行收入分成，反过来也可以。
主持人：这点挺有意思，否则你可能会觉得“最强模型”是个快速贬值的资产，因为三个月后就可能被超越。但现在看，它的重要性在于可以提前锁定算力、拿到更好的价格。再延伸一下，过去很多人强调GPU的折旧周期很短，比如两年。像Michael Burry这类看空者认为技术进步太快，GPU用两年就该折旧完，这会提高年度摊销成本，让云计算生意变得不那么赚钱。但你现在的说法似乎是，折旧周期可能反而更长。如果未来AI需求爆发，甚至到2030年还需要重新启用A100，那折旧周期就会非常长。
但另一种观点是，如果你没有签长期合同，由于NVIDIA每两年性能翻三到四倍，而价格只涨一倍或50%，那么H100的市场价格会随着新一代芯片（Blackwell、Rubin）的大规模部署而不断下降，比如从2美元降到1美元，再到0.7美元。另一种视角则是“这块芯片能为你创造多少价值”。如果新芯片供应无限，那价格确实会随性能价格比下降。但现实是半导体供给和部署周期极其受限，因此真正决定价格的，是这块芯片今天能产生多少价值，而不是替代品的理论价格。
综合来看，在这种竞争环境下，虽然利润不会无限扩张，但一个有意思的现象是：今天一块H100的价值，反而高于三年前。进一步推演，如果真的出现AGI，比如“服务器里的数字人”，哪怕粗略估算，人脑算力约为1e15 FLOPS，而H100也在这个量级。虽然人脑在存储上远超（可能是PB级，而H100只有80GB），但人脑本身也是高度稀疏的MoE系统。如果一个人类知识工作者每年可以创造六位数价值，那么对应算力的经济价值上限会被彻底重估。
主持人：如果一块NVIDIA H100真的能产出接近人类的价值，如果服务器上真的跑的是“人类”，那它可能几个月就能回本。所以我当时采访Dario时想表达的重点，并不是我认为奇点两年内就会到来，因此他必须疯狂买算力——虽然从收入角度看他确实需要更多算力。我真正想说的是：按照他自己的判断，如果两年内就可能出现“天才数据中心”，最多不超过五年，而这样的系统应该能产生数万亿美元收入，那他在算力上的保守态度就显得不一致，尤其是相比OpenAI更激进的策略。我这个意思后来被误解了，有人说我在鼓动一家几千亿美元规模公司的CEO“all in”，其实我只是觉得他的内部逻辑前后不一致。
主持人：这就解释一切了。另外有个经济学效应叫Alchian-Allen，大意是如果对高质量和低质量商品同时增加固定成本，会让消费者更倾向于选择高质量商品。比如一个好苹果2美元，差一点的1美元，如果统一加1美元关税，就变成3美元和2美元，原本价格差是2倍，现在变成1.5倍，差距缩小了。我在想，这套逻辑放到AI里是否意味着：如果GPU价格整体上涨，相当于算力的固定成本提高，那么用户会更愿意为稍微更好的模型支付更高溢价，因为反正算力已经很贵了。比如Hopper从2美元涨到3美元，如果它能跑100万token的Opus，或者200万token的Sonnet，那随着GPU成本上升，两者之间的价格差反而被压缩。
Dylan：这个逻辑是成立的。现在所有的使用量和收入都集中在最好的模型上。在算力受限的世界里会发生两件事：第一，那些没有“承诺问题”、提前签下五年算力合同的公司，会锁定巨大的利润优势，因为它们用的是两三年前的价格。如果别人三年前签的合同到期，现在再按新价格买算力，而价格已经反映模型价值，那成本会高很多，所以提前锁定的人利润更高。第二，市场上绝大多数算力其实都在长期合同中，短期可以灵活调配的只是一小部分。
Dylan：这是个关键问题。随着模型价值提升，云厂确实有一定提价空间，但也受限。比如CoreWeave目前超过98%的算力合同期限都在三年以上，它其实很难动态提价。但另一方面，每年新增的算力规模都远超过去。比如Meta今年新增的算力，接近它2022年为WhatsApp、Instagram、Facebook提供服务时的全部算力总和，还不包括AI。这种增长同样发生在CoreWeave、Google、Amazon等公司身上。新增算力是按新价格成交的，而在AI“起飞期”，成本主要来自这些新增部分，而不是旧合同。
因此真正掌握定价权的，是基础设施提供方，包括云厂、neocloud，以及更上游的芯片和内存供应商。比如NVIDIA掌握着绝大部分算力核心资源，已经签下约900亿美元长期合同，还在和内存厂谈三年期协议。再往下还有通过Broadcom、AMD参与的厂商。这些公司锁定了产能，就掌握了主动权。TSMC目前没有大幅涨价，但内存厂商已经在提价，甚至可能再翻倍或三倍，同时也在签长期合同。最终利润会在云厂、芯片厂和内存厂之间分配，除非TSMC或ASML未来也大幅提价。而模型厂商能否获得高利润？至少今年，它们的利润率很可能会显著提升。
Dylan：ASML 实际上已经出货 EUV 光刻机接近十年，但真正进入大规模量产大概是在 2020 年左右。不过，这些设备并不是一成不变的。早期设备的吞吐量更低，还有一些关键指标，比如 overlay（叠加精度），这些年都在持续改进。简单来说，就是你在晶圆上叠加一层又一层结构，中间会经历沉积、刻蚀、清洗等几十道工序，然后再做下一层光刻。overlay 指的是在这些复杂步骤之后，下一层图形还能否精准对齐到之前的结构上，比如把金属连线和通孔精准连接，再叠加下一层垂直方向的连线。
Dylan：是的，而且这种供应链关系很多时候并不是直接的，而是通过像 Carl Zeiss 这样的厂商再往下延伸出更多层级的供应商网络。你可以想象，本质上这是两个晶圆大小的物体在高速运动，同时还要保持纳米级甚至更高精度的对齐。整个系统的 overlay，也就是层与层之间的对齐误差，大约要控制在 3 纳米量级。这意味着每一个子系统自身的运动精度必须远小于这个数，通常要做到亚纳米级，因为误差是会逐层叠加的。
主持人：虽然西方在技术推进上并没有大幅加速，但中国这边……你觉得到了2030年，他们会不会已经掌握EUV、2纳米之类的技术？他们现在明显是“全力押注半导体”，而且在大规模生产。我真正好奇的是：什么时候会出现一个交叉点——我们的制程优势已经削弱到一定程度，而他们的规模优势已经增强到足够强？另外，如果他们把整个供应链都在一个国家内实现本土化，而不是像现在这样依赖德国、荷兰等分散供应商，这是否会让中国在算力产出规模上占据领先？
Dylan：截至目前，中国还没有实现完全本土化的半导体供应链。但到2030年，有可能做到。现在中国所有的7nm和14nm产能，仍然依赖ASML的DUV设备。他们可以从ASML进口相当多设备，但ASML的大部分收入，尤其是EUV，几乎全部来自中国以外。整体来看，规模优势仍然在西方，以及中国台湾、日本、韩国这一侧。不过中国确实在尝试自研DUV和EUV设备，关键问题在于：他们推进的速度、产能扩张能力以及质量提升的节奏。目前还没有看到这些全面实现，但我对未来5到10年是相当乐观的。他们会显著扩大产能，把整个体系推入高速发展阶段，因为他们投入了更多工程师，也更愿意砸资金解决问题。到2030年，DUV实现完全国产化我认为基本可以做到；至于EUV，我认为会有可运行的设备，但还难以实现大规模量产。
Dylan：从AI模型来看，过去三到六个月，中国模型已经处在一个相当有竞争力的位置。虽然像Opus 4.6和GPT 5.4拉开了一点差距，但新的中国模型还会继续出现。接下来一个变化是：从“卖token”转向“卖自动化白领工作”，比如自动软件工程师。这种模式下，模型的推理过程被隐藏，美国模型向中国模型蒸馏能力会下降。同时再看算力规模：OpenAI去年约2GW，Anthropic今年也将超过2GW，明年两者都可能达到10GW级别。而中国AI实验室的算力扩张速度明显更慢。
Dylan：在某个时间点，今年和明年，美国经济可能会因为这些资本支出、这些模型带来的收入，以及下游供应链的联动，开始加速增长。而中国目前还没有形成这种规模——他们还没有建立起足够大的基础设施，用于投入模型、达到能力门槛，并在如此规模上部署这些模型。比如Anthropic现在大约是200亿美元ARR，按照The Information此前披露的数据，其利润率低于50%。这意味着他们大约用130亿到140亿美元的算力租赁成本，背后对应的是约500亿美元的CapEx投入，才支撑起当前的收入规模。
我之前问过一个类似问题：既然 EUV 设备短缺，能不能退回到 7nm；那在内存上也有类似思路——HBM 本质上是 DRAM，但单位晶圆面积的比特数反而更少，只有原来的三到四分之一。未来的加速器，是否可以直接用普通 DRAM 替代 HBM，从而获得更大的容量？我的逻辑是，如果未来是 agent 在异步执行任务，而不是实时对话，也许对延迟要求没那么高，就可以接受更低带宽。HBM 的优势是带宽，那有没有可能做一种“慢速模式”的模型，比如类似 Anthropic 的 Claude，做一个“Claude Slow”？
