摘要

Feldman的核心反泡沫论点颠覆了历史类比。 1880年代的铁路和90年代末的光纤建设，都是“只要我们建起来，他们就会来”——基础设施跑在需求前面；AI则恰恰相反。Cerebras手握250亿美元积压订单，Nvidia、AMD等也各有积压。“我们建数据中心的速度，跟不上需求。”不是建设跑在需求之前，而是落后于需求。
需求拐点有明确时间：2025年的某个时候，模型变得足够聪明，真正有用了。 在此之前，AI“挺酷，但没人用”。如今它正席卷各个年龄层，从他85岁的父亲到11岁的侄女；只要AI持续提升实用性，需求就不会见顶——这是他对“把电力转化为智能”论的唯一一个看空情形。
涉及Elon的那笔算力交易，本质是“他们买了降代设备”。 买到的是H100，而不是B200，落后“一代半，甚至两代”。“这不是一笔好交易，但对Elon来说是好交易”——指数增长面前，仓促行动只能拿到当下能买到的东西；Sam Altman的超能力，则是提前数年相信指数级需求数据，并在所有人之前锁定电力、数据中心和硬件。
继晶圆厂空间之后，内存是第2大短缺，而且是结构性的。 HBM只有Samsung、Micron和Hynix能供应；一座新晶圆厂要投入400亿美元、建设5年，因此只要需求维持，“未来至少数年我们还会持续看到内存短缺”。Micron的毛利率达到80–85%——“做内存却拿到了软件级毛利率”。Cerebras则完全绕开这条链路：SRAM由TSMC刻入芯片，不需要HBM，也不需要CoWoS；采用5nm，而3nm才是供不应求的节点。
速度论没有折中余地。 “慢搜索的市场有多大？答案是零。”你不会为了保留慢速互联网而每月支付1,000美元，因此慢推理也不会有市场。Cerebras公布的数据显示，Kimi K2.6运行速度是第二快GPU云的6.7倍——当时一家分析机构的“蠢货”还在电视上说它做不到。如今公司正在消化一笔超过200亿美元的OpenAI合同；投资人此前在其与G42签下10亿美元合同时提出的客户集中度批评，只是换了一个更大的客户，又重复了一遍。
Nvidia“资助、兜底并过量配置”新型云厂商，试图造出超大规模云厂商的竞争者。 “这形成了一种依赖，可能并不健康。”新型云厂商先购买带有Nvidia 70–80%毛利率的硬件，再叠加自身利润；Google和Cerebras把自研芯片放进自有数据中心，则没有这层成本。Google的全栈优势又受限于只有一个TPU客户：自己。
就业市场上的“多数裁员都被AI洗白了”。 90–95%的解雇来自疫情期间过度招聘，以及多年生产率提升终于被兑现，“目前还没有什么是真正由AI造成的”。与此同时，企业采用AI的真正障碍不是数据是否干净，而是律师和安全团队的“没有功劳、没有功劳，出了问题就追责”。Feldman不担心软件工程师每年消耗5万–10万美元Token；硬件工程师的EDA工具支出已经接近薪资的15–20%。按4,700万名软件工程师计算，仅软件工程Token使用就可能达到“5万亿美元”。
谈到中国，他甚至主张采取不利于自身业务的立场。 卖给中国的先进芯片会被其军方和国家扶持产业使用，“这一点没有争议”，因此不要卖；“我希望让我的产业对手不只是停留在落后一代。”他唯一想要的政策是：给TSMC和Samsung 20年时间，完全不受美国地方条例约束，在美国建设晶圆厂——“晶圆厂就是现代金字塔”。Cerebras IPO此前因新政府上台而解冻，针对大客户、可能涉及CFIUS的担忧随之消失；公司最终以185美元发行，上市后升至311美元，成为史上规模最大的半导体IPO。

精读

1. 这不是泡沫——建设速度落后于需求

Feldman亲历过90年代末的光纤建设潮，不接受这种类比，也不接受经济学家常用的1880年代铁路类比：这些泡沫都有一种“只要我们建起来，他们就会来”的信念——基础设施远远跑在需求之前。AI“以一种奇怪的方式……恰恰相反”：Cerebras有250亿美元积压订单，Nvidia和AMD也有积压，“因为我们建数据中心的速度跟不上”。
他判断泡沫的标准是：基础设施是在满足人们“今天”而不是未来的需求，而需求还在增长——这不是泡沫的特征。也正因此，他能把泡沫论与Jensen预计到2030年AI基础设施支出将达到3万亿至4万亿美元这两件事放在一起。
对于Gavin Baker认为审批延误有助于给市场降温的观点，Feldman用两个比喻表示认同：他第一次去拉斯维加斯自助餐厅时吃到几天都难受；高速公路的匝道信号灯则是“让交通流动更平滑”，避免系统出现卡顿。

2. 2025年模型变得有用——相信指数增长是超能力

那个没人特别指出的拐点是：“2025年的某个时候，模型变得足够聪明，真正有用了。”此前它们“更像一种新奇玩意儿。AI挺酷，但没人用”。如今使用“正在席卷不同人口群体”——包括他85岁的父亲和11岁的侄女——并且解决的问题越来越复杂。问需求是否会见顶，他的回答是：“如果AI继续提升实用性，就不会。”
在Feldman看来，Sam Altman的过人之处在于看到了指数增长，没有被它吓住，并在其他人头疼时提前锁定了电力、数据中心和硬件。“在指数增长环境中，能够相信数据会在未来一两年、两三年继续沿着指数增长，是一种超能力。”Sam，以及可能还有Elon，能把思考尺度推到100GW甚至500GW，而其他人的大脑会直接宕机。
涉及Elon的算力交易则是反例：“他们买了降代设备……拿到的是H100，而不是B200……落后一代半，也许两代。”这不是一笔好交易，但对Elon来说是好交易，因为设备已经闲置在那里。被迫行动只能让你拿到现成的交易，而不是你想要的交易。

3. 内存短缺还将持续数年——Cerebras不承担这笔“过路费”

继TSMC晶圆厂空间之后，内存是供应链第2大瓶颈。HBM恰好只有3家供应商——Samsung、Micron和Hynix——而且它们无法满足需求，于是价格“冲上了天”。Micron的毛利率达到80–85%，“做内存却拿到了软件级毛利率”。
短缺之所以会持续，是因为产能具有阶跃式特征。“你得花400亿美元建一座晶圆厂，还要5年时间……产能是一步一步跳上去的。”因此，只要需求保持高位，“未来至少数年我们还会持续看到内存短缺”。
Cerebras的供应链绕开了他提到的每一个约束：SRAM没有短缺，也没有另一家供应商来赚取额外利润——TSMC直接把它刻进芯片；不需要CoWoS；采用5nm，而“3nm节点才是最供不应求的”。“在这个环境中我们占据了优势……其他人正在为此付出代价。”
拉长时间看，成本下降仍会压低整个行业的估值想象：所有人的芯片——“我们、Nvidia、AMD、Qualcomm、ARM”——在3到4年后都将以更低的每瓦、每美元成本提供更多算力。“我们这个行业的历史，就是单位算力成本大幅下降。”Cerebras声称凭借架构优势实现15倍速度，Feldman相信差距还会扩大。

4. 慢推理没有市场

他的标志性论断是：“慢搜索的市场有多大？答案是零。”拨号上网的市场又有多大？即便每月给你1,000美元，你也不会继续使用慢速互联网——“这说明人类不可能慢吞吞地使用一项重要技术。我们为什么认为推理会例外？”
面对复杂问题，人们对速度的需求没有上限：如果竞争对手需要20分钟，你3分钟就能解决，“想象一下拉长到一天或一周——你会被彻底甩开”。编程如此，Agent工作流如此，其他场景也如此。
最有说服力的例子是：Cerebras公布Kimi K2.6的运行速度比第二快的GPU云快6.7倍，“而一家分析机构的蠢货还在电视上说我们做不到……如果世上有一个例子能证明他在经验事实上彻底错了，就是这个”。“我专门收集那些彻底错掉的人的例子。我妻子甚至列了一张我自己判断错误的清单。”
对于超过200亿美元的OpenAI合同——“硅谷历史上规模最大的交易之一”——他很享受客户集中度批评的重复出现：“一年前我和你谈过，当时我手里有一笔来自G42的10亿美元合同。你说客户过于集中……现在我带着一笔超过200亿美元的合同回来，你还是告诉我同样的话。”只是这次客户换了。“抓住大客户的方法，是先抓住一个。”先建立能力、服务好客户，再赢得下一个。

5. 超大规模云厂商做分层而非商品化——Nvidia制造了不健康的依赖

他最尖锐的结构性判断是：“Nvidia一直在尝试为传统超大规模云厂商创造竞争者。它资助、兜底并过量配置新型云厂商，制造出一种可能并不健康的依赖。”
但AWS和Azure并没有商品化成公用事业：安全性、可信度、Bedrock、SageMaker以及你的S3数据——“对市场大多数部分都极有价值，但不是全部”。那部分客户只说“给我便宜算力，其他什么都不在乎”，会把超大规模云厂商的强项变成弱点。就像如果你不想要真皮座椅，就去找装有Naugahyde座椅的卡车。“我们的业务只是包裹在技术里，本质上和其他行业没有区别。”
对于Google是最低Token成本生产商的论点，优势确实存在：从土地一直到Token，Google拥有完整链条；但历史上的限制是“你只能把TPU卖给自己”，这会限制规模。Google开始走出自有数据中心，恰恰说明它感受到了这一约束。与此同时，任何在自有数据中心拥有芯片的公司，都能击败新型云厂商——后者要先购买带有Nvidia 70–80%毛利率的硬件，再加上自己的利润。CoreWeave不在他对估值过高的批评之列：“他们在金融思维上实现了真正的创新，也因此获得了回报”，并且确实具备罕见的快速部署能力。

6. 多GW已成新常态——延期只是建设本身，但行业此前是个糟糕的邻居

通过Sam的故事，他描述了人们的适应曲线：第一次使用GPT时会说“太神奇了”，第二天就会问“为什么还不够快”。电力需求也是如此：20MW曾经很大，后来是100MW，再后来是1GW——如今“我们正在四处寻找多GW级设施”，750MW也只得到一句“还行”。“5年前……这会被认为是妄想。现在大家只会说，‘哦，又一个？嗯，有道理。’”
对于能源是终极瓶颈的说法，他没有完全接受Sam和Elon“我们的业务就是把电力转化为智能”的表述：“我不知道自己是否同意。”他的替代判断是：“你会撞上别的东西。”这一论点假设模型会持续变聪明，足以证明继续投入更多能源是合理的。“这可能是真的。但我不知道。”
对于100个数据中心中有40个获批后停滞的问题，他用承包商打比方：“你建过厨房吗？它按时、按预算完工了吗？没有。现在想象一下建造一个50个足球场那么大的东西。”地方政府、电力公司、受监管行业，以及从卡车上直接掉下来的发电机，都会制造延误。“凡是建过大型项目的人都知道，这就是正常情况。”
但他不为行业招致的反弹开脱：“我们这个行业在正确与社区沟通方面做得糟糕透顶。”Brad Smith的那篇文章本应从一开始就成为模板：自己承担成本，采用闭环用水，全面升级变电站和电网，不要把输电线路成本摊给社区——“那就是胡扯。”当Harry把它比作哥伦比亚贩毒集团修建教堂时，Feldman表示反对：这些地方本来就有闲置电力和低迷土地，关键应是透明，而不是收买。

7. 裁员被“AI化”包装，律师才是真正瓶颈，Token支出将达5万亿美元

就业方面，他的判断是：“到目前为止，多数裁员都被AI洗白了。”原因是疫情期间招聘过于冒进，加上多年积累的生产率提升如今终于被兑现；中层管理中那些“收集和汇报信息”的岗位正在消失。“目前还没有什么是真正由AI造成的……90–95%的解雇都与这些因素有关。”反过来，他认为公司需要更多人：“我希望我们的工程师去做的事情，是现有工程师数量的50倍……我们会招聘更多工程师，而不是更少。”
对Benioff提出的Anthropic每年3亿美元支出——相当于开发者薪资的3.8%，需要达到20%才能支撑AI估值——他并不担心。硬件工程师的EDA工具支出已经“更接近薪资的15%或20%”；“软件行业过去不是投资工具，而是直接堆人”。如果每位工程师每年消耗5万–10万美元Token，覆盖4,700万名软件工程师，“仅软件工程Token使用就达到5万亿美元”。
对于Harry认为企业采用AI缓慢是因为数据不干净，他反驳说：“不，最大的障碍是律师。”其次是安全体系——它们的激励结构是“没有功劳、没有功劳，出了问题、追责”，因此天然会拖慢一切新事物；律师也无法在没有先例的情况下起草合同。他回忆说，Jensen曾就Cursor与自己的律师团队反复争执，最终直接拍板（他也承认自己对细节可能记错）。只有法律和安全团队松口之后，数据才会成为问题；到了那一步，Mayo Clinic整理30年数据的努力，以及GSK的数据，就会变成巨大的优势。
未来还会出现如今不存在的岗位：Cisco在90年代中期崛起前没有CIO，Palo Alto Networks所处的安全时代之前没有CSO，座机消失后电信基础设施副总裁也不见了。接下来可能出现的是AI治理岗位，包括首席AI官；而HR中负责回答问题的那一层会消失——“AI能给出更好、更快的答案”。

8. 不要向中国卖芯片——给TSMC 20年不受地方条例约束的时间，在美国建晶圆厂

他的中国论点是站在自身利益的对立面上提出的：把芯片行业所有人——他自己、Jensen、Lisa——都排除在外，只问安全部门两个问题。中国军方会使用先进芯片吗？“所有人都说会。这一点没有争议。”中国国家机器会利用这些芯片增强本国产业、压过美国吗？答案同样是肯定的。“我的判断就到这里。”他承认“把中国留在我们的生态内”“阻止中国发展自己的产业”等反方观点确有道理，但“我一个都不同意”。
“至少在今天，中国是我们的产业对手。”太阳能、锂电池以及中国汽车正在全球范围内取代美国企业就是例子。但他也对此感到遗憾：自己在Baidu、Tencent以及很可能是Didi合作过的企业家，“丝毫不逊于硅谷的任何人”。即便不同意他的人，也认为中国应当保持在落后一代的水平；他的说法是：“我希望让我的产业对手不只是停留在落后一代。”TSMC、再到ASML或Samsung等关键节点，让这种遏制具备可操作性。
对于产业回流，美国的问题在于缺少“能够跨越单届政府、长期持续的政策”。中国的电力基础设施极其强大，而美国电网“如果运气好，也不过是一堆1950年代的拼凑技术”。失去晶圆厂意味着连封装以及周边完整的战略生态也一并失去。他唯一希望得到的无摩擦政策是：TSMC和Samsung在美国建厂时，20年内不受所有地方条例约束，完全按照已验证的台湾建设规则，在美国任何地方建设。“晶圆厂就是现代金字塔……它们远远是制造业世界中人类创造的最伟大事物。”
对于Harry问欧洲是否应该担心，他回答：“你应该担心的是这种模式。”芯片、软件和模型领域都在重复同一种路径：先恐惧，再监管和征税；欧洲也有一些优秀的局部成果，包括Cambridge、London和Stockholm，以及11 Labs和Lovable等正在做有趣事情的公司。字幕中还出现了可能是Qwen、但无法确认的名称。Harry认为欧洲的应用层世界级——11 Labs、Synthesia、DeepMind——但基础设施、芯片和模型落后于美国，这一点Feldman接受。文化差异在于，硅谷“没有一种因为你试图做非凡之事、最终失败而产生的污名”。

9. IPO：被可能的CFIUS拦下，政府换届后放行——背后是18个月每天失败

这是史上规模最大的半导体IPO，Harry在开场提到发行价185美元、最高升至311美元，募资超过55亿美元。Feldman称其时机既是有意选择，也包含运气和韧性，两者并不矛盾。他们不知道芯片最终能否跑通，也不知道xAI和OpenAI是否会抢先上市；但他们知道，“我们有机会成为整个市场上第一个、也是唯一一个纯AI标的。市场上只有一家，那就是我们。”
此前的阻碍是：“我们撞上了”字幕显示为“Sytheus”或“Sisyphus”的问题——很可能是CFIUS——对公司部分大客户存在“一些从未被明确说明的担忧”。随后“我们迎来了新政府，那些担忧就消失了”，最终按Cerebras一年前提出的条款解决。被直接问及特朗普政府，他回答：“对商业环境毫无疑问更好。”无论哪些事情他赞同、哪些事情他不赞同，在这一点上他毫不动摇。对创业者的启示是：“我们一直在建设业务……只要持续建设，你永远会更强。”
这期访谈最值得记住的创业者尾声，是一段持续18个月、每月烧掉800万美元、却始终无法解决问题的时期：他们曾在2秒处失败，一年后又在1小时处失败；每次都做完整的失败分析，从不以同一种方式失败。“有一种神话认为CEO不会怀疑自己……当然会。”直到今天，“还没有其他人解决这个问题。”他给VC最温和的建议是：董事会需要有同理心，知道“如果压力不是来自内部，他们押错了人”。
他留下的人的账本是：上一家公司造就了100名百万富翁，这家公司造就了800名。“如果你不喜欢为团队交付，你就不是真正的领导者。”代价也同样真实：每位CEO的伴侣，“当你坐在身边却满脑子工作时，会比你不在家时更孤独”。“Emirates Airline每年给我寄圣诞礼篮……你得多频繁坐飞机，才会得到这种待遇？”

核验说明

IPO遭遇的阻碍在字幕中没有明确指认；“很可能是CFIUS”仍属于推断。
“Quan”可能是Qwen，但字幕没有清楚确认这一实体。
“DD”可能是Didi，但字幕没有清楚确认这一实体。

前国防部顾问谈伊朗、中国与AI战争 166: 许华哲再次具身创业：不想错过最大的西瓜