摘要

Thompson认为，美国在AI上取得决定性“胜利”反而会很危险，因为在美国凭借AI获得压倒性军事优势这一极端情景下，中国从博弈论角度最优的回应就是“炸掉TSMC”。他称把制造业迁回美国的反制方案是“魔法般的思维”：从晶圆厂、执行器到前驱体，对中国的依赖“不发生冲突就不可能解决”；即便Apple转向印度，也只是分散供应链而非彻底退出——这是一份成本高到天文数字、没人愿意真正支付的保险。他也不认为AI一定能解决现实世界的制造问题。
当前的均衡——OpenAI和Anthropic处于前沿，中国实验室通过蒸馏模型保持“落后约6-9个月”——“总体上对美国有利”，而且可能比很多人想象的更持久。 “开源等于免费”的说法“让我觉得很奇怪”：Kimi“推理服务成本非常高”，开源模型省掉的是研发成本，不是推理成本。
近期AI基础设施扩张面临的约束，可能既不是算力也不是电力，而是资金。 扩张最初靠自由现金流启动，随后科技公司在大约1年内“把债务市场彻底用穿”；Google开始发行股票，NVIDIA则在搭建规模达5000亿美元的工具，试图吸纳养老金和保险资金——“接下来呢？”铁路行业的先例是：19世纪70年代，“全世界就是没钱了”，但铁路仍继续运营并向美国西部扩张。
Google令人震惊的股权融资，让人不禁猜测Berkshire可能正是Google的模板：Search可以是See’s Candies，AI则可以是BNSF。 当资本规模超过某个阈值后，企业看的是绝对值而非百分比——面对一个“基本等于所有白领工作”的TAM，即便AI利润率更低，也可能远远超过拥有完美利润率的搜索；在“天文数字般更大的蛋糕”中占据更小份额，也没人会抱怨。
科技行业整体并不理解大宗商品市场，算力正在经历一个经典周期：今天投入的钱会在2028-29年变成算力，而回本周期是“在稀缺时代测出来的”。 Jassy和Nadella所说的“只在有需求时按需购买GPU”需要打个问号——“我不确定这是不是一派胡言”——因为闲置的机房壳体最终可能被填满；即便AI需求无穷无尽，只要收入在资本耗尽之后才到来，也可能出现“断层式爆雷”。
TSMC的保守策略把风险以放弃利润的形式转嫁给了大科技公司，而这种稀缺最终“救了Intel”。 没有理性的人会主动购买负期望值保险，因此，解决对TSMC依赖的唯一办法，就是出现一个大到足以迫使大科技公司在经济上必须扶持Intel和Samsung追赶的算力应用；Thompson预计Intel将宣布一项重要合作伙伴关系。
NVIDIA的利润率“并不自然”：25%的兜底安排和循环融资本质上都是变相降价，因为“风险从来不会消失，只会转移”。 它真正的竞争对手是拥有更低资本成本、把TPU（约20%卖给Anthropic）和Trainium对外作为商品出售的超大规模云厂商；只要电力持续充足，这些芯片就有更多时间追赶。泡沫留下的长期遗产，可能是能源充裕——AI版的WorldCom光纤。
OpenAI以“约100倍的规模”重演了Dropbox的错误：消费者不愿为软件付费，也不想变得更高效。 如果ChatGPT刚上线就转向广告，“Google会陷入大得多的麻烦……Meta也会陷入大得多的麻烦”；如今最大的LLM变现，可能就是Google和Meta广告收入的增量，因为它们的广告市场是全球规模的验证机器。

精读

1. 美国在AI上取得决定性“胜利”，可能招致中国炸掉TSMC

Thompson开场便抛出挑衅性观点：“我认为美国赢下这场竞争会非常麻烦。” 在最极端的情景中，掌控AI意味着获得军事优势，甚至能够解决制造业问题——不过他并不认为AI一定做得到，因为制造业牵涉现实世界——“中国从博弈论角度最优的回应是什么？炸掉TSMC。” 他认为，一些实验室把国家安全主导地位当作目标，而不是当作危险本身，这与现实存在“根本性脱节”。
Patrick反问，到那时美国难道不会已经拥有本土晶圆厂？Thompson回答：“这有点像魔法般的思维。” 从晶圆厂、执行器到前驱体，美国对中国的依赖“不发生冲突就不可能解决”，因为针对一个从中国采购的竞争对手进行供应链回迁，代价将极其高昂；Apple转向印度也只是局部调整，更像一份成本高到天文数字、没人愿意支付的保险。
谈到背后的动机，他说：“所有人都可以利用一个好用的假想敌……从AI交易的角度看，没有什么比‘我们必须击败中国’更有效。” 他的建议是不要照搬对手，而是“更多开放、更多创新、更少自上而下的控制”——“美国的成功之道，是站在最前沿，并顺势加码。”

2. 当前均衡对美国有利，“免费”的开源模型并不免费

AI竞赛有点像台湾：一个“实际上看起来没那么糟”的现状，只是不知道能持续多久。OpenAI和Anthropic显然位于前沿，“谁知道Google在发生什么”，Groq和Meta也在追赶。中国实验室通过蒸馏模型把差距控制在6-9个月。他“仍然有些怀疑”中国会反超：芯片是一个原因；而要追上一个借助AI改进AI、持续加速的前沿系统也非常困难——这一点在2家领先实验室身上“似乎正在成为现实”。
谈到开源模型，他说：“所有人都把它们称为免费……不，AI不可能免费使用。” GLM和Kimi都承担着真实的推理成本——“Kimi推理服务成本非常高”；如果前沿实验室利用AI优化自身技术栈，它们的单位服务成本最终也可能结构性降低。
他认为最大的已知未知，是在“Mythos”引发恐慌以及“Hugging Face事件”之后，实验室的回应可能不是降低风险，而是干脆不再发布模型。所有人都拿Fable去评判Mythos，却失去“对前沿究竟是什么的任何感知”，形成一种虚假的安全感，而这个差距“只会随时间推移不断扩大”。

3. AI热潮可能撞上融资缺口，Google融资暴露Berkshire类比

让他担忧的是资本投入与回报之间的时间错配：“我们正在沿着资本曲线向下走。” 基础设施扩张最初靠自由现金流启动，随后“科技公司击穿债务市场的速度相当惊人——大概只花了1年”；现在Google开始发行股票，NVIDIA的5000亿美元工具则在吸纳养老金和保险资金。“接下来呢？” 如果现金流不能及时转正，“我们可能会迎来一次大爆炸”——而Patrick给出的背景数据是，今年资本开支约8000亿美元，明年预计达到1.3万亿美元。
铁路行业当年就是这种情况：长期回报项目依靠短期资金融资，直到19世纪70年代“全世界就是没钱了”。但铁路仍继续运营并向美国西部扩张；更有意思的是，“现在流入Google的铁路资金就是Berkshire的钱”。即使发生爆炸，也不会阻止AI继续进步；Thompson相信AI最终带来的经济影响将达到天文数字，对社会的影响也会非常重大。泡沫“放到人类历史的整体尺度上最终并不重要”，即使它们造成的破坏非常严重。
Google发行股票为什么令他震惊？“这可是Google……如果他们真的如此笃定，为什么要牺牲自己的上行空间？” 他的答案要从See’s Candies和BNSF说起：BNSF仅1年的自由现金流就超过See’s Candies一生的产出，因为当资本规模足够大时，“你开始生活在一个看绝对数字、而不是百分比数字的世界里”。
他给出的对应关系是：Search是“有史以来最完美、最漂亮的商业模式之一，也是最纯粹的聚合器”，而AI“只是在焚烧现金”。但如果AI的TAM“基本上等于所有白领工作”，最终随着机器人发展甚至覆盖一切，那么即便被稀释后只拿到“天文数字般更大的蛋糕”的一小部分，也没人会抱怨。Berkshire可能“不只是Google的投资者，也是Google的模板”。

4. 一边看多、一边无法完全信服：可验证领域的问题

他坦言自己“非常看多，但在某些方面没那么看多”。AI在编程和数学上非常出色，但这2个领域都可以验证；他想看到的不是国际象棋或围棋，而是另一个例子。当实验室圆桌讨论的嘉宾把他当成看空者时，他“有点恼火”，因为“我本来就认为我们能解决国际象棋，也认为我们能解决围棋——它们都是可知的领域”。AI究竟在哪个“真正……不可知的空间”取得了成功？
一个可能的解释是，模型蒸馏的是“人类思考的最终状态”——Reddit上的评论，而不是评论背后的思考轨迹和情绪。“如果Neuralink真正的回报，其实是捕捉人类思维的轨迹”，并把它作为训练数据，会不会大幅拓展AI能力？
即使能力冻结在今天的水平，市场规模也已经巨大：“世界上有很多人，有点像有意识的AI”——他们在可验证的领域运转良好，被分配工作并完成工作。因此他称自己是“勉强的加速主义者”：“我们回不去了，而最糟糕的事情就是卡在现在这个位置。”
医疗“绝对是最大的机会之一”：如果对所有医疗记录进行机器学习，可能在“非常短的时间内”产生大量发现，但监管构成了门槛。双刃剑在于：人类“创造需求的能力基本上是无限的”，而“制造监管红 tape和混乱的能力也相当无限”。

5. 边际成本回来了，也击穿了微软的定价模型

聚合理论建立在零边际成本之上：“在一个丰饶的世界里，真正困难的问题不是分发，而是发现”；变现可以在不依赖人工的情况下扩张，Google和Meta的大多数广告主从未与任何人交谈。Patrick反驳称推理成本“现在是真实存在的”，Thompson回应，关键就在于成本差异：一个让ChatGPT帮忙写菜谱的用户，服务成本大致相当于打开一个网页；但测试时扩展是“直接的边际成本——你思考的每1秒更久，都在花更多钱”。这2类用户“根本不在同一个宇宙里”。
Microsoft新的E7方案——每用户每月100美元，另加使用费——“问题重重”：企业按年度而不是按月度做预算；按席位计费的软件曾被不假思索地嵌入人员编制预算，“不是资本开支，但有点像资本开支”；而按月审查账单，会引出“我到底在为什么付费？这些产品分别有多好？”的问题。他们不得不这么做，因为高Token用户的成本远高于100美元；但又必须让客户稍微思考一下，“不能思考太多，否则整个模型就会被打破”。

6. 消费者不愿付费，也不想提高生产力：OpenAI以100倍规模重演Dropbox

“硅谷每10年都必须重新学会2件事：消费者不想为软件付费，消费者也不在乎提高生产力。” 经典案例就是Dropbox：Jobs说“你是一个功能，不是一家公司”，随后经历2年低谷，最终从底层重建企业权限体系——因为当员工生产力提升时，公司愿意付费。至于消费者：“我已经工作了一整天，为什么回家还要提高生产力？我想坐在沙发上刷Reels。”
“你看到的就是OpenAI以大约100倍的规模重演Dropbox的故事。” 订阅卖出了很多，“但还不够多”；就在“Anthropic正在把我们打得很惨”迫使OpenAI转向企业市场之际，广告转型显得格外尴尬。如果一开始就押注广告，“我认为Google会陷入大得多的麻烦。我认为Meta也会陷入大得多的麻烦。”
广告之所以更适合消费者，是因为“你对消费者的变现能力是无限的，因为涨价由广告主承担”；不存在类似Netflix那样的价格弹性天花板。“向人收费很难，免费给人东西很容易。”

7. 科技行业不懂大宗商品：今天的钱变成2028年的算力

算力短缺源于2023-24年投资不足，而TSMC在2023年、2024年和2025年都下调了增长率，因此“算力短缺会进一步恶化”，今天的支出“最终都会在2028年和2029年体现为算力”。Jassy和Nadella所说的“只有需求出现时才买GPU”需要打个问号：“我不确定这是不是一派胡言”——已经建好的机房壳体属于沉没资本，不会被长期闲置。
他用航运解释这一机制：一艘船的成本是折旧，而折旧“只是会计上的虚构——钱已经付出去了”，所以船无论如何都要运行，价格最终会向边际成本靠拢。COVID期间，集装箱价格从3000-4000美元涨到17000-18000美元；如果所有人都按2年交付周期下单造船，价格可能暴跌。只有当价格跌破真实边际成本时，供应商才会退出，供给减少后价格才能恢复。存储行业的繁荣与崩溃也是同一套机制。
数据中心经济学的陷阱在于：“你是在稀缺时代测量回本周期。这个回本周期在丰饶时代还能成立吗？” 多头认为，测试时扩展意味着“我们会永远短缺”——“也许确实如此”；但即便这样，如果收入在资本投入之后才到来，“我们仍可能出现一个断层”。

8. 存储把自己变成了靶子，TSMC的谨慎反而救了Intel

存储行业经历惨烈周期后，整合成纪律严明的3家巨头。Samsung“在下行周期中投资”，这需要“极大的勇气和纪律”，并且“基本上消灭了日本厂商”；但这种纪律与一个它们迟迟没有意识到的长期需求变化发生了冲突。他的类比是：存储厂商就像伊朗，而封锁霍尔木兹海峡会促使别人绕开你——“假设伊朗想在2035年关闭霍尔木兹海峡，那不会产生任何影响”。如今算法优化的第一目标就是减少内存用量。
TSMC“可能更糟，因为这里只有一家”。TSMC的保守主义要求一座晶圆厂运行30年，但这并没有消除风险——“风险不会消失，只会转移”；它转移到了大科技公司身上，表现为放弃的收入和利润。Great Recession期间，新管理层削减支出、解雇所有人后，Morris Chang复出并表示：“iPhone刚刚发布……我们需要投资，而不是削减。” Chang是科技高管界“拉什莫尔山上独一无二的人物”。
当TSMC“合作起来如此出色”时，理性上没人愿意承受培训Intel的痛苦，直到短缺严重到无法忽视。“稀缺最终救了Intel……归根结底，这是TSMC自找的”；他预计Intel将宣布一项重要合作伙伴关系。更一般的规律是：没人会购买负期望值保险，因此，唯一的解决方案就是打造一个规模大到“让我们免费获得地缘政治保险”的算力应用。Patrick的总结是：“高价格的解药就是高价格。”

9. Amazon是他最看好的布局，Apple也许只是运气好

被问到大科技中最好的布局，他的答案始终是“Amazon”——因为Amazon是自己的“第一优质客户”。AWS并不是闲置产能：它先服务外部客户，再服务内部客户；物流业务则走了相反的路径；早期Graviton和Trainium“很糟糕”，但借助Redshift等托管服务隐藏在后台，获得了足够的规模来持续改进，如今Trainium已经在运行Anthropic。核心零售业务“感觉坚不可摧”，“他们的护城河比任何人都深”。
Apple暂时缺席AI，可能是“运气比实力更重要”的局面：“如果你拥有客户入口，供应商自然会找上门”；未来消费级聊天机器人可能直接在设备端运行——“用客户的电力”，无需承担推理账单。风险在于重演Microsoft错失移动端的陷阱：假设手机永远是中心，而环境式AI最终会在各处出现。
关键在于产品气质：“AI是一项概率性事业，而Apple是确定性产品之王”——从来不会出现iPhone召回。“Apple不做AI我完全没问题，我希望他们继续制造伟大的设备。”

10. “他们以为自己正在创造上帝”，Microsoft则在执行IBM剧本

谈到前沿实验室，他说：“永远不要低估信仰的力量。他们以为自己正在创造上帝。” OpenAI“有点像主流教会——每周日都去做礼拜”；Anthropic则像福音派，“全情投入”。Meta进军前沿AI，是“创始人能量最纯粹的体现之一，不论好坏”；Google只需要让Search“不要死得太快”。至于太空数据中心那套玩法（原话为“SpaceX AI”），拥有模型的逻辑最弱——如果差异化来自轨道算力，“为什么要浪费数十亿美元？”
Microsoft有意不站在前沿，因此每季度仍有400亿美元自由现金流，并支付100亿美元股息；它在执行Gerstner时代的IBM剧本：什么都做得平庸，“这就是垄断的代价”，于是出售中间件、可靠性和咨询服务，像IBM当年“让整个美国企业界上线”。所有企业销售，本质上都是“那些长期目标是把你锁定在自己体系里的公司，通过让你害怕被别人锁定，来争取把你拉进来”——这就是Oracle笑话的由来。
这既理性又带有绝望色彩：“归根到底，我们为什么还在使用Microsoft的产品？” AI在保护记录系统的繁琐迁移工作上“好得出人意料”；而Codex、Claude式代理正“像一支射向心脏的箭”，直指Microsoft拥有的界面层。因此更广泛的判断是：对数字公司而言，“不站在前沿反而更加鲁莽”。

11. Meta的广告市场是全球规模的验证机器

Meta的结构性特点是：Instagram“创造了这么多收入，而Facebook为内容支付的成本是0美元”。如果由Meta自己生成AI内容，其利润率反而会比现有模式更差；但对YouTube来说可能增厚利润，因为推理成本可能低于支付给创作者的收入分成。多头逻辑是：在AI充斥的世界里，“人们对人与人连接的渴望会更强”；TikTok已经证明，社交网络此前只是人为限制了内容质量，社交网络本身可能重新变得重要。
最常被忽略的一点是：“现在最大的变现可能不是Anthropic或OpenAI，而是Google和Meta正在获得的广告收入增量。” 它们的广告市场通过全球规模的用户点击和购买结果，以及大量A/B测试，验证AI生成的广告创意；大多数广告都是一次性消耗品，但类似LLM的预测——“这个人下一步可能想看这个”——只需提升几个百分点，回报就可能达到数十亿、数百亿美元。仅这一点就足以支撑前沿AI投资。
Thompson感到遗憾的是，Zuckerberg“20年来几乎从未真正谈过广告的社会价值，只是偶尔提及”；Sheryl Sandberg式的案例布道也“从未真正补上”。与此同时，他称Apple的ATT是“科技史上最严重的反垄断违法行为之一”，并认为Apple在公交车上的广告是“不诚实”的呈现；华尔街不愿为Meta的AI支出提供资金，部分原因在于Oculus累计投入了“超过1000亿美元”，而他从一开始就非常反感这项业务。

12. NVIDIA的利润率并不自然，能源充裕可能才是泡沫的真正遗产

Patrick问算力和智能是否都会成为商品，Thompson没有回避，反而表示认同：“商品会改变世界……互联网就是一种商品。它改变了世界，所以智能最终成为商品并改变世界，并不奇怪。” 差异化产品会限制自己的TAM；商品之所以影响巨大，恰恰是因为所有人都能拥有。
NVIDIA通过把降价从损益表上移走，维持了表面利润率：25%的兜底安排、对新云厂商的股权投资，以及承诺采购算力至2030年，都在降低交易对手的资本成本，因为“Nvidia承担了风险……风险从来不会消失，只会在别处出现”。如果按真实价格计算，这种期望值转移“就是降价”——“我们确实已经看到降价，只是它们以非常奇怪的方式呈现出来。”
真正的竞争对手是超大规模云厂商：Google大约将20%的TPU卖给Anthropic，Jassy也几乎确认Trainium会对外销售；这些芯片以商品而非差异化产品的方式出售，背后依靠的是“更低的资本成本。这是一场资本之战”。CUDA的护城河“已经大幅削弱，因为模型不在乎自己运行在哪种芯片上”；Elon购买NVIDIA并不是“因为它们最好”，而是“因为它们最具可替代性”。
Thompson认为，电力不足原本可能更早成为NVIDIA的护城河：在受约束的世界里，Token效率会胜出；但美国“上线的电力远超预期”（包括表后建设、西德州天然气和核电重启），给了Trainium和TPU追赶的时间，“这些利润率似乎很难持续”。泡沫留下的长期遗产可能是能源本身，就像“我们的核心互联网至今仍运行在WorldCom的光纤上”：“生活在能源充裕的世界里会是什么样？甚至很难想象。”

Elon 的前电池负责人谈如何将变压器缩小 100 倍 | Drew Baglino、Heron Power 大规模监控、警方滥用，以及谁在控制你的 Flock 摄像头——对话 Flock CEO Garret Langley