AI还能保持指数级增长吗？问问 SemiAnalysis——Dylan Patel 与 Jordan Nanos
摘要
- SemiAnalysis认为，网络热传的图表大幅低估了AI基础设施建设的规模。 Dylan Patel估算，明年美国在数据中心、芯片及配套供应链上的资本开支将接近2万亿美元，相当于一个超过30万亿美元经济体的约5%–6%，而不是3.6%。美国还在为海外用户建设训练和推理能力，因此这轮建设的规模“远超任何其他有形基础设施投资周期”。
- 三位数资本开支增速必须放缓，但 SemiAnalysis尚未看到足以标志繁荣破裂的需求信号。 超大规模云厂商资本开支在2026年Q3同比增长116%，而工程能力、制冷、芯片、资本以及再组织出1 GW产能的能力都在成为约束。需求仍然“显著超过供给”，在足够产能上线前，没人能判断缺口是10%、50%，还是实际上没有上限。
- 把基础设施寿命和收入滞后纳入后，回本逻辑没有看上去那么离谱。 Dylan按GPU 6年、数据中心15年的使用周期建模：今天投入1万亿美元，可能需要累计带来约1.5万亿美元收入，即6年间每年2500亿美元，而不是立刻实现等额收入。他认为，只有2031年AI收入仍仅为3万亿美元，才会真正构成问题；同时他预计OpenAI和Anthropic合计收入到明年12月可能达到6亿–7亿美元，到2027年底或许达到1.5万亿美元。
- AI支出预计将由劳动力、研发和销售成本共同承担，同时把价值转向以算力为基础的资本。 Dylan的表述是，token“本质上就是资本”，只是以芯片和数据中心的形式固化下来；企业可以在员工人数基本不变的情况下，生产和销售更多产品。他以芯片设计为例：过去20年，美国工程研发人员数量大体持平，但工具让行业得以制造出价值高得多的芯片，覆盖手机、传感器、机器人和AI系统。
- Anthropic可能拥有软件般、甚至更优的经济性，但其上行情景意味着深刻的社会动荡。 Dylan称，Anthropic目前在产出层面的毛利率已接近75%，获客成本几乎为零；如果能维持模型领先地位，其业务可能“比软件更好”。但如果以约5倍销售额估值达到20万亿美元，就意味着数万亿美元收入，以及一个高度集中的AI经济；按照他刻意偏悲观的框架，“整个社会可能会陷入麻烦”。
- Neo-cloud融资是真实存在的金融管道，但不足以证明NVIDIA人为制造了需求。 Jordan Nanos称，SemiAnalysis追踪到NVIDIA支持的5880亿美元表外担保，约相当于美国M2的2.5%；这类安排通过提供投资级的兜底买方，让贷款方更愿意为项目融资。NVIDIA往往会把产能转卖给出价更高的客户，而整个市场的约束还覆盖建设、内存、光学器件、工厂和工业设备，并不只是GPU采购。
- 近期的分水岭在运营质量和安全，前沿实验室也越来越倾向于把最强模型留给自己。 SemiAnalysis在追踪的323家供应商中只找到少数值得推荐的选项，并披露了客户可以看到其他租户数据和政府工作负载的案例；“这些云服务商大多数在安全方面都很糟糕”。与此同时，Anthropic和OpenAI推迟或限制发布了Mythos、Fable、Glasswing、Astra和Bell等模型，这表明公开发布的产品可能会变成“最低可行模型”，只用于维持领先，而更高价值的能力留在内部。
精读
1. AI基础设施建设规模远超表面比较
Dylan对网络热传基础设施图表的反应是：“人们统计的数字少了。”他估算，若把数据中心、芯片及周边供应链全部计入，明年美国相关支出将接近2万亿美元，约占GDP的5%–6%，而不是图表中的3.6%。
铁路和光纤网络主要是为进行投资的国家自身建设的。美国的AI基础设施则在国内训练模型、为海外提供推理服务：Dylan提到欧洲地区对Anthropic和OpenAI的使用，以及亚洲需求，认为美国这轮建设形成的经济能力已经超出本国边界。
Alex给出的参照数字是：超大规模云厂商资本开支在2026年Q3同比增长116%，市场一致预期Q4降至100%以下，明年一季度进一步降向70%。Jordan认为，约束将在明年年底前后及之后陆续显现，因为EPC能力、工业设备、制冷、芯片和融资不可能永远维持三位数增速。
2. 资本开支增速放缓，本身不意味着繁荣结束
算术已经变得更难：Dylan描述收入在一年内从不足100亿美元升至超过1000亿美元，但认为到明年年底不可能进一步达到1万亿美元。NVIDIA仍然可以实现翻倍，只是增速会明显低于此前的倍数增长。
SemiAnalysis强调的区分很关键：基础设施支出增速最终必须放缓，而收入和利润增速则必须加快，才能证明已建成资产的合理性。当前AI收入反映的是前几年完成的建设，直接拿今天的销售额与今天的资本开支比较，实际上错配了两个不同的时间段。
Jordan给出的需求检验很明确：在使用量放缓之前，不要预判订单取消。目前所有模型都显示需求“显著超过供给”，但GPU和数据中心供应受限，没人知道未满足的需求到底是10%、50%，还是大得多。
主持人对Neo-cloud的担忧带来了一项重要修正：大客户通常签的是5年或6年的固定小时费率产能合同，而不是可以按月取消的承诺。Meta可以让自己的园区空置，或推迟为这些园区购买芯片，但不能毫无代价地放弃已经签下的第三方产能。
3. 回本逻辑取决于资产寿命和更广泛的变现
Dylan按GPU 6年折旧、数据中心约15年使用来计算。按他的简化模型，今天投入1万亿美元，6年内可能需要带来1.5万亿美元收入，即每年约2500亿美元；收入曲线可以前期较低，之后再快速上升。
这也是他驳斥Meta走上“企业自杀”之路的原因。Meta确实承担了合同义务，但可以停止批准更多园区；现有现金流能够覆盖已签署的承诺，因此真正的问题是投资回报率，而不是偿付能力。
Dylan称，如果到2031年AI收入只有3万亿美元，那确实会“造成大问题”。他表示，OpenAI和Anthropic合计收入到明年12月可能达到6亿–7亿美元，到2027年底或许达到1.5万亿美元。他称，Anthropic目前在收入扣除训练和推理算力成本后已经为正，OpenAI可能在未来2至3个季度内跟上。
Dylan认为，把token订阅作为收入框架过于狭窄。前沿智能还可能进入机器人、自动驾驶、药物研发、医疗和生命科学；如果一家实验室利用AI研发出癌症疗法，它捕获的经济价值可能更接近突破性药物，而不是云API。
4. AI将价值从劳动力转向资本，但不必然减少雇员
当被问及客户数千亿美元的支出将从何而来时，Dylan指向不断扩大的研发预算、销售成本和劳动力。Token“本质上就是资本”——是芯片和数据中心在执行工作——因此AI会加速劳动在GDP中占比数十年来的下降。
他明确保留条件地表达了一个希望：如果整体经济快速增长，即使劳动收入占比下降，按美元计的劳动收入仍可能保持稳定甚至上升。企业或许可以雇用同样多的人，开发更多产品、收取更高价格、改善利润率，并把更多新增价值分配给资本。
芯片设计是Dylan眼中的转型样板：美国研发工程师人数在约20年间几乎没有变化，但随着工具提升单个开发者的产出，行业价值大幅膨胀，覆盖手机、AirPods、机器人、GPS、Bluetooth、气体传感器和AI本身所需的芯片。
Alex追问了Dylan此前关于智力劳动即将终结的说法。Dylan把两个阶段分开：大约到2028年，是生产力仍在释放的时期，行动力极强的人将获得巨大的杠杆；而“2035年的疯狂”则可能意味着，当系统在所有事情上都胜过人类，智力劳动真正变得过时。
5. Anthropic的上行空间既具商业吸引力，也可能造成社会失稳
Dylan称自己那篇关于Anthropic 2万亿美元IPO的帖子是“一篇彻头彻尾的垃圾帖”，但随后为其中的悖论辩护。Anthropic可能成为首家10万亿美元公司，但如果按成熟阶段接近5倍销售额的估值达到20万亿美元，就可能需要2万亿–4万亿美元收入，以及足以改造全球经济的能力。
他给出的悲观分支是极端集中的价值分配：就业受到冲击，而收益流向Anthropic股东或供应链所有者，最终可能引发政治动荡并“撕裂社会结构”。Jordan没有那么悲观，他设想价值通过新药等领域被创造出来，并以GLP-1为例，说明研发既能带来广泛社会收益，也能产生异常可观的利润。
运营层面的经济性已经很强。Dylan称，Anthropic在模型产出、尤其是高级模型上实现了约75%的毛利率，获客成本“几乎为零”；研发支出的增长慢于收入，现有客户似乎保持忠诚，并且往往会继续扩大支出。
对于主动“放慢前沿进展”的说法，Dylan认为更多是在释放信号，而不是战略选择。Dario不可能相信Sam会停下来，Sam也不可能相信Dario会停下来，双方同样不能无视中国；严重的安全事故可能带来暂时性克制，但“他们几乎没有放慢的空间”。
6. NVIDIA的担保是在为受约束市场融资，而非制造需求
Alex将报告中的机制描述为包含最低收入担保、房东担保和租赁担保。Jordan称，SemiAnalysis追踪到NVIDIA支持的5880亿美元表外担保，相当于美国M2的约2.5%。这套机制为贷款方提供了可信的兜底买方，让Neo-cloud无需完全依赖超大规模云厂商也能获得融资。
实际操作中，NVIDIA可能同意接收产能，但最终并不需要这些产能：如果有另一家客户愿意支付更高价格，NVIDIA就会把GPU转卖给对方。因此Jordan认为，这种安排是一种务实的多元化，让NVIDIA拥有更多客户，也让各类实验室不必只依赖3至4家超大规模云厂商。
NVIDIA也确实存在来自模型研发、软件测试和持续集成的内部需求，但Jordan称，这部分只占其整体业务的一小部分。更重要的是，项目需要为建设、内存、光学器件、工厂和供应链各环节的设备融资，而不只是为芯片融资。
人们同样误解了这些项目的硬成本。混凝土、钢材和墙体对运营很重要，但在新集群总账单中只占少数；HBM、光学器件和GPU才是主要成本。因此，业主可以完成园区建设，却通过不投入设备、不启用园区来推迟最大的一笔支出。
7. 云质量、安全与私有模型正成为竞争护城河
ClusterMAX 3.0评估的是租户体验——可靠性、安全性、存储、网络、生命周期工具、Slurm和Kubernetes——而不是股票投资吸引力。CoreWeave和Nebius排名最高；Oracle能够提供出色的托管集群，但债务、固定毛利合同和执行失误拖累了它的投资逻辑。
Oracle的新墨西哥站点体现了这种分化：管线缺失导致延误，最终触发不可抗力；Wisconsin项目也遭遇延期。Nebius是头部供应商中平均合同期限最短的公司，可能快速上调价格；Oracle和CoreWeave则受到长期协议的更多约束。
在追踪的323家供应商中，只有少数达到SemiAnalysis的推荐门槛。安全是最严重的短板：Dylan称GLM 5.3很擅长攻入Neo-cloud，中国开源模型也能攻入数十家平台。他还讲到，自己曾意外看到其他租户的数据、Slurm活动，以及一个GDP位列全球前10但非美国国家的政府机构所使用的GPU工作负载。
Google面临的是另一种分配问题。Jordan称，在DeepMind、Anthropic和OpenAI三者中，DeepMind目前拥有的算力最少，尽管Google的总算力仍在增长。Dylan警告，明年OpenAI和Anthropic可能新增5–10 GW，而Google只增加几个GW。谈到Gemini 4 Argon时，他说：“没人需要第三、第四或第五名的编程模型。”
各家实验室已经在扣留前沿能力。Anthropic在2月就准备好了Mythos；之后对外发布的Fable功能受限，Glasswing也只向部分子行业开放。OpenAI将Astra保留了数月，并展示了Bell的数学表现，却没有发布该模型。Dylan预计，公开产品会是“最低可行模型”——足以领先中国模型和开源系统——而数月的能力进展将继续留在内部。