摘要

Anthropic 对算力的保守策略如今已经变成一项税负。 Dylan 算过，若每月新增约60亿美元收入，按当前毛利率需要约400亿美元推理算力，光是增长就要新增4GW；因此 Anthropic 必须通过 Bedrock、Vertex、Foundry 的收入分成和临时抢容量，在年底前勉强凑到5-6GW，而 Dario 相比 OpenAI 那句“先把这些疯狂的交易签了”已经“把事情搞砸了”。H100 的交易价格达到2.40美元/小时，期限2-3年，而全包建设成本仅1.40美元/小时。
GPU 折旧看空者的逻辑完全反了：由于芯片受供给约束，H100 的定价取决于 GPT-5.4 能榨取的价值（TAM“超过1000亿美元”），而不是 Blackwell 的规格表——“今天一块 H100 的价值比3年前更高”。 Michael Burry 以3年以内折旧为基础的逻辑，只有在“你能无限量生产 Rubin”的前提下才成立，但现实并非如此。
2030年的硬约束是 ASML，若全部用于 AI，产能上限大约是每年200GW。 1GW Rubin 需要约200万次 EUV 曝光，即3.5台 EUV 设备；现有装机量加上每年70→80→接近100台的新增，到本十年末可达到约700台，对应每年约200GW AI 芯片。Sam Altman 所说的每周1GW“完全兼容”这一上限——这只相当于约25%的份额——但 Sam、Elon 在太空部署的每年100GW、Anthropic 和 Google 不可能同时拿到各自想要的量。
供应链之所以结构性投资不足，是因为实验室之外没有人真正相信 AGI：实验室需要 X，Nvidia 只建设 X−1，下游则建设“X ÷ 2”。 可交易的类比是2023-25年的涡轮机预付款交易：向 ASML 支付费用锁定未来 EUV 期权，等“其他人意识到一切都搞砸了”后再转售；但 ASML 这个“全球最慷慨的公司之一”大概率不会答应。
最近的临界点是内存：Big Tech 2026年资本开支约30%流向内存，价格再翻一倍，智能手机销量则会从11亿部跌向5-6亿部，因为 Xiaomi 和 Oppo 正将低端产品线砍半。 DDR 没有可行的替代路径——HBM4 每个堆栈提供约2.5TB/s，而同样芯片边缘长度下 DDR 只有约64-128GB/s；新晶圆厂要到2027年末或2028年才投产。
Google 错过了 TPU 供给错位：Anthropic 的前 Google 算力团队在 Gemini 的 ARR 于第四季度达到50亿美元之前，就锁定了100万颗 Ironwood v7；DeepMind 的人当时说“这太疯狂了，我们为什么要这么做”，等管理层醒悟时，TSMC 已回复：“抱歉各位，卖光了。” 此后 Google 已经变得“极度 AGI 化”——收购能源公司、预订涡轮机、抢购带电土地。
“时间线短，美国赢；时间线长，中国赢。” 到2030年，中国“肯定”能实现完全国产化 DUV，并拥有能工作的 EUV 但无法大规模生产；与此同时，美国实验室到明年底各自达到约10GW，随着产品从 token 转向不透明的自动化工作，蒸馏会变得更难。如果回报平平、AI 需要更长时间才能达到某些能力水平，中国的垂直供应链就会超过西方；而如果 Huawei 没被禁用，早就“已经超越 Apple，成为 TSMC 最大客户”。
电力和太空不是主线。 16家以上燃气相关供应商、船用发动机、Bloom 燃料电池，以及电池或调峰电厂可以释放美国万亿瓦级电网约20%的供给，使电力问题在成本翻倍的情况下仍然可解（“原本1.40美元的 Hopper，现在成本1.50美元，我不在乎”）；太空数据中心会因部署滞后损失10%的 GPU 有效寿命，是下一个十年的10倍机会，而不是本十年机会。真正的尾部风险仍是台湾：一旦失守，新增产能将骤降至每年约10-20GW。

精读

1. 6000亿美元资本开支买的是2027-2029年——Anthropic 正在紧急抢算力

Dylan 拆解四大公司的6000亿美元资本开支（算上供应链约1万亿美元）：其中只有一部分用于今年落地的约20GW美国算力容量。Google 的1800亿美元资本开支包括2028和2029年的涡轮机预付款、2027年的数据中心建设，以及购电协议首付款——这些都是“为了搭好基础，让超高速扩张能够启动”。
把 Anthropic 的约束向前推演：每月新增约60亿美元收入，10个月就是约600亿美元；按最近披露的毛利率，这意味着约400亿美元推理算力，也就是按每GW约100亿美元租赁成本计算的4GW——仅为推动收入增长，训练集群规模仍保持不变。Dylan 认为，Anthropic 到年底可能要通过 Bedrock、Vertex、Foundry 的收入分成，勉强凑到“5或6GW”；OpenAI 会“略高一些”。
Dylan 描述的对比是：Dario 有意采取保守策略——“和 OpenAI 相比，他把事情搞砸了；OpenAI 的做法是，‘先把这些疯狂的交易签了’”——而 OpenAI 的激进甚至延伸到了 SoftBank Energy 这样的随机交易对手，后者“这辈子从没建过数据中心”。Dylan 笑着概括 Anthropic：“他们有承诺障碍，某种程度上还是多边恋。”
那场值得记住的4个月急转弯：所有人都拒绝了 OpenAI 的交易，因为“你们没钱”，Oracle 和 CoreWeave 股价暴跌，信贷市场恐慌；随后融资落地，“现在所有人都在说，‘OpenAI，我们一直都相信你们。’”负责人的 Anthropic，反而成了如今支付现货溢价的一方。

2. H100 今天的价值高于3年前

Dylan 提出了两套折旧视角。机械化的 TCO 视角是：一块 H100 按5年计算成本为1.40美元/小时；2美元/小时的合同对应约35%毛利率；如果 Rubin 可以无限量生产，那么 Hopper 到2026年会降至1美元/小时，2027年降至0.70美元/小时，因为每一代性能提升3倍、价格只提高1.5-2倍。这是 Burry 的逻辑，但也是错误的视角。
正确的视角是：芯片的定价取决于今天能从中提取的价值。GPT-5.4 更稀疏、服务成本更低，一块 H100 现在运行更好的模型时能处理的 token 数量，远高于运行 GPT-4 时的水平；GPT-4 的 token TAM 可能只有数百亿美元，GPT-5.4 的“可能超过1000亿美元”。结果是：“今天一块 H100 的价值比3年前更高。这太疯狂了。”在生命周期第二年签下2.40美元/小时的合同后，Hopper 的利润率不是衰减，而是在扩张。
AGI 视角下，一块 H100 约1e15次浮点运算，已经处于人脑量级；“如果服务器上真的有真人，一块 H100 的价值足以在几个月内收回自身成本。”（Dwarkesh 提出的 PB 级大脑异议，换来全场最佳嘲讽：“说出一个由0和1组成的 PB，老兄。给我说出一个字符串。”）
Dwarkesh 的 Alchian-Allen 框架值得保留：计算成本的固定增加，会压缩前沿模型与中等模型之间的价格比率，推动所有人转向最好的模型。Dylan 认同这一点：“我们现在看到，所有使用量都集中在最好的模型上，所有收入也都来自最好的模型。”

3. 利润向提前锁定产能者上游转移——而实验室必须摧毁需求

在算力受限的世界里，最早签下5年承诺的客户“锁定了巨大的利润优势”；但这种优势有边界：CoreWeave 的平均合同期限超过3年，98%以上的算力都已被锁定，因此真正发生重新定价的是新增容量。而新增容量规模极其庞大：Meta 今年新增的算力，可能相当于其2022年 WhatsApp、Instagram、Facebook 和 AI 全部算力之和；OpenAI 则从600MW扩到2GW，再到6GW以上，明年达到12GW。
上游掌握筹码：Nvidia 已签下900亿美元长期合同，并在谈3年期内存协议；内存供应商“还会把价格再提高一倍或3倍”；TSMC 没涨价，ASML 也没涨价——“直到 TSMC 或 ASML 突然说，‘不，我们要大幅提价。’”
模型供应商今年的利润率会上升，但原因并不令人高兴：“因为产能太受限，他们不得不摧毁需求。Anthropic 不摧毁需求，就不可能按当前速度继续增长。”Claude 的可靠性问题已经体现了这一点。

4. Google 卖出100万颗 TPU 后才醒悟

Dwarkesh 引用 Dylan 的数据称，到2027年 Nvidia 将占 N3 产能70%以上：它比 Google 或 Amazon 早得多地签下不可取消、不可退货的订单，核查了整条供应链的 PCB 和内存产能，而且“比去年第三季度的 Google 更相信 AGI”。TSMC 自身的偏好也朝同一方向倾斜——相比 Trainium，它更愿意把产能分配给 Graviton CPU，因为 CPU 需求看起来是“稳定的长期增长”；随着 A16 的首个客户变成 AI 而非 Apple，Apple 也正在滑向“和其他普通客户没什么两样”。
Dylan 根据晶圆数据复原 Ironwood 故事：Anthropic 的算力团队全部来自 Google，他们“看到了这次错位”，在 Google 意识到之前就完成了谈判。2025年第三季度初的6周里，TPU 产能申请数次跳升，Google 突然不得不向 TSMC 解释需求为何增加。DeepMind 的人说：“这太疯狂了，我们为什么要这么做？”
随后 Nano Banana 和 Gemini 3 上线，Gemini 的 ARR 从第一至第三季度几乎为零，第四季度冲到50亿美元，管理层于是回头要求更多产能。TSMC 回复：“抱歉各位，卖光了。2026年我们或许还能多给5-10%。”Dylan 的结论带有明确限定，是他根据供应链数据作出的叙事判断：“在我看来，Google 搞砸了，这一点相当明确。”
此后 Google 已经“极度 AGI 化”——收购能源公司、预订涡轮机、购买“极大比例的带电土地”。当被问及明年底会有多少GW时，回答是：“买我的数据。”

5. 瓶颈转移到芯片——EUV 计算将 AI 上限锁定在每年约200GW

瓶颈依次经历了 CoWoS、电力和数据中心，这些都是短交付周期问题（Amazon 只需8个月就能建成数据中心，而晶圆厂需要2-3年）。此前为 AI 供给产能的移动和 PC 需求已经无法继续挪用：Nvidia 现在既是 TSMC 最大客户，也是 SK Hynix 最大客户，“资源下滑后再转移的空间已经基本没有了”。
承重级算术是：1GW Rubin 需要约5.5万片3nm晶圆、约6000片5nm晶圆、约17万片 DRAM 晶圆；3nm晶圆约70层掩模中约20层使用 EUV，即每GW需要约200万次 EUV 曝光。按每小时75片晶圆、90%开机率计算，3.5台 EUV 设备即可满足1GW——这意味着12亿美元设备支撑一个500亿美元数据中心。
ASML 今年生产约70台设备，明年80台，“到本十年末略高于100台”，即便扩产极其激进。叠加250-300台的现有装机量，到2030年约700台；如果全部分配给 AI，对应每年约200GW AI 芯片。Sam 所说的每周1GW（每年52GW）“完全兼容……他只拿25%的份额”，大致相当于他目前获得的 Blackwell 份额。问题在于所有人都想拿到同样的份额：Elon 想要每年100GW用于太空，Anthropic 和 Google 也有类似需求。
Dylan 指出的利润放大镜是：Nvidia 将 TSMC 1000亿美元的3年资本开支中的一小部分，转化为年化1600亿美元利润；ASML 则处在更下游，用约10亿美元的机器撬动1GW算力。

6. ASML 是人类制造过的最复杂机器，却由最不贪婪的公司运营

供应链为什么不进行 YOLO 式扩张：它“经历过繁荣与萧条”，并没有真正相信 AGI——“没人真正看到每年200GW的需求”。Dylan 的滞后链条表述是：实验室知道需要 X，“Nvidia 没有那么相信 AGI，所以建设 X − 1。沿着供应链往下，每个人都在建设 X − 1，有些甚至只建设 X ÷ 2。”ASML 的判断是“AI 意味着我们要从60台增至100台”。
这是一种手工艺般的现实：Cymer 用激光连续3次击打锡滴，制造13.5nm光；Zeiss 制造18片由钼/钌完美分层的镜片；掩模台以9G速度与晶圆台反向移动，同时将层间套刻精度控制在约3nm；设备在 Eindhoven 组装后，被拆分装入多架飞机，再在客户现场历时数月重建。供应链拥有1万多家供应商，不可能“瞬间完成培训”。
ASML“可能是全球最慷慨的公司之一”——它是垄断性关键节点，却“从未以超过设备能力提升幅度的速度涨价”。据 Dylan 转述 Leopold 的看法：“价格应该上涨，因为他们完全有能力这么做。”
Dylan 勾勒的交易，呼应2023-25年的涡轮机预付款模式：“我给你10亿美元，你给我2年后购买10台 EUV 的权利。”等“其他人意识到一切都搞砸了、我们没有足够产能”后，再把这一期权卖出。唯一的问题，他重复强调了两次：“ASML 甚至会同意吗？我不这么认为。”

7. 不能简单退回7nm——互连阶梯不允许这么做

Dwarkesh 的退路是：如果 EUV 成为约束，就像中国一样重新扩大7nm产能。Dylan 的反驳先从数字开始（A100 是为 FP16/BF16 设计，Rubin 则面向 FP4/FP6，因此直接比较 FLOPS 并不公平），但真正的关口是通信阶梯：芯片内数据传输速度为每秒数十至数百TB，机架内约1TB/s，跨机架约100GB/s；而前沿模型运行在数百颗芯片上（DeepSeek 的生产服务使用160块 GPU）。
最有杀伤力的数据是：在 DeepSeek 和 Kimi K2.5 上以每秒100个 token 推理时，Hopper 与 Blackwell 的差距“约为20倍——不是 FLOPS 性能差异所显示的2倍或3倍，尽管两者采用的是同一制程节点”。
封装可以延长旧节点的寿命——Tesla 的 Dojo 在一片晶圆上放置25颗芯片，“可能仍是运行卷积神经网络的最佳芯片”，只是形态不适合 Transformer；Huawei 的 Ascend 910C/D 也从单 die 变成了双 die。但“你在7nm上能做的事，可能在3nm上也都能做”，因此先进制程仍会保持领先。
Dylan 还梳理了相关系统逻辑：不同厂商的 scale-up 域并不相同（Nvidia NVL72 采用 TB/s 级全互联，Google 使用由8000-9000颗芯片组成的环面 pod，三家最终都在收敛到 dragonfly），但参数规模停止扩张的更深层原因是 RL 经济学——小模型能更快完成 rollout，也能更早投入研究；“能够越来越快地开展研究的复利效应，可能带来更快的起飞”。Google 之所以能运行最大的生产模型 Gemini Pro（大于 GPT-5.4 或 Opus），只是因为其单一架构的 TPU 集群允许这么做。

8. 时间线短，美国赢；时间线长，中国赢

中国设备的发展路径需要加上限定：到2030年实现完全国产化 DUV，“肯定”没问题；EUV 可以拥有“能工作的设备”，但无法大规模生产——“让它工作是一回事，进入量产地狱又是另一回事”，ASML 花了5-7年才走完这段路。他的粗略猜测是：中国每年生产约100台 DUV，而 ASML 每年生产数百台。
时间线较短时，美国会拉开差距：从美国模型蒸馏越来越难，因为产品正从具有可见推理链的 token，转向思考过程隐藏的自动化白领工作；OpenAI 和 Anthropic 到明年底都将达到约10GW，而“中国的 AI 实验室并没有以接近同样的速度扩张算力”。
ROIC 数据显示，这已经是一次起飞：Anthropic 1月新增40亿美元收入，2月新增60亿美元收入；在毛利率低于50%的情况下，200亿美元 ARR 意味着约130-140亿美元租赁算力，对应某家公司约500亿美元资本开支。“我们谈的不是某个日期前建成戴森球，而是收入以这样的速度复合增长，已经会影响经济增长。”另一面也需要公平呈现：如果华尔街的空头判断正确、回报平平，那么中国完全垂直整合且国产化的供应链“就能超过我们”。Dwarkesh 的反驳是：即便不相信 AGI，也不必因此否定美国赢的时间线。
Huawei 的反事实判断是 Dylan 最尖锐的观点：Huawei“可能是世界上唯一一家具备所有支柱的公司”（成熟的软件、网络、AI 人才、自有晶圆厂、自有 token 终端市场），其 AI 芯片实现7nm，比 TPU 早2个月，比 A100 早4个月；“如果2019年 Huawei 没有被禁止使用 TSMC，Huawei 早就已经超越 Apple，成为 TSMC 最大客户。”

9. 内存危机：30%的资本开支、濒死的智能手机，以及不存在的 DDR 退路

Dwarkesh 的退路是放弃 HBM，改用商品 DRAM，推出“Claude Slow”；但这在芯片边缘长度的物理约束下行不通：HBM4 堆栈通过约13mm芯片边缘，以2048位、每秒100亿次传输实现约2.5TB/s，而同样边缘长度下 DDR 只有约64-128GB/s。关键指标是每片晶圆的带宽，而不是每片晶圆的 bit 数；从使用体验看，“没人真的想用慢模型”：agentic 任务可能从几小时拖成1天。
规模十分惊人：Big Tech 2026年资本开支约30%流向内存。消费端会承担释放压力的角色——一部 iPhone 的12GB内存成本从约50美元升至约150美元，NAND 也会涨价，因此“最终消费者买一部 iPhone 要多付250美元”。智能手机销量此前为14亿部，如今降至11亿部，今年可能降至8亿部，明年降至5-6亿部；Xiaomi 和 Oppo 已经将低端产品线砍半。“内存价格再翻一倍时，情况会更糟。”
供给无法及时响应的原因是：供应商2023年在内存上亏损，因此没有建设晶圆厂。SemiAnalysis 在2024年就“一直敲响警钟”——推理需求→长上下文→KV cache→内存——但价格花了1年才反映这一逻辑，而晶圆厂还要再花2年，因此有意义的新产能要到2027年末或2028年才落地。短期争抢已经开始：Micron 正在购买一家落后的台湾晶圆厂。
至于 Elon 的百万片晶圆 TeraFab：他大概能在1-2年内建好洁净室（“晶圆厂内的空气每3秒更换一次”），但其“删掉东西、环境可以脏一点”的思路“100%不对”；真正的护城河是工艺开发，而这“积累了大量知识”。3D DRAM 的希望仍依赖 EUV，但每次曝光承载的 bit 数“会大幅提升”，这是真正可能在本十年末造成颠覆的技术，但需要对晶圆厂进行大规模改造。

10. 电力可以解决，太空属于下个十年，台湾才是真正的悬崖

电力不再是硬约束，因为“人类和资本主义的效率远超3家涡轮机制造商”：SemiAnalysis 追踪到16家以上燃气发电供应商，订单规模达数百GW，包括航空衍生机组（Boom Supersonic 与 Crusoe 合作）、往复式发动机、船用发动机（Nebius 为新泽西的一座 Microsoft 数据中心供电）、Bloom 燃料电池，以及光伏加电池。用电池或调峰电厂吸收峰值，可释放美国万亿瓦级电网约20%的供给；本十年末新增容量约一半会部署在表后。成本翻倍也无所谓：“原本1.40美元的 Hopper，现在成本1.50美元，我不在乎。”
人力是“一个巨大的约束”，但可以解决：Abilene 的1.2GW项目峰值约需要5000名工人，折算下来每100GW需要约40万人；解决方案是引进熟练电工，并在亚洲工厂进行模块化生产：兆瓦级 Kyber 机架、整排预集成设备，“这对美国来说很不幸”。
Dylan 对太空数据中心的怀疑是运营层面的，而非物理层面的：约15%的已部署 Blackwell 会被 RMA，测试、拆解、发射和重新调试合计增加约6个月——恰好是在算力最有价值时，损失集群约10%的有效寿命；此外，还要用不可靠的太空激光替代百万级规模生产的收发器。“Elon 不是靠20%的改进取胜……Elon 只有在放手一搏、实现10倍收益时才会赢。”太空会成为这样的10倍机会，“但不是这个十年”。他对 Elon 与 Samsung 在得州合作生产机器人芯片的解读也一样：这是对冲，因为“他认为台湾风险极大”。
台湾的终局是：把每一名 TSMC 工艺工程师空运出去也救不了局，因为设备本身需要台湾芯片——这就是“蛇吞尾巴”的梗。失去台湾后，新增产能会从每年数百GW骤降至“Intel 和 Samsung 合计可能10GW，或者20GW……什么都不是”；届时，中国将突然拥有剩下最垂直整合的供应链。

伊朗战争、油价冲击、退出路径、AI营收爆发与公关噩梦一个好得令人难以置信的 AI 助手？