摘要

GPT-5 与其说是前沿算力的跃升，不如说是围绕路由器打造的“经济释放”。 Dylan Patel 认为，重度用户失去了 GPT-4.5 和 o3 的使用权限——o3 平均思考约30秒，而 GPT-5 只需5-10秒——但免费用户有时获得了此前从未享受过的推理能力。路由器让 OpenAI 可以在普通、mini 和 thinking 模型之间选择，并在服务受限时“优雅降级”，以最高能力换取显著更大的 token 容量。
路由器更大的价值，在于让推理支出匹配每次查询可变现的价值。 “为什么天空是蓝色的？”可以交给 mini；而寻找最好的酒驾律师、航班或商品，则可以获得“大得离谱的算力”，因为 OpenAI 可能直接完成交易并抽成。考虑到 ChatGPT 已占 Etsy 流量约10%，Dylan 认为，代理式商业才是免费用户的变现路径，而不是让结果变差的广告。
统一费率的 AI 订阅，正撞上消费者使用量相差20倍的现实。 Anthropic 和编程产品在重度用户利用“负毛利”套餐后收紧了速率限制；据称一名开发者把睡眠切成水手式的短暂小睡，Reddit 使用排行榜上还有人的订阅消耗价值约每月3万美元。企业或许能通过承诺用量或平均费率来消化差异，但消费者越来越指向按使用量收费——即便产品仍会用订阅制和更好的审查界面来制造用户黏性。
AI 可能已经创造了超过基础设施成本的价值，但实验室只能捕获其中一小部分。 Dylan Patel 的编程思想实验是：3000万名开发者、生产率翻倍、每人创造10万美元价值，仅一个用例就对应3万亿美元的潜在 GDP 价值；而 Dylan 认为，OpenAI 捕获的 ChatGPT 已创造价值“甚至不到10%”。这种错配未必会阻止资本开支继续增长：超大规模云厂商的支出还可能再增20-30%，CoreWeave、Oracle、基础设施基金和主权资本则会补充更多短期经济意义较弱的产能。
只有当 AI 需求继续集中在少数巨型买家手中时，定制芯片才是 Nvidia 最大的威胁。 Google 正在生产数百万颗高利用率 TPU，Amazon 生产数百万颗 Trainium，Meta 也在大幅增加内部芯片订单；Dylan 认为 Google 应该直接销售 TPU，而不只是出租算力。但如果开源模型和廉价部署让需求分散，Nvidia 的通用生态反而会更强——独立挑战者必须做到“好上5倍”，供应链、软件和毛利率劣势才不会抹平领先优势。
美国 AI 部署受限的主要不是电价，而是已通电场址、电网设备和建设速度。 Dylan 估算，一座 Blackwell 数据中心约80%的成本来自 GPU、网络、建筑和电力转换资本，土地、电力、制冷、备用电源及相关项目只占20%。因此，为提前3个月上线而支付溢价是理性的；与此同时，中国当前受制于资本和芯片质量，而不是电力，尽管其发电扩张速度更快。
Intel 需要立即进行运营手术并获得资本支持，几家平台型巨头也需要重新建立产品紧迫感。 Dylan 表示，Intel 长达5-6年的设计周期以及最多14次芯片修订，必须压缩至2-3年和1-3次；如果没有大规模现金注入或大幅削减成本，公司可能在正式分拆完成前“真的”破产。他还提出几项更广泛的建议：Nvidia 应将预计超过1000亿美元的现金储备用于基础设施再投资，Google 应开放 TPU，Apple 或许应投入500亿美元建设 AI 基础设施；Erik 则认为，尽管 Microsoft 起点极其优越，仍必须“把公司彻底摇醒”。

精读

1. GPT-5 真正的突破，是掌控推理经济学

Dylan 的失望取决于用户层级：付费重度用户失去了 GPT-4.5，而他仍认为 GPT-4.5 在部分工作上是更好的预训练模型；他们也失去了 o3，后者平均会思考约30秒。GPT-5 thinking 通常只运行5-10秒，因此分配给他普通查询的算力更少。
这并不意味着没有进步。GPT-5 的模型规模大致相同，却显著优于上一代 vanilla 模型，同时避免了 o3 那种病理式推理——比如花48秒判断猪肉究竟是红肉还是白肉。Anthropic 早已证明，同等甚至更好的答案不必耗费那么长的思考时间。
路由器现在可以在普通模型、触发速率限制后切换的 mini，以及 thinking 之间做选择，并控制推理持续多久。免费用户偶尔会得到强得多的答案；当容量收紧时，OpenAI 也能“对他们进行优雅降级”。Guido 抛出一个 meme，并明确说不是真的：OpenAI 是否把 o3 和更小模型放在路由器后面，以更低的混合价格提供服务；Dylan 的回答是，“确实有一点像。”

2. 查询价值可以决定 OpenAI 要投入多少智能

Dylan 的商业判断是：“路由器指向了 OpenAI 的未来。”传统广告与有帮助的助手存在冲突——植入推广会恶化答案，横幅广告也不适配；因此，免费用户需要一条原生于交易的变现路径。
他的对比把分配逻辑说得很具体。“为什么天空是蓝色的？”值得交给 mini；而寻找最好的酒驾律师，可能值得搜索法院文件、联系本地律所、比较结果，并投入“大得离谱的算力”，因为 OpenAI 可以从一笔高价值交易中抽成。
购物和旅行是最明显的切入口：Dylan 提到，来自 ChatGPT 的流量已经占 Etsy 流量的10%，但 OpenAI 一分钱也赚不到，部分原因是 Amazon 屏蔽了 ChatGPT。他的建议是接入信用卡、日历，以及靠过道还是靠窗等偏好，然后让代理完成预订，并收取约定比例的交易佣金。

3. AI 定价暴露了订阅制隐藏的使用极端值

OpenAI 表示，它为大量用户将速率限制翻倍，并大幅增加了服务 token 数量，让 GPT-5 成为一次“经济释放”。这意味着混合推理成本更低，而不只是 GPT-5 在 MMLU 或其他智能基准上成为新的赢家。
重度编码用户暴露了统一费率套餐的脆弱性。Anthropic 同时施加按小时和按周的限制后，据称有用户像独自航海的水手一样把睡眠切碎；Reddit 排行榜上则出现了一个通过订阅每月消耗约3万美元的用户。“人们正在利用负毛利。”
消费者的使用量可能相差约20倍，推动模型厂商转向按使用量收费；企业可以对全职开发者较为可预测的使用行为取平均，也可能支付大额承诺费用，以避免账单无上限。一项产品黏性的来源是验证闭环：在可视化变更文件、后果和图表，以及提供快速反馈和复杂反馈方面，做得比竞争对手更好。

4. Nvidia 的增长跑道，建立在需求加速和充足的投机资本之上

Dylan 将当前芯片需求大致分成三等份。OpenAI 和 Anthropic 单独就占约30%：Anthropic 的算力来自 Google 和 Amazon，OpenAI 的算力来自 Microsoft、CoreWeave 和 Oracle。Meta 和 ByteDance 等广告买家占另一等份；剩下那些经济价值不那么清晰的服务商，可能难以持续融资越来越大的轮次。
主持人仅从编程场景挑战需求上限：即使是传统的 GitHub Copilot 推广，也可能带来15%的生产率提升，而 Dylan 坚持认为更好的产品可以做到远不止这些。假设3000万名开发者、生产率翻倍、每人创造10万美元价值，理论规模就达到3万亿美元，还没有计入其他 AI 应用。
Dylan 对“6000亿美元问题”的修正是：现在购买的基础设施，对应的不是一年的平坦收入，而可能是未来5年不断增长的收入。他认为 AI 已经创造了超过支出的价值，但“价值捕获出了问题”：他的4人团队用廉价的 Gemini API 分析许可证、监管文件、卫星图像、发电机、冷却塔、变电站和施工进度，随后捕获的下游价值远高于模型提供商。
经济上合理的资本开支存在上限，但可用资金并不存在同样的限制。超大规模云厂商明年的资本开支还可能增长20-30%；CoreWeave 和 Oracle 可以通过资本市场筹集更多资金；Brookfield、Blackstone、G42、GIC 以及其他主权或基础设施资金池“几乎还没有真正开始接触 AI”。

5. 市场集中度决定 TPU 还是 Nvidia 胜出

定制芯片是 Nvidia 面临的核心威胁。Guido 表示，Google 和 Amazon 正在生产数百万颗芯片，Meta 正在大幅增加订单；Dylan 说 Google 的 TPU 利用率基本达到100%，而 Amazon 的 Trainium 利用率仍然落后。Guido 形容 Microsoft 的定制芯片“有点烂”；Dylan 后来称，Microsoft 的内部芯片项目是所有超大规模云厂商中最差的。
决定性变量是需求集中度。少数巨型 AI 买家可以摊薄自研芯片成本并压缩 Nvidia 的利润；由中国开源模型和廉价推理库驱动的分散需求，则有利于 Nvidia 获得广泛支持的平台。因此，Dylan 认为 Nvidia 可能会长期保持全球市值最高公司。
Dylan 问 Google 是否应该开始向所有人销售芯片，Guido 认同 Google 应对外销售 TPU，而不只是出租 TPU 算力。这样做需要 Cloud、TPU、JAX 和 XLA 之间进行文化重组。Dylan 认为，更大的 TPU 业务可以支撑更高的 Google 估值；但 Guido 指出，Google 管理层仍会认为 Gemini 最终的价值要高得多。

6. 初创公司必须领先 Nvidia 5倍，现实才会把差距压回去

在公开芯片问世之前，资本已经在为 Etched、Rivos、MatX 等公司提供资金，同时还有 Groq、Cerebras、SambaNova、Tenstorrent 和 SoftBank 旗下 Graphcore 等成熟挑战者。超大规模云厂商拥有它们都没有的优势：一个愿意把专用芯片当作压缩利润手段来接受的 captive customer。
独立厂商必须同时设计芯片和软件，组装 IP，管理芯片、机架、网络、内存和客户，最后还要赚取利润。AMD 说明了其中的难度：尽管工程实力很强，但在相近性能下需要更多芯片面积和内存，毛利率接近50%，而 Nvidia 约为75%。
当研究方向发生变化时，硬件与模型的协同设计会变成陷阱。Cerebras、Groq 和 SambaNova 曾针对当时领先的工作负载，强调更多片上 SRAM、减少 DRAM；但更大模型和视觉 Transformer 改变了经济性。新一代初创公司为密集 Transformer 优化巨型脉动阵列，却遇上了类似 DeepSeek 的工作负载：形状更小、矩阵乘法更多。
Nvidia 拥有更好的网络、HBM、制程获取能力和爬坡速度，并在 TSMC、SK hynix、机架供应商和线缆厂商面前拥有更强的议价能力。挑战者的“5倍”架构优势，可能在供应链惩罚后变成2.5倍，再在 Nvidia 压缩利润、部署软件防御后变成约50%。与此同时，“你必须沿着科技树继续升级”，却不知道模型最终会向哪个方向分叉。

7. 中国有电力，但资本效率和芯片获取仍是约束

Dylan 提到，中国各省有规定称 H20 的效率不足，尽管他认为 H20 是中国现有最好的 AI 芯片，并表示 Huawei 仍然落后。在电力受限的美国，即便 H20 免费也可能缺乏吸引力：用更弱的芯片消耗稀缺兆瓦，意味着更低的算力容量。
Nvidia 推动出口的理由是控制生态。中国开发者贡献了有价值的 Nvidia 兼容软件，包括 Triton 扩展，因此销售 GPU 可以阻止 Huawei 建立竞争性软件栈。Dylan 认为，模型为社会创造的经济价值高于硬件；供应 H20 和削弱版 Blackwell，因而可能转移更多经济能力，而不是只捕获芯片销售收入。
中国当前的直接瓶颈“始终是资本”，而不是电力。中国 AI 资本开支的百分比增速高于美国，但绝对金额更低，单位美元产出也更差；中国每年已经为半导体补贴约1500亿-2000亿美元，如果愿意，完全可以资助一个 Meta 或 Google 规模的国家级项目。

8. 已通电的土地，而不是廉价制冷，才是稀缺的 AI 资产

中国企业通过在海外租用更先进的 GPU，或借助与新加坡有关联的实体建设，绕开国内限制。ByteDance 是 Google Cloud 最大客户之一，也从 Oracle 和 Microsoft 租用算力，因为海外 Blackwell 产能在单位产出成本上可能优于自建国内基础设施。
美国的物理瓶颈导致已购买的芯片闲置。Google 有等待已通电设施的 TPU，Meta 等公司也有同样状态的 GPU；芯片本身约占集群成本的60-80%。电网互联、输电、变电站、电气承包商和外地电工，都已成为决定工期的关键投入。
CoreWeave 的价值很大一部分在于它愿意快速行动：改造加密货币场址、维护裸金属集群并购买已通电资产。Google 为获取电力持有 TeraWulf 8%的股份；随着速度压倒此前承诺，超大规模云厂商实际上已经对自身的可持续发展承诺说了“管它呢”。
Guido 表示，制冷是次要问题：如今苜蓿的用水量约为 AI 数据中心的100倍，而水下设施节省的成本可能只有5-10%，却会变得无法维修。对于 Blackwell 设施，约80%的成本是资本开支，20%用于土地、电力、制冷、备用系统和发电机；Elon 购买昂贵的临时发电机和冷却机是理性的，因为这让数据中心提前3个月上线。

9. Intel 能否存活，比是否优雅分拆更重要

Guido 表示，世界需要 Intel，因为 Samsung 在2纳米级制程开发上似乎落后更多，而 TSMC 实际上垄断了先进制程。尽管 TSMC 拥有定价权，明年也只提价3-10%；如果台湾发生意外，Intel 可能拥有全球最先进的制程技术，只是经济性很差。
Intel 的晶圆厂和设计业务最终应当分拆，但执行分拆可能耗尽公司本就没有的管理时间。眼下最紧迫的问题在运营层面：从设计到上市需要5-6年，有时要进行14次 tape-out 修订；强劲竞争对手则大约需要3年，修订1-3次。
Dylan 对 CEO Lip-Bu Tan 的建议是：让两种文化分别运营，削减层级、清除能力不足的管理者，留下引领制程技术20年的工程师，并将设计到上市的周期压缩至2-3年。即使没有 AI 领先式增长，x86 和 PC 业务仍可以保持高利润，员工数量甚至可能只需要现在的三分之一或一半。
晶圆厂要推进后续几代制程，需要更多资本。如果没有大规模注资或激进削减成本，Dylan 警告 Intel 可能在重组完成前“真的”破产；Erik 所期待的兜底方案是，每家主要超大规模云厂商先贡献约50亿美元，而 TSMC 的毛利率未来可能接近75%。

10. Nvidia、Google 和 Meta 应把算力所有权转化为分发能力

Dylan 会建议 Jensen Huang 把 Nvidia 的现金储备用于基础设施层。按照新的 Trump 税法，GPU 集群第一年的折旧对客户有重大税务影响；Nvidia 自己到年底可能持有超过1000亿美元现金，若用于回购和分红，就会浪费加速已通电产能、控制更多产业栈的机会。
Dylan 认为 Google 应进一步开放 TPU 和 XLA 周围的生态，销售硬件，加快数据中心建设，并夺回曾经的算力领先地位。Sergey Brin 正与 DeepMind 密切合作，但物理基础设施和产品交付仍然过慢，采购代理商正在威胁要绕过 Google，截走可变现的搜索查询。
Mark Zuckerberg 已经意识到紧迫性：搭建临时“帐篷”，在收购 Thinking Machines Lab 或 SSI、出价300亿美元未果后积极招聘，并将超级智能与可穿戴设备及助手连接起来。Dylan 的批评在于 Meta 围墙之外的执行力：产品经常“有点平庸”，因此应该更快推出明确对标 ChatGPT 和 Claude Code 的竞争产品。

11. Apple 和 Microsoft 可能失去界面，Elon 可能失去焦点

Apple 的硬件和形态设计仍然很强，但 Dylan 认为，如果不投入或许500亿美元建设 AI 基础设施，公司可能“错失这艘船”。随着代理接入日历、消息、偏好和交易，AI 将成为计算界面，削弱 Apple 通过触控、键盘和封闭生态控制用户体验的能力。
Microsoft 在2023年和2024年行动激进，随后却收缩数据中心投入，OpenAI 也开始从其掌控中滑走。Dylan 称其内部芯片项目是超大规模云厂商中最差的，MAI 已经失败，Azure 则容易受到 Oracle、CoreWeave 和 Google 的冲击。Erik 表示，尽管 Microsoft 起步时拥有 GitHub、最好的源代码仓库、企业分发能力、先发优势，以及与一家模型公司的牢固关系，GitHub Copilot 和 Microsoft Copilot 仍然很弱。
Dylan 对 Elon Musk 的判断仍然保留条件：色情模型可能加速 xAI 收入，robotaxi“开始看起来不错”，而 Musk 仍然是吸引顶尖建设者的磁石。但人才流失、项目被砍和仓促决策，如今正与其历史性的上行空间一起造成损害；最后的建议很简单：“重新专注于产品。”

崩盘前，再向上冲一把？Vol.179 产业观察32｜具身智能机器人产业的必经之路：泡沫、挑战与长期价值