AI Token 的供需｜Dylan Patel 访谈

摘要

• SemiAnalysis 正在亲历自己报道的需求爆发：去年 AI 支出还只是“几万美元”，如今 Claude Code 的年化支出已达到700万美元（录制前一周还只有500万美元），对比约2500万美元的工资总额，已超过薪资的25%，按当前轨迹，年底将“超过100%”。 Dylan 的判断关乎生存，而非可选项：“如果我不采用 AI，别人就会采用，然后击败我。”
• Anthropic 的利润率计算是本期最值得交易的数字：营收从90亿美元升至350亿至400亿美元的年化经常性收入，而算力并未同比增长，意味着毛利率底线达到72%，远高于年初融资文件泄露的“三十几个百分点”。 需求远超供给，Anthropic 完全可以“把 Opus 的价格翻倍，我也会继续付……我敢打赌，这仍然解决不了他们巨大的产能问题”。
• Claude Mythos “可能是近2年来模型能力最大的一次跃升”——Anthropic 在2个月内从相当于 L4 软件工程师的 4.6 Opus，跃升至相当于 L6 的 Mythos（内部版本于2月开放），但仅以“5倍或10倍 Token 成本”向少数网络安全场景提供；顶级银行已经获得访问权限，而 Anthropic 发布的 Opus 4.7 按其模型卡所述，“被有意地在 Cyber 能力上做差”。 模型部署正在收窄，而不是广泛开放，这就是新秩序。
• 结构性倒置在于：“想法便宜且充足，但执行非常容易”——这正是实验室发布周期从6个月压缩至2个月的原因；仅靠线性外推，4.6 Opus 级模型的纯扩散就会让全经济支出从400亿美元升至年底的1000亿美元。 若世界拥有足够算力，Mythos “可能会带来5000亿美元收入，或者类似疯狂的数字”——因此连第二梯队实验室都能卖光 Token，第三梯队实验室大概也接近售罄，实验室利润率会持续扩张，直到硬件和基础设施供应链自行抬高利润。
• “如果你不使用更多 Token，就永远无法逃离永久底层阶级。” ——你必须使用 Token、从中创造价值，并捕获这些价值。他还提出集中度风险：设想 Ken Griffin 在每次新模型发布时，每年买下“最初的100亿美元 Token”，然后碾压整个市场。
• 供给端全面售罄：DRAM“从这里还会翻倍或涨到3倍”，真正的新增产能要到2028年才会到位；随着 Hopper 和 A100 集群以更高价格续约，GPU 的有效寿命正在延长至“甚至可能7或8年”；TSMC 2028年可能“认真地”投入1000亿美元资本开支；CPU 在强化学习环境和已部署的 AI 代码上“完全售罄”；下一代 AI 机架每台搭载120颗 FPGA。 晶圆厂设备商（Lam、Applied、ASML、MKSI）“仍然被严重低估”。
• 他对未来3个月的预测是确定性的：“大规模抗议”将针对 Anthropic 和 OpenAI。 AI 的民调“比冰块还不受欢迎，比政客还不受欢迎”，而 Sam Altman 在“大约2周内两次有人向他家投掷燃烧瓶”，新闻评论区却一片叫好。他的解决方案是：Sam 和 Dario “必须停止接受采访，他们太没有魅力了”。与此同时，未来6至18个月的机器人少样本学习突破，可能进一步拉动 Token 需求。

精读

1. Claude Code 已占 SemiAnalysis 工资总额25%，并正冲向100%以上

• 去年，AI 使用支出达到“几万美元”就已经显得很重。随后 Opus 在12月底上线，总裁 Doug O’Laughlin 作为非技术人员“非常积极地……带头”用 AI 写代码；他“慢慢把整个公司都带了起来”，支出转而进入 Anthropic 企业合同，Claude Code 年化支出达到700万美元（Patrick 上次见他、一周前还是500万美元），对比约2500万美元的工资总额。“如果这个轨迹延续下去，年底我们的支出会超过100%——这有点吓人。”
• Dylan 之所以回避“人还是 AI”的选择，只是因为“我们公司增长得太快”。其他公司不会：“如果这个人用 Claude Code 能完成5到10到15个人的工作，那我突然就应该裁员了。”
• 典型案例是 SemiAnalysis 在 Oregon 的逆向工程实验室。一名曾任职于 Intel 的员工只花“几千美元 Claude Token”，就搭建了一个 GPU 加速应用，能够在芯片图像上叠加“每一种材料”——铜、钽、锗、钴——从而快速对整个堆叠结构做有限元分析。在 Intel，“那是一个完整团队负责搭建和维护的工作”。
• Malcolm 此前任职于一家拥有100至200人经济学家部门的银行，他独自搭建了一套“需要200人经济学家团队花一年才能完成”的系统：接入 FRED 和就业数据，对 BLS 约2,000项任务进行 AI 可执行性评级（目前约3%可执行），并提出“幻影 GDP”概念——产出上升，但成本下降得太快，以至于“GDP 理论上反而会收缩”。“他已经完全沉迷于 Claude 了。”

2. 不采用 AI 就会被商品化——能源电网给出的证明

• 商业逻辑很直接：SemiAnalysis 出售信息，而“如果我不持续改进，我看不出这为什么不会在相当快的速度上被完全商品化”——他在2023年的旗舰数据集，“现在基本就是所有其他人在做的事”。因此，结论上升到生存层面：“如果我不采用 AI，别人就会采用，然后击败我。”
• 多名能源分析师花了一年时间，都没能攻克约9亿美元规模的能源数据服务市场。随后 Jeremy 陷入“Claude Code 迷狂”，他负责数据中心能源，每天花费约6000美元，把美国所有电厂和所有超过特定电压的输电线路抓取下来，做成展示微区域电力缺口与盈余的仪表盘，3周内完成。能源交易员的评价是：“比 XYZ 公司更好”——而那家公司有100名员工，做了10年。“如果我不加快速度，谁会来把我商品化？”
• Patrick 反问：资金充裕的基金难道不会自己在内部搭建？Dylan 的回答是，信息的售价总是低于它创造的价值（“如果我以1美元卖给你信息，你购买它只是因为它能让你赚超过1美元”），即使 Jane Street 和 Citadel 也会持续购买，因为在其上购买并继续构建，比从头搭建更便宜。“有些人可能会尝试。”

3. Anthropic 的利润率：从泄露文件中的约30%升至72%底线

• 宏观计算是：Anthropic 的营收从90亿美元升至“现在350亿、400亿美元……到节目播出时可能已经是400亿、450亿美元”。算力并未同比增长，研发算力显然也没有被削减（他们发布了 Mythos 和 Opus 4.7），因此，即便假设所有新增算力都投入推理，毛利率底线也达到72%，而年初泄露的融资文件中只有“三十几个百分点”。
• 利润率为何能如此扩张？需求过高，使 Anthropic 可以削减用量和速率限制。“真正重要的是拥有一名 Anthropic 客户代表和一份企业合同”——他的原话建议是：“不管你是谁，只要资本足够，就应该买一份 Anthropic 企业订阅，按 Token 付费。”
• 他做了一个定价压力测试：“他们可以把 Opus 的价格翻倍，我也会继续付钱，我敢打赌大多数用户也会继续付。我敢打赌，这仍然解决不了他们巨大的产能问题。”

4. Mythos：2个月从 L4 升至 L6，而 Anthropic 正把它压在手里

• 他最近最有趣的回忆是：他和朋友 Leopold“跪在 Anthropic 一位联合创始人面前，求他给我们 Mythos 的访问权限”，而那位联合创始人假装 Mythos 根本不存在。从基准测试看，Mythos“可能是近2年来模型能力最大的一次跃升”。
• Anthropic 原本的目标是到2025年底实现 L4 软件工程师能力，这一目标由 4.6 Opus 完成。Mythos 的基准测试“像一名 L6 工程师”，并于2月在内部开放——2个月从 L4 升至 L6。“接下来是什么？”
• 发布方式本身就是故事：Mythos 仅以“5倍或10倍 Token 成本”选择性用于网络安全；顶级银行已经获得 Cyber 访问权限，而公众拿到的是 Opus 4.7，“一个糟糕得多的版本”，其模型卡承认：“我们确实有意让它在 Cyber 上表现更差。”
• 从单位经济性看，Mythos 单个 Token 成本更高，但“完成任务所需的 Token 少得多”，因此“在大多数任务上其实比 4.6 Opus 更便宜”。它也是一个实质更大的模型——“证明 scaling laws 仍然有效”——Anthropic 追求的是“一次巨大跃升”，而 OpenAI 采取“小步扩展”。

5. 想法便宜、执行容易——经济秩序重排

• 本期的主轴，用他的话说是：“过去重要的是执行非常、非常困难，而想法很便宜。现在，想法便宜且充足，但执行非常容易。所以，只有好想法才能证明在超便宜的执行上投入资金是合理的。”放到实验室身上，这正是“发布周期从过去的6个月缩短到2个月”的原因。
• 他说不确定性仍然存在，但更担心的是，当执行能力不再重要时，“社会该如何重塑自己”；真正重要的会变成选择正确的想法、销售它，并为它募集资本。
• 成本曲线下降并不是需求驱动因素：GPT-4 级能力的成本已经降至原来的1/600（DeepSeek），还在继续下降，但“没人关心 GPT-4 级模型了”——创造经济价值的是前沿模型。按今天的质量，他一年大约只需花7万美元，但这“无关紧要，因为我会使用好得多、好得多的模型”。Patrick 的经历正好说明了这一点：4.7 发布当天，他在飞行途中遭遇速率限制，“我已经无法再考虑使用4.6了”。

6. 连第二梯队实验室也卖光了——机器人是第二条增长曲线

• 对于“Anthropic 赢了，OpenAI 完了”的说法，Dylan 并不认同。Anthropic 受算力约束——“Dario 过去还嘲笑 OpenAI 在算力上过于激进，现在 Anthropic 却在说，我真希望有更多算力”——而 OpenAI 正从 Oracle、CoreWeave、SoftBank、Microsoft，甚至 Amazon 的 Trainium 获得资金和“无节制规模的算力”，为其传闻中的 [spud?] 发布做准备（据 The Information）。
• 纯粹采用4.6 Opus 级模型，就会让全经济支出从400亿美元升至“年底1000亿美元”——“这是线性外推，不是指数增长”。如果 Mythos 获得足够算力，“可能会带来5000亿美元收入，或者类似疯狂的数字”。因此，“连第二梯队实验室都会卖光 Token……第三梯队实验室大概也会接近售罄”，实验室利润率会持续扩张，“直到硬件供应链的人说，等等，我为什么不直接提高自己的利润率？”
• 机器人今天消耗的 Token 大致为零，但他认为纯软件奇点“只是一个插曲”。当前的 VLA（视觉语言动作模型）数据效率低，“可能不会成为最终实现规模化的东西”；但由于执行成本变低，他预计未来6至18个月会出现少样本机器人学习突破——先训练好的机器人模型，只需展示几个例子，再下载针对特定场景的技能（“只用于清洁黑板的机器人”）。“我个人不认为 Token 需求会放缓。”

7. 使用、创造、捕获——否则就加入“永久底层阶级”

• 本期最关键的一句话，毫不留情地说是：“如果你不使用更多 Token，就永远无法逃离永久底层阶级。”他把问题拆成3个不同环节：使用更多 Token、从中创造价值、捕获这些价值。“无聊又偷懒的做法”是每天工作1小时而不是8小时；“酷一点的做法是，我仍然每天工作8小时，但完成8倍工作，可能赚到5倍的钱。”
• 广泛部署正在收窄：实验室担心蒸馏和现实世界影响，因此“模型的部署范围会越来越窄”——他拿 Anthropic 打趣，把这个项目称作“earwig”，但也说这不是它的名字。他设想，Ken Griffin 在每次模型发布时签下“每年最初的100亿美元 Token”——“现在他会碾压市场上的所有人。”
• 没人知道能力前沿在哪里——“Anthropic 不知道这些模型能做什么，没人知道”——因此杠杆落在终端用户手中，这“对人类极其高效、令人振奋”，但“资源集中会带来什么后果？”也许一两年后，“这门生意实际上就是套利 Token。”

8. 供给：任何“还有脉搏的东西”都卖光了

• 看空 GPU 折旧的人错了：使用了3至4年的 Hopper 集群正在续签3至4年，A100 也在续签几年；有效寿命“甚至可能达到7或8年”，而不是不到5年。续约价格还在上涨，因此集群毛利率会超过假设中的35%。
• 最强的判断来自内存：产能每年仅增长20%至30%，真正的新增供给“要到2028年，最早也要到2027年末”才会出现，因此“DRAM 从这里还会翻倍或涨到3倍”——因为必须通过需求摧毁来挤出产能：“我们这里不是在做配给。”那些认为内存故事被夸大的人“根本没看懂”。
• TSMC 表示今年资本开支为560亿美元；Dylan 说：“从1月以来我们已经有574亿美元了”，而且“说真的，他们2028年可能会投入1000亿美元资本开支——人们就是无法想象”。然而 TSMC 只提价个位数百分比，“因为他们是好人，至少看起来是这样”；与此同时，晶圆厂设备商 Lam Research、Applied Materials、ASML、MKSI 仍然“严重被低估”，随着资本开支尾部“被越甩越高”，ASML 已经售罄，“需要 Carl Zeiss 更快扩产”。从铜箔到 PCB 玻纤，售罄的投入品吸引预付款，即使毛利率不变，也会推高投入资本回报率。
• 被忽视的算力层是：强化学习环境，以及所有已经部署、运行在可能是 Vercel 或 AWS 实例上的 AI 生成代码，都依赖 CPU，而 CPU 已经“完全售罄”；下一代 AI 机架每台搭载120颗 FPGA。

9. 他算不出来的数字——以及他预测的抗议

• 他最想知道的是使用端的 Token 经济学。他对基础设施成本和实验室利润率的建模很成熟，但采用速度不断击穿模型——“1月时，我们对2月有着疯狂的估计，Anthropic 把它们打爆了”，到了3月又是如此。“到底是谁在使用这些 Token？他们用 Token 构建了什么？”
• 更深层的测量难题又回到了幻影 GDP：Token 的价值以全经济更优决策的形式扩散开来，“并不是 GDP 统计中的某个指标能真正捕捉到的东西”。“按照任何主观指标，它显然都很惊人。但幻影 GDP 到底在哪里？”
• 他直截了当地预测未来3个月会出现：“大规模抗议”，目标是 Anthropic 和 OpenAI。“AI 的受欢迎程度低于冰块，低于政客——我不明白 Pew 是怎么做出这个调查的。”Sam Altman“大约2周内两次有人向他家投掷燃烧瓶”，新闻文章的评论区却在叫好。“这只是开始。”
• 他的反制方案同样毫不客气：“Sam Altman 和 Dario 必须停止接受采访。他们太没有魅力了……Sam 上 Tucker Carlson 可能让所有共和党人都讨厌 OpenAI。”应该展示当下的生产率提升，停止向那些把实验室视为“一个由5,000人组成的阴险密谋集团”的人宣讲未来改变世界的能力——“必须进行一次大规模重组和品牌重塑。”