摘要

Baker 将3月 AI 抛售视为“积压的 alpha”，因为价格下跌之际，Anthropic 单月新增了110亿美元 ARR，节目还披露了500%的 NDR。 他认为，这一单月增量相当于 Palantir、Snowflake 和 Databricks 3家公司合计用约10年搭建的业务规模；DeepSeek 此前已经证明，推理模型会推高推理需求：亚洲 AWS 可用区价格翻倍，GPU 可得性下降，DRAM 价格呈垂直上行。「我从未见过这样的指数级增长。」
在算力受限的情况下，Anthropic 的报告收入可能严重低估其经济性。 对于约500亿美元 ARR 和9,000亿美元估值，Baker 估计，如果算力不受限，收入可能达到1,000亿至2,000亿美元，约为他自创的“URR，即不受约束的运行率收入”的5倍；他还认为，在相近规模下，Anthropic 消耗的资本可能比 OpenAI 少约80%。他预计 Anthropic 今年可能产生现金，但这仍是预测，并非确定事实。
地面电力短缺预计将在2027年或2028年开始缓解，但分区规划和审批可能比涡轮机或燃料更快成为硬约束。 更长期看，Baker 的答案是“太空机架”：大致机架大小的卫星配备巨型太阳能翼、散热器和激光链路，组成虚拟数据中心；推理迁入轨道，训练留在地面。在 SpaceX 工程师看来，散热问题可以解决；维修则仍是坦诚的弱点，「可能要等到有会漂浮的 Optimus 机器人」。
TSMC 的产能决策，是 Baker 判断 AI 是否会演变成经典基础设施泡沫的最佳单一指标。 与2000年不同，如今的扩张主要由经营现金流提供资金，GPU 利用率达到100%，而当年99%的光纤处于闲置状态；但如果 TSMC 满足 Jensen Huang 的全部需求，Baker 认为 NVIDIA 可能在2026年或2027年卖出2万亿至3万亿美元的 GPU，并最终造成过度建设。“金发姑娘区间”是：扩产足以让 Intel 或 Samsung 的份额低于约30%，但又不足以消除晶圆短缺。
Terafab 可能在不疏远 TSMC 的前提下，挑战晶圆厂的常规建设周期。 Baker 描述了一个由 SpaceX 参与的合资项目，Tesla 可能也会参与；该项目将利用 Intel 的行业经验，并招募设备公司的顶尖团队。他说，相关工艺可能只比前沿落后约9至15个月，即3至5个季度，但这一时间判断只是大致估计。
前沿 token 经济的韧性仍非同寻常，但3个不确定性可能颠覆这笔交易：前沿 token 能否维持溢价、ASI 是否会违反“苦涩的教训”，以及持续学习何时到来。 Baker 表示，随着前沿推进，Gemini 3.1 Pro 从“令人惊叹”变成“无法忍受”；如今 Anthropic、OpenAI 和 Grok 4.3 主导着智能与成本的帕累托前沿。一个模型如果只需从1次经历中更新，而不是“把手伸进火里100万次”，可能带来极快的起飞，并可能把部分算力需求优化掉。
按使用量计费可能让 AI 收入曲线变得更陡，因为封顶订阅掩盖了前沿系统的真实能力。 Baker 表示，250至300美元的封顶套餐越来越多地提供限流的“阉割版”模型，而企业套餐和按使用量计费的方案会暴露 token 预算与智能体运行框架；他把这一转变比作电信业从不限量转向“按杯付费”。他的激进判断是，随着算力可得性提升、前沿模型价格上行以及智能体集群扩大使用量，OpenAI 和 Anthropic 今年的 ARR 将大幅超过2,000亿美元。
新芯片公司必须同时做到“不同”且“难做”，因为“一块更好的 GPU”只会邀请 NVIDIA 凭借更优的经济性和客户认知复制这一权衡。 将 prefill 与 decode 解耦，为专门优化内存容量和内存带宽的架构打开了空间；Baker 的投资规则是，1%的市场份额可能价值1,000亿美元，Cerebras 的晶圆级设计就是范例。同样的解耦还可能把 Hopper 和 Ampere 的生命周期延长至10年或15年，并将 GPU 融资成本从7%出头推向5%或6%。
应用投资者需要押注“token 路径”、可防守的规模，或模型公司不会吞并的细分市场。 Baker 认可 Cursor 和 Cognition 对编程的早期专注，并引用 Replit 创始人 Amjad Masad 的观点：编程可能是通往有用 AI 或 ASI 的最短路径。他表示，即便计入 Cursor 和 Cognition，AI 仍摧毁了应用层数万亿美元的价值；当前经济收益更偏向每名员工对应有效利用 GPU 数量最高的企业。与此同时，公开市场的选择已经变得更细：半导体设备公司按下一季度年化盈利的40倍交易，而 DRAM 公司只有中个位数倍数，“两者不可能都是真的”。

精读

1. 3月回撤积累了 alpha，而不是证伪投资逻辑

Baker 将亏损区分为“你的假设被证伪”，以及价格走势与市场已充分理解的基本面相悖所造成的跑输。3月属于后者：投资者可以借机加仓，积累“积压的 alpha、积压的未来收益”。
在 Baker 的框架下，Anthropic 单月新增110亿美元 ARR，相当于 Palantir、Snowflake 和 Databricks 3家公司合计用约10年搭建的业务规模。他还引用节目中分享的500%净美元留存率（NDR），并称这是“资本主义史上最非凡的时刻”。
周一的 DeepSeek 事件提供了更早的模板。论文在抛售前1周出现，但等到恐慌蔓延时，亚洲 AWS 可用区价格已经翻倍，GPU 可得性下降，DRAM 价格飙升——这些可观察数据表明，推理模型的推理阶段对算力的需求显著更高。
霍尔木兹海峡局势让这套逻辑更加复杂，但 Baker 仍看到了美国的相对优势：他称为“GY”的 Bloomberg 天然气报价下跌20%，而亚洲和欧洲天然气价格上涨了2倍或3倍。科技股相对估值接近10年来最低之际，AI 基本面压过了他承认存在的不确定宏观环境。

2. Anthropic 经约束调整后的估值倍数低于 headline 估值

Baker 强调 Anthropic 与 OpenAI 在资本效率上的差异：Anthropic 的“单 token 成本低得多”，按他的估算，在达到相近收入规模时，烧掉的钱可能少约80%。他认为 Anthropic 可能已经产生现金，或者会在今年开始产生现金。
算力稀缺同时压制了智能水平和变现能力。Baker 引用分析称，即便使用 Opus，Claude 针对同一个问题输出的 token 也少70%；由于 token 数量部分决定回答质量，他估计算力不受限时，Anthropic 的收入可能达到1,000亿美元、1,500亿美元，甚至2,000亿美元，而不是约500亿美元。
O’Shaughnessy 问，Anthropic 为什么不以3万亿美元估值融资1,000亿美元。Baker 的答案是保留选择权：资本密集度和地缘政治不确定性使得给投资人留下上行空间更有价值，就像 Elon Musk 避免给 SpaceX 设定贪婪估值、维护所谓“神圣契约”，让 SpaceX 以年化30%出头的速度复利增长了10年。

3. 资本主义可以制造瓦特，但许可可能变得更加稀缺

Baker 预计，只要没有“严重的监管或政治反弹”，资本主义就能解决电力短缺；不过他认为这种反弹完全可能发生。一家大型基础设施投资机构的负责人告诉他，能源和芯片已经不再是最大的闸门：“现在卡住项目的是分区和审批，重要得多。”
物理供应链确实非常困难：能够铸造某些超大型涡轮叶片的设备只有2台，而西方80年来都没有制造出其中1台。但涡轮机厂商正在扩产，改造喷气发动机也能提供过渡方案，支撑 Baker 对电力短缺将在2027年或2028年开始缓解的判断。
轨道算力应当被想象成“太空机架”，而不是漂浮的五角大楼。1个 Blackwell 机架重3,000磅、耗电约100千瓦；Baker 设想机架大小的卫星，太阳能翼可能向每侧延伸500英尺，运行在太阳同步轨道，配备长距离散热器，并通过类似 Starlink 的激光链路连接。
最强的反对意见来自维护，而不是散热。SpaceX 工程师已经让 Baker 相信热设计可以解决，但故障硬件可能仍然无法触达，“直到可能出现会漂浮的 Optimus 机器人”。他预计，在自己的有生之年，轨道推理、地面训练和有价值的地球数据中心将并存。

4. TSMC 是 AI 资本周期的事实监管者

Baker 把晶圆供应戏称为由台湾“约20位年长人士”控制；在他看来，这些人把自己视为 Morris Chang 遗产的继承者。Jensen Huang 一再向他们索要产能，尽管 Baker 认为 NVIDIA 与 TSMC 做生意靠的是公平、伙伴关系和握手，而不是正式合同。
历史表明，当市场识别出一项基础性技术，同时出现“多样性崩塌”时，泡沫往往随之而来。今天不同于2000年：支出主要来自经营现金流，每块 GPU 都得到充分利用，而当时99%的光纤处于闲置状态；但 Baker 不愿假设，过去200至300年的运河、铁路和科技泡沫从此不再押韵。
Fidelity 的 George Vander Heiden 是 Baker 提到的警示性投资者。他曾对抗1999年泡沫，顶住客户质疑，并在2000年初退休；当时其基金约40%配置于烟草股，另有40%配置于住宅建筑商。这些仓位随后3年很可能跑赢 Nasdaq 20倍或30倍。他留下的教训极其残酷：“做得太早，就等于做错。”
如果 TSMC 完全满足 NVIDIA 的需求，Baker 认为，2026年或2027年达到2万亿至3万亿美元的 GPU 销售可能制造过剩产能。理想结果是保留 TSMC 约9至15个月的工艺领先，让 Intel 或 Samsung 无法取得远高于30%的市场份额，同时防止任何一家竞争对手破坏行业纪律。

5. Terafab 可能在不疏远 TSMC 的前提下挑战常规晶圆厂周期

Baker 描述的 Terafab 是一个计划中的 SpaceX 合资项目，Tesla 可能也会参与，目标是建设美国最大的晶圆厂。该项目与 Intel 的合作将提供50年的行业经验；Baker 认为，相关工艺可能比前沿落后约9至15个月，即3至5个季度，但他强调这只是大致时间表。
他预计 ASML、KLA-Tencor、Lam Research 和 Applied Materials 等公司的“A队”会参与其中。过去设备供应商曾帮助 TSMC 追赶 Intel，因为它们不愿依赖单一供应源。Elon Musk 的硬件口碑也应能招募到传统半导体管理者无法吸引的工程师。
O’Shaughnessy 反驳称，晶圆厂建设周期是整个行业无法绕开的现实。Baker 坦率回答：“走着看。”Musk 曾在122天内建成数据中心，而其他人需要3年；据报道，他还在 Samsung 得州晶圆厂内部拿到了办公空间，因为对其扩产速度感到不满。

6. 前沿价值会持续，直到苦涩的教训或开放模型打破它

Baker 对模型层经济利益仍有压倒性比例流向前沿 token 感到意外。Gemini 3.1 Pro 发布时“令人惊叹”，后来却变得“无法忍受”；不过他承认，企业可能先在前沿模型上做原型，再部署更便宜的 Vertex 或开源模型。
9个月前，Google 还主导着智能与成本的帕累托前沿；保守的 TPU v8 设计决策让它失去了按单位成本 token 计算的领先地位。Baker 表示，如今 Anthropic 和 OpenAI 占据主导，Grok 4.3 是成本最低的5000亿参数模型中表现最好的，而 Gemini 3.1 仅仅勉强留在竞争中，可能还依赖补贴。
TurboQuant 说明了市场如何对算法效率反应过度：Baker 找不到任何一位 AI 工程师曾预期这项内存优化会降低 DRAM 需求。真正的风险是 ASI 成为 Richard Sutton“苦涩的教训”的例外，因为1个拥有300或400 IQ 的模型，可能会先用最初获得的资源让自身效率大幅提升。

7. 按杯付费的 AI 与持续学习可能让曲线复利

即使底层模型更重要，harness——提供工具、提示词、上下文、记忆和状态的运行时——也极其关键。Baker 现在认为，对于希望建立直觉的投资者而言，250至300美元的订阅不够用；认真评估必须使用 Claude Code 或 Codex、企业账户以及按使用量计费的方案。
封顶套餐提供的是“被阉割的 AI 版本”，而按使用量计费的方案允许模型消耗其 harness 判断所需的 token。Baker 将其比作移动通信业增长期的固定额度加超额收费：AI 正从不限量模式转向“按杯付费”，正如1个人可以拥有100个智能体。
持续学习将是更剧烈的断点。人类碰1次火就能学会，而当前模型可能需要100万条样本，以及另1轮训练或强化学习。如果模型权重能够实时动态调整，Baker 预计会出现“非常快的起飞”，并将持续学习何时到来列为投资者需要回答的3个核心问题之一。

8. 芯片初创公司必须做出 NVIDIA 无法即时复制的权衡

Baker 借用了坦克设计中的“铁三角”：攻击、防御和机动性无法同时最大化，芯片设计者同样必须在物理规律和 TSMC 规则内做出取舍。TPU、Trainium 和 AMD 本质上都在尝试成为更好的 GPU，但“没有谁是更好的 GPU”；Trainium 3 只是在“拽超人的披风”，而 MI450 仍未有定论。
解耦带来了更大的设计空间。Andrew Fox 的比喻是：“Prefill 是装填大炮，decode 是开炮。”理解上下文受内存容量约束，而生成 token 受内存带宽约束，这使专用芯片能够针对其中1个阶段进行激进优化。
Baker 的经验法则是，1%的市场份额可能价值1,000亿美元，但架构必须“不同”且难以复制。Cerebras 符合这一标准：它采用晶圆级计算，已经经历3代困难的芯片设计，并尝试在计算晶圆上方放置光学晶圆，以摆脱芯片边缘 I/O 的约束。
解耦也改变了抵押品经济学：Cerebras 或 Groq 系统可以部署在 Hopper 或 Ampere GPU 前端，让这些 GPU 承担 prefill，“直到融化”。Baker 认为，这可能将它们的有效寿命延长至10年至15年，把 GPU 融资成本从 CoreWeave 7%出头的下限推向5%或6%，并有望“单枪匹马拯救私人信贷”。在 SaaS 贷款已经给私人信贷带来压力之际，这一点尤其重要。

9. 应用公司需要在前沿吞并它们之前获得 token 路径杠杆

Baker 将“不同且难做”这一标准推广到整个风投领域。零售 CEO 可以通过把品类利润率推向“负10,000%”来摧毁显而易见的电商初创公司；Wayfair 之所以活下来，是因为其创始人在想法变得显而易见、规模抹平机会之前，先解决了一个运营上极其困难的问题。
Baker 认为 Cursor 和 Cognition 的规模来自它们早期对编程的高强度聚焦，并指出 Anthropic 也属于专注编程的公司。Replit 创始人 Amjad Masad 提出的“苦涩教训相邻”观点是，编程可能是通往有用 AI 或 ASI 的最短路径，因为足够强大的编程系统可以为其他所有领域创造工具。
但 Baker 表示，即便计入 Cursor 和 Cognition，AI 在应用层净摧毁的价值仍达数万亿美元。今天的赢家拥有最高的“每名员工对应有效利用 GPU 数量”；其他软件公司需要处在 Databricks 所处的“token 路径”上，或者在前沿实验室触及该细分市场之前建立垂直护城河。
开源引入了另一个囚徒困境。Baker 认为，前沿实验室可能会扣留 Mythos 等系统，以防止模型蒸馏；但如果1家实验室通过 API 发布其最佳模型，就能获得收入和增强智能所需的资源，迫使所有竞争对手跟进。与此同时，NVIDIA 可以让开源模型始终落后于前沿、但保持在可控距离之内。“开源”仍然消耗能源和 GPU，开源模型公司通常也会拿到收入分成。

10. AI headline 之下，公开市场的领涨格局正在分化

Google 按单位成本 token 计算的 TPU 优势已经消失，但其既有算力、搜索、YouTube 数据以及加速增长的 GCP 仍然使其极具竞争力。Baker 将当周的 Google I/O 发布视为一次测试：如果 Google 无法超越 OpenAI 或 Claude，将进一步证明 NVIDIA 的架构优势可能比市场假设的更大。
Meta 因真正转向 AI-first 而获得认可；MSL 的第1个模型 Muse 出人意料地接近帕累托前沿。Amazon 将 Trainium 与未来18个月内潜在的零售机器人效率结合起来，而其 Nova 模型的表现“比市场给予的评价更好”。
Microsoft 在2025年初曾短暂地在资本开支上“退缩”，并因此失去算力配额，但 Baker 支持 Satya Nadella 的高风险决定：优先为 Copilot 和内部模型预留算力，而不是最大化 Azure 的短期销售。他估计，如果采取另一种做法，Microsoft 的股价可能达到800美元；但他也质疑其当前模型团队能否执行到位。
横截面价格如今“无法同时为真”：半导体设备公司按下一季度年化盈利的约40倍交易，而 DRAM 的估值倍数处于中个位数。GPU 算力、网络、光学、DRAM、NAND 和 HDD 之间的相关性在1月断裂，为被错误归类的公司创造了机会，例如 Astera——其最大产品将变成交换机，但 Baker 认为它被错误地放进了铜材输家篮子。

11. 投资者必须掌握机器，同时为社会的反噬做准备

Baker 的《最后的武士》类比毫不留情：“机枪已经来了。如果我们不都成为机枪大师，就会被机枪所掌握。”他最有价值的智能体会从每天6小时的播客中提取与他个人最相关的关键信息；其他人则检查代理声明、PSU、激励机制和薪酬变化。
防御性准备始于网络安全，以及1个无法通过社会工程操纵的、供家庭或公司线下使用的安全口令。Baker 预计，逼真的视频冒充者会掌握个人背景，进而提出转账请求；他还担心，政治暴力上升后，公开露面的 AI 领导者会越来越容易成为目标。
在地缘政治层面，他认为乌克兰战场局势改善部分得益于更优越的战场 AI，并担心美国的主导地位可能让对手失稳——尽管它也可能带来另1个“美国治下的和平”。他的平衡判断来自 AI 的医疗潜力：智能体帮助找到1种已经上市、可能影响1名儿童罕见病的药物，也帮助启动了1家寻求治愈方案的公司。
Baker 仍是“AI 乐观主义者和最大主义者”，但称这项技术是要求人保持谦逊的“事件视界”。只有富人才能获得前沿模型的感觉“有点反乌托邦”；他认为卢德分子可能错了，但他们提出的担忧仍需要得到认真回应，让技术收益更广泛地共享。

瓦特、晶圆与AI基础设施的未来 | Gavin Baker 73.【520 特辑】AI +爱，赢了！｜与黑客松冠军夫妇的随兴访谈