有 AI 泡沫吗？Gavin Baker 与 David George

摘要

• Gavin Baker 的答案是否定的：今天的 AI 建设热潮，无论估值还是利用率，都不像2000年泡沫。 Cisco 高峰期市盈率约为150–180倍，而 NVIDIA 约为40倍；互联网泡沫顶峰时97%的光纤处于闲置状态，如今「没有闲置GPU」（there are no dark GPUs），训练集群正把芯片用到熔化。大型上市 GPU 买家自资本开支加速以来 ROIC 提升了约10个百分点——这一趋势能否穿越 Blackwell 投资周期，仍是「有意思且开放的讨论」，但 Baker 个人认为会延续。

• 基础设施账单规模惊人，但买方拥有异常深厚的资产负债表缓冲。 David George 盘点了约1万亿美元的美国存量数据中心、未来5年计划投入的3万亿至4万亿美元，并估计 OpenAI 的承诺交易超过1万亿美元；相比之下，主要支出方每年产生约3000亿美元自由现金流，持有5000亿美元现金。按每1GW NVIDIA 算力投入400亿至500亿美元计算，George 认为，即便短期建设造成错配，也相当于「一个每年增加3000亿美元的8000亿美元缓冲垫」。

• 外界担心的循环融资确实存在，但在 Baker 看来规模有限且具有战略合理性。 NVIDIA 为 OpenAI 提供资金、OpenAI 再购买 NVIDIA 芯片，看起来像资金循环，因为「钱是可互换的」；但 Baker 认为，真正的驱动力是与 Google 的 TPU、DeepMind 和 Gemini 竞争，而不是底层需求疲弱。Baker 估计 Gemini 在两三个月内拿下了约15–20个百分点的流量份额，并怀疑按实际流量计算，Google 可能已经比 OpenAI 或 Anthropic 拥有更多 AI 流量；上述份额变化不包括 AI Overviews。

• AI 可能强化 Mag 7 中的大多数公司，但执行失败仍可能是生死问题。 incumbents 已经拥有数据、分发、算力、资本和人才等关键投入，因此只要执行到位，AI 可能是一场延续性创新；否则，落得 IBM 的下场都可能算好结局。David George 称 ChatGPT 是「Google 的珍珠港时刻」（Pearl Harbor for Google），而 Baker 提醒，前沿实验室的毛利率在结构上会低于 SaaS，因为 scaling laws 和 test-time compute 会让产品持续高度依赖算力。

• 应用 SaaS 未必已经死亡，但赢家必须接受利润率压缩。 Baker 已经弱化了自己在2024年初关于所有应用 SaaS「可能归零」的判断，尤其是服务高度分散 SMB 客户的厂商；但他警告，若执着于守住80–90%的毛利率，可能反而放弃 AI 机会。真正的选择是「10美元收入、90%毛利率，还是50美元收入、60%毛利率」；与此同时， incumbents 可以先让 AI 产品盈亏平衡，等 Cursor 等领先者积累足够多的 token 后，再追赶可能就难了。

• 分发能力和推理能力，让消费级 AI 对长期平台的威胁没那么大。 AI 浏览器推出后，Google 可以先观察先行者3–6个月，再通过 Chrome 约50亿用户做出回应。推理和 RL 还能把庞大用户群转化为经典的产品—数据飞轮：用户改进算法，算法再改进产品。David George 认为 GPT-5 并不能证明 scaling laws 已经失效，因为它是「更小的模型」，目标是更经济地运行，而不是最大化能力。

• 结果定价可能是商业模式的转向，机器人则是同一逻辑向物理世界的延伸。 客服可以按解决任务收费，因为任务成功本身就是可验证的奖励；个人代理可能在完成购买后收取联盟佣金，从而挤压广告主过度支付的部分，而这正是 Google 搜索如此赚钱的原因。Baker 认为机器人「非常真实」，预计竞争格局会是 Tesla 对中国，并认为人形机器人之争实际上已经结束：机器人可以从视频或人类示范中学习，也能获得清晰的任务级反馈。

精读

1. Baker 判断泡沫，看的是利用率，不是资本开支规模

• George 开场列出了令人震撼的账本：美国数据中心存量约1万亿美元，未来5年计划再投入3万亿至4万亿美元；过去3年的建设成本，按通胀调整后已经超过州际高速公路系统的造价。他还提到，Google 在17个月内将 token 处理量提高了150倍，并估计仅 OpenAI 一家的承诺交易就超过1万亿美元。

• Baker 对2000年的比较同时看价格和使用情况。Cisco 的市盈率一度达到约150–180倍，而 NVIDIA 接近40倍。闲置光纤指已经铺设但尚未点亮的光纤；若没有启用它所需的光学器件、交换机和路由器，这些光纤就没有用。电信泡沫顶峰时，97%的已安装光纤处于闲置状态。如今「没有闲置GPU」——技术论文描述的反而是训练过程中 GPU 被用到熔化。

• 他最清晰的经济检验指标，是大型上市 GPU 买家的投入资本回报率：自资本开支加速以来，它们的 ROIC 提升了约10个百分点。「到目前为止，AI 的 ROI 确实非常积极，这一点没有争议」；这一趋势能否穿越 Blackwell 投资规模，明确仍是一个开放问题，但 Baker 个人认为会延续。

• George 表示，这些买家合计每年产生约3000亿美元自由现金流，持有5000亿美元现金。讨论承认，随着建设进入高峰，短期内可能出现一些错配；George 还说，Larry Page 似乎表示过，他「宁可破产，也不能输掉」这场竞争。

2. 循环融资只是 NVIDIA 与 Google 之战的副作用

• Baker 承认账面上的观感：循环融资「客观上确实发生」，而且因为「钱是可互换的」，监管限制无法消除循环。但他的限定是规模——目前仍然很小——以及动机：NVIDIA 的反应对象是 Google，而 Google 正在为实验室提供资金和 TPU。

• 因此，NVIDIA 最重要的竞争对手「不是 AMD，不是 Broadcom，不是 Marvell」，也不是 Intel，而是 Google。TPU 可能是当下唯一真正有竞争力的训练替代方案，也可能是最好的推理替代方案；Google 还拥有 DeepMind 和 Gemini，Baker 估计后者在两三个月内提升了15–20个百分点的流量份额。Anthropic 同时绑定 Google 和 Amazon 的基础设施，NVIDIA 有充分的战略理由作出回应；xAI 和 OpenAI 仍处于最前沿。

• 现在的硬件竞争已经覆盖整个系统。NVIDIA 从芯片扩展到 CUDA、机架级系统、网络和数据中心架构；Broadcom 则以开放式 Ethernet 网络、定制 ASIC 和 AMD 作为备选方案应战。Baker 预计，未来3年内会有一批高调的 ASIC 项目被取消；Trainium 3「可能会是一款比 Trainium 2 好得多的芯片」，而 AMD 仍然是不可或缺的第二供应源。

3. 分发能力可能让 incumbents 掌握模型迁移

• Baker 的克制来自历史参照：在 Netscape 所处的类似阶段，Google 还不存在，Mark Zuckerberg 还在上中学，Travis Kalanick 还在上幼儿园。George 对比称，互联网需要同时建设网站和用户，而 AI 工具可以通过 API 或 ChatGPT 直接触达，并立即分发给10亿人。

• 与互联网颠覆 incumbents 不同，AI 可能是一场延续性创新，因为今天的巨头已经拥有数据、分发、算力、资金和人才。Baker 认为，只要执行到位，它们完全有理由赢；George 称 ChatGPT 是「Google 的珍珠港时刻」，而 Baker 说，如果执行失败，落得 IBM 的下场都可能算好结局。

• 前沿实验室不应按照2021年的 SaaS 逻辑建模。Scaling laws、「Bitter Lesson」和 test-time compute 会让 AI 在结构上更加依赖算力，因此即便运营费用下降、最终仍能成为优秀企业，其毛利率也应低于云时代软件公司的水平。

• 消费级分发会进一步放大这一优势：Chrome 拥有约50亿用户，AI 浏览器先行者可能会后悔给 Google 留出观察几个月再反击的时间。推理能力也让前沿模型不再像「历史上贬值最快的资产」；RL 可以把用户变成产品改进飞轮的一部分。George 称中国开源模型是「天赐之物」，能帮助美国挑战者追赶前4家领先实验室。

4. SaaS 赢家必须把更低的利润率视为采用证明

• Baker 已经修正了自己在2024年初关于应用 SaaS 可能全部「归零」的判断。大型赢家仍然可能出现，尤其是在服务高度分散 SMB 客户的公司中；但厂商不可能在真正采用高算力 AI 的同时，继续维持旧有的经济模型。

• 他用零售业应对 Amazon 的方式作类比：传统厂商因为 Amazon 的利润率看起来没有吸引力而拒绝这一模式，结果眼看着 Amazon 用25年建立起健康的利润率。软件行业本身也有先例：Microsoft 从永久本地部署授权转向利润率更低的云交付，随后「连续10年成为一只表现相当不错的股票」。

• Baker 认为，更低的毛利率应该「成为一种荣誉勋章」；George 补充称，一家自称 AI 公司的企业如果毛利率仍为82%，可能只是使用量很低。George 的算术说明了选择：「10美元收入、90%毛利率」与「50美元收入、60%毛利率」之间的差别并不复杂，复杂的是如何向公开市场解释。

• 传统厂商可以用已安装业务产生的利润，为 AI 产品提供盈亏平衡的资金支持。Baker 认为，上市编程公司面对已经拥有1万亿 coding tokens 的 Cursor，只有「有机会」；但他仍认为，在所有产品中附加一个激进的 AI 功能值得尝试。Figma 愿意引导业务走向更低的 AI 毛利率，也证明投资者可以接受这种取舍。

5. AI 变现从席位和点击转向完成结果

• 客服是最清晰的起点：大量文本数据适合 LLM，而客户满意度或首次通话解决率可以提供可验证的奖励。既然人类从根本上是按结果获得报酬，增强或替代人类工作的 AI 也应该越来越按相同的结果定价。

• Baker 想象，一个个性化 Grok 代表用户向酒店询问最好的房间和价格，然后在预订完成时收取联盟佣金。这可能损害平台经济模型：Google 之所以偏好广告，是因为商家系统性高估了自己留住通过 Google 获得的客户的能力，因而在获客上过度支付；按结果收费的代理会挤出这部分低效。

• 长期判断仍然刻意保持宽泛，但影响重大。Baker 认为 Elon Musk 关于工作可能变成可选项的设想「并非完全不可能」，也不接受因为 Karpathy 认为 AGI 还要10年就把他视为怀疑者：「开什么玩笑？太疯狂了。10年？我报名。」在机器人领域，他预计会是 Tesla 对中国，并看好人形机器人，因为观察、人类示范和二元任务反馈让训练变得可行。