作者：Dwarkesh Patel

编译：深潮 TechFlow

深潮导读：当 AI 模型能力追上顶级软件工程师，一张 H100 的合理租价将超过 25 万美元/年——是今天现货价的 15 倍。这不是遥远的预测，而是 Anthropic 营收 10 倍增速与算力 3 倍增速之间的结构性张力正在推动的真实趋势。对投资者而言，谁先抢到算力、谁能训出最高效的模型，将决定下一轮竞争格局。

一个极简实验：2 小时写完的算力推演

我想尝试一种极简写法：给自己设定 2 小时，快速写完一篇博文。很多重要的子问题我来不及深究，但如果不这样做，我感兴趣的很多话题就会一直搁置、毫无进展。

今天我想聊聊未来几年 AI 实验室的算力局面。

Anthropic 营收 10 倍，算力只涨 3 倍

Anthropic 的营收每年增长 10 倍。按这个趋势，Anthropic 今年年底营收大概率会落在 1000 到 1500 亿美元之间。如果这个趋势持续，他们明年年底就得做到 1 万亿美元营收。当然没有硬性理由说趋势一定会持续——这归根结底是 AI 能力的问题。但假设它真的持续了，那这个世界里必须有哪些条件成立？

实验室算力每年增长 3 倍。如果一家实验室要在算力只增长 3 倍的情况下做到营收增长 10 倍，以下三件事必须同时发生其中几项：一、实验室利润率提升；二、算力价格上涨；三、实验室把更大比例的算力用于推理。

我的理解是，这三件事基本上都在发生：一、Anthropic 的利润率从 2025 年的 40% 涨到了今年 Fable 推理业务的可能超过 80%（不过边际算力的利润率可能另当别论，后面会再说）；二、算力现货价格自今年 2 月低谷以来已涨了 40% 以上，而实验室实际需要付出的价格涨幅可能更大（后面细说）；三、根据 Epoch 的数据，OpenAI 2024 年大约有四分之一的算力支出花在了推理上，现在这个比例肯定更接近 50%，甚至更高。

实验室不愿走「推理」这条路

实验室其实不愿意走第三条路（把越来越多的算力用于推理）。有个玩笑说得很准：推理营收的意义，是说服投资人给你更多钱，让你去买更多算力，训更大的模型。如果你把大部分算力都压在推理上，某种程度上就是在宣告 AI 进步停滞了——因为继续加大训练投入已经不划算，你的生意基本上就是个云服务商。各大实验室并不这么认为——他们觉得自己现在部署的模型，一年后看起来会非常落后，而现在做这门生意是为了积累商业案例，支撑继续训练更聪明的模型。

涨价，是最可能的答案

所以剩下两条路：一、实验室利润率提升；二、算力变贵。如果头部一两家实验室远远领先于竞争对手，那第一条路会更显著。在市场竞争中，利润率取决于你比次优方案好多少。要让第一个效应占主导，明年年底利润率必须达到 90% 以上。这在我看来相当离谱。但我确实觉得，AI 实验室的营收继续以惊人速度增长是有可能的。

于是，解释"明年年底营收疯狂增长到 1 万亿美元"这个世界如何成真，还剩最后一个效应：算力大幅涨价。如我所说，这已经开始发生了。如果我们看实验室真正需要的那档算力，价格涨幅会更触目惊心——他们显然不能依赖现货实例，他们需要保障模型权重和用户数据的安全，还需要足够的规模来获得好的利用率和灵活性。来看看这个市场有多疯狂：谷歌和 Anthropic 从 SpaceX 租算力的价格。据报道，谷歌每月花 9 亿美元租用 11 万张 GPU，这批 GPU 是 GB200 和 GB300 的混合体。换算下来，大约是这些 GPU 现货价的 2 倍。而目前的现货价本身就比 2 月高了 40%。

我想强调一个核心结论：随着 AI 模型越来越强，同样一块算力能产生的价值也越来越高。如果一个真正达到人类水平的软件工程师能运行在 H100 级别的设备上，按照现在软件工程师的市场薪资水平，这张 H100 的年租金应该超过 25 万美元——是今天现货价的 15 倍。

算力更贵，世界会怎样？

当然，如果突然多出 1000 万个软件工程师，边际工程师的价值自然会下降，所以那张 H100 未必真能产出 15 倍于现在的营收。但我其实不确定这个逻辑是否成立。如果把这个论点套用在人身上而不是 AI 身上，这就是经典的"劳动力总量谬误"。经济学家普遍认为，高技能移民从长期来看不会压低工资，因为专业化分工和创新会提升劳动力的价值。也许这次的劳动力供给冲击规模太大、速度太快，让这条经验法则失效了。但如果我们相信标准经济学对劳动力的判断，那么边际劳动力的价值（以及算力的边际价格）应该会保持在惊人的高位。

这个世界会发生什么？

头部模型越来越能从算力中榨取价值，追赶的难度就越来越大。如果到 2028 年软件工程已经被自动化，算力价格比现在高出 15 倍，那么在没有任何营收的情况下，想跟头部实验室抢算力，将会极其困难。

如果你能训出最好、最高效的模型，你能收取的利润率将远高于今天。这是阿尔钦-艾伦效应：当一个固定成本同时叠加在两种质量不同的商品上，高质量的那个相对更划算，需求因此向它转移。当 H100 每小时的价格涨到 20 美元，用一个更弱、更低效的模型就变得极其昂贵和愚蠢——因为你要烧更多 token、跑更多昂贵的算力，才能得到同样的结果。所以，如果谁能训出一个更省算力的顶级模型，就能收取极高的溢价。既然底层算力本来就要花这么多钱，何不多花一点，用那个运行在同等算力上却最高效的模型？

很多目前流行的 AI 应用会被价格淘汰出局。AI 现在相对便宜，至少比人力便宜，部分原因是它还做不到顶尖人类能做的很多事。总有一天这将不再成立。到那时，用 GPU 做短视频垃圾内容，成本会高到划不来。

历史的教训：稀缺性预言也会错

不过，这类预测也和历史上那些关于稀缺性的错误预判有相似之处。我想到的是西蒙-埃利希打赌：保罗·埃利希打赌，在 1990 年之前的十年里，一篮子大宗商品的价格会涨而不是跌。这个赌注在通俗经济学讨论中颇有名气，因为它据说证明了埃利希的马尔萨斯式世界观被证伪了——他低估了市场信号和人类智慧在节约稀缺资源上的作用（不过也有分析指出，如果这个赌注换一个十年来打，埃利希会赢）。

算力供给的弹性有多低？

我猜大宗商品这个参照系并不适合算力，因为算力供给的弹性远低于金属开采，在吸收大规模需求冲击或寻找替代方案方面的能力也弱得多。每年 3 倍的算力增长，是由以下几个数字相乘得来的：摩尔定律带来的 1.4 倍、新晶圆厂建设带来的 1.2 倍（至少到 2030 年都受限于 EUV 设备供应）、AI 从其他设备手中抢走先进制程晶圆配额带来的 1.8 倍（这一项到 2027 年前后会撞墙，届时 AI 占 N3 晶圆的比例将从 60% 升至 86%）。这三个乘数里，任何一个都很难再被推高，最后那个甚至会在一两年内随着晶圆配额饱和而见顶。

终局：算力终会再变便宜，但不是现在

我想说明的是，未来某个时间点算力会再次变便宜。总有一天，机器人能把海边的硅砂和地下的铜矿直接变成计算机，到那时算力价格应该会回落到接近原材料和工具成本的水平。我现在讨论的只是当前这个阶段——AI 算力每年仅增长 3 倍，这个速度根本赶不上 AI 每年变得更有价值的速度所带来的价格推升效应。

顺带一提，Anthropic 营收每年 10 倍增长，而算力只增长 3 倍，这说明模型生意存在极强的规模经济。从逻辑上讲这说得通——训一个模型，你付出一次性的学习成本，然后这个成本可以摊薄到所有用户身上（不像人类劳动力，每个实例都得从头培训）。我不愿意生活在一个智能具有如此强烈规模经济的世界里（因为我担心权力集中）。但现实似乎就是如此。