Appearance
午夜资本：AI算力交易 | 编辑转录稿
原文标题: Midnight Capital: The AI Compute Trade | Edited Transcript 来源: The Transcript Desk
💡 核心观点
- AI算力资本支出正处于结构性增长期，超大规模云厂商的绝对支出将持续上升至2030年后，但增速（二阶导数）可能在明年开始放缓，债务市场不是瓶颈，股权投资者态度才是关键约束。
- 智能的边际价值被严重低估，前沿模型即使仅提高5%的智能也能带来数倍价值，这是持续拉动算力需求的核心驱动力；企业AI支出正从测试阶段转向效率提升和劳动力替代，标普500其余公司的盈利加速表明整体ROI为正。
- 英伟达CUDA生态是云迁移的关键护城河，因为客户基于CUDA构建可实现多云迁移，而基于自研TPU等则会被锁定；短期内容量限制使云锁定风险较小，但长远看云支出占运营费用比例上升可能改变竞争格局。
📖 中文全文
这是《午夜资本：AI算力交易》的专业编辑转录稿。本文在保留讨论实质内容的前提下，为提升可读性进行了编辑和轻度格式化。
章节时间戳 00:00 存储芯片收益、闪迪以及如果忽略盈利看起来呈抛物线走势的股票 01:10 旧的存储周期模型：意外设备需求与大宗商品短缺 02:14 为什么AI建设可能更像结构性需求爬坡而非周期 03:05 作为AI实验室需求规模线索的Anthropic ARR 04:04 超大规模云厂商资本支出与云业务营业收入的自然扩张率 04:29 为什么在绝对支出持续上升的同时资本支出增速可以放缓 09:18 债务市场与股权持有者：谁才是超大规模云厂商支出的真正约束 12:19 谷歌云积压订单：企业可见需求的最清晰证据 14:40 Meta作为内部AI算力投资回报率的经济门槛测试 18:09 为什么Meta出租算力是一个黄旗信号，而非自动利空 20:20 积压订单客户是正在实现ROI还是仍在寻找ROI 25:42 Token支出、自动化与企业劳动力替代 29:27 AI实验室如何在美国企业界制造紧迫感 31:21 当云支出在运营费用中占比上升时，超大规模云厂商的护城河 35:44 当客户需要云可移植性时，英伟达与CUDA为何重要 37:25 智能的边际价值以及为什么前沿模型可能持续吸收支出 40:01 前沿模型与高价值边缘的本地AI 41:12 在所有人仍受容量限制时的云迁移风险 43:15 半导体占标普500权重以及当前AI堆栈的拨号上网类比
由以下工具制作：The Transcript Desk Chrome扩展 完整视频：Midnight Capital（Midnight_Captl）是一家专注于AI硬件堆栈（除苹果全球采购外）的基金。
转录稿 00:01-00:50 发言者：一方面，股票呈抛物线走势，但另一方面，盈利也是如此。以闪迪为例——我们刚才在讨论闪迪。他们的盈利同比上涨了大约50倍。真的是50倍，不是股价，我指的是公司的盈利。而它的远期市盈率仍然不到10倍。我不知道你是否了解金融，但这大约是市场平均远期市盈率的一半。也就是说，相对于标普500，它的盈利有大约50%的折价。
00:50-01:25 发言者：所以，没错，标普500平均远期市盈率大约是20倍，而闪迪在10倍左右，甚至可能只有七八倍，或者六倍。因此大约是市场的一半，甚至更少。这是一个令人困惑的局面，因为没有人真正知道这个周期何时结束。历史上，存储公司是周期性的——毕竟它们是商品业务。
01:25-01:50 发言者：顺便问一下，过去是什么驱动这些周期的？现在听起来像是古代史了。基本上是苹果发布新款手机，销量超出预期，但没有足够的存储来满足需求。全面披露：我曾在苹果工作——担任供应链采购经理。我的很多同事为这个职位进行国际出差，我现在仍与许多人保持联系。
01:50-02:25 发言者：所以，这就是当时的周期。也许是一台笔记本电脑或一个大升级周期意外推高了需求，突然存储就不够了。公司不得不争相购买更多，而供应跟不上——这就是周期的驱动因素。现在听起来很荒谬，因为我们处于一个完全不同的世界。
02:25-03:00 发言者：如果你听黄仁勋讲话——你知道，我是他的忠实学生——你会听到他说我们远未接近周期终点。或者也许这根本不是周期。更可能的是，我们仍处于大规模支出爬坡的中期，远未接近峰值。然后，爬坡之后，事情会稳定下来，增长将主要由超大规模云厂商驱动。
03:00-03:40 发言者：是的，超大规模云厂商未来将成为最大的买家。也许我们可以多谈谈这个，但看看一些AI实验室的收入增长——以今年的Anthropic为例。我记不清他们年初的确切数字，但我想他们年初的年经常性收入大约为100亿美元。现在，他们的ARR达到了440亿美元——仅仅前两个季度就增长了超过4倍。如果他们从现在起再翻一番……好吧，今年剩下的时间还很多，如果他们保持这个速度，那就是巨大的增长。
03:38-07:41 Chris Barber：如果今年他们从现在起翻倍，他们将达到1000亿美元的ARR。你甚至不需要怎么推算，就可以想象Anthropic和OpenAI每年带来数千亿美元的收入。这些数字是巨大的，但这似乎是我们前进的方向。我认为我们将看到一场大规模建设——比大多数人预期的还要大。今年，四大超大规模云厂商将花费大约7000亿美元，我预计明年他们将达到1万亿，甚至更多。这种增长可能会持续，直到每年达到2万亿或3万亿。你问超大规模云厂商资本支出增长何时见顶或已经见顶——也许是2030年到2032年？我的意思是，绝对资本支出金额将持续增长到那个时候，但增长率，即二阶导数，将从明年开始放缓。原因如下：目前，谷歌、微软、亚马逊——它们的营业利润都以大约25%的年增长率增长。我认为这25%是资本支出的“自然”扩张率——即排除债务、稀释或其他财务操作。它们可以在不损害资产负债表的情况下每年将资本支出增加约25%。但它们最新的财报显示增长在加速：AWS回到30%以上；谷歌云刚刚公布了65%的同比增长；Azure以40%的速度增长。因此，它们的自然资本支出增长率可能推高到30-35%左右。尽管如此，作为背景，去年这四家公司合计花费了今年支出的一半左右。这意味着今年资本支出同比增长大约100%——它们能够承受是因为有充足的自由现金流。但现在，自由现金流已接近零。因此，如果它们想以高于自然增长率的速度增加资本支出——比如超过25-40%的范围——它们将开始利用债务市场和稀释股东。它们将不得不杠杆化资产负债表并筹集股权，这可以做，但有限度。这就是为什么我相信二阶导数——增长的增长率——将在明年之后放缓。尽管如此，以绝对美元计算，我们很容易看到支出从今年的7000亿美元跃升至明年的1万亿。
07:41-08:10 发言者：是的，我认为今年看起来增长率大约50%。也许明年也是如此，大约50%。然后后年，我们可能达到大约1.3万亿。这意味着增长率放缓到大约30%。
08:10-08:58 发言者：所以这大概是大局。我认为加速——二阶导数——明年放缓，但资本支出的绝对美元金额将在整个十年内持续增长，甚至可能更久。这是一个巨大的信息。与此相关的是这些云业务的规模——AWS、谷歌云、Azure。它们将成长为人类前所未见的东西。人们谈论大型科技公司像国家一样大——这是真的。但我们将超越这一点。这些公司将比政府还大，这想想有点可怕。这就是我对资本支出演变的看法。超大规模云厂商将变得比大多数人现在能理解的还要大。
08:58-09:59 采访者：我想到了两个问题。一个是关于增长的高层驱动因素——债务市场向这些公司放贷的意愿。到底是谁在提供这些债务？是贝莱德或类似的资产管理公司吗？还是主权财富基金？然后我的第二个问题是关于超大规模云厂商的锁定效应。一旦客户选择了一个云提供商，这些业务就会受益于深度锁定。但未来AI是否可能改进到让云之间的迁移变得更容易，从而降低利润率？
10:00-11:34 发言者：我不认为债务市场会成为限制因素。我认为，以它们目前的杠杆水平，市场对这些公司的放贷需求几乎是无限的。现在，如果债务状况开始恶化——比如说，如果云利润率缩水，偿债覆盖率恶化——那么债务市场可能成为一个约束。但我认为这不会发生。真正的限制因素将是股票市场。股权投资者将开始说“够了”。这取决于未来收入如何增长。
采访者：你指的是AI实验室的股权吗？
发言者：不，我指的是超大规模云厂商的股权。如果你关注过Meta，我们已经看到这种情况了......
11:27-12:13 Chris Barber：当你观察Meta时，他们的股东基础有点不安。他们基本上说不想忍受这种支出。他们不想看到它——他们对到处撒钱感到不安。他们尤其不喜欢Meta利用债务市场，将债务堆积到资产负债表上。股东想要的是一个干净的广告业务，而不是被所有这些额外的东西拖累。
12:13-12:59 Chris Barber：他们真正想要的是两件事：要么回购，要么增加股息。如果Meta要花那么多钱，他们希望清楚地看到资金的去向和原因，这样他们才能对预期的增长有信心。这就是为什么谷歌的股票表现这么好——因为增长故事非常清晰。谷歌的积压订单看起来像一个直冲向上的曲棍球棒。谷歌花钱的理由非常明确。
12:59-14:12 Chris Barber：当我提到积压订单时，我指的是谷歌云中排队等待加速计算的企业客户。例如，假设波音公司将其所有基础设施托管在谷歌云上，并且他们有一些项目希望使用AI来加速业务中的某些环节。他们需要企业级的SLA和支持，这种支持只有超大规模云厂商才能提供。于是波音找到谷歌说：“嘿，我们需要X数量的计算能力。”谷歌告诉他们：“对不起，我们已经售罄了，但这里有一份合同可以让你进入我们的积压名单。”这个积压订单随后每个季度向华尔街报告，所有主要云提供商都这样做。如果你看看谷歌云的积压订单，它就是一个字面上的曲棍球棒——正在爆发式增长。投资者看到这个，会想：“好吧，现在我们明白谷歌为什么花这些钱了，因为他们正在处理这些巨大的客户需求。”
14:12-15:04 Chris Barber：然而，对于Meta来说，情况不同。他们没有云业务。那里没有积压订单，没有像谷歌那样可比较的需求线。听起来他们谈过可能根据需要出售计算能力，但我一直认为Meta不会走这条路。事实上，如果Meta开始出租计算能力，那对整个AI行业来说将是根本性的利空。理论上，Meta应该处于最佳位置——因为他们本质上是一家软件公司——可以自己充分利用所有这些加速计算。所以，如果Meta不能在内部将其利用起来，这在我看来就像某种经济门槛测试……
15:05-16:01 Chris Barber：基本问题是，Meta是否真的能在计算上实现盈利——他们花在计算上的钱。他们能否赚到超过从超大规模云厂商那里租用这些计算的成本？例如，假设AWS的运营利润率大约为30%，在四大云提供商中可能逐渐上升到35%。这个利润率攀升相当有趣，并且与资本支出的自然扩张率有关——如果云利润率上升，它们就有更多的支出空间。
16:01-17:00 Chris Barber：所以，如果AWS的利润率大约为30%，而租用一个GPU的全部成本（包括亚马逊30%的利润率）大约为每小时100美元，那么问题来了：Meta在内部使用同一个GPU能否赚到超过每小时100美元？这在经济上是否合理？Meta应该是世界上最有可能实现这一点的公司之一——他们拥有所有的人才，大量的硅谷工程师，所以他们应该能够为此进行优化。你主要考虑广告算法优化，对吧？是的，因为这占业务的95%，但还有推荐算法或广告匹配之类的事情。除此之外，其他赌注也有价值，比如提高软件开发速度——这些都有真正的企业价值。这就是为什么Meta花这么多精力来构建这些东西。
17:00-18:06 Chris Barber：Meta应该是使用加速计算并跨越经济门槛的最佳公司之一。历史上，我曾认为，如果Meta决定成为云提供商，那对我来说是可怕的，因为我不得不问：如果Meta都不能跨越这个经济门槛，那还有谁能？为什么波音能够做到？这是一个需要关注的关键点。
18:06-18:48 Chris Barber：华尔街很愿意看到Meta这样做——这是一个普遍的观点。人们会说：“如果Meta成为云提供商，我会很高兴，那将是惊人的。”这可能还会提振股价，因为支出会变得更加透明。Meta已经在财报电话会议上提到，许多客户联系他们，询问Meta是否有过剩的计算能力——以及他们能否提供计算。所以，是的，这个想法是存在的，华尔街喜欢它，人们喜欢这个概念。但对我来说，如果……
18:50-19:10 发言者1：人们会喜欢它。但如果我看到这种情况发生，我开始对实际发生的事情产生真正的疑问。
19:01-19:11 发言者2：是的。这让我想起了XAI Gro的例子，他们显然有无法充分利用的多余计算能力。
19:15-19:40 发言者1：没错。对我来说，有一个合理的论点认为，仅仅因为这种情况发生，并不一定意味着整个故事出了问题。至少，这是一个黄旗信号——是我想要深入挖掘的东西。因为，就像我说的，如果Meta都不能跨越那个经济门槛，那谁还能呢？
19:54-20:10 发言者1：现在，可能是Anthropic或OpenAI可以，这完全没问题。我不是说这是一个严重的红旗警告，如果发生这种情况你就应该卖掉一切——对我来说只是需要停下来思考一下。
20:10-20:27 发言者2：好的。那么那些大型GCP积压订单客户呢，比如波音？他们到底在做什么，现在是否跨越了他们的经济门槛？
20:27-20:40 发言者1：这是一个很大的未知数。老实说，我认为连他们自己都不知道。这是这里最后几个真正的开放性问题之一。
20:40-21:03 发言者1：这是一个很好的问题：这些支出中有多少仅仅是尝试或测试想法，有多少是真正产生了正ROI，而不是在寻找ROI的支出？
21:03-21:17 发言者2：是的，我刚才和一个人聊过，他对几件事持悲观态度，正是因为这一点——认为很多支出是在寻找ROI，而不是真正正的ROI。
21:17-21:44 发言者1：当数字较小时，我更同情这个论点。但看看标普500的数据——排除大型科技股——其余公司的盈利正在加速。这不是无懈可击的，但这是一个强烈的指标。如果这些支出不是ROI为正的，那么费用应该会超过盈利。
21:44-22:12 发言者1：因此，平均而言盈利仍在增长，这对我来说是故事成立的最大数据点。是的，有些人肯定没有达到经济门槛，但在总体层面上，我的观察表明这不是普遍情况。
22:12-22:47 发言者1：这也让我想起了网络和移动时代。早期很多支出是投机性的，在测试新领域。但后来到了一个节点，如果你没有一个可靠的网站或移动应用程序（比如如果你是Expedia），在财务上就是不负责任的——因为你的竞争对手有，客户也期望有。
22:49-23:11 发言者：竞争激烈，客户希望通过这些渠道或类似渠道进行互动。所以我可以想象很多AI支出也会发生类似的事情——开始是投机性的，然后竞争对手添加功能，如果他们跟不上，就会处于劣势。这有点像红皇后竞赛。
23:11-23:33 发言者：是的，我认为客户方面的情况仍然有点距离才能看到大的变化。你看到一些早期迹象——比如亚马逊的“Roffus”，据说可以帮助处理事情；沃尔玛也有类似的东西。这些面向客户的AI工具正在涌现。
23:33-23:48 发言者：亚马逊声称它正在推动70%的收入增长，但老实说，我不相信。我用过它；它还行，但没有什么突破性的。这不是像标普493中那些公司的主要故事。真正发生的是效率提升。
23:48-24:06 发言者：团队正在用更少的资源做更多的事情——也许构建看起来像我们通常使用的常规软件，但用AI构建，并从中盈利。这不是关于花哨的AI产品如“Roffus”，而是团队通过他们的议程更快地推进。
24:06-24:30 发言者：所以，这产生了同样的效果：如果你效率更高，需要在员工人数上花费更少，你就迫使你的竞争对手匹配这种效率。这肯定会发生。
24:30-24:55 发言者：现在，美国企业界对此一片混乱——各个层面都承受着巨大压力。团队正感受到这种用更少资源做更多事情的压力。这基本上就是驱动所有对像Anthropic这样的公司支出的原因——他们必须用相同或更少的资源做更多事情，因为他们的竞争对手也在做同样的事情。
24:55-25:17 发言者：实际上，我认为关键词是“做更多”。重点不仅仅是少花钱多办事，而是真正地在总体做得更多。这些组织内部非常痛苦。压力从CEO一直传递到每个团队成员。
25:17-25:35 发言者：每个人都在推动他们的直接下属，说：“你不会得到更多的预算来招聘；你只能用现有的工具完成更多工作。”我甚至在推特上谈过这个。例如，苹果在AI方面一直超级保守——比如6到12个月前，他们的采购团队无法使用AI工具，因为涉及处理敏感信息的数据隐私问题。
25:35-26:12 发言者：现在，如果你失去一个人头，领导层查看你团队的AI token支出——基本上是零——而你要求填补这个职位，信息很明确：你失去了一个人，他们离开了或轮岗了，在补缺之前，领导层想知道你用AI做了什么。重点从仅仅替换人员转向首先有效利用AI。
26:35-27:02 发言者1：重点不是用AI取代人。当然，AI可以取代某人，但这不是主要问题。真正的问题是，AI最终实际上创造了更多工作——它给人们的工作量堆了更多的任务。他们可以利用AI来帮助管理工作量，但与此同时，每个人都期望产出更多。
27:02-27:25 发言者1：而这种期望压力极大。这是一个非常令人不安的时刻。现在在大型公司工作的人们对此深感不安。这是因为这些新要求？它们根本不合理。
27:25-27:43 发言者1：但问题不在于这些期望是否公平。那是误解了重点。期望已经改变了——而这就是驱动盈利的原因。从股东的角度来看，我们肯定在数字中看到了这一点。
27:43-28:03 发言者1：但这很复杂，因为这并不是一个完全正面的故事。人们正受到影响——有时并非好的一面。每个人都被挤压，被期望用相同甚至更少的资源做更多工作。
28:03-28:19 发言者2：是的，不管你用不用AI，这都不重要。你必须想办法让它运作。
28:19-28:33 发言者1：对，而这正好符合所有AI产品的宣传。它们很契合地融入这个叙事。
28:33-28:38 发言者2：顺便问一下，你还可以继续大约10分钟吗？我们进行到一半了。
28:38-28:55 发言者1：是的，当然可以。这是很好的对话。我还认为在C-suite层面，关于高管们如何实际转型他们的业务，也存在很大压力。这就是为什么像Palantir这样的公司表现如此出色——他们被问及到底在做什么来改变。
28:55-29:11 发言者1：现在到处都有压力。每个层面都有如此巨大的压力。
29:11-29:19 发言者2：这很有意思。几乎就像实验室在制造紧迫感方面做得很出色——现在这种压力已经完全渗透到美国企业界。
29:19-29:33 发言者1：完全正确。尤其对于非美国人来说，美国的企业体系就像一个庞大的机器——通常缓慢而惰性。但这些实验室成功制造了足够的恐惧和混乱，真正让这个怪物动了起来。
29:33-29:49 发言者2：这个说法很好。
发言者1：是的，正是这样。另一个例子是美国政府的“Mythos”事件——他们也激发了类似的紧迫感，导致……
30:01-30:30 发言者：所以基本上，正在发生的事情是你正在迫使改变，对吧？还有一种偏执、压力、恐惧。这是一个极度、极度变化的时刻。
30:30-31:00 发言者：这种恐惧是否合理或正当根本不重要。这完全不是重点。恐惧大约从2012年左右开始，比如像Less Wrong，现在终于蔓延到全国的企业。它已经全面起飞。完全被接受。如果你不认同或持怀疑态度，好吧，门在那儿。
31:00-31:30 发言者：是的，这是一个疯狂的时刻。关于超大规模云厂商的另一件事——我是这样想的——它们有强大的运营模式。一旦你投资于某个特定的云，一切都在该平台上运行。你雇佣具备该平台专业知识的人。你使用兼容的工具和服务。所以有一个巨大的长尾锁定效应。
31:30-32:03 发言者：这可能是反对AI破坏这种锁定效应的最强论点。但我也在想，未来几年人们使用计算机的方式将会发生很大变化。大部分锁定是因为人直接使用系统；但如果AI代理或自动化系统开始驱动计算机的使用方式，那么这种锁定可能不会那么牢固。
32:06-32:34 发言者1：那么你怎么看这个问题？我很好奇观众们是否有相同或不同的看法。历史上，如果你看一家典型公司的运营费用中云支出所占的百分比，它一直相当小——比如，可能只有2%到4%。
32:34-32:53 发言者1：在那个水平上，它不值得过多关注或担心锁定问题。但现在情况正在改变，因为这部分支出不再仅仅是IT费用的一部分；它开始渗入劳动力成本和其他人员费用。
32:53-33:02 发言者2：这让我想起了一些事情。也许我可以把这作为我们的最后一个问题？或者如果你想，我们可以继续聊更长时间——我都可以。
发言者1：好的，如果时间合适，我乐意一直聊到大约45分钟。
发言者2：听起来不错。
33:02-33:31 发言者1：好的，太好了。所以，我想提出的问题——算是我们的“奶昔”问题——是：你看到在地平线上有什么可能改变这种动态？有什么能打破这种趋势吗？我们是否面临未来七年或更长时间的长期计算供给不足？
33:31-33:55 发言者2：好吧，让我先完成我对超大规模云厂商的观点来回答这个问题。问题是，云支出占运营费用的比例不再停留在2%到4%——它正在增长。它可能爬升到10%甚至20%，取决于……
33:52-34:21 发言者1：这取决于。如果你是OpenAI，那比例就很大。
发言者2：是的，当然。但即使你是，你知道……比如说你是波音——
发言者1：对，波音。
发言者2：波音有研发预算，所以——
发言者1：是的。
发言者2：问题是，未来他们预算中有多少比例将花在token上？这个比例将增加。花在计算上，特别是token上的金额，将会增长。所有这些都将通过超大规模云厂商、通过你的云提供商发生。
34:21-34:51 发言者1：你认为模型是否有饱和点？比如，它们是否会达到一个极限，几乎超过了某个阈值，有点像你可以根据每个token实际需要的智能程度对不同的token任务进行分类？那么，波音的大部分工作是否会在一个水平上饱和，比如像Kimmy K3——或者不管最终是什么——就足够了？还是波音主要需要前沿级别的token？
34:51-35:36 发言者2：好吧，让我先讲完关于超大规模云厂商的观点，因为我认为这很重要。
发言者1：当然，请讲。
发言者2：正如你所看到的，我有点多动症；我的大脑有时候会乱跳。
发言者1：没事，很高兴能录下来。这个问题我也想了一段时间了。现在讨论很好。
发言者2：好的，所以我认为随着云支出在整体运营费用中的占比上升——从2%或4%到10%或20%——那么锁定概念就变得更加重要。因为现在，云成本不再是运营费用的一小部分，而是总开销的一大块。这改变了游戏规则。
35:38-36:43 发言者：有一件事经常被忽视，那就是你的业务中有多少运营费用是由此驱动的。对我来说，这是为什么英伟达，尤其是英伟达如此重要的一个被严重低估的原因。超大规模云厂商总是说：“哦，我们被英伟达锁定了。”当然，他们承认这一点，但他们的终端客户实际上从中受益。如果那些客户建立在英伟达的CUDA平台上，他们的软件可以在谷歌、亚马逊和微软的云之间相对容易地迁移。但如果他们建立在谷歌的TPU加速器上，那是他们自己的硬件，情况就完全不同了。他们不能简单地迁移到微软或亚马逊，因为一切都与TPU的架构绑定。超大规模云厂商有非常响亮的声音和很大的扩音器。当他们谈论客户选择和锁定时，每个人都在听，但我认为他们的终端客户关心的是——而且会更关心——他们的解决方案建立在哪个平台上，特别是随着AI计算在整体运营费用中的占比不断增长。这实际上是我关于超大规模云厂商和锁定问题想表达的核心观点。
36:43-37:28 发言者：你还问到像波音这样的公司是否会达到一个点，即它们的AI模型变得足够聪明，从而停止更多支出。老实说，如果我们逐个案例来看，当然，存在一个饱和点。例如，我曾在通用磨坊工作，他们肯定有一个极限，不会无限制地投入——无论是token还是计算或其他什么。但从更大的图景来看，我们在这里真正讨论的是解决问题。对我来说，除非我们解决了所有关键问题，否则我们可能还有更多的智能和计算支出在前方。
37:29-39:15 Chris Barber：我认为总体上仍然有很多智能可以投资。而在价值方面，这是我感受非常强烈的一点：智能的边际价值比大多数人意识到的要高得多。一个只聪明5%的模型不仅仅是价值高5%——在某些情况下，它可能价值十倍。以量化交易为例。你可能知道高频交易，公司将其数据中心设在离交易所极近的位置，以便比竞争对手快一纳秒执行订单。他们愿意为此花费数百亿美元，因为即使是一个微小的优势也值近乎无限的钱。现在，我不想把每种情况都等同于那个极端案例，但它说明了问题：智能的边际价值是巨大的。在组织内部，这种情况也经常发生。在苹果或其他大公司，有些团队充满了极其有才华、勤奋的人，他们产出优秀的工作。但你仍然需要区分他们的贡献。不是每个人都能得到相同的绩效评估。基于绩效的薪酬差距可能很大——例如，一个人可能获得10万美元的RSU奖励，另一个人可能获得18.5万美元。如果你看他们实际的工作，表面上可能非常相似……
39:15-41:05 发言者1：这些人可能非常相似——几乎一模一样。差异可能归结于一年中的一次会议，其中一个人表现更好，而另一个人的会议只是……还行。不算差，但也不出色。而这个微小的差异？对公司来说价值高出85%。那太大了。所以我们在人类企业中已经有了一个很好的类比，展示了智能的边际价值到底有多大。它比大多数人意识到的要大得多。我认为对前沿AI的需求肯定会很强。顺便说一句，你可以在像福布斯富豪榜这样的地方看到这一点——权力确实分布不均。这就是为什么当我听到人们谈论本地AI或开源模型就像那是未来时，我有时会发笑。别误会我，就像你说的，如果你能分解一个任务并在本地计算上处理一部分，当然，那可能有用且重要。但认为你将完全放弃前沿AI而将所有东西移到本地？你从根本上处于劣势。你为什么要那样做，只是为了节省一点成本？前沿AI的价值大得多，而这正是为什么我们看到的全部需求仍然集中在前沿。例如，如果你看看OpenAI或Claude，那里消费了绝大多数的token——而不是DeepSeek或QwQ。这些本地或替代模型当然也在被使用，但它们并没有真正与OpenAI或Claude竞争。
41:05-42:54 采访者和嘉宾： 采访者：与OpenAI和Anthropic竞争——我认为这将继续发生。 嘉宾：是的，当然。那么，AI是否引入了使用计算机的新方式？这与云之间迁移的容易程度如何交叉？它会使切换更容易还是不那么容易？ 采访者：好问题。我认为这还没有定论。这项技术之所以如此具有颠覆性，是因为归根结底，一切都是软件。即使是硬件也归结为软件——你从CAD设计开始，然后使用Cadence和Synopsys等工具开发成芯片，最后由台积电等公司制造。所有机器本身都是先数字化创建，然后才物理制造。所以，实际上一切都最终回归到软件。这种以软件为中心的特性使其成为一个如此颠覆性的概念。云之间的迁移更容易是否可能？当然，是有可能的。这就是为什么我们最近看到估值如此下调的部分原因。但云还有另一个因素——它们都面临容量限制。因此，即使理论上你可以轻松地从亚马逊切换到谷歌，但如果谷歌没有容量，那么进行迁移就没有意义。直到这个容量挑战得到解决，我认为云迁移不会带来太大风险。就目前而言，容量限制使客户保持锁定。 采访者：是的，有道理。 嘉宾：所以，直到我们解决这个容量问题，云切换根本不是一个严重的担忧。 采访者：酷。我认为这是一个结束的好时机。
42:56-43:00 发言者1：我认为这是一个结束的好地方。 发言者2：是的，当然。 发言者1：是的。 发言者2：这太棒了。这些东西真是疯狂。
43:00-43:07 发言者2：世界变化太快了，太疯狂了。有一件事我想提一下—— 发言者1：是吗？ 发言者2：我在加入之前查了一下，ChatGPT之前半导体在标普500中的权重……
43:07-43:29 发言者2：大约是6%。现在上升到22%。所以自2022年ChatGPT推出以来的四年里，它从6%上升到22%。
43:29-43:41 发言者2：这恰恰显示了世界在如何转变。2022年11月30日——那将是一个历史性的时刻。 发言者1：完全正确。 发言者2：我们的孩子将从他们的AI老师那里在学校里学到它。
43:41-43:57 发言者1：太疯狂了。你自己有孩子吗？ 发言者2：是的，我有三个。 发言者1：我有一个八个月大的女婴。想到这些……
43:57-44:19 发言者1：你知道，我们现在想到的东西——比如Mythos、Ver Rubin、英伟达系统，所有这些前沿尖端技术——很快就会像古代史一样，就像拨号上网。 发言者2：完全正确。等我们的孩子长大后，它就会像拨号上网一样。 发言者1：Mythos对他们来说会成为拨号上网。
44:19-44:40 发言者1：想想过去必须等待token，曾经有多慢…… 发言者2：对，我记得以前每秒只能得到50或100个token——不是即时的。 发言者1：现在我每秒得到一百万个token。你在说什么？
由以下工具制作：The Transcript Desk Chrome扩展
🔗 原文链接
https://thetranscriptdesk.substack.com/p/midnight-capital-the-ai-compute-trade