ESC
↑↓ 选择↵ 打开esc 关闭⌘K 唤起
← Home NO.168
第 168 期 · 投资 · 收录于 2026 年 8 月 15 日

算力价格十倍论

D
Dwarkesh · Dwarkesh Podcast
视频 11:47 原文约 1.2 万字 预计阅读 9 分钟 来源视频 ↗ 中英对照全文
TL;DR · 三句话
  1. 一道简单的减法逼出全部结论:实验室收入每年 10 倍、可拿到的算力每年只有 3 倍——这个缺口只能由「实验室利润率上升」或「算力价格上涨」来填,而 Dwarkesh 认为利润率超过 90% 还不被竞争抹平不现实,所以只剩算力涨价这一个出口→ 详细
  2. 模型越聪明,同一块卡越值钱:如果一个真正达到人类水平的软件工程师能跑在一块 H100 上,按今天工程师的薪资,这块卡一年就该租出 25 万美元以上——是当前现货价的 15 倍还多,而且还没算 AI 通宵和周末连轴转。→ 详细
  3. 供给端顶不上来:那 3 倍拆开是 1.4×(摩尔定律)× 1.2×(新建晶圆厂,卡在 ASML EUV 光刻机)× 1.8×(抢走手机/PC 的晶圆),第三项明年就撞墙——台积电 N3 上 AI 占比会从 60% 涨到 86%,吸干之后无处可吸→ 详细
01

论证起点:一个 10 倍 vs 3 倍的缺口(核心)

  • Anthropic 已连续三年收入同比 10 倍,去年年底做到 90 亿美元;Dwarkesh 估计今年年底会落在 1000 亿到 1500 亿美元之间。要让这条线继续,明年年底就得做到 1 万亿美元。他自己先打了预防针:「没有任何深层理由说这件事非成立不可,这是个非常疯狂的结论」,最终取决于 AI 能力到明年年底能不能真的那么有用。→ 详细
  • 假设它成立,就撞上另一条硬趋势:实验室手里的算力每年只增长 3 倍。这个差额必须由某处填上,全文其余部分就是在找这个「某处」。→ 详细
  • 只有三条填法(或组合):① 实验室利润率提高;② 算力价格上涨;③ 花在推理(inference,模型对外服务、回答请求所耗的算力)而非训练上的算力占比提高。关键是三条都已经在发生,他逐条给了数字。→ 详细
02

三条阀门的实测读数(核心)

  • 利润率:据报道 Anthropic 的推理利润率从去年年中的 40% 涨到现在 80% 以上→ 详细
  • 算力价格:算力现货价(spot price,随买随用的即时市场价)比今年 2 月那个低谷高出 40% 以上——注意这是「已经发生」,不是预测。→ 详细
  • 推理占比:2024 年据 Epoch AI 数据,OpenAI 只把四分之一算力花在推理上;现在这个数字很可能接近 50%,甚至更高→ 详细
03

第三条阀门被实验室自己关死了——这是身份问题,不是算术问题

  • 在实验室的世界观里,推理收入的意义是「说服投资人再给钱去训下一个更大的模型」。一旦把大部分算力花在推理上,等于公开宣告 AI 进展停滞、自己沦为云服务商——「这门生意可比造出 AGI 没吸引力多了」。他们相信一年内就能造出让现在这批模型「显得烂得不行」的新模型,所以大部分算力必须留给训练和实验。→ 详细
04

排除法:为什么剩下两条里,利润率那条走不通(核心)

  • 缺口只剩两个出口:要么盈余落进实验室口袋(利润率上升),要么落进实验室下面那整条链条(算力涨价)。这道二选一决定了这波钱最终归谁。→ 详细
  • 他倾向排除利润率那条:市场经济里利润率之所以存在,本质是「你提供的东西比别人能另找的替代品好太多」;要让智能维持 90% 以上利润率还不被竞争抹平,得是领先模型远远甩开对手——「实在太离谱了」。→ 详细
  • 于是只剩算力涨价当泄压阀。而且对前沿实验室真正需要的那批算力,涨幅还要更狠:他们不能买现货实例(spot instance,按小时随买随用的云资源)了事,必须一次拿到足够规模才换得来效率和灵活性,还必须是能满足安全要求、护得住自家模型权重和客户信息的那种算力——供给更窄、替代品更少的细分市场→ 详细
05

实证锚点:Google 从 SpaceX 租算力的价签(核心)

  • Google 每月为 11 万块 GPU 支付 9 亿美元(GB200 和 GB300 混合),Anthropic 也在同一渠道租。→ 详细
  • 这个价钱是同款 GPU 每小时现货价的 2 倍;而那个现货价本身又比 2 月高出 40% 以上。两层溢价叠起来,就是「前沿算力比公开市场更贵」的活证据。→ 详细
06

全文最硬的那句断言:模型越聪明,同一块卡越能变现(核心)

  • 「随着 AI 模型变得更聪明,它们把同样一份算力变现的能力也会更强。」这是整条论证的支点。定价法给得很直白:若人类水平的软件工程师能跑在一块 H100 等效芯片上,按今天工程师薪资,这块卡一年该租出 25 万美元以上——当前 H100 现货价的 15 倍还多;而且还没算 AI 能通宵干、周末也干。→ 详细
  • 对「凭空多出 1000 万个软件工程师,边际价值不就崩了吗」这个反驳,他的回应是:套到人身上这正是经典的劳动总量谬误(lump of labor fallacy,误以为社会上的活是固定的一块饼,多一个人干就少一个人有活)——经济学家普遍认为(高技能)移民长期不压低工资,因为创新和专业化分工会把劳动的价值抬上去。→ 详细
  • 但他没把话说死:「也许这一次的劳动力供给冲击会来得太大、太快,让我们没法再指望这条通用经验法则。」若信标准经济学,劳动的边际价值、因而算力的边际价值,会保持在高得惊人的水平。→ 详细
07

推论 A:算力涨价本身就是护城河

  • 顶尖实验室变现算力的本事越强、算力越贵,别人越难跟他们竞争——你得跟一个「本来就能把这份资源用得更好」的人争抢同一份资源的出价权。涨价不是打击领先者,而是加固领先者。→ 详细
08

推论 B:阿尔奇安–艾伦效应——最省算力的模型能收最高溢价(他自认最有意思的一条,核心)

  • 这是全文他自己标注「整个思想推演里最有意思的推论」:如果你能训出效率最高的模型,你能收的溢价比今天高得多→ 详细
  • 机制就是经济学里的阿尔奇安–艾伦效应(Alchian–Allen effect):当每一份使用都要背一笔昂贵的固定成本时,人们会自动转向高质量选项。他的例子——「如果租一块 H100 要 20 美元一小时,那么去用一个更弱、效率更低的模型就是极其愚蠢的,因为为了得到完全相同的结果,它会在你这块昂贵的算力上烧掉更多 token」。→ 详细
  • 顺着推下去有个漂亮的等价:「如果你有一个模型能用更少算力得到同样结果,那你在某种意义上就创造出了更多算力」——而算力的价值也随之上升。效率进步在这个框架里不会压低算力价格,反而抬高它。→ 详细
09

推论 C:今天便宜的 AI 玩法会被价格挤出局

  • AI 现在便宜,只是因为很多顶尖人类能做的事它还做不了。一旦不再如此,Google / Anthropic / OpenAI 为自动化 AI 研究愿意为 token 出的价,会盖过你我为多产一点「AI 垃圾内容」(AI slop)愿意出的价。低价值用途会被同一池 token 的高价值用途赶走。→ 详细
10

自我审视:这会不会又是一次「低估人类巧思」的稀缺论?

  • 他坦承这套分析「跟历史上人们在稀缺问题上犯错的那些套路很像」,点名西蒙–埃利希赌局(Simon–Ehrlich bet):末日论者保罗·埃利希赌一篮子大宗商品在通往 1990 年的十年里涨价,结果输了,成了「市场信号 + 人类巧思会化解稀缺」的经典教材。→ 详细
  • 两条反驳:一是那个赌局换一个十年来打,埃利希很可能会赢(结论没那么稳);二是算力的供给弹性比金属开采小得多,吸收需求冲击的能力差得多,可替代的余地也小得多→ 详细
11

供给端逐项拆解:3 倍这个数字连维持都难(核心)

  • 他把每年 3 倍拆成三个乘数(1.4 × 1.2 × 1.8 ≈ 3),逐个论证都加不动1.4× 来自摩尔定律——「别说往上加了,能把它再撑几年就已经是奇迹」。→ 详细
  • 1.2× 来自新建晶圆厂——到 2030 年甚至更久,最终都卡在「造新的 ASML EUV 光刻机」这一环;他提到 Dylan(Dylan Patel)几个月前上节目详细讲过。→ 详细
  • 1.8× 来自 AI 抢走原本给智能手机和 PC 的晶圆产能——这一项明年年底就撞墙:台积电最先进的 N3 制程上,AI 占比会从 60% 涨到 86%。「到某个时点,你已经把最先进制程的晶圆产能全都吸干了,这个数字就再也涨不上去了。」结论:连维持 3 倍都难,遑论超过。→ 详细
12

边界条件:这只是「奇点前」阶段的结论

  • 他明确划界:未来某个时点算力会重新变便宜——等有了机器人能把成片的硅砂海岸和铜矿直接变成芯片,算力价格就基本等于原材料加加工工具。他讲的只是当下这个「奇点前(pre-singularity)」阶段:AI 算力仅仅每年 3 倍,不足以抵消 AI 本身正变得越来越值钱。→ 详细
13

收尾:10 倍 / 3 倍这个比值本身就是规模经济的证据(核心)

  • 「收入每年 10 倍、算力每年只有 3 倍」这件事本身,就说明模型生意的规模经济(economies of scale)有多强。逻辑很干净:训练一个模型只需付一次性成本去学会所有技能,之后这些技能被所有用户共享;「这跟人类劳动非常不一样——人类的每一个个体都得从零开始重新培训一遍」。这就是为什么单位收入所需的算力能持续下降。→ 详细
  • 他以一句价值判断收尾:「我倒宁愿我们不是活在一个『智能的规模经济如此之强』的世界里,因为我担心权力集中的问题。但看起来我们就是活在这样的世界里。」→ 详细

(本期无——单人朗读短文,无问答环节。)

  • Dwarkesh Patel 的博客:dwarkesh.com(本期即该站一篇博文的朗读版,可去订阅更新通知)。→ 详细
🎯 于你何益 为你定制 · 非通用结论

这一期直接压在你的「All in AI」投资线正中心。 它不是新闻,是一份可以直接拿去用的投资假设与证伪清单——一条从会计恒等式推到定价权归属的完整链条。下面按你能拿去用的顺序拆。

一、它给了你一个可以直接搬进 StockHelp 的「归属问题」框架

Dwarkesh 干的事,本质上是价值投资者最该干的那件事:先算清楚这条产业链上多出来的钱最终会落到谁口袋里。

  • 他的推演可以压成一句你能挂在看板上的话:收入 10x / 算力 3x 的缺口,只能由「实验室利润率」或「算力价格」二选一来填。这就是一道盈余归属题——盈余归实验室(选项 A),受益的是模型层公司;盈余归算力链(选项 B),受益的是芯片、晶圆、光刻机、数据中心、电力这一整串。他自己押 B,理由是智能的 90%+ 利润率不可能不被竞争抹平。
  • 你可以怎么做:把这道二选一变成 StockHelp 里的一个明确假设标签,给 watchlist 里每只 AI 相关标的打上「A 阵营 / B 阵营」。这样一来,你持仓的隐含赌注是什么就变成看得见的了——你现在可能同时押着 A 和 B 而不自知,那等于没有观点。
  • 顺手能拿的三个可核验的追踪指标(全是他给的、都能定期更新):① 顶尖模型的推理利润率(40% → 80%+ 走到哪了);② 算力现货价相对 2 月低谷的涨跌(他说 +40%);③ 前沿实验室长租价对现货价的倍数(Google 案例是 2×)。这三条如果继续往上走,B 阵营的论点在被验证;如果推理利润率冲破 90% 而算力现货价回落,说明 A 阵营赢了——这就是一组现成的、可以推翻你自己的信号

二、供给端那段拆解,是本期最值钱的部分

作为价值投资者你最该盯的不是需求故事(人人都在讲),而是供给为什么顶不上来——他把「每年 3 倍」拆成 1.4×(摩尔定律)× 1.2×(新建晶圆厂)× 1.8×(抢手机/PC 晶圆),并逐项论证都加不动。

  • 这个拆法本身就是一个可复用的尽调动作:任何被讲成「产能会跟上」的叙事,都可以问一句「这个增速由几个乘数构成,各是多少,哪个能加速」。加不动的那个乘数,就是定价权所在。
  • 三个乘数里,最脆的是 1.8× 那项(明年年底撞墙,台积电 N3 上 AI 占比 60% → 86%),因为它是一次性存量转移,吸干就没了;而 1.2× 那项卡在 ASML EUV 光刻机上,是结构性且有明确主体的瓶颈。你可以怎么做:把「ASML EUV 出机量」和「台积电最先进制程的 AI 晶圆占比」做成 StockHelp 里两条定期人工更新的备注字段——它们不是财报数字,但它们是这整套论点的命门变量,比 PE 分位更早告诉你论点有没有变。
  • 一个反直觉但很有用的推论:效率进步在这个框架里不会压低算力价格,反而抬高它(「用更少算力得到同样结果 = 创造了更多算力,而算力的价值随之上升」)。如果你之前有一条「模型效率提升会打击算力需求」的直觉——他给了你一个反着看的理由,值得认真对待。

三、阿尔奇安–艾伦效应:一个可以搬到别处的思维模型

这条对你的价值不止在投资。它说的是:当每次使用都要背一笔昂贵的固定成本时,理性选择必然滑向最高质量的那个选项——算力越贵,用弱模型越蠢,因为它会在你昂贵的卡上烧更多 token 去换同一个结果。

  • 迁移到你的元约束上:你的稀缺资源不是钱,是精力与聚焦。既然每投入一小时都要背上「这一小时不能用在别的项目上」这笔昂贵的机会成本,那么在任何一个已经决定要做的事情上用次优的工具/方法,就是同一种愚蠢。这跟你自己那条「杠杆 > 工时」是同一条定律的两个说法。
  • 迁移到你的 AI 使用习惯上:这条直接反驳「为省钱用便宜模型」的做法——只要你自己的时间被计价,模型 API 的单价差异在总账里几乎可以忽略,而弱模型多烧的返工轮次才是真成本。

四、可以变成 onehuman_company 选题的一条

「大佬说 X,我试了」这个支柱,本期给了一个现成的 X:Dwarkesh 说算力一贵,用弱模型就是蠢的。你手里正好有 drizzle tech / app_incubator 的多 agent 管线和真实的 token 账单——同一个任务分别用强/弱模型跑一遍,比总成本(API 费 + 返工轮次 + 你的复核时间)而不是比单价,这就是一篇能过「弹药库闸门」的验证体:删掉你的实测数据它就不成立。标题方向:算力涨价时代,省 API 费是笔亏本买卖吗。

五、更深一层:他自己给的证伪路径,正是你该盯的安全边际

难得的是,他把自己论点的最强反方摆在了台面上——西蒙–埃利希赌局:人类历史上一次次的「资源要枯竭了」,都被市场信号和人类巧思打脸。他的辩护是「算力供给弹性比金属开采小得多」,但他也承认「那个赌局换个十年埃利希会赢」这件事同时削弱了正反双方

  • 对你的用法:这是安全边际该落在哪里的问题。如果算力涨价论错了,错法只有两种——要么供给端出现他没算进去的乘数(新架构、新封装、非 EUV 路线、海外产能),要么需求端的变现能力没跟上(模型没变那么聪明,H100 值 25 万美元/年这个前提垮掉)。这两条就是你 B 阵营持仓的两颗雷,值得单独列出来定期检查,而不是等股价告诉你。
  • 另一面镜子:注意他全篇的姿态——先承认自己的结论「非常疯狂」、承认「没有深层理由说它必须成立」,再一步步把它推下去。这跟你「判断力 > 努力」「问该不该做先于做多快」是同一种思维纪律:把结论的前提明写出来,让它可被推翻。你在 StockHelp 里记录一只票的买入理由时,值得照抄这个格式——不只写「为什么买」,还写「什么情况下这条理由不成立」。

所以呢

这期最该带走的不是「算力要涨十倍」这个结论,而是它背后那道题的问法:一条产业链上多出来的钱,最终归谁?答案由「谁那一环的供给最顶不上来」决定。把这个问法固化进 StockHelp 的选股逻辑里,比记住任何一个具体判断都有用。

不硬掰的部分:本期与你的「职业视野缺口(PM 前沿工作范式)」「Codex Holdwell ERP work」「xiaohongshu_momorain」没有实质关联,不强行牵连。

接着读