← 主页 NO.190

第 190 期 · 投资 · 收录于 2026 年 8 月 21 日

Ben Thompson 谈大科技、中国,以及快没钱了的 AI 热潮

Ben Thompson · Invest Like the Best

投资创业增长

视频 77:38 原文约 8.3 万字预计阅读 1 小时 10 分来源视频 ↗ 中英对照全文

TL;DR · 三句话

一这轮 AI 最先见底的可能不是算力、也不是电，而是钱。 今年全行业 CapEx（资本开支，即买地、建数据中心、买卡这类一次性大钱）约 8,000 亿美元，明年按现在的估算约 1.3 万亿美元；而资金已经沿「自由现金流 → 债券市场 → 增发股票 → NVIDIA 攒 5,000 亿美元 的盘子去接养老金与保险浮存金」这条资本曲线一路走到第四层——Ben 真正担心的是时间错配：钱烧完了，收入还没接上。→ 详细 → 详细
二风险从不消失，只会转手，而现行记账方式常常看不见它。 TSMC 因为怕产能过剩连年保守，把风险以「本可以赚却没赚到」的形态塞给了所有大厂；NVIDIA 表面 margin（毛利率）纹丝不动，实际是靠 25% 兜底、入股 neocloud、承诺包销算力到 2030 年 换来的——「如果你整体地看他们这门生意，它实质上就是一次降价」，只是这次降价没记在毛利率上。→ 详细 → 详细
三「美国彻底赢下 AI」不是好结局。 Ben 认为从博弈论看，一旦美国拿到压倒性的军事与国安优势，中国最优的应对就是炸掉 TSMC；而美国对中国制造的依赖被严重低估，「不发生冲突就修不好」。真正可持续的状态反而是眼下这个均衡：OpenAI 与 Anthropic 在前沿，中国靠蒸馏（distill）稳定保持落后六到九个月。→ 详细 → 详细

开场暴论：「美国彻底赢下 AI 竞赛」对美国自己反而危险

Patrick 开场就把话题拉到最大：既然上次两人对谈时「世界完全不一样、还没有 AI，我们主要聊的是 aggregation theory」，那就先问——美国赢下这场 AI 竞赛到底意味着什么？Ben 的回答直截了当：「我觉得美国真赢下来是很麻烦的。」→ 详细
推理链只有一步、但很硬：设想最天马行空的场景——你掌控了 AI，军事压过所有人，甚至顺手把制造业也修好了。那么从博弈论看，中国的最优应对是什么？答案是「炸掉 TSMC」。Ben 说「博弈论有时候能绕得非常复杂，但这一件在我看来其实并不复杂」，他跟硅谷（「我觉得尤其是某一家实验室」）的叙事有一个根本分歧：真走到军事与国安层面压倒性优势的那一步，对整个世界是非常危险的。→ 详细
反问随即跟上：在那种状态下，事情除了 TSMC 被炸掉，还会蔓延到多远？Ben 自嘲刚才自己也犯了「一厢情愿」的毛病——默认到那时美国已经能自建 fab（晶圆代工厂／芯片工厂）、对那个卡脖子环节依赖没那么重了。但他不信这个前提。→ 详细
他能设想的唯一一种「我们真的抽身、对中国零依赖、他们要炸台湾也无所谓、对我们完全没有影响」的世界，「在我看来太不切实际了」——这些讨论里缺了直面现实的态度。→ 详细 → 详细

对中国制造的依赖被严重低估：「保险费贵得离谱、又可以不交，你就是不会交」

核心判断：我们对中国的依赖程度被严重低估，而且这不是在没有冲突的情况下能解决掉的事——不管是 fab、执行器（actuator，机器人/自动化设备里负责出力做动作的那个零件），还是各类上游前置件。→ 详细
为什么修不好？因为是囚徒困境的成本结构：「如果你的竞争对手从中国采购，而你打算改从美国拿货，你的相对劣势会大到你根本不会去做。所以只有在你真的别无选择的时候才会做。」这套逻辑只对特别显眼的大项目成立——比如你可以逼着 Apple 把一部分 iPhone 制造挪到印度。→ 详细
但 Ben 说这个例子恰恰反证：Apple 并没有真的搬出中国，只是在一定程度上做分散，全搬走代价太高。他给了一个很好用的比喻——「这就像交保险费：如果你可以不交、而保费又贵得离谱，那你就是不会交。」→ 详细

「假想敌」很好使，但学中国是走反了

「每个人都用得上一个好使的假想敌。从 AI 这笔交易的叙事角度看，没有什么比『我们必须打赢中国』更好使。」——一句话点破为什么「beat China」会成为 AI 投资叙事的万能燃料。→ 详细
Ben 并不反对竞争本身（「我也确实认为我们需要赢过中国，我们得有竞争力」），他沮丧的是过去几年美国的政治层面应对是在「试图变得更像中国」：他主张走反方向——更开放、更多创新、更少自上而下的控制、更少对言论的限制，因为「美国的成功来自于站在最前沿」。→ 详细

理想均衡：中国靠蒸馏稳定落后六到九个月，这个现状其实不坏

Ben 给出的全球格局快照非常清楚，值得当成一张「AI 竞争地图」记住：OpenAI 和 Anthropic 明确在 frontier（前沿）上；Google 那边到底怎么样谁也说不准；Grok（xAI）和 Meta 在后面追。→ 详细
中国的位置：「非常有实力、非常聪明，而且确实在蒸馏（distill，指用强模型的输出去训练自己的模型、把能力『抄』过来）这些模型，大概保持落后六到九个月的距离。」Ben 的评价是——「感觉这是个相当不错的均衡，而且总体上对美国有利」。他把 AI 现状类比成台湾现状：「眼下这个现状看起来没那么糟。问题是它有多可持续？但也许它能撑的时间比我们想的更长。」→ 详细
中国会不会真的反超？Ben 「出于各种原因还是有点怀疑，比如芯片这一块」，理由是要在最后那六到九个月里追到最前沿，是非常难的。他给出一个可观测的检验指标：看 Meta 和 Grok 到底能不能真追上来——尤其是在进入「用 AI 把 AI 做得更好」的递归自改进阶段之后。他说最近在 OpenAI 和 Anthropic 两边都能看到明显加速，「这件事早先只是理论推演，现在看起来正在成真」。→ 详细
一个容易被忽略的延伸问题：递归自改进不只作用在能力上，也可能作用在成本上——「如果你能用 AI 来优化你的技术栈、把问题想明白、把所有数据都分析一遍，那你的服务成本（cost to serve，即每回答一次要花的钱）是不是就结构性地比别人低？」这是一条会决定长期利润率归属的暗线。→ 详细

开源模型「免费」是个误会：你没付研发费，但一定在付 inference

Ben 对「开源模型免费」的说法明确不买账：「大家说它们『免费』，这在我看来很奇怪，因为这是边际成本的问题。你还是得跑 inference（推理，即模型每回答一次实际消耗的算力）。」→ 详细
他点名了两个中国开源模型作反例：GLM 和 Kimi——「Kimi 的服务成本很高，每个回答的成本明显更高」。「你可能没付造出这个 AI 的研发费用，但你一定在付把它跑起来的 inference 费用。」这是一句适合直接搬进任何「开源 vs 闭源成本账」讨论的原话。→ 详细

他最想知道的一件事：不是能力上限，而是「大家会不会干脆不再往外放东西」

Patrick 追问：如果关于未来你可以知道任何一件事、好让你对最终均衡更有把握，那会是什么？是 S 曲线的长度，还是我们爬到了 S 曲线的哪个位置？→ 详细 → 详细
Ben 的担忧另辟蹊径：随着大家对 Mythos、对 Hugging Face 那件事恐慌起来，实际结果不是风险真的变小，而是大家干脆不再往外放东西了。「我们这些身处外部的人，会慢慢失去对『前沿到底是什么、到底在哪儿』的判断力。」→ 详细
由此产生一种虚假的安全感：「现在所有人对 Mythos 的理解，其实都是基于 Fable 去推的。可 Fable 相对于 Mythos 到底有多强呢？」他判断这个差距只会随着时间越拉越大。另一个他说不准的问题：递归性、AI 自己让自己变强，会不会导向某种「起飞」（takeoff，指能力短时间内自我加速式跃升）。→ 详细 → 详细

【主线】这轮真正的约束条件可能是钱，不是算力也不是电

这是全场最重要的一条判断，也是标题里那句「AI Boom Running Out of Money」的来源。「所有人都在讨论，算力够不够？电够不够？但眼下最近的问题可能是：钱够不够？」——「这事想起来还挺荒诞的。」→ 详细 → 详细
他真正担心的不是「有没有回报」，而是时间错配：「我担心的是时间上的错配——真正的投资回报能不能产生足够的收入，来给下一轮投资续命。」注意这句的结构：不是质疑 AI 的终局价值，而是质疑收入接上烧钱的那个时间点会不会来得太晚。→ 详细
「资本曲线」四级台阶（本期最值得抄下来的一张图）——Ben 说「我们正沿着资本曲线一路往下走」，一层比一层贵、一层比一层远离自有资金：
1. 自由现金流（自己赚的钱，最便宜）→ 已经用光；
2. 债券市场——「科技公司把债券市场吃透的速度快得离谱，大概一年就走完了」，规模是「几千亿美元」量级；
3. 增发股票——「现在 Google 都开始发股票了」；
4. NVIDIA 又在攒一个 5,000 亿美元的盘子，去对接养老金、保险浮存金这类钱。然后 Ben 问出关键的一句：「那再往后呢？再往后钱从哪儿来？」→ 详细 → 详细 → 详细
他自己给的最优解与失败模式：「理想情况是我们绕回来，重新用自由现金流来支撑这件事。但如果中间有缺口，如果我们没能及时走到那一步，就可能出大事（a big blow up）。」——这就是一个可以直接拿来做投资监控的判据：盯的是「AI 收入曲线」什么时候能重新盖住 capex（资本开支，即买地、建数据中心、买卡这类一次性大钱）曲线。→ 详细
但就算崩了，也不改变技术终局：「就算真的崩了，AI 也不会消失，它不会停止变强……到时候我们回头看，就像今天回头看互联网泡沫、看铁路时代，或者看历史上任何一次泡沫一样——放在人类的大尺度上，这些终归无足轻重，尽管当时确实极具破坏性。」这句话把「技术必然性」和「资产价格可能腰斩」两件事干净地切开了。→ 详细

【主线】1870 年代铁路：世界真的会「把钱用光」，但铁路照样开下去

规模对标：按占 GDP 的比例算，铁路曾经是史上最大的一次基建投入；这轮 AI「我觉得现在可能已经超过了，或者说铁路曾经是最大的，反正在一个量级上」。→ 详细
为什么大家一遇 AI 就伸手去够铁路这个类比？因为期限错配（duration mismatch）：「修一条铁路、再靠它赚钱，是一个十年甚至几十年的工程，可你必须在短期内发债把钱先掏出来。结果全世界的钱不够用了。」——这和第七节的「时间错配」是同一件事的两种说法。→ 详细 → 详细
1870 年代的结局值得原样记住：「全世界的钱就是不够了。有意思的是，铁路照样在运营，它们把西部开发了出来，对 GDP 的贡献是天文数字级的，而且到今天还在贡献 GDP。」——泡沫破的是股权，不是资产本身。→ 详细
一个漂亮到近乎文学的收束：「此时此刻通过 Berkshire Hathaway 流进 Google 的那笔钱，本质上就是铁路赚来的钱。特别有意思，字面意义上就是如此。」（Berkshire 持有 BNSF 铁路；此处 Ben 把 150 年前的铁路资本和今天的 AI 资本连成一条线。）→ 详细

Berkshire 的 See's Candies → BNSF：从「百分比世界」搬进「绝对数字世界」，这也是 Google 的路

Ben 认为 NVIDIA 那笔 5,000 亿美元的交易与 Google 增发股票是配套的一对，而 Google 增发这件事在他看来「挺震惊的」——「因为那可是 Google 啊。它根本不缺钱，为什么要发股票？如果它这么坚信这件事，为什么要把自己的上行空间稀释掉？」→ 详细 → 详细
高 margin 生意的诅咒：See's Candies 是「利润率高得惊人的生意」，但「很多高 margin 生意的问题在于，利润率的百分比可以非常高，但能赚到的绝对利润就那么多，没有再投入的跑道（no reinvestment runway），你只能不断囤现金」。→ 详细 → 详细
BNSF 那笔交易的高明之处：拿 See's Candies 赚的钱去买一个「margin 差得多、但绝对金额大到这种差得多的 margin 反而能带来大得多的绝对利润」的行业。Ben 给的数字对比很有冲击力——BNSF 在 2025 年前后，一年甩出来的自由现金就超过了 See's Candies 整个存续期间赚到的总和。（⚠️ 此处转写存疑：原文对这笔钱的收款方/表述有含混，具体年份与口径建议以 Berkshire 年报为准。）→ 详细
提炼出的思维模型：「当你的资本大到一定程度，你就开始活在绝对数字的世界里，而不是百分比的世界里。」→ 详细
然后把这个模型扣到 Google 头上：Google 有搜索这门「史上最完美、最漂亮的商业模式之一」，「所有 aggregator 里最纯粹的那一个——在每个方向上都能规模化，几乎不用投一分钱，一切都是零边际成本」。与此同时摆在面前的 AI 机会「需要的投入是天文数字，纯粹在烧钱」。但如果 AI 就是智能、它的 TAM（总可寻址市场）基本等于所有白领工作、将来加上机器人甚至可能囊括一切，那么这里能拿到的绝对利润哪怕 margin 更低，也要大得多——大到「将来我们回头看 Google 搜索，会不会就像今天回头看 See's Candies 一样？」→ 详细
对稀释的态度也随之改变：发股票确实稀释股东权益，「可你拿到的是一块大到天文数字的饼里更小的比例。说到底，没人会抱怨。」于是 Berkshire 既是这次增发的买方，也是 Google 的样板——「他们是不是不只是 Google 的投资人，同时还是 Google 的样板，代表着 Google 要去的方向？」→ 详细

Ben 的「AI 信仰体检」：可验证领域强得离谱，不可验证领域待定

Patrick 直接问他「AI pilled」（信 AI 信到什么程度）。Ben 的自我定位是「在某些方面极度看多，在另一些方面又没那么看多」，而他不完全接受的正是「可泛化」那套论证。→ 详细 → 详细
他承认能力事实：「AI 在写代码上显然强得离谱，一想到一年前大家还在手敲代码，我都觉得不可思议。数学上它当然也很强。」但这些都是「可验证领域」（verifiable domains，指对错能被立刻自动判定的领域）——「有什么有力的证据，能说明在可验证领域表现极好，可以干净利落地迁移到不可验证的领域，或者那些验证周期极长的领域？」→ 详细
他讲了一段亲历的「被当成空头」的恼火：他在一场论坛上向几位实验室的人提这个问题，对方回「以前大家还觉得象棋解决不了、围棋解决不了呢，结果不都轻轻松松解决了」。Ben 的反驳很锋利：「我一直认为象棋能解决，围棋也能解决，因为那是可知的领域，规模化就是这两者的答案，而且它们都是有边界的。」他要的是另一个标杆例子——不是象棋、不是围棋，而是真正处在一个全新的、不可知的空间里，AI 做出了以前根本做不到的事。→ 详细
一个很妙的破局猜想：AI 是在整个互联网数据上训练的，而互联网数据本身「是一种蒸馏，它蒸馏的是人类思考的最终形态」——它拿到的是 Reddit 上敲出来的那些字，却没有轨迹，没有促成那条评论背后的思考过程与情绪。于是：「如果 Neuralink 这类东西真正的回报，其实是捕捉到人类思考的轨迹，从而大幅扩展这些模型的能力呢？」——那么「可验证性的难题就靠拿到更多数据被解决了」。→ 详细 → 详细

「不情愿的加速主义者」：哪怕模型从今天起一点不再进步，经济机会依然巨大

这是本期对「AI 到底值不值这个价」最有分量的一段论证：Ben 的感觉是「大量的工作、大量的经济活动，其实并不落在那些我不确定 AI 是否擅长的领域里」。他还说了句略带悲观的实话——「这世界上有不少人在某种程度上就像有意识的 AI：他们在可验证的领域里运转良好，交给他们活儿，他们就干完。」→ 详细
结论掷地有声：「我觉得那个市场太大太大了，哪怕模型从今天起一点都不再进步，摆在面前的经济机会也是巨大的。」——换句话说，看多 AI 的经济价值不需要押注 AGI。→ 详细
他给自己的标签：不是加速主义者，而是「不情愿的加速主义者」（reluctant accelerationist）——「我认为我们必须往前推，因为我们回不去了，而最糟糕的结果就是卡在原地。」并明确区分了两件事：对 AI 的经济影响与变现上行空间非常「信」，不确定的是时间节奏。→ 详细
最大的机会 = 最难啃的机会：医疗。「如果你能把机器学习放到全部病历数据上去跑，我觉得我们能在极短时间里得出的新发现和更好的疗法，会多到难以置信」——但它同时「因为牵扯到各种监管、各种数据获取的限制」成为最难的一个。法律也被提到（「法律某种意义上像是一套代码」）。乐观面之后紧跟一个泼冷水的追问：这件事到底什么时候才会发生？→ 详细
对就业的一体两面：乐观框架是「我们创造需求的能力基本上是无限的……假以时日我们会非常擅长创造出新的机会和新的岗位」；悲观说法是「我们制造繁文缛节和一地泥浆的能力同样近乎无限」——「我们的经济里有多少其实是我们硬造出来的岗位，某种程度上只是在制造忙碌、制造拖沓？」→ 详细

Aggregation Theory 十年后还成立吗：难题从「分发」变成了「发现」

Patrick 把时间拉回 2010 年代初：Aggregation Theory（聚合理论，Ben 自己 2015 年发表的框架：谁掌握与用户的关系，谁就能反过来把上游供给商品化）定义了上一个技术时代的赢家和输家，那这个时代会由什么理论、什么原则来定义赢家（从财务和市值角度）？他坦言自己连「聚合理论在当下还适用多少」都在反复摇摆。→ 详细 → 详细
Ben 先澄清一个常见误读：聚合理论的关键组成之一是零边际成本，而他最初重点讲的是分发（distribution）。有人反驳「我哪有什么分发能力，我还得花钱在 Google 上买广告」——「可是不对啊，你有网站。你的问题不是分发，你的问题是你没有需求。」→ 详细
一句可以直接钉在墙上的话：「你买广告的时候，买的其实是需求，因为需求掌握在聚合者手里。而他们之所以能掌握需求，是因为在一个供给过剩的世界里，难题不是分发，而是发现（discovery）——你到底怎么找到自己真正感兴趣的东西？」→ 详细

聚合理论的第二根支柱是「零交易成本」，而 AI 把它掀了

浓缩版定义：「在各自领域里解决了『发现』问题的公司，最后就主导了那个市场，它们拿到一个正向反馈循环。」第二根支柱是交易成本为零——Google 能扩张到全世界，不只是用户侧，变现侧也一样。→ 详细
他举的证据极干净：「在 Google 或 Meta 上投广告的绝大多数广告主，从来没跟 Google 或 Meta 的任何人说过一句话」，全部由计算机完成；「而从生意的角度看，这些计算机的成本是 0 美元。完美的生意。」→ 详细
然后是这一整段的转折点：「AI 显然把这一点大大改变了，inference 成本是实打实的。但话说回来，它到底有多『实』？」——这句反问直接引出了下一节。→ 详细

inference 成本内部的「惊人价差」：菜谱用户和解数学定理的用户不在一个宇宙

这是本期对 AI 单位经济学最有洞察的一节。Ben 的判断是：「今天绝大多数用 AI 的人，基本上是把它当 Google 的替代品在用，或者当个菜谱生成器」，而服务这批人的成本极低——「低到基本上跟给他们发一个网页差不多，我猜是略高一点，但高不了多少」。→ 详细
另一个极端是 test time scaling（测试时扩展，指不再靠把模型做大、而是靠让模型「多想一会儿」来提升答案质量）：「过去我们扩规模的方式就是把模型越做越大，现在你可以在时间这个维度上扩：你要花多久去想这个答案？你可以想几天、几周甚至几个月。那就是直接的边际成本——你多想一秒，就多烧一秒的钱。」→ 详细 → 详细
结论一句话：「我们总是把 AI 和 inference 当成同一个问题来看……可实际上，不同用户的边际成本问题——用免费版 ChatGPT 的人，和拿它去解一道数学定理的人——根本不在一个宇宙里。」任何拿单一「毛利率」去评价 AI 公司的分析，都跳过了这个价差。→ 详细

Microsoft 的定价困局：从「不用动脑的 license」变成「每月都要重算的账」

具体事实：Microsoft 正在调整企业套餐，推出类似 E7 的方案，每用户每月 100 美元，包含一定量的用量，超出部分另外收费。Ben 认为这对 Microsoft 是个「挺尴尬的处境」。→ 详细
Microsoft 原有的护城河叙事：「你做生意需要的一切他们都有。单看每个组件也许都不是最好的，但你花一份钱就全拿到了，而且它们基本上能互相打通」——对中小企业乃至大型企业都有实实在在的价值，核心卖点就是省心。→ 详细
他们正在丢掉的红利：「你招一个新员工的时候，会去算这个员工的成本，而员工成本里天然就打包了每月 100 美元或者 50 美元的 license 费用。对 Microsoft 来说，这是一条完全不用客户动脑子的收入流。」按用量计费之后，「你每个月都得想一遍：我这个月想花多少钱？」→ 详细
由此产生三个连锁问题（这三条是很好的 B 端定价教材）： ① 大多数公司的机制根本不支持按月盘算——「他们一年才做一次预算」； ② 心理账户从 CapEx 类切换成了 OpEx 类——员工的综合成本（loaded cost）「不是 CapEx，但有点像 CapEx：你在一开始把决定做完，之后就不再去想它了」，而按用量「你就得一遍遍重新做这个决定」； ③ 最危险的一条——一旦客户每月盯账单，就会开始问「我这些钱到底买了什么？这里面每一个产品到底好不好？我是不是该把这块拆出去？」（即捆绑销售被逐项审视）。→ 详细 → 详细
Microsoft 为什么明知有毒也必须做：「那种极端用户——消耗海量 token、真正在用 AI 的人——给 Microsoft 带来的成本远远超过每月 100 美元，他们扛不住。」于是他们只能走钢丝：「需要客户为那批极端员工稍微动一点脑子，但又不希望客户想得太多，因为那会以非常出人意料的方式把整个模式打破。」→ 详细

消费者既不想付钱、也不想变高效：Dropbox 剧本，OpenAI 放大 100 倍重演一遍

Patrick 问：服务成本极低的「菜谱生成器用户」到现在都没长出一个好商业模式，你意外吗？Ben：「我很郁闷，但不意外。」并直指 Google 和 Facebook「在上一个时代把这门生意做到了极致，可这一次他们好像完全没搞明白」。→ 详细 → 详细
两条「硅谷每 10 年要重学一遍」的铁律（本期最实用的产品判断）：① 消费者不想为软件付钱；② 消费者根本不在乎自己有没有变得更高效。第二条他还配了一句极生动的注脚——「消费者的心态是：我上了一整天班，凭什么回到家还要更高效？我就想瘫在沙发上刷 Reels。」→ 详细 → 详细 → 详细
Dropbox 完整案例（Ben 是亲历者：「我读商学院的时候是最早用 Dropbox 的一批人……我到现在免费账号里还有超多空间，因为我当年把邀请码发给了特别多人」）：Drew Houston 明确想做消费者公司；著名的 Steve Jobs 会面里，Apple 有意收购，Jobs 说「你们是一个功能，不是一家公司」——后来 Apple 确实把它做成了 iCloud Drive 那样的一个功能。Dropbox 高速增长后进入约两年的停滞期，期间被迫把整个 app 从底层彻底重写，因为「愿意付钱的消费者不够多，而企业能看到价值、愿意付钱」；而做企业客户「就需要权限体系，需要管控」，原来的 app 压根不是为此设计的。→ 详细 → 详细
公司为什么肯付钱：「因为公司本来就在给员工付工资。只要能让员工更高效，公司这笔投入的回报就更高。这跟消费者完全相反。」→ 详细
Ben 的自我披露 + 对硅谷的诊断：「我在 Stratechery 上能积累起这么多读者，很大程度上是因为我是个『欣赏广告的人』……因为当时只有我一个人在写广告。在那个人人都想开博客、都在玩 Twitter 的世界里，没人愿意聊广告。」而硅谷至今对「这地方在很多方面是靠广告变现的」带着难为情——上一轮 Facebook 被视为「有点上不了台面，最好的工程师不愿意去做这个方向」。→ 详细
对 OpenAI 的锐评（本节结论）：「你就看到 OpenAI 简直是在重演 Dropbox 那个故事，只不过放大了大概 100 倍：不，我们就是要向消费者卖订阅。他们也确实卖了，卖了很多，但还是不够。」——「你要做消费市场，就必须做广告。」→ 详细
广告为什么在结构上优于订阅：「面向消费者做广告的妙处在于，你对单个消费者的变现能力会随着量一起往上走……因为涨价是由广告主承担的，所以完全不存在价格弹性的问题。」反例是 Netflix：「价格能涨到多少，消费者才会造反、降一档套餐、甚至干脆不用了？」总结成一句——「向人收钱很难，白送东西很容易。」→ 详细 → 详细
一个巨大的反事实判断：「如果 ChatGPT 一火他们就立刻全力押广告，我觉得他们现在会有一个杀手级的广告产品。我觉得 Google 会麻烦大得多，Meta 也会麻烦大得多。」现状是 OpenAI 正在快速铺广告能力（下单结账、与零售商打通、成交后的全套追踪），但同时又在慌着攻企业市场——「因为 Anthropic 正在把我们打得很惨」。Ben 的评价是：「所以我不太确定他们到底在做什么。」→ 详细

【关键数字】今年 8,000 亿、明年 1.3 万亿：三重时间错配同时发生

本期最该记住的两个数字：「我估计今年我们在 CapEx 上要花掉 8,000 亿美元左右，明年按现在的估算大概是 1.3 万亿美元，之后还会继续往上走。」→ 详细
错配一：钱变成算力要等到 2028–2029。「今天我们说算力不够，并不是说这些公司今天砸下去的钱马上就变成算力。不是的，那些钱要到 2028、2029 年才变成算力。」而「建一座 fab 的交付周期比建一个数据中心还长」。→ 详细
错配二：短缺的根源在三年前的投资不足。「我们算力不够，是因为 2023 年和 2024 年投得不够」，而且「TSMC 在 2023、2024、2025 年是把增速降下来的」，所以「未来几年我们的算力短缺只会更严重」。→ 详细
错配三：收入能不能在钱烧完之前接上（见第七节）。Ben 特别点名两位 CEO 的口径：Andy Jassy（Amazon）和 Satya Nadella（Microsoft）在财报电话会上都说「我们只是在建数据中心，这些只是壳子，我们现在可能不用……而且我们只有在确定有需求的时候才买 GPU」。→ 详细 → 详细

「我们只是建壳子」这套说辞，Ben 认为「有相当多是扯淡」——因为科技行业不懂大宗商品市场

直接反驳：「这故事讲得很漂亮。我不太确定——我觉得这里面有相当多是扯淡。因为现实是，你把壳子建起来了，那笔钱就摆在那儿，你不会让它就那么闲着。」→ 详细
这是全场最重要的一个认知框架：「如果你投的是固定成本——这正是大宗商品市场的整套逻辑——我觉得科技行业整体上并不理解大宗商品市场。」科技行业习惯的是差异化定价：差异化可以来自软件、来自开发者网络、来自社交网络的人际连接，「那么我能收更高价格的能力，就构成了我的 margin」。→ 详细
经典对照组是 Apple：「他们有自己的生态、自己的软件、第三方……所以他们能在 iPhone 上拿 50% 的 margin。所有人都把 Apple 看成理想的商业模式，觉得生意就该这么做。」而这正是误导的来源——「可是在大宗商品市场里，价格是由边际供给方决定的，只有服务成本才是关键。」→ 详细

【主线】集装箱航运：折旧是会计上的虚数，船一定会开出去

Ben 有位在台湾做航运的好朋友（他还提到航空业是他另一个爱研究的行业）。买一条船，成本就是折旧；边际成本很低——燃油、船员工资、港口费，「就这些，花不了多少」。→ 详细
由此推出的行为铁律，也是本期最锋利的一段类比：「不管怎样你都会把这条船开出去，而且你会把一个集装箱的价格一路压低，压到刚好能覆盖边际成本为止。这时候你账面上的亏损可能非常大，因为会计口径的亏损把折旧算进去了。可折旧只是个会计上的虚数，钱你早就付掉了。」→ 详细
市场如何出清：价格跌破边际成本时会有人退出（「他们每跑一趟是真在亏钱，不是账面上的钱，是真金白银」），供给一少价格又涨回去，「于是就形成这种运力进进出出的来回拉扯」。→ 详细
COVID 的实测数据（值得记住的一组价格）：船不够的时候，一个集装箱的价格从平时的 3,000–4,000 美元涨到 17,000–18,000 美元，「这些航运公司在很短时间里赚到的钱多到离谱」。然后呢？「问题在于造一条船要两年。如果所有人同时做了这个决定，突然之间船就多得不得了，价格暴跌。」→ 详细 → 详细
落到 AI 上的那记直球提问：「但话说回来，数据中心会在多大程度上变成下一个存储厂商呢？」→ 详细

「你的回本周期是在稀缺期算出来的」——这句话本身就是一条投资纪律

一句话点破所有 AI 数据中心的投资测算：「眼下所有人都看得到，算力不够用。所以大家都觉得，我们必须得投，因为能赚的钱太多了；你看我们的回本周期多短。问题是，你算这个回本周期的时候，正处在稀缺期。等到产能富余的时候，这个回本周期还站得住吗？」→ 详细
多头的反驳与 Ben 的让步：多头说「根本不会有富余的那一天，AI 会永远供不应求」——Ben 说「也许真是这样」。但他的担忧不依赖于这个判断对错：「就算这个判断没错，中间也可能出现一个断档（air gap）：现在砸进去的钱太多了，而真正上线、能产生足够收入的产能还不够多，撑不住资本耗光的那个局面。」→ 详细
他把「看多技术」和「担心桥断」明确分开，这段自陈立场值得整段引用：「我是信 AI 的，我觉得这是真东西，它的经济影响会大到天上去。我也觉得那些关于社会冲击的担忧都非常真实……你完全可以相信这一切，同时仍然担心：我们能不能搭起这座桥，撑到 AI 真的产生足够的回报，来支撑这一轮又一轮的投入继续走下去。」→ 详细

存储（memory）：三家寡头的纪律，以及「把自己变成靶子」的伊朗式错误

历史动力学：以前存储厂商多得不得了，「每次繁荣期都会有存储厂商重新涌进来，还会有新的国家加进来——比如台湾以前也有过存储产业」，然后产能过剩、价格暴跌、一批人被清出局。前期投入极大是根因：「就像买船一样，建 fab 甚至更夸张」，而最先进制程的存储已经要用 EUV 光刻机，一条产线成本上到几十亿美元的量级。→ 详细
今天的格局：「现在只剩三家，虽然算不上垄断，但基本是个 oligopoly（寡头垄断）。而且他们都变得纪律性强多了——别再犯过去的错。他们不是在合谋，但大家心照不宣。」Ben 还提到「最有意思的一段，其实是 Samsung 怎么一步步拿下存储市场的」。→ 详细
这套纪律恰好撞上了拐点：「他们花了好一阵子才反应过来：不对，存储需求这回是发生了长期性（secular）的结构转变，而这种转变已经很久没出现过了。」Ben 判断「存储的问题最终会解决」；他们冒的另一个风险是 Apple 在游说、想用上中国产的存储。→ 详细
最狠的一条长期判断——伊朗/霍尔木兹类比：算法改进的头号目标现在就是「怎么少用点内存」。「我觉得存储厂商这么搞，长远看多半是在坑自己——他们把自己的后背变成了一个巨大的靶子。」类比是：霍尔木兹海峡这张牌「你不用它的时候更好用，因为它一直悬在那儿」；一旦真打出去，「阿联酋和沙特会去建管道、建新港口，他们不会让这种事再发生第二次」——「假如伊朗到 2035 年还想封锁海峡，那时候就不会有什么效果了，因为大家早就绕过去了」。结论：「在存储这件事上，没人会让自己再陷进去一次了。」→ 详细

【主线】TSMC 把风险转嫁给了所有大厂——「风险不会消失，只会转手」

本期最值得单独摘出来的一句话：「风险不会消失，它只会转移。」而且——「有时候风险兑现的方式不是亏钱，而是少赚钱。」Ben 说「科技公司没有完全意识到的是，TSMC 把多大一部分风险转嫁给了这些大科技公司」。→ 详细
TSMC 为什么必然保守：它真正怕的风险是产能过剩——「我们建一座 fab，是指望它跑 30 年的。那就等于往系统里塞进了未来很多很多年都消化不掉的过剩产能。」这不是短视，而是资产久期决定的理性偏保守。→ 详细
风险落到了谁头上：「现在风险体现在：每一家大科技公司都意识到，如果我们有更多算力，就能赚更多钱。所以存在大量本来能拿到却没拿到的收入和利润——这就是 TSMC 转手给他们的那份风险的具体形态。」→ 详细
完整时间线：TSMC 因为看好 5G，在 2020、2021、2022 年前后做了一大波扩 fab 投资，然后认为「够用了」；ChatGPT 2022 年底出来、2023 年成为科技圈头等大事，可 2024 年 TSMC 增速下来了，2025 年又下来了，到 2026 年才重新起来。（⚠️ 此处转写存疑：原文这一段有明显 ASR 吞字串词，年份序列建议以 TSMC 官方营收数据复核。）Ben 观察到的信号切换很具体：「大概是一两次财报电话会之前，突然之间，C.C. Wei，他们的 CEO 兼董事长，整场电话会都在讲 AI 的各种用例，那种讲法是他以前从来没有过的。」→ 详细
牛鞭效应（bullwhip effect，指需求信号沿供应链往上游传递时被逐级放大、且延迟越来越大）：上游厂商最怕自己在鞭梢——「等传到他们这儿，他们再加倍下注，其实早就晚了，钱全打了水漂。」但 Ben 给 AI 的定性是反过来的乐观：「如果它也是一根牛鞭，那大概是史上最长的一根，要建的东西还多得是。」只是「亚洲那边的公司花了不少时间才收到这个信号……但收到信号之后，还要好几年才能真正变成产能」。→ 详细 → 详细

Morris Chang 的反周期豪赌：本期唯一被送上「科技界总统山」的人

故事本身：Morris Chang（张忠谋）大概在 2000 年代末退休，新管理层接手，赶上 Great Recession（大衰退），把原定支出计划砍了。他回来后把人全换掉，然后说：「iPhone 刚刚发布，这是我们见过的最大机会，我们该加大投资，而不是砍投资。」于是 TSMC 顶着大衰退一路投下去——「这才奠定了他们在那个时期拿下最先进制程半导体的基础」。→ 详细
Ben 的评价：「Morris Chang 是独一无二的。在我心里，他够格上 Mount Rushmore（总统山），是史上最伟大、最有影响力的科技高管之一。」理由有二：整个 fabless 模式（无晶圆厂，只设计不生产，把制造外包给代工厂）对今天的科技行业太关键了；以及「在那个时间点上敢下这种注，本身就需要胆量——尤其是对一个生活在当地的人来说，那种文化并不太倾向于做这类豪赌」。→ 详细 → 详细

Intel：救它的不是政策也不是产品，而是「稀缺」

Ben 的自陈履历：他 2013 年最早的几篇文章之一就是在劝 Intel「你必须做 fab 这门生意，你不能只当设计公司了，制造芯片是一门非常大的生意」——「我当时还觉得自己写得太晚了呢」。结果整个 2010 年代 Intel 股价一路上天（踩上云计算浪潮），直到 2020 年才终于意识到「我们落后了」。→ 详细
Intel 缺的不是钱，是客户和文化：「我们没有服务客户的思维方式，没有那种文化和组织，也没有 TSMC 那些 IP 积木……他们需要一个客户，需要客户来帮他们真正把 foundry 业务做起来。」→ 详细
地缘政治那一面说得极直白：「你依赖的这家公司，就在我们最大的地缘政治对手海岸线外 60 英里，而对方认为那地方是它的。」→ 详细
为什么以前没人肯扶 Intel：「我们本来直接找 TSMC 就行了。他们太强了，合作体验太好了……所以从理性上讲，从来就没有人有理由去找 Intel，这就是 Intel 最根本的问题。在一个不发生变化的世界里，TSMC 会一直赢下去。」→ 详细
反转与预测：因为 TSMC 这几年没投、短缺会极其严重，那些「白白损失大量收入和利润」的大厂会说「行，我们就忍着这个痛，把 Intel 扶起来，把 Samsung 的逻辑芯片扶起来」。「稀缺最终反倒救了 Intel。」Ben 明确给出预测：「我预计到某个时间点，他们会宣布拿下第一个重量级合作方，那会是件大事。」归因则是——「归根到底，是 TSMC 自己招来的。这就是那句『治高价的解药就是高价』。」→ 详细
他从中提炼出的一条通用规律（也解释了本期反复出现的「保险」比喻）：「没有人会去买一份自己并不需要的保险，尤其当这份保险的期望值是负的时候。」因此「要解决依赖 TSMC 这个地缘政治问题，办法是找到一个大到不得了的算力用例，大到所有人在经济上都有动力去把别的厂商扶起来。这样一来，地缘政治上的那份保险就顺带白拿了」——产业逻辑比产业政策更有效。→ 详细

逐家点评之 Amazon：「答案永远是 Amazon」——自己是自己的第一大客户

Patrick 问「前 10 到 15 家科技公司里，你觉得今天哪几家的局面最有意思」，Ben 的开场白就是：「答案永远是 Amazon。」理由是它做的东西都是先给自己用的：「他们是自己的第一大客户，也是最好的客户。他们能给几乎任何东西提供起步所需的规模，然后再把这东西卖给别人。」→ 详细 → 详细
他顺手纠正了一个流传极广的误解：「跟流行说法相反，AWS 并不是 Amazon 用剩下的富余产能——事实上，把 Amazon.com 迁到 AWS 上花了很长时间。」真正的起因是组织问题：「我们不能再开这么多会了，我们需要一种插上就能用的算力，纯 API 接口，不需要跟任何人沟通。」结果「零售业务太庞大了，反倒只能先从别人开始——AWS 其实是先服务外部客户、后服务内部客户的」。→ 详细
物流是同一模式的镜像：原本用 UPS、FedEx、USPS，自己建起来之后再对第三方开放配送服务。「你在一个又一个市场里都能看到这个模式。」→ 详细
自研芯片为什么能熬出头（这段机制讲得非常具体，值得抄）：Graviton 和 Trainium「早期版本其实很糟糕」，但如果你用的是托管服务（例如 Redshift 数据库服务），「他们并不会告诉你底下跑的是什么处理器，你买的只是一个托管服务。所以他们可以把自家那些还很烂的处理器塞到这些在卖的服务底下去跑」——这就给了迭代所需的出货量和产能。「因为他们是 Graviton 的第一大客户，Graviton 才变好了；因为他们是 Trainium 的第一大客户，Trainium 才变好了。现在 Trainium 明显在跑 Anthropic 和 AI 产品。」→ 详细
AI 客服的一手体验：Ben 说 Amazon 的呼叫中心/客户体验正在往 AI 迁，「大概最近一年吧，你上去一聊，很明显对面就是个 chatbot」，「但那个 chatbot 干得非常好，问题是真的被解决了」。→ 详细 → 详细
总评：「考虑到他们在现实世界里有那么多重投入，这套打法特别优雅。他们的核心业务面对 AI——尤其是模型那一版本的 AI——感觉几乎是免疫的，AI 只会让它更受益。单说核心业务，他们的 moat 感觉比谁都深。再加上他们那种能有机地长出新业务线的能力，非常有说服力。」→ 详细

逐家点评之 Apple：整场没下场，但「运气好胜过本事强」

Ben 的定性：「看起来他们整场都没下场。某种程度上，这可能属于『运气好胜过本事强』的情况。」→ 详细
为什么坐着不动也不致命——这是聚合理论的教科书演示：「归根到底，他们手里握着通往用户的入口。所以供应商他们要多少有多少。这就是最经典的 aggregator 打法：只要你掌握了通往用户的入口，供应商就会来找你，而不是反过来。」→ 详细
和第十六节的「消费者不想变高效」精准咬合：如果用户要的只是一个 chatbot，那 Apple 不但能端上来（「终于给你一个能用的 Siri」），还能走向端侧推理——「到那时他们连 inference 成本都不用付，因为烧的是用户自己家的电」。Ben 同时诚实标注了现状：「我不认为我们已经到那一步了——他们现在用 Google Cloud、用 NVIDIA 的芯片，是有原因的。」→ 详细
实体商品是另一层护城河：「造手机这件事本身就很难，还要有零售、要有实体商品的分销体系，他们受到的冲击更小。」他对手机形态的评价近乎断言：「智能手机这个形态实在太完美了：小到能塞进口袋，又大到基本什么内容都能在上面看，你可以用它跑完自己的一整个人生……我看不到有谁能取代手机。」→ 详细 → 详细
但他留了一个真正的问号：「问题在于：手机会永远是那个中心吗？」尤其在家里，「这正是 OpenAI 在这块的动作特别有意思的地方——你想要的是一种环境式的（ambient）AI：你就跟它说话，它就把你要的东西告诉你。提供这个，Apple 的位置是最好的。但问题是，在没有最前沿模型的情况下，他们提供得了吗？」→ 详细 → 详细

Apple 会不会掉进「微软式陷阱」——以及「我们凭什么指望 Apple 擅长 AI」

微软式陷阱的定义（这个类比非常精准）：「微软并没有错过移动，他们进移动非常早。问题在于他们的移动就是一台缩小版 PC。他们默认 PC 永远是中心，手机只是挂在 PC 旁边的东西。而 Apple 想明白了：不行，我们得重置。手机不会是 Mac 的附属品，手机就是手机。」（iPod 帮他们想通了这一点——包括把 iPod 做到 Windows 上。）→ 详细
套到今天：Apple 会不会因为「手机太好了、它永远会是中心」而重蹈覆辙？还是说这一次ambient AI／云／「AI 无处不在」这件事本身「可以透过你的手机呈现，可以透过某个设备呈现，也可以在你电脑上呈现，而这种形态确实更好、确实对他们构成颠覆」。Ben 的态度是两边都留门：「我觉得这有可能。但我也觉得，Apple 就在自己擅长的事上加倍下注，是完全说得通的。」→ 详细
本期最好的一条「能力错配」论断：「说得最糙一点，AI 是一件概率性的事，而 Apple 是确定性产品之王。实体产品——你把那台 iPhone 发出去，只发这么一次，它就必须是好的。要是它不好，代价是几十亿、上百亿美元。Apple 从来没有召回过 iPhone，这太惊人了。」结论：「那种在供应链上的严苛、决策力、尽职和狠劲，跟做出伟大 AI 所需要的一切非常非常不一样。我总体上更希望公司去做自己擅长的事……Apple 不做 AI 我没意见，我只希望他们继续做出色的设备。」→ 详细

前沿玩家点名：「硅谷有两个宗教组织」

Patrick 问「五家可能的前沿 AI 赢家」，随即报出 OpenAI、Anthropic、Gemini（Google）、SpaceX AI、Grok（xAI）、Meta（⚠️ 此处转写存疑：口播说「五家」却列了六个名字，应为口误或 ASR 串词）。→ 详细
OpenAI 与 Anthropic：「风险最大，但上限也最高。」Ben 给出的第一条理由不是技术也不是资本，而是信念——「永远不要低估『信念』的力量。他们认为自己在创造神。历史上影响最大的那些事，通常都是被宗教推动的。」他的分类极形象：「硅谷的两个宗教组织：OpenAI 有点像主流教派，每周日按时去做礼拜；而 Anthropic 更像福音派，全情投入，这是他们信仰的内核。」第二条理由同样重要——「而『必须把生意做成才能活下去』这件事，也能带你走非常远。」→ 详细
Google 与 Meta 的处境形成对照：「Google 只需要让搜索别死得太快。Meta 有那个巨大的广告生意。」Google 追 AI 很合理（本来就有 Google Cloud、有 TPU、一直在做研究）；而 Meta「重新招一整支全新的团队、从零开始」这件事「相当疯狂」——「如果 Meta 是由 Mark Zuckerberg 之外的任何人来经营，他们不可能待在最前沿。那是创始人能量最纯粹的体现之一——无论好坏。这一点上得给 Mark Zuckerberg 记一功。」→ 详细

SpaceX AI 与 xAI：太空数据中心的理论成立，但「你为什么要在中间烧掉几十上百亿美元」

Ben 认为 SpaceX AI 的理由「可能是最弱的」，逻辑很干脆：太空数据中心这个打法「差异化太强了」——如果那条路真走通，「我不确定他们还需要在多大程度上拥有自己的模型。那这中间你为什么要烧掉几十上百亿美元呢？」（自研模型的好处只是 margin 更好。）→ 详细
一个现实佐证：如果地球上的数据中心真不够用（政治阻力、电力等原因），「他们想跑什么模型就跑什么模型，就像我们现在看到的那样，他们正在把算力卖给 Anthropic」。→ 详细
对 Cursor 那笔收购的评价：「从战术层面看，我很喜欢 Cursor 那笔收购，对双方来说都太说得通了，所以我一直很好奇他们接下来会怎么做。」→ 详细

【逐家点评之 Microsoft】它就是 90 年代的 IBM——含「垄断的代价」这一条硬判断

总纲：「我觉得有一个很站得住脚的论点：如果你是一家数字公司，不待在前沿反而更鲁莽。Meta 的反例其实是微软——微软不在前沿。」（⚠️ 此处转写存疑：原文紧接着说「微软上个季度有 2,000 万美元自由现金流……上个季度还派了 100 亿美元股息」，前者与常识明显不符，应为 ASR 吞字，不要当事实引用。可确认的意思只是：微软手上有余钱，因为它没在烧前沿训练的钱。）→ 详细
微软的打法：「我们要让这些模型互相制衡，我们来提供中间件，我们来提供企业在上面构建的平台，我们要把模型这一层的中介地位削掉。」Ben 的定性是「这是个理性的打法，这就是 90 年代 IBM 的打法。历史是会押韵的——大家都说 Google 在走微软的老路，而微软走的是 IBM 的老路」。→ 详细
IBM 完整案例（Lou Gerstner）：70 年代统治、90 年代成为「非常困顿的资产」，主流看法是拆分。Gerstner 的关键洞察是「我们干什么都挺平庸的」，因此「IBM 最糟糕的做法恰恰就是把自己拆成一块块，因为那些零件其实都不怎么样。我们最大的资产就是『我们大』」。落地方式是：建一支庞大的顾问队伍 + 做中间件，在企业的老式大型机与现代 Web 服务之间加一层。「这给 IBM 续了 30 年的命……IBM 基本上把整个美国企业界搬上了互联网。」→ 详细 → 详细
「垄断的代价」——本期最值得单独摘出的一条组织洞察：「你一旦当过垄断者，就多少会丧失做好东西的能力，因为你不再需要竞争了。……如果你没有压力、没有激励、没有那种对死亡的恐惧或者说对神的敬畏——就像我们聊那几家模型公司时说的那样——你就不会拿出自己最好的活儿。麻烦的是，这块肌肉一旦丢了就找不回来了，你只会变得又肥又松。」→ 详细
微软版剧本的原话：「微软会帮你把 AI 搞明白，而且是以一种不用把皇冠上的宝石交给那几家公司的方式帮你搞明白……我们要建这个平台、这套 harness（脚手架／调度层，指把模型包起来、替你管住上下文、工具调用和版本变更的那一层）、这一层中间层。我们可靠、我们稳定、你认识我们，我们的向后兼容一路兼容到 80 年代。你在我们身上构建，然后由我们来管理不断变化的模型、管理哪些东西更新了。」→ 详细 → 详细
但代价说得同样直白：「中间件会把锋利的边角磨掉，你拿到的多少是个最大公约数级别的能力。」→ 详细

企业销售最古老的套路：靠「让你怕被别人锁死」把你锁死（Oracle 案例）

Oracle 的进场话术（1980 年代，Larry Ellison）：靠的是从 IBM 那儿拿来的、或者说 IBM 自己不要的关系型数据库，话术是「你不会想被 IBM 锁死吧？关系型数据库你在哪儿都能跑，跟我们走。」Ben 的吐槽是：「这事之所以像个笑话，是因为 Oracle 把你锁得比谁都死。」→ 详细
提炼成通则：「整个企业销售就是这样：一群长期目标是把你锁死的公司，靠让你害怕被别人锁死来把你拉上船。所有云厂商都在说：哦，可迁移性啦……转头就是：哦，用我们这个只在我们云上跑的服务吧——然后你就被锁死了。」→ 详细

微软的数据中心是给 inference 建的，不是给 training 建的——所以它的说法更可信

一条极实用的辨别标准：「他们确实在建巨型数据中心，但他们建的是用于 inference 的数据中心，不是用于 training 的。所以他们那套『按客户需求逐步投资』的说法在这一点上更可信。他们不需要去讲一个通用性（fungibility）的故事——不必说我们建的这些大型 training 数据中心以后也许能拿来做 inference。」→ 详细
同时也解释了它为什么有余钱：「这也是为什么他们手上有多余的钱：因为他们不在前沿。」→ 详细

微软真正被指向心脏的地方：不是 systems of record，而是「用户界面」

一个非常讽刺的反转：systems of record（记录系统，即公司业务数据的权威落地处，如 ERP／CRM）之所以强，恰恰是因为「太难搬到别处去了，因为那是一件极其枯燥、重复的活儿」——「哦，结果 AI 在这方面好得出人意料。」（迁移成本正是 AI 最擅长吃掉的那种成本。）→ 详细
但 Ben 认为微软的资产其实不在那儿：「微软其实并不那么算 systems of record，他们确实有 Dynamics 那块业务，但他们真正的东西是用户界面，是你实际跟电脑打交道的那个地方。所以当你看到 Codex、Claude、Cowork 这类东西时，那就像一支箭，直指微软所拥有的核心。」→ 详细
也顺手把「我们为什么还在用微软」这个问题问穿了：「因为我们以前就在用。那这些制品、这些文档、这些邮件收件箱，究竟还有多少存在的必要？AI 不是就能干了吗？」总评：「他们的战略是稳健的，同时又带着一种生死攸关的绝望——而且也是那种『正因为绝望所以可能真做成』的绝望。」→ 详细 → 详细

【逐家点评之 Meta】它的货币是时间，它的内容成本是 0 美元

Meta 面临的威胁是时间被抢走：「时间归根到底就是 Meta 的货币。」但 Ben 补了一条经验证据——「我们看到 OpenAI 试了 Sora 那一手，其实没怎么起来。社交网络这件事其实挺难的，而且也很烧钱。」→ 详细 → 详细
三种内容成本结构的对比（这段是极好的商业模式教材）：Netflix 必须预先为内容掏钱，然后指望赚回来；YouTube 从很早就给创作者付钱，「这对生意的拖累比大家以为的要大得多，因为 YouTube 的内容是有边际成本的」，但它比 Netflix 好的地方是事后分成、一路走一路付；而 Meta——「什么都没有，他们一分钱都不付。Instagram 是个不可思议的产品，产出这么多钱，而 Facebook 为内容付的是 0 美元。这太不可思议了。」→ 详细
由此推出一个反直觉结论：AI 生成内容对 YouTube 理论上是利好（「生成内容的 inference 成本可能低于他们分给创作者的那部分」），但对 Meta 反而是 margin 恶化——「因为他们今天给的东西是免费的」。一家公司的成本已经是零时，任何新技术都只能让它变贵。→ 详细 → 详细
看多 Meta 的那条路径：「在一个我们随时随地都在跟 AI 打交道的世界里，人对人际连接的渴望反而会更强」——「社交网络重新变得重要，因为我们是真的想要人」。这某种意义上是 Meta 回到老本行。→ 详细 → 详细

TikTok 为什么成了 Meta 的盲区：因为「社交网络」这个分类是错的

Meta 干掉 Snapchat 的手法：意识到 Snapchat 是个好产品，把它叠到自己的网络上，动用网络优势压死对手。→ 详细
同样的手法对 TikTok 失效的根因：「TikTok 被归类成社交网络，但它压根不是社交网络。TikTok 是个娱乐产品。你在 TikTok 上关注谁根本不重要，你看到什么，取决于你之前看过什么。」它是一个 UGC（用户生成内容）网络。→ 详细
TikTok 的核心洞察，以及它和第九节「绝对数字 vs 百分比」的呼应（本期两条主线在这里合流）：「想拿到最好的内容，却把范围限制在你的社交关系圈里，这是一种人为的约束。我们要做的是把全网最好的内容给你。绝大多数内容当然都是垃圾，但这恰恰是刚才那个绝对值的问题——你不要去想 margin，你要想的是绝对数量。优质内容的绝对量——哪怕优质内容的比例小到微乎其微，只要内容池足够大，优质内容的绝对量就会非常可观。」→ 详细 → 详细
结局：Meta 不得不转向，「Instagram 和 Reels 后来发生的就是这件事——它其实已经不是社交网络了，它是一个从整个网络里抓内容的娱乐产品。而社交这件事，基本上退化成群聊了。」→ 详细

模型今天最大的变现方可能不是 OpenAI 和 Anthropic，而是 Google 和 Meta

反直觉的判断：「模型现在最大的影响、最大的变现，可能根本不在 Anthropic 和 OpenAI，而是 Google 和 Meta 拿到的那部分增量收益。这里面大部分东西还是 LLM 之前的技术，但我们正在往 LLM 上走。」→ 详细
这里藏着本期最漂亮的一次前后呼应——广告市场就是一台「可验证性机器」：回到第十节那个「AI 只在可验证领域强」的顾虑，Ben 说：「你怎么判断一张生成出来的图片是不是一条好广告？看它卖不卖得动货。所以他们能以别人做不到的方式，去验证自己生成的图像和文案，而他们的验证器就是广告市场本身。」→ 详细
这台机器的规格：「一个体量极大、流动性极强的市场，本身就是一台验证机器——验证者是活人，由他们决定点不点这条广告、买不买这个东西，而且这是在全球规模上发生的，能形成一个反馈闭环。」而「大多数广告都是废的，没关系，绝大多数广告本来就不转化」——又一次是「绝对数量」思维。→ 详细
广告匹配从「向量对齐」升级为「预测下一步」：现在的匹配「其实还相当粗糙：这是这个人的特征，这是这条广告的特征，做个 embedding（嵌入向量，把人和内容都变成一串数字坐标）、做个向量计算，看看数值对不对得上」。而「LLM 是做预测的」——「Meta 看着一个人，判断这个人接下来大概想看到什么，然后去把那个东西找出来推给他。」→ 详细 → 详细
数量级结论：「就『给人看更相关、更好的广告』这一件事，他们只要把效果往上抬几个百分点，回报就是几十上百亿美元级别的。光这一点就值得他们砸钱站在最前沿、拥有这些顶级模型。」→ 详细

Zuckerberg 和 Altman 的同一个毛病：手握全世界最好的广告生意，却不喜欢广告

诊断：「我觉得 Meta 一个很大的问题是：他们不讲这个故事。很奇怪，但 Mark Zuckerberg 跟 Sam Altman 有同一个毛病——他不喜欢广告。他们手里是全世界最好的广告生意，而且我认为这门广告生意对社会是净正向的。」→ 详细
他给出的「广告是好东西」的完整论证（三方共赢）：互联网的美妙之处在于「世界上一定存在一个想要这个产品的细分人群，问题是你怎么找到这个人群」——Facebook 广告干的就是这件事，「它帮产品找到那些自己都不知道自己想要这个产品的人」。受益三方是：新创业者做出新产品；顾客拿到原本遇不上的东西且一路免费享受大量娱乐内容；Meta 为自己和「基本上遍布全世界」的股东赚钱。（Ben 顺带自陈：「你和我都做了各自的内容小生意，也都赚得不错……我是在 Twitter 上长起来的，靠别人转我的链接。」）→ 详细 → 详细
组织层面的具体损失：Sheryl Sandberg 走后留下的洞——「当年有 Sheryl Sandberg 在的时候是有的，她每次财报电话会都会讲广告，讲它有多好，摆一堆案例……她一走，这个位置就再没人补上。现在这家公司给人的感觉是有点不好意思：我们靠广告赚了很多钱，但我们还有眼镜，我们还在做 AI。拜托，你有广告，广告很棒。」Ben 认为二十年里 Zuckerberg「除了偶尔顺口提一句，从来没有认真讲过广告的社会价值」。→ 详细 → 详细
代价一：ATT 那一仗输得毫无还手之力。Ben 的判断非常重：「App Tracking Transparency（应用追踪透明度）是科技史上最恶劣的反垄断行为之一。Apple 单方面把一大堆商业模式直接抹掉，同时自己在建广告业务、自己在做这些追踪。」他还点名那条「公交车上所有人偷听你说话」的 Apple 广告是「对互联网广告运作方式极其不诚实的呈现」，以及 Tim Cook 在国会大谈「卖用户数据」的公司——「Facebook 不卖你的数据。数据对他们才是价值所在，他们为什么要卖？」而「Meta 完全没准备好怎么回应」。→ 详细 → 详细 → 详细
代价二：融资叙事变难。「我觉得现在要说服华尔街『让我们花这个钱』也会容易得多。另一个问题是，他们在 Oculus 上累计砸了一千多亿美元——这件事我从头到尾都不看好。所以就有了那种心理：凭什么再让你花一次钱？」→ 详细

算力和智能最终会是 commodity 吗？「是 commodity 在改变世界」

Patrick 提出这一节最有意思的观察：智能和算力看起来是科技行业最重要的两件事，结果两个都可能是 commodity（大宗商品，即高度同质化、按边际成本定价的东西），差异化程度还不如那些被追捧的科技产品。→ 详细
Ben 的回应堪称本期的价值观陈述：「其实一直都是这样啊。互联网最有意思的地方就是分发免费。带宽是 commodity。我现在能掏出手机、免费连上世界上任何一个信息源——按边际成本算是免费的——正是因为它是 commodity。它改变了世界。是 commodity 在改变世界。」→ 详细
差异化产品的天花板在哪里（一条很硬的估值直觉）：「差异化产品有个天然的问题：按定义它的 TAM 更小，因为里面有弹性的因素——不是所有人都付得起，每个人的支付意愿也不一样，你的市场必然受限。Apple 靠卖设备永远服务不了全世界，而 Google 可以，因为它是免费的。」结论：「它影响力的大小，取决于它对所有人的可得程度……所以我并不觉得『智能最终变成 commodity 并改变世界』有什么奇怪的。」→ 详细 → 详细

【逐家点评之 NVIDIA·核心】那些「循环融资」交易，实质上就是一次没记在毛利率上的降价

Ben 对 NVIDIA 的定性只有一个词：「NVIDIA 的位置，我觉得肯定是『不自然』的。你看 NVIDIA，他们把所有 margin 都守住了。这不是很惊人吗？都 2026 年了，所有人都在冲着他们来，他们一颗芯片还能卖那么贵。」→ 详细 → 详细
但他随即拆穿：「其实他们并没有真的守住 margin。」证据是所谓循环融资（circular financing，指供应商出钱／担保帮客户买自己的货）——NVIDIA 提供 25% 的兜底、在 neocloud（新兴 GPU 云厂商）里拿股权、并承诺买下它们到 2030 年的全部算力。（大家会拿 Lucent 当年的例子来类比。）→ 详细
完整推理链（本期最值得逐句读的一段）：这些安排是「为了让相关的这家公司能拿到更低的资本成本，这样它就能买更多 GPU」。但——「它凭什么能拿到更低的资本成本？因为 NVIDIA 承担了风险。这就是我前面说的：风险从不消失，它只是转移到别处。承担风险是有价格的。」→ 详细
两个世界的期望值：一个世界里「AI 起飞了、一路不停、一切都好，NVIDIA 把上行全部收走」；另一个世界里「他们兜底的某家 neocloud，市场上一大堆算力涌出来，hyperscaler（超大规模云厂商，指 Google／Amazon／Microsoft 这类自建巨型数据中心的玩家）手里算力多得是——NVIDIA 就得为没人要的算力买单」。「这笔投资的期望值不是 0，也不是 100%，在中间某个位置。而这就是对 NVIDIA 盈利能力的一次折损。」→ 详细
结论句，可直接当估值提醒：「如果你整体地看他们这门生意，它实质上就是一次降价。只不过这次降价没体现在 margin 上，也没体现在他们的报价上。」——「降价其实已经发生了，只是以非常古怪的方式呈现出来。」他还补了一句冷静的现实主义：「现实是，把东西挪到资产负债表之外，大体上是奏效的……但你真的把这些环节都算进去了吗？」→ 详细 → 详细

NVIDIA 真正的对手不是 AMD，而是 hyperscaler——而且这是一场「资本成本之战」

两条已经发生的事实（重要且具体）：① Google 已经谈成一笔交易，把大约 20% 的 TPU 卖给 Anthropic；② 在上一次财报电话会上，Andy Jassy「几乎等于确认」Amazon 会对外销售 Trainium 芯片（Trainium 3 或 Trainium 4）。→ 详细
为什么这对 NVIDIA 特别危险：「他们卖芯片不是靠差异化在卖，是当 commodity 在卖。靠差异化卖芯片的是 NVIDIA。」而且外销不伤自家云——「没有人是为了用 Trainium 才跑去 Amazon 的，所以把 Trainium 卖到外面，并不会侵蚀他们自家云的吸引力」。对云厂自己还有额外好处：芯片研发要投巨额 R&D，对外卖能让这笔投入产生更大杠杆，还能把客户长期绑住。→ 详细
胜负手是资本成本：「hyperscaler 的第一优势是什么？规模。更低的资本成本。这是一场资本的仗。他们的资本成本比 neocloud 低得多。」于是形成一个闭环——「hyperscaler 是威胁，而 hyperscaler 的资本成本又比 NVIDIA 想拉拢的那些公司更好。这就是你看到本周这笔交易的原因。我把这笔交易看成一种回应，所以它跟 Google 那笔交易是配套的。」（Google 直接增发股票就行，股东当然不喜欢，但它的变现能力比 NVIDIA 及其客户强得多。）→ 详细 → 详细
CUDA 护城河的现状（对投资判断很关键）：「CUDA 的护城河已经被大幅削弱了，因为模型并不在乎自己跑在什么硬件上，真正重要的是建在模型之上的东西。但它仍然有意义，仍然算是某种护城河。」→ 详细
他对 Elon 那句「我们永远买 NVIDIA，因为他们最好」的更正，非常锋利：「不，你买 NVIDIA 是因为它最通用可互换（fungible）。」理由是 SpaceX 玩的是「先大规模建起来、租出去，但保留随时收回来自用的权利」，而最容易租出去的方式就是用 NVIDIA。→ 详细
NVIDIA 的应对方向早在 2023–2024 年就露出来了：开始大谈主权云（sovereign cloud）、推 Nemotron 模型、鼓捣一堆「免费但只能跑在 NVIDIA 上」的企业模块——「你一眼就看得出他们在干嘛：想把人锁死」。Ben 还吐槽 2024 年圣何塞那届 GTC「特别无聊，结果什么都没端出来」，并对比早年 GTC「一口气演示五十亿样东西，因为他们在到处扔东西看哪个能粘在墙上……等 LLM 一出现，就是『哦，用例来了』」。→ 详细 → 详细
为什么 NVIDIA 要往政府/企业/主权云跑（用 Intel 的教训解释）：「AMD 在 hyperscaler 的采购里把 Intel 清扫出局，因为 hyperscaler 愿意花力气把东西迁到 AMD 上跑通」——哪怕同是 x86 也有细微差别，但采购规模大到值得为此投入。「Intel 这门生意里从来没垮掉的部分，是卖给政府和卖给企业」——这些客户「没有 hyperscaler 那样的资源和采购规模，他们就是会继续买以前买的东西」。所以 NVIDIA 想进的正是那些「不会去反复掂量这颗芯片还是那颗芯片」的市场。→ 详细 → 详细

NVIDIA 心里其实盼着电力见底——而美国上电的速度超出了所有人预期

一条极反直觉、但逻辑严密的判断：「我觉得 NVIDIA 心里盼的——他们大概不会这么直白地说出来——是：如果我们真的走到电力见底那一天，那对 NVIDIA 反而是好事。因为在一个电力完全受限的世界里，所有人都要最好的东西，必须把 token 效率做到极致。我认为 NVIDIA 现在仍然是 token 效率最高的，所以那样的世界对他们有利。」→ 详细
所以过去两年 NVIDIA 最大的问题是「电太多了」：「过去这两年 NVIDIA 最大的问题，可能反倒是美国实际新增上线的电力比预期多得多。这一点连我都意外。」来源包括：Elon 搞的表后（behind the meter，指绕开公用电网、自己在场地内直接发电供给）自建供电（这套做法后来被复制了）、西德州加天然气、甚至重启核电站。→ 详细 → 详细
收尾时他把这条推到底，构成全场最后一击：「电力肯定是个约束，将来也会是约束，但我认为它变成约束的时间，比所有人预想的都要晚——我猜这里面也包括 Jensen Huang。我想他原本以为『电力不够』会更早成为 NVIDIA 的护城河。」而代价是：「我们电力够用的时间越长，Amazon 就有越多时间把 Trainium 做得更好，Google 也有越多时间把 TPU 在能效上做到有竞争力；一旦走到那一步，那样的毛利水平看起来就非常难维持了。」→ 详细

判断一次泡沫的唯一标准：它给后人留下了什么

Ben 说这是他很早就写过的观点：「就算你认定这是个泡沫，你也希望它能有长期的回报。互联网泡沫至少给我们把光纤埋进了地里。」他还特别赞赏美国的反应能力：「我特别喜欢美国面对这类事情时的反应方式……这其实是关于美国最令人振奋的信号之一。」→ 详细
两个具体的「泡沫遗产」案例：① Google 的生意有很大一部分是靠收购互联网泡沫之后「基本上白送」的暗光纤（dark fiber，指已铺设但没有点亮使用的光缆）建起来的——「我们今天核心的互联网，跑的还是 WorldCom 留下的光纤。」② 铁路：「BNSF 今天还在源源不断地吐出现金，而这一切的源头，是当年 Northern Pacific 和 Jay Cooke 向散户兜售债券。」（⚠️ 此处转写存疑：这句把「钱流向 Google」的表述与收款方接得有些含混，历史脉络可信、资金指向请勿逐字引用。）→ 详细
那么 AI 会留下什么？Patrick 先排除选项：「GPU 撑不了那么久。数据中心——好吧，行，但最终真正的瓶颈会是什么？」答案是——「电力，一定是电力。」→ 详细
全场最动人的收束：「如果我们真的走到这一切崩掉、而手里的电多得用不完的那一天，那会是个特别美妙的世界。人类一直被能源约束着，能源是一切的底层支撑。生活在一个能源极大丰裕的世界里，会是什么样子？」Ben 的回答是：「这几乎难以想象，因为我们的脑子本身就被『我们从来都处在能源稀缺里』这个事实框死了。」→ 详细 → 详细

`0:00–2:22` 片头与赞助口播（未纳入总结）

Ramp、WorkOS、Rogo·Felix 的口播 + Invest Like the Best 片头与 Positive Sum 免责声明。→ 详细 → 详细

`2:22–9:24` 开场核弹：赢下 AI 竞赛为什么危险

上次对谈还没有 AI、主要聊 aggregation theory；开场问「美国赢下 AI 意味着什么」，Ben：真赢下来是很麻烦的。→ 详细
博弈论答案：中国的最优应对是炸掉 TSMC；美国对中国制造的依赖被严重低估，「不发生冲突就修不好」；Apple 挪产线到印度只是分散、没真搬走。→ 详细 → 详细
「每个人都用得上一个好使的假想敌」；美国不该学中国，该更开放。→ 详细
理想均衡：OpenAI／Anthropic 在前沿，Grok 与 Meta 在追，中国靠蒸馏稳定落后 6–9 个月；开源模型「免费」是误解，GLM／Kimi 的 inference 成本很实。→ 详细 → 详细
他最怕的不是能力失控，而是大家不再往外放模型、外界失去判断力（Mythos／Fable 的信息差）。→ 详细

`9:24–14:26` 资本曲线、铁路与 Berkshire

资本曲线四级：自由现金流 → 债券市场（一年吃透）→ 增发股票（Google）→ NVIDIA 攒 5,000 亿美元对接养老金与保险浮存金；「那再往后钱从哪儿来？」→ 详细
1870 年代铁路：期限错配，全世界的钱不够用；但铁路照常运营、开发西部，「此时此刻流进 Google 的那笔钱，本质上就是铁路赚来的钱」。→ 详细 → 详细
See's Candies → BNSF：高 margin 生意没有再投入跑道；BNSF 一年的自由现金超过 See's Candies 整个存续期总和；「资本大到一定程度，你就活在绝对数字的世界里」——这也是 Google 从搜索走向 AI 的样板。→ 详细 → 详细

`14:26–20:30` AI 信仰体检与「不情愿的加速主义者」

极度看多与不完全买账并存：可验证领域（代码、数学）强得离谱，不可验证领域待定；「象棋围棋都是可知、有边界的领域，那不算论据」。→ 详细 → 详细
互联网数据只是人类思考的「最终形态」，没有轨迹；Neuralink 真正的回报可能是捕捉思考轨迹。→ 详细
「哪怕模型从今天起一点都不再进步，摆在面前的经济机会也是巨大的」；自称不情愿的加速主义者；医疗是最大也最难的机会；对就业的一体两面（创造需求 vs 制造繁文缛节）。→ 详细 → 详细

`20:30–30:22` 聚合理论重访、inference 价差与消费者变现

聚合理论浓缩版：解决「发现」的公司主导市场 + 零交易成本；「你的问题不是分发，是你没有需求」。→ 详细 → 详细
inference 成本内部价差惊人：菜谱用户「跟发个网页差不多」，test time scaling 用户「多想一秒多烧一秒的钱」，两者「根本不在一个宇宙里」。→ 详细 → 详细
Microsoft E7：每用户每月 100 美元 + 超量另计，从「不用动脑的收入流」变成「每月要重算的账」，三重连锁副作用。→ 详细 → 详细
消费者两铁律（不想付费、不在乎高效）+ Dropbox 完整案例（Jobs：「你们是一个功能，不是一家公司」）+ OpenAI 把 Dropbox 剧本放大 100 倍重演；广告没有价格弹性问题，订阅有（Netflix）。→ 详细 → 详细 → 详细

`30:22–40:04` CapEx 数字、集装箱经济学与存储周期

今年 CapEx 约 8,000 亿美元，明年约 1.3 万亿美元；钱要到 2028–2029 才变成算力；TSMC 在 2023–2025 反而降速。→ 详细
「我们只是建壳子」的说法「有相当多是扯淡」；科技行业不懂大宗商品市场——Apple 靠差异化拿 50% margin，而 commodity 市场由边际供给方定价。→ 详细
集装箱航运：折旧是会计虚数，船一定会开出去；COVID 期间箱价从 3,000–4,000 美元涨到 17,000–18,000 美元，但造一条船要两年。→ 详细 → 详细
「你的回本周期是在稀缺期算出来的」；存储只剩三家寡头、纪律很强，但把自己变成了靶子（伊朗／霍尔木兹类比），算法改进的头号目标就是少用内存。→ 详细 → 详细
Morris Chang 顶着 Great Recession 反周期加投（「iPhone 刚刚发布，这是我们见过的最大机会」），因此上了 Ben 心中的科技界总统山。→ 详细

`40:04–49:29` 风险转手、Intel 翻身，以及 Amazon 与 Apple

「风险不会消失，只会转手」；TSMC 保守（fab 要跑 30 年）把风险变成了大厂的「少赚的钱」；C.C. Wei 整场财报会突然大谈 AI 用例是信号切换。→ 详细
稀缺救了 Intel：过去「从理性上讲没人有理由去找 Intel」，现在大厂愿意忍痛扶持；Ben 预测会宣布第一个重量级合作方；「没有人会去买一份期望值为负、又不非买不可的保险」。→ 详细 → 详细
Amazon「答案永远是 Amazon」：自己是自己的第一大客户；AWS 并非富余产能、且先服务外部客户；把早期很烂的 Graviton／Trainium 藏在托管服务底下练兵。→ 详细 → 详细
Apple 整场没下场但「运气好胜过本事强」：握住用户入口 → 供应商自己找上门；端侧推理「烧的是用户自己家的电」；真问题是手机会不会一直是中心。→ 详细 → 详细

`49:29–1:02:14` Apple 的陷阱、前沿五强与 Microsoft = IBM

微软式陷阱：微软没错过移动，但把手机当成缩小版 PC；「AI 是概率性的，Apple 是确定性产品之王」——Apple 从没召回过 iPhone。→ 详细 → 详细
「硅谷的两个宗教组织」：OpenAI 像主流教派、Anthropic 像福音派；SpaceX AI 理由最弱；很喜欢 Cursor 那笔收购。→ 详细 → 详细
Microsoft = 90 年代 IBM：Gerstner「我们最大的资产就是我们大」+ 中间件 + 顾问大军，给 IBM 续了 30 年命；「垄断的代价」是肌肉丢了就找不回来；Oracle 用「怕被 IBM 锁死」把你锁得更死。→ 详细 → 详细
微软建的是 inference 数据中心不是 training，所以「按需投资」的说法更可信；但 Codex／Claude／Cowork 直指它真正的资产：用户界面。→ 详细 → 详细
Meta：时间是它的货币；内容成本 0 美元（对比 Netflix 预付、YouTube 事后分成）；AI 生成内容对 YouTube 是利好、对 Meta 是 margin 恶化；TikTok 是娱乐产品不是社交网络，靠绝对数量而非 margin 取胜。→ 详细 → 详细

`1:02:14–1:06:27` 广告是一台可验证性机器，以及 Meta 的叙事失败

「模型今天最大的变现方可能是 Google 和 Meta」；广告市场就是一台以活人为验证器、全球规模运行的验证机器；匹配从向量对齐升级为「预测你下一步想看什么」，效果抬几个百分点就是几十上百亿美元。→ 详细 → 详细
Zuckerberg 与 Altman 同病：不喜欢广告；Sheryl Sandberg 走后无人讲广告故事；ATT 是「科技史上最恶劣的反垄断行为之一」，Meta 完全没准备好回应；Oculus 累计砸了一千多亿美元，让「再让你花一次钱」变难。→ 详细 → 详细 → 详细

`1:06:27–1:16:07` NVIDIA、commodity 之辩与「泡沫留下什么」

「是 commodity 在改变世界」；差异化产品按定义 TAM 更小——Apple 永远服务不了全世界，Google 可以。→ 详细
NVIDIA 的位置「不自然」：25% 兜底 + 入股 neocloud + 承诺包销算力到 2030 年 = 一次没记在 margin 上的降价；「把东西挪到表外，大体上是奏效的」。→ 详细 → 详细
真正的对手是 hyperscaler：Google 已把约 20% 的 TPU 卖给 Anthropic，Andy Jassy 几乎确认 Trainium 将外销；他们按 commodity 卖，NVIDIA 按差异化卖；CUDA 护城河被大幅削弱；Elon 买 NVIDIA 的真实理由是 fungibility 而非「最好」。→ 详细 → 详细
NVIDIA 其实盼着电力见底（缺电时人人只要 token 效率最高的芯片），但美国上电速度超预期（表后自建供电、西德州天然气、重启核电站）——电力够用的时间越长，Trainium 和 TPU 就有越多时间追上来，那样的毛利就越难维持。→ 详细 → 详细
收尾：好泡沫要留下东西——互联网留下光纤（Google 买下泡沫后近乎白送的暗光纤，「核心互联网还跑在 WorldCom 光纤上」）、铁路留下 BNSF；AI 留下的会是电力，「生活在一个能源极大丰裕的世界里会是什么样子？」→ 详细 → 详细

闪电问答 / 收尾

本期没有 lightning round，也没有 Invest Like the Best 那道固定收尾题「别人对你做过的最善意的事是什么」。Patrick 是在 Ben 讲完「电力越晚成为约束、Trainium 与 TPU 就越有时间追上来、NVIDIA 的毛利就越难维持」之后直接收的场。→ 详细
Patrick 的收尾原话：「听你聊这些正在发生的一切，我真的很享受。这是我在这个你如此热爱的领域里，观察到的最有意思的一段时期。非常感谢你抽时间过来。」Ben 只回了一句「非常感谢」。→ 详细
其后是节目的常规导流（Colossus.com 有全部往期与人工精校文字稿、季刊订阅）与 idx 104 的整段赞助口播，均未纳入总结。→ 详细

接着读

NO.189 · 思维模型我如何用 Codex 经营 150 万粉丝的内容生意——Riley Brown Riley Brown · 29 分钟 NO.188 · Agent 工程如何干掉代码审查——Ankit Jain(Aviator) Ankit Jain · 13 分钟