推文

@alanchen · 2026-10-14 02:44

Gavin Baker 今天发了一篇长帖，直接回应最近 AI 市场最让人不安的几个问题：Anthropic 丢份额，模型价格越打越低，融资越来越贵，几千亿美元的算力承诺到底谁来付？ 他的答案相当鲜明：开放模型、前沿实验室、基础设施、应用公司，都有机会赢。这个未来，也可能比两家模型公司包揽一切，对普通人更好。 先介绍一下他是谁。Gavin 是 Atreides Management 的管理合伙人兼 CIO，之前在 Fidelity 工作了 18 年，曾管理 Fidelity OTC Portfolio，也参与推动其风险投资业务。他最早做分析师时就覆盖半导体，后来同时投资上市公司和私人科技公司。 所以他看 AI，会把模型、芯片、云、企业客户和融资放在同一张账里算。模型公司今天少赚一点，供应商明天可能多接几笔订单；一个产品份额下降，也未必代表整个市场缩小。这是他这篇长帖的出发点。 先想想，如果未来只剩 OpenAI 和 Anthropic，会发生什么？ 面对应用开发者，它们掌握模型和价格；面对云厂商，它们又是最大的采购客户。你做产品，要向它们买智能；你建机房，要争取它们的订单。上下游都得跟这两家谈条件。 采购规模足够大之后，它们还能要求更低的算力价格，甚至逐渐自己做芯片、自己建基础设施。供应商今天最重要的客户，往后可能变成竞争对手。应用公司也会担心：我花一年做出来的功能，会不会被它们下一次更新顺手覆盖？ 这样的结局，两家公司的股东可能很开心，其他人的利润就难留了。 Gavin 因此更愿意看到模型竞争加剧，尤其是开放权重模型起来。企业可以自己部署，开发者可以换供应商，推理云可以服务更多客户。算力生意的买方名单变长，大客户就更难把整个供应链的价格压在手里。 模型公司打价格战，为什么算力供应商可能受益？ 这也是 AI 和传统软件差别很大的地方。 传统软件开源之后，别人复制一份，新增成本可以很低。AI 模型权重可以免费下载，但每运行一次，仍然要占机器、耗电、用内存。模型公司的收费被竞争压下去了，底下的运行成本仍然得有人付。 拿一笔简化的账来说：假设完成同一项任务，底层算力成本都是 $1。闭源服务卖 $5，另一家基于开放模型的服务卖 $2。同样 $100 的预算，用户原来做 20 次，现在能做 50 次。如果预算继续用完，底层算力消耗反而从 $20 增到了 $50。 这就是 Gavin 那段单位经济学计算的意思。他把闭源服务较高的推理毛利，与开放模型服务较低的加价放在一起比较，想说明：终端收费下降，可以让同一笔预算买到更多 AI，也消耗更多算力。 具体到不同模型，Token 成本并不相同，模型大小、推理深度、上下文长度和部署方式都会影响成本。所以这是一笔解释机制的账。它能否变成真实需求，要看便宜之后，用户究竟多用了多少。 而 AI 恰好有很多“降价之后才值得做”的工作。 以前只抽查一小部分客服对话，现在全部分析；以前合同太多，人工挑重点看，现在每一份都处理；以前问一次模型，拿到答案就结束，现在让 Agent 连续尝试、检查、修改，直到把任务完成。 价格高的时候，这些需求藏着。价格降下来，才会变成订单。 前沿模型会不会因此被开放模型打死？我倾向于不会这么简单。 未来企业很可能同时使用几类模型。 高频、重复、要求明确的任务，交给便宜的专用模型；复杂规划、难题和最后审核，交给最强的前沿模型。一个贵但聪明的模型，可以指挥一群便宜模型执行。用不着每个小动作都让最贵的模型亲自完成。 Gavin 提到的企业后训练，也是这条路：拿开放模型，加上自己的私有数据和业务经验，做出更适合本公司的版本，再通过路由，把不同任务分给不同模型。 一家处理特定合同的公司，并不需要每次都购买模型全部的通用能力。它更需要熟悉自己的条款、格式、审批流程，而且稳定、便宜。专用模型未必在通用排行榜上第一，却可能在这项工作上更合适。 因此，开放模型拿走大量 Token，前沿实验室仍然在最难的任务上收取溢价，两种生意可以同时成立。份额下降，也可能发生在收入仍然高速增长的时候——只要整个市场长得更快。 对应用公司来说，多模型也提供了更多选择。可以换供应商，可以组合模型，可以自己优化成本。不过，单纯在 API 外面套个界面的产品，日子仍然不好过。模型能力往前走，简单功能很容易被吸收。客户的数据、工作流程、权限和最终交付，会越来越影响一家公司能留下多少钱。 再看那笔吓人的 Anthropic 合同承诺。 约 4,130 亿美元，光看总数，很容易产生一种感觉：这么大一张账单，怎么付得起？ Gavin 把它拆成了两部分：多年云服务合同，折算后每年约 310 亿美元；另外约 1,610 亿美元是 Broadcom 相关设备租赁义务，需要单独安排融资。报道中的云合同期限确实延伸到 2033 年、2036 年，不能把多年总额当成今年要一次性付清的钱。 这里也得分清 MOU 和正式合同。一个宣布合作方向的意向，和一份不花够也可能需要补差额的合同，对资产负债表的影响完全不同。不能看见“承诺”就全算成马上要付的债，也不能因为付款跨多年，就当它没有约束。 Gavin 认为，按 Anthropic 当前的收入规模，年度云支出有能力通过经营收入覆盖。但我会继续看现金：ARR 是把当前收入速度年化，公司实际收进多少钱，扣掉训练、人员和其他成本后还剩多少，才决定付款能力。 Broadcom 提供最高 420 亿美元融资额度，说明供应商参与融资已经在发生。它能缓解眼前的现金压力，但融资仍然要偿还，部分违约情形也可能让付款义务提前到期。 所以这笔账比标题看起来更有时间安排，也比“收入够大就没事”复杂。 云厂商可能还藏着一段收入增长。 Gavin 的判断是，2024、2025 年签下的一批算力合同，价格已经低于现在的市场水平。等这些合同到期，算力有机会按更高价格重新出租，云和新型云厂商的收入、现金流就会改善。 可以理解成一栋楼：早几年便宜租给大客户，如今周围租金涨了，但旧租约没到期，收入还没有完全反映新价格。 如果未来续约价格提高，利用率又维持住，机房就能拿更多经营现金继续扩建，减少对外部融资的依赖。这是他认为“外部融资占扩建比例可能接近峰值”的原因。 但这条路能不能走通，得看合同到期时的市场。客户还愿不愿意付高价？旧设备还有没有竞争力？算力能不能按原来的条件转售？今天新卡报价高，和几年后旧卡还能收多少租金，是两笔不同的账。 他还引用了一组 B200 集群测算：即使租金每年下降 40%，项目仍可能做到 37% 的内部收益率。这样的回报如果经得起成本、利用率、设备寿命和融资条件的检验，当然会吸引资金。但它是项目模型里的回报，不能直接拿来当股票持有收益。 帖子里接近 $100/W 的 Blackwell 集群竞标，与此前 $50/W 的 Google／SpaceX 交易对照，也是在强调买方争夺算力的力度。不过这些报价要把合同期限、交付时间和服务范围对齐，才能比较，更不能直接当成利润。 他最后关于“慢一点”的观点，我觉得需要认真想。 电力、晶圆、燃气轮机、资本，现在都不能无限供应。这些短缺让项目排队，也迫使资金挑客户、挑地点、挑回报。设备分批上线，收入就有时间追上支出。 如果钱几乎免费，设备随叫随到，大家都按照最乐观的需求曲线同时扩建，反而更容易出问题。需求确实增长，供应却增长得更快，最后租金掉下去，买设备借的钱还留在原地。 这类生意最残酷的地方就是：你可能看对了行业需求，仍然亏掉股东的钱。 所以我认同，有节奏的扩建，可能比一口气冲到最大产能更健康。但放缓也有不同原因。设备交付慢一点，和客户突然没钱付账，不能放在一起庆祝。我们得分清，是供给被约束，还是需求已经退了。 Gavin 认为近期更大的风险之一，是严重网络安全事件突然打断采用和投资。他同时看好 AI 防御能力的进步。这仍然是他的判断，技术发展快，并不代表事故不会先发生。 他对多模型未来的支持，还涉及普通人的选择权：不要让少数几个人决定所有人能用什么 AI、接受什么规则。更多模型意味着可以换、可以自己部署，也更容易找到适合自己需求的工具。企业如此，个人也是。 我对接下来的判断是：模型会越来越像一组可以组合、替换的工具。前沿实验室争取最难任务的溢价，开放模型进入大量日常工作，应用公司把工具接进实际业务，基础设施承接不断增加的调用。 真正需要跟踪的，是这几层之间的钱有没有流通起来。 模型便宜后，客户是否真的多用了？买算力的名单有没有变长？机房的租金和利用率有没有变成现金？新增供应会不会超过新增需求？ Gavin 说“大家都可以赢”，讲的是一种可能的行业结局。落实到投资，每家公司仍然得单独算账。 排行榜可以每周换第一。机房的电费、设备折旧和贷款利息，每个月都得付。

曝光 1670 · 评论 3 · 点赞 4 · 书签 2