编者按:本文是红杉资本合伙人肖恩·马奎尔(Sean Maguire)与索尼娅·黄(Sonya Huang)在 SemiAnalysis 办公室对其创始人兼首席分析师迪伦·帕特尔(Dylan Patel)的一次访谈。帕特尔 2020 年以博客起家,如今把公司做成了覆盖半导体供应链与 AI 基础设施的头部研究机构。谈话从他在加油站长大的童年讲起,一路谈到推理基准、软硬件协同设计、英伟达与 TPU 之争、算力紧缺与 Neocloud 的兴起。本文依据现场录音编译整理,仅删去口语枝节与寒暄,论证与细节悉数保留。
马奎尔: 我们此刻在 SemiAnalysis 的办公室,对面是迪伦·帕特尔。我是红杉的肖恩,旁边是我的合伙人索尼娅·黄。你做成的事相当惊人。五年前,半导体在西方根本不是什么性感的行业,在东方也许是,但西方的人差不多已经把它忘了。你没有忘,而且押得很重,做出了这个领域大概最顶尖的研究公司,从极其技术的细节到供应链再到宏观图景,一直在给全世界补课。外界传言 SemiAnalysis 最近营收过了一亿美元,我不知道准不准,但不管数字是多少,你们都在狂飙。
帕特尔: 传言的准确度,取决于信息来源的准确度。
马奎尔: 还有传言说你可能要做一支风险投资基金。我在圈子里经常听到有人想跟 SemiAnalysis 沾上关系,你已经建起了一个受信任的品牌,所以你无论做什么都会奏效。这显然只是你旅程的开端,恭喜。但这一切是怎么发生的?先从背景讲起,你是怎么走到今天的?
帕特尔: 我在小生意人家庭里长大。父母开一家汽车旅馆,我们就住在旅馆里,马路对面是我们家的加油站。我常开玩笑说,我训练的第一个神经网络,就是根据走进加油站的人的长相和族裔,判断他要买哪种烟。香烟全都陈列在货架顶上,我个子太矮够不着,况且那个年纪卖烟本来也不合法,但反正我得把踏脚凳挪到正确的位置。
马奎尔: 我的第一份工作也是在法定年龄之前,这种经历很好。
帕特尔: 我可没有工资,家族生意嘛。
马奎尔: 一样。
帕特尔: 比如一位满头卷发的白人老太太走进来,我就把踏脚凳挪到骆驼牌那边。不同年龄、不同人群、不同职业、不同族裔,我都提前把凳子挪好。我说这是我训练的第一个神经网络,因为如果等他们开口告诉我,我再挪凳子再爬上去,那就慢了,不如提前就位。薄荷烟、100 毫米细支烟,这些我都门儿清。
真正的起点是我八岁生日。我的生日在五月,四月份 Xbox 360 发布了。父母问我生日想要什么,我没要生日礼物,而是说想要圣诞礼物。我们家过圣诞节,但我当时觉得他们绝不可能在圣诞节送我 Xbox 360,所以生日那天我就预先要了这份圣诞礼物。结果圣诞节真的收到了。几个月后,住在阿拉巴马的表弟要来我家过春假,他们家也开汽车旅馆。他年纪在我和哥哥之间,哥哥偏运动型,对 Xbox 不太上心,偶尔玩玩。可我很想让表弟觉得我酷,在电话里吹了好多次「我有 Xbox」。然后 Xbox 坏了。那是一个著名的硬件缺陷,叫「死亡红环」(red ring of death)。长话短说,我把机器拆开,把温度传感器短接,就修好了。在这之前我试了很多别的招,全都不管用。这就是我进入硬件世界的方式,潘多拉的盒子打开了。
到十二岁,我已经泡在各种论坛上,读得多、发帖也多。那正是 Reddit 吞掉所有其他论坛的时候,于是我成了安卓、苹果、谷歌以及硬件板块的版主,同时盯着英特尔、英伟达、AMD 这些板块,还有装机板块。所有这些论坛我都在看、在读、在发帖,其中一些我还在做版主。我看着智能手机从极简单的东西一路狂奔,在架构上很多方面比 PC 更先进;GPU 也一样,一条条评论追着看。而且我始终带着经济的视角,因为我是小生意家庭出身,总在看经济账。有一段时间,网上那些「胡子大叔」都爱 AMD 的 GPU,我自己也因为性价比买过一块 AMD,但要论技术上谁更强,我总是说,不,英伟达更好,因为他们用更小的芯片做出更高的性能和更好的能效,毛利率也更高。我那时就常讲英伟达在 GPU 领域的利润率比 AMD 高,很有意思。
黄: 那时你才十二岁。
帕特尔: 十二岁开始做版主,整个青春期和高中阶段都在做这个。
马奎尔: 除了半导体,还有别的奇怪爱好吗?
帕特尔: 打了海量的《星际争霸 2》,一度是北美天梯的宗师段位。
马奎尔: 相当认真。所以你在好几件事上都到了痴迷般的程度。
帕特尔: 痴迷是好事。
黄: 成绩怎么样?
帕特尔: 还行,大部分是 A,但我觉得无聊或者不喜欢的课就不行,比如西班牙语的分数就不怎么样。顺便说一句,我现在西班牙语说得很流利,所以这事挺傻的。
黄: 也许这就是你没拿到好成绩的原因。
帕特尔: 公平地说,我是后来才学的西班牙语。总之成绩过得去,对亚裔父母来说够用了。比大多数同学好,但没有拼命去刷全 A。
黄: 所以你完全是互联网教出来的学生,专业知识是这样养成的。你在什么时候决定创办 SemiAnalysis?创业以来最大的意外是什么?
帕特尔: 我上了大学,拿了几个跟半导体无关的学位,然后在一家小型量化风险公司做了两年量化。接着发生了一连串事情。一是我的奖金被人截胡了。我利用市场里的一个风险漏洞,给公司赚了好几百万美元的无风险收入,我估计超过一千万,结果别人抢了功劳。后来虽然补发了,但我跟公司之间的社会契约已经破裂。二是我的祖父母跟我们一起住在汽车旅馆里,我跟他们非常亲。祖母得了痴呆症,认不出我了,后来从楼梯上摔下来,出了悲惨的意外,去世了。这些都发生在 2020 年初。另外还有些感情上的事。几件事叠在一起,我非常低落。
然后新冠来了。哥哥说,你来跟我住吧。他在纳什维尔,我就过去了。我们当时想,封城也就几周,你在我这儿住着,过去了再回家。典型的立 flag。封城持续了很久。在哥哥家住了几个月,我不知道自己在干什么,一切按他的规矩来,他和当时的未婚妻、现在的妻子都在,我基本上得踮着脚过日子。但我已经不在乎那份工作了,于是在网上发帖比平时更勤。我一直是个重度发帖者,也一直炒股,做空新冠、做多新冠都赚了不少,半导体短缺也是那时候的事。总之,我对发帖入了迷。
后来我在网上跟人吵架,对方把我人肉了,公开了我匿名账号背后的身份。我当时吓坏了,停了三周没发帖。然后我想,我在干什么?我为什么要在乎?于是我以真名开始发。我以前也有过博客,这回做了一个正经的,叫 SemiAnalysis。二十四岁生日那天,我发了两篇文章。它当时还不是一份通讯,但反响非常大,因为不再是匿名账号,而是真名实姓,而且我在那两篇上下的功夫远超平常,不是随手发帖,是认真写博客。你们现在还能翻出来看,谈不上多好,但在当时是网上能找到的关于半导体最好的内容。我就一直写、一直写,开始接到很多咨询业务。
2020 年我还处在崩溃状态,不知道自己想要什么,于是把家当打包,开着皮卡,买了个能架在车斗上的帐篷和一张气垫床,跑遍全美的国家公园。一周里两三四天住在随便哪家汽车旅馆,把房价砍到一晚三十美元,在房间里工作。周末就读书,经常是教科书,在某个国家公园里或者徒步时听有声书,关于半导体、关于 AI,关于我在乎的一切。那六个月我把自己的知识水平拉高了一大截。整个过程我都是一个人,一直在写博客。所有人都问,迪伦你到底在干什么?
马奎尔: 那是星链之前,还是星链最早期?
帕特尔: 星链之前。所以确实很像「你到底在干什么」。之后我去拉美游历了一年,先是跟朋友,后来跟前女友。然后 2021 年底、2022、2023、2024 年,我从 2020 年年中起就一直没有固定住所,但我跑遍了全世界的行业会议,一年四十多场,不管它处在供应链的哪个环节。我看到一场就说,这个有意思,去。我参加第一场会议时就惊了,你能直接跟专家聊,他们也愿意跟你聊,你兴奋得不得了。半导体行业里全是老头子,他们很少见到对这个行业真正兴奋的年轻人,所以特别乐意讲。你只需要开口问。
马奎尔: 供应链里有没有哪个环节,或者哪场会议,特别改变了你对半导体世界的看法?或者你当时觉得、现在也觉得被严重低估的?
帕特尔: 展会和学术会议的差别非常大。我玩得最开心的显然包括 NeurIPS,因为那是两万名 AI 研究者,年龄段基本跟我一样,很好玩,而且他们是顶尖研究者,你能学到很多,派对也多。另一端是日本某个随便什么化学品会议,三百个日本人,其中二十个来自 ASML,二十个来自台积电,二十个来自英特尔,只有这些人说英语,其他人全说日语。你会想,好吧,他们也挺有意思的。我有一项本事,就是不管对方什么背景、什么身份,我都能跟他建立联系,找到共同感兴趣的话题,通常是技术话题。
最有意思的会议往往是最大的那些,因为最大的事在那里发生。但真正令人兴奋的是那些小众的,比如 SPIE。有 IEEE,还有 SPIE,是另一个生态。SPIE 的会议细节深到极点。我去的每一场,尤其是 SPIE 先进光刻和 SPIE 光掩模,第一次去时,我听到的东西百分之九十都不懂。回去猛读,当然有了些背景,第二次去大概懂一半,第三次懂四分之三。到现在我去了还是觉得,我依然没有完全搞懂这里在发生什么。而 NeurIPS 你去个两三次,就能明白什么是神经符号推理、这是什么、那是什么,很快就能把整张地图画出来。可供应链里有些部分是如此艰深、如此技术化,你光是弄清楚正在发生什么就要花很长时间。
去会议有几层目的。你要理解研究本身,但发表出来的研究只是一部分,你真正关心的是这项研究如何与产业技术交叉,如何与今天已有的东西不同。没有一篇论文会告诉你今天的产线上在发生什么,你得去问人,建立联系,然后你就了解了供应链:哦,原来这家公司给那家公司供货,虽然没有任何地方公开写过;这种化学品大概这个价,一台设备大概用这么多。
马奎尔: 然后你就会听到那些恐怖故事:某种化学品短缺,把供应链的某一段整个打乱,最后发现全世界只有三家公司能生产它。
帕特尔: 我最喜欢的一个故事,就是在那场几乎没人说英语的日本会议上,一位日本人用很蹩脚的英语告诉我,他父亲上世纪八十年代在这个行业,当时全世界唯一一座生产某种化学品的工厂烧毁了,结果内存价格翻了两三倍。我说,哇,跟今天没什么两样。
马奎尔: 一点都没变。
黄: 推理会成为地球上最大的市场,乃至地球之外最大的市场。同意还是不同意?
帕特尔: 显然,token 的使用会是最大的市场,token 创造的价值也会是最大的市场。我认为「token 经济学」(tokenomics),也就是 token 的使用、AI 的采用,是当下正在发生的最重要的事。推理,不管是开放模型还是封闭模型,会是全世界最大的市场之一,比石油大得多,比很多别的行业都大得多。AI 推理会占到 GDP 的好几个百分点。
黄: 你们做的 InferenceX 我认为已经是行业标准了。讲讲为什么做它、它是做什么的,以及人们对推理性能基准测试有哪些误解?
帕特尔: 先退一步说。SemiAnalysis 做的事里,很多是给机构客户做的研究,还有订阅业务,但也有很大一部分是:这个东西搞清楚会很酷,那我们就想办法搞清楚,然后公开发出来。这种事越做规模越大。我们在 GPU 基准测试、训练性能、推理性能上都这么干过。但我们最终发现,推理基准测试都是「时点式」的:你测一次,花一段时间,发布出来,又慢又艰深又过时,因为模型一直在变。我感觉每周都有新模型,不是中国模型就是别的,就今天,Mythos 5 和 Fable 发布了。软件层也一样,PyTorch、vLLM、SGLang,新驱动、新的什么东西一直在发,实际上这些库大多一周更新两次。
所以软件一直在变,性能也就一直在变。新的推理优化不断出来,被合并进去,一次又一次的突破持续把效率推高、把成本压低。这就是为什么同等质量的模型成本一年能降六十倍,太惊人了。要跟上这个节奏,就不能做时点式基准,基准必须是活的,也就是持续在最新硬件上跑最新模型。于是我们启动了这个项目,并且得到了生态的广泛支持。这只有在我们对生态有足够号召力时才可能,我们说动了 CoreWeave、Crusoe、Nebius、甲骨文、微软、亚马逊、谷歌和 OpenAI 给我们捐算力,跟 SGLang、vLLM 合作,现在还有 Radix Arc 和 InRact,也就是领导这些开源工作的私营公司。英伟达、AMD、谷歌、亚马逊也都参与了,因为我们正在加入 TPU 和 Trainium。捐给我们的硬件超过五千万美元,等 TPU 和 Trainium 上线,应该会超过一亿美元。大约十五种芯片,每天都在跑这些基准,跑的是最新的模型:月之暗面最好的模型、阿里最好的模型,大概五家中国实验室最好的开源模型,还有美国最好的开源模型,GPT-OSS、Nemotron 等等。每天自动跑,跑在专门给我们做推理基准的服务器上,扫过大量不同的配置和优化类型。所有结果公开,所有配置公开。
这样我们就得到了帕累托最优曲线。很多时候人们比较推理性能,是拿别人的一个次优曲线或次优点,去比自己的最优点。这就好比让我开保时捷去跟专业赛车手比,我当然开得慢。推理基准也是这样。所以我们做了开源的容器,覆盖曲线上每一点的最优配置,这条曲线的一端是交互性(interactivity),也就是模型回应我的速度,另一端是批大小(batch size),也就是我同时服务多少用户。现在任何人想要最优点,直接去 InferenceX 下载来跑就行,愿意的话可以每天查,甚至可以自动下载该模型的最优配置,推理性能就接近峰值。
马奎尔: 在你看来,吞吐量对交互性这条曲线是最重要的曲线吗?
帕特尔: 是的。硬件、基础设施、模型、应用层,几乎一切都是这条曲线的下游。你要的是超快、超低延迟,不在乎成本?那就把批大小压得很低,大量使用推测解码(speculative decoding)或多 token 预测(multi-token prediction)之类的技巧,可用的技术非常多。还是说你在批量处理海量文档,根本不在乎这些?那就不用那些牺牲成本效率来换取单用户速度的技术,而是把尽可能多的用户打包在一起,文档处理一整晚也无所谓。现在我们对待 AI 基础设施还是一刀切的。但随着时间推移,会分化出批处理型负载和即时响应型负载,整条曲线对用户都会有意义。我们在 Anthropic 那里已经看到了,Claude Code 的快速模式比常规模式贵得多;OpenAI 的优先队列也是同样的逻辑。
黄: 问个笨问题,成本是怎么进入这张图的?
帕特尔: 举个假想的例子。我的批大小是一百,每个用户每秒十个 token,那么这一块算力总共每秒产出一千个 token,这是曲线的一端:超慢,每秒十个 token。另一端是每秒五百个 token,但只有一个用户;或者说每秒二百五十个,一个用户。中间还有一些更接近帕累托最优的点,普通人其实想要每秒五十到一百个 token,再配上我能打包在一起的用户数。所以这条曲线就是:同一块硬件,总产出是每秒一千个 token 还是二百五十个,取决于我打包了多少用户。于是有些负载会想要那四倍的成本下降,因为同一单位硬件能做一千而不是二百五十;有些用户则愿意付四倍的价钱,因为他们不在乎价格,在乎时间,使用 token 的那个人很贵,或者这个反馈回路本身很贵。
马奎尔: 让你猜一下,时间范围你自己选,十年或十五年,你觉得会有多大比例的推理算力在太空里发生?
黄: 可以是零,可以是百分之五十。肖恩会说百分之九十九。
帕特尔: 这个问题很难。我说个反共识的,至少是站在 SpaceX 对立面的看法。顺便说,我热爱 SpaceX,如果我能买股票,我一定会买它的 IPO。
黄: 不构成投资建议。
帕特尔: 不构成投资建议,我们两边都不构成。我不认为太空数据中心在未来三到五年内真的重要。但话说回来,二十年后,我认为绝大多数算力会去太空。真正的决定因素是时间范围,是在地面上建电力的成本,以及地面上到底能拿到多少电力。而我对推理会消耗多少吉瓦乃至太瓦的预期,对我个人来说是一条很疯狂的曲线。
马奎尔: 你的预测是多少吉瓦?
帕特尔: 到 2030 年,光 OpenAI 和 Anthropic 加起来就会超过一百吉瓦,再加上 Meta、谷歌等等,这是一个巨大的算力总量,都用于推理。到 2040 年左右会是太瓦级。我们将获得的生产力曲线是这样的,所以推理部署会非常巨大。如果看 2040 年,我认为新增算力中会有一半以上进入太空。但看 2030 年,我认为不到百分之一。
黄: 你认为每瓦智能(intelligence per watt)一直在提高吗?而且我们现在的每瓦智能跟人类生物大脑之间似乎还有巨大差距。你觉得我们会缩小这个差距吗?如果会,增益从哪里来?
帕特尔: 这常常取决于你在做什么。一台 TI-84 计算器在做算术这件事上的每瓦智能远超人类,而它是三十年前的东西。当然这么说有点傻。
黄: 我说的是通用智能。
帕特尔: 就通用智能而言,InferenceX 做的一件事就是同时测量所有这些硬件的功耗和成本。所以我们不只提供吞吐量对交互性的曲线,还提供成本对交互性、功耗对交互性的曲线。至于每瓦智能有没有提高:我刚才说过同等基准水平下成本降了六十倍,每瓦智能也有类似的提升,没有正好六十倍,接近四十倍,因为有些效率提升不是功耗层面的。但每瓦智能每年都有巨大改善,至少今年、去年、前年、大前年都是如此,我预计这会继续。至于跟人脑的差距,我们差着好几个数量级。幸好这无关紧要,我们可以给计算机投入大量电力,给计算机供电比给人脑供能容易得多。人脑会生病、有疾病,还挑食。
黄: 还要睡觉。
帕特尔: 没错。
马奎尔: 就这个主题再问一个。在我看来,无论是每瓦智能还是每美元智能,输入大致有三个层次。硬件层面的改进,硬件本身更高效;底层系统优化,内核级别的改进、矩阵乘法库之类;还有最高层的模型算法改进。我的感觉是,过去三年大部分增益来自硬件层面,一部分来自模型层面。你同意吗?你认为未来会是什么样?内核层面还有很多油水可榨吗?
帕特尔: 肖恩,我完全不同意你。
马奎尔: 太好了,这正是我问这个问题的原因。
帕特尔: 可以把它看成这三层。从这个角度,从 Hopper 到 Blackwell,也就是过去三年我们拥有的全部硬件进步,在 DeepSeek 上最优化的部署大约有三十倍的改进,这在 InferenceX 上能看到。但过去三年每瓦智能的提升远大于此,很大一部分来自模型层。三年前是 GPT-4,现在一个较小的 Qwen 模型,总参数二百七十亿、激活参数二十亿,就比它强得多。所以模型层有巨大的改进,硬件层有相当可观的改进,但关键在那个协同设计层,我认为这才是重要的。你看任何一个模型的架构,最著名的、公开可见的当然是 DeepSeek。
马奎尔: 对,DeepSeek 从协同优化、从内核级别的内存优化里拿到了巨大的效率增益。
帕特尔: 是的,当然有内核,但更深一层,是你按芯片的硬件架构来设计模型。DeepSeek V3 里所有专家(expert)的形状都是为 Hopper 优化的,V4 则是为 Blackwell 和华为的芯片优化的。有意思的是,尽管 TPU 客观上是极好的芯片,整个 DeepMind 都跑在上面,Anthropic 至少在预训练上也全部用它,但 TPU 跑 DeepSeek 很烂,而它跑另一些在英伟达上跑不好的模型却非常出色。优化已经深到这种程度:专家的形状、网络 IO 模式、集合通信怎么做、注意力机制的算术强度,所有这些都是在模型、硬件和中间的基础设施软件之间协同优化的。很难把增益拆开来算。
马奎尔: 我的理解是,过去几年中国在这方面做得比西方好得多,DeepSeek 是最早真正这么做的模型之一。
帕特尔: 我不这么认为。更准确地说,是西方不告诉别人自己在做什么。OpenAI 没有公开 GPT-4o 有多稀疏、形状多大这些东西,但 GPT-4o 的规模跟 DeepSeek V3 大致相当,略小一些,而且如果我没记错,4o 出得更早一点。
马奎尔: 所以你的看法是,这三层同时在推进,速度大致相当,而最大的增益出现在你协同优化的时候?
帕特尔: 我会说模型层的增益比软件基础设施层和硬件层都多,但每一层都有创新。真正最大的增益,也是顶尖实验室的美妙之处,在于三层一起协同优化。Anthropic 用很多种硬件,但他们不太在 TPU 上做推理,主要用 TPU 训练,推理大量放在 Trainium 和 GPU 上。GPU 更像是万金油。但他们优化了硬件、优化了模型、优化了一切,所以做得到。OpenAI 以前的模型更多为 Hopper 优化,现在更多为 Blackwell 优化。谷歌也一样,Gemini 2 是为 TPU v6e 深度优化的,Gemini 3 也是,下一代 Gemini 则是为 TPU v7 优化的。你把这些模型拿到旧硬件上跑,其实并不怎么样。
所以协同优化是最重要的,术语叫软硬件协同设计(software-hardware co-design)。这也是我日常工作里最令人兴奋的部分:你看某一层,这里有一堆创新,每一层都有一堆创新。真正的突破性创新,是当你跨越几层,把它们一起协同优化、协同设计,于是本来这里两倍、那里两倍、再一个两倍,相乘是八倍,结果却是一百倍,因为你跨三层做了优化。这就是实验室里令人兴奋的地方。英伟达这样的公司也是,他们不算在模型层做协同优化,但会从模型层的一点点一直往下游做到硅片。台积电也是,他们协同优化的不只是制造,而是从零部件、耗材、设备一路向上游,直到客户告诉他们的芯片设计。这是横跨抽象栈许多层的协同优化。
马奎尔: 这种优化里总会有某个地方成为瓶颈,落在后面,需要被拉上来,或者先打个补丁。让你预测一下,栈的任何层级都行,未来一年你最密切关注的瓶颈是什么?不一定是供应链,不一定是规模,可以是技术本身的。是内存的改进吗?
帕特尔: 内存是个容易的答案,大家都在谈,但我不从供应链角度谈,我从技术角度谈。内存的容量和带宽一直提升得很慢。NAND 单元大约二十五年前发明,DRAM 单元大约四十年前发明,单元本身没有过重大突破。NAND 就是一个很简单的门,DRAM 单元也是。管线里有些东西可能会带来巨大创新,但过去五年我们真正做的只是把 HBM 堆得更多、跑得更快。不过未来几年会有新的创新:不再把 HBM 跟芯片分开堆叠,而是把内存直接堆到芯片上,带宽会爆炸式增长。这个领域有些有意思的公司,也有些公司在尝试有意思的 PoC。我认为内存带宽是最大的瓶颈之一。
另一个是,至少过去二十年,硅的历史里有个规律:一块数据中心或桌面芯片的功耗,看一眼面积就能预测,上限大约是每平方毫米一瓦。一块一百平方毫米的芯片,功耗一般在一百瓦或略低。看英伟达最新的硅片、TPU 最新的硅片,仍然在每平方毫米一瓦这个范围。所以芯片现在到了一千四百瓦,英伟达下一代 Rubin 是两千瓦,再往后 Rubin Ultra 大概是四千瓦之类。但这其实是在增加硅的面积。令人兴奋的是,我们终于开始做一件事,而且已经在开发中:真正把远超每平方毫米一瓦的功率灌进硅片。这意味着你需要的硅更少了。当然它跑在更高的功率上,某些情况下效率更低,但硅的用量减少了。
马奎尔: 要克服散热问题。
帕特尔: 散热问题,还有电气干扰问题,各种各样的问题都会冒出来,所以这是个艰难的工程问题,所以我们一直卡在一瓦左右。但令人兴奋的是,整个世界都在试图改变这些。
供应链的另一个部分也有类似的情况。人们总说能源很难,我们有能源瓶颈。是的,但其实有些很简单的解法,稍微想想就能想到。比如美国有能力生产数以百万计的卡车柴油发动机,你可以在装配线上很轻松地把它们改成烧天然气,然后接上一台电机反向驱动,让电机发电而不是驱动车轮。这样你往一个美国能造几百万台的东西里灌天然气,就发出电来了。你会说,维护起来太麻烦了吧,一个数据中心场地上得摆几百台。其实你直接从汽修店里把人拉来修卡车发动机就行。我不想说这很简单,反正我自己修不了。
马奎尔: 你说到了一个很好的点:因为西方过去二三十年没怎么想过半导体,甚至更广义的硬件,所以我们没有多少创新,最聪明的头脑没有在想怎么改进这些东西。
帕特尔: 能去做广告,谁要去做硬件呢?
黄: 我特别想问,英伟达对 TPU,你怎么看?
帕特尔: 大家都想在这个问题上二选一,但它其实是这样:看两年后,谷歌会通过自己的供应链生产一千多万颗 TPU,英伟达会生产几千万颗 GPU,谷歌一年会造出价值一千多亿美元的 TPU,英伟达会是五千亿以上,或者别的什么数,我不做具体估计。
黄: 这不是营收预测,只是思想实验。
帕特尔: 对,或者叫研究。
黄: 你受过媒体培训。
帕特尔: 当然,在为 SpaceX 的 IPO 做准备呢。你们在 SpaceX 里持仓很大?
马奎尔: 我们很幸运,是很大的投资者。
帕特尔: 那就说得通了。谷歌 TPU 对英伟达 GPU,双方都有真正站得住的论点。英伟达会说,我们有交换机,我们是通用的。TPU 会说,我们更优化,实际上更节能,我们的网络对某些网络架构更优化。双方都有这样的对攻点,我可以面不改色地论证 GPU 远胜 TPU,也可以论证 TPU 远胜 GPU。但归根结底是软硬件协同设计。按 OpenAI 模型的走向,他们用 TPU 可能会是一个糟糕的决定;按 Anthropic 和谷歌模型的走向,用 GPU 训练可能是一个糟糕的决定。
马奎尔: 根本差别在哪里?
帕特尔: 有很多。最简单的一个,矩阵乘法单元的尺寸不同,于是你做的矩阵乘法形状、你用的注意力机制、注意力机制的结构方式、专家的结构方式都不同。
马奎尔: 所以你认为 OpenAI 和 Anthropic 正在走向非常不同的模型架构?
帕特尔: 我认为他们的模型架构相当不同。OpenAI 的稀疏得多,这有好处;Anthropic 的仍然稀疏,但总体更稠密,这有另外的好处。还有很多别的,比如网络拓扑。英伟达所有芯片都接在 NVLink 交换机上,谷歌没有交换机。NVLink 只能连七十二颗 GPU,谷歌的 ICI 能以超高带宽连八千颗芯片,但因为没有交换机,你得穿过别的芯片才能到达。这里面有取舍,有正有负,而这些会影响模型架构。不必非要说哪个更好,因为你没法把它们单独拿出来衡量,它一直延伸到模型层。
马奎尔: 我记得很长一段时间我都认为英伟达的可编程性和 CUDA 是巨大的护城河。至少在过去三到六个月,这个叙事在我脑子里变了:模型公司不再在乎要不要为别的芯片写定制内核,说要用四五种芯片就用四五种。Claude 和 Codex 在做这类优化工作上其实相当不错。而且模型公司并没有一万家,是几十家的量级,每家都需要可编程性。所以「成千上万的大客户需要 CUDA 兼容」这个基本前提,似乎在变。
帕特尔: CUDA 护城河、软件护城河,确实至少部分被解开了,因为模型太擅长写代码,所有软件在这种情况下都被商品化了。但我认为有另一层,人们叫它 CUDA 护城河,实际上跟 CUDA 无关,而是这样一件事:DeepSeek、Kimi、智谱、阿里、腾讯,还有最近出了一个很棒模型的小米,所有这些公司的模型都是为 GPU 协同设计的。我想在 TPU 上跑它们,某些情况下就跑不好。谷歌只好自己建开源模型生态,于是有了 Gemma。所以这不是 CUDA 护城河,而是下游产品更多为英伟达优化,这些公司又把模型开源了,Nemotron 也是开源的。它们的使用者,比如推理 API 提供商、拿开源模型为企业业务做定制的强化学习公司,全都处在这个事实的下游:好吧,生态用英伟达,那我也得用英伟达,虽然我根本不在乎写 CUDA 内核,模型写得很好,但问题在于这个专家的维度是多少、隐藏维度是多少,因此在英伟达 GPU 上跑就是比在 TPU 上好,反过来也一样。如果谷歌真的开源出很好的模型,同样的事就会发生:人们拿来一跑,说这在英伟达 GPU 上跑得不怎么样,我干脆去租 TPU 或者买 TPU。
对小团队来说,你会想用所有的开源软件,vLLM、SGLang、PyTorch 这些。但大实验室不一定需要。OpenAI 很早就把 PyTorch 分叉了,Anthropic 和其他人也都不太依赖这些东西的开源实现,他们要么分叉了,要么自己造了,不需要依赖开源。所以对他们来说更像是:我选最好的硬件,然后为这个最好、最省钱的硬件把模型和基础设施软件从头到尾协同设计一遍。
马奎尔: 而且让 AI 帮我写所有这些软件。
黄: 你怎么看 Cerebras?
帕特尔: Cerebras 是一家非常有创新力的公司。在市场的某些位置上他们真的很强,超快推理,我认为那是个大市场。SemiAnalysis 内部几乎只用快速模式。
马奎尔: 顺便说,我很欣赏你们在核算上的自律,不知道那是一次性的展示还是一贯如此,把每项任务花的钱和投资回报都算出来。分析非常棒。
帕特尔: 谢谢,我们做得挺认真的,那是我们写的「暗 GDP」(Dark GDP)那篇文章。我们还按天追踪每个人的 token 花费,谁的花费突然飙升,我就问,你干了什么?对方一解释,好,谢谢,看起来值。接着过我的日子。快速模式对高端任务显然很有价值,我能想到太多超快 token 值得付费的场景。反过来我也能看到很多场景不需要超快 token,市场不会为此付费,会去用 GPU 和 TPU。Cerebras 最大的风险在于,我认为你想用快速模式的恰恰是最好的模型,小模型你未必会用快速模式。在金融市场这个判断可能不成立,比如 Jane Street 那种高频交易,或者中频交易。但归根结底,在 Cerebras、Groq 这类基于 SRAM 的芯片上跑超大模型、超长上下文是非常困难的。那么问题来了,如果模型变得太大怎么办?如果 OpenAI 的模型不是几千亿或一两万亿参数,而是十万亿以上,我不认为它还能装进 Cerebras。再加上长上下文,如果是一百万的上下文长度,就很难自圆其说了。而到目前为止,我们看到实验室的营收和用量大头都在他们最好的模型上,即便模型涨价也是如此。有数据显示,Fable 今天才发布,就已经有大量用户转向 Fable 和 Mythos,也就是更高一档的模型,虽然它贵得多。
马奎尔: 这是按金额算的量吧?按 token 算呢?
帕特尔: 谁在乎按 token 算的量?重要的是钱。如果 F-150 的单价是五倍、销量只有一半,我才不在乎 Mini Cooper 或者丰田凯美瑞卖了二十万辆。
马奎尔: 好吧。
帕特尔: 所以美国最赚钱的市场是皮卡。我多半是在开玩笑,但道理如此。
马奎尔: 我确实认为这是你做得极好、跟几乎所有人都不一样的地方:你在技术之外极其在乎经济账。能把这两件事接起来的人非常少。
帕特尔: SemiAnalysis 内部很好玩,我们有九十个人,很大一部分是横跨整条供应链的技术专家和工程师,另一大块是以前在对冲基金的人。你会看到这样的争论:有人说这个不重要,有人说可是成本呢,工程师说不不不,这项技术最酷。这种争吵是自发的。我们很不正式,而且考虑到我曾经是论坛版主,你可以想象我有多享受。
马奎尔: 别跟猪摔跤,因为猪乐在其中。
帕特尔: 正是。
黄: 接着这个话题,在半导体领域有没有哪些话题一听就让你炸毛?比如一个人一开口说「内存是瓶颈」,你就觉得这人肯定是……
帕特尔: 那句倒是真的。真正让我火大的是有人说「AI 没有投资回报」。什么投资回报?还有否认模型进步的人,说模型没在变好,它们不会推理、不会思考,会走进死胡同然后停滞。兄弟,能力曲线一直在往右上方走。他们说,看,这个基准没提升。那是因为已经到百分之九十了,看新基准,你们把旧的饱和了,新的正在飙升。我觉得这才是问题所在。半导体确实极其复杂,我不怪别人不懂。我每天都在从别人那里学到半导体供应链的新东西,而我从十二岁做版主算起,可以说已经研究了十八年,全身心投入,这是我唯一在乎的事。即便如此,抽象栈的层次太多了。就昨天我还了解到一种年销售额一亿美元的化学品,我说,哇,不知道还有这个,它用在哪道工序。在一个几千亿美元的产业里,一亿美元的销售额算什么。
马奎尔: 但它是必需的。
帕特尔: 它是必需的,每颗芯片都要用。你会想,好吧,毕竟有一千道工序。就像有人说,你喜欢半导体是吧,把每道工序都报出来。得了吧。我觉得最好笑的是,有些人所有事实都摆在面前,结论却完全错了。
马奎尔: 我们这行也天天发生。
帕特尔: 我的态度不是为此生气,而是尽快把它做对。
黄: AI 现在是全世界最重要的事,短期瓶颈太多,我们聊了很多短期的东西。有没有更长期、比如十年尺度上让你特别兴奋的事?我们谈了轨道数据中心,比如硅光子,你觉得十年尺度上是被低估还是高估?还有别的吗?
帕特尔: 十年尺度上,太空我觉得极其疯狂、极其棒,太空数据中心、小行星采矿这些,我对 SpaceX 的愿景非常兴奋。再说一次,不构成投资建议。半导体这边,市场的巨大波动和巨大的事件,往往就取决于某件事早一年还是晚一年发生。共封装光学(co-packaged optics)就是这样,大家都知道十年内会实现,争的是 2027、2028、2029 还是 2030 年,但某个时点一定会来。我觉得更有意思的是有些公司,比如你们投了 Naveen Rao 的公司吗?
马奎尔: 投了。
帕特尔: 他在试图同时在硅层、软件抽象层和模型层做创新,而且他完全明白这不是「几年内做成」的事。
马奎尔: 不是两年的时间尺度。
帕特尔: 不是几年的尺度,是长期押注。类似这样的事,比如要把模拟计算和基于能量的模型(energy-based models)之类的疯狂东西一次性全上,这很令人兴奋。多半不会成功,但令人兴奋,我真的很期待。
马奎尔: 至少肯定不会很快成功。
帕特尔: 对,我应该说,肯定不会很快成功。我相信 Naveen。有意思的是,他是我在这个行业里最早认识的人之一,2020 年,实际上是 2019 年,那时我还是匿名的。我在网上钓他,他开始回复,我就把话头转到私信,再转到电话。他是整个半导体行业里第一个跟我说上话的重要人物。
马奎尔: 这说明了他的为人。以我的经验,他总是在帮年轻一代,总是在发掘人才。
黄: 他做 Mosaic 的时候也太超前了,我记得当时听过他的路演。
黄: 你认为这个生态的终局是什么?每家实验室、每家超大规模云厂商都有自己的芯片?Trainium 看起来现在跑通了。所以终局是每家实验室、每家云厂商至少在推理上用自研芯片,训练可能找英伟达或者别人?还是别的什么?
帕特尔: 我认为每家都会去试,也有人会放弃。归根结底供应链很重要,你能引入什么技术很重要,行业越大,供应链多元化就越会发生。现在所有人的芯片长得差不多:中间一块大逻辑计算芯片,左右是 HBM,上方是网络,下方是 PCIe 和其他 IO。Trainium、TPU、英伟达的芯片结构完全一样,大多数初创公司也是,Groq 和 Cerebras 除外,他们在做奇怪的东西,但那很酷。往前走,硬件架构和模型架构会进一步分化,人们会把两者协同优化,而其中一些会落进局部最小值。就像梯度下降,大家都在往最优解走,有些人会冲进一个局部最小值,问题是你怎么跳出来,怎么挪回全局最小值。
某种程度上,英伟达总会比其他任何人的芯片更通用,至少在并行 AI 计算上是这样,因为他们有那么多关心不同东西的客户,会一直在设计上给反馈。一个真正的最小值总会比他们好,但那是不是局部最小值?TPU、Trainium、Groq、Cerebras 或者谁的设计,在这里优化得很棒,但终局其实在那边,那他们就错了。也许他们在一段时间里很好,然后就错了。这才是真正的问题。所以我认为通用 AI 算力会有一个大市场。你跟实验室的人聊,他们甚至不知道一年后自己会用什么架构,真的不知道。他们有很多研究押注,这正是令人兴奋的地方,但不知道会走向哪里。他们大体知道手头有什么硬件,试着去协同优化,但如果模型架构出现新的突破,比如把注意力机制换成别的什么,谁知道呢,最好的硬件就会变。那么,人们会在硬件上做五年的投资,全押在一个更专用的 ASIC 上吗?还是会保留一桶更通用的算力?
所以你看到谷歌以每小时十一美元一颗 GPU 的价格向 xAI 租 GPU,太疯狂了,价格极高,算力当然紧缺,但这依然很疯狂,何况他们有 TPU。这里面有问题值得问:他们为什么这么做?谷歌其实有三个不同的 TPU 设计项目:跟博通做的 TPU,跟联发科做的是另一种架构,还有第三个,我不方便透露,架构跟前两个很不一样。不是简单地找几家供应商做同一种架构,是不同的架构。所以人们意识到局部最小值会发生。因此我认为每家都会有自己的 ASIC 项目,每家都会部署几十亿、几百亿美元的自研 ASIC,谷歌一年会部署几千亿美元。但最终他们也会有不用 TPU 的负载。谷歌那些不属于 Gemini 和 DeepMind 的项目,有些主要用 GPU,不用 TPU;也有些主要用 TPU。比如药物发现,或者 Waymo,你可能不想用 TPU,我不说是哪一个。不同的架构押注,不同的 AI 路径。科学 AI 的算法模式可能跟通用智能模型不同。所以多样性会继续扩散。而且市场已经这么大了,各种利基会被切出来,公司可以守住自己的利基赚到钱,哪怕大头归了英伟达、TPU 和 Trainium。
黄: 我们聊聊数据中心建设。看图表,每算力小时的价格显示我们正处在一场疯狂的算力紧缺之中,而且供需两端都紧:长时程智能体的需求飙升,供给端所有数据中心建设都在延期。你认为可预见的未来都会是算力紧缺,还是某个时点会缓解?
帕特尔: 每个季度我们部署的算力都远多于上一季度,建成的数据中心也多于上一季度。今年即便算上延期也会有二十吉瓦,明年算上延期会超过三十吉瓦。延期当然什么都会有,硬件的东西都可能延期,这就是生活。我们会不会一辈子都算力紧缺?取决于模型会怎样。Mythos 5、Fable 5 的潜在市场(TAM)不是 Opus 的两倍那么简单,模型好太多了,能做的任务多太多了,市场大得多。可全世界的算力在过去六个月并没有翻倍。从 Opus 4.5 发布到现在大概七八个月,4.6、4.7、4.8 都是改进,但 Fable 和 Mythos 是一次巨大的阶跃,同期全世界的算力没有翻倍,也没有翻两番,而 AI 能做的有用任务的数量和价值却翻了。那接下来会怎样?显然 Anthropic 二季度已经盈利了,剔除股权激励后净利润为正,三季度可能连算上股权激励也盈利。他们已经赚钱到这个地步。他们一个 Opus token,至少是 Opus 4.8 的 token,按 API 定价的毛利率超过百分之八十。他们有很多交易会把公司整体毛利率往下拉一点,比如 Bedrock 和 Vertex 的分成,但单 token 毛利率极高。所以他们有能力以高于市价买下每一颗 GPU。他们也确实以高于市价从 SpaceX 买了 GPU,比谷歌付的价低,因为签得早。这是别的公司做不到的,比如靠风投的公司,或者毛利率不为正的公司。成本收益比是这样的:我算力不够了,每租一颗 GPU、每一颗 TPU、每一颗 Trainium,我都能立刻转手卖出 token,而且是正毛利。如果我毛利率百分之七十五,算力成本翻倍,也没事,还有百分之五十。如果是租的,开新的算力节点对他们来说也不怎么需要人手。所以我的净营业收入照样上涨,我会以我愿意付的任何价格去租 GPU。
黄: 我的问题几乎是反过来的:这场算力建设会不会在某个时点让人半夜惊醒?今天早些时候有条推文,Crusoe 公开说有一位客户要求暂停某个数据中心的建设。整个生态里所有人现在杠杆都拉得很高,就是要建、要建、要建。高杠杆加高增长,作为投资人,这让我非常紧张。
帕特尔: 等等,高杠杆加高增长意味着一小笔股权有巨大的上行空间。你又不是债权投资人,你是股权投资人。
黄: 冲。
帕特尔: 你得去上私募股权学校,只做杠杆收购。
黄: 我就是私募股权出身。
马奎尔: 她把学校忘了,做风投太久了。
黄: 我现在只看营收倍数。说正经的,你看到这样的迹象吗?你担心吗?
帕特尔: 我明白你的意思。这又回到模型的问题。如果模型正在扩大经济上有价值的工作总量,也就是你刚才提到的我们那份「暗 GDP」报告,如果模型能做的工作扩张得没有算力快,潮水就会转向。过去六个月,潮水非常明显地偏向这一边:模型能做的工作、它们能做的工作的市场,扩张得比算力快,所以价格上涨。当然完全可能突然之间模型进步停了。你跟 Anthropic 或 OpenAI 的任何人聊,也许他们喝了自家的迷魂汤,但他们基本都说,不不不,模型还在进步。当下的方法可能会在某处停滞,我不确定在哪里。但看起来我们对模型的持续快速改进是有清晰路径的。事实上模型改进得比六个月前、一年前更快,因为,我不想叫它递归自我改进,但模型在帮助写所有的基础设施代码,让下一代模型越来越早发布。这是一个准递归自我改进的循环,模型越来越好,越来越快。
但资本确实是个大问题,这就是谷歌融资的原因。他们持有天量的 SpaceX 股份,大概百分之五。
马奎尔: 我觉得还多一点,但差不多。
帕特尔: 一度有百分之十。拉里·佩奇在一百亿美元估值时投了十亿美元,拿了百分之十,后来被稀释。那是史上最伟大的投资之一,干得好,拉里。所以他们知道自己手里有一千亿美元,锁定期结束后九个月左右就能卖,加上他们所有的毛利润,可他们建了模型一算,说我们需要融资,于是就发行了。这太疯狂了,它告诉你他们认为自己需要花多少钱。Meta 也宣布要融资,股价跌了,人们不喜欢,但所有这些公司都会融资,要么发债要么发股。某个时点资金的闸门总要放慢。但现在,亚马逊每加一颗 GPU、TPU、Trainium,谁加都在赚更高的收入、赚毛利。
马奎尔: 我铺垫一下再变成一个问题。听你讲的时候,我脑子里在转一个几乎可以解释 Crusoe 那件事的替代假说。用石油打比方:沙特每桶油的生产成本比很多国家低得多,而且油的纯度高、杂质少,炼起来更容易。我的问题是,看今天落地的每一吉瓦,比如正在上线的二十吉瓦,你看到多大程度的同质性?你可以用你觉得合适的任何指标,但比如谷歌的吉瓦是不是比大多数 Neocloud 的吉瓦值钱两倍,因为他们有光交换机,做了很多年,知道怎么做功率平滑?这可能是那个替代假说:擅长建数据中心的人应该建到极限,因为需求太大,他们又强得多;而我们可能正在看到不那么擅长的人开始挨打的早期迹象。我不知道真相,只是好奇你怎么想。
帕特尔: 这方面已经有指标了。Trainium 租给 Anthropic 和 OpenAI 的价格是每吉瓦不到一百亿美元。GPU,至少在过去六个月的疯狂之前,通常在每吉瓦一百二十到一百三十亿美元,这是 Neocloud 的租价,甚至跟亚马逊比也是,亚马逊现在卖 GPU 也是一百三十亿左右。
马奎尔: 我的理解是,亚马逊对那个价格有一定补贴,实际差距比这还大。
帕特尔: 不到一百亿,但里面有些奇怪的结构。
马奎尔: 我的理解是 Anthropic 在让 Trainium 变得好用上出了大力,写了所有的库之类。我听到的所有说法都是 Trainium 的硬件真的非常好,而且在快速变好,Anthropic 现在大量在用,希望我们能看到那个价格涨上去。
帕特尔: 他们那笔交易其实有个下限机制:如果表现不好就更便宜,差到一定程度可以取消;如果表现很好,价格就高一些。但实际上 Trainium 落在每吉瓦不到一百亿。而 GPU,SpaceX 跟谷歌那笔交易是每吉瓦两百五十亿之类的疯狂数字,也就是每兆瓦每年两千五百万美元的租金。我当时就说,这个分化太夸张了。当然,如果亚马逊今天卖 Trainium,因为算力短缺,价格大概会高于一百亿。
但这种分化在数据中心层面已经存在了。数据中心的租价,如果做托管,不含算力,只是电力和机房,一般按每千瓦每月多少美元定价。以前是六十美元,现在成交价在一百二十到一百六十之间。但不同质量的数据中心差别很大,我见过高到两百的,那是客户信用评级不太好、而数据中心相当不错的情况。也见过还在一百的,在印度甚至低到八十,因为电网不可靠,网络连接不好,数据中心本身也一般,但好歹是个数据中心。所以这种巨大的价差已经存在了。
数据中心建设的坑通常就是直接失败。很多人失败,就四个人,说我买了燃气轮机,付了定金,我要建数据中心,然后延期、延期、延期,失败。所以你得按概率、按时间、按滞后去给那些差劲的团队和不差劲的团队加权。我们的数据中心模型就是干这个的,我们追踪每一个数据中心,根据他们用的设备等等给每一个做这件事。
你提到谷歌的一点:在一个一吉瓦的数据中心里,他们其实会放一点五吉瓦的硬件。因为他们从工作负载一路到底都了如指掌,能把电力在各处调度。通常一吉瓦的算力,功耗利用率大概在百分之六十到七十,注意是功耗,不是硬件利用率,硬件总有人租。而他们让那百分之六十到七十正好等于一吉瓦,把整整一吉瓦用满。你还会看到包括谷歌在内的人跟电力公司做这样的交易:我知道这个电网能稳定供一吉瓦,但一年里除了三天之外其实能供两吉瓦,那你给我两吉瓦,到那三天就叫我关掉。他们真的会这么做。这类招数要求对负载、备用电力、现场发电机等有极致的管理,才能把两吉瓦稳定地维持住。做到这些的人能收更多钱。要么是我明明只有一吉瓦却卖了两吉瓦,因为那三天我能用电池、燃气之类顶过去;要么是我想出了在现场发电的办法,别人都没有一吉瓦而我有,所以我能很快交付。不一定是单价更高,而是我卖出了更多吉瓦。有时候卖更多吉瓦的杠杆,就是每一吉瓦以不同价格出售。
我认为在数据中心和能源层,更多是「有还是没有」,以及「延期还是不延期」,比较二元。但在算力这一层,有意思的东西多得多。一吉瓦给 Anthropic,客观上比给 OpenAI 产生的收入更多。而两家现在手里的每一吉瓦似乎都能卖掉,OpenAI 和 Anthropic 都有速率限制、token 上限之类的问题,尤其是 Codex 5.5 出来之后,好用多了。同样,如果你给 SpaceX 一吉瓦……
马奎尔: 我的猜测是,他们对硬件的使用大概比大多数人都好。我觉得人们低估了他们从星链积累的网络经验,还有从特斯拉积累的电力管理经验。
帕特尔: 像 Brett Mayo 这样的人非常厉害。
马奎尔: 相当强。所以对我来说,这可能是很多人的分析里缺失的一块,我不确定答案。
帕特尔: 还有一点:CoreWeave 建一吉瓦,他们的 GPU 算力在性能和可靠性上客观上比亚马逊、谷歌、微软都好,我们测过。但问题是,谷歌在算力上线六个月前就把它卖掉了,然后拿着签好的合同去做债务融资,靠那份信用背书去付他们已经发出的订单。而 SpaceX 是说,不不不,这个现在就在跑,直接买。有没有资产负债表来做这件事,差别很大,这也会让你每兆瓦的收入高得多。
黄: Neocloud 这个机会为什么会存在?五年前你问我,我会说超大规模云厂商会包揽一切。你刚才还说 CoreWeave 的性能比他们好。这个机会为什么存在,宏观层面和执行层面分别是什么?
帕特尔: 2023 年我写过一篇让亚马逊非常恨我的报告,叫《亚马逊云危机》。我讲的是亚马逊曾经是最好的云,因为他们有 Nitro 网卡,提供租户隔离,整个虚拟机管理程序跑在网卡上,所有 CPU 核心都能拿来卖;他们有自制的 SSD,买裸 NAND 自己组装,成本更低;还有自研的 Graviton CPU,把每核心成本压下来。所有这些让他们能卖更多核心,有更好的安全性、更好的网络、更好的存储,但这全是为传统 CPU 云世界准备的。在 AI 云里,很多这类东西反而伤害性能。Nitro 网卡对性能不利,现在也仍然更差,虽然迭代了几轮追上不少。很多安全方面的东西无关紧要,因为我不是在把用户按时间片切开,或者把一个插槽切给很多用户。没人在一台八卡服务器上只租一颗 GPU,没人在一个七十二卡的机柜上只租一颗,人们租整个机柜,而且租很多个机柜。也没有「我租六小时然后还回去」这回事,全是长期合同。
所以 GPU 租赁市场的机制让超大规模厂商的很多专长失去了意义,其中一些甚至有害。谷歌和亚马逊的网络性能,他们的定制网络对传统 CPU 和他们原本做的事更好,但对 AI 并不合适。另一些情况下,比如微软靠自建数据中心省钱,但他们的数据中心团队其实不怎么样,需求可预测时还行,等到要把全年预测翻倍时,他们就摔了个大跟头,只好去买一堆 Neocloud 的容量。所以一是性能,二是上市时间。在那些庞大的组织里,没人会因为把数据中心建得更快而发财。但看 Crusoe,Chase 和团队里的其他人,我本来想点名,还是算了,这些人如果更快交付算力就会发财,他们是高杠杆的股权持有人。
马奎尔: 而且他们也都是比特币出身,虽然你不该这么说。
帕特尔: 他们主管数据中心的人是从微软来的。
马奎尔: 我只是逗你。不过在一个波动极大的市场里待过,你确实会学到很多。
黄: 你觉得黄仁勋在下什么棋?
帕特尔: 黄仁勋绝对憎恨一个所有权力都握在超大规模厂商手里的世界。他往那些随便什么 AI 实验室里砸钱是有原因的,我甚至不确定其中一些砸得有没有道理,但他在砸钱,把它们抬起来,跑遍全世界跟人说你该投这家公司,因为他想创造一个多极世界。这就是他为什么喜欢中国实验室,他要一个多极世界。一个只有 OpenAI、Anthropic 和谷歌模型的世界,他就完了。
马奎尔: 对。
帕特尔: 一个只有超大规模厂商在建算力的世界,他也完了。所以他当然要把分配的枪口对准 Neocloud,给他们的集群兜底,能做的都做。因为今天卖给 Crusoe、卖给 CoreWeave、卖给谷歌和亚马逊的 GPU 对他来说都是同一个价,但五年后,Crusoe 和 CoreWeave 还活着,就意味着谷歌 TPU 更弱,亚马逊 Trainium 更弱;更多推理在封闭实验室之外发生,对他公司更有利。所以 Neocloud 生态,还有那些新实验室(Neolab),很多都有英伟达的投资,这是狂野西部,有人会失败,很多人会失败,但有些会冒出来成为真正优秀的团队。比如很奇妙的 Crusoe,一群加密货币的人转去建数据中心、做伴生气发电;比如 CoreWeave,最初是一群纽约对冲基金的人,也做过加密货币,后来建起来了。当时跟他们同期起步的很多人就没冒出来,失败了。
马奎尔: 我得说这两个团队都非常出色,值得很多赞誉。这也正是你的意思。
帕特尔: 对,我的意思是,往水里撒一堆饵,最好的鱼会自己找到路活下来。Neocloud 是这样,他也希望 Neolab 也这样。能不能有 Neolab 真正冒出来,走着瞧。但 Thinking Machines 已经有几亿美元的年化经常性收入了,这相当了不起,尽管媒体上说他们流失了很多人才,可 Tinker 一个上线不到六个月的产品做到几亿美元 ARR,很了不起。我们希望别的 Neolab 也这样。他要的就是一个多极世界。
马奎尔: 真心恭喜你的成功。最后说一句,我亲眼见过一点:听众大概能从你说话里听出你有多拼,你显然十多年来一直在玩命工作,才有了这几年的天时地利。你做成的事难以置信,而且我知道这只是开始。
帕特尔: 非常感谢。
黄: 谢谢你接受访谈。
SemiAnalysis 创始人 Dylan Patel 认为 AI 效率的真正跃迁不来自硬件、系统或模型任何单一层的改进,而来自跨层的软硬件协同设计(co-design)——三个 2x 叠加不是 8x 而是 100x——并由此推演出芯片路线之争、算力紧缺、Neocloud 崛起与英伟达战略的底层逻辑。
直接答案是一台坏掉的 Xbox 360。第一章里他回忆八岁生日后得到的主机出现「红环死亡」故障,为了在表弟面前保持面子,他自己拆机、短接温度传感器修好了它,由此打开硬件的「潘多拉盒子」。到 12 岁他已在 Reddit 硬件、安卓、苹果等板块当版主,每天追踪英特尔、英伟达、AMD 的动向,且因家里开汽车旅馆和加油站而始终带着经济视角看技术。
因为推理性能不是静态的。Dylan 在第四章指出,模型几乎每周都有新发布,vLLM、SGLang 等推理框架的更新频率是一周两次,新的推理优化持续涌现,因此任何「某一时刻」的测试结果发布时就已过时。他给的数据是同等质量下模型成本一年下降约 60 倍。要跟上这种节奏,基准必须「活着」:约 15 种芯片、超过 5000 万美元捐赠硬件,每天在最新开源模型上遍历配置,并公开全部结果与配置。
Dylan 预测到 2030 年,仅 OpenAI 与 Anthropic 合计推理算力就超过 100 吉瓦,加上 Meta、谷歌等会更多;到 2040 年达到太瓦级。关于太空,他的立场分两段:未来 3~5 年太空数据中心「不会真的重要」,2030 年占比不到 1%;但 20 年后大部分新增算力会上天,2040 年新增算力中可能超过一半在太空。决定因素是地面电力的建设成本与可获得的总量。
他在第七章反驳 Sean「中国在协同设计上领先」的判断时,举出 GPT-4o:其规模与 DeepSeek V3 相当且略小,发布还更早,只是 OpenAI 没有公开稀疏度和形状等细节。他的推论是:西方实验室早就在做同样的事,差别只在于是否披露。DeepSeek 的特殊之处是公开,而非首创。
关键在于跨层协同设计存在超线性收益。第七章里他先承认硬件(Hopper 到 Blackwell 约 30 倍)和模型层(GPT-4 到小型 Qwen)各有巨大进步,但真正的突破是把专家形状、注意力机制的算术强度、集合通信模式与芯片的矩阵乘法单元、网络拓扑一起调优,此时各层的收益不再是独立相乘,而是互相放大。他也承认这些收益事后无法拆解归因,这正是「协同」的证据。
因为 DeepSeek 的架构是为英伟达硬件量身定制的。第七章说明 DeepSeek V3 所有专家的形状针对 Hopper 优化,V4 针对 Blackwell 和华为芯片;TPU 的矩阵乘法单元大小、无交换机的 ICI 互联拓扑与之不匹配。反过来,TPU 跑那些在英伟达上表现不佳的模型却非常好。由此引出他的结论:无法在脱离模型的情况下孤立比较芯片优劣。
他认为传统意义上的软件护城河已被部分瓦解,因为 Claude、Codex 等模型能直接写自定义 kernel,且模型公司只有几十家。但第九章里他指出锁定效应换了形式:DeepSeek、Kimi、Qwen、小米等开源模型都针对 GPU 协同设计,下游的推理 API 服务商和 RL 定制公司只能跟着用英伟达。所以「护城河」是开源模型生态的硬件偏好,不是 CUDA 本身,谷歌用 Gemma 开源模型来对冲正是这个逻辑。
担忧是专用芯片可能在当下最优,但在架构演进的终局上是错的。第十一章里 Dylan 说实验室连一年后的模型架构都不确定,若注意力机制被替换,最优硬件就会改变。TPU、Trainium、Groq、Cerebras 都可能「风光一阵然后被证明错误」。英伟达因客户多、反馈广而始终最通用,是这个不确定期的对冲工具。谷歌同时运行三个不同架构的 TPU 项目,被他视为对该风险的自觉分散。
推理链如下:第十二章给出 Anthropic 2026 年 Q2 已实现不计股权激励的盈利,Opus 4.8 的 API 单 token 毛利率超过 80%。若整体毛利率为 75%,算力成本翻倍后仍有 50% 毛利;每块新增 GPU 都能立即变成可售 token,且租来的算力扩容不需要额外人力。因此净营业收入随算力线性上升,只要有利润的实验室受速率限制约束,任何价格的算力都值得买。这也解释了它为何以高价从 SpaceX 采购。
他会先把问题转化为一个可观察的条件:只要模型能完成的有用工作扩张速度快于算力增长,价格就会上涨;反之潮水转向。第十二章里他说过去六个月天平明显倒向前者,Fable/Mythos 使可寻址市场远超 Opus 的两倍而算力未翻倍。他也承认模型进展可能停滞,但指出模型正在加速下一代模型的开发,形成伪递归改进。至于杠杆,他认为对股权投资人而言高杠杆高增长意味着巨大上行,风险主要落在债权方。
部分成立,但机制不同。视频第十三章说明数据中心已按质量分层:托管价格从每千瓦每月 60 美元涨到 120~160,信用差的客户配好机房可达 200,印度电网不稳处低至 80;谷歌能在一吉瓦机房装 1.5 吉瓦硬件并与电网签超额合约。这与 Sean 用沙特低成本高纯度石油做的类比相通:同一单位产能因质量与运营能力而价值不同。不同之处是算力层还叠加了模型毛利率差异,Dylan 明确说给 Anthropic 一吉瓦比给 OpenAI 一吉瓦收入更高,而石油下游没有这种由客户决定的价值分化。