What Happens When the AI Boom Runs Out of Money

本·汤普森（Ben Thompson）是科技分析平台 Stratechery 的创办人，「聚合理论」（Aggregation Theory）的提出者，长年旅居台湾，以对科技产业商业模式与地缘政治的解读著称。本次对谈录制于人工智能资本开支冲上万亿美元、谷歌罕见增发股票、英伟达组建五千亿美元融资平台之际。主持人与汤普森从「美国赢下 AI 竞赛意味着什么」谈起，一路穿过铁路泡沫、大宗商品定价、台积电与内存周期，最后落到五家前沿实验室与各大巨头的胜算。本文依据现场录音编译整理。

美国赢下 AI 竞赛的危险结局

主持人： 本，你能相信吗，我们上一次做这个节目已经是很久以前了。那时世界完全不同，还没有 AI，我们谈的主要是聚合理论，今天想必也会绕回去。既然世界变了这么多，我想从一个有趣的问题开始：在你看来，美国赢下 AI 竞赛意味着什么？

汤普森： 我认为美国赢了会非常成问题。我们不妨取最夸张的那种设想：谁掌握了 AI，谁的军队就强于世界上任何对手，AI 还能顺手修好我们的制造业，诸如此类。这些事我其实不认为 AI 必然做得到，因为它们都要和现实世界打交道。但假设我们真的到了那个世界，中国在博弈论意义上的最优回应是什么？炸掉台积电（TSMC）。博弈论有时候会变得很绕、很复杂，但这一题在我看来并不复杂。所以，我和硅谷、尤其是某一家实验室传出来的那套说辞之间，存在一个根本性的错位。如果我们真的取得了有实质意义的优势，特别是军事和国家安全层面的优势，我认为这对整个世界都非常危险。

主持人： 但在那种状态下，后果会不会超出「台积电被炸掉」这一层？因为到了那个阶段，我猜我们已经在美国本土多少学会了建晶圆厂，对那个单一卡点的依赖也没那么重了。

对华依赖被严重低估

汤普森： 这里面有一点一厢情愿的想法，我刚才自己也犯了，就是关于制造业的那部分。不管是晶圆厂，还是执行器，还是各种上游前置环节，我认为我们对中国的依赖程度被大大低估了，而且这个问题在没有爆发冲突的情况下不会被解决。原因很简单：去修补这些环节，从商业上讲是愚蠢的。如果你的竞争对手从中国采购，而你打算改从美国采购，你在相对意义上会处于极大的劣势，所以你根本不会这么做。只有在实在别无选择的时候你才会做。这个逻辑对那些最显眼的大项目是成立的，比如你可以逼着苹果把一部分 iPhone 的生产挪到印度。但就连这个例子也说明问题：苹果并没有真正搬出中国，它只是在一定程度上分散风险。问题在于代价太高了，这就像买一份保险，如果你可以不买，而保费又贵得离谱，你就是不会买。所以这类假设我连认真看待都觉得困难。因为在我能想象的唯一一种「美国彻底抽身、对中国毫无依赖、以至于他们想炸台湾就随便炸，对我们毫无影响」的世界，本身就相当离奇。这类讨论里缺少一点直面现实的态度。

主持人： 那你换到他们的立场上看，你觉得推动这套说辞的动机是什么？

汤普森： 谁都需要一个好用的假想敌。从 AI 交易的角度看，没有什么比「我们必须打败中国」更管用。我也确实认为我们需要打败中国，需要保持竞争力。让我痛心的是，过去几年，尤其在政治层面，我们太多的反应都是在试图变得像中国。我认为我们应该朝相反的方向走：更开放，更多创新，更少自上而下的控制，更少对言论的限制。美国的成功之道在于站在最前沿，并且顺势而为。

六到九个月的均衡

主持人： 你说美国在 AI 上单方面独大大概不是对世界最好的终局。那你理想中的全球均衡是什么样？

汤普森： 眼下的 AI 局面有点像台湾问题：现状本身看起来并不糟，问题是它能维持多久。但也许它能维持的时间比我们以为的长。我现在的看法是，OpenAI 和 Anthropic 显然站在前沿，谷歌的情况谁也说不准，然后 Grok 和 Meta 在后面追。与此同时，中国人非常能干、非常聪明，而且肯定在蒸馏这些模型，稳稳地保持在落后六到九个月的位置。在我看来这是一个相当不错的均衡，总体上对美国有利。接下来的问题是，这个局面能维持多久？外面有很多疑问，比如中国人真能反超吗？出于种种原因，我对此仍然有点怀疑，我认为冲到最前沿的那最后六到九个月非常难。Meta 和 Grok 到底能不能真正追上来，会是一个很有启发性的观察对象。尤其是我们正在进入一个 AI 自我改进的世界，用 AI 来把 AI 做得更好，我认为这绝对是真实发生的事。你最近能看到 OpenAI 和 Anthropic 都出现了明显的加速，这是早先被理论化的东西，现在似乎正在成真。如果这是真的，追赶还追得上吗？

汤普森： 顺带说一句，这里还有另一个问题：这种自我改进在多大程度上也适用于服务成本、边际成本？如果你能把 AI 用于优化自己的技术栈、找出各种问题、分析全部数据，那你的服务成本是否在结构上就比所有人都低？这也正是我对开源模型的看法。大家说开源模型「免费」，这让我觉得很怪，因为关键在于边际成本。你仍然得跑推理，比如 GLM 或者 Kimi。Kimi 的服务成本非常高，每个回答的成本明显更高。可所有人都把它们叫「免费」，好像在人们脑子里的叙事就是免费等于免费：现在我可以免费用 AI 了。不，你不能免费用 AI。你或许不用为创造这个 AI 的研发买单，但你绝对要为运行它的推理买单。所以我挺喜欢现在这个位置。反驳意见会说，那只是现在，它不会一直这样。我觉得这个反驳是公道的。

主持人： 那有没有什么东西，是你想知道了之后，就能对这件事的未来走向、对均衡最终落在哪里更有把握的？是 S 曲线的长度吗？是我们已经爬到 S 曲线的什么位置吗？这些东西大概总会在某个点上趋平，也可能不会。你想知道的是什么？

前沿封闭与投资回报的错配

汤普森： 我担心的是，围绕 Mythos 的恐慌，以及那次 Hugging Face 事件，人们炸了锅，而它的实际后果不是我们降低了那些风险，而是大家干脆不再发布东西了。于是我们这些局外人开始失去对「前沿到底在哪里、到底是什么」的感知，并由此产生一种虚假的安全感。因为现在所有人对 Mythos 的理解都是基于 Fable，可 Fable 相对于 Mythos 到底有多好？我认为这种落差只会随着时间越拉越大。所以这是一个我确实没有把握的真问题。另一个是 AI 的递归性，AI 让自己变得更好，这会不会导致某种起飞（takeoff）？归根到底，这里面有各种各样的时间问题。

汤普森： 我担心的是投资回报上的时间错配：能不能产生足够的收入来支撑投资。我们正在沿着资本曲线一路往下走。一开始靠的是自由现金流，然后科技公司烧穿债券市场的速度简直不可思议，差不多只用了一年，现在谷歌开始增发股票了。英伟达在组建那个东西……

主持人： 那个五千亿美元的东西。

汤普森： 对，那个五千亿美元的平台，要去接养老基金、保险浮存金之类的钱。那之后呢？之后的钱从哪里来？理想情况是我们重新回到用自由现金流来供养这一切。但如果中间出现断档，如果我们没能及时走到那一步，就可能来一场大爆炸。可即便有这场爆炸，AI 也不会消失，不会停止进步，它会继续往前走。就像我们回头看互联网时代，回头看铁路时代，回头看历史上任何一次泡沫，从人类的宏观尺度看它们最终无关紧要，哪怕它们曾对无数人造成毁灭性打击。

铁路泡沫与伯克希尔的绝对利润逻辑

主持人： 你觉得铁路教给了我们什么？

汤普森： 铁路是上一次更大规模的建设，对吧？按占 GDP 的比例算。

主持人： 我觉得我们现在可能已经超过它了，或者说它曾经是最大的。

汤普森： 在同一个量级上，是的。铁路存在真正的久期错配。修一条铁路并从中赚钱，是一件要花十年甚至几十年的事，而你得在短期内发行债券去付钱，结果是全世界的钱用光了。我想这大概就是人们总拿铁路做比的原因。所有人都在问，我们的算力够不够，我们的电够不够，但也许最近在眼前的问题是，我们的钱够不够。这想起来挺荒诞的，可十九世纪七十年代就是这么回事，世界就是没钱了。有趣的是，铁路照样在运营，它们开拓了西部，对 GDP 的贡献是天文数字，直到今天还在贡献。现在流进谷歌的钱，从伯克希尔·哈撒韦（Berkshire Hathaway）来的那笔，就是铁路的钱。

主持人： 太有意思了。

汤普森： 这是字面意义上的。伯克希尔·哈撒韦这个例子对我来说很关键。英伟达这笔交易，和谷歌增发股票是配套的，而谷歌增发在我看来是一件令人震惊的事。

主持人： 为什么震惊？

汤普森： 因为它是谷歌啊。它需要筹钱？为什么要发股票？如果它们对这件事如此笃信，为什么要把自己的上行空间让出去？伯克希尔这个对比之所以有意思，是因为粗略地说，伯克希尔有喜诗糖果（See's Candies），一门出了名的高利润率生意。很多高利润率生意的问题在于，你能赚到的利润百分比很高，但你能赚到的绝对利润受限于再投资的跑道。

主持人： 没错。

汤普森： 你只是在不断堆积现金。所以收购伯灵顿北方圣太菲铁路（BNSF）的精妙之处在于，他们拿喜诗糖果的利润，投进另一个利润率差得多、但绝对金额大得多的行业，以至于那差得多的利润率带来的绝对利润反而大得多。BNSF 在 2025 年左右一年抛出的自由现金，比喜诗糖果一辈子抛出的还多。尽管一个是低利润率生意，另一个是极高利润率生意。伯克希尔身上有这样一层意思：一旦你的资本大到某个程度，你就开始活在一个以绝对数字而非百分比计算的世界里。

谷歌发股票：搜索是喜诗糖果

汤普森： 我之所以觉得这个故事特别有意思，是因为它似乎正好捕捉到了谷歌自己可能正走向的地方。所以伯克希尔投资谷歌极具象征意义。谷歌有搜索这门利润率高到难以置信的生意，有史以来最完美、最漂亮的商业模式之一，也是所有聚合者中最纯粹的一个。它在每个方向上都能规模化，不用投什么钱就能做到，一切都是零边际成本，太棒了。与此同时，摆在面前的 AI 机会需要的投入是天文数字，它就是一台现金焚化炉。但你可以想象，如果 AI 就是智能，它的市场总规模（TAM）差不多就是全部白领工作，再加上机器人之后可能是一切。那么即便利润率更低，这里可用的绝对利润也大得多，以至于我们回头看的时候，谷歌搜索会不会就是喜诗糖果？我感觉正在发生的就是这件事。在那个世界里，你花光全部自由现金流，他们做了；你去债券市场借几千亿美元，他们做了；你增发股票。增发股票是什么？它稀释你的股东权益，让他们在饼里占的比例变小。可如果你占的是一张大得离谱的饼里的一小块，到头来没人会抱怨。我就是觉得这极有象征意味：伯克希尔成了这次增发的象征。它们不只是谷歌的投资者，也是谷歌的样板，指向谷歌要去的地方。

可验证领域之外，AI 能力存疑

主持人： 抛开商业和竞争的部分，单就技术本身而言，相对于其他思考这个领域的人，你会说自己有多「AI 上头」？

汤普森： 我的看法在某些方面极度乐观，在另一些方面又没那么乐观。我并没有被「泛化」的论证完全说服。AI 在编程上显然厉害得不得了，人们一年前居然还在亲手一行行写代码，这简直让我难以置信。它在数学上显然也很好。但显而易见的反驳是，这些都是可验证的领域。有什么令人信服的证据，能证明在可验证领域表现出色，就能干净利落地转化为在不可验证领域、或者验证回路非常漫长的领域同样出色？我认为这一点仍然有待观察。有意思的是，我曾在一个场合提出这个问题，台上有几位实验室的人，他们的回答让我有点恼火，因为那回答把我当成了 AI 空头。他们说，当年人们也认为我们解决不了国际象棋、解决不了围棋，结果我们轻松就解决了。可我当年就认为我们能解决国际象棋和围棋，因为它们是可知的领域，规模是这两者的答案，而且它们都是有边界的。那个不是国际象棋、不是围棋、真正处在全新空间、处在某种不可知领域、做出了原本不可能之事的标志性例子，是什么？这就是我「没有被完全说服」的那一面。

汤普森： 不过，AI 粗略地说是用整个互联网的数据训练出来的。这本身就是蒸馏，人们说它蒸馏了全部人类思想。不，它没有。它蒸馏的是人类思想的终态，是最后敲在 Reddit 上的那些字。它没有过程的痕迹，没有敲下那条评论、写出那篇文章背后真正的思考和情绪。那么，假如 Neuralink 之类的东西真正的回报，其实是捕捉人类思维的痕迹，从而大幅扩展这些模型的能力呢？我对可验证性的担忧，说不定就是靠拿到更多数据来解决的。

汤普森： 我的感觉是，大量的工作、大量的经济活动，并不落在那些我不确定 AI 擅长的领域里。实际上，世界上有很多人某种程度上就像有意识的 AI：他们在可验证领域里干得很好，别人给他们任务，他们完成。这多少是对人性的一种悲观看法。但这个市场太大了，大到就算模型从现在起一点都不再进步，经济机会依然是巨大的。我之前写过一篇文章，谈到那场所谓的加速主义运动，我把自己称为「不情愿的加速主义者」。我认为我们必须往前推，因为我们回不去了，最糟糕的事就是卡在现在这个位置上。所以论 AI 对经济的影响、论它在变现上的上行空间，我是非常上头的。我不确定的是时间。

医疗机会、红头文件与新岗位

主持人： 通往那里的路径会是什么样？比如法律或者医学。我不知道你会不会把它们算作可验证领域，法律像是某种代码，医学我们也有一套确定的知识状态。

汤普森： 我认为医学绝对是最大的机会之一。它既是最大的机会之一，也是最难啃的之一，因为有那么多监管、那么多准入门槛。如果你能把 AI、把机器学习放到全部医疗记录上跑一遍，我们在极短时间内能得出的发现和改进的疗法，数量会是难以置信的。这是非常乐观的一面。反过来看，那什么时候会发生呢？我给人类套上的乐观框架是：我们创造需求的能力基本上是无限的，所以在时间充分展开之后，我们会很擅长创造新的机会和新的岗位。悲观一点的说法是，我们制造红头文件和淤泥的能力同样基本上是无限的。你想想我们的经济里，有多少岗位其实是我们不断制造出来的、某种程度上只是为了让人忙起来、让事情慢下来的岗位。

聚合理论在 AI 时代还成立吗

主持人： 回到 2010 年代初，聚合理论大概在你脑子里酝酿，2015 年你把它发表出来。我想可以公平地说，那套理论定义了那个技术时代的赢家和输家。你能不能先快速提醒一下大家它讲的是什么，然后我很好奇，从财务和市值的角度看，你认为什么理论或者原则会定义这个时代的赢家？

汤普森： 这是个好问题。就连聚合理论本身在当下还适用多少，我自己也在反复摇摆。人们的一个反驳是，聚合理论的关键成分之一是零边际成本，而零边际成本体现在很多方面。我最初关注的是分发。有人说，我没有分发渠道，我得付钱给谷歌才能触达用户。不对，你有网站，你的问题不是分发，你的问题是没有需求。你买广告，付的是需求的钱，因为聚合者控制着需求。而他们之所以控制需求，是因为在一个丰裕的世界里，难题不是分发，而是发现：你怎么找到自己感兴趣的东西？于是在各自领域里解决了发现问题的公司，就会主导那个市场，进入一个良性的反馈循环。这差不多就是聚合理论的精髓。另一件事是交易成本，这里没有交易成本。谷歌可以规模化到全世界，而且不只是在用户侧，在变现侧也一样。谷歌或 Meta 上的广告主，绝大多数从来没有跟谷歌或 Meta 的任何一个人说过话，他们上去直接买广告，全由计算机完成。而从商业角度看，那些计算机的成本是零美元。AI 显然大大改变了这一点，推理成本是实打实的。但话说回来，它到底有多实？

主持人： 现在是实打实的。

汤普森： 有多实？我不确定。

主持人： 看公司吧，但比先前那些例子实得多。看毛利率就知道。

推理成本分化与微软按量计费困局

汤普森： 那当然。但这里有一个巨大的分化。我认为今天用 AI 的人绝大多数是把它当谷歌的替代品，或者当食谱生成器之类的东西。我怀疑服务这些人的成本极低，低到基本上和给他们送一张网页差不多。我猜会略高一点，但高不了太多。然后在另一个极端，是真正在利用测试时扩展（test-time scaling）的人。过去我们靠把模型做得越来越大来扩展，现在还可以在时间维度上扩展：你想多久来给出这个答案？你可以想几天、几周、几个月。而那直接就是边际成本，每多想一秒钟都在多花钱。这说明我们把 AI 和推理当成一个问题来谈是有问题的。刚才我算是在跟你抬杠，但对不同用户而言，边际成本这个问题完全不同：用免费版 ChatGPT 的人，和试图证明一条数学定理的人，压根不在同一个宇宙里。

汤普森： 我认为你在企业市场能看到这种挑战以一种很有意思的方式显现。微软最近在调整它的企业套餐，推出了所谓 E7 套餐，每用户每月一百美元，含一定用量，用量之外再按量收费。我认为这对微软来说是一个颇为危险的处境。看好微软的逻辑是：它把一家企业需要的一切都做了，单拎出来每一件未必最好，但你付一个价钱就全拿到，而且它们大体上能协同工作。如果你是中小企业，甚至是大企业，这里面有真实的价值，它让日子好过。可一旦你开始得琢磨自己付了多少钱，问题就不只是多了一个决策。第一，这个决策和人头脱钩了。微软过去的好处是，你招一个新员工时会考虑这个员工的成本，而这个成本里已经打包进了每月一百美元或五十美元的许可费，对微软来说这是一条不用动脑子的收入流。现在按用量算，你每个月都得想：我这个月想花多少？这带来两个问题。其一，大多数公司不是这么运转的，它们一年做一次预算，「按月琢磨预算分配」这个想法根本转不动。它们习惯考虑的是资本开支决策或一次性成本。我刚才讲的员工总成本，它不是资本开支，但有点像资本开支：你事先做决定，之后就不再想它，因为决定已经做了。可如果按用量算，你得反复做这个决定。其二，也是最后一点，如果你每个月都盯着微软的账单看我用了多少，你就会开始想：我到底在为什么付钱？这些产品每一个到底有多好？我是不是该拆开来，分头去买？

汤普森： 我认为微软是不得不这么做的，因为那种消耗海量 token、真正把 AI 用起来的极端用户，给微软带来的成本远超每月一百美元，微软撑不住。但它又想为绝大多数能装进这个套餐的员工保住固定收费。所以它得请客户为那些极端员工稍微动一下脑子，又不希望他们想得太多，因为想多了，这个模式就会以出人意料的方式垮掉。

主持人： 那个成本极低的「食谱生成器用户」，到现在还没有出现一个很棒的商业模式，你意外吗？谷歌和 Facebook 在上一个时代把这门生意做到了极致，而这一次它们似乎完全没想明白。

消费者不付费：Dropbox 与广告宿命

汤普森： 我沮丧，但不意外。这显然是一个应该由广告来支撑的市场。广告永远是消费者领域的商业模式，因为消费者不想付钱。关于消费者有两件事，硅谷每隔十年就得重新学一遍。第一，消费者不想为软件付钱。第二，消费者不在乎自己有没有生产力。早期 SaaS 时代我们就经历过这一课，在我心目中最典型的公司是 Dropbox。

汤普森： Dropbox 是一个难以置信的产品，尤其是刚推出的时候。我在商学院时是最早一批用它的人，它像疯了一样传开。我到现在免费账户里还有大把存储空间，因为我把邀请码发给了太多人。德鲁·休斯顿（Drew Houston）做出了这么一个极其好用、完全无缝的产品，而且他很明确，他想做一家消费者公司。有那个著名的故事，他见了史蒂夫·乔布斯，苹果当时有意收购 Dropbox，他们说我们想自己做一家公司，乔布斯说你们是一个功能，不是一家公司。而那种最朴素的文件同步，苹果后来确实做成了一个功能，就是 iCloud Drive。Dropbox 增长得非常快，然后陷入了大约两年的停滞。在那两年里，他们不得不把整个应用从底层彻底重做，因为愿意付钱的消费者不够多。企业看得到价值，企业愿意付钱，可你想做企业市场，就得有权限、有管控、得让另一个人能设定所有这些东西，而他们的应用当初压根不是为此设计的。所以他们不得不重做整个产品，并且认清一件事：我们赚钱的唯一办法是卖给公司。公司为什么付钱？因为公司在给员工发工资。只要能让员工更有生产力，公司就能在投入上拿到更高的回报。这和消费者完全相反。消费者的想法是：我一整天都在工作，为什么回到家还要更有生产力？我想瘫在沙发上刷短视频。

汤普森： 你在 AI 上看到的正是这个，外加一种对广告的普遍怀疑。我在 Stratechery 上靠当一个「广告欣赏者」赢得了很多关注。我回头翻自己早年写广告的文章，方向大致是对的，但写得其实并不好。可我靠这个获得了那么多关注，原因是我是唯一一个在写广告的人。在一个人人想写博客、上推特的世界里，没人想谈广告。即便到今天，硅谷仍然有一种难为情：这个山谷在很多方面是靠广告变现的。尤其在过去八年左右，Facebook 被视为不体面，最好的工程师都不想去做这个问题。于是你看到 OpenAI 把 Dropbox 的故事以一百倍的规模重演了一遍：不，我们要向消费者卖订阅。他们卖了，卖了很多，但卖得不够。你要做消费者市场，就得做广告。

OpenAI 迟到的广告转向

汤普森： 现在他们做广告了。有点奇怪的是，他们终于转向广告的同时，又在说，糟了，我们得去攻企业市场，因为 Anthropic 把我们打得很惨。我不太确定他们在那边到底想干什么。他们推出广告功能的速度倒是非常快，比如各种和零售商的对接，购买是否成交、全链路追踪之类的事情。我很想看这一块会怎么发展。假如 ChatGPT 一走红他们就全力投入广告，我认为他们现在手里已经有一个杀手级的广告产品了，谷歌的麻烦会大得多，Meta 的麻烦也会大得多。因为一旦你有了这个飞轮，消费者广告的妙处在于，你从消费者身上变现的能力会不断上升，而涨价由广告主承担，所以完全没有价格弹性的问题。反过来，如果你向消费者收费，想涨价，就像 Netflix，这正是他们订阅模式的难题：价格能涨到哪里，消费者才会造反、降级或者干脆退订？向人收钱是难的。

主持人： 免费给人东西是容易的。

汤普森： 所以 OpenAI 没有更早走这条路，非常令人沮丧。

主持人： 我知道你最近和一些大型资金方、资本来源方有不少接触。你对他们眼下的胃口，以及他们对未来的想法，有什么感觉？因为今年的资本开支大概是八千亿美元，明年目前的估计是一万三千亿，之后还会继续往上走。而所有装上的算力我们几乎立刻就烧光了。这个局面很奇怪，产能一上线就能马上用掉。

算力短缺的真相与大宗商品定价

汤普森： 这正是问题所在。眼下同时存在好几个时间错配。推特上所有的多头都在说，我们算力不够，我们算力不够。是的，算力不够，是因为 2023 年和 2024 年的投资不足，这一点没错。顺便说一句，如果你认为算力不够，台积电在 2023、2024 和 2025 年是在放缓增速的。所以我们的算力短缺在接下来几年只会更严重，因为晶圆厂的前置周期比数据中心还长。今天我们说算力不够，公司今天砸进去的钱并不会立刻变成算力，它们全都要到 2028 年、2029 年才变成算力。所以你在财报电话会上看到安迪·贾西（Andy Jassy）和纳德拉（Satya Nadella）都在说，我们只是在建数据中心的壳子，现在可能用不上，将来也许用得上，我们只在确定有需求的时候才买 GPU。这个故事讲得很漂亮，我不确定自己信多少，我认为里面有不少是胡扯。现实是，你把壳子建好了，钱就已经砸在那里了，你不会让它就那么闲着。

汤普森： 一旦你投下了固定成本，这就是大宗商品市场的全部逻辑。我认为科技行业总体上不理解大宗商品市场。科技行业大体上关注的是：我做出一个高度差异化的产品，差异化可以来自软件，可以来自开发者网络，可以来自点对点的社交网络。只要我高度差异化，我就有能力定高价，这就是我的利润率。经典的例子是苹果，它有生态系统，有软件，有第三方，所以能定高价，iPhone 有百分之五十的利润率。所有人都把苹果看作理想的商业模式，觉得生意就该这么做。但在大宗商品市场里，价格是由边际供应者决定的。

主持人： 唯一重要的是服务成本。

汤普森： 没错。我在台湾有个好朋友做航运，那是个迷人的行业，有点像航空业，也是我爱研究的行业。你买一艘船，这艘船的成本是折旧，而你的边际成本其实很低：开船的燃油、船员的工资、港口费，不多。这意味着你会开这艘船……

主持人： 尽可能装满。

汤普森： 不，是无论如何都要开。你会把一个集装箱的价格压到只要能覆盖边际成本的最低水平。这时你的账面亏损可能很大，因为会计上的亏损包含折旧，可折旧是会计上的虚构，钱你早就付了。所以你会按市场能承受的任何价格开这艘船。集装箱的美妙之处在于它是纯粹的大宗商品，市场价格就会落在边际成本上。价格低到某个程度，有些人会退出，因为他们的边际成本真的扛不住了，一趟运输不只是账面亏钱，而是真金白银在亏。他们退出，供给减少，价格回升，你就得到了这种进进出出的相互作用。可再假设市场价格很高，比如新冠期间，哇，我们现在赚翻了，因为供给不够，船不够。集装箱价格从通常的三四千美元涨到一万七八千。这些航运公司在极短时间里赚到的钱是疯狂的。然后会发生什么？造更多的船。

主持人： 想想看，要是我们有更多船就好了。

汤普森： 问题是，造一艘船要两年。如果所有人同时做这个决定，突然之间你就有了一大堆船，价格暴跌，如此等等。

航运、内存周期与产能过剩风险

汤普森： 我们在零部件上看到的就是这个，尤其是内存。内存以繁荣与萧条周期出名，有人总是在市场后期入场。那么数据中心会不会变成内存厂商？眼下所有人都看得到算力不够，所以所有人都说我们绝对得投，因为有那么多钱可赚，看看我们的回本周期多短。问题在于，你是在一个稀缺的时期计算回本周期的。这个回本周期在丰裕的时期还成立吗？多头会说，永远不会有丰裕的时期，AI 会一直缺算力，也许他们是对的。我担心的是，就算他们是对的，我们仍然可能出现一段真空期：现在流进去的钱太多了，而真正上线、能产生足够收入的产能太少，扛不住资本耗尽的局面。我再说一遍，我相信 AI，我认为它是真的，我认为它的经济影响会是天文数字，我认为所有关于社会冲击的担忧都是真实的，而且会以重大的方式兑现。你可以相信这一切，同时仍然担心：我们能不能搭起那座桥，让它真正产生足以持续供养后续投入的回报？

主持人： 你能不能把镜头拉近到台积电和那些涉及晶圆厂的零部件厂商？至少就我的理解，它们在扩产、建新厂、以同步的增速去满足市场需求这件事上一直相当保守，它们没有那么做。这会不会成为整件事的限速器，反而让我们躲过一次巨型过度建设？

汤普森： 我们可以分开谈几个。先从内存说起。内存过去有很多很多厂商，每一次繁荣，就会有内存厂商重新入场，或者有新的国家入场，台湾过去也有内存产业。你会看到完全相同的动态：内存短缺时有太多钱可赚，因为产能没法立刻上来，和航运一样，和我们现在看到的一样。这会刺激人们入场，产能过剩，价格暴跌，人们被扫地出门，因为这些东西的前期成本太高了，就像买船，建晶圆厂更是如此。如今内存的最前沿要用极紫外光刻（EUV）机，一条产线的成本已经到了几十亿美元。每一轮繁荣与萧条，都有人进来，更多人被冲走。内存周期里有一些著名的历史时刻，公司就那么整个被清出局。最有意思的内存故事之一，是三星如何接管内存市场：他们把它看作一个机会，研究了历史，意识到接管市场的办法其实是在下行期投资，这样下一个周期到来时你已经准备好了。这需要巨大的胆量、巨大的纪律和巨大的资金，但他们做到了，基本上把日本人扫出了市场，韩国人从此大举接管。但市场最后只剩三家。三家不是垄断，但差不多是寡头。他们都变得纪律严明得多：不要再犯过去的错误。我们不是在串谋，但我们都心照不宣，别再那样干了。我认为正是这种动态迎面撞上了当下这个时刻。他们花了一段时间才意识到，内存需求出现了一次长期性的结构转变，这是很久以来都没有过的事。所以我认为内存问题最终会解决。他们承担的另一个风险是苹果，苹果在游说使用中国的内存。而算法优化的头号目标是什么？怎么用更少的内存。我认为内存厂商在长期上大概把自己坑了，因为他们把自己变成了一个巨大的靶子。

汤普森： 我把内存厂商类比成伊朗。霍尔木兹海峡的问题在于，它很有效，但不用的时候更有效，因为它一直悬在那里，是你随时可以做的事。现在他们用了，结果证明确实有效。但阿联酋和沙特会去修管道，会去建新港口，他们不会让这种事再发生。眼下很痛苦，可假如伊朗想在 2035 年再封一次霍尔木兹海峡，不会有任何效果，因为大家早已绕开它了。我对内存厂商的担忧是，他们可能做了同样的事：在内存这件事上，没有人会再让自己陷入这种境地。

台积电把风险转嫁给了大厂

汤普森： 台积电的情况可以说更糟，因为只有一家。最前沿只有一家公司，英特尔和三星显然在努力赶上来。道理是一样的：所有市场都有风险，很大一部分问题在于最后谁拿着这份风险。我认为很多科技公司没有充分认识到的是，台积电在多大程度上把风险卸到了大型科技公司身上。它是这么做的：台积电担心的风险是产能过剩。如果我们建多了，不只是建多了、有一堆固定成本没有被充分利用，而是一座晶圆厂我们预期要跑三十年，等于把过多的产能锁进了这个体系很多很多年。所以他们的偏好是强烈地趋向保守。这里面也有一点文化因素。台积电最有意思的故事之一，和刚才三星那个有点像：张忠谋（Morris Chang）在 2000 年代末退休，新的领导层接手，赶上了大衰退，于是缩减了原定的开支。他回来，把人都换掉，说：iPhone 刚刚发布，这是我们见过的最大机会，我们需要投资，而不是削减。他们穿越大衰退、穿越那次下行一路投资，这奠定了台积电在那个时期接管先进制程的基础。张忠谋是独一无二的人物，在我心目中属于有史以来最伟大、最有影响力的科技高管的「拉什莫尔山」。整个无厂（fabless）模式对科技行业是什么、做什么至关重要，而且在那个时刻有那样的胆量，尤其是身处一种未必倾向于下这种赌注的文化里。老实说，台积电此后是相当保守的。

汤普森： 那会怎样？风险去哪了？台积电说，我们不想承担这个风险。风险不会消失，它只会转移。眼下这份风险体现在：每一家大型科技公司都意识到，如果我们有更多算力，我们就能赚更多钱。于是有大量被放弃的收入、被放弃的利润。这就是台积电递给他们的那份风险的具体形态。风险不会消失，只会被交出去。而有时风险不是表现为亏钱，而是表现为没赚到钱。现在就有钱没赚到，因为当年发生的事是，他们对 5G 非常兴奋，在 2020、2021、2022 年前后来了一大波扩产投资，然后说，好了，我们够了。而正如我说的，ChatGPT 在 2022 年底出现，2023 年是科技行业的大事件，2024 年他们的增速下降，2025 年增速又下降，2026 年才涨上来。很好笑的是，我之前就在写这件事，然后大概一两个季度前的财报电话会上，董事长兼首席执行官魏哲家突然整场都在谈 AI 的应用场景，以一种他从没有过的方式。这就是问题所在，也是为什么晶圆厂会害怕。通常会有一个「牛鞭效应」，他们担心自己在牛鞭的末端：需求发生了，沿着链条一路传下来，他们在最末端，等他们加倍投入的时候已经太晚，钱全白花了。而 AI 的事在于，如果它是牛鞭，那它是有史以来最长的一条牛鞭。要建的东西还太多，只是亚洲的这些公司花了一段时间才收到信号。我认为他们大体上已经收到了，但收到信号之后，再要几年才能真正变成产能。

主持人： 考虑到算力短缺这么极端，你对这要花多久有感觉吗？

稀缺救了英特尔的代工业务

汤普森： 有意思的是这对英特尔和三星的逻辑芯片业务意味着什么。我写「对台积电的依赖」这个问题已经写了很多年。实际上我 2013 年最早的一篇文章就是在敦促英特尔：你必须建一个晶圆代工业务，你不会再有过去那种地位了，芯片制造里有一门巨大的生意。我当时觉得自己写得已经晚了。结果他们的股价在整个 2010 年代一路冲天，因为搭上了云计算的浪潮。直到 2020 年前后他们才终于意识到，我们落后了，而且顺便说一句，有一个巨大的机会摆在那里，我们完全没准备好，我们没有客户服务的心态、文化、组织，没有那些 IP 积木，没有台积电有的那一切。他们需要客户，需要客户来帮他们真正建起一门代工生意。所以我会写这个问题，也会写中国的问题：你依赖的这家公司，离我们最大的政治对手只有六十英里，而对方认为它是自己的。这些是大问题。也正是在这里我体会到了那个「保险」的困境：一家大型科技公司去找英特尔说，英特尔，你来给我们造芯片。顺便说一句，最大的受益者会是你，因为你会学会怎么和合作伙伴共事；最大的痛苦会落在我们头上，因为我们得想办法和你磨合。我们本可以直接去找台积电，他们太棒了，合作起来太好了，我们知道他们会把事情做好。去和英特尔合作，从来就没有过合理的理由。这是他们的根本问题。在一个一成不变的世界里，台积电会永远赢下去。

汤普森： 但这正是台积电在某些方面犯了和内存厂商一样的错、和伊朗一样的错的地方，容我继续这个类比。因为他们过去几年没有投资，短缺会变得极其尖锐，大型科技公司会说，我们因为算力不够而放弃的收入和利润太多了，我们愿意承受把英特尔拉上来、把三星的逻辑芯片拉上来的痛苦。最终救了英特尔的是稀缺。我预计不久之后他们会宣布第一个重量级的合作伙伴，那会是一件大事。但归根到底，这是台积电自己招来的。「高价的解药就是高价」，我们会绕开他们。

主持人： 没错。

汤普森： 作为一个坐在旁边的分析师，这类东西你可以写，但我从中学到的一课是：没有人会去买自己不需要买的保险，尤其当这份保险的期望值是负的。解决「依赖台积电」这个地缘政治问题的办法，是搞出一个大到所有人都有经济动力去把其他玩家拉上来的算力用例，于是我们免费得到了地缘政治保险。

亚马逊：自用即最佳客户的飞轮

主持人： 如果看排名前十或十五的科技公司，你认为今天哪几家的生意处在最有意思的位置？

汤普森： 答案永远是亚马逊。亚马逊之所以如此引人入胜，在于他们为自己而建的程度。他们是自己的第一个、也是最好的客户。他们提供了把几乎任何东西启动起来的规模，然后再把它卖给别人。AWS 是最明显的例子。和流行的说法相反，AWS 并不是亚马逊的闲置产能，实际上把 amazon.com 搬上 AWS 花了很长时间。AWS 真正的驱动力是这样一种认识：我们需要可扩展的东西，我们不能再开那么多会，我们需要即插即用的算力，纯粹的 API 接口，不用跟任何人说话，它就在那里。而且，如果我们能为内部零售团队做到这一点，我们就能为任何人做到。结果零售业务太大了，我们只好先从其他所有人开始。AWS 实际上是先服务外部客户，再服务内部客户的。但现在它两边都服务。还有其他产品，比如物流，路径正好相反：眼下我们用的是外部的物流商，UPS、联邦快递、美国邮政，我们需要自己建起来。现在他们建起来了，就把它开放给第三方，别人也可以用他们的配送服务。你在一个又一个市场看到同样的事，比如他们谈的一些 AI 产品，或者芯片产品。Graviton 或者 Trainium 的妙处是什么？尤其是早期版本。早期版本很糟糕。但如果你在亚马逊上用他们的托管服务，比如 Redshift 数据库服务，他们不会告诉你底下跑的是什么处理器。你买的只是一项托管服务。

汤普森： 所以他们可以把所有不怎么样的处理器塞到他们卖的服务底下，这给了他们迭代和改进这些处理器的销量和产能，直到它们好到可以对外销售。因为他们是 Graviton 的第一个最佳客户，Graviton 变好了；因为他们是 Trainium 的第一个最佳客户，Trainium 变好了，现在 Trainium 显然在跑 Anthropic。他们在 AI 产品上做的是同样的事，能不能起飞我们拭目以待。他们有呼叫中心软件，他们自己的呼叫中心、客户服务正在全面 AI 化。顺便说一句，做得相当不错，不知道你试过没有。

主持人： 我还没试过。

汤普森： 我搬回美国，买了一大堆东西，其实每年夏天我都会在很短的时间里买一大堆东西。大概在过去一年里的某个时候，你上去明显是在跟一个聊天机器人说话，但这个机器人干得很好，真的能把问题解决掉。所以你能看到这件事在那个场景里开始成立。他们正在为自己的业务建这些 AI 服务，然后会把它们广泛开放出去。有些会成，有些不会。但这种做法太优雅了。而且考虑到他们在实体世界有那么多投资，他们的核心业务对「模型形态的 AI」来说几乎是刀枪不入的。它会从 AI 中受益，但就核心业务而言，他们的护城河感觉比谁都深，而他们有机地生长出新业务线的能力也非常有吸引力。

主持人： 那苹果呢？他们好像整场都在场边坐着。

苹果做确定性产品，AI 不擅长也没关系

汤普森： 这感觉多少是「运气好胜过本事好」的情形。苹果有它的整个生态系统，归根到底，他们掌握着通往客户的入口。所以他们可以去找供应商，这是经典的聚合者打法：如果你掌握了客户入口，供应商会来找你，而不是反过来。所以他们可以按需为自己的 AI 找到供应商。顺便说，如果「人们不想更有生产力，只想要一个聊天机器人」是真的，那苹果不仅可以给他们一个聊天机器人，终于有一个能用的 Siri，你还可以看到一个未来：这完全可以在设备端跑，而且他们甚至不用付推理成本，因为用的是客户的电。我不认为我们已经到了那一步，他们现在用谷歌云和英伟达芯片是有原因的，但你完全可以想象那样一个未来。而且他们做的是实体商品，造手机是真的难，有零售、有实体商品的分发渠道也是好事。所以他们更有缓冲。智能手机太完美了：小到能装进口袋，大到能在上面看几乎任何东西，你的整个生活都能在上面运转，所有娱乐都在那里。我们说消费者只想被娱乐，电视现在成了配件，一切都在手机上。我看不到有谁能取代手机。

汤普森： 问题在于，手机会永远是中心吗？还是说，尤其在家里，你想要的是一种环境式 AI，你直接跟它说话，它告诉你需要什么？OpenAI 在这方面的努力非常有意思。苹果是最有条件提供这个的，但没有前沿模型他们能提供吗？如果他们如此以手机为中心，还能提供吗？还是说这会变成微软的情形？微软没有错过移动，他们进入移动很早。问题是他们的移动是一台小型 PC，他们假定 PC 永远是中心，手机只是挂在旁边的东西。苹果意识到，不对，我们需要重置，手机不会是 Mac 的配件，手机就是手机。iPod 帮他们看清了这一点，包括适配 Windows 那件事。那么苹果会不会掉进微软式的陷阱：假定手机太好了，永远是中心，其余都围着它转？还是说，这一次终于轮到环境式的、云端的、无处不在的 AI，它可以通过你的手机呈现，通过一个设备呈现，在你的电脑上呈现，它确实更好，并且确实对苹果构成颠覆？我认为这是可能的。我也认为苹果加倍投入自己擅长的东西是完全站得住脚的。

汤普森： 关于 AI 还有一点：凭什么我们该指望苹果擅长这个？在最粗糙的层面上，AI 是一件概率性的事，而苹果是确定性产品之王。实体产品，你把这部 iPhone 发出去，只发一次，它必须是好的。如果它不好，你要赔上几十亿、几百亿美元。苹果从来没有召回过一款 iPhone，想想看，这其实是了不起的。那背后的谨慎、决策、尽职调查，对供应链的狠劲，做艰难决定的能力，和做出伟大 AI 所需要的一切非常非常不同。我通常倾向于让公司做自己擅长的事。所以从我的角度，苹果不做 AI 我没意见，我希望他们继续做出伟大的设备。

主持人： 假设有五家潜在的前沿 AI 赢家：OpenAI、Anthropic、Gemini，再把 SpaceX AI，也就是 Grok，还有 Meta 放进去。你认为这几家里谁的处境最有意思？

五家前沿玩家的信念与胜算

汤普森： OpenAI 和 Anthropic 显然是风险最大的，但上行空间也最大。永远不要低估的第一件事，是信念的力量。他们认为自己在创造神。历史上最有影响力的事，通常都是由宗教推动的。硅谷有两个宗教组织：OpenAI 有点像主流教会，每周日去做礼拜；Anthropic 像福音派，全情投入。这是他们信念的核心，这能走很远。而「你必须把生意做成才能活下去」这件事，也能走很远。谷歌只需要搜索别死得太快。Meta 有巨大的广告业务，如果 Meta 由马克·扎克伯格以外的任何人来经营，它都不会站在前沿。这是创始人能量最纯粹的体现之一，不论好坏。他们的生意太好了，你看到他们能轻松地加倍下注。谷歌的情况有点不同，他们一直在做这方面的研究，追这件事说得通。而 Meta 说，我们要雇一支全新的团队，从零开始，这整件事相当疯狂，所以在这点上要给扎克伯格记一功。至于是不是好主意，你可以自己判断。然后是 SpaceX AI，太空数据中心，那是他们的理论所在。但要做这件事，他们必须拥有自己的模型吗？拥有的话利润率会更好。可反过来，如果我们真的因为政治阻力或者电力或者别的什么，地球上的数据中心不够用了，他们可以跑任何人的模型，就像我们现在看到的，他们正在把产能卖给 Anthropic。所以这几家都挺有意思。我认为 SpaceX AI 的理由大概是最弱的，因为太空数据中心这一步差异化太强了，如果它成了，我不确定他们到底还需不需要自己的模型。那么这期间为什么要烧掉几十亿又几十亿美元？这是个公道的问题。从战术层面讲，我很喜欢收购 Cursor 那笔交易，对两家公司都太说得通了，所以我很想看他们接下来怎么做。Meta 大概是最有意思的一家。

主持人： 你最近写了不少关于这个的文章。

汤普森： 我认为有很强的理由说，如果你是一家数字公司，不站在前沿其实才是更鲁莽的。对 Meta 的反例，其实是微软。微软不在前沿。为什么微软上个季度有两百亿美元的自由现金流？上个季度微软付了一百亿美元的股息。所以钱是有的。但他们的打法是：我们要让这几家彼此制衡，我们提供中间件，我们提供平台，让企业建在我们上面，我们把模型去中介化。我认为这是理智的打法，是 IBM 九十年代的打法。历史会回响。所有人都说谷歌在追随微软的轨迹，而微软在追随 IBM，你在一定程度上能看到这一点。

主持人： IBM 当年做了什么？

微软走 IBM 中间件与咨询老路

汤普森： IBM 在七十年代有过统治性的地位。快进到九十年代，IBM 成了一笔严重受困的资产，当时的想法是 IBM 需要拆分，把手里各种各样的部门拆开。然后郭士纳（Lou Gerstner）来了，接手公司。我认为郭士纳对 IBM 真正关键的洞察是：我们什么都做得平庸。这有点像我之前对微软说的话。这是垄断的代价。一旦你做过垄断者，你多少就失去了做好的能力，因为你不再需要竞争。我认为很多科技行业的在位者都有这个问题：无论他们做什么，钱都会滚滚而来。如果你没有压力，没有激励，没有对死亡的恐惧，或者像我们谈这些垄断公司时说的那样，没有对上帝的敬畏，你就不会拿出最好的工作。而问题是，这块肌肉一旦失去就没了，你只是又肥又软。所以郭士纳意识到，IBM 能做的最糟糕的事就是把自己拆成零件，因为那些零件其实都不怎么样。我们最大的资产是我们大。什么？大意味着什么？那是九十年代，互联网正在到来，一大堆公司隐约知道自己得搞明白互联网，又不知道该怎么办。他们需要有人进来，理解他们的业务，帮他们上网。这基本上就是 IBM 做的事。他们建起了一支庞大的咨询队伍，这和现在发生的事互为回响，然后把全部精力投在一件事上，本质上是中间件：进到一家公司，在它老式的大型机（所有这些公司都有）和另一端的现代 Web 服务之间垫一层，这样他们就能有网站、有电商站点等等。这给了 IBM 三十年的续命。理论上你可以去硅谷那些热门初创公司买各种单点方案，但你不懂那个，不知道怎么做。你认识我们，我们会进来，做好这一层中间件，建一支大型咨询团队帮你实施，然后你就上网了。IBM 基本上把整个美国企业界带上了网。

汤普森： 这就是微软的剧本。微软会帮你搞定 AI，而且是以一种你不必把皇冠上的宝石交给那些模型公司的方式。我们会建这个平台，这套框架，这个中间层。我们可靠，我们稳定，你认识我们，我们向后兼容到八十年代，你可以建在我们上面，然后由我们来管理模型的更迭、什么在更新，以及所有这些事。这是否意味着你会得到绝对最好的体验？不会。中间件会把锋利的边角磨掉，你得到的多少是最小公约数的能力。但如果你看重的是这种东西，那就是最古老的企业销售套路。甲骨文当年怎么打市场？八十年代，拉里·埃里森拿着另一项从 IBM 那里拿来的、或者说 IBM 不想要的技术，关系型数据库，说：你不想被 IBM 锁死吧，你想要一个到哪儿都能跑的关系型数据库吧，跟我们走。这之所以是个笑话，是因为甲骨文锁客户锁得比谁都狠。整个企业销售，就是一群长期目标是把你锁死的公司，靠吓唬你「别被别人锁死」来把你拉上船。所有云公司都在说，可移植性，你想怎样都行。然后他们说，用我们这个只能在我们云上跑的服务吧，于是你被锁死了。这就是微软的剧本，一个非常理智的剧本，我认为说得通。而这正是他们有多余的钱的原因：因为他们不在前沿。他们在建大规模的数据中心，但建的是推理数据中心，不是训练数据中心。他们「我们根据客户需求适时投资」的说法，在这一点上更可信。他们不需要讲一个「可替换性」的故事，不用说我们建的训练大数据中心将来也许可以拿来做推理。

主持人： 但回到刚才那个说法，对一家数字公司来说，不在前沿才是鲁莽的。

汤普森： 这之所以令人担忧，是因为归根到底，我们为什么要用微软的产品来着？

主持人： 因为我们以前就在用。

汤普森： 保留所有这些人工制品、这些文档、这些邮箱，到底还有多大意义？AI 不能直接把这些事做了吗？这里有一个真实的威胁，冲着微软的软件业务。「记录系统」（systems of record）那套东西很有意思，记录系统之所以强大，一个原因是把它迁到别处太难了，那是极其乏味、重复的工作。哦，AI 恰好特别擅长这种事。我不确定微软到底有多少记录系统，他们有一些，比如 Dynamics 业务，但微软更多的是用户界面，是你真正和计算机交互的地方。当你看到 Codex，看到 Claude Cowork 之类的东西时，它们就像一支箭，直指微软所拥有的东西的心脏。长远看，所有数字公司都是如此，但微软尤其明显。他们的战略是健全的，同时也是生死攸关意义上的孤注一掷，而且也可能正因为孤注一掷才能成功。

Meta：广告飞轮与社交的回归

汤普森： Meta 没有面临即刻的威胁。但这正是我对 AI 的乐观看法进来的地方：我认为所有数字公司都受到威胁，而 Meta 是一家数字公司，他们做的是软件。一个担忧是 AI 占据越来越多的时间，而时间归根到底是 Meta 的货币。我们看到 OpenAI 试了 Sora 那件事，没真正起来。社交网络其实挺难做的，也很花钱，这一点很有意思。创作者分成这件事把它引了出来。YouTube 出了名地从一开始就付钱给创作者，这对生意的拖累比人们意识到的大得多，因为 YouTube 的内容是有边际成本的。和 Netflix 不同，他们不用预先付这笔钱，而是事后付，是收入分成。所以这比 Netflix 的模式好得多。Netflix 是预先为内容付钱，然后理想情况下赚更多。YouTube 是一路上分着付。可 Facebook 或者说 Meta……

主持人： 一分钱不付。

汤普森： 一分钱不付。人们说，Instagram 是个难以置信的产品，为 Facebook 赚了那么多钱，而 Facebook 为内容付的是零美元，难以置信。所以有意思的是，你可以想象一个世界，对 YouTube 来说 AI 生成内容理论上可能是正面的，因为生成内容的推理成本可能低于分给创作者的钱。而对 Meta 来说，如果 AI 内容是他们自己生成的，利润结构其实比现在更差，因为他们现在的内容是免费的。所以他们有注意力。也有一个看多的世界，Meta 的位置其实非常好：当我们整天和 AI 打交道时，对人与人之间连接的渴望反而会变强，这有点像 Meta 回到自己的根。

汤普森： Meta 最大的错误之一，实际上，Meta 一直是一家社交网络公司。他们干掉 Snapchat、或者说止住 Snapchat 的增长，靠的是意识到 Snapchat 有一个很棒的产品，我们把它叠到自己的网络上就行。他们动用自己的网络去杀 Snapchat。而 TikTok 之所以是他们的盲区，是因为 TikTok 被归类为社交网络，可它根本不是社交网络。TikTok 是一个娱乐产品。你在 TikTok 上关注谁无所谓，你看到什么取决于你看过什么，然后你会得到更多同类的东西。它是一个用户生成内容的网络。TikTok 的洞察是：要拿到最好的内容，把范围限定在你的社交网络里是一种人为的约束。我们会把整个网络里最好的内容给你。而绝大多数内容会是垃圾。但这又回到了刚才那个「绝对数」的问题：你不看比率，你看绝对值。哪怕好内容的比率微乎其微，只要内容总量足够大，好内容的绝对数量就会非常大。于是 Meta 说，我们是社交网络，Meta 给你看的是你认识的人的内容，而 TikTok 给你看的是全世界最好的内容。这就是 TikTok 从他们身上咬下一大块的原因。Meta 不得不转向。Instagram 和 Reels 就是这么回事：它已经不太是社交网络了，而是一个从整个网络里抽取内容的娱乐产品，社交网络就剩群聊了。在 AI 时代，社交网络有可能重新变得重要，因为我们真的想要人，想要和他们有某种连接。这会怎么演化，会很有意思。

汤普森： 关于模型的另一件事是，它们对广告的影响极大。模型眼下最大的影响、最大的变现，大概不是 Anthropic 或 OpenAI，而是谷歌和 Meta 正在获得的增量收益。其中大部分还是大语言模型之前的技术，但我们正走向大语言模型，不管是生成广告内容，还是别的。我们说想要什么？可验证的领域。你怎么验证一张生成的图片适不适合做广告？看这条广告卖不卖得动。他们能以一种别人做不到的方式验证自己的图像生成和文本生成，而他们的验证器就是广告市场：对各种各样的东西跑上无数次 A/B 测试，看什么有效，什么无效。大多数广告是一次性的，无所谓，绝大多数广告不会转化。所以他们有一个巨大的优势：一个巨大、流动的市场，它是一台验证机器，验证者是决定点不点这条广告、买不买这件东西的人类，而且是在全球规模上进行。这可以形成反馈回路，让他们的产品变得更好。你还会看到，广告匹配眼下其实还相当粗糙：这是这个人的特征，这是这条广告的特征，做一个嵌入（embedding），做向量计算，看哪些数字匹配，然后把广告匹配给这个人。大语言模型做什么？大语言模型做预测。我们会走向这样一个世界：Meta 看着一个人说，这个人接下来大概想看这个，然后去找到那个东西展示给他。仅仅是给人看更好、更相关的广告，这里的上行空间，他们只需要提升几个百分点，回报就是几十亿又几十亿美元。单凭这一点，就值得他们投资站在最前沿，拥有这些惊人的模型。

汤普森： 我认为 Meta 的一个大问题是，他们不讲这个故事。这很怪，马克·扎克伯格和萨姆·奥尔特曼有同样的问题：他不爱广告。他们有全世界最好的广告业务，一个我认为对社会有正面价值的广告业务。你我都做了小小的内容生意，赚得不错，但内容这东西在社交媒体上是可以搭便车的，我是在推特上长大的，大家分享我的链接，太棒了。可如果你在卖某个产品，互联网的美妙之处在于，外面总有一个小众群体想要那个产品，问题是你怎么找到这个群体？Facebook 广告。它做的就是这个：它连接，它帮产品找到那些原本不知道自己想要它、但拿到之后开心得不得了的人。这是巨大的社会正面价值。你有一个新创业者做出新产品的新生意；你有开心的顾客，拿到了原本得不到的东西，而且顺便说一句，这些顾客一路上还得到了大量免费的娱乐，一分钱没付；Meta 自己和股东赚了一大笔钱，而股东基本上是全世界的人。这就是广告为什么伟大，Meta 的广告尤其出色。让我沮丧的是 Meta 不谈这个。二十年来，扎克伯格除了顺带一提，从来没有真正谈过广告的社会价值，他把它交给别人去管。也许正因为他不上心，广告业务的搭建才带着那种咬牙硬干的劲头。Facebook 的人在数据之类的事情上都有各种困惑和疑问，也许他就是不想牵扯进去，撇清关系。

汤普森： 但你看苹果推出应用追踪透明度（ATT）的时候，那是科技史上最恶劣的反垄断违规之一：苹果单方面碾碎了所有这些商业模式，同时自己在搭建广告业务，做着同样的追踪，凭什么信你们？与此同时他们还在投放那些广告。记得那条广告吗，公交车上的人偷听周围所有人在说什么。那是对互联网广告如何运作的极不诚实的呈现。蒂姆·库克在国会说什么公司在卖数据。Facebook 不卖你的数据，数据对他们才有价值，他们为什么要卖？而 Meta 完全没有准备好回应。我想当年谢丽尔·桑德伯格（Sheryl Sandberg）在的时候是有的，她在每次电话会上都会谈广告，谈广告多好，讲一堆案例，讲从广告中受益的人、那些新创业者。然后她走了，那个位置一直没被填上。这感觉像一家有点难为情的公司：是啊，我们从广告赚很多钱，但我们有眼镜，我们在做 AI。你有广告，广告很棒。我认为如果他们把这一点更一贯地传达出去，他们在公关上总体会处在更好的位置，相对苹果会处在更好的位置，而且眼下要说服华尔街「让我们投资」也会容易得多。另一个问题是他们在 Oculus 上累计花了一千多亿美元，那件事我从头到尾都不喜欢。所以人们会问：凭什么再让你们花钱？

主持人： 有一个重要玩家我们还没怎么谈：黄仁勋和英伟达。我很好奇你会怎么把它和「硅谷不理解大宗商品市场」这个说法联系起来。不管你认为算力最终是不是大宗商品，我想知道你是否认为智能最终会成为大宗商品。有意思的是，智能和算力显然是科技领域最有趣、最重要的两个话题，而两者可能都是大宗商品，差异化程度都不如人们以为的高。

英伟达、商品化与电力的时间差

汤普森： 互联网最有意思的地方一直是免费的分发。

主持人： 带宽是大宗商品。

汤普森： 我现在能掏出手机，连上世界上任何一个信息源，免费，在边际成本意义上免费，是因为它是大宗商品。它改变了世界。大宗商品改变世界。差异化产品按定义市场规模更小，因为有价格弹性，不是每个人都付得起，人们的付费意愿各不相同，你的市场会受限。苹果靠卖设备永远服务不了全世界，而谷歌可以，因为它免费。这很重要。大宗商品，你是要付钱的，但它对所有人可得的程度，就是它有影响力的程度。互联网我会说是一种大宗商品，它改变了世界。所以智能最后变成大宗商品并改变世界，我不觉得奇怪。

主持人： 但人们通常不认为大宗商品生意像那些差异化的高利润率产品那么好。所以我想听听你对黄仁勋和英伟达的具体看法。

汤普森： 英伟达的位置我认为绝对是不自然的。他们保住了全部利润率，不是很惊人吗？都 2026 年了，所有人都冲着他们来，他们照样为一颗芯片收那么多钱。但他们其实并没有保住利润率。谁在买？这整个循环融资的问题，人们会提朗讯之类的例子，还有这笔交易，英伟达提供百分之二十五的兜底。可如果你真的给这种事定个价，英伟达拿那些新型云服务商（Neocloud）的股权，或者保证到 2030 年买下他们全部算力，他们为什么这么做？为了让那家实体能拿到更低的资本成本，好买更多 GPU。可这里面隐含的是，它为什么能拿到更低的资本成本？因为英伟达承担了风险。这是我之前的观点：风险从不消失，只是在别处出现。承担风险是有价格的。有一个世界，AI 起飞了，永不停歇，一切都好，英伟达拿到了自己承担的风险的全部上行。但也有一个世界，比方说他们兜底的这家新型云服务商，一大堆算力上线了，超大规模云厂商自己的算力充足，不缺，于是英伟达在为没人要的算力付钱，一下亏掉一大笔。所以你想，这笔投资有一个期望值，不是零，也不是百分之百，在中间某处。而这就是英伟达盈利能力的折损。如果你整体地看他们的生意，这其实就是一次降价。

主持人： 对吧？

汤普森： 这次降价没有出现在利润率里，没有出现在报价里。但英伟达做的很多事，都是在想怎么保住利润率，哪怕从更宽的视角、折现现金流的期望值、整体来看，人们确实在做现金流折现，但你真的把所有这些零件都算进去了吗？现实是，把东西挪出资产负债表大体上是管用的。但他们做所有这些交易，是为了维持一种感觉上不太自然的东西。所以我会说，我们已经看到了降价，只是它以非常古怪的方式显��出来。

汤普森： 长期看，英伟达面临的挑战是，他们最终的竞争对手是超大规模云厂商，尤其是谷歌和亚马逊。谷歌和亚马逊不只是在做自己的芯片，还打算对外卖这些芯片。谷歌已经和 Anthropic 达成协议，卖出大约百分之二十的 TPU。上次财报电话会上，安迪·贾西几乎确认了他们最终会对外销售 Trainium 3 或者 Trainium 4 之类的芯片，这说得通。这给了他们对这些公司的长期绑定，芯片研发投入巨大，他们能在开支上获得更大的杠杆，一切都说得通。而且顺便说，他们卖芯片不是靠差异化，他们是把芯片当大宗商品卖。英伟达才是卖差异化的那个。人们去亚马逊不是为了用 Trainium。所以对外卖 Trainium 不会蚕食他们云服务的吸引力。这是英伟达最大的问题。因为超大规模云厂商的头号优势是什么？

主持人： 更低的资本成本。

汤普森： 这是一场资本之战。他们的资本成本比新型云服务商低。新型云服务商会不管不顾地买英伟达。顺便说，SpaceX 也一样，马斯克在外面说，我们永远买英伟达，因为他们最好。不，你买英伟达是因为它最通用（fungible）。CUDA 的护城河已经大大缩窄，因为模型不在乎自己跑在什么上面，真正重要的是建在模型之上的东西，但它仍然重要，仍然算是一条护城河。所以如果你想玩 SpaceX 那种游戏，建一大堆，租出去，但保留收回来的权利，你当然会用英伟达，因为租出去最容易的办法就是用英伟达。这一点你很早就能看到。回到 2023、2024 年，英伟达开始谈各种主权云，他们试着推出 Nemotron 模型，2024 年他们还有一批东西。我记得那是第一次「摇滚明星式」的 GTC，在圣何塞那个巨大的体育馆里，黄仁勋出场。那是一场很无聊的GTC。以前的 GTC 是英伟达演示五十万件东西，因为他们在往墙上扔东西，他们知道 GPU 手里有货，在拼命找用途。大语言模型一出现，好了，用例有了。但当时他们在推出各种企业级产品，名字我记不清了，大概是一些模块，当然免费，但只能在英伟达上跑。你能看出他们在干什么：把人锁进来。英特尔在这里是个好例子。英特尔在超大规模云厂商的销售上被 AMD 清空了，因为超大规模云厂商愿意花力气让东西在 AMD 上跑起来，尽管都是 x86，仍然有些小差异，但他们采购量那么大，为了更好的芯片或更低的价格，这笔投入是值得的。而英特尔业务里从未动摇的那部分，是卖给政府和企业，因为他们没有超大规模云厂商的资源，采购量没那么大，只会继续买以前买的东西。这就是英伟达谈主权云、谈企业客户的原因，他们想进入那些不会在这颗芯片和那颗芯片之间权衡的市场。超大规模云厂商一直是英伟达的威胁，正是出于这个原因，因为他们更大。所以你有了这个局面：超大规模云厂商是威胁，而他们的资本成本又比其他想买芯片的公司更低。这就是本周这笔交易的由来。我把这笔交易看作一个回应，所以它和谷歌那笔交易是一体的。谷歌可以直接增发股票，股东不喜欢，但归根到底他们的变现能力远高于英伟达，也远高于英伟达的客户。

汤普森： 我认为英伟达在期待的，虽然他们大概不会明说，是我们真的走到电力用光的那一天。这对英伟达大概是好事，因为在一个电力彻底受限的世界里……

主持人： 所有人都想要最好的。

汤普森： 我们必须拿到最好的效率，最好的 token 效率，而我认为英伟达仍然是 token 效率最高的。所以那对他们是个好世界。我认为英伟达过去几年最大的问题大概是，美国实际上带上线的电力比预期多得多。他们让我意外，不管是马斯克在表后（behind the meter）做的那些事，后来在西德克萨斯被复制，还有天然气，甚至重启核电站。我们做到的程度……

主持人： 你很欣赏美国对这类事情的反应。

汤普森： 太棒了。这实际上是关于美国最鼓舞人心的信号之一。我很早就在写，长期的回报会是什么？假设这是一场泡沫，你希望它有长期的回报。互联网泡沫给我们留下了埋在地下的光纤。顺便说，谷歌玩过这个游戏。谷歌是靠买下暗光纤建起自己的生意的。他们有杀手级的搜索引擎，但他们的很大一部分能力，来自买下了互联网泡沫之后几乎白送的暗光纤。我们的核心互联网今天还在跑在世通（WorldCom）的光纤上。那是一份持久的收益。铁路，BNSF 今天抛出的钱流进了谷歌，那些钱来自北太平洋铁路、来自杰伊·库克（Jay Cooke）向散户投资者卖债券。你希望一场泡沫能留下持久的东西。人们常问，AI 会留下什么？GPU 的寿命没那么长。数据中心，好吧，算一个。但到底会是什么？是电力。必须是电力。如果我们走到这一切爆掉、而我们电力多得用不完的世界，那是一个美妙的世界。我们一直受能源约束，能源支撑着一切。生活在一个能源丰裕的世界会是什么样？这甚至很难想象，因为我们的头脑被「一直处在能源稀缺中」这个事实束缚着。我认为我们做得难以置信地好。电力当然是一个约束，它会是一个约束，但它成为约束的时间比所有人预期的都晚。如果这「所有人」里包括黄仁勋，我不会意外。我认为他原本以为电力不足会更早成为英伟达的护城河。而结果是，我们的电够用的时间越长，亚马逊就有越多时间把 Trainium 做好，谷歌就有越多时间让 TPU 在效率上具备竞争力。到那时，我们就进入了一个那样的利润率看起来很难维持的世界。

主持人： 我很爱听你对所有这些事情的看法。这是我在这个你如此热爱的世界里观察到的最有意思的时刻。非常感谢你抽出时间。

汤普森： 非常感谢。