编辑荐语
这是一次对 AI 军备竞赛中算力定价的冷静推演。核心逻辑很清晰：收入增速远超供给增速，算力会越来越贵。赢家通吃可能固化成铁幕，追赶者必须想清楚如何支付天价入场券。
01 一组值得关注的数据
先看几个数字：
- Anthropic 的收入同比增长了 10 倍。今年年底，这个数字很可能达到 1000 到 1500 亿美元。
- AI 算力的现货价格自 2 月低点已上涨 40% 以上。
- Google 和 Anthropic 从 SpaceX 租用 11 万块 GPU，月租金达到 9 亿美元，这大约是现货价格的两倍。
如果 Anthropic 的增长趋势延续下去，明年年底收入就要达到 1 万亿美元。这个趋势未必会延续，但假设它真的延续了——那样的世界会是什么样？
关键在于一个简单的数学关系：
收入增长 10 倍，算力供给只增长 3 倍。缺口怎么补？
02 三个选项，一个结局
实验室的算力每年增长约 3 倍。要在算力只增长 3 倍的情况下实现收入增长 10 倍，必须发生以下三种情况的某种组合：
- 实验室利润率提高
- 算力价格大幅上涨
- 实验室把更大比例的算力用于推理
目前来看，三种情况都在发生。
- Anthropic 的利润率已从 2025 年的 40%，上升到今年 Fable 推理服务可能超过 80% 的水平。
- 算力现货价格比 2 月低谷上涨了 40% 以上。
- OpenAI 在 2024 年大约四分之一的计算支出用于推理，现在这个比例接近 50%，甚至更高。
但实验室其实不太愿意做第三件事——把越来越大的算力份额挪给推理。
有个玩笑话讲得很直白：推理收入的意义在于说服投资者给你更多钱，让你买更多算力来训练更大的模型。如果你把大部分算力都花在推理上，那基本等于宣告 AI 进步已经停滞，你的业务本质上变成了一个云服务提供商。
所以剩下的两个选项是：利润率继续提高，或者算力变得更贵。
03 利润率能高到什么程度？
如果领先的一两家实验室明显领先于竞争对手，利润率确实可以更高。你的利润率取决于你比次优替代方案好多少。
要让利润率效应占据主导，到明年年底，利润率必须达到 95% 左右。
这听上去很疯狂。但 AI 实验室的收入继续以惊人速度增长，这件事本身也不寻常。
那么，解释“明年年底 1 万亿美元收入”如何实现，就只剩下一个效应了：算力变得昂贵得多。
04 算力价格已经在涨了
当我们关注实验室真正需要的那部分算力时，价格上涨更加显著。
实验室显然不能依赖竞价实例。他们需要确保模型权重和客户信息的安全，需要足够的规模来实现良好的利用率和灵活性。
一个现实的参照：Google 和 Anthropic 从 SpaceX 租用算力，每月支付 9 亿美元，租用 11 万块 GPU（GB200 和 GB300 的混合体）。这大约是这些 GPU 每小时竞价价格的两倍。而竞价价格本身已经比 2 月份高出 40%。
05 最关键的推演：25 万美元的 H100
想象一下：
如果一个真正达到人类水平的软件工程师能在相当于一块 H100 的算力上运行，按当前软件工程师的市场价格计算，那么一块 H100 的年租金应该超过 25 万美元。
这是当前现货价格的 15 倍。
你可能会说：如果 AI 一下子多出 1000 万名软件工程师，软件工程师的边际价值会下降，H100 未必能比现在多创造 15 倍的收入。
但这个推理未必成立。把它套用到人身上，就成了经典的“劳动力总量谬误”。经济学家普遍认为，高技能移民并不会降低高技能劳动者的工资——专业化、创新等因素会带来收益。
也许这次劳动力供给冲击规模太大、速度太快，以至于这个通用经验法则不再适用。但如果我们相信标准经济学关于劳动力的论述，那么算力的边际价值——进而算力的边际价格——可能会变得高得惊人。
06 这会导致什么？
第一，追赶的难度越来越大。
如果到 2028 年已经实现了软件工程自动化，而算力价格比现在高出 15 倍，那么没有收入的后来者，与前沿实验室竞争算力将变得极其困难。
第二，赢家通吃会更加固化。
如果你拥有最好的模型，你就能收取比现在高得多的利润率。这就是经济学中的阿尔钦 - 艾伦效应：如果每 H100 小时的价格不是 2 美元而是 20 美元，在这块算力上运行一个更笨的模型就是愚蠢的。既然要为底层算力支付如此高昂的费用，那不如直接使用最优秀、最高效的模型。
第三，许多当前的 AI 应用将被淘汰。
AI 目前相对廉价的部分原因在于，它无法完成顶尖人类所能做的很多事情。但到某个节点，情况将不再如此。用 GPU 制作短视频垃圾内容会逐渐被淘汰——因为算力太贵了。
07 这个预测会错吗？
当然有可能错。
历史上关于稀缺性的错误预测比比皆是。西蒙 - 埃利希赌约就是经典案例——保罗·埃利希曾打赌 1990 年之前一篮子商品的价格会上涨而非下跌，结果他输了。市场信号和人类智慧总能找到更有效利用稀缺资源的方式。
但我倾向于认为，西蒙 - 埃利希的那一篮子商品并不是算力的正确参照类别。
算力供给的弹性远低于不同金属的开采，吸收大规模需求冲击的能力也弱得多。每年 3 倍的算力增长来自以下因素的乘积：
- 摩尔定律带来的 1.4 倍
- 新建晶圆厂带来的 1.2 倍（受 EUV 光刻机供应限制，至少到 2030 年都是瓶颈）
- AI 从其他设备中抢占先进制程晶圆分配带来的 1.8 倍（这一趋势到 2027 年底将开始触及天花板，届时 AI 在 N3 制程中的占比将从 60% 升至 86%）
08 一个更长远的视角
未来某个时刻，算力将再次变得廉价。
当机器人能把海岸的硅砂和铜矿转化为计算机时，算力价格会降至接近原材料和工具的成本。
但我讨论的只是当前这个阶段：AI 算力仅以每年 3 倍的速度增长，这不足以抵消 AI 每年实用性大幅提升所带来的价格效应。
在那之前，算力会经历一段价格高企、赢家通吃的时期。对于没有庞大收入支撑的实验室来说，这是一个需要认真思考的挑战。