能源是AI的第一瓶颈

核心摘要

本期节目围绕AI基础设施的底层逻辑展开，核心判断是：能源将成为AI发展的首要瓶颈，硬件（而非软件或模型）是未来十年价值最集中的地方，推理市场将膨胀至10万亿美元规模。

干货提炼

主题一：能源是AI的第一瓶颈

• 能源建设极其困难且昂贵：建1吉瓦电力需500亿美元，比建一座半导体工厂（200-300亿美元）更贵。美国电网平均输出约900吉瓦，峰值可达1.2-1.3太瓦，但过剩容量正被快速消耗。
• 美国在能源基建上已落后：中国2023年在总装机容量上超越美国，且过去20年建设速度快6倍。美国多年未投资能源基础设施，未来几年将面临严重短缺。
• 能源市场已出现两级定价：数据中心愿意为每千瓦时电支付比标准电网高30%-40%的价格，因为算力售价可达电价的5倍，利润空间大。Bloom Energy在亚利桑那建吉瓦级项目的尝试尚未被验证。

主题二：计算效率的下一层在模型与架构

• 物理层效率提升已停滞：摩尔定律和Dennard缩放带来的物理层改进基本结束，近几代GPU已看不到明显能效提升。
• 效率增益来自数据精度和架构层：从32位降到16位、8位、4位数据类型带来显著效率提升；更大的机会在于模型层和架构层的协同设计，例如利用稀疏性减少数据移动。
• 设计思维必须转变：不再把模型视为神圣不可更改，而是以“能源优先”为原则，从模型到物理层全栈协同设计。这源于ENIAC以来“更快”的设计传统，但如今“更省能”才是关键。

主题三：硬件是未来十年价值所在

• 芯片不会商品化：智能需求无限，因为宇宙本质是对抗性的，从细菌争夺阳光到国家竞争，都需要更多智能。将能源转化为智能的能力就是硬件，做得越好价值越大。
• NVIDIA仍将占据主要利润：NVIDIA在2014年GTC上就押注AI，执行极佳。虽然微软、谷歌、亚马逊、Anthropic都在自研芯片，但硬件层仍有大量效率提升空间。
• 纯软件投资者前景堪忧：SaaS自2010年以来的“糖高潮”已结束，应用层价值将转向智能层。硬件是未来十年最值得投入的地方，但硬件投资需要完全不同的思维模式。

主题四：模型商品化与推理市场格局

• 模型正在快速商品化：六个月前的开源模型（如中国开源模型）仍然相当好用，这是商品化的标志。但商品化不等于坏事，市场会更大，只是利润率下降。
• 推理市场将达10万亿美元：推理市场是“无界的”，十年内将达到10万亿美元。如果token交付效率提升一个数量级，市场会扩大超过10倍（杰文斯悖论）。
• 开放与封闭模型将分化：三年后80%的token流量将流经开放模型，但美元支出上约五五开——类似手机市场，iPhone占20%份额却拿走80%利润。

主题五：机器人将远超编码代理

• 机器人市场将比编码代理大100倍：物理世界从未被智能真正渗透过，现有工业机器人只是“机械执行”而非智能。未来数十亿机器人动态解决物理问题，市场将极其庞大。
• 投资应聚焦技术栈而非应用层：应用层（如机器人清洁工、建筑工）还需5年以上，但模型公司、数据公司、基础设施公司现在就有价值。模型公司最终可能做成端到端设备。
• 验证问题成为新瓶颈：AI产出大量工件，验证其正确性成为瓶颈。拥有验证层才能拥有自动化层，但还需拥有规格定义能力。人类专家的判断力（如神经外科医生7年训练）短期内无法被代理替代。

高光金句

• ❝ I would say if you're a pure software investor, you're kind of fucked, honestly.
• ❝ I actually think the hardware is the place to be over the next ten years.
• ❝ I don't look at, oh my god. AI is gonna kill all humans. That's the stupidest worldview I've ever heard.
• ❝ I think robotics is gonna be a 100 times larger than agentic coding.

提及资源

• 公司/组织：NVIDIA - 被评价为在AI方向执行极佳，2014年GTC上就开始押注AI；Mosaic ML - Naveen Rao此前创立的公司，以13亿美元卖给Databricks；Unconventional AI - Naveen Rao现任公司，估值近50亿美元；Bloom Energy - 在亚利桑那建设吉瓦级能源项目；OpenAI、Anthropic、Google、Microsoft、Amazon - 均在自研芯片；Harvey - 法律AI服务公司，被作为AI+人类替代传统律所工作的例子；Cursor - 编码工具，被评价为“模型才是价值所在，工具不粘”；Physical Intelligence - Naveen Rao最想投资的公司，解决“任务到电机输出”的转换问题。