科技分析師Thompson警告：AI不是僞命題，但資本鏈條可能先於回報斷裂。他以19世紀鐵路泡沫類比當下——錢的問題比電力和算力更緊迫，融資已從自由現金流燒穿債務市場，逼近股權融資邊界。本輪AI泡沫若破裂，最有可能留下的遺產是電力基礎設施。
近日，科技分析師、Stratechery創始人Ben Thompson在《Invest Like the Best》播客中說道，「我相信AI，我也擔心我們能否撐到它真正產生足夠回報的那一天。」
Thompson在播客中警告，AI基礎設施投資存在嚴重的資本時序錯配：收入尚未到來，融資鏈條已從自由現金流耗盡至債務市場，再到股權融資。他以19世紀鐵路泡沫類比當前AI熱潮——泡沫可能破裂，但技術本身不會消失。他同時指出，輝達的高利潤率存在隱性侵蝕，Google和亞馬遜才是其真正的長期競爭對手，而若泡沫破裂，最持久的遺產將是電力基礎設施。
錢的問題，比電和算力更緊迫
當前市場討論AI，焦點多集中於算力是否足夠、電力是否足夠。Thompson認為，這兩個問題都排在另一個問題後面——錢夠不夠。
我們從自由現金流出發，然後科技公司以驚人速度燒穿了債務市場，大概只用了一年。現在Google在發行股權，輝達在拼湊5000億美元的項目去對接養老金和保險浮存金。那之後呢？錢從那裡來？
理想情況是：AI應用產生的收入足以反哺投資，形成正循環。但Thompson指出，問題在於"時序錯配"——基礎設施建設需要數年才能轉化為收入，如果資本在這個窗口期之前斷鏈，就會出現"大爆炸"。
"即便爆炸發生，AI也不會消失。它會繼續發展。"他說，"但對很多人來說，那個過程會非常痛苦。"
鐵路泡沫破了鐵路還在跑
Thompson把當前的AI投資周期與19世紀的鐵路建設直接類比。
論規模：鐵路建設佔當時美國GDP的比重，與當前AI資本支出大體相當，是歷史上最大規模的基礎設施投資之一。
論結構：兩者都有嚴重的"期限錯配"。"建一條鐵路並從中賺錢，是一個長達十年甚至數十年的事業。但你必須在短期內發債來支付建設費用，結果，世界耗盡了錢。"
論結局：泡沫破裂，但鐵路留了下來，並在此後百年間持續貢獻GDP。"他認為，即便是泡沫，也要看泡沫破裂後留下什麼。互聯網泡沫留下了光纖，Google用廉價的"暗光纖"建起了帝國。本輪AI最有可能留下的遺產，是電力基礎設施。
如果這一切崩了，我們卻發現手裡多了大量多餘的電力，那其實是個很好的世界。我們一直處於能源稀缺的狀態，能源是一切的基礎。
輝達：利潤率看似堅挺，但風險已轉移至表外
Thompson認為，輝達迄今仍維持高利潤率，但這背後有一個被忽視的結構：
他們通過各種交易來維持表面上的利潤率——比如提供25%的背書，換取新雲公司承諾購買算力到2030年。為什麼這些公司能拿到更低的融資成本？因為輝達承擔了風險。而承擔風險是有代價的。
他將這定性為一種變相降價："價格折扣沒有體現在帳面利潤率裡，但如果你從整體折現現金流的角度去看，那個折扣是真實存在的。"
輝達真正的長期威脅，來自Google和亞馬遜：
他們不只是在自建晶片，他們還在往外賣。Google已經把約20%的TPU賣給Anthropic，Andy Jassy基本上也確認了Trainium最終會對外出售。他們的優勢是什麼？資本成本更低。這是一場資本之戰。
而輝達最希望發生的事，可能是電力成為硬約束。一旦算力受限於電力而非晶片數量，效率最高的晶片就會重新獲得溢價，而輝達目前仍是單位token能效最高的供應商。
電力約束出現得比所有人預想的都慢，包括黃仁勳本人。這段時間裡，亞馬遜有更多時間改進Trainium，Google有更多時間讓TPU達到競爭水平。
Google像波克夏：高利潤業務，為更大賭注融資
Thompson提出一個頗具衝擊力的類比：Google正在走波克夏的路。
邏輯如下：波克夏旗下的時思糖果利潤率極高，但規模天花板明顯，利潤無處再投資。於是巴菲特收購BNSF鐵路——利潤率低，但絕對利潤規模龐大，一年產生的自由現金流超過時思糖果整個歷史的累計總和。
Google搜尋是有史以來最完美的商業模式之一。零邊際成本，不需要投資，一切皆規模化。但AI需要的是天量現金。
他認為，若AI的TAM市場規模是所有白領工作乃至機器人能觸及的一切，那麼即便利潤率更低，絕對利潤規模也可能遠超搜尋。「屆時我們回頭看，Google搜尋就是時思糖果。」
正是在這個框架下，Thompson認為Google發行股權並非軟弱信號，恰恰相反——"你用更小份額的利益，換一個規模大得多的蛋糕，最終沒有人會抱怨。"他特別指出，波克夏參與認購Google股權，具有深刻的象徵意義："這幾乎是字面上的——鐵路的錢，正在流向Google。"
算力稀缺，意外「救了」英特爾
Thompson對台積電的判斷是：它無意中製造了自己未來的競爭者。
台積電長期保持高度保守的擴產節奏，這一策略在供應充裕時期是理性的——多建產能意味著數十年的固定成本拖累。但在AI需求爆發後，這種保守造成了嚴重的算力短缺，並將風險完整轉移給了大型科技公司：
"風險不會消失，只是轉移。台積電不想承擔過剩風險，於是科技公司承擔了算力短缺的代價——那就是大量本可賺到卻沒賺到的錢。"
他的關鍵判斷：正是這種稀缺，讓大型科技公司願意承受痛苦去扶持英特爾和三星邏輯業務。
"平時沒人願意去找英特爾。台積電太好用了，誰會多花這個精力？但當短缺足夠嚴重，你為了沒有算力而放棄的收入足夠多，你就願意去做了。"
他甚至預測："我預計近期內會有某家大廠宣佈與英特爾的重大合作，那將是一個大事件。但歸根結底，是台積電自己造成了這個局面。高價格的解藥，就是高價格本身。"
各大玩家：誰的護城河最深？
亞馬遜：Thompson給出的答案是"永遠是亞馬遜"。核心邏輯是其"第一最佳客戶"模式——自己先用，跑通之後對外出售。AWS、Graviton、Trainium均是如此。"他們的核心業務對AI模型級別的衝擊幾乎免疫，而有機孵化新業務線的能力是最令人信服的。"
蘋果：Thompson認為蘋果的優勢在於"擁有用戶入口"，供應商因此來找它，而非反過來。AI可以按需接入。"我支援蘋果繼續做它擅長的事——做好設備。"他同時提出一個有趣的風險類比：微軟並非"錯過了移動"，而是把手機當成PC的附件來做；蘋果會不會把手機當成AI時代的中心，因此錯過更大的範式切換？"我認為這有可能，但雙下注於硬體也完全合理。"
微軟：Thompson將其戰略定位為"IBM在90年代的翻版"——充當AI時代的中間件和實施顧問，幫助企業上車，而非押注前沿模型。理性，但也充滿危機："Codex、Claude Code——這些產品像箭一樣，直射微軟的核心業務心臟。他們的策略是健全的，也是絕望的，但也可能因為絕望而成功。"
Meta：Thompson給予意外高度評價，核心在於：廣告業務本身正在成為AI的最大受益者之一。"最大的AI貨幣化，現在可能不是Anthropic或OpenAI，而是Google和Meta廣告系統獲得的那些增量提升。"他同時批評祖克柏從未真正正視廣告業務的社會價值，"這是一家對自己賺錢方式感到有點不好意思的公司。"
OpenAI vs Anthropic："不要低估信仰的力量。歷史上影響最深遠的事，通常都有宗教驅動。OpenAI像主流教派，Anthropic像福音派——他們all in，這是他們的核心信念。"
訪談全文如下：
當AI熱潮資金耗盡，會發生什麼？
節目：Invest Like The Best 發佈日期：2026年8月19日 | 時長：1小時25分53秒
嘉賓簡介
本期節目邀請Ben Thompson就AI時代的經濟邏輯、地緣政治格局與商業模式展開深度對話。話題涵蓋：大規模AI基礎設施投資能否在資本耗盡前實現回報、鐵路熱潮對當前投資周期有何借鑑意義，以及Google為何日益像波克夏、AI如何將智能商品化、亞馬遜為何擁有科技領域最深的護城河、蘋果專注硬體的戰略為何正確、AI如何威脅微軟核心業務、當前算力短缺為何可能救了英特爾，以及Google和亞馬遜最終將如何成為輝達最重要的競爭對手。
文字記錄
AI的資金困境：鐵路熱潮的鏡鑑
主持人： 如果能提前知道一件事來判斷未來走向，你最想知道什麼？
Ben Thompson： 我擔心的是，隨著大家對模型開放性的恐慌升溫，以及一些相關事件的發酵，最終的結果不是降低了風險，而是停止發佈，讓外界對真正的前沿究竟在那裡越來越模糊——形成一種虛假的安全感。另外，AI遞歸式自我改進的問題——這種能力會不會最終引發某種飛躍式突破？這些都是我目前沒有把握的事情。
我最擔心的是時間上的錯配：實際投資回報能否足夠快地產生收入、支撐持續投入？我們正在沿著資本曲線一路向下：從自由現金流開始，科技公司闖入債券市場的速度令人咂舌，大約一年時間就燒完了；現在Google在增發股票，輝達在組建那個五千億美元的計劃，去對接養老金、保險浮存金之類的資金。接下來呢？錢從那裡來？
理想情況是我們重新回到自由現金流驅動的模式。但如果沒能及時到達那個節點，就可能出現大規模崩盤。當然，即便崩盤，AI也不會消失，它會繼續發展。就像我們回顧互聯網泡沫、鐵路熱潮或歷史上各種泡沫一樣，在人類宏觀歷史的尺度上，那些損失顯得無足輕重——儘管對當時的許多人來說是毀滅性的。
主持人： 鐵路熱潮能給我們什麼啓示？按GDP佔比衡量，這一輪AI投資可能是歷史上最大規模的基礎設施建設之一。
Ben Thompson： 鐵路有一個典型的期限錯配問題：建一條鐵路並從中盈利，是一個長達十年乃至數十年的工程；但融資卻必須在短期內完成，於是世界就這樣耗盡了錢。這大概也是今天大家援引鐵路故事的原因——我們問的不僅是算力夠不夠、電力夠不夠，更核心的問題是：錢夠不夠？這聽起來很荒誕，但1870年代確實就發生了這件事——世界的錢用光了。
有趣的是，鐵路仍然繼續運營，繼續開發西部，對GDP的貢獻極其深遠，直到今天依然如此。BNSF鐵路賺的錢，正通過波克夏流向Google——這還真不是比喻，而是字面意義上的事實。
關於波克夏模型與Google的類比： 對我來說，輝達的那筆交易，與Google增發股票之間有著深刻的關聯——後者發生時讓我著實震驚。Google為什麼要增發？它融不到錢嗎？為什麼要稀釋股東權益？難道它不相信自己嗎？
波克夏的類比很有意思。他們有時思糖果，利潤率極高，但絕對規模有限，沒有再投資的空間，只能不斷積累現金。BNSF鐵路的天才之處在於，他們把喜詩的利潤投入了一個利潤率低得多的行業，但絕對規模如此之大，以至於較低的利潤率帶來的絕對利潤，遠超喜詩整個生命周期的總和。當資本規模大到一定程度，你就不再用百分比思考，而是用絕對數字思考。
這正是我覺得這個故事如此有趣的地方，因為它似乎恰好捕捉到了Google的走向。Google有一個利潤率驚人的搜尋業務，幾乎是商業模式的完美形態——無需投資，零邊際成本，純粹的聚合。與此同時，AI代表著一個需要燒掉天量資金的機會。但如果AI就是智能，而智能的市場空間涵蓋了所有白領工作、乃至最終通過機器人涵蓋幾乎一切，那麼即便利潤率較低，絕對利潤規模也將遠超搜尋廣告。
屆時，我們也許會回過頭來，把Google搜尋稱為"時思糖果"。在那個世界裡，你先用盡了自由現金流，再動用了數千億債務，最後增發股票。增發稀釋的是你對整塊蛋糕的百分比，但如果整塊蛋糕大到天文數字，沒有人會抱怨。波克夏參與Google增發這件事，象徵意義非常深遠——它們不只是Google的投資者，更像是Google未來走向的一個鏡像和模型。
AI的能力邊界：可驗證與不可驗證領域
主持人： 拋開商業和競爭層面，單就技術本身而言，你對AI的能力判斷，相較於業內其他人，處於什麼位置？
Ben Thompson： 我的觀點是：某些方面極度樂觀，某些方面則相對保守。
AI在編程上的表現令人嘆為觀止，想到一年前大家還在手敲代碼，現在回頭看真的很難想像。數學也是如此。但顯而易見的反駁是：這些都是"可驗證領域"——你能確定答案對不對。真正值得追問的是：在可驗證領域表現卓越，能否乾淨地遷移到"不可驗證領域"，或者那些驗證周期極長的領域？這一點仍有待觀察。
當我提出這個問題時，某些實驗室的人回應說："大家以為我們解決不了國際象棋、圍棋，結果我們都解決了。"但我的反駁是：國際象棋和圍棋本身就是有邊界的可知領域，規模擴展最終解決了它們，但它們都是有邊界的。真正的問題是：有沒有一個真正開放的、"不可知"的領域，是AI完成了過去認為不可能的事？這是我尚未完全信服的地方。
話雖如此，一個訓練於全部互聯網數據的AI——那是蒸餾，是對人類思想終態的蒸餾，而非思想本身的過程。它沒有留下思考的痕跡，沒有寫下那段話時的情感和經歷。如果Neuralink這類技術真正能捕捉人類思考的過程性軌跡，也許會從根本上擴展這些模型的能力邊界。在這種假設下，我對可驗證性的擔憂，或許會被"更多數據"這個答案所化解。
我的另一個判斷是：大量工作和經濟活動，其實並不依賴我尚未信服的那些領域。現實中有很多人本質上就像"有意識的AI"——他們在可驗證的領域裡運轉良好，接到任務就執行。這也許是一個略顯悲觀的人性觀，但這個市場規模極其龐大。如果模型從今天起不再進步，經濟機會依然是天文數字。
聚合理論在AI時代的延伸與演變
主持人： 你2015年發佈聚合理論，這一理論基本定義了那個技術時代的贏家與輸家。你現在如何看待什麼樣的原則或理論會定義AI時代的贏家？
Ben Thompson： 這是個好問題。我自己對聚合理論是否還同樣適用，也在反覆權衡。
聚合理論的核心要點是零邊際成本。其中一個關鍵維度是分發：在內容供給極度豐富的世界裡，稀缺的不是分發，而是發現。解決了"發現"問題的公司，就能主導其所在市場，形成正向飛輪。另一個關鍵是交易成本——Google和Meta的廣告主，絕大多數從未與平台的人工銷售打過交道，一切都由機器完成，這是完美的零邊際成本商業模式。
AI顯然改變了這個等式——推理成本是真實存在的，不可忽視。但問題在於，這個成本究竟有多"重"？
我的觀察是：今天大多數AI用戶，使用AI的方式不過是一個Google替代品，或者菜譜生成工具，服務這類用戶的成本極低，與向他們推送一個網頁相差無幾。但在另一個極端，那些真正利用測試時計算擴展的用戶——他們讓模型花更多時間思考一個問題，這直接等同於邊際成本：每多思考一秒，就多花一分錢。所以，"AI有邊際成本嗎"這個問題，對於不同用戶，答案根本不在同一個宇宙裡。
關於微軟定價模式的啓示：微軟推出了企業計劃——每用戶每月一百美元，包含一定用量，超出另計。這個策略其實很兩難。微軟的核心價值主張是：所有你需要的東西都打包在一起，統一定價，基本都能協同運作。一旦引入用量計費，你就打破了這個邏輯。
一是它與員工人頭數脫鉤了。過去給新員工買License，每月五十或一百美元，是"不用思考的收入流"——這筆錢已經內置在僱傭成本裡了。
二是用量計費要求按月決策。但大多數公司是一年做一次預算，這種"每月盯著帳單決定花多少"的模式，根本不符合企業的預算邏輯。
三是一旦每月看帳單，就會開始追問：每筆錢花得值不值？這些產品夠不夠好？該不該把預算分散出去？
微軟這麼做，是因為那些重度使用AI的用戶，成本遠超每月一百美元，他們不得不調整。但他們又不希望大量普通用戶開始深入思考這個問題，因為那會從根本上動搖他們的商業模式。
關於AI的消費者商業模式： 矽谷每隔十年都要重新學習兩件事。第一，消費者不願意為軟件付費。第二，消費者不關心生產力。
Dropbox是最典型的案例：一個令人驚嘆的消費者產品，最終不得不完全重建，轉型為企業產品，因為消費者就是不願意掏錢。企業願意付費，是因為員工時間有價值——提升員工效率就是提升投資回報率。消費者則恰恰相反：上班已經夠累了，回到家只想躺著刷短視頻。
OpenAI犯了同樣的錯誤，只是體量放大了一百倍：堅持向消費者賣訂閱。他們確實賣出去了很多，但遠遠不夠。如果你在消費者市場，廣告才是正確的商業模式。
OpenAI現在終於在做廣告了，但時機有些奇怪——同時，他們又意識到必須搶企業市場，因為Anthropic正在強勢競爭。如果他們在ChatGPT爆紅之初就立刻切入廣告，我認為現在會擁有一個極具殺傷力的廣告產品，Google和Meta都會面臨更大的壓力。
廣告模式對消費者平台的根本優勢在於：漲價的壓力由廣告主承擔，而非用戶，因此沒有需求彈性問題。Netflix訂閱漲價，就要擔心用戶降級或流失；而廣告模式下，給用戶免費，反而更容易做大。
算力、台積電與英特爾
主持人： 今年資本開支大概是八千億，明年預計是一點三兆，還在持續攀升，而且新建的算力幾乎一上線就被消化掉，需求完全跟得上供給。
Ben Thompson： 有幾個時間錯配正在同時發生。"算力不夠"這個說法是因為2023、2024年投資不足，這一點沒錯。但台積電在2023、2024、2025年一直在降低產能擴張速度。也就是說，今天的算力缺口，未來幾年只會更嚴重，因為建一個晶圓廠的交貨周期比建數據中心還要長得多。
今天投入的所有錢，不是明天就能變成算力，而是2028、2029年才能體現出來。所以我們聽到Andy Jassy和Satya Nadella說"我們在建數據中心的外殼，具體採購GPU等到有實際需求時再說"——這個故事說得很好，但我不太相信它。因為你已經投入了固定成本，怎麼可能讓它就那麼閒著？
這裡就涉及商品市場的邏輯，而科技行業對此普遍缺乏理解。
以航運為例：買了一艘船，成本是折舊，邊際成本只有燃料、船員和港口費，非常低。這意味著你一定會讓這艘船跑滿，價格低到只要能覆蓋邊際成本就會繼續跑，那怕帳面上顯示虧損——因為折舊只是會計概念，錢已經花出去了。集裝箱是純粹的商品，價格由市場邊際成本決定。疫情期間，集裝箱從三四千美元漲到一萬七八千美元，航運公司賺得盆滿鉢滿——但所有人同時決定造船，兩年後大量新船入市，價格暴跌，又一輪血洗。
內存行業更是如此，經歷過無數次繁榮-蕭條循環。三星的崛起，正是靠在低谷期逆勢投資，在日本廠商不敢動的時候大舉擴張，等到下一個周期來臨，直接橫掃對手。市場最終整合到三家寡頭，大家都不再重蹈覆轍，形成了一種"不明言的默契"。
然而這種邏輯直接撞上了當下的時刻：他們花了很長時間才意識到，AI帶來的是結構性的內存需求變化，而不是普通周期波動。內存問題最終會得到解決，但內存廠商現在犯了一個戰略錯誤——把自己變成了一個巨大的靶子。蘋果正在遊說引入中國內存，研究人員最熱門的方向之一就是如何減少內存用量。就像伊朗和荷姆茲海峽：封鎖是把牌，不出手時威懾力最大，一旦出手，別人就會想方設法繞過去。2035年再想封鎖，UAE和沙烏地阿拉伯的管道和港口早就建好了。我擔心內存廠商已經把自己逼到了同樣的處境。
關於台積電： 台積電的問題更嚴峻，因為在前沿製程上只有它一家。台積電的核心風險規避邏輯是：如果產能過剩，不只是固定成本的浪費，而是會把過剩的產能鎖死三十年。所以他們天然偏向保守。
但他們其實犯了和內存廠商一樣的錯誤，和伊朗一樣的錯誤——在過去幾年沒有積極擴產。這種算力短缺已經嚴重到了讓大型科技公司放棄了海量收入和利潤。當這種痛苦足夠真實，大家就會有經濟動機去做原本不願做的事——幫英特爾和三星的邏輯業務提速追趕。
英特爾我從2013年就開始寫：你們必須做晶圓代工。那時候寫感覺已經晚了，結果它們的股價在雲計算浪潮下一路飆升，直到2020年才真正意識到差距。英特爾的根本問題是：沒有服務客戶的思維、文化、組織和全套IP沉澱，而且根本找不到首批客戶願意承擔與其合作的磨合成本——去台積電多省事。
但恰恰是這種算力的極度稀缺，迫使大型科技公司開始願意承擔把英特爾扶上馬的痛苦。這就是"高價格自我治癒"的邏輯：稀缺創造經濟激勵，讓人們去做原本不願做的事。我預計不久之後會有某家重量級合作夥伴的公告，那將是一個里程碑。
亞馬遜與蘋果的AI護城河
主持人： 在前十五家科技公司裡，你認為那些公司今天的處境最有意思？
Ben Thompson： 答案永遠是亞馬遜。
亞馬遜之所以引人注目，是因為他們總是把自己作為第一個最重要的客戶。他們用自己的體量讓任何東西都能跑起來，然後再賣給別人。AWS是最典型的例子。與流行說法相反，AWS並非亞馬遜的閒置容量，而是來自一個深刻的內部洞察：我們內部零售團隊需要的是一個可擴展的、純API對接的計算基礎設施，不需要開會、不需要協商，介面就在那裡。既然內部能這麼用，外部也能這麼用。實際上，AWS先服務了外部客戶，才服務內部團隊，但最終二者兼顧。
亞馬遜的物流是另一面：先用第三方（UPS、FedEx、USPS），然後自建，再對外開放。市場、Graviton晶片、Trainium晶片，都是同一個模式：自己是第一個最重要的客戶，在內部使用的過程中打磨產品，當產品成熟到足夠好時，再推向外部市場。他們的AI產品也在走這條路，不是所有都會成功，但這種方法論極其優雅。
亞馬遜的核心業務——電商與物流——深深根植於物理世界，本質上很難被AI替代，只會受益於AI。他們對護城河的深度，我認為超過任何一家科技公司。
關於蘋果： 蘋果在這場AI浪潮裡似乎一直袖手旁觀，這可能是"幸運比厲害更重要"的一種情況。但蘋果有完整的生態，最重要的是，他們擁有對用戶的直接觸達——這就是經典的聚合者優勢：你擁有用戶，供應商就來找你。他們可以按需接入外部AI供應商。
從消費者需求來看，人們不想提高生產力，他們只是想要一個能用的助手——一個真正好用的Siri。這完全可以在設備端完成，亞馬遜甚至不需要負擔推理成本，因為他們用的是用戶自己的電池。
蘋果真正的優勢在於：智能手機本身接近完美。足夠小，能塞進口袋；足夠大，能看任何內容；能跑轉你的整個數字生活。電視已經成了配件，一切都在你的手機上。我看不到任何人能撼動手機這個核心地位。
真正的問題是：手機是否會永遠是中心？在家庭環境裡，"環境計算"——你只是跟AI說話，它告訴你需要知道的——是一個真實的機會，蘋果在這裡具備最好的基礎條件，但前提是他們不能過於依賴自研前沿模型能力。
這裡也存在一個微軟式的陷阱：微軟並沒有錯過移動互聯網，他們很早就進入了，但他們的移動產品是"縮小版PC"，因為他們始終假設PC會是中心。蘋果則意識到手機不是Mac的附件，手機就是手機——從iPod和iTunes就開始佈局這個理解。
蘋果會不會重蹈這個覆轍——假設手機永遠是中心，然後讓AI以手機為核心來適配？或者，AI真的是普遍存在的，通過手機、設備、電腦都可以呈現，並且這反而會對蘋果構成顛覆？這是可能的。但我也認為蘋果加倍押注自己擅長的事，是完全合理的。
最後一點：AI是一個機率性工程，蘋果是確定性產品的王者。發佈iPhone，只能出一次，必須一次做對；任何質量問題都會損失數十億。蘋果從未召回過一款iPhone，這背後是完全不同的決策文化和供應鏈哲學，與構建優秀AI所需的一切截然不同。我傾向於讓公司專注於它們擅長的領域——蘋果繼續做好設備，完全合理。
前沿AI玩家格局
主持人： 在OpenAI、Anthropic、Gemini、xAI和Meta這五家前沿AI競爭者中，那家的處境最有意思？
Ben Thompson： OpenAI和Anthropic風險最高，但上行空間也最大。別低估信念的力量——歷史上最有影響力的事業，通常都由某種"宗教"驅動。矽谷有兩個"宗教組織"：OpenAI像主流教會，每周日按時去；Anthropic像狂熱的福音派，信仰已經內化到骨子裡，這是他們核心存在的意義。
Google只需要搜尋不要死得太快；Meta有巨大的廣告業務託底，但如果Meta是由除Mark Zuckerberg以外任何人掌舵，他們不會在前沿出現，這是創始人能量最純粹的體現之一。
Meta從頭組建新團隊、從零開始做AI，老實說相當瘋狂，但向祖克柏致敬。而且還有一個更深的邏輯：對於一家純數字公司來說，不在前沿其實是更魯莽的選擇。
微軟與反面教材： 微軟上季度有兩百億美元自由現金流，支付了一百億美元股息，但他們不在前沿。他們的策略是：在所有模型之間提供中間層，幫助企業構建在他們平台上，管理模型的變更和迭代，提供後向相容性。這是IBM九十年代的劇本。
Gersner接手IBM時的洞察：IBM什麼都做得很平庸。打破它不是答案，因為各個拆分出來的部分更不值錢。IBM最大的資產是"大"本身——互聯網來了，所有公司都需要上網，卻不知道怎麼做，IBM就做了這個整合者：在企業老舊大型機和現代Web服務之間建一箇中間層，並配套建立龐大的諮詢隊伍。這給IBM續命了三十年。
微軟走的正是這條路：我們幫你搞定AI，幫你在不把核心數據拱手相讓的情況下完成轉型，我們是穩定的、可依賴的平台。這是理性的策略，但也是一種迫不得已的防禦姿態。
微軟的生存威脅： 微軟的產品本質上是"用戶與計算機互動的介面"。而Codex、Claude Code這類產品，正是一支直指微軟心臟的箭。長期來看，所有數字公司都面臨這個威脅，但微軟是最直接的。他們的策略是理性的，但同時也是一種背水一戰——可能正因如此，反而有機會成功。
關於xAI： 太空數據中心的理論很有意思，但如果真的成為他們的核心競爭力，我不確定他們需要自己的模型。既然如此，在這之前為什麼要燒幾百億在模型研發上？他們把算力賣給Anthropic的模式本身就很說明問題。Cursor的收購是一步好棋，兩家公司互補性很強。
輝達與智能商品化
主持人： 如何把不理解商品市場這件事，和輝達、智能商品化聯繫起來？
Ben Thompson： 輝達目前維持的利潤率，我認為不太自然。讓我解釋一下為什麼。
現在有大量"循環融資"的討論——輝達提供25%的資本支援，換取新雲計算公司的股權，而這些公司承諾買入輝達的算力直到2030年。表面上看，輝達維住了價格和利潤率；但實質上，他們在承擔風險。如果那些新雲計算公司建起來的算力賣不出去，或者超大規模雲商自己的算力綽綽有餘，輝達就會為無人需要的算力買單。
這筆投資有期望值，不是零，也不是百分之百，而是某個中間值。這個期望值實際上是輝達利潤率的一個折扣——雖然這個折扣沒有出現在報表的利潤率一欄裡，但它真實地存在於公司的整體折現現金流分析中。
這就是我說的"價格折扣以奇怪的方式呈現"。總體而言，把東西移到資產負債表外，大多數時候在實操中奏效；但你需要看清全貌，而不僅僅是毛利率。
輝達的終極挑戰： 輝達真正的對手不是AMD，而是超大規模雲商，尤其是Google和亞馬遜。他們不只是在建自己的晶片，還在把晶片賣給外部客戶。Google已經把TPU賣了20%給Anthropic，Andy Jassy在上一次業績電話會議上幾乎確認了Trainium晶片最終會對外銷售。而他們的邏輯很清晰：這不是差異化賣點，而是商品銷售，不會蠶食他們雲業務的吸引力，還能提高R&D投入的槓桿。
超大規模雲商相對於新雲計算公司，最核心的優勢是更低的資本成本。這是一場資本成本之戰。Elon說"我們永遠買輝達"——真實原因是：輝達最靈活，最容易轉租，Cuda的護城河也大幅減弱了，因為模型本身不在乎跑在什麼硬體上。
輝達真正的希望也許在於電力成為瓶頸。如果電力真的嚴重受限，用戶會追求最高的Token效率，而輝達目前仍是最高效的選擇，那對輝達是有利的。
但讓輝達失望的是：美國這幾年實際上上線了比預期更多的電力——Elon的幕後太陽能、西德州的天然氣、核電站的重啓，這些進展出人意料地順利。而這給了Google更多時間打磨TPU效率，給了亞馬遜更多時間改進Trainium。如果我們最終進入了一個電力不是瓶頸的世界，維持那些利潤率將極其困難。
AI泡沫之後，什麼能留下來？
Ben Thompson： 我從AI熱潮中一直在思考的是：在泡沫之後，什麼會留存下來？
互聯網泡沫留下了光纖。Google的崛起，很大程度上是因為他們在泡沫後以幾乎白菜價買下了大量暗光纖——今天的互聯網骨幹還在跑世界通訊的光纖。鐵路熱潮留下了BNSF，今天還在運作，它賺的錢正流向Google。好的泡沫，總會留下一些真正持久的東西。
AI泡沫能留下什麼？GPU不會太久，數據中心可以，但最重要的是——電力。
如果這一切崩盤，留給我們的是海量新增的電力供給，那將是一份極其寶貴的遺產。我們始終生活在能源稀缺的約束裡，能源是一切的基礎。生活在一個能源充裕的世界，將是什麼樣子，我們很難想像，因為我們的思維一直被能源稀缺所框定。
我認為美國在這件事上交出了令人驚嘆的答卷。電力已經是瓶頸，將來也會繼續是，但它成為真正瓶頸的時間，比所有人預期的都要晚——包括Jensen Huang本人，我猜他本以為電力短缺會更早成為輝達的護城河。
這是這個時代最令我振奮的信號之一：看美國如何應對這些挑戰，真的讓人心情大好。(華爾街見聞)