OpenAI 和 Anthropic 可能主导全球 AI 计算（48 分钟阅读）

# Dylan Patel – Anthropic 与 OpenAI 将在 2028 年前掌握全球大部分算力 来源：https://www.dwarkesh.com/p/dylan-patel-3 再次与我的“双胞胎兄弟” Dylan Patel 交谈非常愉快。 我们讨论了未来几年的实验室经济学——随着递归自我改进（RSI）临近，重心将从推理转向训练；以及 Anthropic 和 OpenAI 为何有望在未来几年内控制全球大部分可用浮点运算能力（因为他们能更有效地将算力变现，从而出价高于所有人）。 随后我们探讨了：到本十年末超过 10 万亿美元的 AI 总资本支出是否会引发主权债务危机？超大规模数据中心的债务推高利率，导致未涉足 AI 的国家破产，并冲击非 AI 相关股票。 一个我们未能解决的问题是：行业中是否存在任何力量能够抵消当前所有推向集中化的趋势——训练中的规模经济、算力稀缺，以及最终的持续学习与 RSI。 可观看 YouTube 视频 (https://youtu.be/aV26V1UvkJw)；或在 Apple 播客 (https://podcasts.apple.com/us/podcast/dylan-patel-anthropic-openai-will-have-most-of/id1516093381?i=1000785793715) 与 Spotify (https://open.spotify.com/episode/1chA0sqLyHUL684tUEE3ek?si=Dgplc0zpTz-H6O642qY5mA) 收听。 - **Grok Bot (https://x.ai/bot)** 在我寻找新编辑时提供了很大帮助。我创建了一个招聘机器人，描述了期望的编辑类型。该机器人随即生成若干子代理，系统梳理我的邮件和 X 私信，查阅我喜爱的纪录片片尾字幕，并定位为我喜爱的某些 YouTuber 担任编辑的人员。它汇总所有结果后，向我提供了一份符合标准的候选人简短列表。你可亲自尝试 Grok Bot：https://x.ai/bot - **Antithesis (https://antithesis.com/dwarkesh)** 允许你在软件测试工具中加入“时间旅行”功能。由于 Antithesis 平台完全确定性，其内部发生的一切都可完美复现。因此，若软件崩溃，你可倒回精确时刻、暂停时间并展开调查。亦可通过扰动系统来测试不同假设：终止节点或禁用功能，观察变化后重置轨迹并尝试其他方案。了解更多：https://antithesis.com/dwarkesh - **Jane Street (https://janestreet.com/dwarkesh)** 目前正招聘两个机器学习实习岗位，一个侧重研究，另一个侧重工程。实习生需参与实际工作而非虚构练习：常见项目包括将前沿大语言模型论文适配金融市场，这往往伴随大量复杂挑战。重要的是，申请无需任何金融背景。2027 年度申请现已开放：https://janestreet.com/dwarkesh **(00:00:00)** – 两家实验室将很快控制全球大部分算力 **(00:07:01)** – 60 亿美元工厂资本支出可支撑超 1 万亿美元终端收入 **(00:13:08)** – 若实验室出价更高，算力价格将上涨 **(00:18:22)** – 哪个层级将捕获最多剩余价值？ **(00:25:40)** – 什么可能拖慢进步？ **(00:29:43)** – 实验室正将算力从推理转向研发 **(00:33:27)** – 中国获得的新增算力不足 10%，但其需求也更少 **(00:48:48)** – AI 会引发主权债务危机吗？ **(01:07:52)** – 世界的未来劳动力会属于少数公司吗？ **Dwarkesh Patel** 好的，我与 SemiAnalysis (https://semianalysis.com/) 创始人 Dylan Patel 再次对话。我们家庭式的“感恩节晚餐”就是每年定期的播客录制。但实际上我们并无血缘关系。 **Dylan Patel** 别告诉大家这点。 **Dwarkesh Patel** 这会打破神话。简言之，全球经济走向越来越取决于实验室经济学、算力市场的发展等。我想理解疯狂的未来几年内将走向何方。但让我们从现状开始。请先介绍一下当前实验室的算力与收入情况，并展望未来一两年。 **Dylan Patel** 回顾去年，即便到年底，美国大部分 GDP 增长都来自 AI 基础设施 (https://fortune.com/2025/10/07/data-centers-gdp-growth-zero-first-half-2025-jason-furman-harvard-economist/)。展望今年，约三分之一新增算力将服务于实验室——即 OpenAI 和 Anthropic。这些算力可能由其他方建设后租赁给它们，但最终用户仍是它们。 未来，算力规模将急剧扩大 (https://epoch.ai/data-insights/hyperscaler-capex-trend)。今年资本支出 (CapEx) 已超万亿美元。到 2028 年，将超过 2 万亿美元。实验室在其中占比也持续上升。最终，有趣的现象出现了：实验室正从每年支出数百亿美元的公司，转变为预测本十年末将每年支出万亿美元——这至少体现在它们已与合作伙伴签订的部分合同中。 这需要彻底重塑其经济模式。此前，它们主要是亏损企业。Anthropic 从第二季度开始盈利。据信 OpenAI 也可能在第三季度开始盈利，得益于 Codex (https://openai.com/index/introducing-the-codex-app/) 和 5.6 (https://openai.com/index/previewing-gpt-5-6-sol/) 等产品的增长。但回溯一年前，它们的资金都来自风险投资亏损；即便今年初，也仍是风投输血。如今它们已跨越拐点，开始盈利。 这并不意味着它们不再引入新资本。新资本仍在注入以加速增长。但根本上，其业务越来越依靠自身收入而非资本注入。过去一年半，利润率飙升。算力基础成本通常在每兆瓦 1000 万、1300 万或 1500 万美元左右 (https://www.nrc.gov/docs/ML1209/ML120960701.pdf)。 当前最有趣的方面在于：过去，若提供模型——如在 Nvidia (https://en.wikipedia.org/wiki/Nvidia) Hopper (https://en.wikipedia.org/wiki/Hopper_(microarchitecture)) GPU (https://en.wikipedia.org/wiki/Graphics_processing_unit) 上部署 GPT-4 (https://openai.com/index/gpt-4-research/)——会为 OpenAI 产生负毛利 (https://www.investopedia.com/terms/g/grossmargin.asp)。但现在，当 OpenAI 提供 GPT-5.6 或 Anthropic 提供 Opus 5 (https://www.anthropic.com/news/claude-opus-5) 与 Fable 5 (https://www.anthropic.com/claude/fable) 时，其收入已远超每兆瓦 1000-1500 万美元的增量成本。以 Anthropic 为例，收入可达每兆瓦 5000 万美元。这使其得以：“若我花费 10 美元用于推理 (https://cloud.google.com/discover/what-is-ai-inference) 容量，实际产生 50 美元收入，然后可将所有利润增量投入训练。” **Dwarkesh Patel** 我非常想了解，你如何看待算力在实验室的集中化，或全球算力与实验室算力的相对比例。如果说目前约三分之一边际算力流向实验室，那么何时超过一半的全球新增算力将属于实验室？到何时实验室将基本拥有全球绝大部分算力？ **Dylan Patel** 今年初，OpenAI 拥有 2 吉瓦，Anthropic 不足 2 吉瓦。到年底，两者均超过 5 吉瓦。算力总量增长了 3-4 倍。观察新增算力，这占今年新增算力的约 30%。 展望明年，基于已签署的合同，情况将更显著。Anthropic 和 OpenAI 将获取明年 40% 到 50% 的算力。这种集中化并未放缓或停止，反而加速。 为其建设算力的主体将变化。明年一个大型新进入者是 SpaceX (https://en.wikipedia.org/wiki/SpaceX)，正在建设大量算力。他们很可能会将相当一部分租赁给 Anthropic (https://www.wsj.com/livecoverage/stock-market-today-dow-sp-500-nasdaq-05-20-2026/card/anthropic-rents-1-25-billion-of-spacex-data-center-capacity-each-month-uNS0TiOKvaa8wo4GhxII) 和 OpenAI，因为他们有能力支付最高价。此外，OpenAI 和 Anthropic 也开始自建算力——OpenAI 开发自有芯片 (https://www.wsj.com/tech/ai/openai-broadcom-develop-custom-chip-for-ai-inference-beafd74a)，Anthropic 则从 Google (https://www.anthropic.com/news/google-broadcom-partnership-compute) 购买 TPU 并通过 Fluidstack (https://www.anthropic.com/news/anthropic-invests-50-billion-in-american-ai-infrastructure) 部署。 因此，若问“全球一半新增算力何时仅流向 OpenAI 和 Anthropic？”答案是明年年底，届时半数新增算力已属于它们。 **Dwarkesh Patel** 因为算力增长极快，新增算力将基本等同于主体算力。所以很快——你说明年或两年内——全球大部分算力将由两家实验室拥有，或至少服务于它们的需求。 存在一种趋势：全球算力（以吉瓦计）可能每年翻倍，但前沿实验室的算力每年增长两倍。若保持当前趋势，从今年初的 2 吉瓦，年底接近 6 吉瓦（乘以 3）。2027 年底达 18 吉瓦，2028 年底达 54 吉瓦。你是否认为“基于全球算力规模，它们不可能持续每年翻三倍”？你如何看待未来几年的全球算力格局？ **Dylan Patel** 若今年新增算力 30 吉瓦，明年 50 吉瓦，后年约 70 吉瓦，就会出现有趣现象：今年部署的新瓦特效率远高于两年前。全球算力的绝大部分在近年部署。即便部署总量未翻倍，但 GB300 (https://newsletter.semianalysis.com/p/nvidias-christmas-present-gb300-b300-reasoning-inference-amazon-memory-supply-chain)、TPUv7 (https://newsletter.semianalysis.com/p/tpuv7-google-takes-a-swing-at-the) 和 Trainium3 (https://newsletter.semianalysis.com/p/aws-trainium3-deep-dive-a-potential) 等新型硬件能效大幅提升，其每瓦性能是上一代芯片的 3-5 倍。 因此，这里存在巨大阶梯效应。若 Anthropic 和 OpenAI 明年获取 45% 的算力，到 2027 年底它们将控制全球一半新增算力。但这半数新增算力的性能实际高于此前所有算力。因此还有额外乘数效应。到 2028 年底——若此趋势持续（我看不出阻断因素）——它们将仅凭自身掌控全球大部分可用浮点算力 (flops) (https://en.wikipedia.org/wiki/Floating_point_operations_per_second)。 **Dwarkesh Patel** 我困惑的是：为何你认为 2028 年仅新增 80 吉瓦？若算力价值如此之高，岂不应用更多投入？ **Dylan Patel** 顺便说明，那是乐观预测。即“我他妈太看好这个了”。 **Dwarkesh Patel** 好的，我们来逻辑推演一下。当我几个月前采访你时 (https://www.dwarkesh.com/p/dylan-patel)，你提到制造一吉瓦 Vera Rubin (https://nvidianews.nvidia.com/news/nvidia-vera-rubin-platform) 芯片，需要 5.5 万片 N3 (https://en.wikipedia.org/wiki/3_nm_process) 晶圆 (https://en.wikipedia.org/wiki/Wafer_%28electronics%29)、6000 片 N5 (https://en.wikipedia.org/wiki/5_nm_process) 晶圆和 17 万片 DRAM (https://en.wikipedia.org/wiki/Dynamic_random-access_memory) 晶圆。不知这些数字是否已变。 **Dylan Patel** 我要调侃你了——你发“晶圆”的音太印度风了。“瓦弗”。 **Dwarkesh Patel** 顺便说，我们刚移居美国时，我 v 和 w 的发音问题挺严重，而且我是素食者。 **Dylan Patel** 我记得你提过。 **Dwarkesh Patel** 在北达科他州上小学时，我会说—— **Dylan Patel** 能给我一个“wedge”（楔形）吗？ **Dwarkesh Patel** 能给我几个“wedges”吗？ 总之，那是一吉瓦所需。我让大语言模型运行你的晶圆厂设备模型，计算每年生产一吉瓦算力的设备成本。结果是 30-40 亿美元。现在加上洁净室 (https://en.wikipedia.org/wiki/Cleanroom)、外壳和工厂 (https://en.wikipedia.org/wiki/Semiconductor_fabrication_plant) 其他部分。因此，60 亿美元的工厂资本支出可每年生产一吉瓦算力。一吉瓦目前产生 1000 亿美元收入。 但也是这 60 亿美元资本支出每年生产一吉瓦算力，该吉瓦算力每年产生 1000 亿美元。五年内，第一吉瓦算力产生五年利润，工厂生产的第二吉瓦产生四年利润，依此类推。工厂层面的 60 亿美元资本支出将产生超万亿美元的终端 AI 收入。 **Dylan Patel** 是的。期间还有大量运营支出 (OpEx)。其他资本支出也很多，如数据中心、电力。 **Dwarkesh Patel** 你还得支付 OpenAI 的研发费用。 **Dylan Patel** 安装成本。许多环节需要资金。 **Dwarkesh Patel** 即使减半分给中间商，工厂资本支出与终端收入之间仍有百倍差距。实际更多，但我们保守估计。结果是……这就是资本主义。存在巨大套利空间：投入 1 美元产出 100 美元。他们难道不会想办法制造更多镜片 (https://www.zeiss.com/semiconductor-manufacturing-technology/smt-magazine/so-does-euv-lithography-work.html) 吗？ **Dylan Patel** 他们正在做。只是这些镜片需要时间制造。 **Dwarkesh Patel** 但紧急程度如此之高——Anthropic 和 OpenAI 表示：“我们本可立即赚取万亿美元，但受限于 ASML (https://en.wikipedia.org/wiki/ASML_Holding) 机器中的镜片供应。” 若投入 1000 亿美元，难道无法加速制造镜片？我们很快将面临这种局面。无法解决供应瓶颈？这似乎难以想象。 **Dylan Patel** 你见过有人在此类领域进行有趣套利：购买涡轮机 (https://en.wikipedia.org/wiki/Gas_turbine) 后转售，因为涡轮机作为数据中心瓶颈，价值更高。我认为若……