▍嘉宾：本·汤普森 (Ben Thompson)
本·汤普森是科技战略分析领域最有影响力的独立分析师之一，也是罕见的「分析师即创始人」样本：
- 科技大厂履历： 曾在苹果 (Apple) 实习，后任职于微软 (Microsoft) 与 WordPress 母公司 Automattic，2013 年在职期间把 Stratechery 作为副业创立，随后转为全职。
- 聚合理论提出者： 2015 年发表的聚合理论 (Aggregation Theory) 定义了平台时代的赢家与输家，至今是科技战略分析的通用语言——本期对话中他反复用这个框架检验 AI 时代的商业模式。
- 台北在地视角： 长居台湾台北，距台积电总部所在的新竹约一小时车程，这使他对半导体供应链与台海地缘风险的观察带有罕见的在地性——本期「炸掉台积电」的博弈论推演正来自这个视角。
▍关于 Stratechery
Stratechery 创立于 2013 年，是付费订阅制独立分析媒体的先驱——比 Substack 早四年证明了「单人作者加付费订阅」可以成为一门独立的生意。
- 订阅模式： 每周一篇免费长文加多封付费的每日更新 (Daily Update)，订阅价约每年 150 美元（早期订户锁定 120 美元旧价），靠订阅费单一引擎运转，不靠广告。
- 规模与影响： 汤普森从未公开订户数，外界估计在数万量级（2.5 万至 5 万以上不等），年收入达数百万美元量级；其框架词汇（聚合理论、大分裂 (the Great Bifurcation) 等）被全球科技与投资决策层广泛引用，至今仍是这一圈层引用最多的独立分析声音之一。
赢得 AI 竞赛的风险：博弈论与台积电
Patrick： 本，说来你可能不信，我们上次对谈已经是很久以前了。那时候的世界完全不一样——还没有 AI，我们聊的主要是聚合理论。世界变化这么大，我想用一个有趣的问题开场：在你看来，美国「赢得 AI 竞赛」意味着什么？
Ben： 我认为美国真「赢」了反而是个大问题。先把场景推到最夸张的地步：谁控制了 AI，谁的军队就天下无敌，它还能顺带修好我们的制造业——这些我并不认为 AI 真做得到，因为它们都得跟现实世界打交道。
但在那个世界里，中国的博弈论 (game theory) 最优应对是什么？是炸掉台积电 (TSMC)。博弈论可以绕得非常复杂，但这个问题在我看来并不复杂。
硅谷流行的很多论调，我跟它们有根本分歧——我觉得这些论调主要来自某一家实验室。如果我们真走到在军事和国家安全上拥有决定性优势那一步，我认为对世界非常危险。
Patrick： 但到了那种地步，后果难道只限于台积电被炸吗？到那时候，我们多少应该已经学会在美国本土建晶圆厂了，对那一个咽喉要道的依赖会小一些。
Ben： 我觉得这种想法有点「魔法思维」 (magical thinking)——我刚才谈制造业时就提到了：不管是晶圆厂还是执行器 (actuators)，所有这些上游环节，都绕不开。我们对中国依赖到什么程度，是被低估的；而且除非爆发冲突，这种依赖修不好。
因为要修的环节太多，硬修在经济上极其不划算。竞争对手从中国采购，你却改从美国采购，相对劣势会大到让你根本不会这么干。
所以只有彻底别无选择的时候才会这么干。这对那些能上头条的大项目是可行的——比如施压苹果 (Apple) 把一部分 iPhone 产能挪去印度。但就连这个例子都很说明问题：苹果并没有真正撤出中国。
他们确实做了一些多元化，但代价高得吓人。这就像买保险：不是非买不可，保费又是天价，那就不会买。
说实话，这种假设我很难当真。我能想到的唯一一个「我们彻底撤出、对中国零依赖，他们就算炸掉台湾也伤不到我们」的世界，在我看来相当离谱。这类讨论里，缺的正是对现实的正视。
Patrick： 站在他们的角度想想，你觉得动机是什么？
Ben： 人人都需要一个好用的「假想敌」 (bogeyman)。从 AI 生意的角度看，没有比「我们必须击败中国」更好用的了。当然，我确实认为我们要击败中国、要保持竞争力。
但让我痛心的是，过去几年我们的很多应对——尤其是政治层面的——是在努力变得更像中国。我认为应该反着来：更开放、更鼓励创新、更少自上而下的控制、更少对言论之类的限制。美国赢，赢在站在最前沿，并且全力押注这一点。
Patrick： 你说过，美国一家独大主导 AI 并不是世界该有的终局。那你心目中理想的全球均衡是什么样？
Ben： 眼下的 AI 格局有点像台湾问题：现状看着其实不算坏，问题是能维持多久？但也许，它能比我们想的维持得更久。
我现在是这么看的：OpenAI 和 Anthropic 明显站在前沿；谷歌 (Google) 那边在干什么谁也说不准；Grok 和 Meta 在后面追。另一边，中国人很能干、很聪明，而且肯定在蒸馏 (distill) 这些模型，把差距稳在六到九个月。我觉得这是个相当不错的均衡，总体上对美国有利。
接下来的问题是：这个状态能撑多久？悬而未决的问题还很多——中国真的能反超吗？我出于种种原因仍然存疑，芯片就是其一。要摸到最前沿，最后那六到九个月非常难走。
Meta 和 Grok 到底追不追得上，会很有参考价值——尤其是我们正在进入「AI 改进自身」的世界，用 AI 让 AI 变得更好，我认为这是实实在在发生的事。你最近应该也看到了，OpenAI 和 Anthropic 都出现了真正的加速——以前这只是理论推演，现在似乎在成真。如果加速是真的，后面的人还追得上吗？
顺便说一句，这里还有另一个问题：这种优势有多少会传导到服务成本、传导到边际成本 (marginal costs) 上？如果你能拿 AI 优化技术栈、解决问题、分析所有数据，你的服务成本会不会在结构上比谁都低？
开源模型的问题就出在这儿。大家说开源模型「免费」，我觉得很奇怪——边际成本还在那儿摆着呢。推理总要有人跑，GLM、Kimi 都一样。Kimi 的服务成本很高，每个回答的成本明显更贵。
人人都管这些叫「免费」——我感觉在叙事里、在大家的脑子里，「免费」就等于真不要钱：太好了，AI 可以白用了。不，AI 不能白用。研发的钱你也许没付，但跑它的推理成本，你绝对在付。
所以眼下这个位置，我挺满意。反驳的人会说：那只是眼下，不会一直这样。这个反驳站得住，但谁知道呢——这个状态持续的时间，可能远超我们的想象。
当前沿隐入黑暗
Patrick： 如果有一件关于未来的事你可以提前知道，让你对均衡最终落在哪儿更有把握，你想知道什么？是 S 曲线的长度？还是我们现在爬到了 S 曲线的哪个位置？这类增长到了某个点大概会走平——也可能不会。哪一件事最能帮你看清未来？
Ben： 我担心的是，Mythos 引发的恐慌、人们的大惊小怪，再加上这次 Hugging Face 事件，真正的后果不是我们降低了这些危险，而是大家干脆不再对外发布任何东西。我们这些局外人将开始失去对——
Patrick： 真正的前沿在哪里的感知。
Ben： ——对真正的前沿是什么、走到哪儿了的感知。这会制造虚假的安全感：现在所有人对 Mythos 的理解都建立在 Fable 之上，但 Fable 跟 Mythos 比到底差多少？这个差距只会越拉越大。所以这是个真问题，我确实没有答案。
还有递归性的问题：AI 让自己变得更好，会不会带来某种「起飞」 (takeoff)？说到底，很多维度上都有时间错配。我最担心的，是「投资回报变成足够收入、再反哺投资」这个循环在时间上接不上。
我们正在沿着资本曲线一路下行：一开始烧的是自由现金流；科技公司打穿债券市场的速度快得惊人，只用了一年左右；现在谷歌开始发股票；英伟达 (Nvidia) 在拼凑这些——
Patrick： 这个 5000 亿美元的大计划。
Ben： ——这个 5000 亿美元的大计划，去撬动养老金、保险浮存金这类钱。再往后呢？钱从哪儿来？理想情况下，我们能翻回让自由现金流来接盘这一切；但如果中间出现空档，没能及时接上，就可能来一场大爆发 (blowup)。
但话说回来，就算真爆了，AI 也不会消失，不会停止进步。它会继续往前演进——回头看互联网时代、铁路时代，历史上任何一场泡沫——放到人类历史的大尺度上，这些泡沫最终都无关紧要，哪怕当时破坏惊人。
Patrick： 你觉得铁路能给我们什么启示？按占 GDP 的比例算，这一轮建设潮是自铁路以来最大的一次——或者正在逼近。
Ben： 我觉得到眼下我们可能已经超过它了——或者说，铁路曾经是最大的。
Patrick： 反正是一个量级。
Ben： 铁路有真正的期限错配 (duration mismatch)：修一条铁路、靠它赚钱，是十年甚至几十年的工程，钱却必须在短期内筹到。于是全世界的钱被耗光了。我认为这恐怕正是关键。
我想这就是大家总拿铁路打比方的原因。人人都在问：算力够不够？电力够不够？但也许最迫在眉睫的问题是：钱够不够？这么想是有点怪，但 1870 年代就是这样：世界上的钱被耗光了。
有意思的是，铁路一直在运营，还开拓了西部。它们对 GDP 的贡献是天文数字，到今天还在贡献。而铁路赚来的钱，此刻正通过伯克希尔·哈撒韦 (Berkshire Hathaway) 流进谷歌。这很好笑，而且是字面意义上的好笑。伯克希尔·哈撒韦就面临这个问题。
在我看来，英伟达这笔交易和谷歌发行股票是紧密呼应的一对。谷歌增发股票的时候，我非常震惊。
Patrick： 为什么震惊？
Ben： 因为那是谷歌啊。他们会筹不到钱吗？为什么要发股票？既然这么看好这件事，为什么要稀释自己的上行空间？
不过拿伯克希尔来类比就很有意思了。粗略地讲，他们有著名的喜诗糖果 (See's Candies)——一门利润率高得惊人的生意。很多高利润率生意都有个毛病：利润率很高，但绝对利润有天花板。
Patrick： 没有再投资的跑道。
Ben： 没错，你只会在账上不停堆现金。BNSF 铁路那笔交易妙就妙在：他们拿着喜诗糖果赚来的利润说，这儿还有一个行业，利润率差远了，但盘子大到用差得远的利润率，换来的绝对利润反而多得多。
BNSF 在 2025 年（或随便哪一年）一年创造的自由现金流，就超过喜诗糖果一辈子创造的总和——尽管这是一门低利润率生意对一门极高利润率生意。从伯克希尔的角度看，关键一点是：资本大到一定程度，你就开始活在绝对数字的世界里，而不是百分比的世界里。
我之所以觉得这个故事特别有意思，是因为它恰好照见了谷歌自己可能要走的路。所以伯克希尔投资谷歌，象征意义极强。
谷歌手里握着搜索这门不可思议的高利润率生意——有史以来最完美、最优雅的商业模式之一。它是所有聚合者 (aggregator) 里最纯粹的一个：朝哪个方向都能扩张，而且不用为此投一分钱，一切零边际成本。太惊人了。
而眼前这个 AI 机会，却在疯狂烧钱。但你可以想象：如果 AI 就是智能，它的潜在市场总量 (TAM) 基本上就是全部白领工作，最终再加上机器人——
Patrick： 可能还不止。
Ben： ——潜在上是一切。这里能拿到的绝对利润，哪怕利润率更低，也要大得多——大到多年以后我们回头看，会觉得谷歌搜索就是喜诗糖果？我感觉正在发生的就是这件事。
在那个世界里，你会用光所有自由现金流——他们已经用了；你会去债券市场借几千亿美元——他们也借了；然后你发行股票。发行股票意味着什么？它稀释你在股东里的权益，你分到的那块饼，比例变小了。但你拿到的是一个天文数字般更大的饼的更小份额。
说到底，没人会抱怨。伯克希尔成了这次股票发行的象征，这件事意味深长：他们真的只是谷歌的投资者吗？还是说，他们其实是谷歌的样板、是谷歌未来的样子？
不情愿的加速主义者
Patrick： 我很好奇，先把你说的商业和竞争层面放一边——单论技术本身，跟这个领域里其他思考的人相比，你觉得自己「AI 上头」 (AI-pilled) 到什么程度？
Ben： 我的看法是：有些方面超级看多，有些方面没那么看多。有个「可泛化」 (generalizable) 的论点，我并不完全买账。AI 写代码显然强得离谱——一年前人们居然还在手写代码，这事现在想起来我都觉得震撼。数学上它显然也非常强。
但明摆着的反驳是：这些都属于「可验证的领域」 (verifiable domains)。有什么过硬的证据能证明，在可验证领域很强，就能干净利落地迁移到「不可验证的领域」、或者验证回路特别长的领域？我觉得这还不好说。
有意思的是，我在一个小组讨论上提过这个问题，当时有几位实验室的人在场，而那个回答让我有点恼火，因为话里把我当成了 AI 空头：「哦，当年大家还说我们下不赢国际象棋、下不赢围棋，结果不都轻松解决了？」
我心想：当年我就认为国际象棋能解决、围棋也能解决，因为它们都是「可知的领域」 (knowable domains)。规模化 (scale) 确实是这两个问题的答案，但这两个问题本身也都是有边界的。
有没有一个既不是国际象棋、也不是围棋的招牌案例——真正闯进了一片新空间、某种「不可知空间」，在做以前根本不可能做到的事？这就是我说「我还没被完全说服」的意思。
不过粗略地说，AI 是在互联网的全部数据上训练出来的。而互联网的全部数据，就是一种蒸馏——蒸馏出的是人类思想的全部终态：人们真正敲在 Reddit 上的那些字。
Patrick： 没有思考的痕迹。
Ben： 它没有那些痕迹——人们敲出那条评论、写下那篇文章时真正投入的思考、情绪，什么都没有。拿 Neuralink 来说吧，或者类似的东西。万一 Neuralink 真正的回报其实是捕捉到痕迹——
Patrick： 训练数据。
Ben： ——人类思考的痕迹，进而大幅扩展这些模型的能力呢？在那种情况下，我对可验证性的担忧——好吧，靠获得更多数据，可验证性问题就解决了。而我的感觉是：大量的工作、大量的经济活动，根本不在那些「我不确定 AI 行不行」的领域里。
其实，世界上有很多人某种程度上就像「有感知能力的 AI」：在可验证的领域里运转得很好，派什么任务就完成什么任务。某种程度上，这几乎是一种对人性相当悲观的看法。
但我认为这个市场太大了，大到即便模型从今往后停在现在的水平、毫无进步，经济机会也已经极其可观。
我前段时间写过一篇文章。现在有一整个「加速主义」 (accelerationist) 运动。我管自己叫「不情愿的加速主义者」 (reluctant accelerationist)：我们必须往前推进，因为已经回不去了，而最糟糕的结局就是卡在现在这个位置。
所以，论 AI 对经济的影响、论商业化的上行空间，我非常「AI 上头」。我拿不准的只是时间点。
Patrick： 通往它的梯度会是怎样的？比如法律或医学——我不知道你觉不觉得它们可验证：法律某种程度上像一套代码；医学呢，我们对事物的认知已有一定的底子。
Ben： 我认为医学是目前最大的机会之一。它既是最大的机会之一，也是最难啃的之一，因为监管和准入的门槛太多了。如果能让 AI、让机器学习去分析所有的病历数据，我认为我们在极短时间里能做出的发现、能改进的疗法，会多到难以置信。所以这方面我非常乐观。
但反过来说，那要等到什么时候才会发生？我对人类比较乐观的一种框定是：我们创造需求的能力几乎是无限的。所以把时间拉得足够长，我们会很擅长创造新的机会、新的工作。
悲观的版本则是：我们制造繁文缛节 (red tape) 和烂摊子的能力同样几乎无限。我们的经济里有多大一块其实是——我们确实成功造出了越来越多只让事情更忙、更慢的岗位，某种程度上确实如此。
AI 时代的聚合理论
Patrick： 回到 2010 年代初，聚合理论 (Aggregation Theory) 大概那时就在你脑中酝酿了，然后你在 2015 年把它发表出来。可以公平地说，那个理论、那个想法——或许你可以先带大家快速回顾一下它是什么——定义了那个技术时代的赢家和输家。我非常好奇你现在怎么看：如果从财务和市值来衡量，什么样的理论或原则会定义这个时代的赢家？
Ben： 其实光聚合理论本身，我就一直在反复掂量：它在这个时代还有多大解释力？因为人们常有的一个反驳是，聚合理论的关键要件之一是零边际成本。
零边际成本体现在很多方面，我当初最看重的是分发 (distribution)。有人会说：哦，我没有分发渠道，只能花钱在谷歌上买广告。不对——你有网站。你的问题不是没有分发，而是没有需求；你买广告，买的其实是需求，因为需求握在聚合者手里。
他们之所以能握住需求，是因为在一个供给过剩的世界里，难的不是分发，而是发现 (discovery)：你到底怎样才能找到自己真正感兴趣的东西？所以，在各自领域解决了「发现」问题的公司，最终主导了那个市场，还形成了良性的反馈循环。这大致就是聚合理论的要点。
另一点是交易成本——根本没有交易成本。谷歌可以扩张到全世界，而且不只是用户侧，变现侧也一样。谷歌或 Meta 上绝大多数的广告主，从来没跟谷歌或 Meta 的任何员工说过话，他们就是上去直接买广告，一切由计算机完成。
Patrick： 完美的生意。
Ben： 而那些计算机，从商业角度看，成本是零美元。AI 显然让这件事发生了重大变化：推理成本是真实存在的。但话说回来，到底有多「真实」？
Patrick： 眼下确实是真的。
Ben： 我不知道，真的吗？
Patrick： 因公司而异，但比之前那些例子真实得多——看看毛利率就知道了。
Ben： 那当然。但这里面有一个巨大的区间。今天用 AI 的绝大多数人，基本上把 AI 当谷歌的替代品，或者当菜谱生成器之类的用。我的判断是，服务这批人的成本极低，跟给他们提供一个网页差不多——我猜会略高一点，但高不到哪去。
而在另一个极端，是真正在用测试时扩展 (test-time scaling) 的人。过去我们扩展靠把模型做得越来越大，现在可以在时间维度上扩展：让模型对一个答案想多久？你可以让它想几天、几周甚至几个月。而这是实打实的边际成本——每多想一秒，就多花一份钱。
所以说，AI 和推理不能当成一个单一问题来谈，我刚才才会反驳你。实际上，不同用户的边际成本——用免费版 ChatGPT 的用户，和试图证明一条数学定理的用户——根本不在同一个宇宙里。
这种挑战在企业市场也能看到，而且呈现方式非常有趣。微软 (Microsoft) 最近在调整他们的企业套餐：新推出的 E7 套餐每人每月 100 美元，包含一定量的使用额度，但超出部分还要按用量收费。
我觉得这让微软的处境变得有点微妙。往好了说，微软的价值主张是：企业所需要的一切，他们全包。每个单独的组件可能都不是最好的，但你花一份钱就能全拿到，而且基本都能协同工作。如果你是中小企业、甚至是大企业，这确实有实打实的价值。
Patrick： 省心。
Ben： 没错，省心。可一旦你得开始算计自己要花多少钱，这就不只是「多了一个新的决策项」这么简单了——第一，这是一个与员工人数脱钩的决策。
微软过去占的便宜是：你招一个新员工，自然会掂量这个人的成本，而这个成本里已经含了每月 100 美元或 50 美元的软件许可费。对微软来说，这几乎是一条「不用过脑子」的收入流。
而现在，如果按用量计费，你每个月都要重新想一遍：这个月我想花多少钱？这带来两个问题。第一，大多数公司根本没有为此做好准备——它们一年只做一次预算，「按月琢磨预算分配」在它们的体系里根本说不通。
它们习惯思考的是资本开支 (CapEx) 决策或一次性成本。而我说的这种「员工的综合成本」——它不算 CapEx，但有点像 CapEx：开头做一次决定，之后就再也不用想了，决定已经做完了。但如果按用量计费，你就得每个月把决定重新做一遍。
最后一个问题是：如果你每个月都盯着微软账单、看自己用了多少，你就会开始琢磨：我到底在为什么付钱？这些产品中每一个到底好不好用？我是不是该开始认真考虑把这些拆开、分散采购？
他们不得不这么做，是因为那种极端用户——用掉海量 Token、真正把 AI 往深里用的人——让微软付出的成本远超每月 100 美元，实在养不起。
但他们又想为绝大多数能装进定额里的员工保住这个固定价格，因为他们需要客户为那些极端员工「稍微动一下脑子」，却又不想让他们想太多，因为想太多会以出人意料的方式打破这个模式。
硅谷的广告失忆症
Patrick： 你意不意外：那些服务成本极低的「菜谱生成器」用户，至今没有围绕他们长出什么像样的商业模式？谷歌和 Facebook 在上一个时代把这门生意做到了极致，而这批 AI 公司似乎完全没搞明白这件事。
Ben： 我沮丧，但不意外。这显然是一个应该由广告支撑的市场。广告之所以永远是消费级生意的归宿，就因为消费者不想付钱。关于消费者，有两件事是硅谷每隔十年就得重新学一遍的：第一，消费者不想为软件付钱；第二，消费者根本不在乎什么「生产力」。
我们在早期 SaaS 时代就经历过这个。我心目中的典型案例是 Dropbox。Dropbox，不可思议的产品，尤其是刚出来那会儿。我在商学院时是最早一批用 Dropbox 的人，它当时火得一塌糊涂。我那个免费 Dropbox 到现在空间还大得很，因为当年把邀请码发给了太多人。
德鲁·休斯顿 (Drew Houston) 做了一个惊艳的产品，极其易用，完全无缝。他在这件事上非常明确：他想做一家消费者公司。
于是有了那个著名故事——他和史蒂夫·乔布斯 (Steve Jobs) 见面，苹果有意收购 Dropbox，他们说：「哦，我们想做一家公司。」乔布斯说：「你是一项功能，不是一家公司。」 (You're a feature, not a company.) 果不其然，就「平平无奇的文件同步」这点事而言，苹果确实通过 iCloud Drive 把它做成了一项功能。
Dropbox 增长得非常快，然后经历了两年的停滞期。在那两年里，他们必须做的基本上是把应用从头彻底重写。为什么？因为愿意付钱的消费者不够多。
企业能看到价值、愿意付钱，但要做企业市场，你需要权限管理、需要管控、需要管理员能设置各种东西，而他们的应用当初完全不是为此设计的。所以他们不得不把整套东西重写一遍，然后才意识到：我们唯一能赚钱的方式是卖给公司。
为什么公司愿意付钱？因为公司本来就在给员工发工资。只要你能让员工更高效，公司就能获得更高的投资回报。这与消费者完全相反。消费者想的是：我都干了一天活了，回家为什么还要「更高效」？我只想瘫在沙发上刷短视频 (Reels)。而你在 AI 上看到的，正是同样的戏码。
此外，硅谷整体上还笼罩着一种对广告的怀疑。我在 Stratechery 上靠「为广告唱赞歌」获得了大量关注。我回头读自己早期写广告的文章，方向上大体正确，但写得其实并不好。
尽管如此我还是获得了巨大的关注，因为在那个人人想开博客、玩 Twitter 的世界里，我是唯一一个写广告的人，没有人愿意谈论广告。
但即便是现在，硅谷对「自己在很多方面靠广告变现」这件事仍然感到某种说不出口的羞耻。尤其在过去大约八年里，弥漫着一种「Facebook 很脏」的氛围——
Patrick： 最好的工程师不想去做这个问题。
Ben： 于是你看到 OpenAI 重演了 Dropbox 的故事，只不过体量放大了一百倍：不，我们要向消费者卖订阅。他们确实卖了，卖得不少，但卖得不够多。要做消费者市场，你就必须做广告。
他们现在在做广告了。但事情有点奇怪：他们终于转向做广告，与此同时又惊呼：糟了，我们得去抢企业市场，因为 Anthropic 正在踢我们的屁股。
我不太确定他们到底在干什么。他们推出广告功能的速度非常快，比如效仿「与零售商打通连接」这类做法，让你知道一笔购买是否成交，从而能做各种归因追踪之类的事。我非常想知道进展如何。
有一点是：如果他们在 ChatGPT 一炮而红的那一刻就立刻全力投入广告，他们现在手里会有一款杀手级的广告产品，谷歌的麻烦会大得多，Meta 的麻烦也会大得多。
因为如果你有了这个飞轮——面向消费者的广告业务，妙就妙在你向消费者变现的能力是无限的。
Patrick： 量越大，收得越多。
Ben： 因为承担涨价的是广告主，所以完全没有价格弹性的问题。如果你是向消费者收费，你想涨价——Netflix 的订阅套餐就有这个问题：涨到多少用户才会造反、降档或干脆退订？向人收钱很难，免费给人东西很容易。OpenAI 没有更早走这条路，实在让人非常沮丧。
资本开支的走钢丝
Patrick： 我知道你最近花了不少时间和一些大型资管机构、资本方接触。你觉得他们现在的胃口如何，他们怎么看待未来？因为今年的资本开支大概是 8000 亿美元之类的数字，明年目前的估计是 1.3 万亿美元，之后还会继续涨。装机的算力基本上立刻就被烧光。这种「产能一上线就能立刻被用掉」的情况实在太罕见了。
Ben： 嗯，这正是问题所在。现在有好几重时间错配。我们并不能立刻用掉它。Twitter 上的多头们总在喊：我们算力不够、算力不够。是，我们算力不够，那是因为 2023 和 2024 年的投资不足——这没错，绝对如此。
顺便说一句，如果你觉得现在算力不够——台积电在 2023、2024、2025 年都下调了增速。我们的算力短缺在未来几年还会更严重，因为晶圆厂的交付周期比数据中心还要长。
今天，当我们说「算力不够」时，并不是说这些公司今天投进去的钱明天就能变成算力。不，它们全部要到 2028、2029 年才变成算力。
在财报电话会上，安迪·贾西 (Andy Jassy) 和萨提亚·纳德拉 (Satya Nadella) 都在说：看，我们只是在建数据中心——建的是「壳子」。我们现在也许用不上，将来也许会。我们只会在确定有需求的时候才买 GPU。
这个故事讲得很好听，但我认为很大程度上是扯淡，因为现实是：如果你把壳子建好了，那笔钱就压在那里。既然你投了固定成本，你就不会让它闲置。这正是大宗商品市场 (commodity markets) 的整套逻辑。
科技行业总体上不懂大宗商品市场。科技行业大体上只专注于一件事：如果我做出高度差异化的产品——这种差异化可以是软件、可以是开发者网络、可以是点对点的社交网络——我就能靠收更高的价格获得利润率。
经典例子是苹果：他们有生态、有软件、有第三方开发者等等，所以 iPhone 能收 50% 的毛利。所有人都把苹果视为理想的商业模式——「做生意就该这么做」。但在大宗商品市场里，价格由边际供给者 (marginal supplier) 决定。
Patrick： 服务成本就是一切。
Ben： 没错。我在台湾有个做航运的好朋友。那是个迷人的行业，和航空业有点像——航空是另一个我喜欢研究的行业。你买一艘船，船的成本就是折旧。你的边际成本其实相当低：跑船的燃料、船员的工资、港口费，没多少。这意味着你一定会让这艘船跑起来。
Patrick： 尽可能地满载。
Ben： 不，是无论如何都要跑。你会把集装箱的运价一路压到刚好覆盖边际成本为止。在这种情况下，你账面上的亏损可能很大，因为会计亏损包含折旧，但折旧只是会计上的幻影——钱你早就付过了。市场给什么价，你就按什么价跑船。而集装箱的妙处在于：它是纯粹的大宗商品，市场价格会一路降到边际成本。
当然，如果价格低到一定程度，总会有人退出，因为他们在每一单上亏的不只是账面数字，而是真金白银。他们退出后，供给随之减少，价格又会回升，于是形成这种进进出出的往复。
再假设市场非常高，像新冠疫情期间那样：「哇，我们现在赚疯了，因为供给不够。」当时船的供给不够，集装箱运价从通常的 3000、4000 美元涨到 17000、18000 美元。那些航运公司在极短时间里赚到的钱简直疯狂。但接下来会发生什么？
Patrick： 造更多的船。
Ben： 想象一下我们有了更多船会怎样。问题是造一艘船要两年。如果所有人同时做这个决定，你会突然多出一大堆船，价格暴跌，等等。
我们在零部件领域、尤其是存储芯片 (memory) 领域看到的就是这个剧本。存储芯片以暴涨暴跌的周期和「玩家在市场顶部进场」而闻名。
但数据中心在多大程度上会变成存储厂商的翻版？眼下人人都看得出我们算力不够，所以人人都想：我们必须投资，这里有这么多钱可赚，看看我们的回本周期多漂亮。
问题是，你是在稀缺时代测量你的回本周期。到了过剩时代，这个回本周期还能成立吗？多头们会说：永远不会有过剩的那一天，AI、测试时扩展——
Patrick： 我们会永远短缺下去。
Ben： 也许吧。我担心的是，即便他们是对的，我们仍然可能撞上一个「空气间隙」 (air gap)：眼下涌进去的钱如此之多，而真正上线、产生足够收入来撑住局面的产能又太少，一旦资本耗尽就会出问题。
我相信 AI。它是真实的技术，经济影响将是天文数字，关于社会影响的所有担忧也都很真实，而且会以重大方式显现。你可以同时相信这一切，同时仍然担心：我们能不能撑到它真正产生足够回报、继续为这一切提供燃料的那一天？
存储芯片周期：风险从不消失，只会转移
Patrick： 能不能把镜头拉近一点，谈谈台积电和晶圆厂链条上的零部件厂商？据我了解，他们迄今为止在扩产上相当保守——不肯建新厂，也不肯按市场需求的速度扩。这会不会反而给整条产业链踩了刹车，让我们躲过一次大规模产能过剩？
Ben： 可以分几块来讲。先说存储芯片。存储业以前厂商多得数不清。每轮景气一来，老玩家重新杀回来，新国家也跟着入局——台湾当年就有自己的存储产业。
每次都是同一套动力学：存储一缺货就是赚大钱的机会，而产能又没法马上开出来——这和航运一模一样，和我们眼下看到的也一模一样。于是有人被吸引进场，接着产能过剩、价格跳水、一批人被洗出去。
问题在于这类行业的前期投入太大。买船已经够贵了，建晶圆厂更甚。如今最先进的存储制程已经用上极紫外光刻 (EUV) 机台，一条产线就是几十亿美元。所以每轮暴涨暴跌，都是有人进场、更多人被洗出局；存储史上那些著名的周期拐点，都有公司整锅端掉。
存储史上最精彩的故事之一，是三星 (Samsung) 如何拿下这个市场。他们把这看成机会，还认真研究过历史。他们的结论是：想夺取市场，就得在下行周期逆势投钱，等下一轮周期转回来时，你已经就位了。这需要巨大的胆识、纪律和资金，但他们做到了，顺便把日本厂商基本团灭。韩国人就是从那时起大规模接管了这个市场。
打到最后，市场上只剩三家。三家算不上垄断，但已经是寡头 (oligopoly)。他们都长记性了：别再犯过去的错。这不是串谋，但彼此心照不宣：谁都别那么干。
这种心态一头撞上了当下：他们过了很久才意识到，存储需求出现了一次多年未见的结构性转变 (secular shift)。
存储的短缺早晚会解决。他们还有另一个风险：苹果正在游说把中国的存储引入供应链。算法改进的头号方向是什么？是怎么少用存储。存储厂商等于在自己背上画了个巨大的靶子，长期看可能坑了自己。
我一直拿存储厂商类比伊朗。霍尔木兹海峡 (Strait of Hormuz) 这张牌的特点在于：它很管用，但不打出去的时候更管用——它永远悬在那里，是一个「随时可以动手」的选项。现在他们真动手了，事实证明确实管用。
但阿联酋、沙特会去修管道、建新港口，不会再让这种事发生。眼下是很痛，可如果伊朗想在 2035 年再封锁一次霍尔木兹海峡，到那时已经毫无作用——大家早就绕开它建好了替代路线。
我担心存储厂商干的是同一件事：从今往后，没人会再让自己陷入这种缺存储的处境。台积电的情况可以说更糟，因为站在最前沿的只有它一家——英特尔 (Intel) 和三星当然在追，但道理是一样的。
任何市场都有风险，关键往往在于风险最后落在谁手里。很多科技公司没有充分意识到的是：台积电把多大一部分风险转嫁到了他们头上。
台积电怕的是产能过剩。建多了，问题不只是「固定成本闲着没人用」——一座晶圆厂是按运转 30 年建的，产能一旦过剩，就等于把它锁在系统里几十年。所以他们骨子里倾向保守得多。
这里面也有文化因素。台积电最精彩的故事之一——和三星那个故事异曲同工——是 2000 年代末张忠谋 (Morris Chang) 退休，新领导层接手，正好赶上大衰退 (Great Recession)，于是砍掉了计划中的开支。
张忠谋复出，把人全开了。他说：iPhone 刚发布，这是我们见过最大的机会，应该加码，不是收缩。于是他们穿越大衰退、顶着下行周期逆势投资。正是这一把，奠定了他们后来拿下领先制程的基础。
在我心里的科技业「总统山」 (Mount Rushmore)——史上最伟大、最有影响力的公司掌门人——张忠谋是独一无二的那一位。无晶圆厂 (fabless) 模式对整个科技行业的意义，怎么强调都不为过。更难得的是他当时敢下那种注的胆识——要知道他身处的文化未必鼓励这种押注。说实话，台积电向来是相当保守的。
那结果是什么？风险去哪了？台积电说：风险我不想担。风险不会消失，只会转移。眼下它就转移到了这里：每家大科技公司都清楚，只要算力再多一点，就能赚更多钱。于是大片大片的收入和利润被白白放弃。
这就是台积电转嫁出去的风险现形的方式。风险不会消失，只会转手。而且风险有时不表现为「亏钱」，而表现为「没赚到钱」。
眼下就有钱没赚到。事情是这样的：他们当年对 5G 非常兴奋，2020 到 2022 年前后猛投了一波、扩了晶圆厂，然后说：行了，够了。
前面说过，ChatGPT 2022 年底出世，2023 年成了科技界的大事。台积电的增速呢？2024 年降了，2025 年又降，到 2026 年才回升。
特别好笑的是，这个问题我早就写过。结果大概在一两次财报电话会之前，董事长兼 CEO 魏哲家 (CC Wei) 突然整场电话会都在大谈 AI 的用例，以前从来没有过。
这就是产业链上游害怕的原因。通常会有牛鞭效应 (bullwhip)：他们怕自己正站在鞭梢——需求出现了，沿着链条一级级传下来，等传到他们手里时再加码下注，往往已经太迟，钱全打了水漂。
而 AI 的特别之处在于：如果它是牛鞭，那就是史上最长的牛鞭，要建的东西还多得很。亚洲——也就是这些公司所在的地方——花了一段时间才接收到这个信号。现在信号大体上是收到了，但从「收到」到「产能落地」，还得再过好几年。
Patrick： 考虑到算力极度短缺，你觉得这要花多久？
Ben： 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。台积电依赖这个问题，我写了很多年。2013 年我最早的文章之一就在敦促英特尔：你们必须做代工，不能再只当一家设计公司，芯片制造里有一门大生意。当时我还嫌自己写晚了。结果整个 2010 年代，他们乘着云计算的浪潮，股价一路飞上天。
直到 2020 年他们才终于醒悟：「我们落后了。眼前摆着一个巨大的机会，而我们毫无准备——没有服务客户的心态、文化和组织，也没有台积电那整套 IP 积木。」他们还需要客户，需要客户帮他们真正把代工业务做起来。
这些年我一直在写这两个问题：代工依赖，以及中国问题——你所依赖的公司，离我们最大的地缘政治对手只有 60 英里，而且对方认为那块土地是自己的。这些都是大问题。
也正是在这里，我开始理解「保险」这件事。让一家大科技公司去找英特尔，说：「英特尔，来帮我们代工芯片。顺便说一句，这事最大的受益者是你——你能学会怎么跟伙伴合作；最大的痛苦归我们——我们得从头学会怎么跟你合作。」
可人家直接去找台积电不就行了？台积电太出色了，合作起来太顺了，你知道它一定能做好。所以对任何人来说，找英特尔从来都不理性，这就是英特尔的根本问题。在一个一成不变的世界里，台积电会永远赢下去。
但这恰恰是台积电在某些方面犯了和存储厂商、和伊朗——容我把这个类比说完——同样错误的地方。因为他们过去几年没有投资，短缺会尖锐到极点。
那些因为算力不够而放弃大量收入和利润的大科技公司，会愿意忍痛把英特尔扶上马、把三星的逻辑业务扶上马。最终救了英特尔的是稀缺。我预计某个时候他们会首次宣布一个重量级合作伙伴，那会是个大新闻。但归根结底，这是台积电自己招来的。
Patrick： 这就是「高价的解药是高价」——大家会绕开它走。
Ben： 没错。坐在场边当分析师，这些东西你都能写在纸上。这也是我学到的道理之一：当保险的预期价值为负，没人会买自己并不需要的保险。解决「台积电依赖」这个地缘政治问题的办法，是造出一个体量足够大的算力用例，大到每个人都有经济动机去把其他玩家扶上马。这样一来，地缘政治保险就免费到手了。
谈谈亚马逊与苹果
Patrick： 如果看头部十到十五家科技公司，你觉得眼下哪几家的业务布局最有意思？
Ben： 答案永远是亚马逊 (Amazon)。亚马逊迷人就迷人在「为自己而造」的程度：他们是自己的第一个、也是最好的客户。自己先提供规模，把几乎任何业务跑起来，然后再卖给别人。
AWS 是最明显的例子。和流行的说法相反，AWS 并不是「亚马逊闲置的产能」——实际上，把 amazon.com 搬上 AWS 花了很长时间。它真正驱动的是一种认知：不能再靠开会协调了，我们需要即插即用的算力，纯 API 接口，不用跟任何人说话，它就在那儿。
然后他们发现：哦对了，既然能为内部零售团队做到，就能为任何人做到。结果零售业务太大，反而得先从外部客户做起。所以 AWS 实际上是先服务外部客户、再服务内部客户的，当然现在两边都服务。
其他产品也是一个路子，比如物流，方向正好相反：原来他们用外部物流商——UPS、联邦快递 (FedEx)、美国邮政 (USPS)——后来决定自己建。建好之后，现在又开放给第三方，别人也能用他们的配送网络。
同样的剧本在一个又一个市场上演，包括他们谈的 AI 产品和芯片产品。Graviton、Trainium 的妙处在哪里——尤其早期版本？早期版本很烂。
但如果你用的是亚马逊的托管服务——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，你买的只是一个托管服务。于是他们可以把自家那些不咋地的处理器塞在售卖的服务底下，靠这个把量跑起来、一轮轮迭代改进。
迭代到位了，就可以真正对外卖了。因为自己是 Graviton 的第一个最佳客户，Graviton 变好了；因为自己是 Trainium 的第一个最佳客户，Trainium 也变好了。现在 Trainium 显然在跑 Anthropic 的 AI 产品。能不能起飞，我们拭目以待。
他们还有呼叫中心软件，客服体验正在接入 AI——顺便说一句，做得相当不错。
Patrick： 我还没试过。
Ben： 我搬回美国后买了不少东西，每年夏天都会在很短的时间里集中采购。大概从一年前开始，你明显能感觉到对面是个聊天机器人，但它干得不错，问题真的给你解决了。你能看到这东西确实开始起作用了。
但重点在于：这些 AI 服务是他们为自己的业务打造的，之后会广泛开放。有的会成，有的不会。
考虑到他们在现实世界投了这么多重资产，这套打法优雅极了。他们的核心业务让人感觉几乎不受 AI 冲击——我说的是「模型版的 AI」。它会受益于 AI，但就核心业务而言，他们的护城河感觉比谁都深，从内孵化新业务线的能力也非常令人信服。
Patrick： 那苹果呢？他们好像全程置身事外。
Ben： 这或许算一种「运气好比能力强更重要」 (better to be lucky than good) 的情形。苹果有完整的生态。归根结底，客户入口在他们手里，所以供应商由他们挑。这是经典的聚合者打法：掌握客户入口，供应商会来找你，而不是反过来。
所以自家 AI 缺什么，他们随时可以找供应商补上。顺便说一句，如果「消费者不想提高生产力、只想要个聊天机器人」这个判断成立，那他们不仅能给用户一个聊天机器人，还终于能换来一个真正好用的 Siri。
而且你能想象那样的未来：AI 完全在设备端运行，他们连推理成本都不用付——烧的是用户自己家的电。现在还没到那一步，他们还在用谷歌云和英伟达的芯片不是没有原因的，但那样的未来完全可以想象。
再说，苹果做的是实体产品。造手机是硬功夫，零售和实体产品的分销也是——这一层保护更厚。智能手机这个形态太完美了：小到能装进口袋，大到什么都能看，整个人生都能装在上面，所有娱乐都在上面。我们说「消费者想被娱乐」——如今电视都沦为了配件，一切尽在手机上。我看不到谁能取代手机。
问题是：手机会永远是中心吗？还是说——尤其在家里，OpenAI 在这方面的尝试就很有意思——你会想要一种「环境式 AI」 (ambient AI)：你只管开口说话，它告诉你需要知道的一切。
最有条件做这件事的是苹果。但没有最前沿的模型，他们做得成吗？如果他们这么「以手机为中心」，做得成吗？这会不会变成一个微软式的处境？
微软并没有错过移动时代，他们其实动手很早。问题在于，他们眼里的「移动」是一台小 PC——他们假设 PC 永远是中心，手机只是旁支。苹果则意识到：不，必须推倒重来，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，还有转投 Windows 兼容那些往事。
但苹果会不会掉进微软式的陷阱——认定手机完美无缺、永远是中心，然后一切都围着它转？还是说这一次，「环境式」计算——云、无处不在的 AI，它可以通过手机显现，可以通过某个设备显现，也可以通过电脑显现——真的更好，真的会颠覆他们？有可能。当然，苹果加倍押注自己擅长的东西，也完全合情合理。
关于 AI 还有一点：我们凭什么指望苹果擅长这个？往最粗了说，AI 是一门概率性 (probabilistic) 的生意，而苹果是确定性 (deterministic) 产品之王。
实体产品就是这样：iPhone 出货就是出货，只发一次，必须足够好，搞砸了就是几十亿、几十亿、又几十亿美元的代价。苹果从未召回过 iPhone，这很了不起。但那种审慎、勤勉、决策力，那种供应链上的狠劲和做艰难决定的能力，和打造伟大 AI 所需要的东西，是截然不同的两回事。
总体上我更希望公司做自己擅长的事。所以苹果不做 AI，我没意见。我希望他们继续造伟大的设备。
创造上帝：五家前沿实验室的信仰与算盘
Patrick： 在五家潜在的前沿 AI 赢家里——OpenAI、Anthropic、Gemini、SpaceXAI (Grok) 和 Meta——你觉得哪家的布局最有意思？
Ben： OpenAI 和 Anthropic 显然是风险最大的两家，但上行空间也最大。第一点，永远不要低估信念的力量。他们相信自己在创造上帝。历史上最有影响力的事，通常都是宗教推动的。
硅谷的两个「宗教组织」是——OpenAI 有点像主流教派，每周日去教堂；福音派 (evangelicals) 是 Anthropic，他们全情投入，这就是信仰的核心。信念能带人走很远，「必须把生意做成才能活下去」这个事实，也能带人走非常远。
谷歌只需要搜索别死得太快。Meta 有庞大的广告业务。掌舵 Meta 的如果不是马克·扎克伯格 (Mark Zuckerberg)，他们不会站在最前沿。无论好坏，那都是「创始人能量」最纯粹的体现之一。
他们的生意太好了，你完全可以想象他们舒舒服服地加倍押注广告。谷歌那边有谷歌云、有 TPU、一直在做这方面的研究，押注 AI 顺理成章。而 Meta 的做法是：另起炉灶，组建一支全新的团队，从零再来一遍——这相当疯狂。这一点要给扎克伯格记一功。至于是不是明智，你可以自己判断。
然后是 SpaceXAI——太空数据中心，理论上是成立的。但他们非得拥有自己的模型吗？有了自己的模型，利润率会更好。
不过话又说回来，如果地球上的数据中心真的耗尽——不管是因为政治反对、电力不足还是别的什么——他们跑谁的模型都行，就像眼下他们把算力卖给 Anthropic 那样。这几家都挺有意思。
SpaceXAI 的理由可能是最弱的，因为「太空数据中心」这个玩法本身的差异化已经极高。如果这条路走通了，我不确定他们还需要自己的模型做什么。那眼下为什么还要白白烧掉几十亿又几十亿美元？这是个合理的问题。
从战术上看，我很喜欢收购 Cursor 那步棋，对两家公司都合情合理。所以他们的动作，我一直看得饶有兴致。
Meta 可能是最有意思的。
Patrick： 你最近写了很多这方面的文章。
Ben： 有一个论点很有说服力：如果你是一家数字公司，不站在前沿反而更鲁莽 (reckless)。Meta 的反面教材其实是微软——微软不在前沿。
为什么？微软上个季度有 400 亿美元自由现金流，派了 100 亿美元股息。他们手里有余钱，但他们的打法是：等等，让这几家互相斗去，我们来提供中间件 (middleware)，提供企业构建应用的平台，把模型的中介地位解除掉 (disintermediate the models)。
这个打法是理性的。这是 90 年代 IBM 的打法，历史在回响。人人都在说谷歌在步微软的后尘，但微软步的是 IBM 的后尘。这一点你多少能看到。
Patrick： IBM 当年做了什么？这个类比怎么讲？
Ben： IBM 在 70 年代如日中天，快进到 90 年代，却成了一个非常窘迫的资产。当时的主流看法是 IBM 必须拆成一块一块。这时候郭士纳 (Lou Gerstner) 入主了。
郭士纳对 IBM 最关键的洞察是：我们做什么都只是平庸。这有点像我前面谈微软时说的——那是垄断的代价。一旦当过垄断者，你就丧失了把事情做好的能力，因为你不再需要竞争。
很多科技在位企业都有这个毛病：不管做什么都财源滚滚。而没有压力、没有激励、没有对死亡的恐惧——或者说对上帝的敬畏，就像我们谈这些模型公司时说的那样——你就做不出最好的工作。
问题在于，那块肌肉一旦失去就没了，你会变得臃肿松弛。所以郭士纳意识到，IBM 最糟糕的选择恰恰是拆成一块一块——因为拆出来的每一块其实都不太行。
他们最大的资产就是「我们很大」。听起来像：什么？不。「我们很大」意味着什么？那是 90 年代，互联网这玩意儿来了，所有公司都隐约知道自己必须搞懂互联网，却不知道从哪下手。他们需要有人进来，理解他们的业务，帮他们上网。IBM 做的基本上就是这个。
于是他们建起了——这和当下正在发生的事遥相呼应——一支庞大的咨询大军，全力打造的基本就是中间件：进驻企业，在企业都有的老式大型机 (mainframe) 和现代 Web 服务之间架一个中间层，让企业能做网站、做电商，诸如此类。
这给 IBM 续了三十年的命。理论上你可以找那些炙手可热的硅谷创业公司买单点方案，但你不懂那些东西，也不知道怎么做。你认识我们：我们来，帮你搭好所有中间件，配一支庞大的咨询队伍帮你实施，让你上网。IBM 基本上把整个美国企业界搬上了网。
这就是微软的剧本：帮你搞定 AI，而且是以一种不用把皇冠上的明珠拱手交给模型公司的方式。我们来搭这个平台、这套「挽具」 (harness)、这个中间层。
他们可靠、稳定，你认识他们，向后兼容性一直追溯到 80 年代，你可以放心在他们之上构建。模型换代、版本更新这些事，统统交给他们打理。这意味着你能得到最好的体验吗？不能。中间件会磨平锋利的棱角，你得到的是一种「最小公约数」式的能力。
但如果你看重这个——这是最古老的企业级销售话术。甲骨文 (Oracle) 当年是怎么打市场的？80 年代，拉里·埃里森 (Larry Ellison) 拿着又一项来自 IBM 的技术——或者说 IBM 看不上的技术——关系型数据库去打市场，话术是：你不想被 IBM 锁定吧？关系型数据库在哪儿都能跑，跟我们走。这话之所以是个笑话，是因为甲骨文锁定你比谁都狠。
Patrick： 人人都锁定你。
Ben： 但企业级销售的全部要义就是：以锁定你为长期目标的公司，靠吓唬你「会被别人锁定」来拉你上船。所有云厂商都说：哦，可移植性，随便迁。然后：哦，来试试我们这个只能跑在我们云上的服务——好了，你被锁定了。
这就是微软的剧本。一个非常理性的剧本，我认为说得通。这也是他们手头有余钱的原因——他们不在前沿。
他们确实在建规模庞大的数据中心，但那是为推理建的，不是为训练建的。所以他们那套「我们是响应客户需求、按节奏投资」的说法，在这一点上更可信。他们不需要讲什么「可互换性」 (fungibility) 故事——「我们建的是训练用的大数据中心，将来也许可以转作推理」之类。
射向微软心脏的箭
Patrick： 回到「不在前沿才是鲁莽」这个论点。
Ben： 可怕就可怕在——说到底，我们今天为什么还要用微软的产品？
Patrick： 因为一直在用。
Ben： 所有这些产物 (artifacts)、所有这些文档、所有这些邮箱收件箱，到今天还有多大存在的必要？这些事 AI 做不了吗？对微软的软件业务来说，这是实实在在的威胁。
「记录系统」 (systems of record) 这套说法很有意思：记录系统之所以强大，一个重要原因就是太难迁移——迁移是极其枯燥、重复的活儿。而 AI 偏偏出人意料地擅长干这个。
微软其实算不上什么「记录系统」——Dynamics 业务里有一些——微软是「用户界面」，是你和计算机真正打交道的那一层。这才是关键：Codex、Claude Cowork 这类东西，就像一支箭，直射微软的心脏。
长期看，所有数字公司都在射程之内，微软尤其如此。他们的战略是合理的，但同时也是一种存在主义式的孤注一掷——而正因为孤注一掷，他们反而可能真的做成。
Meta 没有受到直接威胁，但这就回到我看多 AI 的逻辑了：所有数字公司都在威胁之列，而 Meta 就是一家数字公司——他们有软件。眼下的一个担忧是，AI 占掉的时间越来越多，而时间终究是 Meta 的货币。OpenAI 试过 Sora，没真正火起来。社交网络其实很难做，也很烧钱。
这里有个很有意思的点——前面聊创作者分成时也提到过。YouTube 众所周知从一开始就付钱给创作者，而这门生意背的包袱比人们意识到的重得多，因为 YouTube 的内容是有边际成本的。
不过和 Netflix 不同，他们不用预付这笔成本，而是事后支付，本质上是收入分成，这比 Netflix 模式好。Netflix 得先为内容掏预付款，再指望赚回更多；YouTube 是边跑边付。而 Facebook、Meta——
Patrick： 分文不付。
Ben： 分文不付。Instagram 这个不可思议的产品赚了这么多钱，Facebook 为内容付的成本是零美元。不可思议。
有意思的是，你能想象这样一个世界：对 YouTube 来说，AI 生成内容理论上反而是好事，因为生成内容的推理成本可能低于他们分给创作者的钱。而对 Meta 来说，AI 生成内容——只要是自己生成的——利润率结构反而比今天更差，因为他们今天的内容成本是零。他们拥有的是注意力。
在一个看多的世界里，Meta 的位置其实非常好：当我们时时刻刻都在和 AI 交互，人与人连接的渴望反而会变得更强烈。这有点像 Meta 回归初心。
他们犯过的最大错误之一其实是——Meta 一直把自己当成一家社交网络公司。他们干掉 Snapchat（或者说遏制了它的增长），靠的是「Snapchat 是个好产品，我们把它叠加到自己的网络上」，用自家网络的力量把它压垮。
TikTok 之所以是他们的盲区，是因为 TikTok 被归类成了社交网络，而它根本不是。TikTok 是个娱乐产品。你在 TikTok 上关注了谁根本不重要——你看到什么，取决于你看过什么，然后你会得到更多同类内容。
它是一个用户生成内容网络。TikTok 的洞察是：把最好的内容限制在你的社交图谱里，是一种人为的约束——我们要把全网最好的内容给你。
绝大多数内容都是垃圾，但这就是我们前面说的「绝对量」问题——别盯着利润率，盯绝对数字：哪怕优质内容的占比微乎其微，只要总量足够大，优质内容的绝对量就会非常大。
Meta 的思路是「我们是社交网络」，给你推你认识的人发的内容；TikTok 给你推的是全世界最好的内容。这就是为什么 TikTok 狠狠咬下他们一大块。
Meta 不得不转型——这就是 Instagram 和 Reels 发生的事：它不再是真正的社交网络，而是从整个网络取内容的娱乐产品，「社交」则退回到群聊这样的形态。在 AI 时代，社交网络有可能反而重新变得重要，因为我们终究还是想要真人——想要和真人保持某种连接。这会怎么演变，很有意思。
另一点是，模型对广告的影响太大了。模型带来的最大变现增量，眼下可能既不在 Anthropic 也不在 OpenAI，而在谷歌和 Meta 拿到的增量收益。目前大部分还不是大语言模型 (LLM) 的功劳，但 LLM 正在进场，比如生成广告素材。
我们要什么？可验证的领域。怎么验证一张生成的图片适不适合做广告？看广告卖不卖得动。他们能用别人做不到的方式验证自己的图像生成和文案生成，因为他们的验证器就是广告市场本身——对无数素材跑无数 A/B 测试，看什么有效、什么无效。大多数广告都是一次性的，没关系，反正绝大多数广告本来就不转化。
他们手握一个巨大的优势：庞大的流动性市场本身就是一台验证机器，验证者是决定「要不要点这条广告、要不要下单」的真实人类，而且是全球规模，还能形成反馈回路，让产品变得更好。
你还会看到这样一个世界：广告匹配目前仍然相当粗糙——这个人有这些特征，那条广告有那些特征，做一个嵌入 (embedding)、算一下向量，看哪些数字对得上，再把广告匹配给人。
而 LLM 是干什么的？做预测。我们将走向这样一个世界：Meta 看着一个人说，这个人接下来可能想看这个，然后就去把那个东西找出来、展示给他。
光是「给人看更相关、更好的广告」这一项，潜在上行空间就惊人——转化率只要提升几个百分点，回报就是几十亿几十亿美元。仅凭这一点，就值得他们投资站在最前沿、拥有这些惊人的模型。
Meta 的一个大问题是他们不讲这个故事。说来也怪，马克·扎克伯格有和萨姆·奥尔特曼 (Sam Altman) 一样的毛病：他不爱广告。他们坐拥全世界最好的广告业务，而且我认为那是一门对社会有益的广告业务。
你我都在做小小的内容生意，还做得挺赚钱。做内容，搭的是社交媒体的便车。我是靠 Twitter 长大的，人们分享我的链接，那太棒了。如果你在卖某个产品，互联网的妙处在于：某处一定存在想要这个产品的利基人群，问题只在于你怎么找到他们。Facebook 广告。这就是它干的事：帮产品找到那些「甚至不知道自己想要这个产品、拿到手却开心极了」的人。
这是巨大的社会正外部性：新创业者做出新产品、开创新生意；消费者开心得到了一件本来不会拥有的东西；这些消费者顺便还享受了海量免费娱乐，分文未花；Meta 则为自己和股东——基本上就是全世界所有人——赚了大钱。这就是广告的伟大之处，而 Meta 的广告尤其了不起。
而 Meta 不谈这个，让我很恼火。二十年来，马克·扎克伯格除了偶尔顺带一提，从没真正谈过广告的社会价值，他把这事全交给别人打理。也许正因为他的不上心——经营广告业务是有一套脏活累活的，人们对数据之类的问题会有不满和疑问——也许他某种程度上就是不想沾手、想撇干净。
苹果推出应用追踪透明度 (App Tracking Transparency, ATT) 时，你就看到了后果——那是科技史上最恶劣的反垄断违规之一。苹果单方面摧毁了无数商业模式，同时自己却在建广告业务、做各种追踪。为什么？相信我们就好。
他们还投放那种广告——记得那条吗：公交车上的人偷听周围人说话。那对互联网广告实际运作方式的呈现太不诚实了。蒂姆·库克 (Tim Cook) 在国会大谈「公司出售用户数据」。Facebook 没有卖你的数据，数据对他们自己有价值，为什么要卖？Meta 当时毫无还手之力。
当年有雪莉·桑德伯格 (Sheryl Sandberg) 在就不一样。她每场财报电话会都会谈广告、谈广告有多好，还会拿出一堆受益于广告的新创业者案例。她走后，那个空洞再没被填上。
感觉这家公司有点不好意思似的——「我们是靠广告赚了很多钱，但我们有智能眼镜，我们在搞 AI」。拜托，你们有广告，广告很了不起。如果他们能更始终如一地讲这个故事，公关处境会好得多，当年面对苹果时会好得多，现在说服华尔街「让我们投资」也会容易得多。
另一个问题是，他们在 Oculus 上累计烧了一千多亿美元，而我从头到尾都不看好。所以也难怪别人会问：凭什么再让你们花钱？
大宗商品改变世界：英伟达的非自然利润率
Patrick： 还有一个我们没怎么谈到的大玩家：黄仁勋 (Jensen Huang) 和英伟达。我很好奇你会怎么把话题引回「硅谷不懂大宗商品市场」这个论点——你认为算力归根结底是不是一种大宗商品？我也很好奇，你认为「智能」最终会不会成为大宗商品。有意思的是，智能和算力——这两个看似科技界最有趣、最重要的东西——可能都是大宗商品，都不如科技产品有差异化。
Ben： 嗯，不过历来如此。互联网最有趣的一点就是免费的分发。带宽是大宗商品——我现在掏出手机，就能免费连上世界上任何信息源——边际成本意义上的免费——正因为它是大宗商品。它改变了世界。大宗商品改变世界。
差异化产品的问题在于：按定义，它们的潜在市场总量更小，因为存在价格弹性。不是人人都付得起，人们的支付意愿各不相同，你的市场就会受限。苹果卖设备永远服务不了全世界，谷歌可以，因为它免费。这一点很重要。
你为大宗商品付钱，但它能覆盖到多少人，影响力就有多大。互联网是大宗商品，它改变了世界。所以「智能最终成为大宗商品并改变世界」，在我看来一点也不奇怪。
Patrick： 大宗商品通常不被认为是好生意，不像那些差异化的高毛利产品。我想听听你对黄仁勋和英伟达的具体看法。
Ben： 英伟达的位置绝对是不自然的。你看英伟达——他们保住了全部利润率。了不起吧？都 2026 年了，所有人都在朝他们扑过来，他们一片芯片还能卖出那样的价钱。
但他们其实并没有保住利润率，因为还有「循环融资」 (circular financing) 这整件事——人们提起朗讯 (Lucent) 之类的旧事——还有英伟达提供 25% 回购兜底 (backstop) 的这些交易结构。
如果你真的给这些安排估一个值——英伟达入股新兴云厂商 (neocloud)，保证对方到 2030 年前买下他们全部的算力，诸如此类——他们为什么这么做？为了让相关实体拿到更低的资本成本，从而能买更多 GPU。
Patrick： 便宜点买到东西。
Ben： 但这里面隐含的问题是：他们为什么能拿到更低的资本成本？因为英伟达承担了风险。这就是我前面说的——风险从不消失，只会换个地方出现。承担风险是有价格的。
确实存在这样一个世界：AI 起飞、永不停歇、一切顺利，英伟达赚走其风险的全部上行收益。但也存在另一个世界：他们兜底的某个新兴云厂商，一大波算力涌向市场，超大云厂商 (hyperscaler) 算力充足，英伟达却在为没人要的算力买单——那就亏掉一大笔钱。
仔细想想，这笔投资是有期望值的，这个期望值不是零也不是 100%，而是介于两者之间。但如果你整体地看待英伟达的业务，这就是对它盈利能力的削减。本质上，这就是降价。
只不过这个降价没有体现在利润率里，也没有体现在报价里。英伟达做的很多事可以概括成一句话：怎样才能保住利润率——哪怕从公司整体的宽口径看（折现现金流、期望值）并非如此。人们做折现现金流 (DCF) 分析，但你真的把这些零碎都计入了吗？现实是，把东西挪出资产负债表大体上是有效的。他们做的所有这些交易，都是为了维持一种感觉上不太自然的状态。降价其实已经发生了，只是以这些非常诡异的方式显现。
长期看，真正的挑战在于：他们最终的竞争对手是超大云厂商，尤其是谷歌和亚马逊。谷歌和亚马逊不只是在自研芯片，他们还想把芯片卖给外部。
谷歌已经达成协议，把 20% 的 TPU 卖给 Anthropic。上次财报电话会上，安迪·贾西实际上已经确认，他们最终会对外销售 Trainium——Trainium 3，或者可能是 Trainium 4。这说得通：这让他们能长期绑定这些公司。芯片研发是天文数字级的投入，对外销售能让这笔投入获得更大杠杆，一切都顺理成章。
顺便说一句，他们卖芯片不靠差异化，而是当大宗商品来卖。卖差异化的是英伟达。人们不会为了用 Trainium 而投奔亚马逊，所以对外卖 Trainium 并不会蚕食自家云业务的吸引力。这才是英伟达最大的麻烦，因为超大云厂商的头号优势是什么？
Patrick： 规模。
Ben： 更低的资本成本。这是一场资本之战。他们的资本成本比新兴云厂商低。新兴云厂商会大买特买英伟达。
顺便说，这也完全解释了为什么 SpaceXAI 和埃隆·马斯克 (Elon Musk) 到处说「我们永远买英伟达，因为他们是最好的」——不，你买英伟达是因为它们的可互换性最强。这倒是真的，英伟达确实最具可互换性。CUDA 的护城河已经大幅变浅，因为模型不在乎自己跑在什么硬件上，真正重要的是模型之上的东西。不过护城河还在，多少还算是护城河。
如果你想玩 SpaceXAI 那种游戏——建一大堆算力、对外出租，同时保留随时收回的权利——那你当然会用英伟达，因为最容易租出去的就是英伟达。
这一点很早就有迹可循——回到 2023、2024 年，英伟达开始大谈「主权云」 (sovereign clouds)，开始捣鼓那些 Nemotron 模型。2024 年那次我记得很清楚——就是在圣何塞办的那场摇滚巨星式的 GTC，在巨大的体育馆里。
而 LLM 横空出世后的那场 GTC 反而非常无聊。以前的 GTC，英伟达一口气演示几十上百样东西，像往墙上扔意大利面看哪根粘得住：他们知道自己手里有 GPU 这张牌，在拼命找用例。
Patrick： 让人们对这些东西兴奋起来。
Ben： 对。LLM 一出现，就变成了「哦，用例来了」。但他们之前还捣鼓过一堆企业级产品——名字我忘了，大概是一个个模块。当然是免费的，但只能在英伟达上跑。你能看出他们在干什么——他们想把人锁定。
英特尔就是个好例子。超微 (AMD) 在超大云厂商销售上把他们打得落花流水，因为超大云厂商愿意投入精力，让工作负载跑在 AMD 而不是英特尔上。即便同为 x86 架构仍有细微差异，但因为采购规模巨大，这笔投入是值得的——为了拿到更好的芯片或更低的价格。
而英特尔业务里从没垮掉的部分，是卖给政府和企业客户。他们没有超大云厂商的资源，采购规模也不够大，只会一直买原来用的东西。这就是为什么英伟达大谈卖给主权云、大谈卖给企业——他们想进入那些「不会拿这颗芯片和那颗芯片反复比价」的市场。
超大云厂商正是因此对英伟达构成威胁，而且他们体量更大。于是你面对的局面是：超大云厂商是威胁；而英伟达想扶持的那些买家，超大云厂商的资本成本更低。
这就是本周那笔交易的由来，我把它看作一种回应。这也是为什么它和谷歌那笔交易是呼应的：谷歌可以直接增发股票，股东们不太开心，但谷歌的变现能力远高于英伟达，也高于英伟达的客户们。
英伟达指望的是——他们可能不会这么明说——如果我们真的走到电力耗尽的世界，那大概对英伟达是好事，因为在一个电力完全受限的世界里——
Patrick： 每个人都会想要最好的东西。
Ben： 就必须拿到最好的能效、最好的 Token 效率，而英伟达仍然是 Token 效率最高的。所以那样的世界对他们有利。
过去几年英伟达遇到的最大「问题」可能是：美国实际上上线了比预期多得多的电力。这让我很意外——无论是马斯克那种「表后供电」 (behind the meter) 的做法（已被广泛复制），还是西得克萨斯的天然气，甚至是重启核电站。
Patrick： 你就喜欢美国应对这类事情的方式。
电力：泡沫最持久的遗产
Ben： 太棒了。这其实是关于美国最令人鼓舞的信号之一。我很早就写过：假设这是一场泡沫，你会希望它留下长期的回报。互联网时代，我们得到了埋进地下的光纤。
顺便说，谷歌以前就玩过这个游戏：谷歌是靠收购暗光纤 (dark fiber) 建起自己帝国的。他们有杀手级搜索引擎，但他们能力的很大一部分，来自当年廉价买下的暗光纤——互联网泡沫破灭后，那东西基本等于白送。我们的核心互联网至今跑在 WorldCom 的光纤上。那是持久的遗产。
铁路也是一样——BNSF 现在赚出的钱正流向谷歌，那笔钱可以追溯到北太平洋铁路 (Northern Pacific) 和杰伊·库克 (Jay Cooke) 向散户卖债券的年代。
你会希望一场泡沫能产出某种持久的东西。很早我就在想：AI 会留下什么？GPU 撑不了几年，数据中心——好吧，算它一个。但真正会留下的是什么？电力。一定是电力。
如果最终我们身处一个「这一切崩盘了、但我们拥有了过剩电力」的世界，那是一个美妙的世界。我们一直受能源约束，能源支撑一切。生活在一个能源过剩的世界会是什么样？我们甚至难以想象，因为我们的心智一直被「能源从来稀缺」这个事实束缚着。
我们干得漂亮得难以置信。电力肯定是个约束——它会是约束。但它成为约束所花的时间，比任何人预期的都长，而如果这「任何人」里包括黄仁勋，我一点也不会意外。
他原以为电力不足会更早成为英伟达的护城河。结果，电力充足的时间每多一天，亚马逊把 Trainium 做得更好的时间就多一天，谷歌让 TPU 在能效上具备竞争力的时间也多一天。
而在这样一个世界里，那些利润率看起来非常难以维系。
Patrick： 我太喜欢听你对这一切的看法了。这是我在这个你深爱的世界里见过的最有趣的时代。非常感谢你的时间。
Ben： 非常感谢。