聖誕節英偉達爆出一則重磅新聞，將以約200億美元收購AI芯片初創公司Groq，同時把創始人等核心高管納入麾下，又讓Groq與喬納森的名字成爲「引爆點」。2016年成立的Groq，在今年9月中旬剛完成新一輪融資，融資額約7.5億美元，對應投後估值約69億美元。

隨着一些細節披露，業界分析普遍認爲，這筆交易實質上是英偉達通過「技術授權+人才收編+資產整合」來收編潛在競爭對手Groq，而不是傳統股權併購，有助於繞開嚴格的反壟斷審查、加快落地，同時又阻止Groq技術落入其他巨頭手中。

根據英偉達CEO黃仁勳在內部郵件中所述，此次交易的戰略目標十分明確：計劃將Groq的低延遲處理器整合到英偉達的「AI工廠」架構中。此舉旨在彌補英偉達自身在AI推理領域的結構性短板，以服務更廣泛的AI推理和實時工作負載。

Groq的核心競爭力在於其專爲AI推理設計的LPU芯片，其脫離了CUDA生態，而且用喬納森·羅斯的話說，「我們最大的賣點之一是：供應鏈跟GPU的完全不一樣。」

無論如何，這筆交易被外界視爲英偉達有史以來最大手筆之一，也足以說明一件事：推理算力的供給與效率，正在成爲新一輪競賽的核心變量。

是時候把喬納森·羅斯的一場深度對話，呈現給大家。這場對話正好發生於Groq融資之後的9月底，也是幫助我們理解AI浪潮底層邏輯的珍貴窗口。

他的判斷之所以值得咀嚼，不只因爲身處風口中央，更因爲他的職業背景。

在創辦Groq之前，喬納森曾是谷歌TPU的核心締造者之一，他對芯片研發週期、一次流片成功率、以及所謂「時間護城河」的理解，不是站在紙面上談戰略，而是建立在工程落地與供應鏈週期這些剛性約束之上。

在與哈里·斯特賓斯（Harry Stebbings）的對話中，喬納森不斷把話題callback到一個現實的問題：算力根本不夠。並提到，市場至今仍在大量租用發佈已久的H100，因爲只要供不應求，舊芯片依然能持續盈利。

喬納森說話直言不諱，表達精妙，很多觀點非常值得一看，也有一些看法有點反直覺。

包括他用快消品來類比人類基因中對速度有本能的需求，以及談到利潤的意義在於「讓公司有實力留在牌桌上」，以及用「稱重器」的方式看待AI所以沒有投資比特幣等等，都讓人聽出絲絲價值投資者熟悉的味道。而點評美股七巨頭的內容，也格外精闢。

聰明的錢都在大舉押注AI

哈里 我想從一個基本的問題開始，搞清楚我們現在究竟處在什麼階段。感覺這個世界變化速度比以往任何時候都更快。如果我們看當下的市場狀態，你怎麼判斷？

喬納森 你是想問，現在是不是有泡沫，對吧？

哈里 算是吧。

喬納森 關於「有沒有泡沫」這個問題，我的看法是：如果你反覆問一個問題，卻一直得不到清晰答案，也許你該換個問題來問。與其問「是不是泡沫」，不如問「聰明的錢在做什麼」。

谷歌在做什麼？微軟在做什麼？亞馬遜呢？還有一些國家在做什麼？

答案是：他們都在大舉押注AI。他們的資本開支越來越多，幾乎每一輪宣佈投入的時候，金額都會比上一輪更高。

而這些投資所帶來的價值，有個很有說服力的例子，就是微軟：他們在某個季度部署了一批GPU，之後宣佈這些GPU不會開放給Azure客戶使用，因爲他們自己用這些GPU賺的錢，比租出去賺得更多。

可見這個市場確實有巨大的商業潛力的。

要我說，現在這個市場特別像早期的石油鑽探，遍地枯井卻也偶見噴湧。

我聽到的一個數據，目前AI領域中，大概有35或36家公司貢獻了99%的收入，或者至少是99%的token消耗。

哈里 對，市場非常集中。我甚至有點意外，這個數字居然不是更少。說真的，你看英偉達，它的收入集中度也太高了，兩個客戶可能就佔了絕大部分營收。

喬納森 是啊，英偉達可能就佔了那99%裏的98%。

但當市場集中到這種程度時，說明它還處在非常早期的階段。就像過去人們不知道怎麼找油，只能靠直覺，幾乎是靠感覺投資。那些直覺好的人會大賺一筆，其他人可能血本無歸。

但隨着時間推移，這會逐漸變成一門科學。它會變得更可預測、更穩定，市場也會變得更均衡。

但到了那個階段，投資者的收益反而會下降，特別是那些本來能賺大錢的人，機會反而變少。

所以，我認爲現在恰恰是投資人最好的時機。現在人們在AI上的整體收入多過支出，只是這個分佈極其不均勻。

哈里 你是說，總體上賺得比花得多？

喬納森 對，整體看是這樣的，當然還是會有很多人賠得很慘，但總體來說，投入的資金少於產出的收益。

哈里 但你看看現在這些大廠的資本開支，每一家的反應都是「好，好，好」，因爲他們相信，終點一定會有實實在在的成果。但問題是，資本開支還在不斷上漲。

喬納森 沒錯。哪怕你純粹從財務角度考慮，我認爲財務回報也是積極的。而現在很多人之所以願意投入，真正的出發點並不是爲了賺錢。

我前陣子去阿布扎比，參加了高盛在那兒辦的首屆活動（我們現在也在贊助邁凱倫車隊）。

活動上，扎克·布朗（Zak Brown）有發言，我也發了言，現場氣氛挺不錯。然後有人問了我一個類似的問題：「AI是不是一個泡沫？」

我沒有直接回答，而是問了全場一個問題：在座的各位，有誰能百分百確信，十年後AI不可能替代你的工作？

在場有五十多位資產管理規模超過100億美元的投資人，沒有一個人舉手。

我說：「很好，這就是科技巨頭們現在的真實想法。」

所以他們會像喝醉的水手一樣繼續瘋狂砸錢，否則另一種可能性就是，他們會被徹底擋在覈心業務之外。

他們現在根本不是在算經濟賬，而是在回答一個更關鍵的問題：我們能不能保住行業的主導地位？

接下來的發展，會越來越體現規模法則的影響。如果你沒法留在前十名，你就沒有定價權。

我們現在常說「美股七巨頭」，如果你不在這七家裏，你甚至連那個估值區間都不可能靠近。

那你要怎麼保住這個位置？就得持續投入。

而只要你還在前七或前十，市場就會給你高估值，所以這筆投入是值得的。

哈里 但問題是，最終這些投入必須兌現成真正的、實打實的營收。如果兌現不了，那你是不是「七巨頭」其實也就無所謂了，對吧？

喬納森 你說得對。但現實是，AI已經開始釋放巨大的價值了。只是這個價值在各類應用中分佈得很不均勻，但它確實創造了巨大的價值。

我舉個我們自己親身經歷的例子。

我嘗試過通過prompt（提示）來編碼。我自己寫得不算好，但我們有幾個實習生非常擅長。

有一次，一個客戶來訪，我和他們開了個會，他們現場提了一個功能需求。

我用很粗略、提示的方式描述了這個功能，然後把這些prompt給到工程師們。結果四個小時後，這個功能就上線了。整個過程中，沒有一行代碼是人手寫的，也沒有人調試，全是通過prompt完成的。

我們現在用Slack集成了提交代碼的功能，所有操作就是在Slack裏完成的。四小時後，功能就交付使用了。

你想想這個效率帶來的價值有多大！

但如果你再往前想，六個月後，也許這個功能在客戶會議還沒結束之前就能完成上線，那就不僅是效率的差別，而是質的飛躍了，而不僅僅是節省了多少成本這麼簡單。

當然，從財務角度看，開發速度越快，你把功能推向生產環境所花的錢就越少，這是真金白銀的投入產出比（ROI）。

但從「質」的角度看，當你能做到在客戶會議結束前就把需求變成現實，你就能拿下那些競爭對手永遠也拿不下的訂單。

現在算力的需求是瘋狂且無法被滿足

哈里 我想回到「美股七巨頭」這個話題。你覺得大家是否都意識到，要想保住七巨頭的位置，就必須深入到芯片層，真正實現從頭到尾的垂直整合？

喬納森 我覺得你不會看到太多公司在芯片層成功突圍。

很多人把谷歌的TPU看作一個巨大的成功，但他們不知道的是，谷歌其實當時同時在搞三種芯片項目，最後只有一種跑贏了GPU。

你再看看整個行業，有不少公司在做AI芯片，但也有不少項目被砍掉了，比如Dojo最近就被取消了。

造芯片真的很難。

如果一個公司說「我要造自己的AI芯片，來跟英偉達競爭」，這就像有人說：「嘿，谷歌搜索挺好的，我們來複制一個吧。」——這完全是瘋了！

因爲那種級別的芯片優化、設計、工程實現，難度太高了。你要複製它，成功的概率極低。

當然，如果市面上有很多人在嘗試，而你有選擇權，那隻要其中有一個成功了，你就多了一顆芯片可選。

哈里 我們剛才也提到，爲了保住「七巨頭」的位置，你必須不斷投入。比如英偉達投1000億美元進OpenAI，OpenAI再拿這筆錢回頭去買英偉達的芯片。這是不是就是個無限循環的資金遊戲？

喬納森 如果他們只是把錢繞一圈回給自己，那當然是。但問題是，這筆錢其實是拿去給供應商建芯片的，所以它不是一個資金空轉。

換個角度想：這筆投入裏，大約有多少比例是真正流向了芯片基礎設施建設？40%。所以至少有40%的資金是進了整個供應鏈生態系統的。

這就不能算是一個無限循環。

哈里 那就是個「部分循環」？60%回到英偉達，40%流出去？英偉達確實拿回了60%，而他們的股價也因此漲了幾千億美元。你怎麼看待這種結構？

喬納森 那我們可以從不同角度來看它。

從經濟學角度講，這完全說得通。只要能帶來（客戶）鎖定效應，那你當然願意這麼幹。

爲什麼營收的增長能推動市值漲得比營收本身還多？就是因爲市場相信這種增長是可持續的。

我覺得對英偉達來說，這個邏輯成立。但不只是因爲英偉達厲害，雖然它確實非常強，還因爲全世界的算力總量根本不夠用。

真的，現在算力的需求是瘋狂的、無法滿足的。

我敢說，如果今天給OpenAI和Anthropic的推理算力都翻一倍，那麼從現在起一個月內，他們的收入幾乎就能翻倍。

哈里 等等，你能幫我拆解一下這句話嗎？你是說他們因爲算力受限，所以現在的營收被卡住了？但如果給他們雙倍算力，爲什麼收入也能雙倍？

喬納森 現在，大家對Anthropic最大的抱怨之一就是限流太嚴重。用戶根本拿不到足夠token。如果他們有更多的算力，就可以生成更多token，進而收費更多。

而OpenAI提供的是聊天服務，那你怎麼控制聊天服務的流量？辦法就是讓它變慢，結果就是用戶互動減少。

哈里 你覺得速度到底有多重要？畢竟也有很多人認爲：其實延遲也沒關係，我完全可以接受有延遲。我輸完prompt後，可以去幹點別的，等它慢慢跑出結果。

喬納森 嗯，這種觀點吧……挺有意思的。

但我們可以看一個類比，比如CPG（快消品行業）。

我們來按照利潤率，把快消品排個序：利潤率最高的是捲菸，其次是嚼煙，再往下是碳酸飲料，再往下是瓶裝水之類的。

那什麼因素和高利潤率最強相關？就是產品成分對你的作用速度。

也就是說，那種激活多巴胺的循環，越快生效，你對品牌的黏性就越強。

你越快感受到反饋，就越容易對那個品牌產生情感連接，也就越容易建立品牌價值。

這也是爲什麼谷歌如此強調速度，爲什麼Facebook不斷優化響應速度。每提升100毫秒的加載速度，轉化率就能提升約8%。

所以，那種「沒關係，prompt可以在後台慢慢跑、用戶等一等也行」的想法，完全是錯的。百分之百錯誤。

當我們剛開始爲芯片提升速度時，我們其實就知道自己能做到多快。我們甚至做了一個演示視頻，展示了芯片的實際速度。

但很多人看完視頻會說：「爲啥還要比人類閱讀速度更快？看得懂就行吧。」

我通常就反問他們：「那網頁加載爲什麼要快於閱讀速度呢？」

這裏有一個認知斷層，很多人無法真正理解「速度」在人類體驗中的本能重要性。

人類其實很難判斷哪些因素真的影響參與度和最終結果，但我們從早期互聯網公司的經驗裏，早就明白了這一點。

自主研發芯片的核心動機

哈里 你覺得OpenAI最終會自研芯片嗎？我想英偉達肯定會擔心OpenAI也想搞垂直整合，把芯片環節也收入囊中。你覺得他們能成功嗎？

喬納森 我覺得做芯片有個誤區：很多人以爲最難的是把芯片造出來。但真正做下去之後，你會發現：最難的是軟件。

然後你繼續做，就會意識到：真正最難的是跟得上行業的演進。

我毫不懷疑OpenAI會自己做芯片，Anthropic也一樣。未來每一家科技巨頭都會自研芯片。

我記得在谷歌的時候，有一次參觀實驗室，那會兒AMD還不算太強（當然現在他們做得很好）。

我們當時部署了1萬台服務器，全是用AMD芯片。

我走過實驗室，看到他們把服務器從機架上拔下來，把AMD芯片拆掉，直接扔進垃圾桶。

哈里 真的假的……

喬納森 真的。而且你可以說這是命中註定，因爲當時所有人都知道，那一代芯片裏英特爾會贏。

那谷歌爲啥還要做1萬台AMD服務器？很簡單，他們是爲了在採購英特爾芯片時拿到更好的價格。

當你是這種量級的玩家時，你會發現，爲AMD設計自己的主板、搭建測試平台、部署生產……所付出的成本，完全值得換來英特爾的採購折扣。

所以當公司決定自己做芯片時，動機不一定是要量產部署，很多時候是出於博弈和議價策略。

還有個更少人知道的事實：英偉達現在在HBM（高帶寬內存）上幾乎處於買方壟斷地位。

所謂買方壟斷是壟斷的反面——不是隻有一個賣家，而是隻有一個買家。

現在GPU裏的HBM供應是有限的。GPU本身是用跟手機芯片一樣的工藝製造的，所以如果英偉達願意，他們每年可以生產5000萬顆GPU核心。

但現實是，今年他們大概只會造出550萬塊GPU，原因就是HBM和中介層的產能限制。

於是情況就變成了這樣：一家科技巨頭走過來說：「我想要一百萬顆GPU。」

英偉達回應：「不好意思，我還有其他客戶。」

然後這家科技巨頭反擊說：「沒問題，我自己造。」

然後你會發現，突然間英偉達就生產出一批GPU，優先給了這家公司。

現實是，整個市場的產能就是有限的。你自己造芯片，其實真正獲得的並不是一顆「屬於你自己的芯片」，而是對自身命運的掌控權。

這才是自研芯片最核心的賣點。

哈里 掌控自己的命運，意味着什麼？

喬納森 意味着英偉達不能再告訴你：「你這季度只能拿到多少塊GPU。」你當然可能要付出更高的成本，因爲自研芯片未必有英偉達的好。

我們再想想看，爲什麼英偉達的GPU能憑藉比AMD稍微好一點的性能就徹底統治市場？

如果你部署整個系統的總成本是芯片本身價格的很多倍，那芯片哪怕只貴一點點，影響其實可以忽略。

舉個例子：假設我要部署一臺系統，芯片在整機BOM（物料清單）裏只佔20%，那即使芯片貴了20%，對整個系統的總成本影響也很小；但如果這顆芯片的性能提升了20%，那整臺機器的價值就提升了20%。

所以你就會發現，只要芯片性能哪怕略有優勢，整機的價值就大幅提升。哪怕是小幅性能差異，也會帶來巨大的銷售優勢。

HBM供給瓶頸與數據中心攤銷

哈里 你剛才提到了買方壟斷。那在這種情況下，OpenAI、Anthropic，或者「七巨頭」裏的其他公司，還有可能真正進入芯片層嗎？

喬納森 如果HBM市場是買方壟斷，那確實很難。但從HBM的供應商角度，他們還是有動力把資源分散給更多客戶的。

英偉達因爲採購量巨大，議價能力特別強，可以壓低價格。假如你是HBM生產商，正在規劃新的封裝廠、整套供應鏈，那當英偉達帶着大支票走進來，你當然優先服務他們。

所以，英偉達總能提前拿到他們想要的那部分產能。問題是，這張支票你必須提前兩年以上開出來。

如今AI市場已經進入爆發式增長階段，就算是英偉達、賬上有充足現金，也很難提前兩年把未來所有的需求都算清楚、簽好單。

因此供給瓶頸是必然的。這不僅是因爲市場結構偏向買方，更因爲資本支出巨大，而HBM廠商普遍又很保守。

還有一點：HBM的利潤率實在太高，高到讓廠商根本不願擴產，因爲一旦產能增加，價格就會下滑。

哈里 完全明白了。但我想問，當我們看到OpenAI和Anthropic都在做自研芯片，這是不是也解釋了他們爲什麼要融資？

比如薩姆（薩姆·奧特曼，Sam Altman）說他們未來可能需要幾千億美元，是不是這些都已經考慮進去了？

喬納森 其實不是。真正燒錢，不是買芯片系統，而是建數據中心。

數據中心的成本更高，關鍵在於它的攤銷週期更長。哪怕它只佔你年度成本的三分之一，但如果芯片攤銷期是三到五年，數據中心則可能拉到十年。從年化角度看，它反而更貴。

所以你看到那些科技巨頭每年投750到1000億美元，其實是在爲未來十年甚至更長時間做準備，擴建數據中心產能。

這樣看，這個數字也就不那麼誇張了。

哈里 但如果芯片更新週期比三到五年還快，那我們現在用的攤銷模型是不是也已經失效了？

喬納森 沒錯。很多公司確實設定了過於樂觀的攤銷週期。

我們自己內部是按更保守的方式來計算的：五到六年是上限，很多時候我們更願意按三年來算。

我們基本是按照「一年一代芯片」的節奏在規劃。

你應該這樣理解芯片的價值，它有兩個階段：一個是值不值得部署；另一個是值不值得持續運行。這其實是兩套完全不同的經濟模型。

部署的時候，你需要確保回收資本開支並有投資回報；但一旦部署完，只要這顆芯片跑出來的價值能覆蓋電費和託管費，它就值得繼續跑。

所以你可以接受芯片賬面價值隨時間遞減，只要它還跑得動。

眼下大家在賭的一件事就是：下一代芯片出來之後，舊芯片的價值會不會低到連運營成本都覆蓋不了。

在我看來，所謂「五年攤銷」這個假設其實不太現實。因爲到了第五年，新芯片性能已經大幅領先，舊芯片跑出來的價值可能已經撐不起它的電費和數據中心租金。

哈里 那到時候怎麼辦？會不會積壓一堆跑不動的廢芯片？

喬納森 不一定。因爲很多公司都簽了長期合同，毀約成本也是一個要考慮的變量。有時候，「虧本運行」可能比「付毀約金」更划算。

哈里 我明白了。但真到了那一步，該怎麼辦？

喬納森 那我也沒法告訴你，因爲我們正在盡全力避免出現那種情況。

所以我們在所有的模型裏都在追求更快的投資回收期。我自己絕不會去賭一個太長週期的投資。你的下注週期越短，你的結果就越清晰可控。

更多算力就能得到更好的產品

哈里 所以本質上就是，儘可能縮短回本週期，同時儘可能降低運營成本，這樣才能更快淘汰性能差的芯片？

喬納森 沒錯。不過還有一個挺瘋狂的點你可能沒想到。

如果你用會計師的視角來算賬，這套模型確實挺糟糕的，看起來根本不值得幹。

但實證觀察告訴我，人們現在還在租用H100芯片。這些芯片問世快五年了，但仍然運行得很好，而且賺的錢遠遠高於運行它的成本。你不會在今天部署一塊新的H100，你會繼續讓它運行，因爲它仍然有利可圖。

哈里 它已經從部署階段進入了維持階段。

喬納森 對。根本原因是，大家還是拿不到足夠的算力。

如果不是這樣，H100的租金早就跌成白菜價了。但只要算力供不應求，這種狀況就會一直持續。

問題是：有沒有什麼替代方案，不那麼受限於供給？

這就是我們希望能切入的地方。

我們再回到你剛開始問的「速度」問題。你知道有多少客戶一開始找我們，是因爲追求速度嗎？

哈里 多少？

喬納森 全部都是。但你知道他們中有多少人在了解了「市場供給現狀」之後還繼續問速度嗎？

哈里 有嗎？

喬納森 一個都沒有。

一開始大家都說：「我很在意速度，我知道這對終端客戶意味着什麼。」但接着他們就意識到：「等等，我連算力都買不到。」

所以真正的價值主張就變成了：你能不能提供足夠的算力容量？

就在兩週前，有個客戶來找我們，說他們要5倍於現有系統的算力。他們找遍了所有超大規模雲計算公司，一個都無法滿足。我們也給不了，沒有任何人能滿足。因爲整個市場就沒有足夠的算力。

所以你面對的選擇是，我有這份算力，就能拿下這個客戶。這就是你之前說的，如果OpenAI或Anthropic拿到雙倍算力，就能拿到雙倍收入。

如果你是一家連服務客戶所需算力都不夠的公司，那你一定願意不惜一切代價去爭取這個客戶。因爲你相信：先拿下客戶，就能建立長期的鎖定價值。

我們最大的賣點之一是：我們的供應鏈跟GPU的完全不一樣。

你要訂GPU，要提前兩年寫支票；但你要訂我們系統，只需給我們打張一百萬LPU（Groq 的推理芯片）訂單的支票，六個月後就能開始交付。

哈里 六個月？這可比GPU快一年半！

喬納森 沒錯，差距就是18個月。

我之前和某家超大規模雲計算公司的基礎設施主管開會。我談了性能、成本什麼的，他都還算平靜。

但當我提到我們六個月交付能力時，他直接打斷我，開始認真追問那件事。他唯一關心的，就是供應鏈。

哈里 換個角度想，現在模型迭代速度這麼快，你覺得「兩年交付週期」還有意義嗎？

喬納森 你聽說過莎拉·胡克（Sara Hooker）嗎？

哈里 沒有。

喬納森 她寫過一篇論文，叫《硬件彩票》（The Hardware Lottery）。我用一句話概括那篇論文的核心意思就是：人們是在爲硬件去設計模型。

所以理論上可能存在一些架構比attention更好，但attention在GPU上跑得特別好。

這就帶來一個結果：如果你是現有的主導者，你天然佔優勢，因爲大家都會圍繞你的硬件來做模型設計。哪怕外面真有更好的架構，只要它在你的硬件上跑不起來，那它就不算更優。

這裏面會形成一種小循環。

所以如果你是既有玩家，你按「兩年之後」的節奏去規劃，問題不大。但如果你是想進入市場的新玩家，沒有人會提前兩年就爲你的芯片做適配。

你必須把迭代週期做得更快。

哈里 你剛才也提到OpenAI會做自己的芯片，Anthropic也是。那在這樣的世界裏，英偉達怎麼辦？客戶還那麼集中……

喬納森 確實。沒有人真正能預測AI的發展速度。

我們最開始不是就在討論AI是不是泡沫嗎？你看看過去十年數據中心基礎設施的建設節奏，你得提前兩、三、四甚至五年去規劃，結果呢？

所有人的預測幾乎都錯了。大家總是建得太少。

這已經成了過去十年的規律。所以當你十年都建不夠之後，你就會說：「那我這次要建多一點，要建超過我最樂觀的預期。」然後，又捉襟見肘了。

於是你再次上調預期，又建，又不夠……週而復始。

這就是現實。而且，大多數人還沒有意識到的關鍵點是：AI並不是像SaaS（軟件即服務）那樣運作的。

在SaaS模式下，你有一批工程師構建產品，產品好不好，取決於他們怎麼寫的代碼。

但AI不是。在AI模型裏，我可以通過多跑幾遍prompt來挑選更好的答案，直接提升產品質量。

我還可以爲每一個prompt多花點錢，讓模型跑得更好。我甚至可以根據用戶的價值決定——這個客戶重要，我就給他更高質量的結果。

OpenAI前幾天就公開了一個類似的策略：他們會推出一些產品，這些產品的運行成本非常高，所以只會開放給少數用戶，同時價格也會更高。他們想看看，當模型獲得更多算力後，產品能變得多好。

這，就是未來方向。

只要你爲應用分配更多算力，產品質量就會上升。這就是爲什麼你會發現，很多AI公司「token-as-a-service」支出幾乎等於收入。因爲他們花得越多，產品就越好，客戶就越多。

美國模型優勢來自於壓倒性的算力優勢

哈里 完全理解這一點。但我想直白一點問你：我們看到GPT-5在追求效率，有很多人說薩姆已經從「性能優先」轉向了「效率優先」，因爲算力投入並不會線性帶來性能回報。

你覺得這個說法對嗎？會不會和你剛才講的觀點相矛盾？

喬納森 我不覺得矛盾。你要分清楚他們追求的結果不同。

比如OpenAI現在進入的是一些極度敏感的價格市場，就拿印度舉例來說吧，如果你想在印度贏得市場，有一個核心指標是什麼？

每月訂閱費必須控制在99盧比左右，大概是1.13美元。你必須把服務控制在每月一美元出頭的價格，才能服務那些「否則就用不了AI」的用戶。

哈里 那印度用戶也可以選DeepSeek這種？

喬納森 這正是市場上的另一個誤解。我們可以來拆幾個誤區。

哈里 好啊，我喜歡拆誤區。

喬納森 比如中國的一些開源模型發佈時，大家的第一反應是：「天哪，他們訓練出了幾乎和美國一樣好的模型！」

我們當時還專門聊過這事，錄了一期播客。說實話，我一開始也有點被帶節奏了。但很多人沒看到的是：這些模型真的更便宜嗎？它們真的更適合實際部署嗎？

現在我對主流基礎模型和中國模型了解更多以後，我可以肯定地說：中國的模型運行成本並不低，實際上要貴大概10倍。

我們就拿最近發佈的OpenAI的GPT-OSS模型來說吧。它優化的目標跟中國模型不一樣，但質量非常高。我甚至會認爲：就它所專注的那個方向而言，它顯然比中國模型更好。當然，中國模型也各自有不同側重點。

但關鍵是，跑這個OSS模型的成本，大概只有中國模型的十分之一。

那爲什麼當時大家會覺得中國模型更便宜？其實是被價格誤導了。很多時候，一個模型一旦成了「市場唯一選項」，大家都指定要用它，而提供方也只有一個，那它自然可以把價格抬上去。價格高了，大家就誤以爲成本也高。

實際上，中國模型的優化重點是在訓練階段更省錢，而不是推理階段更高效。但如果你把OSS模型和中國模型在推理環節的效率拉出來對比，就會發現一個很明顯的事實：美國在訓練上的強度和密度，依然遠遠領先。

這在經濟上也說得通。訓練一個模型花出去的錢，最後是要靠每一次推理（inference）去「攤平」的。那怎麼攤得快？就得讓每次推理便宜。

怎麼做到這一點？那你在訓練階段就得花更多資源，把模型壓得更緊湊、更高效。

而這一點上，美國的優勢特別明顯——我們擁有壓倒性的算力優勢。我們可以用更強的計算資源把模型訓練得更徹底，最終換來的是：推理更快、成本更低。

哈里 我們爲什麼能有這樣的算力優勢？就因爲我們能拿到芯片嗎？

喬納森 對，就這麼簡單。

哈里 那中國就不能靠補貼，把推理這部分「燒錢頂住」？我理解他們現在確實在補貼啊。雖然運行成本高一點，但靠砸錢也能扛下來吧？

喬納森 這就要分清「主場」和「客場」的區別了。

所謂主場，指的是我們自己，爲美國本土建設足夠的算力；客場，則是一些盟友，比如歐洲、韓國、日本、印度等等——我們希望也爲他們提供算力支持。

在主場，中國當然可以下重注。他們計劃建150座核電站，雖然芯片能效沒那麼高，但電力夠多，再加上政府補貼，確實能把運行成本壓下來。

但到客場，局面就不一樣了。你想，一個國家如果只有100兆瓦電力，能輕易說建就建一個核電站嗎？顯然不行。這是中國能做、但別的國家沒法做的事。

所以，誰能提供更節能的芯片，誰就能在客場取得壓倒性優勢。

我的判斷是：未來兩到三年，美國在AI的客場戰役上，會明顯領先中國。

如果我們動作夠快，就能帶上一批盟友共同進入AI競賽的正軌。

哈里 那你覺得我們應該開源模型嗎？畢竟中國在模型這方面的能力已經很強了。

喬納森 我覺得模型本身不一定是決定性的優勢。

你還記得你第一次請我上節目的時候嗎？我當時就預測，OpenAI會開源他們的模型。

哈里 記得，你當時確實這麼說了。

喬納森 我之所以這麼判斷，其實主要是基於OpenAI的品牌力。

說句實話，就算他們只是拿兩年前Meta發佈的LLaMA 2模型，貼上自己的牌子，很多人還是會用。這就是品牌的影響力。

當然，他們現在的模型本身也確實非常強，但就算哪天性能不領先了，大家還是願意用他們的模型。

我認爲，Anthropic應該開源自己上一代的模型，目的不是爲了比拼SOTA，而是給用戶一個替代中國模型的選項。

因爲那些願意用中國模型的人，至少也可以選擇用Anthropic的開源模型。這會帶來幾個好處：

第一，prompt是可以複用的，就像軟件之間的兼容性一樣；

第二，用戶一開始用了Anthropic的模型，後面要轉向他們的商業模型，遷移成本就很低。而用中國模型，往往prompt結構都不一樣，沒法兼容，切換難度更大。

就像當OpenAI發佈OSS模型時，很多人開始採用它，原因之一就是，原來寫的prompt可以直接用，不用重寫。

當然，如果你是低成本應用，暫時還承擔不起OpenAI的付費模型，那你可能會從開源模型開始。但只要你業務做起來、有了收入，自然就想上更好的模型。

這時候，prompt的兼容性就成了巨大的優勢。

除此之外，開源模型還有一個附加好處：它能帶動整個基礎設施生態圍繞它優化，把運行成本進一步壓低。

這種生態層面的正反饋，會催生大量創新。

沒有能源，就沒有算力

哈里 我們剛才聊到的主題是：要儘可能建設更多的算力。但你也知道，這對能源的需求是巨大的。那我想請教一個直接的問題：支撐這場算力浪潮或者說是算力海嘯，唯一可行的能源解決方案，是不是核能？

喬納森 不是。核能確實高效、成本也合適；但可再生能源同樣高效，也能控制成本。

我給你一個很簡單的思路：只要美國的盟友願意把算力部署在能源便宜的地方，他們其實可以獲得比中國更多的能源資源。

我們就以美國和歐洲作比較：美國整體上，其實是個更「怕犯錯」的國家。

哈里 你說的「怕犯錯」，是指在能源領域嗎？還是泛指？

喬納森 泛指，美國在很多事情上都更謹慎。

但我們要區分兩種「犯錯」方式：一種是做錯事；另一種是錯過機會。

美國特別害怕「錯過機會」。在一個高速增長的行業裏，「沒做」造成的損失，往往比「做錯」還嚴重。

而歐洲則相反，他們更傾向於接受「錯過」的風險。

你看他們現在參與AI競賽的方式，是通過立法來設定邊界，比如要求「數據必須存在本國」、「必須留在歐洲」等等。

但其實，如果歐洲真想參與這場AI競賽，只需要做一件事：讓挪威全力發展風能。

爲什麼是挪威？因爲他們的風電可用率接近80%。也就是說，一年裏有80%的時間都在穩定發電。

再加上他們已經有龐大的水電基礎，如果他們把風電規模擴大到現有水電的5倍，光是挪威一個國家，就能發出相當於整個美國的電力，而且是穩定、綠色的。

哈里 你的意思是……挪威一個國家，就能撐起整個美國的用電需求？

喬納森 對，完全可以。

這也說明我們還浪費了多少潛在的、非核能的清潔能源資源。當然，我也支持發展核能。現代核電技術已經非常安全。

哈里 那我們爲什麼不大規模上核能？就只是因爲大家害怕嗎？

喬納森 基本就是出於恐懼。

哈里 那你和歐洲政府聊這些能源話題時，他們是怎麼回應的？

喬納森 我一般不會主動談核能。因爲這是一個一開口就會被廣泛反對的議題，我不想一開始就引發政治阻力。

但我最近在日本，他們正在認真討論重啓核電。外界常覺得日本做事慢，其實這是因爲不了解細節。日本確實在「決策階段」很慢，但一旦做出決策，執行非常快。

比如他們決定要建一座2納米晶圓廠，我上次去時，他們已經開始展示他們做出來的2納米晶圓了。

當然，目前良率還不夠量產，但廠房已經建成，產品也做出來了，只差繼續提升良率。

他們還承諾將投入650億美元發展AI，行動非常迅速。

而且他們也會重啓核電。

哈里 哇，如果連日本都重啓核能，那歐洲可真的該緊張了。

喬納森 沒錯，他們現在得開始追趕了，對吧？

哈里 不過我剛才一直在想你說的「挪威風能」。問題是，想建出那麼多風電設備，起碼也得幾年時間吧？你覺得挪威政府真會出錢，在海岸線上造一萬個風機？

喬納森 那爲什麼一定要是挪威政府出錢呢？

哈里 那還能誰出？

喬納森 比如科技巨頭們可以出；或者那些希望在歐洲部署AI的國家，也完全可以出。

你看看沙特，他們有大量千兆瓦級別的備用電力資源，還正在圍繞這些電力建設新一代數據中心。

那歐洲爲什麼不和沙特合作？

沙特現在正在推進一個計劃，叫「數據大使館（data embassies）」：數據依然屬於原主權國家，但可以利用沙特的能源運行。爲什麼不合作呢？這樣問題就能解決。

我預計他們很快就會建成3到4吉瓦的發電能力。

所以未來很可能的路徑是：科技巨頭出資，租用挪威或沙特的清潔能源，再基於這些能源部署大規模算力。

哈里 但這些巨頭總是在抱怨，說行政審批太慢、流程太複雜。

喬納森 我之前和一個大型能源公司的董事聊過，他們是建核電站的。他說在美國，用於審批流程的費用是核電站本身建設成本的三倍。

我不清楚歐洲的情況，但通常來說，美國在這方面還比歐洲快一點。

哈里 在歐洲建一座核電站，到底花錢最多的，是工程本身，還是冗長的審批流程？

喬納森 我覺得大家真正要記住的是這句話：誰掌握算力，誰就掌握AI；而沒有能源，就沒有算力。

哈里 那我們再回到歐洲本身——你怎麼看現在的局勢？歐洲到底落後多少？還有追趕的希望嗎？我不是想唱衰，但我們真的還有機會翻盤嗎？

喬納森 我不覺得歐洲已經錯失良機。只要現在開始行動，一切還來得及。

中國確實在執行效率上更快一些，但別忘了：歐洲有5億人口，美國有3億多，再加上所有盟友，比如韓國，他們有建核電站的成熟經驗，阿聯酋的核電站就是韓國承建的。

所以我們爲什麼不能搞一個「能源版的曼哈頓計劃」呢？

我今年夏天走了很多歐洲國家，夏天熱得驚人，冬天又冷得刺骨。

這種極端的氣候體驗，幾乎全球其他地區都沒有。那爲什麼不借此機會加速能源基礎設施建設？

哈里 我非常同意你的判斷。但現實是，無論是單一政府，還是跨國協調，政策落地的速度永遠趕不上AI的發展。

如果我們無法以匹配AI的速度推進能源計劃，會發生什麼？

喬納森 那歐洲未來的經濟結構，可能就會退化成「觀光經濟」，人們來看看老建築、拍拍照，僅此而已。

如果你沒有支撐新一代經濟所需的基礎資源，就註定無法參與未來。

而這個未來，就是建立在算力基礎上的AI經濟。

哈里 那「模型主權」夠不夠？比如歐洲自己訓練模型，是否就能掌握主動權？

喬納森 遠遠不夠。如果你沒有足夠的算力，模型根本跑不起來。性能再好也沒用。

你就算訓練出一個比OpenAI強10倍的模型，但只要OpenAI有你10倍的算力，他們在真實世界的表現就一定更好。

哈里 但像Misra這樣的公司不是正在推進「歐洲模型主權」嗎？他們說：「德國醫保系統、克羅地亞交通部用的是我們的模型，因爲我們不是美國公司。」

喬納森 這其實不構成真正的護城河。你得問：它的獨特價值是什麼？

「我們是歐洲公司，不受美國管轄」——這聽上去挺有說服力，尤其在某些政治場合。但這跟「你有沒有足夠算力」沒有任何關係。

它解決的是「別人不能控制我」，但沒解決「我有沒有能力幹成事」。

當然，我不是在否定Misra，我們也跟他們有合作，我個人也很欣賞他們。

我想強調的是：你得有基礎設施，才有真正競爭力。沒有足夠的算力，任何模型都只是空談。

算力是AI供應鏈中，最可預測、最確定的環節

哈里 聽你說到這，我都想立刻去買CoreWeave的股票了（笑）。他們現在做的按需算力聽起來簡直太理想了。

喬納森 CoreWeave確實是非常優秀的公司，但他們的GPU配額也很緊張。現在每家都有配額問題。

哈里 你之前跟我說過，其實GPU也不是最理想的推理基礎設施，對嗎？

喬納森 對。隨着訓練逐漸趨於成熟，AI正在步入一個「推理爲主導」的階段。

哈里 那是不是意味着英偉達的主導地位會被削弱？

喬納森 不會。英偉達會賣掉它能生產出的每一塊GPU。

就算我們最終部署的LPU數量是GPU的十倍，也只會讓市場對GPU的需求更強，英偉達還能賣得更貴。

哈里 這聽起來有點反直覺，爲什麼會這樣？

喬納森 因爲你部署得越多，就需要訓練得越充分來支撐推理效果；你訓練得越多，又要部署更多推理能力來攤薄訓練成本。

兩者是正向循環。

哈里 那你覺得現在推理市場的發展，是否符合你當初的預測？比如成熟度、部署速度？

喬納森 完全出乎我預料的一點是，AI居然是基於語言的。

這使得人們可以用最簡單的方式與AI交互。我原本以爲它會像AlphaGo那樣，是種很怪異的智能系統。

結果它是語言。意味着任何人都能用它。

我當初的預測是：AI會更早出現，但增速會很慢。但實際情況是：AI來得晚一點，但增速遠超我的預期。

它的交互門檻實在太低了，現在全球差不多有10%的人每週在用ChatGPT。這太驚人了。

哈里 確實。那你知道目前限制它進一步普及的主要障礙是什麼嗎？

喬納森 是算力。

算力限制了AI的質量。但更現實的問題是：就算質量沒那麼完美，只要能支持更多語言，就會有更多人願意使用。

哈里 這也是我們在全球市場上聽到最多的用戶抱怨之一。

喬納森 那怎麼解決？就兩個字：堆算力。

你有更多算力，就能處理更多數據；你有更多數據，就能訓練得更充分。

甚至你可以生成合成數據（synthetic data），這也是推動訓練的重要資源。

AI的三大核心要素：數據、算法、算力。這三者只要有任何一個提升，整體能力就會上升。

它們之間沒有「硬瓶頸」，不是說你算法不變，就不能多用數據；也不是說數據不變，就沒法多上算力。只要有一個進步，AI就能變強。

也正因如此，AI的發展路徑其實並不複雜。只要你在某一維度持續投入，整體就會推進。

而在這三者中，最容易提升的，就是算力。

算法進步緩慢；優質數據難以收集，合成數據仍有不確定性。

但算力不同。你只需要開出一張足夠大的支票，等上一段時間，你就能拿到更多。

算力是AI供應鏈中，最可預測、最確定的那個環節。

哈里 但就算我們已經意識到算力的重要性，其實大家還是大大低估了真正所需的規模，對嗎？

喬納森 完全正確，低估得非常嚴重。

哈里 你覺得這種低估有多誇張？

喬納森 還是那句話：每次你給模型增加算力，它的表現都會變好。這意味着，我們對所需算力的低估，是沒有上限的。

這和工業革命是兩回事。

在工業時代，光有能源還不夠，你還得製造機器，而造機器是需要時間的。比如你想讓街上多跑點車，不是把石油抽出來就夠了——你還得先把車造出來。

但AI不一樣。

雖然你也可以通過算法優化，提升效率，但最直接的辦法就是堆算力。你把算力翻倍，就能支持更多用戶，提升模型質量，拓展AI應用的邊界。

我們從沒遇到過這種情況，不是瓶頸問題，而是一個「加一塊就變更好」的系統。每多塞進去一點算力，AI整體表現就上一個臺階。

未來會出現一個「勞動力荒」

哈里 你之前提到AI能增強經濟體，這是不是建立在一個假設上：就是未來全球GDP中，用於人力的10萬億美元支出，會有一部分逐漸轉向AI？你覺得在接下來的五年，這種結構性轉移真的會發生嗎？

喬納森 我認爲未來會出現一個「勞動力荒」。不是AI搶走大家的工作，而是我們的人手不夠，去填AI帶來的新崗位。

接下來會有三個變化：第一，是強烈的通縮壓力。你這杯咖啡、你的房租，幾乎所有東西都在變便宜。

哈里 等等，爲什麼連咖啡也會更便宜？

喬納森 因爲AI和自動化會全面提升效率：咖啡種植會交給機器人；供應鏈調度由AI管理；連咖啡本身都能用基因工程優化，讓產量更高。

從種植到運輸再到銷售，每一個環節都變得更高效，成本自然下降。

所以我們將迎來一輪系統性的通縮，生活成本降低，維持生活的支出變少。

第二，人們會逐步退出勞動力市場。

大家會選擇少工作、甚至提前退休。因爲生活成本更低了，工作動機自然下降。

第三，是全新的崗位和產業將被創造出來。

你想想一百年前，美國98%的人都在幹農活。等到農業只剩2%的勞動力時，剩下那98%的人幹什麼去了？他們並沒有失業，而是進入了那些當年根本不存在的新行業。

未來也一樣：「軟件工程師」這個職業，100年前沒人聽過；「網紅」這種崗位，以前根本沒人能理解。將來我們也許會看到「直覺編程（vibe coding）」成爲新的基本技能，人人都會一點。

所以結論是這樣的：通縮壓低生活成本；大量人選擇減少工作甚至退出工作；與此同時，全新崗位與公司大量湧現，反而人手不夠。

哈里 這真是完全反主流敘事。現在大家都在擔心AI會讓幾百萬人失業，而你反過來說：我們反而缺人來填新崗位。

喬納森 沒錯，這就像過去人們曾擔心全球會大規模饑荒，結果我們生產力提高了，人類反而過剩。

人們總是低估技術變革對經濟結構的影響。

哈里 說到變革，你怎麼看特朗普及其團隊對美國AI發展的影響？是加速器還是障礙？

喬納森 整體上是加速器。他們在一些制度層面確實做了簡化，比如審批流程。從政策角度看，他們對AI的態度是積極的。

哈里 你剛剛提vibe coding，我得追問一下。你覺得這會成爲一個長期趨勢嗎？很多人覺得這類新工具只是過渡產品，你怎麼看？

喬納森 我覺得vibe coding的發展路徑就像讀寫能力。

早年只有一小部分人識字，識字的人就能當抄寫員，這是個技能型職業，待遇也很好。

編程現在也是同樣的處境。

但將來，每個人都會讀寫代碼，不是爲了當程序員，而是因爲這變成了所有行業的基本能力。

做市場的人需要寫自動化腳本；做客服的人也可能需要處理系統邏輯。

我有個朋友開了25家咖啡店，從沒寫過一行代碼。他用vibe coding做了一個簡單的庫存系統，能看每家店的存貨情況。

一行代碼沒寫，全是靠自然語言生成的。

後來他開始遇到各種小bug，「這個按鈕點不了」、「那個頁面卡住了」……完全是我們工程師日常處理的場景。

他也開始自己修這些問題，用的還是vibe coding。

這才是真正的趨勢：人人會一點點寫代碼，它像讀寫能力一樣融入生活。

爲何力求保持低利潤率

哈里 在這樣一個指數級增長的世界裏，我想問個現實問題，保持低利潤的策略有意義嗎？比如你們自己開發的AI平台，毛利其實並不高。那低利潤是不是一種劣勢？

喬納森 我是這麼來看的：利潤的真正意義，是給你抗波動的緩衝墊。

如果你利潤率很低，一遇到融資困難或市場波動，你就可能扛不住。下一輪錢可能融不到；銀行可能不願意放貸。

但有利潤，你就有實力留在牌桌上。

當然，利潤高也意味着容易引來競爭者。有句老話說得好：「你的利潤，就是我的機會。」

所以這始終是一種權衡：你要在「穩定性」和「護城河」之間做選擇。

哈里 那你們公司內部是怎麼思考利潤空間的？

喬納森 我認爲公司必須有利潤空間，但這份空間，應該優先回饋給客戶。

你得有靈活性，能讓也能收。這樣在市場上你才會處於有利位置。

我曾經面試一位CFO候選人，雖然最終我們請的是另一位，但那位候選人說了一句很有意思的話：我們可以用提價來降低需求。

哈里 聽上去挺合理，從經濟學角度也說得通。

喬納森 對，邏輯上講得通。

但我反問：那我們是不是也可以濫用品牌信任？是不是也可以用客戶對我們的信任，去賣他們並不需要的東西？

品牌價值是有價值的。你應該讓品牌信任度維持在儘可能高的水平。

因爲信任是有複利效應的。

同樣的道理，我認爲利潤率也應該低到一個水平，讓客戶覺得你始終在給他們一個好價格。如果你賺得太狠，你就是在和客戶對立。

我希望我們的利潤率是在不影響公司穩定運營的前提下，儘可能低的。

我的現金流來自哪裏？來自銷量的增加。而我喜歡算力這個生意的原因是：算力的需求是無止境的。

這就是Jevons悖論（這個悖論由英國經濟學家威廉·斯坦利·傑文斯在1865年提出。他觀察到：隨着蒸汽機效率的提升，單位煤炭可以做更多的工作，人們預期煤炭使用會減少，但實際上，煤炭的總消費量反而增加了。）：你每多生產10倍的算力，就能賣出10倍的量。

只要我們持續降低成本，用戶就會買更多。

所以我的目標是持續壓低成本、提升銷售量、讓用戶以更低的價格獲取更多價值，從而繼續買更多。這個飛輪會一直轉下去。

哈里 那我們現在這個成本壓降的過程走到哪一步了？

我還記得我們早期節目的時候，我會問一些問題，現在回頭看真有點想笑，比如我會擔心Canva推AI後利潤率會不會被拖低？結果現在一看，AI實施成本已經下降了98%！

你覺得我們這輪成本下降的週期，現在處在哪個階段？

喬納森 我們先往後退一步，還是用你剛才說的Canva做例子。

真正成功的公司，不是盯着利潤表看，而是盯着客戶。他們在做的，是解決客戶遇到的問題。

如果你總是在比價格，那你就輸定了。你真正該做的是差異化，去解決客戶還沒能解決、其他人也解決不了的問題。

客戶很樂意爲此付費。

如果你只看利潤表，好像這筆AI開支不合理；但如果客戶通過這項AI服務解決了一個本來解決不了的問題，那就完全合理。

而且通常來說，AI還能帶來一個額外好處，即擴大市場規模。比如你兩年前用Photoshop，很難用；現在你只需要給個prompt，就能生成圖片。

門檻降低了，市場規模自然擴大。你可能單張圖片收的費用更低了，但總收入反而提升了，因爲你服務了更多人。

AI領域的人才大戰進入史上最瘋狂

哈里 讓我問個金融問題。現在標普500都快要衝到7000點了，「美股七巨頭」一路狂飆，我們已經很久沒見過這麼集中、這麼結構性的上漲行情。可聽你講AI，又感覺這才只是開始而已。

那我該怎麼理解這兩種看上去矛盾的情緒？一邊是市場像要見頂了，一邊是AI的潛力看起來無限？

喬納森 價值這件事，有兩個維度：一個是稱重，一個是選美。

有些資產就是純選美，比如加密貨幣。我從來沒買過比特幣。我爲啥錯過了？因爲我不擅長玩「選美」。我不知道什麼會火，什麼不會火。對我來說，玩不轉的。

我唯一能做的，就是看得見價值。

而當我看向AI，我看到的是真正的、被兌現的價值。

最好的例子是，私募股權（PE）公司現在蜂擁而至。他們想獲得低成本的AI算力，因爲只要他們能拿到更多便宜的算力，就能直接改變他們被投企業的利潤底線。

這是實打實的價值。當PE公司開始搶某樣東西時，那絕對不是選美比賽，那是價值驅動。

公司之所以會獲得高估值，有兩種原因：一種是市場認定，這家公司未來能兌現價值；另一種是它陷入了炒作循環，變成了純粹的「選美比賽」。

市場上的參與者也不一樣，有的人只玩人氣投票，有的人真的在看基本面。他們也許會得出相同的投資結論，但出發點完全不同。

如果從價值的角度來看，或者說從「長期稱重機」的角度來看，經濟中最有價值的，其實是勞動力。而現在，通過提供更強的算力和更好的AI，我們實際上能夠向整個經濟體系裏注入更多「額外勞動力」。

這種事情，在人類經濟史上從未發生過。

哈里 你會不會擔心，在短期內如果我們遇到一點波折，鑑於當下價值如此高度集中，會不會使經濟的很大一部分被脫軌？

現在大家都在狂飆上漲，但如果英偉達、Meta、谷歌、微軟這些公司突然遇到「減速帶」，AI這列高速列車慢下來了，那它的乘數效應就會非常驚人。你擔心嗎？

喬納森 我確實會擔心。但這不是因爲AI本身沒有價值，而是因爲，這是系統過熱之後的自然反應。

你可以把市場想象成一個系統，它本來可以沿着健康軌道增長，但也可能因爲過熱而失控。

一旦過熱，人們就會不斷加碼，直到某個時刻突然意識到「撐不住了」，然後整個市場迅速回調，甚至跌破合理區間。

在這個過程中，很多原本不錯的公司，可能因爲信心崩盤、融資斷裂而倒下。

但我們也知道，每一次市場調整之後，都會出現一批真正優秀的新公司。

哈里 那你覺得未來一年會不會出現這種回調？

喬納森 這我真的沒法預測。

因爲預測的前提是：預測本身不能改變結果。但在經濟系統裏，很多時候預測本身就會引發反饋，那它就不再具備可預測性了。

比如一顆小行星正朝地球飛來——如果我們無力阻止，那就能準確預測它會撞上來。

但如果我們能預測，並因此研發出攔截手段，那預測本身就改變了結局。

你明白問題出在哪了嗎？

哈里 懂了。

喬納森 在經濟系統中，你甚至不需要改變「實際的東西」，只要資金流動的方向變了，系統就會劇烈波動。

正因爲這些反饋機制太敏感，所以經濟走勢很難預測。

我沒法告訴你明年經濟會怎樣。我唯一能說的，是我現在在AI領域看到的最大問題：

如果你發現一個優秀的工程師，就算你願意僱他，他可能也不會加入你，因爲他可以自己出去融到10萬、2000萬，甚至1億美元。

他會怎麼做？當然是去自己創業。

這就導致我們很難在一家初創公司裏聚攏關鍵人才。

但從另一個角度看，AI本身也在提升小團隊的效率，哪怕人才被分散了，事兒照樣能做成。

哈里 你覺得現在的市場，是不是已經有點過熱了？

喬納森 判斷市場是否過熱，有一個很簡單的指標：這個經濟系統有沒有在阻礙公司取得成功？如果沒有，那我不覺得它過熱。

哈里 但你看，現在資本太充足了，反而讓你們這些公司招不到好人。很多人拿到錢後，不願意加入Groq，而是自己出去創業……

喬納森 對啊，所以我現在都得說：「拜託你們，別再這樣了（笑）。」

不過話說回來，AI確實讓每個人都變得更高效了。

所以也許，即使經濟還在高歌猛進，各家公司依然能持續成功。

誰知道呢？我們從沒經歷過這樣的時代。

哈里 那現在的人才大戰，是不是已經瘋狂了？

喬納森 絕對是。這是有史以來最激烈的一次，但只發生在科技行業。

OpenAI和谷歌進入「雙雄爭霸」

哈里 我們看看體育行業，其實它一直都挺瘋狂的，尤其這幾年更甚。

你回頭看二三十年前，頂級運動員的薪資，也就和現在的科技從業者差不多。只不過，人們逐漸意識到，真正有價值的是那些頂尖人才。

但體育行業有很多限制：球隊數量有限，還有工資帽。科技行業完全不一樣，這裏沒有上限。你可以有無限支「球隊」、無限家初創公司。

你想想，如果誰都能組建自己的橄欖球隊，那球員的薪資會漲到什麼程度？整個聯賽的估值又會變成什麼樣？

那現在有沒有哪家公司讓你印象最深？又有沒有哪家讓你感到擔憂？

喬納森 我覺得變化最顯著的是谷歌。

谷歌長期有一個結構性優勢：公司文化允許工程師自由提出好點子，而管理層的職責就是別擋路。

這其實是一種很強的系統性優勢。

哈里 你覺得Gemini算是他們的一次成功嗎？

喬納森 算的。光看用戶使用量就很不錯了。

哈里 那你怎麼看Gemini在消費級產品裏的整合？

喬納森 老實說，還不夠好。它雖然被整合進了Gmail，但基本沒什麼人能真正用上。它也出現在其他產品裏，但感覺就像是倉促塞進去的，整體體驗還不成熟。

不過現在還不能下結論，至少他們正在通過這些入口收集用戶數據，這對未來產品方向會很有幫助。

這讓我想起當年的Google TV，一開始是個徹底的失敗，但他們不斷迭代，最終變成了Google Chrome。

這是一條典型的產品路徑：公司先推出一個半成品，捱罵，忍住，然後不斷優化，最後做出真正出色的產品。

哈里 但前提是你得有分發渠道的優勢，才能扛得住那些批評。而現在，OpenAI已經把這種先發優勢大大縮小了。

喬納森 確實如此。谷歌可能確實慢了一步。這其實就是一個經典問題：大公司能否在初創公司掌握分發之前完成創新？

現在的現實是，初創公司已經搶下了分發權。OpenAI的產品被全球10%的人口在使用，這太驚人了。你現在很難想象OpenAI會突然消失，我覺得基本不可能。

哈里 所以我們現在進入了「雙雄爭霸」階段？

喬納森 沒錯，就是OpenAI和谷歌。Anthropic其實做的是另一件事。

哈里 你是說，Anthropic更專注於代碼生成，而OpenAI和谷歌都聚焦在聊天機器人？

喬納森 OpenAI做聊天機器人，谷歌也做；谷歌做代碼生成，OpenAI同樣在做。

哈里 那你們團隊現在最常用哪個工具？

喬納森 最近，工程師更偏向用Codex，而不是Anthropic的工具。

哈里 哇哦。

喬納森 而且這個偏好幾乎是按月在變。

我們的原則是：不規定用哪個工具，但有一條鐵律——必須用AI。

不用AI，你根本沒有競爭力。

我們看到他們之前用Sourcegraph，後來用Enro，現在轉到Codex，下個月可能又切回Sourcegraph。

哈里 那在這麼頻繁切換的情況下，這些工具還有持久價值嗎？

喬納森 我們那批工程師都是一線的。哪個工具好，他們就馬上切過去。

當然不是所有人都這樣，但我們這個圈子裏很多人確實是。

但企業客戶不一樣。他們籤的是一年、甚至更久的合同，一般不會輕易更換工具。

OpenAI和Anthropic都被嚴重低估了

哈里 那如果現在讓你選：OpenAI估值5000億，Anthropic1800億，你投哪家？

喬納森 我兩個都投。

哈里 你會？！

喬納森 當然。它們都被嚴重低估了。

很多人還把它們當成是在一個有限市場中搶份額的競爭者。但實際上，他們做的事，是在不斷把這個市場的上限抬高。

哈里 那我們順着這個牛市邏輯往下推：這兩家公司能走多遠？

喬納森 我覺得現在的科技巨頭還能繼續漲很多。

但爲什麼AI實驗室不能追上來？「七巨頭」會漲，AI實驗室也能追上，這兩件事並不矛盾。

真正的問題是：AI實驗室最終會不會超過「七巨頭」？

（聰投注：像OpenAI前首席科學家、聯合創始人伊利亞·蘇茨克維爾（Ilya Sutskever）2024另起爐竈，就是和團隊創辦了一個新的AI實驗室Safe Superintelligence（簡稱 SSI）。它的目標很硬核：不急着做產品和商業化，而是做更強的模型+更安全的對齊，走的是典型的「頂級研究團隊先建底座」的路線。）

哈里 你覺得決定因素是什麼？

喬納森 我不知道。但說真的，我覺得他們最終可能會融合出新的Mag Nine（九巨頭）。

哈里 那可能就不止是Mag 9，而是Mag 11、Mag 20了。你覺得AI實驗室未來會不會涉足應用層，把這一層也一併拿下？

喬納森 這是所有成功科技公司的自然路徑。它們開始做客戶原本在做的事，不斷上探技術棧，把客戶的業務一口吞掉。

然後又會有新一代創業者在它們頭上繼續搭建新層。

比如OpenAI。你們節目裏薩姆·奧爾特曼就說過一句話：如果你只是在OpenAI上做一點小修小補的產品，你很快會被淘汰。他只是在誠實地說出一個事實。

而我們這邊，選擇了一條不同的路：我們不做模型本身，不訓練自己的大模型。

這就像在地上畫了一條線：你可以放心在我們這層基礎設施上構建，因爲我們不會和你競爭。

當然，也可能我們錯了。也許哪天我們會被自己的客戶反向吞併。

但這也意味着，你可以信任我們不會動你的奶酪。

哈里 但這聽上去也是個挺花錢的決定。你要自己訓練模型，那得燒多少錢啊？

喬納森 非常燒錢。

哈里 說到錢，你們最近不是剛融資嗎？

喬納森 我們剛融了7.5億美元，估值差不多是70億美元。

哈里 太厲害了，恭喜！但說真的，夠用嗎？

喬納森 其實我們原本只打算融3億。

你剛才也提到盈利的問題。對我們這類做硬件的公司來說，其實還好。和做模型的公司不同，我們賣硬件是可以盈利的。

哈里 我還以爲你們的硬件是虧本賣的？

喬納森 不，我們賣硬件是賺錢的。

軟件就要看情況了。有些模型在我們芯片上跑是賺錢的，有些能覆蓋運營成本但資本開支回報不夠，我們對資本支出是很謹慎的。

賣硬件我們肯定是賺錢的。哪怕是那些利潤最薄的模型，只要我們芯片壽命夠長，依然有望盈利。現在我們只是還不知道這些芯片能撐多久。

哈里 那長期來看，你們的毛利率走勢如何？未來利潤率會不會越來越高？

喬納森 這就是我們作爲一傢俬營公司的小優勢之一，我可以選擇不告訴你。（笑）

哈里 但你要是願意說，那就太好了（笑）。

喬納森 我們能保留的好處也就剩這點了！

哈里 確實，你們沒有鎖倉期，退出也更靈活。

喬納森 但我從來沒賣過一股。真的，從來沒有。

哈里 那你可真不懂遊戲規則。（笑）回到利潤率本身，你們是怎麼看的？

喬納森 我還是堅持之前的觀點：只要業務不出現劇烈波動，我希望我們的利潤率越低越好。

利潤率的意義在於緩衝不確定性，當你需要資金時可以適當漲價，帶來現金流；但平時，價格應該儘量壓低。

現在對算力的需求極高。如果某個客戶非常着急，我們可以對他小幅提價，從而維持其他客戶的低價。

英偉達市值肯定會衝上10萬億美元

哈里 那你能預測一下五年後的芯片格局嗎？

喬納森 我認爲五年後，英偉達的營收份額仍會超過50%，但它的出貨量可能不到市場的一半。

哈里 你是說，它能拿到一半以上的收入，但只賣出了不到一半的芯片？

喬納森 對。品牌本身就值錢，能支撐更高的售價。但這也意味着它會「失去飢餓感」，利潤率很高，客戶還是會買——因爲買英偉達的產品，不容易出錯，不會被炒掉。

這是個好生意，依舊有價值。如果你投資英偉達，大概率不會錯。

哈里 但從客戶的角度看，現在這個市場的集中度非常高——也就三十來家公司，就佔了90%、甚至99%的採購支出。對他們來說，決策時絕不會只看品牌，而是要看哪種產品真正能提升自己的業務表現。所以，未來一定會有越來越多不同芯片加入競爭，因爲這些大客戶本身就擁有很強的議價能力。

你剛才說「投資英偉達基本不會錯」，那你怎麼看，五年後英偉達有沒有可能衝到10萬億美元市值？

喬納森 如果五年後它還沒到，我會很驚訝。不過真正該問的是：Groq能不能做到十萬億？

哈里 你覺得有可能嗎？

喬納森 當然有。我們不像英偉達那樣受限於供應鏈，現在我們是全世界最有能力擴產算力的公司。

而算力，正是這個時代最稀缺的資源。所有人都在高價搶算力，而我們可以幾乎無限地供給它。

哈里 那你覺得市場還沒理解Groq哪些價值？

喬納森 這得看是哪一個月。（笑）

比如「多用戶能力」這塊，大家原以爲我們做不到，結果我們展示了可以在同一塊芯片上並行支持多個用戶。

哈里 這是因爲你們用SRAM架構？

喬納森 沒錯。但你知道我被問得最多的問題是什麼嗎？「SRAM不比DRAM貴多了嗎？」

答案是，確實貴。

粗略說，SRAM每bit的成本大概是DRAM的3到4倍。這還是單就結構說的，不算其他開銷。

哈里 能簡單說說這兩者的區別嗎？

喬納森 打個不嚴謹的比方說，SRAM是芯片內部的內存，DRAM是外部內存。

設計上，SRAM要用6~8個晶體管，DRAM只用1個電容+1個晶體管，所以SRAM佔的硅面積更大，自然也更貴。我們還是在3納米制程上部署SRAM，成本更高。

綜合下來，SRAM每bit成本可能是DRAM的10倍。

但我們真正關注的，是系統層面的總成本。

比如我們跑Kimi模型，是在4000塊Groq芯片上部署的，而別人用8塊GPU。這意味着我們只需要保留一份模型副本，而GPU系統得保留500份，消耗的是500倍的內存。

所以雖然SRAM貴，但DRAM花的錢可能更多。這就是典型的「別隻看芯片單價，要看整個系統效率」。

現在我們已經從系統層面優化，拓展到全球層面了。

我們在全球有13個數據中心，覆蓋美國、加拿大、歐洲、中東。我們會根據不同區域的輸入輸出特徵，在不同數據中心部署最合適的模型。甚至有些中心完全不部署某些模型，而是由其他地區動態調度。

我們不是做單點最優，而是做全球負載均衡。

Groq現在要解決的核心問題是如何滿足巨大需求

哈里 那我問個哲學一點的問題：如果你現在完全不怕失敗，你會做什麼？

喬納森 換個角度說吧，我們現在還有哪些風險沒加碼？

有一個明顯的選擇是：把供應鏈訂單直接翻倍。我們的供應鏈響應週期是6個月，已經比幾乎所有公司都快。

哈里 那你們現在的供需缺口到底有多大？

喬納森 就說上週吧，有客戶找我們，說他們需要的是當前算力的5倍。我們不能簡單地說翻倍產能就夠了。你得讓產能不僅變多，還要足夠大。

所以我們的風險選擇是：要不要再翻一倍產能建設速度？

我們剛完成了一輪融資，本來計劃融3億，結果融7.5億美元，直接翻倍，而且超額認購了4倍。

我們其實可以融更多，只是我對稀釋比較謹慎，也在替投資人考慮。如果願意接受更多稀釋，我們完全可以新建更多算力中心。

而且我們還有一個關鍵優勢：在同樣推理速度下，我們的「每token成本」遠低於同行。

這意味着我們有更強的價格競爭力，而這，才是真正對客戶有價值的東西。

哈里 你是說客戶對價格這麼敏感？

喬納森 不是敏感，也不是摳門，而是因爲只要你把價格砍半，他們就能買兩倍的算力。每一塊錢的投入，都能直接提升模型的輸出質量。

哈里 你們未來會考慮上市嗎？

喬納森 我們現在的全部精力都放在執行層面。

上市是另一種玩法，而我們現在要解決的核心問題只有一個：能不能滿足市場對計算資源的巨大需求。

哈里 那你覺得Cerebras之前準備上市，後來又放棄，說明了什麼？

喬納森 他們不是最近才正式宣佈不上市了嗎？這就已經說明了一切（笑）。

不容錯過的快問快答環節

哈里 來玩一輪快問快答吧。現在大家對英偉達最大的誤解是什麼？

喬納森 以爲他們的軟件是護城河。CUDA的鎖定效應根本是個神話。

哈里 真的嗎？

喬納森 在訓練端也許是，但在推理端完全不是。我們現在已經有220萬註冊開發者在用Groq。英偉達說他們有600萬CUDA用戶？拭目以待吧。

哈里 如果你現在才創辦Groq，英偉達已經市值四萬億，AI熱潮已成，你還會選擇做芯片嗎？

喬納森 不會了。這條船已經開走，現在做芯片就太晚了。

哈里 可現在還有很多芯片初創公司剛剛起步，而且拿到不少大錢。你覺得他們也來晚了？

喬納森 太晚了。我當初之所以做芯片，是因爲我在谷歌做過TPU，也和Google Brain的朋友一起，在ResNet50上做過最強分類實驗，我們當時把所有模型全都擊敗了。

我完全可以去做算法，甚至做形式邏輯方向的AI。但我選了芯片，因爲芯片有時間護城河。

風投機構常會問我：「你們的模式別人能不能複製？」

我說：當然能。但他們永遠落後我們三年。

從設計到量產，哪怕執行完美也要三年。而我已經做了三個芯片項目，現在全部進入生產或準備量產階段。

而且我們還是A0 silicon（一次流片成功）。你知道全球有多少芯片能一次成功？只有14%。

哈里 所以每次流片失敗的概率是86%。那你們做V2芯片的時候也預留了失敗重做的預算嗎？

喬納森 當然，我們本來就計劃好第一次不成就再來一次。結果，出人意料地，一次就成功了。這是完全不可預期的。

所以我說「芯片開發週期是三年」，那是在一切順利的前提下。

英偉達也差不多三到四年開發一代，但他們是多條產品線並行推進。

而我們Groq已經進入了「一年一代」的節奏：V2之後是一年內推出V3，再一年是V4。

哈里 你怎麼看拉里·埃裏森和甲骨文的「二次崛起」？

喬納森 很聰明的商業判斷，加上非常快的執行力。

現在很多人都在猶豫：AI會不會過熱？我們該不該繼續投？而甲骨文的選擇是：直接上，不猶豫。

這就是贏的方法。你現在看到所謂的「貪婪市場」，其實只是少數幾位行動迅速的人在賺大錢。

哈里 如果我是投資人，哪些地方該貪婪，哪些地方該恐懼？

喬納森 你知道哈密爾頓·赫爾默的《七種力量》（7 Powers）吧？只要你能看到護城河，就該貪婪。

現實是，大多數公司根本沒有護城河，特別是在早期階段。

你要做的是：預判誰能構建出護城河。

所以我們應該給這種「護城河還沒建立」的項目起個新名字：pre‑mo，也就是pre‑moat的簡稱。

哈里 過去一年，你在哪些問題上改變了想法？

喬納森 嚴格說不是改變，而是不斷聚焦。我們現在對「yes」的門檻越來越高，反而讓業務變得更高效。

我以前覺得「保留選項」很重要，現在我覺得，聚焦才最重要。

當然，早期如果沒有廣泛嘗試，我們也不會走到今天。但現在，我們只做最可能贏的那條路徑。

哈里 你覺得埃隆·馬斯克能把Grok和xAI做成功嗎？

喬納森 我覺得可以，但它們的終局形態可能和別人不一樣。

每次出現一個新賽道，大家都以爲彼此是競爭關係，其實未必。Anthropic就做得很好，他們聚焦在代碼生成，做得極致。

xAI的策略是把chatbot融入社交場景，和社交網絡結合得很好。我不會用他們的模型去寫代碼、搞科研，雖然他們也有代碼模型，但他們沒有代碼的分發渠道。

市場會自然分化。就像現在的「七巨頭」，每家公司業務有重疊，但核心方向不同。如果你不能做出差異化，你就會被淘汰。

哈里 那你怎麼看谷歌、微軟、亞馬遜？三選一，你買誰，賣誰？

喬納森 這取決於你怎麼看時間維度。

短期內，微軟可能會有些調整，畢竟它和OpenAI的關係現在有點微妙。但從長期來看，他們沒問題，仍然很強。

哈里 你覺得這對微軟的打擊是實質性的嗎？

喬納森 不會。短期有影響，但長期無礙。

他們在OpenAI有股權，又能用Anthropic的工具，等於是「兩頭下注」。

再加上，他們已經投入了大量算力。哪怕OpenAI以後換算力供應商，微軟手裏的算力本身就是黃金，非常值錢。

至於亞馬遜，我覺得他們缺乏AI的基因。

你剛才沒提Meta，但Meta和谷歌一直有很強的AI文化。

微軟靠OpenAI補上了，而亞馬遜目前還沒補上。不過他們至少有基礎設施。

哈里 最後一個問題。我想用一個積極的話題收尾：未來五到七年，有什麼是你最期待的？

喬納森 我最期待的，反而是很多人感到害怕的東西。

我說的是，AI帶來的影響。

我們可以用伽利略做個類比。

幾百年前，伽利略讓望遠鏡普及開來。那時人們第一次通過望遠鏡看清宇宙，才意識到宇宙遠比想象更浩瀚，人類也因此顯得無比渺小。那一刻讓人恐懼。

但隨着時間推移，我們逐漸明白：雖然我們渺小，但宇宙卻更壯麗、更美。

今天，大語言模型（LLMs）就像「心智的望遠鏡」。它們讓我們感到自己的智能渺小，是因爲它們放大了「智能」這個概念的邊界。

但我相信，100年後我們會意識到：原來，智能的世界，比我們想象得要遼闊得多。那會是一件美麗的事。

想選股、想診股？想知持倉機會同風險？關於投資的一切問題，開口問牛牛AI就得啦！

編輯/joryn