在AI時代,托肯在供求之間的終極戰鬥

影片標題:AI Tokens的超級與需求 – 迪倫·帕特爾訪問

影片由投資類似最佳

照片來自Peggy Block Beats

以Claude Code與Cursor等工具大量進入企業為背景, 但當人工智能編程、自動分析、數據建模等新共识出現時, 一個自下而上的問題開始出現:當實施成本被迅速推低時

左邊是帕特里克·奧肖尼西 右邊是迪倫·帕特爾

這篇文章是由Patrick O'Shaughtnessy在與SemiAnalysis創始人Dylan Patel的談話中整理的。 他討論AI如何改變公司組織、資訊服務、信使需求、計算供應鏈、社會情感。

這項對話最有趣的不是一個模型再次更新。

這段對話從五個角度可以大致理解。

第一,执行成本被打破。nbsp; (N) 現實的困難是將它們變成產品、系統和可交付品。 Claude Code 可以讓非技術部門寫作 應用 做數據分析 Claude Code在Semianalysis的年支出已達700萬美元。

第二,信息服务业首先被改写。分析、咨詢與數據集的銷售, 幾星期內就能製造出可用的產品。 這表示AI對ISP的壓力不是"它會取代嗎?" 是"誰能更快地重新投入" 不使用AI的公司會更快地被商品化, 而那些使用AI的公司則要繼續提高標準。

在更深層。& nbsp; 用于買入軟體訂閱, 中心問題是此工具是否運作良好; 目前, 正面模式存取權、 费率限制、 企業合同與標記預算開始直接決定產能 。 更強大的模型不一定意味成本更高, 真正的競爭從「誰使用AI」變成「誰得到最強的模型。

需求也将继续贯穿于供应链。& nbsp; 令牌使用激增, 最後成為GPU、 CPU、 記憶體、 FPGA、 PCB、 铜梁、 半导體設備及水晶磨坊等資本支出的常年壓力。 這正是提到「牛鞭效應」的理論: 下游似乎只是一種模式, 因此,AI在業內的利得分配不仅限于模擬公司和NVIDIA,而是沿半导体和数据中心供應鏈繼續溢出。

最后AI的社會反彈可能會提前。 nbsp; (N);人們對工作替代、能源消耗、數據中心擴張、權力集中的關心, 迪倫甚至預料到三個月內會發生大规模抗爭, 卻可能增强普通人失去控制的想像力。 AI業需要證明的不只是技術能力。

今天AI的核心議題是從「模型能做什麼」轉至「誰能存取模型, 這項討論的議題不僅是Claude Code、Anthropic或AI公司。

以下是原文(为了便于阅读和理解,原文已合并):

TL; DR

由於實施成本的稀缺性是高價值的想法。

Claude Code只花25%的薪水。

更穩定地獲得最強模型的人可能會創造新的商業障礙。

由於數據、分析與研究的製作成本迅速下降。

Token需求不會因舊型號的降價而減慢。

由AI帶來的最大變化不是讓人工作少。

從GPU、CPU、記憶體到PCB、銅廠及設備制造商。

真正的問題不僅是模特公司賺多少錢。

其他召集人

克勞德·科德成為了新的劳动力

Patrick O'Shaughnessy (主持人):

你告訴我一個很棒的故事 關於你的隊伍今年的用途大變化 你能再說一遍嗎? 你明白這世界發生了什麼嗎

Dylan Patel (半解析創始人):

去年我們以為我們是AI的重型使用者 大家都在使用ChatGPT, 大家都在使用Claude, 而我給團隊所有他們想要的訂閱。 當時公司花了數萬美元。

但今年,支出開始猛增。 真正的起点大概是去年12月, 包括道格 我們的首席執行官道格拉斯·勞勒 他基本上在推動非技術家 和AI一起寫密碼 他把整個公司都帶來了 當然,工程師在用,但從今年1月起,我們的支出明显上升,然後很快就破產了。

我們後來和Anthropic簽定了企業合同 上次我跟你說話 我們的年費是五百萬 現在是七百萬了。

帕特里克·奧肖尼西:

這是上星期的數據。

迪倫·帕特爾:

是啊 大部分都是用心 有趣的是以前從未寫過密碼的人 現在使用克勞德密碼 有些人每天花上千美元 但就公司而言 我們每年在克勞德法典上花700萬 我們的薪水是2500萬元 Claude Code花掉了25%以上的薪水支出。

如果这一趋势持续下去,到年底甚至可能超过薪金总额的100%。 有點可怕 因為公司發展很快。 更像是:我不需要這麼快就雇人。

但我認為其他公司遲早會面對問題: 如果一個人能和克勞德·科德做5、10甚至15份工作 接下來會怎樣? 第一,可能的确需要缩小规模;第二,目前此类用途非常广泛。

例如,我們在俄勒岡州有個反向工程實驗室, 它已經建了一年半。 有很多高端裝置,例如显微镜,扫描电子显微镜. 實驗室的核心用途是反向分析芯片、提取芯片结构和分析其制造中使用的材料。 這些也是我們賣的數據之一。

然而,分析這些資料在過去一直很慢。 我們隊裡有一個人 只拿克勞德的數千美元 這是應用程式 此應用程式可以加速 GPU , 在 CoreWeave 的伺服器上執行 。 我們只需要發出一張芯片圖片, 這是銅 這是钽 這是plat 這是钴 然後你就可以快速地對整個芯片堆疊結構做一個有限的元分析, 它可以直觀化, 還有完整的圖像介面和儀表板。

這個以前在英特爾工作過的人 曾說過去是一支完整的團隊 把這種東西放進整個公司真是不可思議。

我發現還有一個特別有趣的例子是馬爾科姆 他是一家大銀行的經濟學家 那家銀行的經濟部可能有100到200人 他正在做一些令人驚奇的事。

包括FRED數據、工作報告以及不同API的其他資料。 我們也與一些數據提供商簽約, 分析不同經濟變化對經濟膨胀或通縮的影響。

美國勞工統計局有一套工作分類, 馬爾科姆用AI來評估哪些工作可以由AI完成, 結果顯示。

他設立了一個指示器, 來衡量AI能做什麼, 產值可能會上升, 他稱之為"Phantom GDP"。

他依據此概念做了一整套分析。

帕特里克·奧肖尼西:

這都是他自己做的

迪倫·帕特爾:

是的,他自己做的。 他對我說:「兄弟, 他完全在克勞德,說一切都變了。

帕特里克·奧肖尼西:

作為經營商 你怎麼理解的? 你從幾乎一文不值到現在 已接近薪水支出的25% 而且還在上升 你認為我該踩剎車嗎? 我該控制一下支出嗎?" 也許我們不必老是使用今天剛推出的一線型號, 如Opus 4.7, 但我們可以改用更便宜的型號

迪倫·帕特爾:

畢竟,我是信息界的 我們銷售分析 我們參考 建立數據集 我看不出為什麼這些東西不能以非常快的速度完全商业化。

如果我不繼續進步, 我們還可以賣掉它 因為我們一直做得更好 但我們2023年的作戰方式 和現在的人不一樣 如果我不繼續提高標準, 我會被商品化。 如果我動作不夠快 我會失去我的優勢。

所以問題是 AI會把很多東西商业化 就像它正在把軟體商业化一樣 繼續提供優秀的服務, 并持續改善服務, 無能而無所施者,必失之。

所以這就像一個生存的問題:如果我不使用AI,別人會的,然後他們就會打我。

另一个簡單的例子是能源。 去年我們有幾個能源分析師 試圖建立能源模型。 這個模型非常複雜, 能源數據服務市場約9億美元, 所以顯然這是個巨大的市場,我想進入。 雖然我們的一些團隊已經工作了一年。

那Claude Code的精神病人呢 我們在數據中心有一位主管能源及工業的人 Jeremy 在他開始使用克勞德代碼后 事情突然變了 三個星期後,他花了很多錢,一天約60萬美元,這真的太夸張了. 然而,他捕捉到了美國的每個電廠, 每條傳輸線都高于一定的電壓。

我們已經把它制成一個儀表盤, 讓我們可以觀察和分析美國各小區的電源短缺與盈余, 幾周后就到了。

我們向一些已經買下我們的數據庫的顧客, 讀完之後,他們說:"哇,這件事發生多久了?" 它的好,比公司更好。" 然後我們得知道 那家公司有100人 已經做了10年了。

我們的產品並不那麼完整, 所以現在我把這些能源數據服務商品化了 如果我跑不快 誰會把我賣掉

所以從商業角度來說 問題不是 "我花了很多錢嗎?" 是的,我花了很多錢 但問題是 這筆錢能給我什麼? 這能帶來更多的收入嗎? 如果答案是肯定的 那錢是值得的。

帕特里克·奧肖尼西:

你擔心那些控制資本資本、負責投資的人, 我們為什麼不自己做呢?" 如果事情變得這麼簡單, 他們最有可能從這些數據和洞察力中获得最大影響力。

迪倫·帕特爾:

任何資訊服務都基本相同:我從訊息中获得價值。

如果我以一美元賣給你信息 你愿意花掉它 因為你知道這能幫助你做出決定 讓你賺到更多錢 也就是說,你得到套利。 你從我這賺的錢比我賣這些信息賺的還多。

投資基金本身肯定有自己的信息服務能力。 特別是對簡街和Citadel等機構來說 他們的數據非常詳細和深入 但他們仍會購買我們的數據。

我想有些"它的因素" 以及它帶來的巨大變化, 包括AI、符號經濟與相關的事物。 我們能早點看到方向 更快地建起來。

當然,投資專業者會為自己做點什麼 但更常见的是,他們直接買下我們的數據,然后在數據的基础上繼續發展. 對他們來說,買下我們的數據通常比從零開始建的要便宜. 當然,總有一天有人會自己去。

Token成了新的製作資源

帕特里克·奧肖尼西:

我想每一次我跟你說話,我最後都會有相同的問題:托肯的供求. 這才是我最感興趣的 你的經驗讓你對需求有新的了解嗎? 你感覺好點後 改變了對信物需要的判斷嗎

迪倫·帕特爾:

如果我們退一步,從宏观角度來看,Anthropic的ARR可能已經從90億美元增加到350億美元左右,400億美元. 可能已達400億至450億美元。

但它們的長度不一樣 如果你數數數, 并假設他們沒有減少研发算法, 顯然沒有, 因為他們正在發表新的模型, 例如Metis, Opus 4, Opus 4.7, 那麼有一件事: 他們增加的微积分。

在現實中,部分新增的微积分很可能在研发中,因此其实际毛利人比例可能高于72%。 你知道,今年初,有人 泄露了一些信息 在他們的資金文件中, 大约30%。

在如此短的时间内, 因為需求太高, 他們可以收緊用量 速度限制和限制 真正重要的是 你有一個Anthropic的客戶經理 一個企業合同 以及你需要的升職 否則 信物會變得極具攻擊性。

凡能受者. Anthropic正面临同樣的問題, 但這些信物的價值已超過400億美元。

不同企業所創造的每個符號的價值是不同的. 但當模型變得更聰明時,真正要緊的是 誰得到最聰明的符號,並用它來做最有價值的東西。

作為一個人,你必須決定如何使用這些符號來種植商業和創造價值. 很多人想要信物,他們會消耗信物 但與克勞德一起在舊金山製造軟體的普通SaaS創始公司 賺不了很多錢 所以遲早他們會被壓出價格。

帕特里克·奧肖尼西:

我今天在路上遇到的就是這個 一旦出版,Opus 4.7, 我想使用4.7和立即。 然後我被切斷了 我不能用它。 我甚至無法想像繼續使用4.6, 雖然過去幾周來我對4.6很滿意。

你感到驚訝的是,人們這麼有決心 使用最貴且最前進的模型

迪倫·帕特爾:

一點也不 我過去一個半月來最有趣的記憶之一 就是 我和我的朋友Leopold 一起跪著 幾乎在Anthropic共同創辦人面前。

我們知道它的存在,於是我們說:「求你了,讓我們使用它。」 他說:「我不知道你說什麼。」

帕特里克·奧肖尼西:

當價格表或者eval卡出來的時候 你有什麼反應

迪倫·帕特爾:

灣區之前有傳言 我們可能知道會很強烈 但梅菲斯托/梅蒂斯可能是前兩年模型容量最大的跳跃。

我認為這很重要, 雖然他們已經向一些客戶公布了價格, 但他們還是不想完全釋放, 因為他們擔心它會影響現實世界。

所以我們現在的 Opus 4.7 是更糟糕更弱的版本 他們向Kari模型說明 我們是故意對网络安全能力 做更糟糕的預估 我不知道你是否讀過那部分。

所以我想說的是 不管你是誰 只要有足夠的資本 你就該去買些慈善的訂戶 訂下信號 付錢 而不是定期訂户 因為那樣你就不會這麼容易被關起來了。

然後你必須想一想 如何用這些符號來完成高價的任務 從中賺錢 因為在一兩年內 很多生意基本上就是套利 托肯很強壯 但重點是你指向他們。

在未來的三四年裡,模型本身可能知道該如何使用符號,如何最大化價值。

如果你回首任何基准,你會發現,過去达到一定能力水平的成本是X,現在可能只有1%,甚至1千. 例如DeepSeek達到GPT-4關卡容量時, 自此,GPT-4型號的成本持续下降。

當然,沒人真正關心GPT-4型號了. 你們想要的是一線模型, 因為它創造了真正經濟的東西。 然而,GPT-4型號仍然可以用于一些场景,但那些場景通常较小。

所以真正推动需求的不是老能力變得便宜,而是新例子正在出現。 現在你用的是4.6或4.7級模型 一年後,如果我今天要取得 相同的建模能力, 我可能花7萬美元,或許是100倍。

但無所謂 因為那樣的話 我會用更強大的模型來做更有价值的事。

Anthropic的Metis本身更貴, 所以在大多數任務中,它其實比Opus 4.6便宜。

迪倫·帕特爾:

因為它更有效率。 即使每個符號本身更「聰明」。

帕特里克·奧肖尼西:

上次我見到你時 梅蒂斯可能剛放出來 或者模特兒卡剛出來 你說它強壯到足以嚇到你一點 什么意思

迪倫·帕特爾:

Anthropic在2025年的目標, 總而言之,他們和Opus 4.6差不多。

但他們沒有說,如果你看梅蒂斯, 比起基准,它更像一個L6工程師。 L4可能是個相當低級的軟體工程師。

我記得Anthropic說這款型號從2月份起就已經在內地提供。 兩個月後,他們從L4跳到L6 接下來會怎樣

當你想到模型的進化, 你可以看到它正在加速。 Anthropic的放送節奏被压缩,OpenAI的放送節奏被压缩. 為什麼? 因為通常,要做更好的模特兒 你需要一些東西。

首先,你需要一個堅強的身材。 計數很貴,而且有自己的時間尺度 我們將追蹤這些實際上在增長的事物, 你簽了數學 差不多好了 當然中間會有延遲與調整。

第二,你需要很好的研究者 公司現在愿意為這些人付數千萬美金。

最后,能力得以实现。 從歷史上看,這很難做到 如果我有主意,我必須讓它發生, 這很難。 但現在想法無處不在, 它變得非常容易实现。 很貴,但很簡單。

所以問題是:一個人如何決定要達成什麼想法? 因此,當它變得太容易時,你可以達到更多的想法,并跑得更快。

在AI模型研究中可能會發生,所以模型的發行频率已經從6個月减少到2個月. 也有可能發生在其他地区。 例如,我想為美國的每座電站建模, 每條输電線, 跑回去, 分析微區的供求關係。

這個想法本身很便宜 重點是,哪個想法有道理? 有什麼想法值得你的資金 買下信物 把它弄出來? 因為成就的能力已經存在了 這是最重要的改變。

如果成本在繼續下降, Opus 4.7幾小時前才被釋放 但我們很興奮。

這給世界帶來了什麼? 我想它會重新排序 經濟工作的方式。

過去, 實施非常重要, 也很容易實施。 所以,真正值得做的是,只有足夠好的想法... 他們可以證明你值得錢 即使它已經非常便宜了。

帕特里克·奧肖尼西:

你真的害怕? 還是只是帶來了一個很難把握的不确定性

迪倫·帕特爾:

肯定存在不确定性。 但我覺得這會帶來恐懼 問題是,社會怎麼可以自行改组呢

當你生活在一個"能做些什麼" 不如它重要的世界裡時,有什麼重要呢? 重點是,你能否為AI選擇正確的主意, 所以才重要。

這又回到之前的問題: 一定要有最新的模特兒 誰能找到最新的模型

安斯羅皮克有個項目 我知道它不叫艾爾維格 但我喜歡稱它為艾爾維格 他們只向某些公司提供梅蒂斯的網絡安全. 我想這將要發生。

注:耳wig本意是 ,小昆虫,在中文中常称为耳pl. 更像是戲劇:一方面,聽起來像是某种蟲子,另一方面,"溜進耳朵"和"改善人"之間有關聯。

我了解OpenAI、Anthropic等公司, 但人工智能很貴 誰會為數萬亿美元的基礎建設付出代價? 那些有錢而且能用人工智能建設有用的東西的人。

你不希望任何人 蒸馏你的模型, 所以你不出版 廣泛。 你會把錢給少點的客戶 然後這些客戶就會開始爭取代價。

除非Anthropic的價格大增了 他們可以把奧普斯的價錢翻倍 我會繼續付錢的 我打賭大部分使用者會繼續付錢 但我不認為這能解決他們巨大的能力問題。

所以問題是:這個周期是在哪結束的? 如果物質使用和這些物質的增值 日益集中在幾家公司的手中會怎樣

我現在沒有梅蒂斯了 但是誰? 大銀行有。 現在他們可能只是用在網路安全上, 但我可以想像一個世界:因為我有Anthropic的經營合同, 我當然希望會這樣。

然後我的競爭者就沒有這些權限 我可以打敗他們。

也可能是另一起案件。 例如,Citadel的Ken Griffin,他的脈搏很強,非常富有。 他可能去和OpenAI或Anthropic簽約, 每次你發表新模型 我都會買100億的代價 然後買其他的

然后呢? 他可以壓垮市場上的所有人。

這只是一個例子。 例如Anthropic擔心模型會更容易侵入系統。 它可能發生在 像我這樣的信息服務, 我用它來壓壓人。

我相信此事有很廣的影響力 我們不知道這些模型能做什麼 Anthropic不知道,OpenAI不知道,沒人知道。 總之,這些信號能用到哪裡? 他們能造什麼? 你能想像什么

這當然會大大提升生产力, 但問題是

機器人將承受下一波需求

帕特里克·奧肖尼西:

現在,机器人,或者机器人, 消耗符號, 几乎比起其他领域,微不足道。 你怎么看? 會成為第二條需求曲線嗎? 每天都在一英里內 出現新的機器人企業 試圖做點有趣的事。

迪倫·帕特爾:

這是一個叫做"只有軟體的特長"的概念 也就是說,世界可能從AI的奇特性開始, 但問題是, 世界上很多地方仍然是物理的。 你將看到世界將是围绕着硬件, 不只是軟體。 所以我認為,所谓的"軟體奇觀"只是短暫的時間,而不是結束. 因為我們終于陷入了物理世界。

一旦軟體變得非常容易 機器人真正的難處是什麼? 它的編程, 微控制器, 實施器, 和控制所有這些東西。 這很困難。

AI模型有一種有趣的功能:它們實際上效率非常低. 因為我們給了他們大數據 他們學到了一些東西 在某些方面超越了人類。

但機器人目前的模型,如VLA,即Visual-Language-Action,视觉-语言-Action模型,是目前熱門的,但我不認為它會是終究可以擴張的. 它們效率不高,我們無法快速扩充機器人數據。

未來一定有辦法 大规模訓練機器人模型 就像人類一生都在看數據 人性的真正意義是 我們非常"采样高效" 一個例子,兩個例子,我們可以學習。

如果這個能力被应用到機器人身上,那就完全不同了. 一旦軟體层面的奇點出現, 然後人們可以開始建造真正有用的機器人。

我想在接下來的6到18個月里 我們將開始看到機器人真正的突破 關鍵能力是少數射擊學習 然后會有一個經過前訓練的機器人模型,你會雇人或買一個機器人,你會展示一些例子,它會做工作。

你告訴它把這兩件東西叠起來,它就能做到 你告訴它,"這東西其實有平衡。 它會開始和完成。 相信我,我自己做了很多次。

所以我覺得機器人有一點學習能力。

有些公司在做機器人, 但是它會被分解得很深 例如,用于折叠衣服的機器人,或者更细分成黑板的機器人. 可能是租房服務 也可以是模型套件 你可以在普通機器人上下載 也可以做 然后再付錢。

總之,有形商品领域將伴有重大的加速和通貨通貨化效果。 這將推动信物的瘋狂需求增長。 所以我個人覺得 信物需求不會減慢。

帕特里克·奧肖尼西:

你從梅蒂斯的結果中學到關於這個世界的新東西了嗎? 也就是說,如果你把 縮放法例的所有元件 都拆了,比如前期訓練..

迪倫·帕特爾:

它比以前大得多 10萬塊 相当于上一代的數十萬塊薯片 當然,TPU和Triton有不同的放送節奏,所以不能完全匹配. 但最後,是的,梅蒂斯是更大的模型。 這證明了縮放法則仍然有效 數據顯示。

而且這不只是"讓模型更好進化的更多微數". 我們的計算效率也不断提高。 所有實驗室投入的研发能量 都變成了一件事: 如果我要一個具有一定能力的模型,那么达到這個能力的成本每6個月或現在每2個月會大大降低. 但如果我把它拉得夠大了 我還是可以大步向前。

所以,是的,它證明了這 繼續發生。 Google 與Anthropic不是GPU使用者, OpenAI應該推出新一代的模型。 我想他們在縮放上 迈出了更理性和有原則的小步 這次,安斯羅皮克大跃进。

今年我們會看到一個更好和更好的模型, 節奏會變得更快。

帕特里克·奧肖尼西:

我們已經談了很久了 但很少提到OpenAI 這會是一件奇怪的事。

迪倫·帕特爾:

那才是有趣的部分。 現在很多人會說,"所以安斯羅皮克贏了,對吧? 他們在2月抓走了梅蒂斯 但他們甚至沒有被釋放 因為他們覺得沒必要 他們的計算已經銷售, 今天, Opus 4.7 被釋放, 這一切發生在 OpenAI 的謠言之前。

從表面看,Anthropic顯然是領導者 OpenAI 似乎已經結束了 但有趣的是,Anthropic的數學是非常有限的,而且它們能以非常有限的速度擴展. 達里奧曾夸大OpenAI在算術上过于激进, 但現在Anthropic可能覺得我們真的應該有更多的天賦。

OpenAI完全有能力支付這些帳單。 他們已經資助了許多資金, 除此之外,他們也曾以非常激进甚至"不負責任"的规模,從甲骨文,CoreWeave,SoftBank,微软等公司購買信用. 現在他們也得到了亞馬遜的教練。

所以OpenAI在數學上做了一件很瘋狂的事 他們知道自己需要更多。

有趣的是,如果我們看看Opus 4.6, 我們不要考慮目前的模型, 而是這個科技的傳播。 我們在模特兒發行的第一天就能用到 但其他生意需要時間 人們也需要時間去學習 「克勞德醒來時代」不會同時攻擊所有人。 所以到年底,假設一個4.6級的Opus模型, 整個經濟都愿意每年花1000億美元, 畢竟它現在花了400億美元。

帕特里克·奧肖尼西:

它基本上只是線性推力。

迪倫·帕特爾:

是啊,它是線性的,不是指数性的。 要達到指数增长,你需要更好的模型。 但Anthropic沒有能力 来满足這些需求。 如果OpenAI或Google能很快達到這個能力水平。

但若OpenAI下次達到相同的容量, 即使它只收集了毛利率的50%, 可能也不足以為所有使用者服務。 所以,也許Metis,像這樣的模特, 如果世界有足夠的天賦, 可以帶來5000億美元,甚至更夸大。 這些信物的市場需求太強。

我們在H100價值暴涨中看到了這個 GPU的服務年限也在增加。 顯然,即使是二線實驗室, 他們賣掉,更不用提一線實驗室。 一線實驗室會有更好的利差 但二線實驗室會賣掉 甚至三線實驗室都快賣掉了。

最強大模型的經濟價值增長得快, 所以這個差距會繼續扩大 建模實驗室也會持續增長盈利

帕特里克·奧肖尼西:

所以可以說,你今天在需求方面的判斷, 特别是你自己的"半解析"例子, 是完全爆炸性的。 更廣泛地說,當人們進入你所謂的「愛滋病」時, 幾周後,我自己的代價花費暴增。

這聽起來是個很好的 需求方面的判斷。 在需求方面,我們有什麼需要想念的嗎? 如果你不多用一些符號 你永遠也出不去 你能傳出去嗎

換句话說, 你要么多用一些符號, 他們會想,"我每天只工作一個小時,而不是8小時,所以AI會做我的大部分工作"

迪倫·帕特爾:

這是無聊的方式。 更酷的方法是:我仍然每天工作八小時, 可能不是5次,但應該是這樣。

當然,如果你只是做個工作,那就很難了 也有人創辦公司, 需要先抓住AI的經濟價值, 因為現在它不完全是個框架 如果你不多用一些符號 如果你不從這些符號中產生價值並捕捉它,你就不能從永久底部出來。

這裡有三個不同的問題:第一,多使用符號;第二,從這些符號中產生值;第三,從符號中產生值。 如果你做不到這三件事, 你永遠不會走出永久的底部, 因為模型能力繼續激增。

好吧,讓我們談談供應方。 到底怎么回事? 如果需求曲線上升, 整個供應站的前面會發生什麼變化, 當需求猛增時 供應方的一切都在上升 NVIDIA GPU或其他地方的物價在上升。 与此同时,其使用寿命正在延长。

這就是H100的價格 GPU的使用年限不到五年, 部分Hopper群組在三四年前重新承包。

因此,GPU的活性寿命顯然不是五年,甚至七八年. 我們還不知道 等Hopper真正登上舞台再說 但顯然不是五年了 在更新時,物價正在上升。

這意味著一個聚居區的毛利率其實不是35%,而是更高. 云之利增. 而NVIDIA仍然在收取約75%的毛利率。 更進一步的觀點是, 光模組和邏輯芯片等領域也取得很大的進步。

更重要的是,NVIDIA等製作芯片的公司 正在支付巨大的预付款。 因此即使毛利率沒有大增, 資本成本、資本流的點或投資資資本的收益也在上升。

你可以在供應鏈上看到這個 ASML已經完全銷毀了,它需要卡爾·澤斯更快的擴展. 在供應鏈邊緣, 每條鏈子要么被賣掉, 利润率增加。

這是全供应链的一贯趋势。 即使是PCB也是這樣的 製造PCB需要铜铂。

只要這東西有脈搏, 只要它在供應鏈中被賣掉。

運算力的不足 導致整個工業的連結

迪倫·帕特爾:

供應鏈通常反應很快。 但這次有一個獨特的地方:今天的供應鏈比以往更複雜, 而我們正在建造的東西比以往更複雜, 但這次新供應品本身花了幾年時間。

這就是記憶 記憶能力每年只能增長更低的二位數百分比,例如20%,30%. 更低,DRAM稍高。 雖然到2025年底需求信號強大。

除了每年20%到30%的增長, 但到2028年才有真正的新供應品 可能最早是2027年末,但可能是2028年. 非常獨特 即使他們想盡快擴展產量 供應量也不會立刻到達。

因此記憶力價格上升. 我告訴你 尤其是DRAM 價格至少會翻倍 翻倍 甚至三倍。

有人會說:"記憶的故事已經破碎了,每個人都能理解" 但其實你並不了解 從現在起 DRAM 可能會翻兩番或三倍 因為這需要很多錢 他們必須從別處奪回能力 在資本主義經濟中, 我們沒有在配給系統,所以它必然會發生。 利差會繼續上升。

我覺得逻辑芯片也有巨大的容量問題 他們一直在增加資本支出。 然而,圆磨坊的建造需要很長的時間. 他們正在竭盡全力從现存的工厂中提取更多的產品。 但電價並未迅速上涨, 價格增加可能只是單位數。

總有一天你會看到一個市場 電能是個偉大的公司 但是它真的會毀掉所有的價值嗎? 不一定。

我剛提到一些事情 比如PCB需要的铜 玻璃 激光器 也非常緊張。 半導體晶體圓形製造設備的供應鏈一直被認為有大幅增長。

今年的基建支出是560億美元. 我們從一月份開始, 預估了574億美元。

但並非真正擔心, 下一年是什么意思

因此,在三年內,建電可以把基建支出提高到1000億美元。 也許兩年后, 在2028年, 他們真的可以花1000億美元 用于基建支出。 我認真的說 2028年的建電費可能要花1000億元。

很多人都無法想像 但這對其下游供應鏈來說意味著什麼? 對Lam Research, Applied Materials, ASML等公司來說, 這對MKS業業業等下游供應鏈路等公司來說

牛可以进一步放大。

注:"褐鞭"指供應鏈中的放大. 依據創用CC授權使用。

如果建設公司真的想在2028年花1000億美元支用資本, 我想很多人可能會覺得這很瘋狂。

帕特里克·奧肖尼西:

剩下的芯片生态學呢? GPU一直都是絕對的主宰。 但CPU、ASIC或其他東西是新機會與瓶颈嗎? 除了NVIDIA GPU的主导地位之外,還有什麼值得關注的呢

迪倫·帕特爾:

是的,ASCIC顯然正在起飞。 但首先我想從人工智能芯片上跳下去 談點別的 我們已經在FPGA上做了一個專案,結果發現每一代的AI挂機都需要120架FPGA. 這對FPGA公司來說意味著什麼

CPU也是 所有這些强化的學習環境,加上你我創造的"垃圾桶代碼", 現在他們都在維爾塞爾(Vercel)的一個例子,AWS的一個例子,或者我們開始的一個云資源上运行. 這一切都需要CPU。 所以現在CPU已經完全售出,需求迅速上升。

帕特里克·奧肖尼西:

看看系統裡的CPU是什麼

迪倫·帕特爾:

需要很多CPU有两个主要原因。

第一,加强学习。 專門學習時 CPU很关键。

過去,你會把所有網絡資料 扔進模型,然後模型會吐出一些結果。 現在,你仍然把網路數據放進模型裡, 但你把它放進一個環境裡, 然後說,“來吧,試試看吧。 模特兒會嘗試很多不同的東西 最后, 這些環境可以成為一切 例如,可以簡單地檢查輸出文字是否符合正確的格式,或者結構的輸出是否正確。 可能很複雜。

現在人們正在進入非常複雜的場景。 例如, 我要你開啟這個檔案, 修改它, 編輯它, 更新它, 然後提交到一個網站 。 或「我要你打開西門子的物理模擬軟體, 所以這些環境變得更複雜 而這些環境运行在CPU,而不是GPU和ASIC上。

ASC 或 GPU 負責運行模型本身: 從環境接收輸入資料, 傳送到模型, 產生不同的輸出路徑, 即模型相信它能解決問題的不同方式 。 這些路徑會被評估和評估 。 這些成功的道路將被用于繼續訓練模型,更新模型并重複. 所以這是CPU最有用的第一個位置。

第二位是部署。

當你有了這些強大的模型, 你部署出來, 他們會產生代碼和各种有用的產品。 但這些輸出並非直接從GPU進入人腦. 它們會從GPU或ASIC中出現到您部署的應用程式, 而應用程式本身通常會在 CPU 上執行 。

所以這是另一個非常需要的地方 CPU已基本售罄。

AI 價值難於取得GDP統計

帕特里克·奧肖尼西:

當你繼續評估供求的潮流 試著成為世界上最了解兩者的人 你想知道什麼,但尚未知道

迪倫·帕特爾:

我想對我們,對每個人來說 最難的就是代價漫畫 或代價經濟學 這些實驗室的營運成本, 代價, 模型成本, 利差, 是一個很好的判斷。 但實際上。

1月,我們在2月做了一些非常激进的預言,因此,Anthropic很容易超越它. 我們怎麼校準這個模型? 要使用哪些資料來源? 到了2月,我們對3月做了一個非常激进的猜測,他們超越了它. 當你看到100億美元的收入, 他們是怎麼增加100億元收入的? 誰用這些符號? 為什麼? 他們用這些符號建什麼? 更重要的是 他們用這些符號建造的東西 怎么能傳到經濟中呢? 他們創造了多少價值

這並不容易被GDP統計得到。 例如, 我使用所有由符號產生的值, 最终轉換成更好的資訊。 然後我把信息賣了 以比過去任何人都低的价格賣掉。

這項資訊便進入整個經濟系統, 它們是半導體公司、数据中心公司或超大尺度公司, 它對經濟有何影響

從任何主观指示器看,這顯然是非常令人驚訝的。 但問題是 鬼魂的GDP呢? 幻影GDP. 怎么了? 我們如何追蹤真正的經濟價值

因為目前的GDP指标不准确。 如果你問迪倫·帕特爾 已創造了多少GDP 數字會非常小 和我想的價值不符。

最後一個問題是 這些符號有多少價值? 這不僅是直接收入, 他們做的每件事都有什么后果

這才是真正的問題 也是最難衡量的挑戰 我們在供應方面有很好的判斷力 我們對需求方的訊息也有很好的判斷 但很難量化和衡量這些符號的價值 我希望我們能每三個月做一次 因為速度太快了。

反愛滋抗議

帕特里克·奧肖尼西:

你覺得接下來會怎樣? 三個月后在舊金山見 你想怎樣

迪倫·帕特爾:

民眾抗議。

帕特里克·奧肖尼西

抗議AI。

迪倫·帕特爾

人們討厭AI。 AI現在比ICE更不受歡迎, 我不知道皮尤是怎麼做到的。

因為Anthropic增加很多收入, 人們會害怕AI的 他們將開始責怪AI, 因為他們的問題數目不断增加。

這些問題將浮出水面, 可能有些政治人物或社交媒體上的人、影響者。

你看看一些新聞文章的評論 薩姆·艾特曼的家在兩周內被扔進了兩次燒瓶, 只是開始而已 所以我覺得三個月內我們就會看到 一個大规模的抗議AI。

帕特里克·奧肖尼西:

抵消它的力量是什么? 工業如何提前回應

迪倫·帕特爾:

首先 山姆·艾特曼和達里奧應該停止面試 他們太沒吸引力了 我不知道他們在做什么 每次面試都讓普通人更討厭他們 例如塔克·卡爾森的山姆·艾特曼(Sam Altman)可能會使所有共和黨人更討厭OpenAI. 達里奧也一樣 他們真的不吸引人。 這是第一點。

第二,他們需要開始展示AI能做的正面、鼓舞人心的事情。

第三,他們需要停止談論「AI能力會如何改變世界」。 人們只能害怕聽到這些 尤其是他們和這個技術沒有真正聯系。

帕特里克·奧肖尼西

他們不知道如何使用它。

迪倫·帕特爾:

他們和它沒關係 普通人不了解Anthropic的員工或OpenAI的員工。 普通人不知道這些人是誰 也不知道他們目標是什麼 他們只視這些公司為某種狡猾的小團體:數以千計的人聚集在一家公司, 很多人都這麼看。

許多數位數據中心及電廠的建設, 人們不太明白發生了什麼 這些公司必須停止討論未來會發生的巨變, 我覺得這需要一個巨大的組織和品牌改造。

帕特里克·奧肖尼西:

我喜歡跟你談這個 謝謝你的時間。

迪倫·帕特爾:

很好 謝謝。

影片連結