📝 本期播客简介

本期我们克隆了：Dwarkesh Podcast Dylan Patel – Anthropic & OpenAI will have most of the world’s compute by 2028

原内容更新时间：Tue, 25 Aug 2026

本期是 Dwarkesh Patel 与其 “双胞胎兄弟” Dylan Patel 的年度对谈。Dwarkesh Patel 主持节目，Dylan Patel 是 SemiAnalysis 创始人，两人从 AI 实验室的收入、算力采购和资本开支出发，推演 Anthropic 与 OpenAI 为什么可能在 2028 年前后控制全球大部分可用 FLOPs。

对谈的核心并不是 “AI 会不会继续变强”，而是：谁能把算力变现得更好，谁就能以更高价格买下更多算力；谁拥有更多算力，谁又能训练出更强的模型、创造更高收入，形成越来越强的正反馈。节目详细讨论了每兆瓦算力的收入、晶圆厂与数据中心的扩产瓶颈、推理与训练之间的资源分配，以及中国在算力和芯片供应上的追赶路径。

后半段，两人把视角从产业经济学推向宏观金融与社会结构：到 2029 年可能高达 11 万亿美元的 AI 资本开支将由谁来融资？Hyperscaler 大规模举债会不会推高全球利率、挤压其他国家和行业的融资空间，甚至引发主权债务危机？更令人不安的是，如果 RSI（递归自我改进）或自动化劳动力规模化发生，全球未来的 “有效人口” 和生产能力，是否会集中在极少数 AI 公司手中？

👨‍⚕️ 本期嘉宾

Dylan Patel，SemiAnalysis 创始人，长期研究半导体、数据中心、GPU、AI 基础设施与云计算产业链。他擅长把晶圆、HBM、EUV 光刻机、供电、数据中心和融资结构等复杂环节，放进同一个自洽的经济模型中分析。

在这期节目里，Dylan 不只是预测 Anthropic 和 OpenAI 的算力规模，还进一步估算了每吉瓦算力能够产生的收入、不同硬件世代的有效性能差异，以及 AI 资本开支如何沿着芯片、能源、云服务和债券市场传导。对于想理解 AI 产业真正的瓶颈 —— 算力价格、供应链扩张、现金流和资本市场 —— 的人来说，这是一场非常值得听的基础设施与宏观经济推演。

⏱️ 时间戳

00:00 AI 实验室为何将吞下全球算力

00:00 开场：年度 “兄弟播客” 与 AI 经济

00:44 AI 基础设施正在成为 GDP 增长的重要组成部分

01:45 Anthropic 与 OpenAI 从烧风投到靠收入支撑增长

03:52 两家实验室为何可能在 2028 年掌控大部分 FLOPs

00:05 算力的超额回报与供应链瓶颈

08:43 1 吉瓦算力需要多少晶圆厂资本开支

09:03 60 亿美元晶圆厂如何对应超过 1 万亿美元终端收入

10:39 光刻机、反射镜与燃气轮机成为新的稀缺资产

11:35 为什么资本主义无法立刻解决算力扩产

00:11 算力价格：谁能捕获 AI 产生的价值

14:20 2028 年 100 吉瓦需求与算力价格暴涨

16:17 每兆瓦 1000 万至 1500 万美元的价格拐点

17:49 实验室可能支付每兆瓦 2500 万至 5000 万美元

20:21 模型、应用、用户与硬件之间的价值分配

00:14 RSI、监管与训练算力的重新分配

30:23 RSI 何时发生，AI 进展会不会起飞

32:17 模型能力提升如何抬高每兆瓦收入

33:47 上市压力下，训练算力与推理收入的冲突

37:21 实验室为何正在把更多算力转向研发

00:16 中国的算力差距与追赶路径

38:34 2028 年中国可能拥有多少 AI 算力

39:14 中国本土新增算力占比为何低于 10%

40:21 国产晶圆厂与芯片产能将在 2028 年形成拐点

41:35 中国制造能力可能带来 “曲棍球棒式” 增长

00:18 11 万亿美元 AI 资本开支从哪里来

47:34 100 吉瓦算力对应的真实资本开支

48:36 为什么数据中心和电力设施必须提前建设

50:06 2028 至 2029 年数万亿美元的融资缺口

50:33 Hyperscaler 借债支持 AI 基础设施扩张

00:27 AI 会引发主权债务危机吗

54:09 从高回报算力到主权债务危机

54:58 AI 投资如何推高利率并挤出其他借款人

55:30 美国可以通过税收扩大 AI 税基吗

56:42 高利率如何令发展中国家走向违约

00:33 高利率、股市与经济重新定价

59:53 2024 至 2029 年 11 万亿美元资本开支模型

1:02:07 2029 年利率可能上升多少

1:03:18 折现率上升为何会打击非 AI 股票

1:04:15 “第二次沃尔克时刻” 与全球违约风险

00:36 AI 劳动力与权力集中

1:15:02 未来的有效 AI 人口可能每年增长十倍

1:15:52 单个实验室的 AI 劳动力超过全人类

1:17:11 RSI 为什么会把算力和权力进一步集中

1:18:46 训练规模效应、算力稀缺与持续学习

00:44 AGI 之后，谁来限制中心化

1:20:03 AGI 之后还有可能实现去中心化吗

1:21:15 私有制是否仍是最高效的经济形态

1:22:08 什么力量能阻止 AI 走向极度集中

1:25:00 沉重问题之后：等 RSI 启动时再见

🌟 精彩内容

💡 两家实验室可能掌控全球大部分可用 FLOPs

Anthropic 和 OpenAI 的优势不只是拥有更多 GPU，而是它们比其他买家更擅长将算力转化为收入，因此可以持续支付更高价格。随着新增算力占总算力的比例越来越高，再叠加新一代芯片每瓦性能提升，算力集中会形成明显的乘数效应。

"因此，到了大概 2028 年底，如果这个趋势继续下去，而我看不到任何能阻止它的因素，他们两家就会直接掌控全球大部分可用的 FLOPs。"

💡 1 吉瓦算力背后，可能是千亿美元级年收入

节目用晶圆厂的资本开支与终端 AI 收入做了一次极具冲击力的粗算：约 60 亿美元的晶圆厂资本开支，可能支撑每年新增 1 吉瓦算力，而这部分算力对应的终端收入规模远高于硬件投入。真正的瓶颈因此不是需求，而是扩产速度。

"晶圆厂层面 60 亿美元的 capex，最终将产生超过 1 万亿美元的终端 AI 营收。"

💡 算力价格会从成本定价走向价值定价

当普通企业也能通过部署开源模型获得正毛利时，算力价格就不可能长期停留在每兆瓦 1000 万至 1500 万美元。能够创造更高收入的 AI 实验室会竞价购买算力，迫使供应链、云厂商和数据中心不断提高价格。

"他们确实得开始为每兆瓦支付 2500 万、3000 万、5000 万美元，才是在 2028 年真正吃下全球 70% 的算力。"

💡 AI 实验室可能会牺牲推理收入，优先做研究

如果下一代模型能显著提高实验室的每兆瓦收入，那么把算力用于对外推理、赚取眼前利润，可能反而不如投入内部研发。随着自动化编程、自动化研究员和持续学习出现，训练与研究算力的价值会越来越高。

"我觉得 Anthropic 和 OpenAI 很明显的答案，不仅是高管层，董事会也是，就是去把 AGI 做出来，因为那要赚钱得多。"

💡 11 万亿美元资本开支可能带来全球融资冲击

到 2029 年，AI 基础设施建设可能需要约 11 万亿美元资本开支，其中约 5 万亿美元需要依赖信贷。Hyperscaler、数据中心、芯片厂商和供应链企业同时举债，可能把资金从住房、政府债券、传统企业和消费者贷款中挤出去。

"如果是这样的话，整个生态系统里筹集 5 万亿美元的债务，确实会让利率上升。"

💡 高利率可能让非 AI 国家和资产失去生存空间

AI 基础设施带来的超高回报会抬升资金的机会成本与市场利率，使缺乏 AI 产业、债务负担又高的国家更难借钱。高折现率也会压低依赖长期现金流的股票估值，造成金融市场的广泛重定价。

"所有没有参与 AI 生产的国家都会违约，所有非 AI 的股票基本上都分文不值，因为现金流折现后毫无价值。"

💡 AI 劳动力可能在本世纪末超过人类人口

如果前沿算力每年增长四到五倍，而达到同等能力所需算力降为原来的三分之一，那么有效 AI 劳动力规模可能每年增长十倍。即使模型还没有完全达到人类水平，单个实验室拥有的 “等效人口” 也可能在几年内超过地球总人口。

"很快，就算算力扩展放缓，用不了多少年，每家公司各自拥有的等效劳动力就会超过地球上的总人口。"

💡 规模效应、持续学习与 RSI 全都指向中心化

训练一次模型可以服务数十亿次会话，领先模型还能利用更大的部署范围获得更多现实世界数据；而最好的模型又可能帮助实验室训练出更好的下一个模型。这些机制叠加起来，使领先者更容易获得算力、收入和数据，去中心化因此越来越难。

"所有这些都指向了中心化。"

🌐 播客信息补充

本播客采用原有人声声线进行播客音频制作，也可能会有一些地方听起来怪怪的

使用 AI 进行翻译，因此可能会有一些地方不通顺；

如果有后续想要听中文版的其他外文播客，也欢迎联系微信：iEvenight