2028 年前两家实验室将控制全球大部分算力
算力正以每年数倍速度向 Anthropic 和 OpenAI 集中，到 2028 年它们将控制全球大部分有效算力，并可能把算力价格推到每兆瓦 5000 万美元，进而引发主权债务危机。
核心论点 · 时间戳为按文稿位置估算
算力加速流向两家实验室
今年全球 AI CapEx 已略超 1 万亿美元，2028 年将超过 2 万亿。年初 OpenAI 和 Anthropic 各约 2 吉瓦，年底都将超过 5 吉瓦，今年新增算力约 30% 被两家实验室拿走；明年这一比例将升至 40%-50%。由于新芯片每瓦性能是上一代的 3-5 倍，新增算力质量更高，到 2028 年它们将控制全球大部分可用 FLOP。逻辑是它们能更好地变现算力，因此能出价抢走所有增量。
— Dylan Patel6 亿资本支出撬万亿收入
Dwarkesh 用模型测算：每年 6 亿美元的晶圆厂资本支出可稳定产出一个吉瓦算力，而每个吉瓦当下就能产生约 1000 亿美元年收入。叠加五年滚动，6 亿美元最终对应超过 1 万亿美元的终端 AI 收入。即便扣掉中间环节，仍有上百倍杠杆。这解释了为什么所有人都在疯狂扩产，以及为什么供应链（尤其是 EUV 光刻机）成了瓶颈——但物理产能扩张很慢，世界仍将面临多年算力短缺。
— Dwarkesh Patel算力单价将被抬到 5 千万
现在任何人用 1000-1500 万美元/兆瓦的算力都能赚钱，因此价格已经开始上行。如果实验室要在 2028 年吞下 70%-80% 的新增算力、合计达到 100 吉瓦，就必须支付每兆瓦 2500 万、3000 万甚至 5000 万美元的价格。Elon Musk 已经示范了这种玩法：把 SpaceX 的算力以每吉瓦 400 亿美元卖给 Google 或 Anthropic。只要实验室的每兆瓦收入增长更快，它们就有动力继续加价，直到别人无利可图。
— Dylan Patel价值仍被用户拿走
虽然模型层的毛利率已由负转正，但大多数价值并没有被 OpenAI 和 Anthropic 拿走，而是流向了终端用户。Jane Street 用 GPT-5.6 的交易收入远超其支付的 token 费用；Meta 曾传闻占到 Anthropic 业务约 10%，靠优化广告赚回更多。硬件链内部也在轮转：2023 年内存厂商没吃到 HBM 红利，如今则赚得比 TSMC 多。未来模型商是否会像 Elon 那样把算力高价出租，还是自己内部使用，是决定价值分配的关键。
— Dylan Patel推理让位于训练研发
这是非共识观点：实验室将把越来越少的算力用于外部推理，更多转向内部研究与训练。理由是最强模型留在内部产生的价值远高于对外卖 token。OpenAI 和 Anthropic 已经在这么做：新增算力中投给 R&D 的比例在上升，而外部能用到的最佳模型可能停滞——OpenAI 停止训练两周、Anthropic 不发布安全审查未通过的模型。这会让内部迭代优势继续拉大。
— Dylan Patel中国算力落后但差距不大
中国目前部署的数据中心 AI 算力占全球新增不足 10%，2028 年预计只有约 30 吉瓦，且国内芯片性能明显落后。2029 年虽然可能再增 50 吉瓦，但质量上只相当于美国芯片的 20 吉瓦。然而，中国头部实验室最多只有 100-200 兆瓦，Anthropic 年底超过 5 吉瓦，模型差距却没那么大。Dylan 指出这或许意味着当前算力差距影响有限，但若美国继续出口管制，同时中国 2027-2028 年国产晶圆厂放量，追赶会启动。
— Dylan Patel万亿资本开支引发债务危机
2024-2029 年 AI 总 CapEx 约 11 万亿美元，其中超过 5 万亿要靠借债。如此规模的借贷会推高利率：Meta 现在发债付 5%-6%，未来可能心甘情愿付 8%。利率上升让非 AI 公司的贴现现金流大幅缩水，长期稳定蓝筹股（如 Johnson & Johnson）价格崩塌；欠债多、税收少的国家（如巴基斯坦、尼日利亚）可能大面积违约。Dylan 认为这是对扩张的约束，而 Dwarkesh 认为美国可以靠征税度过，其他国家会出事。
— Dylan Patel单实验室 AI 人口超地球
前沿算力每 12 个月增长 4-5 倍，而达成同等能力所需算力每年下降 3 倍，因此前沿实验室的有效 AI 劳动人口每年膨胀约 10 倍。按此速度，OpenAI 从今年约 1000 万 AI 劳工变为明年 1 亿、后年 10 亿；即使算力增速放缓，也只需几年，一家实验室的劳动当量就会超过地球总人口。这意味着未来大多数“工作人口”可能集中在两家公司手里，无论它们是否对齐，权力结构都会彻底改变。
— Dwarkesh Patel原话 · 已逐字校验
$6 billion of CapEx at the fab level will have generated over a trillion dollars of end AI revenue.
6 亿美元的晶圆厂资本支出，最终将带来超过 1 万亿美元的 AI 终端收入。
Dwarkesh Patel10:13
The only reason to have inference compute be so large is so you can grow your training fleet.
让推理算力如此之大的唯一原因，是想壮大你的训练舰队。
Dylan Patel32:26
If it rises 5 percentage points, that would go north of 40%. But if you take into account the fact that the government is borrowing $2 trillion every single year, then that goes from 40% to north of 60%.
如果它上升 5 个百分点，占比就会超过 40%。但如果你把政府每年借 2 万亿美元这个事实算进去，就会从 40% 涨到 60% 以上。
Dwarkesh Patel49:31
Well, if you’re really AI-pilled, everything in the economy should trade at 2 or 3 times earnings.
如果你真的信仰 AI，那么经济中所有东西都应该只值 2 到 3 倍市盈率。
Dylan Patel49:31
We talk often about centralization of power because of nationalization or whatever. But we don't think enough about the fact that we're actually moving very fast into a regime where most “people”, in terms of work output, are concentrated within two labs who are consuming more and more of the world's compute.
我们经常谈论国有化之类的权力集中。但我们没有足够思考这一点：我们正非常快地进入这样一个体制——按工作输出来算，大多数“人”都集中在两家实验室里，而它们正消耗越来越多全球算力。
Dwarkesh Patel1:07:01
It seems to me that every force is screeching towards centralization. And that's scary as hell.
在我看来，所有力量都在尖啸着冲向中心化。这实在是太吓人了。
Dylan Patel1:07:01
数字与实体
| OpenAI/Anthropic 算力规模 | 年初各约 2 吉瓦，年末均超 5 吉瓦 | 0:00 |
| 每兆瓦基础算力成本 | 约 1000-1500 万美元；Anthropic 每兆瓦收入最高 5000 万美元 | 0:00 |
| 明年两家实验室占新增算力比例 | 40%-50% | 7:01 |
| 2024-2029 年 AI 总 CapEx | 约 11 万亿美元，其中超 5 万亿靠债务融资 | 49:31 |
| 全球新增 AI 算力（节目口径） | 今年 30 吉瓦 → 明年 50 → 2028 年 70 → 2029 年 90-100 | 36:11 |
| 中国 2028 年 AI 算力总量 | 约 30 吉瓦或更少 | 36:11 |
| 中国 2029 年新增算力与等效 | 可增 50 吉瓦，但约等于美国芯片的 20 吉瓦 | 36:11 |
| Meta 近期发债利率 | 5%-6%，未来可能愿意付 8% | 49:31 |
术语
- FLOP浮点运算次数
- 衡量 AI 算力的基本单位，每秒浮点运算次数。
- RSI递归自我改进
- Recursive Self-Improvement，AI 自己改进自身能力，指数加速。
- hyperscaler超大规模云厂商
- 指 Google、Meta、Amazon、Microsoft 等巨型云计算公司。
- crowding-out effect挤出效应
- 巨额借贷推高利率，挤占其他经济主体的借款需求。
- continual learning持续学习
- 模型在部署后随使用不断更新训练，而非一次训练完。
收听指南
关注 AI 算力分配、数据中心资本开支与利率走势的投资人；在云厂商与实验室博弈中做决策的创业者；研究中国芯片追赶路径的工程师。
1:19-2:45 的赞助商广告可跳过，其余部分信息密度很高。