想做多算力，光囤芯片不夠：不借錢加倉就是「結構性做空」
有人向作者解釋，光靠融資買夠算力已經不算真正「做多」——還得借債加倉芯片，否則就是在「結構性做空」自己，這是硅谷圈內流傳的一句玩笑話。
核心論點 · 點時間戳可跳到原聲
OCP 搶走了老牌芯片展會的風頭
Semicon West 原計劃在舊金山和亞利桑那輪流舉辦，但多人告訴作者這是最後一屆舊金山場，下一屆要到2027年3月才在亞利桑那舉行。原因是它撞上了同期的OCP Global Summit——後者聚焦推理硬件時代尚未定型的散熱、網絡等新戰場，門票售罄，人氣明顯壓過已經打了70多年「存量戰爭」的半導體設備老展會。作者預計展會最終會搬到德州，呼應美國半導體產能從硅谷向內陸腹地轉移的大趨勢。
Anthropic 160億收入被市場嫌不夠
作者到訪那週，金融時報報道了Anthropic的財務數據：160億美元收入、優秀的毛利率，放在任何行業都算亮眼成績，但市場認為不夠，AI相關股價應聲動盪。這成了「硅谷內外情緒分裂」的註腳——展會內部的建設者仍在往前衝，展會外部的金融圈卻已經開始焦慮，連帶把2027年算力過剩的擔憂延伸到了對2028年算力需求是否撐得住的討論。
設備支出預測裡藏著牛鞭效應
Lam Research在2026年10月財報電話會上把2026年晶圓製造設備支出預期從1400億上修到1500億美元，並預計2027年支出將超過2000億美元；高盛給出的數字是2027年2180億、2028年2810億美元，更激進的「耳語數字」甚至到3000億美元以上。但作者同時在展會上反覆聽到設備廠商悄悄凍結招聘的傳聞——需求信號沿供應鏈逐級放大卻在源頭收緊用人，這正是牛鞭效應的典型前兆。
鋸齒邊緣決定創業公司該不該自研模型
硅谷創業者反覆用「鋸齒邊緣」來解釋為什麼要自建專用模型：今天的大模型在某些任務上強得離譜，在另一些任務上卻差得不符合直覺，而且哪些任務屬於哪一類並不容易預判。只要走出模型被充分訓練過的「黃金路徑」，表現就可能斷崖式下跌。作者指出這個說法同樣被用來形容中國的開源模型——在特定領域很強，但短板同樣明顯。
不借債加倉芯片就是「結構性做空」
不少聰明人相信每一分增量算力都會越來越值錢，因此更願意靠融資股權而非借債來買算力——畢竟還不上債是公司死亡的常見原因。但也有人反駁：如果只靠股權買芯片的速度跟不上對手，公司照樣會被算力規模碾壓出局；所以真正的「做多」不是只融資買芯片，還得在芯片之上再加槓桿借債去買更多芯片，否則就只是「結構性做空」——這個說法被當成一句黑色幽默在圈內流傳。
創業公司靠訂閱補貼續命
Semianalysis的研究發現，花200美元買Claude或ChatGPT訂閱，換算成按API計價能拿到2000到14000美元的價值。手頭緊的創業公司因此同時開多個訂閱，在額度重置時拼命燒token，甚至有公司直接把面向客戶的產品接在這些被補貼的訂閱token上跑——作者認為這是明顯不可持續的畸形商業模式。他把這種補貼類比成2015年前後Uber和Lyft的燒錢補貼戰，當時Uber顧客實付只佔實際行程成本的一部分。
AI訂閱補貼像極了當年的打車大戰
作者回憶2016年洩露的Uber財務數據顯示，顧客實際只支付了行程真實成本的41%，其中還混入了Uber中國當時向司機發放高達車費三倍的補貼這種極端情況，剔除後情況會更合理一些。他認為當下AI訂閱的補貼力度還沒到這個誇張程度，而且OpenAI推出的Pro 500等更貴套餐已經開始做價格分層，創業公司也在為補貼退坡做準備，把產品經濟模型重新建立在API定價之上，並探索代理之間的調度分工。
數學燒錢可能是為了訓練自動化
OpenAI和Anthropic為證明Navier-Stokes這類數學難題砸了約650萬美元的API調用成本，作者覺得就算算力充裕，這個數字對一篇營銷博客來說也太誇張。有人提出一種理論：這些投入其實是在為「遞歸自我提升」（RSI）鋪路——先讓模型能穩定地證明或證偽一個假設，再讓它自動遍歷一大堆（目前仍由人類提出的）假設去驗證真偽，並把結果反饋回訓練過程。按這個理論，數學投入不是為了營銷炫技，而是未來研發計劃裡的關鍵一環。
訓練推理算力配比被重新估成75:25
作者此前按訓練與推理五五開估算過算力缺口，但發現推理端根本吃不掉那麼多吉瓦，懷疑哪裡算錯了。如果RSI理論成立，答案就說得通了：真實配比更接近訓練佔75%、推理佔25%，多出來的訓練算力正是被這種自動化假設驗證實驗吃掉的。這也解釋了Anthropic和OpenAI為什麼願意為即將到來的巨量算力買單——不是為了炫耀，而是為了跑RSI。
原話 · 已逐字校驗
The numbers would be great for most any business. 16 billion revenue with excellent gross margins. But they were deemed insufficient by the market, throwing AI trade stock prices into turmoil.
這個數字放在幾乎任何行業都算得上優秀——160億收入，毛利率也很出色。但市場還是認為不夠，把AI相關股票的價格攪得動盪起來。
The jagged edge is why a startup should build their own special models, things like world models, or models for handling special cases.
正是因為這種「鋸齒邊緣」，創業公司才應該自建專用模型，比如世界模型，或者專門處理特殊場景的模型。
But put them outside of their golden path, and they supposedly fall far short. That is the jagged edge.
但只要把它們挪出那條被充分訓練過的黃金路徑，表現據說就會大幅滑坡。這就是所謂的鋸齒邊緣。
You should then be taking out debt on top of those chips so you can buy even more chips. If not, then you are not truly long. You are in fact, quote unquote, structurally short. I laughed when I heard that.
你應該在買到的芯片之上再去借債，買更多芯片。不這樣做，你就算不上真正在做多，而是——用他們的話說——處於「結構性做空」。我聽到這個說法時笑了。
In 2016, Uber's leaked financials showed that its customers were only paying 41% of the actual costs of their trips.
2016年洩露的Uber財務數據顯示，顧客實際只支付了行程真實成本的41%。
If it's for me that these companies invest in solving math problems more because it is a critical part of their future R&D plans, and not for flexing and or marketing.
依我看，這些公司在數學問題上投入更多，是因為這是他們未來研發計劃裡關鍵的一環，而不是為了炫技或做營銷。
Rather than an even 50-50, it turns out to be more like 75-25 training to inference.
訓練和推理的算力配比並不是五五開，而是更接近訓練佔75%、推理佔25%。
Silicon Valley still marches forward along the jagged edge. But falling off now somehow feels easier than before.
硅谷仍在沿著這條鋸齒邊緣向前走。但現在摔下去，不知為何感覺比以前更容易了。
數字與實體
| Anthropic 年化收入 | 160億美元 | 4:07 |
| 2027年底目標算力 | 50吉瓦 | 4:07 |
| Lam Research 2026年WFE支出預期 | 從1400億上修至1500億美元 | 5:16 |
| Lam Research 2027年WFE支出預期 | 超過2000億美元 | 5:16 |
| 高盛2027年WFE支出預期 | 2180億美元 | 5:16 |
| 高盛2028年WFE支出預期 | 2810億美元 | 5:16 |
| 200美元AI訂閱對應的API價值 | 2000至14000美元 | 9:26 |
| Navier-Stokes數學證明的API成本 | 約650萬美元 | 13:34 |
| 2016年Uber顧客實付佔實際成本比例 | 41% | 11:30 |
| 訓練與推理算力配比(修正後估算) | 75:25 | 16:41 |
術語
- jagged edge鋸齒邊緣
- 大模型在不同任務上能力強弱不一、邊界難以預判的現象
- RSI (Recursive Self-Improvement)遞歸自我提升
- 讓模型自動驗證假設並把結果反饋回訓練的自動化流程
- bullwhip effect牛鞭效應
- 需求信號沿供應鏈向上遊逐級放大的現象
- golden path黃金路徑
- 模型被充分訓練、表現最佳的那類任務路徑
- structurally short結構性做空
- 只用股權買算力而不加槓桿借債，被戲稱為變相做空
收聽指南
關注AI算力軍備競賽、半導體設備支出預測和AI創業公司真實現金流狀況的投資人與從業者。
開頭講作者參會經歷和展會變遷的部分信息密度較低，可以跳過。