Speaker A
大家好，这里是最佳拍档，我是大飞。
本·汤普森谈AI泡沫风险：资本开支与回报期限错配、台积电产能与地缘政治、大宗商品化的芯片竞争及广告模式的AI变现前景。内容涵盖英伟达、亚马逊、Meta与OpenAI的战略分析。
Key Takeaways
- AI泡沫即便破裂，技术本身仍会持续进步并改变世界，但资本错配可能造成短期崩盘。
- 地缘政治风险真实存在，台积电是关键节点，完全脱钩成本极高，需要经济激励而非单纯禁令来分散供应链。
- AI的近期最大商业价值可能来自广告效率提升和在可验证任务中的应用，而非单纯的消费订阅。
What the video covers
- 本·汤普森认为即便AI泡沫破裂，技术进步不会停止，类似互联网与铁路泡沫的历史经验表明基础设施最终仍会推动增长。
- 他警惕投资回报期限错配：科技公司快速耗尽自由现金流并大举借债、增发股票，融资缺口可能引发崩盘。
- 美国若在AI上取得压倒性军事优势，可能促使中国摧毁台积电，他认为这是博弈论上的理性选择，地缘风险需要正视。
- 供应链脱钩成本极高，只有冲突真正发生时企业才会全面分散供应链，美国无法轻易摆脱对台湾及中国制造的依赖。
- AI能力在可验证领域（编程、数学）进步迅速，但在缺乏明确对错标准的领域证据仍不足。
- 开源模型并非免费，推理成本真实存在，每次回答都有显著开销。
- 面向消费者的AI商业模式最终可能依赖广告，因其不受价格弹性约束、变现空间大。
- 算力短缺源于前几年投资不足，晶圆厂建设周期长，今天的投资要到2028-2029年才能转化为可用算力。
- 台积电管理层保守扩产，把风险转嫁给客户；高价格反而促使大公司愿意扶持英特尔和三星。
- 亚马逊通过自研芯片（如Trainium）对外销售，以大宗商品方式竞争，英伟达的CUDA护城河被削弱，主要市场留在主权云与传统企业。
Full Transcript — Download SRT & Markdown
Speaker A
中国的团队非常有能力 也确实在通过蒸馏等方式保持跟进 大概落后六到九个月 这个格局对美国总体有利 问题是这个状态能维持多久 尤其是当AI开始用AI来改进AI的时候 追赶的窗口会不会关闭 另外一个很多人没意识到的点是 开源模型并不像大家想的那样免费 虽然你不用付研发费用 但推理成本是真实存在的 每回答一个问题都在烧钱 某些模型的单次回答成本相当高 说到钱 他真正担心的是投资回报的期限错配问题 科技公司烧钱的速度快得惊人 先是花光自由现金流 然后一年内迅速把债券市场借了个遍 现在谷歌都开始增发股票了 英伟达更是在组建一个五千亿美元级别的融资平台 对接养老金和保险资金 再之后呢？ 钱从哪里来？ 理想情况下 AI产生的自由现金流最终能接棒 形成自我循环 但如果中间有个缺口 如果收入增长跟不上资本消耗的速度 就可能出现一次大的崩盘 不过他强调，就算崩盘 AI本身不会消失，技术进步不会停止 就像互联网泡沫破裂了 互联网照样改变了世界 铁路泡沫破裂了 铁路照样推动了GDP的天量增长 本·汤普森指出 19世纪的铁路泡沫和今天的AI基建有很多相似之处 修铁路是个需要十几年甚至几十年才能回本的生意 但资金是短期的 世界可能在铁路还没开始赚钱的时候就没钱了
Speaker A
很多人在讨论AI竞赛的时候，可能都会默认美国应该全力争胜，赢下这场技术战争。但是本·汤普森最近在播客里提出了一个反常识的观点：美国如果真的在AI上取得压倒性的军事优势，对全世界来说可能是件非常危险的事。
Speaker A
他自称是不情愿的加速主义者 一方面 AI在编程和数学这类可验证领域的能力 已经让他叹为观止 现在回头看一年前人们还在手敲代码 简直不可思议 但是另一方面 他对AI在不可验证领域的能力仍有保留 实验室的人喜欢拿国际象棋和围棋举例子 说以前人们觉得AI做不到 后来不也做到了？ 但象棋和围棋都是有明确规则、有胜负边界的可验证问题 那些没有清晰对错标准、验证周期很长的领域呢？ 目前还缺乏令人信服的证据 当然，他也提到一个有意思的可能性 如果Neuralink这类脑机接口 真的能捕获人类思考过程的痕迹 而不仅仅是打字输出的最终结果 那模型的能力边界可能会大幅扩展 但话说回来 就算模型从今天起完全不再进步 现有的能力已经足以创造巨大的经济价值 世界上有大量工作 本质上就是在可验证领域里运转的 甚至可以说 很多人的工作状态本来就有点像人形AI 在明确的规则下执行可验证的任务 全球经济中充斥着大量假装忙碌的岗位 这些都是AI可以切入的空间 人类创造新需求的能力是无限的 长期来看总会有新的工作机会涌现 但是创造繁文缛节和冗余岗位的能力 同样是无限的 说到商业模式，就不得不提聚合理论 这是本·汤普森自己提出的理论 核心是在数字化的丰裕世界里 分发成本趋近于零 真正的瓶颈是发现 比如用户如何找到自己想要的东西 谁解决了发现问题谁就成为聚合者
Speaker A
为什么？因为从博弈论的角度看，如果中国面对一个在AI赋能下军事能力遥遥领先的美国，他们的最优策略反应很可能是摧毁台积电。这不是什么复杂的推演，道理其实很简单：当对手掌握了决定性的技术优势，消除这个优势的源头就成了最理性的选择。
Speaker A
ROI算得过来 而消费者忙了一天回到家 想的是躺在沙发上刷Reels 而不是怎么提升效率 所以面向消费者的AI 正确的商业模式只能是广告 广告模式的美妙之处在于 付费方是广告主不是用户 不存在价格弹性的问题 变现空间理论上是无限的 订阅制你涨价试试？ Netflix每次涨价 都要小心翼翼应对用户流失 广告模式你给用户免费提供服务 广告费水涨船高用户根本感知不到 对于OpenAI直到最近才开始快速推进广告功能 和零售商打通做转化追踪 他觉得非常遗憾 如果ChatGPT刚火的时候就全力做广告 现在谷歌和Meta的处境会危险得多 现在所有人都在说算力不够 今年AI资本支出预计八千亿美元 明年可能到1.3万亿 而且产能上线就被立刻用掉 但是本·汤普森提醒大家注意几个时间错配 现在的算力短缺是因为2023和2024年投资不足 台积电在那几年还下调了增速 而晶圆厂的建设周期比数据中心更长 今天投的钱要到2028、2029年才能转化为可用算力 安迪·贾西和萨蒂亚·纳德拉在财报电话会上说 他们只是在建数据中心外壳 有需求才买GPU 他觉得这说辞有点水分 因为固定成本投下去了 你不可能让几十亿美元的建筑空在那里 这里涉及到一个科技行业普遍理解不足的概念 大宗商品市场逻辑 科技人习惯了差异化产品 靠独特性赚高利润 苹果就是最完美的范本
Speaker A
今天我们就来聊聊这期视频，看看本·汤普森为什么会做出这样的推断。
Speaker A
2008年金融危机后 张忠谋复出和逆势扩产的决策 奠定了之后十几年台积电在先进制程的统治地位 但是台积电现在的管理层相对保守 他们最担心的是过度建设 一座晶圆厂要运转三十年 如果产能过剩，固定成本会压死人 所以他们选择把风险转嫁给客户 我保守扩产 你们抢不到产能、赚不到钱 那是你们的问题，不是我的问题 风险不会消失，只会转移 现在大科技公司眼睁睁看着 因为算力不足而放弃的收入和利润 就是台积电转移过来的风险 有意思的是，正是这种极端的短缺 反而成了英特尔和三星芯片业务的救命稻草 他从2013年就写文章 呼吁英特尔做代工 但是英特尔直到2020年才意识到自己落后了 而且缺乏服务客户的文化和整套IP构建模块 过去大科技公司没有任何理由 舍台积电而去扶持英特尔 因为台积电做得太好了 去英特尔等于自己花钱帮对手成长 代价全是自己的 但现在算力短缺到了令人痛苦的地步 放弃的利润足够大 大公司们终于愿意承受切换的摩擦成本 去把英特尔和三星扶起来 高价格本身就是高价格的解药 经济激励最终会绕开瓶颈 解决台积电地缘政治风险的正确方式 不是靠政府发禁令 而是创造一个足够巨大的算力需求场景 让企业出于经济动机自发地分散供应链 这样地缘保险就顺带实现了 聊到具体公司 他认为当下最有意思的科技公司是亚马逊 亚马逊的核心打法是自己当第一个最佳客户
Speaker A
硅谷有很多魔法思维，觉得美国可以很快摆脱对中国制造的依赖。本·汤普森认为这种想法严重脱离现实。虽然确实可以施压苹果把部分iPhone产能转移到印度，但这只是分散风险，不是真正的脱钩。完全脱离中国供应链的成本高到离谱，这就像一份保费极其昂贵的保险，只要灾难没有真的迫在眉睫，没人会愿意全额支付。唯一能让企业真正下决心这么做的场景，是冲突已经发生、别无选择的时候。他直言：那种认为美国可以彻底消除对华依赖、即使台湾出事也毫发无损的设想，相当不切实际。
Speaker A
如果未来家庭场景需要环境智能 AI无处不在随时响应 这种新的交互范式会不会像当年PC之于手机一样 让苹果陷入微软式的困境呢？ 微软当年没错过手机 只是他们把手机做成了小型PC 假设PC永远是中心 而苹果重新定义了手机本身 苹果现在会不会犯同样的错误 默认手机永远是中心呢？ 另外从文化层面看 苹果是确定性产品的王者 一部iPhone发货就必须完美 他们从来没有过iPhone召回 这种零缺陷、强管控的供应链文化 和AI这种概率性、需要快速迭代试错的领域 底层逻辑就不一样 与其硬着头皮做不擅长的事 不如继续做好自己最擅长的设备 至于前沿AI公司 OpenAI和Anthropic风险最高 但是潜在回报也最大 信念的力量不可低估 他们真心相信自己在创造某种近乎神圣的东西 历史上最有影响力的运动 往往都带有宗教般的热忱 谷歌只需要搜索业务不要死得太快 就能持续供血 微软走的是一条完全不同的路 非常理性 但是也带着一种求生的迫切感 微软没有站在模型前沿 他们在做90年代IBM做的事 郭士纳接手IBM时的洞见是 IBM各个部门单独看都不算顶尖 但“大”本身就是资产 企业客户需要一个懂他们业务、能帮他们把新技术落地的合作伙伴 IBM就做这个中间层 做咨询、做中间件、做集成 把企业的老式主机系统和新兴的互联网服务连接起来
Speaker A
那理想的均衡状态是什么样的呢？他觉得现在的状态其实还不错。OpenAI和Anthropic明显站在前沿，谷歌在追赶，Grok和Meta也在努力。中国的团队非常有能力，也确实在通过蒸馏等方式保持跟进，大概落后六到九个月。这个格局对美国总体有利。问题是这个状态能维持多久？尤其是当AI开始用AI来改进AI的时候，追赶的窗口会不会关闭？
Speaker A
社交网络可能重新变得重要 TikTok当年打Meta一个措手不及 本质上是因为TikTok不是社交网络而是娱乐产品 不局限于你的社交图谱 而是从全网拉最优的内容 Meta反应过来之后 Instagram和Reels已经完成了转型 不再是纯粹的社交网络 而是全网内容的娱乐分发平台 AI对广告业务的提升 可能是当下最被低估的货币化机会 现在AI最大的赚钱应用 可能不是ChatGPT也不是Claude 而是谷歌和Meta广告系统的效率提升 广告市场本身就是最好的验证机器 生成的广告图片和文案好不好 不需要人主观判断 直接跑A/B测试看转化率 海量、高频、流动性极好的市场 会形成实时反馈闭环 能以全球规模让模型快速迭代 而且广告匹配现在还比较粗糙 本质是向量匹配 未来大语言模型可以真正预测用户意图 主动找到用户最可能感兴趣的东西 推荐给他们 匹配准确度哪怕只提升几个百分点 对应的就是几十亿美元的增量收入 他认为Meta的广告业务是有正面社会价值的 这一点Meta自己却羞于启齿 让他很沮丧 互联网的美好 在于再小众的产品也能找到对应的受众 Meta广告就是帮助创业者 找到那些甚至不知道自己需要这个产品的人 供给和需求高效匹配 用户免费获得娱乐，股东获得回报 股东本质上就是普罗大众通过养老金和基金持有的 马克·扎克伯格二十年来 几乎从来没有主动讲过广告的社会价值
Speaker A
另外一个很多人没意识到的点是，开源模型并不像大家想的那样免费。虽然你不用付研发费用，但推理成本是真实存在的，每回答一个问题都在烧钱，某些模型的单次回答成本相当高。
Speaker A
让客户能拿到更低成本的资金 来买更多的GPU 风险不会凭空消失 这些担保和股权投入的预期价值 不是零也不是百分之百 而是介于两者之间 从整体财务视角看就是变相降价 只是没有直接体现在毛利率数字上而已 长期来看，英伟达最大的威胁不是AMD 而是超大规模云厂商 特别是谷歌和亚马逊 谷歌已经把20%的TPU产能卖给了Anthropic 安迪·贾西在财报会上 几乎确认Trainium最终会对外销售 云厂商自研芯片对外销售有个独特优势 就是他们不是靠卖芯片差异化来赚钱的 而是把芯片当大宗商品卖 所以不会抵消掉自己云业务的吸引力 没有人是因为想用Trainium才去AWS的 但是你在AWS上跑服务 底层可能就用了Trainium 你甚至感知不到 而且云厂商的资金成本比新云厂商低得多 这是一场资本消耗战 CUDA的护城河已经大幅削弱 因为模型不关心跑在什么芯片上 真正重要的是模型层以上的东西 当然英伟达在主权云、政府和传统企业市场还有空间 这些客户没有超大规模厂商的技术能力去做芯片适配 他们只会买成熟的方案 这也是为什么英伟达现在重点发力这些市场 如果说英伟达最希望看到什么场景 那大概就是电力真的成为硬约束 因为在电力极度紧张的世界里 谁的芯片每瓦性能最好谁就有优势 目前英伟达的token效率仍然领先 但是让本·汤普森感到意外的是 美国的电力供给响应速度比预期快得多 不管是马斯克在电表后面搞的天然气发电、西得州的能源项目还是核电站重启 新的电力产能在快速上线
Speaker A
说到钱，他真正担心的是投资回报的期限错配问题。科技公司烧钱的速度快得惊人，先是花光自由现金流，然后一年内迅速把债券市场借了个遍，现在谷歌都开始增发股票了，英伟达更是在组建一个五千亿美元级别的融资平台，对接养老金和保险资金。再之后呢？钱从哪里来？
Topics:AI泡沫英伟达台积电资本支出大宗商品化广告模式算力短缺地缘政治开源模型科技投资
