播客精华版 2026-08-26到2028年，Anthropic和OpenAI将控制全球大部分可用算力。这一集中化源于算力单位经济落差：一吉瓦建设成本约60亿美元，却能产生每年约1000亿美元收入。实验室作为算力最高效变现者，将推理利润再投入训练，形成自我强化飞轮。纯资本主义逻辑指向极端集中，但信贷市场、利率上升、政治反弹和监管延迟构成外部刹车。实验室花10美元推理容量可产生50美元收入，利润全部增量投入训练，训练产出更强模型，更强模型扩大推理收入和算力需求。目前实验室算力预算约60%用于训练，40%用于推理，且随时间推移推理占比下降，因为推理只是训练扩张的燃料。硬件每瓦性能提升3至5倍，使有效计算能力增速远超瓦特数增速。供应链牛鞭效应和合同前置使供给无法即时跟上，实验室份额从今年约三分之一升至2028年预计70%至80%。上述数字是对话中的估算而非审计财务数据，60亿美元仅覆盖晶圆制造环节，不含数据中心、电力和运营成本。2028年新增80吉瓦是乐观上限估计，若供给受限，实验室绝对算力减少但份额可能更高。Anthropic和OpenAI的盈利时间点为嘉宾自述，未经财报独立验证。模型发布放缓可能使推理收入停滞，中断飞轮燃料供应。利率上升幅度取决于AI融资需求与全球储蓄的平衡，存在内生调节。当一项技术的单位经济落差达到数十倍时，集中化不是道德选择而是资本配置的必然结果。分析此类系统时，应识别哪些约束真正改变资本回报率计算，而非关注道德呼吁。同时评估自我强化循环内部的关键假设，例如推理收入能否持续增长，以及集中化代价由哪些未参与竞争的主体承担。