夜读 | 被英伟达200亿美元“收编”！Groq创始人乔纳森·罗斯最值得听的一场深度对话

1、与其问“AI是不是泡沫”，不如问“聪明的钱在做什么”。谷歌在做什么？微软在做什么？亚马逊呢？还有一些国家在做什么？答案是：他们都在大举押注AI。

2、我敢说，如果今天给OpenAI和Anthropic的推理算力都翻一倍，那么从现在起一个月内，他们的收入几乎就能翻倍。

3、很多人无法真正理解“速度”在人类体验中的本能重要性。

4、我觉得做芯片有个误区：很多人以为最难的是把芯片造出来。但真正做下去之后，你会发现：最难的是软件。然后你继续做，就会意识到：真正最难的是跟得上行业的演进。

5、如果从价值的角度来看，或者说从“长期称重机”的角度来看，经济中最有价值的，其实是劳动力。而现在，通过提供更强的算力和更好的AI，我们实际上能够向整个经济体系里注入更多“额外劳动力”。这种事情，在人类经济史上从未发生过。

6、你应该让品牌信任度维持在尽可能高的水平，因为信任是有复利效应的。同样的道理，我认为利润率也应该低到一个水平，让客户觉得你始终在给他们一个好价格。

7、如果五年后它（英伟达）还没到（10万亿美元市值），我会很惊讶。

这是9月28日发布的播客中，Groq创始人乔纳森·罗斯（Jonathan Ross）的深度对话。内容干货满满本身就具有极强的时间价值。

而随着圣诞节英伟达爆出一则重磅新闻，将以约200亿美元收购AI芯片初创公司Groq，同时把创始人等核心高管纳入麾下，又让Groq与乔纳森的名字成为“引爆点”。

2016年成立的Groq，在今年9月中旬刚完成新一轮融资，融资额约7.5亿美元，对应投后估值约69亿美元。

随着一些细节披露，业界分析普遍认为，这笔交易实质上是英伟达通过“技术授权+人才收编+资产整合”来收编潜在竞争对手Groq，而不是传统股权并购，有助于绕开严格的反垄断审查、加快落地，同时又阻止Groq技术落入其他巨头手中。

根据英伟达CEO黄仁勋在内部邮件中所述，此次交易的战略目标十分明确：计划将Groq的低延迟处理器整合到英伟达的“AI工厂”架构中。此举旨在弥补英伟达自身在AI推理领域的结构性短板，以服务更广泛的AI推理和实时工作负载。

Groq的核心竞争力在于其专为AI推理设计的LPU芯片，其脱离了CUDA生态，而且用乔纳森·罗斯的话说，“我们最大的卖点之一是：供应链跟GPU的完全不一样。”

无论如何，这笔交易被外界视为英伟达有史以来最大手笔之一，也足以说明一件事：推理算力的供给与效率，正在成为新一轮竞赛的核心变量。

是时候把乔纳森·罗斯的一场深度对话，呈现给大家。这场对话正好发生于Groq融资之后的9月底，也是帮助我们理解AI浪潮底层逻辑的珍贵窗口。

他的判断之所以值得咀嚼，不只因为身处风口中央，更因为他的职业背景。

在创办Groq之前，乔纳森曾是谷歌TPU的核心缔造者之一，他对芯片研发周期、一次流片成功率、以及所谓“时间护城河”的理解，不是站在纸面上谈战略，而是建立在工程落地与供应链周期这些刚性约束之上。

在与哈里·斯特宾斯（Harry Stebbings）的对话中，乔纳森不断把话题callback到一个现实的问题：算力根本不够。并提到，市场至今仍在大量租用发布已久的H100，因为只要供不应求，旧芯片依然能持续盈利。

乔纳森说话直言不讳，表达精妙，很多观点非常值得一看，也有一些看法有点反直觉。

包括他用快消品来类比人类基因中对速度有本能的需求，以及谈到利润的意义在于“让公司有实力留在牌桌上”，以及用“称重器”的方式看待AI所以没有投资比特币等等，都让人听出丝丝价值投资者熟悉的味道。

而点评美股七巨头的内容，也格外精辟。

特别赞美推荐这场对话的韦华童鞋，他主理的微信公众号“苔藓花园播客”，聚焦深度商业思维，推荐关注。

2.5万字的大部头，小编精译整理分享给大家，值得耐心细读。

聪明的钱都在大举押注AI

 哈里  我想从一个基本的问题开始，搞清楚我们现在究竟处在什么阶段。感觉这个世界变化速度比以往任何时候都更快。如果我们看当下的市场状态，你怎么判断？

 乔纳森  你是想问，现在是不是有泡沫，对吧？

 哈里  算是吧。

 乔纳森  关于“有没有泡沫”这个问题，我的看法是：如果你反复问一个问题，却一直得不到清晰答案，也许你该换个问题来问。与其问“是不是泡沫”，不如问“聪明的钱在做什么”。

谷歌在做什么？微软在做什么？亚马逊呢？还有一些国家在做什么？

答案是：他们都在大举押注AI。他们的资本开支越来越多，几乎每一轮宣布投入的时候，金额都会比上一轮更高。

而这些投资所带来的价值，有个很有说服力的例子，就是微软：他们在某个季度部署了一批GPU，之后宣布这些GPU不会开放给Azure客户使用，因为他们自己用这些GPU赚的钱，比租出去赚得更多。

可见这个市场确实有巨大的商业潜力的。

要我说，现在这个市场特别像早期的石油钻探，遍地枯井却也偶见喷涌。

我听到的一个数据，目前AI领域中，大概有35或36家公司贡献了99%的收入，或者至少是99%的token消耗。

 哈里  对，市场非常集中。我甚至有点意外，这个数字居然不是更少。说真的，你看英伟达，它的收入集中度也太高了，两个客户可能就占了绝大部分营收。

 乔纳森  是啊，英伟达可能就占了那99%里的98%。

但当市场集中到这种程度时，说明它还处在非常早期的阶段。就像过去人们不知道怎么找油，只能靠直觉，几乎是靠感觉投资。那些直觉好的人会大赚一笔，其他人可能血本无归。

但随着时间推移，这会逐渐变成一门科学。它会变得更可预测、更稳定，市场也会变得更均衡。

但到了那个阶段，投资者的收益反而会下降，特别是那些本来能赚大钱的人，机会反而变少。

所以，我认为现在恰恰是投资人最好的时机。现在人们在AI上的整体收入多过支出，只是这个分布极其不均匀。

 哈里  你是说，总体上赚得比花得多？

 乔纳森  对，整体看是这样的，当然还是会有很多人赔得很惨，但总体来说，投入的资金少于产出的收益。

 哈里  但你看看现在这些大厂的资本开支，每一家的反应都是“好，好，好”，因为他们相信，终点一定会有实实在在的成果。但问题是，资本开支还在不断上涨。

 乔纳森  没错。哪怕你纯粹从财务角度考虑，我认为财务回报也是积极的。而现在很多人之所以愿意投入，真正的出发点并不是为了赚钱。

我前阵子去阿布扎比，参加了高盛在那儿办的首届活动（我们现在也在赞助迈凯伦车队）。

活动上，扎克·布朗（Zak Brown）有发言，我也发了言，现场气氛挺不错。然后有人问了我一个类似的问题：“AI是不是一个泡沫？”

我没有直接回答，而是问了全场一个问题：在座的各位，有谁能百分百确信，十年后AI不可能替代你的工作？

在场有五十多位资产管理规模超过100亿美元的投资人，没有一个人举手。

我说：“很好，这就是科技巨头们现在的真实想法。”

所以他们会像喝醉的水手一样继续疯狂砸钱，否则另一种可能性就是，他们会被彻底挡在核心业务之外。

他们现在根本不是在算经济账，而是在回答一个更关键的问题：我们能不能保住行业的主导地位？

接下来的发展，会越来越体现规模法则的影响。如果你没法留在前十名，你就没有定价权。

我们现在常说“美股七巨头”，如果你不在这七家里，你甚至连那个估值区间都不可能靠近。

那你要怎么保住这个位置？就得持续投入。

而只要你还在前七或前十，市场就会给你高估值，所以这笔投入是值得的。

 哈里  但问题是，最终这些投入必须兑现成真正的、实打实的营收。如果兑现不了，那你是不是“七巨头”其实也就无所谓了，对吧？

 乔纳森  你说得对。但现实是，AI已经开始释放巨大的价值了。只是这个价值在各类应用中分布得很不均匀，但它确实创造了巨大的价值。

我举个我们自己亲身经历的例子。

我尝试过通过prompt（提示）来编码。我自己写得不算好，但我们有几个实习生非常擅长。

有一次，一个客户来访，我和他们开了个会，他们现场提了一个功能需求。

我用很粗略、提示的方式描述了这个功能，然后把这些prompt给到工程师们。结果四个小时后，这个功能就上线了。整个过程中，没有一行代码是人手写的，也没有人调试，全是通过prompt完成的。

我们现在用Slack集成了提交代码的功能，所有操作就是在Slack里完成的。四小时后，功能就交付使用了。

你想想这个效率带来的价值有多大！

但如果你再往前想，六个月后，也许这个功能在客户会议还没结束之前就能完成上线，那就不仅是效率的差别，而是质的飞跃了，而不仅仅是节省了多少成本这么简单。

当然，从财务角度看，开发速度越快，你把功能推向生产环境所花的钱就越少，这是真金白银的投入产出比（ROI）。

但从“质”的角度看，当你能做到在客户会议结束前就把需求变成现实，你就能拿下那些竞争对手永远也拿不下的订单。

现在算力的需求是疯狂且无法被满足

 哈里  我想回到“美股七巨头”这个话题。你觉得大家是否都意识到，要想保住七巨头的位置，就必须深入到芯片层，真正实现从头到尾的垂直整合？

 乔纳森  我觉得你不会看到太多公司在芯片层成功突围。

很多人把谷歌的TPU看作一个巨大的成功，但他们不知道的是，谷歌其实当时同时在搞三种芯片项目，最后只有一种跑赢了GPU。

你再看看整个行业，有不少公司在做AI芯片，但也有不少项目被砍掉了，比如Dojo最近就被取消了。

造芯片真的很难。

如果一个公司说“我要造自己的AI芯片，来跟英伟达竞争”，这就像有人说：“嘿，谷歌搜索挺好的，我们来复制一个吧。”——这完全是疯了！

因为那种级别的芯片优化、设计、工程实现，难度太高了。你要复制它，成功的概率极低。

当然，如果市面上有很多人在尝试，而你有选择权，那只要其中有一个成功了，你就多了一颗芯片可选。

 哈里  我们刚才也提到，为了保住“七巨头”的位置，你必须不断投入。比如英伟达投1000亿美元进OpenAI，OpenAI再拿这笔钱回头去买英伟达的芯片。这是不是就是个无限循环的资金游戏？

 乔纳森  如果他们只是把钱绕一圈回给自己，那当然是。但问题是，这笔钱其实是拿去给供应商建芯片的，所以它不是一个资金空转。

换个角度想：这笔投入里，大约有多少比例是真正流向了芯片基础设施建设？40%。所以至少有40%的资金是进了整个供应链生态系统的。

这就不能算是一个无限循环。

 哈里  那就是个“部分循环”？60%回到英伟达，40%流出去？英伟达确实拿回了60%，而他们的股价也因此涨了几千亿美元。你怎么看待这种结构？

 乔纳森  那我们可以从不同角度来看它。

从经济学角度讲，这完全说得通。只要能带来（客户）锁定效应，那你当然愿意这么干。

为什么营收的增长能推动市值涨得比营收本身还多？就是因为市场相信这种增长是可持续的。

我觉得对英伟达来说，这个逻辑成立。但不只是因为英伟达厉害，虽然它确实非常强，还因为全世界的算力总量根本不够用。

真的，现在算力的需求是疯狂的、无法满足的。

我敢说，如果今天给OpenAI和Anthropic的推理算力都翻一倍，那么从现在起一个月内，他们的收入几乎就能翻倍。

 哈里  等等，你能帮我拆解一下这句话吗？你是说他们因为算力受限，所以现在的营收被卡住了？但如果给他们双倍算力，为什么收入也能双倍？

 乔纳森  现在，大家对Anthropic最大的抱怨之一就是限流太严重。用户根本拿不到足够token。如果他们有更多的算力，就可以生成更多token，进而收费更多。

而OpenAI提供的是聊天服务，那你怎么控制聊天服务的流量？办法就是让它变慢，结果就是用户互动减少。

 哈里  你觉得速度到底有多重要？毕竟也有很多人认为：其实延迟也没关系，我完全可以接受有延迟。我输完prompt后，可以去干点别的，等它慢慢跑出结果。

 乔纳森  嗯，这种观点吧……挺有意思的。

但我们可以看一个类比，比如CPG（快消品行业）。

我们来按照利润率，把快消品排个序：利润率最高的是卷烟，其次是嚼烟，再往下是碳酸饮料，再往下是瓶装水之类的。

那什么因素和高利润率最强相关？就是产品成分对你的作用速度。

也就是说，那种激活多巴胺的循环，越快生效，你对品牌的黏性就越强。

你越快感受到反馈，就越容易对那个品牌产生情感连接，也就越容易建立品牌价值。

这也是为什么谷歌如此强调速度，为什么Facebook不断优化响应速度。每提升100毫秒的加载速度，转化率就能提升约8%。

所以，那种“没关系，prompt可以在后台慢慢跑、用户等一等也行”的想法，完全是错的。百分之百错误。

当我们刚开始为芯片提升速度时，我们其实就知道自己能做到多快。我们甚至做了一个演示视频，展示了芯片的实际速度。

但很多人看完视频会说：“为啥还要比人类阅读速度更快？看得懂就行吧。”

我通常就反问他们：“那网页加载为什么要快于阅读速度呢？”

这里有一个认知断层，很多人无法真正理解“速度”在人类体验中的本能重要性。

人类其实很难判断哪些因素真的影响参与度和最终结果，但我们从早期互联网公司的经验里，早就明白了这一点。

自主研发芯片的核心动机

 哈里  你觉得OpenAI最终会自研芯片吗？我想英伟达肯定会担心OpenAI也想搞垂直整合，把芯片环节也收入囊中。你觉得他们能成功吗？

 乔纳森  我觉得做芯片有个误区：很多人以为最难的是把芯片造出来。但真正做下去之后，你会发现：最难的是软件。

然后你继续做，就会意识到：真正最难的是跟得上行业的演进。

我毫不怀疑OpenAI会自己做芯片，Anthropic也一样。未来每一家科技巨头都会自研芯片。

我记得在谷歌的时候，有一次参观实验室，那会儿AMD还不算太强（当然现在他们做得很好）。

我们当时部署了1万台服务器，全是用AMD芯片。

我走过实验室，看到他们把服务器从机架上拔下来，把AMD芯片拆掉，直接扔进垃圾桶。

 哈里  真的假的……

 乔纳森  真的。而且你可以说这是命中注定，因为当时所有人都知道，那一代芯片里英特尔会赢。

那谷歌为啥还要做1万台AMD服务器？很简单，他们是为了在采购英特尔芯片时拿到更好的价格。

当你是这种量级的玩家时，你会发现，为AMD设计自己的主板、搭建测试平台、部署生产……所付出的成本，完全值得换来英特尔的采购折扣。

所以当公司决定自己做芯片时，动机不一定是要量产部署，很多时候是出于博弈和议价策略。

还有个更少人知道的事实：英伟达现在在HBM（高带宽内存）上几乎处于买方垄断地位。

所谓买方垄断是垄断的反面——不是只有一个卖家，而是只有一个买家。

现在GPU里的HBM供应是有限的。GPU本身是用跟手机芯片一样的工艺制造的，所以如果英伟达愿意，他们每年可以生产5000万颗GPU核心。

但现实是，今年他们大概只会造出550万块GPU，原因就是HBM和中介层的产能限制。

于是情况就变成了这样：一家科技巨头走过来说：“我想要一百万颗GPU。”

英伟达回应：“不好意思，我还有其他客户。”

然后这家科技巨头反击说：“没问题，我自己造。”

然后你会发现，突然间英伟达就生产出一批GPU，优先给了这家公司。

现实是，整个市场的产能就是有限的。你自己造芯片，其实真正获得的并不是一颗“属于你自己的芯片”，而是对自身命运的掌控权。

这才是自研芯片最核心的卖点。

 哈里  掌控自己的命运，意味着什么？

 乔纳森  意味着英伟达不能再告诉你：“你这季度只能拿到多少块GPU。”你当然可能要付出更高的成本，因为自研芯片未必有英伟达的好。

我们再想想看，为什么英伟达的GPU能凭借比AMD稍微好一点的性能就彻底统治市场？

如果你部署整个系统的总成本是芯片本身价格的很多倍，那芯片哪怕只贵一点点，影响其实可以忽略。

举个例子：假设我要部署一台系统，芯片在整机BOM（物料清单）里只占20%，那即使芯片贵了20%，对整个系统的总成本影响也很小；但如果这颗芯片的性能提升了20%，那整台机器的价值就提升了20%。

所以你就会发现，只要芯片性能哪怕略有优势，整机的价值就大幅提升。哪怕是小幅性能差异，也会带来巨大的销售优势。

HBM供给瓶颈与数据中心摊销

 哈里  你刚才提到了买方垄断。那在这种情况下，OpenAI、Anthropic，或者“七巨头”里的其他公司，还有可能真正进入芯片层吗？

 乔纳森  如果HBM市场是买方垄断，那确实很难。但从HBM的供应商角度，他们还是有动力把资源分散给更多客户的。

英伟达因为采购量巨大，议价能力特别强，可以压低价格。假如你是HBM生产商，正在规划新的封装厂、整套供应链，那当英伟达带着大支票走进来，你当然优先服务他们。

所以，英伟达总能提前拿到他们想要的那部分产能。问题是，这张支票你必须提前两年以上开出来。

如今AI市场已经进入爆发式增长阶段，就算是英伟达、账上有充足现金，也很难提前两年把未来所有的需求都算清楚、签好单。

因此供给瓶颈是必然的。这不仅是因为市场结构偏向买方，更因为资本支出巨大，而HBM厂商普遍又很保守。

还有一点：HBM的利润率实在太高，高到让厂商根本不愿扩产，因为一旦产能增加，价格就会下滑。

 哈里  完全明白了。但我想问，当我们看到OpenAI和Anthropic都在做自研芯片，这是不是也解释了他们为什么要融资？

比如萨姆（萨姆·奥特曼，Sam Altman）说他们未来可能需要几千亿美元，是不是这些都已经考虑进去了？

 乔纳森  其实不是。真正烧钱，不是买芯片系统，而是建数据中心。

数据中心的成本更高，关键在于它的摊销周期更长。哪怕它只占你年度成本的三分之一，但如果芯片摊销期是三到五年，数据中心则可能拉到十年。从年化角度看，它反而更贵。

所以你看到那些科技巨头每年投750到1000亿美元，其实是在为未来十年甚至更长时间做准备，扩建数据中心产能。

这样看，这个数字也就不那么夸张了。

 哈里  但如果芯片更新周期比三到五年还快，那我们现在用的摊销模型是不是也已经失效了？

 乔纳森  没错。很多公司确实设定了过于乐观的摊销周期。

我们自己内部是按更保守的方式来计算的：五到六年是上限，很多时候我们更愿意按三年来算。

我们基本是按照“一年一代芯片”的节奏在规划。

你应该这样理解芯片的价值，它有两个阶段：一个是值不值得部署；另一个是值不值得持续运行。这其实是两套完全不同的经济模型。

部署的时候，你需要确保回收资本开支并有投资回报；但一旦部署完，只要这颗芯片跑出来的价值能覆盖电费和托管费，它就值得继续跑。

所以你可以接受芯片账面价值随时间递减，只要它还跑得动。

眼下大家在赌的一件事就是：下一代芯片出来之后，旧芯片的价值会不会低到连运营成本都覆盖不了。

在我看来，所谓“五年摊销”这个假设其实不太现实。因为到了第五年，新芯片性能已经大幅领先，旧芯片跑出来的价值可能已经撑不起它的电费和数据中心租金。

 哈里  那到时候怎么办？会不会积压一堆跑不动的废芯片？

 乔纳森  不一定。因为很多公司都签了长期合同，毁约成本也是一个要考虑的变量。有时候，“亏本运行”可能比“付毁约金”更划算。

 哈里  我明白了。但真到了那一步，该怎么办？

 乔纳森  那我也没法告诉你，因为我们正在尽全力避免出现那种情况。

所以我们在所有的模型里都在追求更快的投资回收期。我自己绝不会去赌一个太长周期的投资。你的下注周期越短，你的结果就越清晰可控。

更多算力就能得到更好的产品

 哈里  所以本质上就是，尽可能缩短回本周期，同时尽可能降低运营成本，这样才能更快淘汰性能差的芯片？

 乔纳森  没错。不过还有一个挺疯狂的点你可能没想到。

如果你用会计师的视角来算账，这套模型确实挺糟糕的，看起来根本不值得干。

但实证观察告诉我，人们现在还在租用H100芯片。这些芯片问世快五年了，但仍然运行得很好，而且赚的钱远远高于运行它的成本。你不会在今天部署一块新的H100，你会继续让它运行，因为它仍然有利可图。

 哈里  它已经从部署阶段进入了维持阶段。

 乔纳森  对。根本原因是，大家还是拿不到足够的算力。

如果不是这样，H100的租金早就跌成白菜价了。但只要算力供不应求，这种状况就会一直持续。

问题是：有没有什么替代方案，不那么受限于供给？

这就是我们希望能切入的地方。

我们再回到你刚开始问的“速度”问题。你知道有多少客户一开始找我们，是因为追求速度吗？

 哈里  多少？

 乔纳森  全部都是。但你知道他们中有多少人在了解了“市场供给现状”之后还继续问速度吗？

 哈里  有吗？

 乔纳森  一个都没有。

一开始大家都说：“我很在意速度，我知道这对终端客户意味着什么。”但接着他们就意识到：“等等，我连算力都买不到。”

所以真正的价值主张就变成了：你能不能提供足够的算力容量？

就在两周前，有个客户来找我们，说他们要5倍于现有系统的算力。他们找遍了所有超大规模云计算公司，一个都无法满足。我们也给不了，没有任何人能满足。因为整个市场就没有足够的算力。

所以你面对的选择是，我有这份算力，就能拿下这个客户。这就是你之前说的，如果OpenAI或Anthropic拿到双倍算力，就能拿到双倍收入。

如果你是一家连服务客户所需算力都不够的公司，那你一定愿意不惜一切代价去争取这个客户。因为你相信：先拿下客户，就能建立长期的锁定价值。

我们最大的卖点之一是：我们的供应链跟GPU的完全不一样。

你要订GPU，要提前两年写支票；但你要订我们系统，只需给我们打张一百万LPU（Groq 的推理芯片）订单的支票，六个月后就能开始交付。

 哈里  六个月？这可比GPU快一年半！

 乔纳森  没错，差距就是18个月。

我之前和某家超大规模云计算公司的基础设施主管开会。我谈了性能、成本什么的，他都还算平静。

但当我提到我们六个月交付能力时，他直接打断我，开始认真追问那件事。他唯一关心的，就是供应链。

 哈里  换个角度想，现在模型迭代速度这么快，你觉得“两年交付周期”还有意义吗？

 乔纳森  你听说过莎拉·胡克（Sara Hooker）吗？

 哈里  没有。

 乔纳森  她写过一篇论文，叫《硬件彩票》（The Hardware Lottery）。我用一句话概括那篇论文的核心意思就是：人们是在为硬件去设计模型。

所以理论上可能存在一些架构比attention更好，但attention在GPU上跑得特别好。

这就带来一个结果：如果你是现有的主导者，你天然占优势，因为大家都会围绕你的硬件来做模型设计。哪怕外面真有更好的架构，只要它在你的硬件上跑不起来，那它就不算更优。

这里面会形成一种小循环。

所以如果你是既有玩家，你按“两年之后”的节奏去规划，问题不大。但如果你是想进入市场的新玩家，没有人会提前两年就为你的芯片做适配。

你必须把迭代周期做得更快。

 哈里  你刚才也提到OpenAI会做自己的芯片，Anthropic也是。那在这样的世界里，英伟达怎么办？客户还那么集中……

 乔纳森  确实。没有人真正能预测AI的发展速度。

我们最开始不是就在讨论AI是不是泡沫吗？你看看过去十年数据中心基础设施的建设节奏，你得提前两、三、四甚至五年去规划，结果呢？

所有人的预测几乎都错了。大家总是建得太少。

这已经成了过去十年的规律。所以当你十年都建不够之后，你就会说：“那我这次要建多一点，要建超过我最乐观的预期。”然后，又捉襟见肘了。

于是你再次上调预期，又建，又不够……周而复始。

这就是现实。而且，大多数人还没有意识到的关键点是：AI并不是像SaaS（软件即服务）那样运作的。

在SaaS模式下，你有一批工程师构建产品，产品好不好，取决于他们怎么写的代码。

但AI不是。在AI模型里，我可以通过多跑几遍prompt来挑选更好的答案，直接提升产品质量。

我还可以为每一个prompt多花点钱，让模型跑得更好。我甚至可以根据用户的价值决定——这个客户重要，我就给他更高质量的结果。

OpenAI前几天就公开了一个类似的策略：他们会推出一些产品，这些产品的运行成本非常高，所以只会开放给少数用户，同时价格也会更高。他们想看看，当模型获得更多算力后，产品能变得多好。

这，就是未来方向。

只要你为应用分配更多算力，产品质量就会上升。这就是为什么你会发现，很多AI公司“token-as-a-service”支出几乎等于收入。因为他们花得越多，产品就越好，客户就越多。

美国模型优势来自于压倒性的算力优势

 哈里  完全理解这一点。但我想直白一点问你：我们看到GPT-5在追求效率，有很多人说萨姆已经从“性能优先”转向了“效率优先”，因为算力投入并不会线性带来性能回报。

你觉得这个说法对吗？会不会和你刚才讲的观点相矛盾？

 乔纳森  我不觉得矛盾。你要分清楚他们追求的结果不同。

比如OpenAI现在进入的是一些极度敏感的价格市场，就拿印度举例来说吧，如果你想在印度赢得市场，有一个核心指标是什么？

每月订阅费必须控制在99卢比左右，大概是1.13美元。你必须把服务控制在每月一美元出头的价格，才能服务那些“否则就用不了AI”的用户。

 哈里  那印度用户也可以选DeepSeek这种？

 乔纳森  这正是市场上的另一个误解。我们可以来拆几个误区。

 哈里  好啊，我喜欢拆误区。

 乔纳森  比如中国的一些开源模型发布时，大家的第一反应是：“天哪，他们训练出了几乎和美国一样好的模型！”

我们当时还专门聊过这事，录了一期播客。说实话，我一开始也有点被带节奏了。但很多人没看到的是：这些模型真的更便宜吗？它们真的更适合实际部署吗？

现在我对主流基础模型和中国模型了解更多以后，我可以肯定地说：中国的模型运行成本并不低，实际上要贵大概10倍。

我们就拿最近发布的OpenAI的GPT-OSS模型来说吧。它优化的目标跟中国模型不一样，但质量非常高。我甚至会认为：就它所专注的那个方向而言，它显然比中国模型更好。当然，中国模型也各自有不同侧重点。

但关键是，跑这个OSS模型的成本，大概只有中国模型的十分之一。

那为什么当时大家会觉得中国模型更便宜？其实是被价格误导了。很多时候，一个模型一旦成了“市场唯一选项”，大家都指定要用它，而提供方也只有一个，那它自然可以把价格抬上去。价格高了，大家就误以为成本也高。

实际上，中国模型的优化重点是在训练阶段更省钱，而不是推理阶段更高效。但如果你把OSS模型和中国模型在推理环节的效率拉出来对比，就会发现一个很明显的事实：美国在训练上的强度和密度，依然远远领先。

这在经济上也说得通。训练一个模型花出去的钱，最后是要靠每一次推理（inference）去“摊平”的。那怎么摊得快？就得让每次推理便宜。

怎么做到这一点？那你在训练阶段就得花更多资源，把模型压得更紧凑、更高效。

而这一点上，美国的优势特别明显——我们拥有压倒性的算力优势。我们可以用更强的计算资源把模型训练得更彻底，最终换来的是：推理更快、成本更低。

 哈里  我们为什么能有这样的算力优势？就因为我们能拿到芯片吗？

 乔纳森  对，就这么简单。

 哈里  那中国就不能靠补贴，把推理这部分“烧钱顶住”？我理解他们现在确实在补贴啊。虽然运行成本高一点，但靠砸钱也能扛下来吧？

 乔纳森  这就要分清“主场”和“客场”的区别了。

所谓主场，指的是我们自己，为美国本土建设足够的算力；客场，则是一些盟友，比如欧洲、韩国、日本、印度等等——我们希望也为他们提供算力支持。

在主场，中国当然可以下重注。他们计划建150座核电站，虽然芯片能效没那么高，但电力够多，再加上政府补贴，确实能把运行成本压下来。

但到客场，局面就不一样了。你想，一个国家如果只有100兆瓦电力，能轻易说建就建一个核电站吗？显然不行。这是中国能做、但别的国家没法做的事。

所以，谁能提供更节能的芯片，谁就能在客场取得压倒性优势。

我的判断是：未来两到三年，美国在AI的客场战役上，会明显领先中国。

如果我们动作够快，就能带上一批盟友共同进入AI竞赛的正轨。

 哈里  那你觉得我们应该开源模型吗？毕竟中国在模型这方面的能力已经很强了。

 乔纳森  我觉得模型本身不一定是决定性的优势。

你还记得你第一次请我上节目的时候吗？我当时就预测，OpenAI会开源他们的模型。

 哈里  记得，你当时确实这么说了。

 乔纳森  我之所以这么判断，其实主要是基于OpenAI的品牌力。

说句实话，就算他们只是拿两年前Meta发布的LLaMA 2模型，贴上自己的牌子，很多人还是会用。这就是品牌的影响力。

当然，他们现在的模型本身也确实非常强，但就算哪天性能不领先了，大家还是愿意用他们的模型。

我认为，Anthropic应该开源自己上一代的模型，目的不是为了比拼SOTA，而是给用户一个替代中国模型的选项。

因为那些愿意用中国模型的人，至少也可以选择用Anthropic的开源模型。这会带来几个好处：

第一，prompt是可以复用的，就像软件之间的兼容性一样；

第二，用户一开始用了Anthropic的模型，后面要转向他们的商业模型，迁移成本就很低。而用中国模型，往往prompt结构都不一样，没法兼容，切换难度更大。

就像当OpenAI发布OSS模型时，很多人开始采用它，原因之一就是，原来写的prompt可以直接用，不用重写。

当然，如果你是低成本应用，暂时还承担不起OpenAI的付费模型，那你可能会从开源模型开始。但只要你业务做起来、有了收入，自然就想上更好的模型。

这时候，prompt的兼容性就成了巨大的优势。

除此之外，开源模型还有一个附加好处：它能带动整个基础设施生态围绕它优化，把运行成本进一步压低。

这种生态层面的正反馈，会催生大量创新。

没有能源，就没有算力

 哈里  我们刚才聊到的主题是：要尽可能建设更多的算力。但你也知道，这对能源的需求是巨大的。那我想请教一个直接的问题：支撑这场算力浪潮或者说是算力海啸，唯一可行的能源解决方案，是不是核能？

 乔纳森  不是。核能确实高效、成本也合适；但可再生能源同样高效，也能控制成本。

我给你一个很简单的思路：只要美国的盟友愿意把算力部署在能源便宜的地方，他们其实可以获得比中国更多的能源资源。

我们就以美国和欧洲作比较：美国整体上，其实是个更“怕犯错”的国家。

 哈里  你说的“怕犯错”，是指在能源领域吗？还是泛指？

 乔纳森  泛指，美国在很多事情上都更谨慎。

但我们要区分两种“犯错”方式：一种是做错事；另一种是错过机会。

美国特别害怕“错过机会”。在一个高速增长的行业里，“没做”造成的损失，往往比“做错”还严重。

而欧洲则相反，他们更倾向于接受“错过”的风险。

你看他们现在参与AI竞赛的方式，是通过立法来设定边界，比如要求“数据必须存在本国”、“必须留在欧洲”等等。

但其实，如果欧洲真想参与这场AI竞赛，只需要做一件事：让挪威全力发展风能。

为什么是挪威？因为他们的风电可用率接近80%。也就是说，一年里有80%的时间都在稳定发电。

再加上他们已经有庞大的水电基础，如果他们把风电规模扩大到现有水电的5倍，光是挪威一个国家，就能发出相当于整个美国的电力，而且是稳定、绿色的。

 哈里  你的意思是……挪威一个国家，就能撑起整个美国的用电需求？

 乔纳森  对，完全可以。

这也说明我们还浪费了多少潜在的、非核能的清洁能源资源。当然，我也支持发展核能。现代核电技术已经非常安全。

 哈里  那我们为什么不大规模上核能？就只是因为大家害怕吗？

 乔纳森  基本就是出于恐惧。

 哈里  那你和欧洲政府聊这些能源话题时，他们是怎么回应的？

 乔纳森  我一般不会主动谈核能。因为这是一个一开口就会被广泛反对的议题，我不想一开始就引发政治阻力。

但我最近在日本，他们正在认真讨论重启核电。外界常觉得日本做事慢，其实这是因为不了解细节。日本确实在“决策阶段”很慢，但一旦做出决策，执行非常快。

比如他们决定要建一座2纳米晶圆厂，我上次去时，他们已经开始展示他们做出来的2纳米晶圆了。

当然，目前良率还不够量产，但厂房已经建成，产品也做出来了，只差继续提升良率。

他们还承诺将投入650亿美元发展AI，行动非常迅速。

而且他们也会重启核电。

 哈里  哇，如果连日本都重启核能，那欧洲可真的该紧张了。

 乔纳森  没错，他们现在得开始追赶了，对吧？

 哈里  不过我刚才一直在想你说的“挪威风能”。问题是，想建出那么多风电设备，起码也得几年时间吧？你觉得挪威政府真会出钱，在海岸线上造一万个风机？

 乔纳森  那为什么一定要是挪威政府出钱呢？

 哈里  那还能谁出？

 乔纳森  比如科技巨头们可以出；或者那些希望在欧洲部署AI的国家，也完全可以出。

你看看沙特，他们有大量千兆瓦级别的备用电力资源，还正在围绕这些电力建设新一代数据中心。

那欧洲为什么不和沙特合作？

沙特现在正在推进一个计划，叫“数据大使馆（data embassies）”：数据依然属于原主权国家，但可以利用沙特的能源运行。为什么不合作呢？这样问题就能解决。

我预计他们很快就会建成3到4吉瓦的发电能力。

所以未来很可能的路径是：科技巨头出资，租用挪威或沙特的清洁能源，再基于这些能源部署大规模算力。

 哈里  但这些巨头总是在抱怨，说行政审批太慢、流程太复杂。

 乔纳森  我之前和一个大型能源公司的董事聊过，他们是建核电站的。他说在美国，用于审批流程的费用是核电站本身建设成本的三倍。

我不清楚欧洲的情况，但通常来说，美国在这方面还比欧洲快一点。

 哈里  在欧洲建一座核电站，到底花钱最多的，是工程本身，还是冗长的审批流程？

 乔纳森  我觉得大家真正要记住的是这句话：谁掌握算力，谁就掌握AI；而没有能源，就没有算力。

 哈里  那我们再回到欧洲本身——你怎么看现在的局势？欧洲到底落后多少？还有追赶的希望吗？我不是想唱衰，但我们真的还有机会翻盘吗？

 乔纳森  我不觉得欧洲已经错失良机。只要现在开始行动，一切还来得及。

中国确实在执行效率上更快一些，但别忘了：欧洲有5亿人口，美国有3亿多，再加上所有盟友，比如韩国，他们有建核电站的成熟经验，阿联酋的核电站就是韩国承建的。

所以我们为什么不能搞一个“能源版的曼哈顿计划”呢？

我今年夏天走了很多欧洲国家，夏天热得惊人，冬天又冷得刺骨。

这种极端的气候体验，几乎全球其他地区都没有。那为什么不借此机会加速能源基础设施建设？

 哈里  我非常同意你的判断。但现实是，无论是单一政府，还是跨国协调，政策落地的速度永远赶不上AI的发展。

如果我们无法以匹配AI的速度推进能源计划，会发生什么？

 乔纳森  那欧洲未来的经济结构，可能就会退化成“观光经济”，人们来看看老建筑、拍拍照，仅此而已。

如果你没有支撑新一代经济所需的基础资源，就注定无法参与未来。

而这个未来，就是建立在算力基础上的AI经济。

 哈里  那“模型主权”够不够？比如欧洲自己训练模型，是否就能掌握主动权？

 乔纳森  远远不够。如果你没有足够的算力，模型根本跑不起来。性能再好也没用。

你就算训练出一个比OpenAI强10倍的模型，但只要OpenAI有你10倍的算力，他们在真实世界的表现就一定更好。

 哈里  但像Misra这样的公司不是正在推进“欧洲模型主权”吗？他们说：“德国医保系统、克罗地亚交通部用的是我们的模型，因为我们不是美国公司。”

 乔纳森  这其实不构成真正的护城河。你得问：它的独特价值是什么？

“我们是欧洲公司，不受美国管辖”——这听上去挺有说服力，尤其在某些政治场合。但这跟“你有没有足够算力”没有任何关系。

它解决的是“别人不能控制我”，但没解决“我有没有能力干成事”。

当然，我不是在否定Misra，我们也跟他们有合作，我个人也很欣赏他们。

我想强调的是：你得有基础设施，才有真正竞争力。没有足够的算力，任何模型都只是空谈。

算力是AI供应链中，最可预测、最确定的环节

 哈里  听你说到这，我都想立刻去买CoreWeave的股票了（笑）。他们现在做的按需算力听起来简直太理想了。

 乔纳森  CoreWeave确实是非常优秀的公司，但他们的GPU配额也很紧张。现在每家都有配额问题。

 哈里  你之前跟我说过，其实GPU也不是最理想的推理基础设施，对吗？

 乔纳森  对。随着训练逐渐趋于成熟，AI正在步入一个“推理为主导”的阶段。

 哈里  那是不是意味着英伟达的主导地位会被削弱？

 乔纳森  不会。英伟达会卖掉它能生产出的每一块GPU。

就算我们最终部署的LPU数量是GPU的十倍，也只会让市场对GPU的需求更强，英伟达还能卖得更贵。

 哈里  这听起来有点反直觉，为什么会这样？

 乔纳森  因为你部署得越多，就需要训练得越充分来支撑推理效果；你训练得越多，又要部署更多推理能力来摊薄训练成本。

两者是正向循环。

 哈里  那你觉得现在推理市场的发展，是否符合你当初的预测？比如成熟度、部署速度？

 乔纳森  完全出乎我预料的一点是，AI居然是基于语言的。

这使得人们可以用最简单的方式与AI交互。我原本以为它会像AlphaGo那样，是种很怪异的智能系统。

结果它是语言。意味着任何人都能用它。

我当初的预测是：AI会更早出现，但增速会很慢。但实际情况是：AI来得晚一点，但增速远超我的预期。

它的交互门槛实在太低了，现在全球差不多有10%的人每周在用ChatGPT。这太惊人了。

 哈里  确实。那你知道目前限制它进一步普及的主要障碍是什么吗？

 乔纳森  是算力。

算力限制了AI的质量。但更现实的问题是：就算质量没那么完美，只要能支持更多语言，就会有更多人愿意使用。

 哈里  这也是我们在全球市场上听到最多的用户抱怨之一。

 乔纳森  那怎么解决？就两个字：堆算力。

你有更多算力，就能处理更多数据；你有更多数据，就能训练得更充分。

甚至你可以生成合成数据（synthetic data），这也是推动训练的重要资源。

AI的三大核心要素：数据、算法、算力。这三者只要有任何一个提升，整体能力就会上升。

它们之间没有“硬瓶颈”，不是说你算法不变，就不能多用数据；也不是说数据不变，就没法多上算力。只要有一个进步，AI就能变强。

也正因如此，AI的发展路径其实并不复杂。只要你在某一维度持续投入，整体就会推进。

而在这三者中，最容易提升的，就是算力。

算法进步缓慢；优质数据难以收集，合成数据仍有不确定性。

但算力不同。你只需要开出一张足够大的支票，等上一段时间，你就能拿到更多。

算力是AI供应链中，最可预测、最确定的那个环节。

 哈里  但就算我们已经意识到算力的重要性，其实大家还是大大低估了真正所需的规模，对吗？

 乔纳森  完全正确，低估得非常严重。

 哈里  你觉得这种低估有多夸张？

 乔纳森  还是那句话：每次你给模型增加算力，它的表现都会变好。这意味着，我们对所需算力的低估，是没有上限的。

这和工业革命是两回事。

在工业时代，光有能源还不够，你还得制造机器，而造机器是需要时间的。比如你想让街上多跑点车，不是把石油抽出来就够了——你还得先把车造出来。

但AI不一样。

虽然你也可以通过算法优化，提升效率，但最直接的办法就是堆算力。你把算力翻倍，就能支持更多用户，提升模型质量，拓展AI应用的边界。

我们从没遇到过这种情况，不是瓶颈问题，而是一个“加一块就变更好”的系统。每多塞进去一点算力，AI整体表现就上一个台阶。

未来会出现一个“劳动力荒”

 哈里  你之前提到AI能增强经济体，这是不是建立在一个假设上：就是未来全球GDP中，用于人力的10万亿美元支出，会有一部分逐渐转向AI？你觉得在接下来的五年，这种结构性转移真的会发生吗？

 乔纳森  我认为未来会出现一个“劳动力荒”。不是AI抢走大家的工作，而是我们的人手不够，去填AI带来的新岗位。

接下来会有三个变化：第一，是强烈的通缩压力。你这杯咖啡、你的房租，几乎所有东西都在变便宜。

 哈里  等等，为什么连咖啡也会更便宜？

 乔纳森  因为AI和自动化会全面提升效率：咖啡种植会交给机器人；供应链调度由AI管理；连咖啡本身都能用基因工程优化，让产量更高。

从种植到运输再到销售，每一个环节都变得更高效，成本自然下降。

所以我们将迎来一轮系统性的通缩，生活成本降低，维持生活的支出变少。

第二，人们会逐步退出劳动力市场。

大家会选择少工作、甚至提前退休。因为生活成本更低了，工作动机自然下降。

第三，是全新的岗位和产业将被创造出来。

你想想一百年前，美国98%的人都在干农活。等到农业只剩2%的劳动力时，剩下那98%的人干什么去了？他们并没有失业，而是进入了那些当年根本不存在的新行业。

未来也一样：“软件工程师”这个职业，100年前没人听过；“网红”这种岗位，以前根本没人能理解。将来我们也许会看到“直觉编程（vibe coding）”成为新的基本技能，人人都会一点。

所以结论是这样的：通缩压低生活成本；大量人选择减少工作甚至退出工作；与此同时，全新岗位与公司大量涌现，反而人手不够。

 哈里  这真是完全反主流叙事。现在大家都在担心AI会让几百万人失业，而你反过来说：我们反而缺人来填新岗位。

 乔纳森  没错，这就像过去人们曾担心全球会大规模饥荒，结果我们生产力提高了，人类反而过剩。

人们总是低估技术变革对经济结构的影响。

 哈里  说到变革，你怎么看特朗普及其团队对美国AI发展的影响？是加速器还是障碍？

 乔纳森  整体上是加速器。他们在一些制度层面确实做了简化，比如审批流程。从政策角度看，他们对AI的态度是积极的。

 哈里  你刚刚提vibe coding，我得追问一下。你觉得这会成为一个长期趋势吗？很多人觉得这类新工具只是过渡产品，你怎么看？

 乔纳森  我觉得vibe coding的发展路径就像读写能力。

早年只有一小部分人识字，识字的人就能当抄写员，这是个技能型职业，待遇也很好。

编程现在也是同样的处境。

但将来，每个人都会读写代码，不是为了当程序员，而是因为这变成了所有行业的基本能力。

做市场的人需要写自动化脚本；做客服的人也可能需要处理系统逻辑。

我有个朋友开了25家咖啡店，从没写过一行代码。他用vibe coding做了一个简单的库存系统，能看每家店的存货情况。

一行代码没写，全是靠自然语言生成的。

后来他开始遇到各种小bug，“这个按钮点不了”、“那个页面卡住了”……完全是我们工程师日常处理的场景。

他也开始自己修这些问题，用的还是vibe coding。

这才是真正的趋势：人人会一点点写代码，它像读写能力一样融入生活。

为何力求保持低利润率

 哈里  在这样一个指数级增长的世界里，我想问个现实问题，保持低利润的策略有意义吗？比如你们自己开发的AI平台，毛利其实并不高。那低利润是不是一种劣势？

 乔纳森  我是这么来看的：利润的真正意义，是给你抗波动的缓冲垫。

如果你利润率很低，一遇到融资困难或市场波动，你就可能扛不住。下一轮钱可能融不到；银行可能不愿意放贷。

但有利润，你就有实力留在牌桌上。

当然，利润高也意味着容易引来竞争者。有句老话说得好：“你的利润，就是我的机会。”

所以这始终是一种权衡：你要在“稳定性”和“护城河”之间做选择。

 哈里  那你们公司内部是怎么思考利润空间的？

 乔纳森  我认为公司必须有利润空间，但这份空间，应该优先回馈给客户。

你得有灵活性，能让也能收。这样在市场上你才会处于有利位置。

我曾经面试一位CFO候选人，虽然最终我们请的是另一位，但那位候选人说了一句很有意思的话：我们可以用提价来降低需求。

 哈里  听上去挺合理，从经济学角度也说得通。

 乔纳森  对，逻辑上讲得通。

但我反问：那我们是不是也可以滥用品牌信任？是不是也可以用客户对我们的信任，去卖他们并不需要的东西？

品牌价值是有价值的。你应该让品牌信任度维持在尽可能高的水平。

因为信任是有复利效应的。

同样的道理，我认为利润率也应该低到一个水平，让客户觉得你始终在给他们一个好价格。如果你赚得太狠，你就是在和客户对立。

我希望我们的利润率是在不影响公司稳定运营的前提下，尽可能低的。

我的现金流来自哪里？来自销量的增加。而我喜欢算力这个生意的原因是：算力的需求是无止境的。

这就是Jevons悖论（这个悖论由英国经济学家威廉·斯坦利·杰文斯在1865年提出。他观察到：随着蒸汽机效率的提升，单位煤炭可以做更多的工作，人们预期煤炭使用会减少，但实际上，煤炭的总消费量反而增加了。）：你每多生产10倍的算力，就能卖出10倍的量。

只要我们持续降低成本，用户就会买更多。

所以我的目标是持续压低成本、提升销售量、让用户以更低的价格获取更多价值，从而继续买更多。这个飞轮会一直转下去。

 哈里  那我们现在这个成本压降的过程走到哪一步了？

我还记得我们早期节目的时候，我会问一些问题，现在回头看真有点想笑，比如我会担心Canva推AI后利润率会不会被拖低？结果现在一看，AI实施成本已经下降了98%！

你觉得我们这轮成本下降的周期，现在处在哪个阶段？

 乔纳森  我们先往后退一步，还是用你刚才说的Canva做例子。

真正成功的公司，不是盯着利润表看，而是盯着客户。他们在做的，是解决客户遇到的问题。

如果你总是在比价格，那你就输定了。你真正该做的是差异化，去解决客户还没能解决、其他人也解决不了的问题。

客户很乐意为此付费。

如果你只看利润表，好像这笔AI开支不合理；但如果客户通过这项AI服务解决了一个本来解决不了的问题，那就完全合理。

而且通常来说，AI还能带来一个额外好处，即扩大市场规模。比如你两年前用Photoshop，很难用；现在你只需要给个prompt，就能生成图片。

门槛降低了，市场规模自然扩大。你可能单张图片收的费用更低了，但总收入反而提升了，因为你服务了更多人。

AI领域的人才大战进入史上最疯狂

 哈里  让我问个金融问题。现在标普500都快要冲到7000点了，“美股七巨头”一路狂飙，我们已经很久没见过这么集中、这么结构性的上涨行情。可听你讲AI，又感觉这才只是开始而已。

那我该怎么理解这两种看上去矛盾的情绪？一边是市场像要见顶了，一边是AI的潜力看起来无限？

 乔纳森  价值这件事，有两个维度：一个是称重，一个是选美。 

有些资产就是纯选美，比如加密货币。我从来没买过比特币。我为啥错过了？因为我不擅长玩“选美”。我不知道什么会火，什么不会火。对我来说，玩不转的。

我唯一能做的，就是看得见价值。

而当我看向AI，我看到的是真正的、被兑现的价值。

最好的例子是，私募股权（PE）公司现在蜂拥而至。他们想获得低成本的AI算力，因为只要他们能拿到更多便宜的算力，就能直接改变他们被投企业的利润底线。

这是实打实的价值。当PE公司开始抢某样东西时，那绝对不是选美比赛，那是价值驱动。

公司之所以会获得高估值，有两种原因：一种是市场认定，这家公司未来能兑现价值；另一种是它陷入了炒作循环，变成了纯粹的“选美比赛”。

市场上的参与者也不一样，有的人只玩人气投票，有的人真的在看基本面。他们也许会得出相同的投资结论，但出发点完全不同。

如果从价值的角度来看，或者说从“长期称重机”的角度来看，经济中最有价值的，其实是劳动力。而现在，通过提供更强的算力和更好的AI，我们实际上能够向整个经济体系里注入更多“额外劳动力”。

这种事情，在人类经济史上从未发生过。

 哈里  你会不会担心，在短期内如果我们遇到一点波折，鉴于当下价值如此高度集中，会不会使经济的很大一部分被脱轨？

现在大家都在狂飙上涨，但如果英伟达、Meta、谷歌、微软这些公司突然遇到“减速带”，AI这列高速列车慢下来了，那它的乘数效应就会非常惊人。你担心吗？

 乔纳森  我确实会担心。但这不是因为AI本身没有价值，而是因为，这是系统过热之后的自然反应。

你可以把市场想象成一个系统，它本来可以沿着健康轨道增长，但也可能因为过热而失控。

一旦过热，人们就会不断加码，直到某个时刻突然意识到“撑不住了”，然后整个市场迅速回调，甚至跌破合理区间。

在这个过程中，很多原本不错的公司，可能因为信心崩盘、融资断裂而倒下。

但我们也知道，每一次市场调整之后，都会出现一批真正优秀的新公司。

 哈里  那你觉得未来一年会不会出现这种回调？

 乔纳森  这我真的没法预测。

因为预测的前提是：预测本身不能改变结果。但在经济系统里，很多时候预测本身就会引发反馈，那它就不再具备可预测性了。

比如一颗小行星正朝地球飞来——如果我们无力阻止，那就能准确预测它会撞上来。

但如果我们能预测，并因此研发出拦截手段，那预测本身就改变了结局。

你明白问题出在哪了吗？

 哈里  懂了。

 乔纳森  在经济系统中，你甚至不需要改变“实际的东西”，只要资金流动的方向变了，系统就会剧烈波动。

正因为这些反馈机制太敏感，所以经济走势很难预测。

我没法告诉你明年经济会怎样。我唯一能说的，是我现在在AI领域看到的最大问题：

如果你发现一个优秀的工程师，就算你愿意雇他，他可能也不会加入你，因为他可以自己出去融到10万、2000万，甚至1亿美元。

他会怎么做？当然是去自己创业。

这就导致我们很难在一家初创公司里聚拢关键人才。

但从另一个角度看，AI本身也在提升小团队的效率，哪怕人才被分散了，事儿照样能做成。

 哈里  你觉得现在的市场，是不是已经有点过热了？

 乔纳森  判断市场是否过热，有一个很简单的指标：这个经济系统有没有在阻碍公司取得成功？如果没有，那我不觉得它过热。

 哈里  但你看，现在资本太充足了，反而让你们这些公司招不到好人。很多人拿到钱后，不愿意加入Groq，而是自己出去创业……

 乔纳森  对啊，所以我现在都得说：“拜托你们，别再这样了（笑）。”

不过话说回来，AI确实让每个人都变得更高效了。

所以也许，即使经济还在高歌猛进，各家公司依然能持续成功。

谁知道呢？我们从没经历过这样的时代。

 哈里  那现在的人才大战，是不是已经疯狂了？

 乔纳森  绝对是。这是有史以来最激烈的一次，但只发生在科技行业。

OpenAI和谷歌进入“双雄争霸”

 哈里  我们看看体育行业，其实它一直都挺疯狂的，尤其这几年更甚。

你回头看二三十年前，顶级运动员的薪资，也就和现在的科技从业者差不多。只不过，人们逐渐意识到，真正有价值的是那些顶尖人才。

但体育行业有很多限制：球队数量有限，还有工资帽。科技行业完全不一样，这里没有上限。你可以有无限支“球队”、无限家初创公司。

你想想，如果谁都能组建自己的橄榄球队，那球员的薪资会涨到什么程度？整个联赛的估值又会变成什么样？

那现在有没有哪家公司让你印象最深？又有没有哪家让你感到担忧？

 乔纳森  我觉得变化最显著的是谷歌。

谷歌长期有一个结构性优势：公司文化允许工程师自由提出好点子，而管理层的职责就是别挡路。

这其实是一种很强的系统性优势。

 哈里  你觉得Gemini算是他们的一次成功吗？

 乔纳森  算的。光看用户使用量就很不错了。

 哈里  那你怎么看Gemini在消费级产品里的整合？

 乔纳森  老实说，还不够好。它虽然被整合进了Gmail，但基本没什么人能真正用上。它也出现在其他产品里，但感觉就像是仓促塞进去的，整体体验还不成熟。

不过现在还不能下结论，至少他们正在通过这些入口收集用户数据，这对未来产品方向会很有帮助。

这让我想起当年的Google TV，一开始是个彻底的失败，但他们不断迭代，最终变成了Google Chrome。

这是一条典型的产品路径：公司先推出一个半成品，挨骂，忍住，然后不断优化，最后做出真正出色的产品。

 哈里  但前提是你得有分发渠道的优势，才能扛得住那些批评。而现在，OpenAI已经把这种先发优势大大缩小了。

 乔纳森  确实如此。谷歌可能确实慢了一步。这其实就是一个经典问题：大公司能否在初创公司掌握分发之前完成创新？

现在的现实是，初创公司已经抢下了分发权。OpenAI的产品被全球10%的人口在使用，这太惊人了。你现在很难想象OpenAI会突然消失，我觉得基本不可能。

 哈里  所以我们现在进入了“双雄争霸”阶段？

 乔纳森  没错，就是OpenAI和谷歌。Anthropic其实做的是另一件事。

 哈里  你是说，Anthropic更专注于代码生成，而OpenAI和谷歌都聚焦在聊天机器人？

 乔纳森  OpenAI做聊天机器人，谷歌也做；谷歌做代码生成，OpenAI同样在做。

 哈里  那你们团队现在最常用哪个工具？

 乔纳森  最近，工程师更偏向用Codex，而不是Anthropic的工具。

 哈里  哇哦。

 乔纳森  而且这个偏好几乎是按月在变。

我们的原则是：不规定用哪个工具，但有一条铁律——必须用AI。

不用AI，你根本没有竞争力。

我们看到他们之前用Sourcegraph，后来用Enro，现在转到Codex，下个月可能又切回Sourcegraph。

 哈里  那在这么频繁切换的情况下，这些工具还有持久价值吗？

 乔纳森  我们那批工程师都是一线的。哪个工具好，他们就马上切过去。

当然不是所有人都这样，但我们这个圈子里很多人确实是。

但企业客户不一样。他们签的是一年、甚至更久的合同，一般不会轻易更换工具。

OpenAI和Anthropic都被严重低估了

 哈里  那如果现在让你选：OpenAI估值5000亿，Anthropic1800亿，你投哪家？

 乔纳森  我两个都投。

 哈里  你会？！

 乔纳森  当然。它们都被严重低估了。

很多人还把它们当成是在一个有限市场中抢份额的竞争者。但实际上，他们做的事，是在不断把这个市场的上限抬高。

 哈里  那我们顺着这个牛市逻辑往下推：这两家公司能走多远？

 乔纳森  我觉得现在的科技巨头还能继续涨很多。

但为什么AI实验室不能追上来？“七巨头”会涨，AI实验室也能追上，这两件事并不矛盾。

真正的问题是：AI实验室最终会不会超过“七巨头”？

（聪投注：像OpenAI前首席科学家、联合创始人伊利亚·苏茨克维尔（Ilya Sutskever）2024另起炉灶，就是和团队创办了一个新的AI实验室Safe Superintelligence（简称 SSI）。它的目标很硬核：不急着做产品和商业化，而是做更强的模型+更安全的对齐，走的是典型的“顶级研究团队先建底座”的路线。）

 哈里  你觉得决定因素是什么？

 乔纳森  我不知道。但说真的，我觉得他们最终可能会融合出新的Mag Nine（九巨头）。

 哈里  那可能就不止是Mag 9，而是Mag 11、Mag 20了。你觉得AI实验室未来会不会涉足应用层，把这一层也一并拿下？

 乔纳森  这是所有成功科技公司的自然路径。它们开始做客户原本在做的事，不断上探技术栈，把客户的业务一口吞掉。

然后又会有新一代创业者在它们头上继续搭建新层。

比如OpenAI。你们节目里萨姆·奥尔特曼就说过一句话：如果你只是在OpenAI上做一点小修小补的产品，你很快会被淘汰。他只是在诚实地说出一个事实。

而我们这边，选择了一条不同的路：我们不做模型本身，不训练自己的大模型。

这就像在地上画了一条线：你可以放心在我们这层基础设施上构建，因为我们不会和你竞争。

当然，也可能我们错了。也许哪天我们会被自己的客户反向吞并。

但这也意味着，你可以信任我们不会动你的奶酪。

 哈里  但这听上去也是个挺花钱的决定。你要自己训练模型，那得烧多少钱啊？

 乔纳森  非常烧钱。

 哈里  说到钱，你们最近不是刚融资吗？

 乔纳森  我们刚融了7.5亿美元，估值差不多是70亿美元。

 哈里  太厉害了，恭喜！但说真的，够用吗？

 乔纳森  其实我们原本只打算融3亿。

你刚才也提到盈利的问题。对我们这类做硬件的公司来说，其实还好。和做模型的公司不同，我们卖硬件是可以盈利的。

 哈里  我还以为你们的硬件是亏本卖的？

 乔纳森  不，我们卖硬件是赚钱的。

软件就要看情况了。有些模型在我们芯片上跑是赚钱的，有些能覆盖运营成本但资本开支回报不够，我们对资本支出是很谨慎的。

卖硬件我们肯定是赚钱的。哪怕是那些利润最薄的模型，只要我们芯片寿命够长，依然有望盈利。现在我们只是还不知道这些芯片能撑多久。

 哈里  那长期来看，你们的毛利率走势如何？未来利润率会不会越来越高？

 乔纳森  这就是我们作为一家私营公司的小优势之一，我可以选择不告诉你。（笑）

 哈里  但你要是愿意说，那就太好了（笑）。

 乔纳森  我们能保留的好处也就剩这点了！

 哈里  确实，你们没有锁仓期，退出也更灵活。

 乔纳森  但我从来没卖过一股。真的，从来没有。

 哈里  那你可真不懂游戏规则。（笑）回到利润率本身，你们是怎么看的？

 乔纳森  我还是坚持之前的观点：只要业务不出现剧烈波动，我希望我们的利润率越低越好。

利润率的意义在于缓冲不确定性，当你需要资金时可以适当涨价，带来现金流；但平时，价格应该尽量压低。

现在对算力的需求极高。如果某个客户非常着急，我们可以对他小幅提价，从而维持其他客户的低价。

英伟达市值肯定会冲上10万亿美元

 哈里  那你能预测一下五年后的芯片格局吗？

 乔纳森  我认为五年后，英伟达的营收份额仍会超过50%，但它的出货量可能不到市场的一半。

 哈里  你是说，它能拿到一半以上的收入，但只卖出了不到一半的芯片？

 乔纳森  对。品牌本身就值钱，能支撑更高的售价。但这也意味着它会“失去饥饿感”，利润率很高，客户还是会买——因为买英伟达的产品，不容易出错，不会被炒掉。

这是个好生意，依旧有价值。如果你投资英伟达，大概率不会错。

 哈里  但从客户的角度看，现在这个市场的集中度非常高——也就三十来家公司，就占了90%、甚至99%的采购支出。对他们来说，决策时绝不会只看品牌，而是要看哪种产品真正能提升自己的业务表现。所以，未来一定会有越来越多不同芯片加入竞争，因为这些大客户本身就拥有很强的议价能力。

你刚才说“投资英伟达基本不会错”，那你怎么看，五年后英伟达有没有可能冲到10万亿美元市值？

 乔纳森  如果五年后它还没到，我会很惊讶。不过真正该问的是：Groq能不能做到十万亿？

 哈里  你觉得有可能吗？

 乔纳森  当然有。我们不像英伟达那样受限于供应链，现在我们是全世界最有能力扩产算力的公司。

而算力，正是这个时代最稀缺的资源。所有人都在高价抢算力，而我们可以几乎无限地供给它。

 哈里  那你觉得市场还没理解Groq哪些价值？

 乔纳森  这得看是哪一个月。（笑）

比如“多用户能力”这块，大家原以为我们做不到，结果我们展示了可以在同一块芯片上并行支持多个用户。

 哈里  这是因为你们用SRAM架构？

 乔纳森  没错。但你知道我被问得最多的问题是什么吗？“SRAM不比DRAM贵多了吗？”

答案是，确实贵。

粗略说，SRAM每bit的成本大概是DRAM的3到4倍。这还是单就结构说的，不算其他开销。

 哈里  能简单说说这两者的区别吗？

 乔纳森  打个不严谨的比方说，SRAM是芯片内部的内存，DRAM是外部内存。

设计上，SRAM要用6~8个晶体管，DRAM只用1个电容+1个晶体管，所以SRAM占的硅面积更大，自然也更贵。我们还是在3纳米制程上部署SRAM，成本更高。

综合下来，SRAM每bit成本可能是DRAM的10倍。

但我们真正关注的，是系统层面的总成本。

比如我们跑Kimi模型，是在4000块Groq芯片上部署的，而别人用8块GPU。这意味着我们只需要保留一份模型副本，而GPU系统得保留500份，消耗的是500倍的内存。

所以虽然SRAM贵，但DRAM花的钱可能更多。这就是典型的“别只看芯片单价，要看整个系统效率”。

现在我们已经从系统层面优化，拓展到全球层面了。

我们在全球有13个数据中心，覆盖美国、加拿大、欧洲、中东。我们会根据不同区域的输入输出特征，在不同数据中心部署最合适的模型。甚至有些中心完全不部署某些模型，而是由其他地区动态调度。

我们不是做单点最优，而是做全球负载均衡。

Groq现在要解决的核心问题是如何满足巨大需求

 哈里  那我问个哲学一点的问题：如果你现在完全不怕失败，你会做什么？

 乔纳森  换个角度说吧，我们现在还有哪些风险没加码？

有一个明显的选择是：把供应链订单直接翻倍。我们的供应链响应周期是6个月，已经比几乎所有公司都快。

 哈里  那你们现在的供需缺口到底有多大？

 乔纳森  就说上周吧，有客户找我们，说他们需要的是当前算力的5倍。我们不能简单地说翻倍产能就够了。你得让产能不仅变多，还要足够大。

所以我们的风险选择是：要不要再翻一倍产能建设速度？

我们刚完成了一轮融资，本来计划融3亿，结果融7.5亿美元，直接翻倍，而且超额认购了4倍。

我们其实可以融更多，只是我对稀释比较谨慎，也在替投资人考虑。如果愿意接受更多稀释，我们完全可以新建更多算力中心。

而且我们还有一个关键优势：在同样推理速度下，我们的“每token成本”远低于同行。

这意味着我们有更强的价格竞争力，而这，才是真正对客户有价值的东西。

 哈里  你是说客户对价格这么敏感？

 乔纳森  不是敏感，也不是抠门，而是因为只要你把价格砍半，他们就能买两倍的算力。每一块钱的投入，都能直接提升模型的输出质量。

 哈里  你们未来会考虑上市吗？

 乔纳森  我们现在的全部精力都放在执行层面。

上市是另一种玩法，而我们现在要解决的核心问题只有一个：能不能满足市场对计算资源的巨大需求。

 哈里  那你觉得Cerebras之前准备上市，后来又放弃，说明了什么？

 乔纳森  他们不是最近才正式宣布不上市了吗？这就已经说明了一切（笑）。

不容错过的快问快答环节

 哈里  来玩一轮快问快答吧。现在大家对英伟达最大的误解是什么？

 乔纳森  以为他们的软件是护城河。CUDA的锁定效应根本是个神话。

 哈里  真的吗？

 乔纳森  在训练端也许是，但在推理端完全不是。我们现在已经有220万注册开发者在用Groq。英伟达说他们有600万CUDA用户？拭目以待吧。

 哈里  如果你现在才创办Groq，英伟达已经市值四万亿，AI热潮已成，你还会选择做芯片吗？

 乔纳森  不会了。这条船已经开走，现在做芯片就太晚了。

 哈里  可现在还有很多芯片初创公司刚刚起步，而且拿到不少大钱。你觉得他们也来晚了？

 乔纳森  太晚了。我当初之所以做芯片，是因为我在谷歌做过TPU，也和Google Brain的朋友一起，在ResNet50上做过最强分类实验，我们当时把所有模型全都击败了。

我完全可以去做算法，甚至做形式逻辑方向的AI。但我选了芯片，因为芯片有时间护城河。

风投机构常会问我：“你们的模式别人能不能复制？”

我说：当然能。但他们永远落后我们三年。

从设计到量产，哪怕执行完美也要三年。而我已经做了三个芯片项目，现在全部进入生产或准备量产阶段。

而且我们还是A0 silicon（一次流片成功）。你知道全球有多少芯片能一次成功？只有14%。

 哈里  所以每次流片失败的概率是86%。那你们做V2芯片的时候也预留了失败重做的预算吗？

 乔纳森  当然，我们本来就计划好第一次不成就再来一次。结果，出人意料地，一次就成功了。这是完全不可预期的。

所以我说“芯片开发周期是三年”，那是在一切顺利的前提下。

英伟达也差不多三到四年开发一代，但他们是多条产品线并行推进。

而我们Groq已经进入了“一年一代”的节奏：V2之后是一年内推出V3，再一年是V4。

 哈里  你怎么看拉里·埃里森和甲骨文的“二次崛起”？

 乔纳森  很聪明的商业判断，加上非常快的执行力。

现在很多人都在犹豫：AI会不会过热？我们该不该继续投？而甲骨文的选择是：直接上，不犹豫。

这就是赢的方法。你现在看到所谓的“贪婪市场”，其实只是少数几位行动迅速的人在赚大钱。

 哈里  如果我是投资人，哪些地方该贪婪，哪些地方该恐惧？

 乔纳森  你知道哈密尔顿·赫尔默的《七种力量》（7 Powers）吧？只要你能看到护城河，就该贪婪。

现实是，大多数公司根本没有护城河，特别是在早期阶段。

你要做的是：预判谁能构建出护城河。

所以我们应该给这种“护城河还没建立”的项目起个新名字：pre‑mo，也就是pre‑moat的简称。

 哈里  过去一年，你在哪些问题上改变了想法？

 乔纳森  严格说不是改变，而是不断聚焦。我们现在对“yes”的门槛越来越高，反而让业务变得更高效。

我以前觉得“保留选项”很重要，现在我觉得，聚焦才最重要。

当然，早期如果没有广泛尝试，我们也不会走到今天。但现在，我们只做最可能赢的那条路径。

 哈里  你觉得埃隆·马斯克能把Grok和xAI做成功吗？

 乔纳森  我觉得可以，但它们的终局形态可能和别人不一样。

每次出现一个新赛道，大家都以为彼此是竞争关系，其实未必。Anthropic就做得很好，他们聚焦在代码生成，做得极致。

xAI的策略是把chatbot融入社交场景，和社交网络结合得很好。我不会用他们的模型去写代码、搞科研，虽然他们也有代码模型，但他们没有代码的分发渠道。

市场会自然分化。就像现在的“七巨头”，每家公司业务有重叠，但核心方向不同。如果你不能做出差异化，你就会被淘汰。

 哈里  那你怎么看谷歌、微软、亚马逊？三选一，你买谁，卖谁？

 乔纳森  这取决于你怎么看时间维度。

短期内，微软可能会有些调整，毕竟它和OpenAI的关系现在有点微妙。但从长期来看，他们没问题，仍然很强。

 哈里  你觉得这对微软的打击是实质性的吗？

 乔纳森  不会。短期有影响，但长期无碍。

他们在OpenAI有股权，又能用Anthropic的工具，等于是“两头下注”。

再加上，他们已经投入了大量算力。哪怕OpenAI以后换算力供应商，微软手里的算力本身就是黄金，非常值钱。

至于亚马逊，我觉得他们缺乏AI的基因。

你刚才没提Meta，但Meta和谷歌一直有很强的AI文化。

微软靠OpenAI补上了，而亚马逊目前还没补上。不过他们至少有基础设施。

 哈里  最后一个问题。我想用一个积极的话题收尾：未来五到七年，有什么是你最期待的？

 乔纳森  我最期待的，反而是很多人感到害怕的东西。

我说的是，AI带来的影响。

我们可以用伽利略做个类比。

几百年前，伽利略让望远镜普及开来。那时人们第一次通过望远镜看清宇宙，才意识到宇宙远比想象更浩瀚，人类也因此显得无比渺小。那一刻让人恐惧。

但随着时间推移，我们逐渐明白：虽然我们渺小，但宇宙却更壮丽、更美。

今天，大语言模型（LLMs）就像“心智的望远镜”。它们让我们感到自己的智能渺小，是因为它们放大了“智能”这个概念的边界。

但我相信，100年后我们会意识到：原来，智能的世界，比我们想象得要辽阔得多。那会是一件美丽的事。

 

风险提示: 投资涉及风险，证券价格可升亦可跌，更可变得毫无价值。投资未必一定能够赚取利润，反而可能会招致损失。过往业绩并不代表将来的表现。在作出任何投资决定之前，投资者须评估本身的财政状况、投资目标、经验、承受风险的能力及了解有关产品之性质及风险。个别投资产品的性质及风险详情，请细阅相关销售文件，以了解更多资料。倘有任何疑问，应征询独立的专业意见。