研究机构 SemiAnalysis 的首席分析师（Dylan Patel）深度采访AI算力产业链前瞻

1. AI的普及从根本上改变了哪种商业逻辑?

过去 = 想法很廉价 + 落地执行非常困难。

现在 = 想法满天飞且廉价 + 落地执行极其容易（通过AI）。

这意味着→只有真正高质量的想法，才配得上投入算力去执行。用大白话总结就是，执行力不再是护城河，资本和团队的重心必须转移到“如何选择正确的想法”以及“如何销售AI产出的结果”上。

2.企业疯狂购买AI Token的驱动力是什么? 如果不跟进会有什么后果?

核心驱动力 = 效率的极度杠杆化。例如一个人花几千美元买Token，就能在几周内干完以前百人团队一年的活（如芯片逆向工程分析、全美电网建模）。

结果 = 产生“幽灵GDP”（Phantom GDP），即实际产出大幅增加但成本骤降，导致传统GDP统计失真。

如果不跟进→必然面临降维打击。如果你不消耗更多Token去创造并捕获超额价值，你就会沦为“AI时代的永久底层”，很快会被动作更快的同行完全商品化并淘汰。

3. 当前AI算力的供给瓶颈到底卡在哪里?

表面上看 = 英伟达GPU供不应求，且旧卡使用寿命在大幅延长（从5年延至7-8年），推高了云厂商的毛利。

深层瓶颈 1 →内存（DRAM）：产能扩充极慢，新增绝对供给要到2028年才能就绪，这意味着内存价格还会再翻两到三倍。

深层瓶颈 2 → CPU：强化学习环境的评分机制和大量AI生成的代码运行需要极多CPU，导致CPU完全脱销。

深层瓶颈 3 →台积电（TSMC）与边缘材料：台积电资本支出在2028年可能飙升至1000亿美元，而铜箔、PCB玻璃纤维等不起眼的边缘供应链也已经全部满载，全行业都在靠“天价预付款”抢产能。

4. 大模型层的竞争格局和Token经济学呈现什么趋势?

现状 = Anthropic凭借Opus 4.7和内部的“Mythos”模型暂时领先，甚至通过限制释放节奏来控制风险，利润率极高（>72%）。

算力争夺 = Anthropic受限于算力总量，而OpenAI通过疯狂融资和囤积算力（联合微软、甲骨文等）试图用算力规模弯道超车。

核心结论→ Token需求远超基础设施的承载能力。即便二线、三线大模型厂商，也会因为头部算力不足而“卖断货”。基本上就代表，只要你能造出优质Token，市场就能全盘吃下。

5. 为什么预测短期内会出现大规模的反AI抗议?

起因 = AI带来的巨大商业重组会让普通人感到恐惧，大众会倾向于将长期存在的社会问题归咎于AI。

催化剂 = AI巨头（如Sam Altman和Dario）的公众沟通策略极差 + 频繁渲染“AI将改变世界/取代工作”的宏大叙事，加剧了普通人的焦虑感。

美股投资网应对建议→行业必须停止渲染未来的恐怖能力，转而展示AI在当下的正面赋能作用，否则公众的愤怒很快会被政客或网红武器化，引发大规模抵制。

Dylan Patel人物背景：

研究机构 SemiAnalysis 的首席分析师（Dylan Patel）深度拆解 GPU（尤其是 Nvidia）

分析 AI 算力供需（谁缺芯片、谁在囤货）

跟踪产业链（ASML设备→台积电→云厂商→ OpenAI等