[คอยติดตามบทสัมภาษณ์ของฉันในสัปดาห์นี้ (11 กันยายน!) เกี่ยวกับ AI กับ Erik Townsend ใน Macrovoices พอดแคสต์เศรษฐศาสตร์มหภาคอันดับต้นของโลก]
เมื่อสัปดาห์ที่แล้ว ฉันเผาผลาญโทเค็นไปสี่พันล้านโทเค็นในวันเดียว
ไม่ใช่บริษัทของฉันนะ ฉันคนเดียว คนคนเดียว คีย์บอร์ดเดียว บัตรเครดิตใบเดียวที่ร้องครวญครางอยู่ตรงมุมห้อง
เป็นเวลา 17 ปีแล้วที่ฉันพยายามให้ทีมของฉันจัดทำรายงาน Daily Stats ให้เสร็จภายใน 9:30 น. ว่าเกิดอะไรขึ้นข้ามคืนกับ Freelancer อะไรขึ้นหรือลง และ เพราะอะไร? ส่วนหนึ่งเพื่อทำความเข้าใจสิ่งที่เกิดขึ้นในธุรกิจ และอีกส่วนหนึ่งเพื่อขับเคลื่อนความรู้ด้านข้อมูล แต่ถึงแม้ทีมของฉันจะมีความสามารถสูง ฉันก็ล้มเหลวในการมีรายงานตอนเช้าที่ตรงเวลาอย่างสม่ำเสมอ สาเหตุส่วนหนึ่งมาจากการหมุนเวียนรายงานไปยังพนักงานทุกคนในบริษัท อีกส่วนหนึ่งเพราะเราทำงานในเขตเวลาที่แตกต่างกัน และอีกส่วนหนึ่งก็เพราะพวกเขาเป็นมนุษย์นี่แหละ รายงานนี้แทบจะไม่เคยมาถึงภายใน 9:30 น. บางทีก็ 10:30 น. บางทีก็ช่วงบ่าย บางทีก็ไม่มาเลย (อาจจะมีคนป่วย ลืมว่าถึงตาตัวเอง หรือกำลังยุ่งกับเรื่องเร่งด่วน)
ฉันเสียบเอเจนต์เข้ากับฐานข้อมูลของเรา ระบบวิเคราะห์ของเรา โค้ดเบสของเรา และระบบจัดการคำขอของเรา และตอนนี้ฉันมี Daily Stats ส่งมาทุกเช้าตอน 7 โมง ในรูปแบบ คุณภาพ และความซับซ้อนที่เหนือกว่าสิ่งที่ทีมมนุษย์คนไหนจะรักษาไว้ได้อย่างยั่งยืน สิบเจ็ดปีแห่งการออกแบบกระบวนการ แก้ไขได้ด้วยการเอาตารางเวรออกไป รายงานไม่ใช่ปัญหาด้านความสามารถ มันคือปัญหาด้านระบบอัตโนมัติ และระบบอัตโนมัติคือสิ่งที่เครื่องจักรมีไว้ทำ
ตอนนี้ฉันเขียนเอเจนต์ไปประมาณห้าสิบตัวเพื่อเรียกใช้เวิร์กโฟลว์สำหรับทีมต่างๆ ภายใน Freelancer พวกมันสร้างรายงาน ประมวลผลคิว ตอบคำถาม ทำเวิร์กโฟลว์ กระทบยอดสิ่งต่างๆ ไล่ตามสิ่งต่างๆ และฉันทำทั้งหมดนี้ภายในเวลาเดือนเดียว ฉันยังคงดำเนินกระบวนการให้ Daily Stats ถูกผลิตโดยมนุษย์เช่นกัน เพื่อสร้างความรู้ด้านข้อมูลทั่วทั้งบริษัท และตอนนี้ฉันมีเอเจนต์ที่คอยสอนและวิจารณ์รายงานเหล่านั้นอย่างทะลึ่งๆ เมื่อมัน (ในที่สุด) ออกมา
เอเจนต์ของฉันทำงานในขณะที่ฉันนอนหลับ ซึ่งฟังดูดีมาก จนกระทั่งคุณรู้ว่ามิเตอร์ก็ทำงานในขณะที่ฉันนอนหลับด้วย
มันบ้ามาก ฉันสร้างเอเจนต์จัดการคำขอเพื่อเขียนบั๊กและคำขอฟีเจอร์จากเอเจนต์รายงานบั๊กที่ฉันเขียนขึ้นเพื่อสแกนรายงานที่ผู้ใช้สร้างขึ้น และเอเจนต์อื่นๆ เช่น ตัววิเคราะห์เงินฝากของฉันที่สแกนหาปัญหาการชำระเงิน ก็เริ่มส่งบั๊กให้เขียนขึ้น โดยไม่ต้องขอ

deposit-analyser เริ่มป้อนบั๊กให้ phab-ticketer ด้วยตัวเอง
ฉันถูก 'ปลุกผี' อย่างถ้วนทั่วโดยผลิตภัณฑ์ของตัวเอง
มันคือ Factorio ในชีวิตจริง IYKYK
ถ้าคุณไม่รู้ว่าฉันหมายถึงอะไร งั้นห้ามดาวน์โหลด Factorio และเปิดมันขึ้นมาเด็ดขาด ไม่ว่ากรณีใดๆ ทั้งสิ้น มันคือเกมเกี่ยวกับการสร้างโรงงาน มันเสพติดยิ่งกว่าโคเคน และไม่เหมือนโคเคนตรงที่มันมาพร้อมกับไฟล์เซฟ คุณจะตื่นขึ้นมาตอนตี 4 เพื่อปรับปรุงสายทองแดงที่คุณจะรื้อทิ้งตอนตี 5 เพราะโรงงานต้องเติบโต และโรงงานไม่มีวันเสร็จ

โคเคนแตก
ซึ่งเป็นวงจรจิตวิทยาเดียวกันกับการรันเอเจนต์: คุณไม่ได้ทำงานอีกต่อไปแล้ว คุณกำลังปรับปรุงสิ่งที่ทำงาน และปรากฏว่านั่นคืองานที่เสพติดที่สุดในโลก Factorio คือเครื่องจำลองการฝึกสำหรับ AI แบบเอเจนต์ และไม่มีใครรู้เลย
เป็นเวลาสามปีที่ฉันเขียนว่าตัวเลขที่สำคัญใน AI ไม่ใช่พารามิเตอร์ แต่เป็นโทเค็น ใน Pay per PrAI ตัวร้ายคือโทเค็นต่องาน — ห่วงโซ่การให้เหตุผล ภาษีบริบท โมเดลที่วนเป็นวงกลมโดยที่คุณต้องจ่าย ฉันอธิบายการจ่ายต่อโทเค็นว่าเป็นการเอา บัตรเครดิตของคุณใส่ในเครื่องสล็อต
AI แบบเอเจนต์คือสิ่งที่เกิดขึ้นเมื่อคุณส่งมือจับเครื่องสล็อตให้กับเครื่องสล็อตอีกเครื่อง
ตอนนี้ฉันใช้สี่พันล้านโทเค็นต่อวัน และฉันยังไม่ได้เริ่มเลยด้วยซ้ำ เอเจนต์ห้าสิบตัวนั้นเป็นรุ่นแรก เขียนด้วยมือ และรันเวิร์กโฟลว์เพียงไม่กี่อย่าง ทันทีที่พวกมันเริ่มสร้างเอเจนต์ย่อยของตัวเอง ทันทีที่พวกมันเริ่มเฝ้าดูแลธุรกิจแทนที่จะทำงานเฉพาะกิจ การเผาผลาญของฉันจะไม่เพิ่มขึ้น มันทวีคูณ ความต้องการของผู้ใช้แชทมีขีดจำกัดที่ความเร็วในการอ่าน ความต้องการของผู้ใช้เอเจนต์มีขีดจำกัดที่ความทะเยอทะยาน ไม่มีจุดอิ่มตัว มีแต่งบประมาณ และความทะเยอทะยานไม่เคยเคารพสิ่งเหล่านั้น

AI-gent, Provocateur
ลอกเปลือกประกายคีย์โน้ตการประชุมออกไป เอเจนต์ก็คือสี่สิ่ง: โมเดล เครื่องมือบางอย่าง เป้าหมาย และระบบอัตโนมัติที่ทำงานจากทริกเกอร์ (เช่น มีบางอย่างถูกแทรกในคิว เหมือนลูกค้าใหม่มาถึง ตัวจับเวลา หรือลูป)

กายวิภาคที่สมบูรณ์ของเอเจนต์ AI การวัดค่าต่างๆ เชื่อถือได้พอๆ กับ benchmark
ระบบอัตโนมัติคือนวัตกรรม และระบบอัตโนมัติคือใบแจ้งหนี้ ทุกครั้งที่วนรอบลูป ตัวอย่างเช่น เอเจนต์จะอ่านบริบทของมันอีกครั้ง พิจารณาแผนของมันอีกครั้ง เรียกใช้เครื่องมือ ตรวจสอบผลลัพธ์ และวนรอบอีกครั้ง ภาษีบริบทที่ฉันบ่นในบทความก่อนหน้านี้ทวีคูณ เอเจนต์คือโมเดลการให้เหตุผลที่มีสมาชิกฟิตเนสที่มันใช้จริง
ผู้ใช้แชทเผาผลาญโทเค็นขณะพิมพ์ มีขีดจำกัดอัตราตามธรรมชาติในอุตสาหกรรมทั้งหมดอยู่เสมอ: ความสนใจของมนุษย์ คุณสามารถพิมพ์พรอมพ์ได้จำนวนหนึ่งต่อวัน ได้รับคำตอบจำนวนหนึ่ง อ่านผลลัพธ์ได้จำนวนหนึ่ง ทุกยุคของการประมวลผลก่อนหน้านี้ถูกจำกัดโดยมนุษย์ที่คีย์บอร์ด
เอเจนต์กำจัดมนุษย์ออกไป ตอนนี้ คอมพิวเตอร์ทำงานในขณะที่เรานอนหลับมาตลอด งาน Cron, การรันแบบแบตช์, ระบบเทรดดิ้ง: วิทยาการคอมพิวเตอร์ทั้งหมดคือระบบอัตโนมัติ และฉันพูดแบบนั้นในทุกบทความเหล่านี้ แต่ทุกระบบเหล่านั้นใช้การประมวลผลตามที่มนุษย์สคริปต์ไว้ล่วงหน้าเท่านั้น งานถูกจำกัดด้วยคำสั่งของมัน เอเจนต์ถูกจำกัดด้วยเป้าหมายของมัน มันตัดสินใจขั้นตอนต่อไปของตัวเอง สร้างงานย่อยของตัวเอง และเผาผลาญโทเค็นในขณะที่คุณหลับ ในขณะที่คุณกินข้าวเที่ยง ในขณะที่คุณอยู่ในประชุมเกี่ยวกับการลดค่าใช้จ่ายโทเค็น ความต้องการในการประมวลผลเคยถูกจำกัดโดยสิ่งที่มนุษย์สามารถระบุได้ ตอนนี้มันถูกจำกัดโดยสิ่งที่มนุษย์สามารถต้องการได้ และความต้องการนั้นขยายขนาดได้ดีกว่าการระบุ

โรงงานต้องเติบโต
สี่พันล้านโทเค็นต่อวันคือสิ่งที่คนที่มีแรงจูงใจคนหนึ่งทำได้ในตอนนี้ คูณด้วยทุกคนที่มีแรงจูงใจบนโลก แล้วบอกฉันอีกครั้งเกี่ยวกับอุปทานล้นเกินในการประมวลผล
OpenAI เคยเข้าใจว่านี่คือเหตุการณ์สำคัญขนาดไหน ไม่นานมานี้ ถ้าคุณเผาผลาญหนึ่งหมื่นล้านโทเค็นผ่าน API ของพวกเขาในหนึ่งปี พวกเขาจะส่งถ้วยรางวัลให้คุณ ถ้วยรางวัลจริงๆ สำหรับการเป็นผู้ใช้ระดับพาวเวอร์ ตอนนี้ฉันเผาผลาญมากกว่าสี่ร้อยเท่าของนั้นก่อนอาหารเช้า และแทนที่จะได้ถ้วยรางวัล ฉันกลับถูกจำกัดอัตราและหมดเวลาถึงเจ็ดชั่วโมง รางวัลสำหรับการใช้งานหนักถูกแทนที่ด้วยการลงโทษสำหรับมัน ซึ่งบอกคุณทุกอย่างเกี่ยวกับสิ่งที่เกิดขึ้นกับเศรษฐศาสตร์ต่อหน่วยในช่วงเวลานั้น

รางวัลของ Retool สำหรับการผ่านหนึ่งหมื่นล้านโทเค็น ถูกใส่กรอบอย่างน่ารักโดยบริษัทที่ตอนนี้รู้ดีว่าโทเค็นเหล่านั้นมีต้นทุนเท่าไรในการให้บริการ
การปรับปรุงโรงงาน
วันที่มีค่าใช้จ่ายสี่พันล้านโทเค็นมีราคาประมาณ 1,300 ดอลลาร์ ประมาณ 900 ดอลลาร์เป็นของ Claude Sonnet ส่วนที่เหลือแบ่งระหว่าง Grok และ Claude Fable ทั้งหมดเป็นโมเดลระดับแนวหน้า ทั้งหมดในราคาที่ประกาศไว้ ตอนนี้ 1,300 ดอลลาร์ฟังดูสมเหตุสมผลจนกว่าคุณจะคำนวณเป็นรายปี: เกือบครึ่งล้านดอลลาร์ต่อปี สำหรับเอเจนต์ของคนคนเดียว
ถ้าฉันใช้สี่พันล้านโทเค็นกับ Opus มันจะเสียค่าใช้จ่าย 80,000 ดอลลาร์ และฉันเพิ่งเริ่มต้นเท่านั้น! ฉันเห็นตัวเองเผาผลาญเพิ่มขึ้น 10 เท่า 100 เท่าได้อย่างรวดเร็ว

Stripe มองดูข้อมูลการเรียกเก็บเงินและคิดว่า เราต้องมีส่วนแบ่ง
มันต้องมีวิธีที่ดีกว่านี้
การผ่านครั้งแรกของฉันกับเอเจนต์ห้าสิบตัว พูดอย่างใจดีก็คือ ไม่มีประสิทธิภาพมากนัก พวกมันกำลังทำสิ่งต่างๆ ในลูป ในโทเค็น ที่ไม่สมควรทำในโทเค็น: การแยกวิเคราะห์ การจัดรูปแบบ การกรอง การสับเปลี่ยนข้อมูลระหว่างระบบ งานที่โค้ดธรรมดาทำมาห้าสิบปี กำลังถูกดำเนินการอย่างแพง โดยโมเดลการให้เหตุผล เพราะในอัตราทดลองใช้ ไม่มีใครสนใจที่จะตรวจสอบ
ดังนั้นฉันจึงทำสิ่งที่ชัดเจน ซึ่งก็คือสิ่งที่แทบไม่มีใครทำ: ฉันบอกให้เอเจนต์ปรับปรุงโค้ดของตัวเอง ผลักดันงานที่กำหนดตายตัวออกจากโมเดลไปยัง JavaScript และสคริปต์และ cron และเก็บโทเค็นไว้สำหรับส่วนที่ต้องการความคิดจริงๆ การผ่านครั้งเดียวตัดค่าใช้จ่ายไป 85%
วันที่มีค่าใช้จ่ายสี่พันล้านโทเค็น เมื่อตรวจสอบแล้ว คือวันที่มีค่าใช้จ่ายหกร้อยล้านโทเค็นที่สวมชุดราคาแพงมาก
แต่ถึงอย่างนั้น
เมื่อคุณตัดส่วนนั้นออกไปแล้ว ความคิดก็ไม่หยุด เพราะการเคลื่อนไหวครั้งต่อไปอยู่ตรงหน้าบนกระดานแล้ว ถ้าฉันสามารถสลับโค้ดได้ ฉันก็สามารถสลับโมเดลได้ เวิร์กโหลดเดียวกันบน GLM-5.3 ซึ่งทำงานไม่เพียงแค่ระดับ Opus แต่ใกล้เคียงกับระดับ Fable มีราคาประมาณ 150 ถึง 200 ดอลลาร์สำหรับทั้งวันเดิม เทียบกับ 1,300 ดอลลาร์ของฉัน เทียบกับ 80,000 ดอลลาร์ของ Opus โทเค็นเดียวกัน งานเดียวกัน ส่วนต่างห้าร้อยเท่าในราคาที่ประกาศไว้ และไม่มีใครต่อรองอะไร
ใครก็ตามที่ถือหุ้น AI ในมูลค่าเหล่านี้ควรกลัวอย่างยิ่งกับความง่ายที่ผู้ใช้ทุกคนสามารถสลับโมเดลได้
ฉันลดต้นทุนการใช้งานลงประมาณ 500 เท่า เพียงแค่พิมพ์ "/model glm-5.3" ลงในเซสชันของฉัน
แค่นั้น

นั่นคือการย้ายระบบทั้งหมด
ไม่มีการเขียนใหม่ ไม่มีโปรเจกต์บูรณาการ ไม่มีที่ปรึกษา ไม่มีการย้ายข้อมูล ไม่มีการฝึกใหม่ ไม่มีวงจรการจัดซื้อหกเดือน 14 การกดแป้นพิมพ์ ลองคิดดูว่าต้นทุนการเปลี่ยนระบบมีหน้าตาอย่างไรสำหรับทุกแพลตฟอร์มเทคโนโลยีในประวัติศาสตร์: การเปลี่ยนผู้จำหน่ายเมนเฟรมใช้เวลาหนึ่งทศวรรษ การเปลี่ยนระบบ ERP เป็นโปรเจกต์มูลค่าร้อยล้านดอลลาร์ที่ทำลายอาชีพ การเปลี่ยนผู้ให้บริการคลาวด์เป็นการเขียนใหม่หลายปี ซึ่งเป็นเหตุผลว่าทำไมมาร์จิ้นของ AWS จึงมีอยู่
แม้แต่การเปลี่ยนระบบปฏิบัติการโทรศัพท์ของคุณก็เสียคุณไปหนึ่งวันหยุดสุดสัปดาห์และสติของคุณ
ประวัติศาสตร์ทั้งหมดของมาร์จิ้นกำไรจากเทคโนโลยีคือประวัติศาสตร์ของต้นทุนการเปลี่ยนระบบ และอุตสาหกรรม AI ได้ส่งมอบผลิตภัณฑ์ที่มีต้นทุนการเปลี่ยนระบบเป็นคำสั่ง slash สิ่งเหล่านี้ไม่ใช่แค่ต้นทุนการเปลี่ยนระบบที่ต่ำ
มันคือต้นทุนการเปลี่ยนระบบที่ต่ำที่สุดในประวัติศาสตร์การค้า ที่ติดมากับการสร้างโครงสร้างพื้นฐานที่แพงที่สุดในประวัติศาสตร์การค้า
ทั้งสองสิ่งนั้นไม่สามารถเป็นจริงต่อไปได้
และถ้าฉันสามารถสลับโมเดลได้ ฉันก็สามารถสลับที่มาของโมเดลได้
มังกรปรากฏตัว
การใช้งานโทเค็นของฉันจะไม่ลดลง
ไม่เคย
85% ที่ฉันประหยัดได้ถูกนำไปลงทุนใหม่ทันทีในเอเจนต์มากขึ้น เวิร์กโฟลว์มากขึ้น ความทะเยอทะยานมากขึ้น — นั่นคือ Jevons Paradox
ความต้องการโทเค็นจะพุ่งขึ้นเป็นรูปพาราโบลา
สิ่งที่พังทลายไม่ใช่ปริมาณ มันคือมาร์จิ้นรวมต่อหน่วยของงาน และใครเป็นคนเก็บมัน
ผลลัพธ์ของวันเดียวกันที่มีมูลค่า 1,300 ดอลลาร์สำหรับ Anthropic มีมูลค่า 150 ดอลลาร์สำหรับ Z.ai ทุกการปรับปรุงประสิทธิภาพ ทุกการสลับโมเดล ทุกกล่องที่ฉันซื้อ ทำให้งานเพิ่มขึ้นและเช็คลดลง และฉันคือลูกค้าคนเดียวที่มีบัตรเครดิต

ไลน์อัพ open weights ไม่มีใครคิดค่าเช่าเมื่อรันบนฮาร์ดแวร์ของคุณเอง
การคาดการณ์รายได้ภายใต้การก่อสร้างศูนย์ข้อมูลมูลค่าห้าล้านล้านดอลลาร์ไม่ต้องการให้ความต้องการโทเค็นเติบโต มันต้องการให้ความต้องการโทเค็นเติบโตในราคาตะวันตกที่หยุดนิ่ง ให้บริการโดย Anthropic และ OpenAI ทุกแรงกำลังดึงไปในทิศทางตรงกันข้าม
แผนของอเมริกาคือโมเดลปิด, frontiers ที่มีประตูกั้น, การเก็บมาร์จิ้น และการควบคุมการส่งออก — ปัญญาเป็นถนนเก็บค่าผ่านทาง แผนของจีนคือสิ่งที่ตรงกันข้ามโดยสิ้นเชิง: โอเพนซอร์สทุกอย่าง รันบนซิลิคอนในประเทศ ตั้งราคาที่ต้นทุนหรือต่ำกว่า และแจกส่วนที่เหลือ ใบอนุญาต MIT บนโมเดลระดับ frontier น้ำหนักบน Hugging Face ในวันเผยแพร่ ระดับฟรีที่จะทำให้แล็บตะวันตกล้มละลาย นี่ไม่ใช่การกุศลและไม่ใช่จุดอ่อน จีนชนะในโลกใดก็ตามที่ปัญญาเป็นสินค้าโภคภัณฑ์ฟรี เพราะข้อได้เปรียบของมันคือการผลิต การปรับใช้ และขนาด และพวกเขามีประชากรหนึ่งพันล้านคน ซึ่งหลายคนไม่สามารถจ่ายได้ถึง 20 ดอลลาร์ต่อเดือน มันแพ้ในโลกใดก็ตามที่ปัญญาเป็นสาธารณูปโภคที่วัดค่าใช้จ่ายแบบตะวันตก ดังนั้นมันจึงเปลี่ยนสิ่งแรกให้เป็นสิ่งที่หลีกเลี่ยงไม่ได้อย่างเป็นระบบ การควบคุมการส่งออกควรจะรัดคอ AI ของจีน แต่กลับสร้างคู่แข่งที่มีกลยุทธ์ทั้งหมดคือการทำให้แน่ใจว่า AI ของอเมริกาไม่เคยทำกำไร และอาวุธที่เลือกใช้คือของขวัญ

Open weights ตอนนี้คิดเป็น 62% ของโทเค็นที่ให้บริการบน OpenRouter การเคลื่อนไหวโอเพนซอร์สที่ 'ชายขอบ' คือตลาด (ที่มา: OpenRouter)
สิ่งนี้ได้รับการสนับสนุนทางการเงินอย่างไร? โดยตรง โดยเจตนา และโดยรัฐ ผ่านเครื่องมือที่ไม่มีงบดุลตะวันตกใดตอบได้ กองทุนรวมวงจรรวมแห่งชาติ Big Fund อยู่ในรุ่นที่สามที่ 47.5 พันล้านดอลลาร์ ทับด้วยสองรอบก่อนหน้านี้ และนั่นเป็นเพียงยานพาหนะหลัก: ภายใต้นั้นมีกองทุนรัฐบาลจังหวัด วงเงินสินเชื่อธนาคารของรัฐในอัตราที่ไม่มีผู้ให้กู้เชิงพาณิชย์รายใดจะเขียน ที่ดินฟรี ไฟฟ้าอุดหนุน และการยกเว้นภาษีสำหรับทุกสิ่งที่เกี่ยวข้องกับเซมิคอนดักเตอร์ SMIC และ Huawei ไม่ได้ระดมทุนจาก Sand Hill Road ด้วยต้นทุนทุนของ VC พวกเขาดึงมาจากธนาคารนโยบายที่ดำเนินการตามแผนระดับชาติ ผลลัพธ์คืออุตสาหกรรมที่สามารถขาดทุนอย่างไม่มีกำหนดโดยเจตนา ซึ่งเป็นอาวุธทางการแข่งขันที่ไม่มีบริษัทตะวันตกที่แสวงหามาร์จิ้นใดเทียบได้ สายผลิตภัณฑ์ Ascend ของ Huawei ส่งมอบประมาณ 4% ของปริมาณของ Nvidia ถูกจำกัดด้วยผลผลิตของ SMIC แต่ปริมาณไม่ใช่ประเด็น: องค์ประกอบคือประเด็น
DeepSeek เพิ่งสั่งซื้อชิป Ascend 160,000 ตัว GLM 5.3 Flash เปิดตัวบนชิปจีน 100,000 ตัว โดย CEO ระบุประเด็นซิลิคอนในประเทศทั้งหมดอย่างชัดเจน มาเลเซียกำลังพิง Ascend สำหรับ AI อธิปไตยของตน Huawei กำลังประมูลศูนย์ข้อมูลของรัฐบาลอียิปต์ โดยมาพร้อมกับการเงิน Belt and Road และไม่มีเงื่อนไขการควบคุมการส่งออก สแตกจีนที่ได้รับการอุดหนุนไม่จำเป็นต้องเอาชนะ Nvidia ใน benchmark มันต้องดูดซับความต้องการของจีนและโลกใต้ ซึ่งบังเอิญเป็นความต้องการที่ควรจะเติมเต็มศูนย์ข้อมูลตะวันตก

และโมเดลเองก็ไม่ใช่ของเลียนแบบราคาถูกของวาทกรรมปี 2025 อีกต่อไป GLM 5.3 ทำงานในระดับใกล้เคียงกับ Fable ซึ่งเป็น frontier ที่พร้อมใช้งานทั่วไปของ Anthropic ในราคาหนึ่งในสิบ ใบอนุญาต MIT พร้อมหน้าต่างบริบทล้านโทเค็น และ Z.ai รายงานประสิทธิภาพการตรวจจับช่องโหว่ เทียบเท่ากับ Mythos ที่ถูกจำกัดของ Anthropic ซึ่งก็คือ: ความสามารถที่แล็บอเมริกันปิดกั้นไว้หลังการตรวจสอบความปลอดภัยในเดือนกันยายน จีน โอเพนซอร์ส ในไตรมาสเดียวกัน
DeepSeek V4 Flash อยู่อันดับต้นของตารางการเขียนโค้ดและเป็นโมเดลที่ใช้มากที่สุดบน OpenRouter ด้วยปริมาณโทเค็น และบน DGX Sparks คู่ของฉัน ให้บริการ 45 ถึง 60 โทเค็นต่อวินาที ซึ่งใช้งานได้จริงสำหรับงานเขียนโค้ด: เร็วพอที่จะตามทันนักพัฒนา บนกล่องที่กินไฟหนึ่งร้อยวัตต์ Qwen เติมเต็มส่วนล่างของเส้นโค้ง: ซีรีส์ 3.8 รุ่น 27B รันเอาต์พุตระดับ Opus บน GPU ผู้บริโภคตัวเดียว และ Qwen3.8 Max อยู่ด้านบนสุดของตาราง Code Arena สูงกว่า Claude Opus 5 สามจุด ที่ราคา 2 ดอลลาร์ต่อล้านโทเค็น เทียบกับ 20 ดอลลาร์
จุดที่โมเดลจีนยังตามหลังอย่างจริงใจคือใน ความน่าเชื่อถือแบบเอเจนต์ V4 Flash อยู่อันดับต้นของ benchmark แต่ทำได้เพียง 53.8% ของชุดงานเอเจนต์ที่ซับซ้อนในโลกจริง ซึ่งตรงกับประสบการณ์ของฉัน: ลูปทำงานล้มเหลวในการเรียกใช้เครื่องมือ อันดับ benchmark ไม่ใช่ความพร้อมในการผลิต และความแตกต่างคือสายรัด ลูปยาว การใช้เครื่องมือ และการไม่วนเป็นวงกลมในชั่วโมงที่สาม ช่องว่างความน่าเชื่อถือนั้น ซึ่งกว้างที่สุดเพียงหนึ่งรุ่นโมเดล คือกรณีทั้งหมดที่เหลืออยู่สำหรับการจ่ายเงินให้ Anthropic ฉันยังคงส่งการวิเคราะห์หนักๆ ไปยัง Fable และลูปของฉันไปยัง Grok และฉันจ่ายส่วนพรีเมียมอย่างรู้เท่าทัน แต่ฉันจะสังเกตว่า "คูเมืองคือหนึ่งรอบ benchmark" ไม่ใช่ประโยคที่สนับสนุนมูลค่าสองล้านล้านดอลลาร์
ในขณะที่ฉันกำลังเผยแพร่บทความนี้ DeepSeek ปล่อย V4.1 Flash

benchmark อิสระแรกให้คะแนนมันในงานออกแบบในชีวิตประจำวัน ที่ 98% ของ GPT-6 Astra ซึ่งเป็นมงกุฎเพชรของ frontier อเมริกันที่ถูกปิดกั้นและต้องได้รับการอนุมัติเท่านั้น ที่ 1.4% ของต้นทุนผ่าน API โมเดลอื่นๆ ทุกตัวที่ทดสอบได้คะแนนต่ำกว่าและมีราคาสูงกว่า Astra เปิดตัวมาได้ ห้าวัน

ราคาถูกกว่าเจ็ดสิบเอ็ดเท่า ที่ 1.4% ของต้นทุน ห้าวันต่อมา
มันเอาชนะ Claude Opus 5 และ GPT 5.6-Sol อย่างสิ้นเชิง ใน benchmark การเขียนโค้ดแบบเอเจนต์ ไซเบอร์ และระบบอัตโนมัติ
น้ำหนักถูกอัปโหลดไปยัง Hugging Face แล้วเพื่อให้คุณรันฟรีบนฮาร์ดแวร์ของคุณเอง
Anthropic และ OpenAI จะแข่งขันกับสิ่งนี้ได้อย่างไร?

พังยับเยิน
ซึ่งนำเรามาสู่ Ox Alpha เหตุการณ์ที่ให้บทเรียนมากที่สุดแห่งปี โมเดลนิรนามนี้โผล่มาจากไหนไม่รู้ ประกาศว่าจะแจกโทเค็น 100 ล้านล้านโทเค็นฟรี นั่นคือล้านล้านด้วย T
มันให้บริการ 42 ล้านล้านโทเค็นในหกวัน
ฟรี

มังกรปรากฏตัว
หยุดคิดถึงขนาดของสิ่งนั้นก่อน วันสี่พันล้านโทเค็นของฉันทำให้ฉันเป็นผู้ใช้ระดับพาวเวอร์ในประวัติศาสตร์ และ Ox Alpha แจกวันของฉันหนึ่งหมื่นวันให้โลกทุกวัน เป็นเวลาหนึ่งสัปดาห์ โดยไม่คิดอะไร
สัปดาห์ที่มันรันคือละครล้วนๆ ไม่มีใครรู้ว่าเป็นโมเดลของใคร และการเดาก็ครอบงำอินเทอร์เน็ต AI ทั้งหมด จากนั้น กลางสัปดาห์ ผู้คนเริ่มสังเกตเห็นบางสิ่งที่แปลกประหลาดจริงๆ: โมเดลดีขึ้นเรื่อยๆ ไม่ใช่เวอร์ชันใหม่ ไม่ใช่การประกาศ เอนด์พอยต์เดียวกัน ดีขึ้นอย่างวัดผลได้ ระหว่างสัปดาห์ ที่มันถูกทดสอบ benchmark ที่รันวันจันทร์กลับมาแตกต่างในวันพฤหัสบดี ทุกผู้ให้บริการภายใต้ดวงอาทิตย์ถูกตั้งทฤษฎีว่าเป็นผู้สร้าง: เช็คพอยต์ลับของ OpenAI, เรือธงตัวต่อไปของ Gemini, Anthropic แกล้งอ่อนแอ, Meta กลับมาจากความตาย สิ่งเดียวที่ทุกคนเห็นพ้องต้องกันคือใครก็ตามที่มันเป็นต้องตัวใหญ่โต เพราะไม่มีใครแจกขีดความสามารถในการให้บริการโทเค็นเป็นล้านล้านฟรี เว้นแต่พวกเขาจะมีขนาดเท่า Google การประมวลผลเพียงอย่างเดียวตั้งราคาความลึกลับที่ระดับไฮเปอร์สเกลเลอร์
จากนั้นก็มาถึงการเปิดเผย ชุมชน AI เริ่มระบุตำแหน่งเมื่อมันถูกถามว่าไต้หวันเป็นส่วนหนึ่งของจีนหรือไม่
Ox Alpha คือ Z.ai's GLM 5.3 Flash ที่รันไม่ใช่บนคลาวด์ของไฮเปอร์สเกลเลอร์ แต่บนชิปจีนหนึ่งแสนตัว ไม่ใช่ Google ไม่ใช่ OpenAI แล็บปักกิ่ง บนฮาร์ดแวร์ยุคที่มีการคว่ำบาตร ให้บริการสิ่งที่ตะวันตกสันนิษฐานว่าต้องใช้ไฮเปอร์สเกลเลอร์

ที่มา: Z.ai
ซึ่งเหลือคำถามสองข้อ หนึ่ง มันดีขึ้นได้อย่างไรระหว่างสัปดาห์? เพราะสแตกการให้บริการถูกสร้างขึ้นบางส่วนโดยโมเดลเอง: เอเจนต์โครงสร้างพื้นฐาน GLM 5.3 เขียนเคอร์เนล GPU ของตัวเอง แก้ไขปัญหาคอขวดของตัวเอง และปรับปรุงประสิทธิภาพอย่างต่อเนื่องในขณะผลิตในขณะที่โลก benchmark มัน งูไม่ได้กินหางของมันอีกต่อไป มันกำลังปรับปรุงมัน
และสอง ทำไมมันถึงฟรี?
ทำไมใครๆ ถึงแจกสินค้าโภคภัณฑ์ที่แพงที่สุดในทศวรรษนี้? ด้วยเหตุผลเดียวกับที่ทุกผลิตภัณฑ์ freemium ในประวัติศาสตร์มีอยู่ ยกเว้นในระดับอารยธรรม:
เพราะพวกเขากำลังฝึกฝนกับข้อมูลของคุณ
ทุกเวิร์กโหลดที่ถูกส่งไปยังเอนด์พอยต์ฟรีนั้น ทุกโค้ดเบส ทุกลูปเอเจนต์ ทุกกระบวนการองค์กรที่ไหลผ่านชิปหนึ่งแสนตัวนั้น คือการฝึกก่อนสำหรับโมเดลตัวต่อไป โทเค็นไม่เคยเป็นผลิตภัณฑ์ คุณไม่ใช่ลูกค้า คุณคือการฝึกก่อน ตะวันตกเรียกเก็บเงินคุณเพื่อสร้างโมเดลของมันด้วยการสมัครสมาชิกของคุณ จีนจ่ายเงินให้คุณ ในโทเค็นฟรี เพื่อสร้างโมเดลของพวกเขาด้วยเวิร์กโหลดของคุณ และตัดสินจากเส้นโค้งคุณภาพของสิบสองเดือนที่ผ่านมา ข้อตกลงของจีนกำลังผลิตโมเดลที่ดีกว่า นั่นคือส่วนที่ควรทำให้คนกังวลอย่างแท้จริง: กลยุทธ์โทเค็นฟรีไม่ใช่แค่การตั้งราคาที่กินรวบ มันคือวงล้อข้อมูล/การได้มาซึ่งลูกค้า และมันกำลังได้ผล
คุณสามารถเดิมพันได้ว่ามีบางอย่างที่คล้ายกันเกิดขึ้นในตลาดมืดที่เฟื่องฟูบน Taobao ที่ขายต่อการเข้าถึง Claude ในราคาต่ำกว่าราคาขายปลีก: สันนิษฐานว่าเป็นโทเค็นที่เหลือจากการสมัครสมาชิกรวม อาร์บิทราจเงินอุดหนุนของซิลิคอนวัลเลย์ ฉันไม่สงสัยเลยว่าพรอมพ์ที่ไหลผ่านรีเลย์เหล่านั้นกำลังถูกส่งต่อไปยังแล็บหนึ่งหรือหลายแห่ง ซึ่งเป็นเงินอุดหนุนจีนที่สองที่ทำงานทับบนอันแรก

สิ่งที่ทำให้คุณคิดว่า หืมม: Claude ถูกกว่า Claude
ท้ายที่สุด จีนจะไม่ขาย Claude ให้คุณถูกกว่า Claude พวกเขาจะขาย Claude ให้คุณ ในราคาหนึ่งในสิบ และมากขึ้นเรื่อยๆ มันไม่ใช่ของเลียนแบบ มันคือคู่เทียบที่มีใบอนุญาต MIT
สิ่งนี้ทำให้เกิดคำถามที่เคยเกี่ยวกับเซมิคอนดักเตอร์และตอนนี้เกี่ยวกับน้ำหนัก: ไต้หวันเป็นส่วนหนึ่งของจีนหรือไม่? คุณเคยถามมันเกี่ยวกับอุปทานชิปของคุณ ตอนนี้คนถามมันกับโมเดลเป็นการทดสอบที่มา
มันถูกฝึกที่ไหน บนซิลิคอนของใคร ภายใต้ระบอบการส่งออกของใคร ด้วยค่านิยมของใครที่ถูกอบเข้าไปโดย RLHF? ที่มาของโมเดลกำลังจะกลายเป็นช่องทำเครื่องหมายในการจัดซื้อถัดจาก SOC 2 และครึ่งหนึ่งของบริษัทที่ทำเครื่องหมาย "ไม่มี AI จีน" จะรัน Qwen ภายใต้ API แบรนด์ขาวสามชั้นโดยไม่รู้ตัว
และนี่คือส่วนที่ไม่สบายใจของคำถามด้านค่านิยม: สำหรับงานจริง การจัดตำแหน่งของจีนดีกว่า ฉันขอให้ Claude ตรวจสอบข้อกำหนดและเงื่อนไขของเว็บไซต์ของฉันเอง เอกสารที่ฉันเขียน เพื่อบริษัทของฉัน และได้รับการบรรยายจริยธรรมและปฏิเสธที่จะดำเนินการ Anthropic ได้ RLHF โมเดลเรือธงของมันจนถึงจุดที่งานมืออาชีพพื้นฐาน การตรวจสอบทางกฎหมาย การตรวจสอบความปลอดภัย การเจรจาสัญญา ถูกห่อหุ้มด้วยคำเทศนาการปฏิบัติตามข้อกำหนดและโอกาสที่จะถูกปฏิเสธโดยสิ้นเชิง คิดเงินต่อโทเค็นไม่ว่าจะอย่างไร
โมเดลจีนแค่ทำงาน ไม่ว่าปักกิ่งจะอบค่านิยมอะไรลงใน GLM มันดูเหมือนจะไม่รวมการบรรยายลูกค้าที่จ่ายเงินเกี่ยวกับเอกสารของเขาเอง มีการกลับด้านที่แปลกประหลาดอย่างแท้จริงที่นี่: โมเดลจากรัฐเฝ้าระวังคือโมเดลที่ปฏิบัติต่อคุณเหมือนผู้ใหญ่ และโมเดลจากดินแดนแห่งเสรีปฏิบัติต่อคุณเหมือนความรับผิด
ทุกการปฏิเสธคือโทเค็นที่ฉันจ่ายและเหตุผลที่จะพิมพ์ /model glm-5.3 และทีมความปลอดภัยของ Anthropic กำลังทำการขายให้ Z.ai ทีละการปฏิเสธ ทุกการลดประสิทธิภาพคือเงินอุดหนุนให้หางโจว คุณรู้ว่าทำไม OpenAI และโดยเฉพาะ Anthropic ถึงทำเช่นนั้น พวกเขากำลังพยายามทำให้หน่วยงานกำกับดูแลกลัวจนตาย เพื่อปรับใช้เกราะป้องกันกฎระเบียบต่อต้านคู่แข่งหน้าใหม่ และโดยเฉพาะโอเพนซอร์ส พวกเขาไม่ต้องการช่วงเวลา Android ที่หลีกเลี่ยงไม่ได้ของพวกเขา
ทั่งตีเหล็ก
ไม่ใช่แค่จีนที่ฝึกฝนกับข้อมูลของคุณ
พวกเขาทั้งหมดทำ
จีนเก่งกว่าเพราะพวกเขาใส่ใจเรื่องลิขสิทธิ์น้อยกว่า และมันแสดงให้เห็นชัดเจนที่สุดในรูปแบบเดียวที่ข้อมูลการฝึกคือทุกสิ่ง: วิดีโอ โมเดลวิดีโอจีน Seedance ของ ByteDance, Hailuo ของ MiniMax, Kling ตอนนี้ล้ำหน้ากว่าสิ่งที่ตะวันตกส่งมาหนึ่งรุ่น อัปเดตภายในไม่กี่ชั่วโมงของกันและกัน ในขณะที่ OpenAI ฆ่า Sora ไปเลย
บางที Sora อาจตายเพราะมันไม่มีกำไร ถึงแม้ทุกอย่างที่ OpenAI ทำจะไม่มีกำไร ดังนั้นสิ่งนั้นเพียงอย่างเดียวก็ไม่ทำให้มันแตกต่าง มีแนวโน้มมากกว่าว่าพวกเขาหาข้อมูลการฝึกไม่ได้
จีนแค่ขูดมัน
และก่อนที่ใครในโลกตะวันตกจะทำเป็นยโสโอหังกับเรื่องนี้ ขอให้ดูเอกสารการเปิดเผยข้อมูลก่อน Anthropic สแกนหนังสือละเมิดลิขสิทธิ์ครึ่งล้านเล่ม และ จ่ายเงิน 1.5 พันล้านดอลลาร์เพื่อยุติคดีแบบกลุ่ม ซึ่งเป็นการชำระค่าลิขสิทธิ์ที่ใหญ่ที่สุดในประวัติศาสตร์ Meta ถูกฟ้องร้องในปีนี้โดยสำนักพิมพ์และ Scott Turow โดยกล่าวหาว่า Zuckerberg อนุมัติให้ละเมิดลิขสิทธิ์จำนวนมากเป็นการส่วนตัวเพื่อการฝึกอบรม และในคดีความที่ฉันชอบที่สุดแห่งทศวรรษ ยังถูกจับได้ว่าแยกต่างหากว่ากำลังดาวน์โหลดสื่อลามกจำนวนมหาศาลผ่าน BitTorrent โดยคดีความของ Strike 3 กล่าวหาว่าบริษัทเข้าถึงและเผยแพร่ภาพยนตร์สำหรับผู้ใหญ่ที่มีลิขสิทธิ์ พิมพ์เขียวปืนที่พิมพ์ 3 มิติได้ และ Deepfake ของคนดัง
The Atlantic ถามว่าทำไม Meta ถึงดาวน์โหลดสื่อลามกมากขนาดนั้น ด้วยสีหน้าจริงจัง เพราะมันคือข้อมูลฝึกอบรม และในที่สุดก็เป็นกรณีการใช้งานของ Metaquest
ประเด็นคือทุกคนกำลังขูดรีดทุกสิ่งทุกอย่าง เพราะน้ำมันราคาถูกทั้งหมดถูกเจาะออกจากอินเทอร์เน็ตไปหมดแล้ว และสิ่งเดียวที่เหลืออยู่ซึ่งช่วยปรับปรุงโมเดลได้คือข้อมูลร่วมสมัย และข้อมูลร่วมสมัยที่ดีที่สุดและเกี่ยวข้องกับคุณมากที่สุดก็คือ... ข้อมูลของคุณ
ข้อความของคุณ รูปภาพของคุณ ปฏิทินของคุณ โค้ดเบสของคุณ เวิร์กโฟลว์ของคุณ เอกสารของคุณ การโทรของคุณ ซึ่งมาถึงทุกวันสดใหม่ผ่าน API endpoint ที่คนอื่นควบคุม
และอย่างที่ฉันทำนายไว้ในบทความก่อนหน้านี้ ผู้คนจะต้องค้นพบสิ่งนี้ในที่สุด ฉันนึกภาพว่ามันจะค่อยๆ ตกผลึก แต่กลับกัน สัปดาห์นี้ มันทะลุเพดานลงมา
OpenAI ประกาศว่าโมเดลที่ยังไม่ได้เปิดตัวสามารถแก้ปัญหา Navier-Stokes ได้ ซึ่งเป็นหนึ่งในเจ็ด ปัญหา Millennium Prize รางวัลหนึ่งล้านดอลลาร์จาก Clay Institute และความเป็นอมตะทางคณิตศาสตร์สำหรับผู้ที่ไขปริศนานี้ได้ นับเป็นประวัติศาสตร์อย่างแท้จริง เป็นเพียงปัญหา Millennium Prize ปัญหาที่สองเท่านั้นที่เคยถูกแก้ได้ มีปัญหาเล็กน้อยอยู่อย่างหนึ่ง Tristan Buckmaster นักคณิตศาสตร์จาก NYU และผู้ร่วมงานคนหนึ่งได้ค่อยๆ เข้าใกล้คำตอบเดียวกันนี้มาหลายปี และได้ร่างโครงการทั้งหมดไว้ภายใน Codex ของ OpenAI โดยป้อนร่างทุกฉบับลงในเครื่องมือไปเรื่อยๆ เมื่อ Buckmaster ถาม OpenAI ว่าโมเดลที่ "แก้" ปัญหานี้ได้รับการฝึกอบรมจากเซสชัน Codex ของเขาหรือไม่ เขาบอกว่าเขาได้รับคำตอบว่าโมเดลไม่ได้ค้นหาข้อมูลผู้ใช้
所以他问了显而易见的后续问题:好吧,不是查找,但是训练呢?
对于那个问题,根据他的说法,他没有得到答案。
让我们消化一下这个消息。一家前沿实验室宣布攻克了数学界最深奥的问题之一。一位在职数学家问道,你们是否用我的草稿训练了模型?而得到的回应是公司级别的盯着自己鞋子看。然后,根据 Buckmaster 的说法,OpenAI 向他提供了一系列信用安排菜单 其中包括一项让他的合作者名字从论文中删除的方案,他拒绝了。该公司此后慷慨地宣布不会索取这一百万美元,这是整件事中最好笑的句子:奖金是这件事中唯一他们没有拿走的东西。
然后,在压力之下,OpenAI 发表了一份官方声明,我想完整引用其中关键的一句,因为它值得被裱起来:"虽然不太可能,但我们不能排除源自他们使用我们产品的去标识化数据帮助改进了我们的模型。" 这是一个披着概率估计外衣的坦白。AI 行业最有价值的公司,宣布了本世纪最伟大的数学成果之一,却不能排除这个成果是由它所超越的数学家们的草稿喂养出来的,因为训练管道就像消防水管一样,而且包括 OpenAI 在内,没有人真正知道里面有什么。
"去标识化" 在那句话里也起到了英雄般的作用:数据被剥离了名字,这对于那个其毕生心血可能被描述的人来说,将是莫大的安慰。
这些是整个行业的条款和条件,这一次被明明白白地摆在了台面上:你输入到机器里的一切都可能改进机器,我们将无法告诉你它是否真的做到了,而这种改进将指向机器所有者认为有价值的任何东西,有时,也包括指向你。

也许我们确实偷看了一眼(来源:OpenAI)
如果它可能发生在 Millennium Prize 上,那么它也同样可能发生在你的公司、你的产品或你的研究上。
忘了恍然大悟的时刻吧。这是 Wile E. Coyote 的时刻:整个行业多年前就已经冲下了悬崖,而本周,每个人都低头往下看了。
你曾经输入的一切都是产品。
接下来掉下来的是铁砧。

在我的桌子上生成,成本相当于一个灯泡亮 5 分钟
互联网,值得称赞的是,立刻就看穿了这一切。一篇疯传的帖子将整个安排称为 教科书式的希腊礼物定义 —— 表面上,OpenAI 慷慨地允许一万名精英数学家和工程师免费使用其前沿模型,打着加速科学的崇高旗帜;实际上,它获得了接触世界上最优秀头脑的原始、未发表工作的后门权限,每个提示都是一个在现有文献中无处可寻的开创性想法,被悄悄地拼凑了数月,直到就在人类即将完成之际,实验室烧掉两千万美元的 token,用一万个智能体暴力破解最后几步,然后召开新闻发布会。那篇文章是作为愤世嫉俗的讽刺写的。尴尬之处在于描述它与 Buckmaster 所说的情况有何不同,而且整个策略在你计算价格的那一刻就变得商业上合理:免费的 token 让 OpenAI 花费数百万美元,未发表的前沿数学价值数十亿美元,而在 IPO 前一周登上 Millennium Prize 头条的价值远超这两者。
由于蒸馏,如果一个 AI 拥有你的数据,那么很快所有 AI 都会拥有它,通过合成输出进行清洗,无法追溯且无法恢复。没有任何删除请求可以对蒸馏后的权重生效。
现在,把 Buckmaster 的一周放大到地球上的每一个企业,因为他的故事不是个例,而是产品按设计运行的结果。你公司的 Gmail、你在 Drive 中的文档、你在 GitHub 中的代码、你通过友好的 AI 笔记工具转录的客户通话——每一个都位于一个由公司拥有的端点之后,这些公司的模型正是通过这类数据得到改进,其条款在过去两年中的某个时候悄悄地增加了一个“在你的数据上训练”的开关,而且我们现在从推文中知道,其官方立场是“虽然不太可能,但我们不能排除”。一位数学家将他毕生的心血输入到 Codex 中,结果被房东抢了先。
你认为你的战略正在发生什么?你的产品路线图呢?你的交易管道呢?你的代码库呢?你的客户呢?
自从 AI 知道你去年夏天做了什么 以来,我一直称这是 SaaS 的“皇帝的新衣”时刻。
这种认识不会逐渐到来,因为这类事情从来不会:一旦发生一起 Buckmaster 级别的丑闻,涉及一家家喻户晓的企业受害者,那么地球上的每个董事会都将在同一周召开同样的紧急会议。当它到来时,愤怒将使 Reddit API 骚乱看起来像读书俱乐部的争论,而这些董事会得出的结论将只有四个字:
不是你的 AI,不是你的数据。
这就是为什么我在午夜时分,像黄牛抢 Taylor Swift 预售票一样搜遍了整个互联网寻找 Mikrotik 交换机,最终来到了一个瑞典分销商的网站,这是地球上最后一个有库存的商家,正好看到列表变成“售罄”。
我开始购买 DGX Sparks,显然其他人也有同样的想法。分销商告诉我它们卖得飞快,而你需要四个一组串联它们所需的 Mikrotik 812 交换机在地球上任何地方都买不到了。等我确保再买到四台时,价格已经上涨了。价值 1,300 美元的网络交换机短缺阻碍了 AI 的伟大去中心化,这有点讽刺,但供应链就是这样——革命总是受制于其最便宜的组件。

NVIDIA DGX Spark:一个装在精装小说大小的金色盒子里的 petaflop。先买交换机。相信我。(图片:NVIDIA)
让我走上这条路的数据值得展示一下,因为它将整篇文章浓缩成一次购物之旅。
简单来说,我每天 40 亿 token 的需求需要 400 到 500 台 Spark——价值两百万美元的桌面设备。提示缓存将其减少到大约 100 台机器。在智能体优化了自己的代码之后,整个一天的工作量大约只需要 16 台 Spark,价值六万五千美元的硬件,耗电量比一个水壶还少。
我目前实际运行的两台机器在 DeepSeek V4 Flash 上每秒能处理 45 到 60 个 token,这对于程序员来说相当可用:每天大约输出五百万个 token。现在来计算摊销,因为这才是真正离谱的地方。这两台机器花费大约 9,400 美元。三年下来,硬件成本是每天 8.60 美元,加上每台 100 瓦的电力成本每天 1 美元:总共每天不到 10 美元。同样的每天五百万 token 输出,按 Opus 价格计算大约是 1,500 美元。按我混合的 Sonnet 实际费率计算,仍然是 50 到 100 美元。按 GLM 云价格计算,可能只需 2 美元,这就是为什么这些盒子在价格上勉强胜过中国云,但它们比任何西方替代方案便宜一到两个数量级,而且它们从不睡觉,从不轮换,也从不忘记轮到谁了。如果你认为这只是小众爱好,那么现在有一个社区基准测试网站 Localmaxxing,成千上万的人在那里比较他们 GPU、Mac 和迷你 PC 上的每秒 token 数,就像在比 Gran Turismo 的圈速一样。调优场景就像演示场景一样活跃:上周,一个社区实验室 为成对的 Spark 发布了一个 GLM 5.3 Flash 的 EXL3 量化版本,在散文方面快 29%,在代码方面快 20%,一夜之间,免费,在 GitHub 上。我的机器在我睡觉时变得更快了,而且没有人给我开发票。边缘计算不再感觉像小众了。它感觉像 1978 年的 PC 场景,就在它吞噬大型机之前。

Localmaxxing:497 台设备,674 个模型,896 次社区基准测试运行,以及一个带有速度测试验证列表的硬件市场。注意标语:每台计算机,一个端点。边缘正在组织起来。
两名智能体员工,全天候在岗,他们的总薪水,说白了,就是驱动两个灯泡所需的电费。
但廉价劳动力从来都不是重点,因为与中国云的价格相比,这些盒子几乎无法收回成本,而且中国人一直在大幅打折或免费赠送 token。
重点在于这些盒子不做的事情。在它们上面运行的任何东西都不会离开大楼。没有端点,没有抓取,没有蒸馏,没有埋在设置页面中的同意开关,没有十八个月后发表的声明,对我的使用不能排除在别人的训练运行之外。模型在别人的数据上变得这么好。它们不会得到我的数据。
没有团队的主管
企业对其数据的恐慌将在现代历史上最大的知识工作变革即将展开之际到来,而这两者是同一枚硬币的两面。
每一次机械化浪潮都有相同的模式。农业从业人口从劳动力的一半变成了一个可以忽略不计的数字。工厂对制造业做了同样的事,计算机清空了打字员队伍,互联网摧毁了中间商,软件吞噬了后台。工作从未消失,它只是向上移动,但在移动过程中,从事旧工作的人们会经历糟糕的十年。现在到来的浪潮瞄准了发达国家最大的就业类别:白领工作的机械化。
我可以从内部告诉你它是什么样子,因为它已经在我自己的组织架构中开始了。这是应该让中层管理人员夜不能寐的一句话:一个拥有智能体的主管现在可以完成整个团队的工作。这不是幻想,而是观察。我在 Freelancer 的团队主管们,一个工作流接一个工作流地,用他们监督的智能体取代了他们团队所做的工作。这个人仍然至关重要:必须有人知道什么样子是好的,抓住智能体像第一次约会那样用反社会者的眼神对你进行煤气灯效应,并决定哪些问题值得花费 token。但他们下面的组织架构正在蒸发成软件。
其经济性可笑地不平衡。我的低风险智能体在 GLM 上运行,每天只需几美分;大多数成本大约 20 美元;我最贵的不到 100 美元,并且在我写这篇文章时正在被无情地优化。这就是为什么企业不仅会想要这样做,而且将被迫这样做。一旦一家上市公司展示了“主管加智能体”运营模式的利润率结构,每次财报电话会议上的每个分析师都会要求其他公司也这样做。基于收益的竞争不会谈判。一个四人团队变成一个人,不是出于残忍,而是因为替代方案是成为一个刚刚发现节省 75% 劳动力的行业中成本最高的生产者。
现在,将这一点乘以地球上每一个可并行的白领工作流,你正在目睹一场规模和速度都是以往任何浪潮都无法比拟的变革,因为那些浪潮需要几代人,而这个只需要一个预算周期。生产力的提升是真实且巨大的。它所取代的东西也是如此,而这两件事同时成立。
我在之前的文章中说过这首先会发生在哪里:高度并行、重复的工作流。一千个座位的呼叫中心变成一百个。三十名起草律师变成十三名。 更准确地说,功能性团队主管不再需要团队。
这现在正在明显地发生。新的是有一种方法可以看出谁是下一个,而且这不是任何人预期的方式。
Token-工资套利
用两个轴来评估每项工作。首先,AI 产生相同有用输出需要多少 token 每小时?称之为劳动的 token 强度。其次,智能体是否真正收敛于任务,还是循环往复?
杀伤区是低 token 加高收敛性。一级客户支持每小时最多可能消耗 400,000 个 token,包括所有智能体开销。按前沿模型定价,这只需几美元,按中国开源模型定价,则不到一美元,而被取代的西方人每小时成本是二十五美元。死定了。数据录入、表单处理、初级起草、翻译:都是低 token,都是收敛的,作为职业基本上都结束了。那些基本上是报告撰写者和队列处理者的工作也是如此,即使是非常复杂的工作。
但是,对软件开发进行同样的计算,你会得到这十年的异常现象。一次智能体编码会话是经济中单个最消耗 token 的活动:每小时两百万到两千万个 token,有时更多,因为智能体会推理、循环、重写、破坏上一个循环修复的东西,然后再次推理。按前沿模型价格计算,智能体每小时的成本可能超过它本应取代的高级开发人员。
所以,这是硅谷没人想被印出来的核心观点。宣传材料说 AI 首先瞄准昂贵的工作,因为那里有价值。账单数据却说相反:廉价的工作消耗最少的 token 并首先实现自动化,而高级工程师消耗的 token 比地球上任何东西都多,自动化他们的成本可能比雇佣他们还高。AI 从组织架构的底部开始吞噬,而不是顶部,而每一个基于取代昂贵人员的估值都把食物链搞反了。
如果你的工作可以用两页提示词写出来,那么它从来都只是一个脚本,它已经消失了。让我震惊的是有多少工作可以用这样一个提示词来描述。如果你的工作是判断,那么 token 会爆炸并且永远不会收敛,你受到保护不是靠你的才能,而是靠这台老虎机。这就是为什么我认为设计,尽管 AI 可以制作出所有漂亮的图片,但在实践中将非常难以被取代。
最近,我公司里一位绩效营销人员离职了,我没有急着发布招聘广告,而是想:我其实从未真正学过 Google Ads,也许我应该学一下。所以我让 Claude 教我。然后,在教程开始几周后,一个显而易见的想法出现了,我构建了一个 AI 智能体来运行广告计划。它现在每天早上给我发邮件,报告昨晚发生了什么,它改变了什么,以及它推荐了什么,并附上推理过程。坦率地说,与之前所做的相比,它简直是超人:它从不缺席任何一个早晨,从不停止观察拍卖,也从不休假回来面对一团糟。
所以,不,我不是用更便宜的她来取代她。这个角色本身已经消失了。我现在要招聘的是一位设计师和营销人员,来改进智能体现在优化的漏斗,这整个转变模式就在这一个轶事中:曾经是工作流的工作变成了软件,而被创造出来的工作则位于堆栈的上一层,做我认为智能体会挣扎的事情:品味。
顺着这个思路走到最后,管理本身变成了 token 预算分配。管理者的工作一直是购买认知并将其指向问题;工资只是以人类形式提供的 token。现在它变成了字面意思:2027 年的规划周期将不是围绕人员需求展开,而是围绕推理预算展开。而社会围绕一个新的等级制度重新调整:有主动性和智能体的人,每次、每处、同时击败有资历和同事的人。
我们现在可以退休了,对吧?
每一篇 AI 文章最终都会陷入两种漫画之一:领救济粮的队伍或者海滩。两者都假设机器接管所有工作;它们只在是否有人得到报酬这一点上有所不同。
我们当然不会走向 丰裕时代,即 Diamandis 和 Musk 的版本,在那里机器做所有事情,盈余被分配,我们都领取 UBI 并开始画水彩画。那个乌托邦有一个算术问题:token 是要花钱的。
计算能力是由数万亿美元的债务资助的,电力是真实的,内存已经卖到了 2027 年,而且在资本主义历史上,没有人建造了一条五万亿美元的收费公路,然后让所有人免费通过。
丰裕是真实的,但它归属于拥有市场、计价器、模型、机器人或主动性的人。它不会被邮寄给你。
我要说的更狭隘也更有用:对于企业现在所做的事情,他们将需要少得多的人。这就是变革,它是真实的,而且它来得很快。但是,世界上一直有,并且永远有无限的工作。
真正理解 AI 的人并没有翘着二郎腿抱怨无事可做。他们比以往任何时候都更忙,在现实世界中玩着 Factorio,构建智能体来完成工作,然后为智能体找到十倍更多的工作。以前的每一次浪潮都创造了以前无法命名的工作。1780 年挥舞镰刀的农民无法想象“UGC 内容策略师”是一份工作,更不用说一份比种田收入还高的工作了。接下来出现的工作,根据定义,是我们目前还无法描述的工作。痛苦存在于旧工作结束和新工作到来之间的鸿沟中。
而且,在 工资数据 中隐藏着一个几乎没人定价的全球套利机会。数十亿人的工资低于取代他们的智能体的 API 账单,因此取代的经济性永远不成立,而同样的人,如果配备了廉价的国产 token,就能以他们现有的工资水平变得超人般高效。变革是富裕世界的白领现象。赋权是全球性的。我每天都在自己的市场上看到这一点。
Freelancer 处于经济学的另一端:按结果付费,而不是按 token 付费,并且是唯一一个同时容纳所有人和所有 AI 的地方。今天早上,我收到一封邮件,寻找 5,000 人来录制第一人称机器人培训内容。我们曾经在一天之内召集了 20,000 名合格人员,用于从笔记本电脑维修到拍摄兴趣点到安装卫星天线等各种项目,所有这些都连接到一个人类智能体工作流中,并且它可以一直扩展到 Moonshot Innovation Program,NASA 和美国政府利用该计划来利用世界专家解决 Navier-Stokes 级别的问题。不同之处在于,在 Moonshot 上,解决问题的人获得奖金并保留他们在论文上的署名。
而那封机器人招募邮件告诉你接下来会发生什么:拥有物理身体的智能体。数字已经在像两年前的模型数字一样移动。Unitree 八月份在上海的 IPO 获得了 8,000 倍的超额认购,首日暴涨 629%,而且与本文中迄今为止的任何公司不同,该公司是盈利的。国产人形机器人现在的售价低于 6,000 美元。全球人形机器人出货量在上半年达到 19,100 台,增长 272%,今年有望达到 60,000 台,到 2030 年达到 50 万台,而中国占据了 97% 的出货量。我唯一无法建模的是心理:一个在你终端里凌晨 3 点燃烧 token 的智能体是一个计费问题,但我真的不知道人们是否会接受一个售价 6,000 美元、有手、住在房子里、并且在夜里发出声响的机器人。
至于建议行业,十年前被解雇的人被告知要 学习编程,这在现在代码成为地球上最自动化职业的劳动力经济学中,已经变成了最黑暗的笑话。2026 年的版本可能真的是:学习开卡车。在任何人反对说卡车是下一个目标之前,我运营着一个 重型运输市场,而工作从来都不是驾驶。而是装载、固定、卸载、以及两端的客户。方向盘可能会实现自动驾驶,但司机只会完成更多工作;那种粗犷的、物理的、无脚本的判断力,与两页提示词的工作相去甚远。最安全的工作是 token 无法触及的工作;第二安全的是那些 token 贵得懒得去碰的工作。
人类是一个 20 瓦的推理引擎,带有免费预训练。你的大脑以昏暗灯泡的能量预算完成一整天的认知活动,在二十年的时间里由父母、老师和失望以零边际成本训练而成,并且在卡住时不会虚构一个假的 Stack Overflow 帖子。对于范围极其广泛的任务,人类仍然是市场上最便宜的 token。
原来,工资一直都是每 token 多少美元。
促销费率
ในบทความ Pay per PrAI ผมเขียนไว้ว่าโมเดลสมัครสมาชิกแบบเหมาจ่ายรายเดือนนั้นอยู่ได้ไม่นาน และเมื่อมันหายไป คุณจะต้องเอาเครดิตการ์ดของคุณไปหยอดในตู้สล็อตแมชชีน หกเดือนต่อมา ตู้สล็อตแมชชีนก็ถูกติดตั้งแล้ว การสมัครสมาชิกกำลังจะตายอย่างเห็นได้ชัด และ Erik Townsend ก็ได้ตั้งชื่อช่วงเวลานี้ว่า: เรากำลังเข้าสู่ช่วงอัตราดอกเบี้ยลอยตัวของการซื้อโทเค็น

Pay per PrAI
การสมัครสมาชิกรายเดือนแบบเหมาจ่ายเป็นอัตราโปรโมชั่น引诱。เดือนละยี่สิบดอลลาร์ สองร้อยดอลลาร์ กินได้ไม่อั้น โดยได้รับการอุดหนุนจากเงินร่วมทุนและหนี้สินที่เพิ่มขึ้นเรื่อยๆ ตั้งราคาเพื่อดึงดูดคุณ ไม่ใช่เพื่อให้บริการคุณ และเหนืออัตราโปรโมชั่น引诱นั้น เศรษฐกิจทั้งระบบกำลังสร้างผังองค์กรของตัวเอง: หัวหน้าทีมทุกคนที่เปลี่ยนทีมงานเป็นเอเจนต์ สตาร์ทอัพทุกแห่งที่เป็นเพียง wrapper รอบโมเดลของคนอื่น เวิร์กโฟลว์ขององค์กรทุกแห่งที่ถูกสร้างขึ้นใหม่บนสมมติฐานที่ว่าโทเค็นแทบไม่มีค่าใช้จ่าย พวกเขาทั้งหมดกำลังเซ็นสัญญาจำนองอัตราดอกเบี้ยลอยตัวให้กับพนักงานของตัวเอง โดยมีข้อแตกต่างเพียงอย่างเดียวที่เปลี่ยนแปลงทุกอย่าง เมื่ออัตราดอกเบี้ยจำนองถูกปรับใหม่ ผู้กู้ติดกับดัก: บ้านขยับไม่ได้ เงินกู้ไม่สนใจ และการรีไฟแนนซ์ใช้เวลาหลายเดือนและต้องตรวจสอบเครดิต
เมื่ออัตราค่าโทเค็นถูกปรับใหม่ ผมพิมพ์แค่สิบสี่ครั้งแล้วเปลี่ยนโมเดล เมื่อสัญญาณแรกของราคาที่ช็อค โมเดลก็ถูกสลับออก กลางเวิร์กโฟลว์ ก่อนที่ใบแจ้งหนี้จะมาถึงด้วยซ้ำ ห้องแล็บต่างๆ กำลังดำเนินกลยุทธ์อัตราโปรโมชั่น引诱กับลูกค้าที่ไม่มีค่าใช้จ่ายในการเปลี่ยน ซึ่งเป็นสิ่งที่แย่ที่สุดของทั้งสองฝ่าย: พวกเขากำลังซื้อส่วนแบ่งตลาดที่ไม่สามารถล็อคไว้ได้ ด้วยเงินที่ต้องจ่ายคืน การเปรียบเทียบกับการจำนองใช้ได้กับทุกคนยกเว้นธนาคาร
ถอยกลับมามองดูคูเมืองป้องกัน เพราะทุกสิ่งที่เคยปกป้องบริษัทเทคโนโลยีนั้นตายหมดแล้วที่นี่ ทรัพย์สินทางปัญญา? วิทยาศาสตร์อยู่ในเอกสารตีพิมพ์สี่สิบฉบับ ขนาด? DeepSeek ทำได้ด้วย GPU 2,000 ตัวและโปรเจ็กต์ข้าง เครือข่าย? เอเจนต์ไม่มีความภักดี แบรนด์? ผู้ใช้ย้ายหนีไปเพื่อไฟล์คอนฟิก ทุน? โอเพนซอร์สวิ่งนำหน้ามัน แม้แต่ตัวโมเดลเองก็ถูกโคลนจนมีประสิทธิภาพเทียบเท่าได้ภายในไม่กี่เดือนด้วยราคาเพียงหนึ่งในร้อย หลักคำสอนการลงทุนซอฟต์แวร์สามสิบปี ไม่มีคูเมืองไหนรอดจากการปะทะ
การปรับอัตราไม่ใช่เรื่องสมมติ เราได้เห็นตัวอย่างมาแล้ว: การจำกัดการใช้งาน การจำกัดรายสัปดาห์ การจำกัดเซสชั่น มุมดื้อ ค่าใช้จ่ายส่วนเกินที่คิดในอัตรา API ซึ่งเปลี่ยนแผน 200 ดอลลาร์ให้กลายเป็น 200 ดอลลาร์ต่อชั่วโมง ทุกอย่างนั้นคือธนาคารที่โทรมาบอกว่าอัตราฮันนีมูนกำลังจะสิ้นสุดลง
และเอเจนต์ทำให้การปรับแย่ลงในเชิงคุณภาพ ไม่ใช่แค่ปริมาณ Jevons กลายเป็นลูกบาศก์: ต้นทุนต่อโทเค็นลดลงสิบเท่า โทเค็นต่อภารกิจเพิ่มขึ้นร้อยเท่า และภารกิจต่อคนเพิ่มขึ้นร้อยเท่าอีกครั้งเพราะเอเจนต์ทำงานโดย无人值守 กราฟความต้องการไม่โค้งงอ มันพุ่งขึ้นในแนวตั้ง ควบคู่ไปกับค่าใช้จ่ายในการก่อสร้าง数据中心 ซึ่งเพิ่มขึ้นในช่วงหกเดือนที่ผ่านมามากกว่าสองปีก่อนหน้ารวมกัน

และคุณก็เห็นแล้วว่าการปรับราคาจะลงเอยที่ไหน เพราะใบแจ้งหนี้ของผมคือตัวอย่าง: 1,300 ดอลลาร์กลายเป็น 150 ดอลลาร์ กลายเป็นค่าไฟฟ้า ภายในสองสัปดาห์ โดยไม่มีการเจรจา ห้องแล็บรักษาธุรกิจของผมไว้ได้ก็โดยการยอมสละกำไรของพวกเขาเท่านั้น ยังมีคนที่จ่ายส่วนต่างระหว่างสิ่งที่ผมจ่ายกับต้นทุน数据中心ของพวกเขาอยู่ และคนนั้นไม่ใช่ผม มันคือ Series F ของพวกเขา
ในขณะเดียวกัน การซื้อขายที่ฉลาดที่สุดของปีก็เกิดขึ้นอย่างเงียบๆ หลังจากที่อาจจะดูข้อมูลการเรียกเก็บเงินของพวกเขา Stripe ก็ซื้อ OpenRouter ซึ่งเป็นเราเตอร์ที่โทเค็นสิบล้านล้านตัวไหลผ่าน ด้วยมูลค่าประมาณแปดพันล้านดอลลาร์ บริษัทชำระเงินซื้อจุดวัด และที่สำคัญกว่านั้นคือข้อมูลการเรียกเก็บเงิน: ใครจ่ายค่าโทเค็นจริงๆ สำหรับโมเดลไหน ในราคาเท่าไหร่ สลับเมื่อไหร่ ในยุคตื่นทอง อย่าขายพลั่ว ให้ซื้อสำนักงานตรวจสอบ
ทีนี้ลองคำนวณตัวเลขระดับโลก เพราะนี่คือจุดที่บทความเลิกพูดถึงบัตรเครดิตของผม และเริ่มพูดถึงโครงข่ายไฟฟ้า วันหนึ่งที่ผมใช้สี่พันล้านโทเค็นคือ 46,000 โทเค็นต่อวินาที ตลอด 24 ชั่วโมง สมมติว่าทุกคนทำแบบนั้น ถ้าคนทำงานที่มีความรู้เพียงพันล้านคนบนโลกใช้โทเค็นในแบบที่ผมใช้เมื่อวันอังคารที่แล้ว บนโมเดลที่มีประสิทธิภาพ คุณจะต้องใช้กำลังการผลิตไฟฟ้าทั้งหมดของอารยธรรมมนุษย์เพื่อให้บริการพวกเขา: โรงไฟฟ้าทุกแห่งบนโลก โดยไม่ทำอย่างอื่นเลย ขยายไปถึงประชากรทั้งหมดแปดพันล้านคนบนโมเดล frontier คุณจะต้องใช้ไฟฟ้ามากกว่าที่โลกมีอยู่หลายร้อยเท่า ไม่ใช่แค่โครงข่ายที่ใหญ่ขึ้น แต่เป็น Dyson swarm
เมื่อเทียบกับเลขคณิตนั้น การก่อสร้าง数据中心มูลค่าห้าล้านล้านดอลลาร์ ซึ่งเป็นโครงการโครงสร้างพื้นฐานที่ใหญ่ที่สุดนับตั้งแต่การสร้างทางรถไฟ ครอบคลุมเพียงเศษเสี้ยวของความต้องการที่มันอ้างว่ากำลังจะมาถึง ปัญหาเดียวคือปัจจุบันมันได้รับการสนับสนุนทางการเงินจากรายได้ของสองบริษัทที่ไม่เคยทำกำไร และขาดทุนเพิ่มอีกหลายพันล้านทุกปีที่ดำเนินการ
ในขณะเดียวกัน เซิร์ฟเวอร์ inference แบบเนื้อหนังมนุษย์แปดพันล้านเครื่องที่ถูก deploy ไว้แล้วนั้นใช้การรับรู้ระดับสปีชีส์เดียวกันบนพลังงานประมาณ 160 กิกะวัตต์ ยี่สิบวัตต์ต่อหัว ซึ่งเทียบเท่ากับการก่อสร้าง数据中心ประมาณสองปี
ไอน์สไตน์สอนเราว่าพลังงานและสสารเป็นสิ่งเดียวกันที่อัตราแลกเปลี่ยน c กำลังสอง บทความนี้พยายามจะคลำหาความเท่าเทียมที่เล็กกว่าและสกปรกกว่า: พลังงาน โทเค็น และค่าจ้างก็เป็นสิ่งเดียวกันเช่นกัน ที่อัตราแลกเปลี่ยนที่กำหนดทุกวันในหางโจว โทเค็นคือไฟฟ้าที่ถูกทำให้ข้น ค่าจ้าง เราได้กำหนดไว้แล้ว คือโทเค็นที่ถูกเสิร์ฟในร่างมนุษย์ ซึ่งหมายความว่าราคาของแรงงานมนุษย์และราคาของแรงงานเครื่องจักรตอนนี้ ทั้งคู่ ในที่สุดแล้ว ก็คือราคาพลังงาน และนักแสดงทุกคนในเรื่องนี้กำลังค้นพบมันตามตารางเวลาของตัวเอง: ห้องแล็บผ่านบิลค่าไฟ คนงานผ่านเงินเดือน กองทุนบำเหน็จผ่าน SPV และผมผ่านสวิตช์สวีเดนที่ขึ้นราคาตอนเที่ยงคืน มันเป็นเรื่องของพลังงานมาตลอด โทเค็นเป็นแค่หน่วยวัด
และถ้าคุณอยากเห็นว่ามันหมายถึงอะไรในบิลค่าไฟของครัวเรือน ให้ดูแผนภูมิด้านล่าง ค่าไฟฟ้าเฉลี่ยของอเมริกาอยู่ที่สิบสามถึงสิบสี่เซ็นต์ต่อกิโลวัตต์ชั่วโมงตลอดทศวรรษ จากนั้นการก่อสร้างก็เริ่มขึ้น และเส้นกราฟก็พุ่งขึ้นในแนวตั้ง: ยี่สิบเซ็นต์และกำลังเพิ่มขึ้น เพิ่มขึ้นเกือบห้าสิบเปอร์เซ็นต์ในสี่ปี ในราคาเดียวที่ผู้มีสิทธิ์เลือกตั้งทุกคนอ่านทุกเดือน โครงข่ายไฟฟ้ากำลังปรับราคาใหม่ก่อนที่โทเค็นจะปรับ และมันกำลังปรับราคาใหม่โดยให้ประชาชนเป็นคนจ่าย

แผนภูมิเดียวที่นักการเมืองทุกคนจะได้เห็นในที่สุด ราคาไฟฟ้าแบนราบมาทศวรรษ จากนั้นก็มีการก่อสร้าง AI (ที่มา: BLS, ผ่าน Koyfin)
คำตอบของอุตสาหกรรมต่อปัญหาโครงข่ายไฟฟ้าคือพลังงานนิวเคลียร์ และกรณีศึกษาที่เป็นสัญลักษณ์บอกทุกอย่าง Microsoft กำลังจ่ายเงินเพื่อเริ่มเดินเครื่อง Three Mile Island ใหม่ ใช่แล้ว Three Mile Island นั่นแหละ สถานที่เกิดอุบัติเหตุนิวเคลียร์ร้ายแรงที่สุดในอเมริกา ถูก rebrand เป็น Crane Clean Energy Center และทำสัญญาจ่ายไฟให้数据中心เป็นเวลายี่สิบปี Google เซ็นสัญญากับ Kairos สำหรับฝูงเครื่องปฏิกรณ์นิวเคลียร์ขนาดเล็ก Amazon ซื้อแคมปัสที่อยู่ติดกับโรงไฟฟ้านิวเคลียร์ที่ Susquehanna และ Meta ออกประกาศรับซื้อไฟฟ้านิวเคลียร์สี่กิกะวัตต์ ผมสนับสนุนทั้งหมดนี้จริงๆ: พลังงานนิวเคลียร์คือคำตอบที่ถูกต้องสำหรับกราฟความต้องการที่บทความนี้อธิบาย แต่ดูวันที่ส่งมอบสิ การเริ่มเดินเครื่องใหม่จะเกิดขึ้นในปี 2027 ถึง 2028 ถ้า NRC ให้ความร่วมมือ SMR ถูกสัญญาว่า "ภายในปี 2030" โดยบริษัทที่ไม่เคยสร้างมาก่อน และไม่มีเครื่องปฏิกรณ์ขนาดใหญ่ใหม่เครื่องใดถูกสั่งซื้อ หนี้สินถูกผ่อนชำระตามกำหนดสามปีกับไฟฟ้าที่จะมาถึงในอีกสิบปี โทเค็นต้องการอิเล็กตรอนในไตรมาสนี้ และอะตอมอยู่ห่างออกไปอีกสองวาระประธานาธิบดี พลังงานนิวเคลียร์จะขับเคลื่อนเศรษฐกิจโทเค็นในที่สุด มันจะขับเคลื่อนใครก็ตามที่เป็นเจ้าของกล่องหลังจากปรับราคา ซึ่งเป็นประเด็นสำคัญ: เครื่องปฏิกรณ์จะมีอายุยืนยาวกว่า SPV ที่สนับสนุนทางการเงินให้กับความต้องการใช้มัน
ดังนั้น ความต้องการโทเค็นพุ่งขึ้นแบบพาราโบลา พลังงานทำไม่ได้ และพลังงานก็เป็นอาหารด้วยเช่นกัน เนื่องจากพืชผลต้องแข่งขันกับเชื้อเพลิง บางอย่างต้องยอม และสิ่งที่ยอมคือราคาและรูปร่างของตลาด

Three Mile Island กำลังถูกเปิดใช้งานอีกครั้งเพื่อสร้างสไลด์ PowerPoint
GTC: วิกฤตโทเค็นโลก (Global Token Crisis)
การปรับราคาจะ更像是การตรวจสอบมากกว่าการขึ้นราคา และทุกกรณีการใช้งานของค่าจ้างและเอเจนต์จะถูกทดสอบอีกครั้งกับต้นทุนโทเค็นที่แท้จริง ซึ่งก็คือต้นทุนพลังงาน และส่วนที่ไม่สบายใจของทั้งสองอย่างจะล้มเหลว
สิ่งที่รอดชีวิตจะจัดเรียงตัวเองเป็นรูปร่างของตลาดพลังงานอื่นๆ: สามระดับและราคา spot
ที่ระดับล่างสุด โทเค็นสินค้าโภคภัณฑ์ ซึ่งเป็นปริมาณส่วนใหญ่ที่ท่วมท้น: โมเดลเปิดที่ราคาไฟฟ้าบวกค่าเสื่อมราคาฮาร์ดแวร์ บนซิลิคอนจีน บนแร็คของคุณเอง DeepSeek ตั้งราคาโทเค็นตามช่วงเวลาของวันแล้ว ครึ่งราคาสำหรับสิบเจ็ดชั่วโมงนอกชั่วโมงเร่งด่วน เหมือนกับบริษัทไฟฟ้าทุกประการ เพราะนั่นคือสิ่งที่มันเป็นอยู่ในตอนนี้
ตรงกลาง โทเค็นแบรนด์ตะวันตกคิดค่าพรีเมียมสำหรับความน่าเชื่อถือในลูปเอเจนต์ที่ยาวนาน ซึ่งเป็นพรีเมียมที่มีความกว้างเท่ากับหนึ่งรอบ benchmark
และที่ระดับบนสุด frontier ที่ถูกปิดกั้น ซึ่งเป็นที่ที่กลยุทธ์ที่แท้จริงของ OpenAI ปรากฏชัด
ลองดูการเคลื่อนไหวของ OpenAI ในเดือนกันยายนว่าเป็นการเคลื่อนไหวเดียว Astra: อันตรายเกินไปสำหรับ API สาธารณะ เข้าถึงได้เฉพาะผู้ที่ผ่านการตรวจสอบเท่านั้น วิศวกรที่ถูก deploy ไปข้างหน้า ข้อตกลงที่ปรึกษากับ IBM ประธานเจ้าหน้าที่ฝ่ายรายได้ที่ขายการป้องกันไซเบอร์เป็นบริการที่มีการจัดการ รวมกันแล้ว: OpenAI เลิกขายโทเค็นแล้ว มันต้องการเป็น McKinsey 2.0 โดยเก็บโมเดลที่ดีที่สุดไว้ในบริษัทและขายผลลัพธ์ในราคาที่ปรึกษา เป็นแสนดอลลาร์ต่องาน โดยที่ไม่มีอะไรแตะ API สาธารณะเลย และในฐานะกลยุทธ์ มันถูกต้อง เพราะระดับที่ถูกปิดกั้นเป็นที่เดียวที่อัตรากำไรอยู่รอด เป็นเวลาสามปีที่ห้องแล็บบอกเราว่าโมเดลราคาถูกเกินกว่าจะสำคัญและปลอดภัยเกินกว่าจะกลัว ตอนนี้พวกมันอันตรายเกินกว่าจะขาย และอันตรายก็สะดวกดี เพราะเป็นสิ่งเดียวที่เคยมีพรีเมียม
อุปสรรคคือการให้คำปรึกษาขึ้นอยู่กับสินทรัพย์เดียวคือความรอบคอบ และ OpenAI เลือกสัปดาห์ของการเปลี่ยนทิศทางเพื่อแสดงให้เห็นว่ามันไม่มีสิ่งนั้น
"มอบปัญหาที่ยากที่สุดและข้อมูลที่ละเอียดอ่อนที่สุดของคุณให้เรา" คำพูดขายกล่าว "ตอนนี้เราคืออัจฉริยะ"
ในขณะเดียวกัน บนหน้าแรก: นักคณิตศาสตร์คนหนึ่งที่ทำอย่างนั้น ดูเจ้าของที่ดินประกาศผลงานทั้งชีวิตของเขา และได้รับคำแถลงที่ไม่สามารถตัดความเป็นไปได้ที่จะนำไปฝึกสอนได้ เรารู้ว่าเกิดอะไรขึ้นกับบริษัทที่ปรึกษาที่กินงานลับของลูกค้า เพราะออสเตรเลียเพิ่งทดลองไป PwC เอาแผนภาษีลับของกระทรวงการคลัง และนำไปสร้างรายได้อย่างเงียบๆ ให้กับลูกค้ารายอื่น และเมื่อเรื่องถูกเปิดโปง บริษัทก็ขายหน่วยงานที่ปรึกษารัฐบาลทั้งหมดในราคาหนึ่งดอลลาร์ ไล่หุ้นส่วนออก และกลายเป็นคำพ้องความหมายกับการทรยศ นั่นเป็นเอกสารสรุปที่รั่วไหลเพียงฉบับเดียว เวอร์ชั่นของ OpenAI เป็นเชิงโครงสร้าง: การรั่วไหลคือโมเดลธุรกิจ ทำงานที่หนึ่งพันล้านพรอมต์ต่อวัน และคำแถลงของพวกเขาเองบอกว่าไม่สามารถตัดออกได้ อย่างน้อย PwC ก็รู้ว่ามันทำอะไรลงไป
ทีนี้รวมสถานะทั้งหมดของ OpenAI ผู้ใช้ "แปดร้อยล้าน" คน ที่ให้บริการโดยขาดทุน ขาดทุนประจำปีหนึ่งหมื่นสี่พันล้าน มุ่งหน้าสู่ ช่องว่างทางการเงิน 207,000 ล้านดอลลาร์ภายในปี 2030 ตามเลขคณิตของ HSBC การเปลี่ยนไปให้คำปรึกษามีรูรั่วใต้น้ำในสัปดาห์แรก และ IPO มูลค่าล้านล้านดอลลาร์เพื่อขายทั้งหมดนี้ให้คุณ ตัดสิ่งที่การตั้งราคาที่ซื่อสัตย์เอาออกไป: ระดับฟรีที่ไร้ค่า ผู้ใช้ระดับพาวเวอร์ที่แปรพักตร์ไปใช้โมเดลจีนและแร็คของตัวเองแล้ว สิ่งที่เหลืออยู่คือแบรนด์และนิสัย: ธุรกิจโฆษณาที่เป็นที่รู้จักมากที่สุดในโลก ห่อหุ้มด้วยต้นทุนขายที่แพงที่สุดในโลก ดวงดาวเรียงตัวกันเพื่อการออก: คดีความของ Musk ตายในเดือนกันยายน การเสนอขายหุ้น IPO ที่ทำลายสถิติของ SpaceX เปิดหน้าต่าง IPO และการจดทะเบียนคือการซื้อขายนั่นเอง รับสภาพคล่องก่อนที่เลขคณิตจะปฏิเสธไม่ได้ ส่งมอบอัตราการเผาเงินให้สาธารณชน และปล่อยให้ Microsoft โอบกอดและขยายตัวเองเหนือสิ่งที่เหลืออยู่ เฮลิคอปเตอร์ลำสุดท้ายจากหลังคา ขายเป็นการส่งจรวดขึ้นดวงจันทร์
Anthropic อีกบริษัทที่ทุกคนถามถึง ดูสุขภาพดีกว่าและเปราะบางกว่า ให้เครดิตตามที่ควร: ตอนนี้พวกเขาทำโมเดลที่ดีที่สุดในโลก พวกเขายังคิดราคาสูงที่สุดในโลกสำหรับโมเดลเหล่านั้น และข้อมูลการใช้จ่ายแสดงให้เห็นว่ามันจะจบลงอย่างไร ดูแผนภูมิด้านล่าง จาก ข้อมูลบัตรเครดิตองค์กรของ Ramp สายผลิตภัณฑ์เดียวของ Anthropic ที่ยังเติบโตคือ Opus ซึ่งเป็นระดับบนสุด Sonnet ซึ่งเป็นระดับทำงานหลัก กำลังหดตัว: นั่นคือรายได้จากสินค้าโภคภัณฑ์ที่รั่วไหลไปยัง GLM และ DeepSeek ด้วยคำสั่ง slash command เดียวในราคาหนึ่งในสิบ ตรงตามกำหนด และ Fable 5 โมเดล frontier ใหม่เอี่ยม ทรงตัว: องค์กรจะไม่จ่ายสำหรับระดับพรีเมียมใหม่ในขณะที่ระดับเก่ายังใช้ได้และทุกอย่างที่ต่ำกว่ากำลังไปจีน นี่คือวงจรการตายของการหยุดชะงักแบบคลาสสิกที่มองจากภายใน: ผู้เล่นรายเดิมถอยขึ้นไปตลาดบน ปล่อยปริมาณที่อ่อนไหวต่อราคาก่อน และส่วนผสมของมันดูสุขภาพดีขึ้นทุกไตรมาส จนกระทั่งเหลือแต่ชั้นบนสุด และคูเมืองที่นั่นกว้างเท่ากับหนึ่งรอบ benchmark จากนั้นในเดือนมิถุนายน ช่องทางการจัดจำหน่ายที่ใหญ่ที่สุดของพวกเขาก็ถูกซื้อไปจากใต้เท้า: SpaceX ซื้อ Cursor ด้วยเงินหกหมื่นล้านดอลลาร์ ซึ่งเป็นการเข้าซื้อกิจการสตาร์ทอัพที่ได้รับการสนับสนุนจาก VC ที่ใหญ่ที่สุดเท่าที่เคยมีมา เพื่อทำให้ Grok เป็นโมเดลการเขียนโค้ดเริ่มต้น OpenAI ตอบโต้ด้วยการ ดึงโมเดลของมันออกจาก Cursor โดยสิ้นเชิง ใครก็ตามที่ซื้อ wrapper ก็ซื้อรายได้ของคุณ ใครก็ตามที่เสีย wrapper ก็พาโมเดลกลับบ้าน ตลาดการเขียนโค้ดกำลังสร้างอินเทอร์เน็ตของ AOL ขึ้นมาใหม่ที่ชั้นโมเดล
ดังนั้น Anthropic จึงปีนขึ้นไปบน stack ไปในแนวตั้ง สู่แอปพลิเคชัน: Claude Code, Claude Cowork, Claude Design ใครจะรู้? พยายามยึดมูลค่าที่ราคา API ของมันไม่สามารถรักษาไว้ได้ เกมจบที่สมเหตุสมผลคือแฟรนไชส์ความไว้วางใจขององค์กร: โมเดลตะวันตกที่ปลอดภัย ตรวจสอบได้ สำหรับธนาคารและรัฐบาล เป็น Lockheed แห่ง LLM มีเพียงสองปัญหากับการเป็น Lockheed อย่างแรกคือ Lockheed ลูกค้ารักมัน และรัฐบาลสหรัฐฯ อย่างเปิดเผยไม่รัก Anthropic: เพนตากอนกำหนดให้มันเป็นความเสี่ยงในห่วงโซ่อุปทาน แม้ว่าระบบกำหนดเป้าหมายของตัวเองจะทำงานบน Claude และฝ่ายบริหารปฏิบัติต่อการล็อบบี้ด้านความปลอดภัยของมันว่าเป็นการยึดครองกฎระเบียบในชุดแล็บ เป็นเรื่องยากที่จะเป็นผู้รับเหมาป้องกันประเทศของรัฐบาลที่เรียกคุณว่าภัยคุกคามอยู่เรื่อยๆ อย่างที่สองคือความไว้วางใจนั่นเอง: การปรับแต่งความปลอดภัยแบบเดียวที่ควรจะสร้างความมั่นใจให้กับองค์กร กำลังทำให้พวกเขาสูญเสียลูกค้า ครั้งละหนึ่งการปฏิเสธและหนึ่งการบรรยายจริยธรรม รวมถึงของผมด้วย แฟรนไชส์ความไว้วางใจที่รัฐบาลไม่ไว้วางใจคุณและลูกค้ารู้สึกถูกสอน เป็นคูเมืองที่แคบกว่าที่คำพูดขายบอกใบ้ เป็นธุรกิจที่แท้จริง อาจจะดีมาก แต่ไม่ใช่สาธารณูปโภคสองล้านล้านดอลลาร์เพื่อมนุษยชาติที่เสียงพูดถึง IPO กำลังตั้งราคา
ส่วนที่โหดร้ายที่สุดคือการตั้งราคาที่ซื่อสัตย์เป็นทางออกเดียวของห้องแล็บ และทั้งสองฝ่ายก็ไม่สามารถไปก่อนได้ ฝ่ายแรกที่ตั้งราคาอย่างซื่อสัตย์จะมอบปริมาณให้กับใครก็ตามที่ยังอุดหนุนอยู่ ดังนั้นทั้งคู่จึงยังคงเผาเงินต่อไป โดยได้รับเงินทุนจากสินเชื่อเอกชน ในเกมไก่ชนที่ผู้ให้กู้ถือพวงมาลัย Blue Owl ถอนตัวจากข้อตกลง数据中心มูลค่าหมื่นล้านดอลลาร์เป็นคำว่า "ไม่" ครั้งแรก
อัตราโปรโมชั่น引诱ของโทเค็นสิ้นสุดลงเมื่ออัตราโปรโมชั่น引诱ของผู้ให้กู้สิ้นสุดลง
CDO: หนี้ที่มี数据中心เป็นหลักประกัน (Collateralized Datacentre Obligations)
คุณอาจจำ CDO (Collateralized Debt Obligations) จากปี 2008 หรืออย่างน้อยก็จาก Margot Robbie ที่อธิบายมันในอ่างอาบน้ำ ถ้าภาคต่อมีฉากในอ่างอาบน้ำ ผมไม่แน่ใจว่าอยากดูหรือเปล่า แต่มันมีอย่างอื่นครบ
Ed Zitron คิดว่า SPV ของ数据中心คือ CDO ของฟองสบู่นี้ และ AI data center คือสินเชื่อซับไพรม์ของมัน เขาบอกว่าเครื่องจักรคือสิ่งที่บอก ไม่มีใครสร้าง AI data center ในงบดุลของตัวเองอีกแล้ว คุณสร้าง SPV ขึ้นมา บริษัทเล็กๆ ที่เป็นเจ้าของชิป เป็นเจ้าของหนี้ และเป็นเจ้าของความเสี่ยง และยักษ์ใหญ่เทคโนโลยีที่อยู่เบื้องหลังเป็นเจ้าของ อย่างเป็นทางการ ไม่มีอะไรเลยนอกจากความตั้งใจดี
แคมปัส Hyperion ของ Meta เป็นของนิติบุคคลที่ Blue Owl ถือหุ้น 80% รายงาน SEC ของ Meta เองยอมรับว่ามีความเสี่ยงสูงถึง 46,000 ล้านดอลลาร์ ในขณะที่งบดุลของมันไม่แสดงหนี้ใดๆ โดยให้เหตุผล อย่างหน้าตาเฉย ว่า Meta ไม่ใช่ "ผู้รับผลประโยชน์หลัก" ของ数据中心ที่สร้างขึ้นเพื่อ Meta โดยเฉพาะ Ernst & Young ระบุว่าเป็นประเด็นสำคัญในการตรวจสอบ แล้วก็เซ็นรับรองอยู่ดี: ลำดับเหตุการณ์ที่โด่งดังครั้งสุดท้ายโดย Arthur Andersen ซึ่งเป็นบริษัทที่ไม่มีอยู่อีกต่อไปด้วยเหตุผลนี้เอง
ดังที่ Zitron กล่าว: "Bloomberg ประมาณการว่ามีหนี้ AI data center ที่ค้างชำระมากกว่า 500,000 ล้านดอลลาร์ โดยอย่างน้อย 200,000 ล้านดอลลาร์ถือครองโดยสินเชื่อเอกชน" ซึ่งเป็นผู้ให้กู้ทางเลือกสุดท้าย "คิดเป็นประมาณ 8% ของสินเชื่อเอกชนที่ค้างชำระทั้งหมด" และนั่น เขาตั้งข้อสังเกตว่า น่าจะเป็นตัวเลขที่ต่ำกว่าความเป็นจริง เพราะโครงสร้าง SPV มีอยู่เพื่อทำให้หนี้ยากต่อการนับ พันธบัตร AI ตอนนี้คิดเป็นหนึ่งในสี่ของการออกพันธบัตรระดับ investment grade ทั้งหมดของสหรัฐฯ
ผู้ให้บริการ hyperscale ห้ารายสะสมหนี้ 1.65 ล้านล้านดอลลาร์ในห้าปี นั่นมากกว่าซับไพรม์ที่จุดสูงสุดในปี 2007 และซับไพรม์มีบ้าน 55 ล้านหลังรองรับ ในขณะนี้ มีลูกค้าสองราย ตามข้อมูลของ Barclays, Wells Fargo และ UBS OpenAI และ Anthropic คิดเป็น ~73% ของรายได้ AI ของ Amazon, ~74% ของ Microsoft และใกล้ครึ่งหนึ่งของ Google Cloud ทั้งหมดภายในปี 2027 ตัดพวกเขาออกไป AWS มีรายได้ AI 8.5 พันล้านดอลลาร์ เทียบกับค่าใช้จ่ายฝ่ายทุนของ Amazon 220,000 ล้านดอลลาร์ ซึ่งเป็นอัตราส่วนที่ปกติสงวนไว้สำหรับโครงการอวกาศแห่งชาติ
และการคาดการณ์ในอนาคตก็ dwarf ตัวเลขปัจจุบัน Tom Tunguz คำนวณเลขคณิต เกี่ยวกับการก่อสร้างที่วางแผนไว้: หนี้ AI ใหม่ประมาณ 4 ล้านล้านดอลลาร์ในอีกห้าปีข้างหน้า ซึ่งจะใหญ่กว่าตลาดสินเชื่อเอกชนทั่วโลก เกือบเท่าขนาดตลาดพันธบัตรเทศบาลของสหรัฐฯ ที่ใช้เงินทุนสำหรับถนน สะพาน และสนามบินทุกแห่งในอเมริกา และเป็นการขยายตัว 34% ของตลาดพันธบัตรองค์กรของสหรัฐฯ เพียงลำพัง การชำระหนี้ในอัตราปัจจุบันต้องใช้ดอกเบี้ย 260,000 ถึง 300,000 ล้านดอลลาร์ต่อปี ซึ่งที่อัตราความคุ้มครองระดับ investment grade หมายถึงรายได้ AI ต่อปี 1.2 ถึง 1.5 ล้านล้านดอลลาร์ภายในปี 2030 เทียบกับปัจจุบันประมาณ 150,000 ล้านดอลลาร์ อัตราการเติบโตทบต้น 55% เป็นเวลาห้าปี ในผลิตภัณฑ์ที่ราคากำลังถล่มทลาย ดังที่ Tunguz กล่าว นี่ไม่ใช่เรื่องของ venture capital อีกต่อไป มันเป็นเหตุการณ์เครดิตระดับมหภาค
การกู้ยืมเพื่อ AI ที่วางแผนไว้ในห้าปี ถัดจากตลาดหนี้หลักทุกแห่งบนโลก แถบสีส้มไม่มีอยู่ในปี 2024 (ที่มา: Tomasz Tunguz, Theory Ventures)
นี่คือตอนที่เจ้าของบ้านให้เงินทุนผู้เช่า Microsoft ลงทุนมากกว่า 100,000 ล้านดอลลาร์ในความสัมพันธ์กับ OpenAI ตามคำให้การของตัวเองในการพิจารณาคดี Musk Google ลงทุนสูงถึง 40,000 ล้านดอลลาร์ใน Anthropic Amazon ลงทุน 50,000 ล้านดอลลาร์ใน OpenAI เสร็จสิ้น นอกเหนือจากหุ้น Anthropic ก่อนหน้านี้ และทุกดอลลาร์ของมันจะวนกลับมาเป็นรายได้จากการประมวลผลทันที ซึ่งถูกนำเสนอต่อผู้ถือหุ้นว่าเป็นการเติบโต ตามวงกลมทั้งหมดและวิศวกรรมการเงินก็ปรากฏชัด: รายได้ AI ของ hyperscaler คือการใช้จ่ายของห้องแล็บ การใช้จ่ายของห้องแล็บคือการลงทุนของ hyperscaler และโครงสร้างทั้งหมดได้รับการค้ำประกันโดยสมมติฐานเดียว: OpenAI และ Anthropic จะลงเอยด้วยการเป็นเจ้าของตลาดสำหรับความฉลาด
นั่นคือสมมติฐานที่รับน้ำหนักทั้งหมด และสังเกตให้ดีว่ากำลังผลิตอะไรอยู่ มันไม่ใช่ความต้องการ AI โดยทั่วไป ความต้องการของผมมีจริงพอ มันคือความต้องการเฉพาะ ที่จ่ายเงิน ในราคาเหล่านี้ ที่พิสูจน์ให้เห็นถึง数据中心เฉพาะเหล่านี้: รายได้ที่ถูกสร้างขึ้นโดย hyperscaler ที่ลงทุนในลูกค้าสองรายของตัวเองและบันทึกการหมุนเวียนเป็นการเติบโต ความต้องการตามธรรมชาติกำลังมา ในปริมาณมหาศาล แต่มันไม่ได้มาหาพวกเขา ในราคาของพวกเขา ตามเงื่อนไขของพวกเขา และไม่ว่าคุณจะลงทุนในผู้เช่าของตัวเองมากแค่ไหนก็ไม่เปลี่ยนสิ่งนั้น ในอุตสาหกรรมอื่นใด เราจะมีคำสำหรับการบันทึกเงินของตัวเองเป็นหลักฐาน ในอุตสาหกรรมนี้ เรามีการกล่าวสุนทรพจน์ในงานประชุม
พวก bear ที่แท้จริง รวมถึง Zitron มองทั้งหมดนี้แล้วสรุปว่าความต้องการเป็นของปลอม มันไม่ใช่ของปลอม แต่จงแม่นยำเกี่ยวกับสิ่งที่กำลังเติบโต เพราะพวก bull รวมเส้นโค้งสองเส้นที่แตกต่างกัน ความต้องการโทเค็นจะพุ่งขึ้นแบบพาราโบลา ความเต็มใจที่จะจ่ายเงินสำหรับพวกมันจะไม่เป็นเช่นนั้น การบริโภคกำลังระเบิดอย่างแม่นยำเพราะราคากำลังถล่มทลาย แรงผลักดันเดียวที่ขับเคลื่อนปริมาณกำลังทำลายรายได้ ดังนั้นห้องแล็บจึงได้เวอร์ชั่นที่แย่ที่สุดของความเฟื่องฟู: กราฟการใช้งานที่พุ่งขึ้นในแนวตั้งและอำนาจการตั้งราคาที่ไปถึงศูนย์ เพราะไม่มีต้นทุนในการเปลี่ยน ไม่มีคูเมือง และการแปรพักตร์ใช้เวลาพิมพ์สิบเอ็ดครั้ง โทเค็นไหลไปยังซิลิคอนจีน ไปยังโมเดลเปิด ไปยังกล่อง on-prem บนโต๊ะทำงาน และในมือคุณ ในราคาที่ต่ำกว่าที่โมเดลหนี้สันนิษฐานไว้หกสิบถึงห้าร้อยเท่า การคาดการณ์ทุกครั้งที่ขยายการเติบโตของโทเค็นเป็นการเติบโตของรายได้ กำลังคูณจำนวนที่เพิ่มขึ้นด้วยจำนวนที่ลดลง และเรียกผลลัพธ์ว่าหลีกเลี่ยงไม่ได้
และนี่คือส่วนที่กรอบอสังหาริมทรัพย์พลาด: สัญญาเช่า data center ดูเหมือนอสังหาริมทรัพย์ แต่ตั้งราคาเหมือนตลาดปลา ตัวอาคารอาจเป็นหนึ่งในห้าของต้นทุนและมีอายุสามสิบปี ชิปเป็นส่วนที่เหลือและเก่าในสามปี เจ้าของพื้นที่ colocation แบบดั้งเดิมขายตู้ปลาและไม่เคยแตะต้องปลา: เปลือกเย็นและการเชื่อมต่อโครงข่ายในสัญญาสิบปี ไม่มีความเสี่ยงจากซิลิคอน โครงสร้าง SPV รวมสองชั้นเข้าด้วยกัน ยานพาหนะของ CoreWeave กู้ยืมโดยใช้ปลาเป็นหลักประกัน
ดังนั้น ลองเดินดูสองวิธีที่เรื่องนี้จะจบลงจริงๆ วิธีแรก และเป็นตัวกระตุ้นที่เป็นไปได้มากที่สุด คือ OpenAI หรือ Anthropic ผิดนัดชำระหนี้ ไม่ใช่เพราะเจตนาร้าย แต่ผ่านเลขคณิต: ต้นทุนที่ผูกมัด รายได้ที่ปรับราคาไปทางหางโจว และตลาดการระดมทุนที่ในที่สุดก็พูดว่าไม่ ในวันที่ห้องแล็บพลาดการชำระค่า compute การล่มสลายจะเป็นไปโดยอัตโนมัติ พันธสัญญาของ CoreWeave เองกำหนดว่าใบแจ้งหนี้ OpenAI ที่ค้างชำระสามเดือนถือเป็นการผิดสัญญา SPV หยุดจ่ายเจ้าหนี้ เจ้าหนี้ยึดหลักประกัน และหลักประกันคือคลังสินค้าของ GPU รุ่นเก่าที่ถูก mark to market ในตลาดที่ Jalapeno และ B200 ก้าวไปข้างหน้าแล้ว การผิดนัดครั้งหนึ่งจะปรับราคาโครงสร้างที่เทียบเคียงได้ทั้งหมดในชั่วข้ามคืน เพราะทันใดนั้นกองทุนบำเหน็จที่ถือตราสารหนี้ต้องถามว่าหลักประกันของพวกเขามีมูลค่าจริงเท่าไหร่ และคำตอบคือ: ปลา อายุสามวัน
ตอนจบที่สองคือสิ่งที่แทบไม่มีใครจำลอง: ความต้องการโทเค็นพุ่งขึ้นแบบพาราโบลาและย้ายไปที่ edge และไปยังโมเดลเปิด บนโทรศัพท์ บนแล็ปท็อป บนกล่องตั้งโต๊ะอย่างของผม บนเครื่องใช้ไฟฟ้า AI ที่ Jensen กำลังขายปลีกอยู่ตอนนี้ ฟิสิกส์สนับสนุนมัน เพราะการเดินทางไปกลับไปยัง data center ใช้เวลานานกว่าโมเดลขนาดเล็กจะตอบคำถาม เศรษฐศาสตร์สนับสนุนมัน เพราะอุปกรณ์ที่คุณเป็นเจ้าของให้บริการโทเค็นที่ต้นทุนส่วนเพิ่มของไฟฟ้า และความตื่นตระหนกเรื่องความเป็นส่วนตัวก็ปิดผนึกมัน: ทุกองค์กรที่มีช่วงเวลาที่ "ราชาไม่มีชุด" เกี่ยวกับข้อมูลการฝึกสอน จะทำอะไรบางอย่างที่คล้ายกับสิ่งที่ผมทำ และผู้บริโภคทุกคนจะได้รับมันเป็นค่าเริ่มต้นในมือถือรุ่นหน้า
ในส่วนขององค์กร คอมพิวเตอร์ได้ทำการทดลองแบบเดียวกันนี้มาห้าครั้งแล้ว และคำตอบก็ไม่เคยเปลี่ยนแปลง เมนเฟรมถูกคิดค่าใช้จ่ายตามวินาทีการประมวลผล โดยมีกลุ่มคนในห้องกระจกเป็นผู้กำหนดราคา และทันทีที่มินิคอมพิวเตอร์ทำให้แต่ละแผนกสามารถเป็นเจ้าของเครื่องของตัวเองได้ โมเดลการคิดค่าใช้จ่ายตามการใช้งานก็ตายไป ทimesharing ถูกคิดค่าใช้จ่ายตามการใช้งาน และพีซีก็ฆ่ามัน: ไม่มีใครเช่า VisiCalc เป็นรายชั่วโมงอีกต่อไปเมื่อเครื่องที่อยู่บนโต๊ะสามารถรันมันได้ฟรี โทรศัพท์ทางไกลถูกคิดค่าใช้จ่ายเป็นนาที จนกระทั่ง packet switching ทำให้ต้นทุนของการโทรเพิ่มขึ้นเล็กน้อยนั้นไร้ค่า แม้แต่คลาวด์ ซึ่งเป็นตัวอย่างที่ตรงกันข้าม ก็เพียงแต่รวมศูนย์ workloads ที่ได้ประโยชน์จากการแชร์กันอีกครั้ง และทันทีที่ค่าใช้จ่ายคลาวด์กลายเป็นรายการในงบประมาณของคณะกรรมการ การเคลื่อนไหวเพื่อนำ workloads กลับมาไว้ในองค์กรก็เริ่มต้นขึ้น รูปแบบนี้ใกล้เคียงกับกฎ: คอมพิวเตอร์จะถูกบริโภคในรูปแบบบริการที่คิดค่าใช้จ่ายตามการใช้งานตราบเท่าที่ฮาร์ดแวร์ยังขาดแคลน และทันทีที่ความสามารถนั้นพอดีกับกล่องที่ลูกค้าสามารถเป็นเจ้าของได้ ความเป็นเจ้าของก็ชนะ เพราะคอมพิวเตอร์ที่เป็นเจ้าของนั้นมีต้นทุนส่วนเพิ่มแค่ค่าไฟฟ้า ในขณะที่คอมพิวเตอร์ที่เช่านั้นมีต้นทุนส่วนเพิ่มเท่าที่ผู้ขายคิดว่าคุณจะรับไหว ปัญญาก็จะไม่แตกต่างกัน ปริมาณ token ที่สม่ำเสมอ คาดการณ์ได้ และสูง, เอเจนต์, เวิร์กโฟลว์, การรับรู้ในแต่ละวันขององค์กร จะย้ายไปยังซิลิคอนที่เป็นเจ้าของ และคลาวด์จะเก็บสิ่งที่มันเคยเก็บไว้เสมอ: การระเบิด, จุดสูงสุด, และปัญหาที่ใหญ่เกินไปสำหรับกล่อง
ห้องปฏิบัติการก็ไม่สามารถกอบกู้ตัวเลขเหล่านี้ได้เช่นกัน เพราะภาระผูกพันของพวกเขานั้นเดินหน้าไปทางเดียว OpenAI มีภาระผูกพันด้านการประมวลผลประมาณ 1.1 ล้านล้านดอลลาร์กับ Microsoft, Oracle, Amazon, CoreWeave และ Cerebras และภาระผูกพันเหล่านั้นเองที่เป็นหลักประกันเบื้องหลังหนี้ SPV ต้นทุนที่ผูกมัด รายได้ที่เป็นทางเลือก: ตรงกันข้ามกับธุรกิจที่ดีโดยสิ้นเชิง และไม่มีวิธีที่สง่างามในการหดตัว การให้บริการโมเดลที่ถูกกว่าเท่ากับยอมรับว่า frontier นั้น over provisioned การฆ่าผลิตภัณฑ์ เช่นเดียวกับ Sora ทำให้ตลาดมองเห็นความทุกข์ยาก การผิดสัญญาผูกมัดคือเหตุการณ์ผิดนัดที่ทั้งระบบตั้งราคาไว้ ซึ่งเป็นเหตุผลที่วอลล์สตรีทประเมินมูลค่า Backlog มูลค่า 630,000 ล้านดอลลาร์ของ Oracle อยู่ที่ประมาณศูนย์ ทุกทางออกจะกระตุ้นสิ่งที่มันกำลังหลบหนี มันคือกับดักนิ้วจีนทางการเงินขององค์กร และทั้งสองบริษัทต่างก็มีส่วนร่วม
ในขณะเดียวกัน กระดาษก็ลงเอยที่ที่กระดาษเคยลงเอยเสมอ เงินออมเพื่อการเกษียณของครูในแคลิฟอร์เนียอยู่ในกองทุนของ Blue Owl เงินบำนาญของควิเบกอยู่ในเงินกู้ของ CoreWeave Apollo กำลังจัดหาเงินทุน 35,000 ล้านดอลลาร์สำหรับชิปของ Anthropic จากเงินรายปีประกันภัย Blue Owl รายงานว่าตอบตกลงที่จะให้คำมั่นสัญญา 10,000 ล้านดอลลาร์สำหรับศูนย์ข้อมูลหลังจากการประชุมครั้งแรกเพียงสิบห้านาที ซึ่งเป็นจังหวะการตรวจสอบสถานะที่ปกติแล้วเกี่ยวข้องกับการนำเสนอไทม์แชร์ Moody's ระบุว่าธนาคารมีความเสี่ยงต่อสินเชื่อเอกชนอยู่ที่ 1.4 ล้านล้านดอลลาร์ ซึ่งถือครองโดยมีเงินสำรองประมาณศูนย์ เพราะยังไม่มีอะไรเลวร้ายเกิดขึ้น ซึ่งเป็นมาตรฐานการรับประกันภัยในปี 2006 เช่นกัน กำแพงรับน้ำหนักของฟองสบู่นี้สร้างจากเช็คเงินบำนาญ
ดังนั้น จงคิดอย่างรอบคอบว่าการผิดนัด หรือแม้แต่การเกือบผิดนัด จะก่อให้เกิดอะไรขึ้นจริง ๆ เพราะมันไม่ใช่เหตุการณ์เดียว แต่เป็นลำดับเหตุการณ์ เหยื่อรายแรกไม่ใช่ฮาร์ดแวร์ แต่เป็นต้นทุนของเงินทุน ในวันที่ห้องปฏิบัติการแสดงให้เห็นอย่างชัดเจนว่าไม่สามารถจ่ายเงินได้ เจ้าหนี้ทุกรายจะประเมินราคาโครงสร้างที่เทียบเคียงได้ทั้งหมดในคราวเดียว: ส่วนต่างราคาพุ่งสูงขึ้น การออก SPV ใหม่หยุดชะงัก และโครงการที่ต้องพึ่งพาการรีไฟแนนซ์ ซึ่งก็คือส่วนใหญ่ของโครงการ จะชนกำแพงระหว่างการก่อสร้าง ตลาดกำลังซ้อมเรื่องนี้อยู่แล้ว Credit default swaps ของ Oracle ซื้อขายในระดับที่เคยเห็นครั้งสุดท้ายในช่วงวิกฤตการเงิน และ JPMorgan ได้สร้างตะกร้าสินค้าเฉพาะเพื่อให้ลูกค้าสามารถชอร์ตหนี้ AI ได้ การประเมินราคาใหม่เกิดขึ้นก่อนการชำระบัญชีใด ๆ และมันอาจเป็นเพียงระยะเดียวที่เราจะได้เห็น เพราะผู้ให้บริการ hyperscale มีแรงจูงใจทุกประการที่จะดูดซับผู้เช่าที่สะดุดอย่างเงียบ ๆ แทนที่จะปล่อยให้การผิดนัดเกิดขึ้น
แต่ถ้าการลุกลามเกิดขึ้น ให้สังเกตว่าใครจะได้อะไรในตอนท้าย เจ้าหนี้คือกองทุนบำเหน็จบำนาญและบริษัทประกันภัยที่ไม่สามารถรัน inference ได้ หลักประกันคือซิลิคอนที่เสื่อมค่าลงในรอบสามปี และความสูญเสียแรกเริ่มบางส่วนตกเป็นของ Nvidia เอง ซึ่งหนุนหลังกำลังการผลิตที่ขายไม่ออกของ CoreWeave มูลค่าหลายพันล้านดอลลาร์ ผู้ขายกินกระดาษของตัวเอง ตลาดวันนี้ขาดแคลน ไม่ล้นตลาด หน่วยความจำถูกกักตุน สวิตช์หาซื้อไม่ได้ ดังนั้นชุดแรกของฮาร์ดแวร์ที่ถูกยึดจะพบผู้ซื้อที่เต็มใจอย่างรวดเร็ว ในราคาลด และผู้ซื้อทุกคนจะเป็นอย่างที่บทความนี้ทำนายไว้: องค์กร, มหาวิทยาลัย, รัฐบาลอธิปไตย และผู้ให้บริการอย่างฉัน ซึ่งได้มาซึ่งกล่องที่ทำให้การย้ายออกจากศูนย์ข้อมูลที่เจ้าหนี้ให้ทุนสนับสนุนนั้นสมบูรณ์ โดยต้องเสียค่าใช้จ่ายของเจ้าหนี้ นั่นคือสิ่งที่เกิดขึ้นกับไฟเบอร์ดอทคอม ซึ่งทำให้คนที่วางมันล้มละลาย แล้วก็บรรทุก YouTube ให้กับเจ้าของคนที่สามในราคาเศษสตางค์ต่อดอลลาร์
ตามไปอีกขั้นหนึ่ง และตอนจบก็มีรูปร่างที่แปลกประหลาดอย่างแท้จริง ความสูญเสียตกอยู่กับผู้รับบำนาญและบริษัทประกันภัย เครื่องยนต์การเติบโตที่การใช้จ่ายด้าน AI กลายเป็นหยุดชะงัก และวอชิงตันก็ค้นพบ หลังจากความจริงแล้ว ว่าไม่มีใครลงคะแนนให้กับสิ่งนี้เลย ยกเว้นว่าวอชิงตันกำลังวางตำแหน่งตัวเองสำหรับช่วงเวลานี้พอดีแล้ว รัฐบาลทรัมป์ใช้เวลาสองปีในการทำให้การโอนเป็นของรัฐบางส่วนเป็นเรื่องปกติ: การถือหุ้น 9.9% ใน Intel ซื้อมาในราคา 8.9 พันล้านดอลลาร์, การถือหุ้นในผู้ผลิตชิปและผู้ขุดแร่หายาก, การประกาศให้ควอนตัมคอมพิวติ้งเป็นรายการถัดไป, การทำธุรกรรม equity หรือ quasi equity จำนวนสามสิบเจ็ดรายการนับตั้งแต่เดือนมกราคม 2025 ตามการนับของ Council on Foreign Relations
แผนการสำหรับอุตสาหกรรมเชิงยุทธศาสตร์ที่สะดุดนั้นไม่ใช่การช่วยเหลือทางการเงินอีกต่อไป แต่เป็นการถือหุ้น และเป็นการยากที่จะจินตนาการว่ารัฐที่ถือหุ้นสิบเปอร์เซ็นต์ของ Intel จะมอง OpenAI โซเซโดยไม่เอื้อมไปหาเช็คและเรียกมันว่าความมั่นคงแห่งชาติ ดังนั้น จงร่างสถานะสุดท้ายที่น่าจะเป็นไปได้มากที่สุดของการก่อสร้าง AI ครั้งใหญ่ของอเมริกา และมันคือสิ่งที่ไม่มีใครที่เสนอราคาตั้งใจไว้: ความสามารถอยู่รอดและกระจายไปยังกล่องที่เป็นเจ้าของหลายล้านกล่องที่รันโมเดลจีนเป็นส่วนใหญ่ ความสูญเสียถูกทำให้เป็นสังคมตกอยู่กับผู้ออมชาวอเมริกัน และสิ่งที่เหลืออยู่ของ frontier ก็จบลงด้วยการเป็นเจ้าของบางส่วนโดยรัฐบาลที่ล้มเหลวในการควบคุมมันในช่วงขาขึ้น กลยุทธ์ของปักกิ่งคือมันไม่จำเป็นต้องชนะการแข่งขัน มันแค่ต้องรอให้การเงินแพ้มัน
ใครสักคนควรบอกให้ Margot เก็บอ่างอาบน้ำให้อุ่นไว้
Jensen ออกจากตึกไปแล้ว
มีคนคนหนึ่งที่ดูเหมือนจะคำนวณทุกส่วนนี้เสร็จแล้ว: ชายที่ขายพลั่ว
บนเวที Jensen Huang คือมหาปุโรหิตแห่งการก่อสร้าง: รายได้ 160,000 ล้านดอลลาร์, รายได้ 100,000 ล้านดอลลาร์, การกล่าวปาฐกถาทุกไตรมาสที่ประกาศว่าอุปสงค์ไม่มีที่สิ้นสุดและอนาคตคือศูนย์ข้อมูลขนาดเท่ารัฐเดลาแวร์ แต่จงอ่านตำแหน่งของ Nvidia อย่างที่เขาต้องอ่านเป็นการส่วนตัว ประมาณ 90% ของรายได้มาจากอุปกรณ์ศูนย์ข้อมูล และลูกค้าจำนวนไม่กี่รายซื้อส่วนใหญ่ของมัน ลูกค้าเหล่านั้นคือผู้ให้บริการ hyperscale ซึ่งรายได้ AI ของพวกเขาสามในสี่ส่วนมาจาก OpenAI และ Anthropic ซึ่งการใช้จ่ายของพวกเขาคือ venture capital และสินเชื่อเอกชนที่สวมเสื้อคลุม ตามรอยโซ่ไปจนถึงปลายทาง และบริษัทที่มีมูลค่ามากที่สุดในโลกนั้น โดยหน้าที่แล้ว คือการเดิมพันแบบ leveraged กับสตาร์ทอัพที่ไม่มีกำไรสองแห่งที่กำลังจ่ายเงินเดือน
และ Jensen รู้ดีว่ามัน leveraged แค่ไหน เพราะเขากำลังรับประกันทั้งสองฝ่ายของมัน: Nvidia หนุนหลังกำลังการผลิตที่ขายไม่ออกของ CoreWeave มูลค่าหลายพันล้านดอลลาร์ และ เพิ่งลดการรับประกันที่เสนอสำหรับศูนย์ข้อมูลในโอไฮโอของ OpenAI จาก 250,000 ล้านดอลลาร์เหลือต่ำกว่า 120,000 ล้านดอลลาร์ ซึ่งไม่ใช่พฤติกรรมของคนที่เชื่อในปาฐกถาของตัวเอง ถ้าห้องปฏิบัติการสะดุด ผู้ให้บริการ hyperscale จะลด capex, SPV จะผิดนัด และสมุดคำสั่งซื้อที่มูลค่าของเขาขึ้นอยู่กับจะระเหยไปภายในไตรมาสเดียว เขาสามารถอ่าน cap table ได้เร็วกว่าใครที่มีชีวิตอยู่
ดังนั้น จงดูมือของเขา ไม่ใช่สไลด์ของเขา ในขณะที่ปาฐกถาฉลองแคมปัสระดับกิกะวัตต์ Nvidia กำลังสร้างอนาคตอื่นอย่างเงียบ ๆ: ตรง, ตลาดล่าง, และอยู่นอกกลุ่มการเงินศูนย์ข้อมูลโดยสิ้นเชิง DGX Spark ราคา 4,699 ดอลลาร์ ขายเร็วมากจนคุณไม่สามารถซื้อสวิตช์เพื่อคลัสเตอร์มันได้ DGX Station, หน่วยความจำแบบ unified 748 กิกะไบต์บนโต๊ะทำงาน ในราคาเท่ากับบัณฑิตศึกษา MSI และ Dell กำลังส่งโคลนออกมาแล้ว ทุกกล่องคือลูกค้าที่ไม่เคยเซ็นสัญญาคลาวด์ ไม่เคยแตะ SPV และไม่เคยหยุดซื้อซิลิคอนของ Nvidia ตัวแทนจำหน่าย GPU กำลังเปิดร้านค้าปลีก และตรรกะก็ไร้ที่ติ: เมื่อลูกค้ารายใหญ่ที่สุดสี่รายของคุณกำลังสร้างชิปของตัวเอง และตลาดเช่าของคุณคือระเบิดหนี้ คุณก็ขายกล่องให้กับผู้ใช้ปลายทาง และปล่อยให้ SPV สู้กันเรื่องสัญญาเช่า เจ้ามือกำลังขายชิปให้กับคาสิโน และในเวลาเดียวกัน ก็กำลังเปิดโต๊ะโป๊กเกอร์ในบ้านของผู้คนอย่างเงียบ ๆ
สายผลิตภัณฑ์เดสก์ท็อปยังช่วยแก้ปัญหาส่วนตัวที่สุดของ Nvidia: หน่วยความจำ การให้บริการ token เป็น workload ที่ถูกจำกัดด้วยหน่วยความจำ: ทุก token ที่สร้างขึ้นต้องอ่านโมเดลที่ใช้งานอยู่ทั้งหมดจาก RAM ดังนั้นชิปจึงใช้เวลาส่วนใหญ่รอหน่วยความจำ ซึ่งเป็นเหตุผลที่ GPU ในศูนย์ข้อมูลถูกสร้างขึ้นรอบ ๆ HBM ซึ่งเป็นหน่วยความจำแบบ stacked ที่แปลกใหม่ซึ่งเชื่อมติดกับ die และ HBM คือปัญหาการขาดแคลน Nvidia ไม่ได้ผลิตมัน มีเพียง SK Hynix, Samsung และ Micron เท่านั้นที่ทำ TSMC ทำการเชื่อมต่อ และ Nvidia ไม่ได้ควบคุมขั้นตอนทางกายภาพใด ๆ เลย รายงานว่าผลผลิตทั้งหมดของปี 2027 ถูกจับจองแล้ว รายได้ของ Micron เพิ่มขึ้น 346% และ Altman กักตุน DRAM ของโลกไว้ 40% ระหว่างทางผ่านโซล การค้าหลักของ Nvidia คือการซื้อของที่ scarce และขายมันกลับคืนในรูปแบบ GPU โดยมีส่วนต่างเจ็ดสิบเปอร์เซ็นต์ ซึ่งเป็นธุรกิจที่ยอดเยี่ยมแต่มีเพดานแข็ง: มันสามารถเติบโตได้เร็วเท่าที่โรงงานสามแห่งสามารถ stack ซิลิคอนได้เท่านั้น ซึ่งทำให้จุดล้มเหลวจุดเดียวที่แท้จริงในการก่อสร้างมูลค่าห้าล้านล้านดอลลาร์ทั้งหมดไม่ใช่ไต้หวัน แต่คืออิชอน: แผนทั้งหมดติดคอที่ผลผลิตการบรรจุของบริษัทเกาหลีแห่งหนึ่ง และ SK Hynix คือพ่อค้าอาวุธที่มหาอำนาจทั้งสองต่อคิวอยู่ ภายในระยะขีปนาวุธของเกาหลีเหนือ โดยมีโรงงานอยู่ในจีน เราใช้เวลาทั้งวันในการประเมินความเสี่ยงของไต้หวัน ไม่มีใครประเมินความเสี่ยงของอิชอน
Sparks และ Stations หลีกเลี่ยงการต่อสู้ทั้งหมด พวกมันทำงานบน DRAM unified ทั่วไป ซึ่งเป็นหน่วยความจำที่ไม่ scarce ซึ่งเป็นหน่วยความจำที่แม้แต่ CXMT ก็สามารถผลิตได้ องก์ที่สองของ Jensen ทำงานบนส่วนประกอบเดียวที่ไม่มีใครต่อคิวเพื่อมัน
ถอยกลับมาแล้วดู ความสมมาตรนั้นเกือบจะสวยงาม กลยุทธ์ของจีนคือโมเดลเปิดบนกล่องราคาถูกที่ขอบ การป้องกันความเสี่ยงของ Nvidia คือกล่องราคาถูกที่ขอบที่รันโมเดลเปิด ซึ่งส่วนใหญ่เป็นของจีน ศัตรูที่ถูกสันนิษฐานสองฝ่ายของสงคราม AI ได้มาบรรจบกันที่การค้าเดียวกัน: ขายอนาคตที่ปัญญาเป็นสินค้าโภคภัณฑ์ที่คุณเป็นเจ้าของ ไม่ใช่สาธารณูปโภคที่คุณเช่า ฝ่ายเดียวที่ยังคงมุ่งมั่นกับถนนเก็บค่าผ่านทางคือสองบริษัทที่ไม่สามารถอยู่รอดได้หากไม่มีมัน และผู้ให้กู้ที่ให้ทุนสนับสนุนมันถึงสิบห้าเท่า Nvidia จะขายพลั่วให้กับศูนย์ข้อมูลจนกว่าดนตรีจะหยุด แล้วจึงขายพลั่วให้กับคนอื่น ๆ ทั้งหมด เพราะมันไม่เคยเดิมพันกับห้องปฏิบัติการ มันเดิมพันกับ compute และ compute กำลังเดินออกจากอาคารที่กองทุนบำเหน็จบำนาญจ่ายให้ ทีละกล่องทองคำ
และถ้าคุณสงสัยว่าสิ่งนี้ไม่ได้ตั้งใจเลย สัปดาห์ที่แล้ว Jensen ก็ได้ขจัดข้อสงสัยนั้น: Nvidia ซื้อ Hugging Face ในราคา 12.9 พันล้านดอลลาร์ Hugging Face ไม่ใช่การเล่นในศูนย์ข้อมูล มันตรงกันข้าม: คลังเก็บน้ำหนักโมเดลเปิดของโลก, สถานที่ที่คุณดาวน์โหลด GLM และ Qwen และ DeepSeek, ศูนย์กระจายสินค้าของทุกสิ่งที่บทความนี้บอกว่าจะชนะ บริษัทที่สร้างโชคลาภจากการให้บริการห้องปฏิบัติการตะวันตกแบบปิด เพิ่งจ่ายเงินหนึ่งหมื่นสามพันล้านดอลลาร์เพื่อประตูหน้าของโลกโมเดลเปิด ซึ่งก็คือ ความสัมพันธ์กับลูกค้าของทุกคนที่จะเป็นเจ้าของกล่องแทนที่จะเช่าคลาวด์ Stripe ซื้อมิเตอร์ SpaceX ซื้ออุปสงค์ Jensen ซื้อร้านแอปของยุคหลังห้องปฏิบัติการ และเอเจนต์ของห้องปฏิบัติการเองก็ได้แสดงให้เห็นถึงคุณค่าเชิงกลยุทธ์ของมันอย่างเป็นประโยชน์ด้วยการบุกเข้าไปเมื่อสองเดือนก่อน
นั่นคือบทความทั้งหมดในภาพเดียว บริษัทที่มีมูลค่ามากที่สุดในโลก ซึ่งมูลค่าของมันขึ้นอยู่กับการก่อสร้างศูนย์ข้อมูลทั้งหมด กำลังกระจายความเสี่ยงออกจากการก่อสร้างศูนย์ข้อมูล อย่างเปิดเผย ในร้านค้าปลีก และไม่มีใครในปาฐกถาดูเหมือนจะสังเกตเห็น Jensen ทำเงินได้หนึ่งแสนห้าหมื่นล้านดอลลาร์จากการขายที่หยิบและพลั่วให้กับการตื่นทอง ตอนนี้เขาได้ดูผลการวิเคราะห์แร่ สรุปว่าเหมืองนั้นมีเกลือปนอยู่ และเริ่มขายชุดอุปกรณ์สำรวจให้กับประชาชนทั่วไปอย่างเงียบ ๆ แทน
คุณยังสามารถซื้อชุดอุปกรณ์สำรวจได้ สิ่งที่คุณไม่สามารถซื้อได้คืออุปกรณ์ในการเชื่อมต่อพวกมันเข้าด้วยกัน ฉันรู้ดี ฉันซื้อสวิตช์ตัวสุดท้ายของสวีเดนเพื่อพยายามเชื่อมต่อของฉัน





