为什么更聪明的 AI 模型可能让算力价格上涨 10 倍

如果有一个能在 H100 等效算力上运行的人类水平软件工程师，按软件工程师当前的市场薪酬计算，这块 H100 的租金应该超过每年 25 万美元。这是当前现货价格的 15 倍。

我想尝试一种非常快的博客写法：把写作时间限定在 2 小时内。我没办法把许多重要的子问题都弄清楚，但另一种选择就是对我好奇的许多话题完全没有任何进展。

今天我想谈谈未来几年各大实验室的算力状况。

Anthropic 的收入同比增长了 10 倍。Anthropic 今年年底的收入很可能达到约 1000 亿至 1500 亿美元。如果这一趋势继续下去，Anthropic 到明年年底就得创造 1 万亿美元的收入。这一趋势并没有什么深层的理由非得持续下去，它很可能不会持续，归根结底这取决于 AI 的能力。但假设它真的持续下去，那么这样的世界必须满足哪些条件？

实验室的算力每年增长 3 倍。如果一家实验室要在算力只增长 3 倍的情况下实现收入增长 10 倍，以下 3 件事必须以某种组合发生：1. 实验室的利润率必须提高；2. 算力的价格必须上涨；3. 实验室必须把更大比例的算力用于推理。

据我了解，这 3 件事基本上都在发生：1. Anthropic 在 Fable 推理上的利润率从 2025 年的 40% 提高到了今年可能超过 80%（不过边际算力上或许并非如此，详见下文）。2. 算力现货价格比 2 月份的低谷上涨了 40% 以上，而这很可能还低估了实验室实际要多付的钱（同样，详见下文）。3. 据 Epoch 的数据，OpenAI 2024 年算力支出中大约四分之一用于推理，而现在肯定已接近 50%，甚至更高。

实验室并不愿意走第 3 条路（把越来越大比例的算力花在推理上）。就像人们半开玩笑说过的那样，推理收入的意义在于说服投资者给你更多的钱，去购买更多算力来训练更大的模型。如果你把大部分算力都花在推理上，就等于在宣告 AI 的进步已经停滞，因为再投入更多资金去训练已经不值得，而你的业务基本上就成了云服务商的业务。实验室并不认为事实如此，他们认为自己现在提供的模型一年之内就会显得糟糕透顶，之所以提供它们，是为了建立商业论证，以便继续训练更聪明的模型。

那么就只剩下 1. 实验室利润率提高，或者 2. 算力变得更贵。如果领先的 1 到 2 家实验室显著领先于竞争对手，那么前者的成分会更多。在市场中，你的利润率取决于你比次优替代品好多少。要让第 1 种效应起主导作用，到明年年底利润率就得达到 90% 中段(约 95%)。这在我听来相当疯狂。但 AI 实验室的收入继续惊人地快速增长，在我看来确实是可信的。

所以，要解释这个到明年年底收入达到 1 万亿美元的疯狂世界是怎么出现的，就只剩下另一种效应：算力变得贵得多。正如我所说，这种情况已经开始出现。如果看实验室所需要的那一档算力，价格上涨甚至更为明显，它们显然不能依赖现货实例，它们需要保障模型权重和客户信息的安全，也需要足够的规模来获得良好的利用率和灵活性。要看这一档算力市场有多疯狂，可以看看谷歌和 Anthropic 向 SpaceX 租用算力的价格。据报道，谷歌每月为 11 万块 GPU 支付 9 亿美元，这些 GPU 是 GB200 和 GB300 的混合。这大约是这些 GPU 每小时现货价格的 2 倍。而当前的现货价格本身又比 2 月份高出 40%。

我想强调这里的关键结论：随着 AI 模型变得更聪明，它们将能更好地把同样数量的算力变现。如果一个真正达到人类水平的软件工程师能在 H100 等效算力上运行，按软件工程师当前的市场薪酬计算，这块 H100 的租金应该超过每年 25 万美元。这是当前现货价格的 15 倍。

当然，你可能会认为，如果我们多出 1000 万名软件工程师，软件工程师的边际价值就会下降，因此那块 H100 未必能产生比现在多 15 倍的收入。但我其实不知道这是否成立。如果我们把这个论证用在人身上而不是 AI 上，那就是典型的“劳动总量固定谬误”。经济学家普遍认为，高技能移民并不会在长期压低工资，原因在于专业化和创新会提高劳动的价值。也许这次劳动力供给冲击规模太大、速度太快，以至于这条一般经验法则不再适用。但如果我们相信标准经济学对劳动的看法，那么劳动的边际价值（进而算力的边际价格）应当会一直高得惊人。

在这样的世界里会发生什么？

- 随着顶尖模型在把算力变现方面越来越强，追赶它们会越来越难。如果到 2028 年我们已经实现了软件工程的自动化，而算力价格比现在高 15 倍，那么没有收入的你要和前沿实验室争夺算力就会困难得多。

- 如果你能训练出最好、最高效的模型，你就能收取比今天高得多的利润率。这就是阿尔奇安–艾伦效应：当一笔固定成本同时加在两种质量不同的商品上时，高端商品会变得相对更便宜，因此需求会转向它。当每个 H100 小时的价格是 20 美元时，使用更弱、效率更低的模型会非常昂贵而且愚蠢，因为它会在运行你昂贵的算力时消耗更多 token 才能得到同样的结果。所以如果实验室能训练出更善于节省这种稀缺资源的模型，就能收取非常高的溢价。既然你无论如何都得为底层算力付出这么多钱（无论是直接还是间接），那你不妨多付一点，去用那个在同样算力上运行的最好、最高效的模型。

- 当前许多流行的 AI 应用会因价格过高而被挤出。AI 现在相对便宜，至少与人类劳动相比如此，部分原因在于它还做不了顶尖人类能做的许多事。到某个时候，情况将不再如此。到那时，用 GPU 去制作短视频垃圾内容就会因价格而被淘汰。

- 与此同时，这类预测确实与人们过去在稀缺问题上判断失误的模式相似。我想到的是西蒙–埃利希赌约：保罗·埃利希赌一篮子大宗商品的价格在截至 1990 年的十年里会上涨而不是下降。这个赌约在大众经济学讨论中很有名，因为它被认为说明了埃利希的马尔萨斯式世界观是如何被证伪的：他低估了市场信号和人类的创造力会找到办法，更好地节约稀缺的投入品。（不过其他分析表明，如果这个赌约换在另一个十年里打，埃利希就会赢。）

- 我猜西蒙–埃利希的那一篮子大宗商品并不是算力的正确参照类别，因为算力的供给弹性要小得多，吸收巨大需求冲击或由不同替代品来满足需求的能力，也远不如各种金属的开采。算力容量每年增长 3 倍，来自以下几个数字相乘：摩尔定律带来 1.4 倍，新建晶圆厂带来 1.2 倍（至少到 2030 年都受制于 EUV 设备的供应），AI 从其他设备手中抢占前沿工艺晶圆产能带来 1.8 倍（这一项到 2027 年底将开始撞墙，届时 AI 在 N3 产能中的占比将从 60% 升至 86%）。这 3 项输入似乎都很难再多转化出更多的算力增长，而最后一项在一两年内就会撞墙，因为晶圆分配将趋于饱和。

- 我想澄清一点：在未来的某个时候，算力会再次变得便宜。总有一天，机器人能够把成片的硅砂海岸和铜矿变成计算机。到那时，算力的价格应当会降到更接近原材料和工具的成本。我讨论的只是当前这种状态，即 AI 算力每年仅增长 3 倍，其速度不足以抵消 AI 逐年变得更有用所带来的价格效应。

- 顺便说一句，Anthropic 的收入一直在同比增长 10 倍，而算力只增长了 3 倍，这表明模型业务存在非常强的规模经济。从逻辑上讲这是说得通的：训练一个模型时，你一次性付出学习所有这些不同技能的成本，然后可以把它分摊到所有用户身上。（这与人类劳动不同，每个人都得从头开始重新培训。）我希望我们不要生活在一个智能的规模经济如此之强的世界里（因为我担心权力集中）。但看起来我们确实如此。