从芯片战争到太空数据中心：AI 行业的下一个十年
从芯片战争到太空数据中心，从 SaaS 的生死抉择到投资的本质——一份有深度的访谈精选解读
前 Fidelity 投资组合经理，18年投资经验，2019年创立 Atreides Management
投资是对真理的追求。如果你先找到真理，而且判断正确，那就是你创造 alpha 的方式。而且这必须是其他人尚未看到的真相。
这句话来自 Atreides Management 创始人 Gavin Baker 在 Patrick O'Shaughnessy 的播客 "Invest Like the Best" 中的访谈。Gavin 被称为科技投资领域最具热情和洞察力的投资者之一，这期近两小时的对话覆盖了 GPU、TPU、AI 经济学、太空数据中心、SaaS 的未来，甚至他从滑雪教练到投资者的人生转折。
这期访谈信息密度很高，有太多让人"停下来想一想"的时刻。以下是几个最值得深思的观点。
如何追踪 AI 发展？先花 200 美元
访谈一开始，Patrick 问了一个很实际的问题：像 Gemini 3 这样的新模型发布时，你是怎么处理这些信息的？
Gavin 的回答很直接：你必须自己用。
但关键不是"用"，而是用什么版本。他对那些用免费版 AI 就得出"AI 不过如此"结论的投资者感到惊讶：
免费版就像你在和一个 10 岁的孩子打交道，然后你根据这个 10 岁孩子的表现，去预测他 35 岁时会怎样。你可以付费——实际上你必须付费才能获得最高级别的会员资格，每月 200 美元。那些才是真正的 30-35 岁成年人。
这个比喻很精准。国内外大模型的差距其实也是类似的道理——很多人用国内的免费模型体验了一下，就觉得"AI 不过如此"，但如果你用过 Claude 4.5 Opus、Gemini 3 Pro、GPT-5.2 Reasoning 这些顶级模型，感受会完全不同。
说到付费，我自己每个月大概花 2000 人民币订阅各种 AI 产品，其中大头是 250 美元的 Claude Code Max 套餐。如果你是开发者，编程需求比较大，我非常建议直接订阅官方的 Claude Code（125 美元起），不要去用各种镜像站。一方面你不知道镜像站背后到底用的是不是真实的模型，另一方面 Max 套餐的性价比其实很高，算下来比按量付费划算太多了。
至于获取信息的渠道，Gavin 的答案可能会让很多人意外：X (Twitter)。
他说，AI 的发展很大程度上"在 X 平台上实时发生"。地球上真正理解 AI 前沿的人大概有 500 到 1000 人，相当一部分在中国，而你需要密切关注这些人。他特别提到 Andrej Karpathy：
安德烈·卡帕西写的每篇文章，你都得读三遍。最低限度。
作为一个也在关注 AI 动态的人，我对此深有共鸣。Twitter 上的 AI 讨论确实比任何新闻媒体都更实时、更深入。那些实验室的研究员们会直接发帖讨论最新进展，甚至会互相"吵架"——Gavin 提到 Meta 的 PyTorch 团队和 Google 的 Jax 团队曾在 X 上爆发过一场公开争论，最后两个实验室的负责人不得不出面表态："我们实验室的人不准说对方实验室的坏话。"
Scaling Laws：我们的"古埃及时刻"
Gemini 3 发布后，很多人关注的是它说明了什么关于 scaling laws（规模定律）。Gavin 给出了一个我从没听过的视角：
我们对预训练 scaling laws 的理解，可能就像古埃及人对太阳的理解。他们可以非常精确地测量，精确到大金字塔的东西轴线与春分秋分完美对齐，巨石阵也是如此。完美的测量。但他们不懂轨道力学。他们不知道太阳为什么从东方升起、西方落下。
这个比喻让我停下来想了很久。我们确实可以非常精确地预测：给模型增加 10 倍计算量，性能会提升多少。但我们不知道为什么。这不是一条"定律"，而是一个"经验观察"——一个我们测量得极其精确、但不理解其原理的经验观察。
所以 Gemini 3 为什么重要？因为它证明了这个"经验观察"仍然成立。在 Blackwell 芯片延迟、所有人都在担心"scaling laws 是否已经失效"的时候，Gemini 3 给出了明确的答案：没有失效。
但更有意思的是 Gavin 接下来说的：如果没有"推理模型"（reasoning models）的出现，2024 年到 2025 年的 AI 发展本来应该停滞。
为什么？因为在 XAI 搞定 20 万张 Hopper GPU 的协同工作之后，下一步需要等 Blackwell 芯片。你没法让超过 20 万张 Hopper 保持"相干"（coherent）——简单理解就是让它们像一个整体一样工作。而 Blackwell 延迟了。
如果没有推理模型，从 2024 年中期到现在，AI 就不会有任何进展。一切都会停滞。你能想象这对市场意味着什么吗？我们会生活在一个完全不同的环境里。推理模型在某种程度上拯救了 AI，因为它让 AI 在没有 Blackwell 的情况下继续进步。
这是一个我之前没有意识到的视角：推理模型（比如 o1）不只是一个新能力，它实际上"救"了整个 AI 行业的发展节奏。
芯片战争：Google 在"吸走氧气"
谈到 GPU 和 TPU 的竞争，Gavin 说了一句让我印象深刻的话：
Google 目前是 token 的最低成本生产者。他们一直在做的事情，我会说是"吸走 AI 生态系统的经济氧气"——这对他们来说是一个极其理性的策略。
作为低成本生产者，Google 一直在用低价（甚至亏损）提供 AI 服务，让竞争对手的日子很难过。这是科技行业的经典打法，但 Gavin 指出了一个有趣的变化：
AI 是我职业生涯中第一次看到"低成本生产者"这件事在科技领域真正重要。苹果不是因为低成本生产手机而市值数万亿。微软不是因为低成本生产软件而市值数万亿。英伟达也不是因为低成本生产 AI 加速器而市值数万亿。这从来都不重要。
但在 AI 时代，当电力成为限制因素时，每瓦能产出多少 token 变得至关重要。如果你每瓦能产出 3-5 倍的 token，那就是 3-5 倍的收入。计算的价格变得无关紧要，因为瓶颈是电力。
这个格局即将改变。Blackwell 芯片终于开始部署，而 Gavin 预测第一个 Blackwell 模型会来自 XAI：
NVIDIA 于 2024 年发布的新一代 GPU 架构，是 Hopper 的继任者。Blackwell 采用台积电 4nm 工艺，单芯片集成 2080 亿晶体管，支持 FP4 精度，AI 推理性能较 Hopper 提升约 5 倍，能效比提升 25 倍。首款产品 B200 于 2024 年底开始量产。
根据 Jensen 的说法，没有人比 Elon 建数据中心更快。Jensen 公开说过这话。
当 Blackwell 和后续的 Ruben 芯片大规模部署后，Google 作为低成本生产者的优势会消失。到那时，他们还愿意继续以 -30% 的毛利率运营 AI 业务吗？这个计算会完全改变。
太空数据中心：疯狂，但从第一性原理看是对的
当 Patrick 问起"有没有什么不太被讨论的疯狂想法"时，Gavin 开始谈太空数据中心。一开始我以为这是在开玩笑，但听完他的分析，我意识到这可能是整个访谈里最有远见的部分。
从第一性原理的角度来看，太空数据中心在每个维度上都优于地球上的数据中心。
他的论证是这样的：
1. 能源：在太空中，卫星可以 24 小时暴露在阳光下，太阳辐射强度比地面高 6 倍。而且因为始终有阳光，你不需要电池——电池是很大一部分成本。所以太阳系中成本最低的能源是"太空太阳能"。
2. 冷却：地球上的数据中心，大部分成本和重量都用于冷却。但在太空中？冷却免费。把散热器放在卫星背阴面，那里接近绝对零度。
3. 网络：在数据中心里，机架之间用光纤连接——本质上是激光穿过电缆。唯一比这更快的是什么？激光穿过真空。所以如果用激光连接太空中的卫星，网络实际上比地面数据中心更快。
4. 用户体验：现在你问 AI 一个问题，信号要从手机到基站，到光纤，到某个数据中心，计算完再原路返回。但如果卫星能直接和手机通信（Starlink 已经证明了直连手机的能力），整个链路会短得多。
当然，这需要 Starship 大规模发射才能实现，可能还要 5-6 年。但 Gavin 指出了一个有趣的融合：Tesla、SpaceX、XAI 正在汇聚。XAI 会是 Optimus 机器人的"智能模块"，SpaceX 会在太空建数据中心为 AI 提供算力，这三家公司正在形成一个互相增强竞争优势的闭环。
SaaS 的"燃烧平台"
如果前面的内容让你对 AI 的未来感到兴奋，这一部分可能会让你对很多现有公司的未来感到担忧。
Gavin 直接说：应用 SaaS 公司正在犯和实体零售商面对电商时完全相同的错误。
实体零售商当年看亚马逊，觉得"电商是低利润业务，怎么可能比我们更高效？现在顾客自己付钱来店里，自己把东西带回家。"他们明明看到了客户需求，却因为不喜欢电商的利润结构而拒绝投入。结果呢？亚马逊北美零售业务的利润率现在比很多传统零售商还高。
SaaS 公司现在面临同样的处境。传统软件写一次就能无限复制分发，毛利率可以高达 80-90%。但 AI 不一样——每次使用都要重新计算，好的 AI 公司毛利率可能只有 40%。
如果你想做 AI agent，你不愿意以低于 35% 的毛利率运营，你就永远不会成功。因为 AI 原生公司就是以这个利润率运营的。如果你想保护 80% 的毛利率，你就是在保证自己在 AI 领域不会成功。绝对保证。
Gavin 说这是一个"生死攸关的决定"，而除了微软，几乎所有公司都在失败。
他引用了诺基亚那封著名的"燃烧的平台"备忘录：你的平台着火了。但旁边其实有一个很好的新平台，你可以跳过去，然后回头把原来平台上的火扑灭。现在你就有两个平台了。
Salesforce、ServiceNow、HubSpot、GitLab、Atlassian——他认为所有这些公司都可以并且应该运行这个策略：公开你的 AI 收入，公开你的 AI 毛利率（低毛利率恰恰证明这是"真正的 AI"），然后指向那些还在亏损的风险投资支持的竞争对手，说"我有他们没有的：一个能产生现金流的业务。"
一个投资者的成长故事
访谈的最后，Patrick 问了一个更私人的问题：你会怎么向年轻人介绍你做的事情？
Gavin 的回答从"投资是对真理的追求"开始，但真正有意思的是他的人生故事。
他原本的计划是：冬天当滑雪教练，夏天做漂流向导，淡季去攀岩，顺便尝试写小说和做野生动物摄影。这是他大学时的"人生规划"，父母都很支持。
但父母提了一个小要求：能不能找一份专业实习，就一份，什么都行？
他能找到的唯一实习是在一家券商的私人财富管理部门。工作很简单：每当公司发布研究报告，他要查一下哪些客户持有这只股票，然后把报告寄给他们。
然后他开始读那些报告。
我心想："天哪，这是我能想象到的最有趣的事情。"
他把投资理解为一场"技巧与运气并存的游戏"，有点像扑克。你可以因为运气不好而输——比如你投资的公司总部被陨石砸中——但大部分时候，技巧是重要的。而获得优势的方式，就是拥有最透彻的历史知识，结合对当前世界最准确的理解，形成一个对"接下来会发生什么"的差异化判断。
那是他实习的第三天。他去书店买了彼得·林奇的书，两天读完。然后读巴菲特，读《市场奇才》，读巴菲特写给股东的信——读了两遍。然后自学会计。回学校后把专业从英语和历史改成了历史和经济学。
他还提到了一段做清洁工的经历。在阿尔塔滑雪场打工时，他做过客房清洁。有一次他在打扫房间时，看到客人在读的书和自己在读的是同一本，他说"这是本好书，我正好读到和你差不多的地方"。对方看他的眼神像看外星人一样，然后更震惊地问："你还读书？"
这件事永久地影响了我对待其他人的方式。
尾声：AI 需要什么，就得到什么
在访谈快结束时，Gavin 说了一段我觉得最有意思的话：
过去两年，不管 AI 需要什么才能继续发展，它就能得到。你见过美国公众舆论对任何问题的转变像核能问题这么快吗？就这么发生了。而且恰好在 AI 需要它发生的时候发生。现在我们遇到地球上的电力限制了，突然之间太空数据中心的讨论就出现了。每当有什么瓶颈可能减缓 AI 发展，一切反而加速了。
这让人想起凯文·凯利在《科技想要什么》里提出的"technium"（技术体）概念：技术作为一个整体，似乎有某种自己的意志，想要变得越来越强大。
也许这只是巧合。也许这只是很多聪明人在解决问题。但 Gavin 观察到的这个模式——AI 遇到什么障碍，障碍就会以某种方式被移除——确实值得思考。