这篇访谈讲的是AI发展受两大物理限制——电力和芯片。基金经理Gavin Baker认为电力短缺在2027-2028年缓解，长期靠太空计算（把NVIDIA机架放卫星上）。他特别关注台积电（TSMC）的产能决策，认为这是判断AI是否泡沫的关键。提到Anthropic（月收入增长创纪录）、NVIDIA（可能卖出2-3万亿美元GPU）、Cerebras（做晶圆级计算，与众不同）。
Gavin Baker（Atreides Management 创始合伙人兼CIO）在第六次对话中聚焦“watts and wafers”两大物理约束，认为它们将主导AI下一阶段发展。关于电力，他判断短期短缺将在2027-2028年随着新电源上线而缓解，长期则依赖轨道计算（orbital compute）。关于晶圆，他强调本轮与互联网泡沫不同，TSMC的产能决策是最关键的观察变量。讨论还涉及Elon的Terrafab、GPU解耦、新芯片公司角色，以及AI经济价值是否持续流向前沿模型。他指出Anthropic的ARR创纪录增长，并认为OpenAI和Anthropic应以更高估值融资。
好的，这是根据您的要求对 Gavin Baker 访谈内容的分析解读。
Gavin Baker（Atreides Management 创始合伙人兼CIO）在第六次对话中聚焦“watts and wafers”两大物理约束，认为它们将主导AI下一阶段发展。关于电力，他判断短期短缺将在2027-2028年随着新电源上线而缓解，长期则依赖轨道计算（orbital compute）。关于晶圆，他强调本轮与互联网泡沫不同，TSMC的产能决策是最关键的观察变量。他指出Anthropic的ARR创纪录增长，并认为OpenAI和Anthropic应以更高估值融资。
Gavin Baker 认为，资本主义将解决电力短缺问题，但短期瓶颈在审批而非能源本身。 他指出，大型PE机构（如黑石、阿波罗）的数据中心基础设施负责人已表示，最大的制约因素已从能源和芯片转向“分区和审批”。许多公司正等待中期选举后行动，以避免成为政治靶子。尽管涡轮机等关键设备的生产能力（如大型叶片铸造）在西方已失传80年，但他相信资本主义有能力随时间解决这些工业工程难题。
他判断，电力短缺将在 2027-2028年 开始缓解，届时新电源将上线。长期解决方案则是轨道计算（orbital compute）。Baker 强调，这并非“太空中的五角大楼”，而是将Blackwell机架（重3000磅，8英尺高）直接部署在太空，通过激光连接形成虚拟数据中心。SpaceX的工程师对此充满信心，关键在于Starship的可重复使用性。他反驳了散热和维修的质疑，指出SpaceX已运营着全球最大的卫星舰队（占全球98-99%），并拥有地球上最大的数据中心和最优秀的硬件工程师。
关于轨道计算对地面数据中心的影响，Baker 认为并非利空。他认为人类对计算的需求是无限的（“美国会尽可能吸干所有能源”），推理任务适合在太空进行，而训练任务将长期留在地球。因此，地面数据中心在其有生之年仍将具有价值。但他警告，当大量电力产能上线时，恰好也是轨道计算被证明可行之时，相关公司需警惕这一时间点的叠加效应。
Gavin Baker 认为，TSMC的产能决策是判断AI是否形成泡沫的唯一最重要变量。 他引用Carlota Perez的理论，指出历史上每一次基础性新技术（铁路、运河、互联网）都伴随着泡沫。但本轮AI泡沫有两大不同：1）建设资金主要来自运营现金流，而非债务；2）GPU利用率100%，而2000年99%的光纤是闲置的。
Baker 判断，如果TSMC完全满足Jensen Huang（黄仁勋）的需求，NVIDIA在2026-2027年可能卖出2-3万亿美元的GPU，这必然导致供应过剩。因此，TSMC的供应纪律是避免泡沫的关键。然而，历史规律表明，Intel和Samsung最终会打破纪律，迫使所有人跟进。他认为，TSMC能否维持对Intel和Samsung的领先优势（约9-15个月），以及其产能扩张的节奏，是观察泡沫的“金发姑娘区”。
关于Elon Musk的Terrafab，Baker 认为它将成功。原因在于：1）与Intel合作，获取了50年的工艺知识；2）Elon在硬件工程领域的声誉将吸引ASML、KLA等设备商的“A-team”优先支持；3）Elon将用“台湾城”、“日本城”等方式吸引全球最优秀的工程师。他认为Terrafab的长期性使其不会立即威胁TSMC，但其执行速度（122天建数据中心）可能颠覆行业节奏。
Gavin Baker 对“前沿token是否将持续占据模型层绝大多数经济价值”这一核心问题持开放态度，并认为这是投资者必须有的假设。 他指出，目前绝大多数经济回报仍来自前沿模型（Anthropic、OpenAI、xAI），这令人惊讶。他以Google的Gemini 3.1 Pro为例，说明其曾“令人惊艳”但现在“无法忍受”，表明前沿的领先优势并非永恒。
Baker 引入了Pareto前沿（智能 vs. 成本） 的概念。9个月前，Google主导了该前沿；现在，前沿由Anthropic、OpenAI和xAI的Grok 4.3主导。他认为Google可能是在“出于骄傲而补贴”其模型以留在前沿。他警告，违反Richard Sutton的“痛苦教训”（即更多算力永远胜过人类算法创新）是AI投资的最大风险。但他也提出一个反直觉的观点：当AI达到ASI（超级智能）时，它可能首先通过自我优化来提高效率，从而暂时性地“违反”痛苦教训。
关于持续学习（continual learning），Baker 认为这是第三个关键问题（前两个是前沿token溢价和痛苦教训）。如果解决，将导致“快速起飞”。目前，人类是极其高效的样本学习者，而AI需要数百万次试错。他指出，一旦模型能动态更新权重，其能力将发生质变。
Gavin Baker 认为，新芯片公司应追求“不同且困难”的架构，而非试图制造“更好的GPU”。 他将芯片设计类比为坦克设计的“铁三角”（攻击、防御、机动性），芯片设计受物理定律和TSMC设计规则约束。他认为，试图制造“更好的GPU”（如Google TPU、Amazon Tranium、AMD）是“拽超人的披风”，而NVIDIA作为快速追随者，能利用其规模优势和与TSMC的深度关系碾压对手。
他提出一个规则：1%的市场份额价值1000亿美元，这是一个不错的风险投资回报。但关键在于做“不同且困难”的事。他以Cerebras为例，其晶圆级计算（wafer-scale computing）是一个“困难且根本不同”的架构选择，使其能做别人做不到的事。然而，Cerebras也面临IO瓶颈（“海岸线”问题），他们正尝试用光学晶圆解决。
Baker 还指出，推理过程的“预填充（prefill）”和“解码（decode）”分离（disaggregation）为芯片设计提供了更丰富的画布。预填充是内存容量受限，解码是内存带宽受限。这种分离极大地延长了旧GPU（如Hopper、Ampere）的使用寿命，因为它们可被用于预填充任务。他认为，这将对私人信贷产生重大利好，因为GPU的融资期限可从3-4年延长至10-15年，从而降低融资成本。
Gavin Baker 认为，AI在应用层“净毁灭了价值”，而成功的AI原生公司必须专注于“token路径”。 他指出，除了Cursor和Cognition等少数公司，AI应用层并未创造价值。他引用Jamin Ball的“token路径”概念，认为软件公司必须处于该路径上（如Databricks），否则除非在极其垂直的利基市场，否则生存艰难。
关于AI原生创始人，Baker 认为他们面临一个根本性挑战：他们的想法是否在建立规模优势之前就对世界显而易见？他赞赏Cursor和Cognition专注于编程，并引用Replit创始人John Massad的观点：“编程可能是通往ASI和有用AI的最短路径”。他认为，模型公司可能不会进入过于细分的市场，但创始人必须警惕，前沿模型公司可能通过蒸馏（distillation）技术快速复制其优势。
Baker 还预测，前沿模型公司将面临一个新的“囚徒困境”：是否通过API发布模型。如果所有前沿公司都同意不发布，则中国开源模型将落后；但一旦有人“叛变”以获得收入，其他人将被迫跟进。他认为，NVIDIA最终可能会推出自己的前沿模型，以保持对生态的控制。
| 标的 | 嘉宾态度 | 关键数据 |
|---|---|---|
| Anthropic | 看好 | 单月新增110亿美元ARR；烧钱比OpenAI少约80%；若不受算力限制，URR（无约束收入）可能达1000-2000亿美元 |
| OpenAI | 看好 | 与Anthropic同为“参考资产”；应能以更高估值融资 |
| NVIDIA | 看好 | 若TSMC满足需求，2026-27年可卖出2-3万亿美元GPU；估值在4月初处于近10-12年相对市场最便宜水平 |
| TSMC | 中性（关键观察变量） | 产能决策是避免泡沫的“金发姑娘区”；与NVIDIA无正式合同，靠握手合作 |
| Cerebras | 看好（风险投资视角） | 做了“不同且困难”的事（晶圆级计算）；三代芯片才成功；面临IO瓶颈 |
| 看好 | 拥有最多算力；TPU优势已失；YouTube数据对机器人有价值；GCP增长强劲 | |
| Meta | 看好 | 唯一真正转型为AI优先的互联网巨头；Muse模型接近Pareto前沿 |
| Amazon | 看好 | Tranium芯片是优势；零售业务机器人将带来P&L效率提升；Nova模型被低估 |
| Microsoft | 中性偏正面 | Satya在2025年初“退缩”失去分配；现在做出正确但冒险的决定（自用算力而非卖给OpenAI）；Copilot因算力不足而表现不佳 |
| SpaceX | 看好 | 运营全球最大卫星舰队（占98-99%）；拥有地球上最大数据中心；工程师团队全球最强 |
| Intel | 中性 | 与Terrafab合作提供工艺知识；可能打破TSMC的供应纪律 |
| Samsung | 中性 | 可能打破TSMC的供应纪律 |
| AMD | 中性 | MI450性能未知；与初创企业零互动 |
| Broadcom | 看好 | 是“每个人最喜欢的ASIC供应商”；与初创企业深度合作 |
| Astera Labs | 看好 | 被错误归类为“铜缆输家”；其交换机产品定义上使其成为赢家 |
| Cursor | 看好 | 专注于编程，达到规模；是少数成功的AI应用层公司 |
| Cognition | 看好 | 做“真正不同”的事；达到规模 |
| xAI (Grok) | 看好 | Grok 4.3在Pareto前沿上，是5000亿参数模型中最好、成本最低的 |
1. Anthropic单月新增ARR超过Palantir、Snowflake、Databricks三家之和（Gavin Baker）。支撑：这三家公司用10年、数千员工建立业务，而Anthropic在一个月内就做到了，这是“资本主义历史上从未有过的事”。
2. TSMC的产能决策是判断AI泡沫的唯一最重要变量（Gavin Baker）。支撑：若TSMC完全满足需求，NVIDIA可卖出2-3万亿美元GPU，必然导致供应过剩；TSMC的供应纪律是避免泡沫的“金发姑娘区”。
3. “痛苦教训”的违反是AI投资的最大风险，但ASI可能暂时性地违反它（Gavin Baker）。支撑：更多算力永远胜过人类算法创新。但当AI达到ASI时，它可能首先通过自我优化提高效率，从而暂时性地“违反”该教训。
4. 新芯片公司应追求“不同且困难”的架构，而非试图制造“更好的GPU”（Gavin Baker）。支撑：NVIDIA作为快速追随者，能利用规模优势和TSMC关系碾压对手。Cerebras的晶圆级计算是成功案例，但需要三代芯片的毅力。
5. 推理的“预填充/解码”分离将GPU使用寿命延长至10-15年，并拯救私人信贷（Gavin Baker）。支撑：旧GPU可用于预填充任务，使其“直到融化”都有用。这使融资期限从3-4年延长至10-15年，融资成本从7%降至5-6%，从根本上改变算力融资的经济性。
6. AI在应用层“净毁灭了价值”，成功的公司必须处于“token路径”上（Gavin Baker）。支撑：即使算上Cursor和Cognition，AI也摧毁了数万亿美元的应用层价值。当前价值创造最高的公司是“每人类员工拥有最多GPU”的公司。
7. 前沿模型公司将面临新的“囚徒困境”：是否通过API发布模型（Gavin Baker）。支撑：若所有前沿公司都不发布，中国开源将落后；但一旦有人“叛变”以获得收入，其他人将被迫跟进。NVIDIA可能最终会推出自己的前沿模型。
8. Elon Musk的Terrafab将成功，因为它将吸引全球最优秀的工程师和设备商“A-team”（Gavin Baker）。支撑：Elon在硬件工程领域的声誉、与Intel的合作、以及用“台湾城”等方式招募人才的能力，使其与众不同。