黃仁勛花1400億買斷的TPU之父，留下了一條預言

昨天，硅谷傳來巨震：英偉達與AI芯片初創公司Groq達成了一項價值約200億美元（約合1402億元人民幣）的驚人交易。

但這并非傳統的全資收購。在這場非獨家授權協議中，Groq將繼續保持獨立運營，而其靈魂人物——創始人兼CEO喬納森·羅斯（Jonathan Ross）及核心技術團隊將加入英偉達。

近年來，硅谷巨頭通常會對對年輕的AI公司采取了一種更為復雜的交易結構，包括授權其技術并聘用其頂尖人才，實際上是在不擁有公司所有權的情況下，吞并了這些初創公司及其主要資產。知情人士表示，這些交易通常是由大型科技公司為了規避監管審查而進行的。

作為前谷歌TPU之父，喬納森一手締造了Groq的LPU（語言處理單元），試圖在推理側撕開英偉達的防線。3個月前，其在最近一輪融資中籌集了約7.5億美元，估值約為69億美元。然而，最終的結局卻不僅是競爭，更是融合。

回看喬納森在9月底接受的一場深度訪談，這一切似乎早已注定。他在對話中直言“我們可能被客戶吞并”的命運。當被問到英偉達5年后是否值10萬億美元時，他說"如果不值，我會很驚訝"。

彼時，被問及Groq是否也能值10萬億時，喬納森回答：“Possible（有可能）。”現在看來， Groq雖然沒有獨立走向10萬億，但它通過融入英偉達，補齊了霸主在推理側和供應鏈彈性上的最后一塊短板。這或許正是喬納森所說的“不做模型、只做基建”策略的最終歸宿——成為AI時代最不可或缺的拼圖。

這場對話信息量極大，喬納森拋出了多個論斷：

1、如果我現在重新創業，我絕不會做芯片，那艘船已經開走了。

2、英偉達的壁壘是CUDA，這是世人對英偉達最大的誤解。英偉達最大的護城河是對HBM（高帶寬內存）供應鏈的掌控。

3、算力需求是個無底洞。如果給OpenAI和Anthropic兩倍的算力，他們的營收一個月內就會翻倍。

4、Groq最重要的一條優勢是：我們的供應鏈不像GPU供應鏈。買GPU，你得提前兩年寫支票；但跟我們合作，你寫支票訂100萬顆處理器，6個月后第一批就能到貨。中間差了足足18個月。

5、控制算力的國家將控制AI。如果歐洲不能解決算力問題，歐洲經濟將淪為旅游經濟。

6、DeepSeek推理成本可能高達美國的10倍,很多人把成本和價格混在一起了。

7、咖啡會因為 AI 變便宜。

8、“別人恐懼時你貪婪，別人貪婪時你恐懼。”當下，看到護城河，你就應該貪婪。

今天這篇文章，希望對你有所啟發~

01

不是泡沫，而是早期石油開采般的“叢林法則”

問：我想先從“我們現在到底處在什么位置”開始。世界變化比以往更快，很多人都在努力理解：在這個新市場里，每個人各自站在哪里。你怎么分析當下的市場狀態？

Jonathan：你是在問——是不是泡沫？關于“是否泡沫”，我的答案是：如果你一直問一個問題，卻始終得不到答案，也許你該換個問題。別問“是不是泡沫”，去問：聰明的錢在做什么？Google 在做什么？Microsoft 在做什么？Amazon 在做什么——

他們都在加倍押注 AI。每次公布投入規模，下一次只會更大。

最能說明“這筆投入正在產生價值”的例子之一：Microsoft 曾在一個季度里部署了一批 GPU，后來宣布不把這些 GPU 放到 Azure 對外出租，因為他們發現——自己拿來用，比租出去更賺錢。這說明市場里確實有真金白銀。

我覺得解釋這個市場，最好的類比是石油開采的早期：很多井打下去是“干洞”，但也會出現少數“噴涌的油井”。我聽過一個數據：大概 35 或 36 家公司貢獻了 AI 領域 99% 的收入（至少是 99% 的 token 消耗/支出）。它非常“塊狀”、非常不均勻。

問：我甚至以為會更集中。你看英偉達的收入，兩個大客戶就能占很重。

Jonathan：是的，甚至可能英偉達就代表其中的 98%。但當它這么“塊狀”，說明這仍像石油開采早期：大家還不會找油，更多靠直覺——甚至可以說是“氛圍投資”。直覺好的人暴富，其他人血本無歸。

隨著時間推移，這會變成一門科學，預測性增強，“塊狀”會變弱，但與此同時——好投資者能賺到的超額收益也會變少。

所以對投資者來說，現在反而是最好的時期：總體上賺到的錢會多于投入的錢，只是分布極不均衡——很多人會“輸光”，但整體凈流出會小于凈流入。

問：但你看今天巨頭們的 CapEx（資本支出），一直往上走，大家會想：好吧好吧，因為最后會有東西產出。但問題是 CapEx還在不停往上。

Jonathan：你這是純用財務框架在看。我同意財務回報最終會是正的，但這不是他們真正的動機。我前陣子在阿布扎比參加高盛的活動——你也知道，我們現在贊助了邁凱倫，所以 Zach Brown 在那兒講話，我也講了，這是個很有意思的場合。有人也問我“AI 是不是泡沫”。

我當場問了現場那些管理 100 億美元以上資金的人（大概 50多位）：“誰 100% 確信，10 年后 AI 不能做你的工作？”——沒有任何人舉手。

我說：很好，這就是超大規模云廠商的心態。他們當然會像喝醉的水手一樣花錢，因為另一種選擇是：他們將被徹底鎖死在自己的業務之外。

所以他們用的不是純經濟框架，而是：我們能不能保住領導地位？再進一步看，還有規模定律帶來的結果。大家老說“美股七巨頭（Mag 7）”，如果你不是其中之一，你很難獲得接近那種估值。那怎么留在前七/前十？——花錢。而且這值得，因為只要你仍在前七/前十，股價就能撐在那個層級。

問：但總有一天，回報必須兌現吧？投入要變成真金白銀的收入，否則你是不是 Mag 7 都沒意義。

Jonathan：沒錯。但現在 AI 已經在回報巨大價值了——只是應用端非常不均衡。

舉個我們真實發生過的例子：我也試過一點“vibe coding”。我自己不是最強的，但我們有些實習生非常厲害。有次客戶來訪，我和他們開會，對方提了一個功能需求。我用很高層、很“氛圍”的方式把需求描述出來，相當于我在“給工程師寫提示詞”。4 小時后，功能就上線到生產環境。

沒有任何一行代碼是人寫的，全程都是提示詞驅動。我甚至覺得我們現在還有 Slack 集成：你能在 Slack 里提交東西。

想想這是什么價值——而如果把時間快進 6 個月：這件事甚至可以在客戶會議結束前就完成。那將是質變，不只是省錢。當你能在會議結束前就交付，你就能贏下競爭對手贏不下的單。

02

為何每個巨頭都想造芯？算力翻倍，收入會翻倍

問：回到 Mag 7。你覺得他們是否都意識到：想留在 Mag 7，就必須進入“芯片層”，做全棧垂直整合、端到端都自己掌控？

Jonathan：我不認為會有太多人能成功進入芯片層。大家看 TPU 覺得這是巨大成功，但很少有人知道：當年 Google 內部同時推進過大概三條芯片路線，只有其中一條最后跑贏了 GPU。

你看行業里，很多人在做芯片，也有人被取消，比如特斯拉的 Dojo 最近就被取消了。造芯片很難。很多人說“我要自研 AI 芯片跟英偉達競爭”，這有點像說：“Google 搜索挺不錯，我們也復制一個吧。”——這太瘋狂了。里面的優化、設計、工程細節，是很難靠“想做”就做出來的。

但如果市場上有很多玩家嘗試，你作為買方擁有“選擇權”，其中一個成功了，你就多了一個芯片選項。

問：我們剛說“必須花錢才能留在 Mag 7”。那如果英偉達投 1000 億美元給 OpenAI，而 OpenAI 又用這些錢回去買英偉達的芯片——這不就是無限金錢循環嗎？

Jonathan：如果這些錢沒有用于上游供應商來建造芯片/基礎設施，那才叫“對倒”。但現在不是。有多少支出是去建設基礎設施？大約 40%。所以至少 40% 的錢真實地流向了生態系統。它不是一個無限閉環。

問：那就是部分閉環。60% 回到英偉達，股價再漲幾千億美元。你怎么分析？

Jonathan：從經濟角度看，這完全說得通：為什么不一直這么做？價值能沉淀的前提是“鎖定效應”。當收入增加帶來的市值增加，大于收入本身，是因為你相信這份收入會持續。對英偉達來說，這種信念大概率成立。

但不只是因為英偉達做得好（它確實非常強），還因為——世界上算力根本不夠。算力需求是無止境的。我甚至愿意押注：如果 OpenAI 的推理算力翻倍、Anthropic的推理算力翻倍，一個月內他們的營收幾乎就會翻倍。

問：為什么算力翻倍，營收就能翻倍？

Jonathan：現在 Anthropic 最大的抱怨之一就是限流：用戶拿不到足夠的 token。如果他們有更多算力，就能吐出更多 token，就能收更多錢。

OpenAI 是聊天服務，那怎么“調控”聊天服務？——你把它跑慢一點，用戶參與度就下降。

問：速度到底有多重要？很多人覺得延遲沒事：我發出 prompt 就走開，過一會兒回來再看結果也行。

Jonathan：我們拿快消品（CPG）來類比。你把 CPG 按毛利從高到低排：最頂是煙草，下面是嚼煙，再下面是軟飲，然后是水……

CPG 里高毛利與什么最相關？——與“成分對你產生作用的速度”最相關。多快觸發那次多巴胺循環，決定了你對品牌的親和度；反饋越快，你越會把好感綁定到那個品牌上，品牌價值就累積起來。這也是 Google、Facebook 當年為何如此執著于速度。

經驗規律是：每快 100 毫秒，轉化率大約提升 8%。

問：所以那些認為“未來沒關系，慢慢跑后臺任務就好”的判斷，是錯的？

Jonathan：百分之百錯。我們最早做芯片提速時，明明知道能做到多快，還錄了演示視頻。很多人看了會問：“為什么需要比人閱讀更快？”

我就反問：那為什么網頁需要加載得比你閱讀更快？人們在判斷“什么會影響參與度、影響結果”這件事上，普遍非常不擅長。但我們從早期互聯網公司就知道：速度極其重要。

03

掌控命運比成本更重要

問：你覺得 OpenAI 將來能進入芯片層嗎？英偉達一定會擔心 OpenAI 想做垂直整合、把芯片也掌控起來。你覺得他們能成功完成轉型嗎？

Jonathan：造自研芯片有個誤區：大家以為“造芯片”最難。你做著做著會發現：做軟件更難；再做下去會發現：跟上行業演進更難。

但我不懷疑 OpenAI 未來能做自己的芯片，也不懷疑 Anthropic 最終會做自己的芯片——每個超大廠都會做自己的芯片。

我在 Google 見過一個場景：那時 AMD 還沒像現在這樣強，他們在實驗室里搭了 1 萬臺服務器，用的是 AMD 芯片。我參觀時，他們把服務器從機架抽出來，把 AMD 芯片拆下來，直接扔進垃圾桶。更荒誕的是：這幾乎是“注定的”，因為那一代大家都知道 Intel 會贏。

那為什么 Google 還要造 1 萬臺 AMD 服務器？——為了在買 Intel 芯片時談到更大的折扣。

當你規模足夠大時：為了塞進 AMD 芯片而重新設計主板、構建并測試整套系統，這些成本相對你得到的折扣，完全劃算。所以你得理解：大家做自研芯片的動機，不只是“我要大規模部署它”。

英偉達在 HBM（高帶寬內存）上實際上形成了“單一買方”式的強勢地位（monopsony，和 monopoly 相反：不是單一賣家，而是單一大買家）。HBM 產能是有限的，它決定了 GPU 能出多少。

GPU 的“核心 die”用的制造工藝，和你手機芯片差不多。如果英偉達愿意，它每年可以造 5000 萬顆 GPU die；但今年它大約只會造 550 萬塊 GPU——原因就是 HBM、以及相關封裝（例如 interposer）產能有限。

于是會發生什么？某個超大云廠商跑去說：“我要 100 萬塊 GPU。”英偉達說：“抱歉，我還有別的客戶。”

云廠商就說：“沒關系，我自己造。”

然后你會發現：英偉達突然就“找到了”更多 GPU 分配給它。因為總產能就那么多，你做自研芯片真正獲得的未必是“性能最強的自研芯片”，而是：你獲得了對自己命運的掌控。這才是自研芯片的獨特賣點。

問：“掌控命運”具體指什么？

Jonathan：英偉達不能告訴你：“你今年就分到這么多 GPU。”自研芯片可能更貴，因為不一定有英偉達那么強。但如果你看“總部署成本”：芯片成本往往只是系統 BOM 的一小部分。

當系統總成本遠高于芯片成本時，芯片性能提升一點點，帶來的系統價值提升是巨大的；而芯片成本多一點點，相比之下幾乎可以忽略。所以哪怕只是“略強一點”，也會變成銷售上的“巨大優勢”。

問：如果 HBM 供應這么緊，OpenAI、Anthropic 或 Mag 7 真的能進入芯片層嗎？

Jonathan：很難。但 HBM 供應商也有動力把份額分散，因為英偉達作為最大買家，議價能力太強。不過如果你在建 HBM 廠、封裝廠……英偉達寫一張大支票，你當然優先為它建產能。所以英偉達總會提前鎖到它想要的供應。

問題在于：你得提前兩年多就寫支票。AI 的需求增長如此陡峭，就算以英偉達的現金流，也很難兩年前就把“未來需要的全部產能”都押上去。

而且記住：HBM 利潤太高，以至于沒人真的想把供應迅速做大——因為一做大，利潤就會下滑。

問：那 OpenAI / Anthropic 動輒要融資幾百億美金，是因為要買自己的芯片嗎？

Jonathan：不是。買系統很貴，買數據中心更貴。因為數據中心攤銷周期更長：比如你把數據中心按 10 年攤銷，芯片按 3–5 年攤銷，最終每年的數據中心成本可能反而更高。

所以當你聽到超大廠說一年投 750 億到 1000 億美元，那是因為他們在為未來 10 年以上的回報提前投入建設數據中心產能。從這個角度看，其實也沒那么夸張。

問：我們用“3–5 年周期攤銷”來思考，這個方式對嗎？如果芯片迭代周期其實比這更快呢？

Jonathan：人們確實把周期看得比我會用的更長。我們內部會用更保守的數字：更像是——五到六個“周期”，差不多等于三年（甚至更短）。我們現在的判斷是：大概每年就會升級一次芯片。

你要這么看：一顆芯片的價值分兩段。第一段是：我愿不愿意買它、部署它？第二段是：我愿不愿意繼續讓它跑在生產環境里？這兩段的計算完全不同。

1. 部署時，你得覆蓋 CapEx（資本開支）。

2. 繼續運行時，你只要跑贏 OpEx（運營成本）。

也就是說：我今天部署一顆芯片，就必須把 CapEx 賺回來，還要有利潤、有回報；但一旦部署完成，只要它還能持續覆蓋運營成本，我就會繼續用它跑生產。所以你會允許這顆芯片的“價值”隨著時間下降。

現在所有人賭的都是：新一代芯片出來，不會把舊芯片的價值打到低于 OpEx。但在我們看來，“按 5 年去算”根本沒意義——因為到那時它的性能會落后太多，價值會低到連電費和機房成本都覆蓋不了。

問：那會發生什么？我們會不會堆出一大堆“廢芯片”，都變成浪費？

Jonathan：很多人簽了特別長的合同，于是他們還有第三個需要算的東西：毀約（解除合同）更便宜，還是繼續虧著錢跑芯片更便宜？

問：那最后會怎樣？

Jonathan：我沒法告訴你會怎樣——因為我們正在盡量避免走到那一步。所以我們在所有測算里都要求更快的回本周期；我不想押一個那么久的遠期賭注：時間越短，結果越清晰。

問：所以核心就是：盡可能縮短回本周期，同時把運營成本壓到最低，這樣你就能更快淘汰那些性能落后的芯片？

Jonathan：對。但還有個“反直覺”的點：如果你從會計視角去看，會覺得這主意很糟；可如果從經驗事實看——現在大家還在租 H100。那東西有多老？快五年了。它們依然能賺到遠高于運營成本的利潤。你今天當然不會再去部署 H100，但它們在“第二階段”里仍然賺錢。原因只有一個：算力嚴重短缺。如果不短缺，H100 的租金早就跌到今天的一小部分了；只要短缺存在，這種情況就會持續。

問題變成：有沒有一種選擇，不那么受供應約束？這就是我們希望切入的地方——我們聊聊 Groq 的價值主張。

04

Groq 的“真正賣點”：不是速度，而是供給

Jonathan：你一開始問我速度——你知道有多少客戶來找我們是沖著速度嗎？100%。但當他們意識到外部算力供給卡得有多死之后，他們還會繼續追問速度嗎？沒有。他們起初從“速度”出發，因為他們知道速度對終端用戶的價值；但很快他們會意識到：我連足夠的算力都拿不到。

所以真正的價值主張是：你能不能給我更多的算力容量？

兩周前就有個客戶來找我們要“5X 的總容量”。他們從任何一家超大云廠商那里都拿不到，也從任何其他地方拿不到——我們也給不了——沒人能給。我們因此拿不下這個客戶，超大云廠商也拿不下。因為現實是：根本沒有足夠的算力。

這也解釋了我之前說的：如果 OpenAI 或 Anthropic 的算力翻倍，收入就會接近翻倍。因為當你沒有足夠算力去服務客戶時，你會愿意付出幾乎任何代價去拿到算力——因為你相信：先拿下客戶就有鎖定價值。

而我們最重要的一條優勢是：我們的供應鏈不像 GPU 供應鏈。買 GPU，你得提前兩年寫支票；但跟我們合作，你寫支票訂 100 萬顆處理器，6 個月后第一批就能到貨。中間差了足足 18 個月。

我跟某家超大云廠商的基礎設施負責人聊過：我談了速度、成本等等，但當我說到供應鏈、說我們能在 6 個月交付時——他直接把對話停住，開始深挖這個點。那是他唯一在乎的事。

05

模型演進這么快，“兩年規劃”還有意義嗎？

問：在模型進展這么快的情況下，兩年這種周期講得通嗎？

Jonathan：你認識 Sarah Hooker 嗎？她寫過一篇論文《硬件彩票》（The Hardware Lottery）。我對那篇文章的核心總結是：人們會為了硬件來設計模型。也許存在比 Attention 更好的架構，但 Attention 在 GPU 上跑得特別好。

因此如果你是“存量霸主”（incumbent），你天然占優：大家都在為你的硬件做適配。哪怕有更好的架構，只要它在現有硬件上跑不好，它就“不是更好的架構”。這就形成一個循環。

所以：如果你是霸主，做兩年規劃還行；但如果你想作為新玩家進入市場，沒人會提前兩年為你的芯片設計模型——你必須把迭代閉環做得更快。

06

“人人自研芯片”的世界里，英偉達怎么辦？

問：如果你看到所有人都想進入芯片層：OpenAI會有自己的、Anthropic 會有自己的……那英偉達在那個世界里怎么辦？

Jonathan：英偉達仍然會繼續賣芯片。

問：賣給誰？畢竟它的買家集中度這么高。

Jonathan：回到一開始“AI 是不是泡沫”的話題：過去 10 年，數據中心基礎設施通常提前 2、3、4、5 年做規劃，但問題是——所有人的預測都會錯，最后都建少了。一直如此。于是你會嘗試“超建”，把產能建到比最樂觀的預測還多；結果還是不夠，于是你繼續上調預測，繼續這么循環——到現在依然沒有建夠算力，大家的直覺完全不適用于 AI。

AI 的邏輯跟 SaaS 不一樣。SaaS 是一群工程師去做產品，產品質量取決于他們寫了什么；但 AI 不一樣：我可以讓同一個 prompt 跑兩遍，然后挑更好的那個答案，于是我等于“花更多錢”讓每一次請求的結果更好。

我甚至可以決定：這個客戶更值錢，我就給他更好的結果。這也接近 OpenAI 說的：他們會發布一些“算力成本太高我們負擔不起”的產品，所以先給少部分用戶用、并且收費更高——因為他們想看看：當你給 AI 更多算力時，產品會變成什么樣、能好多少。未來就是這樣：每次給應用更多算力，質量都會提升。

這也解釋了為什么你會看到很多公司“token-as-a-service 的賬單”幾乎和收入一樣高：他們在競爭客戶時，只要多花一點算力，產品就會更好。

問：你之前跟我聊過：GPU 不是推理的最佳基礎設施；而隨著模型訓練走向成熟，我們會越來越進入“推理為主”的世界。那是不是意味著英偉達的掌控力會削弱？

Jonathan：不。英偉達會賣掉他們生產的每一塊 GPU。即便未來我們（這類公司）提供的 LPU 數量是 GPU 的 10 倍，這只會推高對 GPU 的需求，讓英偉達能拿到更高的利潤率。因為推理越多——就越需要訓練，把模型優化到更適配推理；訓練越多——你就越想部署更多推理來攤薄訓練成本。兩者之間存在一個循環。

07

DeepSeek推理成本貴10倍？

問：但直說的話：你看 GPT-5 的路線更強調效率，這背后的假設是——算力投入并不會帶來同等比例的性能提升。這個判斷公平嗎？會不會跟你剛剛說的矛盾？

Jonathan：不矛盾。你要看他們追求的“結果”是什么。比如 OpenAI 現在進入了非常“價格敏感”的市場。舉個例子：如果你想贏下印度，你需要什么？99 盧比/月（約 1.13 美元）的定價——你必須能以這個價格把產品賣給用戶。因為他們面對的替代選項不是“別家的 AI”，而是“我就不用 AI”。

問：那也可以用 DeepSeek。

Jonathan：這又是市場上的一個誤區。當我對比了大家實際在用的基礎模型與這些中國模型后，結論是：不是更便宜，反而大約貴 10 倍。

再拿最近發布的某個 “GPT OSS 模型”來說：它優化目標跟中國模型不一樣，但質量非常高，我會認為在它聚焦的方向上明顯更強。而運行這個 OSS 模型的成本，大約是中國模型的 1/10。

很多人把成本（cost）和價格（price）混在一起了：中國模型更多是為了“更便宜地訓練”，而不是“更便宜地運行”。

當你看 OSS 模型把多少“智能密度”擠進去、再對比同級中國模型，就很清楚：美國仍然有訓練優勢。而訓練成本最終要攤到每一次推理上，所以你傾向于收更高的價格。

但隨著越來越多人有能力訓練模型，訓練投入就會變成一種“規模化的回報”。當你部署更多推理容量時，你也會愿意在訓練上多花一些，把推理成本壓下去。美國有巨大的算力優勢，所以大家會把模型訓練得更“狠”，從而把推理成本做低。

問：美國為什么會有“算力優勢”？

Jonathan：這里有“主場”和“客場”。

• 主場：我們想為美國自己建足夠的算力。

• 客場：我們想為盟友建算力——歐洲、韓國、日本、印度等等。

中國可以贏下自己的“主場”。哪怕芯片能效沒那么好，他們也會有足夠的能源；再加上補貼，他們當然能把主場打下來。

但“客場”不一樣：如果一個國家只有 100 兆瓦電力，你讓它再建一座核電站？這在很多國家根本不現實。于是，更省電、更高效的芯片就會在“客場”形成優勢。我的預期是：未來兩到三年，美國在“客場”上對中國有明顯優勢——前提是我們行動得足夠快，把更多盟友拉進 AI 競賽。

08

算力浪潮只有核電能扛得住嗎？

問：這波算力海嘯所需的能源，唯一的辦法是核電嗎？

Jonathan：不是。核電高效、劃算；但可再生能源也同樣高效、劃算。

歐洲的問題在于“風險偏好”——但要區分兩類風險：

• 做錯事的風險

• 該做不做的風險

在高速增長的經濟里，“錯過”往往比“搞砸一次”更貴；而歐洲更愿意承受“不作為”的風險，所以它更傾向用立法來競爭（比如把數據鎖在歐洲/本國）。

如果歐洲真想在 AI 上競爭，我會說：挪威，請大規模上風電。挪威風電利用率大約 80%，再加上水電；如果風電規模做到水電的 5 倍，挪威就可能穩定提供接近“整個美國”量級的電力——這只是歐洲一個國家。更不用說還有多少非核的能源潛力沒被釋放。同時，核電也可以上——今天的核電其實非常安全。

問：風電/核電這些基礎設施都很慢，政府也慢。現實點說：如果歐洲做不到這個速度，會發生什么？

Jonathan：那歐洲的經濟就會變成“旅游經濟”。人們會來這里看看那些古樸的老建筑——僅此而已。你如果沒有新經濟賴以建立的資源，就無法在新經濟里競爭。

新經濟將是 AI，而它將建立在算力之上。

因為如果你沒有算力，你就跑不了 AI。模型再好也沒用。哪怕你有一個比 OpenAI 模型聰明 10 倍的模型——如果對方有你 10 倍的算力，OpenAI 的模型也會更好。

09

卡住GPT的是什么？

問：推理市場的成熟、部署速度——跟你預期的一樣嗎？

Jonathan：我唯一沒預料到的是：AI 會以“語言”為載體。這讓人與 AI 的交互變得幾乎毫不費力。我原以為它會更像 AlphaGo——以某種奇怪、偏“玄學”的方式聰明。語言這件事意味著任何人都能用它。所以我原本以為 AI 會來得更早、增長更慢；結果它來得更晚、增長速度卻遠超我的想象。

問：世界人口里有 10% 是 GPT 的每周活躍用戶。這不驚人嗎？

Jonathan：是的。但你知道現在卡住它的是什么嗎？

問：算力？

Jonathan：算力確實限制了“質量”，但就算質量低一點，也會有更多人使用（只是從中得到的價值沒那么多）。另外，如果支持更多語言——這是我們在全球聽到的第一大抱怨——怎么解決？更多算力、更多數據。有更多數據就能訓練更多，但你也需要更多算力。再說一句：算力更多，你還能生成更多合成數據，于是又能訓練更多。

所以你有數據、算法、算力。任何一項提升，都不會被另外兩項“卡死”。不是說“算力不變就不能用更多數據”，或“數據不變就不能用更多算力”。任何一個維度變好，AI 就會變好——這也讓改進 AI 這件事看起來很“容易”，因為你總能沿著某個維度推進。

只不過，最容易擰的那個旋鈕，通常不是算法（算法很少出現重大改進）；也不是數據（獲取更多數據很難）。而合成數據生成這件事，我們還沒完全搞明白——我們有進展，但還沒到能“直接把算力等價轉化為更多數據”的階段。

我們正在接近那個狀態（把算力更直接地轉化為更多數據）。算力是最容易擰的那顆“旋鈕”，因為它每年都會越來越好；只要我愿意寫一張足夠大的支票、再等一小段時間，我就能拿到更多算力。它是整條管線里最可預測的一環。

問：但我們還是在低估需求，對嗎？你覺得我們嚴重低估了今天到底需要多少算力？大概差幾個數量級？

Jonathan：回到我剛才說的：每次你給應用增加算力，產品就會變好。算力的使用沒有上限。這和工業革命不一樣：工業革命里，你就算有更多能源也沒用——除非你有機器去“吃掉”這些能源，而造機器需要時間。比如我想路上跑更多汽車，光多抽石油不夠，還得把汽車造出來。

AI 不是這樣。是的，如果模型更好，同樣的算力能做更多事；但如果我把算力翻倍，我可以把用戶數翻倍、也能提升模型質量。更關鍵的是：我幾乎可以把更多算力直接“加進經濟體”，經濟體就會變強。歷史上從來沒出現過這種“不是瓶頸（bottleneck），更像橡皮頸（rubberneck）”的局面——你只要強行把某個組件推過去，整體就改善。

010

AI 會造成巨大的勞動力短缺

問：你說“經濟體變強”。這背后是不是意味著：GDP 里那筆大約 10 萬億美元的勞動力支出，會有一部分遷移到 AI？你覺得未來五年，會看到 GDP 或勞動力支出向 AI 明顯轉移嗎？

Jonathan：我認為AI 會造成巨大的勞動力短缺：新創造出來的工作會多到我們根本找不到足夠的人來填。AI 會帶來三件事。第一，巨大的通縮壓力：咖啡會更便宜，住房會更便宜，一切都會更便宜，于是人們需要的錢會更少。

問：咖啡怎么會因為 AI 變便宜？

Jonathan：因為你會有機器人更高效地種植咖啡；供應鏈管理更好；你甚至能通過基因工程讓咖啡在同樣陽光下產量更高——整個鏈條都會被優化。所以第一是通縮壓力；這意味著人們需要工作更少。

第二，人們會更多“退出”經濟活動：工作更少的小時數、更少的每周天數、更少的工作年限，甚至更早退休，因為用更少工作就能維持生活。

第三，我們會創造出今天根本不存在的新工作、新行業。想想一百年前，美國 98% 的勞動力在農業，只有 2% 做別的；當農業勞動力降到很少時，我們給那“多出來的 98%”找到了全新的事做。未來一百年會出現的工作，我們現在甚至無法想象：一百年前，“軟件開發者”這個職業毫無意義；一百年后它也會變得“毫無意義”，只是方式不同——因為到那時人人都在 vibe coding。再比如“網紅”這種職業，一百年前也不可想象，但現在卻是真實存在、有人靠它賺到上百萬美元。

問：這太有意思了——現在主流敘事不是“會有幾百萬人失業”嗎？你反而說：我們會缺人。

Jonathan：一百年前不也有人預言會發生大饑荒、因為我們養不活自己嗎？人們總是低估：當技術進步時，經濟結構會發生怎樣的變化。

011

Vibe Coding的未來

問：你提到 vibe coding，我必須追問一句：你覺得這是個長期可持續的市場嗎？現在很多案例看起來很“曇花一現”。你怎么判斷它的未來？

Jonathan：先拿“讀寫能力”做類比。讀寫曾經是一種職業：如果你是抄寫員，你屬于少數會讀會寫的人，別人雇你就是為了記錄事情；因為這是稀缺技能，所以你在經濟里的位置也更好。編程也一樣：過去只有很小一部分人會，學好要好幾年，有些人特別厲害。現在人人都讀、人人都寫，這不再是“特殊技能”，而是每份工作都默認你會。編程也會變成這樣：做市場你得會“編”，做客服你也得會“編”。

我前兩天跟一個人吃飯，他經營著 25 家咖啡店連鎖，從沒寫過代碼，但他用 vibe coding 搭了一個供應鏈工具，能查庫存——一行代碼都不是他寫的，但它能跑起來。更有意思的是：他也開始遇到我們軟件工程師熟悉的那些問題——員工反饋說“這個功能不對”“那種情況會出錯”，各種邊界條件會不斷冒出來。

012

你的利潤，就是我的機會

問：在一個指數級增長的世界里，利潤率還重要嗎？看你們產品的需求，再看像 Lovable這類產品，利潤率都不高。在增長需求這么強的時候，“利潤率很差”這件事還重要嗎？

Jonathan：首先，最終你還是得盈利——至少得打平——才能算“可持續經營”。到某個階段，你不可能一直靠融資活著，連亞馬遜都得開始賺錢。你真正需要更高利潤率的原因，是波動性：如果你的利潤薄得像刀片一樣，一旦市場風向變了，你可能融不到錢、也貸不到款。利潤率的作用，是給你穩定性和市場續航能力。但反過來，它也會給競爭者進入的機會：“你的利潤，就是我的機會。”所以你在做的權衡是：用穩定性去交換護城河（或者反過來）。這是你必須做的選擇。

問：你們內部現在怎么想利潤率？

Jonathan：我覺得你要有“賺利潤”的能力，但你也想把它讓利給客戶、給客戶優勢；而當你真的需要把利潤拉上來時，你又有能力做到——那你就處在一個很好的位置。我們最近招了一位非常厲害的 CFO。我記得之前面某個候選人聊利潤率時，他說我們應該把價格定到“供給剛好等于需求”——也就是提價，讓需求降下來。

問：這在經濟學上說得通。

Jonathan：邏輯上、理性上當然說得通。但既然這么“理性”，那為什么不順便把你的品牌資產也一起消耗掉？為什么要利用客戶對你的信任，去賣那些對他們不劃算的東西？品牌資產是有價值的。你要盡可能把品牌資產維持在高位，因為信任是會生利息的。同樣，你也要把利潤率壓到足夠低，讓客戶形成一種“權益感”——他們知道你給的是好價。你利潤率一高，你就和客戶站到對立面了；你要盡一切可能和客戶對齊。

我希望在“業務仍然穩定”的前提下，把利潤率壓到我能做到的最低；現金流我會靠做大規模來解決。我喜歡算力生意的一點是：算力需求是無止境的——這是杰文斯悖論：如果我們把算力產出提高 10 倍，就會有 10 倍的銷量。只要我們持續把成本打下來，人們就會買更多。我想一直把成本壓下去、把規模做上去，用更低的價格賣更多，讓客戶的生意獲得更高價值、從而買得更多——這會形成一個持續循環。

問：我們在“把成本打下來”的這條路上，走到哪一步了？我回頭看以前的一些節目會覺得自己很“尬”，當時我會問：比如 Canva 上 AI 會不會傷害利潤率，因為引入 AI 會更貴——現在回看，這問題太天真了，因為落地成本已經下降了 98%。我們現在在這輪“成本下降周期”里，大概處在哪個階段？

Jonathan：先退一步，用你這個 Canva 的例子。成功的公司不會盯著利潤表的底線，而是盯著客戶：解決客戶的問題。如果你是在“跟別人硬拼”，那你做法就不對。你要差異化：去解決一個客戶還沒解決、也無法用別的方法解決的問題——然后客戶自然愿意付錢，這就是商業的運轉方式。你把客戶的問題解決了，你的現金流也就解決了。

有人在 AI 上花錢，如果只看資產負債表當然不合理；但當客戶非常滿意、當你幫他們解決了原來解決不了的問題時，首先你通常是在擴大 TAM（總可服務市場）——因為AI 讓產品變得更易用。兩年前你不用 Photoshop 嗎？幾乎不可能。現在你想生成一張圖，只要把需求說清楚就行——這直接把市場做大了。你也許會把“每張圖”的收費降下來，但你的總收入會上升、你的總市場會擴大。

013

美股漲到頭了嗎？
短期如果來個“減速帶”怎么辦？

問：原諒我問個金融問題：標普 500 都快到 7000 了。“七巨頭”這么猛，我們很多年沒見過這種價值如此集中的上漲了，大家開始覺得“哇，好像有點過熱、要見頂了”。但我聽你講這些，又覺得這可能只是開始。我要怎么理解這兩種想法之間的張力？

Jonathan：價值里有兩個部分：一個是“稱重機”，一個是“人氣投票（選美比賽）”。有些東西純粹是人氣投票，比如加密貨幣。我從來沒買過比特幣。為什么？因為我沒法參與那種“人氣投票”的游戲——我不擅長，我不知道什么會火、什么不會火。

我能做的只有看“價值”。我看 AI，看到的是實打實的價值交付。最典型的例子：PE都在找我們。他們想要更便宜的 AI 算力，因為每拿到更多廉價算力，就能改變他們旗下企業的利潤表——這是真價值。PE 盯上某件事并且覺得有價值，那就不是“人氣投票”，那是純粹的價值判斷。

所以公司之所以會拿到很高的估值倍數，要么是市場看到了價值最終會沉淀到它身上；要么是被“炒作周期”裹挾——那就更像人氣投票。市場里參與者不同：有人只玩人氣投票，有人只看價值；但他們可能因為不同理由，得出同一個結論。

如果從“稱重機/價值”的角度看，經濟里最值錢的東西是“勞動”。而現在，我們將能通過生產更多算力、做出更強的 AI，給經濟“增加更多勞動”——這在經濟史上從未發生過。它會帶來什么？

問：你擔不擔心，短期如果來個“減速帶”，在今天這么高的集中度之下，會拖累經濟里很大一部分？比如英偉達、谷歌、微軟突然都遇到點坎兒，AI 這趟“高速列車”被迫慢下來，那種連鎖的乘數效應會很夸張。你擔心嗎？

Jonathan：會擔心。但這跟 AI本身的價值無關——這是一個“控制系統理論”層面的問題：股市可能本來就在上升趨勢里，但它會“過熱”，過熱會導致失控。大家把價格競價推高，隨后意識到自己犯了錯，就必須回撤；而回撤往往還會跌到“合理水平”之下，市場收縮，企業就拿不到建設業務所需的資金。很多好公司會在這種下行周期里死掉，但最好的公司也常常是在衰退里誕生的——你看過多少次下行之后，涌現出一批驚人的公司？

問：你覺得未來一年會有下行嗎？

Jonathan：我預測不了會不會下行。“能否預測”很大程度上取決于：預測會不會影響結果。如果預測會影響結果，那就無法預測——因為你的預測本身會改變結局。唯一可預測的是那種“預測不會改變結果”的事情。

比如一顆小行星正朝地球飛來，我們看到了——如果我們沒有阻止它的技術，那它就會撞上。但如果我們能預測到這件事，我們就可能因此研發出阻止它的技術。你明白問題了嗎？所以在經濟里，你不需要做什么復雜的事，只要“移動資金”就能改變結果；這會讓經濟出現很快的“抽動式”波動——越能預測，越會因為預測而變得不可預測。我沒法告訴你經濟會發生什么。

我只能說：此刻我在 AI 里看到的最大問題是——只要是個好工程師（以前你會想招進來那種），他/她現在都能出去融到 1000 萬、2000萬、甚至 10 億美元。然后他們不會去加入某家 AI 創業公司，而是自己再做一家。這意味著：你很難在任何一家 AI 創業公司里聚攏到“關鍵規模”的頂級人才。另一方面，AI 又在讓每個創業公司里的人變得更高效。

至于經濟有沒有過熱，我覺得一個很好的指標是：宏觀環境是不是在阻礙這些公司成功？如果沒有在阻礙，我就不認為它過熱。

問：你不覺得它在阻礙嗎？因為本質上，資本供給太充沛了——我們把人才“過度供給資金”，反而讓你們更難組建頂級工程團隊：他們寧可融巨額資金，也不來加入 Groq。

Jonathan：是的，拜托別再這么干了。不過話說回來，AI 也在讓這些創業公司里的每個人都變得更高產。所以經濟可能繼續一路猛漲、公司也可能繼續非常成功——我們不知道，因為這事人類從沒經歷過。

問：你覺得 AI labs 會不會大舉進入應用層，把大部分應用層都吞掉？

Jonathan：這幾乎是所有超級成功科技公司的“自然傾向”：他們會開始做客戶在做的事，向上爬整個技術棧，然后把客戶原本做的那塊“吸收/內化”掉；接著再有新的人在它們之上繼續搭建。

比如 OpenAI——我記得 Sam Altman 在你節目里說過類似的話：如果你只是“在 OpenAI 上面做一點小修小補”，最終會被碾過去。他只是很誠實——這就是他們會做的事。

所以對我們（Groq）來說，我們刻意找了一塊“不會和客戶競爭”的區域：我們不會做自己的模型，就是不做。把這條線畫在沙子里，是在向客戶釋放一個信號：在我們的基礎設施上搭建是安全的，因為我們不會反過來搶你做的事。

這個選擇也可能是錯的——我們也可能最終被某個客戶“吞掉”；但至少它意味著：你可以信任我們、放心在我們上面建。

我們相對任何人還有個優勢：單位 token 的成本（尤其考慮速度）非常有利。所以我們知道自己能把價格定得比市場更低——這重要，不是因為客戶“省錢”，而是因為你降價 50%，大家就會買兩倍；他們花的每一塊錢都會提升輸出質量，所以會繼續買。

014

快問快答

問：現在大家對英偉達最大的誤解是什么？

Jonathan：誤解是——英偉達的軟件是一條護城河。CUDA 鎖定就是胡扯。訓練（training）階段確實有鎖定效應，但推理（inference）階段沒有。我們平臺現在有 220 萬開發者注冊了，CUDA 他們號稱 600 萬。

問：如果你今天再創立 Groq——英偉達 4 萬億美元、AI大潮正盛——你會做什么不同？

Jonathan：我不會做芯片。這艘船已經開走了？做芯片太慢了。

問：那現在還冒出來的新芯片公司——也有很強投資人、融很多錢——其實都太晚了？

Jonathan：對。我當初之所以決定做芯片，是因為“時間護城河”。VC 常問：別人怎么防抄？答案是：你抄也沒用——你至少落后我們三年。因為從芯片設計到量產，就算你執行得完美，也要這么久。我已經做過三代芯片在量產或爬坡；而一次流片就“零返工”成功的概率很低，只有約 14%，大多數都得重轉一版；我們做 V2 時甚至提前把重轉排進計劃表，結果居然一次過了——這其實不該當成常態。英偉達一般一代芯片要 3–4 年，但他們并行做多條線；Groq 現在進入一年一代：V2 之后一年是 V3，再一年是 V4。

問：Google、微軟、亞馬遜：你可以買一個、賣一個。你怎么選？

Jonathan：短期微軟會受沖擊，因為和 OpenAI 的關系牽動很大；但長期他們手里有算力。算力像黃金，你有算力，就有AI。相比之下，亞馬遜缺“AI DNA”；Google 一直有 AI DNA；微軟是通過 OpenAI“買來”了這套 DNA。

問：怎么評價Oracle 這次“再加速式”的崛起？

Jonathan：極其聰明的商業決策，以及愿意快。現在很多人都在問“AI 是不是過熱、要不要加碼”，但 Oracle 直接沖上去。

“別人恐懼時你貪婪，別人貪婪時你恐懼。”眼下 AI 圈其實有很多恐懼；但你看到的“貪婪”，往往只是少數幾個又聰明又敢沖的人在瘋狂賺錢，于是看起來像是到處都很貪。

問：那我該在哪兒貪婪、在哪兒恐懼？

Jonathan：只要你看到“護城河”，就該貪婪。

問：過去 12 個月你改變了什么看法？

Jonathan：與其說“改變”，不如說我們每個月都更聚焦：更少答應、更多拒絕，結果業務反而更好。我以前覺得“保留選擇權/可選性”最重要，現在我覺得最重要的是專注。

問：你覺得馬斯克的 Grok / xAI 能成嗎？

Jonathan：能，但會是另一種成法。新領域一出來，很多人以為大家在搶同一件事，其實不是。Anthropic 很聰明的一點是：不“什么都做”，而是聚焦在編程上，這對他們很有效；xAI 有社交網絡分發，把聊天機器人和社交網絡綁在一起——但我不會拿它做深度研究，也不會拿它寫代碼。就算他們有 coding 模型，也缺少 coding 的分發；他們也許能用現有分發去切，但那就沒那么聚焦了。市場最終會分化：就像 MAG7 也有重疊，但各自的主業不同；不差異化，就會死。

問：看未來 5–7 年，你最興奮的是什么？

Jonathan：最讓多數人害怕的東西，反而最讓我興奮。大家都怕 AI 會做什么。我覺得可以類比伽利略：幾百年前他推廣望遠鏡，因此惹上很大麻煩，因為望遠鏡讓我們看到一些“真相”，發現宇宙比我們想象得大得多，這讓人感到自己很渺小。但隨著時間推移，我們接受了：雖然我們很小，但宇宙宏大而美。LLM 就是“心智的望遠鏡”：現在它讓我們感覺自己很小；但一百年后，我們會意識到“智能”遠比我們曾想象的更遼闊——那會很美。

2025盛景半年回顧

人生只有四千周，而企業生存期更短，跨越10年經營期的企業少之又少，企業要想有質量地活下去，活得更好更久，“極簡增長”就是看透并掌控事物本質的那個關鍵點。

選對了路，路就不會遠。盛景推出《極簡增長 立竿見影》在線課程，期望能夠幫助更多的企業走上增長道路。未來有多近，在于我們已經走了多遠。未來有多遠，在于我們與誰同行。期待與你同行、共勉。

歡迎大家點擊底部【閱讀原文】觀看《極簡增長 立竿見影》的在線視頻課程，了解如何用極致簡單的增長方法論，實現快速增長。