芯片不跌反涨？两家公司的赌局正在重塑全球算力格局
摘要：SemiAnalysis创始人Dylan Patel预测，到2028年底OpenAI和Anthropic将控制全球大部分可用算力，2030年两家合计超过100GW。OpenAI早早锁定五年长约，Anthropic却因保守策略被迫在现货市场高价抢购。芯片不跌反涨的反常逻辑背后，是算力经济的根本性转变——推理市场或将超越石油，而2026年正是美国AI霸权能否锁定的关键分水岭。
2026年3月，Claude经历五次大规模宕机，暴露出算力供应链的致命瓶颈。与此同时，OpenAI已经悄悄锁定了未来五年的服务器合约，把成本钉在每小时1.4到2.0美元。两家顶级实验室，两种截然不同的赌法。
芯片为什么越放越值钱
从H100折旧到算力资产重估
传统科技硬件遵循一条铁律：买来的当天就开始贬值。手机、电脑、服务器，三年后基本只剩残值。但AI芯片正在改写这条规则。
SemiAnalysis创始人Dylan Patel指出，H100这类GPU在发布初期价格高昂，但随着新架构推出，旧芯片并未如预期般沦为废铁。原因在于推理需求的爆发式增长。当模型训练完成后，推理阶段需要持续运行，而新芯片产能永远跟不上需求增速。这导致二手H100在二级市场上反而比发布时更稀缺。
「硬件软件协同设计才是真正百倍效率提升的来源，」Patel在红杉资本播客《Training Data》中强调，「孤立地看硅片、内核或模型架构，都会错过真正的故事。」OpenAI在Blackwell上、Anthropic在Trainium上、Google在TPU v7上，都在做同样的事：把芯片、软件栈和模型一起优化。这种协同让旧芯片在新场景下依然有竞争力。
SemiAnalysis创始人的核心判断
Patel的预测相当激进：到2030年，仅OpenAI和Anthropic两家公司的算力合计将超过100GW。这个数字是什么概念？一个大型核电站的装机容量大约在1GW左右。两家私人公司，将拥有相当于一百个核电站的电力需求。
更关键的是，这些算力的主要用途不是训练，而是推理。Patel认为，AI推理市场将超越石油，成为全球最大的单一市场之一，占全球GDP的多个百分点。
「今天的算力差距，到了2028年可能放大数倍——这不是线性累积，是复利效应。」Patel解释，拥有更多算力的实验室可以跑更多实验、发现更多算法突破；更强的算法反过来让同等算力产出更強的模型；而前沿模型又越来越能自行加速AI研发。这是一个正反馈循环，差距会指数级扩大。
Anthropic在2028年AI领导力报告中同样指出，2026年可能是美国AI霸权能否「锁定」的分水岭。若美国及时封堵走私渠道、限制境外算力存取并打击蒸馏攻击，到2028年美国模型能力可领先中国12至24个月。反之，若美国不作为，中国AI实验室可能凭借蒸馏攻击和海外数据中心持续接近前沿。
最讽刺的是，中国AI实验室若要在算力上追赶美国，依然要建立在美国制造的芯片之上。
芯片为什么越放越值钱###从
两家实验室的算力赌局
OpenAI的五年长约策略
OpenAI签下了长达五年、不可取消的服务器合约，将成本钉在每小时1.4到2.0美元。这个价格在2026年的现货市场上几乎不可能拿到。OpenAI的逻辑是，算力将成为地球上最稀缺的资源。与其在现货市场上竞价，不如提前锁定长期合约。
Anthropic的现货困境
Anthropic没有锁定长期合约，被迫以高达每小时2.4美元以上的价格抢购"现货"算力。2026年3月，Claude五次大规模宕机暴露了算力瓶颈。
阿尔钦-艾伦效应如何上演
「阿尔钦-艾伦效应」在这里得到印证：OpenAI锁定长期合约，Anthropic被迫购买现货。结果，OpenAI的算力成本更低、更稳定，而Anthropic的算力成本更高、更不可预测。
对于其他AI公司来说，要么提前锁定长期合约，要么接受现货市场的高价和不确定性。
两家实验室的算力赌局###O
2028年：算力分水岭
100GW意味着什么
Dylan Patel在SemiAnalysis的预测中给出了一个具体数字：到2030年，OpenAI和Anthropic两家公司的算力合计将超过100GW。这个数字听起来抽象，但换算一下就能理解其分量。
100GW相当于一个中型国家的总电力消耗。目前全球AI算力规模约为20GW，这意味着未来四年需要五倍的增长。更关键的是，这些算力不是均匀分布的。OpenAI和Anthropic作为头部实验室，正在以远超行业平均的速度扩张。
Patel的判断是，这种集中化趋势不可逆转。推理市场正在从「成本中心」转变为「利润中心」，而利润的积累又反过来支撑更多的算力采购。这是一个正向循环，领先者会越来越快。
Anthropic的两种情景推演
Anthropic在2026年发布了一份内部推演报告，提出了2028年的两种可能情景。
情境一：美国及其盟友维持主导领先。如果美国及时行动，全面封堵芯片走私渠道、限制境外算力存取并打击蒸馏攻击，到2028年美国AI模型能力可稳稳领先中国12至24个月。届时当美国发布新一代突破性模型，中国要到2029至2030年才可获得同等能力，民主国家可主导全球AI规则。
情境二：中美势均力敌。反之，若美国不作为，中国AI实验室便能在算力有限的情况下，凭借蒸馏攻击和海外数据中心持续接近前沿。配合其高速整合政策，中国极可能在军事、网络攻击及全球基础设施布局上逐步反超。
报告指出了一个关键逻辑：算力优势从来不是线性累积。拥有更多算力的实验室可以跑更多实验、发现更多算法突破；更强的算法反过来说明同等算力产出更強的模型；而前沿模型又越来越能自行加速AI研发。今天的算力差距，到了2028年可能放大数倍。
中美AI霸权的复利逻辑
最讽刺的是，中国AI实验室若要在算力上追赶美国，依然要建立在美国制造的芯片之上。这一依赖关系在2026年并未缓解，反而因为出口管制的强化变得更加脆弱。
Anthropic在报告中明确指出，2026年可能是美国AI霸主地位能否「锁定」的分水岭。美国目前同时拥有最强模型、最多顶级芯片和最充裕的电力基础设施。如果这些优势在接下来两年内被巩固，中国追赶的成本将呈指数级上升。
但这并不意味着美国可以高枕无忧。走私渠道的存在、蒸馏技术的扩散、以及中国本土芯片的迭代速度，都在削弱出口管制的效果。关键在于美国能否在2028年前建立起足够深的技术护城河，让中国即使获得算力也难以追上模型能力的差距。
从经验看，这种护城河的建立需要两个条件：一是在硬件层面保持代差，二是在软件生态层面形成锁定。NVIDIA的CUDA生态就是一个典型案例——即使中国能生产同等算力的芯片，软件迁移的成本也足以延缓追赶速度。
今天的算力差距，到了2028年可能放大数倍——这不是线性累积，是复利效应。这个判断的核心在于，算力不仅是训练模型的燃料，更是发现新算法、新架构的工具。拥有更多算力的实验室，本质上拥有更快的迭代速度。
2028年：算力分水岭###
算力垄断的边界在哪
算力集中到两家私人公司手中，这个判断本身就值得追问。垄断的边界在哪里？当OpenAI和Anthropic合计掌控超过100GW算力时，它们是否真的能无限扩张？答案是否定的。算力经济的物理约束正在显现。
推理市场超越石油的可能性
Dylan Patel在红杉资本播客《Training Data》中提出一个激进判断：AI推理市场将成为全球最大市场之一，占GDP多个百分点。这个判断的底层逻辑是推理需求的指数级增长。
训练是一次性的，推理是持续的。每一个调用Claude或GPT的请求，都需要消耗算力。随着AI渗透进企业工作流、消费级应用、自动化系统，推理需求不再是线性增长，而是复利增长。Patel预测，到2030年，仅OpenAI和Anthropic两家公司的推理算力就将超过100GW。这个数字意味着什么？一个典型的大型数据中心集群约100MW，100GW相当于1000个这样规模的集群同时运行。
石油市场的年交易额约3万亿美元，而AI推理市场的潜在规模正在逼近这个数字。区别在于，石油是消耗品，推理是生产资料。推理成本每下降一个数量级，应用边界就扩展一个数量级。这个正反馈循环一旦启动，市场规模的上限就不再是技术约束，而是能源和物理空间的约束。
2040年太空数据中心的想象
Patel进一步预测，到2040年，算力需求将达到太瓦级别。更惊人的是，他认为超过一半的新增算力将发生在太空。这个判断听起来像科幻，但背后的物理逻辑是清晰的。
地球上的数据中心面临三个硬约束：能源、散热、土地。一个100GW的数据中心需要约1000平方公里的土地，消耗约4000万千瓦时的电力，产生约4000万千瓦的废热需要散掉。在地球上，这三个约束都在收紧。太空数据中心可以解决散热问题——太空是天然的冷却环境，零度 Kelvin 的背景温度意味着废热可以通过辐射轻松散掉。能源问题可以通过太空太阳能解决。土地问题在太空根本不成立。
这不是空想。SpaceX的星舰、Blue Origin的新格伦火箭，都在降低进入太空的成本。当发射成本降到每公斤100美元以下，太空数据中心的经济模型就会成立。Patel的判断是：2040年，太空数据中心将成为算力扩张的主要载体。
英伟达战略背后的算力分散棋局
黄仁勋力捧新兴云商，这个战略选择背后是一盘防止算力垄断的棋。英伟达的商业模式依赖于GPU的广泛部署，而不是集中在少数几家实验室手中。如果OpenAI和Anthropic控制了90%的GPU，英伟达的议价能力就会下降。
英伟达的策略是分散。通过支持Supermicro、Oracle、AWS、Azure等云服务商，英伟达确保算力基础设施的多样性。这些云服务商成为OpenAI和Anthropic的供应商，但也成为其他AI实验室的供应商。这个生态的多样性，是英伟达的护城河。
Patel在访谈中指出，OpenAI通过与Oracle等云服务商合作，实际上是在利用别人的资本建设自己的算力基础设施。"OpenAI让某人支付集群费用，购买所有GPU，建设所有数据中心，然后承诺租用它们。"这种模式让OpenAI用更少的资本撬动了更多的算力。
但这种分散战略也有边界。当OpenAI和Anthropic的采购量足够大时，它们仍然可以议价。英伟达的分散策略只能延缓集中，不能阻止集中。
算力垄断的边界在哪算力集中到
可执行落点
算力经济的根本转变，对企业和投资者意味着什么？
第一，算力锁定策略决定生死。OpenAI的五年长约是正确选择，Anthropic的现货困境是教训。对于AI实验室，算力锁定不是财务决策，是生存决策。在算力稀缺时代，无法锁定算力的公司会被挤出市场。
第二，推理市场的复利效应会被低估。市场定价仍然基于训练成本，但训练成本正在下降，推理成本正在上升。推理市场的规模上限远高于训练市场。投资者需要重新评估AI公司的估值模型。
第三，2026年是关键分水岭。Anthropic的报告指出，2026年可能是美国AI霸权能否锁定的关键年份。如果美国不及时封堵算力走私渠道、限制境外算力存取、打击蒸馏攻击，中国AI实验室可能在2028年追平美国。
最讽刺的是，中国AI实验室若要在算力上追赶美国，依然要建立在美国制造的芯片之上。今天的算力差距，到了2028年可能放大数倍——这不是线性累积，是复利效应。
可执行落点算力经济的根本转变
2026年3月，Claude经历
参考文献
- Dylan Patel, SemiAnalysis创始人, Dwarkesh Podcast访谈, 2026: https://www.dwarkesh.com/p/dylan-patel
- Anthropic, "2028: Two scenarios for global AI leadership", 2026: https://www.anthropic.com/research/2028-ai-leadership
- Dylan Patel, "OpenAI and Anthropic Will Control Most of the World's Compute by 2028", SemiAnalysis, https://finance.biggo.com/news/38dd6d59970621da
- Dylan Patel, "SemiAnalysis创始人：推理或超越石油成全球最大市场，2040年太空数据中心将主导全球算力", 华尔街见闻, https://wallstreetcn.com/articles/3775923
- Anthropic, "2028: Two scenarios for global AI leadership", Anthropic Research, https://www.anthropic.com/research/2028-ai-leadership
- Dylan Patel, "Dylan Patel of SemiAnalysis: Why Hardware-Software Co-Design is AI's Real 100x", Sequoia Capital Podcast, https://sequoiacap.com/podcast/dylan-patel-of-semianalysis-why-hardware-software-co-design-is-ais-real-100x
- Dylan Patel, "Deep dive on the 3 big bottlenecks to scaling AI compute", Dwarkesh Podcast, https://www.dwarkesh.com/p/dylan-patel
浙公网安备 33010602011771号