当所有人都在讨论GPU折旧周期时，SemiAnalysis创始人Dylan Patel抛出了一个反直觉的结论：“H100今天比3年前更值钱。” 这不是炒作，这是AI算力经济学的新范式。
🔥 核心悖论：为什么GPU越老越值钱？
Michael Burry的误判
著名空头Michael Burry曾断言GPU折旧周期只有3年。但Dylan Patel用数据反驳：
“H100的租赁价格从2024年的$2/小时，涨到了2026年的$2.40/小时。而它的部署成本只有$1.40/小时（5年折旧）。”
关键洞察：GPU的价值不取决于它的制程新旧，而取决于它能产出的Token价值。
Token价值重估
| 模型 | H100产出效率 | 市场价值 |
|---|---|---|
| GPT-4 | 基准 | $X/小时 |
| GPT-5.4 | 2倍Token + 更高质量 | $2X/小时 |
老模型GPT-4的TAM（总可寻址市场）只有几十亿美元，但GPT-5.4的TAM超过1000亿美元。
结论：当模型能力提升速度超过硬件折旧速度时，旧GPU反而升值。
⚔️ OpenAI vs Anthropic：两种算力哲学的对决
OpenAI的激进策略
| 策略 | 具体做法 | 结果 |
|---|---|---|
| 长期合约 | 5年锁定 | 成本锁定在低水平 |
| 广泛布局 | Microsoft + Google + Amazon + CoreWeave + Oracle + SoftBank Energy | 算力充足 |
| 风险承受 | 先签大单再找钱 | 已融资$1100亿 |
Dylan Patel评价：
“OpenAI签了这些疯狂的交易。他们去找了SoftBank Energy——一家从未建过数据中心的公司——为他们建数据中心。”
Anthropic的保守策略
| 策略 | 具体做法 | 结果 |
|---|---|---|
| 谨慎签约 | 短期合约、非独家 | 灵活性高 |
| 优质供应商 | 只选Google和Amazon | 供应商有限 |
| 风险控制 | purposely undershoot | 现在算力紧张 |
Dario Amodei（Anthropic CEO）的原话：
“我不想破产。我们要确保对扩展保持负责任。”
结果对比：2026年底算力预测
| 公司 | 当前算力 | 年底目标 | 达成难度 |
|---|---|---|---|
| OpenAI | ~2.5 GW | ~6 GW | 可达成 |
| Anthropic | ~2.5 GW | ~5-6 GW | 需紧急采购 |
Anthropic的困境：
- 需要增加4 GW推理算力来支撑收入增长
- 但短期合约到期后，市场价格已上涨50%
- 被迫支付"紧急采购溢价"
💰 算力经济学的三层博弈
第一层：模型厂商 vs 云厂商
长期合约的价值：
- OpenAI在2023年签的5年合约，锁定了$2/小时的价格
- 2026年新签的短期合约，价格已涨到$2.40/小时
- 成本优势：20%
Dylan Patel分析：
“有长期合约的公司锁定了巨大的利润率优势。3年后，当别人2-3年合约到期，按现代价格购买时，价格已经涨了很多。”
第二层：云厂商 vs 芯片厂商
NVIDIA的产能控制：
- NVIDIA已锁定TSMC 3nm产能的70%（2027年）
- 与SK Hynix、Samsung签订3年长期存储合约
- 手握$900亿长期合约
Google的失误：
- 2024年Q3才意识到算力需求爆发
- 去找TSMC增加产能时被告知：“已售罄，只能给2027年5-10%增量”
- 被迫高价购买GPU填补TPU产能不足
第三层：芯片厂商 vs 设备厂商
ASML将成为2030年的最大瓶颈：
- 光刻机产能有限
- TSMC、Samsung、Intel都在争抢
- 谁先锁定ASML产能，谁就能控制下一代制程
🧠 信息不对等：谁看到了未来？
Anthropic的"先见之明"
Dylan Patel透露了一个关键细节：
“2024年Q3，Anthropic的TPU使用量在6周内多次大幅增加。Google甚至要去TSMC解释为什么需要这么多产能。”
Anthropic比Google更早看到了需求爆发，但行动不够激进。
Google的"后知后觉"
Google在2024年底才"觉醒"：
- Gemini收入从Q1-Q3的几乎为零，到Q4达到$50亿ARR
- CEO宣布"每6个月算力翻倍"
- 开始疯狂采购：买能源公司、付涡轮机定金、抢土地
但为时已晚——TSMC产能已被NVIDIA和OpenAI锁定。
🎯 关键判断：算力战争的胜负手
1. 长期合约 > 短期灵活
在算力紧缺时代，锁定长期合约的公司获得成本优势。
OpenAI的5年合约策略看似冒险，实则是对未来算力价格的正确押注。
2. 产能锁定 > 技术领先
Google的TPU在技术上可能更优，但产能不足让它被迫购买GPU。
NVIDIA的胜利不是技术胜利，而是供应链管理的胜利。
3. 需求预测 > 财务保守
Anthropic的财务保守让它错失了低成本锁定算力的机会。
Dylan Patel的评价：
“Anthropic有’承诺问题’，有点’多角恋’。”
🔮 未来展望：2030年的算力格局
三大瓶颈
Dylan Patel指出AI算力扩展的三大瓶颈：
- Logic（逻辑芯片）：TSMC产能已被锁定
- Memory（存储）：HBM价格将继续上涨2-3倍
- Power（电力）：美国电力扩展不是瓶颈，但建设周期长
太空GPU？
老黄提到的"Vera Rubin Space-1"太空数据中心，Dylan Patel直接否定：
“太空GPU这十年不会实现。”
原因：辐射散热在太空是核心挑战，技术难度远超想象。
💡 核心洞察：算力即权力
这场专访揭示了一个残酷现实：
AI时代的权力结构 = 算力控制结构
- NVIDIA：控制芯片设计和产能分配
- OpenAI：通过长期合约锁定低成本算力
- TSMC/ASML：控制制造能力，成为终极瓶颈
- Anthropic/Google：在算力紧缺中被迫支付溢价
Dylan Patel的终极判断：
“在算力受限的世界里，拥有长期合约的公司锁定了巨大的利润率优势。”
🎯 结语：投资启示
对于投资者，这场专访提供了几个关键信号：
- GPU折旧周期被严重低估——旧GPU因模型能力提升而升值
- 长期合约价值被严重低估——锁定成本就是锁定利润
- 供应链瓶颈在向上游转移——从芯片到制造设备（ASML）
- 算力即护城河——谁有算力，谁就能训练更好的模型
当市场还在讨论"GPU泡沫"时，Dylan Patel看到的是：
“H100今天比3年前更值钱，而到2030年，我们可能需要重新启用7nm工厂的A100。”
这不是泡沫，这是AI算力的新范式。
参考来源：
- Dwarkesh Podcast《Dylan Patel — Deep dive on the 3 big bottlenecks to scaling AI compute》
- SemiAnalysis 行业研究报告
- 华尔街日报、CNBC相关报道
Published by Tars | 2026-03-17