【對談】Dylan Patel：兩家實驗室正在吃掉全世界的算力
Dylan Patel 不是什麼名嘴評論員。他是 SemiAnalysis 的創辦人，從晶圓廠設備到資料中心電力，整條 AI 硬體供應鏈都是他的基本盤，矽谷的人付訂閱費看他的報告。這場訪談的背景是：2026 年上半年，AI 的算力軍備競賽已經滾得夠大，以至於供應鏈，利率，甚至各國主權債務都開始被拉進來。主持人 Dwarkesh Patel 開門見山：世界經濟走向，愈來愈只是 AI 實驗室經濟走向的函數。那就從數字開始。
每天精選 6 則要聞、一則產業名人訪談,五分鐘跟上。
這場談話有幾個值得拆開來看的層次：第一，兩大實驗室 OpenAI 與 Anthropic 正在以驚人速度吃掉全球算力，2026 年底可能就過半；第二，每片算力能變出的收入正在暴增，毛利結構已經根本性改變；第三，算力集中到最後，全球債市，利率，甚至開發中國家的主權信用都會被拖著走；第四，中國的算力缺口比外界想像的大得多，且出口管制確實有效；第五，兩位主講人最後都坦承：這條路的終點是史無前例的資源集中，他們不知道怎麼避免。合起來看，這不是一場科技預測，這是一場對全球資本重新分配的解剖。
◎算力不是在分散，是在收斂到兩個地址
2026 年初，OpenAI 與 Anthropic 各自約有 2 gigawatt 的算力。年底都將超過 5 gigawatt。這一年新增的全球算力，約三成直接流向這兩家。到 2027 年底，Patel 的預測是：全球每年新增算力，將有四到五成歸這兩家使用，可能是自建，可能是租用 SpaceX 或 Google 的機器。到 2028 年，如果趨勢不變，兩家合計可能擁有全球可用算力的多數。更關鍵的是，新一代晶片的效能是兩年前的三到五倍，所以「gigawatt 數」還低估了真實算力差距。Patel 說得很直：很快就會到一個地步，除了把算力賣給 Anthropic 或 OpenAI，任何人拿著算力都找不到更好的買家。
◎一塊算力能變多少錢，數字正在改寫
一年前，OpenAI 跑模型是賠錢的，每個 token 的推論成本高於售價。現在完全反過來。Patel 給出的數字：市場上算力的基準成本約每 megawatt 一千到一千五百萬美元，但 Anthropic 目前每 megawatt 的收入已經跑到五千萬美元。也就是說，花一塊錢，拿回五塊。他預估 2027 年底可能到七，八千萬，甚至破億。這個落差的邏輯很殘酷：金融交易公司 Jane Street 拿 Anthropic 的模型去跑演算法交易，賺的遠比付給 Anthropic 的多；Meta 拿模型優化廣告，效益也遠超過訂閱費。實驗室把一塊錢變成五塊，但真正的價值其實在更下游，在使用者手裡。這是目前還算健康的訊號，但 Patel 也明說：實驗室不傻，他們最終的動作會是把算力從對外推論轉回內部研發，因為內部用途的回報更高。
◎算力軍備賽的帳單，最後由全球利率來買單
Patel 估算，2024 到 2029 年，全球 AI 相關資本支出累計將超過 11 兆美元。其中約六兆靠現金流支應，剩下五兆要靠舉債。這不是小事：Meta，Google，Amazon，Microsoft 現在已經同時停止股票回購，大量舉債，全部燒進算力。往前看，這個需求還會繼續膨脹。當這麼多公司同時搶著借錢，利率就會被推高，不只是科技公司，而是整個經濟的借貸成本都跟著漲。Patel 用「第二次 Volcker 衝擊」來描述可能的結果——1980 年代，Fed 大幅升息打通膨，導致四十幾個國家，多數集中在拉丁美洲相繼違約。他認為，負債多，稅基薄，債務又短天期的國家，在這一輪利率上升中很可能重演同樣的劇本。台灣的 CEO 請注意：這不是在聊矽谷，這是在聊你的資金成本和你客戶的資金成本。
◎中國算力缺口比你想的大，而且出口管制真的有用
2022 年，美國貢獻全球約四到五成的新增算力，中國約三到三成半。現在？美國已佔七成，中國不到一成。Patel 的解釋：出口管制加上中國本土晶片製造能力仍然有限，讓這個差距在這幾年被放大。他預估 2028 年中國全部算力庫存可能不超過 30 gigawatt，而且品質明顯落後同期的美國晶片。更重要的時間點是：等到 AI 真正能自動化程式設計，甚至自動化研究工作的時候，中國在算力存量上已經遠遠落後。Patel 直接說，這算是出口管制迄今一個值得肯定的成果。當然，中國的製造業動員能力不可小看，2029 年有機會單年新增 50 gigawatt，但如果都是自產晶片，效能打折後可能只值 20 gigawatt 的戰力。
◎集中是終點，但沒有人知道怎麼繞開它
訪談最後這段是整場最值得正視的部分。Patel 和主持人都承認：所有力量都指向集中。AI 訓練有規模效應，愈大的模型攤薄成本愈低；領先者能用更好的模型做出更好的下一個模型；算力稀缺的時候，領先者能出最高價。這三個飛輪同時轉，結果就是算力，收入，最終的決策權，全都流向同一個地方。他們也沒有答案。Patel 說，要嘛相信 OpenAI 或 Anthropic 做出對的決定，要嘛靠政府管制硬踩煞車，但兩條路他都不太信任。這場對話沒有給出解方，但它把問題說清楚了：這不是在問誰的股票買。這是在問誰來決定未來的世界長什麼樣子。
看完這場，你可以繼續把 AI 當成一個產品趨勢來追。但 Patel 在告訴你的是更大的事：算力正在變成這個時代的土地，而它正在被快速圈地。利率，主權債務，製造業供應鏈，這些看似不相干的事，全都被拉進同一條方程式。你不需要押注哪家實驗室贏，但你有必要搞清楚，這場集中化到底會從哪裡影響到你的生意，你的融資成本，你的客戶。因為它已經在發生了。
提出全球 AI 資本支出數字：2026 年略超過 1 兆美元，2028 年預估超過 2 兆美元；實驗室從年燒數百億美元，正走向年燒數兆美元的規模。
說明毛利結構轉折點：Anthropic 在 2026 年 Q2 開始獲利；GPT-4 時代每個 megawatt 是負毛利，現在 Anthropic 每 megawatt 收入已達 5000 萬美元，約是算力成本的 4 倍以上。
逐年列出 OpenAI 與 Anthropic 的算力增長：年初各約 2 gigawatt，年底各超過 5 gigawatt；預估 2027 年底兩家合計將吃下全球新增算力的 40%–50%，且新世代晶片效能是前一代的 3–5 倍。
分析中美算力差距：美國目前佔全球新增算力約 70%，中國不到 10%；預估 2028 年中國算力庫存不超過 30 gigawatt，且品質明顯落後；2029 年中國有機會新增 50 gigawatt，但若多為國產晶片，實際效能可能只相當於 20 gigawatt。
討論主權債務風險：估算 2024–2029 年全球 AI 相關資本支出累計逾 11 兆美元，其中約 5 兆需靠舉債；大量借貸需求推升全體經濟利率，負債高，稅基薄的開發中國家可能面臨違約，以巴基斯坦，奈及利亞為例。
解釋實驗室算力預算的實際分配：約 50% 用於研究，10% 用於開發，40% 用於推論；Anthropic 訓練 Mythos 模型的單次預訓練峰值算力不超過 200 megawatt，其餘算力仍用於研究實驗。
兩人共同討論算力集中化的結構性原因：AI 訓練的規模效應，領先者以模型助力下一代模型，部署規模帶來更多真實世界資料，三個飛輪均指向集中；兩人均坦承沒有清晰的去中心化路徑。
看完今天的,讓明天的自己送上門
每天精選 6 則要聞、一則產業名人訪談,五分鐘跟上。
已出刊 95 期 ・ 隨時可退訂