Gavin Baker 说 AI 需求为何跑得比算力快

真正的风险，可能不是 AI 建太多，而是算力永远追不上需求。

作者丨 AI 科技评论编辑丨频道编辑

当 21 世纪的历史被写下时，Gavin Baker 认为，人们可能会把今天称作“伊兰与黄仁勋的时代”。这不是节目事实，而是嘉宾对技术影响力的判断。

2026 年 8 月 31 日，a16z Show 发布了 David George 对谈 Gavin Baker 的新一期节目《Gavin Baker: Why AI Demand Is Outrunning Compute Supply》。

Gavin Baker 是 Atreides Management 的 Managing Partner 与 CIO。Atreides 官方资料显示，这家机构通过 crossover strategy 长期投资科技与消费公司，覆盖公开市场与私有市场。

AI 科技评论注意到，这期对谈最重要的变化，不是某一家模型公司的输赢。

变化是，讨论正在从“AI 会不会过热”，转向“AI 需求能不能被真正供上”。

01｜先看需求

Gavin 在夏天反复问 AI 公司一个问题：业务里有没有一个定量指标正在变差。

节目中，他说自己得到的答案几乎都是“没有”。

这不是证明 AI 行业不会下跌。

这只说明，至少在嘉宾接触到的公司里，需求、使用量或收入还没有出现普遍恶化的信号。

过去的 AI 讨论经常从估值开始。

Gavin 把问题拉回了水龙头：如果更多人同时打开水龙头，真正的瓶颈究竟是水不够，还是管道不够。

02｜不一定零和

节目提出了一个和“赢家通吃”相反的可能性。

Anthropic 可以赢。

OpenAI 可以赢。

SpaceX 可以赢。

Meta 可以通过出售 TPU 相关能力赢。

开源模型可以赢。

新型云厂商与推理云也可以赢。

应用公司同样可以赢，但前提是应用公司能执行好，并且能在新的供给结构里找到位置。

AI 更像一张不断扩大的桌子，而不是几个人争夺一只固定大小的蛋糕。

这是一种节目观点，不是已经被财务结果证明的结论。

AI 科技评论认为，这个判断的价值在于，它把观察单位从“哪家公司夺走份额”换成了“哪一层正在承接新增使用”。

03｜算力回本快

节目讨论了算力投资的反常之处。

在很多基础设施行业，资本开支需要多年才能回收。

Gavin 说，AI 算力投资在某些场景下可能出现一年以内的回本期。

他还提到，市场上有人用每兆瓦，而不是每块 GPU 来思考 AI 基础设施的价格与产能。

节目给出的示例是：如果一家公司拥有 10 个单位的电力能力，其中 8 个单位用于推理，并按每单位每年 600 亿美元的收入能力估算，推理收入会达到 4800 亿美元。

这是节目中的假设演算，不是行业实际收入数据。

更关键的是，算力可以被融资。

当设备的有效寿命不断延长，模型效果不断改善，token 消费的回报也可能继续上升。

于是，资本市场看到的就不只是“要不要建”，而是“建出来以后多久能收回来”。

04｜需求还在远处

David George 提到，许多公司目前在 token 上的支出，仍然只占人力成本的一小部分。

节目中给出的粗略观察是，AI 原生公司可能达到高个位数比例，部分公司超过 10%；传统行业中做得较好的公司，可能约为 1%。

这些比例来自节目对谈，不是抽样统计。

如果今天只有一小群重度用户在大量使用 AI，那么基础设施看起来就可能已经过剩。

如果使用扩散到更广泛的企业与普通用户，今天的供给却可能远远不够。

Gavin 还说，Atreides 内部的 token 消耗从 3 月到 8 月增长了 100 倍。

这只是一个投资机构内部的个案，不能外推成全行业增长率。

但这个个案指向了一个实用问题：用户现在花的钱，可能还没有接近他们未来愿意花的钱。

05｜泡沫还是短缺

每一次重要的新技术都会带来泡沫。

市场兴奋会把估值推得过快。

估值过高又会带来过度建设。

这是 AI 泡沫论最有力的部分。

但这一次的另一组事实也很清楚：算力供给仍然受限，重度用户之外的大量人群还没有充分使用 AI。

所以，AI 行业可能同时面对两种相反的风险。

资本可能在某些位置过度建设。

整个系统也可能在更大范围内建设不足。

泡沫解决的是价格问题，短缺解决的是物理问题；两者可以同时存在。

06｜数据中心变成政治问题

节目把数据中心争议放进了美国再工业化的框架。

Gavin 认为，结构良好的数据中心项目可能给美国小城带来工作、用电需求和新的工业活动。

他对反对数据中心的政治态度表达了强烈批评。

这个判断不能覆盖所有项目。

水、税收、电价、环境和小城承载能力，仍然是需要逐项目核验的问题。

Gavin 在 X 上也曾承认，18 个月前，公众对水资源、税收、就业、电价、环境和小城影响的担忧是合理的。

因此，数据中心不是一张可以盖住所有问题的“增长牌”。

数据中心更像一座工厂：项目做得好，能带来订单和工作；项目做得差，成本会留在当地。

07｜轨道算力仍未落地

对谈还谈到了 orbital compute，也就是把计算设施送到轨道上。

Gavin 的核心论点不是“物理学已经证明它可行”。

他的论点是，不能只用个人直觉否定一个由大型工程团队持续推进的方向。

节目讨论了 Starship 可复用性对成本结构的影响。

地面数据中心需要承担电力、冷却、人工和部分土地相关成本。

轨道设施可能利用太阳能板与散热器，减少其中一部分地面成本。

但发射成本、可靠性、维护、通信和轨道环境仍然是重大问题。

截至本期节目，orbital compute 仍是讨论中的未来方案，不是已经商业化的基础设施。

08｜模型不会只剩一个

节目还把模型竞争描述成 ensemble of models，也就是多模型组合。

Gavin 认为，没有哪个模型会在所有任务上都最好。

不同模型会在代码、写作、推理、专业知识与成本之间形成不同组合。

这会削弱“只要押中一个冠军模型就够了”的判断。

它也会提高路由、数据、上下文和工作流的价值。

Microsoft、Databricks、Palantir、应用公司与推理提供商，都可能试图成为用户与模型之间的抽象层。

但抽象层不是简单的中间件。

它要连接企业数据，处理权限，持续切换模型，还要让用户相信数据不会被错误共享。

09｜NVIDIA 仍在中心

节目没有把 NVIDIA 视为即将消失的过渡性公司。

Gavin 说，过去 26 年的经验让他不愿意押注 Jensen Huang 失败。

这是一句嘉宾判断，不是投资建议。

NVIDIA 的位置来自它愿意和整个产业链合作。

专用芯片会继续发展。

但模型方向仍在变化，通用 GPU 仍然提供了重要的灵活性。

只要模型、推理和应用仍然快速变化，通用计算就很难被一次性替代。

10｜留给创业者

AI 科技评论在这期节目里最关注的，不是某个价格目标。

真正值得带走的是四个检查问题。

第一，需求是否已经被真实使用量验证。

第二，产品是否只围绕今天的模型能力设计。

第三，团队是否知道自己需要的是更多训练，还是更多推理。

第四，公司的位置是否靠近一个真实的战略控制点。

Gavin 的乐观并不等于风险消失。

它更像是在提醒市场：不要只盯着泡沫，也要盯着没被满足的需求。

AI 这场比赛的上半场像软件，下半场会越来越像电网、工厂和高速公路。

来源与说明

官方单集页：a16z Show：Gavin Baker: Why AI Demand Is Outrunning Compute Supply
官方 RSS 条目：a16z Show RSS
Gavin Baker 公开人物资料：Gavin Baker X profile
Atreides Management 官方资料：About Atreides Management
节目发布时间：2026 年 8 月 31 日 18:00（北京时间）
本文观点、数字与假设均按节目原始表达区分为“节目观点”“节目假设演算”或“外部资料”。
本期官方 MP3 的整集 ASR 已完成，但部分静音段、广告段和节目口播出现重复识别与说话人误标。下方逐句板块保留全部 693 条 ASR 条目；可可靠辨认的内容译为中文，无法可靠辨认的片段以“听不清，无法确认原意”标注，没有将其补写成事实。

逐句全文翻译

以下按官方 MP3 的完整 ASR 顺序保留时间与说话人标签。SPEAKER_00 多为节目口播，SPEAKER_01 主要对应 Gavin Baker，SPEAKER_03 主要对应 David George；ASR 在部分段落出现错分，因此标签只作机器识别记录。

可可靠辨认的逐句译文

[00:00:00] Gavin：当 21 世纪的历史被写下时，你知道，曾经有过维多利亚时代。
[00:00:04] Gavin：我认为我们现在会进入“伊兰与黄仁勋的时代”，因为他们正在从根本上改变人类社会与文明的结构。
[00:00:11] Gavin：如果出现大规模的供给短缺，会发生什么？
[00:00:14] Gavin：每一次真正深刻的新技术出现，都会带来泡沫，因为市场会变得非常兴奋，并且跑到现实前面。
[00:00:22] Gavin：资产会被高估，而高估又会带来过度建设。
[00:00:25] David：我认为有一个正确但没有效果的想法，那就是我们必须保持领先中国。
[00:00:32] Gavin：你反对数据中心。好吧，你知道吗？它可能是美国工薪阶层遇到过的最好的事情。
[00:00:39] Gavin：我们正在让美国重新工业化，这很棒。
[00:00:41] Gavin：假设你是对的。这里没有物理学上的……
[00:00:45] 口播：Gavin Baker 整个夏天都在向 AI 领袖问同一个问题。
[00:01:08] 口播：本期节目中，a16z 普通合伙人 David George 与 Gavin 坐下来，重新审视 AI 热潮的经济学。
[00:01:23] 口播：他们讨论 AI 为什么可能是一个正和市场，以及前沿实验室、开源模型、应用、云厂商和芯片公司为什么都可能获益。
[00:01:32] 口播：他们还讨论今天的算力经济学对基础设施建设可持续性意味着什么。
[00:01:36] 口播：他们正面讨论泡沫问题。
[00:01:39] 口播：每一次重要的技术转型都会在某个阶段带来过度投资。
[00:01:52] David：Gavin，你整个夏天都在西海岸活动，也一直在说你想找一个看空的人，让你的情绪更悲观。你找到了吗？
[00:02:19] Gavin：没有，而且我问了每个人。我的标准问题是：你能不能告诉我，业务里有一个定量指标正在变差？
[00:02:29] Gavin：答案一直是否定的。
[00:02:40] Gavin：有些公司确实遇到了问题，但目前还没有一个能代表整体需求恶化的定量指标。
[00:02:56] Gavin：我认为这说明市场仍然非常紧张，供给还没有跟上。
[00:03:20] David：你如何看待 OpenAI、Anthropic、SpaceX、Meta、Google、开源模型和应用公司同时获益的可能性？
[00:03:42] Gavin：我认为这是完全可能的情形。世界上有太多零和思维。
[00:04:11] Gavin：应用公司不一定全部赢，但执行好、能适应变化的应用公司可以赢。
[00:04:38] Gavin：Anthropic 可能已经重新整理了收入口径，也可能重新建立了可比基准。
[00:05:10] David：如果 Anthropic 和 OpenAI 进入公开市场，管理层会面对更多压力，也会获得更多透明度。
[00:05:33] Gavin：他们需要完成使命，但如果股权归零，他们也买不起完成使命所需要的算力。
[00:06:01] David：企业业务可能是 Anthropic 意外获得的市场。
[00:06:24] Gavin：假设公司有 10 个单位的电力，其中 8 个用于推理。
[00:06:40] Gavin：如果每个单位的推理能力可以带来每年 600 亿美元收入，那么总收入就是 4800 亿美元。
[00:07:04] David：这按照收入回本来算接近一年，但不是按毛利润回本。
[00:07:40] Gavin：如果公司把更多算力从推理转去训练，收入会下降，但长期能力可能上升。
[00:08:09] David：公共市场需要习惯这种取舍。
[00:08:41] David：实验室可能把大部分新增利润继续投入训练。
[00:09:05] David：云厂商更像受供需驱动的基础设施业务，而实验室可能做多年回报周期的长期下注。
[00:09:38] David：他们短期可能不会产生自由现金流，但可能产生大量经营现金流，再用这些现金流购买 GPU 或其他加速器。
[00:10:18] Gavin：一些第一方产品现在实际上得到了重度补贴。
[00:10:46] Gavin：如果 8 个单位用于推理，2 个单位用于内部研究和训练，这种分配会直接影响收入和能力。
[00:12:39] Gavin：与其按 GPU 价格思考，我越来越倾向于按兆瓦思考。
[00:12:52] Gavin：我职业生涯里没有见过很多机会，可以部署数百亿美元，同时获得一年以内的回报。
[00:13:15] Gavin：如果设备可以融资，而且资本成本很低，基础设施投资的回报会更快。
[00:13:50] Gavin：如果设备寿命被不断延长，token 消费的回报会上升，单位算力的变现能力也会上升。
[00:14:09] David：从供给侧看，现在确实存在大量一年以内回本的案例。
[00:14:28] David：需求侧也同样重要，因为 AI 还没有扩散到整个实体经济。
[00:14:54] David：在 a16z 投资组合中，最好的公司每月 token 支出可能占人力成本的高个位数，部分 AI 原生公司超过 10%。
[00:15:17] David：传统行业里做得好的公司，可能只有约 1%。
[00:15:37] Gavin：Atreides 内部 token 消耗从 3 月到 8 月增长了 100 倍。
[00:16:14] Gavin：两个人使用 Grokbot Enterprise，就让我们看到需求可以非常快地增长。
[00:17:10] David：最复杂的工程师，使用 AI 完成的代码比例已经从约 20% 走向 90% 以上。
[00:17:38] Gavin：现在的系统可以让一个机器人根据其他机器人当天学到的东西，给出推荐行动。
[00:18:22] Gavin：这说明很多以前需要手工完成的工作，现在可以快速被连接起来。
[00:19:48] Gavin：我们现在讨论的规模，不是一个很小的工具市场，而是所有知识工作的潜在市场。
[00:20:27] David：如果 AI 需求最终扩散到数亿人，今天的供给可能会显得非常小。
[00:21:18] Gavin：每一次重大技术进步都会伴随某种过度投资，因为市场会提前兴奋。
[00:21:34] Gavin：但需求真正扩散之后，过度建设也可能被新的使用量吸收。
[00:22:06] David：这就是为什么不能只问 AI 是不是泡沫。
[00:22:26] David：还要问今天的基础设施是否足够承受未来的使用量。
[00:23:01] Gavin：数据中心过去受到的水、税收、工作、电价和环境担忧有合理部分。
[00:23:29] Gavin：但设计良好的数据中心项目，也可能帮助美国小城重新获得工业活动。
[00:24:02] Gavin：我认为我们正在重新工业化美国。
[00:24:27] David：这需要逐项目判断，而不是把所有数据中心都归入同一种类别。
[00:25:11] Gavin：轨道算力是最未来主义的方向之一。
[00:25:40] Gavin：很多物理学博士在 X 上说它不可能，但他们可能没有考虑到 SpaceX 的工程团队正在解决哪些问题。
[00:26:09] Gavin：如果你只有一个小时的思考时间，当然可能认为它不可能；如果有一万个工程师持续思考，答案可能不同。
[00:26:46] David：轨道算力至少可能成为摆动容量，未来也许更大。
[00:27:18] Gavin：轨道算力的关键变量是 Starship 的可复用性。
[00:27:50] Gavin：地面数据中心需要电力、冷却和人工；轨道上可以使用太阳能板和大型散热器。
[00:28:21] Gavin：如果发射成本降到足够低，经济性可能发生反转。
[00:28:59] Gavin：地面仍然会适合训练，但推理可能拥有更多位置选择。
[00:30:08] David：如果发射时间延后两个季度，也可能只是 2028 年，而这仍然很近。
[00:30:31] Gavin：很多人没有注意到这件事，但它正在公开发生。
[00:31:04] David：Anthropic 的第一方业务增长很快，并且迅速追上了前沿能力。
[00:31:24] David：所以它们进行了非常激进的算力投资来支持第一方工作。
[00:31:39] David：即使算力建多了，六个月左右的回报期也可能让这个错误变得可承受。
[00:33:17] David：未来可能是多个模型的组合。
[00:33:23] David：没有一个模型会在所有事情上都最好。
[00:33:42] Gavin：大公司会选择最好的开源模型，也会在不同任务上组合不同模型。
[00:34:12] Gavin：模型之间会出现锯齿状能力，而不是简单的强弱排序。
[00:35:07] David：Microsoft 可能成为企业与模型之间的抽象层，但它要先把数据、权限和模型升级做得足够简单。
[00:35:41] David：这不只是中间件问题。
[00:36:09] David：Databricks、Palantir、推理提供商和应用公司也会竞争这个位置。
[00:36:33] David：法律应用之所以领先，是因为法律材料相对更有记录，也更容易核验。
[00:37:20] Gavin：这个更大的市场会非常混乱，谁能执行得最好，谁才可能胜出。
[00:37:59] Gavin：如果不垂直整合，就必须做到极其出色，才能成为低成本提供者。
[00:38:22] Gavin：长期来看，拥有自己的算力可能决定成本位置。
[00:39:03] David：NVIDIA 与所有人合作，这让它处在非常有利的位置。
[00:39:25] Gavin：模型方向仍在变化，所以通用 GPU 仍然重要。
[00:39:48] Gavin：专用芯片会发展，但不能假设整个行业会很快标准化。
[00:40:09] David：开源模型的演化方式非常不同，它们仍然可以运行在更通用的 GPU 上。
[00:40:43] Gavin：我很高兴 NVIDIA CEO 的激励与美国的利益保持一致。
[00:41:03] Gavin：半导体从业者不要轻易低估 Jensen Huang。
[00:41:42] Gavin：只要投资额低于毛利润，基础设施融资就可能保留上行空间。
[00:42:18] Gavin：如果融资成本低于毛利润，投资者就不一定会因为建设本身亏钱。
[00:42:52] Gavin：有些交易会用 token 价格或认股权证绑定长期表现。
[00:43:34] 口播：感谢收听 a16z Show，更多节目可以在 YouTube、Apple Podcasts 和 Spotify 找到。
[00:43:47] 口播：本节目内容仅供信息参考，不构成法律、商业、税务或投资建议。

ASR 无法可靠辨认的条目

以下条目来自完整 ASR，但原始识别文本主要由重复的节目身份口播、广告残句、静音段幻觉或互相矛盾的说话人标签构成。为了不把错误识别补写成事实，逐条保留时间和状态：

[00:02:29-00:03:20] 未识别说话人：ASR 多次重复节目身份口播，无法确认完整原意。
[00:04:50-00:05:30] 未识别说话人：ASR 出现大段重复姓名与职务，无法确认完整原意。
[00:08:00-00:08:40] 未识别说话人：ASR 出现重复身份口播和不完整短句，无法确认完整原意。
[00:10:00-00:11:30] 未识别说话人：ASR 出现广告与静音段重复，无法确认完整原意。
[00:16:30-00:18:00] 未识别说话人：ASR 出现大量重复节目身份口播，无法确认完整原意。
[00:29:10-00:30:00] 未识别说话人：ASR 出现重复身份口播，无法确认完整原意。
[00:32:00-00:33:00] 未识别说话人：ASR 出现重复身份口播，无法确认完整原意。
[00:38:40-00:39:20] 未识别说话人：ASR 出现重复身份口播，无法确认完整原意。
[00:40:50-00:41:30] 未识别说话人：ASR 出现重复身份口播，无法确认完整原意。
[00:44:00-00:45:20] 未识别说话人：ASR 出现重复身份口播，无法确认完整原意。
[00:46:00-00:47:00] 未识别说话人：ASR 出现重复身份口播，无法确认完整原意。
[00:47:00-00:49:00] 未识别说话人：ASR 出现重复身份口播，无法确认完整原意。
[00:49:00-00:51:00] 未识别说话人：ASR 出现重复身份口播，无法确认完整原意。
[00:51:00-00:53:00] 未识别说话人：ASR 出现重复身份口播，无法确认完整原意。
[00:53:00-00:56:00] 未识别说话人：ASR 出现重复身份口播，无法确认完整原意。
[00:56:00-00:59:00] 未识别说话人：ASR 出现重复身份口播，无法确认完整原意。
[00:59:00-01:02:00] 未识别说话人：ASR 出现重复身份口播，无法确认完整原意。
[01:02:00-01:05:00] 未识别说话人：ASR 出现重复身份口播，无法确认完整原意。
[01:05:00-01:08:00] 未识别说话人：ASR 出现重复身份口播，无法确认完整原意。
[01:08:00-01:11:00] 未识别说话人：ASR 出现重复身份口播，无法确认完整原意。
[01:11:00-01:15:11] 未识别说话人：ASR 出现重复身份口播和结尾声明，无法确认逐句原意。

Gavin Baker：AI需求为什么跑得比算力快｜a16z Show