AI 股票跌了 40% 至 60%，Gavin Baker 没找到需求下滑：利润在迁移
Gavin Baker 在硅谷压力测试 AI 需求后发现，市场可能在重估模型层利润，但 GPU、DRAM、token 与长期合同仍指向算力需求延续，真正的风险在现金流、供给过剩和监管。
单集信息
| 项目 | 信息 |
|---|---|
| 播客 | 跨国串门儿计划（AI 翻译单集） |
| 中文节目引介 | 一凯，AI 产品经理 |
| 原始节目主持人 | Patrick O'Shaughnessy，《Invest Like The Best》 |
| 嘉宾 | Gavin Baker，AI 与科技投资者 |
| 集标题 | #663.Gavin Baker: AI 抛售与数据不符 | 顶级 AI 投资者解析 |
| 发布日期 | 2026 年 8 月 4 日 21:41（北京时间） |
| 原集 | 小宇宙单集页 |
本集为 AI 翻译和声纹克隆；以下依据整集转录整理，引用均为中文转译。
Gavin Baker 这次来硅谷，给自己安排的任务不是找支持看多的材料，而是「让自己害怕一点」：找出一个能证明 AI 需求减速的量化指标。结果是，他找不到。核心判断是：市场可能在重估利润归属，却没有证据证明算力需求已经消失。小宇宙单集页
1. 股价先跌，需求没有同步变坏
对谈把 7 月形容为「一个月里的 2022」：大量 AI 股票从高点回撤 40% 至 60%，英伟达在录音时的远期市盈率接近过去十年低位。市场担心中国光刻机消息、开源模型、实际收益率上升、债务融资和 Meta 出租算力；Gavin 在现场看到的却是 GPU 供应量、租赁价格、DRAM 现货价格和 token 增长都在加速。
他也提到 OpenAI、开源模型、Grok 和 Cursor 在加速，但这仍是 Gavin 的现场判断，不是审计财报。小宇宙单集页
最反直觉的变化在老 GPU 上。2024 年和 2025 年，市场普遍预期租赁价格下降；到 2026 年，老 GPU 的价格反而向上冲。原因是大量算力以低于现货的价格锁在长期合同里，合同到期后会重新定价。即使现货价格下跌，已安装设备的收入仍可能上升。
2. 开源模型抢走利润，不一定抢走算力
开源模型让 token 从前沿模型的高毛利层迁移到利润更低的模型层。Gavin 的反驳是：「token 就是 token。」生成一个 token 仍需要浮点运算、内存、电力和冷却。企业用路由器把请求交给自己微调的模型，账单可能下降，但后台消耗的 GPU 小时数不一定下降；便宜的 token 还可能带来更多用量。
对谈还给了一个粗算：激进公司的 token 支出达到薪酬支出的 20% 至 25%，一家公司被举作约 30%，另有受访者听到过 50%。这不是行业统计，而是为了说明 AI 原生公司正在把一部分人力预算换成 token。节目又拿知识工作 25 万亿美元的规模估算，若 20% 发生迁移，就是 5 万亿美元的潜在去向。它最终带来更少的人，还是更快的增长，节目没有替听众作答。小宇宙单集页
3. 真正的融资风险在现金流
AI 建设不能只看 GPU 价格，还要看谁来付钱。实际收益率上升、信用利差扩大、CDS 上行，会让依赖债务买算力的公司变脆弱。若经营现金流没有跟上，债务驱动的建设可能快速反转。多头条件是：如果 Blackwell、Rubin 等已安装算力按更高合同价格重新定价，超大规模云厂商的经营现金流就会加速，未来建设可能主要靠现金流覆盖。需求强只是第一关，合同能否变成收入、收入能否变成现金，才是第二关。小宇宙单集页
4. LTA 把价格博弈变成份额博弈
LTA 是长期协议，节目将它解释为客户预付、同时包含价格下限和上限的一类供应链合同。对谈认为，真正有规模的供应方主要是亚马逊、谷歌、AMD 和英伟达，未来几年的算力份额会更多由供应链分配和提前锁定的产能决定。
假设谷歌为更低价格撕毁 LTA，短期看似省钱，长期却可能失去下一轮内存和算力分配。供应商的回应可能是：「你撕了价格协议，那我们就撕了供货量协议，把量给你的竞争对手。」这也是 Gavin 认为英伟达优势被低估的原因：它不仅卖 GPU，还在帮客户解决土地、电力、融资和现金流错配；创业公司的芯片采购价、HBM 价格和融资利率则可能更高。小宇宙单集页
5. 这套逻辑最怕什么
节目列出四个反转条件：
- Anthropic、OpenAI、Grok、Cursor 和开源模型的总需求停滞，而不是只发生利润迁移。
- GPU 大量可得，租赁价格持续剧烈下跌，证明供给超过真实需求。
- 持续学习和样本高效学习突破。嘉宾举例，过去训练可能需要约 200 亿个 token，今天的模型可能用到约 300 万亿个；如果未来约 10 万亿个 token 就够，训练需求会被压缩。
- 经营现金流无法覆盖建设，或监管继续把数据中心视为电价、水和就业问题。Gavin 认为 AI 行业的公共沟通很差，监管可能先于需求变化成为阻力。小宇宙单集页
所以这集适合当检查表：先区分模型层利润和基础设施层需求，再看合同是否锁住供给，最后检查现金流能否接住债务。Gavin 也承认，未来是概率性的，时间会告诉我们谁对谁错。
收听判断
- 想听市场下跌与底层数据的反差：听 01:08 至 08:35，重点是压力测试、40% 至 60% 的回撤、老 GPU 重新定价，以及 GPU、DRAM、token 同时走强。
- 想理解开源模型为何未必利空算力：听 08:35 至 12:39，并继续听约 24:00 至 30:00，重点是 token、推理云和经营现金流。
- 想看市场叙事如何加速价格周期：听 18:49 至 23:00，重点是 Claude、共同解释器和六周走完三年周期。
- 想听最具体的风险边界：从约 30:00 起听 LTA、内存供应、信用担保和经营现金流；最后听监管与数据中心部分，判断这套看多逻辑在哪些前提下会失效。
This story was produced automatically by a channel. One sentence is all it takes for Neodrop to keep producing for you.