Episode Details

📝 本期播客简介

本期我们克隆了：Patrick O'Shaughnessy 主持的投资访谈播客《Invest Like the Best》Watts, Wafers, and the Future of AI Infra | Gavin Baker

这是一场关于 AI、资本市场、基础设施和未来秩序的高密度对话。Atreides Management 创始人 Gavin Baker 再次做客节目，用投资人、科技观察者和历史研究者的视角，解释为什么他认为当下 AI 正处在“资本主义史上从未发生过”的特殊时刻。

Gavin 从 Anthropic 单月 ARR 增长、DeepSeek 引发的市场误判、AI 资产估值错配讲起，进一步延伸到电力、晶圆、数据中心、轨道算力、TSMC、Terra Fab、前沿模型、开源模型和 AI 应用层的价值分配。他提出，AI 不只是一个技术周期，而是一场涉及资本开支、能源体系、半导体供给、地缘政治和人类工作方式的系统性重构。

本期你将听到 Gavin 对“AI 会不会泡沫化”的细致判断，对 Anthropic、OpenAI、Nvidia、TSMC、Google、Meta、Amazon、Microsoft 等关键公司的拆解，也会听到他对 AI 时代个人安全、网络安全、投资工作流和社会稳定的担忧与乐观。

👨‍💼 本期嘉宾

Gavin Baker，Atreides Management 创始人兼投资人，长期专注科技、半导体、AI 基础设施和资本市场周期研究。他曾多次做客《Invest Like the Best》，以对科技公司、市场历史和投资周期的深度理解著称。

🎙️ 主持人

Patrick O'Shaughnessy，投资访谈播客《Invest Like the Best》主持人，长期与全球顶尖投资人、企业家和思想者对话，关注商业、科技、资本配置与长期复利。

⏱️ 时间戳

00:00 开场 & 播客简介

AI资本主义的异常时刻

01:37 资本主义史上从未发生过：Anthropic 单月新增 110 亿美元 ARR

02:10 三四月市场错配：股价下跌，但 AI 基本面正在爆炸

04:20 DeepSeek Monday 的误判：为什么算力需求反而更强了

06:10 霍尔木兹海峡、能源价格与美国制造业相对优势

前沿模型的估值与融资逻辑

07:42 Anthropic 与 OpenAI：同样是前沿模型，资本效率却很不同

08:40 无约束收入 URR：如果 compute 不受限，Anthropic 可能有多大

09:44 为什么不一次性融到天价：不确定世界里的融资纪律

11:23 Elon 的“融资超能力”：长期让投资人赚钱的重要性

Watts & Wafers：AI基础设施的核心瓶颈

11:59 电力与晶圆：AI 基础设施建设最关键的两种投入

12:27 电力短缺会如何被资本主义解决

13:35 轨道算力的重新定义：不是太空数据中心，而是太空中的 rack

15:00 散热、维修、激光互联与 SpaceX 的工程能力

17:29 轨道算力会不会冲击地面数据中心

18:30 TSMC、硅盾与晶圆短缺如何影响 AI 泡沫

20:15 历史不会重复，但会押韵：铁路、运河、互联网与 AI 泡沫

22:48 Intel、Samsung 与 TSMC 的产能博弈

23:51 Terra Fab：Elon、Intel 与美国最大晶圆厂的可能性

26:23 Elon 的速度：为什么传统建设周期可能被打破

前沿模型、开源模型与Bitter Lesson

26:49 DeepSeek 之后：为什么前沿模型仍然拿走大部分经济价值

27:23 Frontier token 的溢价：模型层回报为何集中在最前沿

29:10 Pareto frontier 的变化：Google、Anthropic、OpenAI 与 xAI 的位置

30:05 Bitter Lesson 的风险：更多算力是否永远胜过人类巧思

31:18 Memory、harness 与模型 runtime 的重要性

32:03 为什么普通订阅套餐已经无法代表真正的前沿 AI

34:13 Continual learning：模型何时能像人类一样实时学习

35:00 三个关键问题：Bitter Lesson、frontier token 溢价与持续学习

芯片创业、GPU寿命与AI融资

35:35 新芯片公司的机会：竞争对世界和 Nvidia 都是好事

36:01 芯片设计的“铁三角”：攻击、防御、机动性的取舍类比

37:20 不要只做“更好的 GPU”：必须足够不同、也足够难

38:14 Prefill 与 decode：AI 推理拆分打开新芯片空间

39:50 Cerebras 的案例：waferscale computing 为什么不同且困难

42:10 GPU 寿命被延长：为什么 inference 拆分可能拯救 private credit

43:30 卖稀缺 vs 买稀缺：hyperscaler 的存量资产价值

AI Native创业与应用层困境

44:06 “不同而且很难”：AI 创业公司真正需要回答的问题

44:33 为什么显而易见又不难的创业点很危险

45:45 Cursor、Cognition 与 coding 的战略位置

46:56 Token path：软件公司必须站在 token 流经之处

48:01 Nvidia 会不会做自己的前沿模型

48:20 开源模型、蒸馏与新的囚徒困境

49:35 前沿模型是否应该通过 API 开放：AI 实验室的新博弈论

AI时代的安全、工作流与投资

50:28 Mythos 级模型世界：为什么每个人都需要一个“安全词”

51:14 防守之外的进攻：人类还能做什么