「兩家公司會拿走世界大部分算力」——聽 Dylan Patel 談 2028 年的算力版圖

富在術數，不在勞身；利在勢居，不在力耕。

—— 桓寬《鹽鐵論・通有》（西漢，約公元前 81 年）

這集在講什麼

2026 年 8 月 25 日這集 Dwarkesh Podcast，主持人請回 SemiAnalysis 創辦人 Dylan Patel。兩個人開場先自嘲，說他們一年錄一次的節目已經變成某種家庭感恩節聚餐——「但我們其實沒有血緣關係，別跟聽眾講，會毀掉這個傳說。」

這頓感恩節晚餐吃的是一個很硬的題目：算力要往哪裡去。談話從今年的實際數字開始，一路推到 2028、2029，中途拐進了一個我沒預期的地方——利率、主權債、還有為什麼一家做心血管支架或鐵路的公司，可能會因為別人蓋資料中心而變便宜。

我聽完最大的收穫不是那些嚇人的數字。是這集示範了一種很乾淨的推論方式：先找出一個可以量的刻度，再看這個刻度怎麼推動每一方的行為，最後誠實地講出哪些東西會讓整條推論斷掉。這篇是我的聽後整理與延伸，不是逐句翻譯，數字與判斷都以節目裡談到的為準，推論的部分是我自己的。

摘要重點

一、模型層剛從賠錢翻成賺錢，而翻轉的刻度是「每兆瓦收入」。 節目裡用的單位很有意思：不看營收成長率，看「一兆瓦的算力一年能生出多少收入」。算力本身的基礎成本大約是每兆瓦一千萬到一千五百萬美元。一年多前，模型公司賣出的 token 收入還低於這個數字——毛利是負的，靠創投的錢在補。現在反過來了，節目裡談到，頂尖實驗室的每兆瓦收入已經拉到遠高於成本，Anthropic 一度被講到五千萬美元的量級。花十塊生出五十塊，這個倍率就是後面所有事情的引擎。

二、集中化不但沒放緩，還在加速——而且「有效算力」比帳面更集中。 先把標題那句話講清楚：節目裡說的「兩家」，就是 Anthropic 和 OpenAI。今年新增的算力大約三成流向這兩家實驗室，明年依已經簽下的合約看是四成到五成。到 2028 年，節目裡的推估是七成到八成。這裡有一層容易漏掉的乘數：新一代的晶片每瓦效能是前代的三到五倍，所以拿到「一半的新增算力」，實際換算成可用的運算量遠不只一半。帳面上的百分比，會低估真實的集中程度。

三、一個明確的非共識判斷：推論的佔比會下降，不是上升。 多數人的預設是「未來算力大多會拿去做推論、去賺錢」。Dylan 反過來想：如果一兆瓦拿去做推論能賺七千萬，那把它挪去做研究、換未來更強的模型，對董事會來說是更划算的選擇——賺到的錢拿去發股利，還是拿去蓋更強的東西？而且他認為這件事今年已經在發生了，證據是一個很樸素的觀察：新增的算力每個月都在增加，營收的增量卻平掉了。那些多出來的機器沒有消失，只是換了用途。

四、真正的瓶頸在最上游，而且訊號傳過去要很久。 這是全集我最喜歡的一段。實驗室說「我們現在就能多賺一兆美元，但我們卡在 ASML 機台裡的那幾片鏡子」——鏡子。整條鞭子甩下去，鞭梢要很久才動：Carl Zeiss 半年前還不覺得需要把 EUV 機台的產能拉到那個量級，現在覺得需要了，而按經濟邏輯其實應該更多。Dylan 順口丟了一句半玩笑的套利：誰要是現在有四億美元、又說服得了 ASML 賣他一台 EUV，就該買下來放著，一年後能用超過十億賣出去。已經有人在對燃氣輪機做同樣的事了。

五、錢從哪來：十一兆美元的資本支出，其中五兆要跟信用市場借。 節目裡給的模型是 2024 到 2029 年累計約十一兆美元的資本支出，六兆靠現金流、五兆靠舉債。這裡有個常被忽略的細節：一般人講「AI 資本支出」講的是伺服器、網路、光通訊那一層，沒算進廠房本身和電廠——而電廠必須提早好幾年蓋，是三十年的資產。所以真正要動用的資金，比那個聽起來已經很誇張的數字還大。

六、利率是這條曲線的煞車，而它會踩到所有不相干的人。 如果 Meta 願意用 8% 借錢（因為蓋出來的算力回報實在太高），那整個經濟體的其他借款人也得跟著付更高的價。這是排擠效應：政府、消費者、電信、銀行、消費品公司，全部在同一個資金池裡競爭。

節目裡引了一位經濟學家朋友的看法，說這可能是第二次伏克爾衝擊——1980 年代那次升息讓大約四十個國家違約，多半在拉丁美洲。

七、目前價值大多不在模型公司手上，而說這句話的人自己不太信它能持續。 Jane Street 用模型賺的錢，遠比它付給模型公司的多；Meta 靠模型優化廣告演算法拿到的效益也是。Dylan 說這是目前唯一讓人安心的地方——然後他馬上補了一句：「這是我的自我安慰。」因為他前面自己推的邏輯（token 用在內部更值錢）如果成立，那同一套邏輯遲早會把這些外部收益收回去。有人的推論會撞到自己的希望，他選擇把撞擊點講出來，這在預測類的內容裡很少見。

延伸想法

「新聞天天在講兆級資本支出，我到底該不該去追這些股票？」

這是聽完最容易產生的衝動，而這集其實沒有回答它——但它給了一個比答案更有用的東西：一張「收租位置會移動」的地圖。

回頭看這條供應鏈的價值分配，三年之內至少換過三次手。2023 年前後，做記憶體的公司理論上交付了巨大的價值，實際上幾乎沒賺到錢；同時晶片與晶圓代工那一層吃下了大部分毛利，而模型公司在賠錢賣 token，超大型雲端業者在蓋一堆還不知道有沒有回報的機房。到了現在，模型層從負毛利翻成大幅正毛利，記憶體那端反而變成漲價最快、最兇的一環，代工端的漲價卻慢得多。

所以問題不該問成「AI 產業會不會好」——那個答案在這集裡幾乎是預設值。該問的是：下一段時間，錢會停在哪一層？ 這集給的判準其實很好用：看誰能在需求翻倍時說「不」。燃氣輪機能被拿去炒作轉賣，是因為它是資料中心的卡點；EUV 機台值得放著等一年再賣，是因為做鏡片的產能一年內變不出來。反過來，代工端漲價慢，正是因為它的擴產路徑相對明確、也早就在擴。

順著往下推一層：供應吃緊不等於有議價權。 一個環節可能忙到爆炸卻沒賺到錢，只要它的產能在一兩年內補得上，客戶就會等而不會加價。真正能收租的是「補不上、也繞不開」的那一層。判斷方法不是看新聞說誰缺貨，是看那家公司的毛利率有沒有跟著缺貨一起上去——如果沒有，它只是很忙。

也要講失效條件，不然這只是另一種篤定。這張地圖會失準的情況有兩個：一是需求成長真的斷了，那時候最上游的瓶頸層跌得最兇，因為它的訂單能見度是靠客戶的擴產計畫撐著的；二是某個瓶頸被繞過去了——製程換代、架構改變、或者買家自己去蓋。歷史上這種事發生的頻率不低。

「我手上根本沒有 AI 股，這件事關我什麼事？」

關係大得很，而且路徑跟大部分人想的不一樣。它不是透過「AI 泡沫破掉會拖累大盤」這條路，是透過分母。

一檔靠穩定現金流吃飯的公司——節目裡舉的是嬌生和鐵路公司這種類型——它的價值，本質上是把未來三十年的現金流折回今天。折現率是分母。用最粗的算法感受一下：假設一家公司現金流每年成長 3%，你要求的報酬率是 5%，那它值大約現金流的五十倍；如果要求的報酬率變成 8%，同一筆現金流只值二十倍。

公司什麼都沒變，價值剩下四成。

這就是這集最反直覺的一段：AI 的資本支出如果真要靠五兆美元的信貸來完成，它推高的不只是自己那條產業鏈的成本，是所有人的資金成本。而愈是「靠遠期現金流估值」的資產，受傷愈重——愈穩定、愈被當成安全牌的那些，反而是分母最敏感的。節目裡有句話很不客氣但很到位：如果你真的相信 AI 會改變經濟結構，那經濟體裡的每一樣東西都該用兩三倍本益比交易，包括你手上那些看起來便宜的記憶體股。

所以對一般人的實際意義是什麼？我認為是別把「跟 AI 無關」當成避風港。一個資產跟 AI 有沒有關係，不只看它的營收，也看它的估值有多依賴長期折現。房貸、公司債、新興市場的主權債，走的都是同一條管線。這不是預測，是把因果鏈條講清楚——真正發生與否，要看那五兆美元最後有沒有真的被借出去。

「講的人這麼篤定，我該信幾成？」

這一節我想講的不是這集對不對，是怎麼讀這一類的預測。

注意這集的一個小動作：主持人追問全球算力增速時，受訪者補了一句「那是上界，那是我他媽超級看多的版本」。願意把自己給的數字標成上界，跟把它當中位數講出來，是完全不同的兩種內容。後面談到 2029 年之後，他也直接說「超過四年的事很難預測」。

我的讀法是把任何預測拆成兩塊：機制和外推。

機制是可以拿走用的：每兆瓦收入超過每兆瓦成本，就會出現搶算力的出價競爭；出價競爭會讓握有現貨算力的人（沒有預售、用自己資產負債表蓋的那些）掌握定價權；上游擴產有實體時間下限，所以漲價會沿著供應鏈一節一節傳，而不是同時發生。這些是可檢驗的因果，你可以拿它去看下一季的財報，對得上或對不上都會學到東西。

外推是不能拿走用的：三倍、三倍、再三倍，然後 2028 年是五十四吉瓦。這種數字的功能是幫你想像規模，不是拿來當計畫。這集自己就點名了三個會讓外推斷掉的東西——監管不准對外釋出最強的模型（收入成長被壓住，出價能力就跟著弱）、信貸市場給不給那五兆、以及地方政治對資料中心的抵抗（紐約、德州、俄亥俄的動作都被提到）。

有一個地方特別值得注意，因為它同時往兩個方向作用：管制「不准發布」這件事，會壓低模型公司的外部收入、拖慢集中化；但同時它也可能製造出一個更難處理的狀態——內部照跑、外部落後。節目裡真正讓人不安的假設不是「AI 太快」，是「內外落差六個月，而那六個月裡外面的人完全看不到裡面發生什麼」。

給讀者的一句話判準：一個預測，如果作者說不出「什麼情況下我會錯」，那它就不是預測，是立場。 這集通過了這關，這是我願意花時間整理它的原因。

可以參考的資料

• Dwarkesh Podcast，2026 年 8 月 25 日與 Dylan Patel 的對談（本文的來源）
• SemiAnalysis 對半導體供應鏈、資料中心與晶圓廠設備的公開研究
• 保羅・伏克爾 1980 年代升息與拉丁美洲債務危機的相關經濟史材料，可以用來對照節目裡「第二次伏克爾衝擊」的說法
• 想理解折現率如何影響估值，任何一本講永續成長模型（Gordon Growth）的教科書章節都夠用，不需要複雜工具

帶得走的一件事

一個觀念：稀缺會移動，而「收租的位置」比「成長的位置」更值錢。

這整集講的其實是同一件事的不同切面。需求爆炸時，賺最多的不是最努力的那一環，是短期內補不上、也繞不開的那一環。做鏡片的公司不比蓋機房的公司辛苦，但它在那個位置上。而且這個位置會移動——三年前在晶片，現在往記憶體和電力跑，未來可能又是別的地方。所以真正的功課不是找出「現在誰在收租」，是養成隨時能重新問一次「現在卡在哪」的習慣。

一個今天就能做的練習（跟投資無關也做得起來）：

挑一件你這週做過至少兩次的事——可以是準備小孩的早餐、寫一份例行報告、跑一次健身課表、處理一批客戶詢問，什麼都行。把它拆成五個步驟寫在紙上。

然後問一個問題：如果明天起這件事要做十次，哪一步會最先塞住？

不是問「哪一步最花時間」，是問「哪一步在量變大的時候最先斷掉」。

這兩個常常不是同一步。你會發現有些步驟做十次跟做一次差不多累，有些一超過三次就整個垮掉——那個垮掉的地方，就是你該投資的地方，即使它一點也不有趣，即使你最擅長的是別的步驟。

大部分人把力氣花在自己最擅長的那一步上，因為那一步做起來最舒服。但產能不會從那裡長出來。它從你最不想面對的那個卡點長出來。

Markdown 原文

本文為投資方法論的教育性分享，不構成任何個股買賣建議、不提供目標價、不針對當期標的。投資有風險，任何決策請自行判斷或諮詢合格的專業人士。