作者：Kerman Kohli

编译：深潮 TechFlow

深潮导读：当所有人都在盯着代币价格下跌喊泡沫时，Kerman Kohli 给出了一个完全相反的解释框架：需求无限、供给受限，硬件正在变成战略资源。这篇文章帮你看懂为什么二手显卡在涨价、为什么算力不会贬值，以及为什么「拥有自己的计算能力」正在从技术问题变成生存问题。

我已经有一个月没怎么写 Substack 了，主要原因是我学习的速度太快，根本抽不出时间动笔。这篇文章是对我近期所学的一次更新，以及我脑子里正在形成的一些新思维模型。我想把我的学习成果大致分成三个部分：

第一部分讲硬件动态，以及为什么我认为大多数人对硬件的看法是错的。第二部分讲模型在如何进化，以及这对未来意味着什么。最后一部分讲本地算力与前沿算力之间的关系。

在开始之前，我想先分享一下我自己的硬件探索进展，因为和这篇文章的主题直接相关。

我今年早些时候写过一篇关于花 15,000 美元组装推理机器的文章。最近我对它做了升级，加了一块 GPU，总投入来到 35,000 美元。但有意思的是，今年年初花 10,000 美元买的那块 GPU，现在要花 14,000 美元才能买到，内存也涨了 1,000 美元。也就是说，这台 35,000 美元的机器，我的实际成本基础只有 30,000 美元。对于大多数硬件来说，这种情况并不正常。

此外，我又花了 35,000 美元买了 6 台 DGX Spark，配了一台 16 口 100Gb 交换机，需要用光纤线缆把它们全部互联起来。通过这个过程，我对 GPU 的理解超过了网上任何资料能给我的。真正买硬件回来折腾，是进入这个世界的唯一正确方式。

今年我个人在 AI 硬件上的资本支出呈指数级增长，在 RouteMesh 我们也在沿着这个方向推进，GPU 集群是下一个合乎逻辑的规模化步骤。随着时间推进，我会分享更多关于数据中心探索的经历。

i) 硬件动态

一台用了不到一年的机器，怎么会反而升值？更疯狂的是，一块二手的 RTX 3090（2020 年的 GPU）在 2026 年居然还能以原价卖出？你不能只是说一句「泡沫」就完事了，这里需要想得更深。

这一切的起点是：内存！当然还有英伟达的芯片。我在这一节会展开解释。当我们谈论硬件时，实际上在说两样东西：计算和内存。

计算确实会随着时间推移变得越来越强，新一代产品会完爆老一代。但这只在计算是瓶颈时才有意义（这里的计算指的是 CPU/GPU/XPU）。而在推理场景下，瓶颈是内存。鉴于内存在未来至少十年内都会处于结构性短缺状态（没错，我已经把之前的五年判断上调到十年了），计算部分的任何折旧都会被内存的升值所抵消。

这是第一个趋势。但第二个被市场低估的因素是：英伟达芯片的价值很大程度上来自它们的向后兼容性。旧芯片仍然有用，而且背后有一个庞大的生态可以运行。一块 2020 年的 RTX 3090 或 A100，到今天依然能够执行有经济价值的推理任务，完全有理由让它在数据中心里继续运行下去！

这是一个巨大的叙事，但没多少人真正关注。你不能做空硬件、新型云服务商、算力或内存。硬件的动态已经永久改变了。

我还观察到，某些工作负载永远不需要更新一代的芯片。工作负载似乎开始和特定硬件绑定了，这在科技领域已经很久没有出现过了。

我自己就正在经历这一点。我花 10,000 美元买的 RTX 6000 Pro Max-Q，现在价值 16,000 美元，有时候甚至标价 18,000 美元！这是一个趋势，不是短期的供需失衡。

ii) 模型演进

最近有很多人指出代币价格在下降，并且认为这会导致「泡沫」破裂。这同样是错的，因为他们只看到了价格的一面，没有看到另一面：需求。

下面是 Silicon Data 的一张图，显示代币价格从 6 月以来就在持续下跌。按照这个逻辑，AI 的价格和需求似乎都在放缓。

由于很难找到一个统一的代币需求数据，我决定用英伟达数据中心收入来替代观察。如果代币价格下降能满足需求的话，人们应该需要更少的芯片才对。但我们看到的完全不是这个故事……

如图所示，增长是持续向上的，唯一限制它的是：供给。

人们不理解 AI 和这整场建设浪潮的一点是：需求实际上是无限的（我在上一篇文章里也写过），供给才是限制因素。这很难用直觉理解，因为传统经济学告诉我们供给会扩张以满足需求。但对智能的需求是无限的，使用场景也是无边界的，这意味着我们永远无法真正满足供给。我知道这很难消化，也知道这意味着未来会看起来截然不同，但你必须把这一点内化，否则未来你会处于非常不利的位置。

拥有自己的算力至关重要，因为它正在变成一种战略资源。那些不拥有算力的人，他们的想法会被偷走（我们最近已经看到了 Navier Stokes 问题被解决并赢得 100 万美元奖金的案例）。

一切都在按计划进行。

不过，代币价格下降还带来另一个有趣的趋势：我们可以在一切事物中嵌入更多智能，甚至解锁更多工作流程。我现在有大量个人软件在管理我的生活，每一次模型进步，我都能嵌入更多智能，而这又需要更多智能来协调这一切。智能体需求的递归性和爆发性，至今仍让我感到震撼。

这又回到了我上一篇文章写的核心问题：你认为对智能的需求是有限的还是无限的？提示：它是无限的。

iii) 本地算力 vs 前沿算力

我看到很多关于这个话题的观点，其中大多数我认为完全是错的。先从事实说起：过去一个月，本地智能领域出现了令人难以置信的突破。

Qwen 3.8 DFlash2 和 GLM 5.3 Flash Next DFlash2 在你自己硬件上可编排的速度和智能水平方面，带来了跨越式的改变。我的双 RTX 机器和 6 节点 Spark 集群让我几乎实现了算力自给自足。我仍然保留了一个前沿模型订阅（每月 100 美元的 ChatGPT），但我只用它来处理 iOS 端、计算机操作和一些真正困难的随机问题。我为此支付了很高的溢价，而且心甘情愿。

我认为大多数人最终都会达到类似的配置（前提是他们真的愿意买硬件）。那么这是否意味着前沿实验室的终结？

完全不是。人们经常忘记前沿实验室和前沿模型的两个特点：

购买领先智能所支付的价格，不是贵 10%，而是可能贵 10 倍。你不会只给你最好的员工多付 10% 的薪水，你愿意付几倍的价钱。对智能来说，同样的逻辑也适用。

实验室并不在乎你能否下载开源模型，因为运行它们仍然需要算力！猜猜谁掌握着大量算力：正是他们！

这两个因素是唯一相关的因素，其他一切都不重要。而且它们将带有“美国品牌”标签，这会让它们在企业市场获得溢价。

OpenAI 和 Anthropic 拥有大量算力，不管你怎么想都没用，除非你自己拥有算力（大多数人没有）。硬件价格会持续攀升，每次你评估购买硬件的投资回报率时，你宁愿说“每月 200 美元比起 2 万美元的资本支出算什么”。随着编程订阅服务走向终结（ChatGPT 每月 200 美元的订阅已经暂停），以及硬件价格变得更加离谱且难以获得，这个问题会反噬人们。

做多算力

如果我的信念体系中有两个坚实的锚点，那就是以下两点：

这是这些模型最差的状态。未来只会越来越好。乐观主义至关重要。

价格下降会导致使用量增加。需求是无限的，世界是一个正和的地方。

我认为在这两点中，最后一点是最难让人理解的。无限需求打破了许多假设，迫使人们以完全不同的视角看待市场运作方式、竞争格局以及人类集体组织的方式。

如果你不做多算力，你将会陷入困境。你可以通过多种方式做多算力，包括职业选择、投资组合或拥有的硬件（也许以上全部）。但你唯一不能做的，就是不做多算力。

做多算力。