Ben Thompson on AI geopolitics, OpenAI and the capital race

He argues that an overwhelming US AI victory could be dangerous, because game theory would make destroying TSMC China's optimal move, and warns that US dependence on Chinese supply chains is underestimated.

He sees Chinese open-weight models trailing the frontier by roughly six to nine months via distillation, and notes that open-source models still carry high inference costs, citing Kimi.

On financing, he compares the AI buildout to the railway bubble, pointing to debt markets, Google's share issuance and Nvidia's reported US$500 billion financing vehicle as signs of a widening time mismatch between capital and revenue.

Ben Thompson 的这期播客内容相当不错，不只是讲 OpenAI 和 Dropbox 的观点比较独特，其他内容也值得一看。 Ben Thompson 是科技分析通讯 Stratechery 的作者，2015 年提出的“聚合理论”（Aggregation Theory）基本定义了上一个互联网时代怎么看平台的赢家和输家。他长期住在台湾，最近才搬回美国，所以这期谈台积电、内存和地缘政治时有不少一手观察。这期他在 Invest Like the Best 上从头聊到尾：AI 竞赛的地缘博弈、资本能不能撑到回报兑现、算力短缺背后的风险转移，以及各家巨头在 AI 时代的处境。其中讲消费者商业模式、拿 Dropbox 类比 OpenAI 的那一段最有价值。 1. 美国“完胜”AI 反而危险 他开场就抛出一个反共识判断：美国在 AI 上取得压倒性优势，对世界是危险的。假设掌握 AI 就意味着军事上碾压对手，那中国在博弈论上的最优解就是炸掉台积电。他觉得这个推演一点都不复杂。 有人会说美国到时候已经把芯片制造搬回本土了。他认为这是“魔法思维”：美国对中国供应链的依赖被严重低估，除非真打起来，否则没人会主动付这笔天价保险。苹果把部分产能挪到印度，也只是有限分散，并没有真正撤出中国。他也认为美国必须赢过中国，但方式应该是更开放、更少管控。 他反而觉得眼下的格局不错：OpenAI 和 Anthropic 在最前沿，Google 看不清，Grok 和 Meta 在追，中国靠蒸馏大概落后六到九个月。他顺带纠正了一个误解，开源模型并不“免费”，你省掉的只是研发成本，推理成本照样要付，像 Kimi 这种模型单次回答的成本其实很高。他真正担心的是，Mythos 引发的恐慌会让实验室干脆不再发布前沿模型，外界只能通过 Fable 去猜 Mythos 到底有多强，而两者的差距只会越来越大，大家反倒生出一种虚假的安全感。 2. 钱会不会先烧完：铁路泡沫的教训 他最担心的是时间错配：AI 能不能在资本耗尽之前产生足够的收入。科技公司正在一路往资本曲线下游走，先是用自由现金流，然后不到一年就把债市打穿了，现在 Google 开始增发股票，英伟达在组建一个 5000 亿美元的融资工具，去撬动养老金和保险浮存金。再往后钱从哪来？理想情况是自由现金流重新接棒，接不上就可能爆雷。 铁路就是先例。修铁路要十年甚至几十年才能回本，但钱必须短期内筹到，结果在 1870 年代“全世界的钱用完了”。可是铁路照样在跑，照样撑起了美国西部的开发，至今还在贡献 GDP。美国最大的货运铁路之一 BNSF（伯灵顿北方圣太菲铁路），前身之一就是那个年代靠向散户卖债券修起来的北太平洋铁路，如今它归巴菲特的伯克希尔·哈撒韦所有。伯克希尔这次投资 Google 的钱，某种程度上正来自 BNSF。 他用伯克希尔的两笔经典投资来解读 Google 的处境。一笔是喜诗糖果（See's Candies）。它利润率极高，但生意就那么大，绝对利润有天花板，赚的钱只能不断堆成现金。另一笔就是 BNSF：铁路要持续投钱维护线路和车辆，利润率低得多，可体量巨大，一年的自由现金流就超过了喜诗糖果一辈子赚的钱。资本体量大到一定程度，看的就是绝对值而不是百分比。Google 搜索可能就是 AI 时代的喜诗糖果：完美的高毛利业务，而 AI 的潜在市场是全部白领工作，将来加上机器人可能是一切。增发会稀释股东，但如果饼大了无数倍，没人会抱怨。 3. AI 的能力边界：可验证领域之外 他对 AI 的看法是既超级看多、又有所保留。AI 在编程和数学上惊人，但这些都是可验证领域，能否迁移到不可验证、或者验证周期很长的领域，目前还没有令人信服的证据。他在一个论坛上提过这个问题，实验室的人回他“当年大家也不信能解决国际象棋和围棋”，他很不以为然：棋类本来就是有边界、可知的领域。 另一个有意思的点是，互联网数据只是人类思考的“最终产物”，没有思考过程的痕迹。如果将来 Neuralink 这类东西能采集到思维过程，也许验证问题会靠更多数据解决。但即便模型从今天起不再进步，他也认为经济机会已经巨大，因为大量工作本来就处在 AI 擅长的领域里。他自称“不情愿的加速主义者”：回不去了，最糟的就是卡在原地。医疗是最大的机会之一，也最难，因为监管和数据获取都是障碍，而人类制造繁文缛节的能力同样无穷。 4. 聚合理论还灵吗：边际成本的两极分化 聚合理论的核心是零边际成本：丰裕时代稀缺的不是分发而是发现，谁解决了发现问题谁就控制需求，而且在用户端和变现端都能无摩擦地扩展到全世界。AI 的推理成本是真实的，这是对聚合理论最常见的质疑。 他的回应是，推理成本两极分化得厉害。绝大多数人把 AI 当 Google 替代品或菜谱生成器，服务他们的成本大概只比服务一个网页高一点；另一端是用测试时扩展（test-time scaling）去解数学定理的用户，想得越久花钱越多。两类用户的边际成本“根本不在同一个宇宙”。 微软新推的 E7 套餐就卡在这个矛盾里：每人每月 100 美元含一定用量，超出按量计费。微软过去的好处是许可费绑定在人头上，招人时顺带算进去，之后就不用再想，对微软来说几乎是躺着收钱。一旦按用量计费，企业每个月都得看账单，而企业习惯一年做一次预算；更要命的是，看账单时就会开始问“这些东西到底值不值”，进而考虑换别家。微软不得不这么做，因为重度用户的成本远超 100 美元，但又想让大多数人别多想，这很微妙。 5. 本期精华：Dropbox 的教训，OpenAI 重演了一百倍 主持人问，服务成本这么低的普通用户，为什么至今没出现一个好的商业模式？Ben 说他“沮丧但不意外”。这显然应该由广告来支撑，广告之所以一直是消费者业务的商业模式，就是因为消费者不想付钱。 他说硅谷大约每十年就要重新学一次关于消费者的两件事： 第一，消费者不愿意为软件付费； 第二，消费者根本不在乎效率。 这两句话是理解整段论证的钥匙。 Dropbox 是他心中的经典案例。他在商学院时就是最早的一批用户，到处发邀请码，至今还留着一大堆免费空间。Drew Houston 做出了一个极其好用、无缝的产品，而且他很明确地想做一家消费者公司。后来就有了那个著名的故事：苹果有意收购，乔布斯对他说“你是一个功能，不是一家公司”，苹果后来也确实把它做成了 iCloud Drive 这样的功能。 Dropbox 起初增长飞快，然后停滞了大约两年。这两年里他们几乎是把应用从底层重写了一遍，原因很简单：愿意付钱的消费者不够多。能看到价值并愿意买单的是企业，而企业需要权限管理、管控能力、由管理员统一设置，原来的应用根本不是为这些设计的。最后他们认清了，唯一能赚钱的路是卖给公司。 企业为什么愿意付钱？因为企业在给员工发工资，只要能让员工更高效，投入就有回报。消费者正好相反：上了一天班，回家为什么还要更高效？他只想瘫在沙发上刷短视频。这就是“效率”在两类客户那里完全相反的含义。 放到 AI 上，还叠加了硅谷对广告的整体羞耻感。Ben 说自己在 Stratechery 上获得的大量关注，恰恰来自他是个“广告欣赏者”：回头看早期那些谈广告的文章，方向对但写得并不好，可因为人人都在写博客、玩 Twitter，却几乎没人愿意正经讨论广告，他就成了唯一的那个。直到今天，硅谷对“自己很大程度上靠广告养活”这件事仍然有点难为情，过去八年尤其如此，“Facebook 很恶心”成了主流叙事，最优秀的工程师也不想去做广告。 于是 OpenAI 等于把 Dropbox 的故事按一百倍规模重演了一遍：我们要向消费者卖订阅。他们确实卖出去很多，但不够。要做消费者市场，就必须做广告。现在 OpenAI 终于转向广告了，但时机很怪：几乎同一时间，他们又意识到必须去抢企业市场，因为 Anthropic 在企业端把他们打得很惨。所以 Ben 认为自己看不太懂 OpenAI 现在到底在做什么。他们最近推广告功能很快，比如和零售商打通，这样购买是否完成都能追踪。 他的判断是，如果 ChatGPT 一爆红 OpenAI 就全力做广告，今天他们会有一个杀手级广告产品，Google 和 Meta 的麻烦会大得多。原因在于广告模式下，你从每个消费者身上能变现的空间几乎是无限的，因为涨价的是广告主，消费者端不存在价格弹性问题。相比之下，Netflix 这样的订阅模式每次涨价都得掂量：涨多少用户会降档，涨多少会直接退订。他的原话是：“收钱很难，免费很容易。”OpenAI 没有更早走这条路，让他非常沮丧。 这个判断在后面聊 Meta 时又回响了一次。他说扎克伯格和 Sam Altman 有同一个毛病：都不爱广告。Meta 拥有世界上最好的广告业务，而且在他看来对社会是正面的：它帮小众产品找到原本不知道自己想要它的人，新创业者有了生意，用户买到了惊喜，还白享受了大量免费内容。可扎克伯格二十年来几乎从不谈广告的社会价值，Sheryl Sandberg 离开后这个位置一直空着。结果苹果推出 ATT（应用跟踪透明度）时，一边摧毁别人的商业模式、一边自己做广告，Tim Cook 在国会说别人“卖数据”，Meta 却毫无准备、无力回应。Meta 看起来像一家“为广告感到尴尬”的公司，嘴上只谈眼镜和 AI，再加上在 Oculus 上累计烧掉的一千多亿美元，现在想说服华尔街让它继续砸钱投 AI 就更难了。 6. 算力短缺：风险不会消失，只会转移 今年资本开支约 8000 亿美元，明年预计 1.3 万亿。Ben 指出，现在算力不够，是因为 2023、2024 年投资不足，而台积电在 2023 到 2025 年增速反而放缓了。建一座芯片工厂的周期比建数据中心还长，今天砸的钱要到 2028、2029 年才变成算力，所以短缺未来几年还会加剧。Andy Jassy 和 Satya Nadella 说“先建空壳，有需求才买 GPU”，他觉得这话水分不小：钱投进去了，就不会让它闲着。 他用航运解释大宗商品市场的逻辑，认为科技圈普遍不懂这个。船的成本主要是折旧，已经付掉了，边际成本只有燃料、船员和港口费，所以无论如何你都会开船，价格会被压到边际成本。疫情期间集装箱从三四千美元涨到一万七八，大家同时下单造船，两年后船多了价格暴跌。内存就是典型的周期行业。数据中心会不会变成内存厂商？现在大家用短缺时期的数据算回本周期，到了丰裕时期还成立吗？即使多头说“永远不会丰裕”是对的，钱也可能在收入跟上之前断掉。 内存行业只剩三家寡头，都学会了“别再犯过去的错”，结果没及时看清需求的结构性变化。三星当年靠在下行周期逆势投资击垮了日本厂商。他把如今的内存厂商比作封锁霍尔木兹海峡的伊朗：这招很管用，但真用了，所有人都会想办法绕开，苹果已经在游说引入中国内存，算法层面也都在研究怎么省内存。 7. 台积电的保守，反过来救了英特尔 台积电自己不设计芯片，专门替苹果、英伟达、AMD 这些公司生产芯片。这些公司只做设计、不建工厂，这种分工模式是台积电创始人张忠谋开创的。到今天，在最先进的制程上只有台积电一家能稳定量产，英特尔和三星都还在追，所以全世界最先进的 AI 芯片几乎都出自台积电。 台积电扩产一向保守，原因在于建厂的代价。一座先进芯片工厂动辄要花数百亿美元，建好需要好几年，建成后要运转三十年左右。一旦建多了，过剩的产能会压在整个行业头上几十年。所以它宁可少建，也不愿多建。2020 到 2022 年，台积电为了 5G 大规模扩产过一轮，之后就认为产能够了。ChatGPT 在 2022 年底发布，AI 在 2023 年成为科技圈最大的热点，但台积电 2023、2024、2025 年的增速反而一年比一年低，到 2026 年才重新加速。直到一两个季度前，CEO 魏哲家才在财报会上整场都在谈 AI 的用途。 Ben 用“牛鞭效应”解释这种迟钝。终端需求稍有变化，沿着供应链往上游传，波动会被一层层放大，就像甩鞭子时手腕一抖、鞭梢甩得最远。台积电和内存厂商都在链条最上游，它们最怕的是等自己看清需求、加大投资时，需求已经回落，钱全部打了水漂，所以习惯先观望。Ben 认为，AI 就算是一条牛鞭，也是史上最长的一条，要建的东西还远没有建完。 他的核心观点是：风险不会消失，只会转移。台积电不愿承担产能过剩的风险，这个风险就转到了下游的科技巨头身上。巨头们不是在亏钱，而是在少赚钱：需求和客户都有，芯片却不够，大量本可以赚到的收入和利润就这样没了。 台积电并非一直这么保守。2000 年代后期张忠谋退休，接班的管理层遇上金融危机，削减了原定的投资。张忠谋回来撤换了管理层，理由是 iPhone 刚刚发布，这是公司从未有过的机会，应该加大投资而不是削减。台积电在经济衰退中逆势投入，这才奠定了此后在先进芯片制造上的统治地位。Ben 把张忠谋列为史上最重要的科技高管之一。这一次的台积电，没有再做出当年那样的决断。 这件事为什么和英特尔有关？Ben 从 2013 年起就写文章劝英特尔做代工，也一再提醒美国科技业过度依赖台湾一家公司的地缘政治风险，但多年来没有哪家大公司愿意把芯片交给英特尔生产。英特尔长期只给自己造芯片，没有服务外部客户的文化、流程和配套的设计模块。找它合作，巨头要花很大力气把它带上路，最大的受益者是英特尔自己；而台积电好用又可靠，没有理由换。分散供应就像买保险，平时这份保险太贵，期望收益为负，没人愿意买。 现在短缺严重到这个地步，巨头们因为缺芯片少赚的钱，已经超过扶持英特尔和三星的成本，它们开始愿意吃这个苦。所以 Ben 说“是稀缺拯救了英特尔”，并预计英特尔很快会宣布第一个重量级代工客户。他的结论是，靠分析师写文章呼吁解决不了对台积电的依赖，真正起作用的是出现一个大到让所有人都有经济动机去扶持第二家供应商的需求。AI 就是这个需求，地缘政治上的这份保险等于白送。 8. Amazon 的护城河最深，Apple 不做 AI 也没关系 问到哪家大公司处境最有意思，他说答案永远是 Amazon。Amazon 是自己的“第一个最佳客户”：AWS 并非闲置产能，实际上先服务外部客户、后来才把 Amazon.com 迁上去；物流先自建再开放给第三方；Graviton 和 Trainium 早期版本很烂，但可以藏在托管服务底下，客户不知道也不在乎，靠内部量级迭代变好，如今 Trainium 在跑 Anthropic。他最近在 Amazon 的客服里明显是在跟聊天机器人对话，但问题确实解决了。Amazon 的核心业务扎根实体世界，是最不怕 AI 冲击的。 Apple 可能是“运气比实力好”。它掌握用户入口，这就是聚合者的玩法，供应商会主动找上门，AI 能力按需采购即可；未来还可能在端侧跑模型，用的是用户自己的电费。风险在于它会不会落入微软当年的陷阱：微软没错过移动，只是把手机当成小号 PC，以为 PC 永远是中心。如果环境式、无处不在的 AI 比手机更好，Apple 可能被颠覆。但他更倾向于让 Apple 做自己擅长的事：AI 是概率性的，Apple 是确定性产品之王，iPhone 从未召回过，那种严谨和做 AI 需要的能力完全不同。 9. 前沿玩家：信仰、创始人和微软的 IBM 剧本 OpenAI 和 Anthropic 风险最大、上限也最高，别低估信仰的力量，他们觉得自己在造神。他打了个比方：OpenAI 像每周日上教堂的主流教派，Anthropic 是福音派，全身心投入。而且它们必须把生意做成才能活下去，这一点很关键。Meta 能留在前沿，纯粹是扎克伯格的创始人能量。xAI 的理由最弱：太空数据中心这个故事成立的话，未必需要自己的模型，何必烧几十亿？不过他很喜欢收购 Cursor 这步棋。 对数字公司来说，不在前沿反而更鲁莽，反例是微软。微软手握大量现金、刚派了 100 亿美元股息，走的是 IBM 在九十年代的路子：Lou Gerstner 意识到 IBM 每样东西都平庸，最大的资产是“大”，于是做中间件加咨询，把整个美国企业界带上了互联网，给 IBM 续命三十年。微软现在也想做模型之上的平台和中间层，让企业不必把核心资产交给模型公司。这很理性，但问题是：我们当初为什么用微软的产品？Codex、Claude Cowork 这类东西直指微软的核心，也就是人和电脑交互的那一层界面。 Meta 眼下不受威胁，但时间是它的货币，AI 占用的时间越来越多。Meta 为内容付的钱是零，YouTube 要和创作者分成，所以 AI 生成内容对 YouTube 可能是利好，对 Meta 却是更差的利润结构。TikTok 当年打中 Meta 的盲点，是因为它其实不是社交网络而是娱乐产品；也许 AI 时代人们会重新渴望真人连接。更关键的是，模型最大的变现目前不在 OpenAI 或 Anthropic，而在 Google 和 Meta 的广告增量：广告市场本身就是一台验证机器，用户点不点、买不买，就是全球规模的验证信号；LLM 的预测能力也能让广告匹配从粗糙的向量比对变成“猜你下一步想看什么”，提升几个百分点就是几十亿美元。 10. 英伟达：真正的对手是超大规模云厂商 英伟达到 2026 年还维持着高毛利，他认为这不自然，价格其实已经在降，只是换了形式：为新兴云厂商兜底、承诺包销算力到 2030 年，本质是替对方承担风险、降低其融资成本，这笔风险的期望成本就是隐性降价。 它的终极对手是 Google 和 Amazon。Google 已同意把约 20% 的 TPU 卖给 Anthropic，Jassy 也基本确认 Trainium 未来会对外销售。云厂商的最大优势是资本成本更低，而且它们把芯片当大宗商品卖，不会损害云业务本身。Elon 说永远买英伟达是因为它最好，Ben 说其实是因为它最通用、最好转租；CUDA 的护城河已大幅缩小，因为模型不在乎跑在什么硬件上。这就像当年 AMD 在云厂商那里抢走英特尔的份额，英特尔只守住了政府和企业市场，这也解释了英伟达为什么拼命推主权云和企业方案。 如果电力真的成为瓶颈，对英伟达是好事，因为它的 token 效率仍然最高。但美国上电力的速度超出预期，无论是表后发电、西德州天然气还是重启核电站。电力越晚成为约束，Amazon 和 Google 就有越多时间把自研芯片做好。最后他回到泡沫的话题：好的泡沫要留下持久的东西，互联网泡沫留下了光纤，Google 正是靠收购廉价暗光纤起家；铁路泡沫留下的 BNSF 至今还在向 Google 输送资金。AI 泡沫能留下的，大概是电力。如果最后电力过剩，那会是一个人类从未体验过的能源丰裕的世界。 赵纯想 @chunxiangai 做1年，看3年，想5年。 之前我不知道想5年主要想什么，有什么可想的？市场瞬息万变，做一步看一步。 但是看了这个视频，我突然知道经历周期的人在想什么了！

This report is categorized under AITOP's "How-to" desk, focusing on US frontier AI labs and Silicon Valley technology leaders. Within our cross-regional analytical framework, it directly maps to US-China foundation model benchmarks and commercialization comparison and AI developer toolchains, coding agents, and engineering workflows and AI regulation, compliance frameworks, and sovereign compute policy. Key entities and technical topics under continuous tracking include OpenAI, Stratechery, AI geopolitics, TSMC.

Source attribution: curated from 宝玉 (@dotey). Cross-source corroboration: 11 independent sources have covered this development (including kimmonismus, techcrunch, IT之家), confirming industry-wide signal strength.