SemiAnalysis 創業者 Dylan Patel に聞く：メモリ不足はなお続き、CPO は市場予想より 2 年遅れる
TechFlow厳選深潮セレクト
SemiAnalysis 創業者 Dylan Patel に聞く：メモリ不足はなお続き、CPO は市場予想より 2 年遅れる
半導体分析の著名アナリストによる AI ハードウェア投資家向けのスケジュール表。
Web3業界の深掘り報道に専念し潮流を洞察整理＆編集：TechFlow
番組：The Next Big Thing（WisdomTree 制作）
ゲスト：Dylan Patel、SemiAnalysis 創設者
ホスト：WisdomTree ホスト + Klay Hyman
公開日：2026 年 7 月 9 日
概要
SemiAnalysis 創設者 Dylan Patel が WisdomTree 旗下 The Next Big Thing ポッドキャストに登場し、ホストおよび Klay Hyman と共に AI インフラサプライチェーンの最新状況を整理しました。話題は、SemiAnalysis がモーテルから起步し 90 人のチームへと成長した創業历程、GTC で黄仁勋が言及した「サンドバッグ」事件の表裏、AI 投資収益率、AI コスト最適化戦略（最新モデルに乗り換える方がむしろ安くなる）、メモリスーパーサイクル（KV cache の爆発、生産能力のボトルネック、スマートフォンが締め出される）、CPU 需要の転換点、ネットワークと CPO のタイムライン（2028-2029 年に延期、銅が依然主導）、電力とエネルギーインフラ、そして変換サプライチェーンに及びます。
名言
- "Jensen、私が間違っていました。あなたは力を隠していたんですね。実際は 30 倍です。"（Dylan が黄仁勋にメールし、Blackwell の性能が予想を超えたことを認める）
- "私たちは AI への支出が従業員給与の 3 分の 1 を超えており、年末までには半分になる可能性があります。"（Dylan、SemiAnalysis の AI ROI について語る）
- "メモリ生産能力は今後 3 年間、毎年 20-30% しか成長しませんが、需要は倍増、倍増しています。"（Dylan、メモリスーパーサイクルについて語る）
- "ディーゼルトラックのエンジンを天然ガスに変更し、モーターを逆に接続し、データセンターの背後に置き、然后あなたは自動車修理店から一批の人を雇って維持管理します。"（Dylan、メーター裏発電のイノベーションについて語る）
- "トラックエンジン改造して、一批の整備士を雇い、这样運営一个場地。'宇宙に打ち上げる'まで。データセンター問題には解決策があります、完全に汚れたルートでも宇宙ルートでも。"（Dylan、電力解決策の狂気スペクトルについて語る）
- "コスト最適化实际上是最新モデルに乗り換えることです。因为最新モデルは同じタスクを完了するのに 4 分の 1 の token しか必要ないかもしれません。"（Dylan、AI コストのパラドックスについて語る）
第 1 章：導入
ホスト： はい、皆さん、こんにちは。The Next Big Thing ポッドキャストの次回配信へようこそ。今日は同僚の Klay Hyman と、私たちの新しいパートナーである SemiAnalysis リサーチグループの創設者、Dylan Patel と一緒です。今日は Dylan と一緒に AI インフラ分野の最新状況を整理できることをとても楽しみにしています。Dylan のシェアは多くの異なるポッドキャストで聞いたことがあるかもしれませんが、私はずっと彼の内容や SemiAnalysis ウェブサイトのニュースレターをフォローしてきました。最近見た記事の一つは宇宙データセンターに関するもので、このトピックに興味がある人がいれば、彼らは非常に詳細な長文記事を持っています。しかし Dylan、SemiAnalysis というアイデアが最初どのように生まれたのか聞いてみたいです。Substack コミュニティでは、最近皆さんが御社の収益と成功について議論しているのを知っていますが、多くの場合、人々は現在の成功だけを見て、この旅路と起点、そしてそこに投入されたどれほどの心血を忘れています。
第 2 章：SemiAnalysis 創業ストーリー
Dylan： はい。SemiAnalysis の起源は実は「オンラインで投稿すること」から来ていると思います。あまり深刻ではない方法でオンラインに投稿することです。私が最初に半導体について投稿したことを振り返ると、10 代前半の頃でした。当時私はオンラインでチップ、スマートフォン、携帯電話画面、携帯電話 SoC、そしてこれらのものについて投稿して議論していました。自分でスマートフォンを所有する前から、それらに夢中になっていました。ゲームハードウェアも同様で、PC ハードウェア、コンソールハードウェア、私は様々なフォーラムでこれらのものについて投稿し議論し続けていました。12 歳になる頃には、Android、Apple、Google、Intel、Nvidia、AMD といったハードウェアトピックを含む多くのフォーラムを管理し作成しており、Reddit 上の様々な関連フォーラムも同様でした。
Dylan： これがすべての起源です。私はずっと投稿者であり続け、ずっと私の觀點を投稿し、ずっと返信し、ずっと考え、ずっとコメントを受け入れてきました。現在私たちは 90 人の組織であり、チームでマーケティングを行う人が私に言います。「Dylan、もうオンラインのつまらない人たちに返信しないでください、そうすると私たちが見苦しくなります」。しかし私にはそういう衝動があり、誰かがオンラインで私を批判すると、返信したくなるのです。もしかしたらこれは悪いことかもしれませんが、基本的に私の十代の期間全体を通じて、これらのフォーラムを管理していました。
Dylan： 十代後半に稼ぎ始めてから投資を始めました。2 年間定量取引を行い、然后自分の会社を創業しました。しかし整个过程を通じて私は投稿し続けました。匿名ブログがあり、匿名投稿がありました。2020 年までには、仕事に少し飽きていました。定量取引への幻滅感です、你知道、見た目ほど光鲜ではありません。はい、お金を稼ぐことはできますが、それほど素晴らしいわけではありません。ほぼ辞職し、創業を始めました。当時どうなるかあまり確信はできませんでしたが、WordPress ウェブサイトで実名で投稿し、技術、商業、金融、サプライチェーンの混合コンテンツを投稿しました。これらは私が最も興味を持っている分野です。
Dylan： 私は小さなビジネス環境で育ちました。モーテルで育ち、両親がジョージア州の田舎にモーテルを持っており、私たちはそこに住んでいました。私は子供の頃からビジネスを理解していました。後にガソリンスタンドも開いたので、ずっとビジネスに浸かって育ちました。私はずっと商業が好きでした。サプライチェーンは投資観点からも製品製造観点からもずっと興味深いものでした。私は物がどのように作られるかという直感を常に持っていました。技術面はもちろん非常に興奮させられますし、金融面も非常に興奮させられます。
Dylan： これらを組み合わせ、私の最初の投稿は、当時アメリカが華為から TSMC の代工サービス获取を禁止していた頃でした。私の最初の投稿実は联发科が最大の勝者になる方法についてでした。華為当時中国スマートフォンチップおよびスマートフォン市場シェア第一位でした。明らかにこれは大幅に下滑するでしょう、因为他们不再能使用 TSMC。アメリカ市場は Qualcomm が勝つと考えていました。しかし联发科という台湾企業、私は彼らがより多くのシェアを得るだろうと考えました、なぜなら地政学的観点から、中国はアメリカ企業から買うよりも台湾企業から買うことを好むからです、毕竟我们刚禁了華為。両社とも受益しましたが、联发科はより多く受益しました。これは技術、サプライチェーン、金融、地政学といった要素が混合在一起的例です。
Dylan： 接下来的数年、WordPress を Substack に転換し、ある時点で有料化し、扱うトピックは半導体および AI サプライチェーン全体をカバーしました。4 年間定量取引を行っている間も AI をフォローし、情熱を持って半導体をフォローしました。然后不断成長、成長、成長。
Dylan： 4 年間世界中を走り回り、世界のすべての会議に参加しました。1 年に 40 回の会議です。固定住所はなく、行けるすべての会議に行きました、AI 会議例えば NeurIPS、ICML、ICLR といった主に研究者向けの会議から、下流の非常に細分化された分野の会議まで、例えば半導体サプライチェーン化学原料の会議まで。上から下まで技術スタック全体を走り、サーバー、ネットワーク、ウェハ製造、AI、すべてを見ました。1 年 40 回の会議です。一部の会議は非常に細分化されており、300 人しか参加せず、約 5 人を除いて全員が日本語を話しており、私は「好吧、就这样吧」と思いました。また一部の会議は 1 万から 2 万人が参加し、規模が巨大です。スペクトルと連続体全体がありました。
Dylan： これにより生態系全体をカバーできました。会議に 3 回行けば、その分野の言語を本当に理解できます。そこの人々を知り、質問でき、これらの人脈ネットワークを構築できます。私は生態系全体と認知体系を発展させ、各リンクの転換点をカバーしました。技術的に非常に好奇でしたが、一旦ある技術またはサプライチェーン方面的ものが会議から浮き彫りになると、それがサプライチェーンまたは金融レベルでどのような結果を招くか知っていました。時々報告は技術中心で、金融圏誰も关心しません。しかし時々大家突然意识到这是瓶颈、或者这是転換点、或者这家公司会因为下一代技術獲得大量市場シェア。私はウォール街の誰よりも前、どのヘッジファンドよりも前、誰よりも前に指摘しました。
Dylan： これが起点です。然后 Substack が大きくなるにつれ、2022 年私は人を雇い始めました。最初の 2 人の従業員は Discord で何年も知り合いだった人たちです。3 人目の従業員は Myin で、以前ヘッジファンドで働いており、日本に妻と住むために引っ越す準備をしていたので、事実上自由身でした。当時私は投稿をしました、興味深い投稿でした、2023 年初めの頃、メモリは AI の最大の敗者だと言いました。理由は AI チップおよび AI サーバーが使用するメモリ比例が普通サーバーよりもはるかに少ないからです。普通サーバーは約半分の BOM がメモリですが、AI サーバー内ではメモリ占比がはるかに少ないです。部分的な理由は Nvidia の利益率がはるかに高いこと、以及其他いくつかの要因。もちろん Nvidia 次世代チップはメモリ容量を大幅に増加させ、現在much 多いです。しかし当時私はメモリが最大の敗者だと言いました。
Dylan： 有料部分で「私は人を雇っている」と言いました。Myin が私に連絡し、彼はヘッジファンド背景から来た最初の人物でした、另外 2 人は技術背景です。彼が会社に加わると、私たちは様々なモデルを構築し始め、本当にビジネスをニュースレターモデルから情報サービス販売、報告およびデータセット販売モデルへと転換しました。これらが発生し始めると、雪だるまは山を転がり落ち始めました。2023 から 2024 年、2 人から 7 人に成長。2024 年末から 2025 年初め、7 人から 20 人に成長。2025 から 2026 年、20 人から 60 人に成長。現在今年私たちは 90 人になりました。今年すでに 30 人を追加しました。まさに雪だるまが山を転がり落ちるリズムです。
Dylan： 私たちはただ新しい分野不断增加しています。私はずっと什么都感兴趣でしたが、現在私は真正的専門家を雇えます。SemiAnalysis が最も興奮させられるのは、私のような専門レベルと集中度を持つ会社が他にあるか知らないことです。ASML、Applied Materials、Lam Research で働いたことのある人がいます、これらはウェハを製造する設備会社です。上流には Intel、TSMC、Nvidia、Microsoft、Amazon で働いたことのある人がいます。また OpenAI でモデルを作った人、Tesla で FSD を作った人、Coherent で働いたことのある人がいます。モデル層を行う人もいれば、データセンターを行う人もいます。会社には本当にカザフスタンで発電所を建設した人がいます。私たちはまさにこのような狂気的人才密度を持っています。
Dylan： 会社の半分は工程背景出身の人々で、另一半は元ヘッジファンドか、私が Twitter または Discord で発見した非常に情熱的なネットユーザーです。あなたは非常に賢いと思います、私のために働いてください。これは本当に機能します。現在 SemiAnalysis には多くの業務ラインがあります：データサービス、コンサルティング、情報サービス、ニュースレター、私たちは様々なメディアコンテンツも作成しており、すぐに大規模な会議を開催します。様々な業務です。この旅路は非常に刺激的です。
第 3 章：GTC サンドバッグモーメント
ホスト： この旅路说到、Dylan、WisdomTree と SemiAnalysis はすでに数ヶ月間協力しています。Nvidia GTC は 3 月に開催され、毎年行われます。当時私はノースカロライナ州シャーロットでライブ配信を見ていました。約 55,000 人が同時にライブ配信を見ていました。
Dylan： スタジアム内にはさらに 20,000 人いました。スタジアム内に 2 万人です、兄貴。
ホスト： 然后彼は直接あなたに言及し、あなたがある数字を「サンドバッグ」したようだと言いました、彼は力を隠している、あなたのチャートが直接舞台の大スクリーンに現れました。正直に言うと当時私には瞬間がありました、世界最大企業の CEO が基本的にあなたの研究を引用し、あなたが彼を批評したいくつかの数字について言及しているのを見て。私はぜひ聞きたいです、听起来你当时就在体育场里。
Dylan： はい、あの瞬間は非常に超現実的でした。SemiAnalysis が行うことの一つは、私たちには一批のエンジニアがおり、すべてのオープンソース AI モデルおよびすべてのハードウェアに対してオープンソースベンチマークテストを行うことです。これは素晴らしいプロジェクトです。私たち側には一批のエンジニアがおり、業界とも大量に協力しています。私たちは価値 5000 万ドルを超えるハードウェア寄付を獲得しました、OpenAI、Microsoft、Amazon、Google、CoreWeave、Nebius、Crusoe、Oracle など考えられるすべての主要クラウドベンダーから。私たちはこれらのハードウェア上でベンチマークテストを実行します。
Dylan： 私たちには 8 種類の異なる GPU があります、H100、H200、Blackwell、AMD の様々な GPU。また Google の TPU や Amazon の Trainium もあります。私たちが行うのは、最新バージョンのソフトウェア上で毎日ベンチマークテストを実行することです。なぜ毎日実行するのか？なぜなら毎晩新しい CUDA バージョン、PyTorch バージョン、ドライバー更新、推論エンジン vLLM または SGLang バージョンなどがリリースされる可能性があるからです。私たちは毎晩曲線全体でこれらのベンチマークテストを実行し、あなたがどれほど速い token 生成速度を望むか versus どれほど高いコスト効率を望むか、および最適シナリオをテストします。すべて自動化実行です。
Dylan： Jensen が最初に Blackwell をリリースした際、25 倍の向上があると主張しました。当時誰も彼を信じませんでした、对吧？これは Jensen です、彼はマーケティングを行っています。私たちでさえ当時、好吧と思いました。私たちは他の人々よりも少し楽観視しており、シミュレーションに基づき 15 から 20 倍の向上だろうと考えました、なぜなら私たちは性能シミュレーターを持っていたからです。しかし私たちが Inference-X という推論ベンチマークテストプラットフォームを構築するにつれ、実際の結果を得ました：DeepSeek V3 上では、Blackwell はある点で Hopper より 30 倍速かったです。
Dylan： 然后私はこの結果を得て彼にメールを送りました。これらの結果は自動的にオープンソース GitHub に公開されます、これはオープンソース協力プロジェクトで、Nvidia の人々も参加しており、彼らは知っています。しかし私は特に Jensen に言い、彼にメールしました。「ねえ Jensen、2024 年にあなたが Blackwell をリリースした際 25 倍と言いました、誰もがあなたを批判しました。私でさえあなたを批判しました。25 倍は不可能だ、最大 15 から 20 倍だと言いました。多くの人说不对不对不对、せいぜい 3 倍だ。私たちはかなり楽観視していました。しかし Jensen、私が間違っていました、あなたは力を隠していた、実際は 30 倍です」。
Dylan： 彼はこれを利用しました。彼がこれを何に利用するか知りませんでした。いくつかの顧客から聞き、Meta の人が告诉我彼らは会議を開き、Jensen はこれを証拠として彼が数字を隠していなかったと言いました。彼は次世代チップについて語る際にこれを利用しました。然后这一切就发生了、私がステージ上で起こるとは思いませんでした。
Dylan： 另外 Inference-X プロジェクト内で、私たちはベルトを作りました。WWE チャンピオンベルトのように見え、「Inference King」と書かれています。私たちはこれをすべての協力者に送りました、Nvidia、AMD に送り、また SG Lang、vLLM などベンチマークテストを助けてくれた人々、ハードウェアを寄付してくれた人々にも送りました。これはオープンソースプロジェクトなので、私は毎年エンジニア給与に数百万ドルをかけ、他の人々は数百万をハードウェア寄付にかけ、または数百万をエンジニア給与寄付にかけます。
Dylan： 私はこのベルトを彼らに送り、然后このベルトが彼のスライドに現れました。彼は持ち上げて展示し、然后私たちのチャートも上にあり、彼はスライド上で 5 分間「Dylan は私が力を隠していたと言ったが、私は隠していない」と語り、私たちの性能が最高だと語りました。あれは本当に超現実的な瞬間でした。
ホスト： 彼は講演全体を通じて私たちの時間について他の誰よりも長く語りました。唯一ほぼ同じ時間語られたのは OpenClaw で、それは明らかに世界を席巻しています。
ホスト： これは信じられない瞬間でした。
第 4 章：AI ROI と企業支出
Klay： Dylan、あなたはいくつかの事柄に言及しました。オープンソースに言及し、現在いくつかの最近の進展と市場トピックに移れるかもしれません。オープンソースモデルとクローズドモデルの実際の推論効率について議論一直あります。そして今日まで多くの投資家が AI の投資収益率を疑問視しています。最近 1〜2 週間、Bloomberg の経済学者が多くの AI プロジェクトがいくつかの企業で失敗している可能性について議論しました。あなたが御社が AI を大量に使用し、従業員に大量の token アクセス権限を与えていることに言及したのを知っています。あなたはまだ人を雇っています。所以我は终端需要についてのあなたの見解、および终端需要が実際に私たちが目撃している大規模建設を駆動しているかどうか好奇です。これらの建設は様々な制約に満ちており、少なくとも過去 1 ヶ月間、最近数日の市場変動を除き、これらのテーマに関連する様々な株価を押し上げ続けています。
Dylan： はい、いくつか言います。この大きな問題を見る際、ROI について、企業が AI から十分に稼いているか、これが持続するか、AI を使用する人々が実際にそこから価値を得ているかについて、これは多くの人が問うている大きな問題です。
Dylan： 私はこの問題を見る際、いくつかの方法で分解します。まず、Anthropic はすでにフリーキャッシュフローがプラスであり、Q2 は黒字です。4 月でさえ、4 月の帳簿はすでに結ばれ、彼らは黒字です、フリーキャッシュフローがプラスです。5 月もフリーキャッシュフローがプラス、黒字です。6 月も同様に見えます、まだ完全に結ばれていませんが、少なくとも 3 ヶ月中 2 ヶ月はフリーキャッシュフローがプラスかつ黒字です。彼らの循環収入はすでに 500 億ドル ARR を超えて急騰しています。彼らは非常にうまくやっています。
Dylan： これは一面です。Anthropic はお金を印刷しています。もちろん多くの会社はまだお金を印刷していませんが、その方向に向かっています。OpenAI の収入は Codex の採用成長に伴い転換点が出始めました。これらの会社はすべてより収益性が高くなっています。Anthropic の総利益率は非常に高く、70% を超えています。
Dylan： 另一面は企業が AI への支出です。少なくとも SemiAnalysis では、年間循環支出から見ます、私はそれを ARS、Annual Recurring Spend と呼ぶのが好きです、ARR ではありません。昨年 11 月、12 月、Claude Code が本当に飛び始める前、私たちの年間循環支出は 10 万ドル未満でした。当時私たちは各従業員に ChatGPT 200 ドルパッケージをサブスクライブし、如果有人想要 xAI または Claude、我们也给。しかし標準は全員に OpenAI 200 ドルサブスクリプションを与えることでした。11 月はこの状態で、当時私はすでに最前線にいると思っていました。
Dylan： しかし Claude Code は Claude Opus 4.5 および 4.6 などのバージョンに伴い転換点に達しました。1 月末までには、私たちの ARS は 400 万ドルに達しました。なぜなら大家が Claude Code を使用しているからです。現在約 1100 万ドルです。最高時、もし 1 週間の支出に 52 を掛ければ、1100 万に達し、最高かつて 1400 万に達しました。大家が何の仕事をしているかに応じて大幅に波動します。しかし現在の平均水平は約年間 100 万ドルの支出に見えます、90 人の会社にとって。これは狂気的です。
Dylan： 私たちは AI への支出が従業員給与の 3 分の 1 を超えており、年末までには半分になる可能性があります、Methos および他のモデルがますます良くなることに依存します。これは巨大な支出です。問題は ROI はどれほどか？私は ROI は非常に大きいと思います、なぜなら私たちは製品を開発でき、より多く販売でき、全員の効率を向上できるからです。私は ROI を見ましたが、多くの企業が疑問視しています：もし私が年収 30 万ドルまたはそれ以上の良い開発者を持っていれば、彼らの AI への支出は 1 対 1 に接近し始めます。良い開発者にとっては是这样、非開発者にとっては支出範囲はより低くなりますが、SemiAnalysis では少なくとも、私たちの最大の AI 支出者の中にはコードを書かない人が多く、彼らはただモデルに何が欲しいか伝え、然后反復迭代し、 원하는結果を得るまでです。
Dylan： あなたは各従業員の AI 支出が急騰しているのを見ます。多くの会社現在理所当然に問います：私たちの年間の AI 予算は Q1、Q2 で使い果たしました、現在どうするか？支出を削減するか他の場所で削減するか？多くの会社がおそらく AI 支出を放缓する必要があると言っています。しかし私は多くの会社が他の場所で削減し始めたのを見ます。彼らは以前使用していた SaaS 製品を砍掉しています。彼らは「私たちはより速く成長できるので、就这样吧」と言っています。彼らは「AI にお金をかける没关系、私たちは暫時この代价を承受します。AI はますます安くなるでしょう」と言っています。採用率上昇に伴い、6 ヶ月前に AI で行ったことは、今日 AI ははるかに安く行います。もちろん、今日私が AI で行うことは 6 ヶ月前よりもはるかに広範です。
Dylan： 有些人甚至在不削減 AI 的情况下削減員工。有些人 tightened AI 支出、但这些公司会在生产力提升和产品开发能力上被甩在后面。
第 5 章：AI コスト最適化戦略
Klay： 然后增量コストを低下させる一つの方法は、より安価な、おそらくそれほど智能ではないモデルを選択することです、常に最前線にいるわけではありません。現在私はまだ早いと思います、これらの議論について。しかし私は好奇です、あなたのような会社是否有某个节点、某些用例が DeepSeek V4 のようなモデルに適しており、より多くの智能を必要とする仕事はより高価なモデルを使用すると決定します。これは計算の一部ですか？
Dylan： いくつかの人々にとってこれは絶対に計算の一部だと思います。あなたは AI ワークロードを 2 つのクラスに分割する必要があります。第一類は AI がプロセスに統合されることです。例えば顧客が私にドキュメントを送り、私が XYZ をチェックし、ドキュメントをモデルに入れ、モデルがチェックし、完了。この場合私はある品質レベルに達する必要があり、然后模型の向上を停止し、より新しいモデル、より安価なモデル、またはより高いコストパフォーマンスの方案を待つことでコストを低下させ始めます。私たちは AI モデルがコスト上で年間約 60 倍の速度で改善するのを見ます。ある品質レベルを取り、1 年後それは 60 倍安くなります。
Dylan： 人々は当時 DeepSeek に大惊小怪しました、なぜならそれは GPT-4 より 600 倍安かったからです。实际上那是 GPT-4 发布两年后、所以 60 倍乘以 60 倍は 360 倍、実際の結果は 600 倍です。所以曲線上のある点、不管是年間 60 倍安くなるか 90 倍、大概在这个範囲。如果你有一个工作流、AI を統合し、品質レベルに達したらより安価なものを使用します。
Dylan： 第二類は AI アシスタントです。这里其实有一个误区。如果你在日常工作中让模型帮你做这个、帮你找那个、帮你弄清楚这个、コスト最適化实际上是換より安価なモデルではありません。コスト最適化往往是換最新モデルです。因为最新モデル、例えば Claude 4.6 Opus はタスクを完了するのに 10 万 token 必要かもしれません、数回の往復会話が必要かもしれません、10 万 token、10 分の時間。しかし Claude 4.8 Opus は 4 分の 1 の token、25,000 个 token で完了でき、しかもおそらく 1 回の往復のみが必要です。コスト实际上是更低です、なぜなら生成される token 数量が更少、あなたが費やす時間も更少です。
Dylan： 所以当我看一个开发者または一个做智力工作的人、我怎么降低成本？实际上应该用更新的模型、把一个以前需要跟模型来回纠缠才能完成的任务、用越来越新的模型、現在要么一次迭代就完成、要么直接一次性搞定整个工作流。token 更少。
Dylan： 私たちは 4.6 Opus から 4.7 Opus へのアップグレードを見た際、私のコスト实际上是先下降了一周、然后又飙升回去、なぜなら大家用得越来越多。なぜ升回去？因为大家调整到了新的工作流：我之前做的工作完成了、让我做更多。同样从 4.7 到 4.8 も、コスト先降了一周到一周半、然后又飙升、因为大家发现"哦、我现在可以做更多工作了"。
Dylan： あなたは生産性とコストを一緒に衡量する必要があります。それが AI アシスタントである場合、token 効率が非常に重要です。这就是为什么 Anthropic 一直在击败 OpenAI、因为他们的模型在 token 効率上比 OpenAI 更高。实际上 OpenAI のモデル在极端情况下、在前沿科学、前沿数学、前沿代码方面、有时能完成 Anthropic モデル做不到的任务。しかし彼らは 3 倍の時間と 4 倍の token を必要とし、因此コスト更高、而且人と AI のフィードバックループ没那么快。
Dylan： 最終在客户感知上反而更差。因为有一种情况是你说"嘿模型做这个任务"、然后你回来看任务完成没有。另一种情况是你说"我有四个小时做这个任务"、不管是一次调用让模型工作四小时、还是四次调用来回交互。事实证明 Anthropic 在人在环的反馈循环中要快得多、好得多、因为 token 効率更高。这就是为什么我们仍然是主要用 Anthropic 的团队。有些任务大家用 OpenAI、通常是那些让它跑一夜的任务、交给 OpenAI の Codex。但大多数任务还是用 Claude Code。
Dylan： 这就是关于模型和 token 効率的一个有趣因素。コスト有点难完全剥离出来看、有些任务你需要冻结模型质量然后等模型变便宜、有些任务你就是要最聪明的模型因为那样反而更便宜。
第 6 章：メモリスーパーサイクル
Klay： Dylan、私はハードウェア方面的なあなたの見解を聞きたいです。今年早些时候ニュースレター内にメモリに関する記事がありました。メモリ通常是一个周期性产品、可能 18 から 24 ヶ月上行、18 から 24 ヶ月下行。現在感觉几乎所有东西都在短缺。如果你是数据中心某个组件的供应商、感觉问题已经从"能不能拿到货"变成了"你要等多久"。因为今天的世界里你几乎拿不到任何组件。以你对硬件的经验、你觉得メモリ这种过去 40 年一直是商品化的产品、会怎样变化？以前就是骑上行周期、扛下行周期、循环往复。
Dylan： はい。私は以后没有周期了とは言いません。周期还会发生。显然我们处于一个超级周期中、上行非常疯狂、也会有下行、下行会很残酷。但从谷底到谷底、仍然有很大的增长。关于メモリ和其他组件、重要的是正在发生的阶段性变化。
Dylan： 历史上、上行周期终端市场可能涨 50%、对于メモリ这种商品市场、定价弹性较大、股票可能涨 2 から 3 倍。但现在涨的已经不是 50% 了、过去几年总支出已经翻倍、而且还会再翻倍。总支出翻倍了、当你看不同终端市场的弹性时、メモリの定价已经涨了 4 倍、还会再涨 2 から 3 倍、加上产能增长。所以股票疯狂飙升然后才会回落。
Dylan： メモリ真正令人兴奋的地方、不只是终端市场在暴涨、也不只是定价弹性。真正有趣的是我们在 2024 年写的一篇文章、当时 o1 出来。OpenAI 发布了 o1、这是第一个推理模型、创造了一波推理模型的繁荣、OpenAI、Anthropic、DeepSeek 等很多公司都在利用这个方向、让模型做长时程的 agent 任务。
Dylan： o1 出来的时候我们立刻注意到的是工作负载发生了巨大变化。做 chat 的时候、你发一个 prompt、可能是 50 个词也可能是 500 个词、模型给你一个回复、上下文长度可能就几千。比如 2000 的上下文长度。做推理时、每生成一个 token、你都要把所有权重读进芯片、把所有上下文读进芯片、处理一个 token、然后再迭代。上下文就是 KV cache、它创建了所有 token 之间的关系。
Dylan： 有趣的是、在权重这边、不管上下文长度是 1000 还是 100,000、你都要读所有权重。所以推理的内存强度在权重这边是一样的。但在 KV cache 这边、你读 1000 个 token 和读 100,000 个 token、内存差异巨大、虽然计算量大致相同。计算量因为 KV cache 缓存等原因可以控制、但内存成本飙升。
Dylan： 我们在 o1 的文章中、2024 年 12 月讨论了 scaling laws、预训练 scaling laws 如何让位于推理 scaling laws、o1 是一个阶梯式变化。我们谈了 KV cache 如何因推理而爆炸、因此内存将是最大的赢家。2025 年多次对内存非常看好。但真正在 2026 年 1 月我们写的那篇 note、当时人们说内存已经涨了 50%、是不是到顶了？我们写的基本上是说：不不不、我觉得你们没搞懂。内存产能未来三年每年只增长 20-30%、但需求在翻倍、翻倍。
Dylan： 所以会发生什么？内存价格会持续飙升。对价格弹性不那么敏感、不那么能适应价格波动的内存用户会退出市场。智能手机、笔记本电脑、因为成本飙升太多、会退出市场、让位给 AI。价格必须不断飙升、直到达到平衡、因为产能增长不够快。
Dylan： 我们的论点是：内存短缺会持续数年、不是短期现象。过去 Q1 剩余时间和 Q2、内存确实一直在暴涨。有几天因为某些随机原因跌了 7-8%、但总体趋势一直是向右上方走。我们看未来、价格会继续涨、因为我们还没看到高端市场受影响。一些中国中低端手机厂商比如小米说出货量降了 40%、但高端市场还没受影响。明年 iPhone 价格必须涨。明年 MacBook 价格必须涨。
Dylan： 目前如果 MacBook 或 iPhone 涨 100 ドル、市场不会太调整。但メモリ会越来越贵、直到 AI 吃饱。这意味着智能手机价格不会只涨 100 ドル、得涨几百ドル。到某个点会达到平衡、AI 拿到需要的内存、移动和消费硬件被挤压到足够程度。但人们仍然需要新手机和新笔记本、所以仍然会买。我们得达到一个新的平衡点、因为内存产能增长不够快。
Dylan： 当我们把视野扩展到整个生态系统、真正重要的是很多不同组件都在短缺。谁的定价有弹性、谁没有？比如 TSMC 定价没有弹性、他们是一家很靠谱的公司、对客户很公平、长期合作。他们涨价就 5-10%。内存公司是商品市场、他们让现货市场和合约市场的供需平衡来决定价格。所以你会看到这两个三个维度的定价差异。
Dylan： 有一天你会看到定价腰斩、因为内存不应该有 85% 的毛利率。虽然现在正朝那个方向走、我们还没到 85-90% 的内存毛利率、但会到的。然后某个点也会回落到 70 甚至更低。TSMC 不太有这种波动。ASML 在定价上也不太有波动、他们做设备。但供应链不同环节会根据 AI 终端需求流向他们的程度而不同地波动。每花 1 ドル在 AI 上、这个产品可能只占 1 美分、那个产品可能占 5 美分。
Dylan： 所以不同的终端市场会不同程度地受益。加上市场结构的差异：是垄断还是寡头？是竞争激烈的大市场？定价是否稳定且有长期协议？还是商品市场靠供需定价？这些因素共同决定了某个终端市场、不管是内存还是现在人们谈论的 MLCC 短缺、PCB 钻头短缺、铜箔短缺、各种随机组件、你会在网上看到"这是下一个短缺"的说法。重要的是实际有多少需求流向这里。终端市场是翻倍？涨 50%？还是四倍？定价会涨多少？这些才是基础设施供应链中真正决定性的因素。
第 7 章：CPU 需要の転換点
Klay： もし刚才那个フレームワークを使用すれば、因为毎年市場都会覚醒到你说的某个新的所谓"短缺"。今年早些时候 OpenClaw 在各种网站上病毒式传播、让人们覚醒到 AI agent 的世界和所有可能性。用你刚才描述的フレームワーク、私は好奇你对 CPU 市场的看法。AI の前 3 年私は都没听到"CPU"这个词、今年到处都在说 CPU。
Dylan： 对对。关于 CPU、有意思的是在我们给机构客户的研究中、去年 11 月我们开始大量讨论这个。因为 OpenAI 和 Anthropic 开始跟 Amazon、Google、Microsoft 等公司签协议、买下他们舰队中所有的 CPU 来租用。从去年底到今年、CPU 需求一直在出现拐点。
Dylan： 先说原因。AI 最初在训练和推理阶段、推理主要是短上下文、主要依赖计算和网络。但随着预训练转向强化学习、随着聊天式推理变成 agentic 工作流、CPU 需求大幅增加。
Dylan： 为什么？预训练是把整个互联网数据集训练进模型。强化学习是模型生成一些合成数据或推理轨迹、然后在一个环境中验证。这个环境可能是跑代码的单元测试、可能是一个模拟网站的沙盒、可能是一个模拟工程系统或其他平台。不管是一个网站、购物网站还是编译代码、这些环境都需要大量 CPU。而以前预训练时、token 处理本身不需要太多 CPU、需要的是环境检查。
Dylan： 我生成了这些 token、現在它们在 Python 或 C コンパイラ里是否有效？在一个电商网站上如果我要买东西、作为 agentic 工作流、我不断测试这些事情、这需要大量 CPU。另一面是实时推理。以前做 chat、我告诉它一件事、它给我答案、完成。我可能再问几个问题、就这样。但现在 agentic 工作流里、模型在做工具调用：我去搜索这个、我去数据库查那个、我去让 Python 解释器跑一下、我写一小段代码来检查我的工作、我写代码然后编译部署。这些 agentic 流程需要越来越多的 CPU、因为它们必须与真实世界交互。
Dylan： 以前是人跟模型交互：我告诉模型什么、模型给我回复、我看一下、复制粘贴到需要的地方。现在是模型跟互联网世界交互、循环中有更多的计算、更多的 AI、更多的 CPU 在来回传递答案。所以不管是强化学习还是 agentic 工作流、都需要大量 CPU。
Dylan： 現在发生了什么？我们需要大量 CPU、但让我们用刚才的フレームワーク来评估。市场结构怎样？市场里有 Intel 和 AMD、ARM 現在也发布了 CPU、ARM 股票因此暴涨、因为他们是看起来有竞争力的新进入者。Amazon 是领导者、Microsoft 和 Google 也在发布自研 CPU。Nvidia 也在发布自己的 CPU。所以有很多竞争者、但直到两年前、所有市场份额都是 Intel 和 AMD 的。現在 Amazon 拿了不少份额、Nvidia 和 ARM 开始拿更多份额。
Dylan： 终端市场的情况是：Intel 实际上能提高价格、AMD 也能提高价格。两家都提价了、需求当然也涨了很多。Amazon 因为是做出来租的、不是做出来卖的、能从 CPU 中获取惊人的利润。他们的 Graviton CPU 租赁非常火爆、订单大幅增加。Nvidia 以前只卖跟 GPU 搭配的 CPU、現在通过 Vera 单独卖 CPU。他们给了 200 億ドル CPU 收入的指引。对 Nvidia 来说这不算什么、就几个百分点的增长。开个玩笑。但当你看 Intel、AMD、ARM、Amazon 这些公司、谁拿到收入而不是只有销售收入、那里有很大的事情在发生。
Klay： Dylan、基于 CPU 的话题、我听到的一些讨论是、用于 agent 的 CPU 跟历史上的 CPU 在某些方面不同。核心更优化于 agentic 活动、我记得 Jensen 在 Vera CPU 附近暗示过。还有关于 GPU 与 CPU 比例的讨论、这显然突出了 CPU 的需求和方向。你能多给一些颜色吗？因为高层概念大家能理解、但有一些技术细节可能被忽略了。我不确定这是营销还是有实际意义。
Dylan： 关于 agentic 工作流、CPU 的使用方式差异很大。有些 agentic 工作流是：模型运行、然后把所有 token 发给某个 CPU 工作流、等 CPU 做完什么再发回给模型、模型继续工作。问题是：模型运行的计算是否在等待 CPU 的时候停顿了？有些情况下停了、有些没有。在停顿的情况下、运行模型的计算就在等 CPU 响应、这时 CPU 的架构需要非常不同。
Dylan： 基本概念是：我要更多核心还是更快核心？CPU 架构中有一个规律、如果你把 CPU 核心做大两倍、意味着芯片上只有一半的核心数量、每个核心的性能不会提升 2 倍、可能只提升 50%。当然工程上有很多复杂性、这个权衡没那么简单、但简化来说就是这样。
Dylan： 看 Nvidia 的 Vera CPU、不到 100 个核心、但每个核心比 AMD 的快。AMD 的旗舰 CPU 有 256 个核心。核心数量差异巨大、但 Nvidia 的核心更快、不过没有快两倍。所以人们在这个设计空间里做权衡。
Dylan： 对于那些 AI 计算必须停下来等 CPU 的工作负载、你需要的是最快的核心、即使牺牲多核性能。我不需要超级并行的工作负载、我需要的是这一个工作负载现在就完成。在这种情况下我愿意接受总核心数量少但单核性能高。这就是某些类型的 agentic 工作流。
Dylan： 其他类型的 agentic 工作流、比如我日常怎么用 Claude、或者团队怎么花毎年 1100 万ドル在 Claude 上。我调用 Claude、Claude 处理一堆 token、但他们不只是服务我一个人、他们把成千上万的用户 batch 在一起。如果我得到回复、現在等我去执行、不管是等我还是等某个 CPU 核心去执行、这没关系、因为计算机还在运行、只是不是为我运行、是在为其他人运行。所以如果 CPU 慢一点但我有更多核心、这是不同类型的任务。
Dylan： 还有一种区别是：是 AI 的主动使用、还是使用 AI 生成的东西然后部署？有趣的是、如果我们看全球 GitHub commits、比去年涨了好多倍。涨的幅度不是 10% 或 50%、是好几倍。这意味着大量代码被生成到世界上、人们在部署大量代码。很多代码是垃圾、但很多代码在被部署。部署后放在 CPU 上跑、是标准代码。可能是一个网页爬虫、可能是一个分析引擎、可能是一些业务流程自动化。这不一定需要超快的 CPU 核心、可以用性价比高的 CPU 核心。
Dylan： 看这个连续体：Nvidia 做了性能最高的 CPU 核心、但不一定给你最好的芯片级总性能（核心数乘以单核性能）。AMD 和 Amazon 有更多核心、几百个、但单核性能低一些。ARM 也在这一端。你在连续体中的哪个位置取决于工作负载。有些工作负载你确实想要 Vera、有些你想要 Graviton 或 AMD 的 CPU。我不会说这很简单。
Dylan： 至于你提到的另一个问题、比例。CPU 需求在上升这一点是无可争议的。我们是去年底在机构研究中第一个指出来的、今年 1 月在ニュースレター里也写了。我们发布之后、一些 CPU 股票暴涨。ARM 涨了好几倍、Intel 涨了好几倍、AMD 也涨了。但现在卖方分析师根本不懂技术、开始编东西了。他们把 CPU 与 GPU 的比例说得偏向 CPU 比 AI 计算还多了。这是错的。
Dylan： 重申一下、如果你看一个 Blackwell、满配大约每片 5 万多ドル。CPU 大约 5000 ドル。如果是 1:1 的比例、对于 3000 億或 5000 億ドル的 Blackwell 销售、你只会得到 300 億或 500 億ドル的 CPU 销售。所以另一个人们忽略的点是：是的、这个终端市场在暴涨、但大部分资金仍然流向 AI 计算和内存。这个市场以前被低估了、現在更合理了。
Dylan： 需要认识到的是、CPU 的需求不会一直增长到超过 AI 加速器。这更像是一个重新校准。2023、2024 年卖了几百万片 AI チップ但很少 CPU。現在 CPU 需求突然拐点了、比率应该从原来的位置调整到新位置。人们在追赶模式。我需要买一堆 CPU 来追上之前买的 AI チップ的量、加上現在正在买的。一旦追上了那些历史上买的 AI チップ所积压的 CPU 需求、那个需求就不在了、只剩下增量。
Dylan： 如果你想象一个比例、比如 1 个 CPU 对 2 个 GPU、每个 GPU 5 万ドル、每个 CPU 5000 ドル。那么每花 10 万ドル在 GPU 上、只花 5000 ドル在 CPU 上。这对 CPU 增长来说其实不是那么好的市场动态。比以前好很多、但如果你反过来看、如果我在过去三年里有 1000 万个 GPU 没怎么配 CPU、那这 5000 ドル就有巨大的追赶空间。这就是我們現在正在经历的：巨大的追赶、加上比率本身也在上移、巨大的积压在被追上。所以你看到需求疯狂、但它会平息下来、然后到达稳态。我們現在处于一个 CPU 的迷你周期中。
第 8 章：ネットワークと CPO のタイムライン
Klay： 非常有帮助的背景。接下来转到网络、这也是很多投资者关注的领域、特别是他们深入光学供应链和一些约束之后。我们看到一些估计说共封装光学（CPO）可能要到 2028 年左右才会大规模部署。你怎么看光学的架构演变？"能用铜就用铜、必须用光才用光"这个概念。Jensen 在 Computex 上也讲了很多。Marvell 等公司也受到很多关注。你对光学和数据中心网络架构在未来两年的演变有什么额外想法？
Dylan： 很清楚的是、随着模型变大、我们怎么跨模型运行？怎么训练模型？光学栈里有很多不同领域。电信光学、像 Sienna 这样的公司一直在暴涨。数据通信、芯片到芯片的通信、有铜的领域也有光学的领域、这些都在涨、因为网络内容的增长速度比其他任何内容的增长速度都快。网络占 AI チップ相关支出的比例从不到 10% 上升到 10% 以上。到 CPO 时代网络占比会进一步上升到 20-30%。所以网络内容有巨大的提升。
Dylan： 但另一方面、CPO 是行业的一个巨大阶梯式变化、所有人都认识到了。不过我觉得現在人们有点过于兴奋了。目前对 CPO 有点过度乐观。我不认为它会在 2027 年到来。实际上在 2028 年末、但 2029 年才是规模上量（scale-up co-packaged optics）的真正爬坡期。有很多问题。这是一个制造问题。如果能以好的成本今天就部署、那太好了、所有人都会做。但真的很难。制造量不够、良率不够、芯片还没有真正设计到位。这是一个非常复杂、困难的东西来爬坡。
Dylan： 所以人们会尽可能久地留在铜上。这意味着 Rubin 全部用铜。Feynman 的 GPU 也仍然用铜、Feynman 是 Rubin 之后的下一代 Nvidia GPU。Rubin、Rubin Ultra、然后 Feynman。我们甚至还没到 Rubin 出货、Rubin 刚开始出货。所以离 GPU 上用 CPO 还有几代芯片。交换机上的 CPO 会比 GPU 或 AI 加速器上的来得早一些。
Dylan： 但即使没有 CPO、随着集群变大、每个 GPU 需要的光学器件或有源电缆也更多。我们看到这个巨大的动态和转变。本周一我们在 SemiAnalysis 给机构研究订阅者发了一篇 note、关于局部时间线。不是说终端市场、我们的共识是 CPO 终究会来、我们一直在推这个方向。我们的共识是铜最终会被取代。但在中期我们非常看好铜、也非常看好非 CPO 的光学器件、反而对 CPO 本身比较谨慎、因为我们看到下游芯片的一些延迟。Feynman 不会全面采用 CPO、还有其他一些情况。铜概念股如 Amphenol、他们做所有背板连接器和电缆、未来几年会比之前预期的好很多、因为我们之前以为 CPO 会更早爬坡、但现在推迟了。
Dylan： 光学是一个如果你今天闭上眼睛、5 年后睁开、会发现大很多的领域。很多已经定价进股票了、很多还没有。我觉得有一些局部错位。这就是我们做的研究、也是跟你们合作的工作之一：怎么权衡？多少是 CPO 光学、多少是非 CPO 光学、多少是传统光学收发器、多少是铜？因为铜其实还有很长的路要走。铜行业有很多创新在推回 CPO 的时间线。为什么要做 CPO？因为集成光学比电传输贵得多。除非电传输传不了那么远、需要加中继器或光学器件。有这个权衡和连续体。CPO 会来、但看起来在推迟一点。
第 9 章：電力とエネルギーインフラ
Klay： Dylan、我们可能还有时间聊最后一个大话题。我们已经聊了模型、GPU、CPU、内存、网络。如果不提数据中心里的大象就太不应该了、那就是电力。你怎么把电搞来、怎么把电变成芯片需要的形式。你在ニュースレター里写过直流电 vs 交流电、还有一些元素、理论上当超大规模厂商花这么多钱建数据中心、甚至把发电厂放在现场表后端的时候。我们该怎么看电力需求和电网 vs 非电网？
Dylan： 好的。数据中心增长是巨大的。今年我们部署 20 吉瓦的数据中心。明年这个数字上升到 30 吉瓦、涨 50%。再下一年是 50 吉瓦。数据中心产能的增长是巨大的。有很多局部的错位需要处理。能源是最大的约束之一、另一个是政治方面的、第三是建设。建数据中心和拿许可和审批在政治上有点难、有人在试图阻止。但最终最大的制约因素还是能源。
Dylan： 能源可以拆成几个方面。一是发电、电子从哪里来？二是输电、怎么把电子从发电的地方传到数据中心？三是转换、因为输电的电压形态跟芯片能消费的形态不一样、芯片需要不同的形态。转换管线是什么样的？这三个方面都有非常看好的方面。
Dylan： 输电这边最难看好、因为建更多输电容量的监管和政治困难、地方电力垄断的运作方式、如果建一条电力线要分摊给所有用户而不只是个别用户。有各种输电的奇怪错位。所以建更多电网容量在输电层面比较困难。
Dylan： 但在发电和转换方面有两个有趣的事情。发电方面、显然电网上的发电在增加。还有一个向为数据中心发电的大转变。我们预测几年内、数据中心新增电力的有一半将在现场生成、不是离-site 的。表后发电（behind-the-meter）在飙升。我们在数据中心和能源模型中有表后发电的追踪器。
Dylan： 我提到过我们团队有人、她在哈萨克斯坦建过发电厂。她叫 Ellie、领导我们的能源模型。我们一直在建这个模型、覆盖整个电网、每一个发电资产、每一个输电资产、所有负载资产、以及所有表后发电工作。有趣的是我们看到表后发电的巨大繁荣。
Dylan： 在许可和监管方面有很多斗争。有人不想给空气许可、有人不允许建天然气管道到现场。Oracle データセンター就遇到过这种情况。有很多不同方面在发生。但最终的状态是表后发电在飙升。
Dylan： 其中很多是天然气。很多是联合循环燃气轮机、来自 GE Vernova、Mitsubishi 或 Siemens。但除此之外还有很多不同类型的能源：往复式发动机、工业燃气轮机、各种柴油发动机、火车发动机。人们拿了火车发动机、船用发动机、卡车发动机、改造成数据中心的发电设备。我们看到一片创新的海洋。不是没有工业产能。美国每年能制造数百万台往复式发动机、就是烧燃料旋转的发动机。把这些从柴油改成天然气非常简单。
Dylan： 你在上面接一个电动机、反驱它、就发电了。你可以大规模这样做来发电。我们看到超过 10 吉瓦的数据中心将用这类技术建造。拿柴油卡车发动机改成天然气、在生产时就可以很简单地做到、反接电动机、放在数据中心现场、一个数据中心后面有几百台、然后你从汽车修理店雇一批人来维护。这些发动机需要保养、他们就整天跑来跑去保养这些柴油发动机。你需要一些缓冲、这样当某些发动机停机时你可以维护它们、保持最大功率运行。你还需要在中间放一些电池、因为数据中心的上下波动不会把发动机搞坏。
Dylan： 你有这整个表后发电的供应链、非常令人兴奋。大约 2 年内、太阳能加电池会比天然气更便宜。太阳能加电池的供应链有困难、取决于你要什么级别的可靠性。如果只够晚上用的电池、那更便宜。但如果你需要够三天的电池呢？因为可能下两天雨。你要几个 9 的可靠性？太阳能加电池因为中国的制造实力而越来越便宜、速度惊人。还有一些补贴。到某个时候太阳能加电池会变得很便宜。
Dylan： 然后你还有太空数据中心。不需要电池、直接放在太空、有一块太阳能板就够了。你有这整个从"把柴油发动机改成天然气发动机"到"把芯片发射到太空"的连续体。有很多钱可以赚。有很多有趣的动态事情可以做。
Dylan： 这就是为什么 SemiAnalysis 最大的数据集和研究垂直领域、你以为会是半导体、其实是数据中心和能源。我们内部叫 DEI チーム、Data Center Energy Industrial。这是一个内部的双关语。Jeremy 领导这个团队、他想出这个名字的。数据中心、能源和工业是我们最大的研究垂直领域、因为我们在追踪每一个数据中心和每一座发电厂。
Dylan： 当我们识别出一个延迟或者某个事情正在发生、或者某个季度有多少数据中心要上线、这是行业内没人能做的。这是为什么它是我们最大的垂直领域之一。所有人都感兴趣。Google 关心 Meta 能部署多少、Meta 关心 OpenAI 能部署多少、但所有这些公司也在看供应链有谁有产能。投资者也在看。
Dylan： 这是一个非常分散的市场。内存只有三家公司、很简单。加速器只有几家。半导体晶圆制造设备只有几家。但这个领域有数百家供应链公司、做各种随机小零件。有几十家公司在建数据中心。有几十家公司在做各种不同的事情、不管是作为独立发电商还是做表后发电、或者提供某种电池服务。这是一个非常复杂的供应链。但有很多活力和创新。
Dylan： 所以虽然数据中心在某种程度上会继续是一个约束、但也不会是约束、因为取决于你愿意多疯狂。就像我说的、你可以拿卡车发动机改造、雇一批机修工、这样运营一个场地。不是最好的、很多人说"这太恶心了、可靠性怎么样？""太麻烦了"。但人们在这么做、这能行。虽然很痛苦、但能行。一直到"我要把它发射到太空"。也很痛苦、很难做、但能行。所以数据中心问题有解决方案、不管你是走全脏路线还是走太空路线。而供应链其他环节不一定有。这就是这个市场如此动态的原因。你会看到人们上上下下走很多路。
第 10 章：変換チェーンと結び
Dylan： 然后另一部分、发电和输电说完了、转换方面是另一个事情。你怎么把电力从发电或输电的形态变成芯片需要的形态？这里有一整个供应链。不管是 IGBT、碳化硅、各种 MOSFET、氮化镓 MOSFET。当我们从 12 伏到 54 伏到 800 伏直流电时会发生什么？转换供应链里会发生什么？固态变压器在创新中会怎样？这些都在发生。UPS、不间断电源、电池备份和超级电容等各种平滑电力的方式、怎么把左边产生的脏的、不稳定的电力变成右边超干净的电力、同时右边芯片的用电也是波动的、你怎么匹配？这整个转换管线超级超级令人兴奋。
Dylan： 我们上周刚发了一篇关于 800 伏的博客。最近也跟机构订阅者讨论了一些延迟、Nvidia 那边把 800 伏从 Kyber 推迟了。Rubin Ultra 的 Kyber 版本不再有 800 伏了。这对供应链意味着什么？被推迟了一点。
ホスト： Dylan、我要非常感谢你。这是如果你按章节来想的话、这是第一期。我们第一次请 Dylan 来上播客、但肯定不是最后一次、因为有很多很多信息、就像他直接说的、整个技术栈的每个环节都在变化。要跟上真的很累。但正如很多人所知道的。
Dylan： 我还想说一件事、这个供应链太疯狂了。很多时候我们谈论大的那些：内存、CPU、数据中心。但当你深入供应链、局部的波动很小但很多。有几个月我们在聊 PCB 钻头、就是钻 PCB 板上孔的钻头。还有 PCB 上的铜箔这种随机的东西。供应链里所有这些小东西也有这些错位。这些公司遍布全球、可能在台湾上市、可能在日本上市、可能在韩国上市、可能在世界各地。不只对投资者来说容易接触到。
Dylan： 我觉得这就是我们的合作和一起工作真正令人兴奋的地方。我们能影响正在发生的事情、能大量讨论这些供应链中断、还有我之前提出的框架和我们在试图覆盖的整个格局。期待以后更多来上节目、还有我们的其他合作。
ホスト： 当然。最后我必须声明一下给合规团队：本次播客表达的观点和意见属于 WisdomTree、可能随时改变。本次播客中呈现的任何内容不旨在作为预测研究或投资税务建议。不构成买入或卖出任何证券的建议、要约或招揽。听众自行决定是否依赖这些信息。请记住、过去的表现不代表未来结果。感谢大家今天花时间与我们在一起、期待未来再回来。保重。
TechFlow公式コミュニティへようこそ
Telegram購読グループ：https://t.me/TechFlowDaily
Twitter公式アカウント：https://x.com/TechFlowPost
Twitter英語アカウント：https://x.com/BlockFlow_News
