英伟达的高风险生意
Stratechery
1870 年 1 月 1 日，杰伊·库克（Jay Cooke）签署了一份合同。库克（Cooke）曾因在美国南北战争（Civil War）期间为联邦事业筹资而被誉为美国英雄。若放宽视野，这份合同最终竟会牵连到世界大战。
1864 年，美国国会（Congress）成立了北太平洋铁路公司（Northern Pacific Railway Company），目标是用铁路连接五大湖（Great Lakes）和普吉特海湾（Puget Sound）。这条铁路最终将从德卢斯（Duluth）通往塔科马（Tacoma）。公司章程规定，只要完成铁路建设，就能获得沿拟建线路分布的 4,000 万英亩土地作为交换。
然而，在接下来的六年里，北太平洋铁路（Northern Pacific）始终难以筹集资金。与此同时，联合太平洋铁路（Union Pacific）和中央太平洋铁路（Central Pacific）不断向对方铺设铁路，并于 1869 年 5 月打入象征线路贯通的金色道钉，连接了萨克拉门托（Sacramento）和奥马哈（Omaha）。
北太平洋铁路曾在 1866 年找库克筹资，但它没有联合太平洋铁路和中央太平洋铁路背后那种慷慨的联邦担保。需要指出的是，这种担保也造成了惊人的贪腐和利益输送。库克本人十分清楚联邦政府的金融力量，因此一开始并不感兴趣。
不过，最终北太平洋铁路提出了一个让他无法拒绝的条件：每售出一张债券，他都能获得 12% 的佣金；每售出 1,000 美元债券，还能获得价值 200 美元的北太平洋铁路股票。
库克很快发现，金融机构中的同行也赞同他早先的拒绝态度，对他的债券毫无兴趣。于是，他转而采用自己销售战争债券时磨炼出的同样手段：诉诸爱国主义，控制媒体，并许诺铁路投资将带来巨额财富，同时以工业化规模进行推广分销。他事业的巅峰时期，雇用了 1,500 名销售人员，并资助了 1,300 家报纸。这些资金来自广告和直接付款，而他的品牌声望则是在美国南北战争期间打磨出来的。当时，散户投资者已经可以买入铁路债券；库克则让散户成为自己的主要资金来源。
毫无疑问，这是一项惊人的创新。过去，如果不能从政府或银行获得贷款，基本就筹不到什么钱。问题在于，北太平洋铁路的资本需求没有尽头。到 1873 年 9 月，随着维也纳证券交易所（Vienna stock exchange）崩盘，以及白银被取消货币资格，全球信贷日益收紧。此前一直靠债券发行间隔期间吸收的存款为北太平洋铁路提供资金的库克，再也找不到买家。
随后，杰伊·库克公司（Jay Cooke & Company）破产，引发了1873 年恐慌（Panic of 1873）。这场危机最终导致美国各地的铁路公司接连破产，带来持续数年的经济萧条和长达数十年的通货紧缩。有人认为，它还造成了欧洲在四十年后变成一触即燃的火药桶所需的金融条件。
顺便一提，北太平洋铁路最终还是完成了线路建设，尽管途中经历了多次破产。后来，它与另外三家铁路公司合并，组建了伯灵顿北方铁路（Burlington Northern Railroad）。之后，伯灵顿北方铁路（Burlington Northern）又与阿奇森、托皮卡和圣菲铁路（Atchison, Topeka and Santa Fe Railway）合并，成立了BNSF 铁路（BNSF Railway）；2009 年，伯克希尔·哈撒韦（Berkshire Hathaway）收购了其母公司。
债务狂飙
如果这个故事听起来有些似曾相识，可能是因为，出于显而易见的原因，库克是利阿卡特·艾哈迈德（Liaquat Ahamed）今年早些时候出版的新书《1873》（1873）中的核心人物。艾哈迈德（Ahamed）毫不避讳地将铁路建设热潮的崩溃与当前的人工智能（AI）热潮联系起来。这本书的第一页，甚至在第 1 页之前，就在讨论如何换算金额，并以如下文字作结：
要理解与整个国家经济状况有关的金额的真正意义——例如，普法战争（Franco-Prussian war）后强加给法国的赔款规模——最有效的办法，不是简单地考虑生活成本的变化，而是根据经济体规模的变化进行调整。要将这些数字换算成可比的 2026 年金额，应乘以 1,200。因此，19 世纪 70 年代初繁荣时期每年投入美国铁路债券的 5 亿美元，按今天的价值计算相当于 6,000 亿美元，大致相当于预计主要科技公司将在 2026 年投资的金额。
微软（Microsoft）首席执行官萨蒂亚·纳德拉（Satya Nadella）当然了解这种联系：他在公司最近的财报电话会上称《1873》（1873）是「必读之书」。那么，或许微软是所有超大规模云服务商中唯一仍拥有可观自由现金流的公司，也就不是巧合了——该公司上季度的自由现金流为 196 亿美元。微软是唯一仍遵循那条用来否认泡沫存在的准则的超大规模云服务商：其资本支出（CapEx）并非由债务融资。
不管你信不信，就在一年前，这种说法几乎可以为整个大型科技行业辩护。随后，在 9 月至 11 月期间，甲骨文（Oracle）、Meta、Alphabet 和亚马逊（Amazon）合计发行了 800 亿美元债券，用于基础设施建设。但那只是开始：这四家公司在 2025 年全年合计融资 1,080 亿美元，而截至 7 月 7 日，今年已经融资 1,940 亿美元。利差上升并不令人意外，今年发行的债券中，有 86% 的交易收益率已经高于发行时的水平。近期发行债券的认购覆盖率已从 2 月的 5 倍降至不足 2 倍。
然而，真正的震动发生在 6 月初。谷歌（Google）宣布将通过股权融资筹集 850 亿美元，其中包括专门向上述伯克希尔·哈撒韦发行的 100 亿美元。我当时在《谷歌资本公司》（The Google Capital Company）一文中写道：
值得注意的是，对这两家公司而言，100 亿美元都是相对较小的金额。因此，这笔交易的主要作用或许是传递信号。对谷歌而言，这一信号意味着，市场预期的需求实际上远远超出人们的想象；同时也表明，公司已经准备好并愿意动用一切可用手段为供给提供资金，其中包括股权融资。对谷歌来说，伯克希尔·哈撒韦的投资既是对这一判断的认可，也证明了这笔投资决策是明智的。反过来说，如果这一信号是准确的，那么伯克希尔·哈撒韦就获得了一笔划算的交易，并将其现金流引擎投入建设未来。
我的结论是：
这一分析隐含了一个前提：世界上有足够多、可以买到的算力。但如果有一天算力不够了，会发生什么？如果最终的较量——决定谁能获得算力的较量——变成一场比拼，看谁能拿出最多现金？如果这种优势还会不断累积，最终让现金实力最强的公司拥有最多算力，并利用这些算力创造更多现金（我们已经知道，它们除了自用，也会出售算力），那又会怎样？在这样的世界里，你最看好哪家公司？
答案显然是谷歌。
DeepMind 的风波
就前沿竞争而言，现在没人会押注谷歌。深度思维（DeepMind）首席执行官德米斯·哈萨比斯（Demis Hassabis）离任后，虽然他在名义上升任董事长，但已不再负责日常运营；Gemini 联席负责人、前首席科学家杰夫·迪恩（Jeff Dean）也已离职，此外还有许多知名研究人员离开。SemiAnalysis 因此宣称，Gemini 已经「凉了」：
无论从哪个角度看，我们都认为 DeepMind 已不再是一家前沿实验室。几个月前，我们就曾向 Tokenomics 的客户表达过这一看法，原因是他们的强化学习团队有大量人员离职，而且算力分配不佳。谷歌会继续摸索并发布模型，但他们再次达到业界最高水平（SOTA）的概率已经降为零。此外，今天消息的最大受益者既不是 Anthropic，也不是 OpenAI，而是谷歌云（Google Cloud）。过去，Gemini 和 GCP 还在为算力分配苦苦争夺；现在已经很明显，胜出的是托马斯·库里安（Thomas Kurian）。我们预计，GCP 的营收增速将因此明显加快。
文章后文写道：
到目前为止，我们显然一直不看好 DeepMind。如果必须尽可能为它未来仍能训练出真正达到业界最高水平的模型这一观点提出最有力的辩护，理由大概会是这样：目前的架构显然没有奏效。在现有领导团队的带领下，他们追赶 Anthropic 和 OpenAI 的概率极低。如今他们已经彻底清理了原有团队，新人可以从一张白纸开始。也许他们甚至会收购一家新型实验室，或通过收购团队的方式吸纳 SSI、Thinking Machines 这样的公司。换了这支新团队后，他们追赶前沿水平的概率反而会上升。也许确实存在这种可能，但我们认为概率基本为零。谷歌的问题不在于杰夫·迪恩或诺姆·沙泽尔（Noam Shazeer），而在于其极度官僚、迟缓得令人痛苦、在战略上过于胆怯的企业文化。别忘了，DeepMind 早在 ChatGPT 发布前一年就拥有一款人工智能聊天机器人，却因为担心冲击核心业务而不获准发布。
事实上，也可以说问题同样出在德米斯·哈萨比斯和 DeepMind 身上。我在谷歌 I/O 大会后的更新文章中解释过，哈萨比斯（Hassabis）对前沿领域的愿景，与其他前沿实验室存在根本差异。因为他相信的是世界模型，而不只是文本和代码，并得出结论：
从哈萨比斯的设想出发，最终形成的是具备多模态能力的模型——这与只能输出文本的 Claude 不同——但必须承认，它们的编程能力远没有那么出色。这正说明了我花费篇幅讨论这些内容的原因：我认为，谷歌之所以被普遍认为在编程能力上落后于 Anthropic 和 OpenAI，尤其是在长期运行的智能体工作流方面落后，而这类工作流对配套框架的依赖程度并不亚于对模型本身的依赖，原因可能仅仅是他们的研究团队有其他优先事项。因此，这次主题演讲中的编程部分由 Antigravity 团队负责，而不是 DeepMind；这也解释了为什么哈萨比斯几乎没有登台。
从这个角度看，上周发生的事情就没那么令人意外了，甚至可以说早在 I/O 大会上就已有预兆：哈萨比斯关于世界模型是通往通用人工智能（AGI）之路的判断可能是对的，但谷歌已经没有耐心继续让他验证这一点。据报道，谷歌联合创始人谢尔盖·布林（Sergey Brin）深度参与其中，并与 DeepMind 新任首席执行官科雷·卡武库奥卢（Koray Kavukcuoglu）关系密切、立场一致。如果谷歌正转向 Anthropic 那种更重视文本、因而也更重视代码的方法，我不会感到意外。
谷歌的基础设施押注
谷歌的处境之所以耐人寻味，是因为这些内部运作未必意味着伯克希尔·哈撒韦的投资判断错了；事实上，这可能反而是个好消息。这正是 SemiAnalysis 那篇文章试图阐明的方向，也是我上周谈到谷歌近期财报时提出的一点：
整体情况似乎与上季度非常相似，只是谷歌云的增长更快了：同比增长 82%，高于上季度的 63%和一年前的 32%；利润率为 36%，高于上季度的 33%和一年前的 21%。我当时想知道，这些增长中有多少实际上来自 Anthropic。虽然本季度我们仍没有得到明确确认，但在财报电话会上，首席执行官桑达尔·皮查伊（Sundar Pichai）回答谷歌为何需要租用第三方算力时所说的一番话值得注意：我想，关于这项过渡性协议，我主要想说的是，谷歌云有一些非常、非常大的客户。我们正努力帮助他们度过这一特殊时期。他们带来的新增机会，虽然在几个月的短期内可能会产生非常高的成本，但从整个协议的生命周期来看，随着我们增加更多算力，其投资回报率（ROI）将非常可观。因此，这些都是我们正在考虑的因素。换句话说，你是否愿意先接受一份为期六个月的协议，以便在一项可能持续多年的业务中为客户提供服务？从多年的时间跨度来看，这项业务的利润率和回报都非常、非常有吸引力。希望这些解释能让大家更了解我们是如何看待这些机会的。这个客户几乎可以确定就是 Anthropic。
再来看看 SemiAnalysis：
从 2026 年第三季度到 2027 年第四季度，超过 20% 的张量处理单元（TPU）总出货量将直接售给 Anthropic。这还不包括 Google Cloud 目前已经出租给 Anthropic 的数十万枚张量处理单元，以及未来 6 个季度中，Google Cloud 承诺再出租给 Anthropic 和 Meta 的数十万枚以上张量处理单元……如果你听过谷歌云首席执行官托马斯·库里安的访谈，就会知道他并不热衷于通用人工智能。例如，他曾在一档播客节目中表示，如果张量处理单元成为支持 Citadel、美国能源部（Department of Energy）和通用高性能计算的「通用基础设施」，那将是件好事。当被问及为何要向 Anthropic 出售算力——尽管 Anthropic 与 Gemini 存在竞争——时，他说，这是谷歌成为「平台型公司」的自然结果。
库里安（Kurian）在接受我的 Stratechery Interview 采访时也表达了同样的观点：
我们出售的是技术栈的不同部分。人们没有意识到的一点是，我们通过不同方式，将技术栈的许多部分实现商业化。和 Anthropic 一样，有很多实验室在使用我们的技术栈。事实上，大多数大型人工智能实验室都在使用我们的技术栈。因此，如果有人使用张量处理单元训练模型，或用它进行推理，我们就能将技术栈的这一部分变现，从而获得资源，为研发和其他投资提供资金。一些实验室使用我们的张量处理单元和 Gemini 模型，另一些则可能使用我们的张量处理单元，然后购买我们的网络安全防护服务来保护它们的模型。作为平台型企业，我们必须允许技术以尽可能多的方式实现商业化，我们并不认为这是一场零和博弈。
我们将看看算力到底有多像零和资源——有报道称，谷歌的研究人员一直得不到充足的算力——但总体而言，关键结论是：无论谷歌是否在争夺前沿能力，它都在全力争夺人工智能基础设施的主导地位。而在智能成为一种商品的世界里，张量处理单元尤其重要。
上个月，我在《谁害怕中国模型？》（Who’s Afraid of Chinese Models?）一文中，曾在前沿实验室与其他所有参与者的语境下讨论商品市场。在商品市场中，边际成本不仅决定盈利能力，也决定企业能否生存。我当时提出，前沿实验室很有可能针对每一个既定的智能单位，拥有更优的成本结构。
至少目前来看，这种成本结构包括算力租赁成本。而且，张量处理单元似乎比英伟达（Nvidia）图形处理器（GPU）更便宜。Anthropic 之所以可能围绕张量处理单元以及亚马逊的 Trainium 芯片进行构建，或许是因为只有谷歌和亚马逊有能力为这些芯片提供资金支持。但在当前阶段，这种能力很可能已经成为一项重大优势。Anthropic 直接为自己的数据中心购买张量处理单元，将算力成本从边际成本转化为资本成本，这一事实表明情况确实如此。
值得注意的是，谷歌非常愿意进行共享，甚至不惜承担发行股票的代价。不过，这与我在《谷歌资本公司》一文中介绍的伯克希尔·哈撒韦模式是一致的：
伯克希尔·哈撒韦利用喜诗糖果（See’s Candies）利润投资的企业中，有一家在资本使用效率方面恰好处于另一端，那就是BNSF 铁路。铁路运营需要大量资本。BNSF 铁路去年投入了 38 亿美元，但也赚取了丰厚利润：营收 234 亿美元，净利润 55 亿美元。作为对比，伯克希尔·哈撒韦从喜诗糖果累计获得的利润，可能还不到 30 亿美元（2019 年最后一次披露时为「超过 20 亿美元」）。换句话说，还不到BNSF 铁路去年赚取的利润……事实上，你完全可以说，阿贝尔（Abel）只是在重演巴菲特（Buffett）的策略。只不过这一次，伯克希尔·哈撒韦是喜诗糖果，而谷歌是BNSF 铁路。截至上季度末，伯克希尔·哈撒韦持有 3,730 亿美元现金，并在 2025 年创造了 250 亿美元自由现金流。实际上，有多少家公司能以高回报率的方式运用这笔现金？很难想象还有比谷歌更好的选择。这家公司不仅在投资人工智能，还拥有多种潜在发展路径：其谷歌服务（Google Services）业务会从这项投资中受益；在模型层面，它凭借 Gemini 参与竞争；同时，它还可以向前沿人工智能实验室出售算力。此外，这些算力还具备可持续的成本优势，因为使用了张量处理单元。这意味着，即使未来算力变成一种大宗商品——尽管现在很难想象这一点——谷歌也将是最有希望实现最高利润的超大规模云服务商。
请注意，我说的不是利润率。如果利润率是谷歌关注的重点，它几乎肯定会采取不同的选择。但利润是一个绝对数值。谷歌正在动用一切资源——先是现金流，然后是债务，现在又加上股权——从基础设施建设中获利。
英伟达可投资资产类别
如今，企业高管和金融工程师不需要控制报纸。得益于他新开设的 X 账户，英伟达首席执行官黄仁勋（Jensen Huang）可以直接面向公众。以下内容来自他昨晚发布在 X 上的一篇文章：
英伟达人工智能工厂算力正成为可投资资产类别
今天，我们宣布与阿波罗（Apollo）、贝莱德（BlackRock）、黑石（Blackstone）、布鲁克菲尔德（Brookfield）、高盛（Goldman Sachs）和科尔伯格·克拉维斯·罗伯茨（KKR）建立合作关系，设立独立融资平台。随着时间推移，这些平台将动员超过 5,000 亿美元的第三方资本，用于支持人工智能基础设施建设。这是英伟达和人工智能行业的重要里程碑。过去，企业需要逐个项目购买芯片、建设数据中心；如今，人工智能工厂可以作为生产性基础设施获得融资。它们拥有可复制的融资平台、期限较长的机构资本，以及多元化的客户群。这些客户利用算力创造收入。人工智能已经到达一个转折点。它正从研究走向生产。人工智能正在创造真正的价值，而支撑它的基础设施也正成为全球生产效率最高的资产之一。在人工智能领域，算力就是收入。
黄仁勋（Huang）认为，基于英伟达的人工智能工厂具有可替代性，能够保护剩余价值；而且，CUDA 会让人工智能工厂随着时间推移变得更好，从而延长其经济价值。黄仁勋表示：
这些正是可投资基础设施资产的特征：能够产生收入，服务广泛市场，性能会随着时间推移不断提升，而且可以重新部署。
因此，人们试图将一种新的投资结构正式化：
人工智能基础设施的需求极其旺盛，但资本获取并不均衡。许多优秀的人工智能公司、企业和人工智能云服务商都有计算需求，却还无法以建设所需的规模或成本获得融资，因此无法快速完成建设。这就是我们与全球领先的长期资本提供方合作的原因。阿波罗、贝莱德、黑石、布鲁克菲尔德、高盛和 KKR 也都是全球领先的基础设施投资者，在评估这类寿命长、能够持续产出的资产方面拥有深厚经验。我们将共同创建可重复运作的融资平台，帮助人工智能生态系统建设所需的工厂。
阿波罗等机构所代表的，是投资级债务市场之外的新资本来源。从这个角度看，这一拟议结构有些类似于谷歌的股权发行：都是在债券之外筹集资金的方式。不过，两者存在明显差异：股权融资会稀释投资者的上行收益，却不会增加公司的风险；而这一结构则通过寻找愿意承担风险的新资本池，保护英伟达的利润率。
英伟达也不是完全不费代价就能获得融资。该公司将以最高相当于剩余价值 25% 的融资规模为相关机会提供兜底。这表明，黄仁勋对其「可投资资产类别」的说法，比市场更加相信。从某种意义上说，这相当于降价。其目标是降低使用英伟达芯片建设数据中心的实体的资本成本，代价是英伟达要为这些不确定的投资押上自己的利润。这项担保也受到谷歌的激进策略，以及亚马逊即将采取的类似策略影响：如果可以买到 TPU 或 Trainium，为什么还要用英伟达芯片建设数据中心？英伟达芯片很可能更好，但如果新建数据中心面临的约束是资本，那么较低的前期价格可能比词元效率更重要。
英伟达面临的更大问题，早已显而易见。我在 2024 年写道：
在 ChatGPT 发布之前的时代，英伟达一直在围绕其 GPU 构筑相当牢固的免费软件护城河。问题在于，当时并不完全清楚，究竟会有谁使用全部这些软件。如今，这些 GPU 的使用场景已经非常明确，而且这些使用场景所处的层级远高于 CUDA 框架，也就是建立在模型之上。再加上寻找英伟达替代方案的巨大动力，这意味着，无论是摆脱 CUDA 的压力还是可能性，都比以往任何时候都更高。对于较低层级的工作来说，尤其是训练工作，摆脱 CUDA 仍然任重道远，但趋势已经如此。
如今，随着 Anthropic 和 OpenAI 似乎正在拉开差距，情况变得更加棘手：Anthropic 多年来一直没有依赖 CUDA，而 OpenAI 至少在推理方面也正朝这个方向发展。如果这些公司取胜，英伟达的利润将受到挤压——事实上，这个后盾所传达的含义是，利润已经在受到挤压（不用说，这正是黄仁勋第一篇文章以公开信形式、为开放模型辩护的原因）。
高风险生意
这最终可能不会让英伟达付出任何代价：如果人工智能业务的收入真的大幅增长，债务市场就会重新开放，企业最终也会恢复通过自由现金流为基础设施投资提供资金。但眼下正处于危险阶段：超大规模云服务商正在迅速耗尽债务市场的融资空间，至少谷歌已经开始寻求股权融资。英伟达如果通过新的融资机制展开竞争，而这些机制归根结底依赖保险浮存金、养老金以及其他长期负债——这些正是该公司合作的资产管理机构赖以生存的核心资源——那么其中的风险就会大得多。与股权不同，这些风险并没有被明确标示出来。
这就是我为什么要从 1870 年和库克与北太平洋铁路签订的那份不幸协议讲起。没错，这笔交易为库克带来的上行空间令人难以置信。但它之所以如此诱人，是有原因的：风险极高，而开创全新的融资机制，只是在灾难发生时把损失扩散出去。花光全部自由现金流是一回事，进入债务市场融资又是另一回事。除此之外，把追求安全的资产调动起来，更是一件全新而令人心惊的事。人工智能最好能在一切为时已晚之前交出成果。