SemiAnalysis创始人播客分享--英伟达、华为、AIDC的谣言

最近听了 SemiAnalysis 创始人 Dylan Patel 最近的一期播客，信息量非常大。从英伟达收购 Groq，到中国半导体产业的疯狂内卷，再到那些关于“AI 耗尽水资源”的谣言，这个文章我们就来整理一下他的观点。

英伟达的焦虑：从“一芯通吃”到多元化布局

不久前，英伟达还在说“一块 GPU 就能搞定所有 AI 任务”，结果现在转头就收购了 Groq。这背后藏着老黄的深层焦虑。

Dylan 提到一个很关键的观点：现在 AI 模型的工作负载已经大到可以容纳专用芯片了。Groq 这种芯片在通用任务上不行，训练不了，跑大模型也不够经济，但它有一个绝活——推理速度快到飞起。这就是典型的“专用芯片打败通用芯片”的场景。

未来 AI 模型可能不再是单线程思考，而是同时开启 100 个并行的思维流。Google 和 OpenAI 的一些 Pro 模型已经在这么干了——模型不是只有一条推理链，而是同时跑多条，然后选出最佳答案。这种场景下，你需要的不是“极致的快”，而是“足够宽的并行处理能力”。

所以英伟达现在的策略很明确：既要保住通用 GPU 的基本盘，又要通过收购 Groq、开发 CPX 芯片等方式，覆盖各种可能的应用场景。老黄深知，如果只守着一条产品线，迟早会被专用芯片在某些细分市场上打穿。

CUDA 护城河还在吗？

很多人觉得 CUDA 是英伟达的终极护城河。但 Dylan 的观点可能会颠覆很多人的认知：大部分 AI 芯片的使用者，根本不会去写代码。

他们会怎么做？下载一个开源推理引擎（比如 vLLM 或 SGLang），下载一个开源模型，然后直接运行。就这么简单。现在 vLLM 已经把 AMD GPU 当成一等公民来支持了，TPU 和 Tranium 的支持也在路上。

真正的 CUDA 护城河不是 CUDA 语言本身（其实没几个人直接写 CUDA），而是那些让 AI 应用更便宜、更快的软件优化。比如英伟达在搞的 KV cache 管理系统，可以把上下文缓存存到 SSD 上，需要的时候再调出来，这能大幅降低推理成本。

Dylan 举了个例子：像 Claude Code 或 Cursor 这种代码助手，它们的成本大头不是生成代码（decode），而是反复加载代码仓库的上下文（prefill）。如果能把这些上下文缓存起来复用，成本能降一大截。这种软件层面的优化，才是新的护城河。

中国：全民“半导体狂热”是什么体验？

Dylan 描述的中国半导体产业现状，他用了一个词：“semiconductor pilled”（半导体狂热），说整个中国社会都被半导体文化浸透了。

什么程度呢？中国有言情剧的背景设定是男女主角在晶圆厂谈恋爱，或者两个人都是光伏研究员。Dylan 说他看了 10 分钟美国的 Love Island（恋爱岛），觉得“我们完蛋了”(we are so cooked)。中国的年轻人觉得半导体工程师很酷，而美国的年轻人在看网红真人秀。

（这一段我感觉其实有点扯，我之前关注的那个电视剧应该是被喷的下线了，而且全球的年轻人都喜欢看网红的娱乐节目）

更夸张的是地方政府的推动力度。虽然有国家层面的政策，但很多时候是各省各市自己在疯狂补贴、建产业园、出台采购政策。有些地方政府直接规定：你要在这做生意，就必须用国产芯片。这不是中央下的命令，是地方自己卷起来的。

Dylan 提到一个细节：中国有些城市专门生产某一种产品，比如灯罩、吉他、相机支架。你去那个城市，整条供应链都在那儿，连相机支架里的滚珠轴承都有好几家厂商在做。这种产业集群的形成方式很有意思——不一定是规划出来的，可能就是某个人带头做了，然后大家一窝蜂跟上。

半导体产业也在走这条路。虽然中国在光刻机、高端化学品、精密工具上还落后，但如果把时间再推 10 年甚至 20 年，中国可能是全球唯一能建立完整垂直供应链的国家。台积电没有日本的化学品就得停工，英特尔也一样，但中国的晶圆厂理论上可以用国产替代品勉强运转下去。

华为

xx在国内的是不让讨论的敏感话题，我们只简单说下Dylan的基本观点。

他认为华为是全球垂直整合程度最高的公司，没有之一。这种垂直整合能力会带来巨大的创新优势。

那些关于 AI 的谣言：耗水？毁电网？

播客里 Dylan 专门花时间怼了两个流行的说法。

关于耗水：有人说 AI 数据中心会耗尽水资源。Dylan 的回应简单粗暴：扯淡。

他们做了个对比：马斯克的 Colossus 数据中心（全球最大 AI 集群之一），全年耗水量相当于 2.5 家 In-N-Out 汉堡店。你没看错，就是两家半汉堡店。

为什么？因为养牛需要大量饲料（玉米、大豆、苜蓿），这些作物的灌溉才是耗水大户。一个普通用户一年的 AI 查询耗水量，大概等于一个汉堡。

数据中心确实用水冷却，但大部分是闭环系统，蒸发掉的那点水换来的是更低的能耗，反而对环境更友好。Meta 在路易斯安那州建数据中心被抗议，当地人说水变脏了，其实罪魁祸首是页岩气开采（fracking），跟数据中心没半毛钱关系。

关于电网：AI 会不会搞垮美国电网？Dylan 说，问题不是电网承受不了，而是美国 50 年没好好建过新电厂了。

现在数据中心用电量要从占全美 2% 涨到 10%，这确实是巨大变化。但解决方案很明确：天然气发电。太阳能和风能太不稳定，核电建设周期太长（连中国都要 5 年），煤炭太脏，只有天然气能快速上马。

有意思的是，很多数据中心现在直接在厂区建燃气电站，不接入电网。马斯克的 Colossus 就是这么干的，现在大家都在学。Dylan 还提到他们有客户买了个煤电厂重启，现在赚翻了，因为有云厂商要包下整个电厂的产能。

这是泡沫吗？

最后聊聊大家关心的问题：AI 基础设施投资是不是泡沫？

Dylan 的观点很清晰：关键看模型进步能不能持续。

他举了个例子：假设你花 500 亿美元建了一个数据中心，使用寿命 5 年，相当于每年 100 亿成本。前两年没收入（都在搞研发和获客），但第三到第五年如果能保持 50% 毛利率，每年赚 200 亿，三年就是 600 亿。投入 500 亿赚回 600 亿，虽然回报率不算高，但也不算泡沫。

现在的情况就是这样：大家在疯狂砸钱建基础设施，短期看不到回报，但如果 AI 模型持续进步，这些投资几年后就能回本。Dylan 认为今年年底整个 AI 行业的 ARR（年化收入）能到 1000 亿美元——OpenAI 450 亿，Anthropic 350 亿，再加上 Google、微软、亚马逊的 API 收入。

至于那些“循环融资”的担忧（英伟达投资 CoreWeave, CoreWeave 买英伟达芯片，OpenAI 从 Oracle 租算力，Oracle 又投资 OpenAI）, Dylan 觉得完全是杞人忧天。这不过是正常的商业担保和股权投资，哪有什么脆弱性？

Claude Code 正在改变一切

播客最后，Dylan 分享了个亲身经历。他用 Claude Code 做财务分析，几个小时就完成了以前需要专业程序员才能干的活——抓数据、建模型、生成报告，全自动化了。

他的结论很直接：初级分析师这个岗位要消失了。企业为什么还要招 L4 工程师？AI 就能干这些活，而且更快更便宜。

这才是 AI 真正可怕的地方。不是什么“通用人工智能”，而是它已经开始取代那些需要 3-5 年经验才能胜任的知识工作。

知识星球

关注星球，带大家发现新的产业增长点。

星球最近对每天的早报(周内早上9点前更新)做了一个很大的更新，之前的早报主要以头一天海外媒体的新闻总结为主，内容都不是很长。

最近我们对早报做了很大的升级，除了路透、彭博、FT、Information这些新闻的内容总结，还有汇总了国内外分析师的观点，覆盖的产业包括：Memory、智驾/Physical AI、机器人、AI算力、AI电力、光、PCB、液冷、AI应用，内容比较全，都是最新的分析师观点和新闻，欢迎大家进星球查看。