未来几年，全球绝大部分有效算力将集中在 Anthropic 和 OpenAI 手中。这是因为它们拥有更强的算力货币化能力，可以支付比任何人都高的价格来获取稀缺资源。这种对算力的巨大投资（预计到本世纪末将超过 10 万亿美元）可能会引发主权债务危机，因为AI相关的巨额融资将推高全球利率，导致非AI国家破产。最终，技术和经济的合力正将整个行业推向一个高度集中的未来。
算力向头部集中
目前，人工智能领域的算力正以前所未有的速度向少数几家头部实验室集中。这种趋势不仅没有减缓，反而正在加速。
- 今年现状：新增算力中约有三分之一流向了 OpenAI 和 Anthropic。
- 明年预测：这一比例将上升至 40% 到 50%。
- 长期趋势：由于新一代芯片（如 GB300、TPUv7）的能效比大幅提升（3-5倍），这意味着新增的算力比存量算力更具价值。
到 2028 年底，如果这种趋势持续下去，这两家公司将控制全球绝大部分可用的有效算力 (usable FLOPs)。
这种集中化的部分原因是，像 SpaceX 这样的新算力建设者，也倾向于将资源租赁给出价最高的客户，而目前只有 Anthropic 和 OpenAI 具备这种支付能力。
算力经济学：谁能出价最高？
Anthropic 和 OpenAI 能够主导算力市场，核心在于它们卓越的算力货币化能力。它们已经找到了将高昂的算力成本转化为更高收入的商业模式。
- 成本与收益：目前，基础算力成本约为每兆瓦 1000-1500 万美元。然而，Anthropic 的收入最高可达每兆瓦 5000 万美元。
- 利润再投资：这种巨大的利润空间使它们能够形成一个正向循环。
“嘿，如果我花 10 块钱在推理能力上，我实际上能产生 50 块钱的收入，然后我就可以把所有的利润都转而投入到训练中去。”
因为任何人都能在 10-1500 万美元/兆瓦的成本下盈利，为了获得更多算力，头部实验室必须出更高的价钱。这导致算力价格开始上涨，未来可能会达到每兆瓦 2500 万甚至 4000 万美元。
战略转变：从推理转向研发
一个与直觉相反的观点是，随着时间的推移，这些实验室可能会将越来越少的算力分配给直接产生收入的“推理”服务。
- 优先事项：构建通用人工智能 (AGI) 的长期价值被认为远超短期利润。因此，内部研发和模型训练的优先级高于对外服务。
- 增长逻辑：推理业务产生的巨额现金流，其主要目的变成了为更大规模的训练集群提供资金。
“你是否还要将 40% 的算力分配给推理，产生所有这些利润，然后进行分红和股票回购？还是去构建 AGI？我认为 Anthropic 和 OpenAI 的答案很明显，就是去构建 AGI，因为那更有利可图。”
事实上，当实验室获得新的算力时，更高比例的资源被投入到研发而非推理，这已经成为一个明显的趋势。
AI 引发的全球金融风险
支撑这场算力竞赛所需的天量资本（预计从 2024 年到 2029 年将达到 11 万亿美元）可能会对全球金融体系产生深远影响。
由于企业自身的现金流不足以支持如此巨大的资本支出，大部分资金需要通过发行债务来筹集。
- 推高利率：为了吸引资金，科技巨头（如亚马逊、Meta）和AI实验室将不得不提供更高的利率（例如从 5-6% 上升到 8%）。
- 挤出效应：这将导致全球信贷成本上升，对依赖债务的其他行业（如消费品、电信）和国家造成“挤出效应”。
- 主权债务危机：对于那些债务高企、税收基础薄弱且需要频繁借新还旧的国家（如巴基斯坦、尼日利亚），利率上升可能使其陷入违约。
- 冲击非AI资产：利率上升意味着更高的折现率，这将导致那些稳定但增长缓慢的非AI股票（如传统蓝筹股）的估值大幅下跌。
无法逆转的趋势？
多种因素共同作用，使得AI领域的资源和权力高度集中似乎难以避免。
- 训练的规模经济：开发一个模型的巨大投入可以摊销到全球数十亿的用户和应用上。
- 算力稀缺的溢价：在算力短缺的情况下，领先者能更有效地利用这一稀缺资源，从而获得不成比例的优势。
- 从部署中学习：模型部署越广泛，获得的真实世界数据就越多，从而形成数据飞轮。
- 递归式自我改进 (RSI)：最好的AI模型可以帮助开发下一个更好的模型，加速领先者的迭代速度。
除非AI进展放缓，或者政府采取强力干预措施，否则所有力量似乎都在将世界推向一个由少数几家公司主导的未来。即使 AI 带来的巨大价值大部分被终端用户获取，但算力的控制权正不可逆转地走向集中。