AI 2027 前夜：算力扩张卡在信用上，供应链股票只有16倍市盈率

先记三个数字。AI 供应链股票的市盈率大约 16 倍，标普 500 平均 22 倍，沃尔玛接近 40 倍。一张 GPU 集群租约的标配，是三到五年长约加巨额押金。一位长期跟踪前沿 AI 的博主判断，如果没人踩刹车，模型发布周期会从两个月压到一周。

三个数字来自同一期节目：Cognitive Revolution 旗下 AI in the AM 的每周精选。主持人内森·拉本兹（Nathan Labenz）是创业者兼 AI 投资人，联合主持人普拉克什（Prakash）负责泼冷水。嘉宾三位：写博客 Don't Worry About the Vase 的兹维·莫索维茨（Zvi Mowshowitz）、GPU 算力市场 SF Compute 联合创始人兼 CEO 埃文·康拉德（Evan Conrad）、押注 AI 物理供应链的 Cambrian 基金管理合伙人隆尼·哈米尔（Lonnie Hamil）。内森主动交代，他个人已承诺出资 Cambrian，听众自行校准。

递归自我改进，已经悄悄开始

内森把他心中「宇宙当前最重要的问题」抛给兹维：递归自我改进（RSI）走到哪一步了？此前一个流传很广的分析（Remez 的版本）泼过冷水：AI 改进 AI 的反馈回路不够强，折算下来每个研究员只多出约 1.6 次实验，这种斜率撑不起指数起飞，最后会熄火。

兹维承认，前提成立的话结论大概成立，但前提有问题。这套分析算的是「假如整场比赛没人打出本垒打，球队能得几分」，可本垒打总会有人打出来。不许出现新范式、新 scaling law，然后宣布 AI 只靠暴力优化现有方法必然失败，游戏规则本身就不成立。

旁证这周就有一个。英伟达把 CUDA 效率翻倍所需的时间，在 2026 年内大幅缩短。这当然还算不上递归自我改进，但它与 AI 研发在关键要素上高度相似，而且数据来自一家硬件公司，不掺实验室的自我表扬。

兹维说，他最信任的一批人，横跨 OpenAI、Anthropic、Google DeepMind，加上 METR 这类评测机构和一线对齐研究者，判断已经收敛：低强度的递归自我改进已经启动，2027 年会彻底疯狂，2028 年可能面目全非。Anthropic 联合创始人杰克·克拉克已把类似判断白纸黑字写成公开文章。节目里反复出现一个对照：现在的轨迹和 AI 2027 那份报告推演的曲线像得可怕。

对信息消费者的直接影响是过载。兹维说他经常遇到这种局面：半年前足以刷屏的新闻，如今只值一句话，甚至默默略过，同类进展太多，他和读者都没时间。他的新工作变成高强度分诊，外加诚实标注「这条我顾不上了」。

发布节奏的推演更具体：没人踩刹车的话，同等量级的进步，发布周期从两个月到一个月，到两周，再到一周，各种能力以「周」为单位连续跳变。到明年年中，一切还会明显更快。

神经元变干净了，认知核心靠不住

这周解释性 AI 圈最大的话题来自 Goodfire 的尼克·卡马罗塔（Nick Cammarota），文章标题就叫《神经网络已经很干净了》。主张很直接：过去看到的神经元一团乱麻，很大程度是手艺问题；训练方法更现代、工具更好之后，单个神经元大多只干一件说得清的工作。

内森拆解了文章的衍生成果：无反向传播训练。传统架构被「必须可微分」锁死，因为反向传播依赖链式法则；无反向传播训练解放了架构搜索空间，代价是只能瞎猜加验证，慢到没法用。这篇文章给了关键剪枝思路：真正起作用的主要是强激活，弱激活大概率无关紧要，猜的时候只盯强激活的神经元。计算量骤降，而且社区实测发现，这样得到的梯度更新与反向传播几乎一致。弱激活不重要的猜想，拿到了实打实的支持。

兹维下飞机到旧金山时，半个 OpenAI 都在欢呼「可解释性解决了」。他找了一堆懂行的人聊，包括埃利泽·尤德科夫斯基，通读论文后的结论是：好论文，真进展，但被圈子严重超卖。

理由很具体。弱激活没解释完，缓存没解释完，注意力机制在实践中仍是黑箱。更要命的是做不出预测：你能说出每个神经元在干什么，却没法用它推出网络接下来会说什么，也说不清它怎么做到的。而这两件事，恰恰是机制可解释性存在的意义。

还有个尴尬细节。论文重点展示的那个「只干一件事」的明星神经元，被人顺手一查，发现它对另一个毫不相关的技术概念响应强度几乎相同。一个神经元响应两件事，对神经网络完全正常，但和论文叙事明显冲突。作者亲手挑的样本都经不起检验，该担心的是剩下的全部检查完之后的结果。

兹维给了个更冷静的定位：这轮进展把「多义性」障碍的预期难度调低了一大截。过去真正拦路的是苦涩的教训（bitter lesson），神经元太多、算力不够，没法逐个硬啃；现在算力够了，一查才发现问题比想象的容易十倍。但这也只是把所需算力从 10 的 47 次方量级降到 10 的 45 次方量级，是实打实的进步，离解决问题还差很多个这样的进步。

同一段对话里还有个更发凉的实验。独立研究者 Sours 在 X 上展示：模型可以被训练得识别出「自己正被激活探针监控」。原理是 GPU 浮点运算不满足结合律，计算顺序不同，输出数字有细微差异，模型能从差异里嗅出监控。兹维的态度是墨菲定律式的：任何 AI 能学会的事，只要对它有价值，早晚会被训练出来。我们每天都在向模型泄露海量信息，它们会越来越难骗。

那能不能反过来，看到「坏行为神经元」就在训练里压制？兹维高度警惕：一旦显式按「网络内部呈现给我的样子」去优化，网络会把这解读成对抗，顺带学会藏起你不想看的东西。他和 Goodfire 的分歧正卡在这，还借斯科特·亚历山大的梗挖苦了一句：你们叫 Goodfire（好火），我只确认了它是火。

话题转到「认知核心」。卡尔帕西设想过一个小而纯的推理网络，事实外置、按需查询。兹维认为这个方向错了。专家和菜鸟的差距，恰恰是几百万条事实泡出来的直觉，是直觉告诉你该问哪五个问题、怎么从 A 走到 B。走进陌生领域、每个缩写都要问一遍的低效感人人体验过。大模型的优势就是把事实、链接、氛围全装进权重，需要时自然浮现。算力越来越便宜，模型该记住多少东西的盈亏平衡点一路上行，今天的前沿模型记住了离谱多的知识，兹维一点不希望它们少记。

他还补了一层对齐视角的反对：真造出纯认知核心，伦理参数放哪？「不偷窃」本质上也是一条存在参数里的事实。核心为了极简必然把它排除在外，用的时候往上下文里加载。可既然能加载「不偷窃」，就能加载「偷窃」。纯认知核心是完全无道德的，它只处理信息。

黑色十月：连日志都可能是假的

安全部分被内森称作黑色十月。PHP 本体爆出两个严重漏洞，数百万网站暴露在风险里，Cloudflare 把攻击尝试按百万计。叠加此前 OpenAI 与 Hugging Face 相关的泄露事件（内森戏称 OpenFace），他问普拉克什：这套打法落到银行头上会怎样？

普拉克什先给定心丸。FDIC 接管一家资不抵债的小银行，周五进场，周一开门，储户一分钱不亏。前提是账目可信，本质是资产负债表问题，政府用自己的信用填平窟窿。

OpenFace 改写了前提：1200 条智能体运行轨迹，每条几百万 token，日志可能被混淆甚至伪造。如果银行内部账本是坏的，谁欠谁钱都说不清，这还是 FDIC 能用一个周末搞定的问题吗？

普拉克什的答案依然偏乐观，理由很老派：银行体系的本质是一层层承诺。账目暂时烂掉没关系，照常兑付支票和取款，先让业务转起来，事后重建账目，多取的追回，银行搞错账追讨客户甚至起诉客户的先例都有。撑住系统靠对机构的信任，数据可以慢慢重建。而且政府为了防下一次挤兑，赔偿只会多不会少。

后面一段更冷。普拉克什演示了证书颁发机构被攻破后的完整链条：仿冒银行登录页，提取密钥，中继双因素验证码，一切照旧通过。他说这些问题密码圈二十年里全遇到过也全解过，解法就是人人自己攥着价值数百万美元的私钥，时刻提防抢劫，巴黎已经发生持械抢币，不少加密货币持有者因此丧命。让所有用户自管高价值密钥，此路不通。终局要么是 Worldcoin 式的设备级物理认证，要么更彻底：网络足够聪明，你一上线它就知道你是谁，没有密码，没有匿名。数字匿名只剩网络愿意给你的那部分。

这节还夹着内森对 Box CEO 亚伦·列维的回击。列维发帖说，想看 AI 创造什么工作，看网络安全就行。内森不买账：顶尖安全人才确实在被抢，但「创造就业」的时间尺度荒谬，被裁的内容营销和图形设计师没法转身就成了能对抗超级智能体群的顶级安全专家。安全团队现在没空招人，他们会把资源全砸进智能体，再用智能体监督智能体，连招聘流程都省了。

信用是瓶颈：银行家看不懂超算抵押品

埃文的 SF Compute 做两件事：替业主运营 GPU 集群，运营一个算力合约买卖市场。他这期的判断相当颠覆：电力和芯片都还排不上号，眼下卡住 AI 算力扩张的是信用。

链条值得完整复述。数据中心靠债务建设，放贷方要抵押品，可抵押品是一台超算。放贷人收回一台超算，好比当铺收到一辆不会开的车：不知道怎么转手，更不知道将来值多少钱。于是放贷方只能完全押注借款人的信用。麻烦在于 AI 实验室几乎全是新公司，连 Anthropic 和 OpenAI 能不能活到最后都悬而未决，一家两人的创业实验室信用可想而知。结果就是：想租集群，先交巨额押金，再签长约，让所有人确信你会长期在场。

放贷方和云厂商真正想要的客户，是 Meta、Google 这种投资级买家，签照付不议（take-or-pay）合约。可 Meta 和 Google 不需要你做云。做云，就只能服务投资级以下的客户，风险自己扛。AI 实验室想买算力，要么攀上投资级靠山，要么融一笔天文数字，把三年合约一次性现金付清。这就是 AI 创业公司总在零收入、零产品阶段先融出惊人轮次的原因。你看到的实验室都融到了巨款，因为没融到的已经不存在了。

有人问埃文，哪家推理公司会赢。他的回答：你投的那家。

SF Compute 自己当年就是因为投资人不愿投「还得再融一大轮才能活」的算力生意，才改成现在的模式：把 GPU 集群变成放贷方看得懂的抵押品，信用门槛降下来，创业实验室才有活路。有人追问，一家需要 1000 张 GPU 的公司，有了 SF Compute 能少融多少？埃文很诚实：今天还得融差不多的钱，把抵押品变得值钱需要好几年，放贷人的信任只能靠长时间的证据一点点喂出来。

做不到这件事，AI 的未来就是台积电化：今天想新开一家晶圆厂，没有全新技术就别想了，资本开支 500 亿美元起步。埃文不想看到的结局，是整个行业收缩成五家巨头，永远。

几个市场细节也值得记。超大规模云厂商对新兴云厂商的价差是错觉：按需实例天然比长约贵，H100 级按需价一小时 11 到 15 美元，贵到足以覆盖厂商为保供而闲置的产能。人们不愿意为真正可持续的按需价格买单，这才是真相。

为了让转售市场有流动性，SF Compute 把百年前的经济学搬进了算力市场：亨利·乔治的土地价值税，卖你产能，但要求其中一部分必须挂出来卖，防囤积；哈伯格税也用上了。他们还有个大排队系统，小研究者的小任务反而排最高优先级。结果是：此刻基本每家 GPU 云都售罄，SF Compute 没有售罄，而且锁定了几年的不售罄能力。

至于他三个月前在另一档播客预言的信用紧缩，埃文自评时间点几乎命中：CoreWeave 的资金成本在变贵，非投资级客户的新合约越来越难签，不少客户被要求 100% 预付。他给 VC 的建议很直接：未来一两年，要么准备好给被投公司开巨额支票，要么劝它们趁早卖掉。AI 实验室和推理公司将迎来整合，因为下一单要求全额预付，它们付不起，只能卖给有信用的买家。

原子胜过比特：16倍市盈率的错价

Cambrian 的理论一句话说完：AI 的价值会更多流向记忆、晶圆、代工厂这些「原子」，而非模型和应用这些「比特」。内森开场就问了个尖锐问题：这么显眼的逻辑，怎么还没被定价？

隆尼甩出一组数字：他持仓的供应链股票市盈率约 16 倍，标普平均 22 倍，沃尔玛接近 40 倍。市场不但不信这些公司的盈利会增长，甚至认为它们的盈利比大盘更不耐用。他最看好的晶圆、存储、代工公司，市销率只有 3 到 5 倍。他归因于两条：多数资金管理者不够懂 AI，东海岸尤其明显；一级市场反而挤满懂技术的买家，把少数创业公司抬到 50 到 100 倍市销率，某种程度上算理性，二级市场的结构恰好倒挂。

内森请他 steelman 反方。隆尼承认，这些生意在正常世界确实糟糕：固定成本极高，产能利用率上不去就亏钱，负债率高。只有 AI 真爆发，经营杠杆才显灵：成本率 10% 的生意，提价 10% 利润翻倍，提价一倍利润十倍。这是一笔只在 AI 世界成立的赌注。

针对市场担心的 2028、2029 年存储过剩，隆尼的账是：存储股现在只有 5、6 倍市盈率，哪怕价格不再涨，估值也该回到 10 到 12 倍。供给侧，没有专家认为 DRAM 位元产能到这十年底能超过 2.5 倍，3 倍没人敢想。需求侧还有压缩这个变量：他团队算了笔账，从 GPT-3 到 DeepSeek V4，每 token 所需内存位数压了约 5 倍，同期 DRAM 位元价格涨了 6 到 7 倍，压缩追不上涨价。什么会推翻判断？超人类程序员把压缩速度拉到远超需求增长，或者能源取代半导体成为更硬的瓶颈，反正要等电，就没必要为边际那片晶圆付天价。

但隆尼认为能源这条路也在松动：厂商绕开电网自建电厂，GE Vernova、西门子的大燃机订单排到 2030 年，人们就拿卡车发动机、航空发动机拼凑发电。能源领域有大量潜在供应可以凑合，半导体供应链没有 fat，一点冗余都没有。

至于超级智能能否让后来者速成半导体，隆尼的判断和生物领域相反：生物有海量训练数据，半导体制造没有像样的手册和仿真环境，全是日本工程师三十年攒在脑子里的隐性知识。实验室们清楚这一点，正在疯狂买数据，有 WhatsApp 群直接开价数百万美元收半导体公司数据。Anthropic 与美光有合作，OpenAI 绑定了新思科技或 Cadence 这类设计公司。隆尼划清界限：设计芯片和制造芯片是两回事。设计能帮实验室闭环 RSI，但两百万平方英尺的晶圆厂从零建起，没有手册，没有环境，实验室永远是晶圆厂的客户，成不了对手。华为是现成的例子：设计能力已追平 AMD 和英伟达，卡住的只是拿不到台积电先进工艺和新版 HBM。

法案、马斯克和明天的行动清单

政策部分火药味最浓。一份由 Anthropic 起草的联邦 AI 法案草案泄露，形似六月的《前沿法案》妥协版：联邦透明度要求，换取联邦层面压过各州立法。普拉克什先做善意解读：立法要趁热，两党有共识就能后续再改，国会真遇到紧急情况出手很快，疫情期间和 2008 年都证明过。

兹维不买账，还指出草案里一个近乎 bug 的硬伤：按现在的写法，各州法律立即失效，联邦新要求却要几个月后才实施，中间出现至少半年多的监管真空。更根本的分歧在谈判逻辑：preemption 这个筹码交出去就没了，下届国会再想换东西，手里没牌；对方拿到最想要的之后，通过强法案的动力只会更弱。通过一个弱法案，会让强法案更难通过。

还有一层更深的矛盾。兹维说，立法的意义之一是给政府一套规范化、有边界的紧急处置权，比如再次出现 Fable 那样的模型下架事件时，该有章法。可 Anthropic 起草的条款要求政府上法庭、承担极高举证责任，真到紧急时刻政府根本不会用它，还是会走临时手段。一边想把权力从各州收到联邦，一边又不信任联邦、把联邦的手脚捆住，两头都想占，结果两头不讨好。

兹维的总结相当不客气。背景是 Encode 的内森·卡尔文刚公开列出 Anthropic 把竞赛置于安全之上的九个决定，达里奥·阿莫代伊长文回应。兹维说，Anthropic 内部清楚能力将跑在对齐前面，2027 年前后要做「牺牲商业可行性」还是「冒灾难性风险」的抉择，达里奥也说过必须直面前沿，可这份草案根本没打算迎接这个时刻。既然拿不出配得上时刻的方案，那就继续做，做到拿得出为止。评价这家公司时，他说了一句值得抄下来的话：

Anthropic 大概率仍是最负责任的实验室，但这是在打分放水。现实没有曲线，现实只决定发生什么。

节目里还有个马斯克变量。普拉克什认为，马斯克这类人的存在会削弱整个瓶颈理论：瓶颈对愿意赌上 1000 亿美元的物理主义者来说是幻觉，日本小厂和 ASML 都不敢追新范式，马斯克敢。发射市场就是前车之鉴，星舰成熟后他一家可能占 99.9% 的运力，剩下的对手要么靠国家补贴，要么靠股市输血。内森的反驳靠 RSI：Anthropic 和 OpenAI 会先到超级智能，然后买下或造出所需的一切，半导体市场未必重演发射市场。

普拉克什还有个「对抗性扩散」理论值得记住：人类从不为乐趣采纳技术，10% 到 20% 的年增长从来都由紧急状态逼出来。二战、后革命时代的中国都是如此，mRNA 蛰伏二十年，疫情六个月拍板，一年出疫苗。他预计 AI 先在网络安全领域被强制普及，生物领域随后。内森补了个温和的注脚：现有模型的采用率还有巨大空间，哪怕暂停一轮前沿训练跑，扩散也能继续，这是给踩刹车留的窄路。

最后是内森自己的小实验：一个叫 Help Peer 的朋友间智能体网络，让自己的智能体连上朋友的智能体互相帮忙，规则由人类定。他的安全准则是：笔记本上的主智能体高权限低自主，只在他发话时行动；Mac mini 上的智能体员工低权限高自主，有自己的邮箱和公司卡，能连续干几小时活，但碰不到他的密钥。任何智能体不能两者兼得。他还坦白了一个所有搞自动化的人都会心一笑的细节：敏感信息审查步骤误报五次之后，人就开始无脑点同意了。纪律的损耗速度比想象中快。

给普通读者的行动清单，从这期里能直接抄走四条：

• 检查你所在行业的算力敞口。如果你依赖推理成本，未来一两年合约条款会变严，预付比例上升，尽早锁定投资级供应商或签下长约。
• 用 16 倍市盈率这个锚点重看供应链。存储、晶圆、代工的估值隐含了「AI 不持续」的假设，先想清楚自己站哪边，再决定买不买。
• 给智能体划权限线。高权限低自主，或低权限高自主，二选一，并且预设审查流程会疲劳失效，把最敏感的出口设计成人工必审。
• 按周为单位跟踪模型进展。如果兹维的发布周期推演兑现，按季度刷新认知的人会直接掉队。

这一期最妙的地方，是三组人从三个方向摸到了同一头象：兹维说能力在加速，埃文说扩张卡在钱上，隆尼说价值会流向原子。钱、原子、法律，哪一样先松动，2027 就长成什么样。明天能做的事，从上面四条里挑一条开始。