Nvidia的冒险生意：从1873年铁路泡沫看AI基建狂潮

听这个后:

登录收听

1870年1月1日，杰伊·库克因资助联邦战争而被誉为美国英雄，签署了一份合同，如果你眯眼看，这份合同将引发世界大战。

1864年，国会成立了北太平洋铁路公司，目标是通过连接五大湖和普吉特海湾的铁轨，最终从杜鲁斯延伸到塔科马;宪章包括提供毗邻拟建线路的4000万英亩土地，以换取完成建设。

然而，在接下来的六年里，北太平洋铁路一直难以筹集资金，尽管联合太平洋和中太平洋铁路在1869年5月相互发展，最终在萨克拉门托和奥马哈之间建起了金色尖桩。

北太平洋铁路在1866年曾向库克寻求资金，但缺乏支撑联合太平洋和中太平洋铁路的慷慨联邦担保（值得注意的是，这导致了大量的贪污）;库克本人对联邦政府的财政权力并不陌生，因此对此并不感兴趣。

然而，最终北太平洋给了他一个他无法抗拒的提议：每张债券抽12%的佣金，每卖出1000美元债券，北太平洋股票200美元。

库克很快发现，他的制度同行们同意他之前的拒绝，对他的债券不感兴趣，于是他依赖自己在销售战争债券时磨练的同样策略：诉诸爱国主义、控制媒体和铁路财富的承诺，并以工业化发行为后盾。

巅峰时期，库克雇佣了1500名销售人员，通过广告和直接支付资助了1300家报纸，品牌因内战而更加光鲜亮丽。散户投资者已经可以购买铁路债券;库克将他们作为主要的资助来源。

这无疑是一项令人难以置信的创新。过去，如果你无法从政府或银行获得贷款，你几乎拿不到多少钱。问题在于北太平洋的资本需求无穷无尽，到1873年9月，随着维也纳证券交易所崩盘和白银废钞导致全球信贷收紧，库克一直通过债券发行间隙的存款为北太平洋提供资金，却找不到更多买家。

随后杰伊·库克公司破产引发了1873年恐慌，导致全国铁路破产、多年萧条、数十年通缩，以及可以说四十年后欧洲变成火药桶的金融状况。

顺便说一句，北太平洋最终完成了他们的线路，期间经历了多次破产;最终，它们是四家合并组成伯灵顿北方铁路的铁路之一。伯灵顿北方最终与阿奇逊、托皮卡和圣菲铁路合并，组建了BNSF铁路;伯克希尔·哈撒韦于2009年收购了该母公司。

挥霍债务

如果这个故事听起来有些熟悉，可能是因为库克——出于显而易见的原因——是利亚卡特·阿哈迈德新书中的核心人物，1873，今年早些时候发布。

阿哈迈德毫不掩饰地将铁路建设崩溃与当前人工智能时代联系起来;书的第一页——甚至在第一页之前——就讲述了如何翻译货币，结论如下：

为了真正理解与整个国家经济状况相关的金额的重要性——比如普法战争后对法国征收的赔款金额——最有用的不仅是考虑生活成本的变化，而是调整经济规模的变化。要将这些数字换算成2026年的相当规模，乘以1200倍。因此，1870年代初铁路繁荣期每年投入5亿美元的美国铁路债券，如今相当于6000亿美元，约等于2026年主要科技公司预计的投资金额。

Microsoft CEO Satya Nadella 当然意识到这种联系：他曾称《1873》为“必读之书”公司最近的财报电话会议.也许这并非巧合，Microsoft，在超大规模开发者中孤身一人仍然拥有可观的自由现金流——上季度达到196亿美元。

Microsoft是唯一一个仍然坚持否认泡沫存在的准则的超大规模企业：其资本支出不由债务融资。

信不信由你，这套辩护一年前几乎可以适用于整个大型科技公司;随后，在9月至11月间，甲骨文、Meta、Alphabet和亚马逊共发行了800亿美元的债务用于基础设施建设。

这仅仅是开始：在2025年全年共筹集了1080亿美元后，截至7月7日，这四家公司今年已筹集了1940亿美元。不出意外，利差正在上升，今年发行的债券中有86%的收益率已高于发行时。

近期发行的补偿额从二月份的5倍降至不到2倍。

然而，真正的震惊出现在六月初，谷歌宣布将筹集850亿美元的股权，其中包括对前述伯克希尔·哈撒韦的特别发行100亿美元。我当时写道谷歌资本公司:

值得注意的是，100亿美元对两家公司来说都是相对较小的金额。为此，或许主要用途是作为信号传递机制。谷歌方面，信号是预期需求远超预期，公司准备并愿意用包括股权在内的一切手段来融资供给;对他们来说，伯克希尔·哈撒韦的投资是对这一观点的认可，也是对投资智慧的认可。另一方面，如果信号正确，伯克希尔·哈撒韦正在达成协议，并利用其现金流机器构建未来。

我总结道：

该分析隐含的前提是，世界上有足够的计算能力可供购买;然而，如果没有，会发生什么呢？如果最终的较量——决定谁能获得计算权的那场——变成了谁能带来最多现金的问题呢？如果这种优势叠加，以至于拥有最多现金容量的公司最终拥有最多的计算能力（我们已经知道他们会出售这些能力，同时还会用自己），从而推动产生更多现金的能力呢？在那种情况下，哪家公司是你的最佳选择？

当然，隐含的答案是谷歌。

DeepMind 剧集

谷歌目前没有人能预测，至少在边疆领域是这样。在DeepMind首席执行官Demis Hassabis（技术上晋升为董事长，但不再负责日常运营）以及Gemini联合领导人、前首席科学家Jeff Dean以及其他众多知名研究人员离开后，SemiAnalysis宣布双子座已经被煮熟了:

从各方面来看，我们认为DeepMind已不再是一个前沿实验室。几个月前，我们就向Tokenomics客户表达了类似的态度，因为他们强化学习团队大量流失，计算分配不佳。谷歌会继续在新车型上徘徊并发布，但他们再次达到SOTA的几率已经降到零。此外，今天新闻的最大受益者既不是Anthropic，也不是OpenAI，而是谷歌云。过去Gemini和GCP曾为计算分配拼命争夺，现在显然Thomas Kurian赢了。我们预计GCP的收入增长将因此显著加速。

摘自帖子后面：

显然，到目前为止我们对DeepMind持相当看重的态度，如果要我们用钢筋力解释他们未来仍能训练真正SOTA模型的原因，大致如下：

• 目前的设置显然不起作用。以现有的领导团队来看，他们追赶Anthropic/OpenAI的机会极其渺茫。
• 现在他们已经彻底清理了，新成员们可以从零开始。也许他们甚至会通过收购雇佣像SSI或Thinking Machines这样的新实验室。
• 有了这个新团队，他们追赶边境的几率实际上提高了。

也许有某种世界会这样，但我们认为概率几乎为零。谷歌的问题不在于杰夫·迪恩或诺姆·沙齐尔，而是他们极度官僚、缓慢且战略性上胆怯的文化。请记住，DeepMind在ChatGPT出现前一年就有一个AI聊天机器人，但由于担心影响核心业务，未被允许发布。

实际上，你可以说问题也出在哈萨比斯和DeepMind身上。我在Google I/O 更新哈萨比斯对边境的愿景与其他前沿实验室根本不同，因为他相信世界模型，而不仅仅是文本/代码，并得出结论：

[Hassabis的愿景]中出现了多模态模型——与仅输出文本的Claude形成对比——而且必须说，编码能力远不如他出色。这正是我整个离题的重点：我认为谷歌被广泛认为在编码方面落后于Anthropic和OpenAI，尤其是那些长期依赖机束和模型本身的代理工作流，可能只是因为他们的研究团队有其他优先事项。这就是为什么这次主题演讲的编码部分落在了Antigravity团队，而不是DeepMind，也解释了为什么Hassabis几乎没怎么上台。

从这个角度看，上周的事件就没那么令人惊讶了，甚至可以说在I/O上被预言了：哈萨比斯关于世界模型是通往通用人工智能的路径可能是对的，但谷歌已经没有耐心让他去发现真相;据报道，谷歌联合创始人谢尔盖·布林深度参与并与新任DeepMind首席执行官科雷·卡武克库奥卢关系密切，我不会惊讶公司正在转向Anthropic更注重文本（因此代码）的策略。

谷歌的基础设施赌注

谷歌立场的有趣之处在于，这些操作并不一定意味着伯克希尔·哈撒韦的赌注是错误的;事实上，这可以说是个好消息。这正是SemiAnalysis文章所表达的方向，也是我上周提出的一个观点谷歌近期财报:

故事似乎非常相似最后一个季度谷歌云的同比增长更为显著：同比82%（较上季度的63%和去年同期的32%），利润率为36%（较上季度的33%和去年同期的21%）。我当时想知道这增长中有多少是人为增长，虽然本季度我们没有得到明确确认，但我以为CEO桑达尔·皮查伊给出了这个答案在财报电话会议上关于谷歌为何需要租用第三方容量，这一点值得关注：

关于桥梁交易，我主要想说的是，在边缘方面，我们在云端有非常非常大的客户，我们正努力支持他们度过这个非凡时刻。他们带来的增量机会虽然短期几个月内可能非常高，但在交易期间，随着我们增加产能，投资回报率极高。这些都是我们考虑的因素。那么，您是否愿意接受一个为期六个月的预约，以便在一个多年机遇中为客户提供服务，而在这段多年视野内，利润和回报都非常非常有吸引力的机会？希望这能为我们对这些机会的思考提供一些参考。

那个客户几乎可以肯定是Anthropic。

再次引用SemiAnalysis：

从2026年3月到2027年第四季度，超过20%的TPU总出货量直接销售给Anthropic。这还不包括GCP目前已租给Anthropic的数十万TPU，以及未来六个季度承诺租给Anthropic和Meta的数十万TPU......如果你听过谷歌云CEO托马斯·库里安的采访，你就会知道他并非AGI的精灵。一体播客例如，他认为TPU成为支持Citadel、能源部和通用高性能计算的客户的“通用基础设施”是非常好的。当被问及为何在与Gemini竞争的情况下仍将计算产品卖给Anthropic时，他表示这是谷歌作为“平台公司”的自然结果。

库里安也在《里面》里对我说过同样的话在Stratechery采访:

我们销售技术栈的不同部分。人们常常没有意识到，我们会以不同方式从堆栈的许多不同部分变现。像Anthropic一样，有很多实验室使用我们的技术栈——事实上，大多数大型AI实验室都使用我们的技术栈。所以如果有人用TPU来训练模型或进行推理，我们就是在为这部分堆栈带来收益，这为我们的研发和其他投资提供了资金。有些实验室使用我们的TPU和Gemini模型，另一些则可能使用我们的TPU，然后为他们的模型购买我们的网络安全防护。所以作为平台玩家，我们必须允许技术以尽可能多的方式变现，我们不认为这是零和游戏。

我们将拭目以待零和计算到底有多好——有报道谷歌的研究人员一直缺乏计算资源——但总体结论是，无论谷歌是否在争夺前沿，他们绝对是在争夺AI基础设施的主导地位。

在情报成为商品的世界里，TPU尤其重要。

上个月，在谁怕中国模特？我谈到了前沿实验室与其他所有人的商品市场;在商品市场中，边际成本不仅决定盈利能力，也决定生存能力，我曾论证前沿实验室在任何特定情报单位下具备优越的成本结构。

这种成本结构，至少目前包括计算租赁成本，而TPU很可能比英伟达GPU更便宜;Anthropic可能为TPU（以及亚马逊的Trainium芯片）开发，因为只有谷歌和亚马逊有能力为这些芯片提供资金，但目前这种能力很可能成为一个显著优势。

Anthropic直接为自有数据中心购买TPU（将计算成本从边际成本转换为资本成本）这一事实表明情况确实如此。

值得注意的是，谷歌即使以发行股权为代价，也愿意分享股份。不过，这符合我在文中提到的伯克希尔·哈撒韦模型谷歌资本公司:

伯克希尔·哈撒韦利用教区利润进行的企业之一，在资本利用率上处于完全相反的极端：BNSF铁路。铁路运营需要大量资金;BNSF去年消费了38亿美元;他们也赚了很多钱：BNSF的净收入为55亿美元，收入为234亿美元。为了让大家更了解，伯克希尔·哈撒韦从See's Candies赚的总收入可能不到30亿美元（上一次披露是在2019年“超过20亿美元”），也就是说，比BNSF去年的收入还少......事实上，你可以说阿贝尔其实是在重演巴菲特的策略，只不过这次伯克希尔·哈撒韦是西的糖果，谷歌是BNSF。截至上季度末，伯克希尔·哈撒韦拥有3730亿美元现金，2025年自由现金流为250亿美元。有多少公司能以一种产生高回报率的方式使用这笔资金？很难想象有比谷歌更好的选择了。该公司不仅投资人工智能，还在结果方面拥有选择性：其服务业务从投资中受益，在模型层与Gemini竞争，并且可以向前沿实验室出售产能。此外，由于TPUs的存在，这种容量具有可持续的成本优势，这意味着在计算成为商品的世界里——尽管现在很难想象——谷歌是那个有望获得最大利润的超大规模企业。

注意我没说边际;如果这是谷歌的担忧，他们几乎肯定会做出不同的选择。然而，利润是一个绝对数字，谷歌正倾注一切——先是现金流，然后是债务，现在是股权——都投入到从基础设施建设中赚钱。

英伟达的可投资资产类别

如今，企业高管和金融工程师不再需要控制报纸;多亏了他的新X账户，英伟达CEO黄仁森可以直接公开。来自X条目昨晚发布：

NVIDIA AI Factory 计算正成为一种可投资的资产类别今天，我们宣布与阿波罗、贝莱德、黑石、布鲁克菲尔德、高盛和KKR建立独立融资平台，旨在动员超过5000亿美元的第三方资本，支持AI基础设施的逐步建设。这是NVIDIA和AI行业的重要里程碑。我们已经从一个企业购买芯片、逐项目建设数据中心的时代，转变为一个人工智能工厂可以作为生产性基础设施融资的时代——拥有可重复的平台、长期的机构资本和利用计算创造收入的多元化客户群。人工智能已经达到了一个转折点。它正从研究转向生产。人工智能正在创造真正的价值，背后的基础设施正成为世界上最富有生产力的资产之一。在人工智能中，计算就是收入。

黄博士认为，基于英伟达的人工智能工厂是可替代的，保护了剩余价值，而CUDA则使人工智能工厂随着时间推移变得更好，延长了其经济价值;据黄文斌所述：

这些是可投资基础设施资产的特点：它能产生收入，服务广泛的市场，随着时间推移表现提升，并且可以重新部署。

因此，尝试正式化一种新的投资结构：

对人工智能基础设施的需求异常巨大。但资本获取并不均衡。许多优秀的人工智能公司、企业和人工智能云都有计算需求，但尚未获得足够规模或成本的融资，无法快速构建。这就是为什么我们与全球领先的长期资本提供商合作。阿波罗、贝莱德、黑石、布鲁克菲尔德、高盛和KKR也是全球领先的基础设施投资者，在承保长期且富有生产力的资产方面拥有深厚的专业知识。我们共同打造可重复的融资平台，帮助人工智能生态系统建设所需的工厂。

什么阿波罗等人。是投资级债务市场之外的新资本来源。从这个意义上说，这种提议结构有点类似于谷歌的股票发行：一种确保债券以外资金的途径。

然而，区别非常明显：股权在不增加公司风险的情况下稀释投资者的上升空间，而这种结构通过寻找愿意承担风险的新资本池来维护英伟达的利润率。

这对英伟达来说并非完全免费：公司通过高达25%的剩余价值融资支持机会，这表明黄明比市场更相信他的“可投资资产类别”理念。从某种意义上说，这算是一种降价，因为目标是通过将英伟达的利润置于不确定投资风险中，降低建设英伟达芯片数据中心实体的资本成本。

这种保证是谷歌（而且很快）的下游亚马逊的）激进性：既然可以买到TPU或Trainium，为什么还要用Nvidia芯片建数据中心（Nvidia芯片可能更好，但如果新数据中心的限制是资金，较低的前期价格可能比代币效率更重要）。

英伟达更大的问题其实已经存在很久了;我在2024年写过:

在之前，也就是ChatGPT发布之前，英伟达在GPU周围构建了相当多的（免费）软件护城河;挑战在于，谁会使用所有这些软件并不完全清楚。而如今，这些GPU的使用场景非常明确，且这些用例发生在远高于CUDA框架的层级（即基于模型）;这，加上巨大的动力去寻找比Nvidia更便宜的替代方案，意味着CUDA的压力和逃离的可能性比以往任何时候都高（尽管对于低层次工作，尤其是培训方面，它仍然很遥远）。

如今，Anthropic和OpenAI似乎逐渐拉开距离，情况更为严重：Anthropic多年来并未依赖CUDA，OpenAI正朝这个方向前进，至少从推理角度来看是这样。

如果这些公司获胜，英伟达的利润将被压缩——事实上，这种后备方案的含义是他们已经被压缩（这也是黄氏首次发帖是一封为开放模型辩护的公开信）。

风险生意

这最终可能不会让英伟达付出任何代价：如果人工智能收入真正起飞，债务市场将重新开放，最终企业将通过自由现金流重新为基础设施投资提供资金。

然而，现在才是危险区，因为超大规模企业横扫债务市场，谷歌至少开始涉足股权。如果英伟达通过新型融资机制竞争，这些机制最终依赖于保险流通股、养老基金以及其他长期负债，这些都是其合作资产管理者的核心资产，那么风险——不像股票那样无标记——将大大提高。

这就是为什么我从1870年和库克与北太平洋铁路的不幸协议开始。是的，这笔交易给库克带来了令人难以置信的好处，但这之所以令人难以置信是有原因的：风险极大，开创新的资金机制只会在一切爆发时分散痛苦。

花光所有自由现金流是一回事;而进入债务市场则是另一回事。更甚者，动用寻求安全保障的资产是一件全新的紧张刺激事件。人工智能最好在为时已晚之前交付成果。