.@romeovdean 和我寫了一篇部落格文章，以便了解 AI 的建設。我們對一些學到的事情感到驚訝： 1. 有一個巨大的晶圓廠資本支出過剩 - 在 2025 年的單一年收益中，Nvidia 可以覆蓋 TSMC 過去三年的全部資本支出。在 2025 年，NVIDIA 將把 60 億美元的折舊 TSMC 資本支出價值轉化為 2000 億美元的收入。 在供應鏈的上游，NVIDIA 的單一年收入幾乎與過去 25 年五大半導體設備公司（包括 ASML、應用材料和東京電子）的總研發和資本支出相匹配。 如果 AI 需求持續，甚至增長，則有足夠的資金來建造更多的晶圓廠。 2. 我們預測了到 2040 年的兩種不同情景：爆炸性增長和 AI 冬季。在爆炸性增長的情景中（這將導致到 2030 年每年 2 萬億美元的 AI 資本支出），@sama 的每週 1 GW 的願景在 2036 年成真。但在那個世界中，全球 AI 電力需求將是美國目前電力生產的兩倍。 3. 在過去的二十年中，數據中心建設基本上佔用了美國去工業化後剩餘的電力基礎設施。為了讓 AI 資本支出繼續以目前的軌跡增長，供應鏈上游的每個人（從製造銅線到渦輪機、變壓器和開關設備的人）都需要擴大生產能力。 關鍵問題是這些公司對其工廠有 10-30 年的折舊週期（與晶片的 3 年相比）。考慮到他們通常的低利潤率，他們需要數十年的穩定利潤，而他們之前曾因泡沫而受到損失。 如果不僅是晶圓廠，還有其他數據中心組件存在財務過剩，超大規模的公司是否可以簡單地支付更高的利潤率來加速產能擴張？特別是考慮到晶片佔數據中心成本的 60% 以上。 我們對燃氣渦輪機製造商進行了一些粗略的計算，似乎表明超大規模的公司可以支付相對較小的總數據中心成本份額來擴大其產能。正如 @tylercowen 所說，不要低估供應的彈性。 4. 我們認為中國在長期時間範圍內的 AI 可能會領先（即沒有 2028 年的軟體奇點）。每三年，晶片就會折舊，競賽重新開始。一旦中國趕上領先的製程節點，AI 就會成為整個供應鏈中的一場大規模工業競賽。這似乎也促進了中國的差異化優勢。 5. 交貨時間是決定你用哪種能源來為數據中心供電的主要考量，無論你是否將數據中心接入電網，以及你如何設計數據中心。這是因為每個月外殼未設置就是一個月晶片（這是你成本的絕大部分）未被使用。 所以你可以理解為什麼天然氣，例如，比目前的核反應堆更受青睞。核能的運營成本極低，但交貨時間極長且資本支出高。天然氣可能不是可再生的，但你可以在數據中心旁邊設置幾十個燃氣渦輪機，並盡快啟動你的晶片。 太陽能和風能的建設交貨時間也很短，你可以用電池平滑它們的電力。但你必須雇用數千人來佈置一個曼哈頓大小的太陽能農場，以可靠地為單個 1 GW 的數據中心供電。 完整的部落格文章中還有更多內容。鏈接如下。