投資人談Gemini 3：Scaling Laws依然有效，將AI視為泡沫很奇怪

北京時間11月20日凌晨4:54分，知名科技投資人、Atreides Management首席投資官Gavin Baker在他的社交媒體賬號上更新了關于Gemini 3的發布對AI大模型和產業影響的一些思考。

谷歌Gemini 3發布后迅速占領了各大AI評測榜單排名的榜首，并在大多維度上呈“斷崖式”領先狀態，Gemini 3甚至被眾多機構和觀察者稱之為“當前最好的模型”，谷歌（GOOG.US）股價昨日收盤上漲2.82%，市值3.54萬億美元。

在這篇文章發布不久，英偉達（NVDA.US）也公布了其第三季度財報，財報顯示，英偉達Q3營收達到創紀錄的570億美元，高于公司的整個指引區間，并且較分析師預期高3%以上。這份超預期的財報也暫時平息了資本市場關于“AI泡沫”的爭論。

盡管Gavin Baker這篇文章在英偉達的財報前發布，但談及AI泡沫，他認為這種想法“著實奇怪”。

“所有這些跡象表明，我們仍處于AI時代的早期階段。我理解市場對OpenAI的擔憂。萬億美元未落實投資承諾確實令人對當前AI強勁發展的現實產生疑慮。OpenAI首次在模型質量上明顯落后于兩家競爭對手，同時失去了多數創始團隊成員。但互聯網行業經歷了雅虎、MySpace和美國在線的衰落依然蓬勃發展。OpenAI份額被谷歌或其他公司侵蝕不會實質性影響整體Token需求，而Token需求——作為客戶投資回報的函數——才是根本決定因素。”

以下為「明亮公司」編譯的文章：

Gemini 3證明預訓練的Scaling Laws依然有效。這是自o1發布以來人工智能領域最重要的數據節點。這意味著Blackwell架構模型在2026年第二季度問世時，性能很可能出現顯著提升。GPT-5并非Scaling Laws失效的證明——其設計初衷是降低推理成本而非提升性能，實質是通過路由調度的更小模型。請勿以"Gemini 3基于TPU訓練故無法類推Blackwell"反駁，預訓練的關鍵始終是協同計算能力（Coherent FLOPs），無論采用Blackwell還是TPU架構。

前沿模型（Frontier Models）動態

推理能力革命性改善了前沿模型的經濟效益與商業模式。它激活了"用戶生成數據-反饋優化產品-吸引更多用戶"的飛輪效應，這正是所有頂級互聯網商業模式的基礎。在僅依賴預訓練Scaling Laws的非推理時代，這種機制并不存在。隨著推理能力發展，行業準入壁壘正日益增高。前沿模型產業日益呈現四強寡頭格局。Gemini、OpenAI、Anthropic和xAI均擁有比公開版本先進得多的檢查點模型，正用于下一代模型訓練。這種代差使得追趕極為困難。Meta尚存一線生機，因為中國開源模型僅落后9個月，但機會窗口已然不大。

Blackwell影響

Blackwell很可能大幅拉開美國前沿模型與中國開源模型的差距。相比一年前與Hopper架構的性能差距，中國國產半導體與Blackwell的代差更為顯著。這將進一步抬高前沿模型的準入壁壘，新入局者不得不依賴日益落后的中國開源模型進行追趕。中國也許將深刻懊悔未能把握特朗普政府愿意出售"B30"芯片的契機。Blackwell將改變中美技術博弈的杠桿平衡，特別是隨著美國國防部大力推動的稀土本土開采冶煉計劃在未來兩年顯現成效。當前冶煉技術解決方案的價值被低估，其中部分技術很可能取得成功。回顧過去18個月（即自2024年GTC大會發布Blackwell以來），需認識到首款變體B200不僅延期交付，初期使用體驗也極為復雜。多個變體方案被取消，需要更換光罩，NVL72機架的調試更是一項艱巨工程——這無疑是科技史上規模最大、最復雜的產品過渡。設想新款iPhone需要用戶將110伏電壓改為220伏，安裝多個特斯拉電力墻、備用天然氣發電機以及全屋加濕系統，這就是數據中心部署NVL72的復雜程度。目前正在擴產的B300堪稱英偉達史上最佳數據中心GPU，機架部署正在加速。英偉達能在此過渡期保持增長，印證了市場對B300的迫切期待。基于Gemini3的表現，B300訓練的模型必將非凡。

Tokenomics（代幣經濟學）

在我科技投資生涯中，AI是首次出現成本決定論的時代。蘋果成為萬億美元企業并非因手機生產成本最低，英偉達也非AI加速器的低成本制造商。但成為Token的低成本生產者將形成巨大優勢。當前Token成本最低的是谷歌，其次是xAI。谷歌Gemini 3和xAI的Grok 4.1正展現出碾壓競爭對手的基礎設施優勢。關鍵并非GPU或TPU數量，而是集群架構中協同運行的GPU數量及跨集群通信成本。Gemini 3與Grok 4.1顯然是當前最佳模型，OpenAI盡管推出5.1卻無力回應——這是OpenAI首次跌落至第三名。

電力短缺=周期更平穩持久

CoreWeave季度表現表明，即使擁有供電合約優勢，及時部署電力基礎設施仍面臨困難。電力相關短缺未來可能加劇并影響更多廠商。我認為這實則具有積極意義——電力短缺是天然的AI建設調節器，降低過度建設風險，應能延長周期持續時間并平滑波動曲線。電力短缺對Blackwell或是利好。當瓦特成為瓶頸時，每瓦特Token產量將主導決策（因Token直接等于收入）。在電力約束環境下，GPU與ASIC的價差重要性將下降。這一事實加上谷歌對外銷售TPU，很可能導致其他ASIC項目集體擱淺。即使ASIC能將10億瓦特數據中心的建設成本從500億降至400億美元，其投資回報率仍會降低——因為該數據中心產生的Token收入將顯著減少。凈效應是：電力短缺提升具有最佳能效比的半導體及系統的定價權。

光互聯技術

光互聯允許將工作負載轉移至電力充足且廉價的區域。隨著限電成為應對電價上漲政治壓力的手段，這項技術愈發重要。多園區訓練需要巨額光互聯投入，但仍遠低于計算本身支出，使其成為經濟可行的替代方案。具有諷刺意味的是，光互聯也是解決中國GPU短缺與電力過剩的方案：將銅互聯升級為光互聯可抵消加速器計算能力不足，代價是功耗激增。互聯網時代"盡量交換，必要路由"的原則，在數據中心演變為"盡量用銅纜，必要光纜"，而"必要"時刻正不可阻擋地逼近整個數據中心行業。

GPU殘值管理

Blackwell廣泛上市后Hopper租賃價格反而上漲，表明GPU殘值評估周期可能需要延長至6年以上。即使A100至今仍產生極高的可變現金毛利。若趨勢持續，GPU融資成本有望再降100-200個基點。附帶說明：鑒于數據中心的物理現實，GPU僅1-2年使用周期的假設根本不成立。

AI投資回報率

截至第三季度，超大規模企業的投入資本回報率（RoIC）仍高于其加大GPU資本支出前的水平。這是量化"AI投資回報"最準確的方法——它同時捕捉到了谷歌和Meta將推薦廣告系統從CPU遷移至GPU帶來的巨大收益提升。未來兩個季度可能出現"RoIC空窗期"，因為Blackwell資本支出急劇增加，而這類訓練投入在初期必然沒有直接回報。顯然，AI的投資回報只能通過推理實現。風險投資公司全面轉向云計算五年后，標普500企業才開始大規模遷移。AI的普及速度可能更快。值得注意的是，第三季度首次出現多家標普500企業披露影響財務數據的AI生產力具體案例。這些大企業初現的生產力提升，與風投機構在其投資組合中觀察到的現象一致：自從每家風投支持企業擁抱AI后，人均收入呈垂直增長趨勢。

結論

所有這些跡象表明，我們仍處于AI時代的早期階段。我理解市場對OpenAI的擔憂。萬億美元未落實投資承諾確實令人對當前AI強勁發展的現實產生疑慮。OpenAI首次在模型質量上明顯落后于兩家競爭對手，同時失去了多數創始團隊成員。但互聯網行業經歷了雅虎、MySpace和美國在線的衰落依然蓬勃發展。OpenAI份額被谷歌或其他公司侵蝕不會實質性影響整體Token需求，而Token需求（作為客戶投資回報的函數）才是根本決定因素。

Token分配份額會影響谷歌、OpenAI、xAI和Anthropic的相對市值，但整體Token需求將驅動所有供應商的發展。AI與歷史市場表現（如2000年）的比較確實引人深思。當量子計算與核能明顯處于零基本面支撐的泡沫時，將AI視為潛在泡沫著實奇怪。

更應關注AI的真實風險是：ASI（超級人工智能）不可知的經濟價值（與較易建模的AGI不同），以及若ASI缺乏經濟價值時推理向邊緣端轉移的風險。今夜只是我認為將持續十年的AI穩健進步中的一個數據節點。

激動人心的時代！

作者：MD

出品：明亮公司