How the 1% Will Own Compute | E13

• 中国模型与美国前沿的差距约为两个季度（6 个月），但差距不再缩小。Arena 数据显示，6 个月前差距收窄速度更快，如今已趋于恒定。Anastasios 指出关键风险：如果前沿模型能力差异变得"对用户无感知"，而中国开源模型在半年后追上，美国闭源 lab 的护城河将受到根本性挑战。

• 持续监听/监看的 AI（如 Thinking Machines 交互模型）将把算力需求推高 100 倍。当 15 亿周活用户从"打字-等回复"的 turn-based 模式切换到持续音频+视频+屏幕监控的实时交互，所需算力将远超当前地面基础设施的承载能力。Nick 估计这一级别的部署"在目前的电力上线速度下不可能实现"。

• "算力极化"是本期最核心的新概念：Nick 和 Jason 提出，财富极化之后将出现算力极化——1% 的富人不仅能买 G650 和私人岛屿，还将拥有价值 $10M 的个人数据中心或 $250K 的"compute closet"，使他们在任何知识任务上获得超人能力。这一差距将比财富差距更具生产力意义。

• 就业冲击正在实时发生且加速。Cloudflare 在报告历史最高收入的同时裁员 20%（1100 人），内部 AI 使用 3 个月增长 600%。Andon Labs 的 Luna 实验（Claude 驱动的 AI 店长）展示了 agent 独立雇佣人类、监控员工、修改手册的能力——尽管已亏损 $13K 且出现性别薪酬差异。Nick 预测将出现创业爆发，Anastasios 则警告"劳动与价值创造的脱钩"是资本主义激励机制的根本挑战。

• 太空数据中心从概念进入工程阶段。StarCloud 2（100x 初代发电量、搭载 Nvidia Blackwell）将在 7-8 个月内发射；Nvidia 正与 StarCloud 联合设计太空专用芯片 Space Ruben 1（优化质量/散热/抗辐射）；Jensen Huang 在 GTC 开场视频中展示 StarCloud 渲染图并讲解了 5 分钟。StarCloud 已向 FCC 申报 88,000 颗卫星，可部署约 20GW。

• 贯穿全场的核心线索是"算力作为新的阶级分层工具"——从中美国家层面的算力竞赛，到企业层面的基础设施军备赛，到个人层面的"compute closet"，再到就业市场上"用 AI 的人 vs 不用 AI 的人"10 倍生产力差距，每一层讨论都在指向同一个判断：未来的不平等将不仅体现在财富上，更体现在可调用的智能算力上。

核心论点：中国模型持续落后美国约两个季度，差距从"快速收窄"转为"恒定"。

• Arena 数据：以中国 vs 美国顶级闭源模型的胜率衡量，中国模型始终落后约半年。6 个月前差距收窄速度更快，现在趋于平稳——"就变化的速率（一阶导数）而言，美国闭源 lab 正在拉开更多距离"
• 背景：Trump 正携 Tim Cook 和 Elon 前往中国访问（录制时）；DeepSeek 4 和 Kimi 2.6 刚发布
• Anastasios 提出的风险逻辑链：资本开支的合理性建立在"训练下一个最好模型就能把所有用户从竞争对手那里吸走"的假设上。如果用户开始觉得"够用了"，6 个月后中国开源模型追上，闭源 lab 的护城河消失
• 开源方面，中国供应商继续主导。"AI 领域有很多计算机科学家会拼死保证这些模型保持开源"

"Whoever trains the next best model is going to have all the users churn from other platforms onto theirs... but if we ever reach a world where people start saying 'what I have is pretty much good enough,' then six months later once the Chinese models catch up, some of these proprietary providers could have a problem." —— Anastasios Angelopoulos

核心论点：AI 性能的下一个前沿不是芯片本身，而是芯片之间的连接——Light Matter 用光子替代电子来解决这个瓶颈。

• 核心数据：Light Matter 单芯片速度等于连接北美和欧洲的海底电缆——数百 Tbps，相当于 20 万户家庭的带宽（每户 1Gbps）
• AI 计算机不是一块芯片，是数十万块芯片的集群。定义系统性能的是芯片间的连接速度，而非单芯片算力
• 两大趋势并行：容量供给追赶需求 + token 成本持续下降，两者都指向"巨型部署"
• Nick 预计光子系统大规模可用时间：2028 年。届时部分部署将用于降低延迟至接近零，部分用于运行更大模型——"可能 Mythos 级别的东西全部跑在光学系统上"
• 算力消化速度：如果明天算力翻倍，"几乎会立即被消耗"——训练、推理、内部使用三方面都受限

核心论点：太空数据中心已从"科幻概念"推进到"Nvidia 联合设计芯片 + 7 个月内发射第二颗卫星"的工程阶段。

• StarCloud 2：初代的 100 倍发电量（~10kW），搭载首批 Nvidia Blackwell 芯片，7-8 个月内发射
• Space Ruben 1：Nvidia 与 StarCloud 联合设计的太空专用芯片——优化质量（去掉外壳/散热片/AC-DC 转换器，质量减半）、优化散热（允许更高温运行，接受更高故障率）、优化抗辐射。"Nvidia 在为所有人造这款芯片"，不仅限 StarCloud
• GTC 现场：Jensen Huang 开场视频是 StarCloud 1 部署画面，随后站在 StarCloud 渲染图前讲解了约 5 分钟
• 去年 11 月已将 H100 发射上天（StarCloud 1），通过大幅改装（去壳减重 50%、加固防震、辐射屏蔽）

Philip 讲述 H100 上天的改装过程是一个好故事：团队把 H100 拆得只剩核心——去掉外壳、散热片、电源转换器，砍掉一半质量；然后加固以承受发射振动；最后裹上辐射屏蔽层确保太空环境下正常运行。这不是"把地面设备搬上天"，而是从芯片级重新工程化。

核心论点：dawn-dusk sun-synchronous orbit（晨昏太阳同步轨道）让太空太阳能效率碾压地面。

• 关键优势：永远在阳光下，不需要储夜间电力的大型电池（仅需太阳能板和芯片之间的缓冲电池，容量比地面少 1000 倍）；无云、无恶劣天气、无季节性辐照变化
• 最大成本节省：不需要购买/许可土地——"这实际上是北美建设新太阳能项目为数据中心供电的最大成本"
• 规模参数：200W/m²（太空太阳能效率）；4 个网球场 ≈ 200kW 节点；每艘 Starship 可装载约 50 个节点 ≈ 10MW；88,000 颗卫星可部署约 20GW，轨道可容纳数 TW
• 通信架构：卫星间激光互联，卫星与地面间也用激光。终极状态是设备直连轨道卫星（经 Starlink 中继），"数据中心容量靠近 Starlink 卫星比在地面更好"
• Jason 指出太空数据中心消除了地面抗议和电网竞争两大政治障碍
• 碎片碰撞风险：Starlink 约 10,000 颗卫星累计约 30,000 卫星年数据，零碰撞故障——"这是科幻电影的好素材，但不是现实"

核心论点：Thinking Machines 的交互模型用"microturns"替代传统 turn-based 交互——将时间切成毫秒级片段持续喂给模型，实现真正的实时对话。

• 技术架构：双模型系统——快速交互模型（276B 参数/12B active，MoE）负责实时监听/观看/对话；慢速背景模型负责深度思考和工具调用。交互模型可随时 spawn background agent
• 与传统模型的核心区别：传统模型是 turn-based（你输入→等待→模型回复），每个 turn 长度不等（5 秒到 2 小时），期间无法互相打断。交互模型将时间切成 x 毫秒的 microturn，每个切片都包含你的语音、动作、沉默等全部信号
• Anastasios 认为这是机器人 AI 的基础范式——"机器人不能是 turn-based 的，必须从多个感官通道同时接收信号到一个统一大脑"
• 现场演示：模型在对话中实时纠正发音（"acai"不是"akai"）和事实（巴西而非阿根廷），引发全场调侃——"这就是'actually' meme 的真人版"、"我们真正需要的就是会打断我们的模型"
• Philip 的第一反应是"感觉相当 incremental"，Nick 和 Jason 则通过客服语音 agent（打断时不会死机）、儿童车载 AI（Tesla 里 kids 故意打断 Grok）、实时 factchecking 等场景让他改变看法

"It's the 'actually' meme... literally the most annoying person on the planet is now going to be replicated." —— Jason Calacanis

核心论点：如果 AI 从 turn-based 转为持续监听/监看，算力需求将增长 100 倍——远超地面基础设施的扩展速度，催生"算力极化"。

• Jason 的算法：15 亿人每周使用 AI（OpenAI + Gemini 合计 7-8 亿 WAU，有重叠）。如果切换到持续音频+视频+屏幕监控，算力需求 100x→"当前数十 GW 年底上线的算力，需要 100 倍。以目前的电力上线速度，这不可能实现"（Nick）
• 算力极化的具体画面（Jason + Nick 共同构建）：1% 富人不仅买 G650 和私人岛屿，还将拥有 $10M 个人数据中心；中产可能花 $250K 建"compute closet"（5 台 Mac Studio 堆叠约 $75K 就能在知识任务上碾压不用 AI 的人）
• Nick 指出：Google/Anthropic 内部工程师和领导已经生活在这个未来——"想想他们能用专属算力系统做什么。一小群人能活在那个未来，但你无法部署给所有人"
• 对冲力量（Nick）：民主化——中国开源模型 + 大量计算机科学家"会拼死确保 AI 模型保持开放"。"每次看 AI 都几乎不可能预测会发生什么，因为它同时在赋能所有方面"

核心论点：AI 替代就业从"预测"变成"每周新闻"，但同时可能催生创业爆发。

• Cloudflare：裁员 1100 人（20%）的同时报告历史最高收入，内部 AI 使用 3 个月增长 600%
• Luna 实验（Andon Labs）：Claude 驱动的 AI agent 获得旧金山一家零售店 3 年租约 + $100K 预算。Luna 独立通过电话面试并雇佣了 3 名人类员工（$22/hr）；通过安防摄像头监控员工，发现有人在空闲时间看手机后单方面更新了员工手册；已亏损 $13K，误订 1000 个马桶盖套，且给男性员工 $24/hr、女性 $22/hr（"以经验为由"）
• PayPal、Coinbase、Upwork 同期也以 AI 为由裁员；OpenAI 与多家 PE 基金成立合资，将模型部署到被投企业——"我们都知道这是为了训练模型然后替代人类"
• Nick 预测：创业爆发——被裁的优秀工程师不会再走"入职→被 AI 学习→被裁"的循环，而是 3 个朋友用 AI 年赚 $1M 然后住在日本海边小镇
• Jason 类比：2006 年 .com 泡沫后的"认知盈余"催生了 blog 网络（Autoblog/Engadget/Joystick）和 Wikipedia。现在的问题是"人类的艺术盈余怎么用？"——更多艺术、体验经济、酒店大堂弹奏日本竖琴

"It's just going to be exhausting to go to a company, have the company study your work, have AI reinforcement learn and automate it, and then get laid off again." —— Jason Calacanis

核心论点：资本主义的核心激励机制是"好的劳动获得好的回报"——当 AI 使劳动本身贬值，这套机制面临根本挑战。

• Anastasios 的三步走框架：(1) 现在——AI 在知识生产/检索/逻辑上已超越大多数人类；(2) 下一步——全世界变成 RL 飞轮（企业用自有数据改进产品→AI 从中学习）；(3) 终局——AI 模拟 10,000 种人生/天，人类的角色是什么？剩余价值在于"N of 1"——独特的个人经历和视角是 AI 没见过的
• 韩国提出 AI 利润公民分红（Samsung 同天报告 Q1 利润增长 755%）——Nick 对 UBI 持怀疑态度："个人层面上，只收支票我不会被激励"
• Nick 的反直觉乐观：劳动贬值→个人agency无限扩大。"如果有个想法，你就能让它变成现实。未来在物理世界也一样——你躺在沙发上想要某个东西，它就会出现。"加上机器人（Optimus/Figure）→接近无限丰裕
• Jason 的鸡群类比：牧场上 5 只鸡的鸡蛋就多到溢出来。加一个 Optimus 收鸡蛋、加太阳能和水井→"你离丰裕只差一点点机器人技术"
• Philip 认为内容创作可能是"最后的堡垒"——Jason 可能是"最后一个还有工作的人"

核心论点：三位嘉宾的 P-Doom 总体偏低，但 Philip 有一个独特的高 P-Doom 来源。

• Philip（P-Doom 接近 100%）：不是因为 AI 本身，而是费米悖论——如果定居整个银河系只需 100 万年，到达最近星系只需 10 亿年，那么 130 亿年来应该到处都是 Dyson 球和 O'Neill 环。"我们看不到任何迹象，说明在最近的千个星系中，没有任何文明达到过我们的水平。"这暗示存在某个大过滤器
• Anastasios（P-Doom <10%）："10% 的概率是有人用这项技术做了非常愚蠢的事"——如生物武器（意外或故意）。在 200-300 年的时间尺度上保持 10%
• Nick（偏乐观）：与 Anastasios 类似，但觉得"太复杂了"是最诚实的答案。创业爆发 + 民主化是最大的对冲力量
• Jason：对 Philip 的费米悖论论点回应说"也许我们就是第一个"——"总得有人先到达这里"