input target language is : zh-tw Gavin Baker全面押注AI基建：7月拋售與基本面完全背離，NVIDIA正處十年來最低遠期本益比

整理 & 編譯：深潮 TechFlow

嘉賓： Gavin Baker，Atreides Management 創辦人兼首席投資官

主持人： Patrick O'Shaughnessy，Invest Like The Best 主持人，Positive Sum CEO

播客來源： Invest Like The Best

原標題： The AI Selloff Doesn't Match the Data | Top AI Investor Explains

播出日期： 2026 年 8 月 4 日

利益聲明：這期嘉賓 Gavin Baker 創立的 Atreides Management 管理約 50 億美元資產，重倉持有 NVIDIA（20 餘年）、Astera Labs（約占基金 10%）、Micron、Cerebras 等本文討論的 AI 基建標的。其觀點與其持倉存在直接利益關聯。

不過，他確實是美國頂尖科技投資人，曾任富達基金（Fidelity）董事總經理，管理過百億美元規模的科技基金。作為 Nvidia、特斯拉和 SpaceX 的早期及長期投資者，Gavin 擁有超過二十年的半導體與前沿科技投資經驗。在 AI 浪潮中，他以對晶片供應鏈、算力瓶頸以及 AI 商業化路徑的深度洞察而享譽矽谷與華爾街。

要點總結

Gavin Baker 是 Atreides Management 創辦人，過去 20 年持續重倉 NVIDIA，是 AI 基礎設施領域最堅定的多頭之一。本期節目錄製於 7 月 AI 股暴跌之後，他專程從矽谷回來「壓力測試」自己的所有假設。核心結論是：7 月的拋售與基本面數據完全背離，所有量化指標都在加速，股價卻在自由落體。

Baker 將 7 月描述為「把 2022 年壓縮進了一個月」。一大批 AI 股從高點跌了 40% 到 60%，但 GPU 現貨價格不降反升（6 個月內漲了 50%-60%），超大規模雲廠商的經營性現金流從 28% 加速到 35%（調整一次性項目後），token 產出量持續增長。他認為市場犯了三個誤判：把 Meta 出租算力誤讀為產能過剩（實際上是模仿 SpaceX 在高價賣算力），把開源模型爆發誤讀為需求萎縮（實際上只是利潤從前沿模型層轉移到了基礎設施層），以及把 CDS 利差走闊誤讀為信用危機信號（實際上只是銀行在為承諾做對沖）。唯一讓他真正緊張的是 real yield 上行和信用市場收緊，但他的測算顯示，如果已裝機算力按當前現貨價格重新定價，超大規模雲廠商可以基本靠經營性現金流完成 AI 基建投資，不太需要依賴債務。

精彩觀點摘要

1.關於拋售與基本面的背離

「我在矽谷待了兩個月，沒聽到一個負面的量化指標。GPU 可用量、GPU 租賃價格、DRAM 現貨價格、token 增長，所有指標都在加速。」

「NVIDIA 目前處於過去十年來最低的遠期本益比。市場 100% 認為 AI 公司在嚴重高估盈利。」

「OpenAI 加速了，Anthropic 在強勁增長，開源模型在大幅爆發。但公開市場看不到 Anthropic 和 OpenAI 的數據，這就造成了資訊不對稱。」

2.關於開源模型與算力需求

「一個 token 就是一個 token。不管是前沿模型生成的還是開源模型生成的，都需要同樣多的算力、記憶體和電力來生產。」

「開源模型從前沿模型那裡拿走的是利潤率，不是算力需求。它把 90% 毛利的 token 變成了 30% 毛利的 token，但底層消耗的 GPU 小時數反而更多了。」

「Jensen 是全世界最大的開源支持者。如果這對他的生意不好，他真的會把這當作簽名議題嗎？」

3.關於 Claude 對市場的影響

「Claude 基本上就是股市的沃爾特·克朗凱特。所有人都把新聞餵進 Claude，然後根據 Claude 的解讀來交易。Claude 很聰明，但它不一定總是對的。」

「有人貼了一張日本電容股的圖，說'我們在 6 週裡走完了整個電容週期'。基本面還沒到，股價就已經先暴漲再暴跌了。」

4.關於記憶體市場的賽局理論

「假設 2027 或 2028 年你想撕毀一份 LTA（長期協議）來拿更低價格。但如果未來兩三年槓桿回到記憶體廠商那邊，你就出局了。你可能會毀掉整個業務。」

「NVIDIA 在做的事，本質上是給 GPU 買家提供一個信用包裝，加上一個高於底價的收入分成。這實際上讓他們透過版稅快速建立起一個巨型雲業務。」

5.關於 SpaceX 與軌道計算

「SpaceX 在過去三年裡比任何人都更快地以更低價格接入了更多算力。現在有報告說他們要上 8 吉瓦的算力，我從不跟 Elon 對賭，但那確實是非常驚人的數字。」

「軌道計算每一天都變得更真實。Benchmark 投了 StarCloud，一家沒有 SpaceX 內部發射成本的軌道計算公司。如果 Benchmark 覺得這不靠譜，他們不會投。」

6.關於監管與公關危機

「資料中心是我這輩子見過的對藍領工資最好的事情。但民主黨本該代表藍領工人，卻在把他們的工作往外推。」

「有人在一本學術書裡把資料中心水耗高估了一萬倍。作者已經多次承認錯誤，但這跟菠菜含鐵量的故事一樣：謊言跑遍世界的時候，真相還沒穿好褲子。」

第一章：「2022 壓縮進一個月」

Patrick O'Shaughnessy：這個月發生了什麼？

Gavin Baker：我會把 7 月描述為「把 2022 年壓縮進了一個月」。確實有一些基本面負面因素需要討論，但整體來看，基本面的平衡在顯著改善。一大批 AI 股從高點跌了 40% 到 60%，直線下跌。我問你，你在矽谷待了一個夏天，有沒有聽說過哪怕一個關於 AI 的負面量化指標？

Patrick O'Shaughnessy：一個減速的信號？

沒有。實際上每個指標都在加速。不管是 GPU 可用量、GPU 租賃價格、本月 DRAM 現貨價格，還是 token 增長，全在加速。

我認為很大一部分問題在於，公開市場對 Anthropic 和 OpenAI 沒有可見性。然後還有這些開源推理雲，Fireworks、Baseten、Modal、Together，它們在商業化推理。開源模型因為 GLM 5.2、Kimi K3 大幅加速，Nemotron 也在穩步推進。OpenAI 在加速，Anthropic 在強勁增長，幾乎可以肯定在產生大量自由現金流。

所有人都看過那張圖：半導體現金流在往上走，超大規模雲廠商的自由現金流在往下走。但你漏掉了那些私人公司。OpenAI 和 Anthropic 的現金流不在那張圖裡。我覺得這張圖還漏了一個重要的事情：2024 和 2025 年，哪怕你是最看多的人，你也認為 GPU 租賃價格會緩慢下降。看空的人則認為會暴跌。我不覺得 2024 或 2025 年有任何人想到，2026 年舊 GPU 的價格還會在往上竄。

第二章：誰來為 AI 建設買單

Patrick O'Shaughnessy：接下來六個月的融資環境會怎樣？這次建設需要多少信用？

這涉及經典的資本週期問題。如果供需失衡，事情可以非常快地解體，就像網路泡沫那樣。如果你相信超大規模雲廠商可以靠經營性現金流來資助這次建設，那信用收緊就沒那麼可怕。

我的測算是這樣的：共識對超大規模雲廠商的假設是他們用 Blackwell 和 Rubin 的算力以 Ampere（落後兩代的晶片）的速率來變現。1.3 到 1.4 兆的超大規模雲廠商經營性現金流。如果他們以低於當前 Blackwell 但高於 Ampere 的速率變現，那更接近 2 兆。這樣就減少了約 7000 億的信用需求。而且隨著已裝機算力重新定價、經營性現金流繼續加速，信用指標會改善，融資會變得更容易。

信用市場的信號確實不好忽略。Meta 上週發債，定價比你想的差。所有公司的 CDS 都在走闊。Real yield 在上行。這些都是事實。如果我們需要債務來資助這次建設，那這確實是一個重大負面信號。但如果算力按當前現貨價格重新定價，我們可能根本不需要太多債務。

第三章：GPU 現貨價格不降反升

Patrick O'Shaughnessy：你在矽谷聽到的具體數據是什麼？

今天早上我跟一家公司聊過，他們租了一批幾千張 Blackwell，當時大概 mid-$2 每個 GPU 小時。七個月後，同樣的叢集、同樣規模的 B200，他們希望能以不到 $4 的價格續租。也就是說，七個月內漲了 50% 到 60%。

另一個推理雲公司在播客上公開說，合約到期時他們計畫為 Blackwell 多付 100%。這意味著所有超大規模雲廠商都在低報收入。

7 月的拋售催化劑有好幾個。先是 Meta 宣布要出租算力，市場認為這說明他們有產能過剩、要削減資本開支。完全不是這麼回事。Meta 是看到 SpaceX 擁有大量已裝機算力，並且以遠高於合約價的價格把交易優化型叢集賣到市場上。Meta 看到了機會：先在一小塊產能上展示能產生很高 IRR，然後去融股權，再加大資本開支。Meta 的資本開支遙測數據完全沒有變化，如果有什麼變化的話，是變得更加激進。緊接著他們發布了 Muse 1.1，很長一段時間以來最好的模型。

然後 Kimi K3 出來，市場又對開源恐慌。同時 Silicon Data 的 token 指數走平了。但這是因為開源 token 的佔比在上升，而這些 token 在指數裡的權重計算方式導致了結構性走平。一個 token 就是一個 token，不管它來自前沿模型還是開源模型，生產它需要的算力、記憶體和電力是一樣的。開源拿走的是前沿模型的利潤率，不是算力需求。

第四章：Claude 是股市的沃爾特·克朗凱特

Patrick O'Shaughnessy：你覺得市場是怎麼消化這些消息的？

有一個我在想的事情。Mike Mauboussin 有個理論，說多樣性的崩潰會導致泡沫和崩盤。現在公開市場投資圈，不管是散戶還是機構，每一條新聞都被餵進 Claude，有時候是 Claude Code 或者 Claude Agent。Claude 是機率性的，但大家解讀新聞的方式大概沒太多差異。

Claude 基本上就是股市的沃爾特·克朗凱特。所有人都相信它說的話，然後據此交易。Claude 很聰明，但它不一定總是對的。股票市場本質上是對未來的機率性貝氏解讀。你看到一條新聞，它被餵進 Claude，Claude 用某種方式解讀了它，然後一大群人據此交易。

有一個叫 TBU 的匿名半導體圈帳號，貼了一張日本電容股的圖，說「我們在 6 週裡走完了整個電容週期」。股價翻倍、翻三倍、翻四倍，然後暴跌。基本面都還沒到，你已經在 6 週裡走完了正常需要三年的週期。

第五章：什麼能打破這個論點

Patrick O'Shaughnessy：如果被迫找出能讓你真正害怕的情景，是什麼？

經營性現金流不再加速，這會是最核心的負面信號。這在很大程度上取決於 Anthropic、OpenAI、Grok、Cursor、xAI 和開源的整體表現。

如果 GPU 現貨價格出現持續性大幅下跌，那也很可怕。但你有没有聽任何人說過他們 GPU 太多了？一個都沒有。實際上恰恰相反，聽起來更像是某種黑市。

從技術層面說，我認為最有趣的潛在風險是持續學習和樣本高效學習。如果這些被解決了，可能意味著訓練需求會出現一個暫時的斷層。你把模型從 300 兆 token 訓練，變成只用 10 兆 token 訓練然後放到世界上樣本高效地學習，那對訓練需求來說不太好。但訓練在半導體需求中的佔比正在趨近於一個很小但不到零的數字，推理才是大頭。SSI 說他們 8 月要出模型，有一批新實驗室在專注這個方向。這對世界來說是好事，但很難說對基礎設施需求是正面還是負面。

第六章：記憶體供應鏈的賽局理論

Patrick O'Shaughnessy：大家都在談 LTA，能不能展開講講？

我們需要從「壓榨短期數字」轉向「用長期協議（LTA）換取耐久性」。客戶預付一筆錢，有一個價格下限和上限。這就像幾年前大家不願意裁員時講的「勞動力囤積」。

來想想撕毀 LTA 的賽局理論。有四家公司在規模化層面真正重要：Amazon 的 Trainium、Google 的 TPU、AMD，以及比其他三家加起來還大的 NVIDIA。假設 2027 或 2028 年，你有點想撕毀一份 LTA 來拿更低價格。但接下來幾年的市場份額基本上是由供應鏈分配和你的預購量決定的。如果你撕了 LTA，然後槓桿回到記憶體廠商那邊，你就出局了。

Google 撕了 LTA 會怎樣？大概意味著供過於求，價格在跌，產能自然收縮。然後這個