Anthropic年入1万亿后，价格狂飙10倍新智元

当AI智能体开始接近甚至替代人类知识劳动时，算力的价格应该如何重新定价？

在最新博客文章里，知名科技播客Dwarkesh Patel抛出一个大胆推演：如果AI实验室收入继续高速增长（如Anthropic到明年底达1万亿美元），而算力供应每年仅增约3倍，那么计算力价格可能上涨10倍以上。

硅基劳动力的价格

H100+AI=25万美元硅谷程序员

过去几十年，算力被视为一种「工具」。电脑更快，服务器更多，云计算更便宜。

但AI时代正在发生一次范式转换：GPU不再只是机器的零件，而可能成为数字劳动力的载体。

如果一颗 H100可以承载一个接近顶尖程序员水平的AI Agent，那么它的价值就不应该再按照「服务器小时价格」计算，而应该按照它替代的人类劳动价值计算。

想象一下，如果有一个不眠不休、随时响应、技术水平达到人类顶尖水准的「数字软件工程师」，你愿意为此支付多少年薪？

在硅谷，软件工程师平均市场年薪在25万美元以上。然而，要承载这样一个同等智力水平的智能体（Agent），可能仅仅需要占用相当于单张英伟达H100显卡的算力。

现在，让我们算一笔账：

如果这颗H100能够完美替代一个年薪25万美元的人类程序员，那么从纯粹的商业和经济学逻辑来看，这颗 H100理论上的年租金，就应该定在25万美元以上。

但此时此刻，市面上H100的现货租赁价格，年化下来仅仅只有大约1.6万美元。两者相差15倍。

这就是我们将要面对的、人类历史上最大的「劳动力套利黑洞」。

当虚拟世界的智力繁衍速度，远远超出了物理世界制造极限，矛盾就此爆发：

数字智能的价值增长速度，正在远远超过物理计算基础设施的扩张速度。

这道15倍的估值落差，会引来猛烈反扑：在未来的几年里，算力的真实价格可能会面临一轮10倍甚至更高的超级通胀。

自然，有一个疑问：软件工程师年薪将来会不会大缩水呢？

这个问题，Dwarkesh Patel也考虑到了：

但如果我们相信标准经济学关于劳动力的理论，那么算力的边际价值（从而是算力边际价格）应该会变得极其高昂。

AI赚钱的速度，已经超过制造AI的速度

过去几年，AI行业遵循一个简单逻辑：更大的模型、更多的数据、更多的GPU、更强的能力。

但现在，一个新的矛盾正在浮现：AI增长速度，正超过算力供应增长速度。

以Anthropic为例。过去一年，其商业收入增长约10倍。

按照这种增长速度，到年底其年化收入可能达到1000亿至1500亿美元规模。如果这个趋势继续，下一年，它需要面对一个疯狂的问题：如何支撑万亿美元级别「钱景」？

答案只有一个：更多智能。而更多智能意味着：更多训练、更多推理、更多GPU。

然而，问题在于：算力供应并没有以同样速度增长。

目前行业领先实验室的物理算力扩张，大约只能维持每年3倍左右增长。

于是出现一个巨大的错位：

数字世界想跑10公里，但物理世界只能提供3公里的道路。剩下的距离怎么办？

只有三个选择：第一，提高利润率。第二，提高算力价格。第三，把更多算力投入推理业务。

第三条路，其实是很多AI实验室最不愿意看到的。

因为推理赚钱，本质上只是为了证明：「AI商业模式成立。」

然后继续融资，继续购买更多GPU，继续训练下一代模型。

硅谷真正的循环是：

赚钱不是终点，只是为了买更多计算能力。

因为所有实验室真正相信的是：今天最先进的模型，一年后可能就像昨天的手机，强大，但过时。

这就将解法逼回了前两个选项：利润率的暴涨，或者算力单价的攀升。

如果完全依靠利润率来消化这笔差额，到明年年底，前沿实验室的利润率必须达到95%左右的中高区间。

在商业史上，除了极少数绝对技术垄断的节点，这几乎就是幻想。

于是，所有的线索和逻辑最终汇聚到了同一个出口：算力的单价，即将迎来一轮前所未有的暴涨。