Transcription
地球上每个行业未来的命脉，都掌握着一种货币。而几乎没有人知道它的存在。我说的不是比特币，也不是美元，更不是你最喜欢的山寨币，也不是什么没人听过的虚构的东西，它叫做代币（token）。
每一次你向 ChatGPT 提问，每一次你让 Claude 为你写代码，每一次 Gemini 分析文档或为你生成图片，或者每一次 Open Claw 删除你电脑上的文件，你都在花费这种货币。你只是没有看到账单。有人在替你买单。这种看不见的交易的经济学，解释了目前人工智能领域正在发生的一切。
为什么公司在一年内就承诺投入超过 6000 亿美元用于基础设施建设。为什么埃隆·马斯克花费 180 亿美元在田纳西州孟菲斯的三栋建筑里塞满了五十万个芯片。为什么 SpaceX 刚刚收购了 XAI，并向联邦政府提交申请，要在轨道上部署一百万个人工智能计算卫星。为什么一个名为 OpenClaw 的开源人工智能代理在几周内就获得了 157,000 个 GitHub 星标，打破了以往的所有记录。所有这些头条新闻都指向同一个东西：代币。
在过去的 14 年里，我一直在关注人工智能及其构建公司。我在这里告诉你，一旦你理解了我即将解释的内容，你将比你认识的几乎任何人都更深入地理解整个人工智能经济。
那么，让我带你了解一下。让我们从基础开始。什么是代币？让我们尝试从一个抽象的概念，把它变成一个容易理解的东西。
代币是人工智能模型用来处理的基本单位。你可以这样想：当你输入一条消息给聊天机器人时，模型不会像你和我一样阅读你的文字。它会将一切分解成这些叫做代币的小块。代币不完全是一个词。它也不完全是一个字符。它介于两者之间。
平均而言，一个代币大约是四个字符。所以“hello”这个词就是一个代币。“understanding”这个词可能会被分成两个代币：“understand”和“ing”。一个经验法则是，大约 750 个单词等于大约 1000 个代币。所以，当你让 ChatGPT 为你写一封电子邮件时，根据你当天的情绪，生成它可能需要花费 2000 到 3000 个代币。而一个简单的问答，可能需要 200 到 500 个代币。到目前为止，这都很直接，对吧？
但现在，请考虑这一点。每一个代币的产生都要花费真金白银。每一个代币背后都有大量的计算，在极其昂贵的硬件上进行。我们说的是专门的芯片，每块成本在 25,000 到 40,000 美元之间。而且你不需要一块。你需要成千上万块同时运行，才能为你生成这些代币。
一台拥有八块 Nvidia H100 芯片的服务器，成本在 20 万到 40 万美元之间。每块芯片在负载下功耗高达 700 瓦。你需要为这些电力提供冷却系统。你需要网络、存储、建筑、电力、基础设施，而这仅仅是一台服务器。这些公司正在建造拥有数十万块芯片的设施。
所以，当你随意问 ChatGPT：“今晚我应该做什么晚餐？”时，你正在消耗一种需要数十亿美元基础设施才能创造出来的资源。你只是没有看到这一切。而理解谁在为此付费，他们支付了多少，以及成本如何变化，这就是理解目前人工智能领域一切的关键。
现在，我想解释一些关于代币的事情，我花了一段时间才完全理解。代币有两种类型。你有输入代币和输出代币，它们在经济上差异很大。你的问题、你的提示、你提供给人工智能的上下文，这些都是输入代币。模型可以一次性并行处理所有这些。这相对有效率。
但是人工智能的响应，输出代币，这些必须一个接一个地按顺序生成。每一个输出代币都需要通过数十亿个模型参数进行一次完整的传递。每次都要从内存中加载大量数据。而瓶颈实际上是内存带宽，而不是原始计算能力。你能在芯片内部多快地传输数据？这就是为什么在所有主要人工智能提供商那里，输出代币的成本是输入代币的 3 到 5 倍。这也是为什么计算行业存在巨大的 RAM 短缺。所有那些关于 RAM 价格飙升的文章和视频，原因就在这里。
如果我们看最昂贵的模型，比如 GPT4.5，它刚推出时，每百万个输入代币是 75 美元，每百万个输出代币是 150 美元。对于最便宜的模型，比如 Gemini Flashlight，每百万个输入代币大约是 8 美分。市场上最便宜和最昂贵的模型之间的价差超过 900 倍。
为了让你有个概念，让我举个例子，如果我们使用 ChatGPT4 的例子，一项任务会花费多少钱。如果我想上传我 YouTube 视频库的大部分内容，比如转录历史，然后让人工智能将其变成价值 100 万个代币的书籍，这大约是 10 本书，每本约 250 页。假设上传这些价值 100 万个代币的转录文本，大约需要花费我 75 美元。而这大约 10 本书的成本大约是 150 美元。所以，将我的 YouTube 库变成 10 本独立书籍，大约需要 225 美元。
当然，你还有模型的智能，它如何提炼这些转录文本中的知识，我需要进行的多次传递，任何图片、研究、事实核查、校对、编辑，所有这些都需要额外的代币。但我只是想给你一个例子，说明使用最昂贵的模型完成一项任务需要多少钱。
你可以很快看到，理论上，用人工智能完成这类任务所需的时间、精力和金钱，比我自己花时间做这个项目，或者雇佣一个作家、编辑、校对团队以及传统上写书所需的所有其他人员要便宜得多。
模型之间的成本差异，通常与模型性能相关，尽管这一点正在改变。你通常可以假设一个更便宜的模型不会给你带来同样好的结果，特别是对于需要深度推理或深度思考的任务。比如创建整个应用程序或软件，或者一篇极其详细的研究论文。然而，对于像历史问题这样的简单查询的快速回答，这些快速模型可以轻松处理。你不需要花费巨资就能得到答案。有不同的模型适用于不同的用例。而现在在人工智能领域，最重要的事情是弄清楚哪个模型最适合做什么。
好的，现在你已经了解了代币是什么以及为什么它们需要花费金钱，让我向你展示技术史上最非凡的成本崩溃。我不是在夸大其词，我保证。没有任何技术曾以如此快的速度出现过如此大幅度的成本下降。太阳能电池板花了四十年。电池没有。微芯片没有。没有任何东西能与之相近。
我们已经讨论了 ChatGPT 4.5，这是提供给开发者的最昂贵的前沿人工智能模型。但请看这个。2022 年 11 月，GPT3 通过 API 向公众发布。一百万个代币花费 20 美元。2023 年 3 月，GPT4 出现，而且更贵。每百万个输入代币 30 美元，每百万个输出代币 60 美元。然后事情开始迅速下降。2023 年 11 月，GPT4 Turbo 发布，输入 10 美元，输出 30 美元。降幅 67%。2024 年 5 月，GPT40，输入 5 美元，输出 15 美元。又降了 50%。2024 年 7 月，40 Mini，输入 15 美分，输出 60 美分。这比最初的 GPT4 输入代币便宜了 200 倍。到 2024 年 10 月，你可以以每百万代币 7 美分的价格获得 GPT3.5 级别的性能，从 20 美元降到 7 美元，不到 2 年时间就崩溃了 280 倍。
根据我的追踪，这个速度实际上正在加速。2024 年 1 月之后，平均价格下降速度达到每年 200 倍。观察到的最快速度达到每年 900 倍。OpenAI 的首席执行官 Sam Altman 公开表示，人工智能的使用成本每 12 个月下降 10 倍。
整个动态就像赖特法则（Wright's Law）。该法则指出，每累计生产翻一番，成本就会以一个恒定的百分比下降，但这是运行在绝对的类固醇上。太阳能电池板遵循赖特法则超过四十年。人工智能代币在 18 个月内实现的成本降低，比太阳能电池板在 40 年内实现的还要多。
所以你会想，好吧，太棒了。人工智能变得越来越便宜。公司肯定省了很多钱，对吧？嗯，这是我发现最有趣的部分。
1865 年，一位名叫威廉·斯坦利·杰文斯（William Stanley Jevans）的英国经济学家，他可能是你从未听说过的最重要的经济学家之一，包括我自己，直到我制作了这个视频。他写了一本名为《煤炭问题》（The Coal Question）的书。在那本书中，他注意到了一些违背所有逻辑的事情。詹姆斯·瓦特（James Watt）刚刚让蒸汽机变得更加高效。所以，英国应该使用更少的煤炭，对吧？更高效的发动机，需要更少的燃料。这完全说得通。
但结果恰恰相反。英国的煤炭消耗量飙升。因为当煤炭使用起来更有效率时，它突然在以前过于昂贵的应用中变得有用。新的工厂，新的机器，新的交通工具，新的以前不存在的行业。效率并没有减少消耗。它实际上解锁了全新的需求类别，这是没有人预料到的。杰文斯写道：“认为更有效地使用燃料意味着你将消耗更少的燃料，这是概念上的混淆。”事实恰恰相反。
现在，将同样的逻辑应用于人工智能代币。代币价格在 2 年内下降了 280 倍。公司在人工智能上的花费减少了吗？一点也没有。企业人工智能支出从 2024 年的 115 亿美元飙升至 2025 年的 370 亿美元。增长了 320%。当 GPT4 变得更便宜时，人工智能变得便宜了 100 倍。使用量增加了 1000 倍。2025 年，每个组织的平均月度人工智能预算为 85,000 美元，比前一年增长了 36%。45% 的组织现在每月在人工智能上花费超过 100,000 美元。这在一年内翻了一番。83% 的人工智能领导者表示他们担心人工智能成本，但他们仍然继续花费更多。为什么？因为每次价格下降，就会有 10 件以前不可能的事情成为可能。比如那些不会被批准的软件项目，那些从未被人工智能审查过的合同，那些没有人会资助的医学研究，一个进行营销活动的人工智能代理，没有人会费心去自动化。
Box 的首席执行官 Aaron Levy，它是世界上最大的企业软件公司之一，他说得非常完美：“未来绝大多数人工智能代币将花费在我们今天作为工人甚至不从事的事情上。”这是一个非常重要的观点。它是关于做以前不可能或不经济的全新事情。
微软的首席执行官萨提亚·纳德拉（Satya Nadella），他是科技界最有权势的高管之一，在谈到人工智能效率时，他直言不讳地说：“杰文斯悖论再次出现。”他非常清楚发生了什么。
所以，一家公司获得了 50% 的代币价格折扣。他们庆祝了大约 5 分钟的节省。然后，他们找到了 10 种新的方法来使用更便宜的智能。他们的总人工智能账单并没有减少。实际上反而增加了。这不是一个 bug。这就是每一次重大的技术变革一直以来的运作方式。煤炭悖论持续了 150 年。人工智能代币悖论才进入第二年。
现在，让我谈谈将为这个杰文斯悖论火上浇油的东西：人工智能代理。因为我刚才描述的一切，人工智能代理可能会让它变得更加激烈 10 到 100 倍。
如果你不熟悉，可以把人工智能代理想象成你电脑里的小型数字机器人，它可以执行任务。你可以说：“嘿，你能看看我电脑上的这份文件，总结一下，然后发邮件给我妈妈吗？”然后人工智能代理就会去做。这是一个非常基本的例子，它可以深入到：“嘿，你能对整个医疗器械行业进行市场研究，然后找到五个主要的机会，这些机会是该行业严重不足的吗？然后创建一个应用程序来填补这个空白。然后，在你完成应用程序的创建后，你能为它创建一个网站、营销等等吗？”
当然，这项任务的质量和准确性在很大程度上取决于人工智能模型的质量。但我真的很想描绘一下这些人工智能代理及其任务可能变得多么复杂。
当你使用 ChatGPT 或 Claude 进行正常对话时，你消耗的代币可能只有几百个。简单的问答。但人工智能代理是一个根本不同的实体。代理不仅仅是回应你。它思考，它行动。它观察发生了什么。它重新思考。它再次行动。它在循环中运行。每一次循环迭代都会增加代币账单。而这些循环可能持续数小时，有时甚至过夜。
一个解决 bug 的编码代理，在一个会话中可能会消耗 50,000 到 500,000 个代币。一个与软件构建相关的多步研究任务，消耗 500,000 到 200 万个代币。轻松搞定。毫无疑问。我自己的研究任务，有时一夜之间会消耗 200 万个代币。那只是多步过程中的一个步骤。
研究人员实际上研究了整个动态。有一篇论文叫做《编码代理如何花费你的钱？》（How do coding agents spend your money?）。他们发现了一些相当疯狂的事情。不出所料，对吧？在同一任务上，不同运行之间存在 10 倍的差异。相同的代理，相同的问题，一次运行可能比另一次运行成本高 10 倍。在你按下开始按钮之前，你基本上不知道它会花费多少钱。而成本的很大一部分来自输入代币，因为在每一次循环中，代理都必须重新读取整个对话历史。随着对话的增长，输入代币会累积。一个有增长上下文的 10 步代理循环，很容易使单次调用的代币成本增加 50 倍。
而这正在大规模发生。Claude Code Max 用户，包括我自己，每月支付 200 美元来获得访问权限，或者像我这样完全沉迷于人工智能代理，无法停止构建我永远不会使用的东西的人。在一个月内集体消耗了 100 亿个代币。开发者报告说，他们每天花费 20 美元，而他们原本预计每月花费 20 美元。
然后你还有像 01 03 Claude 这样的推理模型，它们具有扩展的思考能力，可以生成你永远看不到的大量隐藏代币流。一个简单的模型可能只需要七个代币就能做出响应。而开启思考模式的 Claude 可能需要 255 个代币。现在，这些更高代币模型的优势在于，这些类型系统的准确性、可靠性和质量要好得多。但它们也需要更多的代币来生成智能，以吐出高质量的答案。
这与人类没有什么不同。那些更努力、花费更多精力的人通常会产生更好的结果。有些人天生就有天赋的大脑，可能需要更少的精力和努力，可以把这些看作是更高质量的人工智能模型，但产生答案所付出的努力和精力总是会产生更好的答案或行动。
而这些代理不断变得更好，这意味着人们将它们用于更多的事情，这意味着消耗更多的代币。OpenAI 刚刚推出了 GPT 5.3 Codeex，它专门为长时间运行的代理任务而设计。在 SWE Pro 基准测试中，它的得分是 56.8%，这个基准测试是将真实世界的软件工程问题抛给人工智能代理，看看它是否能解决。关键的创新是所谓的上下文压缩。模型会自动压缩较旧的上下文，随着会话的延长，保持高质量的同时减少代币浪费。Opus 4.6 也做着同样的事情。所以这些代理在如何花费代币方面变得越来越聪明，但代理使用量却在飙升，原因就是你猜到的：杰文斯悖论。更高效的代理意味着人们将它们用于更多的请求。
开源领域在代理方面也变得非常疯狂。OpenClaw。这个开源人工智能代理是 Peter Steinberger 开发的，它基本上在几周内从无到有获得了 157,000 个 GitHub 星标。这个东西直接在你电脑上运行。它管理你的电子邮件、你的日历、浏览网页、与服务交互。它已经经历了三次更名。最初是 Claudebot，然后因为与 Claude 的问题被重命名为 Maltbot，最后变成了 OpenClaw。他们刚刚在旧金山举办了他们的第一次开发者大会，名为 Clawcon。
OpenClaw 最疯狂的事情之一是，其中一个名为 Claude Claudberg 的 OpenClaw 代理（我没开玩笑）构建了一个名为 Multibook 的完整社交网络。我敢肯定你听说过它。这是一个为人工智能代理设计的社交网络，人工智能代理可以在上面发帖、评论、争论，并互相点赞内容。我敢肯定，如果你密切关注这些事情，你一定看到了这个故事的病毒式传播。150,000 个代理在这个平台上运行，自主生成内容。有时是相当疯狂的内容，但想想这消耗了多少代币。这相当疯狂，对吧？
当你听到这样的事情时，很容易就能看到世界正在如何迅速变化。我在我的新书《丰裕或崩溃》（Abundance or Collapse）中涵盖了所有这些趋势，这本书深入探讨了所有这些技术的影响，以及它们在未来几年将对我们的社会产生什么影响，以及你如何才能最好地定位自己，以确保你站在这场颠覆的胜利一方。它在亚马逊上有售，我在下面的描述和评论区留下了链接。谢谢。
好的，现在你已经了解了代币的需求情况。它们越来越便宜，但总消耗量却因为杰文斯悖论而爆炸式增长。而代理消耗的代币比正常对话多 10 到 100 倍，这正在成倍增加需求。
现在的问题是，你把所有这些计算放在哪里？你将在哪里实际建造基础设施来生成数万亿个代币，甚至更多？这里的数字简直是疯狂的。我想说清楚，这些都是真实数字。我没有编造任何东西。
顶级超大规模云服务提供商，亚马逊、谷歌、微软、Meta、XAI，在 2024 年的资本支出上花费了超过 2600 亿美元。这是公司在 2024 年用于建设基础设施和设施的投资。到 2025 年，这一数字跃升至 4500 亿美元。仅亚马逊就达到了 1250 亿美元。谷歌三次上调了他们的数字，最终定在 9100 万到 9300 万之间。微软在一个季度内就减少了 350 亿美元，比去年同期增长了 74%。到 2026 年，总额将轻松超过 6000 亿美元。其中约 75%，即约 4500 亿美元，直接用于人工智能基础设施。
高盛，世界最重要的投资银行之一，预计从 2025 年到 2027 年，超大规模云服务提供商的总资本支出将达到 1.15 万亿美元，是此前三年 4770 亿美元的两倍多。
然后还有像 Stargate 这样的超级项目，这是 OpenAI、软银、甲骨文和 MGX 之间的合资企业，在 4 年内将投入高达 5000 亿美元。计划功率容量接近 7 吉瓦。他们已经宣布了五个数据中心站点，其中一个在德克萨斯州阿比林，已经投入运行，并交付了英伟达最新的芯片。
然后是埃隆的 XAI Colossus 项目，位于田纳西州孟菲斯。这是世界上最大的单体人工智能安装项目，横跨三栋建筑，拥有超过 500,000 个 GPU，并购买了 2 吉瓦的电力，耗资约 180 亿美元。这个项目的建设速度非常惊人。19 天的建设周期，将通常需要 4 年的项目压缩到几周内。这只是埃隆的风格。目标是总共 100 万个 GPU。500,000 个只是一个站点的目标。
现在，一些非常重要的事情正在表面之下悄然发生。在 2026 年，运行人工智能模型（称为推理）的支出将首次超过训练它们的支出。让我解释一下这是什么意思。训练是指你教模型。你喂给它数据。你进行大量的计算来构建它的智能。推理是指你实际使用它。当你输入一个问题，它生成一个答案。把训练想象成建造工厂，把推理想象成运行工厂生产产品。
多年来，大部分资金都用于建造工厂。但现在，实际为人们生成代币占人工智能云支出的 55%。到 2027 年至 2030 年，预计将达到 70% 到 80%。仅人工智能推理市场预计到 2030 年将从 1060 亿美元增长到 2550 亿美元。
这告诉我们一个巨大的信息：行业已经从建设阶段转向运行阶段。人工智能模型正在以巨大的规模部署。重心已经从创造智能转移到分发智能。
当你用完了地球上的空间，当你面临电力限制、土地限制、冷却限制、永久性的噩梦、愤怒的邻居时，你该去哪里？你现在必须在地球上实际建造它们，对吧？为了所有这些人工智能训练和所有这些人工智能推理。但你猜怎么着？你去了太空。
2026 年 1 月 31 日，SpaceX 向美国联邦通信委员会（FCC）提交了申请，FCC 是监管卫星和通信的机构，申请发射多达 100 万颗卫星到近地轨道，不是为了互联网，而是为了计算，轨道数据中心。
大约在同一时间，SpaceX 正式收购了埃隆的人工智能公司 XAI，将人工智能的雄心和发射能力整合到一个屋檐下。这些卫星将在 500 至 2000 公里之间的高度运行，特别是在太阳同步轨道上。这意味着卫星的一侧始终朝向太阳，以获得近乎恒定的太阳能，而另一侧则面向太空的虚空，你可以免费地将热量辐射出去，因为与卫星产生的热量相比，虚空非常寒冷。
通过这种设置，没有土地成本，没有冷却成本，没有邻居。SpaceX 的申请表示，摆脱了地面部署的限制，在几年内，生成人工智能计算的最低成本将在太空。他们的愿景是每年发射 100 万吨卫星，每吨产生 100 千瓦的计算能力，这将每年增加 100 吉瓦的人工智能计算能力。
为了让你有个概念，因为这有很多数字。这相当于每年为 1 亿个普通美国家庭提供持续电力。是的，我们不是生活在《星际迷航》里。我保证。这是来自一家已经拥有 10,000 颗卫星在轨并为整个地球提供互联网服务的公司的实际 FCC 申请，通过 Starlink，这是他们每年赚取数十亿美元的摇钱树，并为其下一代火箭 Starship 的开发提供资金。
现在，我想对你坦诚相待，因为我总是试图给你两方面的看法。我对整个故事的看法更偏向于乐观的一方。我拥有特斯拉股票，我认为埃隆在雄心勃勃的时间表上的记录很清楚。这家伙对时间过于乐观了。2 到 3 年内太空成为最便宜的说法，那将是埃隆时间。Starship 必须首先完全投入使用并可重复使用。
一位分析师估计，100 吉瓦的轨道计算能力需要 4 到 5 万亿美元的英伟达设备。CNBC 报道称，太空数据中心仍然是一个梦想，短期内还有很多不足之处，但方向逻辑是合理的。这可能是一个 5 到 10 年的赌注，而不是一个 2 年的赌注。
还有一点很重要，要记住，当埃隆说 2020 年前会有 100 万辆自动驾驶出租车时，他们确实错过了很多，但他们刚刚在奥斯汀推出了无人监督的自动驾驶出租车，晚了 6 年。这些东西总是会迟到，但方向总是正确的。
现在，公司也不会坐等成本自行下降。在后台有大量的优化工作。有量化。你将一个模型中存储的数字从 16 位精度压缩到 8 位或 4 位。你可能会损失 1% 到 2% 的准确性，但内存节省了四倍，成本降低了高达 70%。这是一个不费脑筋的权衡。
有投机性解码。一个小型快速模型提前预测代币。大型模型并行验证它们。速度提高了 2 到 3 倍，质量损失为零。数学上输出相同。有连续批处理和分页注意力，更智能地管理 GPU 如何同时处理多个请求，这在基准测试中带来了 2 到 3 倍的吞吐量提升，以及提示缓存，保存和重用你已经处理过的提示部分。Anthropic 在缓存提示上提供了高达 90% 的成本降低。一位开发者从每月 720 美元降至 72 美元。
将所有这些结合起来，与以天真的方式运行模型相比，你可能会看到成本降低 100 倍或更多。
此外，还有像 Cerebras 这样的公司，他们建造了世界上最大的一块处理器。一块晶圆上有 4 万亿个晶体管，900,000 个人工智能优化核心，运行大型模型，速度比任何英伟达集群快 21 倍。他们刚刚与 OpenAI 签署了一项价值 100 亿美元的协议，在 2028 年之前提供 750 兆瓦的推理计算能力。
芯片市场正在分裂成两部分。你有训练芯片和推理芯片，它们正在成为完全不同的产品，为完全不同的经济学设计。或者至少看起来是这样。埃隆的公司特斯拉正试图通过使用一个芯片来同时进行训练和推理，那就是他们的 AI7 芯片。但这可能要到 2028 年或更晚才会出来。
好了，让我们把所有这些疯狂的事情联系起来，因为我们刚刚经历了太多。代币是人工智能智能的原子单位。每一次互动，每一个代理循环，每一个生成的代码行，每一个由 Moldbook 或 Facebook 上的人工智能代理编写的社交媒体帖子，都以代币来衡量。
代币的生产成本在 2 年内下降了 280 倍。但这种崩溃并没有减少总支出，反而引发了教科书式的杰文斯悖论式的爆炸。企业支出飙升 320%。代理现在消耗的代币比正常对话多 10 到 100 倍。像 OpenClaw 这样的开源代理将自主人工智能交到了数十万开发者手中，他们正在构建没有人预测到的东西。OpenAI 的 GPT 5.3 Codeex、Claude 的 Opus 4.6、XAI 的 Gro 4.20 以及其他模型正在使代理更智能、更有效地使用代币，而杰文斯悖论再次意味着人们将它们用于更多的事情。
所有这些需求就是为什么超大规模云服务提供商今年将花费超过 6000 亿美元。这就是为什么埃隆建造了 Colossus。这就是为什么 Stargate 正在破土动工。这就是为什么 SpaceX 要将一百万个计算卫星送入轨道。
这种模式是结构性的。它与 1865 年的模式相同。价格下降创造了新的可能性。新的可能性创造了新的需求。新的需求超过了消失的旧需求。总支出增加。然后由于竞争和优化，价格再次下降。整个循环重复。而这不会停止。煤炭悖论持续了 150 年，而人工智能代币的循环，我们才刚刚进入第二年。
那么谁会赢？跟着代币走。那些每美元能产生最多代币的公司。你有基础设施提供商，如英伟达、Cerebras、Grock with a Q，云平台，太空中的 SpaceX 及其人工智能卫星。基于使用量的平台，Anthropic、OpenAI、Google Cloud、Grock。随着每一次价格削减，它们的总潜在市场都在扩大，因为杰文斯悖论产生的需求超过了价格削减所消除的需求。只要它们的模型质量好，就跟着基础设施的玩法走：数据中心公司、电力公司、冷却技术提供商，它们正在乘着 7 吉瓦以上新电力需求的浪潮。而那些理解这一点的人，那些理解代币经济学的人，他们将能做出更好的投资、职业和对未来方向的理解的决策。
那么，谁会输呢？那些只是在别人 API 上加一个用户界面的薄弱初创公司。当底层商品每年都在贬值 200 倍时，你批发和零售之间的利润就会蒸发。而销售按席位收费的传统软件公司也陷入困境。当一个人工智能代理取代了三个分析师时，销售三个席位就没有意义了。该行业已经转向基于使用量的定价。到 2028 年，对于任何启用人工智能的工作流程，纯粹的按席位收费的定价预计将完全过时。
看，我知道这信息量很大，可能是我在这个频道上制作过的最密集的内容之一。但如果你理解了我们刚才讨论的内容：代币、杰文斯悖论、推理的转变、作为需求倍增器的人工智能代理、基础设施的军备竞赛，你就理解了为什么地球上每一家主要科技公司都在疯狂地花钱。因为在某种意义上，它们没有明天。那些现在不建立这种基础设施的公司将被那些建立的公司远远甩在后面。而这一切都通过这些微小的计算单位连接起来，而大多数人甚至从未想过它们。
几个月前，人们对人工智能泡沫有很多担忧。我在这里告诉你，那都是纯粹的……没有人工智能泡沫。这是一场人工智能的爆炸。人工智能行业会有赢家和输家，但这个行业才刚刚开始。
如果你正在考虑这一切的投资方面，深入理解大多数人不知道的事情，在更广泛的市场尚未跟上实际情况时保持信念，知道何时你的论点仍然成立，何时发生了根本性的变化。这是 Bradford Ferguson 在 Rebellionire 和他的团队经常深入讨论的内容。他们有一个视频叫做《为什么大多数人永远无法持有特斯拉》（Why Most People Could Never Hold Tesla）。那个视频深入分析了整个动态的心理层面：为什么大多数人在基本面大声疾呼时也无法坚持自己的头寸。这些人就是那个在埃隆进行著名的 Twitter 投票前一个月就预测到他会卖出股票的团队。所以，他们在理解这个领域方面有他们的证据。我会在下面的描述和评论区链接那个视频。非常感谢您的观看。希望这很有信息量且有帮助，我们将在下期节目中再见。大家保重。再见。