“永无止境的循环”：为何前沿人工智能正逐渐与半导体行业呈现出相似特征
过去，在半导体领域投资可谓极其艰难。并非因为这项技术无趣——它其实是地球上最有趣的技术之一，艰难之处在于其经济模式。为了研发下一代芯片，你需要投入巨额资金，而等到芯片设计完成、生产流程通过验证、开始大规模生产和销售时，市场早已转向，开始关注更新一代的产品了。这种“跑步机式”的竞争从未停止，也从未放缓。要么持续前进，要么被兼并，要么悄悄退出市场。所有在业内深耕较久的风险投资人都曾因此留下过伤痕，其中一些还是最近才造成的。
我不断回想到那种模式，因为前沿模型实验室似乎也在经历类似的情况。氛围已经发生了变化——有人在私下里、有人在公开场合思考，大量资金涌入这些前沿模型公司后将会产生怎样的后果。因此，有必要用具体数据来进行对比，进而探讨半导体行业的经历究竟能给我们什么启示。就我个人而言，我对前景的看法比那些悲观论调更为乐观，但要想明白其中原因，就必须审视整个发展历史。
下一代制程的成本
将芯片推向更先进的制程水平始终需要巨大的资金投入，而且这一成本还在不断上升。在旧制程节点上，设计完成后送交工厂进行生产的费用仅为几十万美元；而到了 3 纳米制程，一次完整的掩模制作费用就可能高达 1 亿美元甚至更多，其中大部分用于掩模套组及非重复性的工程开发工作，而非晶圆本身。
完整的芯片设计成本则更高。据《国际商业战略》杂志的测算，28 纳米工艺的芯片总成本约为 4000 万美元，7 纳米工艺约为 2.17 亿美元，5 纳米工艺约为 4.16 亿美元，而 3 纳米工艺则接近 5.9 亿美元；2 纳米工艺的成本预计更高达 7.25 亿美元以上。不过这些数字仍存在争议——SemiAnalysis 认为，真正的初创公司生产 7 纳米级芯片的总成本仅在 5000 万到 7500 万美元之间，因此上述数字应被视为上限。不过成本上升的趋势是毋庸置疑的。而且这还只是芯片制造环节的成本而已。一座具备 3 纳米工艺生产能力的工厂需要 150 亿到 200 亿美元的投资，一台 EUV 光刻机的价格更是超过 3.5 亿美元，仅台积电一家在 2026 年就计划投入 520 亿到 560 亿美元的资本支出。
让我一直印象深刻的一点是：晶体管成本虽然持续下降，但前提是你必须有足够的产量来分摊这些成本。如果没有，那高昂的成本就会把你压垮。
下一个模型的成本
再来看看那些人工智能实验室。相比其他机构，Epoch AI 对相关成本的追踪更为细致，它估计 GPT-4 的最终训练成本在折算后的硬件费用上约为 4000 万美元。而斯坦福大学的人工智能指数则是根据云服务租赁价格计算，得出的数字接近 7800 万美元。萨姆·奥尔特曼则表示其实际成本超过了 1 亿美元。至于 Gemini Ultra，不同计算方式下其成本在 3000 万美元到 1.91 亿美元之间。虽然这些计算方法存在差异，但影响的仅是首位的数字，并不会改变成本的数量级。
这一趋势比任何单一数据都更为重要。Epoch AI 的调研显示，前沿模型训练成本已连续八年以每年约 2.4 倍的速率上升，到 2027 年时，规模最大的训练任务成本将超过 10 亿美元。Dario Amodei 则预计到 2028 年时，这类训练任务的成本将达到 100 亿美元。而 2026 年的前沿模型训练成本预计将在 2 亿至 5 亿多美元之间。
巨额的初始投资、紧张快速的研发节奏，再加上一旦产品推出，市场就会立刻期待下一款产品的出现。只要在芯片企业工作过，就会明白这种状况。
对那些 AI 实验室而言，情况反而更为严峻。芯片制造厂属于可重复使用的资本资产，其折旧可以分摊到不同的工艺节点上，即便已经贬值，仍能持续多年创造收益。而模型训练则一旦有竞争对手推出更优秀的版本，其价值就会立刻贬损。与十年前的芯片制造厂不同，去年的前沿模型已不存在任何残值。
我们以前看过这种剧情。
正是这一点会让任何资本配置者都犹豫不决。半导体行业不仅成本高昂，还存在周期性波动。在过去的七十年里，大约每三到四年就会出现一次经济低迷期，而该行业已经经历了 15 次以上的此类周期。互联网泡沫破裂时，SOX*指数从 2000 年的峰值下跌了约 82%，而 Nvidia 的股价更是在此过程中蒸发了近 90%的价值。
对于初创企业而言，这些周期尤其残酷。根据 PitchBook 的数据，2021 年半导体领域初创企业的风险投资额高达 145 亿美元左右，次年便下降了 46%，降至 78 亿美元。那些在资金枯竭前无法实现从研发到盈利转化的芯片公司最终只能倒闭。数十年来，曾经有数千家企业的这个行业逐渐缩减为少数几家公司，尤其是内存领域更是形成了寡头垄断格局。高资本投入加上持续不断的竞争压力，从长远来看，无疑是一台推动行业整合的机器。
因此，这一类比中具有警示意义的那一面其实很明确：极端的资本密集度会使得一个行业仅由少数几家胜出者主导，其他企业则会不断陷入困境，而那些将繁荣误认为是永久状态的人更会为此付出代价。在周期高峰期大举投入资金，恰恰就是上一次周期那些警示故事的由来。
这一类比存在的局限，以及我为何保持乐观
现在来说我认为大多数悲观观点所忽视的部分。半导体行业不仅仅是关于前沿领域的整合故事，它更是科技史上最强大的财富创造引擎，而那些投入资金开发最新一代芯片的公司几乎没能获得其中的任何财富。
试想，谁才是真正赢得半导体时代的赢家。
那些拒绝自建芯片制造厂的芯片设计公司取得了极为出色的业绩。Nvidia、Apple、Qualcomm、Broadcom 以及 AMD 正是通过让其他企业，尤其是 TSMC，来承担先进制程研发所带来的巨额资金压力，才打造出了全球最具价值的业务版图。ARM 则走得更远，根本不涉足芯片生产领域，它只是通过授权指令集的方式，便让其技术出现在全球几乎所有的手机中。这些公司处于“资金消耗陷阱”的上层，它们掌控着设计、软件以及整个生态系统，而将资产负债表上的风险转嫁给了代工厂。
而这还仅仅只是芯片制造厂之上的那一层而已。更重要的其实是所有建立在廉价、丰富且不断进步的硅材料基础之上的产业——软件行业、互联网、智能手机经济以及云计算。从某种意义上说，Google、Amazon 以及整个应用经济领域的企业，能够存在都是因为有人花了数十年时间将计算成本不断降低到接近零的水平。那些为争夺最先进的芯片制程而耗尽资金最终破产的公司早已被人们遗忘，而那些利用这些成果进行发展并持续获利 30 年的企业则获得了成功。
我认为人工智能也在走向同样的路径，早期的迹象已经显现。
前沿模型的开发成本正迅速逼近十亿美元甚至更高，但达到相应性能水平所需的成本却在持续下降，据估计每年降幅可达 10 倍左右。2023 年训练一个模型需要 7800 万美元，而如今这一成本已降至 1000 万美元以下。有消息称 DeepSeek 仅用几百万美元就训练出了性能极为出色的模型。虽然具体数字仍存在争议，且有些估计可能过于乐观，但开放模型发展的趋势十分明显——随着计算能力的提升，智能技术的成本也在不断降低。
这对创业者以及为他们提供资金的支持者而言至关重要。最前沿的领域其实是一场消耗巨额资金的竞争，只有那些拥有极其雄厚资金的实验室才能参与其中；而其上方的领域则相对开放，正是在那里，那些具有持久发展能力的企业正在形成。
看看 Cursor 吧。2022 年，四名麻省理工学院的学生创立了 Anysphere，他们在其他公司的前沿模型基础上开发出了编程产品。从 2025 年初的年均营收约 1 亿美元，到 2026 年中这一数字已上升至约 40 亿美元，堪称软件行业历史上增长最快的案例之一。2026 年 6 月，SpaceX 同意以约 600 亿美元的价格收购该公司。他们并未自行训练前沿模型，而是专注于产品开发并掌控开发者资源，将模型训练的成本转嫁给了那些研究机构。这正是无晶圆厂模式的运作方式，几乎被原封不动地应用到了人工智能领域。
Cursor 并非个例，它只是最受瞩目的例子而已。Perplexity 在搜索领域采用同样的策略，Harvey 用于法律工作，Sierra 则服务于客户服务，Abridge 应用于医疗领域，Glean 用于企业内部管理，Foundry Robotics 则应用于制造业。这些公司都没有陷入那条不断上升的训练成本“跑步机”之中，而是都在其基础上进行构建，此时的经济规律则完全相反。
这里确实存在风险，如果忽视它，那就是没有尽到职责。在某个平台之上构建业务意味着该平台有可能逐渐掌控你的业务，而那些人工智能实验室已经在与他们最优质的客户展开竞争了。Cursor 就曾面临这样的压力：它不得不支付普通的模型使用费用，而这些模型的提供者却能以更低的价格为自己的编码工具服务。对平台依赖性而言，这确实是需要认真评估的风险，绝非可以轻易忽视的细节。不过，这种风险与那些前沿人工智能实验室所面临的风险截然不同，其进入门槛也大相径庭。
那么，这对我们的投资方式意味着什么？
半导体时代让两类公司受益。少数企业有能力永远保持在技术前沿的“跑步机”上，凭借规模优势取得成功；而更多企业则利用廉价且丰富的硅材料，在稍低一层的技术水平上打造出具有高利润空间的稳定业务。总体而言，后一类的创造价值远高于前者。
前沿模型时代也在以类似的方式发展。如果认为这种不断上升的资本投入压力就是全部，或者认为这次繁荣能够避开所有此前那些资本密集型技术发展所必然经历的周期，那便是错误的。它无法避开这一规律。将会出现资金短缺的情况，而且很可能不止一次，而对于那些凭着别人的乐观情绪来为最新一代技术提供资金支持的人而言，后果将十分糟糕。
但更值得探讨的问题并非谁能在这一前沿领域取得胜利，而是当智能变得廉价、充裕且无处不在之后，人们会构建出什么——就像晶体管最终所实现的那样。我正在致力于研究这个方向。在 Red Glass Ventures，我们尤其关注廉价智能与物理世界相交汇的领域：机器人技术、硬件，以及那些能够直接在现实中运作而非仅仅回答问题的系统。如果您正在该领域进行构建工作，我很愿意与您交流。
*SOX：PHLX 半导体行业指数，这是一种经过调整的市值加权指数，所涵盖的公司均主要从事半导体的设计、分销、制造和销售业务。
资料来源：《国际商业战略》；SemiAnalysis；Epoch AI；2025 年斯坦福人工智能指数；PitchBook（通过《注册报》获取）；以及 Anysphere 和 Cursor 的公开报告。芯片设计成本数据仅为估算值，且如文中所述，较高数值存在争议。
