Ben Thompson 是 Stratechery 的作者，2015 年提出的「聚合理论」基本定义了上一个互联网时代怎么看平台的赢家和输家。他长期住在台湾，最近才搬回美国。这期播客他从 AI 地缘博弈一路聊到英伟达。本页把宝玉的中文整理拆成 10 章，每章一段分步动画，外加可以拖一拖、点一点的交互图。最有价值的是第 5 章：拿 Dropbox 类比 OpenAI。
如果掌握 AI 就等于军事碾压，那对手在博弈论上的最优解就是炸掉台积电。他觉得这个推演一点都不复杂。
「美国到时已经把芯片制造搬回本土」？他称之为魔法思维：美国对中国供应链的依赖被严重低估。除非真打起来，没人会主动付这笔天价保险。苹果把部分产能挪到印度，也只是有限分散。
他也认为美国必须赢，但方式应该是更开放、更少管控。
他最担心的是时间错配：AI 能不能在资本耗尽之前产生足够的收入。
科技公司正一路往资本曲线下游走。理想情况是自由现金流重新接棒；接不上，就可能爆雷。
铁路要十年甚至几十年才回本，钱却必须短期内筹到。1870 年代「全世界的钱用完了」。可是铁路照样在跑，撑起了美国西部开发，至今还在贡献 GDP。
BNSF 的前身之一，就是那个年代靠向散户卖债券修起来的北太平洋铁路。它如今归伯克希尔所有，而伯克希尔这次投资 Google 的钱，某种程度上正来自 BNSF。
资本体量大到一定程度，看的是绝对值而不是百分比。Google 搜索可能就是 AI 时代的喜诗糖果；而 AI 的潜在市场是全部白领工作，加上机器人可能是一切。增发会稀释股东，但饼大了无数倍，没人会抱怨。
既超级看多，又有所保留。编程和数学很惊人，但它们都是可验证领域。能否迁移到不可验证、或验证周期很长的领域，目前还没有令人信服的证据。
实验室的人回他：「当年大家也不信能解决国际象棋和围棋。」他不以为然：棋类本来就是有边界、可知的领域。
另一个点：互联网数据只是人类思考的最终产物，没有思考过程的痕迹。如果将来 Neuralink 这类东西能采集思维过程，验证问题也许会靠更多数据解决。
他认为经济机会已经巨大，因为大量工作本来就在 AI 擅长的领域里。他自称「不情愿的加速主义者」：回不去了，最糟的是卡在原地。
医疗是最大的机会之一，也最难：监管和数据获取都是障碍，而人类制造繁文缛节的能力同样无穷。
聚合理论建立在零边际成本上，而 AI 推理的成本是真实的。他的回应：成本两极分化得厉害，两类用户「根本不在同一个宇宙」。
丰裕时代稀缺的不是分发而是发现。谁解决了发现问题，谁就控制需求，而且在用户端和变现端都能无摩擦地扩展到全世界。
每人每月 100 美元含一定用量，超出按量计费。过去许可费绑定人头，招人时顺带算进去，对微软几乎是躺着收钱。按用量计费后，企业每月都得看账单，而企业习惯一年做一次预算。更要命的是，看账单时就会问「这到底值不值」，进而考虑换别家。
服务成本这么低的普通用户，为什么至今没有好的商业模式？他「沮丧但不意外」。答案显然是广告，因为消费者不想付钱。
Ben 在商学院时就是最早一批用户，到处发邀请码，至今还留着一大堆免费空间。Drew Houston 做了一个极好用、无缝的产品，明确想做消费者公司。苹果有意收购，乔布斯对他说了那句话，后来也真把它做成了 iCloud Drive。
Dropbox 增长飞快，然后停滞约两年，几乎把应用从底层重写：愿意付钱的消费者不够多。能看到价值并愿意买单的是企业，而企业要权限管理、管控能力、管理员统一设置。唯一能赚钱的路是卖给公司。
企业在给员工发工资，员工更高效，投入就有回报。消费者上了一天班，回家为什么还要更高效？他只想瘫在沙发上刷短视频。
Ben 说自己在 Stratechery 获得的大量关注，恰恰来自他是个「广告欣赏者」：人人都在写博客、玩 Twitter，却几乎没人愿意正经讨论广告。硅谷至今对「自己很大程度上靠广告养活」有点难为情，过去八年「Facebook 很恶心」成了主流叙事，最优秀的工程师也不想做广告。
OpenAI 卖出了很多订阅，但不够。要做消费者市场就必须做广告。现在终于转向了，最近推得很快，比如和零售商打通，购买是否完成都能追踪。
广告模式下，涨价的是广告主，消费者端不存在价格弹性问题，从每个消费者身上能变现的空间几乎是无限的。Netflix 这样的订阅每次涨价都得掂量：涨多少会降档，涨多少会退订。
今年资本开支约 8000 亿美元，明年预计 1.3 万亿。今天砸的钱要到 2028、2029 年才变成算力，所以短缺未来几年还会加剧。
现在算力不够，是因为 2023、2024 年投资不足，而台积电在 2023 到 2025 年增速反而放缓。建芯片工厂比建数据中心还慢。
Andy Jassy 和 Satya Nadella 说「先建空壳，有需求才买 GPU」，他觉得水分不小：钱投进去了，就不会让它闲着。
船的成本主要是折旧，已经付掉了，边际成本只有燃料、船员和港口费，所以无论如何都会开船，价格被压到边际成本。内存就是典型的周期行业。
现在大家用短缺时期的数据算回本周期，到了丰裕时期还成立吗？即使「永远不会丰裕」是对的，钱也可能在收入跟上之前断掉。
内存只剩三家寡头，都学会了「别再犯过去的错」。这招很管用，但真用了所有人都会绕开：苹果在游说引入中国内存，算法层面也都在研究怎么省内存。
台积电不愿承担产能过剩的风险，风险就转到了下游巨头身上。巨头不是在亏钱，而是在少赚钱：需求和客户都有，芯片不够。
台积电不设计芯片，专门替苹果、英伟达、AMD 生产。最先进制程上只有它能稳定量产，全世界最先进的 AI 芯片几乎都出自这里。
一座先进工厂动辄数百亿美元，建好要好几年，要运转三十年左右。建多了，过剩产能会压在行业头上几十年。所以宁可少建。ChatGPT 2022 年底发布，台积电 2023、2024、2025 年增速却一年比一年低，2026 年才重新加速。
终端需求稍有变化，沿供应链往上游传，波动会被一层层放大。台积电和内存厂商在最上游，最怕看清需求时需求已经回落。Ben 认为 AI 就算是牛鞭，也是史上最长的一条。
2000 年代后期，接班管理层遇上金融危机削减投资。张忠谋回来撤换管理层，理由是 iPhone 刚发布，应该加大投资。逆势投入奠定了此后的统治地位。这一次，台积电没有再做出那样的决断。
分散供应像买保险，平时太贵、期望收益为负，没人买。现在缺芯少赚的钱已经超过扶持英特尔和三星的成本。靠分析师写文章解决不了依赖，真正起作用的是一个大到让所有人都有经济动机的需求。地缘政治上的这份保险等于白送。
哪家大公司处境最有意思？他说答案永远是 Amazon：它是自己的第一个最佳客户。
AWS 并非闲置产能，实际先服务外部客户，后来才把 Amazon.com 迁上去；物流先自建再开放；Graviton 和 Trainium 早期版本很烂，但可以藏在托管服务底下，客户不知道也不在乎，靠内部量级迭代变好，如今 Trainium 在跑 Anthropic。核心业务扎根实体世界，是最不怕 AI 冲击的。
它掌握用户入口，这就是聚合者的玩法：供应商主动找上门，AI 能力按需采购；未来还能在端侧跑模型，用的是用户自己的电费。
风险在于微软当年的陷阱：微软没错过移动，只是把手机当成小号 PC。如果环境式 AI 比手机更好，Apple 可能被颠覆。但 AI 是概率性的，Apple 是确定性产品之王，iPhone 从未召回过，那种严谨和做 AI 需要的能力完全不同。
对数字公司来说，不在前沿反而更鲁莽。别低估信仰的力量：他们觉得自己在造神。
Lou Gerstner 意识到 IBM 每样东西都平庸，最大的资产是「大」，于是做中间件加咨询，把整个美国企业界带上了互联网，给 IBM 续命三十年。
微软手握大量现金、刚派了 100 亿美元股息，也想做模型之上的平台和中间层，让企业不必把核心资产交给模型公司。这很理性，但问题是：我们当初为什么用微软的产品？Codex、Claude Cowork 这类东西直指人和电脑交互的那一层界面。
Meta 为内容付的钱是零，YouTube 要和创作者分成，所以 AI 生成内容对 YouTube 可能是利好，对 Meta 却是更差的利润结构。
更关键的是，模型最大的变现目前不在 OpenAI 或 Anthropic，而在 Google 和 Meta 的广告增量：广告市场本身就是一台验证机器，点不点、买不买，就是全球规模的验证信号。匹配提升几个百分点，就是几十亿美元。
风险最大、上限也最高。像每周日上教堂的主流教派。
全身心投入。必须把生意做成才能活下去，这一点很关键。
能留在前沿，纯粹是扎克伯格的创始人能量。
太空数据中心若成立，未必需要自己的模型。不过收购 Cursor 是好棋。
不在前沿，做中间层。理性，但界面层正被 AI 直接攻击。
广告市场是全球规模的验证机器，LLM 让匹配从向量比对变成「猜你下一步」。
英伟达到 2026 年还维持高毛利，他认为这不自然。价格其实已经在降，只是换了形式。
为新兴云厂商兜底、承诺包销算力到 2030 年，本质是替对方承担风险、降低其融资成本。这笔风险的期望成本就是隐性降价。
Google 已同意把约 20% 的 TPU 卖给 Anthropic，Jassy 也基本确认 Trainium 未来会对外销售。云厂商资本成本更低，把芯片当大宗商品卖，也不会损害云业务本身。
Elon 说永远买英伟达是因为它最好；Ben 说其实是因为它最通用、最好转租。CUDA 护城河已大幅缩小，因为模型不在乎跑在什么硬件上。
电力成为瓶颈对英伟达是好事，它的 token 效率仍最高。但美国上电力的速度超出预期（表后发电、西德州天然气、重启核电站）。电力越晚成为约束，Amazon 和 Google 就有越多时间把自研芯片做好。