深入剖析 AI 供需經濟學 | Mike Volpi
深入剖析 AI 供需經濟學 | Mike Volpi
Index Ventures 合夥人 Mike Volpi 認為,AI 基礎設施能挺過炒作週期,因為算力與 90 年代的光纖不同,始終處於稀缺狀態;他並梳理 Cisco 的併購劇本,以及光通訊網路即將出現的轉變。
AI 伴隨問答
針對這篇報導有疑問?可直接點選快捷問題或向 AI 追問背景脈絡與技術細節:
Podcast 專家音訊節目
收錄於 888news Podcast 智庫專區,包含精華摘要與上市公司即時行情
Mike Volpi 曾任 Cisco 併購部門主管,他認為這波 AI 基礎建設最終會被充分利用,但很可能會易主——因為這些資產在當初出資興建的公司陷入困境之後,仍能長期發揮作用。這場對談大部分時間聚焦在三件事:逐一對照 1990 年代末的網際網路建設與今日的 AI 建設;詳細說明 Cisco 如何完成約 70 件併購,以及 NVIDIA 該複製或避開哪些做法;以及一個技術論證——AI 資料中心終將捨棄統計封包交換(statistical packet switching),轉向類電路的網路架構。本集標題所談的主題——AI 基礎建設能否撐過炒作週期——只構成前三分之一的框架,其餘篇幅談的是併購操作、晶片封裝與網路架構。
與 Volpi 對談的是主持人 Raghu Raghuram 與 Guido Appenzeller,兩人都曾掌管基礎建設業務(Raghuram 在 VMware,Appenzeller 在 Intel 與 VMware),如今從事投資。Volpi 於 1994 年加入 Cisco,2000 年前後主掌企業發展部門,當時 Cisco 約有一半營收來自併購;他現在經營新創投基金 Hanabi Capital。讀者讀完應能掌握:Volpi 對 GPU 折舊與 Cisco 12 月季崩盤的具體數字、他對創辦人何時該賣公司的判準,以及他反主流的押注——交換器業務正面臨創新者兩難。
AI 建設會被充分利用,但未必由現在的所有者享用
Volpi 的核心主張是:現在蓋出來的實體資產會長期有用,真正未定的是這些資產最後歸誰所有。他拿光纖類比:1990 年代末靠舉債鋪設的光纖「後來事實證明相當有用」,只不過是由別人來營運,因為破產的興建者已不再擁有它。他預期這回會是同樣的形狀——先來一場經濟修正,然後這些資產為新股東效力。
他比 1990 年代的類比所暗示的更樂觀,並提出三個理由:
- 實用性更高。 AI 今日的用處已超過 1990 年代末的網路頻寬,這點反映在營收上。Volpi 說 Anthropic、OpenAI,甚至 Fireworks、Together、Modal 這類開源模型供應商,成長率都「遠優於」網際網路時代的公司,儘管毛利率可能較低。
- 資本結構更乾淨。 1990 年代的資金有更多來自裝置商自己的資產負債表;如今主要來自資本市場的股權與私募/公開發債,與特定裝置採購的繫結較少。他提到 NVIDIA 帶有供應商色彩的融資安排,但認為整體結構仍更乾淨。
- 市場更有效率。 將近 30 年過去,願意流入 AI 的風險資本比當年流入網際網路的更多。
警訊集中在 neocloud 身上。Volpi 引用 NVIDIA 統計的 200 家 neocloud,直言「那些資產負債表並不好看」,預測會出現修正,並「對產業結構做一些清理」。他也提醒,結果還取決於興建者無法掌控的總體經濟與地緣政治因素。
「我認為現在這波建設有沒有用、會不會被充分利用,甚至用得更多?百分之百會。但它會不會仍由今天這批人擁有?」——Mike Volpi
Appenzeller 補上規模對比:當年網際網路建設只佔 GDP 的零點幾個百分點,如今 AI 基礎建設約佔 GDP 的 2%。Volpi 的回答是:1990 年代打造的是通訊,這一輪打造的是智慧,而「智慧的經濟價值大概高於通訊的經濟價值」。
GPU 的壽命比融資模型假設的更長
本集最具體的技術—財務論證,談的是資產壽命。Volpi 回憶,Hopper H100 當紅時,大家假設可用年限五年、每 GPU 小時租金 1.80 至 2.00 美元。四年過去,這顆晶片不但沒被淘汰,租金還落在 2.50 至 3.00 美元。這很重要,因為融資模型是建立在較短的壽命上;資產活得比承銷假設更久,對出資者而言就是意外之財。
他稱這是始料未及的後果:正因為 AI 擅長軟體,既有的裝機基礎不斷找到新工作,拉長了資產壽命,也讓硬體更容易融資。Appenzeller 反駁,投資人並未普遍接受延長的壽命,而且讓舊晶片保值的其實是今日的供給稀缺,而非耐用性。Volpi 同意關鍵指標是每瓦 Token 營收,也同意在把電力轉換成營收的效率上,Hopper 不如 Blackwell,Blackwell 又不如 Vera Rubin。供給充裕時,H100 會被汰換;供給稀缺時,它們繼續運轉。
| 因素 | 1990 年代末的光纖 | 今日的 AI 算力 |
|---|---|---|
| 容量擴充方式 | WDM 一步就把光纖容量放大 40 至 80 倍 | 受制於類似摩爾定律的節奏,較為漸進 |
| 資產壽命 | 埋在地下可用 20 至 30 年 | 假設 5 年,實際證明更長(H100 仍以每小時 2.50 至 3.00 美元出租) |
| 利用率 | 有頻寬閒置的時期 | 不存在閒置的 GPU |
| 資金來源 | 大量來自裝置商資產負債表 | 主要來自股權與資本市場 |
| 關鍵瓶頸 | 需求衝擊 | 晶圓廠產能,可能還會持續 2 至 5 年 |
在 Volpi 看來,關鍵瓶頸是晶圓廠產能。除非能讓更多晶圓通過同一批 ASML 機臺,或蓋出更多機臺——這是兩到五年的時間尺度——否則稀缺會持續,舊 GPU 就會繼續服役,晶圓廠所有者也就成了「基礎建設宇宙的造王者」。
Cisco 的併購套路:高頻出手、容忍失敗、流程可複製
Volpi 主掌 Cisco 企業發展部門時,Cisco 是全球市值最高的公司。他的回顧是:Cisco 接受的是投資組合式的結果——約三分之一併購成效極佳,三分之一「馬馬虎虎」,三分之一失敗。真正的優勢在於交易件數夠多,少數幾件超額報酬就能回本——他舉 Andy Bechtolsheim 與 Mario Mazzola 旗下公司的併購為例,稱之為「創投等級的回報」,其中一件以 5 億美元買下,兩年後每年賺進 10 億美元。
數字是這樣:他任期內約完成 70 件併購,2000 年前後 Cisco 約 50% 營收來自併購來的業務,而且幾乎所有交易都以股權支付。他的規模準則是:單一交易不超過市值的 4% 至 5%;他的非正式檢驗標準是,如果股價一天的波動幅度超過收購價,「這筆併購你想做幾次都行。」
兩個結構性選擇讓這樣的速度成為可能。第一,不到 10 人的交易團隊,搭配一個規模更大的整合專案管理小組,由後者掌握可複製的流程——因為「公司擅長流程」,「卻很不擅長一次性事件」。第二,網路業的開放協定(BGP、IS-IS、Ethernet 802、OSPF)意味著買來的交換器可以立刻和 Cisco 的裝置互通,業務「 literally 只要把東西上的牌子換掉」就能開賣。
哪裡出了問題:隨著 Cisco 變大,小型交易不再有分量,於是開始買文化悠久的大公司——他稱 Scientific Atlanta 那筆是「一場災難」——並逐漸走向部分整合,他說這樣「效果很差」。他得到的教訓是:這套流程一直管用,直到公司不再尊重它為止。
NVIDIA 應繼續做創投式押注,但資助 neocloud 是徒勞
被問到 2026 年會給 NVIDIA 併購主管什麼建議,Volpi 支援投資組合式的做法。他稱 Mellanox 是「天才之作」、全球同類交易中最大的一筆;對 Hugging Face 那筆他說自己摸不著頭緒,但「我不覺得那有什麼要緊」——市場給了 NVIDIA「一個擁有驚人選擇權的時刻」,而這正是該承擔風險的時候。他提到自己在 Cisco 時,因為買 StrataCom 而非 Cascade、以及向一家「毫無下文」的供應商買光通訊資產,被批評個沒完,但策略終究奏效。
Raghuram 為 NVIDIA 為客戶提供融資辯護:他自己待過 Intel,看著超大規模雲端業者把 Intel 與終端客戶之間的關係切斷,因此能體會想要有三、四家以上客戶可賣的心情。Volpi 的回應是產業結構終究會勝出。規模化的事業會走向集中——「我們可以在美國資助一百家航空公司,但最後只會剩下三家」——所以資助 200 家 neocloud 是「立意良善」,但「徒勞無功」。他承認這些資金確實讓新創取得算力,也承認許多投資組合公司因此受益:「謝謝你,Jensen。」
熱情不再、或 10 倍空間不再,創辦人就該賣
談到投資組合的出場,Volpi 把情況分成三類:公司表現極好,賣掉是壞主意;公司陷入苦戰,出售是乾淨的退場方式;以及「中間地帶」,由兩項檢驗來決定。
1. 創辦人還有沒有那股火? 如果執行長已經累了、半考慮退場,「那就把這家公司賣了吧。」
2. 從現在起還有 10 倍空間嗎? 不是翻倍——翻倍就代表今天就該拿錢。他坦承,對一位已陪公司走過四到六年、還把朋友拉進來的董事來說,這項檢驗很情緒化。
在案源開發上,Cisco 維護一份市場上每家公司的清單——成長率、創辦人、投資人、客戶——再對照策略宣言來盤點(「我們是路由器公司,但未來交換器會比路由器多,所以我們需要交換器」)。主動上門說「買我」的提案大多不予理會,因為要不是已經在競標,就是這份興趣早該更早浮現。對新創這一端,他的建議正好相反:不要忙著推銷自己,而是每週和一兩位 NVIDIA、Amazon、OpenAI 的當權者喝咖啡,甚至和直接競爭對手喝,當作情報蒐集。Raghuram 補一句:一位執行長若沒有每個競爭對手執行長的手機號碼,那就有問題了。
AI 工作負載愈來愈可預測,交換器業務面臨創新者兩難
這是 Volpi 技術含量最高的論證,投資意涵也最清楚。電信業起初採電路交換,後來轉向封包交換,因為統計多工(statistical multiplexing)很能處理不平均、隨機性的流量。每一款主流資料中心交換器——包括 Broadcom 的 Tomahawk 系列,Volpi 把它的源頭追溯到 Dune 那筆併購——都建立在這個假設上:先把封包緩衝起來、查表、送出去,而且網路頻寬刻意配置不足,因為不會所有人同時講話。
AI 資料中心打破了這個前提。鏈路滿載運轉,GPU 想一直跑,流量高度可預測,尤其在訓練,以及批次處理得當的推論情境。Volpi 預期會出現一種假設「可預測、滿載利用」的新架構——光電路、分時多工,或兩者結合——而且成本低得多,因為它需要的智慧與緩衝都更少。這對現任廠商是壞訊息:「事情不變的時候,你收不了高價。」願意捨棄統計多工的新進者,有機會做出有意思的東西。
障礙在採用,不在物理。只有 NVIDIA、以及日後的 AMD,有能力出貨整套機櫃系統;Google 則早已執行一套系統級設計,採光電路交換器與環面(toroidal)拓撲。Volpi 提到 Google 的光交換器重新設定約需一分鐘,考量可用性需求,他並不完全理解為何如此,並將其歸因於目前的使用情境還不要求速度。他提出一個由其他所有人組成「反抗軍聯盟」、共同議定標準架構的構想,但結論是買方必須先達成共識。
「我們全都活在 Jensen 的世界裡。」——Mike Volpi,談近乎無限的 Token 需求對上受限的供給
勝出的是系統,不是可替換的零件——而 3D 記憶體是值得關注的架構
Volpi 把這個產業描繪成從 EUV 裝置一路到應用 AI 的垂直堆疊,模型開發商、推論雲與 neocloud 夾在受限的供給與不斷演變的需求之間。談到需求,他預期客戶會愈來愈懂得挑選自己要消耗哪些 Token——也就是模型路由,頂級 Anthropic Token 的價格是頂級 Kimi Token 的五到七倍——這會讓價格敏感度比供給舒緩更早出現。
談到架構,他的看法是當今最佳設計是 Google 的 TPU,因為它從一開始就當成一個系統來構思;NVIDIA 正朝這個方向遷移,但仍保留可替換的零件,而像 Cerebras 晶片搭配 Arista 交換器這類拼裝組合則有效率損失。設計的最小單位正從板卡走向機櫃、再走向整排機櫃。
他具體押注的是 3D DRAM 與混合銅接合(hybrid copper bonding)。推理吃重的工作負載意味著大量引數與大型 KV 快取,需要密集的記憶體與晶片間傳輸;晶片邊緣可用的連線數少於上下表面可用的連線數。儘管封裝困難——邏輯與記憶體同封裝時的熱膨脹不匹配——他仍看好這條路,並說伺服器內部的光通訊很嬌貴,因為「光子不喜歡變熱」。他的原則是:銅能用就用銅;光通訊要到機櫃頂端以上才需要。
12 月季的崩盤,是今日訂單能見度的警世故事
Volpi 對 Cisco 由盛轉衰的敘述,是本集對需求訊號最銳利的警告。景氣大好時,每條產品線都受產能限制,客戶明知會被砍單,還是重複下單、甚至三倍下單。Cisco 相信需求強勁,於是在供應鏈訂單上承擔財務風險——付錢給供應商換取優先供貨。當需求枯竭,客戶並不是停止採購,而是取消那些重複堆疊的訂單,訂單金額掉到先前水準的約四分之一。
時機讓情況更糟。落空發生在 12 月季,而 12 月表現疲軟通常會在 1 月頭幾週補回來。第一週毫無動靜,第二週也毫無動靜。這家上市十年從未漏掉任何一季的公司,那一季短少 35% 至 40%,股價約六個月內從約 80 美元跌到 9 美元——「 literally 只剩十分之一的價值。」
可移轉的教訓是:建立在害怕拿不到配額之上的訂單簿,不等於需求。Volpi 沒有說 AI 供應鏈正在犯同樣的錯,但與今日 GPU 配額受限、多年期承諾的相似之處,就留給讀者自行判斷。
值得觀察的重點
本集未解的張力,在於 Volpi 的兩個預測之間:資產會被充分利用,以及產業會出現修正。兩者要同時成立,所有權就必須轉移——也就是光纖的結局。第二個張力在架構層面。Volpi 確信統計多工不是 AI 網路架構的正確基礎,但有能力出貨系統級替代方案的僅有兩家公司,而它們正是對現行設計押注最深的兩家。值得觀察的是:Google 以外的超大規模雲端業者是否會承諾採用類電路網路;neocloud 的資產負債表會不會在晶圓廠產能擴張之前就先撐不住;以及 3D DRAM 封裝能否在臺積電進入量產。Volpi 自己對「為何這個週期值得關注」的說法,正好用來收尾:這是他職涯中第一次得從光如何打到 Zeiss 鏡片,一路推理到聊天機器人能不能用,而他沒料到還會再見到這樣的時期。