跳到正文
Sourcery(youtube.com)· Dylan Patel·· 5 天前品質評分58

Dylan Patel 談 AI 市場洗牌與打造 SemiAnalysis

Dylan Patel 談 AI 市場洗牌與打造 SemiAnalysis

重點導讀

SemiAnalysis 創辦人 Dylan Patel 認為,資料中心遭遇的反彈聲浪,主因是對 AI 的敵意,而非用水問題;他也說明為何自己投資硬體基礎設施而非應用層,並如何守護研究 credibility。

AI 伴隨問答

自備 Key 深度分析

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

正文

研究機構 SemiAnalysis 創辦人 Dylan Patel 認為,如今卡住 AI 基礎建設擴建的瓶頸是資料中心許可,而非晶片、人力或裝置;光是這個原因,他就把好幾 GW 的容量從 2027 年推到 2028 年。這場對談涵蓋資料中心的政治角力與社群衝擊、OpenAI、Anthropic、Meta 與 Instinct 之間模型與應用競爭的消長、Patel 新募的 5 億美元創投基金與收購 Catrini 的經過,以及他如何經營一門研究生意——賣研究給那些被它批評的超大規模雲端業者與晶片商。標題聚焦 SemiAnalysis 算是合理,但這一集與其說是在介紹一家公司,不如說是一份關於 AI 基礎建設與產品競爭的市場解讀。

Patel 掌握的營運細節異常扎實:他說 SemiAnalysis 追蹤全球每一座資料中心、實測晶片與模型,員工約 115 人、橫跨 15 個國家,在紐約、芝加哥、舊金山、奧勒岡、新加坡與韓國設有辦公室。讀者讀完應該能具體掌握:擴建進度在哪裡卡住、為什麼卡住;哪些 AI 產品是靠好用而非模型品質勝出;以及 Patel 打算如何把研究公信力,與他刻意用防火牆隔開的創投基金分開經營。

現在拖慢資料中心的是許可,不是硬體

Patel 說 SemiAnalysis 已經「把好幾 GW 從 2027 年推到 2028 年」,而且還有更多 GW 正從 2028 年滑出去。他給的理由既不是施工量能不足,也不是裝置短缺,而是「許可根本拿不到」。他認為這是擴建最大的風險,而且風險分散在許多地方轄區,不是單一國家政策能解決。

談到德州,Patel 形容州長 Gina Hinojosa 的公開立場是建設性的——她說過不會擋資料中心,但會要求資料中心不得推高電價,並且要合理用水。Patel 認為這兩點都有解。他點出更難的問題是工會人力:德州工會建築工人本來就少,若要強制僱用,等於告訴那些做資料中心工程、年收入 20 萬美元以上的電工與工業水管工,他們必須加入工會。他也提醒,無論如何州長手上握有很強的籌碼——用水許可、廢水與雨水許可、用水量規範,以及空氣許可;光是空氣許可,就能擋下即使是不接電網、用水量也很少的資料中心。

至於太空資料中心,Patel 認為短期內不是答案。他說未來三到四年太空什麼都解決不了,甚至可能更久,因為工程難度非常高。他承認伊隆·馬斯克正為 2028 年大力佈局,說自己對這個時程「賭不會成」,但也不排除 2030 年前後太空上大約會有 1 GW 的容量。

多數人根本不知道自己的郡裡有資料中心

Patel 引用 SemiAnalysis 與 David Shor 團隊合作的一項民調,涵蓋所有已有 100 MW 以上資料中心在運轉、興建中,或三年內有規劃的郡。結果很驚人:在已經有 100 MW 資料中心的郡,49% 的人不知道有這回事;而在三年內將有資料中心的地區,只有約 40% 的人知道它要來。

他的解釋是,資料中心在選舉議題排行上根本排不進榜——通膨和與伊朗的戰爭才是——大多數人的負面印象來自網路內容,有些合理,有些是「完全不合理、由公關公司假扮草根帶風向的東西」,還有些是外部勢力推波助瀾。他也指出,大多數停用資料中心或祭出暫停令的轄區,本來就沒什麼資料中心容量。

Patel 認為,只要專案做得對,那些危害確實存在但可以管理:緊鄰民宅會有噪音;冷卻效率差會耗水;專案若拿到財產稅減免又向電網買電,會影響電價;施工結束後,地方能留下的長期就業也很少。他舉路易斯安那州某個郡為例,資料中心的稅收進來後,教師薪資提高了約 2 萬美元;並說一家公司要補貼方圓 30 英里內所有人的電費,「成本幾乎等於零」。

他的用水比較刻意挑釁:他說伊隆·馬斯克旗下所有資料中心加起來的用水量,比三家 In-N-Out 漢堡店還少——而且是把供應鏈的隱含用水都算進去,包括製造晶片的晶圓廠、發電用的燃料與渦輪機,去對比漢堡裡的隱含用水。他把這個落差歸因於農業用水浪費驚人卻少有人關注,而資料中心蒸發冷卻用水卻引來撻伐。他也批評一本《紐約時報》暢銷書,指其把資料中心用水量誇大了約一千倍,後來雖修訂,原始數字仍被廣泛引用。

模型領先地位會輪替,產品品質才是更黏的優勢

Patel 對模型競賽的看法是:檯面上的領先地位一季一季翻轉,估值變動反而平順得多。照他的說法,Anthropic 第二季「大殺四方」,第三季換 OpenAI 大殺四方、Anthropic 只算還行,如今 Anthropic 靠 Opus 55 與 Fable 5.2 重回第一,OpenAI 則一再延後發布模型,Google 也重新回到戰局。他提醒,緊盯這件事的人「整天掛在網路上」,容易過度放大任何單一資料點。

他更犀利的論點是:現在產品比模型本身的品質更重要。他說 Instinct 和 Meta 的 Muse 雖然模型比 OpenAI 差,卻是「比 OpenAI dots 好得多的產品」,並把 OpenAI 的部分弱勢歸咎於一層名為 Guardian、過度積極的安全機制,會在它的 coding 與 dots 產品裡擋掉某些操作。他形容 OpenAI 的聊天介面設計很差——聊天與工作分成兩塊,一邊有推理強度滑桿、另一邊卻沒有 pro 選項——並猜測約九成使用者從來沒切換過模型。他說 Meta 很擅長做產品,他實測 Muse 時覺得介面清楚直覺。

公司/產品Patel 的評價依據
Anthropic第二季強、第三季轉弱,靠 Opus 55 與 Fable 5.2 重回第一模型發布
OpenAI第三季強,但延後發布、產品偏弱Guardian 安全層、聊天介面
Google重回競爭行列模型發布
Meta(Muse)模型較弱,但產品勝出介面直覺、實測
Instinct主要用開源模型,靠產品勝出易用性勝過 OpenAI dots
Perplexity Computer架在 Claude 與 OpenAI 模型上的外殼更好用佔 SemiAnalysis AI 支出 45%

談到自家支出,Patel 說 SemiAnalysis 一年 AI 支出約 1,500 萬美元。全年大部分流向 Claude,但近幾個月常駐型代理(persistent agent)從零竄升到佔這筆支出的 45%——而這 45% 大多走 Perplexity Computer,它後端用的是 Claude 與 OpenAI 模型,但「外殼更好用」。他預期 Claude Code、CEX 這類開發者工具黏著度較低,因為開發者換來換去很容易;企業合約則會很黏——他說 Anthropic 曾向企業客戶提供折扣,條件是其 AI 支出至少 70% 要給 Anthropic。

至於應用的投資報酬率,Patel 態度保留:多數新創會失敗,但有些會非常成功。他點名 Sierra 與 Harvey 營收成長快、投報率是真的,但客戶取得成本可能偏高,也質疑推論服務商是否撐得起那樣的估值倍數。他指出 Harvey 公佈的毛利率波動很大,並說他不知道 Perplexity 從它中介的流量上賺多少毛利。

5 億美元單一 GP 基金,與研究業務之間設下防火牆

Patel 以單一一般合夥人(GP)的身分募了一支 5 億美元的早期創投基金,投資種子輪與 A 輪的基礎建設:機器人、晶片、光學、製造、硬體與網路。他不願透露單筆投資金額,說揭露會讓他失去彈性。他說這支基金與 SemiAnalysis、Catrini 是各自獨立的公司,他絕不會用研究平臺去替投資組合公司宣傳。

他自稱聚焦硬體的理由是出於認知上的自知:他不知道怎麼把一個應用做到十億使用者,所以不會是有用的應用投資人;而 SemiAnalysis 的員工待過 ASML、Applied Materials、Lam Research、台積電、Intel、輝達、Google、微軟與 Amazon,做過晶片、核心(kernel)、編譯器、資料中心與電廠。他點名舊金山與紐約投資人的一個惡習——自以為懂其實不懂——並說硬體投資同時需要好創辦人和好點子,應用軟體投資有時光靠創辦人就能成。

他把個人目標講得很直白:玩得開心、賺錢、盡量什麼都懂、影響重要的人與事、多陪家人。他說案源來自團隊與朋友,而不是什麼正式人脈網,而且上門的提案大多「無聊又搞錯方向」。

Catrini 維持獨立,包括它看空 AI 的觀點

Patel 收購了 Catrini——他形容這家研究機構多次看對、也抓住市場想像力——但讓它維持獨立公司。他說 Catrini 的研究總監 Kyle 對要發布什麼仍握有主導權;當團隊問他,被收購後是否還能繼續看空 AI,他的回答是「你們想做什麼就做什麼」。他說他去那裡不是要改變他們的聲音,而是幫他們把公司經營得更好。

他區分兩家公司的研究方法。SemiAnalysis 偏數字與供應鏈——數資料中心、晶片、線纜、伺服器、GPU、晶圓廠裝置與記憶體價格,並在生物、安全、資安、晶片設計等領域實測晶片、叢集與模型。Catrini 更傾向做實驗:Patel 舉例,他們用 AI 設計出蠍子抗毒血清,他說效果「還行」;還派人到荷莫茲海峽實地檢視石油運輸。他指出 Catrini 原本極度看多 AI,卻在這場對談前幾個月急轉直下、轉為看空,而他本人長期仍看多。

公信力就是產品,所以最大客戶被批評得最兇

Patel 對研究商業模式的說法是:客觀性就是資產。他說 SemiAnalysis 從不接廣告、不收付費合作、也從不賣觀點,所以它最大的客戶——超大規模雲端業者、大型半導體公司與 AI 實驗室——也正是它批評最多的物件。他說客戶曾因報導內容想抽掉合約,結果是客戶自家團隊堅持要保留這些資料。

他點名具體例子:SemiAnalysis 主張輝達對某些 neocloud 的作法有反競爭之嫌;說過 Iris Energy 的雲端叢集不可靠,但它有電的用地很有價值;也公開指出一家他個人重倉投資的公司的延誤。他說他把評論與研究分開——公開評論可以和付費研究的結論不同——並靠法遵支出把顧問資訊隔離起來。

他對既有業者毫不留情:Gartner 和 IDC「就是爛、沒用」,Gartner 的模式是勒索,廠商不付錢就排名難看,還舉了一個 AI 軟體代理指數,把 IBM 的 coding agent 排在 Cursor 或 Claude Code 前面。他說《華爾街日報》、Bloomberg、《紐約時報》這些老牌媒體品質下滑,儘管個別記者依然很強;資訊業真正未解的問題是,如何在不靠注意力農場的情況下把注意力變現。

談到經營公司,Patel 坦白說很難,會耗掉睡眠與健康。他列出難處——跟客戶談判、內部衝突、開除人、被自己開除的人告、招募與留人——並說很多投資人從沒做過這些決定。SemiAnalysis 目前約 115 人、分佈 15 國。

Patel 接下來在看什麼

Patel 說他很期待看到華為晶片、Amazon 自家晶片與各家 AI 新創晶片的推論效能被獨立實測,同時也關注新模型發布。SemiAnalysis 推出了一個名為 GDPX 的基準測試,涵蓋資安、晶片設計、硬體設計、材料科學、生物、量化工作與遞迴自我改進;他說目前模型在大部分專案表現都很差,他想知道效能提升後能解鎖什麼。他更大的預測是:未來一年硬體創新會大幅加速,能把硬體做好的公司數量會暴增,機器人、封裝、網路與記憶體也會有進展。他還提到自己有紅綠色盲,說這是 X 染色體遺傳、可追溯到他外祖父,並聲稱這讓他在低光源下視力更好。

整集貫穿的未解張力是:Patel 的影響力與他的獨立性,方向正好相反。他現在同時經營一家研究機構,最大客戶正是它評分的公司;第二家研究機構,觀點不同、有時還相反;以及一支 5 億美元的基金,投資的正是他報導的基礎建設。他的答案是結構上分開、並公開承諾不替投資組合公司宣傳,但這套安排靠的是他個人的自律,而不是外部制衡。值得追蹤的發展是:2027 到 2028 年的許可延宕會不會擴大、德州會不會真的動用它的許可籌碼,以及 Muse、Instinct 這類產品驅動的挑戰者,在前沿實驗室修好介面之後還能不能保住優勢。

來源: Sourcery (youtube.com)
開啟原文

讀者討論

理性交流 · 即時討論