去中心化交易：为何 GPU 与内存需求可能不及预期
模型商品化的速度比市场预期得更快，企业将越来越多地托管自己的模型，而不是从超大规模云厂商那里租用算力。真正的机会一直都在软件层，而不是托管垄断层。
仅为教育性内容。本页面中的任何内容均不构成财务或投资建议。完整免责声明
三年来，市场对 AI 的共识交易一直很简单：少数几家公司将不惜代价建设最大的数据中心，训练最大的模型，然后将访问权限出租给所有人。每一份资本支出预测、每一条内存和 GPU 需求曲线、每一个超大规模云厂商的估值倍数，都建立在这个假设之上。我认为这个假设是错的，而市场还没有开始为另一种可能性定价。
模型本来就注定会走向开放且运行成本低廉
前沿 AI 实验室花了多年时间，将自家专有的封闭模型塑造成严肃应用场景中唯一可信的选择。这种护城河正在以比大多数预测更快的速度被侵蚀。开放权重模型每一代都在用更短的周期缩小与前沿模型的能力差距，而运行一个足够好的模型的成本也在持续下降。一旦某种能力在最初开发它的那几家实验室之外也能被复现，它就不再表现得像稀缺资产，而开始表现得像一种商品化的投入要素。无论这个过程眼下是否已经完成，这就是事情发展的方向。
商品化的投入要素不会永远从少数几个把关者手中被租用，它最终会被拥有。
为什么企业会托管自己的模型
市场目前的思维定式仍然是："中小企业会调用超大规模云厂商托管的 API"。我认为，这低估了一旦开放权重模型变得足够好，这笔账翻转的速度。一旦一家企业能够在自己掌控的基础设施上运行满足其需求的模型，把专有数据发送给第三方就不再是一种便利，而会变成一种负担：隐私风险、知识产权风险，以及对一个利益与客户并不完全一致的供应商的依赖。
平台型企业与它们所依赖的 AI 提供商之间的这种张力已经显现。苹果与 OpenAI 之间围绕合作条款的公开摩擦只是众多例子中的一个，并不是全部论据，但它说明了问题所在：即便是全球资金最雄厚的大公司，也不愿意在如何处理自家平台和用户数据这样敏感的事情上，结构性地依赖一个外部模型提供商。拥有真正需要保护的知识产权的中小企业会更快得出同样的结论，因为它们在这个问题上的议价能力更弱。
这种动态所指向的方向，是一场缓慢的转变：从一个为所有人服务的巨型集中式模型，转向每家企业运行自己的模型，部署在自己的基础设施上，规模与自身工作负载相匹配。
这意味着 GPU 与内存需求并非市场目前定价的样子
这才是真正会撼动数字的部分。当前的资本支出和内存需求预测，都建立在这样一个假设之上：少数几个买家将需要几乎无限的算力和内存，并随着使用量增长而不断趋向无穷。去中心化从两个方面打破了这个假设。
第一，任何一家托管自己模型的企业都不需要无限的算力或内存。它只需要足够服务自身工作负载的算力和内存，这是一个有边界、具体的数字，而不是一个开放式的数字。一千家企业各自准备"足够用"的算力，与少数几家超大规模云厂商准备"物理上尽可能多"的算力，两者形成的需求曲线截然不同，即便各部分之和依然可观。
第二，个人用户也在走向同一个方向。本地模型正在快速进步，而大多数个人使用场景其实很窄：几项重复性任务，而不是跨所有领域的开放式推理。到了某个节点，在本地运行一个针对个人实际使用方式调优过的小模型，会开始优于把每一次查询都转发给一个云端托管的前沿模型。这又是一块永远不会以"从集中式提供商购买的 GPU 小时数"形式出现的需求。
这一切并不意味着 GPU 与内存需求会降到零。它意味着需求曲线的形状与当前定价所反映的不同，而"与当前定价不同"正是交易机会产生的地方。
真正的机会一直在哪里
如果算力走向去中心化，那么目前定价在托管层里的垄断溢价，也就是那些认为自己会掌控每家企业与其 AI 能力之间瓶颈的公司，就面临被证明是错误的风险。这份溢价建立在"获取前沿算力是稀缺资源"这一假设之上。一旦企业可以自行准备算力，稀缺性就会转移到别处。
它会转移到真正拥有客户的企业身上：拥有真实分销渠道、真实工作流程和真实客户关系的软件公司，它们现在可以在自己的产品背后运行自己的模型，而不必为此向托管层缴纳过路费。价值从来都不是真正来自拥有最大的数据中心，而是来自拥有需求本身、客户本身，以及数据中心被租来服务的那个应用场景。去中心化并不会消除这份价值，它只是把价值送回了它本该到达的地方。
什么会让我改变看法
- 能力差距依然巨大。 如果前沿专有模型与开放权重替代方案的差距继续显著拉大，而不是逐渐缩小，那么自行托管的动机就会减弱，集中式租用模式维持的时间就会比本文论点所假设的更长。
- 监管更青睐大型认证供应商。 如果合规体系最终要求 AI 工作负载必须通过少数几家获得认证的托管供应商来运行，而不允许企业自行托管，那将彻底逆转这个论点的方向。
- 自行托管的成本高于节省的费用。 如果对大多数企业而言，运行、保障安全并维护私有模型基础设施的总成本，始终高于一份 API 账单，那么这笔账就永远不会翻转，集中式托管仍会是默认选择。
如果上述情形都没有出现，整体方向仍然更倾向于分散，而不是集中。
结论
那个显而易见的观察，即随着 AI 使用量增长，推理需要更多算力，并不是这个故事中有趣的部分。有趣的部分在于，最终是谁拥有这些算力，谁又能捕获叠加其上的价值。我认为答案是更多的企业，运行更小、更私有、为自身量身定制的模型基础设施，而不是少数几家超大规模云厂商出租一座不断扩张的 GPU 堡垒。这对当前 GPU 与内存定价所反映的需求曲线构成了真实的风险，也是一个理由，让人把目光从托管层移开，转向那些真正拥有客户的软件公司。
我们在更高时间周期上持续跟踪整个市场中的这类交易机会。如果你想看看这个论点如何在真实仓位中演变，欢迎关注 Midas Index。
本文仅供教育目的，不构成财务建议。
