AI最大黑马不是英伟达华尔街大佬:真正被低估的是…

科技大佬Gavin Baker：亚马逊芯片是黑马，太空数据中心快来了，台积电在帮所有人避泡沫

Baker表示，当下最被低估的AI芯片不是英伟达，不是谷歌TPU，而是亚马逊Trainium。两年内，太空数据中心将验证商业可行性，那些刚刚大举扩产的地面数据中心电力和散热供应商，可能正走向“急刹车”。而台积电的“保守”扩产策略正在帮助行业避免泡沫，“如果台积电把产能翻倍，英伟达明年能卖1.5万亿美元的芯片。”

近日，在华尔街重磅投资大会——2026年索恩（Sohn）大会上，科技投资大佬、Atreides Management首席投资官Gavin Baker接受专访。

Baker在访谈中抛出了几个直接挑战市场共识的判断：亚马逊Trainium是当前最被低估的AI芯片；台积电的“保守”扩产策略正在帮助行业避免泡沫；太空轨道算力将在两年内被证明可行，并在本十年末开始冲击地面数据中心配套产业。

他说道，台积电不肯像黄仁勋希望的那样快速扩产。“黄仁勋每三个月去一次台积电，他们大概扩产5%。黄仁勋想让他们产能翻倍或者翻三倍。如果产能真的翻倍或翻三倍，英伟达明年大概能卖出1.5万亿美元的芯片——我是认真的。”

Baker曾在富达管理逾170亿美元资产，是半导体领域的资深投资人。

亚马逊Trainium：最被市场低估的AI芯片

黑石集团高级合伙人Jas Khaira采访Baker时问道，在英伟达的竞争对手中——谷歌TPU、亚马逊Trainium、英特尔Gaudi——市场最低估的是哪一个？Baker回答：“Trainium，毫无疑问。”

他给出了具体的技术逻辑。当前主流的前沿AI模型，都采用一种叫“混合专家模型”（Mixture of Experts，MoE）的架构。要推理这类模型，需要一种叫做“交换式扩展网络”（Switched Scaleup Network）的基础设施。

Baker说：“全球目前只有两家公司有运行中的交换式扩展网络——一个是驱动英伟达GPU的，另一个是亚马逊Trainium的。”

这是个很容易被忽视的技术门槛。谷歌TPU在这方面不具备同等能力——Baker直接点出一个细节：“谷歌发明了ML Perf基准测试，但他们不向自己的基准测试提交TPU成绩，你能看出来这件事让Jensen（黄仁勋）抓狂。”

Baker同时判断，今年下半年Trainium 3大规模量产后，Trainium在2026年的地位将相当于TPU在2025年的地位。他说自己曾投资过Celestica等TPU供应链公司，“我觉得我有资格这么说”。

他补充：“我永远不会做空谷歌，也不会做空博通，但我确实认为Trainium现在被严重低估。”

太空数据中心：2年内见分晓，本十年末抢份额

这场对话中另一个引发关注的话题是“轨道算力”（Orbital Compute）——即把数据中心放到太空中的设想。

Khaira问Baker：这件事什么时候能真正商业化？

Baker的回答给出了明确时间节点：“我认为在未来两年内，它的可行性和经济性将会得到验证。到本十年末，它将开始占据有意义的市场份额。”

逻辑在于，地面数据中心面临两大硬约束：电力和冷却。而在太空中，电力来自太阳，冷却来自卫星的背阴面。

Baker描述了他看到的某家潜在轨道计算供应商的卫星设计图：散热器长达三四百英尺，卫星本体就是一个机架——8英尺高、2.5英尺宽、4英尺深——多个机架通过激光连接，构成一个虚拟数据中心。散热器置于机架阴影之后。

他指出，一旦这条路线可行，影响最大的将是地面数据中心的电力和冷却设备供应商：“那些大规模扩产来支撑数据中心建设的工业类公司，可能会面临（需求）戛然而止的局面。”

他同时强调，已建成的地面数据中心仍有价值，训练和强化学习仍将在地面进行，“我无法想象在未来七年内我们永远不再建一栋地面数据中心”，但增量需求的走向，正在被重新定义。

台积电的“倔老头们”：正在帮全球市场避免泡沫

市场上有一个常见问题：AI投资会不会变成互联网泡沫的翻版？

Baker的回答是：这次可能不同，而原因出人意料——台积电管理层的保守。

他说，历史上每一次重大新技术出现，从铁路、运河、PC、互联网到AI，几乎无一例外都会出现泡沫。投资者对新技术兴奋，市场共识形成，泡沫吹起，最终用泡沫资金完成基础设施建设——互联网就是这么走过来的。

“我们不想要泡沫。泡沫很糟糕，经历泡沫的过程很痛苦，泡沫破裂之后更痛苦。”

但这次他"乐观地认为"我们可能会避开泡沫，原因正在于现实世界中存在的物理约束——瓦特（电力）和晶圆（Wafer）的短缺。

晶圆短缺的关键，在于台积电的态度。Baker说：“台积电是由70多岁的、倔强的老人们管理的。”（他随即调侃，70岁是新50岁，而他自己50岁）

这批人经历过台湾半导体从追赶英特尔被认为是“这辈子不可能完成的梦”，到用一生时间做到了。他们深知一场泡沫与崩盘对台积电意味着什么。

于是，他们就是不肯像黄仁勋希望的那样快速扩产。

“黄仁勋每三个月去一次台积电，他们大概扩产5%。黄仁勋想让他们产能翻倍或者翻三倍。如果产能真的翻倍或翻三倍，英伟达明年大概能卖出1.5万亿美元的芯片——我是认真的。但这件事的另一面，对所有人来说可能都非常痛苦。”

Baker的结论是：这些“倔老头们”，通过执行一个现实世界中真实存在的物理约束，客观上帮助所有人避开了泡沫——而这种约束，在过去任何一次技术革命中都不曾出现过。

内存周期和AI收入爆发

对话中Baker还提到了两个值得关注的判断。

关于内存周期：内存价格今年已上涨60%至70%，美光毛利率可能达到60%以上，远超历史平均水平（约16%）。Baker坦承，按照过去25年的内存周期规律，“现在100%应该卖内存股”。但他认为这次可能类似1990年代中期那次真正的产能周期，“我们可能仍处于早期”，不应简单套用历史模板。

关于AI收入规模： Baker判断，OpenAI和Anthropic合计收入达到2000亿美元的时间点，已经不遥远。他援引黄仁勋的说法：黄仁勋希望自己最优秀的工程师，花在AI token上的支出至少达到薪酬的一半。Baker的判断是，这种趋势意味着S&P 500公司的劳动力结构将面临“重大调整”，但AI定价模式从“包月制”转向“按量计费”，会让收入增长快于外界预期——他将这类比于当年移动通话行业“超出套餐按分钟收费”的盈利模式。

投资心法：读书、模式识别，以及一封写错了的信

访谈中，Khaira还问Baker，他的投资优势来自哪里。

Baker的回答简洁：“读书，压倒性地最重要。”他说自己几乎不再主动约见上市公司管理层——“他们经过了非常好的训练，从不说任何不在财报电话会或10-Q里的内容，而我读的速度比他们说话快得多。”

他坦承自己职业生涯中最惨痛的教训之一，是曾向一家公司董事会写信要求回购股票，结果该公司在18个月后破产。“这是一个关于高杠杆的永久教训——有时候不是所有事情都会按计划进行。”

Baker还提到，他在投资风格上一直在努力克服的弱点，是“太难卖出赢家”——“我极度重视估值，非常逆向，最舒服的是在52周低点名单上。”

Baker全文访谈如下：

科技投资者的思维世界——与加文·贝克尔的对话

索恩投资大会2026

本文为加文·贝克尔（Gavin Baker，阿特里德斯管理公司董事总经理兼首席投资官）在索恩投资大会2026上的访谈实录，涉及其投资哲学、对当前AI格局的见解及未来技术转变的判断。访谈由黑石N1负责人贾斯·凯拉（Jas Khaira）主持。

贾斯·凯拉：我们今天的嘉宾，其基金以《沙丘》命名——对于在座不懂这个梗的朋友，这意味着"香料必须流通"。当然，如果你对"香料"的记忆还停留在高中时代，请放心，不是那种香料。

对加文来说，香料是高带宽内存，他的阿拉基斯是中国台湾，他的沙虫是黄仁勋。

他的社交简介写着"不构成投资建议，观点仅代表本人"——这可能是现代金融史上最昂贵的免责声明，因为有28.8万名粉丝在追随他的观点。他曾在富达管理170亿美元资产，业绩超越了99%的同行——不过他刚才悄悄告诉我，其实是100%。他现在在波士顿运营自己的对冲基金，这本身或许就是最逆向的一个选择。

女士们、先生们，有请在半导体领域知识最渊博的人——加文·贝克尔。

加文·贝克尔：哇，谢谢大家。也让我介绍一下贾斯。他是贝莱德最资深的合伙人之一，刚刚接任贝莱德全球AI战略负责人一职，此前担任战术机遇策略主管。我们是老朋友了，所以由他来采访我，我们互相聊聊，挺有意思的。

贾斯：好，加文，今天是你的主场。既然这是一场投资会议，在我们深入半导体、内存、技术栈和瓶颈这些硬核话题之前——我相信在座各位和我一样迫不及待——我想先从你作为投资者的思维模型谈起。你2000年加入富达，经历了两次泡沫。彼得·林奇时代的富达基因，有哪一条你永远保留了下来，又有哪一条你不得不打破，才能成功创立并运营阿特里德斯？

加文：好问题。我认为彼得·林奇的基因永远刻在了我身上——我相信任何有幸在富达起步的人都会有同感。那就是：如果你喜欢这家店、喜欢这个产品，你就会爱上这只股票。尽可能深入地以消费者和用户的视角去接触新产品、新公司，这一点已经融入了我的骨血。

而我整个职业生涯一直在努力克服的，是这样一条股市格言——彼得·林奇说要拔除杂草、浇灌鲜花，即卖掉输家、持有赢家。但不知为何，这对我来说极其困难。我对估值极其敏感，骨子里是个逆向投资者，52周低点榜才是我最舒适的地方。我一直死死抱着内存股不放。但这是一段终身修行，我每年都试着在这方面进步一点点。

贾斯：大多数优秀的投资者都会提到某一笔糟糕的交易，作为自己投资生涯的转折点。你的是哪一笔？它今天具体在阻止你做什么？

加文：其实有两笔。2011年到2012年间，我经历了非常艰难的一年，两只股票给了我深刻的教训。

第一只是一家叫Decree of Health的公司，他们的业务是帮助小型医院更好地与大型保险公司谈判，出发点很好。然后有一天，我一觉醒来，《纽约时报》周日版头版刊出了一篇长达一万字的文章，声称他们在拒绝为有需要的人提供医疗服务。这根本不是事实，但股价还是跌了90%到95%，再也没有恢复。这告诉我，永远存在未知的未知风险——无论你多么努力地去量化一个机会，风险始终存在。

第二笔有点丢人。是Nextel International。我做了很长时间的电信分析师，深知每当一个新兴市场建起新网络，它在定义上就是成本最低、质量最高的网络，因为没有历史负担。Nextel International在南美洲建了一张最新的3G网络，正从一种叫Iden的技术迁移过来。我在这类模式上赚过很多钱，于是建了一个大仓位。我甚至亲自写信给董事会，要求他们回购股票——然而18个月后，公司宣告破产。

教训是：对高杠杆要非常非常谨慎。公司杠杆率太高，而事情并非总能一帆风顺。当时发生的是，两个规模大得多、彼此并无关联的竞争对手打起了价格战，公司被卷进去。我将永远带着这个污点——那是我唯一一次写信给董事会要求回购股票，而公司恰恰在15个月后申请了破产。这本身也是一个深刻的教训。

贾斯：感谢你的坦诚和勇气，真的很珍贵。

我们换个节奏，来个闪电问答，通常放在最后，今天放在前面。每个词只用一个词来评价：过誉还是被低估？模式识别，实地调研，仓位管理，睡眠。

加文：我认为模式识别和睡眠都被严重低估。实地调研被高估了。第四个是什么？

贾斯：仓位管理。

加文：仓位管理非常重要，但关键是你要找到自己的打法并坚持到底。你可以做一个长打率选手，也可以做一个高命中率选手，但你必须清楚自己的风格，然后保持一致。

贾斯：听起来是"评价恰当"——这像是加文·贝克尔的生产函数。当你回看自己的优势来源，也许是今年，也许是去年，阅读占多大比重？人脉网络占多大比重？毕竟刚才说实地调研被高估了。还是说，主要来自于比别人更早建立一两个正确的认知框架？

加文：我认为阅读是压倒性的最重要因素。坦率地说，我现在几乎不再主动约见上市公司。我只在他们主动找我时才见，因为这些公司的发言人经过严格培训，说的话不会超出财报电话会议记录或10-Q文件的范围，而我阅读的速度远比他们说话快。

所以我大量阅读财报记录、第一手资料，同时我认为专家访谈记录也非常有价值，AI在这方面的应用也很出色。总结下来：阅读是核心，模式识别是重要辅助，而提前建立认知框架也很有帮助。

举个例子，2023年5月英伟达发布那份引爆市场的财报时——讽刺的是，距ChatGPT发布已经过去了整整六个月——当时大多数对冲基金甚至还没有配备专职半导体分析师。而半导体和深度科技是我的终生挚爱。不过现在，大家对半导体的认知已经大幅提升了。

贾斯：是的，你确实入场极早。这也是一个很好的过渡——说到认知框架，你今天的思维模型：内存价格上涨了60%到70%，美光的利润率大概在60%多，而历史平均水平更接近16%。你一直在谈论计算资源的普遍短缺，短缺正在向数据中心、电力延伸，并进一步蔓延至前沿晶圆产能。你对这一演变的思维模型是什么？你也说过，每次短缺之后终将迎来过剩，这个局面会怎么演化？

加文：纵观历史，确实如此。我相信最终一定会出现过剩，但"最终"这个词承载了这句话里所有的重量——并非眼前。

从过去25年每一轮内存周期来看，现在100%是应该卖出内存的时机。我其实在2000年时是美光的分析师，记得去太阳谷参加他们的分析师日，我经历过无数次内存周期，从历史规律来看，现在确实该卖。

然而，有一个周期是绝对不该卖的——那就是1990年代中期，那是我认为最近一次真正意义上的产能周期。对标那个周期，我们现在可能还处于非常早期的阶段。

我听了朋友亚历克斯和莱昂的分享，他们做得很好，莱斯利也是，我只想说，他们给出的每一个数字，我都选择押大。每一个数字。他们是谨慎的人，我估计他们自己也会押大——毕竟没人想在索恩会议上一年后被打脸。

我们可能还在非常早期。这可能是第一个真正意义上的产能周期。而这些基本面上的短缺，对我们投资者来说是好事。最不希望看到的是泡沫。泡沫很糟糕，穿越泡沫的投资过程很痛苦，泡沫破裂后的余波更惨。我们不想要泡沫。

然而遗憾的是，金融市场的整个历史告诉我们，每当出现深刻的新技术，无论是AI、互联网、PC、铁路还是运河，几乎必然会出现泡沫。原因在于：市场是有效的，投资者对新技术产生合理的兴奋，迈克尔·莫布森将其描述为"多样性崩溃"——所有人都开始信奉同一套逻辑，泡沫形成，随后泡沫为新技术所需的基础设施建设提供了资金。互联网的历史正是如此。

我乐观地认为，这一次我们或许能够避免泡沫。"更平稳、更持久"——这是我们所有人都希望看到的。我们能够避免泡沫的原因，是我们面临着瓦特（电力）和晶圆的实质性短缺。

电力短缺方面，未来五到七年，轨道算力一定会解决这个问题。但晶圆短缺，我认为将持续相当长的时间。原因在于，台积电由一批七十多岁的铁腕老人掌管——七十岁不老，是新的五十岁，我今年五十，五十是新的三十。

我二十多年前去中国台湾科学园区，问他们是否认为自己有一天能追上英特尔，他们说那是一个美丽的梦想，也许要等到孙辈那一代。但他们在一代人的时间内就做到了。所以他们是这份遗产的守护者。

泡沫与崩溃，对台积电来说是一场灾难。所以他们就是不会按黄仁勋想要的速度扩产。黄仁勋每三个月就去一次中国台湾，他们或许扩产5%，而他希望翻倍甚至三倍。如果产能真的翻两三倍，英伟达明年大概能卖出一点五到两万亿美元的芯片——我是认真的。但这另一面的代价，对所有人来说可能都非常痛苦。

所以我认为，这些老人，正在用一个现实存在的物理约束——而这是过往任何先例技术都不具备的——帮助我们所有人避免泡沫的发生。

贾斯：这很有意思。作为垄断性供应商，他们在某种基本层面上限制着供给。顺便说一句，他们刚刚错过了——山姆·阿尔特曼见完他们之后开了个播客。

加文：这是真的。

贾斯：我们后台聊到，你会押大——押OpenAI和Anthropic合并收入在某个时间点达到2000亿美元，也许是12到18个月内，我不想锁死时间框架，但就是近期。事实证明，代码生成是这一旅程第二章中将AI货币化的杀手级应用。如果我们要从今天的水平在未来12到18个月内达到2000亿，这些收入从哪里来？是每一家标普500公司都要因为给Anthropic付token费用而错过盈利目标吗？

加文：我认为这不是边缘情况。黄仁勋在GTC大会上说，他的目标是让他最优秀的工程师，在token上的花费至少占到他们薪酬的一半。

如果你只是把标普500每家公司的薪酬支出加起来看一看，在没有对劳动力结构进行重大调整的情况下，我们根本无法承受这个量级的token支出——这也正是莱昂所指出的那个问题。

但我确实认为，有几件事可能会阻止大规模因token费用导致的盈利下滑。如果你还没有做到"token最大化"，你应该立刻去做。如果你不知道"token最大化"是什么意思，那只能祝你好运了。

具体来说，第一点：所有这些模型都在向基于用量的定价转变。以前，在座各位只需每月花250美元订阅顶级前沿模型，就能充分体验到前沿AI的能力。现在已经不是这样了。最强大的能力被锁在授权框架背后，只向能够按用量付费的企业计划用户开放。

这对AI来说是极度利好的信号，对这些前沿token的定价也极度利好。

回想移动通信行业，它之所以成为一个出色的成长型行业，以及更早之前的长途电话行业，是因为你买了固定的分钟数，超出后按分钟计费，而人们非常喜欢和亲朋好友通话。这就是为什么电信曾经是一个出色的成长型行业。

我们现在正在从"无限量套餐"转向"基于用量、超额按量计费"的模式，而且我们发现，人们愿意为此支付的上限远远超出想象。所以我认为会有大量的生产力释放。

亚历克斯说的话让我深受触动：全球只有十分之一的人在以应有的方式使用这些模型，我们却已经面临疯狂的短缺，尽管累计已经投入了数万亿美元。等到全球5%的人口都像这最前沿的十分之一那样使用这些模型，会发生什么？那是难以想象的。这也是为什么轨道算力是必然的选择。

回到你的具体问题：有人在X上发帖说，编程可能是通往ASI和AGI最短的路径，因为如果你能写代码来完成任何事情，而且是为自己写——那是通往AGI非常直接、优雅的路径。我认为，编程也许不只是AI的"杀手级应用"，它最终会成为"终极AI应用"，不断地将更多领域纳入其中。我也想鼓励大家去用一用Claude Code——即使你不是程序员，用它来问投资问题，也会得到比普通模型更好的答案。

贾斯：感谢。你谈到了硅和芯片端的进展，你当然在英伟达上非常早——你说你2000年就和黄仁勋有接触，更不用说2023年ChatGPT时刻到来的时候了。竞争正在到来，他仍将主导市场，但竞争确实在来。当你审视Trainium、TPU、NTIA（自定义芯片），哪一个是市场最低估的？市场共识在哪里判断错了？

加文： Trainium被低估的程度远超其他。Trainium对2026年的意义，尤其是今年下半年Trainium 3真正放量之后，就如同TPU对2025年的意义一样。如果有人今天非常看好TPU，不妨去翻一翻他们的13F，看他们有没有持仓Lumentum或Celestica——那是投资TPU最好的两个标的。我持有了其中一个，所以我觉得我说这话是有底气的。

我确实认为谷歌在TPU V8的设计上做出了非常保守的选择，而英伟达和Trainium做出了非常激进的选择。所以Trainium无疑是最被低估的。

原因不仅仅在于设计选择，还因为：所有这些前沿模型都是所谓的"混合专家（MoE）模型"。在推理这类模型时——不说太技术性的细节——你需要一种叫做"交换式扩展网络"（switched scaleup network）的东西。而目前全球只有两套功能完整的交换式扩展网络：一套支撑英伟达的GPU，另一套支撑亚马逊的Trainium。

这也是为什么——谷歌发明了MLPerf基准测试，但他们不提交自家的TPU来接受这个他们自己发明的测试——你能明显感觉到这件事让黄仁勋非常抓狂。当然，TPU是一块很棒的芯片，我相信TPU V9会非常出色，他们下一代会做出更激进的选择。我从不赌谷歌输，也从不赌博通输，但我确实认为Trainium现在是最被低估的。

贾斯：好，我想切换一个话题，这其实也是我们最初在2022年，然后2023年建立联系的原因——新兴云（Neoclouds）。

2023年夏天，你在度假，我打电话去打扰你，是关于一家叫CoreWeave的公司，向你寻求建议和意见。最终这促成我们在一个非常关键的时刻向CoreWeave投入了75亿美元来支持其扩张。首先，谢谢你。时至今日，CoreWeave、Crusoe、Nebius、Lambda等等——这个赛道今天是持久性的吗？还是说它只是一个短暂的套利机会，利用的是超大规模云服务商的资本支出节奏和token摩擦？

加文：我坚信这是持久性的。首先，CoreWeave对我来说有点伤感。阿特里德斯本来可以在10亿估值的那轮投入超过5000万美元，但我因为Crusoe而存在利益冲突，被排除在外了。我爱Crusoe，我认为Crusoe会成功，我们也持有大量Crusoe仓位。但每次想到当时本可以在10亿估值时投进5000万，我就有点惆怅。不过我很高兴你们投了75亿。

贾斯：是的。

加文：这绝对是一个持久性的赛道。

理解如何运营这些集群，就像驾驶一级方程式赛车。看F1比赛的时候，感觉好像任何人都能做到。就像看汤姆·布雷迪打球，你会想：他为什么漏掉那次传球？因为他置身于一个10万人呐喊的体育场，一群体重比他重100磅、时速20英里的人正在向他冲来，要在他出手之前把他撂倒。F1也是一样，看起来容易，做起来极难。

如果我开上F1赛车去参加比赛，我会直接死掉，我会伤害自己，伤害所有人，包括看台上的观众。运营一个集群就是这个道理——真的非常难做好。

CoreWeave之所以能以大幅溢价出售其GPU算时，原因在于：并非所有GPU算时都是一样的。CoreWeave的GPU每小时平均利用率，比底部水准的供应商高出两到三倍。这一点同样适用于Crusoe、Nebius以及其他高质量的新兴云服务商。我认为这一点被严重低估了。

很多人说，这不可能是持久的竞争优势。我在2005年做零售业分析师时曾经观察到：在美国，要打造一家500亿市值的零售商，你只需要能在50个州、各种气候和消费偏好的环境下，运营1000家门店，保持员工友好且专业、不偷窃，库存适时适量，价格合理，店面干净明亮。就这些。但整个历史上，能做到这一切的公司寥寥无几，运营这些集群甚至更难。

所以我认为这个赛道是持久的。长期以来，超大规模云服务商的思维停留在成本层面，他们与那些驾驶F1赛车的玩家竞争，用的却是夜班司机开十八轮卡车的方式，追求的是最低成本。但那不是AI的逻辑。我认为他们现在已经完成了这种思维和文化上的转变，但部分新兴云服务商已经建立起了非常持久的商业模式。

贾斯：我们很认同这个判断。你刚才其实已经提到了一个话题——轨道算力。我们不打算深入讲科学原理，相关论文都可以在网上找到，用你喜欢的大模型去提炼摘要就好。我想问两个问题：第一，轨道算力何时能够商业化并获得有意义的市场份额？第二，从你的视角来看，市场上最被低估的"做空标的"是什么——那些尚未被定价的风险？是陆地数据中心运营商吗？如果是的话，贝莱德就麻烦大了。还是说有其他方向？

加文：我认为在未来两年内，轨道算力可行且经济的可能性就会变得明朗。真正开始获取有意义的市场份额，我认为是这个十年末。

我确实认为，可能有一天我们不再新建地面数据中心。但已经建成并投入运行的地面数据中心将始终有其价值——训练和强化学习会在地面数据中心完成。我无法想象在未来七年内有哪一天，我们完全停止建设地面数据中心。

而在此之前的过渡年份，对于电力冷却领域的许多公司而言——那些工业类企业，大幅扩张了产能来支撑这场建设热潮——将会非常痛苦。这场热潮可能会戛然而止。

在太空中，能源来自太阳，冷却来自卫星的背阳面。我不能说具体是哪些公司，但如果你看过某家潜在轨道算力供应商的卫星设计概念图，会看到散热器长达三四百英尺，位于卫星后方的太阳同步轨道阴影处。你有巨大的太阳能翼板，然后是卫星本体——它不是数据中心，它就是一个机架：八英尺高、两英尺半宽、四英尺深——这些机架通过激光相互连接，构成一个虚拟数据中心，散热器就悬挂在机架背后的阴影之中。

贾斯：加文，我们聊了非常多，非常感谢你，这场对话精彩至极，感谢你愿意来。

加文：谢谢，谢谢大家。

AI最大黑马不是英伟达 华尔街大佬:真正被低估的是…

AI最大黑马不是英伟达华尔街大佬:真正被低估的是…