SemiAnalysis创始人：推理或超越石油成全球最大市场，2040年太空数据中心将主导全球算力（组图）

近日，SemiAnalysis创始人Dylan Patel接受红杉资本播客《Training Data》采访，从推理市场规模、算力效率、硬件架构竞争到英伟达的战略布局，多方位地阐述了他对AI基础设施走向的判断。

Dylan Patel预测，AI推理将成为全球最大市场之一，占GDP多个百分点；到2030年，仅OpenAI和Anthropic合计算力需求将超100吉瓦。他判断，未来3-5年太空算力可忽略不计，但到2040年太空将承载全球超半数新增算力。而英伟达支持新云厂商，本质是黄仁勋在下一盘防止被垄断的大棋。

推理市场将超越石油：算力可能永远不够用

Patel认为："AI推理——无论是开源模型还是闭源模型——将是全球最大的市场之一，比石油还大。AI推理将占到GDP的若干个百分点。"

他的逻辑链条是：模型每次迭代升级，能完成的有效任务数量和价值都在扩大，而这个扩张速度持续快于算力的增长速度。以Anthropic的Claude Opus为例，他指出，"Meetos 5（即Claude 4/Opus级别）能做的任务量，根本不是Opus的2倍，而是远不止"，但与此同时，全球算力并没有在同一时间段翻倍。

结果就是：供给追不上需求扩张，算力永远是稀缺的。他直言："算力短缺会一直持续，因为模型扩大可用任务的速度，永远快过算力的增长。"

2040年，超过一半的增量算力将在太空

对于太空数据中心，Patel表示，"未来三到五年，太空数据中心不会有太大意义。但在二十年后，我认为绝大多数算力将进入太空。"

具体节点上，他预测2030年仅OpenAI and Anthropic两家合计将拥有超过100吉瓦的算力，再加上Meta、Google等，届时用于推理的算力体量将极为庞大。到2040年，甚至可能达到太瓦（terawatt）级别。"

如果你看 2040 年，超过一半的增量算力将进入太空。但如果你看 2030 年，我认为不到 1%。

核心制约是地面能源成本——地面土地建电能力有限，一旦太空部署的经济性超过地面，算力向太空迁移将成必然。

硬件软件协同设计：真正的100倍增益从哪里来

这是Patel最核心的技术判断。他直接反驳了访谈主持人关于“过去三年算力提升主要来自硬件”的观点：“我完全不同意你这个说法。”

他的分析是：从Hopper到Blackwell，最优化部署下性能提升约30倍，这主要是硬件。但过去三年，整体智能效率提升远超30倍，大部分增益来自模型层。关键在于协同设计的乘数效应

当你把这里的2倍和那里的2倍叠加，如果只是各层独立优化，可能得到8倍。但如果你跨三层协同优化，实际上可以得到100倍。

DeepSeek是最典型的公开案例——其专家模型（MoE）的形状专门为英伟达Hopper架构优化，因此在Hopper上运行出色，但在TPU上却表现不佳。反过来，Anthropic的模型更"稠密"，更适合TPU架构；OpenAI的模型更"稀疏"，更偏向GPU路线。

Patel强调："TPU客观上是一款出色的芯片，承担了DeepMind所有推理和Anthropic几乎所有预训练。但它就是跑不好DeepSeek。"

他进一步指出，所谓"CUDA护城河"，本质上不是CUDA本身，而是开源生态的模型形状问题：DeepSeek、Kimi、阿里、腾讯等公司的开源模型都是为GPU协同优化的，要在TPU上跑，效果就差。Google需要建立自己的开源模型生态（即Gemma系列）才能对抗这一效应。

黄仁勋：主动打造多极算力格局

对于英伟达CEO黄仁勋为何大力扶持新兴云计算商（Neo Clouds），Patel说道：

Jensen 非常厌恶一种世界格局：超大规模云厂商垄断一切。这就是为什么他会向一些看起来不那么有把握的 AI 实验室砸钱——他在全世界各地游说，说 "你应该投这家公司"，因为他想创造一个多极化的世界。这也是他为什么喜欢中国 AI 实验室——他想要多极化。如果只有 OpenAI、Anthropic 和谷歌的模型主导市场，他就完了。

逻辑很简单：如果全球只有OpenAI、Anthropic和Google的模型，如果算力只由超大规模云商建设，英伟达就会陷入被动。而今天卖给Crusoe或CoreWeave的GPU，五年后将削弱Google TPU和Amazon Trainium的市场地位，对英伟达而言是更好的长期格局。

他需要把分配的 '枪口' 对准新兴云商，帮助他们支撑集群，不惜一切。

InferenceX：每年成本降60倍的活体基准

Patel团队搭建了名为InferenceX的实时推理基准测试系统，目前已获得CoreWeave、Oracle、微软、亚马逊、谷歌、OpenAI等机构捐赠的超过5000万美元硬件，每天在最新模型上持续运行，涵盖超过15种不同芯片类型。

其核心发现是：等效质量下，推理成本每年下降约60倍。“这是令人难以置信的。”他同时指出，每瓦智能（intelligence per watt）的改善约为40倍，略低于成本降幅，部分效率来自非功耗环节。

InferenceX的核心输出是"帕累托最优曲线"——在响应延迟（interactivity）与批处理吞吐量（throughput）之间，找到每个场景下的最优配置点，并将配置开源，任何人都可以直接下载使用。

"这条曲线是硬件、基础设施、模型、应用层所有事情的上游。"他举例：Anthropic的Claude Code快速模式比普通模式贵得多，OpenAI也有优先队列，本质都是这条曲线的商业化体现。

从汽车旅馆到半导体智库：一个自学者的逆袭

谈及Dylan Patel的个人经历时，他分享的成长轨迹与传统分析师截然不同。他从小在父母经营的汽车旅馆长大，对面是自家加油站——他开玩笑说，自己训练的第一个神经网络，是根据顾客外貌预判他们要买哪种烟。

八岁时，Xbox 360的“红圈死亡”故障迫使他拆机维修，从此打开了硬件世界的大门。12岁起，他活跃于各类技术论坛。大学毕业后，他在量化风险公司工作，因不满成果被抢功而离开。

2020年，他更频繁地在网上发表深度分析，被人肉搜索后索性改用真名，在24岁生日那天创立了SemiAnalysis网站。此后他开着皮卡、睡在车顶帐篷里，在美国国家公园间流浪了六个月，边旅行边写博客；随后又去拉丁美洲旅居近一年，每年参加超过40场全球供应链会议。

如今，SemiAnalysis已成为半导体与AI基础设施领域最具影响力的研究机构之一，团队近90人，年营收据传已接近1亿美元。