原文标题：The Remarkable AGI Trades of Daniel Gross
原文作者：@johncoogan
编译：Peggy，BlockBeats

编者按：2024 年初，AI 仍处在狂热与不确定并存的阶段。当时，Daniel Gross 用一页纸提出了 18 个问题：价值会流向哪里？能源是否成为瓶颈？软件工程师是否会被替代？国家之间的竞争格局会如何变化？

两年之后回看，这些问题本身，比任何具体预测都更具启发性。AI 的收益确实集中在基础设施层——英伟达成为最大赢家；能源与电力迅速成为新的战略瓶颈；API 成本断崖式下降，同时算力、资本与地缘政治风险却在不断放大。

本文回顾 Gross 当时提出的关键问题，并结合过去两年的现实演进逐一检验。这不仅是一份关于 AI 投资逻辑的复盘，也是一张观察技术革命如何重塑市场结构、产业链与全球权力格局的路线图。

以下为原文：

2024 年 1 月，当时仍是 Safe Superintelligence CEO、如今担任 Meta AI 产品负责人 的 Daniel Gross 发布了一篇题为《AGI Trades》的文章。

这篇文章只有一页，列出了一系列关于 AI 进展可能带来影响的问题。两年多后再回头看，这些问题显得格外具有前瞻性，尽管当时每个问题并没有给出明确结论。下面我们逐一回顾他提出的 18 个问题。

市场（Markets）

在后 AGI 世界中，价值将流向哪里？

目前来看，价值确实集中在基础设施层——芯片、封装、电力等领域。英伟达几乎拿走了 AI 热潮中 超过 100% 的利润，因为许多公司仍在亏损。这一点在市值变化上也体现得非常明显：英伟达市值增加了 3.2 万亿美元，从 1.2 万亿升至 4.4 万亿美元；相比之下，云平台的涨幅要温和得多（微软上涨 4%，亚马逊上涨 30%）。

在私募市场上，OpenAI、Anthropic 和 xAI 的估值增长也非常惊人，但三者合计 1.4 万亿美元 的总价值增长，仍然 低于英伟达在同期增加的市值。

这是 2024 年一开始就非常关键的一个问题。

英伟达和微软会发生什么？

英伟达表现极其强势。其营收从 2024 财年的 609 亿美元增长到 2026 财年的 2159 亿美元，几乎增长了三倍。

微软则没有那么占优势。Azure 的增长确实加速到 40% 的同比增速，但从 2024 年 1 月到 2026 年 3 月，微软股价仅上涨 4%。市场对其 每年超过 800 亿美元的 AI 资本开支产生了质疑——投资何时才能转化为回报仍不清晰。

在这场「卖铲子和铁锹」的 AI 淘金热中，英伟达显然是最大赢家，而微软在基础设施上的押注，暂时还没有给股东带来明显收益。

铜是否被错误定价？

确实被严重低估了。2024 年 1 月，铜价为 每磅 3.75 美元，两年后达到 每磅 6.61 美元的历史新高。

AI 对铜的需求极其庞大。例如：

英伟达 GB200 NVL72 服务器机架使用 超过 5000 根铜线

如果全部拉直，总长度超过 2 英里

一个 100MW 数据中心大约需要 3000 吨铜

总体来看，数据中心每年可能消耗 50 万吨铜。有人因此说「铜是新的石油」。当然，也有很多其他东西被称为「新的石油」，因为 AI 基础设施建设极其复杂，几乎每个环节都有瓶颈。所以这种说法也需要谨慎看待。

房地产（Real Estate）

如果 AI 可以写所有软件，那么旧金山会不会变成新的底特律？

这要看「新的底特律」指的是什么。

AI 实际上 拯救了旧金山，避免它变成像底特律那样衰落的城市。现在旧金山依然在繁荣：

办公室空置率从 36.9% 降至 33.5%

OpenAI 拥有 100 万平方英尺办公空间

Anthropic 拥有 一栋 25 层办公楼

Sierra 签下 30 万平方英尺办公面积

2025 年上半年，78% 的美国 AI 风投资金流向湾区

当然，也存在另一面：旧金山整体就业人数仍低于疫情前水平，但房价依然坚挺。因此，它绝对谈不上是一座「空壳城市」。城市环境也变得更加整洁。

AI 会如何影响财富不平等？

现在下结论还为时尚早，数据变化并不明显，但已有一些研究值得关注。

IMF 2025 年研究认为：AI 可能 减少工资不平等（因为自动化高收入工作），但可能 加剧财富不平等（资本收益集中在科技公司所有者手中）。

OECD 的研究发现：低技能岗位工资增长最快（装配工 +11.6%），高技能岗位增长最慢（CEO +2.7%）不过这可能更多反映的是 最低工资政策，而非 AI 本身。

在资本市场上，集中度也在上升：「七巨头」（Mag7）占标普 500 市值约 32%，贡献了 2025 年约 42% 的总回报；同时，AI 初创公司巨额融资（OpenAI 1100 亿美元、Anthropic 300 亿美元）也让少数创始人和投资者获得了巨大的私人财富。

能源与数据中心（Energy & Data Centers）

如果 AI 变成一场能源竞争，该如何投资？

这个判断 完全正确。AI 的确变成了一场能源游戏。

抓住这个交易的人赚得非常多。例如：

Vistra：+321%，2024 年标普第二大涨幅（仅次于 Palantir）

Constellation Energy：自 ChatGPT 发布以来股价翻三倍

NRG Energy：2025 年单年上涨约 95%

Oklo：12 个月上涨 700%+

核能迎来了爆发：

微软签署 160 亿美元、20 年期 PPA，重启三里岛核电站

Google 与 Kairos Power 签署 500MW 小型模块化核反应堆（SMR）协议

Meta 与多家核能公司签订 6.6GW 电力合同

能源成为 AI 时代最成功的投资主题之一。

在整个数据中心供应链中，哪些环节最难扩张 10 倍？

芯片行业的瓶颈是 CoWoS 封装技术（台积电的 Chip-on-Wafer-on-Substrate）。

在数据中心领域，最大的瓶颈则可能是 电力变压器。

交付周期接近 3 年

2025 年出现 30% 的供应缺口

成本自 2020 年以来上涨 150%

这个已有 100 年历史的技术，却成为数据中心接入电网速度的关键限制。

煤炭是否被低估？

某种程度上是，但远不如铜。2025 年煤价实际上 下跌约 22%，到 2026 年初有所回升。

煤炭公司表现尚可：

Peabody Energy：+34%

CONSOL Energy：+37%

与此同时，美国煤电发电量 到 2025 年 9 月增长 13%。

数据中心增长较快的州表现尤为明显：

俄亥俄州：+23%

俄克拉荷马州：+58%

国家（Nations）

谁是赢家，谁是输家？

赢家显然是 美国。

2024 年美国私人 AI 投资 1090 亿美元（中国仅 93 亿美元）

自 2013 年以来累计投资 4700 亿美元，超过其他国家总和

2024 年美国发布 40 个重要 AI 模型，中国为 15 个

游戏还没结束，但目前来看，美国是 AI 竞争的中心。

印度 2500 亿美元的 GDP 出口依赖 GPT-4 token，会发生什么？

情况已经开始显现，但仍在早期阶段。印度 IT 外包行业的招聘明显下降。2024–2025 年间，大型 IT 公司 裁减约 5.8 万人，而在 2021–2023 年间，该行业曾新增 36 万员工。

软件工程师会不会像历史上的打字员那样被替代？

目前软件工程师还没有去做蓝领工作，但职业结构已经出现分化：

AI 工程师需求增长 143%

大型科技公司 初级岗位招聘下降 25%

实习岗位减少 30%

未来的选择可能是：要么向上升级为「AI 代理的管理者」，要么转向制造业等领域——毕竟很多工厂也需要懂软件的人来自动化生产流程。

会不会出现类似「新政」的大规模就业计划？

目前还没有。

2025 年 7 月，特朗普政府推出「美国 AI 行动计划」，包括：

AI 教育行政令

技能培训计划

劳工部 8400 万美元学徒项目补助

但美国劳动力培训支出仅占 GDP 的 0.1%，在 OECD 国家中几乎最低。目前还没有任何计划达到当年 WPA（850 万人就业计划）的规模。

终身学习是否值得投资？

这是一个非常抽象、也非常个人的问题。但我的答案是：值得。

通胀（Inflation）

如果 AI 真的是通缩性的，我们会如何首先看到这种信号？

最好的指标可能是 AI API 价格。

GPT-4 级别的推理成本：

2022 年末：每百万 token 20 美元

2025 年 12 月：0.40 美元

三年下降 50 倍。这一速度甚至超过 PC 算力成本下降或互联网带宽成本下降。这很可能成为服务价格通缩的 领先指标。

如果知识产品需求不断增长，而生产成本下降，该如何理解通缩？

虽然 AI API 价格暴跌，但 AI 公司收入却在飙升。价格下降 → 使用量爆炸 → 总支出增加。与此同时，SaaS 公司还在续费时加收 20%–37% 的「AI 税」。因此，即便 软件生产成本趋近于零，SaaS 收入仍在增长。

这与 摩尔定律时代的计算行业类似：单个产品越来越便宜，但整体市场规模不断扩大。

地缘政治（Geopolitics）

互联（interconnect）真的重要吗？

极其重要。

在大型 GPU 集群中：

30%–50% 的训练时间用于 GPU 之间通信

而不是计算

例如：

Google TPUv7 Ironwood 使用 3D torus 拓扑连接 9216 个芯片

Nvidia NVL72 连接 72 个 GPU

因此互联网络对 AI 规模化至关重要。

如果一个国家有更多能源，是否可以用落后制程实现 AGI？

目前来看不太可能。

所有领先 AI 芯片都使用 4nm 或 3nm 工艺：

Nvidia Blackwell

Google TPUv7

AWS Trainium3

中国华为 Ascend 910C（SMIC 7nm）在推理方面具有竞争力，但在训练方面需要更多芯片和更多能源。单纯通过增加能耗来弥补技术差距，最终会遇到 经济成本的限制。

最可能的「台湾事件」是什么？

最可能的是 台湾海峡封锁。

而紧张局势已经在升级：

2024 年：中国举行「联合利剑-2024B」演习

2025 年：「正义使命 2025」动用 100 多架飞机、13 艘军舰

27 枚火箭从福建发射，其中 10 枚落入台湾毗连区

同时，中国在 2026–2030 五年规划中开始将「和平统一」和「统一」分开表述。

台积电也在提前布局：亚利桑那州正在建设 8 座晶圆厂，未来可能承担 30% 的先进芯片产能。

但整个体系仍然处在 极其脆弱的平衡之上。

[原文链接]