今天被《GPU泡沫破灭前夜》文章刷屏了，简单谈谈感受，以及对投资有什么启示
1. H100算力现货价格下跌已经挺久了，不是今天才出现。首先反映了过去FOMO囤货带来的过度需求，在玩家集中过程中的算力出清。这里面开源模型对training需求的集中化的确是个重要推手。其次，从A100到H100，从H100到H200，从H到B，算力租赁价格下跌是自然而然的事情。Blackwell相比Hopper将算力成本降低了接近1个数量级，可想而知，当B卡上线部署的初期利润率会爆高，届时H价格还得跌。因此：
对于算力租赁厂商来说，首要任务就是抢新卡，就赚新产品迭代初期的6-12个月。现在还在新买H100去租赁，那当然是亏的。从这里也可以看出，英伟达“一年一迭代”对算力租赁这门生意来说，是极其负面的，投资回报风险剧增。
从OEM的角度，该甩货去库存了，那毛利率自然没法看。OEM核心竞争力又回到H200或者B卡的allocation分配权，抢不到新卡，业绩就敢死给你看...
从NV的角度，下游没人要H100啊，都抢H200或者B但这些产能肯定有限。那剩下几个月的H100 production生产咋卖？塞货...不过这对于NV的宏大叙事感觉也没啥影响，反正华尔街debate的都是25年之后的事情...
2. GPU真的泡沫破裂了吗？不如说，一直处于结构性供需失衡。比如看国内，早就有了过剩苗头，GPU现货价格比海外还低（1.6美元/小时），甚至很多模型厂开始甩卖GPU。而另一边，OpenAI还在抱怨微软算力上线不及时。这说明什么？生态的复杂性注定了我们不可能以集体最高效率方式分配GPU，比如把算力全给OpenAI或者Anthropic或者XAI（OAI对手也不愿意，美国对手也不愿意，老黄更不愿意... ）而目前GPU也没有标准化到可以随意转售和迁移（比如大小集群的需求差异）。以上导致这种结构性失衡可能一直存在。
整体GPU供给是否过剩？个人觉得相对于目前AI的整体回报来说，的确是过度投资....（老黄真的值得诺贝尔经济学奖，《如何让全世界甘愿亏着钱也要抢GPU》） 但从AI更长期发展来看，算力替代人力、智力，成为社会的水和电这件事，似乎已经不可逆了。而需求和供给其实已经进入了某种互相推动的状态：算力的富足会让模型进步更快、模型的进步会吃掉更多的算力。局部、短时间、结构性的算力过剩或者紧张，对于整个AI投资大主题来说，都不敢拿去过度线性外推。
3. 假如出现短时间大面积过剩，后面如何演绎？NV现在这架势，不管需求如何，GB200、GB300、Rubin、Rubin ultra、Rubin-Next这眼花缭乱的路线图，会继续让算力成本以数量级速度降低。我大概匡算了下（参考下图），到2025年底，全球GPU存量大概等效于超过3000万张H100！什么样的需求能吃掉3000万张H100，我也好奇...
其次，我们星球嘉宾stacy曾经上传过一个CSP各家的预算分配，各自拿多少万张Blackwell，可以看个大概。关键是除了CSP抢的这些，市场上还会流出200多万张，也就是等效于1000万张以上的H100算力出租，需求来自哪里，现在其实也看不清。
最后，推理的软件优化速度是极快的。就看看DeepSeek当初的工作，以及现在各种蒸馏、小模型的进展。某种程度上，这都是被缺卡逼出来的，软件工程师会用各种方法削弱对硬件的依赖...降本增效嘛
因此，至少在明年之前，推理算力可以说是非常非常富足，就看需求能否被激发出来...
过度投资，在之前每次科技革命好像都发生过。比如2000年海底光缆的过度投资成了之后互联网廉价的基础设施。现在最关键的问题是，算力的富足，可能并不是AI模型能力继续提升的充分条件，只是个必要条件，还需要research上的更多进步（这方面似乎已经出现了更多可能性）。可能到了某一天，多年的投资真的让算力唾手可得，可能research上的进步可以更多、更快得转化为模型能力的提升...
最后，回到投资，AI可能依然会是最重要、最具包容性的投资主题（无论多还是空）。只不过过去2年，大家一直围绕供给侧尤其是硬件端有限的机会来回博弈。这种状态不太健康也不可持续，个人觉得不太会是戛然而止，而是逐渐泛化，会有更广泛、更多层次的机会慢慢出现。
上述文件都在星球里了，此外今天robo也更新了10月最新出炉的NV路线图。下周有好几个业绩ASML、台积电，到时一起讨论
