Mike Volpi on Why AI Infrastructure Will Outlast the Hype Cycle

思科前高管 Mike 复盘：90 年代光纤泡沫里破产公司的资产后来全成了别人的摇钱树，今天 200 家 Neo Cloud 里也会重演这一幕。

AI 基建真正的风险，不在 GPU 会不会被用完，而在谁能撑到它被用完

Mike Volpi 是 a16z 合伙人，也是在 1990 年代末 Cisco 负责战略与并购的老兵。他经历过互联网带宽从“怎么建都不够”到公司倒下、光纤换了主人又重新赚钱的全过程。今天他看 AI 基建，结论不是“这次没有泡沫”，而是把两个常被混在一起的问题拆开：算力资产有没有用，和今天持有它的公司能不能活到最后，是两回事。

这场对话从 GPU 折旧、Neo Cloud 的融资，一直讲到英伟达的并购和数据中心网络。它的价值不在于替人押涨跌，而在于提供一套看基础设施周期的顺序：先看工作负载，再看资产寿命和供给约束，最后才看谁有资格拥有这些资产。

这期回答了 6 个问题：

1. AI 基建会不会像 2000 年的光纤泡沫一样留下废墟？
2. 为什么本该接近报废的 H100 反而还能涨价出租？
3. 200 家 Neo Cloud 里，谁最可能在经济修正里出局？
4. 英伟达用资本扶持更多小云厂商，能改写行业格局吗？
5. AI 数据中心为什么不能继续照搬互联网时代的网络逻辑？
6. 芯片、模型和网络的竞争，接下来会以什么单位发生？

被问到 AI 的建设潮会不会重演 1990 年代末的带宽泡沫时，Mike 先承认两者有相似处：当时互联网和网页被认为会改变世界，资本同时以股权和债务涌进来，运营商大举铺设光纤；今天则是模型公司和云厂商一起拉动算力需求。真正的转折发生在一批依赖互联网的新公司不够好、融资和订单一起断掉之后。背债最重的运营商破产了，但它们买下的光纤没有消失，只是被别人接手。

"the underlying assets will be quite useful for a long period of time."（底层资产会在很长时间里持续有用。）

这句话把“资产价值”和“股东回报”硬生生分开。光纤后来确实支撑了视频、云服务、社交网络和电商，但最早那批铺线者并不必然拿到收益。Mike 对 AI 的判断也是如此：他相信正在建设的计算能力终会被充分利用，甚至超额利用；但他同时提到，与英伟达人士交流时听到约 200 家 Neo Cloud，而其中不少资产负债表并不好看。经济修正可能发生，留下的是 GPU、机房和电力能力，换掉的则是资本结构撑不住的持有人。

对读者来说，别再把“AI 需求真实”直接翻译成“每一家卖 GPU 的云都会赢”。前一句讲的是技术和使用场景，后一句讲的是债务、现金流与融资窗口。它们会在同一轮周期里给出相反答案。

被问到这次与旧带宽周期最大的物理差别时，Mike 给出的第一反差是：光纤埋进地下可用 20 到 30 年，GPU 原本被视为寿命短得多的资产。以 H100 为例，四年前市场按每 GPU 小时 1.82 美元出租、并把可用年限估在约五年；照这个算法，它现在理应接近退出主力位。但他看到的现象恰恰相反：H100 没有“报废”，租价仍可到每小时 2.5 到 3 美元。

"the fact an unintended consequence of AI being good at software is that the underlying asset life is getting longer thereby helping it to be more financeable."（AI 擅长软件带来的意外结果，是底层资产寿命更长，因此更容易融资。）

逻辑并不神秘。新一代芯片每瓦能换出的 token 收入更高，H100 的能效当然落后于更新的卡；但当需求仍远大于供给时，哪怕是“更差地把电变成钱”的旧卡，依旧有人要。瓶颈也不只是某张卡本身，而在半导体制造能力。只要晶圆产能没有明显放开，旧卡就不会因为有了新卡立刻失去买家。

这也是为什么不能机械套用五年折旧。资产寿命不只由规格表决定，还由供需、软件优化和替代品供给共同决定。反面同样清楚：Mike 也没有断言旧卡永远值钱。一旦更高效的新系统足够多，或者供给转为宽松，低效芯片每瓦产生的收入不足以覆盖电力和运营成本，今天延长的寿命也会缩回去。

在谈行业结构时，Mike 把当前环境概括得很直白：AI capacity token 的需求几乎无穷，供给又极度受限。近两三年里，主导约束仍是硅，而不是单纯的云销售技巧。更多 fab 产能、更多 ASML 设备都不是按季度就能补上的变量，所以谁掌握制造能力，谁就暂时拥有很强的议价权。

"demand for AI capacity tokens, whatever, is near infinite. And supply is incredibly constrained."（不管怎么称呼，AI 算力 token 的需求近乎无穷，供给却极其受限。）

但这不是“所有中间商都安全”的理由。Neo Cloud、推理云和模型公司都夹在上游稀缺与下游需求之间，既要拿到芯片，也要把融资成本、电力、网络和利用率算进模型。与此同时，需求侧会开始变聪明：用户不会永远把所有任务都送去最贵的前沿模型，model router 会把任务按成本和能力分流。Mike 说顶级 Anthropic token 与顶级 Kimi token 的经济差异可到 5 到 1 或 7 到 1，这类选择会让需求对价格更敏感。

因此，短缺带来的是窗口，不是豁免权。一个云厂商可能在 GPU 紧张时拿到好租价，却仍被高杠杆、低利用率或错误的采购周期拖垮。看这类公司，重点不是“它有没有卡”，而是卡的融资期限、客户合约、利用率和供给松动后还能不能产生正现金流。

谈到英伟达像当年 Cisco 一样频繁出手时，Mike 没有把并购神化。他回顾 Cisco 的方法是高频、可承受失败：约三分之一做得很好，三分之一一般，三分之一失败；他所在团队做过约 70 笔收购，后来约一半 Cisco 收入来自被收购的业务。单笔交易通常不超过公司市值的 4% 到 5%，并且几乎全部用股票支付。真正重要的不是每一笔都准确，而是有流程、有足够多的试验，能够等到少数异常成功者出现。

"industries are powerful and they find their own shape. It's hard to reshape them."（行业有自己的力量，会长成自己的形状，很难被外力重塑。）

这也是他对英伟达资助更多云厂商的保留。英伟达不愿只面对三四个超大客户，扶持更多买家既能分散渠道，也让初创公司拿到算力，创新确实受益。但在一个规模越大成本越低、服务能力越强的生意里，行业会自然集中。Mike 用航空业打比方：可以资助 100 家航空公司，最后仍可能只剩三家。资本能延后淘汰，不能保证每个小玩家都绕开规模经济。

这提醒创业者和投资人把两类机会分开。拿到上游支持，说明有进入市场的燃料；能否长期存在，还取决于是否有独特客户、软件层能力或更好的系统效率。把“得到英伟达支持”当作终局判断，会把渠道机会误认成护城河。

话题转到网络时，Mike 给出的判断比“带宽不够”更深一层。互联网时代的网络假设是流量随机到达、随机离开，所有人不会同时通信，所以可以用统计复用，把有限资源分给不同时段的请求。交换机的价值，正来自它要处理这种不确定性：缓存、查表、排队、把不同包送到不同出口。

训练中的 AI 数据中心却相反。GPU 希望持续满载，链路也持续满载；尤其做大批量训练时，流量模式比传统互联网可预测得多。当前主流网络依然大量使用为统计复用设计的 packet switching 架构，于是需求的性质变了，设备设计却还沿用旧假设。

"the switches you buy today have the correct amount of bandwidth and the incorrect architecture."（今天买到的交换机带宽是对的，架构却不对。）

他说的不是马上抛弃 Ethernet，而是下一代数据中心可能更多采用定时、可预期的连接方式，例如 optical circuit switching、TDM 或它们的组合。这样做的收益不只在吞吐，也在把不再需要的复杂度和成本拿掉。困难则在采用者：一台新交换机无法独自改变系统，网络如今已经嵌入 GPU、机架和软件调度里，最有条件推动新架构的反而是能交付整套系统的芯片供应商。

被追问硬件机会时，Mike 没有给出“某一种芯片必胜”的答案。他看到的是模型结构正在分化：FP4、FP8、不同规模的 mixture of experts、不同参数量与推理强度，都会影响芯片该如何设计。推理密集意味着更大的参数量和 KV cache，内存与芯片之间必须传更多数据，所以 memory bandwidth 会成为关键；3D DRAM、hybrid copper bonding 有潜力，但封装后的散热也更难。

"people that can think of the whole thing as a single system and optimize the architecture of it through that have a competitive advantage."（能把整套东西当作一个系统来思考并据此优化架构的人，会拥有竞争优势。）

这解释了为什么“芯片跑分”不够了。Google TPU 被提到，不只是因为它是一块芯片，而是因为它被当作整套系统来设计。相对地，把某家加速器、另一家的交换机和若干部件拼起来，今天往往会产生效率损失。讨论也由此从 card 走到 rack，甚至走到一整排机柜或整个数据中心。

对做基础设施的人，这是一条很具体的筛选标准：你的改进能不能穿过模型、内存、封装、网络、电力和调度这些边界？如果只能让单点更快，却让系统其余部分成为瓶颈，价值会被稀释。反过来，愿意在系统接口上做难活的公司，才可能从供应稀缺里拿到长期位置。

“资产会留下、所有者会换”与“最小单位变成整套系统”，其实指向同一个判断：AI 基建不是一笔买 GPU 的交易，而是一条跨越制造、融资、能源、网络和软件的长链条。第 2 条解释了为什么旧 GPU 在短缺期还能继续赚钱，第 3 条却提醒这不足以救活所有持有人；第 5 条和第 6 条再把视线从单卡推到整个数据中心，说明下一次价值重分配很可能发生在系统接口和网络架构，而不只是芯片型号。

所以，面对“AI 基建是不是泡沫”这个问题，更有用的问法是：这项资产在供给变化后还能产生多少现金流，谁承担融资风险，谁能把它接进更高效的系统。回答这三件事，比站队乐观或悲观更接近这场对话真正提供的工具。