#355.Gavin Baker - Nvidia 与 Google、缩放定律，以及 AI 的经济学 - 跨国串门儿计划

本报告基于《INVEST LIKE THE BEST》播客第355期对Gavin Baker的深度访谈内容，系统性地梳理了当前人工智能（AI）领域最前沿的技术演进、商业竞争格局、基础设施变革与投资逻辑。该对话不仅揭示了AI发展背后的三大核心扩展定律——预训练扩展定律、带验证奖励的强化学习（RLVR）与测试时计算——更深刻剖析了英伟达（NVIDIA）与谷歌（Google）在硬件架构上的战略博弈，以及由此引发的全球算力经济重构。报告指出，仅凭免费版模型对AI未来潜力做出判断是一种严重的认知偏差，真正的评估必须依赖付费高级版本如Gemini Ultra或Super Grok，因为其性能表现堪比成熟成年人，而免费版模型则如同8至10岁的儿童，无法准确预测成年后的智能水平。

报告进一步揭示了AI技术跃迁的核心驱动力：从2024年10月24日以来，所有突破均源于两条新定律的结合，这使得通用人工智能的智能水平在短短三个月内从8%跃升至95%。与此同时，英伟达下一代芯片Blackwell的延迟部署成为关键转折点，其从风冷转向液冷、机架重量从1000磅增至3000磅、功耗从30千瓦飙升至130千瓦的复杂过渡，几乎使AI发展陷入停滞。然而，推理技术的出现弥补了这一18个月的空白，成为“拯救AI”的关键。在此背景下，谷歌凭借TPU平台在预训练阶段暂时领先，但其长期战略面临结构性挑战，即作为“token成本最低的生产商”持续抽干生态系统的经济氧气，迫使竞争对手难以融资。报告还前瞻性地探讨了太空数据中心的可能性，从第一性原理出发论证其在能源、冷却与通信效率上的绝对优势，并指出SpaceX星舰是实现这一愿景的唯一可行路径。最终，报告提炼出AI投资的本质是对“隐藏真理”的追寻，成功者必先于他人发现未被认知的事实，而这一过程根植于对历史、时事与人性的深刻理解。

《INVEST LIKE THE BEST》是一档致力于探索市场思想、精彩故事与投资策略的深度对话类播客，其核心使命在于帮助听众更好地投资自己的时间和金钱，通过与行业领袖的直接对话，揭示那些影响资本流向与技术范式变迁的深层逻辑。主持人Patrick O'Shaughnessy作为Positive Sun公司的首席执行官，其观点仅代表个人立场，不反映公司意见，这种独立性为播客提供了宝贵的批判性视角。本次对话的嘉宾Gavin Baker被主持人誉为“见过所有投资人里对市场最感兴趣、对世界最有好奇心也最有感染力的一个”，是“一本活儿的百科全书”，其在科技界拥有极深的洞察力，尤其在半导体、AI与宏观经济交叉领域展现出非凡的分析能力。O'Shaughnessy强调，他每两三年便会邀请一次Gavin Baker进行深度对话，而此次对话的内容涵盖了英伟达、谷歌、其TPU架构、AI数学原理、商业模式、太空数据中心等广泛议题，甚至触及了在太空建数据中心这一极具前瞻性的设想，展现了Gavin Baker一贯的热情与逻辑严谨性。

值得注意的是，本次对话打破了传统的收尾问题，转而引出了Gavin Baker整个投资生涯的起源故事，连主持人本人也是首次听说，这凸显了嘉宾在思想深度与个人经历上的独特魅力。Gavin Baker的投资哲学根植于对历史、时事与人性的深刻理解，是一种对“真理”的持续追寻，其逻辑性与激情贯穿始终，使其成为投资者眼中最具启发性的思考者之一。正如他在访谈中所言：“我确实认为我们正在进入一个终局状态”，这句话不仅是对技术演进趋势的总结，更是对人类文明进程的一种深刻洞察。他的成长轨迹——从攀岩少年到投资大师——体现了“在极限中突破自我”的精神，而他对年轻一代的建议“你为什么热爱这个事业？”则直指职业选择的本质，即寻找能赋予生命力的事业。因此，本次对话的价值远超单一技术讨论，它提供了一种融合了历史视野、现实洞察与未来想象的综合性思维框架，对于任何希望在不确定时代把握确定性机会的决策者而言，都具有不可替代的参考意义。

在评估人工智能（AI）的未来发展潜力时，一个普遍存在的严重认知偏差是：许多知名投资人仅基于免费版模型就得出关于技术演进的确定性结论。这种做法本质上是一种非理性的跳跃，因为它将一个处于早期发展阶段的“儿童”（8-10岁）的表现，错误地外推至其成年后的成熟状态。Gavin Baker对此现象表达了深刻的惊讶与批评，他明确指出：“我得说我很惊讶有那么多大名鼎鼎、备受尊敬的投资人，仅仅根据免费版就对AI得出了非常确定的结论”。这种认知偏差的根本原因在于，免费版模型虽然具备一定的功能，但其性能和复杂度远远不足以代表前沿技术的真实水平。相比之下，付费高级版本，如Gemini Ultra或Super Grok，每月支付200美元的订阅费用，才能真正体验到一个完全成熟的33至35岁成年人般的智能水平，其在处理复杂任务时的细微差别和深度思考能力，是免费版无法比拟的。

要真正理解模型间的差异，必须进行深入的对比测试。例如，当用户在不同模型之间切换，并提出一个自己非常了解的、需要深度推理的问题时，才能察觉到细微的性能差距。Gavin Baker以自己使用梦幻感恩球（fantasy football）游戏测试新模型的经历为例，生动地说明了这一点：“我确实玩梦幻感恩球赢的钱都捐给慈善机构了，但这些新模型在帮助我决定派谁上场方面确实强了不少。他们的思考方式复杂得多”。这种复杂性体现在模型能够综合考虑更多变量，进行更深层次的权衡，从而做出更优决策。如果一个玩家的历史战绩不错，但本赛季表现不佳，其根本原因很可能就是没有使用AI辅助。因此，仅凭免费版模型的表面表现来判断AI的未来，无异于用一个十岁孩子的智力来预测一个三十岁成年人的能力，这种推断既缺乏科学依据，也注定会失败。> “其实你完全可以付费，我确实认为你必须得花钱用最高级的版本，不管是Gemini Ultra还是Super Grok什么的，你得花钱定那些每月200美元的版本。那些版本才像一个完全成熟的33、5岁的成年人，从一个8岁或10岁的孩子身上很难推断出35岁时的样子”。

此外，信息获取的摩擦是阻碍深度分析的另一大障碍。Gavin Baker强调，要跟上AI领域的最新动态，必须密切关注地球上真正懂行的顶尖专家，数量大约在500到1000人之间，其中不少位于中国。他认为，这些人的言论和论文是“非常宝贵的信号”，是AI进展的源头。为了减少信息获取的摩擦，他利用AI本身来辅助研究，例如听完播客后，直接调出GROK进行讨论。这种“用AI来研究AI”的闭环模式，极大地提升了信息处理效率。> “对我来说，AI最好的用途之一就是帮我跟上这一切。听完播客，如果有哪些部分我觉得有意思，就直接跟AI讨论”。这种实践表明，未来的投资分析将不再是孤立的个体行为，而是人与AI协同工作的系统性工程，而能否有效利用这一工具，将成为区分专业投资者与业余观察者的分水岭。

当前人工智能（AI）领域的所有重大进展，均可归因于三条相互关联的扩展定律的共同作用，它们构成了推动技术飞速发展的核心引擎。第一条定律是预训练扩展定律，它描述了随着模型规模（特别是参数量）的扩大，其性能随之提升的经验规律。这一定律的重要性不言而喻，因为它标志着我们对模型能力的理解正从经验层面走向可量化、可预测的阶段。Gavin Baker强调，Gemini 3的发布是自Hopper芯片问世以来，对预训练扩展定律的第一次检验结果，其验证意义重大。尽管该定律被称为“定律”，但本质上仍是一种经验观察，人类尚未完全理解其背后的物理机制。Gavin Baker用古埃及人精确测量太阳位置却不懂轨道力学的比喻来说明这一点：“他们能精确测量太阳，以至于大金字塔的东西轴线与春分、秋分点完美对齐。但他们不懂轨道力学，完全不知道太阳为什么东升西落，在天际线上移动，可能是外星人干的吧？” 这种理解上的局限性，恰恰反映了我们当前对AI本质的探索仍处于初级阶段。

第二条定律是带验证奖励的强化学习（RLVR），它解决了传统强化学习（如RLHF）中反馈主观性强、难以量化的问题。在RLVR中，当用户对答案的反应一致（如喜欢或不喜欢）时，系统可以将其视为一个“可验证的奖励”，从而用于微调模型。这一机制的关键在于“验证”的概念，Gavin Baker引用了Andre Carpentier的观点：“软件，任何你能明确定义的东西都能自动化。而对于AI，任何你能验证的东西都能自动化。” 这一原则将AI的应用范围从简单的指令执行，拓展到了复杂的、需要反复迭代优化的任务。第三条定律是测试时计算（Inference-time Computation），它允许模型在生成回答时动态进行额外的计算，相当于“思考更长时间”，从而处理更复杂的问题。这两条新定律的结合，正是自2024年10月24日以来所有巨大进展的基础。

这三条定律的乘数效应，导致了智能水平的指数级跃迁。从通用人工智能的曲线图可见，智能水平从0%提升至8%耗时四年，而从8%跃升至95%仅用了三个月。这一加速并非偶然，而是由上述两条新定律的出现所驱动。> “所以从十月二十四日到今天，我们取得的所有巨大进展完全是基于这两条新的扩展定律”。这些定律的结合，使得模型能够实现“超长上下文窗口”、“KV缓存”、“卸载”等酷炫技术，从而有效解决当前许多局限性。例如，通过保持足够长的上下文，模型可以整合公司所有的Slack消息、Outlook邮件和公司手册，进行更全面的决策。这一系列技术进步，标志着AI已从单纯的文本生成，迈向了能够处理复杂、多步骤、需要长期记忆的现实世界任务，其应用前景极为广阔。

英伟达下一代芯片Blackwell的延迟，是AI发展史上一个关键的转折点，其产品过渡的复杂性被Gavin Baker形容为“科技史上最复杂的”。这一过渡涉及多个维度的根本性变革：首先，冷却方式从风冷转向液冷；其次，机架重量从约1000磅（约454公斤）增加到3000磅（约1361公斤），增幅高达200%；最后，功耗从约30千瓦（相当于30个美国家庭的用电量）飙升至130千瓦（相当于130个家庭）。这一系列变化带来的挑战是前所未有的，其难度堪比为了使用新款iPhone，必须将家中所有插座升级至220伏，并安装特斯拉的Powerwall发电机与太阳能板，同时加装全屋加湿系统并加固地板。

这种极端的复杂性导致了Blackwell的实际规模化部署直到最近三四个月才开始。Gavin Baker指出，如果推理技术没有出现，从2024年年中到Gemini 3发布期间，整个AI领域几乎将陷入停滞。> “如果推理技术没有出现，那么从2024年年中到GEMINI三发布AI领域几乎不会有任何进展，一切都会停止”。因此，推理技术可以说“弥补了这18个月的空白，拯救了AI”，因为它让AI在没有下一代硬件的情况下也能取得进步。这一技术的出现，改变了原有的算力依赖路径，使得AI的发展不再完全受制于顶级硬件的供应。> “推理技术可以说弥补了这18个月的空白，拯救了AI，因为它让AI在没有BLACK WELL或下一代TPU的情况下也能取得进步，而这些新硬件对于延续训练的扩展定律是必须的”。

这一事件深刻揭示了AI生态系统中的脆弱性与韧性。一方面，硬件的演进是推动技术进步的基石；另一方面，软件创新（如推理技术）能够在硬件瓶颈面前提供强大的缓冲，确保整个产业不至于因单一环节的延迟而崩溃。这也意味着，未来的竞争将不仅仅是硬件性能的比拼，更是软硬件协同创新能力的较量。谁能更快地将新技术融入现有系统，谁就能在激烈的竞争中占据先机。这一动态也解释了为何在Blackwell尚未大规模部署的时期，谷歌能够利用其现有的TPU平台训练出Gemini 3，其性能相当于使用F-4鬼怪战斗机，而尚未达到F-35的水平，这正是技术代际差异的体现。

谷歌与英伟达之间的竞争，是当前AI领域最核心的战略博弈，其本质是两种截然不同的技术路线之争。英伟达提供的是“全站解决方案”，从芯片、网络到软件栈，形成了一体化的生态系统，这使其在构建大型集群时具有显著优势。相比之下，谷歌的TPU虽然强大，但其网络部分仍需依赖其他厂商的芯片，这构成了其架构上的一个结构性短板。Gavin Baker用战斗机的类比形象地阐述了这一差异：Hopper芯片如同二战时期的P-51野马战斗机（梅林发动机），而Blackwell则如同现代的F-4鬼怪战斗机，未来的芯片则可能如同F-35战斗机。

在2024年和2025年，谷歌凭借其TPUv6和即将推出的TPUv7，在预训练阶段暂时拥有优势。这是因为Blackwell的复杂性和延迟，使得谷歌能够利用其2024-2025年水准的TPU平台进行训练，这相当于在“F-4鬼怪战斗机”上完成了“F-35”的工作。然而，这种优势是短暂的，其背后隐藏着巨大的战略风险。Gavin Baker强调，谷歌作为“token成本最低的生产商”这一地位至关重要，这是前所未有的战略优势。> “这一点非常关键，因为AI是我作为科技投资人职业生涯中第一次遇到低成本生产商这么重要的事儿”。这一优势使得谷歌能够采取“抽干经济氧气”的策略，即通过压低单位成本，迫使竞争对手难以维持盈利，从而削弱其融资能力。

这种策略的理性在于，即使AI业务亏损30%的利润率，只要能有效压制对手，就是理性的选择。> “作为低成本生产商，当然要让竞争对手的日子非常难过。那么现在会发生什么呢？我认为这会产生相当深远的影响”。然而，一旦谷歌失去这一成本优势，其整个战略将被迫重构。这使得谷歌的长期竞争力不仅取决于技术本身，更取决于其能否持续维持其独特的成本结构。这场博弈的最终赢家，将是那个既能掌握最先进硬件，又能构建最高效、最经济的软件生态的公司，而目前来看，英伟达凭借其全栈优势，正走在正确的道路上。

根据Gavin Baker的预测，2026年初将见证首批基于英伟达Blackwell芯片的模型问世，而首个推出此类模型的公司极有可能是埃隆·马斯克旗下的XAI。这一预测的逻辑基础在于黄仁勋的公开表态：“没人比埃隆·马斯克建数据中心更快”。即使拿到Blackwell芯片，也需要6至9个月才能达到与Hopper相当的性能水平，因为Hopper已经经过了精细调优，其软件和硬件的适配度极高。而XAI凭借其在建设数据中心方面的速度优势，能够最快地完成集群部署和BUG修复，从而形成“集群协同效应”。> “所以，如果你是黄仁勋，你需要尽快在同一个数据中心部署尽可能多的GPU，组成一个协同工作的集群，这样才能把BUG解决掉。这实际上就是XAI为英伟达做的事情”。

因此，XAI有望成为第一个大规模使用Blackwell进行推理的公司，这对其自身和英伟达都具有里程碑意义。Gavin Baker认为，这些Blackwell模型的性能将非常出色，甚至可能超越“F-4鬼怪战斗机”。随后，GB300芯片的推出将进一步改变格局。GB300是一款出色的芯片，其最大优势在于与GB200机架完全兼容，可直接替换，无需更换电源墙。这意味着，任何支持GB200机架的数据中心，都可以无缝接入GB300，这将使采用该芯片的公司成为新的“token低成本生产商”。> “任何能够支持那些机架的数据中心，你都可以直接插入GB300。不需要新的POWER WALL”。这一设计极大地降低了升级成本，加速了技术迭代的速度。

然而，要真正实现低成本，企业必须是垂直整合的。如果需要外包生产，就无法获得决定性的成本优势。> “特别是如果你是垂直整合的，如果你需要付钱给别人来生产TOKEN，你可能就无法成为低成本生产商了”。这一观点再次印证了“低成本生产商”战略的复杂性，它不仅仅是一个技术问题，更是一个供应链管理和组织架构问题。最终，这场竞赛的胜负，将取决于谁能最快地将最先进的硬件与最高效的软件、最优化的供应链相结合，从而在算力成本上建立不可逾越的壁垒。

谷歌在半导体设计上的合作模式，暴露了其在成本控制上的被动局面，这与其“token成本最低的生产商”的战略目标形成了尖锐矛盾。谷歌负责前端设计（类似建筑师），而博通则负责后端设计与台积电的协调（类似承包商），并从中获取50%-55%的毛利。这一分工模式意味着，谷歌在供应链中扮演了“甲方”的角色，但其利润却被中间商大幅侵蚀。假设2027年TPU市场规模达到300亿美元，谷歌需向博通支付约150亿美元，这相当于其总营收的相当大比例。

这一巨额支出，使得谷歌有强烈的动机将半导体项目内部化，以避免支付高额中间利润。Gavin Baker指出，这类似于苹果的模式：“苹果的芯片就没有ASIC合作伙伴。他们自己做前端、后端，自己管理。台积电原因就是他们不想支付那百分之五十的利润”。事实上，谷歌已引入联发科作为第二供应商，这被视为向博通发出的警告信号。> “因为谷歌引入了联发科，这可能是向博通发出的第一个警告信号”。联发科的毛利率更低，表明谷歌正寻求降低对单一供应商的依赖。

这一战略调整的背后，是巨大的人才争夺战。Gavin Baker估计，博通整个半导体部门的运营支出约为50亿美元，谷歌完全有能力以三倍薪资挖走其员工。> “所以现在谷歌如果付给他们300亿中的150亿，从经济上讲，谷歌可以去把博通半导体部门的每个人都挖过来，薪水翻倍”。这种高薪挖角的威胁，使得博通在谈判中处于不利地位。随着TPU V8和V9的发展，这种内部化的可能性将进一步上升。这一系列动态表明，半导体领域的竞争已从单纯的技术比拼，演变为一场涵盖设计、制造、供应链管理与人才争夺的全方位博弈，而谷歌的每一次战略调整，都在试图重塑其在这一复杂生态系统中的主导地位。

从第一性原理出发，太空数据中心在能源、冷却与通信效率上全面优于地球上的数据中心，其潜在价值不可估量。数据中心的核心输入要素是电力、冷却与芯片。在太空中，卫星可以24小时直面阳光，其辐照度比地球高6倍，阳光强度高出30%，这使得太空中的太阳能成本成为太阳系中最低的。> “在太空中你可以让一颗卫星24小时都沐浴在阳光下，而且阳光强度要高30%，你可以让卫星一”。更重要的是，由于太空中温度接近绝对零度，冷却系统变得极其简单，只需在卫星的阴暗面放置一个散热器即可，这省去了地球上庞大的暖通空调、冷却分配单元和液体冷却系统，节省了大量成本。

在通信方面，激光在真空中传播的速度远超光纤，这使得卫星之间可以通过激光直接连接，构建一个比地面数据中心更快、更协同的网络。> “唯一比激光在光纤里传播更快的是激光在绝对真空中传播。所以如果你能用激光在太空中把这些卫星连接起来。你实际上就拥有了一个比地球上数据中心更快、更协同的网络”。这一优势对于训练大规模模型至关重要，因为训练需要海量数据在分布式节点间高速传输。

然而，实现这一愿景的最大障碍在于发射成本与运载能力。目前，只有SpaceX的星舰（Starship）具备经济可行性。> “我们只需要很多星舰，是的，只有星舰才能在经济上实现这个目标”。这一技术的突破，将彻底改变全球算力的布局。埃隆·马斯克的三大公司——特斯拉、SpaceX和XAI——正在趋于融合：XAI将成为特斯拉Optimus机器人的智能模块，SpaceX将拥有太空数据中心，为所有公司提供算力，而特斯拉作为上市公司，则为这一融合提供了坚实的财务基础。> “看到他们以这种方式融合，真的很有趣。每一家都在为另外两家创造竞争优势”。这一宏大的愿景，不仅关乎技术，更关乎人类文明的未来，它预示着一个全新的、以太空为基地的算力时代即将到来。

人类经济史上的一个铁律是：短缺之后必然伴随资本周期的过剩。当前，算力依然严重短缺，马克·扎克伯格公开表示“几周内就能消耗十倍算力”，这证明了市场的旺盛需求。然而，Gavin Baker坚信，最终会出现算力过剩。其根本原因是AI与传统软件的本质区别：每次使用AI都会消耗算力，而传统软件则不会。因此，当算力供给充足时，免费版模型将变得与当前200美元的高级版本一样强大。> “如果真的这样，那么每月200美元的版本会变得更好，而免费版会变得像现在200美元的版本一样”。

这一转变将催生新的商业模式。谷歌已经开始用广告变现AI模型，这为行业树立了标杆。> “谷歌已经开始用广告来变现AI模式了，我认为这会给其他所有人一个许可”。OpenAI将可能转型为“量身定做的广告服务商”，通过推荐度假方案、订票等方式收取佣金。> “OpenAI 简直是为你量身定做的广告服务商”。这一经济循环的形成，将使得AI服务的边际成本趋近于零，从而实现普惠。

然而，自然调控机制将防止市场剧烈波动。半导体行业的铁律是，客户的缓冲库存等于交货时间。台积电过去几十年通过平衡供应，避免了产能周期，但如今其扩张速度已跟不上需求。英特尔拥有大量空置的晶圆厂，一旦算力短缺持续，这些工厂将被填满。> “英特尔有很多空置的晶圆厂，考虑到我们现在算力的短缺，这些晶圆厂最终会被填满”。因此，台积电的谨慎态度将成为唯一的调控阀，防止过快扩张。> “我认为调控阀是好事，电力有调控阀是好事，台积电是调控阀也是好事”。这种“更平稳、更持久”的调控，将确保AI产业的可持续发展。

在AI时代，高毛利率（如80%）是注定失败的，低毛利率（如35%-40%）才是成功的可持续之道。其根本矛盾在于，AI的本质是每次使用都需重新计算，与传统软件“写一次分发无限次”截然相反。> “因为好的AI公司毛利率可能在百分之四十左右。疯狂的是，由于效率的提升，他们产生现金流的时间比历史上SARS公司早得多”。这一反常识的现象源于人力成本的极低，而非高毛利。

Gavin Baker以亚马逊的教训为例，指出实体零售商曾误判电商利润结构，认为“送货上门不可能比顾客自提更高效”，结果错失先机。> “我知道艾康尼有一些图表，顺便说一句，阿六Z的DAVID GEORGE是个好朋友，很棒的人，他也有个叫模型颠覆者的东西，所以有非常明确的数据表明这种情况正在发生”。因此，应寻找那些愿意接受低毛利率的AI原生公司，而非固守高利润结构的传统企业。> “如果你试图维持80%的毛利率结构，你就是在保证自己在AI领域不会成功。绝对的保证！”

这一法则对SaaS公司同样适用。Salesforce、ServiceNow、HubSpot等公司拥有成熟业务，可利用AI代理自动化核心功能，实现“低毛利高增长”。> “我认为有空间出现一种新型的基金投资者或建设性投资者，直接去找CS公司说：‘别再这么傻了，你只需要说这是我的AI收入，这是我的AI毛利率，你知道这是真正的AI，因为毛利率很低’”。这要求企业重新定义其价值主张，从追求高利润转向追求高效率和高客户粘性。

第一代AI原生企业家展现出惊人的成熟度与执行力，其成长速度远超前辈。Gavin Baker指出，其核心驱动力在于与AI频繁对话，如“如何向投资者推荐？”“如何处理人事问题？”AI给出的建议极具实用性。> “我认为原因是他们在和AI对话，比如我该如何向这位投资者做推荐？” 这使得他们能快速完成深度研究，有效应对棘手管理难题，优化产品销售与客户支持。

多数为23-24岁，甚至更年轻，其思维成熟度令人惊叹。> “这些年轻的CEO们在各方面都令人印象深刻，而且他们成熟得更快”。主持人坦言，自己22岁时远不及今日年轻人的投资水平，感到“必须拼命跑才能跟上”。> “而他们才22岁，我当时就想：天呐，我得拼命跑才能跟上这些在AI环境中长大的孩子”。这一代人对AI的熟练程度，是前人正在努力学习的。> “他们对AI的熟练程度，是我正在努力学习的”。

这一现象的根源在于知识获取的民主化。专业信息通过播客、互联网变得极易获取，使年轻人能快速积累认知资本。> “这其中一部分原因就是像你的播客这样的平台，非常专业的知识通过播客和互联网变得如此容易获取”。这使得年轻一代在创业初期就具备了前所未有的信息优势，从而在竞争中占据了有利地位。

半导体领域的风险投资强势回归，由50岁左右的资深专家主导，构成完整创新生态。创始人平均年龄约50岁，如黄仁勋，他们凭借多年经验点燃了行业热情。> “那就是半导体领域的创业创始人平均年龄大概在50岁左右，黄仁勋以及英伟达的发展和市值可以说凭一己之力点燃了半导体领域的风险投资”。半导体每两年更新一代，赢者优势累积，形成“越赢越容易赢”的正向循环。

然而，一个Blackwell机架包含数千个部件，英伟达仅自制其中两三百个，其余需依赖外部供应商。> “但一个BLACK WELL机架里有成千上万个部件，一个TPU机架里也有成千上万个部件”。因此，收发器、电线、背板、激光器等组件必须同步加速，否则无法实现每年更新节奏。> “所以我认为半导体风险投资的强势回归意义重大”。这一生态系统是实现AI算力持续迭代的基础与必要条件。

投资本质上是对“隐藏真理”的探寻，成功源于先于他人发现并正确判断未被认知的事实。Gavin Baker的个人经历完美诠释了这一点。他自幼热爱历史，父亲每日开车讲述二战史，七年级起阅读《纽约时报》《华盛顿邮报》，将时事视为“应用历史”。> “我清楚地记得大概在二年级的时候，我爸每天开车送我上学，在一年里把整个二战史都过了一遍”。这一经历培养了他对历史与时事的敏锐洞察力。

大学实习期间，他接触到了投资，发现其是“技巧与运气的游戏”，有点像扑克。> “它是一个技巧和运气的游戏，有点像扑克”。他通过自学会计、阅读彼得·林奇、巴菲特的著作，最终将专业从英语和历史改为历史与经济学。> “然后我又读了一遍巴菲特制股东的信，然后我自学了会计”。他之所以投身于此，是因为“我从来没有擅长过任何事情。我当时觉得我能擅长这个，而能擅长一件除了考试之外的有竞争性的事情”。> “这个想法对我很有吸引力，所以我认为这也是一个非常重要的因素”。投资成为他唯一能“战胜他人”的竞技场，这对他极具吸引力。

因此，投资不仅是财富创造，更是对世界运行规律的探索，是“赋予生命力”的事业。> “投资就是对真理的追寻。如果你先于他人发现了真理，并且你对这个真理的判断是正确的，你就能创造超额收益”。这一信念，是他毕生奋斗的原动力。