台積電股價恐提前見頂！誰卡死AI算力供應鏈？算力危機全面爆發！Jack Kong 孔劍平【邦妮區塊鏈】

📺 来源信息

视频链接：▶️ YouTube
视频频道：邦妮區塊鏈 Bonnie Blockchain
发布时间：2026-10-02T11:00:25+00:00
视频时长：18:31

✨ Highlights

AI 革命才刚开始，不是泡沫：亚马逊 GPU 开支约三年回本，DeepSeek 梁文峰称 GPU 开支十个月内回本；如果回本周期被拉长，债务风险才会上升。
台积电最新财报显示产能受限，只能满足 70% 客户需求；未来三到五年持续增长，但股价可能在增长峰值之前某一年就到顶。
中国芯片是最大增长空间：英伟达卡进不去，中国开源模型增长快、算力需求大；卡脖子三年内缓解不了，五年内也可能缓解不了。
中国开源模型价格是闭源模型的几十分之一甚至几百分之一，省下的成本被云公司、软件公司、客户和开源模型四方分享，软件公司重新获得发展机会。
比特币可能成为 AI 经济体的锚，稳定币是支付工具；AI 自己囤比特币可以比人保管得更好。
配置建议：50% 到 70% 投 AI 成长股，约 30% 投以比特币为主的数字货币。

1. AI 是太阳，比特币与其它资产是月亮和星星

NanoLabs 的孔博士在近期一场对话中，回顾了去年在 Bitcoin Conference 上“比特币超过 100 万美元才是起点”的判断。一年后，他认为挑战确实比以往更多，但依然非常看好比特币的长期前景。

他用了一个资产配置的比喻：

过去十年，比特币一直是一个“月亮”，AI、新能源等其他产业是一个个“新星”，比特币始终处于相对完美的资产位置。
从这几年开始，AI 慢慢变成一个“太阳”。这种膨胀在去年还不明显，今年特别明显。
当太阳升起来的时候，月亮和星星其实都看不见了。所以在可见的未来三到五年，AI 的发展速度依然会非常快，其他资产包括比特币在内，肯定会受到这方面影响。

但他并不认为比特币因此失去配置价值。科技革命始终是主线，过去十几年区块链属于科技革命的一部分，比特币这些资产值得配置；AI 革命也属于科技革命的一部分，大模型、芯片公司等同样值得配置。围绕科技革命去配置，就是他的基本思路。

2. 投资科技革命：选一层，在熟悉的位置持续做

对于一般人应该怎么决定投资哪一个层面，孔博士的判断很直接：投资赚钱主要靠运气，大部分人很难前瞻性预判未来会怎么样。

他举了云公司的例子：几个月前，大家还觉得云公司资本开支很大、太烧钱、资产负担很重；最近一个月，叙事突然变成云公司都变成了好资产，因为 GPU 租金可以延长、可以上涨，过去资本开支越大、买的卡越多，反而变成优势。这个叙事一直在变，但整体仍围绕科技革命升级的方向。

他的建议是：

要在自己熟悉的位置上持续做某一类事情，成功概率才会增加。
如果在自己所有不熟悉的领域里不停跳跃，就很难享受复利和红利。
选一层去研究，然后投资那一层就好，不要什么都想沾一点。
虽然大家赚钱都靠运气，但在运气基础上，还是要加上对行业的理解，以及对行业未来趋势的判断。

这种判断会直接决定操作方向。比如前段时间股价都跌了：如果判断 AI 革命已经结束，就应该把所有股票清仓，因为都属于高位；如果判断 AI 革命才刚开始，这时候就应该抄底这些腰斩的股票。孔博士自己的判断是：革命才刚开始。

3. AI 泡沫：还在早期，不是晚期

美国的 AI 股票估值非常高，市场上有人把 OpenAI 比作 AI 泡沫中的雷曼兄弟，担心它会爆掉。孔博士认为，这要看阶段：

如果这是 AI 革命爆发的初期，会有一些企业爆掉，但大部分头部企业还是能活下来。
如果这是革命的晚期，就像过去三五年的中国房地产一样，很多企业会爆掉，很多 AI 企业会爆掉，而且因为各种担保和信用背书，可能形成连环问题。

他个人判断现在还在早期，有足够空间去抵消这些风险。原因主要有两点：

现在 AI 使用和 AI 生产力在整个人类社会中的占比非常低。
Anthropic 等公司的收入已经可以实现盈利，很多云公司已经实现盈利。亚马逊财报公布其整个 GPU 开支三年内就能回本；DeepSeek 梁文峰的内部讲话称，GPU 开支十个月之内就能回本。

因此，他认为这是一种非常健康的投资。面对 CNBC 等媒体讨论的 AI 泡沫，他的回答是“完全没有泡沫”。对于 NVIDIA 帮客户背书 500 亿美元等相互投资，他也不觉得有问题：现在三年能回本，未来可能两年能回本，这样的债务非常健康；但如果回本周期被拉长，债务就有风险了。

4. 闭源与开源：中美模型五到三年的共同竞争

中国的 AI 现在也很强，美国 AI 公司会担心自己的高估值怎么撑住。孔博士认为，中国开源模型发展特别快；美国闭源模型在各方面优势也比较明显，资金体量更大，前沿科技人员也更多。

他的判断是，未来五到三年，长期来看是美国闭源模型与中国开源模型之间的长期竞争。但这个竞争并不会消耗对方，反而会促进对方进一步成长，因为整个市场在增长。未来三到五年，两股力量会在共同竞争中成长，不会因为中国开源模型更强，美国闭源模型就衰落；双方还是会非常快速地发展。

5. 台积电、产能受限与“卡脖子”的时间表

如果不想猜到底谁最后会赢，是否可以去投资“卖铲子的人”，比如台湾台积电？孔博士认为，台积电是非常伟大的公司，而且现在卡脖子其实卡在台积电。台积电最新一期财报也说了，它因为产能受限只能满足 70% 的客户需求。这个产能受限来自台积电等上游供应链的受限。

如果台积电可以进一步扩展，就可以产出更多 GPU 给更多用户。可见的未来三到五年，台积电肯定是持续增长的公司，但股价可能会在它增长峰值的某一年之前就到顶。这背后是市场规律。

中国芯片则是另一个逻辑。孔博士现在花最多时间在整个大 AI 赛道上，其中芯片花得最多。因为特别在中国大陆，芯片还是一个卡脖子工程：英伟达的卡也进不去，但中国的开源模型增长很快，算力需求很大，所以中国反而芯片是一个最大的增长空间。

卡脖子未来会缓解吗？美国现在有两派，但他判断三年之内缓解不了，五年之内也可能缓解不了。原因是：

做芯片供应链的工厂决策者，本身在台湾的这些投资人，很多都是五六十年代的人。
做 AI 大模型的都是 90 后、00 后。90 后、00 后天然就是蒙眼狂奔，不计一切代价发展。
50 后经历了太多经济周期，身边见过太多“尸体”，所以会相对保守，扩产的时候不会不计一切代价去猛干。

因此，芯片扩产和上游供应业的扩产，短期内永远跟不上大模型的发展速度。这不是资本支出太多的问题，而是资本支出很多，依然跟不上大模型的增长，以及未来 AI 生产 AI 的增长速度。现在还是人与 AI 耦合在生产，未来进入 AI 生产 AI 的阶段后，其生产力与“人+AI”的生产力之间还会差好几个数量级。

6. 被低估的软件公司：开源模型带来的再定价

过去一个月，云公司和一些原来被低估的软件公司又让大家看到了新希望。软件这个领域很有趣：前一阵子说 AI 会取代所有软件，现在这个叙事好像又没了，变化非常快。

孔博士解释了背后的成本结构变化：

前段时间闭源模型特别强，软件公司只能采购这些闭源模型为客户服务，成本非常高，所有收入都被闭源模型赚走。
现在中国开源模型上来以后，开源模型的价格是闭源模型的几十分之一甚至几百分之一。
省下来的几十倍差距，被云公司、软件公司、客户和开源模型四方共同分享。
服务价格可以更低，客户的体验成本也可以更低，软件公司就又有了发展机会。

为什么软件公司没有被威胁到？原来确实被威胁到了，但开源模型给软件公司提供了低成本切入大模型服务的机会。至于“用户可以直接用 AI 模型，而不付钱给软件公司”，孔博士指出，AI 软件公司更多不是为 C 端用户直接提供服务，更多是面向 B 端用户。B 端用户有无数细分需求需要满足，而这些软件公司原来就深耕于这些细分赛道，有更多细分赛道的数据和用户需求，相比大模型公司更了解自己的用户。

他用了心理医生的类比：问 ChatGPT，可能很多心理问题也能问清楚；但当心理医生告诉你的时候，会给你输出更多情绪价值。更多软件公司相比大模型公司，也会给用户更多情绪价值。

7. 观察泡沫的指标：AI 的生产力渗透率

如果观众担心 AI 泡沫，应该看什么数据或指标来决定是否开始保守一点？孔博士从宏观角度给出的指标是：AI 在整个生产力上的渗透率，也就是它在你的生活中、在各种生产力和生产关系上起到什么样的作用。

他认为现在这个渗透率很低。未来三到五年会更高，所谓“高”，就是方方面面 AI 已经用得非常好了。同时，开源模型的消耗量增长更快，抵消了一部分对这些公司增长率下滑的担忧。整个赛道在高速发展时，某一块下降，会有另外的增长补充上去。如果看得太细分，就可能错失这一轮 AI 革命的机会。

8. 芯片折旧与 2027/2028 风险

两个月前，孔博士访问了 Arthur Hayes。Arthur Hayes 认为，如果有危险，会是在 2027、2028 年，原因是芯片折旧问题。

孔博士认为，AI 芯片的折旧年限与实际可以被使用的年限不一样。这跟当年挖矿一样：

比特币价格一涨，五年前的矿机依然可以拿出来卖。
比特币价格一跌，一年前的矿机都得淘汰掉。

AI 现在还属于早期高速增长期，所以五年前的英伟达显卡又可以对外租五年，也就是折旧变成了十年。而这些卡以前被市场普遍预计折旧是三年。因此，几个月前大家认为 27、28 年是一个折旧高峰，或者过去的东西都要淘汰；但今天来看，它的寿命已经延长到 29 年甚至 30 年。

9. 普通投资人如何选择：产业链核心位置

普通投资人怎么抓住这些感觉非常行业内的消息？孔博士类比 2000 年互联网泡沫：2000 年以后，云计算公司、互联网应用公司出现了高速增长；过去一些传统公司、硬件公司出现问题，但新型公司马上出现更高速的增长，迎接了这种趋势，现在都是万亿美金以上，但也有一些死掉了。

怎么选可能在下股之外撑得住的公司？他的答案是看它是否处于一个产业链的核心位置：

过去可能是 GPU 公司、存储公司等。
现在还是高速增长阶段，所以不用担心。
未来过了高速增长阶段，可能是最核心的为 AI 服务的云公司，然后是有 AI 服务能力的核心软件公司、软件应用或大模型公司，这些公司可能能够持续获利。

10. 比特币与 AI 经济体：锚与支付工具

“比特币是为了 AI 而生的货币”，这个论述正确吗？孔博士提到，2015 年他与 OpenAI 创始人 Sam Altman 聊过这些问题，当时 Sam Altman 还是 YC 主席，访问中国时他们很浅地聊到区块链和比特币。他们个人觉得，区块链和 AI 是代码对代码，原生的时候未来很容易融合。因此，比特币完全有一种可能性：成为 AI 经济体的锚。

他这样想象这件事：未来 AI 自己产生创造力的时候，让 AI 去腾黄金，这件事会被人类坑了。作为 AI，我雇了几个人去腾黄金，结果人把黄金搬走了，AI 是找不回来的。但 AI 自己囤比特币，可以比人保管得更好，因为它有更好的加密算法、更好的管理方法，也可以寻找更好的方法上的漏洞，比人肯定管理得更好。

所以，数字货币肯定是 AI 天然适合的货币。为什么不是稳定币而是比特币？因为比特币是锚，稳定币是支付工具、支付中介，这两个并不冲突。日常的 AI 经济支付肯定是稳定币，不可能是比特币；但如果 AI 赚的钱要存币，肯定只能存比特币。

11. 100 万怎么配置

最后一个问题：如果观众现在有 100 万，不管是什么 currency，应该怎么分配？

孔博士的建议是：

把 50% 到 70% 投到 AI 未来有成长空间的股票上。
还有 30% 左右配置到以比特币为主的数字货币上。

这样，未来无论是 AI 发展、数字货币发展，还是 AI 与数字货币共同发展，都能享受到红利。