🏪AI 到底需要多少内存？华尔街还没吵明白。 今天 #OKX全球资产便利店# 带你吃瓜美光（MU），有人卖飞，有人认为还有机会，你站哪边？ 一个 OKX 账户，7×24h 交易全球资产。

毁掉一个人需要多少网贷呀？我这么跟你说吧。咱们普通人如果欠个两万3万的，嗯，省吃俭用，咬咬牙，可能半年能还完。 但如果说滚到了七八万，如果说有个稳定的工作情况下，可能两三年也能慢慢好起来。但你一旦超过了10万15万以上，在前提没有人帮衬啊，没有人帮衬的前提下，你可能这辈子上不了岸， 朋友在武汉做了这么多年的银行助贷，接触各行各业上班的白领，不信你试试

🤔本地部署运行 Kimi K3 到底需要多少钱？——成本远比你想象的高！ Kimi K3模型本身压缩后约594GB，但真正要跑起来，光缓存这部分内容就要再占约256GB，一台顶配8卡服务器（总显存640GB）跑起来几乎不剩余量 1⃣如果是自己买硬件（一次性投入） Moonshot官方建议的生产级配置是64块加速卡（相当于8台8卡服务器组成的集群）。按H100单卡目前2-3万美元的市场价估算： 仅GPU采购：64块 × 约2.5万美元 ≈ 160万美元（约1150万人民币） 加上服务器机箱、高速网络互联（NVLink/InfiniBand）等配套设施，一般会再增加50%-100%的成本 合计一次性硬件投入大致在250万-350万美元之间 2⃣如果只求"能跑起来、不追求生产级速度" 用单台8卡H200服务器+量化压缩勉强跑，成本会低很多：8块H200 × 约3-3.5万美元 ≈ 24万-28万美元 加上配套设施，整机大致40万-50万美元，但代价是响应变慢、上下文窗口要缩短 3⃣如果是租云服务器（按小时算） 64块H100按云厂商价格（约2-3美元/卡/小时）计算：一小时约130-190美元，一个月（按720小时算）大概是9万-14万美元 单台8卡H200的最低配置，一个月大概是2万-3万美元 😐简单说：想在自己家里或公司买硬件长期自建，起步就要大几千万人民币；哪怕退而求其次租云服务器跑最简配置，一个月也要小几十万人民币。 这也是为什么大多数团队现在都直接用官方API，按token付费反而是最划算的选择。 即便如此，还是有人选择硬扛下载完整权重。 开发者Thomas Unise今天在推特发布下载过程截图——权重总量1454GB，他感慨"一个中国实验室，让一个美国人把价值数千万美元训练成本的前沿智能，直接下载到自己的本地硬盘里"；开发者Jeffrey Emanuel则调侃，这个模型（1.56TB）几乎能装进一块90美元的硬盘。 截至目前，Hugging Face显示该模型页面已有2850次下载。 注：以上为按当前硬件市场价的粗略测算，仅供参考

深夜好文分享：人类究竟需要多少数据中心 目前北美2026年预期全部建成的数据中心有20GW，明年即便考虑到延期也差不多能落成30GW。这里面既有csp自建如Meta、Xai、AWS、Google，也有新云和oracle这种。当红炸子鸡Anthropic大部分都是租赁别人的。 那么对于第二个问题也就是本文的标题，目前我综合了硅谷最前沿的Ai大佬如Dylan、Dario、Gavin Baker、Sam、木头姐等人最新的言论（一定要跟踪最新的，基本上Ai的观点三个月就会过时），大家普遍的结论是：中期（2030年前）光是Anthropic和Oai就需要100GW的数据中心，考虑到其他csp如G家即便掉队其他合计也至少得有50GW，中长期（未来5-10年）Ai对于全球GDP的重塑是5-15%。我跟大家翻译一下，100gw意味着Anthropic和Oai在2030年需要达到2万亿美金的收入，目前27年北美的共识是这两家的ARR在5000亿美金，所以30年2万亿并不夸张。后半结论就更有意思了，目前全球gdp有100万亿美金，10%就是10万亿美金，即便不考虑通货膨胀和增长换算下来就是500GW数据中心，当然大佬们计算比较粗暴，比如Dylan就直接说需要1TW也就是1000Gw的数据中心。 注意这里有个区别，Anthropic这种coding产品属于Ai原生收入，但我们评论Ai数据中心的价值的时候不能只看这个。以目前风口浪尖的Meta为例，虽然大模型做得拉垮，但我们以26年Q1的财报为例，其广告收入有550亿美金，同比增长了33%，财报明确表达了这是Ai- driven。我拆解了近几年Q1的自然增长，年份最好的年头也就是20%多，也就是说Meta通过多模态大模型去分析视频、图片数据做到了Ai广告更精确的推送和价格上涨，这一部分单算也至少有10%，也就是50亿美金，全年下来就是200-300亿美金。而这部分价值不会计入到Ai原生收入，自然不如Anthropic这么亮眼（也就是上文说的Ai对于GDP重塑的含义，不能只看Ai原生收入），Google也同理，不过这也是G和M模型掉队的原因，因为其业务形态决定了多模态必须搞因此战略上没有聚焦在最赚钱的coding上，所以华尔街分析师毫不留情。但我认为这一部分有预期差，资本市场有时候还是短视的。 所以我们可以有了一个初步结论了：以27年能落成30GW为标尺，目前数据中心哪怕按照最保守的计算也就是差不多10-20%的进度条，乐观的话明年连5%都不到。考虑到27年后北美好的数据中心地址都被选完了，28年物理限制更多多半又会延期，所以算力在很长一段时间内都会供不应求。 当然有朋友会说这些预测是不是都在拍脑袋，会不会有一天需求突然消失了。问得好，其实你要说最终数据中心落成规模在100GW还是1000GW我也不知道（可能是中间某个数字），但我给两个核心指标来判断Ai是否要退场或者阶段性退场： 1、前沿模型的能力是不是还在提升。 2、Ai硬件或者更准确说单个Token成本是否继续指数级下降。 只要这两个飞轮有一个在转，capex就不会停，其他的全是干扰项。2026年是最好的一年，这两个飞轮都在飞速转动。 先说1，这是人类数千年来第一次把智能商品化，而人类对于智能的追求是无上限的。理论上我们崇拜的所有领域的偶像其实都是智能和意识比我们强而已。目前最前沿的模型拿走了80%的收入就是这个道理，试想一下，你如果是开工厂的，能拒绝杰克韦尔奇替你管么？如果你是搞物理实验的，能拒绝10个爱因斯坦去替换到10个呆呆的学生么？我建议大家真的去用一下Fable这样的Agent，看看是不是会上瘾付费。另外老是有人喜欢用存量分析来看待新事物，比如Ai lab多赚一块钱就意味着其他企业兜里面就少一块钱：token消费不可持续！其实新事物往往会带来通货膨胀和社会总财富提升，比如如果你拿20年前的收入比房价的话那几乎没得聊了。不过这一次新增的巨量社会财富怎么分配确实是又一个世界性难题了（也是目前K型根源），目前我看到的解法是中美都在鼓励Ai龙头从一级市场到二级市场（不要觉得人家是为了圈钱，总是有这么肤浅的论调，有没有可能人家是为了分钱的 唉），老黄在最近不断投资新云和开源大模型等等，都是为了避免过于垄断。其实NV跟中国开源大模型相互的纽带和情感比美国本土还好。 对于2这么来解释比较好理解，我先问大家一个问题：如果电力成本能降到目前水平的十分之一甚至更低到百分之一，那么这个世界会有什么变化？可能普通人的想象力无非就是夏天我家的空调可以24小时开着啦或者晚上写字楼的灯不用关。其实真正革命性的变化在工业界，比如目前海水转化成淡水最大的成本就是电力成本，那就意味着全世界海水可以变成淡水，那就赶快引流到沙漠都变成绿洲，全世界生态系统能支持目前人口再翻好几倍。还有在生物合成、电解铝、钢铁、矿产提炼等等。所以如果电力成本真降低了这么多，你猜各国的Gov会不会疯狂加capex建设电力基础设施。Ai也同理，真正的影响还是在B端。我们说哪怕就停留在Fable这个水平，只要全世界Ai infra工程师继续能够降本，capex就会指数级提高。 再说一遍，其他的全是干扰项！就这两个核心指标。回想一下在24-25年某个阶段同时传出了预训练撞墙和Blackwell出货不顺利的消息，这也是xys被杀到500亿市值和5倍pe那个时候。 产业方面，除了北美继续赚钱以外，国产区半导体设备、芯片、零部件、算租都有很大预期差能赚钱。去调研一下就知道了现在半导体设备完全是卖方市场，尤其是先进封装，H系未来两年发力非常大。虽然上周四经历了历史最大亏损，但我对今年半导体设备无比看好，尤其是各种测试设备。 北美区方面，还是最看好光的上游光芯片和设备，尤其是硅光cw，从目前来看确实NPO的锐度最强（考虑到国产区H系也要上了），而NPO对于硅光cw的带动也是指数级的（所以别指望那几个硅光标的V得很深📷），cpo可能Q4左右是一个更好的买点。另外pcb中游在Q3可能是一个介入点了，Q1和Q2更看好上游，当然目前上游也不差。 还有就是存储这些，美光必然新高。目前Ai硬件最大的瓶颈早就不是算了，而是存和传，对应就是存储和光通信 出自雪球：门捷列夫学徒

开发一款AI大模型需要多少钱？ 硬件算力 > 人才 > 数据 100B flash模型 需要 3-5亿 算力： 3亿 人才： 1.5亿 数据： 0.5亿 如果是旗舰版模型 至少1T参数量计算 大约需要 10亿-50亿 如果算是研发算力 和 支撑运营算力 可能至少要200亿起步

你能来到这个世界，背后需要多少人？ 2位父母， 4位祖父母， 8位曾祖父母， 32位天祖父母， 64位烈祖父母， 128位太祖父母， 128位太祖父母， 226位远祖， 5924位鼻祖, 1,022位始祖， 2,028位上古祖先。 只为了让今天的你出生！ 回溯12代，约400年的时间。 你身后站着4,094位祖先。 他们之中，有人历经战乱， 有人熬过饥荒， 有人一生无名， 却从未缺席。 你不是偶然， 你是时间长河中的奇迹。