一句话看懂：SemiAnalysis 创始人 Dylan Patel 在与 Dwarkesh Patel 的对谈中预测，到 2028 年，Anthropic 和 OpenAI 将控制全球大部分可用算力，届时仅两家公司的 AI 资本开支就可能超过每年 2 万亿美元。
事件核心：发生了什么
在 Dwarkesh Patel 最新一期播客中，SemiAnalysis 创始人 Dylan Patel 给出了一个关于 AI 算力集中化的明确判断：随着 OpenAI 和 Anthropic 持续将收入投入算力采购，并不断在资本开支上“加注”，到 2028 年前后，两家公司合计将掌握全球绝大多数可用的浮点运算能力（FLOPs）。Patel 指出，目前全球年度 AI 相关资本开支已经略超 1 万亿美元，而到 2028 年这一数字将增至 2 万亿美元以上，其中实验室（指前沿 AI 公司）所占比例还在持续上升。
对谈还提到一个被多数行业观察者忽视的转变：随着接近递归自我改进（RSI），实验室正逐渐把算力从推理（inference）环节转向研发（R&D）和训练。Patel 估算，当前新上线算力中约有三分之一直接或间接服务于 OpenAI 和 Anthropic，而这个比例还会继续走高。此外，中国在新增算力中的占比不足 10%，但中国实验室对算力的需求相对更低，这反而让局面更向少数美国实验室集中。
为什么重要
如果 Patel 的判断成立，AI 行业将出现一个前所未有的结构性变化：算力不再是一种可广泛采购的商品，而会变成少数头部实验室的“专属生产资料”。其结果是，任何试图靠开源模型或独立训练参与竞争的公司，都将在成本上被彻底甩开。训练大模型的规模效应、对资本开支的持续吞噬，以及未来持续学习和 RSI 对算力的刚性依赖，都在把行业推向一个“所有力量都指向集中化”的终点。
Patel 还提出了一个更宏观的担忧：到本十年末，AI 累计资本开支可能超过 10 万亿美元，这笔巨额债务将如何影响主权信用体系？超大规模云厂商的举债行为可能推高全球利率，挤压非 AI 产业的国家和企业，甚至引发主权债务危机和非 AI 股票的大幅回调。这些判断在公开讨论中并不多见，但直接关系到 AI 泡沫是否可持续的问题。
对用户/开发者/创作者的影响
如果头部实验室掌握绝大多数算力，最直接的影响是模型使用成本的结构性上升。Patel 在访谈中指出，当实验室愿意以高于市场任何买家的价格“竞价”获得算力时，算力价格不会下降，反而可能上涨——这将最终传导至 API 调用价格和企业采购成本。对普通开发者而言，依赖 OpenAI 或 Anthropic API 的 AI 应用会面临更高的运营成本；而尝试自建模型的中小团队，则可能因为无法拿到足够算力而被迫放弃训练，转而使用闭源 API。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
对创作者和内容行业来说，另一个值得注意的信号是：实验室把越来越多的算力从推理转向训练和研究，意味着面向消费者的推理服务（如图像生成、视频生成、对话机器人）在高峰期可能变得更紧张、更贵。除非两家实验室主动控制定价，否则用户端的“算力红利”可能正在逐步收窄。
值得关注的后续
有几个具体观察点可以追踪：第一，OpenAI 和 Anthropic 与云厂商签署的多年期大额算力合同是否会继续加码，以及合同中是否包含价格调整机制——如果算力成本上升被转嫁给 API 用户，开发者社区会很快感受到压力。第二，非 AI 企业的融资成本和 AI 资本开支之间的联动，是否会如 Patel 所担忧的那样推高利率、挤压其他行业。第三，中国实验室在“算力更少但需求也更少”的条件下，能否靠算法效率或架构创新走出一条不同的路径，从而打破“算力集中化”的叙事。目前公开信息显示，这些趋势还处于早期阶段，但值得持续观察。
