Story

这两天，黄仁勋在中国网友手里，当了一回迈克尔·杰克逊。一段AI生成的视频，把1992年迈克尔·杰克逊布加勒斯特演唱会上的主角换成了黄仁勋。舞台下面坐着马斯克、库克、奥特曼、阿莫戴、梁文锋等科技公司掌门人，台上的黄仁勋在人群簇拥下完成了一场AI时代的“巡演”。视频传到海外以后，马斯克转发时评论了一句：“这就是为......

本文来自微信公众号： 资本不熬夜 ，作者：不熬夜研究院

这两天，黄仁勋在中国网友手里，当了一回迈克尔·杰克逊。

一段AI生成的视频，把1992年迈克尔·杰克逊布加勒斯特演唱会上的主角换成了黄仁勋。舞台下面坐着马斯克、库克、奥特曼、阿莫戴、梁文锋等科技公司掌门人，台上的黄仁勋在人群簇拥下完成了一场AI时代的“巡演”。

视频传到海外以后，马斯克转发时评论了一句：“这就是为什么内存这么贵。”后面跟着两个笑哭的表情。

虽说是个玩笑，但却落在了一个并不轻松的现实上。

因为视频利用人工智能技术制作，需要消耗算力和存储资源。而英伟达是人工智能基础设施的主要受益者之一，大量人工智能服务器采购也在影响全球存储器市场的供需关系。

过去两年，马斯克买了越来越多的英伟达芯片。xAI扩建Colossus，特斯拉训练自动驾驶，Optimus需要推理算力，SpaceX也开始把数据中心纳入自己的版图。

黄仁勋则一次次公开夸奖马斯克，但是换来的大多是马斯克相对克制的回应。

2024年，xAI用19天把10万张英伟达GPU组成的Colossus集群推进到训练阶段。黄仁勋把这个速度形容为接近“超人”，还称赞马斯克对工程建设和大型系统的理解。

到了2025年，英伟达参与xAI融资。黄仁勋后来谈到这笔投资，甚至说自己的遗憾是“没有给他更多钱”。

马斯克对黄仁勋的公开赞赏少得多。他会感谢英伟达团队，也会继续下单，偶尔再拿芯片和内存价格开一句玩笑。

但在商业世界里，更微妙的关系正在形成。黄仁勋希望马斯克买得越来越多，马斯克却越来越不能接受自己只能继续买。

与此同时，另一边的扎克伯格，也开始把AI的钱投向一个过去很少出现在科技公司资产负债表里的地方，细胞。

几年前，两人还在争社交平台。马斯克买下推特，扎克伯格随后推出Threads，一度连“约架”都被搬上互联网。到了AI时代，两个人又在同一个战场相遇。

只是争到最后，他们开始押注不同的生产资料。

01

马斯克不想再给黄仁勋打工了

马斯克想降低对英伟达的依赖，但现实正在把他往相反方向推。

SpaceX近期寻求约400亿美元融资，其中约300亿美元可能来自债券，另外约100亿美元来自银行贷款。重要用途之一，就是采购英伟达芯片。

xAI的Colossus 2还要继续增加GPU、特斯拉的自动驾驶训练继续需要算力、Optimus机器人进入更大规模训练和推理以后，同样离不开芯片。就连SpaceX，也在为未来的数据中心准备计算能力。

这些业务原本属于汽车、机器人、人工智能和航天四条不同的产业线，最后却在马斯克手里汇到同一个瓶颈：即如何解决算力？

这让马斯克的处境越来越矛盾。英伟达芯片买得越多，马斯克的AI业务跑得越快。AI业务跑得越快，下一轮需要采购的英伟达芯片又越多。

过去买芯片是一项采购。当采购规模从几万张GPU变成几十万张，就不再只由马斯克自己的工程团队决定了，而是取决于英伟达何时推出产品、能够交多少货、先进封装有没有排期、高带宽内存能不能跟上。

黄仁勋今年3月谈供应链时曾提到，内存、晶圆、封装、电力都在趋紧。对英伟达来说，资源越稀缺，优势反而越容易扩大。因为英伟达有能力提前锁晶圆、锁封装、锁内存，而客户越缺算力，也越没有理由在这个时候换掉性能最高的平台。

马斯克就在这套循环里。他不是买不起，而是有钱也不等于拥有决定权，这是依赖带来的不安全感。

今天多付一点芯片采购费并不会改变马斯克的商业版图。但xAI、特斯拉、Optimus和SpaceX未来几年能扩张多快，需要越来越多地建立在一家外部供应商的产能安排上，这件事开始和马斯克过去的经营方式发生冲突。

他很少愿意长期把关键能力完全留在别人手里。

SpaceX最初也可以只设计火箭，再把发动机和大量零部件交出去，但后来选择不断提高垂直整合程度。特斯拉也没有停在采购电池、软件和充电服务，而是一步步往电池、自动驾驶芯片、操作系统和充电网络内部伸。

现在轮到了AI，所以今年8月出现了Terafab。马斯克旗下SpaceX与特斯拉宣布，计划在得克萨斯州建设超级芯片制造基地，首期投资168亿美元，规划面积约1亿平方英尺。

它不只是做一颗自研芯片。按照目前规划，先进逻辑、存储以及部分上下游制造能力都可能被装进这套体系，用来服务汽车、机器人和未来的数据中心。

谷歌做张量处理器，可以把制造交给代工厂。亚马逊做Trainium，微软做Maia，也主要解决芯片设计。马斯克开始碰的是制造，这意味着他现在面对的已经不只是“英伟达的GPU太贵”，而是一个更长期的问题。当下一轮算力扩张，还要不要继续完全由别人决定。

Terafab当然不能让马斯克明天就离开英伟达，未来几年，他甚至可能成为英伟达更大的客户，但它已经暴露了马斯克的选择。

以前马斯克需要更多芯片，现在他开始需要生产芯片的能力。

02

扎克伯格开始生产AI以前吃不到的数据

就在马斯克继续往算力上游走的时候，扎克伯格遇到了另一种短缺。

10月7日，美国政府、Meta、谷歌DeepMind、Isomorphic Labs，以及扎克伯格夫妇创办的Biohub，共同推进一项总投入约18亿美元的“虚拟生物学计划”。

Meta、谷歌DeepMind和Isomorphic Labs共同投入3亿美元，美国能源部未来五年投入超过5亿美元，美国国立卫生研究院把此前超过5亿美元形成的数据和数据库体系接进项目。

值得注意的是，Biohub此前已经投入5亿美元，而这次投入的钱没有继续流向GPU。它开始进入细胞培养、空间转录组、实验测量、科研仪器和数据库。

原因不是AI突然改行做生物学，而是AI第一次遇到一种互联网时代没有解决过的数据问题。

ChatGPT、Claude以及其他大模型能够迅速扩张，一个基础条件是人类已经替它们完成了大规模数据生产。模型需要做的，是把已有的东西收集起来、清理掉噪音，再用算力读进去。

生命科学却不同。一种药进入肝细胞以后，会让哪些基因表达发生变化；某个基因被敲除以后，细胞会不会改变状态；同一种刺激落在不同组织里，会不会产生完全不同的反应。

这些答案不会因为互联网存在就自动出现，实验没有发生，数据就不存在。

Biohub要做的，就是把过去散落在一个个实验室里的科研过程，改造成一条能够持续生产训练数据的流水线。

目的不是简单多养一些细胞，而是让AI看到足够多的“输入——反应”，直到模型能够从总结过去，往预测下一次实验推进。

打通这一步，将会改变实验室和AI之间的位置。

从前AI站在实验之后。研究人员做完实验，把结果交给模型分析。

现在实验室开始进入模型训练过程。模型暴露出一块不知道的区域，实验室去制造对应数据。新数据回来以后，模型继续寻找下一块空白，然后再做下一轮实验。

于是实验室不再只是检验AI答案的地方，它开始成为AI的数据工厂。扎克伯格争的也就不再是几盒细胞，而是要抢先一步建立这座数据工厂。

Biohub计划最终开放部分数据，但商业资金支持的数据允许出资企业获得一段提前使用时间。

表面看是提前几个月，可时间的优势不只来自第一批数据，而会沿着数据——模型——实验——新数据一轮一轮往后累积。

这就是为什么扎克伯格争的并不是谁拥有一批细胞，而是谁先拥有第一轮实验结果，以及谁能把这点时间差继续滚进下一轮实验。

互联网时代，大量训练数据已经摆在那里，科技公司主要争夺算力和模型。

到了生命科学时代，一部分最有价值的数据还没有出生。谁控制实验设备、样本、细胞和实验流程，谁就拥有生产下一批数据的入口。

03

AI开始重新给现实世界定价

扎克伯格不是唯一一个往生命科学里走的人。

9月，Anthropic确认已经在旧金山湾区建立湿实验室。Claude开始从DNA数据库里寻找规律、提出实验方向，再由实验人员完成验证。几天后，Anthropic公布第一项成果，Claude参与识别出一套具有类似CRISPR基因编辑系统特征的酶系统。

10月7日，同样的路线又从AI公司蔓延到实验设备公司。

丹纳赫宣布，计划在2027年初让首个AI自主研究实验室进入规模运行。AI负责设计，机器人负责制造和测试，仪器读取实验结果，再把数据重新送回模型。

丹纳赫预计，这套系统可以把相关分子发现速度提高至原来的8倍，并把年度靶点结合分子的生成能力提高至原来的10倍。

三家公司放在一起，方向已经很清楚，扎克伯格负责大规模生产生物数据，Anthropic让模型开始参与实验。丹纳赫则把仪器、机器人和AI接成自动化流程。

AI生命科学正在从过去的“模型分析已有数据”，往另一套体系移动：模型提出方向——实验产生结果——结果返回模型——模型再设计下一轮实验。

这套循环一旦建立，生命科学里的资产价值也会跟着移动。

过去几年大家争模型，随后争GPU。现在，实验设备、测序平台、空间转录组、细胞培养、药企历史研发数据，也开始进入AI竞争。这里面甚至包括需要失败的数据和结果。

礼来积累十年的药物研发记录，某个药企做失败的靶点，一个没有通过临床的分子，这些过去只能躺在内部数据库里的信息，都可能变成模型下一轮训练需要的反例。

互联网公司靠公开数据训练出了第一代大模型，生命科学不会这么便宜。实验要做，样本要拿，细胞要养。当然，失败也会一遍遍发生。

所以马斯克建Terafab和扎克伯格投Biohub，看上去隔着两个行业，底层动作却出奇地一致。马斯克担心算力受制于人，于是往芯片制造走。扎克伯格担心模型最后只能吃别人已经做出来的数据，于是往实验端走。

一个要掌握算力的生产能力，一个要掌握数据的生产能力。本质上，都要把安全感掌控在自己手里。

过去两年的AI竞赛，比的是谁手里的GPU更多。接下来，它开始同时争夺两种以前分属不同产业的生产资料。

一个是晶圆，一个是细胞。

只不过AI走得越远，越是要回到现实世界寻找下一块生产资料。