这里有一项关键判断：2023年Da vid Cahn所指出的那个“窟窿”，从未在训练环节被真正填平。它实际上在推理环节得到了填补，直到最近几周，市场才开始认真地将这一变化反映在定价中。

当英伟达调整财报口径，将重心转向“服务Token”时；当Cerebras上市获得20倍超额认购时——关于瓶颈的争论，实际上已尘埃落定。真正的问题转变为：如果推理才是稀缺资源，那么价值会沉淀在算力栈的哪一层？

跟随GPU的步伐：从2000亿美元问题到6000亿美元问题

2023年，红杉资本的Da vid Cahn提出了悬在整个AI行业头顶的“2000亿美元问题”。他的逻辑直截了当：每花费1美元购买GPU，大约还需额外1美元用于数据中心供电。这意味着，每年GPU的资本支出，最终必须产生约2000亿美元的收入才能收回成本。

即使对AI收入做出极为乐观的预测，他仍然发现“投入”与“终端客户实际付费”之间存在超过1250亿美元的巨额缺口。担忧显而易见：GPU的建设速度，已远远超过真实需求的增长。

一年后，这个缺口非但没有缩小，反而进一步扩大。随着超大规模厂商的资本支出持续膨胀，Cahn在2024年的文章中将其重新定义为“6000亿美元问题”。看空者的逻辑最终归结为一个熟悉的模式：过度建设导致供给过剩，而供给过剩会摧毁资本。

这两篇文章实际上都在追问同一件事：究竟谁来填补这个窟窿？事实证明，答案从来不在“训练”一侧的账本上。它出现在推理一侧，而市场直到最近几周，才开始认真地将这一信号纳入定价。

Cerebras IPO与推理挤压

Cerebras于周四正式上市。此次IPO获得了20倍超额认购，定价几乎接近周三最终加价的两倍。市场追捧它，并非因为大家想赌一个“下一个英伟达的杀手”，而是源于一个更朴素的事实：市场终于意识到，AI真正的瓶颈是推理，而非训练。

Cerebras的核心技术，是一种能让推理速度极快的芯片架构。不是训练，而是推理。这才是让华尔街真正兴奋的原因。推理市场具有持续性，会随着使用量的增长而不断扩张。每一次Claude回答问题、每一次Agent执行任务，都在消耗算力。训练只发生一次，而推理永不停止。

摩根大通对推理市场规模的估算，是训练的10到50倍。当机器开始执行由其他机器下达的任务——即所谓的“智能体式扩张”——推理需求就不再随用户数量扩张，而是随算力本身扩张。

英伟达重绘版图：推理成为焦点

如果说Cerebras的上市是市场层面的觉醒，那么英伟达最新一季的财报，则是来自产业链顶端的正式确认。在最新的财报电话会上，黄仁勋直接挑明了那句大家心照不宣的话：AI需求正在呈抛物线式增长。

原因并不复杂：智能体AI已经到来。主流AI的形态，已从一次性推理进化到逻辑推理，如今又进入到能够自主调用工具、编排任务的智能体阶段。黄仁勋表示：“Token现在是有利可图的。”在AI时代，算力就等于收入和利润。

这彻底重塑了整个行业的逻辑。训练是构建模型的一次性成本，推理则是运行它的持续开销——后者才是真正的“无底洞”。而如今的瓶颈，恰恰在推理，而非训练。

英伟达将这个判断直接写入了财报口径。它现在按两个平台披露业绩，而非一个：数据中心与边缘计算。数据中心（季度收入约750亿美元，同比增长92%）进一步拆分为超大规模（约380亿美元，环比增长12%）和ACIE——即AI云、工业与企业（约370亿美元，环比增长31%）。

全新单列的一条线是边缘计算：收入64亿美元，同比增长29%。这条线覆盖了智能体AI和物理AI真正运行的终端设备，如PC、工作站、AI-RAN基站、机器人和汽车。

边缘计算目前占总收入的比例还不到8%，但英伟达已将其提升到与数据中心并列的“第二平台”高度。这个信号的意味很清楚：推理正在分裂为两条战线。一条是数据中心里的云端推理，另一条是边缘侧的端点推理。AI要在物理世界中看见、移动并采取行动。

产品路线图也遵循同样的逻辑：从第三季度开始出货的Vera Rubin，推理吞吐量最高能达到Blackwell的35倍；黄仁勋还为专门承载智能体负载设计的Vera CPU，给出了一个全新的2000亿美元潜在市场空间。几乎可以确定，每一家前沿模型公司都会在第一天就全面转向它。

当全球市值最高的公司，开始围绕“服务Token”来重组财务披露时，瓶颈之争就已尘埃落定。本文接下来要讨论的，是当推理成为稀缺资源后，价值会被谁捕获。

先做一个范围界定。在这两条战线中，本文重点讨论的是云端推理——即对外提供API Token服务的、由数据中心出租的GPU算力。端点推理跑在设备本身的本地芯片上，如英伟达的Jetson、RTX、Drive、AI-RAN，完全不经过底层的GPU租赁与聚合栈。在这里，只需将其看作是放大整个推理经济、佐证瓶颈论点的顺风即可，它并不属于Hyperbolic和Venice所在的核心市场——这两家都完全处于云端那条线上。

挤压已经来临

Anthropic就像是煤矿中的金丝雀。它的使用量远远超过了预先配置的产能，关于Claude被“脑叶切除”的抱怨刷遍了全网：被限流的回复、变慢的推理、被压缩的上下文窗口。

解决之道是赤裸裸的算力：2026年5月，Anthropic从SpaceX手中接管了整个Colossus 1数据中心。超过22万张英伟达GPU、300多兆瓦的电力，全部被专门用于推理，而非训练。

这部分产能的解锁，引发了一连串的限额变动，每一次调整都是一个信号。5月6日，Anthropic将Claude Code的五小时限额翻倍、取消了高峰时段的限流，并大幅提高了Opus的API速率限制。5月13日，又将Claude Code的周限额再提高50%（额度持续到7月13日）。然而到了6月15日，它做了一件与“慷慨”完全相反的事：将智能体与程序化使用从扁平订阅中剥离出来，放入一个独立计量的信用额度池中。

最后这一步，将整套论证浓缩在了同一个动作里：智能体消耗推理的速度，已远远超过扁平订阅模式的设计承受能力，因此必须按照其本来的“经常性成本”来定价。

训练是一次性的资本支出。推理是一项经常性的运营成本，它会随着每一个新用户、每一个新智能体的加入而复利式地累积增长。

这套栈：六层，一个瓶颈

每一个AI应用，都坐落在一条从台积电晶圆厂开始、到API端点结束的供应链上：

大多数公司只拥有其中的一层。英伟达拥有硅，CoreWea ve拥有裸金属，Together AI拥有推理优化，OpenRouter拥有模型API路由。

只有一家公司是例外。

Hyperbolic：唯一横跨三层的公司

Hyperbolic在2025年6月推出了其按需GPU市场。在最初的几个月里，其开发者数量就突破了20万，采用方覆盖了前沿AI实验室、搜索引擎以及大型消费级平台。

有意思的是其架构。Hyperbolic自己一张GPU都不持有。每一张卡都来自第三方云和数据中心，包括CoreWea ve、Lambda Labs、Nebius，以及那些手握闲置产能的更小运营商。这听起来像是一个弱点，但实则是它的护城河。

通过坐在GPU供给方和消费方之间，Hyperbolic能看到别人看不到的实时数据。它知道谁在以什么价格、在什么时间购买什么GPU。它在供给过剩公开化之前就能看到苗头，在需求飙升冲击市场之前就能感知到变化。

如今，这条护城河本身就是多云聚合。Hyperbolic将来自数十个独立云与数据中心的碎片化产能，整合成一个标准化的统一资源池。开发者无需与每一家运营商单独谈判，也无需管理一大堆账户，就能在任何地方租到最便宜的可用GPU。

它接入的云越多，流动性就越深，定价数据就越丰富。团队正在探索如何用这些数据来建模GPU价格曲线，并最终投入自有资本来平滑供需，扮演物理算力做市商的角色。这个目标目前仍处于早期阶段，真正在当下复利的是聚合层本身。

这就是飞轮的逻辑：

1. 接入更多云 → 更多被聚合的供给

2. 更多供给 → 更深的市场与实时定价数据

3. 更好的数据 → 当下更聪明的路由，长期则是定价模型

4. 更好的流动性与价格 → 更多开发者 → 更多云想要接入

没有其他公司在做这件事。Hyperbolic是目前唯一一家同时横跨GPU租赁层、部署层与模型API层的公司。

Venice这面镜子

Venice是推理经济在应用层最清晰的体现，也是与Hyperbolic所处位置的一个很好的对照。

它是一款隐私优先的推理应用：一套兼容OpenAI的API，加上面向消费者的订阅计划，将请求路由到大约75个模型上。其中大约三分之二是开源或自托管模型，其余是对闭源前沿模型的匿名透传。

关键在于，Venice自己并不拥有有意义的算力。它从没有公开的GPU合作方和机密计算供应商那里租用算力，并向前沿实验室支付透传费用。因此其真正的收入成本是推理算力，而非SaaS托管。

Venice真正卖的是隐私。所谓的“隐私化”，不是将公共算力变成私产，而是给标准化的推理服务裹上一层保证：不留存数据、不拿去训练、请求匿名化。部分负载还跑在可信执行环境里，让运营商自己都看不到明文。

底层的算力是大路货，能加价卖的就是这层隐私包装。但这层保证是分层的，并不均质：对于跑在自己控制或TEE GPU上的开源模型，能做到接近端到端的机密计算；而对Claude、GPT这类闭源模型的匿名透传，隐私只是剥离了身份信息，前沿实验室那边仍然在处理你的原始提示词。所以最强的隐私覆盖只集中在开源那部分，前沿模型部分更多是“匿名”而非“真机密”。

Venice的利润 = 订阅价格 − 向下游支付的推理成本。它能够比裸API价格多收的那部分，几乎全靠这层隐私溢价在撑着。这也是其利润薄、且受制于前沿透传定价的原因。

代币设计将这部分推理需求包装了起来。Venice运行在两个代币上：VVV用于质押与平台准入，DIEM则是一种推理信用额度，每个DIEM大约相当于每天1美元的算力。

付费订阅会触发对VVV的程序化回购销毁，代币的排放量则按照一个固定时间表递减：每月从600万降到500万再到400万，并在7月1日下调至300万。

回购是真实的，但属于自由裁量范畴且规模仍然不大：4月和5月各销毁了约10.3万美元，6月正缓慢爬向约11万美元，远低于每月20万美元这条线。

基本面比传闻中的数字要扎实一些。市面上流传的“7000万美元ARR”这个数字，几乎可以肯定是将订阅续费误当成净新增获客的产物。更可辩护的可观测区间大概在600万到1500万美元ARR之间。

在这之下，用户的增长是真实的：大约13.6万名持币地址，每月约990万次网站访问，新增Pro订阅徘徊在每天大约1400条线附近。这是一门真实的生意，但利润很薄，其经济性受制于它所购买的算力。

这正是Hyperbolic处在它上面一层的原因。如果说Venice是加油站，Hyperbolic就是炼油厂。Venice从所有人都依赖的同一受限供给中购买算力；Hyperbolic则将那部分碎片化的供给聚合、标准化，再卖给Venice以及所有像它一样的玩家。

随着推理需求的增长，价值不仅向消费算力的应用层累积，更向那些聚合并路由算力、从而捕获这些应用所支付的收入成本的那一层累积。

为什么这件事此刻重要

英伟达围绕“服务Token”重组了财务。Cerebras的IPO证明市场已明白推理是瓶颈。Anthropic为产能四处奔走，证明这是一个真实存在的问题。智能体与物理AI将把需求放大几个数量级，横跨云端与端侧两条战线。

而这也从另一侧合上了“6000亿美元问题”的闭环。Cahn当初看空的逻辑——过度建设导致供给过剩——最终很可能被验证。但过剩恰恰是轻资产聚合方的最优行情：当GPU价格下行、供给碎片化分散在数十个云上时，那个不持有任何硬件、将每一份工作负载路由到最便宜可用卡上的玩家，会赚取中间的价差；而持有不断折旧GPU的运营商，则要承担损失。Hyperbolic是在做多过剩，而非做空它。

最终胜出的公司，不会是拥有最多GPU的那一家，而是能告诉你哪些GPU在哪里、以什么价格可用，并将每一份工作负载路由到能以最低成本运行之处的那一家。

Hyperbolic正在打造这样一家公司。它不自己拥有GPU，是纯软件形态，纵深三层，但却正在成为推理领域终极算力的聚合层。