SemiAnalysis 解析運算力危機：OpenAI 與 Anthropic 正搶購全球新增運算資源
Tapbit Wire11 月 3 日，半導體研究公司 SemiAnalysis 創辦人兼執行長 Dylan Patel 於 Runtime 2026 大會發表演講，聚焦運算力、資金與真正能交付運算力者。
他指出，OpenAI 與 Anthropic 正大量預訂運算資源，兩家公司在 2027 年可用新運算力中占比達 25% 至 40%。在需求壓力下，Nvidia H100 資料中心晶片的一年期合約單價已從去年 10 月低點每小時 1.70 美元漲至約 2.80 美元；對其他企業而言，負擔得起不等於實際能取得運算資源。
資金面亦趨緊繃：過去兩個月，美國公債收益率大幅攀升，10 年期殖利率於 10 月初突破 5%，使仰賴融資興建資料中心的新興雲服務商更難取得資金。
此演講發生於 Anthropic 公開提交 S-1 檔案一週後，市場剛見到領先實驗室背後的運算力帳戶。Patel 提到，Nvidia 已承諾支援約 6.5 吉瓦（GW）運算力，但僅佔 2030 年前新增運算力極小部分，他形容為「滄海一粟」。
01 兩大實驗室包攬大部分新增運算力
運算力緊繃源於買方高度集中。全球總運算力快速成長：2024 年底約 60 吉瓦，今年底將逾 100 吉瓦，兩年內幾乎倍增。Patel 表示：
「2024 年底全球運算力達 60 吉瓦，今年底將逾 100 吉瓦，兩年內幾乎倍增。」
此增量運算力最大買家即 OpenAI 與 Anthropic。兩家公司去年底持有約 4 吉瓦，今年約 10 吉瓦，明年預期將逾 20 吉瓦。細分增量：兩家 2027 年預計新增約 12 吉瓦，而當年全球增量約 40 吉瓦，占比約 30%；Patel 更預估，2028 年 AI 實驗室單年需新增約 30 吉瓦。
Patel 估算：
「他們正拿走 25%、30% 或 40% 的新增運算力。」
「去年底 Claude Code 推出後，OpenAI 與 Anthropic 收入暴增，促使它們 aggressively 採購運算力，Meta 亦開始積極採購。」
「對許多人而言，現今已根本買不到運算力。」
另一值得注意細節是：此運算力主要用於模型訓練，而非服務使用者（推論）。Patel 指出，Anthropic 目前擁有 4 吉瓦，其中僅約 1 吉瓦用於支援整套 Claude Code 服務，推論耗用運算力「意外地低」，遠低於訓練；這意味即使使用者需求趨穩，實驗室訓練新模型的預算仍將持續消耗晶片。
02 開源模型推論服務獲利豐厚，拉高租賃價格
買家越多，價格就越高。帕特爾認為，推升租金的另一股力量，是模型輸出單位「代幣」（token）銷售業務的高利潤率；這意味著願意以高價租用GPU的人數，遠不止僅有兩間實驗室。
他依據兆瓦（MW）功率進行估算：建造一座B300叢集，攤提建設與五年營運成本，每年約需900萬美元；向雲端服務商租用則「若能以每年1400萬美元租到，就算幸運了」。相較之下，若將此1兆瓦算力用於執行開源模型DeepSeek V4.1 Flash（利用率60%），年營收約達7000萬美元。換言之，即使租金比自建成本高出50%，推理服務售出所得仍為租金支出的五倍。（此7000萬美元為營收，尚未扣除人力及其他成本。）他指出：
「就算利用率僅30%，你仍能賺得驚人利潤。」
「我認識數十位專營GPU出租與推理服務銷售的人，他們已大獲其利。」
此估算基於SemiAnalysis開源的InferenceX基準測試，使用任何人都可下載的容器，僅採用vLLM與SGLang兩款開源推理軟體，團隊僅「四名工程師」，未採用投機性解碼或進一步優化。
價格數據亦符合此邏輯。帕特爾指出，去年十月為低點，H100單價約1.70美元，最低曾見1.45美元；如今成交價介於2.40至3.20美元之間，中位數為2.80美元：
「若兩年前以此價簽約，會被視為瘋狂；如今人們正搶著在此區間簽約。」
SemiAnalysis自製的一年期合約指數今年三月已達2.35美元，而Nebius等供應商的掛牌價於十月持續上漲。讀者須留意：帕特爾提及SemiAnalysis自身亦從事算力媒合業務，故掌握真實交易價格，此舉亦引發利益衝突疑慮。
他對後續走勢的判斷如下：
「若H100漲破3美元、B300漲破7美元，我一點也不意外。」
對買方而言，他的建議更直接：
「若能以每小時6美元租到B300，就該立即簽約並販售代幣。此價雖離譜，卻是正確決策。」
障礙在於雲端供應商要求預付費用，對新創公司尤其困難：一年期合約難以取得，且新創公司往往無法保證一年後仍存續。至於閉源模型，他提到Anthropic為Fable與Opus 5.5提供服務的營收「超過1億美元」，此數據源自其IPO過程中向投資人披露的文件；儘管逐字稿未明確單位，但依上下文應為「每兆瓦年營收」。
03 即便負擔得起，雲端供應商也可能無法交付
租用算力僅是第一步；叢集實際可用性才真正決定其價值。SemiAnalysis推出「ClusterMAX」評估計畫，追蹤323家雲端供應商，並針對其中77家進行評測，最終頒發獎章（認證）予19家。
在帕特爾看來，表現最佳的是CoreWeave與Nebius，但兩者可用性極差：
「未來六個月內，他們不會賣你任何算力——已全數售罄。Nebius要求預付整年或半年費用，價格離譜，但這是你唯一能取得算力的方式。」
Oracle與Google亦獲高度評價，其中Google由首輪銅牌晉升。更多供應商遭降級：隨著評核標準趨嚴，Azure降至銀牌，Together與AWS降至銅牌，Crusoe亦遭降級。AWS的問題則較偏向使用者體驗：
「要組建一個叢集，需協調約十人，耗時極長；網路管理亦頗為困難。」
評估中最明顯的問題是安全性。SemiAnalysis 讓 AI 模型對這些雲端平台發動攻擊：
「部分漏洞已在網路上公開，模型可直接發現並加以利用，進而存取其他客戶的儲存空間。」
其中一次測試中，他們使用一款落後於 OpenAI 與 Anthropic 的開源模型，取得整個叢集的 Slurm（一種常用叢集排程系統）權限，甚至看到國防工業與國家安全情報機構的作業名稱。團隊立即中止測試，並發布標題為〈多數新興雲端平台安全性極差〉的報告。另一次測試則透過向 GPU 注入故障（即他所提 NVIDIA 錯誤代碼 XID 719），觀察雲端供應商偵測所需時間。結果如下：
「許多雲端平台須待你提醒才察覺，有些即便被提醒後，仍需數日才回應。」
他將此視為最低標準測試：GPU 必然會出現問題，雲端供應商應仰賴自身監控機制主動偵測並修復。
04 利率上揚，新進業者難以融資，NVIDIA 的支援僅是杯水車薪
擴充供應需資金，而資金成本正持續攀升。Patel 再次強調，至 2029 年底，全球 AI 資本支出將達約 11 兆美元，其中約 7 兆美元來自債務融資。絕大部分資金用於購置晶片，其餘則投入資料中心、能源及為加速產能而自建的現場發電廠。
在此利率環境下，貸款流向顯現明確偏斜。美國十年期公債殖利率已從今年 3.96% 升至 10 月初的 5.31%，且 AI 相關債務發行量於 9 月明顯降溫。Patel 描述了一座規模達 100 兆瓦的新興雲端設施欲擴增至 1 吉瓦的情況：
「誰願借錢給它？唯一途徑是將這 1 吉瓦容量售予超大規模雲端供應商，再由其透過債券市場融資；你雖取得貸款，但全部算力卻無法進入產業市場。」
因此，明年已簽約的算力中，「約 65% 至 70%」將流向超大規模雲端供應商與 AI 實驗室。對新創公司而言，租用叢集須預付一半費用，交貨期則需三至九個月：
「去找任何一家近期募得大筆資金的新實驗室——對它們來說，取得算力簡直是地獄。」
NVIDIA 的策略是為叢集提供保障網，Patel 將其歸納為三類：
軟銀能源（SoftBank Energy）：僅保證土地、電力與建築。此為位於俄亥俄州的 9 吉瓦設施，預計 2030 年左右啟用，且全數保留予 OpenAI。
Firmus：NVIDIA 承諾以特定價格承租叢集，確保合作方「不賺不賠」；憑此擔保，其他方願意放貸。每小時租金超出該價位的部分，NVIDIA 分潤一半，Patel 稱此舉「極其聰明，我很欣賞。」
剩餘價值保證：他僅提及此類型，未進一步說明。
就規模而言，NVIDIA 已鎖定約 6.5 吉瓦算力，將開放予公開市場，而非僅供實驗室與大型雲端廠商使用。他提出的上限為 45 吉瓦，「即便如此，也僅佔 2030 年前新增算力的一小部分。」他認為，專注推論（inference）的 Fireworks、Modal 等公司，以及眾多新實驗室，正轉向自建叢集、申請貸款，並尋求 NVIDIA 背書。
演講尾聲，他提出對 token 規模的評估：多家供應商合計每日處理逾 100 兆個 token，各公司年營收持續成長。他最後總結道：
「我希望他們能確保算力；否則，我們全都是Anthropic與OpenAI的奴隸。」
本文不構成個人投資建議，亦不代表平台立場；市場有風險，投資須謹慎。請自行判斷並決策。
