AI算力的钱从哪来？一位对冲基金合伙人讲透幕后真相

当所有人都在讨论模型、参数和AGI时，真正卡住AI行业的，其实是一个更“俗”的问题：钱，谁在出？怎么出？这期《No Priors》请来 Magnetar Capital 的 Neil Tuari，罕见地从金融一线拆解了AI算力狂飙背后的真实资金逻辑。

最反直觉的真相：AI的瓶颈不是算法，是“能不能拿到算力”

很多AI从业者的直觉是：只要模型够强、数据够多，总能跑起来。但 Neil 一开口就把这个幻想打碎了——在他看来，当前几乎所有认真做AI的公司，面对的都是赤裸裸的算力供给约束。

他说了一句非常“投资人视角”的话：几乎所有买算力的组合公司都在告诉他同一件事——这不是一个价格问题，而是一个有没有的问题。你愿不愿意多付钱不重要，关键是市场上有没有空余的GPU、机房、电力和交付能力。

这也是 Magnetar 真正“误打误撞”进入 AI 基础设施的起点。他们并不是一开始就想投数据中心，而是在 2021 年左右，看到自己的投资组合开始从传统计算，快速迁移到机器学习和大规模训练，才意识到：如果不把算力当成核心资产，整个投资逻辑都会失效。

不是云不行，而是“通用云”不再适合AI训练

一个很容易被忽略的细节是：Neil 并没有简单地批评传统云厂商，而是指出了一个结构性错位——云是为“多租户、通用负载”设计的，而大规模AI训练不是。

AI训练需要的不是弹性扩容几个小时，而是：
- 长时间、稳定占用的大规模算力
- 对网络拓扑、延迟、带宽极度敏感
- 电力和散热成为第一约束条件

在这种需求下，“最便宜的云”不等于“最优的云”。Magnetar 在 2021 年的第一笔相关投资，本质上是在押注一件事：为那个时间点的AI工作负载，重新设计云和数据中心，是一门独立且成立的生意。

这也解释了为什么现在越来越多资本，开始绕过传统云计费模式，直接进入更底层的资产层：机房、土地、电力合同、甚至芯片采购权。

金融工具正在变化：算力，正在被“证券化”

整期对话中最“硬核”的部分，来自对融资结构变化的讨论。

Neil 提到一个关键趋势：为了让算力真正成为可流通、可融资的资产，金融工具本身也在快速演化。过去，算力更多是企业的内部成本；现在，它正在被拆解、打包，并通过不同结构进入资本市场。

一个核心目标是：让算力变得“fungible”（可替代、可流转）。只有这样，资本才能在不同项目、不同公司、不同周期之间自由配置，而不是被锁死在某一代模型或某一家客户身上。

这也是为什么外界会质疑所谓的“循环融资”——AI公司、算力提供方、资本之间，钱看起来在同一个系统里转。但 Neil 的回应很直接：只要底层需求是真实的、算力被真实使用，这种结构反而是规模化早期不可避免的阶段性形态。

一个容易被低估的现实：主权AI和物理AI正在抬高门槛

在聊未来时，话题自然走向了两个正在抬高行业门槛的方向：主权AI（Sovereign AI）和物理AI。

主权AI的核心不是模型，而是控制权。算力、数据、训练位置，都会被纳入国家级考量。这意味着，未来的AI基础设施不只是商业问题，还会深度绑定地缘政治和本地能源结构。

而物理AI——无论是机器人、自动驾驶，还是工业系统——对算力的要求更加“反云化”：更靠近边缘、更强调实时性、更依赖专用部署。这进一步削弱了“一个全球统一云平台解决一切”的叙事。

这些趋势叠加在一起，最终指向同一个结果：AI不会让基础设施变简单，只会让它变得更资本密集、更专业化，也更难被后来者复制。

总结

如果你是AI从业者，这期对话最大的价值，不在于某个具体判断，而在于视角的切换：把注意力从模型本身，挪到支撑模型存在的“硬现实”上。算力、资本结构、供给约束，正在决定谁能跑到下一阶段。

一个现实的 takeaway 是：无论你在做模型、应用还是创业，都应该更早地思考算力的可获得性，而不是等它变成瓶颈。未来真正的壁垒，可能不是算法，而是你是否站在了正确的基础设施之上。

留给你的问题是：如果算力继续稀缺三到五年，你现在的技术路线，还成立吗？

关键词： AI算力， 机器学习训练， 数据中心， AI融资， 基础设施

事实核查备注： 需要核查：1）Magnetar Capital 进入AI算力/数据中心投资的大致时间点（提及为2021年）；2）Neil Tuari 的身份与头衔；3）节目中关于“供给约束市场”的原话表述；4）关于算力金融化、fungible 的具体语境是否与原视频一致。