8月25日，SemiAnalysis創辦人Dylan Patel在Dwarkesh Patel的Podcast節目中提出一套推算：到2028年底，Anthropic和OpenAI兩家將握有全球大部分可用的AI算力。
"By the time you're towards the end of 2028 — if this trend continues, and I see nothing that's stopping it — you've got them just controlling most of the usable flops in the world on their own."
（到2028年底，如果這個趨勢持續下去——我沒看到任何東西能擋住它——這兩家會靠自己就握有全球大部分可用的算力。）
數字是這樣鋪開的。兩家各自的電力規模：2025年底各約2GW，2026年底各超過5GW，2027年底各約18GW，2028年底各約54GW。占全球新增算力的比例：今年約30%，明年40%到50%，到2027年12月前後約占新增的一半，2028年升到70%至80%。全球整體的增量則是2026年30GW、2027年50GW、2028年70GW、2029年90到100GW，2028年全球總量落在200GW上下。
每MW能賺回多少錢
Patel認為，集中化的動力藏在單位營收裡。目前的基礎建設成本大致落在每MW一千萬到一千五百萬美元，而Anthropic的每MW營收一度衝上五千萬美元。他預估到2027年底，頂尖實驗室的每MW營收會站上五千萬美元以上，甚至摸到七千萬、八千萬美元。誰的每MW賺得多，誰在搶機櫃時就出得起價。
"To get to that 100 gigawatts in 2028, you have to believe that the labs can outpay for compute...Does compute now get to $25 million a megawatt? Does it get to $40 million a megawatt?"
（要在2028年做到那100GW，你得相信實驗室能把算力的價格出到別人跟不上的地步……算力的價格現在會衝到每MW兩千五百萬美元嗎？會到四千萬嗎？）
他把三個機制歸結成一句話——「Every force is screeching towards centralization.」（每一股力量都在朝集中化尖叫著衝過去。）訓練環節的規模經濟、領先者更高的每MW營收，以及由此換來的出價能力，彼此咬合，愈轉愈緊。
錢從哪裡來
資本結構是這套推算裡最沉重的部分。2024到2029年，整個生態的資本支出約11兆美元，其中6兆用現金支付，5兆仰賴債務，需要新發行的信貸規模超過5兆美元。利率方面，Meta目前的融資成本落在5%到6%，Patel認為沒理由不會付到8%；這250個基點的上升會順著信貸市場擴散到整個經濟。
中國的部分，他給了三個判斷：2028年中國的AI算力落在30GW或更低；目前全球用於資料中心AI算力的部署中，中國占比不到10%；以及一個換算——「that 50 gigawatts is really worth as much as 20 gigawatts from American chips」（那50GW的實際價值，大約相當於美國晶片的20GW）。這個換算係數是他自己的估算，計算基礎並未公開，拿來當結論會很危險。
這套推算的脆弱處在哪？它把三條曲線綁成一根：算力規模、每MW營收、信貸供給。前兩條互為因果，營收高才買得起算力，買得起才做得出下一代模型，模型強營收才更高——這個循環一旦啟動，確實會自我加速。第三條是外生的。粗算一下，若8%的融資成本成立，5兆美元債務光利息一年就要4000億美元，這個量級要求AI相關營收在同期跑到相當高的位置。Patel自己也把這一環留成了問句：他問實驗室能不能出更高的價，卻沒有接著回答出不起價會怎樣。
對其他業者來說，那條比例曲線比絕對數字更有參考價值。如果新增算力的七八成流向兩家，剩下的兩三成要分給所有其他實驗室、雲端業者、企業自建和主權項目。全球總量還在往上走，能分到的那一份卻在縮小。
參考來源：Dwarkesh Podcast、CocoLoop、SemiAnalysis；兩家實驗室的GW推算區間、每MW營收的統計基礎，以及11兆美元資本支出中現金與債務的拆分比例，值得進一步查證。