Baker 的核心论据来自供需两端。他估算，当前支撑数百亿美元 AI 收入的，是一个相当小众的重度付费用户群体——全球可能不足 1000 万人；而全球知识工作者约有 15 亿，需求从千万级向数亿级扩散才刚刚开始。在他看来，需求侧远未见顶，供给侧却已严重受限。

算力租金不降反升

一个常被忽视的信号是价格。Baker 援引数据称，GPU 租赁价格不仅没有因「过剩」而下跌，反而在 2026 年 7 月同比上涨了 50%–60%。这与「算力即将廉价到泛滥」的市场预期形成鲜明反差。

从建设侧看，部署 1 吉瓦算力约需 500 亿美元，其中客户通常会预付 50%–60%（约 250–300 亿美元），剩余部分通过现货市场更快回笼，整体投资回收期仅约 9–10 个月。Baker 称，在其投资生涯中很少见到能部署数百亿美元、且回收期不到一年的机会。英伟达 GPU 本身可融资，黑石、KKR、Apollo 等机构正以较低成本参与这一链条。

谁押对了，谁押错了

Baker 以两家巨头作对比：微软在去年达沃斯承诺 800 亿美元资本支出后放缓节奏，被其评价为「现在很后悔」；而 OpenAI 选择激进投入，短期与长期的高回报都证明了这一方向。他还引用 Andreessen 的观点称，单位推理成本理论上甚至可能上涨 10 倍——这听起来夸张，但若需求急剧扩张而供给跟不上，前提就会彻底改变。

短缺或持续至 2028 年

Baker 与 George 均提到，这种供给短缺可能延续到 2028 年，而监管与审批层面的阻力还可能进一步推迟原定的建设计划。更令 Baker 担忧的是连锁后果：若算力严重短缺，最终可能演变为「算力不平等」——大公司与富裕群体买得起算力，普通用户被排除在外。

他也回顾了 2026 年 7 月 AI 及半导体板块的大幅回撤（部分个股下跌 40%–60%）：当时市场叙事接连触发抛售，但硅谷实地调研找不到任何恶化的可量化指标。开源模型（如 Kimi K3）的发布曾被担忧会压缩基础设施需求，Baker 则指出，无论开源还是闭源，生成一次模型输出所消耗的算力完全相同，因此开源份额的争夺只是把利润从模型层转移到基础设施层，整体算力需求不受影响。

需要强调的是，上述观点属于个人市场判断，不构成任何投资建议。