近日，在华尔街沉磅投资大会2026年索恩（Sohn）大会上，科技投资大烙注Atreides Management首席投资官Gavin Baker接受专访。

Baker在访谈中抛出了几个直接挑战市场共识的判断：亚马逊Trainium是当前最被低估的AI芯片；台积电的“守旧”扩产战术在援手行业预防泡沫；太空轨路算力将在两年内被证明可行，并在本十岁暮起头冲击地面数据中心配套产业。

他说路，台积电不愿像黄仁勋但愿的那样急剧扩产。“黄仁勋每三个月去一次台积电，他们或许扩产5%；迫恃肴盟遣芊痘蛘叻。若是产能真的翻倍或翻三倍，英伟达明年或许能卖出1.5万亿美元的芯片——我是当真的。”

Baker曾在富达治理逾170亿美元资产，是半导体领域的资深投资人。

亚马逊Trainium：最被市场低估的AI芯片

黑石集团高级合资人Jas Khaira采访Baker时问路，在英伟达的竞争敌手钟转—谷歌TPU、亚马逊Trainium、英特尔Gaudi——市场最低估的是哪一个？Baker回覆：“Trainium，毫无疑难。”

他给出了具体的技术逻辑。当前主流的前沿AI模型，都选取一种接装混合专家模型”（Mixture of Experts，MoE）的架构。要推理这类模型，必要一种叫做“互换式扩大网络”（Switched Scaleup Network）的基础设施。

Baker说：“全球目前只有两家公司有运行中的互换式扩大网络——一个是驱动英伟达GPU的，另一个是亚马逊Trainium的。”

这是个很容易被忽视的技术门槛。谷歌TPU在这方面不具备一致能力——Baker直接点出一个细节：“谷歌发了然ML Perf基准测试，但他们不向自己的基准测试提交TPU成就，你能看出来这件事让Jensen（黄仁勋）抓狂。”

Baker同时判断，今年下半年Trainium 3大规模量产后，Trainium在2026年的职位将相当于TPU在2025年的职位。他说自己曾投资过Celestica等TPU供给链公司，“我感触我有资格这么说”。

他补充：“我始终不会做空谷歌，也不会做空博通，但我的确以为Trainium此刻被严沉低估。”

太空数据中心：2年内见分晓，本十岁暮抢份额

这场对话中另一个引发关注的话题是“轨路算力”（Orbital Compute）——即把数据中心放到太空中的设想。

Khaira问Baker：这件事什么时辰能真正贸易化？

Baker的回覆给出了明确功夫节点：“我以为在未来两年内，它的可行性和经济性将会得到验证。到本十岁暮，它将起头占据有意思的市场份额。”

逻辑在于，地面数据中心面对两大硬约束：电力和冷却。而在太空中，电力来自太阳，冷却来自卫星的背阴面。

Baker描述了他看到的某家潜在轨路推算供给商的卫星设计图：散热器长达三四百英尺，卫星本体就是一个机架——8英尺高、2.5英尺宽、4英尺深——多个机架通过激光衔接，组成一个虚构数据中心。散热器置于机架阴影之后。

他指出，一旦这条路线可行，影响最大的将是地面数据中心的电力和冷却设备供给商：“那些大规模扩产来支持数据中心建设的工衣粪公司，可能会晤对（需要）戛然而止的局面。”

他同时强调，已建成的地面数据中心仍有价值，训练和强化进建仍将在地面进行，“我无法设想在未来七年内我们始终不再建一栋地面数据中心”，但增量需要的走向，在被沉新界说。

台积电的“倔老头们”：在助全球市场预防泡沫

市场上有一个常见问题：AI投资会不会造成互联网泡沫的翻版？

Baker的回覆是：这次可能分歧，而原因出乎意料——台积电治理层的守旧。

他说，汗青上每一次沉大新技术出现，从铁路、运河、PC、互联网到AI，险些无一例表城市出现泡沫。投资者对新技术兴奋，市场共识形成，泡沫吹起，最终用泡沫资金实现基础设施建设——互联网就是这么走过来的。

“我们不想要泡沫。泡沫很糟糕，经历泡沫的过程很疾苦，泡沫分裂之后更疾苦。”

但这次他"乐观地以为"我们可能会避开泡沫，原因在于现实世界中存在的物理约束——瓦特（电力）和晶圆（Wafer）的欠缺。

晶圆欠缺的关键，在于台积电的态度。Baker说：“台积电是由70多岁的、强硬的老人们治理的。”（他随即调侃，70岁是新50岁，而他自己50岁）

这批人经历过台湾半导体从追赶英特尔被以为是“这辈子不成能实现的梦”，到用毕生功夫做到了。他们深知一场泡沫与崩盘对台积电意味着什么。

因而，他们就是不愿像黄仁勋但愿的那样急剧扩产。

“黄仁勋每三个月去一次台积电，他们或许扩产5%；迫恃肴盟遣芊痘蛘叻。若是产能真的翻倍或翻三倍，英伟达明年或许能卖出1.5万亿美元的芯片——我是当真的。但这件事的另一面，对所有人来说可能都极度疾苦。”

Baker的结论是：这些“倔老头们”，通过执行一个现实世界中真实存在的物理约束，客观上援手所有人避开了泡沫——而这种约束，在从前任何一次技术革射中都未曾出现过。

内存周期和AI收入发作

对话中Baker还提到了两个值得关注的判断。

关于内存周期： 内存价值今年已上涨60%至70%，美光毛利率可能达到60%以上，远超汗青均匀水平（约16%）。Baker坦承，依照从前25年的内存周期法规，“此刻100%应该卖内存股”。但他以为这次可能类似1990年代中期那次真正的产能周期，“我们可能仍处于早期”，不应单一套用汗青模板。

关于AI收入规模： Baker判断，OpenAI和Anthropic计算收入达到2000亿美元的功夫点，已经不遥远。他援引黄仁勋的说法：黄仁勋但愿自己最优良的工程师，花在AI token上的支出至少达到薪酬的一半。Baker的判断是，这种趋向意味着S&P 500公司的劳动力结构将面对“沉大调整”，但AI定价模式从“包月造”转向“按量计费”，会让收入增长快于表界预期——他将这类迸宗昔时移动通话行业“超出套餐按分钟收费”的盈利模式。

投资心法：想书、模式鉴别，以及一封写错了的信

访谈中，Khaira还问Baker，他的投资优势来自哪里。

Baker的回覆简洁：“想书，压倒性地最沉要。”他说自己险些不再自动约见上市公司治理层——“他们经过了极度好的训练，从不说任何不在财报电话会或10-Q里的内容，而我读的速度比他们措辞快得多。”

他坦承自己职业生涯中最惨痛的教训之一，是曾向一家公司董事会写信要求回购股票，了局该公司在18个月后破产。“这是一个关于高杠杆的永远教训——有时辰不是所有事件城市按打算进行。”

Baker还提到，他在投资风格上一向在致力克服的弱点，是“太难卖出赢家”——“我极端器沉估值，极度逆向，最舒服的是在52周低点名单上。”

Baker全文访谈如下：

科技投资者的思想世界——与加文·贝克尔的对话索恩投资大会2026本文为加文·贝克尔（Gavin Baker，阿特里德斯治理公司董事总经理兼首席投资官）在索恩投资大会2026上的访谈实录，涉及其投资哲学、对当前AI格局的见解及未来技术转变的判断。访谈由黑石N1掌管人贾斯·凯拉（Jas Khaira）主持。贾斯·凯拉： 我们今天的嘉宾，其基金以《沙丘》定名——对于在座不懂这个梗的伴侣，这意味着"香料必须流通"。当然，若是你对"香料"的影象还停顿在高中时期，致意心，不是那种香料。对加文来说，香料是高带宽内存，他的阿拉基斯是中国台湾，他的沙虫是黄仁勋。他的社交简介写着"不组成投资建议，概想仅代表自己"——这可能是现代金融史上最昂贵的免责申明，由于有28.8万名粉丝在追随他的概想。他曾在富达治理170亿美元资产，业绩超过了99%的同业——不外他刚才偷偷通知我，其实是100%。他此刻在波士顿运营自己的对冲基金，这自身或许就是最逆向的一个选择。女士们、先生们，有请在半导体领域知识最渊博的人——加文·贝克尔。加文·贝克尔： 哇，感激各人。也让我介绍一下贾斯。他是贝莱德最资深的合资人之一，刚刚接任贝莱德全球AI战术掌管人一职，此前担任战术机缘战术主管。我们是老伴侣了，所以由他来采访我，我们相互聊聊，挺有意思的。贾斯： 好，加文，今天是你的主场。既然这是一场投资会议，在我们深刻半导体、内存、技术栈和瓶竟剽些硬核话题之前——我相信在座各位和我一样如饥似渴——我想先从你作为投资者的思想模型谈起。你2000年参与富达，经历了两次泡沫。彼得·猎戽时期的富达基因，有哪一条你始终保留了下来，又有哪一条你不得不突破，能力成功缔造并运营阿特里德斯？加文： 好问题。我以为彼得·猎戽的基因始终刻在了我身上——我相信赖何有幸在富达起步的人城市有同感。那就是：若是你喜欢这家店、喜欢这个产品，你就会爱上这只股票。尽可能深刻地以消费者和用户的视角去接触新产品、新公司，这一点已经融入了我的骨血。而我整个职业生涯一向在致力克服的，是这样一条股市格言——彼得·猎戽说要拔除杂草、浇灌鲜花，即卖掉输家、持有赢家。但不知为何，这对我来说极其难题。我对估值极其敏感，骨子里是个逆向投资者，52周低点榜才是我最舒服的处所。我一向死死抱着内存股不放。但这是一段平生建行，我每年都试着在这方面进取一点点。贾斯： 大无数优良的投资者城市提到某一笔糟糕的买卖，作为自己投资生涯的转折点。你的是哪一笔？它今天具体在阻止你做什么？加文： 其实有两笔。2011年到2012年间，我经历了极度艰巨的一年，两只股票给了我深刻的教训。第一只是一家叫Decree of Health的公司，他们的业务是援手幼型医院更好地与大型保险公司交涉，启程点很好。而后有一天，我一醒觉来，《纽约时报》周日版头版注销了一篇长达一万字的文章，宣称他们在回绝为有必要的人提供医疗服务。这底子不是事实，但股价还是跌了90%到95%，再也没有复原。这通知我，始终存在未知的未知风险——无论你多么致力地去量化一个机遇，风险始终存在。第二笔有点丢人。是Nextel International。我做了很长功夫的电信分析师，深知每当一个新兴市场建起新网络，它在界说上就是成本最低、质量最高的网络，由于没有汗青职守。Nextel International在南美洲建了一张最新的3G网络，正从一种叫Iden的技术迁徙过来。我在这类模式上赚过好多钱，因而建了一个大仓位。我甚至亲自写信给董事会，要求他们回购股票——然而18个月后，公司宣告破产。教训是：对高杠杆要极度极度审慎。公司杠杆率太高，而事件并非总能饱经风霜。其时产生的是，两个规模大得多、彼此并无关联的竞争敌手打起了价值战，公司被卷进去。我将始终带着这个污点——那是我唯逐一次写信给董事会要求回购股票，而公司刚好在15个月后申请了破产。这自身也是一个深刻的教训。贾斯： 感激你的坦诚和勇气，真的很宝贵。我们换个节拍，来个闪电问答，通常放在最后，今天放在前面。每个词只用一个词来评价：过誉还是被低估？模式鉴别，实地调研，仓位治理，睡眠。加文： 我以为模式鉴别和睡眠都被严沉低估。实地调研被高估了。第四个是什么？贾斯： 仓位治理。加文： 仓位治理极度沉要，但关键是你要找到自己的打法并对峙到底。你能够做一个长打率选手，也能够做一个高射中率选手，但你必须明显自己的风格，而后维持一致。贾斯： 听起来是"评价适当"——这像是加文·贝克尔的出产函数。当你回看自己的优势起源，也许是今年，也许是去年，阅读占多大比沉？人脉网络占多大比沉？终于刚才说实地调研被高估了；故撬，重要来自于比别人更早成立一两个正确的认知框架？加文： 我以为阅读是压倒性的最沉要成分。婉转地说，我此刻险些不再自动约见上市公司。我只在他们自动找我时才见，由于这些公司的讲话人经过严格培训，说的话不会超出财报电话会议纪录或10-Q文件的领域，而我阅读的速度远比他们措辞快。所以我大量阅读财报纪录、第一手资料，同时我以为专家访谈纪录也极度有价值，AI在这方面的利用也很杰出。总结下来：阅读是主题，模式鉴别是沉要辅助，而提前成立认知框架也很有援手。举个例子，2023年5月英伟达颁布那份引爆市场的财报时——嘲讽的是，距ChatGPT颁布已经从前了整整六个月——其时大无数对冲基金甚至还没有建设专职半导体分析师。而半导体和深度科技是我的平生挚爱。不外此刻，各人对半导体的认知已经大幅提升了。贾斯： 是的，你的确入场极早。这也是一个很好的过渡——说到认知框架，你今天的思想模型：内存价值上涨了60%到70%，美光的利润率或许在60%多，而汗青均匀水平更靠近16%。你一向在讨论推算资源的普遍欠缺，短裙佚在向数据中心、电力延长，并进一步舒展至前沿晶圆产能。你对这一演变的思想模型是什么？你也说过，每次欠缺之后终将迎来过剩，这个局面会怎么演化？加文： 纵观汗青，的确如此。我相信最终肯定会出现过剩，但"最终"这个词承载了这句话里所有的沉量——并非面前。从从前25年每一轮内存周期来看，此刻100%是应该卖出内存的机遇。我其切实2000年时是美光的分析师，记得去太阳谷参与他们的分析师日，我经历过无数次内存周期，从汗青法规来看，此刻的确该卖。然而，有一个周期是绝对不该卖的——那就是1990年代中期，那是我以为最近一次真正意思上的产能周期。对标那个周期，我们此刻可能还处于极度早期的阶段。我听了伴侣亚历克斯和莱昂的分享，他们做得很好，莱斯利也是，我只想说，他们给出的每一个数字，我都选择押大。每一个数字。他们是审慎的人，我估计他们自己也会押大——终于没人想在索恩会议上一年后被打脸。我们可能还在极度早期。这可能是第一个真正意思上的产能周期。而这些根基面上的欠缺，对我们投资者来说是功德。最不仅愿看到的是泡沫。泡沫很糟糕，穿越泡沫的投资过程很疾苦，泡沫分裂后的余波更惨。我们不想要泡沫。然而遗憾的是，金融市场的整个汗青通知我们，每当出现深刻的新技术，无论是AI、互联网、PC、铁路还是运河，险些必然会出现泡沫。原因在于：市场是有效的，投资者对新技术产生合理的兴奋，迈克尔·莫布森将其描述为"多样性崩溃"——所有人都起头崇奉统一套逻辑，泡沫形成，随后泡沫为新技术所需的基础设施建设提供了资金；チ暮骨嗾侨绱。我乐观地以为，这一次我们或许可能预防泡沫。"更安稳、更悠久"——这是我们所有人都但愿看到的。我们可能预防泡沫的原因，是我们面对着瓦特（电力）和晶圆的内容性欠缺。电力欠缺方面，未来五到七年，轨路算力肯定会解决这个问题。但晶圆欠缺，我以为将持续相当长的功夫。原因在于，台积电由一批七十多岁的铁腕老人掌管——七十岁不老，是新的五十岁，我今年五十，五十是新的三十。我二十多年前往中国台湾科学园区，问他们是否定为自己有一天能追上英特尔，他们说那是一个俏丽的妄想，也许要比及孙辈那一代。但他们在一代人的功夫内就做到了。所以他们是这份遗产的守护者。泡沫与崩溃，对台积电来说是一场苦难。所以他们就是不会按黄仁勋想要的速度扩产；迫恃咳鲈戮腿ヒ淮沃泄ㄍ，他们或许扩产5%，而他但愿翻倍甚至三倍。若是产能真的翻两三倍，英伟达明年或许能卖出一点五到两万亿美元的芯片——我是当真的。但这另一面的价值，对所有人来说可能都极度疾苦。所以我以为，这些老人，在用一个现实存在的物理约束——而这是过往任何先例技术都不具备的——援手我们所有人预防泡沫的产生。贾斯： 这很有意思。作为垄断性供给商，他们在某种根基层面上限度着供给。顺便说一句，他们刚刚错过了——山姆·阿尔特曼见完他们之后开了个播客。加文： 这是真的。贾斯： 我们后盾聊到，你会押大——押OpenAI和Anthropic归并收入在某个功夫点达到2000亿美元，也许是12到18个月内，我不想锁死功夫框架，但就是近期。事实证明，代码天生是这一旅程第二章中将AI钱币化的杀手级利用。若是我们要从今天的水平在未来12到18个月内达到2000亿，这些收入从哪里来？是每一家标普500公司都要由于给Anthropic付token用度而错过盈利指标吗？加文： 我以为这不是边缘情况；迫恃贕TC大会上说，他的指标是让他最优良的工程师，在token上的破费至少占到他们薪酬的一半。若是你只是把标普500每家公司的薪酬支出加起来看一看，在没有对劳动力结构进行沉大调整的情况下，我们底子无法接受这个量级的token支出——这也正是莱昂所指出的那个问题。但我的确以为，有几件事可能会阻止大规模因token用度导致的盈利下滑。若是你还没有做到"token最大化"，你应该立刻去做。若是你不知路"token最大化"是什么意思，那只能祝你好运了。具体来说，第一点：所有这些模型都在向基于用量的定价转变。以前，在座各位只需每月花250美元订阅顶级前沿模型，就能充分履历到前沿AI的能力。此刻已经不是这样了。最壮大的能力被锁在授权框架背后，只向可能按用量付费的企业打算用户盛开。这对AI来说是极端利好的信号，对这些前沿token的定价也极端利好；毓艘贫ㄑ缎幸，它之所以成为一个杰出的成长型行业，以及更早之前的远程电话行业，是由于你买了固定的分钟数，超出后按分钟计费，而人们极度喜欢和亲朋老友通话。这就是为什么电信已经是一个杰出的成长型行业。我们此刻在从"无限量套餐"转向"基于用量、超额按量计费"的模式，并且我们发现，人们愿意为此支付的上限远远超出设想。所以我以为会有大量的出产力开释。亚历克斯说的话让我深受触动：全球只有极度之一的人在以应有的方式使用这些模型，我们却已经面对疯狂的欠缺，只管累计已经投入了数万亿美元。比及全球5%的人丁都像这最前沿的极度之一那样使用这些模型，会产生什么？那是不能思议的。这也是为什么轨路算力是必然的选择；氐侥愕木咛逦侍猓河腥嗽赬上发帖说，编程可能是通往ASI和AGI最短的蹊径，由于若是你能写代码来实现任何事件，并且是为自己写——那是通往AGI极度直接、优雅的蹊径。我以为，编程也许不只是AI的"杀手级利用"，它最终会成为"终极AI利用"，不休地将更多领域纳入其中。我也想激励各人去用一用Claude Code——即便你不是法式员，用它来问投资问题，也会得到比通常模型更好的答案。贾斯： 感激。你谈到了硅和芯片端的进展，你当然在英伟达上极度早——你说你2000年就和黄仁勋有接触，更不用说2023年ChatGPT时刻到来的时辰了。竞争在到来，他仍将主导市场，但竞争确切实来。当你审视Trainium、TPU、NTIA（自界说芯片），哪一个是市场最低估的？市场共识在哪里判断错了？加文： Trainium被低估的水平远超其他。Trainium对2026年的意思，尤其是今年下半年Trainium 3真正放量之后，就如同TPU对2025年的意思一样。若是有人今天非？春肨PU，不妨去翻一翻他们的13F，看他们有没有持仓Lumentum或Celestica——那是投资TPU最好的两个标的。我持有了其中一个，所以我感触我说这话是有底气的。我的确以为谷歌在TPU V8的设计上做出了极度守旧的选择，而英伟达和Trainium做出了极度激进的选择。所以Trainium无疑是最被低估的。原因不仅仅在于设计选择，还由于：所有这些前沿模型都是所谓的"混合专家（MoE）模型"。在推理这类模型时——不说太技术性的细节——你必要一种叫做"互换式扩大网络"（switched scaleup network）的器材。而目前全球只有两套职能齐全的互换式扩大网络：一套支持英伟达的GPU，另一套支持亚马逊的Trainium。这也是为什么——谷歌发了然MLPerf基准测试，但他们不提交自家的TPU来接受这个他们自己发现的测试——你能显著感触到这件事让黄仁勋极度抓狂。当然，TPU是一块很棒的芯片，我相信TPU V9会极度杰出，他们下一代会做出更激进的选择。我从不赌谷歌输，也从不打赌通输，但我的确以为Trainium此刻是最被低估的。贾斯： 好，我想切换一个话题，这其实也是我们最初在2022年，而后2023年成立联系的原因——新兴云（Neoclouds）。2023年夏天，你在度假，我打电话去打搅你，是关于一家叫CoreWeave的公司，向你追求建议和定见。最终这促成我们在一个极度关键的时刻向CoreWeave投入了75亿美元来支吃熹扩张。首先，感激你。时至今日，CoreWeave、Crusoe、Nebius、Lambda等等——这个赛路今天是悠久性的吗？还是说它只是一个短暂的套利机遇，利用的是超大规模云服务商的本钱支出节拍和token摩擦？加文： 我坚信这是悠久性的。首先，CoreWeave对我来说有点伤感。阿特里德斯正本能够在10亿估值的那轮投入超过5000万美元，但我由于Crusoe而存在利益矛盾，被排除在表了。我爱Crusoe，我以为Crusoe会成功，我们也持有大量Crusoe仓位。但每次想到其时本能够在10亿估值时投进5000万，我就有点难过。不外我很欣喜你们投了75亿。贾斯： 是的。加文： 这绝对是一个悠久性的赛路。理解若何运营这些集群，就像驾驶一级方程式赛车？碏1角逐的时辰，感触如同任何人都能做到。就像看汤姆·布雷迪打球，你会想：他为什么漏掉那次传球？由于他置身于一个10万人呐喊的运动场，一群体沉比他沉100磅、时速20英里的人在向他冲来，要在他出手之前把他撂倒。F1也是一样，看起来容易，做起来极难。若是我开上F1赛车去参与角逐，我会直接死掉，我会中伤自己，中伤所有人，蕴含看台上的观多。运营一个集群就是这个路理——真的极度难做好。CoreWeave之所以能以大幅溢价销售其GPU算时，原因在于：并非所有GPU算时都是一样的。CoreWeave的GPU每幼时均匀利用率，比底部水准的供给商逾越两到三倍。这一点同样合用于Crusoe、Nebius以及其他高质量的新兴云服务商。我以为这一点被严沉低估了。好多人说，这不成能是悠久的竞争优势。我在2005年做零售业分析师时已经观察到：在美国，要打造一家500亿市值的零售商，你只必要能在50个州、各类气象和消费偏好的环境下，运营1000家门店，维持员工敦睦且专业、不偷窃，库存当令适量，价值合理，店面干净明亮。就这些。但整个汗青上，能做到这所有的公司寥若晨星，运营这些集群甚至更难。所以我以为这个赛路是悠久的。持久以来，超大规模云服务商的思想停顿在成本层面，他们与那些驾驶F1赛车的玩家竞争，用的却是夜班司机开十八轮卡车的方式，钻营的是最低成本。但那不是AI的逻辑。我以为他们此刻已经实现了这种思想和文化上的转变，但部门新兴云服务商已经成立起了极度悠久的贸易模式。贾斯： 我们很认同这个判断。你刚才其实已经提到了一个话题——轨路算力。我们不筹算深刻讲科学道理，有关论文都能够在网上找到，用你喜欢的大模型去提炼提要就好。我想问两个问题：第一，轨路算力何时可能贸易化并获得有意思的市场份额？第二，从你的视角来看，市场上最被低估的"做空标的"是什么——那些尚未被定价的风险？是陆地数据中心运营商吗？若是是的话，贝莱德就麻烦大了；故撬涤衅渌较？加文：我以为在未来两年内，轨路算力可行且经济的可能性就会变得爽朗。真正起头获取有意思的市场份额，我以为是这个十岁暮。我的确以为，可能有一天我们不再新建地面数据中心。但已经建成并投入运行的地面数据中心将始终有其价值——训练和强化进建会在地面数据中心实现。我无法设想在未来七年内有哪一天，我们齐全终场建设地面数据中心。而在此之前的过渡年份，对于电力冷却领域的很多公司而言——那些工衣粪企业，大幅扩张了产能来支持这场建设热潮——将会极度疾苦。这场热潮可能会戛然而止。在太空中，能源来自太阳，冷却来自卫星的背阳面。我不能说具体是哪些公司，但若是你看过某家潜在轨路算力供给商的卫星设计概想图，会看到散热器长达三四百英尺，位于卫星后方的太阳同步轨路阴影处。你有巨大的太阳能翼板，而后是卫星本体——它不是数据中心，它就是一个机架：八英尺高、两英尺半宽、四英尺深——这些机架通过激光相互衔接，组成一个虚构数据中心，散热器就悬挂在机架背后的阴影之中。贾斯： 加文，我们聊了极度多，极度感激你，这场对话杰出至极，感激你愿意来。加文： 感激，感激各人。