我從史丹佛 CS153 學到的事：AI 的瓶頸到底在哪裡？
這堂被戲稱為「AI Coachella」的課，可能是目前全世界最搶手的一堂課。
史丹佛有一堂課叫 CS153: Frontier Systems，由 Anj（AnMA）和 Mike 共同授課。四年前只有 50 個學生，現在暴增到 500 人，候補名單還排了 50 個，線上追蹤的有好幾千。
這堂課的講者陣容包括 Jensen Huang、Lisa Su、Satya Nadella、Sam Altman，以及 ChatGPT 的共同創造者 Liam Fedis。Twitter 上有人發了一條爆紅推文說「小心那些聽起來像 AI Coachella 的課」，Anj 的回應是：「我覺得 AI Coachella 這個名字挺好的。」
但這堂課講的東西，遠比表面看起來嚴肅得多。
一個很簡單的配方，改變了一切
Anj 四年前接到朋友 Dario 和 Tom 的電話。他們當時在 OpenAI 做研究，想離開自立門戶，問 Anj 能不能幫忙把技術變成生意。
他們想出的配方極度簡單：募資、買 compute、拿 data 來訓練、推出一個夠好的 model、部署做 inference、收錢。收到的錢拿去買更多 compute，同時從用戶的使用行為中收集 context feedback，再透過 reinforcement learning 反覆改善模型。
就這樣 Anj 幫 Anthropic 做了 22 次引薦，找了 Sand Hill Road 上所有他認識的 VC，被拒絕 21 個。理由都差不多：「理論上聽起來很酷，但你有證據嗎？」
四年後，Anthropic 營收從零做到 200 億美元。OpenAI 更不用說。證據已經壓倒性地出現了。
所以現在的問題變成：誰會贏？
如果每個人都在跑同一套 scaling 配方，那價值最終會停在哪裡？
Anj 的觀察是：Context 決定勝負。
他用了一個很好懂的比喻。你在公園裡訓練你的狗撿球。那個公園就是 context。公園裡跑來跑去的小孩、草地的濕滑程度、突然下起的雨，這些環境因素全部都會影響你的狗學得多快、學得多好。
AI model 也一樣。一個 coding agent 之所以進步這麼快，是因為 code 的 context 天生容易驗證。你寫了一段程式，跑 unit test，過就是過，不過就是不過。Model 可以從每一次成功和失敗中精確學習。
但寫作呢？美學呢？愛情呢？這些東西要怎麼驗證？你沒辦法對一篇散文跑 unit test。
Anj 自己就有親身體驗。他三週前寫了一篇關於 infrastructure 的文章，自己先打了大綱，然後讓 Claude 幫忙擴寫。他把初稿傳給一個創辦人朋友看，對方 30 秒後回：「你是不是用 Claude 寫的？」
一眼就被看穿了。
從那之後，AMP 內部有一條規則：不互傳 AI 生成的文件。要寫就自己寫，再粗糙都沒關係。
Context War 已經開打
Anj 舉了一個很具體的例子。大約一年前 OpenAI 宣布要收購 IDE 工具 Windsurf。幾天後，Anthropic 直接切斷了 Windsurf 用戶的 model API 存取。
在這個行業裡，你幾乎不會在沒有預警的情況下關掉 API。但從 context 的邏輯來看，這完全合理。如果你的競爭對手透過你的 model 來服務用戶，他等於在蒐集你的 context，然後用你自己的資料來打你。這就是 context leakage。
這場戰爭正在經濟的每一層展開。消費者、創作者、企業、國家，全部都在搶 context feedback loop。
主權 AI：為什麼法國總統站在 Jensen 旁邊
Anj 花了不少時間講 Mistral 的故事。這家歐洲的 AI lab 是由 Llama 和 Chinchilla 的共同創造者成立的。他們的邏輯很清楚：一般的 coding context，你丟到 cloud 上跑沒什麼問題。但如果是國防記錄、政府資料這種東西，你不可能把它送到美國的伺服器上。
為什麼？因為 Cloud Act。這個法案規定，只要你的 workload 跑在美國公司的伺服器上，無論伺服器實際放在地球上哪個角落，美國政府都有權存取那些資料。
對很多國家來說，這完全不能接受。
這就是為什麼 Macron 會跟 Jensen 站在同一個舞台上，旁邊放一個 33 歲、從來沒經營過企業的科學家（Arthur Mench），然後跟全世界說這是歐洲的未來。因為他們需要的是能跑在自己土地上、自己控制的 model。
過去 15 年，cloud infrastructure 的歷史基本上就是 marginal cost 一路往下掉。Amazon 和 Google 自己用的伺服器太多了，多加一台的成本微乎其微，乾脆租給別人。這就是 AWS、GCP、Azure 的誕生。
但 AI 打破了這個假設。當 workload 變成 mission-critical，當 RL 在敏感 context 中開始精準運作，「一切都丟到 cloud 上就好」這個想法就破功了。
Compute 從來就不是大宗商品
這是 Anj 花最多時間強調的一點，也是我覺得最反直覺的。
整個行業過去建立在一個基本假設上：晶片是大宗商品，就像電力一樣，老晶片會折舊，新晶片會更便宜。但真實的數據說了一個完全不同的故事。
H100 是一顆已經問世超過兩年的晶片。按照常理，它的租賃價格應該一路往下掉。結果呢？過去 90 天，價格穩定上漲。
Anj 說他當天早上收到一個融了將近十億美元的創辦人的訊息：「我們遇到 compute 危機，需要 H100，馬上，多少都行，價格不是問題。」
他的評語是：「現在是當 dealer 的好時機。」全場笑翻。
更關鍵的是，compute 完全不具備 fungibility（可替代性）。H100、GB200、B300，同一家 Nvidia 出的晶片，彼此之間都不能直接互換。你不能像插電一樣，把一顆晶片拔掉換另一顆上去就繼續跑。
再加上需求極度難預測。Training 是 spiky 的，一個團隊可能花好幾個月在小規模上試演算法，突然間需要十萬顆 GPU 做 hero run。Inference 是 cyclical 的，美國白天流量暴增，晚上幾乎歸零。
結果就是：AI 產業最核心的生產要素，既不可替代、也無法穩定預測。
歷史不會重複，但會押韻
Anj 拉出了一系列歷史圖表。鋼鐵、光纖、DRAM、航運、鈾。每一個新的 general purpose technology 出現時，都會經歷幾乎一模一樣的週期：
1. 新技術出現，大家開始囤積核心資源
2. 價格飆升
3. 某個觸發事件引發恐慌（通常不是什麼大事，但足以引爆情緒）
4. 價格崩盤，一片混亂
5. 社會最終搞清楚這個資源的真實價值
6. 透過標準化和制度建設，實現穩定生產和消費
鋼鐵花了大約 28 年走完這個週期。光纖大約 3 年。半導體（DRAM）經歷了多輪暴力震盪。
每一次，最後都需要兩樣東西來穩定：標準（AC/DC、TCP/IP）和制度（來強制執行這些標準）。因為人類在足夠大的規模上必然會出現利益衝突，需要有人來協調。
Anj 的判斷是：我們正處在 compute 的「標準化前時代」。就像 1886 年的鐵路、1907 年的電氣化、後來的電話和航空一樣。
這一切跟你有什麼關係？
五大科技公司未來幾年宣布的 capex 總計超過 1.2 兆美元。他們在做一筆很直接的交易：把一美元的硬體資產（土地、電力、伺服器）轉化成一美元的軟體營收。硬體資產在金融市場通常以 3 到 4 倍營收交易，軟體營收以 30 到 40 倍交易。產出的價值大約是投入的 10 倍。
而且這個轉化是可預測的。Anthropic 的營收跟 compute 上線之間有非常清楚的相關性，每次新 compute 上線後大約 60 到 90 天，就會有一次能力跳升和營收跳升。
Claude Code 在 GitHub 上的 commit 趨勢也完美吻合 compute 建設的曲線。這些數據說的是同一件事：scaling 是 real 的，而且目前沒有看到停下來的跡象。
Anj 留下的兩個問題
在講座最後，Anj 留了兩個問題給學生，我覺得值得每個關注這個領域的人想一想：
第一，要讓 compute 在未來幾年和平過渡，需要什麼條件？ 我們能不能跳過那個 boom-bust 的劇烈震盪，直接找到穩定的生產和分配方式？
第二，你在這裡面扮演什麼角色？ 你能做什麼？你理解什麼別人不理解的 context？你有什麼獨特的 domain knowledge，是目前還沒有被 AI 觸及的？
我覺得第二個問題特別值得想。Anj 反覆強調的一點是：在你獨特理解且能可靠驗證的領域裡，你擁有連最大的 AI lab 都沒有的優勢。他的原話是，當他考慮投資或共同創辦一家公司時，他找的就是這個：這個團隊能為人類驗證什麼獨特的前沿？
其他一些碎片但有意思的東西
∙ Anj 跟 3Blue1Brown 的 Grant Sanderson 是大學室友。Grant 剛好在這堂課前兩天住在他家，兩人聊到半夜，討論怎麼用 AI 做出真正世界級的教育內容。
∙ Anj 最大的大學遺憾是從來沒去過 Coachella，他太忙了。
∙ 他大二時認識了太太 Viv，在一起 13 年。他開的兩家公司都是跟史丹佛時期的室友一起創的。
∙ RTX 5090 的價格在過去 18 個月也在瘋漲。去年 Jensen 來班上的時候簽名送了 5 張，今年 Anj 說他不太好意思再開口要了。
這篇文章整理自 Stanford CS153 Spring 2026 的內容。講座影片可在 YouTube 上找到。