当前这个时代有了很多新的变化。Thinking Machines Lab，用仅仅半年多的时间就能from scratch 训练了1T参数量级别的开源大模型，直接就到了opus 4.6级别，——当然参考了同为开源模型deepseek的架构设计并且大规模蒸馏了kimi作为合成数据——，而在此模型发布之前，这个实验室被普遍认为是一群frontier lab的失意者，跟不上大模型节奏，只能用qwen跑跑rl、opd然后写两篇lora without regret，on-policy distillation之类的blog，然后再发布一些显得不合时宜交互toy model。

认准方向后半年的时间足够追赶，借助于（特别是咱们中国的）开源模型东风，熟悉训练流程、架构设计、infra、data有经验的ai researchers，从NVDA弄来足够的计算资源，——这一切似乎不是thinking machines lab所独有。

这大概率会带来示范效应，即大厂和frontier labs不满足于仅仅受制于两家闭源模型，特别是大模型最近趋势又再次越来越偏离通用性，走向专用coding & agent主导。于是，随着这些（现在看似稀缺但用量不断上升）experienced ai researchers 持续扩散，所以理论上全世界任何一个有同样规模的实验室都可以训练几T级别的大模型，这对计算资源的需求会更进一步增加，保守估计五年内，新增的frontier lab，美国有50家+中国和欧洲等地区50家，相当于现在增长了10倍之多，带来计算资源需求必然会同样增长。

按照这种估计，当前NVDA估值是5万亿，所以可以预见五年后市值大概是50万亿美元。老董认为，如果我们十四亿人，每个人十万美元专门贷款炒股，共计140万亿美元，五年后就变成了1400万亿美元，收益1260万亿美元，扣除贷款利息和正常损耗，保守估计收益1000万亿美元，每年给国家带来净收入200万亿美元，——这就是计划经济的伟力所在。

当然了，这都是老董叔一些非常浅显的个人拙见，欢迎大家积极雅正。