SpaceX启动史上最大规模IPO｜OpenAI提交上市申请｜Uber裁撤23% HR
摘要
SpaceX以每股135美元启动750亿美元IPO，对应约1.8万亿美元估值——定价发现被Elon的信念取代。 在认购簿仅获2倍覆盖、远低于传统8–10倍目标的情况下，Jason Lemkin预计结果“名义上……会很差”，Rory O’Driscoll则认为首日下跌、平盘或由散户推动上涨的概率相当。展望未来12个月，Rory预计估值将重新主导定价，即使最终达到1万亿美元，也仍会是非凡结果。
SpaceX平淡上市对SpaceX自身的影响，可能小于它对随后借助公开市场融资的资本密集型公司的影响。 Jason认为，这可能压制OpenAI的估值或融资野心；而拿到历史性分配的LP可能开始要求基金取得常规的7–8倍回报，并认定“50亿至80亿美元的小IPO”已不足以改变结果。Rory的反驳是：万亿美元级结果不能成为运营假设，基金规模决定所需退出规模。
产品终点是持久化AI，而不是再开一个浏览器标签页；Dreaming V3的记忆升级，既改善体验，也优化token经济性。 Jason预计，今天这种非持久化AI在两年内会显得“几乎过时”；Rory认为，记忆功能既能带来更好的回答，也能避免反复传输完整上下文。因此，Apple采用Google驱动的AI更多是务实选择，而非投降：“对我们Apple来说，重要的是交付惊艳的体验”，利用手机、日历和个人上下文与OpenAI竞争。
AI最清晰的劳动力信号，不是Uber裁掉23%的HR，而是初创公司开始围绕远高于过去的单员工收入来设计组织。 讨论中，Lovable的ARR达到5亿美元，员工规模示例约为172人；Rory预计初创公司规模将缩减至过去约一半，并以每名员工至少创造100万美元收入为目标。但Rory的限定条件至关重要：如果企业将收入的50–70%用于模型“智能”，就不可能同时维持传统劳动力配比；而企业销售仍需要比PLG更多的人。
Jason认为，Elon的AI战略是在极短时间内把昂贵产能转化为纵向连接的算力与应用栈。 在收入尚未形成前投入估计200亿至300亿美元、建设Colossus和Colossus 2、模型最初失利后，Elon据称获得了Anthropic和Google每月约20亿美元的算力收入，并加入Cursor消化产能。“他是不是在3个月内把一笔亏损变成了胜利？”
创始人反VC情绪背后确有真实的个人创伤，但嘉宾不接受把普通融资拒绝变成永久怨恨。 Jason的直接说法是“想开点，因为这就是销售”，但他区分了被拒绝和被解雇；Rory则反驳称，创始人出售的是自己，而不只是产品，同时VC在结构上每100个机会会拒绝99个。Cloudflare与Vinod Khosla的争议，体现了直接评估团队与造成不必要伤害之间的张力。
只要资本仍然敢于承担风险，Ramp、Revolut、Suno和Bending Spoons都可以凭借持续执行获得高估值。 Ramp的440亿美元融资建立在增长延续的前提上；Revolut的1150亿美元价格依赖经增长调整后的金融服务经济学；Jason认为Suno很有用，但“很脆弱”；Bending Spoons则通过削减成本和提价，把被收购产品的客户惯性转化为现金。Rory对周期的总结是：“只要人们不害怕，市场总有钱。”
Databricks可以因为资本需求可控而继续保持私有，但基础模型市场无法无限推迟结构性清算。 Microsoft新模型无法联网，引发了即使是现有巨头也未必能追上Anthropic速度的疑问；Rory则追问，两年后市场会变成“寡头垄断”，还是仍保有4到5家可信供应商。非中国的美国开源模型之所以重要，是因为模型集中度决定整个AI栈的定价权。
精读
1. SpaceX的固定价IPO放弃传统的首日上涨机制
周二录制时，Elon已经选定每股135美元的发行价，SpaceX估值接近1.8万亿美元，并计划募资750亿美元。Rory对此的描述是：“我们不做价格发现。我告诉你答案是什么”，投资者只需决定买多少。
Jason认为认购簿只有2倍覆盖，较传统的8–10倍目标明显偏弱；但Rory指出，在750亿美元的募资规模上实现10倍需求本就异常困难。固定定价也拿掉了投行通常用来制造10–15%开盘涨幅的末端需求信息。
因此，Rory认为首日低开的“非微小概率”存在，但并未声称自己举例的30%跌幅可以被准确预测。Jason的条件判断是，尤其在30%股份分配给散户的情况下，首周表现可能沉闷，随后每当发射、卫星或与收入挂钩的公告重新点燃热情，股价就会“不可阻挡地上涨”。
2. 中期估值比首日表象更重要
Rory拒绝让交易机制掩盖这项成就：SpaceX是“这一代人的标志性公司”，是一家非凡的技术企业，也是“只有美国才能发生的时刻”。他对估值的怀疑，与他对其所需资本、风险承受力、市场深度和执行能力的钦佩并不冲突。
Harry要求给出收盘价；Rory认为首日下跌、平盘和上涨各有三分之一概率，因为交易机制本身提供的信息很少。他对未来12个月的判断更明确，也更偏空：按约70倍远期销售额估值，他怀疑SpaceX还能维持1.7万亿美元，但同时强调，1万亿美元仍然会是“巨大的胜利”。
Jason指出，Facebook和Google上市时也是“无声无息”，并未损害它们最终的结果。SpaceX仍将创造一代人的财富和流动性；真正更容易受影响的追随者可能是OpenAI——在首发疲弱后，它激进的资本需求可能面对更低估值或更小规模的融资。
Jason提到，他接触到的LP已经提出7–8倍基金回报预期，并开始质疑50亿至80亿美元IPO在数学上是否还成立。Rory拒绝把SpaceX这一孤立结果外推为新常态，并对比了SpaceX在2008年的投资年份与Mercer可能在3年前开出的种子支票：万亿美元级退出确实稀有，但所需退出规模取决于基金大小，而不是某个新的普遍基准。
3. SpaceX的流动性会鼓舞LP，但不会改变VC算术
Harry问，SpaceX的分配是否会推动更多直接投资和更大规模基金承诺。Rory同意，拿到钱的人自然会追逐下一个机会，但称这只是从“绝对回报最高的风险投资交易”外推出来的结论。
重点机构赢家是Ontario Teachers，而不是Harry最初提到的“Ohio Teachers”。Rory还回忆起《华尔街日报》关于Washington University的报道：SpaceX分配额约占其捐赠基金的10–15%，显示出这笔回报的集中度和规模。
Rory引用老的“VC傲慢指数”作为核心约束：基金越大，就需要越大的公司才能实现基金回报。80亿美元的退出足以让规模较小的基金“高兴得不得了”；只有当基金本身接近100亿美元时，这个退出才会显得不够。
4. OpenAI提交文件保留选择权，AI正在走向持久化
Jason的问题是，OpenAI既然对时间表保持模糊，为什么还要提交上市文件。Rory将其理解为迟来的预期管理：释放准备上市的信号，但不承诺11月上市，避免任何普通延误演变成一连串“到底发生了什么？”的报道。
在公开表述的保留意见背后，Rory预计财务和法务团队听到的真实指令会是：“尽快把这件事办完，这样我们就拥有最大的选择权。”SpaceX异常迅速的SEC流程也强化了他的判断：在市场仍处于风险偏好状态时，多家资本密集型公司都在“冲向上市大门”。
Harry将Dreaming V3描述为OpenAI自上线以来最大的记忆架构升级。Jason认为，AI主要存在于浏览器中的状态已经显得过时，并预计两年内非持久化交互会变得“几乎古老”；与此同时，有限的IT预算仍会迫使企业严格控制token消耗。
Rory把记忆功能放进更大的模型“工具链”里理解：持久化上下文应该改善回答质量并降低成本，因为系统不必每次都把所有内容重新传给前沿模型。他还开玩笑说，研究了58期节目之后，OpenAI应该知道他大概率还会回来做更多20VC研究。
5. Apple的分发能力可能比拥有模型更重要
Jason认为Apple与Google的合作等同于部分放弃；Rory不同意。Apple可能向Google支付约10亿美元购买模型，但同时从默认搜索中获得200亿美元，这意味着AI支出只是一个小额抵消，而非战略投降。
Rory承认Apple没有自己的模型是“搞砸了”，但他认为，掌握手机控制权能提供比独立订阅更丰富的上下文——身份、日历、历史和意图。如果外部模型能修好Siri，只要最终体验继续推动用户购买设备，这就是进步。
Rory借用Ben Thompson的框架，区分了企业生产力和消费者休闲：“消费者不想工作。”Anthropic押注企业，适合自动化和效率提升；OpenAI的消费者定位则必须与Apple和Google竞争愉悦体验，因为用户很多时候想要的是放松，而不是复杂研究。
6. Uber的HR裁员是嘈杂的AI信号，Robotaxi才是更大的赌注
Harry强调Uber裁撤23%的HR、恢复每周3天到办公室的要求，同时否认这与AI有关，尽管95%的工程师都在使用AI。Jason区分了招聘职能与其他HR职能：招聘在增长失速时通常最先被削减，而他认为AI可以更全面地管理其他HR工作，有时也能减少偏见。
Jason提出的“AI HR副总裁”可以处理每一项工作成果、投诉和模式，而不是依赖片面的人工视角；它甚至可能得出结论：“也许你的老板确实是个蠢货。”但他明确表示，这不等于主张移除所有人，也不认为Uber全部裁员都由自动化造成。
Rory怀疑非工程岗位的AI采用率是否足以单独带来23%的节省。他把这次裁员视为争议区间中的一个数据点——5%、10%或Dario所说的50%——即自动化知识工作任务与消灭完整岗位之间的差距；普通的人员过剩也可能混杂其中。
对Uber而言，更重要的信号是它正在马德里与一家Rory认为可能是WeRide的合作伙伴测试Robotaxi。自动驾驶的发展远慢于此前预期的连锁反应，这给了Uber时间，把Robotaxi从生存威胁变成通过消费者已经在使用的App来调度的车队供给。
7. Revolut的1150亿美元估值反过来证明传统银行的失败
Harry将Revolut的1150亿美元估值视为欧洲的反击。Rory认可这家公司，但认为它的机会来自“肥胖、愚钝、心满意足”的欧洲银行——尤其是传统外汇和跨境收费长期攫取过高利润，而Revolut可以将其价格打下来。
同样的框架也解释了New Bank对低效巴西传统银行的机会，以及Chime在效率更高的美国市场上约50亿美元的估值。在Rory看来，金融科技公司的结果取决于传统服务商过去的定价有多么“过分”。
Rory对长期结果的保留意见涉及系统层面：一家几乎不做长期放贷、却按市值成为最大银行的公司，商业上可能非常出色，但没有履行银行最核心的经济功能——把储蓄重新配置为信贷。鉴于Revolut目前的执行仍然出色，他暂时搁置了这一担忧。
8. 融资痛苦具有个人性质，但被拒绝才是VC常态
Jason承认，创始人时期的一些怠慢“真的让他很受伤”，包括投资人反复利用他去给竞争对手做尽调。他如今的建议是，仍然去参加那场会，并进行“反向情报收集”，因为创始人会记仇，而VC错过一笔交易后只是继续寻找下一辆车。
他更强硬的结论是：“想开点，因为这就是销售。”承诺购买的客户可以无视28封邮件和87条短信，投资人同样可以放弃买入一只股票；他认为需要区别对待的怨恨是被解雇，并以Uber前高管对Benchmark的愤怒为例，称那种愤怒可以理解。
Rory的反驳值得保留：创始人出售的是自我，而不是一辆Ford汽车，因此被拒绝会直击个人。但一家VC机构大约会拒绝审阅过的100家公司中的99家，就像谨慎的银行会拒绝6个借款人中的5个；当“拒绝”本身就是默认产品时，获得高满意度在结构上就很难。
Harry认为，最好的报复是忘记拒绝过你的人曾经存在过，尤其是当他们日后回头时。Rory承认，厚脸皮会逐渐形成，但他仍清楚记得自己第一次独立募资时，在2008年11月金融危机前后将时间点定错，并在1小时内收到3个LP拒绝。
9. Cloudflare争议说明直接建议如何变成持久伤害
在流传的Cloudflare故事中，Jason理解Vinod Khosla的建议是让Michelle和CTO离开并重新分配股份，而不是偷走股份。Jason不会提出这种建议，尤其不会在路演过程中提出，但他理解投资人有时看到的底层问题：创始团队能力不均衡。
Rory强调最终结果：无论Cloudflare当时拥有的是什么，“一点都不应该被动”。他还指出，Khosla否认这段对话发生过；一位极其成功、异常直接的投资人，可能选择一次直白的谈话，而不是用3次更有分寸的会面来减少伤害。
Khosla曾因Juniper登上Midas List，30年后又因OpenAI登榜；整体能力与一次冒犯性的个人会面可以同时存在。Rory的标准既不是否认，也不是永久谴责：承认每年数百次拒绝中不可避免会出现失误，错了就道歉，然后继续前进。
10. Lovable把单员工收入变成战略选择
讨论中，Lovable的ARR达到5亿美元，员工规模示例约为172人；Cursor达到40亿美元，并计划在年底前达到60亿美元。Jason认为，尚未解决的问题是：AI初创公司能否在1亿美元、5亿美元和10亿美元收入阶段保持精简，还是最终会“重新变胖”，建立层层叠叠的组织。
他拒绝把这些公司视为无足轻重的单一产品：编程平台同时提供数据库、托管、管理、SEO和持续不断的新功能，所处赛道竞争极其激烈。这种生产力让他“有点看不起那些需要变胖的初创公司”：如果高管还要求增加50–100人或追加1000万至4000万美元预算，很多时候应该直接离开。
Rory的限定是经济性的，而不是文化性的。一家公司如果将收入的50–70%用于购买Anthropic或OpenAI的智能，就不可能再把同样比例用于员工；token和模型智能改变了劳动力结构，让小团队获得异常高的杠杆、薪酬和人均收入。
PLG可以保持精简，因为“人要么在做东西，要么在卖东西”；Rory认为，企业分销通常需要更大的销售团队。他和Jason讨论了新公司是否会重新打造Oracle级别的销售组织：Replit正在招聘250名销售人员，Lovable则没有；Rory称，一些创始人可能愿意牺牲边际收入，换取2到5倍的效率。Jason同意平均效率会改善，但不接受企业销售可以由147人完成。
11. AI成本结构让新旧人均收入无法直接比较
Harry将每名员工超过300万美元的ARR与Salesforce接近35万美元的人均收入进行对比。Jason随后指出，Salesforce几乎不需要支付token成本——按他的示例约占收入的1%——而Replit这样的公司即使每人创造230万美元收入，也可能将收入约70%花在模型智能上。
Rory称，如今创始人的目标是每名员工至少创造100万美元收入，理想状态是200万美元，并建立由少量卓越同事组成的小团队。他的方向性预测是，初创公司，包括B2B企业，将以约一半于历史水平的员工数量实现相当的收入。
Jason完全接受这一逻辑：如果AI最终通过增强人类创造1万亿美元收入，那么对应的效率必然体现为每单位工作所需的人数减少。“如果销售AI的人都无法高效使用AI，那其他人还有什么机会？”
12. Jason称Elon将AI产能转化为算力与Cursor组合
Jason认为，收购Cursor在每个维度上都很聪明。在约24个月里，Elon从零起步建设Colossus和Colossus 2，经历模型失败，但仍因相信AI是值得押注的趋势，在收入形成前投入估计200亿至300亿美元。
这笔赌注据称让他在竞争对手恰好需要算力时拥有了数吉瓦产能。Jason提到，Anthropic和Google每月贡献约20亿美元、年化240亿美元；而Cursor目标达到60亿美元的业务，则可以为这些服务器提供额外的下游需求。
Jason的区分仍然明确：这并不能证明Elon拥有一个成功的基础模型，只是让他成为“一个更好的CoreWeave”，并拥有异常便宜的资本。但叙事已经从1月1日的闲置数据中心，转变为6月9日的大型外包算力业务和自有应用需求。
13. 风险偏好资本奖励增长，也惩罚小幅失误
Ramp融资7.5亿美元，估值达到440亿美元，此前收入增长至3倍、ARR突破10亿美元，并实现自由现金流为正。Jason估算，如果收入接近12.5亿美元，对应的收入倍数为30–40倍：只要增长延续就合理，但若降至“正常化增长”，这一估值便无法自洽。
Revolut同样报告约45亿美元收入和15亿美元经营利润，但普通银行的交易估值更接近12倍市盈率，而不是40–50倍。面对“科技公司还是金融服务公司倍数？”的问题，Jason的答案是：以金融服务经济学为基础，再针对非凡增长进行上调。
Suno融资4亿美元，估值54亿美元，是6个月前的2倍。Jason每月支付15–20美元，但可能只用它创作3首歌；这让产品显得令人印象深刻，却也“很脆弱”，他还看不到其走向隐含200亿美元结果的路径。
Rory认为，资金来源于心理状态：“只要人们不害怕，市场总有钱。”Jason提醒，1到100倍的增长叙事仍然会撞上GDP；Rory又补充了人性和Minsky式过度扩张。Broadcom给出的芯片指引为160亿美元，低于市场预期的172亿美元，并帮助触发了市场回调。
14. Bending Spoons变现的是惯性，而非纯粹的自然增长
Bending Spoons以约200亿美元估值提交上市文件，收入约13亿美元，此前收购了Evernote、Vimeo、WeTransfer、AOL和Eventbrite。Jason欣赏这一策略，并开玩笑说，如果AOL成为下一个热门产品，“这些人就是他妈的天才”。
Rory的进一步解读给出了不同的 turnaround 定义：砍掉低回报的收购支出、缩减团队、集中产品功能，并激进提价。以某个示例产品为例，提价80%可能流失10–20%的用户，但只要保留足够多深度嵌入的客户，收入和现金流仍可能扩大。
据称，Evernote平均价格从每年75美元涨到250美元；AOL是最纯粹的惯性资产，因为“还没从AOL流失的人，现在不会流失，直到死。”Rory认为，这套打法像面向消费者的Vista或Thoma Bravo：盈利能力很强，但如果增长主要来自收购，就未必值得15–20倍收入估值。
如果收购目标仍然买得起，且这套执行可以在“800家独角兽”中重复，Jason并不太在意自然增长这个标签。他也认可创始人信中做出的区分：发现产品市场契合包含运气，而在契合之后运营被收购产品，则可能变成可重复的机器。
15. Databricks可以等待，但模型市场结构不能等待
Databricks选择以1650亿美元估值再融资一轮，高于年初的1340亿美元。Rory将IPO决策归结为3个需求：资本、收购货币或股东流动性；他认为，一家不需要基础模型级别支出的软件公司，在融资条件更便宜、负担更轻时可以继续保持私有。
他通常会倾向于让公司在收入达到40亿至50亿美元时上市，但当前私募投资人给Databricks的增长倍数高于公开市场给Snowflake的估值。考虑到SpaceX和两家模型供应商正在挤占上市日历，等待更干净的年份可能是理性选择。
Jason认为，Microsoft刚发布的新模型无法联网，这一点非常说明问题。即便这一缺陷符合某些使用场景，它仍让人回想起早期ChatGPT的知识过时时代，也挑战了这样一种假设：Microsoft、DeepSeek或开源模型可以自动跟上Anthropic的速度。
Harry认为，许多开源模型已经相距不远；Rory回应称，这些模型主要来自中国，而且部分供应商可能转向闭源。未来两年的关键问题是，Reflection AI、Poolside或其他美国替代者能否阻止OpenAI与Anthropic形成寡头垄断，从而维持定价压力以及Nebius所说的整个生态系统。