摘要

Elad认为，过去5年是一个万亿美元级异常期，Anthropic、OpenAI和SpaceX大致都从接近零跃升至1万亿美元。 这并不意味着新节奏已经形成：一家万亿美元公司可能需要500亿至1000亿美元收入和良好利润率，而他只能指出1家未具名的潜在竞争者可能在3至5年内达到这一门槛。
Sarah反驳称，投资者仍在低估AI市场扩张，把Harvey或Abridge按每名律师或医生估值，而不是追问结果定价究竟能释放多大空间。 编程已经显示，消费量和交付价值未来可能“从现在起增长100倍”（“a hundred X from here”）；Elad认可机会，但坚持认为投资者混淆了最终市场规模与建设实体产能、实现收入所需的速度。
Elad看到，一些最优秀的新创始人正在逃离野心：对新型实验室的恐惧正把他们推向小众AI、硬件或所谓实验室难以攻入的市场。 实验室确实会自然吞并部分产品，但不会全部吞并；同时避开这两类市场，等于放弃凭产品和分发取胜的机会。
Elad称，大多数公司至少都应考虑出售，且许多公司只有12至18个月的价值最大化窗口。 尽管Anthropic和OpenAI近期不应出售，董事会仍应每6个月重新讨论退出，因为“1年的AI时间相当于正常周期的3至4年”；创始人还要计算稀释、最终大概率约10倍或可能15倍的回报倍数，以及被困在一家已经失灵的公司中、耗掉5或6年黄金生产期的不可替代成本。
Sarah称，实验室内部弥漫着近乎躁狂的预期：编程可能在约6个月内或今年年底前基本被解决，随后在明年年底前后迎来“轻度RSI”。 她接受模型可以帮助改进训练，但不认同对时间表的信心：一些科学家过去5年里每隔18个月就预测一次递归自我改进拐点，而数据和实体算力仍是可信的瓶颈。
算力稀缺正在同时制造寡头格局和人的幂律分布：几十名研究员可能贡献约80%的成果，因此实验室日益按“投入Token的回报”分配稀缺算力。 这套逻辑也说明“软件即服务之死”被夸大了——企业可能把Token留给核心产品和大幅提升毛利率的项目，而不是重做便宜软件。
一种显著更好的架构可能出现，但Sarah预计，无论架构如何，行业都会耗尽所有可用算力和电力；Elad认为，高概率结果是突破会被现有实验室复制。 政策可能更快重绘地理版图：两人讨论了加州税收提案如何推动人才离开，以及德州如何吸引能源与硬件生态，因为那里更容易做实验。
Elad的广泛警告是，安全可能演变成监管俘获：高合规负担能够保护那些已经在内部以指数速度推进的实验室。 他的比较对象是核电——法国发电量约70%来自核电，美国为18%，日本为25%——他认为过度的安全政治压制了充沛能源；Sarah反驳称反应堆现在正在建设，Elad则回应：“我们没建多少。”

精读

1. 万亿美元爆发是异常，不是节奏

Elad的基准判断是，这是一个5年的估值异常期：Anthropic当时几乎不存在，OpenAI还停留在GPT-3早期，SpaceX的估值则是“80、100，差不多这个量级”。随后，3家公司大致从接近零走到1万亿美元，把历史上通常需要15至20年的成长过程压缩在了一起。
他的模型是“间断平衡”：技术带来一次“剑桥式爆发”，随后进入整合期，等待下一次突破。社交、SaaS、云、网络安全、加密货币以及一轮轮互联网周期都遵循这一节奏；AI还会出现更多波次，但部分整合者已经诞生。
Sarah的分歧在于想象力，而不是算术。投资者可能在认知上明白AI出售的是服务价值，却仍按席位、律师或医生为Harvey、Abridge定价，而不是建模结果定价能带来的收入空间；编程已经提供了可见证据，表明消费量和价值“从现在起还能增长100倍”。
Elad的区分经得住反驳：大量企业可以做到50亿至100亿美元收入，成为1000亿美元公司，但要达到1万亿美元，可能需要500亿至1000亿美元收入和良好利润率。能源和机器人最终或许能支撑这一规模，但实体占地和建设周期，使其在3至5年内达到这一门槛成为另一回事。

2. 对实验室的恐惧正在压低野心，也改变退出算术

Elad看到，优秀创始人正因为担心新型实验室进入自己的市场而退回细分领域：硬件、“American dynamism”、狭窄应用，或推理云本应提供的功能。有些市场会被吞并，但另一些市场可以凭产品和分发能力取胜；他担心的是最优秀创始人的趋势，而不是中位数创始人。
Sarah也对创始人野心下降感到失望，但指出两人的投资组合中都有挑战头部实验室核心前提的公司。分歧在程度：并非每个创始人都畏缩，但Elad认为，如今足够多的新一代顶尖创始人确实如此。
对于退出，Elad把Anthropic和OpenAI归为近期“绝不、绝不出售”的公司，把大多数其他公司归为应考虑出售、且可能只有12至18个月峰值价值窗口的公司。他提出的治理修正方案是每6个月预先安排一次非情绪化的董事会讨论，因为如今3年的AI变化已经相当于过去10年。
Sarah会追问，公司是否能在成本下降、能力提升的同时捕获价值，以及通过资本和算力竞争——她以Cursor为例——是否可能正处于价值最大化时点。她还认为，融资结构应匹配论题的时间跨度；二级交易可以解决短期需求，却解决不了底层问题。Elad预计估值还会涨1至2年，但称创始人应忽略投资者、媒体和Twitter上的叙事，直接算账：未来稀释、最终大概率约10倍或可能15倍的回报倍数、预期结果，以及投入的工作年限。私募市场可能在足够长时间内保持非理性，制造类似追加保证金的风险。

3. 递归自我改进可信，但倒计时不可信

Sarah称，实验室内部弥漫着近乎躁狂的预期：代码可能在约6个月内或今年年底前成为已解决问题，随后在明年年底前后出现“轻度RSI”，届时模型将自行完成大部分训练——大概率先从后训练开始，预训练可能随后跟上。
这一信念催生了Sarah所描述的残酷计算：有些人得出结论，认为自己每天应工作16小时，因为每过1周就相当于消耗剩余职业生涯约2%的生产时间。Elad认识某家头部实验室的人，他们甚至想过是否应在世界改变前先结婚；Sarah称这种心理“有点悲剧”，像是在决定如何度过人生最后2年。
Sarah认为，自我改进式训练是代码和数学进步的自然延伸，尤其适用于训练代码和数据管线。她保留的疑问在时间表：过去5年里，人们反复预测18个月后出现拐点，而在更难验证的领域收集数据、获得实体算力，可能比算法本身更能限制进展。

4. Token预算将暴露人类贡献中的幂律分布

实体算力设下的上限可能强制形成寡头格局：如果算力大致按比例分配给各大实验室，任何一家都无法无限加速。在约束解除前，即便各家的底层研究质量不同，竞争者也会被维持在更接近的位置。
Elad称，几十名研究员可能贡献实验室约80%的成果。因此，一些实验室放慢了研究员招聘，除非候选人达到极高门槛——原因不是薪资负担不起，而是每招1个人，就会消耗原本可以分配给更强想法的稀缺算力。
他正在形成的新指标是投入Token回报率，即ROIT。企业正在从“所有人都用AI，想做什么就做什么”，转向有计量的支出、更多采用开源部署，最终明确决定哪些人和项目值得获得远高于平均水平的Token预算。
这正是Elad认为“软件即服务之死”被夸大的原因：企业可能更愿意把Token投入核心产品或大幅提升毛利率，而不是替换便宜软件。Minecraft由大约5或10个人打造并以数十亿美元售出，说明极端杠杆早已存在；AI加速了这种杠杆，而被替代的工程师可以流向GE、PG&E、Hershey’s等企业。Elad称，即便这种替代发生，也很可能要等很多年。

5. 更好的架构可能更快扩散，而非更快颠覆行业

Sarah列出的潜在冲击包括：市场不接受债务与回报组合，导致投资者撤出资本开支；对现有模型或开源模型施加限制；以及Transformer的替代架构。但她预计，无论架构如何，所有可用算力和电力都会被消耗殆尽，内存和电力效率的价值会因此上升，却不会改变行业方向。
在规模上追平Transformer并匹配其硬件生态仍然困难。Elad认为，高概率结果是任何突破都会被算力充裕的实验室复制；低概率路径则要求新型实验室在规模化过程中长时间保密架构，并在员工把知识带走前完成决定性扩张。
政策已经在重塑地理版图。Sarah称，讨论中的加州亿万富翁税提案是驱逐价值创造者最快的办法；Elad提到可能更广泛的实施，以及28年开征离境税的讨论。两人没有预测人才会立刻迁往迈阿密，而是认为生态会围绕临界规模自发形成。
德州是两人眼中最清晰的样本：Sarah看到能源实验吸引优秀技术人才，Elad则补充说，一个与SpaceX相连、且在他看来也承接Tesla部分迁移的硬件走廊正在形成。他的判断是明确的：这些变化由监管差异驱动，而不是简单取决于人们更喜欢在哪里生活。

6. 安全规则可能保护在位者，同时压制上行空间

当被问及实验室能否利用算力获取来控制垂直行业时，Elad转向讨论安全带来的监管俘获。如果合规要求阻挡外部参与者，而在位者仍在内部持续推进——且1年的AI变化相当于正常周期的3至4年——那么1年的受保护发展期就会变成巨大的竞争优势。
Elad转述一位药物开发者的看法，但未表示认同：监管机构可以评估风险，却未必同等权衡收益，从而拖慢开发。核电是更鲜明的例子：法国约70%的发电量来自核电，美国为18%，日本为25%；Elad将美国40年没有建设反应堆归咎于1970年代的安全游说。Sarah反驳：“我们现在就在建”；他回答：“我们没建多少。”
Elad仍支持“适当的防护措施”，但认为历史上的监管在能源、医疗和生物科技领域走得过远。眼前的上行空间覆盖生产力、教育、医疗、自动驾驶和老年照护；他的收束观点是，应让技术维持足够宽松的监管，避免社会“失去乐观、失去势头、失去进步”（“lose optimism, lose momentum, lose progress”）。

开源如何成为 AI 的骨干 | Inferact with a16z （预览）Microsoft的平台生存方案、Meta与市场的放行、局势感知缺失