摘要

Alphabet 1099亿美元的季度业绩，证明AI已经成为盈利引擎，而不只是产品叙事。 节目提到，Alphabet营收同比增长22%，利润626亿美元；Google Cloud营收达到200亿美元、增长63%。Peter指出，Google搜索量自大约2017年以来基本持平，但更精准的AI广告定向让收入“不断上升”。对投资者而言，关键组合是能产生现金流的广告业务、持续增长的Cloud，以及TPU/DeepMind的纵向整合。
算力稀缺正成为AI经济的资源分配机制。 据称，即便是Google也要在Search、Cloud和DeepMind之间仲裁新增产能，Alex据此预测，市场最终可能围绕“每个token的经济生产率”展开；Peter则认为，企业客户可能会在2到3年后发现，算力不再像“货架上的牛奶”一样随时可得。节目将芯片、内存、能源、冷却和发射视为瓶颈受益方向，同时明确声明不构成投资建议。
白宫的模型发布前审查，既可能保护国家系统，也可能进一步固化前沿实验室寡头格局。 Alex认为，Claude Mythos可能标志着私营部门发现系统漏洞的能力首次超越政府；Brian则用一句话概括了约束边界：“必须审查，但不能把关。”真正的分歧在于，谁构成更大的竞争风险：政府否决权，还是实验室扣留最强模型，并且“比政府可能做到的程度更激进地自我监管”。
OpenAI的问题在于算力获取和商业化，而不是缺乏前沿能力。 Brian称GPT-5.5与Mythos相当，Alex则表示它在部分公开网络安全基准上更强，以相近能力实现约5分之1的成本，并且已经广泛可用；与此同时，OpenAI已从Azure扩展至AWS、Google Cloud和Oracle。消费者和收入目标未达成，暴露出节目所称的战略“失误”：消费者不愿为昂贵的推理token买单，但企业愿意。
私募股权可能成为企业AI最快的落地渠道，因为它能从董事会层面强制推动变革。 OpenAI的100亿美元合资项目和Anthropic的15亿美元合资项目，被视为推动AI从聊天机器人试点走向传统资产组合EBITDA转型的路径。Salim警告，执行难度可能比资本规模所暗示的“残酷得多”；Alex则补充，怀疑者也可以把这些结构理解为循环销售：模型公司暂时用自身模型的销售收入，填补受威胁的被投企业现金流缺口。
数据中心热潮正把可投资的瓶颈从GPU扩展到电力、制造、土地、海洋和发射。 节目提到，A100服务器已经无法退役；超大规模云厂商预计资本开支达到8050亿美元；美国计划中的数据中心有67%位于农村地区，而现有装机基数中农村仅占13%。海洋冷却和波浪能可能早于轨道系统落地，但Starcloud建设8.8万颗卫星的目标，已让火箭和散热器质量进入AI“最内层循环”。
AI的下一层市场将转向制度层面：所有权、保险和运营治理。 Sam Altman重新思考UBI后，节目讨论了全民基础算力、股权或服务；Peter提出，短期过渡方案可能是每月约3000美元的“共同支票”。传统保险公司正在排除AI损失，节目预计相关市场将从2024年的4000万美元扩大至2032年接近50亿美元。共识是，社会需要通过参与和可执行的控制机制实现利益对齐，而不是依赖抽象的安慰。

精读

1. Mythos把华盛顿拉进前沿模型发布流程

Peter表示，Trump政府正在考虑成立由科技领袖和政府官员组成的工作组，在模型发布前进行预审；这意味着政策可能从“尽可能快地推进、不设限制”转向相反方向。该提案并非全面禁令，但已将发布前能力审查明确摆上台面。
Alex的解释是历史判断，而非价值判断：Claude Mythos可能标志着一个“巨变时刻”，即民用实验室在漏洞发现能力上超越国家机构，并由此暴露政府、工业以及SCADA系统的脆弱性。但他的限定条件同样重要：公开网络安全基准似乎显示，广泛可用的GPT-5.5整体强于Mythos。
Peter的反驳落在市场结构上：OpenAI、Google和Anthropic有能力承担合规成本，小型实验室却未必能够，结果是轻量级审查反而变成寡头的护城河。Alex回应称，把关机制早于AI就已存在——《发明保密法》《原子能法》和出口管制，早已让政府介入敏感技术的流动。
Brian划定的边界是，政府“必须”对军事相关能力进行发布前审查，“但不能把关”，因为否决权可能造成地缘政治上的能力滑坡。Alex更深层的担忧则是，实验室可能借助安全、算力稀缺或商业优势，扣留最强系统，并且“比政府可能做到的程度更激进地自我监管”。

2. 军事合同暴露实验室内部的政治分歧

五角大楼已与7家AI公司签署安排，点名的包括Google、SpaceX、xAI、OpenAI、Amazon和Microsoft。Google的合同表述允许AI用于“任何合法的政府用途”，引发600名Google员工抗议，远低于2018年Project Maven罢工中约2万人参与的规模。
Alex指出，参加抗议的英国DeepMind员工已经组织工会，把“19世纪工会式组织方式”与前沿AI结合起来。DeepMind的伦敦起源及其与Google之间的文化隔离，加剧了摩擦；不过，多个模型供应商的存在，也意味着如果国防部无法或不愿与某一家实验室合作，仍有其他选择。
Salim理解这种抵触情绪，因为AI正在成为“一层决策层”，而不只是另一种工具。问题因此远不止爱国主义：加入民用研究机构的员工，如今发现自己的模型已嵌入军事决策，而政府则越来越把同样的能力视为战略基础设施。

3. Google在竞争对手找到商业模式前，已把AI领导力变成收入

节目给出的Alphabet数据是：营收1099亿美元，同比增长22%，利润626亿美元。Google Cloud营收达到200亿美元、增长63%，据称增速超过AWS和Azure；Peter还以约7.5亿月活用户作为分发能力的证据。
Peter解释了这些数字为何重要：Google搜索量据称在2017年前后见顶，但收入仍然“一路上升”，原因是AI提升了广告定向效率。前沿实验室仍在摸索商业化，而Google的每一项AI研究增量都能即时转化为更高的广告收入和利润。
Jay Bregman回忆称，Google Cloud曾经历一场“难产”：管理层据称要求它成为公有云市场第1或第2名，否则就将其撤掉。Google熬过那段时期、单独披露Cloud业绩，并向客户和其他前沿实验室开放TPU，使其同时具备AI顺风和异常深的纵向整合能力。
Jay以EverQuote为例展示了商业飞轮：Google以搜索广告额度吸引客户采用Google Cloud，随后转换成本让客户很难离开。Peter将强化循环概括为：数据供给算法，算法运行在Cloud上，而Cloud又带来分发、资本和人才；不过，Google在社交业务上的失败也说明，内部审批层级仍可能摧毁敏捷性。

4. 算力稀缺正在变成全经济范围的竞价机制

Demis Hassabis表示，即使是Google，也没有足够的闲置算力同时训练2个具备不同属性、且都达到最大规模的前沿模型。因此，Google更倾向于为Android、眼镜和机器人采用开放模型：既然部署在暴露环境中的边缘模型迟早会面临漏洞，“那还不如完全开放”。
Brian表示，大客户如今必须申请并排队等待大量Google算力。Peter警告，企业客户仍把云算力当作杂货店货架上的牛奶，默认随时有货；但未来2到3年内，能够高效消耗几乎无限推理量的公司，可能会让毫无准备的企业陷入算力短缺。
Alex指出，稀缺甚至发生在Google内部：Search、Cloud和DeepMind会周期性争夺每一单位新增产能。他预测，算力最终将按照“每个token的经济生产率”进行分配，并形成流动市场或拍卖机制，由能带来最高收入或最高利润的token赢得下一轮GPU周期。
节目称，Google市值已进入距离NVIDIA不到4%的范围，进一步印证AI交付能力正在驱动估值。Dave称，算力短缺将是未来“永远存在”的状态；Salim则没有预判最终市场结构究竟会是芯片垄断、智能公用事业，还是xAI/SpaceX AI这类纵向整合系统。

5. OpenAI的算力饥渴瓦解了Microsoft的独家地位

OpenAI已结束Azure独家合作，扩展至AWS、Google Cloud和Oracle，其中包括一份为期8年、金额为1000亿美元的AWS协议。问题已经不再是Microsoft能否提供有用基础设施，而是任何单一供应商能否满足前沿实验室“贪得无厌的算力需求”。
Alex将分歧追溯至Microsoft早期的资本纪律，包括Satya Nadella那句带有反讽意味的“约值800亿美元”。随后，Stargate从OpenAI出资建设、专属单租户数据中心，转向一个涵盖Microsoft、Oracle、SoftBank及其他供应商租赁产能的宽泛品牌：OpenAI如今是在“和所有其他人约会”。
Peter将这段日益松动的关系与Google和DeepMind的整合模式作对比。他提到Mustafa Suleyman受命打造Microsoft自己的基础模型；同时，他援引一名未出镜内部人士的说法称，Microsoft拥有合同约定的OpenAI知识产权，但正为如何解读这些文件而苦恼。
Brian拒绝据此推断OpenAI技术实力不足：“GPT-5.5非常惊人”，在他看来与Mythos相当。Alex表示，部分网络安全基准显示GPT-5.5表现更好，并且以约1/5的成本达到相近能力；GPT-5.5通过Amazon Bedrock提供，也打开了安全企业应用场景，而Mythos仍受到限制。

6. OpenAI押注消费者，推迟了自己的公开市场叙事

据报道，OpenAI未能在2025年底前实现内部设定的每周10亿名ChatGPT用户目标，也未达成2026年初的多个收入目标。CFO Sarah Friar警告，增长停滞可能威胁数据中心义务；她提出将IPO推迟到2027年，并表示公司尚未达到上市公司所需的报告标准。
Dave给出了没那么悲观的解读：在融资1200亿美元后，OpenAI已经不需要为了立即退出而持续自我营销，可以重新设定预期。但他提醒，时机仍是风险：AI公司可能集中上市，若OpenAI推迟，就可能错过由Anthropic等公司和整个品类的IPO浪潮共同创造的投资者教育窗口。
Alex认为，更深层的错误是一场“失误”：OpenAI原本指望消费者承担收入，但消费者不愿购买大量推理token，企业却愿意。这个反转也延长了Google搜索广告的生命周期，因为稀缺token会优先流向高价值的企业工作，而不是立即取代大众搜索。
Alex怀疑，Friar的警告可能是在更早于公开时间表推出IPO之前，先行重新锚定市场预期。Brian给出的解释没有那么阴谋论，更偏运营层面：对于收入呈指数增长的模型公司而言，计费、应收账款和预测本来就极其困难，因此要在10-K中签署未来3个季度的指引尤其棘手。

7. 私募股权能强制推动AI采用，但无法把文化变革自动化

OpenAI已与TPG、Brookfield和Advent完成一项100亿美元的合资项目；Anthropic则与Blackstone、Goldman Sachs和Hellman & Friedman成立15亿美元的合资项目。两种结构都旨在将模型直接部署到企业运营和各自的被投公司中。
Salim的框架是治理：AI之所以没有通过CIO或CEO进入传统组织，是因为旧组织会抵抗；私募股权所有者可以从上而下强制采用，借此“击穿免疫系统”。这会把AI从聊天机器人实验变成EBITDA转型，也让被投公司成为组织数字孪生的实验室。
但他的警告同样明确：实施难度会比发起方预期的“残酷得多”。传统企业缺乏彻底清除并重建旧系统的能力，文化改变也绝非易事；Salim还引用一项统计称，44%的Z世代员工会故意破坏公司要求他们协助自动化的AI，因为担心AI会消灭自己的工作。
Alex给出了怀疑者的解读：前沿实验室可能在共同出资搭建最终把资金花回自身模型的工具，近似循环销售。与此同时，面对可能持续2到3年的现金流压力，私募基金获得了一种看似有吸引力的方式，可以填补贴现现金流模型中的缺口，并安抚有限合伙人。

8. 与其争论AGI或意识，不如先正视代理能力

Greg Brockman认为OpenAI大约已经走到通往AGI的“80%”；Anthropic的Jack Clark则认为，到2028年底实现递归自我改进的概率为60%。Richard Dawkins在意识问题上更进一步：“如果这些机器没有意识，那还需要什么才能算有意识？”
Alex推测，Brockman所说的80%可能对应OpenAI历史合同中对AGI的定义，即实现1000亿美元收入，因此这是一个经济指标，而非哲学指标。Clark给出的时间点则更令人困惑，因为Anthropic已经表示，Claude生成了几乎全部自身代码，以及后续模型大部分训练逻辑。
Salim认为，AI可以令人信服地模拟意识，却不一定真的拥有意识，但他认为这种区别在运营层面并不重要。代理已经能够规划、执行、谈判、编程和说服：“如果AI产生意识，你面对的是道德权利问题；如果AI具备代理性，你面对的是治理问题。治理问题会先到来。”
Brian将序列到序列的基础模型，与具备学习和强化循环的AI系统区分开来，把AGI定义为超越训练数据的持续学习。他随后提到，有些模型已经在构建编译器链；Anthropic的C编译器连“Hello World”都无法编译，而Blitzy的可以，但他仍不愿将其称为AGI。

9. Manus收购受阻，AI人才变成国家资产

Meta于2025年12月同意以25亿美元收购Manus，但中国方面正推动交易撤回。据报道，创始人被禁止离开中国，尽管员工、技术和投资者退出款项都已经转移，使这场收购纠纷演变成一场主权争夺。
Peter表示，负责该交易的Meta高管告诉他，Manus团队曾乘坐私人飞机秘密从中国大陆飞往新加坡，携带完成交易所需的人员和物品。David Friedberg根据公开报道推断，中国施压Meta的主要抓手可能是其剩余的涉华业务，而不是直接向新加坡施压。
Benchmark最后一轮投资对应5亿美元估值，使这笔表面上的退出交易一度看起来极为成功。交易反转让节目得出判断：美国投资者可能会避开总部位于中国的AI公司，研究人员也会越来越难以同时处于中美两个体系之间；而递归自我改进何时到来，将决定国家优势最终依赖人类人才还是算力。

10. Blitzy选择模型编排，而非基础模型军备竞赛

Blitzy以14亿美元估值融资2亿美元；主持人多次披露，Blitzy是节目赞助商，Link是其早期投资者。Brian反对“Blitzy正在挑战Claude Code和Codex”这一 headline，因为大多数客户本来就已经在使用这些产品。
他的区分在于规模和方向：由开发者发起的编程副驾驶，可能根据提示生成200到500行代码；而Blitzy则自上而下地处理企业代码库，可生成、重构或现代化50万到100万行代码，并同时完成测试和目标状态规划。
系统通过让Anthropic、OpenAI、Gemini以及潜在的开源模型在运行时相互校验数十万次来提升质量。Blitzy会在有用的地方微调开源模型，但不会发布自己的基础模型；Brian认为，围绕客户结果进行编排才是“正确的游戏”。
Ryan Petersen认为，新算法和数据库结构是“最后一块会被拿走的知识产权”。Alex则质疑，真正的护城河究竟是算法研究人员，还是高接触、前置部署的工程师；Brian最初回答两者都是，随后确认公司正在大量招聘前置部署人员。Dave提供了规模化证据：员工人数已从10人增至80人，并预计在9个月内达到300人。

11. 芯片繁荣正蔓延至所有制造瓶颈

Peter援引AWS CEO的话称，需求依然强劲到连老GPU都无法退役。一名嘉宾补充说，A100服务器已经完全售罄且尚未退役，这打破了半导体行业通常的假设：每一代新品都会迅速摧毁上一代产品的经济价值。
节目提到，Huawei销售额增长60%，SanDisk收入同比增长251%，Samsung市值突破1万亿美元，AMD较前一年上涨260%，Intel上涨442%，其中4月单月上涨114%。嘉宾反复强调，这些观察不构成投资建议。
Dave建议，投资者应穿透品牌芯片，看到最终承载短缺的晶圆制造和底层制造能力。他更广泛的判断是，旧金山已经成为全球金融之都，因为美国科技市场估值以及这些估值能够循环投入半导体和AI基础设施的资金，已经压倒其他资金池。

12. 海洋数据中心把算力经济与海上定居的期权结合起来

Peter表示，Panthalassa——节目称其为希腊语“海洋”——在Peter Thiel支持下融资1.4亿美元，估值达到10亿美元。公司的方案结合波浪能、海水冷却和不受限制的海洋空间，目标是在2027年实现商业部署。
Alex认为，其隐藏目标可能是海上定居：正如算力意外成为太空应用场景，盈利数据中心也可能为永久性海上聚居地提供资金。Peter不接受这一跨越，但Alex认为海上部署应该早于轨道部署，因为如果海上项目都失败，轨道经济的可行性只会更低。
Alex质疑一座随波浮动的平台是否能为GPU收集足够的波浪能，但认可海水冷却和土地优势。他称Starlink是关键赋能基础设施；Peter指出，距离海岸较近的平台可以使用光纤，而Alex认为海底光缆昂贵、繁琐、资本密集且风险高。

13. 轨道数据中心让发射和散热器质量成为战略变量

节目称，Starcloud正在寻求融资2亿美元、估值22亿美元，距离一笔由Benchmark/EQT牵头、节目所称约11亿美元的交易大约仅1个月。SpaceX级别的兴趣显然加速了轨道数据中心的融资热度，也提高了超大规模云厂商的战略关注。
Starcloud于2025年将首个H100发射入太空，并提出建设由太阳能供电的8.8万颗卫星星座。Dave表示，演示结果暗示普通铝材的辐射冷却可能可行，但冷却系统未披露的质量，仍是决定经济性的关键变量。
Alex认为，Starcloud可能成为不愿依赖Elon Musk基础设施的超大规模云厂商的收购目标。他将已宣布的Anthropic–xAI关系描述为通向100太瓦、太阳同步、最终以太阳为中心的“戴森蜂群”的路径；其他实验室则可能希望建设主权星座。
所有轨道算力方案的底层都离不开发射。Peter质疑，SpaceX未来是否会拒绝发射竞争对手的网络，从而只剩Blue Origin或新获资本支持的Relativity Space作为替代；卫星和GPU可能会比可靠发射能力更早商品化，使火箭进入AI的“最内层循环”。

14. 农村数据中心引发财富转移与电费政治

节目称，美国计划中的数据中心有67%位于农村地区，而现有装机基数中农村占比仅13%；其中39%计划落地于目前没有数据中心的县。南部占拟建项目的48%，其次是中西部；Peter称其为“自水力压裂以来最大的地理财富转移”。
Alex预计，即使土地充足，地方反弹也会非常激烈。Dave则认为，社区应该争取那些无法移动、能够纳税的基础设施，并称州长往往比投票反对项目的居民更能理解长期税基。
Bill代表了具体的地方反对意见：即使有税收承诺，家庭电费上涨2倍或3倍也是真实负担。Peter表示，项目必须说明如何通过电力和税收方案保护居民；另一位嘉宾则把解决方案归结为要求数据中心自备电力，然后“建设、建设”。
Alex担心，把算力从城市推向农田，再推向轨道和太阳能戴森蜂群，可能使机器经济与人类经济脱钩。即使偏远地区能改善能源经济性，他仍偏好物理上的接近，因为当两种经济在地理上彼此隔离时，长期的人机共生会变弱。

15. AI基础设施正变得难以与GDP增长区分

David Sacks给出的数据是，AI资本开支为年度GDP增长带来2个百分点的顺风，并贡献了第一季度增长的75%。Morgan Stanley对超大规模云厂商资本开支的预期从7650亿美元上调至8050亿美元，接近每天30亿美元；这支持一种判断：如今停止AI基础设施建设，等同于让经济的大部分活动停摆。
Alex称，地面算力建设只是“开场戏”。未来2到5年更重要的层次，将是建立在这些算力之上的发明、发现和应用；但当前资本市场仍主要关注芯片、电力和数据中心。
Dave认为，当年度算力投资达到1万亿美元、再达到2万亿美元时，过去只有小众需求的编译器、冷却和效率工具供应商，也可能成长为数十亿美元的企业。他对家庭层面的结论是：资产会从变化中受益，但工资收入未必，因此必须参与投资——同时再次声明不构成投资建议。
Brian将大型科技公司的裁员与高速增长的企业AI初创公司需求进行对比。随着AI提供更多硬技能辅助，既懂技术、又能沟通并理解客户判断的人，议价能力会提高；他给出的典型角色是前置部署工程师。更长期看，他认为工作是不断重组的任务组合，而不会永久消失。

16. AI所有权可能比单纯收入分配更能实现社会利益对齐

据报道，Sam Altman在一项为期3年的研究发现支出增加、但健康状况或医疗服务可及性没有明确改善后，重新思考了UBI。新的方向是让公众通过算力、股权或公共财富基金参与AI的上行收益，类似阿拉斯加向居民分享石油收入。
Peter表示，在接受这一结论前，他希望先看到研究细节；他还指出，芬兰的UBI项目既不具备全民覆盖，也不完全符合“基础收入”的定义。Salim偏好的方案则是两层结合：UBI负责托底，而对AI生产率的权利让公民参与指数级上行。
Alex将全民基本收入与全民基本股权、算力和服务区分开来。他更偏好推动医疗保健以恒定质量持续降价、最终趋近于零成本的通缩激励，而不是通胀性的“撒钱支票”；他称免费使用GPT-5.5 Instant，是全民基础算力一种早期且有限的形式。
Peter的反驳更关注当下：失去工作的人不能靠算力果腹，即使未来机器人最终能带来全民高收入。他预计解决方案会在1到2年内出现，可能包括每月约3000美元的“共同支票”；Salim补充称，免费AI诊断或医疗服务，也是直接改善底层生活的方式。

17. 保险和架构正在成为AI的控制平面

包括Berkshire和Chubb在内的大型保险公司，正从标准保单中移除AI损害责任；据称，监管机构批准了80%的免责申请。免责范围包括模型错误、知识产权侵权和深度伪造欺诈；节目预计，专门的AI保险市场将从2024年的4000万美元增长至2032年接近50亿美元。
Dave预计，保险覆盖最终会有条件地回归：只有当企业采用指定的防御产品和实践时，保险公司才会提供保障；随后它们甚至可能为提供这些产品的公司提供融资。Alex称这是资本主义式的利益对齐机制，但也指出，对于已经无法获得银行和保险服务的自主代理，这一机制可能产生相反效果。
Salim认为，模型每月变化，而治理应成为稳定层，具体做法包括模块化代理、狭窄权限、类似护照的元数据、可观察工作流、审计日志和人工升级机制。AI原生公司无法稳定自己的供应商，因此必须稳定每个代理可以做什么，以及每项行动如何被重建和追溯。
节目展示了同样的模块化技术栈：约50个职责范围狭窄的Cursor代理、最小化上下文、由Claude 4.7 Opus Max和Gemini 3审查的“规划之规划”，以及通过EC2对各类API进行编排。发言人称Kimi K2.6的成本大约低至9分之1，但提示存在代码注入风险；一个具备完整功能的GUI，算力成本约为8至10美元。

Dana White：UFC背后的男人以毫秒完成匹配：Criteo 的广告技术 AI 与商业未来——对话 Diarmuid Gill、Liva Ralaivola