Brian Elliott

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。

🔗 原始收听与视频来源： Google创纪录季度、白宫介入，以及GPT 5.5悄然追平 Mythos｜EP 254

Blitzy 的核心押注是：所谓“AGI 效应”可以来自对不完美模型的编排，而不必等待一个独立的 AGI。 Brian Elliott 将其视为 AGI 的一种实用定义：Blitzy 对单个 LLM 异常悲观，却看好能够控制上下文、工具、意图、规划、审查、执行和验证的长时运行系统。可投资的主线，是从开发者副驾驶转向能够交付完整企业级 pull request 的系统。

“无限代码上下文”意味着准确找出一个拥有1亿行代码的代码库中真正相关的那一小片，并在恰当时机注入。 Blitzy 会花几天建立与语言无关的关系图，再结合语义检索，并实际构建和运行应用，观察编译期、运行期和生产环境中的行为。Sid Pardeshi 表示，尽管市场上已有号称支持100万甚至1,000万 tokens 的上下文窗口，但要持续生成高质量代码，有效前沿仍低于约100,000 tokens。

平台从获批规格说明到 pull request 的流程是全自动的，通常能在持续12小时到数周的运行中完成80%—90%的工作。 Blitzy 会规划依赖关系，拆分并行与串行任务，生成代码，运行单元、集成和端到端测试，操作应用，并递归修复失败。缺少凭证或服务可能导致执行暂停，但判断性问题不会召来 Blitzy 员工：未完成事项会记录下来，交由客户工程师处理。

Blitzy 的编排层被设计为随着基础模型进步而增值，而不是随模型迭代一起过时。 Agent 会按需生成，提示词由其他 Agent 依据当前厂商指南编写，工具和模型则动态选择；正如 Brian 所说，僵化的“harness 会贬值”。截至1月底的情况是，Anthropic 最适合首轮代码生成，OpenAI 更适合结构化输出和审查，Gemini 更适合长时任务追踪——但每次审查都必须使用不同的模型家族。

从约80%的完成率走向99%，既要依赖更强的模型智能，也要依赖更好的人工规格说明。 一个典型失败是端到端测试在73和75个通过之间来回震荡，因为修复一个服务会破坏另一个服务；更聪明的系统可以指出底层取舍，并生成两套全部通过的方案。客户也会更早表达意图，在规格阶段完成更多决策，而不是到了第2个月才开始厘清第2个月到第3个月之间的细节。

只要能提升自主性，Blitzy 愿意增加推理成本，未来甚至上调价格；当前每行0.20美元的模式要服从于价值创造。 Brian 表示，只要能改善质量，公司愿意“为每一个增量美元买单”，因为替代方案是人工劳动——他估算这一市场约为1.2万亿美元，最终边界取决于软件能够解决的问题。现有合同可能会在价格“重新定价”前，暂时享受更高算力投入带来的好处。

创始人相比传统微调，更看好应用层记忆和测试时学习。 微调被形容为脆弱的“最后一公里优化”：它可能损失通用性，也可能随着下一代前沿模型出现而迅速过时；企业记忆则记录本地化决策，例如某个代码集群必须使用9个等价支付服务中的哪一个。Sid 预计，面向代码、具备实际可用性的测试时训练可能在1—2年内出现，因为编译和测试提供了异常强的反馈。

AI 最初会提高资深工程师的价值，但从更长期看，劳动力优势可能转向更便宜、且熟练使用 AI 的初级和中级开发者。 资深工程师能判断生成代码是否会摧毁生产数据库，但其中一些人很难“学会信任 AI”；年轻开发者已经能在从零搭建的黑客松中击败老手。Blitzy 提到的现金薪酬为10万—30万美元，另加股权；公司还雇用高中实习生完成边界明确的自动化工作，并预计遗留系统仍将是资深工程师最强的领域。

🔗 原始收听与视频来源： 无限代码上下文：企业级 AI 编程——对话 Blitzy CEO Brian Elliott 与 CTO Sid Pardeshi

AI需求足够真实，嘉宾整体拒绝“泡沫论”，尽管承认 Nvidia 已经“完美定价”。 与互联网泡沫时期 Cisco 股价飙升却没有盈利跟上的情况不同，Nvidia 股价与未来每股收益同步上行；Elliott 认为，OpenAI 使用的每一块 GPU 都会被计入收入，因为“AI是有用的”，能够创造经济价值。Mostaque 的区分在于变现速度：互联网资本开支用了数年才货币化，而AI基础设施几乎可以立即抬升盈利。

算力、电力和建设能力，而不是模型需求，正在成为硬约束。 OpenAI 提议建设的10 GW算力中心大约对应400万至500万块 GPU，Nvidia所说的1000亿美元承诺相当于美国风险投资正常年度规模的一半；数据中心容量预计将从44 GW增至2030年的156 GW，而需求据称正以每年10倍的速度增长。新经济正在“把电子转化为智能”，形成“除了算力稀缺之外，其他一切都很充裕”的格局。

劳动力市场更可能走向组织缩小和人员被替代，而不是全民每周工作3天。 Mostaque 预计，AI在1年内可以覆盖约50%的经济劳动，并表示，几年后，当人类拖慢一支永不疲倦、信息更充分的智能体团队时，人类在认知劳动中的价值将变成“负数”。他认为，就业项目和公共部门扩张或许能够维持收入、社会结构与身份认同。

Alphabet 的分发能力与垂直整合，使其成为嘉宾眼中最强的在位竞争者。 据称 Gemini 已在美国 iOS 排名中超过 ChatGPT，但 ChatGPT 在全球仍遥遥领先；节目引用的预测市场认为，Google 在9月底前成为领先者的概率为99%，Alibaba 的 Qwen 排名第二的概率为91%。Google同时拥有分发渠道、DeepMind人才、现金流和成熟的 TPU；Blundin 估计，在相关工作负载上，TPU“可能比 Nvidia 芯片高效5倍”。

高等教育的经济护城河正在坍缩，最后只剩录取声望和人脉网络。 认为大学“非常重要”的美国人比例从2010年的75%降至35%；学费据称自2005年以来上涨180%，自1983年以来接近上涨900%。拥有巨额捐赠基金的顶尖院校可能仍能隔绝冲击，但排名约40至400名的学校将面临挤压，因为AI教育、替代性学历和疲弱的毕业生招聘，正在暴露出课程更新速度甚至不如“在校园里建一座核反应堆”。

创业优势在于把专有领域知识转化为自有工作流、高效模型和可规模化应用。 Blundin 警告，仅仅把专业知识出售给模型训练，可能只会让专家“有价值1到2个月”；Elliott 更看好围绕监管知识或垂直行业知识建立的公司，而 Mostaque 强调真正理解上下文、并且“在乎结果”的人。任务专属数据、蒸馏和验证器，可能用1%的参数与算力得到同样结果，形成100倍的成本优势。

AI基础设施把太阳能、电池、半导体和机器人串成一场工业竞赛，而中国目前的规模化速度更快。 嘉宾引用的数据是：中国2024年太阳能装机容量达到880 GW，增速45.6%；美国为177 GW，增速27%。Blundin 认为，美国反复发明新技术，却无法为其规模化融资。机器人到2040年的预测区间从10亿台到100亿台不等，即使采用低端情景，按每台2.5万美元计算，市场价值也达到25万亿美元，远高于 Morgan Stanley 所引用的2050年5万亿美元估计。

代币化既可能修复公众进入公开市场的渠道，也可能制造本期最有可能出现的真正泡沫。 据称 Nasdaq 计划在2026年底前推出代币化交易，而 Robinhood 的欧盟平台已经提供约200种美国股票代币，以及 OpenAI 和 SpaceX 等私人公司的敞口。Mostaque 预计，数字资产而非生成式AI会呈现出最明显的泡沫行为：随着法律边界清晰，企业区块链、连续交易市场以及最终由智能体驱动的交易都将出现。

🔗 原始收听与视频来源： AI最新动态：失业、Elon 与 Sam Altman 的芯片竞赛，以及“AI泡沫”——与 Brian (Blitzy) 和 Emad 对谈

只有在创造远超自身价值的前提下，Elon Musk 潜在的1万亿美元 Tesla 奖励才具备合理性。 Musk 必须帮助 Tesla 达到8万亿美元估值，而他的角色同时涵盖 CEO、首席营销官和注意力引擎；Diamandis 指出，传统车企通常将约7%的营收用于营销，Tesla 的投入却是“零”。更广泛的创始人启示是，沟通已经成为产品的一部分，但“它还会再次改变，而且还会再次改变”。

AI 这轮万亿美元资本周期，必须靠劳动力自动化和变革性科学来创造与投入规模匹配的回报。 讨论中提到的一场晚宴上，美国敲定了6000亿美元投资承诺；Dave Blundin 表示，由于视频片段经过剪辑和混杂，无法确认 Tim Cook 还是 Mark Zuckerberg 先提出承诺，但 Zuckerberg 随后进行了匹配；他还提到，到2029年 OpenAI 预计将获得约1190亿美元追加投资，以及此前对 AI 芯片及相关基础设施5万亿—7万亿美元投入的预测。Alexander Wissner-Gross 的逻辑是：先把一类类劳动力和服务的成本推向可忽略水平，再创造足以支撑资本开支的发现。

丰富供给会让货币贬值，却不会消灭稀缺，只会把瓶颈转移到别处。 Peter Diamandis 想象分子组装器以接近零的边际成本制造一辆电动 Ferrari；Wissner-Gross 则反驳说，Star Trek 有复制器，但星际旅行仍然稀缺。他提出的核心问题是：当能源和智能趋近于零成本时，“什么仍然稀缺”——这提醒人们，不要假设所有受限资产会同时消失。

Mercor 证明，极端 AI 估值仍然可以由经营表现驱动，而不只是纯粹投机。 Blundin 表示，公司在2年内从约3000万美元初始估值成长到100亿美元，同时达到5亿美元营收年化运行率；创始人起步时年仅18岁。他的创投原则是寻找“被低估、未获充分认可的人才”，更大的变化则是，20—23岁的创始人如今可以进攻过去通常只向经验丰富得多的团队开放的市场。

Blitzy 对企业市场的判断是，代码生成正在变成商品，但理解并安全改造规模庞大的代码库仍然不是。 其平台声称支持超过1亿行代码，已成功接入约6000万行代码的代码库，单次任务运行时间从12小时到数周不等。输出目标是交付已经完成验证、编译和测试的代码，因为“拉取请求的另一端”是昂贵的人力劳动。

Blitzy 报告其 SWE-bench Verified 得分为86.8%，高于视频录制时排行榜的75.2%，但更大的信号是，这项基准可能已经接近耗尽。 公司表示，结果可以通过 SWE-bench CLI 复现，并未使用针对基准测试的专用脚手架；此前它处理了500个分支，合计摄入约4亿行代码。Wissner-Gross 认为，86.8% 实际上已接近100%，因为剩余部分很大程度上可能是有缺陷的测试，由此需要针对 Linux、VS Code 等代码库开展企业级测试。

创业公司的打法，是成为前沿实验室的大客户，深入解决它们无法产品化的问题，并在模型升级时同步升级。 Blitzy 负责编排 Gemini、Anthropic 和 OpenAI 的模型，而不是训练前沿模型；Diamandis 将实验室的投入概括为“为 Blitzy 进行的1万亿美元研发”。公司当前的企业级主张比单纯的代码生成叙事更扎实：在适合的项目中，约80%的工作可以自动化，端到端开发速度约提升5倍，同时明确标出剩余任务交给人类完成。

🔗 原始收听与视频来源： AI Now：Elon 的1万亿美元激励、Apple 为 Trump 承诺的6000亿美元，以及小型创业公司如何胜出——与 Dave、AWG 和 Blitzy 对谈