Erin Price-Wright

美国 AI 发展的约束越来越在于“原子而非算法”：矿产、电力转换、工厂和输电能力必须与模型和芯片同步扩张。 Turner Caldwell 表示，美国在关键矿产供应上“落后中国50年”；Drew Baglino 则认为，美国拥有一张有100年历史的电网，整体仍以机械系统为主，过度建设却脆弱不堪，并依赖海外供应商。

仅靠许可审批无法填补矿产缺口，因为获批后的执行依然慢得令人痛苦。 一个项目可能需要5年建成，再用3-5年达到达产状态；因此 Mariana Minerals 将目标覆盖设计、建设、采购和爬坡，计划10年建成10个项目。

两位创始人都在把软件嵌入实体资产运营，而不是单纯销售独立软件。 Mariana 在矿山和精炼厂中使用智能体工作流与强化学习，包括尝试“让人类退出闭环”；Heron Power 则用硅和软件替代电网级电力转换中的“钢铁、石油和铜”。

美国制造业的核心劣势在供应链地理位置，而非工厂工资。 Baglino 估计，在现代自动化工厂中，人工成本占销售成本不到10%，甚至可能低于5%；中国的优势在于，造一辆车所需的约7,000个零部件，都可以集中在3小时车程范围内。

Tesla 的运营模式为工业初创公司提供了一套传统企业难以复制的组合：技术乐观主义、风险承受力、使命感和坚持。 Caldwell 最凝练的说法是，只要结果值得，Tesla 就会“一路顶着挑战往前冲”；Baglino 补充称，当工资“能不能发出来”取决于执行时，团队会因此形成高度集中的执行力。

政策诉求是长期稳定与规划确定性。 Caldwell 希望获得一套相当于过去50年为油气行业建立的矿产政策工具；Baglino 则希望建设制造业园区、让各辖区形成一致行动，并设立“电网版联邦公路信托基金”，让私人资本和供应商能够有把握地规划。

🔗 原始收听与视频来源： 离开 Tesla、重建美国的创始人 | a16z

Tesla 和 SpaceX 通过扁平的信息流与果断的技术领导力，压缩硬件开发周期。 初级工程师可以直接找到决策者，领导者则承担信息不完备带来的风险，拍板“去做（Go）”。执行闭环是：在截止时间允许的范围内尽可能收集证据，下注、测试，再迭代。

激进的里程碑是诊断工具，用来暴露真正决定工期的少数约束。 Price-Wright 的框架得到 Caldwell 认同：如果必须完成1,000件事，其中900件能在6个月内完成，团队就该攻克——或删掉——剩下100件。Luzsicza 将这一逻辑用于 Galvadyne 在6月让火箭升空的目标。

长工时不是倦怠的首要原因，组织性内耗才是。 Luzsicza 认为，政治、反复无常的优先级、数据孤岛，以及团队“把你的乐高藏起来”，会把付出与可见进展割裂，摧毁动力。不可能的目标可以点燃一支与使命同频的团队，但前提是可信的技术路径让目标显得激进，而不是虚构。

工厂思维不只适用于生产线，也适用于设计、实验室、建筑、炼油厂和矿山。 Luzsicza 从 Starship 得出的经验是，不断追问需求，直到“简单就是快，简单就是便宜（simple is fast, simple is cheap）”；Caldwell 的要求则是，为每项活动做节拍时间分析，并衡量每日或每小时产出。Mariana Minerals 认为，50至100年历史的大型行业玩家所缺失的软件底座，正是机会所在。

垂直整合必须通过生死存亡测试，而不是仅仅承诺降低零部件成本。 Caldwell 不会仅为节省5%、10%、20%乃至50%而在早期整合，除非不整合公司就无法存在；Luzsicza 则优先整合那些会卡住 Galvadyne 迈向每年10,000枚导弹产能的总成。整合还意味着把供应商的运营风险及其上游供应链一并纳入内部。

人才密度来自异常深入的技术筛选和延长的试用期。 Tesla 候选人可能要面试6名工程师、完成技术测试，并经历8至10次交流；SpaceX 的实习项目提供3个月的验证期，并持续将实习生转化为关键全职人才。曾在那里实习4次的 Caldwell 称这条人才漏斗“实在太关键了（so freaking crucial）”。

未来的创始人在把技术学习换成承担创业公司风险之前，应先积累完整的执行周期。 Caldwell 建议多次看着项目走过早期、中期和部署阶段的“混乱期”，学会“什么才算好”，并建立招募顶尖人才所需的信誉。他给出的优先级很明确：在学习融资和招聘之前，先在技术深度上过度下注；Luzsicza 也认为，创始人不能指望边创业边学会造火箭。

🔗 原始收听与视频来源： Tesla 与 SpaceX 如何教创始人打造硬件 | a16z

GPT-5 与其说是前沿算力的跃升，不如说是围绕路由器打造的“经济释放”。 Dylan Patel 认为，重度用户失去了 GPT-4.5 和 o3 的使用权限——o3 平均思考约30秒，而 GPT-5 只需5-10秒——但免费用户有时获得了此前从未享受过的推理能力。路由器让 OpenAI 可以在普通、mini 和 thinking 模型之间选择，并在服务受限时“优雅降级”，以最高能力换取显著更大的 token 容量。

路由器更大的价值，在于让推理支出匹配每次查询可变现的价值。 “为什么天空是蓝色的？”可以交给 mini；而寻找最好的酒驾律师、航班或商品，则可以获得“大得离谱的算力”，因为 OpenAI 可能直接完成交易并抽成。考虑到 ChatGPT 已占 Etsy 流量约10%，Dylan 认为，代理式商业才是免费用户的变现路径，而不是让结果变差的广告。

统一费率的 AI 订阅，正撞上消费者使用量相差20倍的现实。 Anthropic 和编程产品在重度用户利用“负毛利”套餐后收紧了速率限制；据称一名开发者把睡眠切成水手式的短暂小睡，Reddit 使用排行榜上还有人的订阅消耗价值约每月3万美元。企业或许能通过承诺用量或平均费率来消化差异，但消费者越来越指向按使用量收费——即便产品仍会用订阅制和更好的审查界面来制造用户黏性。

AI 可能已经创造了超过基础设施成本的价值，但实验室只能捕获其中一小部分。 Dylan Patel 的编程思想实验是：3000万名开发者、生产率翻倍、每人创造10万美元价值，仅一个用例就对应3万亿美元的潜在 GDP 价值；而 Dylan 认为，OpenAI 捕获的 ChatGPT 已创造价值“甚至不到10%”。这种错配未必会阻止资本开支继续增长：超大规模云厂商的支出还可能再增20-30%，CoreWeave、Oracle、基础设施基金和主权资本则会补充更多短期经济意义较弱的产能。

只有当 AI 需求继续集中在少数巨型买家手中时，定制芯片才是 Nvidia 最大的威胁。 Google 正在生产数百万颗高利用率 TPU，Amazon 生产数百万颗 Trainium，Meta 也在大幅增加内部芯片订单；Dylan 认为 Google 应该直接销售 TPU，而不只是出租算力。但如果开源模型和廉价部署让需求分散，Nvidia 的通用生态反而会更强——独立挑战者必须做到“好上5倍”，供应链、软件和毛利率劣势才不会抹平领先优势。

美国 AI 部署受限的主要不是电价，而是已通电场址、电网设备和建设速度。 Dylan 估算，一座 Blackwell 数据中心约80%的成本来自 GPU、网络、建筑和电力转换资本，土地、电力、制冷、备用电源及相关项目只占20%。因此，为提前3个月上线而支付溢价是理性的；与此同时，中国当前受制于资本和芯片质量，而不是电力，尽管其发电扩张速度更快。

Intel 需要立即进行运营手术并获得资本支持，几家平台型巨头也需要重新建立产品紧迫感。 Dylan 表示，Intel 长达5-6年的设计周期以及最多14次芯片修订，必须压缩至2-3年和1-3次；如果没有大规模现金注入或大幅削减成本，公司可能在正式分拆完成前“真的”破产。他还提出几项更广泛的建议：Nvidia 应将预计超过1000亿美元的现金储备用于基础设施再投资，Google 应开放 TPU，Apple 或许应投入500亿美元建设 AI 基础设施；Erik 则认为，尽管 Microsoft 起点极其优越，仍必须“把公司彻底摇醒”。

🔗 原始收听与视频来源： Dylan Patel 谈 GPT-5 的路由器时刻、GPU 与 TPU、商业化

关键矿产是 AI、电网、电池、数据中心基础设施、汽车和国防系统的实体投入品。 Turner Caldwell 对物料流的判断非常明确：「我们需要大量铝。需要多到疯狂的铜。需要更多铁。需要更多锌。」如果要建成已规划的电池，未来10年锂产能大致需要扩大4倍。

矿产项目是一条从低于1%的矿石到高纯度金属、因地而异的链条，而不是可互换的工厂模板。 随着开采推进，矿体的品位和杂质构成都会变化——「地球是异质的」——因此每套工艺流程都必须定制，并具备灵活性。回收率和适应能力由此成为经济成败的关键，因为每丢掉一个原子，就得重新开采一个原子。

这套创业逻辑，是掌控从矿山到精炼厂的操作系统，因为向主流矿企销售单点技术已经变成一场「死亡螺旋」。 数十亿美元的工厂不愿承受可能造成数百万美元停机损失的改动；试点也可能错过商业化建设，而这类机会或许5年才出现一次；运营商更不信任外部人员碰自己的「收银机」。Mariana 已募资8500万美元，押注垂直整合能够捕获单点解决方案 SaaS 供应商无法独自获得的效率，但这也会把合作方的风险纳入自身扩大的风险敞口。

Mariana 的软件押注，瞄准两大时间浪费源：约3周的施工信息滞后，以及包含约1,000个相互作用变量的精炼厂控制难题。 Capital Project OS 将自动化工程和采购流程；Plant OS 则利用强化学习，在24–48小时的反馈回路中优化精炼厂运营，包括回收率、能耗和试剂用量。Caldwell 希望让人类退出许多运营决策。

中国的护城河不仅在于政策和资本，更在于有技能的执行能力。 Caldwell 看到，一座由中国支持的印尼镍精炼厂在建设和投产阶段调集了13,000人；美国项目可能连这一数字的十分之一都难以组织起来。如今印尼供应全球「大约70%」的镍，说明劳动力深度和下游产能建设如何叠加为地缘政治杠杆。

组合策略是逆周期的：分散配置、穿越火热市场，在大宗商品低谷建设。 在稀土讨论中，Caldwell 称市场「有点过热」，同时聚焦锂，并认为铜需求和矿石品位下降是「很难忽视」的趋势。运营层面的押注是，由软件控制的工艺回路能够处理品位更低的铜，而不会带来明显的成本通胀。

美国要保障供应安全，需要加快勘探、审批和需求支持。 在联邦土地上，超过5英亩的勘探可能需要 BLM 批准；而价格底线或固定价格包销——例如文中提到的 MP Materials 安排——可能释放基础设施资本，因为这类资本不会承受大宗商品价格波动。Mariana 的使命具体但留有余地：10年建设10个规模逐步扩大的项目，拓展海外业务，甚至可能进入水下，并恢复市场对复杂矿产基础设施能够「以成本有效、时间有效且负责任的方式」建成的信心。

🔗 原始收听与视频来源： 没有这些材料，美国造不出 AI

美国的电网问题，既是物理容量问题，也是制度性萎缩问题。 Ryan McEntush 表示，随着制造业转移至亚洲，系统在21世纪初“实际上冻结了”，运营商既缺乏快速、低成本规划和执行大型项目所需的人手，也缺乏相应技能。David Ulevitch 补充了一个鲜明对比：美国人均能源消费在1973年见顶，而同期中国能源消费增长了9倍。

分布式发电和储能，可能跨越一张并网审批需要10年、变压器积压据称超过20年的电网。 David 形容电网是运行在容量边缘的百年技术；Erin Price-Wright 主张把太阳能、电池和负荷放在一起，绕开部分并网和输配电基础设施——后者成本持续上升，而发电成本却在下降。数据中心已经体现出这种紧迫性：“我等不起10年……我现在、今天就需要这份电力。”

德州是快速部署廉价太阳能和电池的验证样本。 Erin 表示，该州在3年内大致将太阳能装机翻倍，并增加了数千组电池，提升了吸收需求剧烈变化的能力；Ryan 认为每个州都应研究 ERCOT 的分布式模式，同时承认受监管市场更难复制。Erin 介绍了对中国制造的依赖，David 则警告，失去中国电池供应“可能是灾难性的……而且会在非常、非常短的时间内发生”。

胜出的能源组合是“兼收并蓄”，而不是押注单一资源。 Erin 的个人判断是，太阳能和电池仍将保持便宜、部署快速，但她认为天然气、核能、地热和水电仍不可或缺，因为当可变资源占电网约50%-75%时，间歇性的长尾成本会变得非常高。她更广泛的观点关乎负荷设计：不断扩张的数据中心、电动车、热泵和自动化，将同时推高基荷和日内峰值，因此系统不能只针对其中一类需求过度建设。

灵活算力比集中控制美国人的恒温器，更有可能成为需求响应资产。 David 表示，消费者会“断然拒绝”被规定室内温度；Erik 提到了加密货币挖矿，David 则建议把非关键数据中心任务转移到电价更低的时段。David 也反驳了 Erin 关于数据中心需求可能被高估的看法，认为未来10-50年，社会可能反而低估了 AI 的用电量。

在这场资本密集型重建中，电网软件是最清晰的风险投资级机会。 Erin 解释称，电网缺少互联网的双向通信、数据层和控制平面；David 认为软件应从边缘切入，而不是等待公用事业以缓慢的自上而下方式部署。电网没有“Splunk”、没有“Palo Alto Networks”、也没有“Looker”；来自电池、充电器和分布式发电的底层遥测数据，则有望改善当前仍高度依赖天气的预测。Erin 表示，AI 还可能把数月乃至数年由大批顾问完成的许可工作，压缩到“几分钟或几小时”。

核能兼具基荷、韧性和国防价值，但要实现规模化，必须重建美国执行超级工程的能力。 David 重点介绍了 Radiant Nuclear 提议的1兆瓦、可由卡车运输的微型反应堆，并进一步设想将可运输反应堆装上 C-130 飞机空投。相比之下，军用燃料的运输成本可能超过每加仑200美元，有时甚至达到400美元。节目的收尾判断十分明确：Ryan 表示，没有可靠的电网，就没有安全、国防或国家安全；Erik 表示，能源政策应按“便宜、可靠、清洁——依次排序”来优先配置电力。

🔗 原始收听与视频来源： 美国的能源问题：我们需要一张新电网