Jasmine Sun
观点集合
我们是否正身处AI泡沫？很快就会见分晓。
Anthropic拟以2万亿美元估值募资1000亿美元，上市将检验AI增长能否支撑资本需求：2026年上半年营收163亿美元、增长14倍，经营亏损收窄至约6亿至7亿美元。Griffith估算第3季度增长44%；关键是放缓源于竞争还是整体需求转弱，因为不可取消的算力合同会加重需求下滑的风险。
查看摘要（8段）
- Anthropic上市将检验AI惊人增长能否支撑其资本需求。 Kevin Roose认为，公司可能以2万亿美元估值募资1000亿美元；Erin Griffith称，上市接受公众审视将是一个“去神秘化时刻”。2026年上半年营收达163亿美元，增长14倍，经营亏损从超过20亿美元收窄至约6亿至7亿美元。Griffith解释称，80亿美元净亏损源于可转债的会计处理；但逐字稿前文称净亏损为800亿美元，两组数字相互矛盾。
- 关键在于，Anthropic增速放缓是竞争所致，还是整个AI市场需求转弱。 Claude Code快速增长后，Griffith估算公司第3季度增速为44%；与此同时，竞争对手追赶上来，客户也开始克制“token用量拉满”的做法。如果只是竞争加剧、市场仍在增长，那就“照常开趴”；如果行业整体退潮，以债务融资支撑的基础设施生态和Anthropic大量不可取消的算力承诺都将暴露风险。
- 上市后，公众股东将进入一家旨在保留创始人控制权、并坚持非同寻常安全承诺的公司。 7位创始人通过包含5类股票、独立信托和继任者审批机制的架构，掌握50.1%的投票权。Kevin举例说明这些安排的商业影响：“模型福利”考量可能推迟淘汰旧模型；Griffith则称，投资者通常把Anthropic视作企业软件公司。
- AI引发的政治反弹正影响地方基础设施决策，但在全国范围内仍不是选民优先关心的议题。 Jasmine Sun称，反AI是一个“80/20议题”，但AI通常在39个议题中排在第22位左右；在一些受影响州，只有约1%—5%的选民将其列为首要关切。数据中心可能左右势均力敌的农村选战；若共和党在中期选举失利，也可能为更严监管创造空间。
- 加州拟议的5%亿万富翁财富税，已引来3.33亿美元反对阵营资金。 Prop 40将对未实现收益征税，包括私人初创公司股票；反对者质疑其设计、政策延续性和先例效应。包括Planned Parenthood在内的医疗团体也反对该提案，但一位共同主持人质疑，反复以“法案写得不好”为由辩护是否站得住脚。
- AI驱动的漏洞发现，正引发攻击提速与修复提速之间的竞赛。 Mike Isaac预计“旧互联网会更快地崩坏”（the old internet breaking much faster）；Kevin Roose则以Anthropic自身系统遭入侵为例，说明技术领先的AI公司同样脆弱。Casey Newton转述Joshua Saxe提出的一种有保留的反方观点：或许存在一个“防御方占优窗口”，能让修复赶在普通网络犯罪分子适应新能力之前；但国家级攻击者是另一种威胁。
- 大型科技公司一边裁员，一边重新思考如何衡量AI辅助工作的产出。 Microsoft向6万人提供买断方案，但Griffith称，预计接受比例为3%—5%，离职人数很可能至多3000人。另据Amazon内部备忘录，token消耗量和代码行数都不应作为绩效指标，衡量标准应是“长期结果”——但管理者如何据此按季度决定员工去留，仍没有答案。
- 一项Anthropic实验显示，专家监督可能演变成对AI不自觉的服从。 Sun称，专家采纳AI建议的比例超过80%，沿用其论据的比例超过70%，但只有15%承认受到AI影响。她担心，人类会变成“AI代理的外壳”（wrappers on AI agents），在没有意识到决策权已转移的情况下把判断外包出去。
The Ezra Klein Show：AI反叛已至
数据中心反对声不到一年已扩散至全国并跨越党派：民调反对比例从去年8月约四成升至今年5月七成，且已有100多项暂停建设提案。信任崩塌让地方政府掌握议价权，Microsoft项目2026年预计贡献1960万美元房产税；但Foxconn失约留下烂尾风险，暂停建设或将算力迁出并加剧前沿能力稀缺。
查看摘要（8段）
- 数据中心的反对声在不到1年时间里扩散至全国，并跨越党派：支持率从去年8月Heatmap调查中的约四成选民，升至今年5月的七成；地方和州层面已出现100多项暂停建设提案，纽约州州长Hochul宣布冻结1年，DeSantis提出“公民AI权利法案”，Bernie Sanders则呼吁全国暂停建设。 对任何正在为超大规模建设潮做承销的人来说，选址风险已经是一项一线成本——“没人想要它”，是我反复听到的一句话。
- Jasmine Sun 对Wisconsin和Michigan的核心判断是：这不是虚假信息问题，也不是经典的“不要建在我家后院”（NIMBY），而是一场信任崩塌，所有支持建设的论据都会死在“我不相信他们”这句话上。 Marquette民调专家Charles Franklin给出的机制是：争议议题通常是50/50，但数据中心无论距离远近，民调都以70/30反对，因为“没有有力的支持理由”——除了公用事业公司和AI公司，没有其他利益群体，而这两者“已经极度不受欢迎”。
- 交易中的议价权已经从开发商转向地方政府。 2年前，公司还在争取销售税豁免和地方补贴；如今官员表示，“如果今天再做一次，我们根本不需要提供任何补贴”，Sun接触到的所有支持建设者都后悔签署保密协议，而Microsoft在Mount Pleasant的项目预计将在2026年向一个拥有28,000人口的村庄缴纳1960万美元房产税。
- 当地反对者最尖锐的担忧是资产烂尾风险，背后是Foxconn承诺的13,000个岗位最终只剩约1,000个，以及Janesville遗留的3000万美元、至今未修复的GM污染。 当下最现实的警示是：xAI的Memphis Colossus曾把算力卖给缺乏产能的Anthropic，但“下一次可能没有Anthropic来接这个账单”，最后小城镇只能“接下这个烂摊子”。
- Sun怀疑AGI竞赛根本没有终点：没有统一定义，模型能力“极不平滑”，尽管Anthropic在编码上领先，主要实验室也都押注递归自我改进，却没有一家“明显地拉开决定性差距”。 Klein的框架是：是否接受“竞赛”这个比喻，是AI政策中的核心分界线——如果不接受，“让我们更快地奔向坏地方”就不再是一个多么有说服力的论点。
- 暂停建设本身不会减缓AI，只会把算力迁往Texas、Louisiana、Dakotas、Australia、海湾地区的威权国家，甚至太空；同时收紧供给，让只有资金最雄厚的买家能够获得前沿能力。 在需求已经超过算力、且“前沿正在关闭”的情况下——最好的模型“并不向所有人开放”，既有安全原因，也有定价原因——限制建设只会进一步分化受益者：“可能我的老板会拿到超级智能，然后把我的工作自动化。”
- 值得关注的是这股奇特的跨阵营联盟：DeSantis与Max Tegmark一起参加AI圆桌，Bernie Sanders与Eliezer Yudkowsky合作拍爆款视频——“我不会把孩子送去那个多元伴侣家庭参加玩伴聚会，但我可以组建联盟。” 与此同时，中国几乎没有出现类似反弹（宿命论式决定论加定向监管）；Sun则称美国反弹是中共“心理战”的说法“荒谬”，因为报告引用的那些推文“每条只有两次浏览”。
- Klein对行业自我诊断的结论是：“这不是营销问题。” 你们面对的是有问题的技术……是产品问题。如果失业先于癌症治愈到来，“在政治上，这不可能成为一个能够被保护的均衡”；而Sun认为，硅谷正在迟到地发现民主制度存在摩擦：“买下一场选举其实非常难。”
“AI 洗白”式裁员？+ 为什么 LLM 写不好 + Tokenmaxxing
Block裁员次日上涨17%，显示“人力换算力”叙事已获市场奖励，但生产率仍未验证。后训练提升模型实用性，却压缩文风，且创意质量难以像代码一样验证。Token用量纳入绩效或加速采用，也可能奖励消耗而非产出并推高预算。
查看摘要（7段）
这轮裁员潮是一个真实的劳动力市场信号，但本期并未把每一种 AI 解释都视为因果关系。 Atlassian 裁员 10%，约 1,600 个岗位；Block 裁员约 40%，即 4,000 人；Reuters 报道称，Meta 可能裁掉 20% 或更多员工，最多涉及 16,000 人，但 Meta 称这是“推测性报道”，截至录音时尚未宣布裁员。Casey Newton 的总结是：公司一直在说 AI 很重要，“迟早，我确实认为我们不得不相信他们”，即便过度招聘、股价疲弱或组织失灵也提供了其他解释。
对投资者而言，AI 同时充当经营模式和估值叙事。 Block 宣布裁员次日上涨 17%，而 Meta 正将可能的裁员与计划中的 1,350 亿美元资本开支并置；Kevin Roose 的框架是，公司未必在降低总成本，而是在“把成本从人力转向 AI”。这场押注是：薪酬支出可以变成算力支出，市场会在生产率提升得到验证之前，就奖励那些先讲出这个故事的管理层。
Meta 提出的“人力换算力”替代仍然高度不确定，因为其自身的 AI 执行表现一直不稳定。 Zuckerberg 称，过去需要大团队的项目如今可以由“一个非常有才华的人”完成；但主持人指出，Meta 已放弃 Behemoth，据报道因未达标而推迟 Avocado，并再次重组 AI 团队。前沿实验室 OpenAI、Anthropic 和 Google 本身都没有进行可比规模的批量裁员，不过 Kevin 指出，OpenAI 和 Anthropic 的规模小得多，一些落后公司也可能在借助 AI 追赶。
AI 的应用已经变成一个让员工怎么选都输的信号困境，也可能成为管理层管束员工的工具。 员工担心，大量使用 AI 会证明自己适应力强，但也会证明自己的工作可以被自动化；Casey 谨慎地观察到，反复裁员已经让 Meta 员工变得更沉默，即便控制员工并非其声称的目的。Kevin 认为这可能为科技行业工会化打开空间，而 Casey 给出的更尖锐的组织动员试金石是：“我想不出有什么事会比 Meta 软件工程师组成工会更让 Mark Zuckerberg 恼火。”
现代聊天机器人在许多任务上比 GPT-2 或 GPT-3 更有用，但后训练牺牲了意外性、声音和风格跨度。 Jasmine Sun 认为，早期模型“疯疯癫癫”且不可靠，却没有如今常见的破折号、三段式列表和“不是这个，而是那个”的句式；在她的测试中，GPT-3 模仿作家的说服力也强于 ChatGPT 5.4 Thinking。RLHF、脚本化对话、词语限制和人类偏好评分，把“疯癫又撞懵的模型”改造成了安全的企业助手。
更深层的创意写作瓶颈在于，艺术质量既无法被清晰验证，也无法建立在模型自身的人生经验之上。 一位写作评估员描述的评分标准会因为 3 个感叹号扣分，甚至按事实性给同人小说评分，说明适用于代码——代码要么能运行、要么不能——的方法，在主观艺术上会失效。LLM 可以生成打磨得很好的隐喻，但 Jasmine 认为，人类作者的作品若来自经历、观察或社群，就带有切身的利害关系；Casey 的反驳是，模型从未听过音乐，却仍能富有感染力地讨论音乐。
Token 使用量正在变成一种昂贵的地位指标，其激励可能跑在经济价值前面。 据称 OpenAI 过去 7 天用量榜首的员工消耗了 2100 亿 Token，约等于 33 个 Wikipedia；Kevin 听说 Anthropic 个人 Claude Code 用量最高的用户单月花费超过 15 万美元；一些公司如今甚至把消耗量纳入绩效评估。主持人援引 Goodhart 定律，以及那句把按代码行数衡量编程比作“按重量衡量飞机制造进度”的老话：一部分 tokenmaxxing 确实带来真实产出，但排行榜也会诱发浪费、个人项目、预算失控和人为制造的员工绑定。