Will Marshall
前沿洞察
Planet的终局是将150PB专有地球时序数据喂给AI，打造预测现实的物理世界模型。火箭发射成本骤降打开了轨道算力窗口，但真正卡死规模化的是芯片功耗、散热与空间集群工程，芯片效率权重远超运力。商业层面，硬科技上市须耐住破局周期，短期炒作退潮后，胜负全系于边缘推理芯片架构与极限能源工程的变现能力。
观点集合
让AI进入轨道的100亿美元卫星帝国、芯片为何胜过火箭，以及中国第一开源模型 | #266
Planet 拥有150PB档案，10年间对每个陆地点观测约3,000次，形成可训练大型地球模型、预测现实变化的专有时间序列。当发射成本接近每公斤200至300美元时，轨道算力可能具备竞争力，但最终决定规模化的将是推理效率、芯片、电力和散热，而不只是火箭。
查看摘要（8段）
Planet 的投资逻辑是一条专有时间序列，而不只是一组卫星：PL 运营约200颗卫星，每天生成25 TB影像，并持有150 PB档案，覆盖陆地上的每个点，10年间累计观测约3,000次。 Marshall 将其称为“给地球编索引，让它变得可搜索”。竞争对手无法事后重建这段历史，因此这套档案与节目中提到的100亿美元估值及一年450%的股价涨幅一起，构成了公司的长期护城河。
大型地球模型可能把 Planet 的像素转化为自然语言答案，并最终预测现实世界的活动。 短期产品是把LLM与当前及历史遥感数据结合，服务农户、政府、记者、保险公司和交易员；下一步则是通过embedding“把地球token化”，让模型能够预测变化。据称，一个用美国数据中心建设数据训练的原型，已经定位出中国的项目，并在几天内预测完工日期。
Planet 的传感器路线同时提升分辨率、重访频率、时延和光谱深度，而不是只优化单一指标。 其每日扫描系统正从3米分辨率升级到1米，同时将时延压缩至1小时以内；Pelican 的目标是“30×30×30”——30厘米、每天30次重访、30分钟交付；Tanager 配备400个光谱波段，可以识别气体、树种，以及哪个坦克基地生产了某种车辆。
按照 Planet 与 Google 的研究，发射成本降至每公斤约$200-$300时，轨道计算开始具备成本竞争力，但发射只是第一道约束。 Google每年在算力上支出约2000亿美元，节目将其描述为大致相当于整个太空产业的规模；Project Suncatcher 正在测试TPU、散热器、辐射管理、光链路和高度协同的卫星集群。Marshall 的长期判断是：“10年内，我们预计大部分算力都会被放入太空。”
最终决定谁赢得轨道AI竞赛的，可能是芯片，而不是火箭。 Marshall 认为，“除了 SpaceX 之外，所有人都得缴纳 SpaceX 发射税”，而除了 NVIDIA 和 Google 之外，几乎所有人都要缴纳“NVIDIA税”；短期由发射主导，长期则由计算效率主导，因为每瓦FLOPS决定太阳能阵列、散热器和航天器的质量。鉴于推理已经占AI算力约70%，Marshall 预计推理会先于大规模训练进入轨道。
中国的 GLM-5.2 表明，前沿智能正变得越来越难以被少数公司垄断。 这款拥有7530亿参数、100万token上下文的开放权重混合专家模型，据称在部分推理、编程、agent和设计任务上已接近顶尖西方模型，同时以约2倍的推理token换取总价减半。对投资者真正重要的机制是：“烧更多token，就能获得更多智能”，这使推理效率、本地控制权和出口政策变成一场相互连接的竞争。
AI的制度建设落后于能力进展，也落后于资本形成。 Milei 提议设立非人类公司，让AI实体能够持有资产、签订合同、雇人并被起诉；Harari则警告，这可能成为不负责任的人类的挡箭牌。讨论中最有力的折中方案，是机器原生的问责机制，而不是二元化的人格认定。Marshall 同时指出，当前AI开发投入与安全投入之间据称存在相对于曼哈顿计划时代万倍的失衡：“现在不是摸着石头过河的时候。”
智能正在变得更便宜，但制造智能的基础设施却越来越资本密集。 Orin 的算力价格指数试图像观察和对冲石油一样，让智能变得可观测、可对冲，并支撑围绕超过7万亿美元潜在基础设施的期货和衍生品。Blundin 否定“资本开支对现金流”的警报论，认为超大规模云厂商可以为耐用资产融资，融资规模可能扩大10-100倍；但讨论仍保留了核心张力：输出价格下降，并不意味着GPU容量、电力或散热会变成低成本生意。