▶ 原文链接

Google 的 AI 人才流失、SpaceX 的强劲季度、Airtable 90% 估值崩塌、美国数据助力中国 AI

来源： All-In Podcast | Brad Gerstner, David Friedberg, David Sacks, Jason Calacanis | 2026-08-06 播客： All-In Podcast 分类： 投资 原文发表： Aug 8, 2026 纪要生成： 2026-08-10

---

嘉宾/话题简介

本期播客由老牌科技谈话节目 All-In Podcast 的四位常驻主持人——Jason Calacanis、David Sacks、David Friedberg 和 Brad Gerstner（Chamath Palihapitiya 因旅途缺席）共同录制。Brad Gerstner 是 Altimeter Capital 的创始人兼 CEO，长期深耕科技投资。节目围绕近期科技界四个重磅话题展开：Google 顶尖 AI 人才集体离职背后的战略分歧、SpaceX 上市后首份财报揭示的多重杀手锏、Airtable 以“骨折价”被收购暴露的 SaaS 行业困境，以及美国数据标注公司公然向中国 AI 实验室出售训练数据引发的争议。四位嘉宾从投资人、运营者和政策观察者的角度展开了深度剖析。

---

分节详述

02:03 Google 的 AI 大脑流失：从明星科学家出走看科技巨头的战略转向

本节重点

• Google 一周内接连发生两起重大 AI 人事地震，Demis Hassabis 被“明升暗降”，传奇工程师 Jeff Dean 离职创业。
• 直接导火索是 Gemini 3.5 Pro 进度落后和内部士气低落，但深层原因是资本分配逻辑的根本性改变。
• 数据中心的算力租赁生意因税收优惠和高确定性回报，在 Google 内部赢得了相对于模型开发的资源争夺战。
• 相同的“渠道冲突”在微软和 SpaceX 同样存在，而 Anthropic 和 OpenAI 因此获得绝对专注的优势。
• 市场结构演化为“前沿双寡头+商品化追赶者”的两层格局，但开源模型的实用性已让用户感到“足够好”。

详细精要

• Google 遭遇重大 AI 人才流失：周三，Demis Hassabis 转任 DeepMind 主席，被媒体描述为“被踢上楼”。更致命的是，Google 第 30 号员工、效力 27 年的传奇 AI 工程师 Jeff Dean 携另外三位 AI 明星离职，共同创办新公司 Discovery Loop，专注于 AI 领域的深度科学突破。
• Axios 的报道直指 Google 的 Gemini 3.5 Pro 进度已落后数月，部分原因是公司内部士气低落。
• 多位顶尖研究员，包括 Gemini 的联合负责人，已跳槽至竞争对手的 AI 实验室。

• 消息传出后，Google 股价 下跌 4%，市值蒸发约 2000 亿美元。

• 资本分配的内在冲突是离职潮的根本驱动力：David Friedberg 认为，管理层和董事会正在争论如何最佳配置资本，而天平已严重倾向基础设施。

• Google 已承诺今年在 AI 基础设施和数据中心建设上投入 2000 亿美元的资本支出。
• 由于 加速折旧 政策，当前在美国投资 AI 计算拥有巨大的税务优势，假设 26% 的企业税率，每投入 1 美元 Capex 几乎立刻获得 26% 的税收返还。
• 市场对算力的 极端需求和 Google 运营基础设施的卓越能力，使得这种投资的 投入资本回报率相当明确且高置信度。

• 相反，构建最前沿的大模型同样需要 数百亿美元 资本，但在 开源权重模型 快速追赶、所有前沿实验室差距日益缩小的背景下，模型本身的盈利能力存疑。

• 科学家个人抱负与公司战略脱节：当 Google 倾向于成为“模型无关”的算力平台时，最顶尖的科学家感到失去了激情。

• Google 拥有全球最大的企业和消费者基础，完全可以作为中立的算力供应商，同时为 Anthropic、OpenAI 以及各种开源模型提供服务——Google 本身就持有 SpaceX 和 Anthropic 的大量股份。
• Jeff Dean 和 Demis Hassabis 等科学家发现，资本没有被分配到他们最感兴趣的模型开发上，而是流向基础设施。

• 此时，凭借其全球顶尖的声誉，他们只需几页 PPT 就能从 Brad Gerstner 等投资人那里轻松募到 数十亿美元 创办新公司，这成为了更优的个人路径。

• “渠道冲突”在科技巨头中普遍存在：Brad Gerstner 指出，微软也在上演同样的一幕。

• 微软 CEO Satya Nadella 本周引用摩根士丹利报告称，其 Tokens-as-a-Service（算力租赁）业务的投入资本回报率超过 30%。
• 微软内部，云服务希望把所有算力出租给 Anthropic 等客户，而自家的模型开发团队也需要这些算力来竞争，冲突同样尖锐。

• SpaceX 的处境也类似：一边向 Anthropic 出租算力，一边又要自研 Grok 和收购 Cursor（一个 AI 代码编辑器）。相比之下，纯粹的 Anthropic 和 OpenAI 则完全没有这种内部矛盾，可以全力冲刺模型业务。

• AI 市场形成“前沿双寡头”与“商品化”的上下两层：David Sacks 判断，曾经群雄逐鹿的前沿模型市场已快速收敛为 Anthropic 和 OpenAI 的双寡头垄断。

• Polymarket 预测市场数据显示，OpenAI 有 32% 的概率拥有年底的最佳模型，Google 20%，但 Sacks 认为 Elon 的 xAI 和 Google 都因激励冲突难以真正争顶。
• 双寡头能够对模型本身 收取高额溢价，而落后 6-12 个月的“商品化智能”即便有市场，也只能按算力收费，模型权重本身几乎无法变现。他用 iPhone vs. Android 比喻：Android 用户更多，但几乎所有利润都流向苹果。

• Anthropic 的收入数据为此提供了有力证据：其 年度经常性收入 从年初的 100 亿已飙升至超过 800 亿，并有望在年底达到 1100 亿至 1200 亿以上，远超所有人预期。OpenAI 也在加速增长。

• 开源与闭源、前沿与非前沿的实用性之争：Jason Calacanis 坚称，在自己 95% 的工作中，使用非前沿模型与前沿模型的差距已经可以忽略不计。

• Jason 甚至发推文表达此观点，并引来 Elon Musk 的直接反驳：“不是那么回事，差距是天壤之别，”Elon 认为前沿模型正处于 技术奇点 之中。
• Jensen Huang （黄仁勋）本周也加入论战，声称闭源的前沿模型实际上是更便宜的，因为企业无需自行承担训练、微调、维护和安全护栏的成本和复杂工程。
• David Friedberg 则认为，企业最终会采取 混合策略：日常简单工作流使用廉价开源模型，而像生命科学、基因组学或视频渲染等特定高端任务，则需要为最好的专用模型（例如 Google 的 Gemini 视频模型）支付溢价。他认为 Google 在视频、生命科学数据方面有多年积累，Demis Hassabis 仍将掌舵 Isomorphic Labs，这些垂直专用模型是 Google 未来能大放异彩的领域。

💬 精华片段（中文）

“构建最前沿模型同样需要上百亿美元资本。真正的问题是，你能从这个模型本身获得回报吗？在一个开源和开放权重模型如此快速追赶的世界里，投入这笔巨款真的还那么有意义吗？”

“Building the most advanced frontier lab-driven model also takes tens of billions of dollars of capital. And the question really is, can you deliver the profits from the model? And in a world where open source is becoming so good and open weight models are catching up so quickly... does it really make as much sense to deploy tens of billions of dollars against building a model?”

---

20:44 SpaceX 的超强季度：深度解析 Starlink 现金牛与万亿美元算力豪赌

本节重点

• SpaceX 上市后首份财报营收近 80 亿美元，同比增长 92%，但股价因高昂 Capex 大幅回调。
• Starlink 通信业务已成为一台恐怖的现金机器，仅此一项就足以支撑万亿市值。
• Starship 的成功测试带来了 V3 卫星，可将 Starlink 网络容量提升数十倍，为全球电信格局带来颠覆性变量。
• AI 算力租赁业务收入暴增，但现货价格稳定性和高达 3000 亿美元的融资需求是市场两大核心疑虑。
• 从 160 倍市销率回归到 45 倍，市场通过股价回调完成了健康的估值重定价。

详细精要

• 财报数据亮眼，但市场并不买账：SpaceX 上市后首份Q2 财报显示总营收 78 亿美元，同比激增 92%，环比增长 67%。然而，股价在财报后不涨反跌 13%，自 6 月 IPO 以来已累计下跌 30%，估值从 2 万亿美元 以上回落至 1.4 万亿美元 附近。
• AI 业务收入——Jason 戏称为 Elon Web Services——环比增长逾三倍至 26 亿美元，主要来自 An“Colossus”计算集群向 Anthropic 和 Google 的算力租赁（此收入不包含尚未完成收购的 Cursor）。
• 令市场担忧的是资本支出激增，单季达到 184 亿美元，同比增长 6 倍，年化运行率高达 750 亿美元。

• Brad Gerstner 认为这是典型的 IPO 后“洗盘”过程，并回顾历史：大多数科技股上市后 6 个月内 从高峰到低谷回落 50%，SpaceX 只是重复了这一规律。

• Starlink 已成为一头无可匹敌的“现金牛”：David Friedberg 通过分部数据详细拆解了其价值。

• “连接”业务（即 Starlink）季度营收 43 亿美元，调整后 EBITDA 高达 26 亿美元，可近似视为经营性现金流。作为对比，航天业务基本盈亏平衡，AI 业务盈利 11 亿美元。
• 用户数据方面：用户数同比翻倍至 1200 万，季度环比增长 20%，每用户每月平均收入为 66 美元。
• 按此增速线性外推，Starlink 用户很快将达到 2400 万的年化水平，届时将产生约 400 亿美元 的营收和 300 亿美元 的自由现金流。

• 鉴于其高续订率和极低的获客成本（CAC），Friedberg 认为可以给予 30 倍 估值。仅 Starlink 一项业务，就可能在 18 个月到 2 年内达到 1 万亿美元的市值，其产生的现金流足以支撑 Elon 的所有其他“登月”项目。

• Starship 成功是改变游戏规则的关键：David Sacks 详细解释了 Starship 为何对 Starlink 至关重要。

• SpaceX 已开发出 V3 卫星，单颗带宽是当前 V2 卫星的 10 倍。当前用 Falcon 9 火箭每次可发射 27 颗 V2 卫星，为网络增加 2.6 Tbps* 的总容量。
• 而 Starship 一次发射可部署 60 颗 V3 卫星，为网络增加 60 Tbps 的总容量，单次发射效率是过去的 20 倍以上。
• Starship 的最新测试中，不仅隔热罩成功工作，火箭还实际部署了 20 颗 V3 卫星并成功建立连接，证明了技术可行性。

• 随着带宽呈指数级增长，Starship 不仅能让 Starlink 服务更多用户，还能解锁直连手机、接管全球一半互联网流量等宏大设想。Sacks 甚至推测 SpaceX 未来可能收购 T-Mobile 等电信运营商。

• AI 算力租赁的繁荣与天量融资挑战：Sacks 和 Gerstner 围绕 Elon 在电话会上提出的宏伟目标展开激辩。

• Elon 表示，到年底，AI 计算容量将从目前的 1.4 GW 增至约 2 GW，明年将增至 5 到 10 GW，更接近 10 GW。按 每 GW 50 亿美元 的建设成本计算，明年仅增量部分就需要 3000 亿美元 的资本支出。
• 当前，由于需求极度旺盛，市场上的 现货价格 稳定在 每瓦 30 至 50 美元的极高水平。Anthropic 等前沿实验室为获得规模算力以获得竞争优势，甚至愿意支付 3 至 5 倍的正常价格。
• 市场核心的“焦虑之墙”在于：谁会为这 3000 亿买单？若需求滑落，回报周期将急剧拉长。融资途径不外乎发债、稀释股权或依赖 Nvidia 的卖方融资，但这其中任何一种都面临阻力。

• Elon 认为，整个系统目前正受 内存 供应短缺的瓶颈制约，内存产能明年仅增 20%，而需求增幅在 200% 以上，因此他认为现货价格还会继续走高。

• 估值回归理性和 Elon 的资本配置天赋：市场的调整使估值更趋合理。

• Jason 将这场估值争论比作一个从“投票机”（私募市场）到“称重机”（公开市场）的切换。最初其市销率一度高达 160 倍，现在由于收入暴增和股价回调，已降至约 45 倍。
• Brad 强调 入场价格至关重要，IPO 首日 2 万亿的价格明显透支，但以 1.4 万亿 的买入，展望 3-4 年仍有 翻三倍 的可能。
• 所有嘉宾都对 Elon 的企业家精神表示赞叹：大多数 CEO 会守着 Starlink 这台印钞机分红或回购，但 Elon 却将巨额现金流再投入到 芯片工厂（Terafab）、Starship 和 AI 大模型 等对国家至关重要但风险极高的项目中。

💬 精华片段（中文）

“你几乎可以仅凭 Starlink 就做出完全看涨的判断。然后，剩下的那些业务就像是附加的看涨期权——他会利用 Starlink 溢出的多余资金投资得很好吗？你不给他，又能给谁呢？”

“I think you can make the bull case on Starlink alone. And then the rest of it is like, hey, is Elon going to do well with investing the excess capital that's spinning off of Starlink? How is Elon going to do with that money? Well, I don't know who else I give it to.”

---

48:01 Airtable 90% 估值崩塌与 SaaS 启示录：当“无代码”遇上真正的 AI

本节重点

• 拥有近 5 亿美元收入和 10 亿美元现金的 Airtable，以仅峰值 1/10 的价格被“专收失意公司”的意大利公司收购。
• 销售团队仅 30% 达标，揭示了 VC 压力下强行从 PLG 转向销售驱动的失败。
• AI 代理和自然语言编程正在“无代码”工具的墓地上跳舞，整个赛道面临灭顶之灾。
• 拥有强合规性、强系统锁定效应的关键任务 SaaS 巨头（如 Salesforce、微软）壁垒依然坚固，不可同日而语。
• 此案是 ZIRP 时代估值泡沫破灭的经典样本，但也是一次让投资人基本收回本金的“体面失败”。

详细精要

• Airtable 的“坠落”交易细节：Airtable 已被一家名为 Bending Spoons 的意大利公司收购，收购价仅为 12.8 亿美元，若加上其拥有的近 10 亿美元 现金，总对价约为 22.5 亿美元。
• Airtable 2020-2021年时的巅峰估值高达 117 亿美元，如今售价仅为其 1/10。尽管如此，它仍是一家年收入 4.8 亿至 5 亿美元、年增长 20% 且拥有近 10 亿美元 现金的盈利公司。
• 买方 Bending Spoons 总部在米兰，专门收购有挑战但有价值的老牌互联网产品，如 AOL 遗留业务、Evernote、Eventbrite、Vimeo 和 Meetup.com，并刚刚在 上月上市，收购消息后股价上涨 15%。

• 在此次交易前，Airtable 已将其 AI 代理业务 Hyperagent 剥离为一家独立公司，原有的核心人才将专注于这个新的风险投资项目，而把被收购的“遗留产品”留给了 Bending Spoons。

• 30% 销售达标率的灾难性揭示：David Sacks 从一个关键数据点——仅 30% 的销售团队完成了销售定额——解读出深层次的战略失败。

• Airtable 最初凭借出色的产品驱动增长模式，自然增长率达到 20%。但对于那些在 110 亿美元 估值下入场的投资者来说，20% 的增长远远不够。
• 在董事会压力下，创始人被迫“嫁接”了一套传统的销售驱动增长模式，试图推高增长。结果是灾难性的：70% 的销售人员无法达成业绩，增长并未加速，成本却急剧膨胀。

• Sacks 认为，Bending Spoons 的赚钱逻辑非常简单：像 Elon 改造 Twitter 一样，裁掉 85-90% 的成本结构，回归纯粹的 PLG 模式。这样即便增长放缓至 10-20%，公司也将变得极其盈利，仅需 2-3 年 就能回收购成本，并可轻松创造 3 亿至 4 亿美元 的年度 EBITDA。

• 为何创始人自己做不到这种转变？ Brad 和 Sacks 一致认为根源在于 VC 的资本结构和人的情感。

• 资本结构极度扭曲：公司背负着从 20 亿、50 亿到 110 亿美元等多次融资累积的 巨额清算优先权。在公司出售后，这笔钱必须先还给后几轮的投资人，管理层和早期股东动力不足。
• 此外，创始人和团队对亲手建立的庞大组织有情感忠诚，无法做出 “摧毁自己 80% 团队” 的决策。这就像从风险投资模式切换到私募股权模式，所需的思维和技能完全不同。

• Brad 进一步补充，当一家 SaaS 公司增长放缓后，会发生连锁反应：员工士气崩溃、客户流失率飙升，这反过来又让公司更难挽留优秀的人才和客户，形成死亡螺旋。

• AI 正在对“无代码”赛道进行降维打击：David Sacks 和 Jason 都认为，Airtable 的困境也源于 AI 工具的根本性替代。

• Airtable 过去常被归类为“无代码”工具，并被错误类比为新版 Excel 或 Google Sheets。但 Sacks 指出，它从未成为一种主流、用途自明的产品，大多数人至今不知道 Airtable 是干什么的，只在特定粉丝群中流行。
• 而今，用户不再需要学习使用 Airtable 或 Retool 这类“无需代码但需要学习其逻辑”的工具。他们只需对 Claude、Cursor 或 Perplexity 用自然语言说出需求，AI 就能直接生成想要的应用或数据看板。无代码赛道是目前 SaaS 中被 AI 冲击最严重的领域。

• David Friedberg 还提供了一个深刻的洞见：过去做交易后的成本削减，最忌讳裁掉所有老员工，因为害怕丢掉“机构记忆”，没人懂代码。但如今，AI 可以瞬间读懂并重构整个代码库，使得“保养模式”变得极度容易，传统成本削减的屏障消失了。

• SaaS 并未全军覆没：关键任务级软件壁垒依旧：Sacks 和 Brad 都警告不要将对 Airtable 的结论普适化。

• 以 Snowflake（6 个月内暴涨 88%）、Databricks 为代表的数据基础设施公司，以及 IGV（高增长软件 ETF，6 个月内涨了 20%）的表现，证明了优质 SaaS 仍有极强的市场认可度。

• 他引用一篇分析指出：公司购买 微软 不是因为它的代码最好，而是因为它是一切业务运行的“铁轨”：Active Directory 管身份认证、Excel 生成报表、Teams 满足合规通话、Azure 拥有 FedRAMP 高级别和国防部 Impact Level 5 安全认证。对这些系统进行“小白式替换”的代价是巨大的，大型企业和政府机构根本不会考虑。

• 这是一个 ZIRP 时代“体面的失败”：Brad 从一个风险投资人的角度总结了这笔交易。

• 尽管外部看起来是灾难，但所有后期投资人（在 20 亿、50 亿、110 亿轮次进入的）都拿回了本金，而早期投资者更是获得了相当可观的回报。在硅谷，这已经算是一种“相当不错的失败”了。
• Brad 将之与半年前的一场对冲基金爆仓事件类比，市场的恐慌和出清往往是健康的，这也为后续 Anthropic 的 IPO 等真正的重磅交易积蓄了合理预期的土壤。

💬 精华片段（中文）

“现在 AI 让‘保养模式’变得更容易，因为你不再需要历史知识。AI 可以直接进入并重构那些历史知识。过去如果不留人你根本不敢裁，现在这个屏障没了。”

“I think maintenance mode becomes way easier with AI because you don't need the historical knowledge anymore. The AI can go in and reconstitute that historical knowledge.”

---

01:05:26 美国数据“喂养”中国 AI：战略失血还是商业自由？

本节重点

• 《福布斯》调查揭露，估值超 200 亿的美国数据标注初创公司正将最顶尖的博士级训练数据，卖给中国的头部 AI 实验室。
• David Sacks 认为数据标注是商品，限制只会引发对等报复，除非能证明其军事双重用途。
• Brad Gerstner 指出，只要美国保持领先，这种“擦边球”就可以容忍；一旦中国反超，将立刻触发严厉的政治审查。
• Jason Calacanis 强烈反对，认为这实质上是把西方最尖端专家的智慧结晶，以低廉价格加速中国的追赶，等同于技术泄露。

详细精要

• 《福布斯》的震撼调查：《这些美国创业公司正在让中国的 AI 变得更聪明》一文揭露，Surge AI、Mercor 等估值超 200 亿美元 的美国数据标注公司，正在向中国的顶级 AI 公司出售驱动前沿模型的“秘密酱汁”。
• 这些训练数据集包含 博士级专家撰写的内容、强化学习的知识管线 等高度专业化的资料。它们同样被出售给 OpenAI、Anthropic 和美国联邦机构。
• 中国的 腾讯、字节跳动、阿里巴巴、Moonshot 等六大 AI 实验室，每年花费 5 亿美元 购买此类服务。

• Jason Calacanis 特别指出，自己投资的竞品公司 Micro 1 的创始人主动做出了 不卖给中国 的决定。

• Sacks 的“实用主义”反对意见：David Sacks 认为，需要先厘清战略目标，不应盲目开启经济战。

• 他从根本上认为 数据标注是一种商品。他保证，中国绝不缺乏理工科人才（其每年毕业的数学和科学人才 比世界其他国家总和还多），他们完全有能力自己组建团队完成。禁止出售除了制造摩擦，无法从根本上阻止中国。
• 他提醒，任何单方面禁令都会导致中国的对等报复，比如关键原材料稀土。美中经济并未完全脱钩。

• 他认可精准的战略控制是有效的，例如 2019 年特朗普政府禁止向中国出口 EUV 光刻机。但数据标注远未达到这个门槛，除非能证明它具有明确的 军事双重用途。

• Brad Gerstner 的政治现实主义：Brad 从华盛顿政策制定的视角给出了预测。

• 目前美国是赢家：我们的前沿实验室、开源模型都领先，所以对这类“擦边”行为容忍度较高。只要这种领先态势持续，政策就不会收紧。

• 但是，这是一颗定时炸弹。一旦某天，总统问他的顾问“我们还在 AI 竞赛中领先中国吗？”，而得到的答案是“不，他们已经赶上甚至超过了我们”时，所有这些数据输出行为、模型蒸馏行为都将立刻被放到显微镜下接受最严苛的审查和管制。

• Jason Calacanis 的“爱国者”焦虑：他以自己过去 60 天 密集使用 Kimi、Qwen、GLM 等中国开源模型的亲身经历发出警告。

• “我的老天，这些模型太强了。”他坚信，中国模型能快速赶上的一大关键原因，就是系统性获取了美国专家标注的高质量、带有错误修正和验证的最前沿数据集。
• 这是本质上的知识输送：美国花钱雇佣其最聪明的头脑（各领域的博士）生成、精炼数据以提升我们自己的大模型，而这些数据包随即被转手卖给中国实验室，让它们以同样的速度进步。这几乎就是另一种形式的 蒸馏。

• 他认为若切断这条供给线，将是美国的巨大竞争优势。他的公司主动选择不参与这件事，是出于纯粹的爱国主义。

• David Friedberg 的竞争乐观主义：他倾向于从更大的格局看待 AI 竞赛。

• 美国的巨大优势恰恰来自于极其激烈的国内竞争，这产生了向下的价格压力和性能飞跃，最终使美国的企业和消费者受益。只要不触碰真正的核心国家机密，维持开放是保持美国领先的动力所在。

💬 精华片段（中文）

“如果未来的某一天，总统问他的顾问‘我们在 AI 方面仍然领先中国吗？’而答案变成了‘不，我们已经不再是赢家，他们追上并超过了我们’，那么这些事情将会遭到远比今天更严密的审视。”

“If the president asks his advisors, you know, one of these days, 6 months down the line, are we winning against China? And all of a sudden he gets a response, no, we're no longer winning, they've caught up, they've passed us, etc., then these things will get a lot more scrutiny than they're getting today.”

---

专业术语注释

术语	解释
AI Brain Drain (AI 人才流失)	指 Google 等大厂顶尖 AI 研究人员大量出走创业或加入对手的现象。
CapEx (资本支出)	用于购买、升级实物资产（如数据中心、服务器）的资金，本期特别指 AI 基础设施投入。
加速折旧	税法允许企业在资产使用早期多提折旧以减少应税收入，刺激投资。
ROIC (投入资本回报率)	衡量企业使用资本效率的指标，Freeberg 以此对比数据中心和模型开发的回报。
开源权重模型	模型权重公开、可本地部署的 AI 模型，相对于完全闭源的前沿模型。
前沿模型	指当前在基准测试中领先、最先进的 AI 大模型。
Duopoly (双寡头)	Sachs 用此描述 Anthropic 与 OpenAI 在顶级模型市场的垄断地位。
ARR (年度经常性收入)	衡量 SaaS 或订阅业务规模的指标，Anthropic 已超 800 亿美元。
Tokens-as-a-Service	将 AI 模型输出 token 作为基础设施服务租赁，微软等提供。
PLG (产品驱动增长)	依靠产品自身吸引力带来用户增长，不依赖销售团队。
Liquidation preference (清算优先权)	风险投资条款，公司出售或清算时优先股投资者先回收本金。
ZIRP (零利率政策)	指 2020~2022 年极低利率环境，推高了科技公司估值。
无代码工具	无需编程即可构建应用的平台，Airtable 属于此类，现受 AI 编程冲击。
两用技术	既可民用又可军用的技术，涉及出口管制，Sacks 提及用于判断数据是否该禁售。
EUV 光刻机	极紫外光刻机，芯片制造关键设备，美国对华禁运。
EBITDA	税息折旧及摊销前利润，用于衡量公司核心经营获利能力。
PS Ratio (市销率)	总市值除以主营业务收入，用于评估高成长科技公司的估值水平。
Vibe Coded	播客中造的词，指不需要专业开发，用自然语言让 AI “凭感觉”一键生成软件的方式。
Starship	SpaceX 研发的巨型可回收火箭，旨在实现大规模深空探索和低成本卫星部署。

---

延伸思考

值得进一步关注的问题、争议点或行动建议：

1. 基础设施投资的泡沫风险：当 Google、微软、SpaceX 都将数千亿资金砸向 AI 数据中心时，一旦算力需求的“摩尔定律式”增长放缓，或开源模型进一步降低对集中式算力的依赖，今天看似高确定性的 ROIC 模型是否会瞬间崩塌？
2. SaaS 企业的生存法则：Airtable 的案例表明，AI 原生替代品的出现会彻底击碎非核心工作流的软件价值。还有哪些看似稳固的 SaaS 品类（如协作设计、低代码平台）正站在类似的悬崖边上？
3. Elon Musk 的“伟人风险”：SpaceX 的巨大价值高度系于 Elon 个人承担无限风险的意愿和能力。如果未来公司决策层趋于保守，开始注重财务指标而非星辰大海，其估值逻辑将如何改变？
4. 数据主权的灰色地带：数据标注服务的跨境流动只是冰山一角。当模型蒸馏、合成数据、甚至基于 API 的知识萃取成为常态，我们该如何定义“技术转移”的边界？现有的出口管制框架已显得捉襟见肘。
5. 风险资本的角色演变：从 Airtable 的“体面失败”到 Anthropic 的巨大成功，VC 行业正在经历从软件时代的“分散押注”到 AI 时代的“资本密集型豪赌”的范式转换。这对 LP 的资产配置和整个硅谷的创新生态意味着什么？

原文发表：Aug 8, 2026  ·  纪要生成：2026-08-10