▶ 原文链接

AI IPO 狂潮、企业 ROI 之争、开源与闭源博弈及特朗普全民投资账户

来源： All-In Podcast | Chamath Palihapitiya, Brad Gerstner, David Sacks, Jason Calacanis | Jul 10, 2026 播客： All-In Podcast 分类： Anthropic 原文发表： Jul 10, 2026 纪要生成： 2026-07-20

---

嘉宾/话题简介

本期节目由四位 All-In 老友在 2026 年 7 月录制，David Freeberg 因在爱达荷州度假缺席。Jason Calacanis 在巴黎参加 AI 会议，David Sacks 和 Brad Gerstner 则在美国境内。本集核心议题围绕万亿级 AI 公司的 IPO 前景展开，深入探讨了企业在 AI 上的巨额支出与其投资回报率 (ROI) 之间的巨大鸿沟，随后将讨论引向全球 AI 开源与闭源的主权之争，以及一项由 Brad 主导、旨在让每个美国儿童成为资本家的里程碑式政策——特朗普账户。

---

分节详述

序幕：华盛顿的游说与巴黎的 AI 会议

本节重点

• Chamath 正经历他的“软件苦夏”，忙于销售企业软件。
• Jason 参加了在日内瓦由 Marc Benioff 共同主持的联合国 AI 委员会，现场名流云集。
• 联合国 AI 委员会的核心议题是开源 AI，各国都在寻求构建自己的主权 AI 战略。

详细精要

• Chamath 的企业软件销售体验：

• Chamath 坦言，销售企业软件非常困难，这让他意识到自己过去在 SaaS 繁荣期对 CEO 们过于苛刻。

• 联合国 AI 委员会的见闻：

• Jason 在巴黎的 Rays 会议 上做了多场访谈，随后前往日内瓦，与 Jensen Huang（英伟达）、Brad Smith（微软）、Anthony Tan（Grab）等共同参加了由 Marc Benioff 担任联合主席的联合国 AI 委员会。
• Jason 形容 Benioff 是“企业家的企业家”，亲眼见证了他强大的社交和商业能力。

• Anthropic 的联合创始人 Tom Brown 也出席了会议。尽管 Tom 以持有强烈的“AI 末日论”著称，但 Jason 认为他为人很棒，只是将此信念公开坦露。

• 全球对主权 AI 的渴望：

• 会议揭示了一个重要趋势：没有一个国家不想搞清楚自己的主权 AI 战略。
• 与会者普遍相信，未来将是开源的，以便各国可以在此基础上构建自己的 AI 基础设施。Jason 认为，这些国家并不信任单纯依赖美国闭源模型。

💬 精华片段（中文）

"没有一个国家不想搞清楚自己的主权 AI 战略。我不认为他们相信使用一个闭源的美国模型是最终的答案。"

"There is not a single country in the world that is not trying to figure out its own sovereign AI strategy. And I don't think they believe using a closed source American model is the answer."

---

02:35 IPO 专题：SpaceX 的完美定价与 Anthropic/OpenAI 的上市前景

本节重点

• SpaceX 以 1.75 万亿美元 估值上市，共募资 750 亿美元，目前股价稳定在 IPO 价格附近，是一次教科书式的 IPO。
• Anthropic 已秘密提交 IPO 申请，预测市场显示年内上市概率 65%。其年收入有望超过 1000 亿美元，Gavin Baker 认为若现在上市，其估值将达 3 万亿美元。
• Brad 透露，Altiimeter Capital（他的投资公司）会作为锚定投资者，在 Anthropic 和 OpenAI 的 IPO 中大举买入。
• Chamath 警告，企业 AI 的 ROI 隐忧 是未来最大的风险，建议 AI 公司趁估值高峰尽快上市。

详细精要

• SpaceX IPO 的里程碑效应：
• Brad Gerstner 确认参与了 SpaceX IPO，称其为“教科书式的成功”。公司以 1.75 万亿美元 的估值上市，融资 750 亿美元。基于 350 亿美元 的未来收入计算，其营收倍数相当惊人。

• 这次 IPO 在锁定期、定价、资金规模等方面为后来的巨型科技公司提供了蓝图，Anthropic 和 OpenAI 都在密切关注并学习。Elon Musk 和 SpaceX 团队 Brett、Gwen 等在其中做出了许多创新。

• Anthropic 的惊人财务数据与上市预期：

• 传闻称 Anthropic 2026 年收入将超过 1000 亿美元，几乎是 SpaceX 的三倍，且已实现盈利（Brad 曾称其为“意外的盈利”）。预测市场 PolyMarket 显示其 2026 年内上市的概率为 65%。

• Brad 认为，基于 SpaceX 的成功，Anthropic 的 IPO 将会是一场“重磅炸弹”，收入轨迹是史无前例的。他认为 Anthropic 和 OpenAI 在 6-9 个月内上市的概率是 100%，除非发生黑天鹅事件。

• OpenAI 的复苏与上市前景：

• 尽管 OpenAI 收入一度被 Anthropic 超越，但其近期势头回升。近期 Twitter 上的传闻显示，其年化收入已达 700 亿美元，且即将发布新一代模型 GPT-6。

• 尽管 OpenAI 有更复杂的公司重组问题，但 Brad 认为它依然能获得 超过万亿美元 的估值。对于一个拥有如此惊人收入增长的前沿实验室，市场会给予定价。

• Chamath 对 ROI 清算的预警：

• Chamath 认为现在的关键是找到“市场出清价”，这取决于投资者有多大的胃口吸收这些巨量发行。他分享了自己的亲身经历：他的公司 Token 成本每 45 天 翻一倍，但由此带来的下游生产力提升可能只有 5%。
• 他预测，未来 3-4 年内每家公司都将经历一次严峻的 ROI 核算。因此，对 AI 公司而言，现在就是最佳的上市窗口，必须赶在这股“清算”情绪蔓延开之前，以高价融资。

💬 精华片段（中文）

"我怀疑，如果你现在能上市，就应该立即行动。要赶在所有这些问题开始渗入地下水之前。"

"I suspect that if you can get out now, you should get out now before all of that starts to seep into the water table."

---

04:38 OpenAI 与 Anthropic：消费者与企业的战略分野

本节重点

• OpenAI 曾是消费者 AI 的绝对品牌，但一度在视频生成（Sora）、与迪士尼合作等方向上分散了精力。
• Anthropic 则专注于企业市场，其 Claude 模型成为企业级 AI 的标杆，并在营收上反超 OpenAI。
• Chamath 指出，企业市场虽然收入丰厚，但也更“脆弱”，因为企业采购最终会面对严格的 ROI 审查；而消费者市场拥有数亿用户，能提供天然的“安全垫”。

详细精要

• OpenAI 的战略摇摆：

• Jason 提出问题：ChatGPT 作为家喻户晓的消费者品牌，是否会在与 Anthropic 的竞争中，重蹈 雅虎 对阵 谷歌 的覆辙？OpenAI 是否会因为对 Sora、迪士尼合作等消费者项目的关注，而忽视了企业市场这块高增长阵地。

• 消费者市场 vs 企业市场的风险差异：

• Chamath 认为，问题的核心最终会回归到 ROI。他使用 AI 模型 Fable 5 进行测算，发现自 2024 年以来，S&P 500 的 AI 相关 EPS 增长，绝大多数来源于企业在通胀基础上的定价权和回购，而非 AI 带来的直接生产力提升。大部分公开数据显示，AI 的实际 ROI 在 0% 到 2% 之间。
• 他指出，企业市场更“脆”。聪明的投资者最终会问：你的 ROI 是多少？ 一旦企业 CFO 发现 AI 支出无法带来超过无风险利率的回报，他们就会削减开支。
• 相比之下，消费级市场拥有 数千万买家，订单量级多出两个数量级，每个人的消费金额很小。这种结构能有效“免疫”来自单个客户关于 ROI 的苛刻质询和波动。

💬 精华片段（中文）

"企业市场可能更脆弱，因为买家数量少且要求苛刻。而消费者市场则神奇地变成了一个安全的避风港。"

"Enterprise is probably a little bit more brittle because there are fewer buyers and they're more demanding. Consumer on the other hand then all of a sudden becomes an incredible safe harbor."

---

05:39 大企业的 ROI 实践：从 UBER 到“部署工程师”

本节重点

• UBER CTO Pine 公开分享了其 AI 应用的 ROI 路径：从工程师的疯狂消耗，转向对企业运营（法务、营销、人力）的系统性赋能。
• 核心方法是组建“代理型小队”：派遣软件工程师深入各个业务部门，与部门主管合作，运用系统工程思维将 AI 嵌入现有流程。
• AI 工具对工程师的渗透率已极高 (99%)，超过 70% 的代码拉取请求由 AI 代理生成。

详细精要

• UBER 的 AI 应用两阶段论：
• 第一阶段是开发者的“Token 最大化”：UBER 的工程师在第一季度几乎耗尽了所有 Token 额度，这在当下非常典型，开发者们像“拉老虎机”一样持续不断地尝试 AI 代码生成。

• 第二阶段是向运营端的策略性扩张：UBER 目前正将 AI 重点转向法务、运营、营销、客服、HR 和采购部门。他们已构建了 200 个“代理型技能”。

• “代理型小队”的工作模式：

• Pine 所说的“代理型小队”，本质上是一种 前向部署的工程 策略。不是让 HR 或营销人员自己去摸索提示词，而是让懂系统工程思维的工程师直接驻场到业务部门，去拆解流程、构建自动化的 AI 代理。

• Brad 高度评价这一做法，认为 UBER 是一家由运营机器驱动的公司，很懂如何部署技术。

• Brad 对当前 AI 投入期的辩护：

• Brad 同意 Chamath 关于 ROI 终将受到审视的观点，但他强调，目前企业为 AI 花的钱，大部分都属于 试验性支出。在这个超级早期阶段，没有人真正在意短期的 ROI。
• 因为这是一个前所未有的 TAM (总可寻址市场)，覆盖全球每一个大大小小的公司。这种长达数年的史无前例的营收增长，正是其证明。

---

06:30 全民“Token 最大化”与智能的成本悖论

本节重点

• AI 的应用是自下而上的，企业内部 每个岗位 的人都在自发使用，这使得 Token 消耗呈爆发式增长。
• Jevons 悖论 在 AI 领域再现：当 Token 价格急剧下降时，总消耗量会指数级上升。
• Chamath 分享了他的亲身经历：当通过去中心化网络和开源模型将 Token 成本降低 95% 后，他开始将 AI 任务的频次从“每天”提高到“每小时”。

详细精要

• 自下而上的消费革命：
• Jason 指出，AI 的特别之处在于，它对一个组织内的 所有人 都有用。不同于 Excel 主要影响会计部门，AI 这种“按需智能”同时惠及了营销、HR 和运营等所有部门。

• 如果一个员工的年薪是 15 万美元，每月为他花 200-400 美元 的 AI 工具费，只要能微弱提升他的效率，这在经济学上就是成立的。这就是为什么即便没有 CIO 的正式批准，这种每月 20 美元的自下而上的消费也能形成排山倒海之势。

• Jevons 悖论与代理成本结构：

• Chamath 描述了他是如何大幅降低 Token 成本的：通过 OpenRouter，接入 GLM 5.2、去中心化网络 Bittensor (TAO) 等。
• 当成本锐减 95% 后，他的用例完全改变了。他将趋势检测 Agent 的运行频率从“每日一次”改为“每小时一次”，并将其任务分拆到三个不同的 Agent 上，让它们分别在整点执行不同的工作。这意味着每天早上醒来时，已经有 14 个任务被自动完成。
• Brad 指出，过去两年半里，Token 价格已降低了 90%。他赞同这就是 Jevons 悖论：单位成本越低，总用量反而越大。

💬 精华片段（中文）

"当你把成本降低 95% 之后，我开始将我的 Agent 从每天运行一次改为每小时运行一次。当你在每小时运行的基础上工作，早上醒来发现有 14 个任务已经被完成时，你就会恍然大悟——这完全是另一回事了。"

"Once I got down to 95% cheaper, I started setting my agents instead of doing daily runs to doing hourly runs... And when you start doing hourly tasks and then you wake up in the morning and like 14 jobs have been done, you're like, 'Wait a second. This is completely different.'"

---

07:13 开源 vs 闭源：钱包份额的真实战况

本节重点

• 自 DeepSeek 时刻 以来已过去 18 个月，尽管开源模型进步巨大，但 前沿大模型的钱包份额不降反升。
• 主要原因是，对于高价值、长链路的复杂任务，使用“差不多好”的开源模型带来的出错风险和沉没成本过高。
• 企业在技术上无力构建复杂的“模型路由”中间件，导致尽管“心向往之”，身体却还是诚实地继续采购顶尖闭源模型。

详细精要

• 市场数据与直觉的背离：
• Brad 引用 Jesse Zhang 的推文指出，尽管便宜 Token 的使用量在上升，但前沿实验室的钱包份额正在增加。这与人们根据 DeepSeek 冲击做出的预测相悖，人们本以为开源会蚕食闭源的市场。

• David Sacks 提供了更精确的数据：企业支出中，开源模型的比例从去年的 19% 下降到了今年的 11%。闭源模型的钱包份额实际上在增长。

• 复杂任务中的“优质溢价”：

• Brad 用数学解释了这一现象：用便宜的模型摘要一份文件，可能只需要 2 万 个便宜 Token；但如果要用 AI 代替人类软件工程师工作 2 小时，可能需要 200 万 个昂贵 Token。此时，若因使用了“95% 能力”的模型导致任务在中途或结束时失败，不仅浪费了那 200 万 Token 的计算成本，更要紧的是 损失的时间成本。

• 因此，当 AI Agent 在 代替一个 200 美元/小时 的顾问时，选择 3 美元 的便宜模型还是 15 美元 的昂贵模型，差别是 无关紧要的，重要的是模型能否 100% 可靠地完成任务。

• 企业级应用的“知行不合一”：

• Sacks 进一步解释，这个问题的核心在于 技术能力。虽然像 Coinbase 和 DoorDash 这样的顶级科技公司有能力构建“模型路由”中间件，但对于大多数普通企业来说，这超出了他们的技术范畴。他们愿意做，但做不到。
• Decagon 的创始人指出，在成熟的、明确知道自己要做什么的用例上，开源模型是可行的；但在尚不成熟的、需要探索的用例上，人们永远会选择最强大的通用智能。一旦这些工作流成熟，企业就可以用专门微调的模型来降本增效。

💬 精华片段（中文）

"精神上是愿意的，但肉体上是软弱的。我是说，他们想要多样化，离开那些闭源模型，但他们做不到。"

"The spirit is willing but the flesh is weak. I mean they are willing they would like to diversify off of these closed models but they are unable to do it."

---

08:28 中国 AI 的“闭环”策略与硅谷的回应

本节重点

• 路透社消息称，中共官员正在考虑限制境外访问中国的顶级模型，包括 阿里巴巴、字节跳动 和 智谱 AI 的模型。
• 这背后的逻辑是：在技术上追平美国后，从开放转向封闭，以便将商业价值内化，这与 Sam Altman 把 OpenAI 从非营利转向盈利并闭源的做法完全一致。
• Brad 透露，美国官方高度关注与中国的 AI 竞赛，美国政府已经发现中国模型 GLM 5.2 上有蒸馏美国模型的“水印”，并准备就此采取措施。

详细精要

• 中国转向封闭的真实动机：
• 中国监管机构担心美国利用“神话”模型来挖掘软件漏洞并攻击中国利益。但 Sacks 指出，真正的驱动力是经济利益。像 字节跳动 的模型一直都是闭源的；而之前的 阿里巴巴(Qwen) 和 智谱(GLM ) 选择开源，是因为它们在技术落后的情况下，需要通过开源来获得开发者社区的支持和使用量，以提升模型能力（强化学习）。

• 一旦技术接近前沿，它们就有关闭的动力，因为只有闭源才能实现商业变现。这与 Sam Altman 将 OpenAI 从非营利、开源的初衷，转向闭源、盈利的商业实体的路径是 严格平行 的。Sacks 还类比了谷歌早期开放 Android，后来越来越收紧控制的策略。

• 美国的应对与主权 AI 的阳谋：

• Brad 在华盛顿与白宫及财政部高层交流后指出，美国政府，从总统到各级官员，在赢得对中国的 AI 竞赛这一点上是绝对团结的。他们不会在美国打压自家前沿实验室的同时，坐视来自中国的开源模型在美国市场长驱直入。
• Chamath 则从地缘政治和成本角度指出，主权 AI 的趋势不可阻挡。像日本就正在投资 60 亿美元 打造自己名为 Neoterra 的财团，直接瞄准实体 AI（机器人）。许多国家宁愿花钱建立自己的 AI 堆栈，哪怕其性能只有前沿模型的 95%-99%，因为 AI 主权的重要性超越了成本。

💬 精华片段（中文）

"对美国在 AI 竞赛中战胜中国最好的事情，莫过于让中国也涌现出自己的 AI 末日论者社区。"

"The absolute best thing that could happen for America in terms of winning the AI race against China is if China somehow sprouted their own doomer community."

---

09:36 特朗普账户：21 世纪的社会契约革命

本节重点

• 被 Brad 称为 自 1935 年社会保障法 以来美国社会契约的最大变革。核心是为每个美国出生的孩子提供 1000 美元 的初始投资账户，资金投资于标普 500。
• 该账户允许父母、亲友、雇主及慈善家免税捐款（每孩每年最高 5000 美元），享有终身免税复利。预计到 18 岁，即使按较低投入算，也将拥有 5 万美元。
• 在 7 月 4 日美国 250 周年国庆日正式上线后，特朗普账户 App 立即冲上应用商店榜首，24 小时内创建超 150 万个 账户，入金超 10 亿美元。

详细精要

• 账户机制的颠覆性设计：
• Brad 构思的蓝图是：每个孩子一出生，就得到一个与社会安全号码绑定的投资账户，内含 1000 美元种子资金。所有资金默认投资于 标普 500 指数，账户终身免费。
• 慈善环节是本次发布的重头戏：迈克尔·戴尔和苏珊·戴尔 夫妇捐出超 60 亿美元，为 2500 万中低收入家庭的孩子每人提供 250 美元。SpaceX 总裁 Gwynne Shotwell 捐出了价值 3.5 亿美元 的 SpaceX 股票给低收入社区儿童。

• Brad 本人捐出 1 亿美元。Jason 开玩笑说这是那个打牌输 6000 美元就怒退游戏的 Brad 做的最慷慨的事。

• 超强的税务优势和理财规划价值：

• David Sacks 指出，在 CPA（注册会计师）社区，这已经被视为史上最强的财富规划工具之一。
• 核心优势包括：1）雇主可免税贡献：雇主每年最多可为员工的每个孩子存入 2500 美元，且完全免税；2）终生复利：资金在孩子 18 岁前免税复利增长。CPA 们计算，如果一个家庭每年存满额，按过往市场收益率，孩子 28 岁时将成为百万富翁。

• Sacks 指出，在成人后可无缝转换为 Roth IRA。聪明的规划可以在孩子没有收入（如大学生）时，在 0% 的税率档位进行转换，从而实现完全免税的财富传承。这笔钱还可以用于首次购房、创业或应对健康危机。

• 超越党派之争的国家意义：

• Jason 强烈呼吁，无论人们对 特朗普 有何看法，都应抛开分歧拥抱这一政策。他认为这是解决美国“K 型复苏”、弥合贫富差距鸿沟的最佳解药，用 “让每个人成为资本家” 来对抗社会主义思潮。
• Brad 透露，特朗普总统已向他下达指令，希望不只是报名制，而是通过已有的社保数据，在 90 天内为全美 5000 万到 7000 万未成年人自动创建账户。虽然像 伯尼·桑德斯 这样的左翼议员反对，但也有一些民主党人如 Cory Booker、Gavin Newsom 等公开表示支持，这是一个罕见的跨党派项目。

💬 精华片段（中文）

"总统在午餐时问我们，'我们如何让更多的人更快速地自动加入？我希望每个孩子都有机会拥有这个账户。我不希望任何人因为父母太忙、打两份工、或者不喜欢'特朗普账户'这个名字而被落下。'"

"He said, 'How do we get more people auto-enrolled in this faster? I want every kid to have the shot to have this. I don't want anybody being left out and left behind because their parents are too busy working two jobs or because their parents may have an issue with it being called a Trump account.'"

---

专业术语注释

术语	解释
Jevons 悖论 (Jevons Paradox)	在经济学中，指技术进步提高了某种资源的使用效率，反而导致其总消耗量增加而非减少。在本集中，指 Token 的单价越便宜，企业和个人对 AI 的总体使用量就越大。
Token 最大化 (Token Maxing)	指 AI 开发者和工程师无节制地、频繁地调用大模型 API，导致 Token 消耗量激增，而不顾及其产出效率或成本的行为。
AI 主权 (AI Sovereignty)	指一个国家不依赖外部（尤其是其他大国）的闭源 AI 模型和基础设施，拥有和控制自己独立开发或基于开源模型构建的 AI 系统的能力。
模型可互换性 (Model Fungibility)	指企业能够轻松地在不同的大语言模型之间切换，执行相同的任务。这通常被视为企业实现成本优化的理想状态，但因为模型对记忆、上下文处理的能力不同，技术上很难实现。
代理型 AI (Agentic AI)	指不仅能够回答问题，还能自主规划步骤、使用工具、执行多步骤复杂任务，以实现用户给出的大目标的 AI 系统。例如代替用户每小时获取新闻趋势并做分析的 AI。
部署工程师 (Forward Deployed Engineer)	一种工作模式，指工程师不是在技术部门内部闭门造车，而是深入到企业的具体业务部门（如营销、HR），与业务人员一起工作，运用系统工程的思想来寻找和落地 AI 解决方案。
蒸馏 (Distillation)	在机器学习领域，指用一个性能强大的大模型（教师模型）输出的知识来训练一个更小的模型（学生模型）。本集中特指中国的 AI 模型被指控利用美国前沿模型的输出进行训练。
主权基金 (Sovereign Wealth Fund)	由国家政府拥有的投资基金，用于在全球范围内进行投资以实现国家财富的增值。本集中，Brad 的理念是让每个美国公民都拥有一个类似主权基金的个人投资账户。
复利 (Compounding)	投资回报（利息或股息）继续产生新的回报，像滚雪球一样实现财富的指数级增长。这是“特朗普账户”的理论基石，强调 0 到 18 岁的复利期是无价的。
Roth IRA	美国的一种个人退休账户。与普通 IRA 不同，存入 Roth IRA 的钱是税后资金，但其后的所有投资增长和符合条件的提款都完全免税。这是特朗普账户所能转换的最优目标账户。

---

延伸思考

1. Anthropic 和 OpenAI 的下一个收入引擎：当它们已有的 TAM 被渗透后，是否真的能如 Brad 所说，扩展到生命科学和物理产品的研发，以撑起 3000 亿乃至更高的收入估值？
2. AI 支付的经济账：Chamath 的经历预示着一场即将到来的 CFO 与 CTO 之间的预算大战。公司是否会开始以“无形成本”来衡量 AI Agent 的失败率？这可能会催生一个新的 AI 风险管控软件市场。
3. 中国模型的“闭源”连锁反应：如果 GLM 等模型关闭，全球开源社区会遭受多大打击？这是否会客观上为 Meta 的 Llama 或美国其他开源模型清理出巨大的国际市场空间？
4. 特朗普账户的政治未来：如果该账户证明能像澳大利亚的超级年金 (Superannuation) 一样成功，它是否能成为取代美国问题重重的 社会安全金 (Social Security) 的第一步？
5. 企业服务与消费服务的最终形态：OpenAI 是否会像 iPhone 一样，在消费者市场建立不可撼动的品牌后，再通过标准化的企业接口重新夺回企业软件市场的份额？

原文发表：Jul 10, 2026  ·  纪要生成：2026-07-20