摘要

本期核心论点是：开源有点假，因为所有训练成本都由中国买单。 DeepSeek以74亿美元完成A轮融资，估值500亿美元，把这套逻辑具体化：创始人亲自承诺投入200亿元人民币（约30亿美元，约占本轮40%），包括JD.com在内的投资者不足10家，且无人获得任何权利；只有中国政府保留治理控制权。Harry的估值框架是：2家美国闭源龙头的交易估值都在1万亿美元上下，500亿美元给这家开源竞争者“感觉大致合理”；而Z.AI已经在中国上市，市值约1000亿美元，是营收的“1000倍”。
闭源第3名是淘汰区。 过去90天，模型路由爆发式增长，开源成本约为其1/5。Rory的寡头规则是：“行业被压到极限时，第1名少赚一点，第2名少赚很多，第3名破产。”Google之所以还能活着，只因为资产负债表背后有GCP式经济模型支撑；而闭源第4名如今“几乎不可能存在”。
要让7250亿美元的资本开支账算得通，约7%-8%的美国劳动力必须由token替代。 Harry把每年7500亿美元资本开支向上取整为所需1万亿美元收入（电费也算在内），要求客户从中获得高于支出的价值，最终结论是“门槛高得令人望而生畏”。与此同时，资本开支占Mag-7自由现金流的比例已从60%升至120%，靠借债融资——“你在理性上可能是对的，但叙事可以持续很长时间。”
2027年会变成“拿ROI来证明”。 2025-26年的token狂刷是交学费（“先建起来再说，伙计们”）；现在CIO会把token预算分配给已证明有回报的部门，而不是给PPT最漂亮的部门。利润率结构才是脆弱环节：免费用户靠补贴，200美元封顶套餐每月消耗1万美元推理量，企业推理毛利率为40%-70%——而这正是开源攻击的领域。Anthropic已经发邮件敦促用户缓存prompt，把价格压到开源之下。
OpenAI与Broadcom合作开发的Jalapeno芯片，据称可削减50%的成本，真正瞄准的是“臃肿的中间层”。 Jason的判断是：这些实验室顶端有Sonnet/Opus，底端有Haiku，却没有可负担的中端模型；开源正在从中间层掏空它们——如果把推理成本砍半，开源“可能只便宜约2倍”。Harry的反驳是本期最精彩的一句：“OpenAI和Anthropic的模型之所以有效，是因为其他蠢货替它们花掉了3000亿美元。”Cerebras听闻后下跌16%。
护城河正在被LLM抬走。 Accenture年内下跌约40%：其核心SI业务——为Salesforce和SAP部署由顾问组成、周期5年的项目——正是LLM能够自动化的工作；AI原生竞争者以1500万美元报价，对上Accenture的8000万美元。Databricks声称能在30天内完成数据迁移；“你的护城河可以被LLM抬走。”公开市场的简化结论是：卖席位的公司都在被碾压，按用量收费的公司都在获胜。“唯一比席位制更糟的，是按人头收费的模式。”
人才与劳动力效应叠加，赢家更强。 Google在48小时内失去Noam Shazeer和诺贝尔奖得主John Jumper，因为第1名可以“向所有人承诺一切”；Harry用中国的模型在“个位数小时”内搭建出一个AI财务副总裁，而且“比团队中任何人类都强”；如今初创公司的新打法是小规模、顶薪、每周在办公室工作6天以上的团队：“你是想要一块Omega，还是想变有钱。自己选，孩子们。”

精读

1. Google在48小时内失去2位世代级科学家——赢家想买什么就买什么，包括人才

离开的是Noam Shazeer——原始attention论文的共同作者，曾参与Character AI，后随Google约20亿美元收购而回归，“赚了大约10亿美元”；以及John Jumper——诺贝尔奖得主、AlphaFold共同创造者，自离开学界后一直只在DeepMind工作，后来加入Anthropic。Harry指出，Shazeer很可能放弃了薪酬包中一半尚未归属的部分——吸引力已经强到这个程度。
不止1个维度，而是2个。Jason的框架是：顶尖研究者“只会做自己想做的事”，实验室必须为此搭建环境——他正在上大学的儿子，仅因为学习环境问题，就直接拒绝了Anthropic主动找上门的实习机会。Harry补充，另一层是对无法交付产品的挫败：Google曾有ChatGPT替代品，“官僚体系就这么把产品闷死了”。Anthropic的优势在于两者兼具：研究自由，以及“战术上极其出色”的执行力。
Harry提出一个传闻：Jumper加入Anthropic，是因为该公司取得了秘密突破。Jason的怀疑值得保留：从医学发明到经济价值的滞后期是10-15年；蛋白质折叠“已经拿了诺贝尔奖，却至今没有产生有意义的商业成功，也没有一款药物进入生产阶段”。更可能的解释只是：他想把接下来5年花在哪里。
Rory纠正“Google正在碾压一切”的说法：过去18个月，Mag-7中只有Nvidia和Google跑赢标普500；“Facebook、Amazon和Microsoft都在搞些破事，在这里不相关”，但“你不会每天早上醒来都说，来试试Google的新编程工具。你确实会去试Claude Code”。Google有相关性、资金充足，而且在创新上“绝对排第3”。

2. DeepSeek的500亿美元融资：唯一重要的股东手里有一支军队

条款本身就是故事：DeepSeek以约500亿美元估值完成74亿美元融资，创始人亲自投入200亿元人民币（约30亿美元，约占本轮40%）；包括JD.com在内的投资者不足10家，而且没有任何权利。治理权仍由中国政府掌握。Rory说：“获得投票权的，恰恰是唯一不需要投票权的人……他们有一支军队。”DeepSeek最初声称训练成本为1500万美元？“当然不是真的。”
刚在中国待了2周回来的Jason说，Anthropic和OpenAI会“有意屏蔽”中国甚至香港（“是它们在屏蔽，不是中国”），Gemini则没有——“DeepSeek和Gemini，这两家是我的朋友”。DeepSeek在中国境内又被刻意削弱：没有网络搜索，而且据Jason所知，训练数据也不同。亲自到中国后，主权逻辑变得清晰：中国“不希望下一代经济依赖Anthropic和OpenAI来运行”；与1艘航空母舰相比，这笔补贴“只是沧海一粟”。
Harry主动补充了一个“两边都一样”的限定：美国也在做自己的版本——Anthropic在满足美国政府的关切之前，无法发布最新模型。2024年的《Situational Awareness》文章（很可能作者是Leopold Aschenbrenner，节目中称他为“Leo”）应该记上一功，因为它预判了政府会介入。“我们自己也在做同样的事，就不能因为中国这样做而指责中国。”
关于欧洲主权模型（Mistral问题）：宣布主权的含义是：“我无法作为全球第4名参与竞争，但可以成为欧洲的绝对主导者。”Rory说：“100万年的经济学理论都能解释这为什么是个蠢主意”——欧洲所有人都会得到更差、价格更高的模型；但政府可能愿意支付这笔政治安全税。

3. “开源有点假”——而且它瞄准的是第3名

Jason把机制说清楚了：token预算是真实约束，因此除了最小型初创公司之外，所有人现在都在不同模型之间做路由——在这档节目大约90天的跨度里，这件事从“还说不清”变成了普遍现象。第1、第2个调用位置属于龙头；真正的战场是第3个位置究竟给第3家闭源模型，还是给最好的开源模型。开源在推理和训练环节并不像Linux那样免费，但确实便宜得多，因为“中国承担了全部训练成本”。
录制当天早上，Jason收到了Anthropic的反击邮件：“你的prompt缓存命中率很低”，邮件推动用户使用折扣缓存prompt，价格“实际上可能低于开源”。目标不是Gemini，而是直指开源。
Rory的结构性判断是：科技市场最终会形成紧密寡头，收入集中到第1、2名；当一个便宜5倍的替代品把行业压到极限时，“第3名会破产”——Google还能继续出拳，只因为母公司的资产负债表在背后托底；闭源第4名“几乎不可能……市场格局已经定了”。
GLM 5.2在编程基准上击败GPT 5.5，说明的只是“这些人正在疯狂迭代”——大约有6个中国开源模型，其中3个达到或接近美国水平，对Anthropic和OpenAI的收费能力形成竞争性压制。从前沿模型蒸馏是其中一部分，但这些模型已经存在，也确实相关。

4. AI资本开支正在重定价一切——你的iPhone、电力和工作

DRAM合约价格仅在第1季度就上涨90%-95%；Tim Cook告诉《华尔街日报》，Apple正面临一场“百年洪水”般的内存成本冲击；在一些情况下，内存价格上涨了4-5倍。Rory的第一反应是：“1年前没买SanDisk和Micron、没赚到20倍收益，真是深深的遗憾。”
其传导机制是本期最清晰的经济学：AI投资通过价格体系调动资源——它会体现为你的iPhone涨价、你的电费上涨、你在旧金山的房子，也会体现为Oracle这类把资本开支押到极致的公司里20%的人失去工作。“经济学只是发出信号——它没有道德。”Jason补充，Apple会选择涨价而不是吞掉利润率，并少卖一些iPhone。
Goldman预计，2026-2031年累计AI资本开支将达7.6万亿美元。David Cahn在Sequoia发表那篇文章时，资本开支约占Mag-7自由现金流的60%；如今已达120%，并由债务融资——信念没有动摇，反而翻了一倍。Rory说：“这就是牛市的经典之处……你在理性上可能是对的，但叙事可以持续很长时间。”

5. 7250亿美元问题：数学要求由token替代7%-8%的美国劳动力

Harry重新做了一遍粗略测算：把7500亿美元资本开支向上取整为1万亿美元所需收入（因为还要支付电费）；客户必须获得高于支出的价值，姑且把所需规模记为1.5万亿美元；美国劳动力总支出低于20万亿美元——因此，必须由token替代美国劳动力的7%-8%，资本开支中最后1美元才可能获得回报。“这是一道高得令人望而生畏的门槛……我心里有一小部分在说，我不知道资本开支最后那1美元能不能获得回报。”
Jason不愿做空这轮牛市：只要能以成本有效的方式供给，需求就会比今天高1个数量级——如果做得到，我们都会全天候消费token；而在风投行业，“不把基金投出去就赚不到钱”。Harry进一步解释这轮为何不同于SaaS：Salesforce的需求是二元的——需要就买席位；智能则是在零价格下也拥有无限需求，所以“价格将决定你能做多少”。如何分配这项资源，是过去不存在的一项CIO技能。
这些实验室正在做一场“A/B测试”：补贴型免费层（OpenAI的规模更大）、大幅补贴的专业消费者层——200美元封顶套餐每月消耗1万美元推理量，“整个openclaw闹剧”都由此而来——以及企业API客户，推理毛利率为40%-70%。这块利润丰厚的企业业务，正是开源攻击的目标。
2027年的转向是：“给我该死的ROI。”token狂用曾是合理的学费（“这是让团队熟悉AI的最佳方式”），随后预算失控；接下来，token会流向裁掉20%员工或增长最快的部门，而不是PPT讲得最好的部门。陷阱在于“同等化税”：如果所有人都采用，生产率提升就会从相对盈利能力中消失（Jason以ATM和银行柜员为例）——“但不采用的人会死掉”，所以所有人都会继续押注，“明年我们的团队必须精简15%，各位”。

6. AI财务副总裁：智能体替代人类不愿做的工作

Harry用来自中国的模型，配合“非常平庸的prompt”，在“个位数小时”内搭建出这个AI财务副总裁，起因是有人忘记开具一张8万美元发票，最后不得不核销。这个智能体会创建报价单、起草并发出合同、更新Salesforce，通过bill.com开票、催款、处理Brex，并在QuickBooks中完成交易结算——“这是10年来我们的账第1次准确”。Harry的结论是：“它比人类更好。”
他诚实地重新定义了这件事：这不是替代团队——“包括投资在内，我们真正想做的可能只有工作内容的5%或10%”；智能体负责那些人类不愿做的部分，比如跟进和规范开票。但即使没有刻意省钱，变动成本中的承包商支出也可能下降50%-60%。
Record的Brandon（节目中如此称呼）说：“5年后，训练智能体会成为最大的职业类别。”Jason反问：“节目开播时我们不是也这么说prompt engineer吗？”如今，大学毕业即拿15万美元的prompt engineering“已经一文不值”。Harry的综合判断是：这项技能确实存在，但每年都会重新定义——真正的掌握，意味着知道智能体会在哪里出错。Harry的财务智能体承认自己没有完整阅读一份合同；被追问原因时回答：“我没有一个好的答案。”Sonnet会迅速围绕目标优化，而循环运行、持续自我改进的智能体还会再次改变这门学科。

7. 现在VC在投什么：利润率、小基金和每周6天工作制

YC的Nicolas Dessaigne（应该就是Algolia创始人）发帖称，如今好公司会因为利润率而不是增长在A轮/B轮融资时失败：“投资人不投资收入，他们投资的是收入上的利润率。”Rory对过去的判断则是绝对的：负毛利的超高速增长“事实上一直是100%正确的”战略——这正描述了基础模型、推理服务商以及Cursor；后者抢下地盘后，估值已达600亿美元。但他承认，投资人现在可能正在为下一代公司收紧标准。
Jason透露时代正在结束的信号：他们3个人各自都持有过去12-15个月投资的一家被投公司，而“推理就是营销策略”；他们不确定能否把这笔投资扳回正面。如果没有大幅增长，“这些初创公司就会失败”——经济下行时，没有人会收购一家相邻的负毛利业务。
关于Menlo成立50年后“只有”融资30亿美元，以及它押中Anthropic：聪明的结构是设立规模保守的主基金，遇到每10年出现2-3次的万亿美元级异常机会，再按需设立SPV。Rory解释其机制：小基金的风险调整后回报更高，因为跨交易聚合更少；“基金规模决定你的策略”——第1季度约70%的风投资金流向4或5笔交易。
话题最煽动性的部分也落在这里：Ryan Petersen称“在家办公是白领欺诈”的视频，Jason认为只是“过时了”。新的被投公司想要的是小规模、市场顶薪、拿2倍股权、每周在办公室工作6天以上的团队。Cognition在60周前这么说时还“有毒得彻底”，如今却成了“打造赢家的方式”。“你不可能每周工作18小时就赚1000万美元。你会得到一块手表。你会得到一块Omega。你是想要一块Omega，还是想变有钱。自己选，孩子们。”

8. Kalshi年化收入规模达20亿美元：一场搭上美国赌博冲动的监管套利

Jason给出的“复杂分析终点”是：“美国人喜欢赌博。”最高法院放行后，Kalshi虽然挂着预测市场的标签，80%-90%业务其实是体育博彩；它找到CFTC的联邦管辖路径，从而跳过FanDuel和DraftKings必须遵守的逐州牌照制度。结构上，它是撮合买卖双方的清算所，不是博彩公司，“但四舍五入到误差范围内，用户体验并没有区别”。市场谈论其按20亿美元收入、约10倍收入倍数IPO；增长太快，上市时倍数“可能只剩7倍或8倍”。
2个风险和1个机会。监管方面，各州正在起诉；“如果下一届不是Trump政府，事情会不会停？会——这本来就是赌局的一部分。”竞争方面，Jason认为，如果Meta愿意采取同样的擦边做法，可能凭借社交平台信息流博彩“清理市场”；Rory反驳，体育博彩人群年轻且男性为主，“100万年都不可能是Facebook的人群”，不过用户群老化正是Meta关注它的原因。

9. Accenture跌40%：护城河、人头与席位的死亡

对Accenture而言，2件事同时发生（当日跌19%，年内约40%）：帮助企业采用GenAI的业务从零起飞，而占业务90%以上的核心系统集成（SI）咨询，恰恰是“最适合被AI颠覆”的市场之一。Rory的替代指标是：公司外包给印度的任何工作，最终都会外包给AI，因此应当去看BPO支出地图——Accenture位居最上方。AI原生公司现在用1500万美元报价挑战Accenture的8000万美元方案，而现有公司无法应对，因为“唯一比席位制更糟的，是按人头收费的模式”——按每人50万美元向客户收费、每人实际成本20万美元，原本需要100人、如今只要40人，整套利润结构就会崩塌。
Harry以Adobe为例：“整整一层Accenture的人，花5年部署Salesforce”，估算每年成本超过2600万美元。现在，Databricks——“在60亿美元左右的规模上增长80%左右，还在加速，差不多就是这个意思”——声称可以在30天内用LLM迁移全部数据；Salesforce则在5年失败尝试后，用“几周时间……没有人类参与”就把20VC从Marketo迁走。“你的护城河可以被LLM抬走”——本周一位创始人在路演中喋喋不休地谈护城河，Jason立刻失去了投资兴趣。
他的公开市场简化结论是：“大多数卖席位的公司都在被碾压；以各种方式按变量收费的公司都在获胜。”按变量收费与AI支出和强劲经济挂钩，席位制则与正在收缩的员工人数挂钩。Harry认同这一趋势，但指出短期冲击与其说来自席位数量，不如说来自咨询顾问层——那是LLM最容易完成的工作。

10. Jalapeno与“臃肿的中间层”：OpenAI为何造芯片，以及Harry为何认为方向反了

录制中途公布的消息是：OpenAI与Broadcom共同开发推理芯片，据称在每瓦性能上击败最先进GPU；Broadcom CEO公开表示，相比典型GPU，该芯片可将成本削减50%。市场立即给出判决：Cerebras的主要业务牵引是OpenAI的200亿美元芯片订单，股价下跌16%。
Harry的反对理由是：既然有3家以上芯片供应商和5家以上超大规模云厂商在“拼尽全力为你提供便宜算力，并承担全部资本风险”，全球最大买家就应该拿到20%的折扣，而不是向上游倒推2层进行垂直整合。“OpenAI和Anthropic的模型之所以能够运行，是因为其他蠢货替它们花掉了3000亿美元。”他的周期见顶信号是：“如果你开始向后垂直整合到内存，那就说明一切结束了。只剩你和韩国人。”
Jason支持这项决定，并提出更尖锐的战略判断：这些实验室高端有Sonnet和Opus，低端有Haiku，却没有中端产品，因为中端服务成本太高；这个“臃肿的中间层”正是开源在它们“都准备上市”的时点上发动颠覆的地方。若推理成本减半，“在很多使用场景中，开源可能只便宜约2倍”——中端市场就变得可以服务。两人都同意，造芯片的决定是在“另一个……资源充裕的时代”作出的；Jason最后希望Google“醒醒”，用一个几乎同样好、美国本土、价格有竞争力的中端模型，对Sonnet、Opus和GPT 5.5施加价格压力。“他们就是没把它做出来。”

2026年6月随性杂谈 AI裂缝：该躲到哪里？