摘要

Alphabet 是“美国资本主义最激进季度”中最明确的赢家，但更大的判断是，分布顶端正在进一步甩开其他公司。 Mag 7 合计收入约为 $540B，而嘉宾将 AI 资本开支估算为 $700B；Alphabet 的云业务订单积压接近翻倍至 $462B，搜索业务依然稳固，云业务增速也在加快。这是“以前所未见的力度全面押注”。
超大规模云厂商的 AI 增长真实存在，但其中相当一部分仍来自向两家私有模型公司供应和分销产品。 Google、Amazon 和 Microsoft 向模型公司出售算力，再转售它们的 tokens，而核心 IP 仍掌握在模型公司手中；真正悬而未决的问题是：“音乐停止时，谁能坐上一把价值 1 万亿美元的椅子？”Gemini 的 token 产量从 Q4 每分钟 100亿增至 Q1 的 160亿，而 Anthropic 同期增长约 10x。
Microsoft 已将 AI 同时变成唯一有意义的增长引擎，以及估值的核心风险。 剔除 Copilot 和 Azure 的 AI 贡献后——嘉宾指出，有利收入还会被重新分配——Microsoft 其他业务被形容为持平至小幅下滑；AI ARR 为 $37B，而潜在资本开支为 $190B。Jason 认为管理层已经把风险测算到“小数点后最后一位”，但 Harry 的警告依然成立：每个资本开支周期顶峰的公司都会认为自己的投资是理性的。
Meta 的业绩超预期无法弥补其回报仍无法建模的 AI 计划，而 Amazon 提供了更清晰的应用层杠杆。 Meta 实现 $56B 收入和 $10.44 EPS，市场预期为 $6.67，随后将资本开支指引上调至 $125-$145B，却没有清晰可归因的收入来源。Amazon 收入 $181B，AWS 收入 $37B，与 Anthropic 的协同增强，AWS 增速创 15 个季度以来最快，使其成为嘉宾“弱持有买入”；Microsoft 则是卖出标的。
Palantir 正在将董事会层面对“必须在 AI 上做点什么”的需求，变现为传统点状方案无法承载的规模。 RPO 增长 134% 至 $4.45B，Rule of 40 得分达到 145%；其政府业务基因也让它有能力可信地出售 $10M-$100M 的企业级转型项目，而不是 $200,000 的试点。以 $349B 市值计算，它已经“定价到超越完美”，但如果未来 2 年连续翻倍，今天的估值看起来会没那么极端。
SaaS 末日并未结束，但 Atlassian 和 Twilio 展示了两条可信的突围路径。 Atlassian 成功将 Rovo 变现给存量客户后上涨 29%，Twilio 则因 AI 构建者带来新的 API 需求而上涨 20%，客户数量或接近增长 40%；Five9 在 9% 增长下上涨 23%，却没有打动 Jason。真正持久的赢家必须证明自身相关性、控制稀释并保持留存，最好还能吸引新客户，而不只是向老客户追加销售。
Anthropic 的机会巨大，但其披露的收入节奏，很难与许多高产能 agent 当前极低的 token 消费相互印证。 Jason 的两个自主营销和客户成功 agent 一个月总成本仅 $254，其中营销 agent 消耗 $94.27；而 Jason 的框架要求成熟工程组织将薪资支出的 20%-30%用于 tokens，而不是 5%。即便如此，拟以约 $900B 估值融资 $50B，也买来了关键的期权价值：“资产负债表上的现金永远不会太多。”
AI 开始奖励亲自下场的管理者，并淘汰那些无法交付成果的管理层级。 Coinbase 约 14%-15% 的裁员被概括为“要么交付，要么离开”：管理者也必须产出，CMO 应该能通过 agents 自己发起营销活动；一个稀缺的 AI 原生 SDR 可能值 $250,000，而过去 $60,000 的调研岗位将消失。Rory 不接受 Jason 的绝对化表述，但认可其中的机制——如果亲自下场的领导者表现更好，“经济规律就是达尔文式的”，今天的少数派最终会成为运营常态。

精读

1. AI 将 Mag 7 财季变成资本配置军备竞赛

Harry 将这一周称为财报季的“超级碗”：合计收入约 $540B，同时投入 $700B 的 AI 资本开支。这些并非守着成熟业务防御的老牌公司；全球最大的企业正在同步加速增长，并在需求到来前提前投资。
借用 Evan Armstrong 的说法，Harry 称之为“美国资本主义最激进的季度”。规模最大的 5-6 家公司增速接近 20%，部分业务增长 30%-40%，资本开支则增长 50%-60%，直到吞噬大部分自由现金流。
结构性信号既令人振奋，也令人不安：“分布顶端正在甩开其他公司。”不同于新进入者攻击缓慢的老 incumbents 的传统颠覆周期，全球最大的 7 家上市公司中有 5 家——算上 Nvidia 则是 6 家——都拒绝让出下一个平台。

2. Alphabet 赢下财季，但 Gemini 被私有模型公司甩开

Alphabet 的云业务订单积压接近翻倍至 $462B，大约相当于其披露的 2025 年全年收入，而云业务在巨大规模上继续提速。Jason 的反应很简单：“这又一次让你怀疑，为什么还要投资其他任何东西。”
市场担心的搜索崩塌，无论从经济表现还是广告业务看都没有发生。Jason 自己的 SaaStr 搜索流量增长 60%，创历史新高；Google 面临的问题已不再是在现金牛与未来之间二选一，而是如何在自身、客户、合作伙伴以及 Replit 等平台之间分配稀缺的 TPU。
Harry 更不舒服的解读是：超大规模云厂商通过向私有 LLM 公司出售算力来增长，再通过既有分销渠道买入它们的 tokens 并转售。“全球市值最大的 5 家公司实际上都在为这两家私人公司工作”，而核心 IP 归后者所有。
Gemini 的产量从 Q4 每分钟 100亿 tokens 增至 Q1 的 160亿。David 随后将其与 Anthropic 约 10x 的增长作了对比。基准测试可能显示 Gemini、Grok 和开源模型差距不大，但在实际编程选择中，开发者仍持续集中使用 OpenAI 和 Anthropic，原因可能来自模型本身，也可能来自其 harness。

3. Microsoft 让 AI 同时成为增长引擎和估值风险

Harry 最关键的数据是：剔除 Copilot 和 AI 驱动的 Azure 增长后——他同时提醒，内部可能存在有利收入的重新分配——Microsoft 剩余业务持平至小幅下滑。“没有 AI 计划，Microsoft 这家公司收入就是持平。”
嘉宾将 Microsoft 的 AI ARR 设为 $37B，潜在资本开支设为 $190B：投资力度远超当前收入规模。如果最终证明投入过度，Microsoft 可以放缓支出，依靠现有业务度过消化期；它并没有承担弱势公司那种债务驱动的生存风险。
Jason 信任的是这笔押注的复杂程度，而非其不会犯错。管理层已经做过敏感性分析，清楚哪些风险可以转移给 CoreWeave 或 NVIDIA，也有能力收缩投入；但 Harry 的反驳是，每一家公司在每一轮资本开支繁荣的顶峰，都会认为自己的配置是理性的。
华尔街暂时允许公司投资，本身就是一种风险。Harry 提到，一家收入超过 $20B 的软件公司因为缺乏牺牲 5%-10% 毛利率来换取品类最佳 agent 的许可，反而庆祝 LLM 成本下降 100 个基点：“你被困在死亡螺旋里。”David 认同，当前应优先发展能带来正回报的 AI 功能，而不是优化成本。

4. Meta 的 $145B 计划仍缺乏可写进表格的回报

Meta 公布收入 $56B、EPS $10.44，远高于 $6.67 的预期，但资本开支指引上调至 $125-$145B 后股价仍遭惩罚。Google 可以将投入与快速增长的云收入挂钩；Meta 的回报仍然是间接的。
Meta 称模型驱动的广告优化可能带来 10%-15% 的提升，但 Rui 想看到缺失的 A/B 测试。即使 AI 增加了 $10B 或 $15B 的价值，也很难解释为什么要投入接近 $150B，尤其是部分底层技术完全可以从外部采购。
更可信的战略解释是购买期权：如果用户从与人交谈、消费新闻，转向与聊天机器人互动，Facebook 希望在场。这使其支出成为“一场 $150B 的未来押注，但未来还没有被清晰阐述”，而不是一个可以预测的新业务。
Jason 观察到，华尔街可以为超大规模云厂商建模 GPU 折旧和收入转化，但 Meta 不适合放进这类表格。Rui 更进一步说，Mark Zuckerberg “根本不在乎那些表格”；他会为了保持相关性而投入，结果可能诞生下一个 Instagram 或 WhatsApp，也可能迎来又一次失败。

5. Amazon 为应用层繁荣做好准备，Apple 则置身狂潮之外

如果必须在 Amazon、Alphabet、Meta 和 Microsoft 中买入一家、卖出一家，Rui 勉强选择买入 Amazon、卖出 Microsoft。Amazon 实现 $181B 收入，AWS 达到 $37B，增速创 15 个季度以来最快；与 Anthropic 更紧密的合作，又为其分销引擎增加了一台加速器。
Jason 更大的看多逻辑是衍生出的“应用层繁荣”。AI 不只是增强现有软件，而是在职业生涯前所未有的程度上推动更多软件被开发出来，从而利好 AWS、GCP 以及 Microsoft 的部分业务，即使 token 经济学最终成熟也不例外。Meta 不参与这部分基础设施需求。
嘉宾几乎跳过了 Apple，因为它全面超预期、持续回馈资本，也给 Tim Cook 交出了一份强劲财报，却没有成熟的 AI 故事。在这场支出狂潮中，Apple 传递的信息基本是：“谢谢大家，其他人都陷入了歇斯底里。”
内存价格上涨让所有资本开支比较变得复杂，因为部分预算增长只是以更高价格购买相同的物理容量。嘉宾提到的消费端案例是 Apple 将 Mac Mini 价格从 $599 提高到 $799，但他不确定其中有多少来自内存配置；类似成本最终可能传导至 iPhone 定价。

6. Palantir 将 AI 紧迫感转化为企业级大额订单

Palantir 的 RPO 增长 134% 至 $4.45B，Rule of 40 得分达到 145%；嘉宾称，达到这一水平的其他公司只有 Nvidia、Micron 和 SK Hynix 等 AI 基础设施公司。Alex Karp 也谈到翻倍，但 Rui 无法将他的时间表与正式前瞻指引对应起来。
Jason 的逻辑从企业预算开始：每一家财富 500 强公司的 CEO 都将“在 AI 上做点什么”列为董事会最重要的两项议题之一，但 $200,000 的 Harvey 部署或 $2M 的 Sierra 项目无法代表全企业转型。Palantir 则有能力可信地承接 $10M、$20M 乃至 $100M 级别的项目。
Palantir 的政府和国防业务记录，让 CEO 可以购买一个 3 年期项目，向董事会汇报可量化进展，并最终完成项目。Jason 对比了过去企业部署的规模：在 Salesforce 和 Workday 级别的公司中，他提到 Adobe 规模企业的相关项目约为 $26M 和 $24M；而 Palantir 能在 1 年内部署转型级项目。
Karp 提到一个引人注目的变化：采购周期正在压缩。过去通常由一名利益相关者引入 Palantir，再花几年说服其他人；如今“每一位利益相关者都会出现在会议上”，包括 CEO 和 CFO。Palantir 在欧洲的商业化采用才刚刚开始，这又提供了一条潜在增长腿。

7. AI 专业能力缺口正在重估顾问和运营者的价值

Jason 称，这是“我们这一代人经历过的内部与外部专业能力之间最严重的鸿沟”。这种稀缺性解释了为什么 Palantir 未来多年都能受益，也解释了为什么 Anthropic 和 OpenAI 的咨询业务并不像初看起来那么荒谬：客户有钱、有紧迫感，但几乎没有能执行的人。
Jason 对顾问业务的微观经济学辩护很务实：让专家花 6 个月学习某件事，然后购买这份专业能力中的 1 周，而不是在内部重复整个过程。这会成为对代理商的达尔文测试——具备 AI 能力的 HubSpot 和 Shopify 服务商可能面对无限需求，而没有差异化的同行会消失。
劳动力市场也会出现类似分化。Jason 认为，一个执行浅层调研、年薪 $60,000 的 SDR 用处不大；但一小批足以替代 20 名传统员工、生产力极高的 AI 原生 SDR，年薪可能达到 $250,000：“你必须具备的就是这些技能。”

8. Atlassian 和 Twilio 以不同且不对称的理由反弹

市场 headline 动作是 Atlassian 上涨 29%、Twilio 上涨 20%、Five9 上涨 23%，但 Jason 否认这 3 家共同证明了 SaaS 的普遍复苏。Five9 重新加速至 9% 增长仍不在他的关注范围内；真正有信号意义的是另外两家老平台。
Atlassian 成功将 Rovo 变现给存量客户，推动 AI 使用率和收入增长，但净新增客户增速仍在放缓。它通过了第一项测试——客户愿意为 AI 产品付费——但可能仍在回避更难的问题：平台能否吸引增量需求。
Twilio 展示了更有意思的第二条路径。公司披露得不够精确，但 Jason 估计其客户数量可能同比增长约 40%，因为 ElevenLabs 等公司及其他 agent 构建者开始采用其通信 API，尽管 ACV 增速没有那么快。
AI 构建者使用 Twilio 的 API，David 表示 Sierra 的 $15M 合同也运行在 Twilio 之上。成熟产品的可靠性和积累多年的运营商基础设施，使它“足够好，能够受益于正在发生的一切趋势”。

9. SaaS 赢家需要相关性、留存，以及最好还有新需求

David 的有限区间观点是，成熟 SaaS 公司不必归零。当一家稳健、能产生现金的公司以接近 3x 收入的估值交易时，可信地回到 6x 就能带来 2x 回报；Atlassian 32% 的 GAAP 收入增长支持的是有限度的修复，而不是一个新的 10x 品类。
Jason 更严格的双重标准要求公司既能向存量客户销售 AI，又能吸引新客户。最明确的受益者仍然靠近基础设施，例如 Cloudflare、Twilio、Datadog，甚至 DigitalOcean，因为新构建者会自动消耗它们的产品。
HubSpot 将成为下一场测试。公司计划让 agents 达到人类的同等水平，并完全向 agents 开放平台；Jason 认为，如果执行真正到位，增速应在 12 个月内重新加速。“有点晚，但还不算太晚。”如果失败，整个应用软件板块的前景都会转暗。
David George 反驳称，成熟品类可能只是耗尽了新客户需求，就像 Zoom 最终耗尽了需要账号的人。胜利也可以意味着重新回到 30% 增长、销售新产品、创造自由现金流、控制股票薪酬，并证明终值不为零——这些标准同样会暴露下一个 Medallia 式失败案例。

10. Anthropic 的收入上限取决于每位工程师的 token 支出

Harry 将 Anthropic 的收入节奏放在约 $44B，即每天约 $100M，这促使 Jason 提出核心尽调问题：在一家成熟的 AI-first 公司里，工程师薪资支出的多少比例会转化为稳定状态下的 token 支出？
Jason 粗略划分为 20%-30% 对比 5%。如果是前者，Anthropic 的收入可能增长到数千亿美元，甚至达到 $500B；如果只有 5%，今天的规模就很难解释。编程是“矛尖”，因为当前可实现的自动化程度远高于 Jason 对大多数其他知识工作职能低于 10% 的估计。
更高生产力不一定意味着开发者人数减少。如果 $40,000 的 tokens 能让一名年薪 $200,000 的工程师产出翻倍，工程团队的 ROI 就会上升；一家原本有 10 名工程师的成长型公司可能会招聘 15 名，同时在其他地方按比例少花钱。“只要你能吸引到他们，人数就会增加。”
David 随后给这一看多逻辑增加了复杂性：SaaStr 两个覆盖营销和客户成功的半自主 agent，整月成本仅 $254，其中营销 agent 成本 $94.27。营销 agent 提出的想法优于人类同事，但执行不如人类，这表明许多非编程工作流消耗的 tokens 可能远低于投资者的假设。

11. $50B 私募融资让 Anthropic 的 IPO 变成可选项

据报道，Anthropic 正寻求以约 $900B 估值融资 $50B。Chamath 承认自己此前建议跳过下一轮私募、直接 IPO，是“愚蠢的老世界思维”：一封邮件就能在 48 小时内获得承诺，无需公开市场披露，也没有上市责任。
资本需求具有异常强的非线性。Chamath 的经验法则是，Anthropic 每实现 $1 的收入，Anthropic 或其合作伙伴就需要投入 $3-$4 的算力；如果提前 1 年预测 10x 增长，就可能意味着“每有 $1B 收入，就要承诺 $30B 的资本开支”。
超大规模云厂商会吸收部分风险，但整个模型仍需要巨量的财务猜测。Chamath 修正后的结论是绝对性的：“资产负债表上的现金永远不会太多。”这轮融资降低了资金风险，也给 Anthropic 在 IPO 前提供了灵活性。
这轮融资可能降低 Anthropic 今年上市的概率，但未必改变其最终价格。如果市场环境、可预测性和准备工作都到位，Anthropic 仍然可以上市，但已经不必上市；Harry 提出，Anthropic 和 OpenAI 都可能推迟到 2027 年，Chamath 也同意两家公司今年都不再有必须上市的理由。

12. Sierra 证明软件仍有价值，也为巨大跃升预先定价

Sierra 正寻求以 $15.8B 估值融资 $950M，对应约 $150M ARR，即约 105x 收入。David George 的担忧是，所引用的 $400B 客户服务市场很大程度上代表人工成本，而现有客服软件市场可能只有 $20B-$30B。
因此，投资逻辑不能只是替代 Service Cloud。Sierra 必须抓住劳动力替代，并大幅扩展到销售和追加销售；但一旦多家 AI 厂商追逐同一个结果，它们的经济竞争对手就不再是人类劳动力，而是彼此。David 认为 AI 可能让 TAM 扩大 50%，但不相信扩大了 10x。
Rory 仍将这轮融资视为反驳“LLM 会吞噬所有软件”的证据。他估计 Sierra 的模型成本可能低于收入的 10%；大部分价值来自围绕 LLM 构建的应用、工作流、集成和行业专属层。即便如此，100x 收入估值仍然要求“一个极其激进的未来”。
被问到多投 1 美元哪里有更大上行空间时，Rory 毫不犹豫地回答“Anthropic”：对他而言，Anthropic 达到 $6T 比 Sierra 达到 $100B 更可信，尽管他认为两种结果都不太可能。围绕 Sierra 这一明星资产的感知下行保护，或许能帮助投资者获得心理安全感，但嘉宾警告，风险投资人经常夸大这种保护。

13. Musk 与 Altman 的诉讼，可能取决于时限和诉讼资格，而非场面

第一周提供了预期中的戏剧性：Elon Musk 承认 xAI 部分蒸馏了 OpenAI 模型，在宣誓作证时将 OpenAI 和 Anthropic 排在自己公司之前，并曝光 Greg Brockman 的私人日记和估计 $30B 的持股。Roelof 认为，比 Brockman 作为创始人变得极其富有更令人意外的是 Sam Altman 的零股权状态。
决定性问题可能是程序性的。Musk 早期的威胁或许能证明他在诉讼时效到期前已经掌握足够信息；而通过其捐赠者建议基金进行的捐赠，可能意味着法律上受损的是基金，而非 Musk 个人，因此拥有诉讼资格的也应是基金。
陪审团只提供咨询意见，最终决定权在法官手中。尴尬证词或许会主导这场“科技版 TMZ”，但 Roelof 认为 Musk 在法律实体问题上可能反而后退了，因为这些技术性抗辩足以在无需处理更大伦理叙事的情况下终结案件。

14. Coinbase 的“要么交付，要么离开”模式抬高了所有管理者的门槛

Coinbase 约 14%-15% 的裁员，被解释为削减那些无法同时贡献个人产出的管理层级。Jason 将 Brian Armstrong 的立场概括为：“如果你不能交付和管理，不能发起一场营销活动并担任营销负责人，我不希望你待在 Coinbase。”
Roelof 通常会将把裁员归咎于 AI 的 CEO 视为“在证明有罪前先视为有罪”，因为这种解释往往掩盖了过度招聘或增长放缓。但 Armstrong 过去即使面临巨大反弹，也坚持将职场政治排除在 Coinbase 之外，这让 Roelof 更愿意相信他；在 Roelof 看来，这体现的是对企业文化一贯的清晰判断，而非追逐时髦的借口。
Jason 要求高管做到的不只是拿出 10% 的时间尝试新工具。他的自主客户成功 agent 在午夜后联系了约 120 名 SaaStr 赞助商，收集他们的问题并给出下一步行动；传统高管可能先安排一场 2 周后才能进行的会议。同样，“今天的 CMO 应该能通过 agents 运营自己的营销活动”。
这一论点最终导向一个达尔文式预测：现在或许只有 10% 的高管能以这种方式工作，但更优的结果可能让比例升至 20%，再升至 40%。同样的逻辑也支撑 Harry 对周五居家办公的看法：它往往只是 3 天周末的工具——员工理性地选择这种生活，而投资者也理性地避开围绕这种模式组织起来的公司。

Demis Hassabis 谈 AGI、机器人规模化生产与 Elon 的1万亿美元火星薪酬赌局｜EP 253 这是全面上涨行情吗？