摘要

Anthropic秘密递交IPO文件，将前沿AI变成公开市场资产类别；Polymarket给出其首日估值超过1.8万亿美元的概率为60%。 Dave Blundin认为，投资者低估了由此带来的流动性：一家5000人的公司可能获得“前所未见的弹药储备”，足以支持数千笔10亿美元级收购。Peter Diamandis称营收增长前所未有，Emad Mostaque则认为，有用的AI产品足以支撑非凡估值。
ChatGPT据报月活用户突破10亿，使分发能力——而不仅是模型质量——成为核心战略护城河。 节目将OpenAI 62%的年增长率与Claude的5600万用户和640%的增速作对比；Dave Blundin援引Sam Altman的预测称，同等智能的成本将在18个月内下降100倍。下一场争夺战将围绕每位用户身边负责协调的助手展开：“你的Jarvis是谁？这才是唯一的游戏。”
Trump的行政令让美国实验室保持速度，同时将国家安全机构纳入自愿的发布前30天窗口。 Alexander Wissner-Gross认为，这需要在避免对华竞争中承受90天劣势与审查私人开发的网络、生物和化学能力之间寻求艰难平衡。一名嘉宾的地缘政治框架是“全谱主导”；Blundin称这一结果是正确的临时选择，但“从长远看，它解决不了任何问题”。
生物安全正在同时成为受监管的实体瓶颈和受限AI产品类别。 面板在提到一名研究者花费10万美元重建马痘后，支持对合成DNA订单实施强制筛查，同时承认有能力的模型可以在本地运行。拟议中的防线将从订单筛查扩展到由政府资助的每条序列分析和环境DNA基线建设——因为大流行病以飞机的速度传播，而信息以光速传播。
OpenAI招聘机器人团队，表明前沿实验室正把算力飞轮从软件延伸至基础设施建设、数据中心、芯片和具身数据，完成闭环。 Mostaque表示，Sora视频团队已经转向机器人，并认为实体机器人将成为比GPU更大、生命周期更长的市场。Blundin称机器人是一个“非常、非常好的10年投资主题”，尤其适合寻求类似OpenAI早期职业机会的人才。
Microsoft的7个自研模型降低其对OpenAI的依赖，但面板尚未看到前沿实验室卷土重来。 其Excel模型据报以1/10的资源成本达到GPT-5.4水平，但一名嘉宾称更广泛的模型套件属于“中端”；Mostaque将其描述为专用办公智能，而不是通往AGI的路径。竞争教训是，品牌几乎没有保护作用：“这是人的战争，不是公司的战争。”
目前讨论的劳动力数据尚未显示AI导致就业崩塌，但可能显示招聘冻结，以及应届毕业生面临的劣势正在扩大。 一名嘉宾表示，他投资组合中的就业人数随着行业专家转为软件建设者而翻倍，推翻了自己1年前对就业下滑的预期。Mostaque的保留判断很关键：在他看来，真正有能力的AI和机器人会在“明年”到来，因此今天的韧性并没有消除重新设计所有权和收入流向的必要性。
长寿正从推测性科学跨入主权级、风险投资级和临床级资本部署。 俄罗斯据报承诺投入260亿美元，New Limit以31亿美元估值融资4.35亿美元，VERVE-102在Phase 1试验中单次输注后使LDL降低62%，截至目前效果最长持续18个月。Wissner-Gross称后者是“Star Trek级别的医学”；结尾讨论认为，长寿吸引巨额资本的速度可能“甚至快于机器人”。

精读

1. 华盛顿将AI政策定调为保持速度，仅保留狭窄的国家安全窗口

Peter Diamandis将Trump的行政令解读为拒绝重监管和许可式开发：实验室被要求自愿在模型发布前30天提供模型，联邦机构则部署AI驱动的网络防御。“我们竞争，不设限。”（“We compete. We don’t constrain.”）
Wissner-Gross称，这项政策是“Mythos时刻”的后续反应：私人模型正在把过去曾类似NSA核心研究的零日发现商品化。当私人构建的系统开始产出具有国家安全后果的生物、化学和物理发现时，同一治理问题还会反复出现。
他的权衡很明确：在对华竞争中，90天的延迟“可能带来决定性差异”，但完全没有发布前可见性也可能危险。30天自愿窗口是否有效，应该在未来几个月内见分晓，因为这正是这项技术的运行时间尺度。
一名嘉宾的地缘政治解读是“全谱主导”：让智能优势与空、陆、海优势并列。Blundin支持这一弱化版、靠关系维系的安排，认为它是正确的临时决定，但也承认，依赖个人接触和自我监管并不是治理国家的持久方式。

2. 10亿ChatGPT用户让个人智能体成为争夺焦点

据报，ChatGPT在2022年11月发布约3年后，月活用户突破10亿；YouTube用了10年，Instagram用了8年，TikTok用了5年。OpenAI年增长率据称为62%：“历史上没有任何产品扩张得这么快。”
Claude的规模仍小得多，月活用户为5600万，但据称同比增长640%。Blundin把Claude比作Apple、把OpenAI比作Microsoft，并强调尚未覆盖的市场：仍有数十亿人无法获得接入，包括在中国受限的用户。
Blundin援引Sam Altman的预测：等价智能的成本将在18个月内下降100倍。由于最初的10亿用户主要来自自然采用，而不是传统付费获客，他预计，各实验室IPO后，获客会进一步加速增长。
Wissner-Gross回忆，Altman宁愿要10亿用户，也不要最强模型，因为分发是更难建立的护城河。如今GPT-5.5也已成为最强模型，至少“据我所知”如此，战略竞争转向协调其他所有智能体的助手：“你的Jarvis是谁？”

3. 安全能力隔离正在收窄AGI中的“G”

OpenAI的Rosalind BioDefense为受信任的政府和公共卫生研究者提供专用工具，用于疫情暴发检测、监测和疫苗开发。Peter认为，这类健康与安全项目既是有用的基础设施，也是抵御更广泛减缓实验室发展努力的政治护盾。
Wissner-Gross警告：“AGI中的G正在开始收缩。”原本可能存在于通用模型中的生物和网络能力，正被拆分到仅向机构和受信研究者开放的后训练系统中——这或许是众多能力隔离中的第一个。
他的技术猜测融合了脚手架、解除约束、后训练、专用数据库和工具。受信任的生物防御模型可以讨论天花，或查询普通ChatGPT用户无法访问的资源，形成一种智能层级，只有获批受众才能获得其通用性。

4. DNA筛查不可或缺，但本地模型会把风险推向下游

Peter联署一封信，敦促国会要求DNA合成公司筛查客户和序列。核心案例是：一名加拿大研究者据报在2017年花约10万美元购买邮购DNA并重建马痘；理论上，这种方法也可延伸至天花。
筛查已经让Twist Bioscience等负责任供应商承担成本；当竞争对手跳过筛查时，这就构成劣势。这让面板认为立法路径异常直接：行业需要一条共同规则，不能让安全继续成为可选的运营成本。
一名嘉宾称，合成控制“既不可避免，也不够充分”。他列出了3个可能的检查点——模型构想、通过DNA合成或3D打印实施的物理行动，以及事后责任追究——并预计各国会在从思想到行动的完整链路上监管不同组合。
另一名嘉宾确认，改造后的开放模型和专用生物模型可以在边缘设备运行，使提示层面的监管变得困难。公共部门的对比很鲜明：政府约占全球GDP的20%，却可能只占token用量的0.01%，因此政府应在偏差演变为疫情暴发前，资助序列筛查和环境DNA基线建设。

5. 机器人闭合前沿实验室的自我改进基础设施回路

OpenAI正在组建内部机器人团队，用于辅助熟练工人、建设基础设施，并最终提供个人机器人。Wissner-Gross称其为“最内层回路”：机器人建造晶圆厂和数据中心；晶圆厂制造芯片，数据中心承载模型，模型再反过来改进机器人。
随着Stargate据报从自有设施转向租赁设施，Wissner-Gross提出疑问：OpenAI的机器人是否会建造并维护第三方数据中心？无论如何，他把算力建设视为人形机器人的首要用途，把家用机器人视为后续受益者。
Mostaque表示，Aditya Ramesh和参与Sora视频项目的研究者已经转向具身机器人。他的判断是，机器人市场将超过GPU市场，折旧更慢；一旦硬件达到Unitree G1等系统展示的能力，机器人就能持续生产多年。

6. Anthropic IPO将创造前所未有的并购货币

Anthropic据报已秘密递交IPO文件，可能成为首家上市的大型前沿实验室。Polymarket给出其首日市值超过1.8万亿美元的概率为60%，大致等于主持人对潜在SpaceX上市所设想的估值。
Blundin的反应不是对万亿美元习以为常，而是强调：“这股资金流是世界历史上最大的，规模至少高出一个数量级。”Anthropic仅有约5000名员工，却可能为庞大的供应商生态提供融资，并支撑“数千笔10亿美元级收购”。
Peter将Anthropic营收估在约50亿美元至60亿美元，并称估值约为营收的20倍；Mostaque说，这样的倍数过去更接近50倍，明年营收达到1000亿美元至1500亿美元也不会令他意外。他认为Anthropic和SpaceX都会超额认购。
Wissner-Gross称，公开上市是一项公共利益，因为散户基本错过了前沿公司在私人市场的估值上涨。Peter补充说，对于一家将自己定位为重视安全的实验室，披露要求可能尤其有价值。

7. AI经济正在打破员工数量与企业规模的绑定

Peter比较了达到1万亿美元估值所需的时间：Apple 42年，Google 21年，SpaceX 24年，OpenAI约10年，Anthropic约5年。Anthropic据报人均营收940万美元，接近Apple人均250万美元的4倍。
Wissner-Gross预计，10年内会出现1人centacorn或teracorn，但质疑单个智能体的营收是否仍有意义。端到端团队可能模糊成一个集体系统，抹去单个智能体与团队级智能体之间的边界。
Wissner-Gross描绘了一种能够自我融资的AI经济：IPO后，实验室可以直接拿出1000亿美元投向解决疾病的智能体，无需经过银行、实体经济或传统企业。“它完全可以建立一个属于自己的经济体。”

8. Microsoft重建了技术栈，但尚未重返前沿

在Build 2026上，Microsoft发布7个内部训练模型，覆盖推理、代码、图像、视频和转录。其Excel模型据报达到GPT-5.4水平，同时运行效率高10倍；与Mayo Clinic的合作则瞄准前沿医疗模型。
当被问及Microsoft是否回来了，一名嘉宾的回答是绝对的：“不，他们不在这场游戏里。”他认为这些发布的都是中端系统，相当于OpenAI和Anthropic几个月前发布的模型，受限于不足的前沿算力和人才。
这名嘉宾的历史类比是：OpenAI处在Microsoft过去的位置，而Microsoft处在IBM的位置——平台所有者让合作伙伴抢走了下一波浪潮。Mostaque表示认同，称Microsoft的终点是面向人的办公智能，为数亿Teams用户优化，而不是通用超级智能。
另一名嘉宾将竞争重新定义为人与人之间，而非公司之间。如果Mark Zuckerberg能为OpenAI研究员Mark Chen开出据报10亿美元的待遇方案，Microsoft缺少的就是意愿：招揽打造真正前沿团队所需的“5名或10名不可错过的顶尖AI研究者”。

9. 机构反弹混杂着合理的错误担忧与自我保全

主持人驳斥《纽约时报》一项分析，称Elon Musk在15年间仅完成602个公开目标中的19%。他们更看重的数据是：2015年设定的目标完成率为75%；他们的辩护是，雄心勃勃的目标组合像风险投资，约10%的下注带来90%的回报。
Wissner-Gross认为，拥有130名签署人的Leiden Declaration是数学界面对AI进展的一次守势反击：“AI会彻底攻克数学。AI正在攻克数学。AI已经攻克数学。”Mostaque同情被替代的数学家，但认为过度专业化让人类无法把不同领域组合起来。
Mostaque保留了该宣言最有力的一点：前沿数学输出可能极其令人信服，却仍然暗藏细微错误。他的类比不是精神错乱，而是“一个极有天赋、极具说服力的研究生”，即便推理听起来无懈可击，也必须核验。
American Federation of Teachers的10点方案包括2年级前不使用屏幕、K–12安全保障、保留教师责任的使用限制，以及大科技公司税。面板更支持强制AI素养教育；Wissner-Gross提到Math Academy，以及关于8岁儿童通过自适应学习完成高中数学的报道。

10. 50%的AI股权税会在分配权力的同时固化权力

Bernie Sanders提议对大型AI公司征收一次性50%股票税，为美国主权财富基金提供种子资金。他的前提是，AI依赖一种比石油更有价值的公共资源，因此公民应拥有所有权，并对数万亿美元的使用方式拥有发言权。
Blundin的反对点在流动性：股权只有在政府出售后才能为公共利益提供资金，抛售数万亿美元股票可能击垮市场。他预计，第一个遇到预算或选举问题的政府会在“恰好1个选举周期”内清算这笔持仓。
Wissner-Gross将机制与目标分开。他支持探索主权财富基金或全民基础股权——可能持有包含OpenAI、Anthropic和SpaceX的广泛指数——但反对强制出售前沿实验室一半股份。
一名嘉宾估算，一个1万亿美元的资金池——设想一半来自慈善、一半来自OpenAI——相当于每位美国人约2000美元，同时会让这些实验室大到不能倒，并使基金控制者拥有巨大权力。提出的替代方案是把AI股票放入每个孩子的Invest America账户；讨论还预判政府会给token发放许可，或对其GDP价值征税。

11. AI先造就建设者，再淘汰劳动者

《华盛顿邮报》的政策选项包括机器人税、扩大失业保险、再培训、公共分红或继续等待。针对这种焦虑，报道援引Apollo经济学家Torsten Sløk称AI是净创造就业者；Cognizant计划招聘20,000名毕业生。
一名嘉宾表示，他旗下各家公司就业人数翻倍，因为如今领域专家无需工程师就能写代码、构建产品。“1年前，我会说就业会下降”；但截至目前，把非建设者变成建设者带来的增量超过了自动化造成的损失。
Mostaque的提醒是时间问题：社会才刚达到具备能力的智能，因此现有数据既看不出大规模失业，也看不出强劲招聘。他预计明年会出现能力强得多的AI和机器人，所以现在就必须为所有权、收入和一种超越强制劳动的生活进行规划。

12. Nvidia的笔记本芯片意在掌握端侧Jarvis

Nvidia的N1和N1X跳出独立GPU，进入完整PC处理器领域。N1X据称配备20个CPU核心和6144个CUDA核心，在笔记本形态中提供大致相当于RTX 5070级别的图形性能。
考虑到Nvidia相对Intel的市值，以及其收购Arm未果的经历，一名嘉宾对它为何等到现在感到意外。一种解释是，Nvidia在TSMC先进制程产能中的份额不断提高，可能让笔记本厂商获得自己无法独立锁定的先进节点。
Peter提出一条消费端切入口：笔记本成为AI原生操作系统的试验场，让Nvidia在助手动摇Apple地位前直接获得用户数据和用户画像。他还回忆了Apple停止在Mac中使用Nvidia GPU后留下的旧怨。
另一名嘉宾称，这款设备既是对AMD Strix Halo集成芯片的防御，也是让“Jarvis遍布全屋”的路径。RTX 5070级算力可以运行一个30亿活跃参数模型，或Liquid AI的LFM-1B模型，而Nvidia提供开放的智能底座。

13. 闭环冷却削弱对数据中心用水的攻击

Satya Nadella表示，Microsoft的新型冷却回路只需注水1次，之后运行时基本不会持续耗水；按全年平均计算，每日用水量大致相当于1家餐厅。Peter称赞他正面回应了批评。
Peter引用的数字是：加州杏仁种植业每年用水1.3万亿加仑，美国所有数据中心用水1500亿加仑。面板更广泛的观点是，抗议叙事忽略了设计变化，以及农业规模大得多的用水。
Mostaque称一个被广泛转述的估算源自1000倍的数学错误。Wissner-Gross建议，如果超级大规模云服务商继续留在地球上，应将数据中心与水生产或海水淡化设施共址；不过他仍偏好那个结果：把算力放到轨道上，在那里用水争议将消失。

14. 媒体营收崩塌正演变为信任崩塌

新闻信任度为19%，低于1970年代中期约80%。Peter预计，到2030年前后这一趋势将接近0，认为受众越来越选择那些激励机制和世界观都可被理解的个人。
一名嘉宾的诊断是经济问题而非阴谋论：互联网竞争掏空了编辑部收入，管理层用低成本争议取代高成本报道，优秀作者离开，质量下滑又加速信任流失。“这就开始形成螺旋。”
Peter提出一个AI原生编辑部：使用开放模型、公开可见的推理轨迹、公众贡献和受信任的记者；另一名嘉宾称这可能是一个巨大的机会。Peter的标准很简单：“信任只有一种建立方式：帮助人们。”

15. 长寿如今拥有主权级预算和风险投资级里程碑

俄罗斯据报承诺投入260亿美元用于长寿，目标是在2030年前实现3D打印组织、可移植器官和表观遗传重编程，并挽救175,000人。Peter把经济与健康寿命联系起来：总寿命接近79岁，健康寿命接近63岁，意味着有16年昂贵而痛苦的生活。
Wissner-Gross设想俄罗斯通过长寿而不是战争获得国际声望。另一名嘉宾称，富裕人群几乎愿意花掉一切，换取额外30年健康寿命，意味着长期需求可能达到“数百万亿美元”。
由Coinbase CEO Brian Armstrong和Blake Byers共同创立的New Limit据报以31亿美元估值融资4.35亿美元。该公司计划明年启动表观遗传重编程疗法的人体研究，先从酒精相关肝病开始，因为FDA不把衰老本身认定为适应症。
Peter的Healthspan XPRIZE提供1.01亿美元奖金，属于他所称已筹集1.57亿美元的项目；830支团队正在开发一种用时不到1年的疗法，将认知、免疫功能和肌肉恢复至年轻20岁左右的水平，预计2030年决出获胜者。

16. VERVE-102让一次性心血管基因编辑变得切实可行

VERVE-102通过单次输注关闭肝脏中的PCSK9，保留能够清除胆固醇的LDL受体。在所引Phase 1试验中，最高剂量使LDL降低62%、PCSK9蛋白降低88%，截至目前效果持续最长18个月。
Wissner-Gross将其与《Star Trek IV》中Leonard McCoy的神奇药物相提并论：CRISPR碱基编辑结合mRNA递送，如果稍微眯起眼睛看，就像通过1次注射对抗心脏病的一个主要病因。“这是Star Trek级别的医学。”（“This is Star Trek-level medicine.”）
更大的探索空间来自天然具有保护作用的人类变异：如果有人很少出现高LDL、阿尔茨海默病或癌症，类似编辑或许可以通过1次mRNA脂质纳米颗粒给药。另一名嘉宾称这是“编辑人类软件”——修正那些“有点跑偏”的生物学提示。

17. 算力、分发与编排仍是复利型护城河

Wissner-Gross认为，即便AI算法完美，也不会终结算力需求。算法可能带来数个数量级的效率提升，并在约1年内造成“加了类固醇的DeepSeek式需求崩塌”（“DeepSeek demand crash on steroids”），但Jevons悖论式需求会恢复；算法改进一旦饱和，硬件压力会进一步加剧。
Blundin正用170个智能体测试这一未来，包括并行构建粒子模拟器，以及数千个神经网络研究想法。大多数实验会失败；重点是学习如何整合有竞争力的并行工作，为未来用户指挥“数十亿”智能体做准备。
一名嘉宾认为，未知实验室在技术上仍可能追上OpenAI或Anthropic，但称这“非常困难”，因为数据和分发会产生复利。前沿在位者如今可以花费数千亿美元锁定这些优势，使竞争更多取决于市场进入执行，而非算法。
Blundin称，15–20年前，孵化器贡献的独角兽占比不足10%；如今约70%，因为创始人不能浪费时间组装基础设施。Peter认为，参与上行空间的路径仍很简单：持有公开市场AI资产，用AI放大赚钱能力，或在创业成本崩塌时创业。

IPO卷土重来：科技巨头为何终于上市 | All-In流动性IPO圆桌 AI in the AM——第1周要点（2026年6月）