主题 先锋 趋势 方法 作者
返回

深度解析:Anthropic S-1 的迷思与 Mythos——Jamin Ball,Altimeter

·Latent Space

正在生成长图…

本篇主题 头部模型护城河之争 大模型推理成本优化 AI一级市场估值与泡沫 企业AI落地ROI与成本控制 AI万亿资本开支与泡沫风险 算力云债务与宏观流动性 专有小模型与通用大模型
本篇先锋 Jamin Ball swyx

摘要

  • Ball 认为,Anthropic 的 S-1 证明前沿 AI 可以在高速增长的同时创造可观现金流。 他引用了85%的毛利率、21%的自由现金流利润率和8%的 GAAP 经营利润率。Anthropic 累计融资1410亿美元,账上持有1340亿美元现金及现金等价物;按 Ball 的算法,公司迄今累计烧钱仅70亿美元,另有单独披露的 Q3 营收168亿美元。
  • 推理效率解释了盈利为何超出预期,但效率提升还能持续多久仍是个问题。 服务端算力支出增长2.3倍,营收增长14倍;Ball 将其概括为效率提升约7倍,称公司“几乎是意外地实现盈利”。swyx 追问,从物理层面看优化空间还剩多少;Ball 预计,随着 Anthropic 更积极地投入算力,利润率可能再次转负。
  • 在 Ball 的解释中,巨额可转债负债和会计亏损都不等于现金消耗。 约60亿美元未偿可转债融资,账面价值已升至1080亿美元;这不代表公司额外融了1080亿美元。Ball 认为,2026年上半年810亿美元净亏损全部来自可转债、SAFEs 和票据的重估:承诺发行的股票升值会形成会计费用。
  • 企业渗透率仍有很大深化空间,即便营收已经惊人增长。 财富500强中有一半在使用 Anthropic,但这些企业只将总支出的0.1%花在 Anthropic 上。Ball 对比了 John Collison 的预期:Stripe 用于 tokens 的支出,未来几年可能从总支出的1%升至15%–20%;swyx 更偏好的分母是“你在员工身上花了多少?”
  • 这门生意能否持久,取决于能否像工厂一样持续产出前沿模型。 截至9月的3个月里,发布不超过6个月的模型贡献了80%的营收。Ball 预计,开源权重模型将赢得 token 用量,前沿模型则拿下最多营收;但 swyx 提醒,继任模型若表现不佳,快速折旧模型的经济账就可能被打破。即便生意做得好,买入价格也得合理。
  • 8560亿美元的承诺总额,必须结合支出节奏和营收走势来看。 Ball 做了一个示意性年化测算,讨论 Anthropic 是否能承担每年约1000亿美元的支出;部分承诺集中在后期,或约束力较弱,包括可在90天内终止的 SpaceX 安排。他的判断建立在需求持续、效率提升和产能扩张之上;swyx 的说法是,“关键不是减少承诺,而是拿到更多承诺。”
  • 信贷意愿正成为算力扩张之外的另一道约束。 Ball 形容数十亿美元级 GPU 债务融资市场“无人接盘、无人接盘”。放贷方穿透不同 NeoCloud 借款人,看到的终端客户都是 OpenAI 和 Anthropic;建设延期和昂贵的对冲工具又加重了风险敞口。他反驳 swyx 关于债市资金快要枯竭的说法:眼下的问题是放贷意愿、风险集中度和融资条件。
  • 算力配给有助于解释 Anthropic 为何聚焦编程,也给垂直领域公司留下空间。 把算力分配给 Sora,就意味着其他地方可用的算力减少;Ball 认为,大厂瞄准的是“下一个万亿美元市场”,因此规模较小的市场仍适合初创公司。他预计,应用公司需要把产品团队与研究团队结合起来;swyx 则质疑 Anthropic 垂直扩张的证据:一个设计标签页或法律 Markdown 仓库,仍算不上多大的产品投入。

精读

1. IPO 的融资价值不止于再融一轮股权资金

  • Ball 披露,Altimeter 持有大量 Anthropic 仓位,他本人表达的是个人观点。IPO 规模尚未确定;他提到市场传闻融资规模为750亿至1000亿美元。过去,公司上市通常出售10%–15%的股权;规模越大的公司,出售更小比例的股份也能筹得巨额资金。
  • 在10月29日录制节目时,Ball 推测,从提交文件到路演约有15天,随后再安排约1个半星期的投资者会议,因此上市交易时间可能落在11月10日至20日左右。提交文件不代表一定上市;swyx 举例说,Cerebras 曾提交文件后暂停上市流程,之后又重新启动。若首日暴涨50%,也会引出 Bill Gurley 的质疑:发行方本可以把价格定得更高。
  • 员工流动性和收购支付工具仍是上市理由,尽管定期要约收购已经提供了有限流动性。Ball 认为,头部私营公司的股票对交易对手而言越来越像现金。私募融资能力同样可观:他提到 OpenAI 融资约1200亿至1300亿美元,这削弱了“只有公开市场才能提供大额股权资金”的说法。
  • Ball 认为,更重要的原因是获得信贷。无论是直接为 Anthropic 承销贷款,还是为替其建设的 NeoCloud 提供融资,放贷方在银团发行过程中都需要详细财务披露。上市披露能让这类透明度更容易实现,也有助于获取信用评级、改善借款条件。至于 Anthropic 为何“现在”上市,Ball 的解释仍属推测,可能是多种动机共同作用。

2. 现金余额让盈利惊喜变得具体

  • Ball 概括的财务表现是:毛利率85%、最新季度自由现金流利润率21%、GAAP 经营利润率8%。此前流出的信息大多只涉及营收或 ARR;此次 S-1 还披露了现金创造能力和经营经济性。讨论焦点因此从“有没有需求”转向“满足需求能否成为一门好生意”。
  • Ball 最喜欢的对比是:“迄今累计融资1410亿美元”,其中包括股权融资、可转债和 SAFEs;与之相对的是1340亿美元现金及现金等价物余额。由此他推算公司迄今累计烧钱70亿美元,再将其与单独披露的 Q3 季度营收168亿美元对比;后者并未列入 S-1。
  • 自由现金流会加回股票薪酬,Ball 承认这是真实的经济成本:没有股权激励,员工可能不会加入。即便将股票薪酬计作费用,他计算出的利润率仍约为8%。Ball 称之为“非常罕见”;swyx 的判断更进一步,认为软件公司 IPO 时出现这种盈利并不寻常。
  • swyx 提醒,毛利率背后的分销经济性也值得关注:他估算云合作伙伴贡献了48%的收入。Ball 认为,合作伙伴分成计入销售和营销费用;swyx 估算这一项为30亿美元。若把这些分成计入成本,毛利率会更低;不过 Ball 强调,经营利润率和现金流利润率已经反映了更广泛的费用。

3. 推理效率改变了现金流曲线

  • 根据 Ball 的图表,目前 Anthropic 只有27%的算力用于服务创收模型,其余用于内部工作,包括训练、研究、安全和对齐。因此,公司有大量算力支出并不直接对应当下出售的 tokens。
  • 一年间,服务端算力支出增长2.3倍,营收则增长14倍。Ball 称其中体现的效率提升约为7倍,并形容这门生意“几乎是意外地实现盈利”。他举例说明变现能力的变化:每兆瓦营收从1000万至1500万美元升至7000万至1亿美元;也就是说,单位产能能带来更多营收,而非支出同比例上升。
  • 传统 SaaS 的承诺是“现金流年金”:先投入获客、承受亏损,待获客支出放缓后进入收割期。Anthropic 却在高速增长期间就实现了正现金流。Ball 的解读是,效率提升让公司更早达到能够自我供血的阶段。
  • 这不代表21%的自由现金流利润率会成为永久底线。Ball 猜测,Anthropic 会更积极地投资,前期算力付款可能再次把利润率推向负值。swyx 强调要区分核心经营经济性与投资选择;Ball 的结论是,Anthropic 已经证明自己有能力实现盈利运营。

4. 企业采用广泛,但支出仍浅

  • 财富500强中有一半在使用 Anthropic,但这些企业只将总支出的0.1%花在 Anthropic 上。Ball 将其视为覆盖面与使用深度的区别。即便不假设采用率或支出结构能达到最激进科技公司的水平,从0.1%升至1%也意味着大幅扩张。
  • Ball 引述 John Collison 的说法:Stripe 将总支出的1%用于 tokens,并预计未来几年升至15%–20%。他提醒,Stripe 的做法超前得多。更值得关注的可能性是其他企业也实现类似幅度的增长,而不是假设普通财富500强企业都会达到 Stripe 预想的支出结构。
  • swyx 更愿意用知识工作者薪酬作分母,涵盖编程、行政、运营和法律工作。他提到,AI 公司 token 支出的中位数已达薪酬的50%,Anthropic 员工的高端案例则约为薪酬的10倍。实体企业的情况不同,直到机器人技术进步才会改变;但 token 支出与知识工作者人力成本之比已从零起步,仍可能继续上升。

5. 前沿模型拿营收,开源权重模型拿用量

  • Ball 将投资讨论归结为3个问题:Anthropic 能否留在前沿?前沿位置能否支撑持久的生意?维持这一位置要花多少钱?后两个问题密切相关:营收机会必须覆盖保持竞争力的成本。他最核心的判断是,Anthropic 有能力持续推出领先模型。
  • 截至9月的3个月里,发布不超过6个月的模型贡献了80%的营收,超过 Ball 的预期。他预期两种情况将同时出现:开源权重和低价模型拿到最大份额的 tokens,前沿模型则拿到最大份额的支出。因此,token 用量领先不一定意味着美元营收领先。

6. 判断算力承诺前,先看支出时间表

  • 约8560亿美元的承诺总额覆盖多年。Ball 按已披露交易的期限分摊支出,制作了一份示意性年度计划;这是他的推算,并非公司提供的逐年预测。问题由此变成 Anthropic 是否能承担每年约1000亿美元的支出,而不是把全部承诺都当成立即到期的款项。
  • 支出的时间和约束力也各不相同。部分义务集中在后期,Ball 也区分了约束力更强的承诺与较不具约束力的意向。swyx 特别提到 Anthropic 可在90天内退出的 SpaceX 安排。把所有内容加总成一个数字,会抹去评估公司实际锁定多少产能、承担多少财务敞口时至关重要的差异。
  • Ball 做了一个经营层面的思想实验:目前只有约四分之一的算力服务客户。理论上,如果在不增加产能的情况下将这一比例翻倍,营收也可能翻倍。这只是展示调配空间,并非预测;Anthropic 仍需决定多少算力用于推理,多少用于产出下一代竞争力模型的研究。
  • Ball 的图表显示,即便扣除所有算力开支,包括内部工作和训练,算力利润率仍超过50%。营收持续增长、效率不断提升,是他认为公司能覆盖承诺支出的依据。swyx 对管理层意图的判断更进一步:“关键不是减少承诺,而是拿到更多承诺。”

7. 算力短缺既能抑制过度建设,也会增加防御性需求

  • Ball 表示,他接触的各大实验室都觉得算力不够。OpenAI 正在采购 TPU 并开发 Jalapeño;Anthropic 已组建内部芯片团队,超大规模云厂商也在推进自研芯片。swyx 认为,这场争夺对 TSMC、NVIDIA 和 ASML 有利。架构选择变多,并不能消除眼下的产能短缺。
  • 当地反对声音也是一道约束:噪音、污染、电费和对 AI 的担忧,正在让数据中心建设变成政治议题。民众也会提出用水问题,Ball 认为这并非真正问题;他指出,核心是电力消耗。Ball 认为,审批阻力能抑制互联网泡沫时期那种光纤过度建设。“我们现在没有闲置的 GPU。”这种约束有助于避免供给过剩,但也拖慢了行业亟需的产能扩张。
  • Ball 认为,安全、对齐和验证可能会占用越来越多算力,无论是在研究阶段还是推理阶段都是如此。攻击者能力变强,也要求防御者更强。他个人相信,算力约束会持续得比世界预期更久;swyx 则认为,若能厘清市场预期与实际持续时间的差异,可能带来显著价值。
  • 网络安全提供了一个具体案例。swyx 纠正 Ball:发现 PHP 漏洞所用的是 GPT-5.6,而不是前沿模型。Ball 表示,从漏洞发现到被利用的窗口期已快速缩短,接近于零。swyx 质疑,是否值得花数十亿 tokens 去发现并修复原本可能一直隐藏的问题;Ball 回应:“牙膏挤出来就收不回去了。”

8. 任务价格下降,并不能回答效率还能提升多少

  • swyx 一再区分当前进展与未来的优化空间。优化不足的推理技术栈确实可能大幅改进,但能量和数据的物理传输存在极限。已有的效率提升是否部分来自一次性地从低效转向合格优化?他追问的不是模型今天是否停止进步,而是还能挤出多少效率。
  • swyx 引用 Mark Chen 为 Navier–Stokes 相关成果配的图表,认为 OpenAI 内部模型明显领先于 Astra。因此,公开的前沿模型与开源权重模型对比,可能低估了真实差距。Ball 认为这个观点有道理,并表示每一代模型仍会出现“量子跃迁”;他也指出,没人说今天发布的模型已经停滞。
  • swyx 回到财务问题:Anthropic 的营收效率提升,并没有伴随价格上涨。他的图表显示,跨越不同 Fable 和 Opus 模型系列,完成同一任务的成本下降了25%–40%。任务成本降低的同时,营收仍在增长。两人讨论了杰文斯悖论:价格下降可能释放足够多的新增使用量,让总支出大幅增加。但需求论证并没有量化工程优化还剩多少空间。
  • Ball 以云服务作类比:S3 和 EC2 自推出以来价格下降约99%,业务规模却大幅扩张。swyx 则分享了自己对冲基金时期的投资教训:当时因为担心 AWS 利润率和创业公司客户敞口而避开 Amazon。“你可以做足功课,却做出更差的决策”,尤其当你死盯着错误变量时。

9. 前沿领先仍有价格之分,也有产品周期

  • swyx 不认同把生意做成直接等同于买入股票:“再好的公司也有合适的买入价格。”Ball 表示赞同;IPO 定价尚未确定。公司执行出色也无法让股价免受市场相关性下跌的影响。他不太看重私募股代理指标,尽管这些指标可能反映市场情绪。
  • Ramp 的支出数据展现了竞争格局的变化。Ball 将夏季增速放缓与 Astra 以及更强的 Kimi K3、GLM 和 DeepSeek 模型联系起来。Opus 5.5 和 Sonnet 5.5 推出后,其他模型的支出在两三个月内下降了一半甚至更多。他不排除10月支出重新加速,但认为第三方数据只能作为参考。
  • swyx 感觉各家实验室手里尚未发布的模型储备又在增加,但不知道原因;储备也能给管理层提供商业发布的选择,包括围绕 IPO 安排发布节奏。Ball 强调,出于安全和对齐考虑,模型可能会延迟发布。两人的分歧在于如何解读发布时间,而非内部模型是否可能强于公开产品。

10. 重要的不只是一次成功训练,而是模型工厂

  • swyx 用一个假设说明模型折旧风险:一个耗资10亿美元的模型只能用6个月。他的回答是有保留的否定:只要继任模型能超过当前技术水平,快速迭代就行得通;一轮表现不佳就可能破坏投资回报。他举出 GPT-4.5 这次大规模训练不够成功、以及 OpenAI 随后恢复的例子。
  • Ball 用半导体行业作类比:流片一次做出有竞争力的芯片,与建成一个每年都能做到这一点的组织,不是一回事。NVIDIA 的优势在于“最好的工厂”,而不只是当前最好的芯片。swyx 称之为“制造机器的机器”。对模型实验室而言,真正的资产是持续产出下一代竞争力模型的可重复流程。
  • 这也是 Ball 对新实验室的看空理由之一。他听到的一个行业经验法则是,挑战者与领先实验室的算力差距不能超过一个数量级,否则就难以保持竞争力。关键在于它们能否持续吸引所需人才、获得所需产能,而不只是为一次亮眼训练筹到钱。
  • Ball 认为,名不见经传的新玩家很难追上通用前沿模型,但垂直领域模型仍有机会。Anthropic 必须持续推进,因为 OpenAI 和 Gemini 不会停下来等它。他预计,更长、更有价值的任务会支撑市场机会,同时也承认自己可能带有偏见:“也许我太沉迷这套说法了。”OpenAI 也在尝试用更小、更便宜的 Luna 系列模型争夺低端市场。

11. 聚焦编程,既是算力配给的结果,也是切入知识工作的路径

  • Ball 称之为“算力创新者的两难”:如果 Sora 需求暴增,OpenAI 是否会把 Codex 的算力调过去?swyx 认为,这种取舍解释了 Sora 为何被关闭。编程已经创造出异常高的经济价值,因此很难把算力分配给其他用途。各家实验室瞄准的是“下一个万亿美元市场”;对初创公司而言,100亿美元的生意可以很大,对它们却可能太小。
  • Anthropic 的优势在于专注:做编程模型和 Claude Code,而不是同时扩张到图像、机器人及所有其他模态。Ball 认为,编程也提供了拓展到一般知识工作的框架。他自己不用编程也会使用 Claude Code;同一套工具框架可以处理更广泛的任务。swyx 将 Anthropic 更聚焦企业和编程,与 OpenAI 更广泛的探索、Gemini 愿意尝试多个领域作对比。两人都认为生命科学也是扩张方向;swyx 说 Anthropic 似乎在加大投入,Ball 表示赞同。
  • 垂直领域公司可以利用通用实验室优先级较低的能力,包括视觉推理和决策模型。Ball 打了个比方:“你没必要开着法拉利引擎去杂货店。”适合特定任务的廉价模型就足够。因此,他看好前沿模型经济性的同时,也预计会出现更好、更便宜的垂直领域替代品。

12. 实验室与应用公司正从相反方向走向一体化

  • swyx 追问,除了 Claude Code、Cowork 和平台,Anthropic 的产品分层究竟还有什么?面向消费者的 Claude、法律和设计产品该如何定位?对于一家准备 IPO 的公司——更不用说一家“估值2万亿美元的公司”,按 swyx 的说法——只有3个 SKU 显得格外单薄。他想看到的是彼此独立的业务,而不是底层模型能够覆盖的领域清单。
  • Ball 讲述了一个早期假设:模型实验室可能会把最好的模型留在内部,围绕它们打造更强的应用。若编程 Agent 能使用外部无法获得的模型,就可能威胁 Cursor;swyx 补充说,法律领域对应的例子是 Harvey。这种可能性有助于解释,为何应用公司会把模型纳入内部,以便更好掌控自身未来。
  • Ball 对应用投资的要求是:产品组织要强,研究组织也要强,而且研究成果要能直接反馈到产品。只做研究本身并不足够。swyx 将模型实验室和 Agent 实验室区分开来:在 Anthropic,“研究至上”;Agent 实验室则优先满足客户需求,并在有用时向后整合模型能力。他认为两种模式可以并存。
  • Ball 预计垂直应用会进一步扩张;swyx 则质疑现有证据。Claude Design 只是一个标签页,不是 Adobe 的替代品;Claude Legal 只是一个 Markdown 仓库。Ball 承认这一点,同时指出组织惯性:销售人员自然更愿意推销自己熟悉的成熟产品,而不是陌生的新产品。

13. 可转债重估解释了负债和亏损的 headline 数字

  • Ball 估算,应付可转债接近1080亿美元。这不代表公司额外融了1080亿美元。相关可转债最初融资约110亿美元,其中50亿美元已转为股权,剩下60亿美元尚未偿还。由于承诺发行的股票升值,这部分融资的会计账面价值升至约1080亿美元。
  • 为什么使用可转债?Ball 给出的是推测,并非已确认的动机:战略投资者 Google 和 Amazon 可能希望避免触及会引发额外披露义务的持股门槛,Anthropic 也可能偏好特定投票安排。这些融资发生在数年前,估值也是按当时的水平确定。它不是新发放的1080亿美元折价股票,最初的融资也已计入1410亿美元总额。
  • 损益表上对应的数字,是2026年上半年约810亿美元净亏损。Ball 将其中720亿美元归因于 AWS 和 Google 可转债重估,另有90亿美元来自另一组 SAFEs 和票据。他的明确判断是,这笔亏损100%来自这些金融工具升值,而非经营活动消耗现金。
  • 负债增加,需要在相关报表中有对应项目:重估费用会减少净利润和留存收益。普通股权融资不会带来这种反复出现的影响;转股则会消除它。Ball 接受 GAAP 亏损的数字,但不认为它能代表经营表现。他对资产负债表的结论同样明确:“资产负债表上没有债务。”

14. 信贷意愿已成为另一道瓶颈

  • Ball 形容当前数十亿美元级 GPU 债务发行的市场状况是“无人接盘、无人接盘”。信贷提供方会看最终承购方,而不只是 NeoCloud 借款人。向 CoreWeave、Nebius 或其他运营商放贷,最终都可能落到 OpenAI 和 Anthropic 身上。对这些客户放贷规模已经很大之后,贷款方完全可能说:“我这边已经有点满了。”
  • swyx 将其解读为债市资金快要枯竭。Ball 不同意:“债市的深度非常大”;问题在于放贷意愿。昂贵的信用违约互换和其他对冲工具,让新增风险敞口更难管理。风险有相应价格——Ball 举例说,借入50亿美元、利率20%——但能以这种条件融资,不等于拿到了有吸引力的资金。Ball 还表示,如今数据中心债务交易的利率往往已超过10%。
  • 项目风险会进一步加剧敞口集中。NeoCloud 可以与 OpenAI 签约,订购由 Dell 打包的 NVIDIA 硬件并取得融资,但随后社区反对导致建设延期。利息仍要支付。延迟提款额度有所帮助,但并非没有上限;合同必须明确供应商、开发商、运营商及其他延期原因各自承担什么责任。
  • Ball 不会因此断定 Anthropic 借不到钱:取得信用评级和选择是否承担债务是两回事。实验室可能更愿意让 NeoCloud 承担建设和资产负债表风险。他用低利率时期兴旺、利率上升后受挫的金融科技公司作类比。Anthropic 还有未提款的信贷额度,他也不排除未来借款。

15. 吉瓦级预测要考虑实体建设和融资约束

  • Ball 不愿预测 FY ’27,认为未来太“未知,也不可知”。swyx 提出一个更有用的分析框架:估算推理效率还能提升多少、竞争对手可能把价格降到什么程度、已锁定多少 GPU 供应,以及这些供应能产出多少 tokens。单纯把历史增长率拖进表格,忽视了可交付营收的物理上限。
  • Ball 估计,建设1吉瓦产能需要500亿至700亿美元;两家实验室都曾讨论到年底达到约5吉瓦,但他也承认不确定性。swyx 提到 OpenAI 的 Stargate 计划是到2030年达到30吉瓦,并表示自己没听说 Anthropic 有同等规模的计划。Ball 不清楚两家的产能是否相当。
  • Ball 做了一个刻意粗略的情景假设:未来5年新增100吉瓦行业产能,每吉瓦耗资500亿美元,总计5万亿美元,年均1万亿美元。他将这一规模与 GDP 的约5%以及铁路建设时期相比较。这只是示意性计算,不是预测;它需要信贷市场极其配合,也需要全球范围内大规模施工。
  • 建成的产能不等于已经上线并能产生 tokens 的产能:明年可能是50吉瓦,也可能只有20–30吉瓦。Ball 听说订单已超过供应链产能。Kimi K3 体现了对内存的需求;swyx 说自己此前以为模型规模会触顶,之后转向优化。两人都认为,开源权重模型的活跃参数似乎约在1000亿封顶,推理速度、内存供应和 GPU 代际都会影响这个上限。

16. 本轮周期由基础设施领跑,应用可能后来居上

  • Ball 的6条核心判断都指向更高的模型、电力、算力、网络和存储用量,以及为供给智能而建设更多数据中心。他会寻找直接受益于这些判断的公司,举例包括一家未公开的芯片公司,以及目标是建设工业电网、服务大型工业用电客户的 American Terawatt。
  • swyx 认为,算力交易也是获取产能的一条路径:提高已安装硬件的利用率。他举例说,利用率若从约30%–40%升至60%,就可能大幅增加有效算力,而不必相应增加 GPU 数量。Ball 认为,芯片、资本市场和产品层面都同时存在创新机会。
  • Ball 用三角形作比:市场周期早期由硬件领跑,其后是软件基础设施和应用;市场成熟后,最大的机会转向应用。他预计,Agent 和应用最终也会在这一轮成为最大机会。swyx 将 Cursor 约600亿美元的结果与实验室2万亿美元的讨论作对比。Ball 也承认自己偏好基础设施。

17. 扩大持股覆盖面也是政治论证的一部分

  • 上市也能让合格投资者和机构之外的更多人参与其中。swyx 将被排除在 AI 财富之外与反对情绪和监管联系起来。Ball 最后举了 Brad 推动 Invest America 的例子:政府在孩子出生时开设投资账户,家庭、雇主和慈善资金可以追加,目标是让更多人亲身参与股权升值。
  • Ball 表示,这项计划已立法通过,新生儿可获得1000美元,资金要到18岁才能使用。他提到 Michael Dell 捐赠的60亿美元,以及 Musk 承诺捐出的股票;但他不确定 Dell 捐款的具体受益对象。swyx 称之为“婴儿版401(k)”,随即提出异议:眼下陷入贫困的人可能更需要这笔钱。
  • Ball 承认这个问题很难,并强调当前执行层面的难题:父母必须为孩子申领已经创建的账户。年龄较大的孩子不会自动获得新生儿补助,但捐款可能会为他们的账户注资。工作的重点已从立法和基础设施建设,转向通过宣传和外联,让已创建的账户真正被申领。