摘要

规模判断在11月发生了变化：George表示，尽管AI在实体经济中的渗透率仍低于5%，Anthropic和OpenAI如今每月新增的收入已经超过Meta、Google或Microsoft。 Clark表示，如果这两家公司到年底合计达到2000亿美元的收入年化规模，他不会感到意外——这还没算开源和其他供应商，相当于Fortune 500企业合计2万亿美元利润池的约10%。这意味着成本压力必然传导过来，开源和本地模型可能比预期更早变得重要，因为“成本会迎面撞上我们”（“cost is going to hit us in the face”）。
企业AI的核心仍是运营模式重构，而不只是软件采用。 Clark表示，强势公司目前仍把最优秀的人才投入新产品，而不是自动化内部工作；George则将近期裁员描述为“削减过去积累的冗余”，而非已经验证的AI效率提升。Clark接触到的最前沿从业者，仍在记录工作流、捕捉上下文。原生AI公司提供了未来样本：精简团队对着“代理群”低声下达指令，工具也正从被动响应式辅助转向主动介入。
AI的幂律正在变得更加陡峭，但赢家是谁却越来越难预测。 Clark援引的数据显示，2020-24年退出交易中排名前1%的门槛为100亿美元，覆盖2025年及2026年前两个月的2月更新后，这一门槛升至200亿美元。George表示，近期完成的退出交易已将门槛推至320亿美元；如果OpenAI和Anthropic进入样本，到9月可能超过1000亿美元。与此同时，George指出，去年Forbes AI 50榜单中有40%的公司今年掉榜；Clark表示，这些公司的半衰期短得惊人。
George当前对应用层赢家的判断规则很直接：“必须处在 token path 上”（“you have to be in the token path”）。 传统软件预算无法承受快速上升的AI成本，而价值最终落在哪里，还取决于前沿模型竞争、开源、本地推理和小模型等一系列未知变量。前沿实验室如果有5家，token价格大概率会低于只有2家时的水平，从而支撑更广泛的应用生态。
成本与性能之争可能颠覆当前前沿模型的集中格局。 George表示，领先的中国LLM看起来约落后美国模型6个月，但价格便宜10倍——这构成了“创新者困境”：以10%的价格提供80%的能力。Clark表示，前沿需求仍然极其旺盛，但优化可能比预期更早到来；据称，蒸馏成本约为预训练成本的2%，而同等性能下的token成本每年下降超过10倍。
当前AI较低的亏损率，并不能证明风险投资风险已经消失。 George表示，他们的早期基金历史上的亏损率约为60%，而近期AI项目的亏损率可能只有个位数，并称“引力定律”终将重新生效。Clark不认为低亏损率应当成为目标，并称一个从未亏过钱的投资人给出的其实是“糟糕的数据点”；George补充道：“那是一家PE机构”（“That’s a PE firm.”）。Khosla Ventures的理念，是押注有前景市场中的领导者，因为真正驱动回报的是少数巨型赢家，而不是异常安全的投资组合。
Clark相当有把握地认为，AI目前还不是泡沫，核心原因是供给仍然稀缺，而不是过剩。 大规模数据中心算力要到2028年末或2029年初才能获得，美国建设进度可能已经比预期落后1年；最大的反转风险，是算法突破让模型规模大幅缩小。面对可能达到5万亿美元的建设投入，Clark认为1-2万亿美元收入是合理的回报预期，尤其是在OpenAI和Anthropic今年单独就可能接近2000亿美元收入年化规模的情况下。

精读

1. 收入远早于全经济范围的采用到来

George表示，自己在规模和价值捕获问题上的看法都罕见地快速转变。他说，Anthropic和OpenAI如今每月新增的收入已经超过Meta、Google或Microsoft，尽管全经济范围的AI渗透率仍“低于5%”；编码和技术导向型公司是重要例外。
George的上限测算以Fortune 500或S&P 500为起点：这些公司合计每年产生约2万亿美元利润。Clark表示，如果OpenAI和Anthropic到年底合计达到2000亿美元的收入年化规模，他不会感到意外；这还没算开源和其他供应商，相当于该利润池的约10%。
预算必须有来源，因此本地部署和开源部署可能比预期更早变得重要：“成本会迎面撞上我们。”相比继续扩大传统软件预算，George认为涨价或重构劳动力配置更可能成为资金来源。
George将当前阶段描述为“拟态化”：公司主要用AI把既有工作做得更快。他认为裁员只是“削减过去积累的冗余”，还不能证明效率已经提升。Clark表示，强势公司把大部分资源投入产品和新业务，而不是内部自动化；他接触到的最前沿从业者，仍在把工作流记录到Markdown中，并捕捉上下文。原生AI团队已经开始低声下达指令、运行“代理群”；最终转变将是从被动工具转向主动介入。

2. 退出估值爆炸式上升，竞争半衰期却在缩短

Clark援引的数据显示，2020-24年退出交易中排名前1%的门槛为100亿美元；覆盖2025年及2026年前两个月的2月更新后，门槛升至200亿美元。George表示，近期完成的退出交易已经将门槛推至320亿美元；如果把OpenAI和Anthropic计入，到9月可能超过1000亿美元——约24个月内潜在增长10倍。
Clark表示，模型公司的新增收入已经超过整个上市软件行业的总和。他还说，过去6年由风险资本支持的IPO合计刚刚超过1万亿美元，可能还不及预计中的3宗大型IPO中的任何1宗。新一代巨头的总规模可能超过Russell 2000，“如果我没记错”；价值创造不仅更大，速度也明显更快。
George指出，先发者未必能拿走一个品类的价值——Google并不是第一家搜索引擎，Facebook也不是第一家社交媒体公司；去年Forbes AI 50榜单中有40%的公司今年掉榜。Clark表示，这些公司的半衰期短得惊人：结果的上限不断抬高，但越来越难预测谁能真正拿到价值。
George的判断曾从“模型公司将成为一切”，转向应用拿走机会、模型退居API，如今又摆回实验室向应用层扩张、以提高客户黏性的方向。在这一摆动中，他当前的检验标准是公司是否“处在 token path 上”；否则就必须面对底层技术持续变化，以及买方预算不断收紧。

3. 模型市场结构将决定经济价值最终落在哪里

George称，前沿模型市场结构是一个核心未知变量。只有少数几家领先实验室时，token价格可能维持在较高水平；如果有5家，价格大概率会被压低，减轻客户压力并容纳更大的应用经济。Clark表示，目前的数量更少——还不是5家——而且市场对最强智能的需求高度缺乏价格弹性。
George转述同事的判断：领先的中国LLM可能在能力上落后美国约6个月，但价格便宜10倍。他将其框定为创新者困境：以10%的成本提供前沿能力的80%，随后持续缩小能力差距。
Clark表示，绝对前沿模型的需求“极其旺盛”，这让他感到意外，但优化可能比此前预期更早到来。蒸馏成本可能约为模型预训练成本的2%，如果这一过程仍然可行，将有利于开源；与此同时，同等性能下的token成本同比下降超过10倍，但前沿模型消费的美元规模增长得更快。

4. 挑中赢家比制造低亏损率更重要

George将当前AI市场表面上的低亏损环境，与2021年的新兴管理人市场相比较。他表示，他们的早期基金历史上的亏损率约为60%，而近期AI项目的亏损率可能只有个位数，并称“引力定律”最终会重新生效。
Clark不认为低亏损率是目标。他调侃称，一个从未亏过钱的VC给出的其实是“糟糕的数据点”——George补充道：“那是一家PE机构。”Khosla Ventures的理念，是在人才与技术顺风交汇的地方，押注最优秀的创始人和市场领导者；真正的失败，是在一个最终成功的市场里选错公司。
George提到一项会议投票：80%的人认为AI估值过高，约6%的人认为估值过低。他认为这一分布在方向上可能是对的：或许80%的公司都被高估，因为大多数最终会失败；但其中一小部分又被严重低估。从LP角度看，分散配置这些潜在异常值项目是一种优势。
因此，Clark表示，公司将业务重心放在早期项目获取上，再通过“长打率”（slugging percentage）校准成长阶段投资。平台服务之所以重要，是因为赢家几乎立刻就会遇到规模化问题：Cursor据称在公司仍然年轻、规模仍然很小时，收入已经达到数十亿美元，迫使其很早就开始与供应商谈判云容量、定价、国际扩张和大型商业交易。

5. 供给稀缺支撑周期，公开市场需要增长

Clark“相当有把握”地认为，AI目前还不是泡沫，但对3年后的情况没那么有把握。大规模算力要到2028年末或2029年初才能获得，美国建设进度可能比预期落后1年，数据中心组件也普遍短缺。他预计未来3年供给约束仍将持续。
泡沫的主要触发因素，可能是一次意外的算法跃迁，让模型规模大幅缩小；人脑表明，智能可以用高得多的效率、依赖更少的上下文来学习。即便如此，Clark仍认为短期内供给过剩的可能性不高。如果约5万亿美元的资本开支能够支撑1-2万亿美元收入，他认为这一经济账是成立的，尤其是在OpenAI和Anthropic单独就可能接近年底2000亿美元收入年化规模的情况下。
Clark问，公开市场能否消化即将到来的IPO。George认为，在上市公司数量约20年间腰斩之后，高速增长公司上市“会是一件极好的事”。剔除数据中心供应商后，Mag Seven和软件公司的增速低于30%；Palantir是少数例外，增速约为70%。
George对未来5年的VC判断，取决于实验室、开源和token竞争。他承认自己的平台检验标准“说得不够好”，但核心逻辑是：建立在某个平台之上的公司，合计价值应超过平台本身；他预计未来会出现有价值的实验室和庞大的应用生态。最终最大的结果，可能来自重新分配时间与注意力的消费业务——过去10年，主导这一切的是既有科技公司。

物理学最大的谜团：反物质、暗能量与万物理论——Don Lincoln | Lex Fridman Podcast #497 科技公司CEO为何把大规模裁员归咎于AI