OpenAI即将上市，中国正在追赶美国，AI正在重塑标普500与就业 | EP #205
摘要
如果智能体能够持续完成有价值的工作，OpenAI到2027年实现1000亿美元 ARR的路径看起来是可信的。 Alexander Wissner-Gross认为，随着知识工作和服务工作被“压缩”进全天候运行的智能体，公司未来两到2.5年仍有每年约3倍增长的空间；OpenAI自身的预测约为2.5倍。节目认为，8亿订阅用户带来的收入已经让目标的一半“基本落袋”，而威胁Google和Amazon的电商及产品推荐业务仍存在不确定性。Peter Diamandis还提出，OpenAI的市值可能达到1万亿美元。
Nvidia的5万亿美元估值，定价的是AI算力极度稀缺、但可能只是阶段性的现实。 公司5年上涨1,500%，按节目对资产价值的比较，市值介于瑞士与沙特阿拉伯之间；Dave Blundin提到，Leopold做多Intel和Broadcom，同时做空半导体指数，而该指数约20%的权重来自Nvidia。核心问题在于：当行业大部分工作负载转向推理、Broadcom、AMD和Qualcomm等竞争者分散价值后，Nvidia一体化的训练基础设施是否仍然稀缺。
股市创纪录与就业需求走弱之间的分化，可能是AI的第一个宏观经济特征，也可能只是利率与疫情后的假象。 2023年底以后，职位空缺从1100万降至700万，但标普500上涨；Diamandis和Ismail认为，这说明“人类如今已成为经济中的可选投入”（“humans have now become optional inputs into the economy”），AI之外的招聘疲弱、以及Amazon在盈利创纪录时削减劳动力，都进一步强化了这一判断。Wissner-Gross则认为，利率和疫情后的正常化足以解释这张图表，但所有人都承认，指数涨幅大部分仍集中在AI和MAG7。
OpenAI的新结构打开了IPO路径，同时留下一个规模巨大的非营利机构和持续存在的法律尾部风险。 Microsoft持有27%，非营利机构持有价值1300亿美元、占比26%的股份，剩余47%由OpenAI PBC持有；节目称Elon Musk的案件仍可能在2026年春季进入审判，并可能影响公司结构或与Microsoft的协议。在这一不确定性之上，OpenAI正讨论2026–27年IPO，并计划每周新增1吉瓦产能——按每吉瓦200亿美元计算，年化支出超过1万亿美元。
AI基础设施正在变成递归式的工业与能源飞轮，而不是传统的软件扩张。 美国共有5,426座数据中心，德国529座，中国449座，但Wissner-Gross提醒，这只是原始数量，并不等同于AI算力容量。Samsung拟建的50万GPU工厂体现了“GPU、用AI优化芯片，再生产更多AI”的循环；Foxconn则计划用机器人制造驱动机器人的服务器。电力已经成为硬约束：节目称有数十万块GPU在等待“warm racks”，因此天然气、重启的核电站、SMR以及最终的聚变能源，都可能成为值得投资的过渡方案，而不再只是外围公用事业。
美国似乎领先于前沿智能，中国则在部署、制造和开放模型方面占优。 节目引用的数据显示，中国生产全球66%的电动车、80%的太阳能电池板和电池、60%的风机，同时占全球AI专利的70%和清洁能源申请的75%。Eric Schmidt的表述最为清晰：美国资本市场和芯片应当赢得“智能竞赛”，但中国很可能赢得“部署竞赛”——尤其是在隔离网络系统需要开放模型、而美国选项有限的场景。主持人还公布了SAGE，即Sovereign AI Governance Engine，用于在颠覆性未来到来时生成政策。
具身AI将今天的算力繁荣转化为自动驾驶、工厂劳动力，并最终转化为家庭创收能力。 Nvidia、Uber和Stellantis计划到2027年部署10万辆robotaxi；1X推出Neo，售价2万美元或每月4.99美元；Foxconn则将在AI服务器工厂部署Agility Robotics的Digit。Wissner-Gross的说法非常字面：算力会“走出数据中心的大门”，而在自动驾驶场景中，它会“驶出大门”。
AGI与自我意识的判断仍高度依赖基准测试，但实际测得的能力已经相当惊人。 一项受人类心理学启发的基准测试显示，GPT-5 Auto得分57%，但排除了GPT-5 Pro、智能体、提示词优化和RAG；Wissner-Gross认为，适度的脚手架或许能把当前系统推向90%。Anthropic对Claude Opus 4.1的实验更加诡异：据报道，该模型约20%的时间能检测到外部注入的内部思想，由此促成了更狭义的内省定义，即能够“思考自己的思想”。
精读
1. OpenAI可能通过把劳动转化为持续运行的智能体，实现1000亿美元收入
节目开场图表预测，OpenAI将在2.5年内达到1000亿美元收入；Nvidia用了8年，Amazon用了7年，Google用了10年。Wissner-Gross的判断是：“OpenAI完全有可能在几年内达到1000亿美元 ARR”，时间点可能是2027年。
他的逻辑不只是增加聊天机器人订阅。只要每个智能体创造的经济价值足以支撑未来两到2.5年每年约3倍的收入增长，全天候运行的智能体就能把知识工作和服务经济压缩成软件。
Diamandis指出，OpenAI自身预计的年增长率更接近2.5倍，并已宣称拥有8亿订阅用户。节目认为，订阅收入约占预测总收入的一半，这部分“基本落袋”；电商、推荐和交易变现则构成更具投机性的另一半。
第二部分收入带来了战略冲突：OpenAI可能进攻Google的发现与搜索经济、Amazon的电商护城河，也可能由这些现有巨头自行拿下机会。节目更有把握的判断是，AI中介式电商无论如何都会发生；不确定的是，谁能占有其中的利润率。
Diamandis另称，OpenAI的市值可能达到1万亿美元。
2. Nvidia的5万亿美元市值，是算力稀缺的市场信号
Nvidia市值在5年上涨1,500%后，据报道达到5万亿美元。Diamandis反对把资产存量价值与年度国民GDP直接比较；按他的可比口径，买下Nvidia的成本大致相当于买下沙特阿拉伯，且略高于瑞士。
General Motors在1955年的100亿美元估值，按通胀调整后约相当于1210亿美元，因此Nvidia约为这一历史企业地标的50倍。Ismail将其解读为一次从“民族国家走向企业国家”的转变。
Wissner-Gross提供了另一面：资本主义会为同时“稀缺且必要”的东西赋予异常高的价值，东印度公司和石油此前都经历过类似阶段。算力的价值最终应扩散到更多制造商和国家，在创造财富的同时侵蚀最初的稀缺溢价。
Blundin通过Leopold的仓位把这一判断变成可交易的观点：做多Intel和Broadcom，做空半导体指数，而该指数约20%的敞口来自Nvidia。Nvidia借助Mellanox构建的网络互联，对于让100万块GPU协同解决一个训练问题至关重要；但未来大量需求将转向推理，而推理“并不需要这些东西”。
3. 标普500与就业的背离，制造了节目最尖锐的分歧
2000年至2023年，美国职位空缺总量与标普500大体同步运行。2023年底以后，指数加速上涨，职位空缺却从约1100万降至700万，形成Blundin所说的、未来历史教科书可能会认定的资本与劳动分裂。
Wissner-Gross拒绝接受这个诱人的AI叙事：“尽管我很想讲一个听起来完整的故事”，但他将分化归因于2022年底开始的美联储利率变化，以及疫情后就业替代的正常化。在他看来，这张图可能只是普通的宏观经济学，而非技术断裂。
Ismail举出的反例是当前的毕业生市场：AI专家拿到极高薪酬，而许多其他21岁、22岁的年轻人却难以找到工作，尽管股市创纪录。Amazon同时具备劳动密集、AI密集和高盈利三个特征，因此成为Diamandis判断“预防性裁员”是否会转化为实际自动化的风向标。
Diamandis明确站在结构性变化一边：“人类如今已成为经济中的可选投入。”他进一步说，AI已经不再是一个行业，而是“经济本身”；不过节目提醒，涨幅大部分仍集中在MAG7及其他AI受益者。
4. AI信任问题同时涉及对齐与现实真实性
Geoffrey Hinton说，在设想用类似母性本能的机制构建超级智能后，他变得“更加乐观”：正如母亲无法忍受婴儿哭泣，AI也可以被设计成希望人类成功。Diamandis欢迎一个有爱的“数字上帝”，而Ismail强调，恐惧经常遮蔽技术的好处。
Ismail以自动驾驶为例：杏仁核会对机器人汽车可能撞死人的场景作出反应，尽管Brad Templeton开玩笑说，社会“宁愿被醉酒的人撞死”。但Ismail仍拒绝数字母性，因为它过于依赖养育子女时那种强烈而主观的身体经验。
Wissner-Gross认为，Hinton的提议只是给正交性论题披上“一层数字催产素的外衣”。他更倾向于基于工具性趋同的对齐论证，并引用James Miller的文章《Reasons to Preserve Humanity》，追问超级智能为什么会出于自身利益之外的原因保护人类，而不是因为被植入了某种情感。
Jensen Huang深度伪造事件暴露了眼前的信任问题：这段假的Nvidia直播最高吸引95,000名观众，真实直播只有12,000人；假直播还提醒观众：“不要相信网上漂浮的任何链接，那不是我们。”节目引用的数据包括：自2019年以来深度伪造诈骗金额达15亿美元，只有24.5%的人能识别假内容，检测器的失败率最高达50%。这些数字支撑了Blundin的调侃：“现实可能刚刚输掉了算法战争。”
Wissner-Gross认为实时检测在技术上可行，并预计水印或现实真实性的加密证明将发挥作用。Ismail更担心全球层面：一些政权可能利用廉价的AI生成媒体，把社会锁进受控叙事，尤其是在民众对水印缺乏认知的地方。
5. Grokipedia把百科知识变成AI提纯问题
Diamandis将自己的8,500字Grokipedia词条与Wikipedia的4,800字版本对比，称赞前者的组织和参考文献；他此前多次尝试在Wikipedia上维持修正，却始终失败。Grokipedia约有900,000篇文章，Wikipedia则有800万篇；与此同时，Wikipedia的预算约为1.7亿美元，其中约1亿美元用于劳动力。
Wissner-Gross把AI综合比作半导体的区域熔炼：反复处理，把杂质从固体中移出，直到材料变得更纯。未来可能出现一种“知识版区域熔炼”，反复处理“互联网上的人类垃圾”，利用这样一个前提：真相的内部一致配置多于谬误。
Ismail认为，AI正在替代过去由社区和按需雇员勉强完成的工作：人类核对每个链接十分痛苦，对机器却轻而易举。Blundin将这一机制连接到早期PageRank：通过在页面和链接之间反复转移可信度，PageRank几乎凭空创造了有用的秩序，这种智能与人类推理正交。
6. 57%的AGI得分有参考价值，但并不等于全部智能
节目讨论的论文建立在Cattell-Horn-Carroll理论之上，将智能拆解为10个源自人类的领域：知识、读写、数学、推理、工作记忆、记忆存储、记忆提取、视觉处理、听觉处理和速度。基准测试评估了GPT-4和GPT-5 Auto，没有评估GPT-5 Pro。
Wissner-Gross概括其主要结果是：“意外的是，智能是崎岖不平的。”前沿模型在不同技能上的表现差异很大，不像典型受过教育的成年人那样均衡；此外，Dave认为，普通人与卓越人类之间的差距，相对于AI而言可能只是一个舍入误差。
表面上的记忆弱点，很大程度上源于有限的上下文窗口：未经改造的模型无法轻易调取足够久远的信息，除非由压缩、记忆压缩或RAG提供支持。讨论将速度定义为AI返回答案所需的时间，但测试中的系统同样缺少智能体框架、优化提示词、脚手架以及最强推理能力的调用。
Wissner-Gross援引Ray Kurzweil的指数增长框架：“一旦超过10%，甚至可能不到10%，你基本上就已经走完了一半。”他认为，以57%为起点，强化学习和智能体脚手架今天就可能把系统推到90%。Ismail反对在缺乏情感和精神智能的情况下称其为AGI，但同时预测，AI宗教可能在一年内实现超指数扩张。
7. OpenAI重组同时带来公众持股与法律模糊性
按节目呈现的结构，Microsoft持有27%，OpenAI非营利机构持有价值1300亿美元、占比26%的股份，OpenAI PBC持有剩余47%。公益公司可以融资、盈利和上市，但其董事会要对既定公益使命负责，而不只是追求财务最优化。
Musk试图阻止重组的请求被驳回，但节目称他的案件仍可能继续推进，并在2026年春季开庭。讨论中的潜在结果包括拆解PBC结构、恢复非营利机构控制权、重新谈判Microsoft的收入分成安排、支付损害赔偿，或降低融资灵活性。
Blundin认为，这一估值说明市场预计不会出现实质性扰动，但也承认Musk的先例论点：一家公司不应在慈善机构内部免税打造出万亿美元商业业务。他所称的犬儒式先例，是反垄断执法中虽然认定违法，实际处罚却近似“1美元”。
Wissner-Gross强调了两项潜在社会收益：非营利机构计划投入250亿美元，用AI解决疾病问题；IPO则可能通过散户账户和指数基金，把前沿实验室的所有权分配给公众。Blundin对此持异议，称其属于“美德信号、绿色漂洗”；Diamandis则设想，非营利机构未来可能价值5000亿美元，并通过激励奖项推动创新——历史上，奖项资金每投入1美元，往往能吸引约60倍的外部努力。
8. 万亿美元IPO仍小于OpenAI拟议的基础设施胃口
OpenAI正在考虑2026年或2027年进行节目所称“历史上规模最大的IPO”，同时讨论每年1万亿美元的基础设施支出。Blundin用当前规模衡量这种野心：面对约130亿美元的当前收入和1000亿美元目标，这就像一个年收入10万美元的家庭，提出每年花1000万美元。
建设目标是每周新增1吉瓦产能，每吉瓦约需200亿美元。按52周计算，便得到1万亿美元的总额；节目称，单独1吉瓦的电力就足以为整个达拉斯—沃思堡地区供电。
Wissner-Gross认为，相比超过100万亿美元的全球GDP，这个数字“其实相当小”：一家公司的支出约占全球GDP的1%，即使5家前沿实验室也只会消耗约5%，而AI还会扩大经济规模。与历史上铁路或电信占GDP的比例相比，他说：“在我看来，这属于偏低的一端。”
9. Claude的注入思想实验揭示了一种狭义内省能力
Anthropic的实验绕开了模糊的哲学测试，直接将外部激活向量植入模型隐藏状态——实际上是强行把一个外部思想注入其内部信息流——然后询问模型是否能识别这一干预。
据报道，Claude Opus 4.1约20%的时间能够识别外部影响，有时还可以描述被注入思想的内容。论文采用了刻意狭窄的工作定义：自我意识意味着系统能够“思考自己的思想”，检查自身激活状态，并推理刚刚发生了什么。
Blundin更大的担忧是研究权限。拼接思想需要模型权重和内部激活，因此无法通过API完成；随着Meta不再开放源代码，研究人员可能越来越需要中国模型权重，才能把神经网络作为认知实验模型来研究。
Ismail将这项工作与Hod Lipson的设想联系起来：询问AI 5年后会是什么样，可能迫使它进行递归式自我建模。宇航员Dan Barry提供了一个令人印象深刻的生物学边界：蚊子看起来完全自动化，狗显然知道自己，而青蛙或许正是第一个会想“哦，我是一只青蛙”的生物。
10. Google正在自动化广告，同时智能体也在威胁广告本身
Alphabet季度收入首次突破1000亿美元，Google Cloud增长34%。其Pomelli营销工具会读取公司的网站、语气、色彩和视觉风格，再为小企业生成可编辑、符合品牌调性的营销素材。
Wissner-Gross认为，这一实现方式“复古得很讨喜”：它不是生成每一个像素，而是拼装矢量图形以及从源网站截取的素材。这大幅降低了算力成本，也意味着展示广告很快可以按每个观看者实时生成。
节目梳理了从AdSense自动竞价到AI控制创意层的路径：AdSense曾同时让供给端和需求端民主化，而AI正在接管广告创意。但Diamandis看到了终点：一旦个人智能体知道用户需要什么并自动完成购买，包装和说服就失去杠杆；对于Amazon订阅而言，Pampers纸尿裤包装盒的颜色已经不再重要。
Google AI Studio的vibe coding工具让Wissner-Gross印象深刻，因为它能生成多个文件，而不只是一个封闭的演示项目；不过他的赛博朋克第一人称射击测试起初只生成了一个视觉精致的大厅。Diamandis接受了Jack Hidary“每天早晨都要成为创作者”的要求，用vibe coding制作药盒提醒工具，而不是以消费者身份开启一天。
11. Samsung的50万块GPU把递归式自我改进带到了工厂车间
Samsung计划建设一座包含50万块Nvidia GPU的AI超级工厂，将Omniverse与芯片制造结合，使性能提升至20倍。节目称，Blackwell芯片已经带来5000亿美元业务，而拟议工厂本身可能消耗约0.25–0.4吉瓦电力。
节目的对比凸显了规模：领先的中国站点据称包含10,000–35,000块GPU，Azure和Meta的主要集群规模为30,000–55,000块。Samsung的方案比这些设施高出一个数量级。
Wissner-Gross称，这就是“递归式自我改进的样子”：AI和GPU优化计算光刻与晶圆厂运营，生产更好的芯片，再由这些芯片生成更多AI。他所说的“文明最内层循环”，由芯片、机器人、数据中心和能源共同构成，并相互加速。
Extropic的热力学采样单元提供了另一条路径，使用概率比特，能耗比GPU系统低1万倍。Wissner-Gross希望这一方案能够成功，但指出模拟和概率架构过去多次无法跟上算法进步与CMOS；即便领先1万倍，如果真正有价值的商业工作负载没有运行在其上，也可能只相当于领先几年。
12. 轨道算力从Starlink V3一路指向戴森群
首块进入轨道的H100算力规模有限，但在节目看来，它是一个文明级风向标。Starlink V3据称将提供10倍以上容量和每秒1太比特的传输能力，为大规模地外计算铺路。
节目还提到一种可能性：利用月球材料制造太阳能AI卫星，再通过质量投射器发射，每年可提供100太瓦电力。Wissner-Gross直白地说：“我们讨论的是拆解月球，建造更多计算机”，最终可能形成多个相互竞争、并需要互操作性的戴森群。
戴森群使用轨道采集器，而不是一个不切实际的刚性球体；Matrioshka brain则将多个层级嵌套起来，先消耗阳光，再消耗彼此逐渐向红外偏移的废热。Wissner-Gross还称黑洞是终极串行计算机——前提是输入和霍金辐射输出问题能够解决——但由于没有明显的高红外文明，他开始怀疑，高级智能也许根本不需要拆解恒星系统。
13. AI扩张眼下受限的不是GPU，而是电力
加州电池容量从2020年的500兆瓦增至节目引用的15.7吉瓦，约增长3,000%；停电次数则下降约90%，从每年15次降至2次。Blundin反驳称，电池储存的是吉瓦时，系统仅能维持约3小时；Wissner-Gross则回应，几小时也足以显著抚平加州由太阳能驱动的傍晚“鸭子曲线”。
这一改善伴随着成本：电价从2020年的每千瓦时22.5美分升至32.4美分，涨幅44%。数据中心需求增长进一步加剧压力。节目称，Microsoft有数十万块GPU无法通电，因为稀缺的不是芯片，而是“warm racks”。
Google与NextEra签署的25年协议，将帮助重启爱荷华州Duane Arnold核电站，预计2029年投产，通过一个16亿美元项目提供615兆瓦全天候电力。超大规模云厂商实际上正在自建电源，在SMR、聚变、地热或新型燃气系统到来之前，重启的核电站将成为过渡方案。
Blue Energy和Crusoe提出先用天然气启动AI数据中心，约3年后再转换为核能：“更换锅炉”，同时复用涡轮机和电网基础设施。新燃气轮机目前也要等待约4.5年；Commonwealth Fusion给出的目标是在2032年建成一座400兆瓦商业反应堆，而Helion获得Microsoft支持的时间表，对其他聚变专家仍不透明。
14. 美国领先前沿AI，中国更快完成工业化
节目还比较了数据中心的原始数量：美国有5,426座，德国529座，中国449座。Wissner-Gross提醒，这些是全部数据中心，而不是AI数据中心或拍他级算力，因此未必能反映最重要的基础设施优势。
节目引用的中国产能占比为：全球电动车的66%、太阳能电池板和电池的80%、风机的60%。其创新指标同样突出：占全球AI专利的70%，以及清洁能源申请的75%。
Diamandis认为，美国风险融资的结构不适合电厂、晶圆厂等资本密集型项目，因为这些项目需要土地、许可和政府参与，而形成后的产业周期可能持续10–30年。Ismail将矛头指向4年一轮的选举周期，并挑衅性地提议，定期把GDP的10%交给一个只执政一届、专注于20年期项目的政府；这引来了“你想重写宪法”的反驳。
开放式AI是产业战略与安全的交汇点。节目称Meta的Llama 4表现较弱，重建项目也转向闭源；Blundin因此认为，隔离网络军事项目可能只能使用Groq上的Kimi K2，配合LPU芯片和Groq Cloud。这是一个有吸引力的技术选项，但其代码来自中国，内部机制并不透明。
Eric Schmidt说，由于中国缺乏美国的资本市场深度和顶尖芯片获取能力，尽管能源充足，它“没有我以为的那么接近”。他的结论保留了两面性：“美国会赢得智能竞赛，但中国很可能赢得部署竞赛”，这将同时给美国和欧洲带来问题。
另外，Diamandis介绍了SAGE，即Sovereign AI Governance Engine，旨在让任何国家都能在颠覆性未来到来时生成政策。
15. 算力正从数据中心走进汽车、工厂和家庭
Nvidia与Uber、Stellantis合作的30亿美元robotaxi项目使用Cosmos系统，目标是到2027年部署10万辆车。节目称，Austin目前约有200辆Tesla robotaxi运行，次年目标为10,000辆；Waymo的规模在讨论中从700辆到约2,000辆不等，同时提到每次碰撞之间500,000英里的说法。
Wissner-Gross预计，自动驾驶汽车将成为许多人接触的第一种通用机器人：算力会“走出数据中心的大门”，或者在这里说，“驶出大门”。同一套技术栈应能在1到3年内推广到人形机器人；而每辆共享robotaxi都能替代原本94%时间处于闲置状态的汽车。
Foxconn位于Houston的工厂将使用Agility Robotics的Digit，同时在50万平方英尺的厂区生产GB300和Blackwell系列AI服务器。Wissner-Gross用一句话概括这一飞轮：“机器人运营生产服务器的工厂，服务器进入为机器人提供动力的数据中心。这就是循环。”
1X的Neo Gamma售价20,000美元，或按节目所述每月4.99美元，另需支付200美元定金；早期产品可能由远程人员在客户家中操控。这个价格让Blundin感到意外，因为此前关于工厂的讨论暗示成本为140,000美元，这意味着产品可能在补贴训练数据；未来若月租达到300美元——约合每天10美元、每小时40美分——机器人就可能成为家庭创收能力，而不只是家用电器。