摘要

SpaceX拟议中的IPO将把Musk的私人帝国变成一台面向并购的上市机器：募资750亿美元，估值可能超过1.75万亿美元，内部人士保留86%的投票权。 这套故事不止于发射和Starlink，还指向28.5万亿美元的总可寻址市场，其中包括22.7万亿美元的Macrohard；节目嘉宾的潜台词很直接：上市股票可以支撑“1000笔独角兽交易”。
Peter Diamandis将这份申报文件描述为SpaceX成为“戴森群版 Microsoft”，而Alexander Wissner-Gross认为它与其说是火箭故事，不如说是基础设施交易。 他指出，Anthropic每年支付150亿美元获取数据中心使用权，包括Colossus 1和2；SpaceX计划在IPO后30天收购Cursor，并把Macrohard置于基础设施层之上——不过他强调，自己只是在“读茶叶渣”。
Starship V3是近期验证SpaceX能否把这套估值叙事变成分组交换运输网络的关键节点。 第12次飞行被描述为可将100吨载荷送入轨道，推力达1800万磅，并测试轨道加注所需的对接硬件；Diamandis认为2029年前不会有竞争者追上，Wissner-Gross则预计未来5到10年会出现跨越式赶超，Dave Blundin提醒大家不要“低估中国”。
GPT-5.5 Codex在FutureSim上取得25%的成绩，并据报道击败Polymarket对超级碗的预测，说明预测能力可能成为高度集中的AI优势。 这项独立基准测试从2026年1月1日开始，逐日向智能体提供新闻，再要求其预测未来90天；Wissner-Gross称今天的系统是“我们将拥有的最差心理史学模型”，而Ismail描述了集中化风险，Blundin则创造了“金融奇点”这个说法。
ChatGPT个人理财功能是在争夺金钱接口的控制权，而不只是增加一个预算工具。 它连接了12000家机构，而已经有2亿人向AI询问金融问题；Diamandis说“银行应该感到恐惧”，Wissner-Gross的反驳集中在变现上——消费金融可能主要提升广告定向能力，而OpenAI正与SpaceX、Anthropic争夺IPO资金。
OpenAI一个尚未发布的模型否证Erdős提出、约有80年历史的单位距离猜想，是本期最清晰的证据：AI正在从蛮力搜索走向异质科学创造。 该模型发现了弱超线性扩展，而猜想预期的基本上是线性行为；它继续探索人类可能因疲惫而放弃的分支，Alex Danco称其为“数学被彻底搞砸的A号证据”，同样的搜索模式还可能迁移到物理、化学、生物、材料和芯片布局。
中国在消费级视频生成领域的领先，被归因于数据和专注度优势，并对垂直领域AI初创公司有更广泛的启示。 ByteDance的Seedance 2.0和Kuaishou的Kling排名第一和第二；Wissner-Gross认为中国拥有更广泛的视频访问权限，无论是否合法，Blundin则认为，专业团队无需在所有任务上击败前沿实验室，也可以在化学、机器人或公司管理领域占据一个“潜空间”。
真正的约束正从模型能力转向合法性、电力和组织重构。 学生嘘AI，849名Stanford计算机科学专业学生中有49%表示宁愿作弊也不愿挂科，70%的美国人反对在附近建设数据中心，Meta员工也抵制用来训练智能体的监控；Ismail给出的答案是边缘侧、AI原生的“数字孪生”，目标性能据称可达到100倍以上，同时保留人类负责审批、审计和例外处理。

精读

1. SpaceX正把IPO规模变成竞争武器

Diamandis介绍了他所称的历史上最大规模IPO：SpaceX寻求募资750亿美元，估值可能超过1.75万亿美元，是Saudi Aramco发行规模的2.5倍以上。内部人士将保留86%的投票权，这将赋予Musk一项他在Tesla从未拥有过的能力——一个由他实际控制的上市融资工具。
Blundin拆解了申报文件给出的28.5万亿美元可寻址市场：Starlink为8700亿美元，Starlink移动业务为7400亿美元，X的数字广告为6000亿美元，AI基础设施为2.4万亿美元，Macrohard则占22.7万亿美元。他的辩护是有条件的：如果Musk关于全球经济规模可以增长10倍的判断正确，那么这个TAM“没有理由”容纳不下。
比headline估值更值得注意的是并购后果。Alex Klive说，Musk将拥有“一种可以开启购物狂欢的货币”；Wissner-Gross则认为，上市公司未来可能完成1000笔、每笔价值10亿美元以上的收购。“独角兽之所以叫独角兽，是因为它本应极其稀有”——而流动性充足的超大市值股票，可能让这一类别变得司空见惯。
治理讨论进一步延伸到SpaceX与Tesla合并的可能性。Polymarket给出的年末前合并概率为20%；Diamandis预测一年内会发生，理由是两个上市估值会让交易更容易。尚未解决的问题是，在任何“Musk Corp.”式整合之前，Macrohard的数字劳动力、Tesla的实体Optimus业务以及双方共享的AI知识产权该如何划分。

2. 招股书让SpaceX看起来像太空版 Microsoft

Diamandis将更广泛的招股书概括为SpaceX成为“戴森群版 Microsoft”。Wissner-Gross真正关心的问题是：究竟是SpaceX收购了xAI，还是xAI实际上反向收购了SpaceX？企业应用对TAM的贡献超过发射服务。“如果只看招股书，他们看起来就是太空版 Microsoft，”他认为；这是资本市场最容易理解的叙事，即使底层野心其实是行星级基础设施。
他最有力的证据是，据报道Anthropic每年向SpaceX支付150亿美元获取数据中心使用权，目前覆盖Colossus 1和Colossus 2。Wissner-Gross此前曾形容Grok“靠生命支持维持”，这次则表示，申报文件支持——但并未证明——他的判断：SpaceX正在放弃拥有领先基础模型，转而集中发展算力基础设施。
IPO后30天收购Cursor的计划进一步强化了这一判断。Wissner-Gross说，当时Cursor基于Kimi，这意味着它的基础模型谱系源自中国开源权重模型，并可能使用美国推理轨迹进行微调。SpaceX将通过数据中心和潜在的戴森群掌握下层，通过Macrohard掌握上层：“还是那个老板，只是换了个新老板。”
Diamandis反对把SpaceX简化成超大规模云服务商，称发射基础设施是通向近乎无限金属、矿产、能源和房地产供给的铁路。他还提到人才正从xAI流向Anthropic，包括Karpathy和Shane Longpre，并称Anthropic的研究人员与Musk的算力帝国结合在一起，是“相当强的一组双寡头”；不过他怀疑Musk不会永远容忍合作关系。

3. Starship V3测试分组交换式太阳系

第12次飞行使用的Block V3飞行器被描述为拥有100吨入轨载荷能力，以及由Raptor 3发动机提供的1800万磅推力。这次飞行将测试轨道加注所需的对接口；Super Heavy将在墨西哥湾溅落，Starship将在印度洋溅落。Artemis 3的对接测试安排在2027年，Artemis 4的南极着陆安排在2028年。
Wissner-Gross认为，轨道对接和加注是决定性架构验证。Apollo将一次任务所需燃料装在一条整体式链路中；Starship则要求多次发射、在低地球轨道组装并加注。他用电路交换向互联网分组交换的转变作比：将货物与运输解耦，然后“把太阳系做成分组交换网络”。
Diamandis的护城河论据建立在完全可重复使用、类似航空公司的运营方式以及制造纪律之上。Falcon 9已经可以每2.5天发射一次，而Starship的目标曾经是每小时发射一次。即使竞争者最终出现，他也认为2029年前New Glenn、Relativity或Rocket Lab都无法达到这一节奏；到那时，SpaceX可能已经嵌入NASA基础设施，并建成初始戴森群。
Wissner-Gross反对把Starship视为最终答案：未来5到10年的应用物理进展可能实现跨越式赶超，而经过验证的需求也会吸引竞争者。嘉宾还提到，AI辅助机械设计可以缩短后来者的开发周期；Diamandis则反驳说，飞行可靠性仍然需要多年积累。Blundin补充称，中国目前还没有成功，但正在“忙着复制它能复制的一切”。

4. 预测模型指向金融奇点

Diamandis起初把FutureSim归功于OpenAI；Wissner-Gross纠正说，它来自独立研究者。该基准测试从2026年1月1日开始，按天重放新闻，同时禁止智能体访问未来的网络信息，再要求其预测未来90天内的事件。GPT-5.5 Codex以25%的准确率领先前沿模型，据报道还击败了Polymarket对超级碗的群体预测。
Wissner-Gross借用了Isaac Asimov的心理史学概念：预测文明仍然遥远，但“这些是我们将拥有的最差心理史学模型”。向前推演，这套机制将成为政策领域的蒙特卡洛研究：针对一个数字孪生测试大量干预措施，并估计哪种人类行动最有可能把系统从坏状态推向好状态。
他的类比把行星政策连接到医学中的虚拟细胞。如果一个足够准确的模型能够穷举测试干预，预测与控制就开始合流：预测行星级结果，就能支持行星级解决方案。Ismail将其转译到公司治理中：用持续感知、定位和决策支持，取代季度董事会汇报。
Ismail强调了财富集中的风险：专业对冲基金及其主经纪商可能收敛到1个或2个模型，并在每个资产类别中开展交易。结果可能是“几个超级基金”，拥有巨额AI预算和同样高度集中的财富。Blundin称其为“金融奇点”；嘉宾指出，能源和基础设施仍然会限制token供给。

5. 个人理财正把客户接口从银行手中移走

ChatGPT个人理财模式被介绍为一项面向Pro用户的服务，可连接12000家金融机构，回答支出、债务、税务和长期规划问题。Diamandis将其放在一个规模120亿美元的个人理财应用市场中，并表示已经有2亿人使用AI询问金融问题；承压的不只是Mint类产品和NerdWallet，最终还可能包括理财顾问和会计师。
Blundin把它描述为一个平行经济，而不是对每一家现有机构的直接攻击。基础模型公司提供法律和金融API；AI原生初创公司在其上构建；即将到来的IPO则把数万亿美元从公开市场导入智能体对智能体的经济。传统机构可能保留自己的“体量和混凝土”，但新系统将在没有其监管包袱的情况下增长；如果Musk的经济预测成立，10到20年后规模可能扩大10倍。
Diamandis更直白地概括了战略风险：“银行应该感到恐惧，因为金钱的接口正从银行转移到AI。”金融产品将围绕智能接口叠加，而不是围绕银行叠加。他借用Buckminster Fuller的比喻：在边缘建立一个新系统，让它逐渐成为引力中心；他预计法律服务、医疗、保险和教育也会遵循这一模式。
Wissner-Gross的怀疑是：“变现在哪里？”他不认为OpenAI想成为一家银行，并推断，详细的金融背景信息将带来更高价值的广告定向能力，重演Google的路径。这一点的重要性在于，据报道OpenAI考虑最早于周五提交IPO文件，早于其CFO此前暗示的2027年时间表；与此同时，OpenAI正与Anthropic和SpaceX争夺资金，用于支付算力。

6. Erdős结果显示创造力正在穷举搜索中出现

这个问题的表述很简单：在二维平面上放置n个点，最大化相距一个固定“单位”距离的点对数量。Erdős约80年前猜想，这类点对数量不可能以显著快于n的比例增长；OpenAI尚未发布的模型则构造出了一种具有弱超线性扩展的方案。
Alex Danco称这是“数学被彻底搞砸的A号证据”，因为它不只是一个晦涩的开放问题，也不是类似常见计算机辅助组合学那样的蛮力枚举。研究这套推理的专家认为，模型不仅搜索可能性更快，而且“更聪明”，借助深入代数数论的工具，否证了组合几何领域最知名的猜想之一。
其独特机制是把耐力转化为创造力。Danco说，模型探索了人类数学家可能因疲惫而放弃的异质分支；据报道，成功链路始于这样的语言：“乐观地说，如果我继续追下去，也许会有事情发生。”Wissner-Gross随后将这一结果与AlphaGo的第37步联系起来：学习型搜索可以产生一个起初陌生的落子，其优越性只有在事后才会变得清晰。
Diamandis强调，AI构造出来的结果看上去美丽、优雅且反直觉，而不只是比旧网格更大。这种审美上的断裂才是可投资的信号：最优磁瓶、蛋白质结构、芯片布线和材料，可能看起来“极其异质、非人类，甚至有点像生物”。他的更广泛结论是，数学只是发令枪，真正具有商业影响的突破将扩散到物理、化学和生物学。

7. 中国的视频领先说明垂直数据的价值

ByteDance的Seedance 2.0和Kuaishou的Kling在独立视频模型排行榜上排名第一和第二，领先所有美国竞争者。Diamandis把这一优势归因于TikTok和Douyin积累的数十亿小时视频；Wissner-Gross补充说，不同的版权约束可能让中国实验室接触到美国开发者无法获得的西方和中国影像。
Wissner-Gross举出的最佳样本，是Seedance生成的一段视频：把创作者本人放进Harry Potter的关键场景中，去攻击那些不喜欢的角色。重点不在于笑点，而在于文字同人创作与电影制作之间的边界已经坍塌。在西方，类似产出会让版权律师“好好忙一阵”。
Blundin把视频压缩潜空间的逻辑推广到化学、生物、物理、机器人和组织管理。如果中国开发者可以在一个领域内部保持领先，同时使用相同的广义Transformer谱系，那么专业型初创公司就有证据证明：它们可以在特定潜空间中构建可防御的智能，而无需在每项任务上正面挑战Anthropic或OpenAI。
数据解释仍有争议。Google拥有YouTube，中国拥有短视频平台，Blundin认为中国团队也可能只是更努力地解决这个问题。Wissner-Gross认为，中国暂时可以保持消费级视频领先，但美国算法突破可能在数月内逆转格局。实时互动生成已经存在；稀缺的算力，而不是基础可行性，才是即时创作体验的瓶颈。

8. AI反弹暴露了失灵的教育契约

Eric Schmidt仅仅因为在University of Arizona毕业典礼上称AI是下一次工业革命，就遭到学生嘘声；据报道，Tavus的一名副总裁也遭遇类似待遇。Ismail将这种反应解读为“不是反技术，而是反剥削”：机构正在采用AI，却没有重写社会契约，导致AI精英与面临入门级工作消失的毕业生之间出现合法性缺口。
Blundin称这一幕是一次警钟：按他的说法，毕业生就业市场接近于零，恐惧自然可以理解。Ismail则把怒火重新指向大学——它们往往让学生支付20万美元，购买一套过时的认证体系，却忽视组织变革的指数级速度。他更尖锐的指控是“犯罪式失职”，并回忆说，在2017年的一次聚会上，700名商学院院长中只有2人知道Exponential Organizations。
Wissner-Gross的反驳部分涉及选择偏差：对AI抱有敌意的人，可能已经因为坚持传统学历路径而主动缩窄了自己的可能性空间。Diamandis说，如果嘘声发生在Harvard、MIT或Stanford，他会更加担忧。Wissner-Gross同意，AI正在自动化职业阶梯的“较低台阶”，并认为毕业生应该去创办企业。
Stanford提供了制度压力测试：849名计算机科学专业学生中有49%表示宁愿作弊也不愿挂科，而据报道，几乎每一门课都出现了用AI完成作业、代码和论文的情况。Stanford恢复了监考考试；Blundin则提议给学生的prompt流评分。嘉宾将选择概括为：成为“认证博物馆”，或成为AI原生、终身能力加速器。

9. 工作场所监控和token税找错了控制点

Meta安装了记录员工鼠标移动、点击和屏幕活动的软件，官方理由是训练计算机使用智能体；就在同一周，Meta裁减了全球员工的10%，员工还在美国多地办公室发起抗议。Diamandis补充说，44%的Z世代员工正在故意破坏他们被要求训练的AI，暴露出同一套数据系统被包装成“AI教练”或“AI警察”时的差异。
Alexandr Wang认为，训练理由站不住脚：Meta内部的计算机使用行为可能缺乏足够多样性，不值得引发这种敌意，而前沿实验室已经购买了大量合成交互数据。他更激进的推断是，这项政策可能是在鼓励员工离职。Blundin甚至更直接，认为它主要是评估和排序员工的手段，而不是合理的智能体训练数据来源。
David Friedberg讲述Google可以在财报发布前看到搜索、购买、邮件甚至董事会报告，这揭示了更广泛的数据不对称。Diamandis回忆Eric Schmidt曾说，Google可以靠这些信息赚到巨额收入，“只要一次”，之后诉讼就会到来。他们的实际警告不是数据收集会停止，而是公然滥用已收集的数据会引发反弹，却不会创造新的信息优势。
Mark Cuban提议对服务商征收每100万token低于0.50美元的税，每年可能带来100亿美元收入，未来还有可能增长30倍或100倍。Alexandr Wang反驳说，tokenizer可以被修改或移除，让应税单位直接消失；对FLOPs征税也会造成类似扭曲。Diamandis警告，算力会流向免税司法辖区，合规成本还可能让Meta和OpenAI相对初创公司进一步巩固优势——即使重新分配AI财富本身是一个合理目标。

10. 人工蛋让可编程生物学变得可见

Colossal Biosciences展示了在自然蛋壳之外孵化的雏鸡：使用坚硬的人造外壳、可透氧膜和大面积观察窗。Wissner-Gross强调了真正承重的技术难题：晚期胚胎需要大量氧气，因此支撑这种代谢比单纯复刻蛋的形状更有意义。据报道，这套系统已经在几十只鸟身上进行过尝试。
该平台支持Colossal在15个潜在物种上的工作，包括渡渡鸟和恐鸟；对这些物种来说，合适的蛋是瓶颈。Diamandis强调，公司并不会恢复完全相同的灭绝基因组，而是对现存近缘物种进行数百处编辑，以复现羊毛、獠牙、口鼻部或耐寒能力等选定特征。他提到，毛里求斯将复活渡渡鸟视为国家象征，也视为推动旅游收入的方式。
更广泛的主线是“生物学正在变得可编程”。Don Malem将这项工作与基因型到表型的映射联系起来——从希望得到的生物开始，再朝着目标设计DNA；Diamandis则将这一机制延伸到抗旱、抗病和更快生长的植物。有人问能否制造龙，Ben Lamm的回答是，翅膀和外观可以做到，但大概无法喷火。

11. 能源丰裕与地方政治稀缺发生冲突

节目引用Gallup民调称，70%的美国人反对在自己的社区建设数据中心，其中接近一半的人强烈反对；有些人甚至更愿意住在核电站附近。据报道，拟议中的700万千瓦容量已经被叫停或推迟，Diamandis将电价、水资源和环保担忧视为实质性的部署瓶颈，而不是外围公关问题。
一位嘉宾几乎全面反驳了这些反对意见，认为新设施可以自带电力，不必消耗当地的水或电。给出的处方是加强教育、改善执行；Diamandis还提出了更具体的交易：如果超大规模云服务商在当地建设，周边居民应获得免费电力。争议不在于算力需求，而在于阻力究竟反映了真实外部性，还是糟糕的沟通。
据称，NV Energy到2027年将内华达州75%的电力供应转向数据中心。一位嘉宾将这一故事描述为内华达拥抱资本，而加州居民则在逃离可能达到5%的亿万富豪财富税；Wissner-Gross表示，供应转型可以追溯到2009年制定的计划，但AI如今带来了一个生产率更高的买家。“千瓦时想要流向”每千瓦能带来最多美元的地方。
Texas提供了一个能源丰裕的反例：主持人从图表中读到，Texas正在超过California，成为公用事业级太阳能的领先地区，同时快速扩张储能和风电，尽管当地拥有充足的油气资源。Ismail称California的处境是一份控诉；讨论把差异归因于审批。嘉宾共同的判断是，能源是AI的限制性投入，数据中心可以追随能源，而Texas正在成为美国最接近经济特区的地方。

12. AI原生公司把执行移出法律组织

Ismail从Coase的企业理论出现断裂讲起：AI可以让层级组织之外的交易和协调成本低于组织内部。他最典型的例子是：“构建产品功能，比开会讨论构建产品功能更容易。”因此，公司变成一个承载目的、受托责任、法律责任和风险的容器——“一个被美化的SPV”——而不再必然是执行发生的地方。
核心是一套以OODA循环为模型的智能栈：持续感知、组织、反应，再把结果反馈回来。组织跟随智能，而不是跟随层级。由于智能体像初级员工一样“很容易出格”，每个智能体都需要可信的评估、可搜索日志、回滚机制、人工审核队列，以及能够事后审计决策的治理层。
Ismail认为，当前超过80%的AI项目失败，是因为它们把AI硬塞进以人为中心的工作流，只是自动化人与人之间的瓶颈。他的“重写”方法是在组织边缘建立AI原生数字孪生，逐一迁移工作流，在不威胁母公司的情况下进行红队测试，然后逐步把人转移到监督、仪表盘监测、例外处理和困难问题解决上。
他用冷藏卡车运输的例子把架构具体化：感知智能体发现竞争者发布新品；战略智能体评估市场规模；分析智能体比较收购初创公司、购买卡车或租赁试点车队；决策智能体请求批准；执行智能体采取行动。过去需要高管层数月才能作出的选择，可能在几天内完成，这支持Ismail的暂定估计：AI原生组织的绩效应该达到“100倍或以上”。

13. 组织奇点论仍欠投资者一套可验证测试

Ismail给每位CEO和董事会提出的生死问题非常具体：“2个人用OpenClaw，能否在60到90天内复制你们拥有的一条主要业务线——一条高毛利业务线？”如果答案是肯定的，现有运营模式就已经受到威胁。
Wissner-Gross要求这一论点具备可证伪性：AI究竟会稳定地让公司变小，甚至催生一人企业集团，还是只会提高公司的吞吐量？Ismail坦率回答：“两种结果都有可能。”结果会因领域而异；监管和专有数据可以保护现有企业，而专有的内部智能闭环可能成为最强的复利护城河。
Ismail的证据仍处于早期，但已经有数字。根据他在用最初的EXO框架衡量Fortune 100、7年后的结果，最符合该框架的10家公司，股东回报是最不符合者的40倍。他还提到，一家保险公司正使用2500个智能体完成大约500人的工作量；呼叫中心和营销运营也已经从辅助式向AI原生推进。
这项让步值得保留：“我们不知道可证伪模型会是什么。”Ismail提出，应把经济吞吐量、适应能力和工作流层面的递归改进作为比员工人数更好的衡量指标，并承诺提供更多案例。当前这套架构最有力的判断是方向性的——智能闭环、治理和目的将移至中心——而不是所有公司都会收敛到同一种规模或组织形态。

Rick Rubin谈如何找到毕生事业一个 AI 创始人的虚荣心、装，和愚昧之巅｜对谈 invoko.ai 创始人梦琪