Elad Gil
前沿洞察
AI革命的核心资产已从模型和可替代算力，彻底转向沉淀的私有数据与底层物理基建。Agent爆发正倒逼Arm走向实体芯片，但电力与数据中心成为未来3至5年的硬约束；同时，合法权限的Agent正极端放大安全敞口。在万亿估值狂欢与监管俘获下，企业价值窗口仅剩12至18个月，真正的护城河唯有数据控制力与落地速度。
观点集合
追逐万亿美元公司、创始人野心、Token预算与监管俘获
Anthropic、OpenAI和SpaceX跃升万亿美元可能只是五年异常，但结果定价仍可能让AI市场远超按席位估值的想象。算力稀缺、创始人退出和监管俘获正在重塑回报，许多公司价值窗口仅有12至18个月，而递归自我改进时间表仍不确定。
查看摘要（8段）
- Elad认为，过去5年是一个万亿美元级异常期，Anthropic、OpenAI和SpaceX大致都从接近零跃升至1万亿美元。 这并不意味着新节奏已经形成：一家万亿美元公司可能需要500亿至1000亿美元收入和良好利润率，而他只能指出1家未具名的潜在竞争者可能在3至5年内达到这一门槛。
- Sarah反驳称，投资者仍在低估AI市场扩张，把Harvey或Abridge按每名律师或医生估值，而不是追问结果定价究竟能释放多大空间。 编程已经显示，消费量和交付价值未来可能“从现在起增长100倍”（“a hundred X from here”）；Elad认可机会，但坚持认为投资者混淆了最终市场规模与建设实体产能、实现收入所需的速度。
- Elad看到，一些最优秀的新创始人正在逃离野心：对新型实验室的恐惧正把他们推向小众AI、硬件或所谓实验室难以攻入的市场。 实验室确实会自然吞并部分产品，但不会全部吞并；同时避开这两类市场，等于放弃凭产品和分发取胜的机会。
- Elad称，大多数公司至少都应考虑出售，且许多公司只有12至18个月的价值最大化窗口。 尽管Anthropic和OpenAI近期不应出售，董事会仍应每6个月重新讨论退出，因为“1年的AI时间相当于正常周期的3至4年”；创始人还要计算稀释、最终大概率约10倍或可能15倍的回报倍数，以及被困在一家已经失灵的公司中、耗掉5或6年黄金生产期的不可替代成本。
- Sarah称，实验室内部弥漫着近乎躁狂的预期：编程可能在约6个月内或今年年底前基本被解决，随后在明年年底前后迎来“轻度RSI”。 她接受模型可以帮助改进训练，但不认同对时间表的信心：一些科学家过去5年里每隔18个月就预测一次递归自我改进拐点，而数据和实体算力仍是可信的瓶颈。
- 算力稀缺正在同时制造寡头格局和人的幂律分布：几十名研究员可能贡献约80%的成果，因此实验室日益按“投入Token的回报”分配稀缺算力。 这套逻辑也说明“软件即服务之死”被夸大了——企业可能把Token留给核心产品和大幅提升毛利率的项目，而不是重做便宜软件。
- 一种显著更好的架构可能出现，但Sarah预计，无论架构如何，行业都会耗尽所有可用算力和电力；Elad认为，高概率结果是突破会被现有实验室复制。 政策可能更快重绘地理版图：两人讨论了加州税收提案如何推动人才离开，以及德州如何吸引能源与硬件生态，因为那里更容易做实验。
- Elad的广泛警告是，安全可能演变成监管俘获：高合规负担能够保护那些已经在内部以指数速度推进的实验室。 他的比较对象是核电——法国发电量约70%来自核电，美国为18%，日本为25%——他认为过度的安全政治压制了充沛能源；Sarah反驳称反应堆现在正在建设，Elad则回应：“我们没建多少。”
从 SaaS 到 AI-First：企业如何重塑创新
AI 原生公司用更少工程师实现快速增长，但企业安全、分销和变革管理仍让 Samsara 等重基础设施软件具备防守力。模型价格持续暴跌，却可能把替代周期压缩至一两年，使可复制的单点产品脆弱，产品组合、生态和硬件更具韧性。
查看摘要（7段）
不加甄别地押注“SaaSpocalypse”，把一个真实的长期转向误判成了眼前的灭绝事件。 Gil认为，像Samsara这样的车队管理产品，拥有车载硬件、分销、企业销售和支持体系，不会被一个周末用vibe coding写出来的应用简单替代，但支持环节可以使用vibe agents。Guo说，Fortune 100企业的变革管理和安全要求，意味着一个周末搭出的CRM大概率不现实。Decagon和Sierra确实展示了从按席位计费的软件转向按使用量计价的支持代理，但“这不可能波及每一家SaaS公司”。
AI原生公司表明，代码可以变得充裕，但公司建设的其他环节并不会因此充裕。 Guo提到，投资组合中有些公司的收入已达数亿美元，但工程师不到50人，却能迅速从0人扩张到接近100名销售人员：“Vibe sales 不会发生。”Gil预计，工程生产率提升会被巨大的未满足软件需求吸收，而不是简单地消灭工程团队。
可投资的工程瓶颈，可能从写代码转向分配值得信赖的人类注意力。 如果代理生成了海量代码，却没人阅读，“没人真正理解代码库”，生产系统就会变得脆弱，充斥着“vibe coding 垃圾”。Guo认为，围绕代理优先的工程管理、测试、智能审查和形式化验证，“这个极其、极其重大的问题仍是一片开放赛场”。
一个月的AI炒作，把合作关系、演示和人为植入的行为都模糊成了自主市场的证据。 Gil反驳代理已经在选择供应商的说法：默认配置某些工具的合作关系，就像Airtable在后台静默运行于AWS之上，并不代表独立的采购判断。“Malt book”这个类似Reddit的论坛案例，看起来也有部分内容由人生成，或是为营销而植入。Guo对看空派股票研究的更尖锐批评是：“竞争优势理论并没有就这么凭空消失”；生产、分销、变革管理和产品完整性仍然重要。
剥离炒作后，底层经济学依然非同寻常。 通过Capital IQ数据和预测，Gil的团队估算，AI实验室从10亿美元收入增长到100亿美元大约需要1年，而ADP和Adobe用了20多年；公开市场预测则意味着，AI实验室从100亿美元增长到1,000亿美元可能需要3到5年。与此同时，GPT-4等效模型的价格在21个月内从每百万token约37美元降至0.25美元，降幅达150倍；o1等效模型的价格则从2024年12月的26美元降至2025年11月的0.30美元，11个月便下降了88倍。
AI可能把远多于以往的GDP纳入科技，同时将由此产生的大部分价值集中在幂律分布的头部。 Gil说，领先科技公司的占比已从2005年约4%的美国GDP升至如今约12%，到2035年可能达到15%-20%，甚至30%；目前市值最高的8家科技公司合计约23万亿美元，已占标普价值的一半以上。Guo认为，技术覆盖面的扩大可能让长尾占据主导，而Gil则表示，市值超过1,000亿美元的企业可能会更多，但“头部和躯干几乎聚合了全部价值”。
更快的增长并不带来SaaS时代的持久性：AI可能把长达10年的替代周期压缩到1到2年。 Gil警告，许多初创公司处于峰值估值的窗口期只有约12个月，因此董事会应每年安排1到2次不带情绪的退出评估；只有极少数公司应该“永远、永远、永远不卖”。最强的防御是围绕同一个垂直行业或应用，覆盖5个或10个方面的产品组合，再叠加平台、生态、网络或硬件，因为“如果每2年就等于10年”，一个可被复制的单点产品就会成为岌岌可危的控制点。
No Priors 第144期｜Sarah 与 Elad 展望2026年AI
AI正在垂直软件和医疗领域快速扩散，速度超过反弹叙事；机器人则可能在规模化部署前先经历市场情绪重置。2026年的机会集中在工作流agent、AI IPO的反身性、科学发现、国防自主化、肽类药物，以及追求每瓦智能的基础设施。
查看摘要（8段）
- AI采用速度已经超过反弹叙事，但公开市场仍可能把Nvidia的任何一次失速，视为整个周期的公投。 Elad预计，“AI没用”和泡沫论还会卷土重来，尽管技术浪潮“通常要大约10年才能扩散”（“like 10 years to propagate”）；他说，AI的采用速度已经“快得令人目眩”，尤其是在医生、律师、会计师和合规团队中。Sarah认为，焦虑源于投资者仓位，并称Nvidia某个季度表现疲软，就可能引发恐慌，尽管这与底层的长期结构性变化几乎无关。Elad给怀疑者的回答是：“快到我甚至不知道大家在说什么了”（“So fast I don’t even know what people are talking about.”）。
- 下一阶段的应用价值应集中到垂直领域赢家手中，而Sarah给出了本期最明确的交易预测：2026年会有人利用LLM做市场交易，赚到“数亿美元”。 Elad指出，编程、医疗听写和法律软件——包括Harvey——已经在向少数玩家集中，并预计下一批垂直领域也将达到巨大规模。Aaron Levie随后认为，与工作流、组织数据、上下文工程和变革管理绑定的智能体，最有希望打通企业落地路径。
- 机器人会先迎来情绪拐点，再迎来商业模式拐点：小规模的人形和半人形机器人将开始部署，一部分会失败，投资者则会过度反应。 Sarah预计，随着预期时间表不断推迟，市场将出现分化；Elad则反驳称，自动驾驶走过了大约15–17年，如今才真正开始奏效。他们更尖锐的分歧在于产业结构：Elad认为Waymo和Tesla是自动驾驶当前的赢家，并看好Tesla成为机器人赢家；Sarah则认为，资金、硬件、制造和供应链需求可能让 incumbents 占优，但移动能力并不能解决操作能力问题，因此创业公司、甚至中国公司仍有真实机会。
- 一家大型AI实验室上市，可能变成一笔由基准考核驱动的反身性交易，而不是一次纯粹的基本面决策。 Elad举出的对冲基金案例十分典型：散户想要一只纯AI赢家，基金经理又害怕“错过Nvidia”，年度基准考核可能迫使他们“不管怎样”都要买入，即便他们并不看好这家公司。Elad预计，只要第一笔交易没有定价过高并成功，就会解锁一批跟随者，为AI实验室筹集巨额资金；与此同时，投资者仍会担心AI需求能否支撑资本开支、信贷和货到付款义务如何分配风险，以及市场对Nvidia的集中度是否过高。
- Elad原本没想到ChatGPT之外还会出现这么多独特的AI消费产品，但如今已经看到自己想用的“神奇”智能体体验；Sarah对此表示认同，但Elad仍预计大多数新硬件会失败。 Sarah用“逃逸速度”检验产品的持久性：如果没有网络效应或其他护城河，AI实验室或Google两三年后就能复制赢家，再靠分发能力追上。机会仍然存在，因为 incumbents 会吓退创业者，而且太多团队只是用这一代模型重做上一代产品。
- 基础模型竞争正在科学、替代架构和自我改进系统等方向重新展开，但规模效应仍会把资本吸向少数赢家。 Sarah以Ilya所说的“研究时代”为框架，认为行业终于有机会测试计算效率更高的思路、扩散模型和SSM，而不必只打一场资源战。Elad预计，物理、材料或数学领域只要出现1–2个突破，就会有人过早宣称“科学已经被解决”；但长期影响反而会被低估。他认为，一条可能快速起飞的路径是“代码加自我进化”。
- 资本仍将持续涌入国防自主化和肽类药物，但国防预算能否真正转向新公司，以及边缘应用与主流采用的界线仍未确定。 Sarah预计，无人机防务和创业公司活动将加速；Elad认同需求存在，但警告预算必须以足够大的规模从主承包商流向新公司。Elad称GLP-1的采用“不可阻挡”，市场仍低估其影响；Sarah则指出其二阶效应，以及市场对工程化肽类和激素疗法日益浓厚的兴趣。他们还讨论了边缘生物黑客行为可能成为早期指标，但不能视为已经确立的证据。
- 结尾的预测最终汇聚到主动式智能体和“每瓦智能”，它们将成为2026年的产品与基础设施约束。 嘉宾预计，AI会主动收集上下文、使用屏幕、停止等待提示词，并把“Claude Code体验”带给更广泛的知识工作；企业要获得收益，则需要智能体脚手架和具有经济意义的评测。Ben和Ash Spectre认为，电力是近期数据中心的约束，但长期看芯片更重要，因为芯片折旧更快，而且按每千瓦时约10美分计算，5年内芯片成本约为电力成本的10倍。
No Priors 第116期｜与 Sarah 和 Elad 对谈
基础模型、医疗记录、编程和客户成功正出现阶段性赢家，但销售效率、会计与医药仍等待更好产品。强应用结合垂直工作流、专有数据与分发能力，生育、长寿和再生医学受融资约束，世界模型与强化学习的商业路径仍未确定。
查看摘要（6段）
Elad Gil 认为，部分 AI 市场正在走向整合，未来两年谁会胜出已初现轮廓——即便今天的领先者未必能赢到第5年。 基础 LLM、医疗记录、编程和客户成功已有较清晰的领跑者；销售效率、金融分析师工具和会计仍未定局，Sarah Guo 还补充了医药。Gil 怀疑，这些尚未定局的市场，要么缺少正确的产品路径，要么仍需要更好的模型。经历多年“我了解得越多，知道得越少”之后，他终于感到“不确定性终于有了喘息空间”。
正在成形的应用打法，是把高价值的垂直工作流、专有数据、分发能力，以及能够基于数据创造、推导或扩展知识的用户结合起来。 Guo 将 Abridge 和 OpenEvidence 归入这一类别，但仍不确定在一个历来高度分散的市场中，销售将如何胜出。编程领域显示，模糊地带正在收窄：目前可行的切入口包括 Cursor、Codeium/Windsurf、Cognition 和 Microsoft Copilot。
AI 初创公司的整合，可能成为抵御老牌巨头的战略防线，而不是承认失败。 Gil 建议，一个品类中的前两家初创公司考虑合并，结束初创公司之间的战争，把竞争转向3到4家巨头。Guo 说，创始人、董事会和投资者往往把“考虑合并”本身视为投降，但她称之为“为了赢而投降”。
Gil 认为，生物科技有几个规模巨大的市场，商业需求显而易见，却在结构上长期被忽视。 例子包括：用重编程的成人细胞生成精子或卵子，让女性剩余的卵母细胞成熟，治疗皮肤衰老和脱发，恢复近视力或听力，以及通过 USAG-1 等基因实现牙齿再生。细胞衍生生殖最令人震惊的推论是，“任何成年人”理论上都可能与另一个成年人拥有孩子；而通过握手等接触从某人身上交换获得的部分细胞，也可能让涉及该人的生殖成为可能。
生物科技的融资架构，筛选的是药企愿意收购的资产，而不是能长期服务非传统需求的新公司。 Gil 说，孵化器可能投入4,000万美元换取约40%的所有权，随后把项目引向癌症、心血管疾病或神经科学管线，因为这些是收购方想要的方向。监管俘获，以及科学家认为解决皱纹“地位低”，进一步让可用的科学成果滞留在创投漏斗之外。
Gil 将世界模型和强化学习视为超越文本预测的潜在路径，而非主要面向近期游戏产品。 智能体需要规划、调用工具、接受反馈、探索替代推理路径并自我评估，而行为克隆一旦离开示范路径就十分脆弱。挑战在于构建“一份宇宙的复制品”：环境既要足够丰富，能够教会系统适应性解决问题，又要足够廉价且多样，避免过拟合。Gil 不确定近期商业应用在哪里；Guo 从围棋和分子进化推演认为，不受约束的搜索可能产出反常但更优的代码、分子或策略。
No Priors 第109期｜Sarah 与 Elad
图像生成下一项商业突破是可控性，约一年内的质量跃迁可能推动横向工具演变为垂直产品。随着基础模型能力收敛，分发和专有数据生成引擎变得更重要，专业领域机会仍在，但当前平静可能被下一次发布打破。
查看摘要（6段）
- 图像生成正迎来新一轮质量跃迁，但真正具有商业意义的突破在于可控性。 Elad 回顾了从2018年或2019年一件 GAN 艺术品登上 Sotheby’s 拍卖场，到 Midjourney 和早期 Stable Diffusion 经历“人人都有7根手指”的阶段，再到如今风格统一的动漫作品这一轮技术曲线。他认为，约1年后还会出现下一次跃迁，产品将从今天的“横向版本”走向能无缝处理平面设计的垂直产品。
- 公开市场走弱对早期软件创业公司的经营影响应当很小，除非宏观路径变得具有生存意义。 尽管消费者信心降至多年低位、Nasdaq 下跌8%，Elad 仍称一切照常；即使在2008年金融危机期间，一家只有6人的创业公司也没有太多理由作出反应。Sarah 认为，高质量早期机会仍有充足资本，昂贵的基础模型项目获得的资金也深度超出预期，但 crossover 投资者和 IPO 前项目正面临更高的谨慎程度与流动性压力。
- 关税是针对具体行业的政策工具，而不是一个一概而论的宏观结论。 Elad 认为，有些关税可能有用，有些是谈判工具，还有些只会造成破坏性的成本上升。Sarah 将中国汽车竞争视为一个案例：欧洲或许会保护自身工业基础；但她认为，真正有生产力的保护主义必须大举投资于本土技能、成本竞争力、防务零部件和汽车产能。
- 基础模型能力正与产品入口汇合，战略问题因此转向分发和消费者剩余。 Sarah 指出 ArtificialAnalysis.ai 的图表显示模型能力正在收敛，并称 Google 最新的 Gemini 发布说明它仍在牌桌上。Elad 补充说，搜索、研究和推理也正在作为产品入口汇合；基准测试中的模型集群，以及 xAI 约9个月就达到大致 SOTA 模型，说明行业仍可能出现离群者。因此，机会不只是另一个通用 LLM，还包括物理、材料、机器人、科学、健康和生物学等被忽视的模型。
- 专业模型要建立防御力，起点要么是专有数据生成，要么是真正不同的技术路线。 Sarah 的核心问题是“数据收集引擎”长什么样：化学、生物学和机器人可能需要开展新的物理实验，而现有大型实验室未必会做这些事；这不同于代码拥有丰富的数字语料和可测试的效用函数。Elad 认为，可能成立的技术切口包括状态空间模型、基于 Lean 的形式化推理，以及更好的软件智能体 RL 环境。
- AI 市场感觉已经“可能进入第3局，而不是第1局”，标准化程度足以支持投资，但尚未形成持久均衡。 模型、基础设施、评估、编排和垂直应用层正变得清晰，MCP 则提供了模型与现有数据系统之间的开放接口。Elad 仍提醒说，“我学得越多，知道得越少”；这种“平静时刻”可能只会持续到下一次发布。
No Priors 第100期｜与 Sarah 和 Elad 对谈
GPT-4等效单token成本18个月降180倍，DeepSeek冲击入场叙事，却未推翻算力经济学。领先者仍有分发、工作流和合成数据优势，开放模型或拉平递归改进。Deep Research抬高分析门槛但仍需审计，模型多元化因此更具战略价值。
查看摘要（7段）
DeepSeek 确实推进了开源推理能力，但并非以550万美元推翻前沿算力经济学。 Elad表示，可比的最终训练运行成本本来就在500万–1000万美元左右，并判断DeepSeek在蒸馏出最终结果之前可能已投入数亿美元，因此NVIDIA约20%的下跌“有点不合理”。
更大的投资信号，是GPT-4等效模型单token推理成本在18个月内下降了180倍。 模型基准差距正在收窄，但Sarah强调，即便按DeepSeek披露成本的数倍计算，也仍远低于数十亿美元或Stargate级别的入场价格，这确实构成了对既有叙事的冲击。
前沿模型领先仍能换来分发、工作流锁定，以及潜在的递归式研发优势。 更强的模型可以为下一代模型生成合成数据、标注数据并编写代码；这是否会带来“起飞”仍不确定，而广泛可用的基础模型也可能成为“巨大的拉平器”。
OpenAI 的 Deep Research 立即抬高了分析师门槛，但其输出不能被视为权威。 Elad表示，他会将普通分析师或实习生的工作与其对比，因为“竞争对手很难比”；Sarah认为它尤其适合快速了解陌生领域，但在用户熟悉的领域，“确实需要认真审计输出”。
AI对知识的控制力正在上升，使模型多元化和开源的重要性超越经济层面。 Elad将AI的盲点比作Gell-Mann失忆症：人们能发现系统在熟悉领域的错误，却会在其他领域继续信任同一系统；Sarah警告，将搜索、社交网络和媒体整合进“一个供你询问的单一设备”，会带来审查和宣传风险。
Stargate反映的是对规模化回报的不确定，而不是资本不再重要的证据。 Elad表示，如果算力集群免费或能够融资，他无法想象一家AGI实验室不想要“他们能拥有的最大集群”，但他认为持续预训练带来的收益很可能会变得越来越低效。
他们对2025年的判断集中在基础模型整合、垂直AI、智能体和自动驾驶，机器人仍处于验证阶段。 Harvey、Decagon、Sierra、Cognition、Tesla、Waymo和Applied Intuition构成了主要机会集合；消费端可能因低价低延迟模型复兴，而生物、材料和医疗领域或将受益于更智能的垂直数据生成。