0:00 / --:--
a16z Show · 10 月 28 日
Mark Cuban 认为 AI 能让个人创业者承担过去需要团队才能完成的工作，但要让医疗真正变便宜，必须先拆开不透明的合同、价格和利益关系，而不是只给旧系统装上更聪明的软件。
Mark Cuban 认为，AI 能让个人创业者承担过去需要团队才能完成的工作，但要让医疗真正变便宜，必须先拆开不透明的合同、价格和利益关系，而不是只给旧系统装上更聪明的软件。
这集还没有学习卡。生成后会保存在这一集，下次直接打开。
All-In Podcast· 2026-07-20Mark Cuban 谈 AI 泡沫：究竟谁会被淘汰？Mark Cuban on the AI Bubble: Who Actually Gets Wiped Out?同一位嘉宾：Mark CubanAll-In Podcast· 2026-09-28Daniel Ek：离开 Spotify 后的生活、失灵的医疗激励机制、及早发现疾病与 AI 的潜力Daniel Ek: Life After Spotify, Broken Healthcare Incentives, Catching Disease Early & AI's Potential同主题：医疗与生物技术
a16z Show· 2026-09-06你的 AI 医生就要来了｜Julie Yooa16z Show
Mark Cuban on Why AI Could Turn Solo Founders Into Trillionaires
YouTube
音频
Mark Cuban 是 Cost Plus Drugs 的联合创办人。本集从这家公司的透明药价模式谈起，逐渐扩展到药品制造、雇主医保合同、患者账单、个性化用药，以及 AI 对创业和医疗工作的影响。贯穿这些话题的不是“AI 会不会足够聪明”，而是另一个问题：当价格、合同和风险承担方式本身就不透明时，技术进步的收益最终归谁？
阅读时需要区分三类内容：Cost Plus Drugs 已开展的业务；Cuban 对可移动制药设施及未来销量的规划；以及他对医疗制度和个性化药物的政策设想。三者的确定性并不相同。
这集最有意思的张力，在于 Cuban 一面极度看好 AI，一面反复否定“技术自然会修好医疗”的想法。他描述的 Cost Plus Drugs 不只是一家低价网上药房：公开报价让雇主有了谈判参照；本地取药弥补邮寄配送的时效缺口；小型制造设施试图处理短缺药和小批量生产；公开的医院直签合同则希望降低雇主进入市场的门槛。这些环节共同指向一个目标——让过去被中介和复杂合同隔开的价格重新可见。
他认为，AI 近期最有力的用途不是替保险公司或医院把理赔流程再提速，而是在签约前帮助雇主发现不利条款，在就医前帮助患者理解援助资格。但这也暴露出他论证中的跳跃：识别问题不等于获得议价能力，能制造个性化药物也不等于它已经通过验证、获批并可负担。他关于“地下室里的万亿富翁”的说法，更适合作为对创业门槛下降的形象表达，而不是财富预测。整集最终落在一项务实判断上：AI 扩大了个人能研究、比较和执行的范围；若不同时处理数据取得、合同约束、监管与责任分配，它也可能只是让既有利益结构运转得更快。
💬 他们说了什么：主持人认为，美国医疗长期缺乏正常的竞争力量；Cost Plus Drugs 即使没有拿到某些大型机构的合同，仅凭公开药价，就迫使其他参与者在谈判时回应它的报价。Cuban 说，有公司以为自己已通过大型药品福利管理机构用上其价格，但双方实际上并无协议。
💡 为什么重要：一个可公开查询、可通过 API 获取的价格，不只服务于直接购买者，也可能成为整个市场的谈判基准。这是本集“先让信息可见，再让竞争发生”的起点。
⚡ 争议点：对手在谈判中引用价格，不等于患者最终都能按该价格买到药；价格基准影响了多少交易，节目没有给出独立测量。
💬 Cuban 回顾，公司于 2022 年 1 月 19 日上线，起初销售 111 种仿制药，如今约有 4000 个 SKU。邮购无法满足当天取药，因此又推出本地取药折扣卡；他说约 1.7 万家药房加入，合作药房每次配药获得 12 美元费用。他也强调，公司公开标价，零售业务维持固定的 15% 加价。
💡 渠道决定哪一种“便宜”才有意义。给一款 5 美元的低价药加上 12 美元配药费，未必最划算；但对于较贵的专科仿制药、生物类似药或需要冷链的药，本地取药可能更合适。透明定价并非所有品类、所有场景都能获胜。
⚡ SKU 不等于不同药物的数量；“约 1.7 万家药房”和价格优势均为嘉宾在节目中的陈述，具体覆盖与单笔费用仍应按药品、地点核对。
💬 Cuban 称，公司用 AI 和机器人技术，把面向短缺药的达拉斯生产设施缩至约 5000 平方英尺，生产线约每 4 小时可切换药品；进一步开发的“pod”约为卡车拖车大小，可运往不同地点并按需求配置。他说单套价格约 2000 万美元，已向政府客户交付首套并获得第二套订单；设想之一是为研究医院生产面向单个患者的疗法。
💡 其商业逻辑不只是压低现有药品采购价，还包括把制造能力带到短缺、灾害应对和小批量研发现场。Cost Plus Marketplace 则把自制及外部采购的无菌注射剂，以“成本加 10% 或 12%”模式卖给医院和诊所。
⚡ 设施能快速切换，不意味着可以未经验证和许可就生产“任何药”。单患者疗法更涉及质量控制、适应证及监管审批；订单、成本和量产能力也需分别核实。
💬 以自保雇主的身份，Cuban 提出与医院直接签约：通常信任医生判断、减少事前授权和拒付、按约及时付款，并由雇主承担患者自付部分或相关信用风险。作为交换，他希望获得较低价格，并允许把合同公开为其他雇主和医疗机构可参考的模板。
💡 他不是单纯要求医院降价，而是提出交换条件：若医院减少催收、审批和坏账风险，理论上就有空间降低报价。公开合同又能减少后来者逐一摸索条款的成本。
⚡ “减少事前授权”不等于完全不进行必要性审核。谁承担异常使用、欺诈和超预算风险，以及公开模板能否适配不同地区和医院，仍需在具体合同中解决。
💬 Cuban 称，联合健康拥有 3000 多家子公司，年度公司间转移约 1500 亿美元；他担心大型纵向整合机构在提高保费和自付额的同时，将患者导向其持有、而患者未必知情的企业。他进一步指出，自保雇主支付的理赔金额与医院实际收到的款项可能不一致，而雇主有时难以取得核对所需的理赔数据，包括 835、837 等标准交易文件。
💡 问题从“药价不透明”扩大到了医疗服务支付：雇主即使自己承担医疗费用，也未必能轻易重建每笔钱的去向。没有可核对的数据，就难以判断管理机构是否确实带来了更好的价格。
⚡ 公司间转移额不能直接视为利润或不当收益；价差也需逐笔结合合同、服务费和实际支付核实。这里的规模数字和行为判断均应与财报、合同及监管材料交叉验证。
💬 Cuban 举例称，他看到的达拉斯市一份药品福利管理合同长达 1335 页。他的判断是，AI 很适合在签署前找出隐藏条件；一旦雇主接受不利条款，再好的理赔自动化也无法直接撤销合同义务。对于支付方与医院互相使用 AI 优化编码、审核的“机器人大战”，他预计双方能力最终会趋于抵消。
💡 这划清了两种技术价值：流程优化是在既定规则内争取效率；合同审查则试图在规则生效前改变利益分配。前者可能让旧系统更快，未必让患者更省钱。
⚡ “签后 AI 完全救不了你”是强调谈判时点的修辞；现实仍可能存在重新议价、审计、诉讼或监管途径。同时，AI 发现可疑条款不等于它能准确解释法律效力。
💬 Cuban 把合同审查概括为一个直白问题：“他们在哪里占了我的便宜？我该怎么办？”他描述自己使用 AI 智能体（Agent）寻找可通过公开记录取得的合同和招标材料、起草申请邮件，再让不同模型分析文件、提出行动建议；发信前仍由他本人确认。他认为，员工或参保成员超过 1500 人的组织，单靠重新审查福利合同就可能发现显著节省空间。
💡 Agent 在这里承担的是搜集、初筛和整理工作，把过去总被搁置的合同研究变成可持续流程；最终发信和决定仍由人负责。这比泛泛要求“用 AI 降本”具体得多。
⚡ 他声称，若覆盖约 1.6 亿以上美国人的雇主都在签约前如此审查，整个旧体系的成本会大降。这是强烈的反事实推断，不是已实现的节省额；合同权限、保密义务和模型误判也不能省略。
💬 Cuban 认为，大企业即便提高技术效率，也不一定把收益传给雇主和患者。他同时看好制药设施业务：设想在两年内每年销售数百套、五年内每年数千套；按 每套约 2000 万美元计算，1000 套对应 200 亿美元销售额。但他指出，仿制药逐项申请的费用及其他合规成本，是扩大美国本土生产的障碍。
💡 他把创业机会放在“重新设计供给与合同”上，而不是仅替既有机构节省后台成本。谈及人才时，他也反对取消所有初级岗位：企业需要熟悉业务现场、能给模型补充新信息并承担判断责任的人。
⚡ 销售数量、销售额和利润不能混为一谈；pod 量产、采购需求及逐项药品审批都可能限制预测。他所说的“地下室里的万亿富翁”，是对 AI 降低创业门槛的夸张比喻，不是可验证的个人财富预报。
💬 Cuban 主张，患者可用 AI 解读福利说明（EOB）、查找当地非营利医院的财务援助政策，并在就医前询问申请办法。他提到，有些援助资格可延伸至联邦贫困线的 600%；他也引用“约 40% 的人难以承担 400 美元紧急开支”的说法，说明预先了解费用的重要性。
💡 患者未必缺少一个产品，更可能不知道已经存在的选项及申请路径。Cuban 设想让医院把规则整理成便于智能体读取的信息，使患者能以自身条件询问，而非在危机中才寻找表格。
⚡ 援助门槛、覆盖项目及申请条件因医院和地区而异。节目提到的“把原本要缴的保费存起来”不能作为普遍的退保建议；失去保险可能带来无法由援助计划覆盖的重大风险。
💬 Cuban 设想，模型结合个人 DNA 和其他身体信息，未来可能以越来越低的设计成本给出个性化剂量或药物，从非处方药逐步延伸到处方药。他谈到 5 年、10 年或 20 年等不确定的时间尺度，甚至设想相关服务最终进入每月 20 或 200 美元的 AI 订阅；他的制造设施则希望承担相应生产环节。
💡 如果药物更贴合个人反应，医疗工作可能从反复试药、调整剂量，转向对个体数据和疗效的持续解释。这也说明为什么他把模型能力与小批量制造放在同一张商业蓝图里。
⚡ 药物“设计成本趋近于零”不等于临床试验、生产、监管和持续监测成本也趋近于零。把 DNA 交给订阅服务还涉及隐私、同意、数据使用范围和长期保管。
💬 Cuban 举例：患者试用新药后突然严重不适，医生仍须观察现场反应、询问病人及家属，并判断哪些信息值得纳入诊疗。主持人进一步设想，医生可能更像“临床科学家”，收集模型尚未掌握的个体新数据。Cuban 也承认，电子病历市场由 Epic 等机构主导，他不确定其整体格局会如何被颠覆。
💡 模型所知总有时间差，真实患者还会带来未被记录的新情况。医生的工作可能减少机械的信息查找，却增加解释个体异常、验证输出和与患者沟通的责任。
⚡ “医生不会被取代”并不意味着所有现有岗位和工作内容保持不变。如何培训医生使用模型、如何处理专有医学知识的授权和费用，节目提出了问题，但没有给出成熟方案。
💬 Cuban 的政策清单包括：公开涉及纳税人资金的完整合同；允许患者以低于保险自付额的价格购药或就医时，将支出计入免赔额；要求非营利医院公开更细的总账和采购信息。他还构想把相当于保费的钱存入个人账户，用银行贷款、政府担保和高额费用止损保障衔接医疗支出；举例为一家五口每月存入 2100 美元，并设想在约 4 万美元等门槛以上启动止损保障。
💡 这些建议延续了他的核心判断：公众能否看到合同与资金流向、患者能否掌握自己的支付选择，比单独提高理赔处理速度更接近制度改革。
⚡ 个人存款加贷款的设计，如何覆盖低收入者、慢性病患者和早期遭遇高额费用者，是根本问题。节目中的金额与阈值只是设想例子，不能视作已提出并完成测算的政策。
💬 Cuban 认为，AI 公司发布立场文件、购买传统广告，不足以改变公众看法；人们看到的是各自不同的社交媒体信息流。他建议行业更认真地研究传播方式，同时批评部分社区在数据中心协议谈判中未保护好自身利益。结尾谈到创业时，他说会出现“地下室里的万亿富翁”，并区分两类 AI 使用者：借它学习的人，以及借它逃避学习的人。
💡 本集从医疗合同回到更一般的创业命题：AI 让个人获得过去难以承担的研究和执行能力，但优势来自敢于提问、反复验证输出，而非把判断全交给模型。
⚡ 针对个性化信息流做传播，可能跨过知情沟通与操纵舆论的界线。“所有领域都有机会”和“万亿富翁”都属于鼓励创业的判断，不能代替对具体市场需求、成本及风险的验证。
“我们所处的不是一个有效率的医疗市场；它的经济机制出了问题。”——Mark Cuban，译自英文
“一旦你签下自己没有完全理解的条款，他们就赢了。”——Mark Cuban，译自英文
“信任仍然是我们的首要产品。”——Mark Cuban，译自英文
“会有一个地下室里的万亿富翁。”——Mark Cuban，译自英文；属创业前景的形象说法
“有些人用 AI 学会任何东西，有些人用 AI 让自己什么也不用学。”——Mark Cuban，译自英文
“可读”不等于“可谈”。 即使 AI 能替雇主读完上千页合同，雇主仍需取得完整文件、核对实际支付记录，并有替代供应商或直签方案，才可能把发现转化为降价。这也是为什么 Cuban 同时谈公开合同、公开价格和重新安排支付风险。
智能体式工作流的关键是设置交接点。 Cuban 的例子并非让 Agent 自行发送公开记录申请，而是让其找材料、起草邮件，最后由人修改并发出。医疗合同和患者资料涉及敏感信息，这种交接点决定了谁能检查错误、谁对行动负责。
个性化药物有两个不能混淆的“成本”。 模型生成候选方案的计算成本可能下降，但证明安全有效、稳定制造并长期追踪不良反应的成本未必同步下降。pod 的潜在价值，需要放在整条研发与监管链中判断。
