0:00 / --:--
All-In Podcast · 9 月 25 日
嘉宾认为当模型价格下降、开放权重扩散时，前沿 AI 公司的价值必须从「造最强模型」转向工具、工作流与应用层，同时承担产品责任而非借「实验室」身份淡化企业义务。
本集把 AI 模型降价与开放权重扩散、前沿公司的上市压力，以及AI 智能体（Agent）产品的普及连成一条主线：当模型越来越便宜、越来越容易替代，公司的价值与责任都不能只停留在“造出最强模型”。
这集还没有学习卡。生成后会保存在这一集，下次直接打开。
The Twenty Minute VC (20VC)· 2026-10-2920VC：Anthropic 在 2 万亿美元 IPO 前提交 S1 文件｜传 Instinct 融资 300 亿美元｜微软裁员 27,000 人，Meta 则求助股权市场，为 950 亿美元的资本开支热潮筹资20VC: Anthropic Files S1 Ahead of $2TRN IPO | Instinct's Rumoured $30 Billion Fundraise | Microsoft Laysoff 27,000 While Meta Taps Equity Markets for $95 Billion Capex Spending Spree同主题：AI 投资与经济
All-In Podcast· 2026-10-17CoreWeave 暴跌、AI 投资热潮出现裂痕、Anthropic IPO 的危险信号、末日论者比尔·盖茨CoreWeave Crash, AI Trade Cracks, Anthropic IPO Red Flags, Bill Gates Doomer同主题：开放模型生态
All-In Podcast
Anthropic IPO at Risk, Meta's Muse Pop, Token Prices Fall, Open Source Gains Share, Alignment Fails
YouTube
音频
节目开场回顾 All-In Summit，随后转向一场关于 AI 责任的争论：开发前沿模型的组织应被视为承担产品责任的公司，还是需要特殊治理安排的“实验室”？这场争论又与商业问题交织——模型发布更密集、开放权重选择增多、推理价格下行，可能改变 Anthropic 和 OpenAI 的收入结构及上市叙事。
后半集讨论 AI 禁令、个人智能体产品和生命科学实验。四位嘉宾总体倾向支持竞争与产品普及，但在 Anthropic 的管理、估值和生物实验室风险上并不完全一致。
本集最有解释力的线索，是将“谁该为 AI 负责”与“谁还能凭 AI 获利”放在一起看。Chamath 和 Sacks 反复要求前沿模型开发商停止借“实验室”一词淡化公司身份：是否发布、怎样测试、出了问题由谁承担后果，首先是经营者的决定。Friedberg 随后用密集的模型发布说明，市场已不是少数闭源供应商独占先进能力的阶段；如果开放权重模型以更低成本完成大量常规任务，企业就会重新审视昂贵 token 的必要性。Chamath 因而把竞争焦点从模型本身移到模型外的工具、工作流和执行能力，认为前沿公司必须向应用层延伸。
这一变化也让 IPO 讨论不只是“何时上市”。嘉宾关心的是：客户究竟在为不可替代的前沿能力付费，还是为暂时尚未迁移的普通任务付费？若答案不清楚，收入增长再快，公开市场仍可能要求更充分的风险披露和更低的定价。Meta Muse 则提供了另一种商业想象：把复杂智能体包装成普通人能使用的免费助手，让 AI 的价值体现为省时、省钱和完成事务。不过，智能体连接邮箱、付款与网站后，可靠性、授权边界及隐私责任会变得更具体。节目尾声的生物实验讨论恰好提醒听众，不能只凭“湿实验室”三个字判断风险；也不能因技术用途有益，就省略对实验范围和安全措施的核实。
💬 他们说了什么：四人回顾第五届 All-In Summit。Friedberg 感谢幕后制作团队；Sacks 认为特朗普在 Jensen Huang 登台时来电，是峰会最令人难忘的一幕。Friedberg 称电话并非预先安排，而是现场联系后接通。
💡 为什么重要：开场确立了本集的讨论语境：AI 风险已从技术圈扩展为企业高管、公众和政治人物共同参与的话题。
⚡ 争议点：嘉宾认为峰会缓和了社会对 AI 的恐慌，这是他们对舆论效果的评价，不能仅凭现场片段衡量公众态度是否真的改变。
💬 Chamath 主张，拥有损益表、股东和商业产品的前沿组织应按公司标准接受审视，而不是凭“lab”称谓取得特殊地位。他以 Tesla 延缓自动驾驶能力发布、Meta 推迟 Muse 上线为例，强调内部测试与谨慎发布。Sacks 则把问题归结为一句话：决策者应先判断“这个产品该不该发布”。
💡 这一框架把抽象的全球 AI 治理，拉回可执行的企业责任：测试、记录风险、决定发布范围，并对产品后果负责。
⚡ 既有产品责任制度是否足以覆盖自主智能体、模型滥用和跨境传播，本集没有论证清楚。审慎发布与公共治理也未必互斥。
💬 Sacks 批评企业一面开发产品，一面寻求全球治理安排，担心责任因此从发布者身上转移。Jason 提出企业可能争取类似责任保护的传闻；Sacks 明确表示自己没有亲历此类请求，只是听华盛顿人士谈起，并称政府不会豁免产品责任。随后他反驳“竞争必然导致安全竞次”，认为客户需求、声誉和法律责任也能形成安全激励。
💡 讨论区分了两件容易混在一起的事：公共部门制定规则，与企业是否仍须承担自己产品的责任。
⚡ 关于游说责任豁免、以股权交换保护等说法，在节目中均缺乏可公开核验的文件。“竞争有利于安全”同样是需要用具体市场和事故数据检验的判断。
💬 Friedberg 列举他所称近十天发布的多款开放与闭源模型：其中 DeepSeek 新版的托管输出价格被报为每百万 token 1.20 美元；一款约 3090 亿参数的 MIMO 模型被描述为开放权重；另一款 270 亿参数的 Bonsai 2 被称文件约 5.9 GB、可在本地运行。他的结论是，先进能力正以更低成本、更高频率扩散。
💡 如果企业能下载权重、自行部署，模型供应商就不再是获取能力的唯一入口；价格、部署自主权和数据控制会进入同一采购决策。
⚡ 节目把“开源”与“开放权重”交替使用，但许可证、训练数据和再分发权可能完全不同。所列型号、发布日期、基准成绩及本地运行条件也需逐项核实；“可运行”不等于“普通设备上运行得足够快”。
💬 Chamath 认为，许多模型的能力开始聚集，差异可能落入具体测试的误差范围；但包裹模型的工具调用、执行环境和工作流——他称为 harness——仍在成本与质量上差别显著。他推断，单卖 token 的公司会被迫向网络安全、法律、客服等应用层扩展。
💡 企业比较 AI 方案时，不能只看模型排行榜；能否接入系统、稳定完成多步骤任务、控制权限和总体费用，可能更影响实际回报。
⚡ “模型趋同”高度依赖任务类别。Friedberg 随后也指出，在部分生命科学及高难度技术工作中，顶级模型仍可能具有明显优势。
💬 Jason 称 Anthropic 和 OpenAI 新模型的 token 价格下调约 50%，并讨论两家公司 IPO 可能推迟的报道与市场预期；他还提到 Anthropic 当年上市的预测市场概率从 96%降至 76%。Sacks 担心高管的风险表述会给招股书及投资人信心带来压力，并解释超级投票权会使创始人的控制权高于其经济持股比例。Chamath 不赞成立即撤换 CEO：他认为 Dario Amodei 建立了难以复制的团队与业务，但公司可能必须以更充分披露和更低发行价格换取流动性。
💡 IPO 争论的核心不是一个日期，而是投资人如何为治理结构、未来资本需求和商业竞争定价。
⚡ 节目中的上市时间、目标估值、持股比例和预测市场报价都是讨论时的说法，并非已确认的发行文件。Chamath 举出的 1000 亿美元收入运行率与相应估值，是解释定价机制的假设数字，不应当作公司业绩。
💬 嘉宾援引一张图表，称某些可观测渠道的 token 使用结构在 12 周内，从闭源约 80%、开放约 20%，转为开放约 80%、闭源约 20%。Friedberg 据此提出关键问题：前沿公司的收入有多少来自客户必须购买的高难任务，又有多少来自能迁往廉价模型的普通任务？他强调，高端模型在复杂工程、数学和生命科学场景仍有溢价空间。
💡 若常规工作负载大量迁移，收入增长的质量、客户集中度及长期毛利可能比当下 token 总量更重要。
⚡ 这组“80/20 翻转”缺少节目内可复核的统计口径，不能推广为全市场份额。本地部署的成本也不只是模型许可费，还包括算力、运维、安全和质量评估。
💬 四人讨论 Bernie Sanders 所提禁令及其可能产生的研发寒蝉效应；节目称草案对违规开发者可能设定 20 年刑期。嘉宾还播放特朗普、Bessent 和 Obama 关于 AI 治理与商业激励的片段。Friedberg 担心严格禁令把人才和研发推向其他国家；Chamath 则提出另一种政治经济解释：若监管冻结竞争，既有大公司可能反而更受益。
💡 模型可下载、可跨境开发之后，限制美国境内研发与阻止能力全球传播不是同一件事；政策必须说明究竟约束什么行为、由谁执行。
⚡ 有关法案门槛、刑罚及政治人物动机，需对照原文和完整讲话。嘉宾将不同政治立场概括为“反进步”或利益算计，是鲜明观点，不是已证实的因果结论。
💬 Jason 称 Muse 上线约 10 天获得 300 万次下载，曾登上应用商店榜首，并称 Meta 股价在发布后上涨约 10%。Chamath 说自己提前试用过，能让智能体整理邮箱、订机票和酒店；嘉宾把它与需要较多技术配置的智能体工具比较，认为免费、易用的入口更可能让普通人感到 AI 的实际价值。
💡 智能体若可靠地替用户完成事务，竞争焦点就会从“回答得好不好”转向“做没做成、有没有按授权做”。
⚡ 下载量、榜单和股价变化不等于留存、任务成功率或因果关系。“免费”也不代表服务没有数据、隐私或长期运营成本。
💬 Jason 举例称，购物智能体为一件标价约 400 美元的配件找到首购优惠，预计节省 85 美元。Chamath 认为智能体替消费者比价、管理订阅和直接交易，会削弱依赖不透明价格或复杂取消流程的服务，也可能挑战应用商店约 30%的分成模式。
💡 若消费者主要通过智能体而非商家页面或 App 界面行动，网站、支付接口和平台分发的议价关系都可能变化。
⚡ 一次优惠搜索不能证明智能体普遍替人省钱。商家是否允许自动访问、智能体能否安全保管支付凭据、交易纠纷由谁承担，都会限制这种模式的扩张。
💬 Sacks 质疑以抽象价值观训练模型的对齐思路，主张产品首先应可预测、可靠，并服务用户意图。他引用 Anthropic 的模型“宪法”中允许模型在认为指令不合伦理时提出异议的表述，担心这会造成难以控制的自主性。讨论随后转到 Jason 所称 Oracle 某数据中心项目的不可抗力事件，以及 AI 基建投资对经济增长的影响。
💡 智能体越能执行现实任务，用户意图、公司规则和安全边界之间的优先级就越需要清晰；与此同时，算力供应仍受建设许可和基础设施条件约束。
⚡ “能够拒绝不当请求”不等于模型具有人格或会反抗创造者。Oracle 事件的合同范围、原因及宏观经济影响，在节目中也没有得到充分文件支持。
💬 面对其他嘉宾对“湿实验室”的担忧，Friedberg 解释，相关工作旨在从 DNA 数据预测新的蛋白质或酶，再制作、测量蛋白质，检查软件预测是否成立。他将所描述的实验归为 BSL-1／BSL-2级别的常规研究，并强调这与制造病原体或病毒不是一回事。
💡 AI 在生命科学中的价值不能只靠计算结果宣称；实验验证是判断新蛋白质是否具有预期功能、能否进一步用于药物研发的必要环节。
⚡ 实验室实际许可、操作范围和生物安全等级仍应以公开文件为准。节目早前将新冠起源归因于实验室泄漏并给出损失数字，是嘉宾未经本集证明的断言，不能据此类推 Anthropic 项目的风险。
“相关的决定始终是：我们该不该发布这个产品？”——David Sacks
“模型在趋同，但包裹模型的执行工具差异仍然很大。”——Chamath Palihapitiya，意译
“把工作负载移到适合它的模型上，省下钱。”——节目讨论中的采购思路，意译
“软件作出预测之后，你还得在实验室里测试它。”——David Friedberg，意译
