0:00 / --:--
All-In Podcast · 10 月 30 日
嘉宾认为 Anthropic 的高增长不能自动证明 IPO 是好投资，因为估值还取决于客户能否升级至大额合同、算力能否按时交付，以及 AI 行业融资需求是否推高资本成本。
主持人以一份声称属于 Anthropic 的 S-1 为起点，讨论 AI 商业化的惊人增长、算力建设的融资风险、Google 搜索业务的转型压力，以及美国中期选举可能如何改变这一切；但节目中的重大财务与政治断言均需独立核实。
这集还没有学习卡。生成后会保存在这一集，下次直接打开。
a16z Show· 2026-10-23亚马逊 CEO Andy Jassy 谈 2200 亿美元的 AI 建设Amazon CEO Andy Jassy on the $220 Billion AI Buildout同主题：AI 算力基建a16z Show· 2026-09-301 万亿美元的 AI 建设｜市场现状The $1 Trillion AI Buildout | State of Markets同主题：AI 算力基建
Latent Space· 2026-10-22为什么 AI 算力是矩形的——Modal CEO Erik BernhardssonWhy AI Compute Comes in Rectangles — Erik Bernhardsson, Modal CEOAll-In Podcast
Anthropic S-1 Shocker, Greatest Business Ever? Google's $500B Wipeout, Midterm Predictions
YouTube
音频
本集围绕一份主持人称为 Anthropic IPO 申报文件的「S-1」展开。S-1 是美国企业拟上市时使用的注册申报文件；如果文件及其中数字属实，它会让外界比依靠融资传闻更深入地观察收入、成本、风险与股权结构。节目随后把视角从一家公司扩展至数据中心、电力、债券市场，再转向 Alphabet 财报和美国中期选举。
以下是对节目讨论内容的详解，不等于确认节目引用的申报文件、财报数字、市场行情或选举预测真实无误。尤其是涉及超大规模 IPO、数千亿美元市值变动及政治人物立场的说法，阅读时应保留核实空间。
本集最有意思的地方，不是主持人反复追问 Anthropic 是否为「史上最好的生意」，而是他们逐步发现：即使一家模型公司收入增长迅猛，投资判断也不能只看收入曲线。Sacks 将节目所称的巨额亏损解释为可转换票据估值变化带来的会计项目，并强调模型效率改善可能同时支持降价和利润率提升；Freeberg 则从高消费客户数量推演企业市场仍有扩张空间。但他坦言，客户获得数倍回报只是自己的假设，并非文件披露的事实。
Chamath 把讨论推进到更难回答的问题：客户试用能否转成经过跨部门审批的大额合同？数据中心、电力与设备能否按时交付？当少数 AI 公司持续融资，它们与其他借款人是否会争夺资本、推高资金成本？这些问题令「好生意」和「好价格」成为两回事。节目谈 Google 时也沿用这种拆解方式：搜索收入仍可增长，但其在公司总收入中的占比下降，既可能意味着核心业务受威胁，也可能意味着云等业务终于长大。最后，嘉宾把数据中心审批与选举前景联系起来，却给出不同的国会席位预测。贯穿全集的分界线是：披露数字、经营推断、市场情景和党派预测不能混为一谈。
💬 他们说了什么：四位嘉宾先谈近况和「超级智能」一词引发的媒体争论。Chamath 随后复盘自己的企业销售：此前让团队过于集中地追逐巨额合同，反而忽视容易启动、按时付款的中小订单。
💡 为什么重要：这个插曲为 Anthropic 讨论埋下伏笔。大量客户的小额试用，与少数客户签下巨额合同，是两种不同的销售能力；收入预测需要解释客户如何从前者走向后者。
⚡ 争议点：开场对媒体报道的反击和销售复盘主要来自嘉宾个人叙述，节目没有提供可供核查的报道全文或销售数据。
💬 Jason 称 Anthropic 已提交 S-1，计划筹资约 1000 亿美元，目标估值约 1.5 万亿至 2 万亿美元；他引用的数字包括 2026 年上半年收入 163 亿美元、第二季度 116 亿美元、年底 1000 亿美元 ARR 或年化收入运行率，以及约 1120 亿美元现金。他还提到创始人拟通过特殊股份掌握 50.1% 投票权。
💡 若这些数字均获正式文件证实，市场讨论将从「模型能否收费」转向「增长、资本需求和控制权如何定价」。尤其要区分实际实现的收入、某一时点推算的年化运行率，以及未来目标。
⚡ 节目没有在文字转写中提供可核对的 S-1 编号或原文链接。IPO 日期、筹资规模、估值、现金和股权安排都不能仅凭主持人口述视为已确认事实。
💬 Sacks 认为外界所说约 800 亿美元亏损主要与可转换票据随估值变化产生的会计处理有关，并非同额现金流出；他称公司历来实际消耗资金约 90 亿至 100 亿美元。他还认为，同等任务的交付成本可能逐年显著下降。Freeberg 指出，年消费至少 10 万美元的客户数，从节目所示的 2024 年末 200 家、2025 年末 1500 家，增至 2026 年 9 月末 1.19 万家。
💡 利润表费用、现金消耗、毛利率和客户获得的经济价值，回答的是不同问题。成本下降若快于售价下降，供应商有机会同时扩大用量并改善利润；客户数增长则说明产品正在进入企业预算。
⚡ Freeberg 的「客户收益约为 AI 支出的 2 至 10 倍」是他明确承认的假设，不是已测得的投资回报。节目交替使用「约 85% 毛利率」和「约 85% 增量毛利率」，两者也不能直接等同。
💬 Chamath 根据团队对风险因素的词频整理，判断算力是 Anthropic 最突出的风险，细分为数据中心、供电、芯片、设备及融资承诺；监管、隐私、知识产权和安全也在其列。他进一步把电力与数据中心审批解释为可能影响 2028 年政治竞争的经济杠杆。
💡 需求旺盛不代表收入必能兑现。如果电力接入、设施施工或设备交付落后于订单，企业即使愿意付费，也可能得不到足够服务。这使基础设施执行能力成为模型公司的经营问题。
⚡ 风险因素的篇幅或词频，并不是风险发生概率与损失大小的直接量尺。由此推断某党派会故意阻碍建设，更是嘉宾的政治判断，而非文件能够证明的动机。
💬 Chamath 展示自己的客户分层估算：约 4000 万个人及小企业年消费低于 10 万美元；约 1 万客户消费 10 万至 100 万美元；约 1650 家消费 100 万至 1000 万美元；约 250 家超过 1000 万美元。他认为，百万美元以下的试验可以由分散的部门预算推动，再往上则须证明投资回报，并取得跨部门批准。
💡 估值不能只把现有客户数乘上更高客单价。观察客户能否持续升级消费层级，比单看新增试用账户更能检验企业 AI 的长期需求。
⚡ 这组分层是嘉宾对收入结构的拆解，应与申报文件中的披露数字区分。高消费客户也可能包含 AI 原生企业；不能未经剔除，就把他们的支出模式套用于一般大型企业。
💬 Chamath 称少数大型 AI 企业正在同时扩大资本开支和债务融资，并估计它们至 2027 年末的融资需求，相当于同期美国国债拟发行量的约 30%。Jason 认为未来 AI 智能体（Agent）普及可能令令牌需求暴涨；Freeberg 则担心审批、电网人员、设备交付和公众反对会限制建设。
💡 这里出现两种可能同时成立的稀缺：有钱未必买得到及时投产的算力；项目具备潜在回报，也未必能以合适利率完成融资。增长预测必须与设施交付进度配套。
⚡ 企业融资需求与国债发行额的比例，是嘉宾图表中的估算，不能单独证明国债需求已被「挤出」。未来令牌需求增长多少倍，同样属于情景推演。
💬 Chamath 将风险分为两类：一是 Anthropic 能否让客户从不足 100 万美元的年度消费，升级至数百万乃至数千万美元；二是整个 AI 行业融资需求可能推高企业债或美国国债利率。他据此提醒，优质公司若以过高价格上市，仍可能是一笔风险很大的投资。
💡 第一类风险可通过后续客户分层、续费和合同额逐季观察；第二类牵涉利率与市场风险偏好，即使单家公司经营达标，也可能改变其估值。
⚡ 主持人对企业债和国债「必然争夺同一笔钱」的描述过于简化。两类资产的投资者、期限与风险偏好并不完全相同；节目提出的是值得检验的市场情景，不是已发生的因果结论。
💬 嘉宾认为，模型效率提升可能使令牌降价、企业用量增加，呈现「单价下降、总需求上升」的杰文斯悖论。Sacks 同时指出，开源模型若在编程等任务上提供足够便宜的能力，会压缩 Anthropic 的优势；而维持领先所需的递归自我改进，又可能与公司内部重视风险的安全派发生冲突。他们预计智能体式应用会比简单问答消耗更多令牌。
💡 竞争并非只有「谁的模型最强」这一维度，还包括够用的能力能卖多便宜、任务能否安全自动执行，以及企业是否愿意开放内部系统供智能体使用。
⚡ 嘉宾提到新应用可能消耗 50 至 100 倍令牌，但没有给出统一任务口径。递归自我改进会造成何种安全冲突，也仍是推测，不能当作已发生的组织分裂。
💬 Jason 称 Alphabet 财报后市值缩水约 5000 亿美元，搜索收入增速由 17%降至 12%；嘉宾同时称 Google Cloud 收入同比翻倍，达到 307 亿美元。Freeberg 的核心问题是：当 AI 直接回答甚至完成任务，Google 能否建立足以接替搜索点击广告的消费者 AI 收入？
💡 即便搜索量增加，如果每次搜索产生的广告收入和未来增长预期下降，市场仍可能下调估值。另一方面，云业务成长意味着 Alphabet 不再只能依赖搜索。
⚡ 节目中的跌幅、市值损失、财报口径及云业务数字需对照原始财报和交易记录。搜索增速放缓本身不能证明 AI 已造成搜索收入下滑。
💬 Chamath 引用一位自称长期大量投放 Google 广告的发帖者，质疑广告拍卖机制变化是否提高了 Google 从点击中获得的收入。他担心，如果广告主后来发现回报不及支出，便会缩减预算；他建议 Google 投资者关系团队公开回应。
💡 广告平台的短期收入，取决于竞价机制；长期收入，则取决于广告主能否持续获得回报。两者若脱节，漂亮的当期数字未必可持续。
⚡ 嘉宾明确表示自己不知道帖子指控是否属实。单一广告主经验、社交平台评论及对拍卖规则的推断，均不足以证明 Google 更改了机制或误导市场。
💬 在转入选举话题前，Sacks 反驳「搜索收入占比跌破一半就意味着崩盘」的说法：按他引用的数据，搜索收入仍从约 560 亿美元增至 630 亿美元，同比增长 12%；占比下降，也可能因为云等其他业务增长更快。Jason 则表示自己在录制时买入了 Google 股票。
💡 分析业务组合时，必须同时看绝对收入和收入占比。占比下降可以是核心业务萎缩，也可以是其他业务壮大，不能只凭一个比例下结论。
⚡ 嘉宾没有证明搜索未来一定稳固；Jason 的个人交易也不是投资建议。节目提及 Alphabet 对其他公司的持股比例，同样需要以正式披露核查。
💬 Chamath 倾向于预测民主党赢得众议院、共和党保住参议院，并认为州长选举会影响电力与数据中心审批。Sacks 警惕民调偏差，但也承认执政党在中期选举失利并不反常。Jason 则引用预测市场约 68%的民主党赢参议院概率、约 92%的赢众议院概率，预测民主党拿下两院，并推演随后的调查及政治对抗。
💡 本集把选举结果与 AI 基建联系起来：联邦调查和立法固然重要，州及地方层面的许可、供电决策，也可能直接影响数据中心投产。
⚡ 民调和预测市场都不是结果；「某党派将故意拖慢经济」或「必然启动弹劾」属于政治情景与动机猜测。不同嘉宾甚至对参议院归属给出了相反预测。
「最后一个框是我假设的。我假设是两到十倍；我不知道。」——Freeberg，谈客户使用 AI 的投资回报。
「公司风险可以逐季查看；市场风险则更难定价。」——根据 Chamath 对两类 IPO 风险的讨论意译。
「搜索的相对占比下降，但绝对收入仍在增长。」——根据 Sacks 对 Google 数据的解读意译。
