这集讲什么
Planet Labs 的 Will Marshall 与 Cerebras 的 Andrew Feldman 主张上市后仍要靠执行创造价值，而太空算力的能源账与芯片推理速度将决定下一轮增长。
1-3要点
- IPO 增加资金、流动性和对外沟通责任，却不会自动修复产品、供应链或工程进度。
- 对依赖持续交付的客户，上市公司的资本可得性与存续信号可能具有商业价值。
- Planet 的论证建立在约 200 颗卫星每日成像所形成的时间序列，而不只是单次卫星照片。
0:00 / --:--
All-In Podcast · 6 月 6 日
本期嘉宾深入探讨了Anthropic计划进行2万亿美元IPO的市场意义、AI行业竞争格局的演变，以及亚马逊外包用工模式面临的法律挑战。
Planet Labs 的 Will Marshall 与 Cerebras 的 Andrew Feldman 主张上市后仍要靠执行创造价值，而太空算力的能源账与芯片推理速度将决定下一轮增长。
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· 2026-08-14Anthropic 的 2 万亿美元 IPO、Zuck 的 AI 宣言、英伟达 5000 亿美元的 AI 豪赌、Grok 的回归Anthropic's $2T IPO, Zuck's AI Manifesto, Nvidia's $500B AI Bet, Grok's Comeback同一位嘉宾：David Sachs
a16z Show· 2026-08-31Gavin Baker：为什么 AI 需求增长快于算力供给Gavin Baker: Why AI Demand Is Outrunning Compute Supply同一位嘉宾：Gavin BakerAll-In Podcast· 2026-06-02OpenAI CFO Sarah Friar：IPO、AI 竞争、新设备，以及在算力上花费超过 1000 亿美元All-In Podcast
The IPO Comeback: Why Tech Giants Are Finally Going Public | All-In Liquidity IPO Panel
音频
这场讨论把两种上市经历放在一起：Feldman 谈 Cerebras 刚完成上市后的繁重流程与内部反应；Marshall 谈 Planet Labs 通过 SPAC 进入公开市场后，投资者如何逐渐理解卫星数据业务。两家公司分别处在 AI 算力与地球观测的交叉点，也因此把话题从 IPO 延伸到芯片架构、现实世界数据，以及把计算设施送入太空的可能性。
访谈还有一条贯穿始终的资金问题：上市为公司和早期股东提供了什么，风险投资者应何时把股票分配给出资人，以及若公司更早上市，后续增长会由谁获得。
本集最有价值的对照，不是两位 CEO 都赞成上市，而是他们把“上市成功”拆成了不同层次。Feldman 说，IPO 准备充满会议和文件修改；敲钟翌日，工程项目并不会自动前进，供应商关系也不会自动改善。但他也看见，陪公司走过九年多的员工及家属把这件事当作重要的认可。Marshall 则强调另一面：对依赖长期卫星信息的农业客户和政府而言，公开上市增加了公司会持续存在、必要时能取得资本的可信度。资本、信任和员工士气可能改变，执行工作仍须继续。
技术部分形成了本集最鲜明的分歧。Marshall 从每天覆盖地球的影像数据，推到 AI 降低使用门槛，再推到太空数据中心。他给出发射成本、太阳能供给和预期时间表，认为计算迁往太空终将具有成本优势。Feldman 不否认方向，却指出把 GPU 送上去与建立需要相互通信的计算集群是两回事；即便在地面，后者也不容易。这使“何时更便宜”与“何时能稳定完成所需计算”成为两个不能混同的问题。
最后，IPO 被重新放回收益分配的视角。Planet 的讨论案例显示，显著增值可能发生在上市之后；但嘉宾也指出，若巨型公司在私募阶段已累积极高估值，公开市场还能获得多少同等幅度的增长，就不那么显然。读者可把本集的价格、性能和市场规模数字当作值得追问的假设：先辨认谁提出了数字，再问比较口径、实现条件与受益者是谁。
💬 他们说了什么：Feldman 说，上市准备可能出现一场 Zoom 会议有 130 人参加、文件反复修改却少有实质进展的情况。上市次日，公司没有因此多卖产品，工程项目也没有自动前进；变化是账上资金增加，并须与新的股东沟通。Gerstner 回顾 Cerebras 艰难的上市路径，并称其 IPO 定价为每股 185 美元、开盘约 320 美元，讨论当天约 230 美元，市值约 500 亿至 600 亿美元。
💡 为什么重要：IPO 是融资和治理节点，不是产品交付的替代品；股价首日表现也不能代替对长期业务的判断。
⚡ 争议点：上述价格和市值由嘉宾现场陈述，且开盘价前有“我想”的限定；投资者背景对上市过程的影响也只是现场回顾。
💬 提问者称 Planet 股价在此前 12 个月从约 5 美元升至约 50 美元。Marshall 说，上市让早期员工与投资者取得流动性，也为公司带来资金。对农业大客户、民事政府以及国防和情报客户而言，公开上市还传递了公司不会轻易消失的信号；他称自己不以单日股价为经营目标。
💡 长期采购数据服务的客户不仅买功能，也在判断供应商能否持续交付。市场认识一家公司的时间，可能晚于它进入公开市场的时间。
⚡ 股价涨幅来自现场提问；它与客户信任之间不能直接画出因果关系。
💬 Marshall 称 Planet 拥有约 200 颗地球成像卫星，每天拍摄整个地球，并保留可供时间序列分析的历史影像。他将用途列为农业、能源、洪水与火灾应对，以及安全领域；当被问及客户收入构成时，他说安全业务目前约占收入的 60%。他认为持续观测可帮助客户提前数周或数月发现威胁，但不愿把公司仅定义为军工企业。
💡 反复拍摄同一地点，价值不只在一张新图，而在识别变化；收入构成又会影响外界如何理解公司的实际业务重心。
⚡ “安全业务”不宜直接改写为“纯军事收入”。提前预警能否减少冲突，是 Marshall 的判断，而非本集验证的结果。
💬 Marshall 称过去 10 年火箭发射成本下降约四到五倍。他认为同样关键的是卫星小型化：过去可重达 20 吨、耗资 10 亿美元的卫星所承担的工作，如今可由重数公斤、数十公斤或数百公斤的设备完成，甚至做得更多。他把这种变化比作计算机从大型机走向桌面机。
💡 更低的发射门槛与更小的设备相互作用，才让持续观测及更多应用有了扩展空间。
⚡ 这是一组跨代技术类比，不表示任何小卫星都能逐项替代过去的大型卫星。
💬 Marshall 估计，地球观测数据对应约 750 亿至 1000 亿美元的市场。他认为近期机会是把大型语言模型用于地球影像，让农业、能源、政府及许可审批等场景更容易提取信息。他以 Planet 的数据采集，以及 SpaceX、Starlink、OneWeb 的数据传输为例，描述卫星能力从主要由政府使用走向更广泛的用户。
💡 即使太空数据中心尚未成熟，现有影像与 AI 的结合也是一条可单独讨论的应用路径。
⚡ 市场规模是 Marshall 的估算；模型降低使用门槛，不等于具体场景已经实现其预期效率。
💬 Marshall 说，Planet 与 Google 约八九年前研究过地面与太空数据中心成本，得到的门槛是发射成本约每公斤 200 至 300 美元；他称当下约为每公斤 1000 美元，并预计在 Starship 带动下，两三年内可能降至门槛附近。他还提出，在特定晨昏太阳同步轨道上，太阳能板可持续面向太阳，单块板的发电量约为地面的五倍，从而减少对电池等设施的需求。Planet 已将部分 GPU 送入太空，并计划与 Google 进行 TPU 的早期测试；Marshall 进一步预测，十年内大部分计算会部署在太空。
💡 他的核心论证不是“太空更酷”，而是发射成本下降能否抵过持续供电的优势；测试设备与建立大规模算力设施则是不同阶段。
⚡ 每公斤成本门槛、两三年预期和“十年内大部分计算”均属于发言者的模型或预测，不能当作已兑现的经济性。
💬 Feldman 认为，太空计算仍有重要难题，尤其是建立计算所需、能够彼此通信的集群；他指出这件事在地面也并不容易。他支持投入资金实验，却给出比 Marshall 更审慎的时间判断，并以自动驾驶作类比：最后一小段问题可能耗去很长时间。他认为降低发射成本是反复试错、获得答案的前提。
💡 比较地面与太空的供电成本之前，还须确认目标计算任务能否在太空系统中完成。
⚡ Feldman 没有给出替代性的成本测算或具体完工年份；自动驾驶只是说明技术收尾风险的类比。
💬 Feldman 说，计算机长期擅长处理数字，却主要只能存储图像和语言；约从 2015—2016 年起，AI 让图像理解与语言生成等任务进入可计算范围。他认为新工作负载会改变芯片竞争格局，并举图形计算催生专用 GPU、手机计算转向 Arm 架构等历史例子。Cerebras 当时押注两点：AI 会大量消耗算力，专用芯片也不应只复制 GPU 的形态。
💡 他的论点将 AI 芯片增长归因于计算对象的扩张，而不仅是既有任务需要更快硬件。
⚡ 历史上的份额转移提供了思考框架，不能证明本轮竞争必然重演。
💬 Feldman 把 AI 的根本瓶颈概括为将数据从存储器移向计算单元。Cerebras 选择制造他形容为“餐盘大小”的芯片，把存储器放在计算单元旁；他称在 OpenAI 使用的场景中，其速度比 GPU 快 15 或 18 倍。他用缓慢搜索、拨号上网和等待网页加载作类比，认为用户不会长时间等待 AI 回答。
💡 这把芯片差异落实到响应时间：速度若能改变交互体验，也可能改变哪些任务值得交给 AI。
⚡ “快 15 或 18 倍”缺少本集可供复算的任务、GPU 型号与成本口径，不能推广为所有工作负载的结论。
💬 Marshall 确认 Planet 于 2021 年通过 SPAC 上市；提问者称当时估值约 20 亿美元，并认为其大部分后续价值在上市几年后形成。Marshall 说多数早期投资者继续持有，Google 一股未卖；Gerstner 则举 Mongo 案例，称其机构上市前约以 10 亿美元估值投资、在约 30 亿至 40 亿美元时分配股票，其后公司市值曾升至约 500 亿美元。谈及 Cerebras，他还描述一种约六个月内、依表现门槛逐步解除限制的股票锁定安排；Feldman 主张，投资者可投入的资本及获利机会在上市后仍可能扩大。
💡 上市提供流动性，却不替投资者决定卖出时点；基金出资人的分配需求，与继续持有股票的潜在收益可能冲突。
⚡ 嘉宾依据案例和自身经验谈上市后收益，不构成普遍回报规律；具体锁定安排也需以正式文件核对。
💬 Gerstner 认为，如果 Cerebras 约 18 个月前以约 100 亿美元而非讨论时约 500 亿美元的估值上市，其间约五倍增长就会发生在公开市场。他说部分投资组合公司重新考虑在约 10 亿、30 亿或 50 亿美元估值时上市，而非长期保持私有。他还主张，公开市场对交付成果的审视可促使团队聚焦，并让更多投资者参与；Marshall 则提醒，若公司到极高估值才上市，要获得同等倍数的后续增长，所需的终点估值也会极高。
💡 上市时点不仅是公司的融资选择，也是增长收益在私募与公开市场投资者之间的分配选择。
⚡ Cerebras 的“若提前上市”是反事实推演；关于其他巨型公司上市及估值的说法，不应读作已确定事件。
💬 Marshall 说，吸收互联网文本的模型已经很强，却不了解某块农田、某场洪水或某地安全态势；他形容它们对现实世界是“盲的”。若加入持续获得的现实数据，他设想模型可以回答现实问题，并提出“大型地球模型”和“行星智能”的说法，将太空中的感知与计算设施连在一起。他也承认，与他人对具体实现时间可以有分歧。
💡 这为 Planet 的卫星数据与前述算力构想提供了共同目标：让模型依据不断变化的地球状态工作。
⚡ 这些名称是愿景表述；本集没有展示相应系统的完整能力、成本或可靠性。
中：上市次日，你并没有因此多卖产品，工程项目也没有自动取得进展。 EN: “The next morning you've sold no more stuff. Your engineering projects have made no progress.”
中：我们把上市时机选对了，办法是此前十年一直没选对。 EN: “The answer is by getting it wrong for a decade.”
中：AI 的根本问题，是把数据从存储器移到计算单元。 EN: “The hard part is moving data from memory to compute. This is the fundamental problem in AI.”
中：把 GPU 放进太空之后，仍有一两个难题尚待解决。 EN: “There are, with all due respect, one or two hard problems still left beyond putting GPUs in space right now.”
中：它们不了解现实世界；我称它们为盲的。 EN: “They don't know shit about the real world. I call them blind.”
本集可以用两条“转换链”来读。Planet 的链条是：卫星持续采集地球影像，形成可比较的时间序列；AI 降低从影像中提问和取得信息的门槛；若未来太空计算可行，部分处理还可能靠近数据采集处发生。第一步是 Marshall 描述的现有业务，后两步则含不同程度的应用判断与技术预测，不能合并为一项已完成的产品。
Cerebras 的链条是：AI 让图像与语言成为大规模计算任务；计算需求随之扩大；若瓶颈在数据搬运，芯片形态便值得重新设计。Feldman 的速度主张，最终仍需放到具体任务、整套系统与成本中衡量。两条链在结尾相交：要让模型回答农田、洪水或安全态势的问题，既需要及时的现实数据，也需要足够快、足够可靠的处理能力。
IPO 讨论为这两条技术链增加了时间维度。公司可以在技术尚未完成时进入公开市场；上市后的资本和审视可能帮助它继续建设，也使投资者必须面对更长的持有期。技术愿景有多远，与一家企业何时适合上市，是相关但并不相同的问题。
