AI 热潮正推动企业押下更大的赌注

原标题The AI Boom Is Pushing Companies Toward a Bigger Bet

All-In 主持人讨论 AI 是否有利于整合型巨头、开放模型为何重要,以及市场仍面临哪些风险。

JCJason Calacanis主持
频道
All-In Podcast
发布
2026年11月20日
视频
1:16:41
阅读
14 分钟
原文
英语
在 YouTube 打开
往下滚动阅读时,视频会缩到右下角继续播放。字幕跟随阅读语言。
阅读语言共 2 种语言可读
由 AI 从英语原文翻译。打开“对照原文”可以逐段核对。
摘要

30 秒看懂

Chamath Palihapitiya 预计,AI 将催生少数覆盖应用、模型、数据中心和电力的企业;他认为现有企业应当投资或收购,而非依赖股票回购。David Friedberg 认为开放模型能制衡权力集中,Jason Calacanis 则预计 AI 智能体普及会扩大需求。主持人对市场看法不同:Palihapitiya 因通胀和不确定性而谨慎,Calacanis 则看重潜在的生产力提升。

  1. 1AI 可能奖励拥有从基础设施到应用全链条的企业Palihapitiya 预计将出现少数整合型企业,并认为土地和电力是关键限制。
  2. 2现金创造能力可能比软件或服务标签更重要Palihapitiya 认为,随着 AI 改变商业模式,投资者应关注利润率和现金流。
  3. 3强劲的 AI 业务仍可能面对疲弱市场Palihapitiya 认为通胀、长期利率和不确定性威胁估值;Calacanis 则预计 AI 使用增长会扩大需求。
  4. 4Friedberg 认为最大机会在于尚未解决的问题他说,科学和工程进步可能比只用 AI 降低现有成本更有价值。
  5. 5拟议披露规则引发开放模型之争主持人反对限制中国开放模型,认为本地使用和竞争对企业控制权及更广泛的市场很重要。
  6. 6主持人对 Nvidia 事件能推断出多少存在分歧Palihapitiya 和 Friedberg 说太多事实尚未厘清;Calacanis 则提出自己的猜测。

要点建议

  1. Palihapitiya 预计,八到十家 AI 综合企业将整合从基础设施到应用的各个环节。
  2. Friedberg 认为开放模型能让企业保持控制权,并帮助防止 AI 权力集中在少数人手中。
  3. Palihapitiya 认为技术采用强劲本身不能证明股价已经触底。
  4. Friedberg 认为,AI 在新科学和工程解决方案中的价值可能高于单纯节省成本。
全文

按章节阅读整理后的全文

只看原始文稿
01

整合型 AI 综合企业的理由

Palihapitiya 预测,少数企业将覆盖应用、模型、计算和电力。他认为现有企业必须投资或收购才能竞争。

Chamath Palihapitiya 预计,未来十年 AI 将催生八到十家大型综合企业。在他的设想中,每家企业都会覆盖应用、支撑应用的模型、数据中心、土地和能源。他认为 Palo Alto Networks 收购开放模型团队,是企业向现有业务之外扩张的例子。

Palihapitiya 说,市场奖励了一家收购 AI 业务的安全公司,说明投资者希望老牌企业下更大的赌注。他预计 Anthropic 等大型企业会同时向基础设施和应用领域延伸,而不是停留在产业链的单一环节。

他认为,对不同类型计算硬件的需求将削弱 Nvidia 异常强大的定价能力。在他看来,土地和电力将是企业构建这一垂直整合体系的重要限制。

Palihapitiya 说,股市实际上正在决定哪些老牌企业能成为整合型竞争者。他认为,即使现有业务仍然盈利,没有完成转型的企业也可能看到资金流向别处。

他认为,拥有充裕现金流、却既不投资模型也不建设基础设施的公司,可能失去投资者,让他们转向愿意承担更大风险的企业。Jason Calacanis 则问,当智能体能按需创建功能时,软件产品意味着什么。

02

Anthropic 的发行对企业战略意味着什么

主持人讨论了据报道的发行,以及 AI 可能如何改变企业分类。他们对企业何时应回购股票而不是投资存在分歧。

主持人讨论了 Anthropic 的公开发行。Calacanis 说,投资者在 2 万亿美元估值下踊跃认购。他欢迎市场能看到一家主要模型供应商的公开财务信息,并与云服务和芯片公司的数据一同参考。

Palihapitiya 认为,随着 AI 改变商业模式,软件和服务等标签将不如财务表现重要。他说,比起经济效益较弱的软件公司,他更愿意持有一家利润率和现金创造能力都极高的服务企业。

Calacanis 问 Friedberg,一家覆盖所有这些环节的公司能否调整利润来源,例如免费提供软件,却在基础设施上赚钱。他将这一观点与几家大型科技集团组合业务的方式作比较。

Calacanis 认为,综合企业可以在硬件、基础设施和应用之间调整利润分配。David Friedberg 将 AI 转型比作互联网迫使企业重新思考运营方式,并预计随着数字智能普及,行业边界和供应链也会改变。

Friedberg 说,目前大量使用这些工具的人和公司仍然相对较少,因此普及仍有空间。在他从事的农业领域,他看到一些流程可以从第一性原理出发重新设计,而不只是实现数字化。

Palihapitiya 批评企业在技术剧变时期回购股票:他认为高管应当用现金建设或收购新能力。Calacanis 说,回购长期以来支撑着每股收益和股价,同时也承认基础设施投资有吸引力。

Calacanis 说,政治环境可能影响大公司进行收购的能力。Friedberg 回应说,任何拟议交易都应与回购公司自身股票的价值进行比较。

Friedberg 说,如果公司股票被低估,回购可能是合理选择;判断收购时,则应比较公司用同一笔资金能够创造的价值。Palihapitiya 认为,更重要的问题是一笔交易能否在未来几年打开战略性的新业务,而不只是能否立即增加收益。

Palihapitiya 说,一些股东仍然过于关注收购能否立即增加收益。他希望管理者考虑交易能否帮助公司在未来几年进入新业务。

Palihapitiya 怀疑现有大型企业是否完全了解下一代应用应是什么样。他建议收购真正理解这一点的小团队,并说自己会青睐明确承诺用现金流应对颠覆的首席执行官。

Calacanis 赞同建设数据中心和创造智能的能力可能是合理的资本用途。Palihapitiya 回应说,企业可能仍需通过收购进入由小团队创造的应用领域。

03

增长潜力不能解决估值问题

Friedberg 看到 Anthropic 的增长空间,Palihapitiya 则担心宏观经济状况。Calacanis 预计智能体使用量将大幅增加,但他关于市场何时复苏的判断受到质疑。

谈到 Anthropic 的估值,Friedberg 说他听到的消息是公司增长超过内部预期,并认为它还有很大空间触达更多企业客户。他认为其企业产品有竞争力,同时将开放模型视为可能的竞争风险。

Friedberg 推测,模型的改进速度可能快于人类评估其安全性的速度。他说,如果一家供应商能够持续降低获得同等智能水平的成本,就可能建立难以匹敌的优势。他把这视为一种可能的结果,而非已经证实的事实。

Friedberg 说,模型提高效率的潜力是吸引投资者的原因之一。他仍然认为开放模型构成竞争威胁,并预计主要供应商会继续争夺高级应用市场。

Friedberg 也区分了公司业务和股票:可交易股票的供应量、剩余需求以及投资者的持有期限都会影响价格。他认为长期持有有潜力,同时承认价格最终由市场决定。

他说,投资者需要区分长期持股需求和可能很快卖出的首日买家。即使一家企业增长迅速,交易供需也会影响市场给它的估值。

Palihapitiya 同意 Anthropic 可能成为他预测的大型整合企业之一,并说新融资降低了其资产负债表风险。但他并不声称知道正确的估值,也不认为首日交易能说明太多。

他眼下更担忧的是整体市场。他列出持续的通胀、较高的长期利率、冲突和政治不确定性,认为即使企业收益强劲,这些因素也可能让投资者减少风险敞口。

Calacanis 将债务、通胀、政治更替和可能出现的监管列为市场面临的障碍。他的反驳是,工作场所的技术采用仍处于早期,还有很大增长空间。

Calacanis 对技术持更乐观的看法。他预计 AI 的使用会从初创公司扩展到大型组织,现在每天只花几分钟使用工具的人,最终可能每天与智能体共事数小时。

Calacanis 预测,随着员工协调多个智能体,token 用量将大幅增加。他说,自己投资的初创公司已经大量使用这些工具;Palihapitiya 则质疑,采用速度加快是否意味着股价已经触底。

Palihapitiya 承认当前 AI 使用量可能远低于其潜力,但他说,这并不能证明市场已经见底。他预计,更高的利率会对股票价值产生数学上的影响。

为了说明自己的乐观判断,Calacanis 设想,如果一名员工的生产力大幅提升,雇主会愿意为其 AI 订阅支付更多费用。他预计人均收入会上升;Palihapitiya 说,市场仍希望看到这些结果的证据。

Calacanis 预计,随着 AI 支出增加,知识工作型企业每位员工创造的收入会更高。他说,这是自己观察初创公司后形成的信念,而不是数学上的确定结果。

04

新问题可能比削减成本更重要

Friedberg 预计,最大的收益来自解决此前难以攻克的科学和工程问题。他也承认,参与机会不均可能引发政治反弹。

Friedberg 认为,最大的机会不只是降低现有流程的成本,还包括用 AI 解决人类此前无法解决的科学和工程问题。他以新药和新材料为潜在价值的例子,而不是已经取得的突破。

Friedberg 说,只计算用 AI 产出相同结果的回报率,可能会掩盖它创造全新事物的潜力。他将渐进式节省成本与追求新药或新材料作了对比。

Friedberg 认为,新行业可能在旧工作消失之前吸引劳动力和资本,因此他对简单的大规模失业叙事持怀疑态度。他也承认经济收益分配不均,那些没有从新领域受益的人可能反对它。

主持人考虑了 AI 收益分配不均如何助长政治反对。Friedberg 说,看到新领域正在形成却没有分享到收益的人,可能更愿意阻止它。

05

披露规则可能给开放模型带来什么

主持人讨论了一项据报道要求披露中国模型使用情况的提议。他们辩论了使用权、安全以及本土开放模型投资背后的激励。

Calacanis 转向一项据报道正在白宫讨论的要求:企业须披露是否使用中国开放模型。他说,当时尚未宣布决定,并提到国会向 Airbnb、DoorDash 和 Cursor 等公司发出的信件。

Calacanis 说,这一提议可能要求企业在网站上进行披露。他问为什么此时会出现这样的想法,但表示该提议尚未敲定。

Palihapitiya 怀疑,如果开放模型能降低成本、让企业控制自己的技术,披露标签是否会阻止企业使用它们。他认为,政策制定者需要技术专业知识,才能理解在本地运行开放模型意味着什么。

Palihapitiya 认为,企业希望控制成本并保有对自身信息的掌控。在他看来,拒绝更便宜的替代方案,对企业竞争地位的损害可能比网站上的披露更大。

Friedberg 反对限制开放模型,认为这可能让少数公司和政府机构集中过多控制权。他将这一选择与早期开放软件项目作比较:那些项目让其他开发者能够构建封闭系统的替代品。

Friedberg 说,开放软件可以复制和修改,开发者因此能构建相互竞争的产品。他认为开放 AI 面临类似选择:个人和企业能否在少数供应商之外使用技术。

Friedberg 说,当模型权重以匿名方式发布时,很难确定模型来自哪个国家或地区。他区分了可下载的模型权重和运行这些权重的软件,并认为企业应测试整合进自身产品的工具。

他说,模型权重是在独立环境中使用的数据,并认为用户可以检查和测试自己部署的东西。他反对把来自某个地区的所有模型都视为本质上不透明。

Calacanis 认为,据报道的披露讨论、Nvidia 的领导层争议以及与封闭模型开发者的竞争之间可能有关联。Palihapitiya 提出不同解释:围绕中国的争论涉及权力和意识形态,结果取决于政策制定者是否认为开放模型让中国受益。

Calacanis 认为开放模型与专有模型之间可能存在政治斗争。Palihapitiya 则认为,政策制定者对使用开放模型有利还是有害于中国存在分歧,并强调了意识形态的作用。

Palihapitiya 问,资金充裕的美国科技公司为何没有更早建立更强的本土开放模型替代方案。Calacanis 指向奖励专有实验室研究人员的激励机制;Friedberg 补充说,承诺提供封闭产品的私营公司更容易吸引资本。

主持人讨论了研究人员面临的激励。Calacanis 指出前沿实验室提供的薪酬极高,而 Friedberg 认为,拥有清晰商业计划的封闭模型更容易筹集私人资本。

Friedberg 认为,在模型开发上落后的公司可能有动力广泛开放模型,并在产业链其他环节赚钱。Palihapitiya 同意这一策略听起来合理,但问为何先前的投资没有带来更好的成果。

Palihapitiya 问,拥有资金和技术人员的美国大公司为什么没有更早为开放替代方案投入更多。其他主持人认为有些公司尝试过,但这项工作已证明十分困难,需要时间。

Palihapitiya 想知道,已经在前沿实验室赚到大量钱的研究人员是否可能离职,转而以更偏非营利的方式开发替代方案。Calacanis 说这是有可能的,但两人都没有将它视为确定的预测。

Calacanis 认为,资金充裕、希望追赶的公司可以支持开放模型,同时从芯片或应用中获取收入。Palihapitiya 说,事后看来这一逻辑很清楚,但他仍然质疑为何结果没有达到预期。

06

Nvidia 领导层争议与猜测的局限

Calacanis 描述了公司的近况和公开呼吁员工采取行动的声音。Palihapitiya 和 Friedberg 说重要事实仍未厘清,主持人对市场风险的看法也仍有分歧。

谈到 Nvidia,Calacanis 描述了公司股价下跌、据报道的强劲收益以及领导层变动后的不确定性。他还说公司面临法律审查和员工担忧。主持人对外界是否掌握足够信息来解释事态存在分歧。

Calacanis 说,Nvidia 的代理领导层强调融资将更有选择性,并描述了其对华做法的变化。他还讨论了据报道的法律调查和员工反应;其他主持人则呼吁谨慎判断领导层变动的原因。

Calacanis 播放了一段前 Uber 负责人 Travis Kalanick 的讲话:Kalanick 说请愿有用,但建议员工走出工作岗位,以更有力地支持 Jensen Huang。Calacanis 将此作为业内人士的一种反应。

Palihapitiya 称 Huang 是一位出色的创始人,但认为重大问题尚未解决时,上市公司董事会不能简单地让他复职。他说即将举行的国会听证会很重要,并批评基于不完整信息的猜测。

Palihapitiya 说,董事会的立场也影响公司及其股东。他预计即将举行的听证会意义重大,并说公开活动无法解决尚未得到回答的治理问题和可能的法律风险。

Friedberg 说,直接涉及此事的个人和机构尚未提供足够信息,让他判断 Huang 离职的原因。Calacanis 希望依据报道形成看法,但 Friedberg 不愿将报道视为第一手证据的替代品。

Friedberg 拒绝在直接涉事者尚未提供他希望看到的证据时,从媒体报道中得出结论。Calacanis 回应说,即使结果仍不确定,讨论各种可能性也是播客的一部分。

Calacanis 猜测中间商可能转售了计算设备,并明确表示这只是猜测。Palihapitiya 说,缺乏已确定的事实正是他不作结论的原因。

Friedberg 再次表达担忧:AI 可能被少数公司控制。他认为,无论 Nvidia 的情况由什么引起,不同政治立场的人都应支持竞争和开放模型的使用。

Palihapitiya 指出 Anthropic 和 Palo Alto Networks 当天上涨是市场信号,同时对整体市场保持谨慎。他重申,投资者正在奖励那些对自己认为重要的技术进行大规模投资的企业。

Calacanis 和 Palihapitiya 区分了各自的做法:Calacanis 对产品和长期采用前景乐观;Palihapitiya 则说,尽管看到市场奖励某些大型 AI 投资,他仍在降低风险敞口。

他指出,尚未解决的经济压力、Nvidia 改变融资做法可能带来的影响,以及其他干扰因素,都是他保持谨慎的理由。Calacanis 回应说,自己的长期判断基于产品、管理层和市场需求。节目结束时,主持人仍未就市场方向达成一致。

同频道的其他文章

2 张幻灯片1:02:06EN → 简体中文
All-In Podcast· 2026年11月17日播客 · 2 人对谈Ali Ghodsi:企业应用 AI 的瓶颈在于上下文嘉宾 Ali Ghodsi · 主持 Jason CalacanisDatabricks 首席执行官认为,组织需要让 AI 获取可用知识,同时管理安全、成本和控制权。企业 AIAI agentsData quality & curation+2
幻灯片1:24:55EN → 简体中文
All-In Podcast· 2026年11月14日播客 · 4 人对谈黄仁勋离任后,Nvidia 的 AI 投资引擎面临考验主持 Jason Calacanis, Chamath Palihapitiya, David Sacks, David FriedbergAll-In 主持人讨论 Nvidia 换帅、AI 芯片管制,以及投资放缓可能如何影响 Anthropic。SemiconductorsGeopoliticsInvesting+2
2 张幻灯片1:33:03EN → 简体中文
All-In Podcast· 2026年11月7日播客 · 4 人对谈All-In 主持人讨论中期选举与 AI 基础设施争议主持 Jason Calacanis, Chamath Palihapitiya, David Sacks, David Friedberg嘉宾对选举结果的原因、数据中心的未来以及谁将控制 AI 算力存在分歧。经济学AI Regulation基础设施与部署+1
1:25:46EN → 简体中文
All-In Podcast· 2026年10月30日播客 · 4 人对谈All-In 谈 Anthropic 上市、AI 基础设施和美国中期选举主持 Jason Calacanis, Chamath Palihapitiya, David Sacks, David Friedberg主持人分析 Anthropic 的上市文件,讨论 AI 基础设施热潮的成本、Alphabet 业务,并给出不同的中期选举预测。AnthropicAI StrategyInvesting+2
55:39EN
All-In Podcast· 2026年10月29日播客 · 2 人对谈Will Ahmed on WHOOP’s Subscription Model, Health Data and Wearable Strategy嘉宾 Will Ahmed · 主持 Jason CalacanisThe WHOOP CEO discusses the company’s business model, physiological data, AI features and its account of interactions with the FDA.EntrepreneurshipAI AdoptionPersonal Finance
2 张幻灯片1:43:22EN → 简体中文
All-In Podcast· 2026年10月23日播客 · 4 人对谈AI 安全、投资与法国未来的争论嘉宾 Nikesh Arora · 主持 Jason Calacanis, Chamath Palihapitiya, David FriedbergAll-In 主持人与 Nikesh Arora 讨论网络安全和 AI 支出,随后辩论法国动荡、公共服务及美国政策。AI security企业 AIInvesting+2