AI 基础设施热潮遭遇收入与投资需求的约束

简短开场后，主持人转向预期中的 Anthropic 上市和波动的 AI 基础设施市场。他们区分了所称已公布的价格区间与自己对最终定价和交易表现的预测。

主持人称初始区间为每股 70 至 78 美元，估算隐含估值约为 1.3 万亿至 1.4 万亿美元。其中一人预计，随着需求得到评估，区间可能上调，最终定价也可能更高；这是预测，并非已经完成的发行。

他们讨论了按区间高端计算可能募集 600 亿美元及预期定价时间表，并指出细节仍可能变化。他们还说，修订后的申报文件显示，截至十月底年化收入运行率为 810 亿美元，高于前一个月。

他们讨论了十月增长强劲的消息和最近发布的模型。主持人将可能上市前后发布新模型的时间安排视为市场叙事的一部分，而不是证明两者存在因果关系。

主持人说，十月期间，月度增长情况曾在非正式交流中被讨论。他们将投资者对增长的关注与近期模型发布联系起来，同时承认市场预期可能快速变化。

从每日头条中抽身后，他们说此前预期的大方向——收入快速增长和可能上市——比围绕它出现的情绪剧烈波动更不令人意外。他们提醒，社交媒体报道可能放大危机感或狂热感。

他们回顾科技报道中的一种模式：市场参与者一周说 AI 交易已经结束，下一周又预测将出现规模巨大的公司。一位主持人说，他已不再直接使用某社交媒体应用，因为这种循环让人难以保持全局视角。

被问及上市会是小幅成功、大获成功还是遭遇困难时，一位主持人预测，最初几个月可能先后出现这三种看法。他预计对冲基金会有需求，但也说股价可能波动。

主持人说，吸引前沿实验室投资者的一个预期是，如果增长持续，经营杠杆会显现。这一投资逻辑依赖增长假设；他们还指出，股价既反映投资需求和叙事，也反映财务指标。

一位对冲基金投资者告诉其中一位主持人，最终推动股价的是买入需求。主持人用这一点解释，即使一家成熟上市公司拥有大量财务数据，有说服力的叙事仍然重要。

他们预计，波动将成为 AI 实验室的结构性特征。当价格或模型质量变化时，API 客户可能转换供应商；这不同于他们认为旧软件业务较可预测的经常性增长。

主持人将 AI 实验室与历史上通过相对可预测的销售能力和订阅模式销售的软件公司对比。他们认为，如果 AI 收入持续更加波动，即使增长率相当，投资者也可能给予不同估值。

一位主持人将 AI 实验室的可能结果范围，与他预计成熟消费品公司较窄的结果范围作比较。在他看来，新信息可能让投资者在截然不同的预期之间迅速转向，而不只是调整稳定预测。

主持人讨论了一项涉及 Nvidia 首席执行官 Jensen Huang 和一名涉嫌中国间谍人员的指控。他们明确称该人员为涉嫌者；讨论中没有证实相关事实。他们关注的是对芯片政策和开源生态的潜在影响。

他们将 Huang 描述为开放模型和向中国销售芯片的支持者，并推测争议可能使这种倡导更加困难。他们还讨论了围绕模型蒸馏的限制和压力，认为这可能影响生态。

主持人说，重要问题不仅是争议对一名高管的影响，还包括它对初创企业生态意味着什么。他们推测，如果企业更难获得一位重要倡导者或投资者的支持，多个国家的开放模型公司可能受到影响。

主持人使用“让互补品商品化”这一说法：当许多模型和推理供应商竞争、进而增加硬件需求时，芯片供应商可以受益。他们认为 Nvidia 对广泛生态的支持符合这种激励。

一位主持人推测，Nvidia 领导层发生变化可能阻碍开源初创公司，但他说自己没有资格判断是否应该发生这种变化。主持人承认，指控的范围和后果仍待查明。

主持人还指出，公众反应和网络叙事可能限制商业领袖能够有效倡导的主张，即使分析师能为出口和平台更广泛采用提出理由。他们将其作为自己的预期，而非已经确认的政策变化。

他们推测，如果 Nvidia 的地位或倡导作用减弱，闭源模型供应商和竞争芯片公司可能受益。他们对美国开放模型的影响略有分歧：即使重要倡导者不再积极发声，更强的战略需求也可能形成支持。

一位主持人认为，如果获得中国模型变得不那么可靠，美国开放模型开发的战略重要性可能上升。另一位认为，持续的国内支持可能抵消部分压力。

主持人说，中美之间芯片流动可能受到限制是另一个不确定因素。他们没有声称知道最终政策结果。

谈到 AI 投资链时，主持人描述了半导体和数据中心相关股票的下跌。他们说，一只半导体基金一个月内下跌超过 20%，部分波动更大的基础设施股票下跌超过 40%；这些是他们针对所讨论时期给出的数字。

Randle 说，技术冲击刚出现时，投资者往往很难定价。随着公司报告快速增长，几个相关类别可能上涨，但分析师最终会集中使用某些指标，作为这类交易的共同基准。

Randle 说，冲击之后，由于分析师最初低估其影响，公司可能反复超出早期计划。随着机会变得更容易理解，投资者开始使用共同指标，价格相关性也可能提高。

他说，对 AI 基础设施而言，关键基准之一变成预期数据中心建设量，通常以吉瓦表示。在 AI 实验室收入快速增长期间，一些市场参与者将增长外推，得出非常庞大的未来支出预估。

他们回忆说，一度有观察人士把极快的 AI 月度收入增长外推到遥远的未来。主持人用这个例子解释，增长率变化时，数据中心建设预期为何可能大幅波动。

Randle 说，中国以外新增容量的市场预期从超过 70 吉瓦降至约 40 至 50 吉瓦。他认为这显著改变了基础设施需求预测，同时这些仍是估计，而非经核实的已建总量。

他认为，当前 AI 生态收入及增长尚不足以支撑未来两年正在考虑的全部支出。这可能降低资本支出预测，也会让人质疑已规划项目的回报。

主持人区分了现金流强劲的大型科技公司和更依赖债务的小型基础设施供应商。如果投资者怀疑项目回报且借贷成本上升，高杠杆运营商的再融资和持续经营可能更困难。

Altman 说，分析最终必须从购买词元的人和他们获得的价值开始。他认为 AI 已有有用应用，但当前能力距离取代所有白领工作或广泛处理现实世界任务仍很远。

主持人描述了一条从芯片、数据中心到模型推理和最终用户的链条。他们认为，在链条末端，客户必须获得足够经济收益来证明支出合理。

他预计，某项任务得到充分满足后，一些客户会优化成本，将工作转向更便宜的模型，而不是任由支出无限增长。这并不意味着支出消失，而是可能稳定在对客户经济合理的水平。

主持人看到未来增长可能有两个来源：尚未引入 AI 的经济领域开始采用，以及新模型能力让现有客户自动化更多工作。Altman 预计按一般标准看采用会很快，但不会无限期地呈指数增长。

Randle 解释投资者为什么把 AI 实验室收入作为领先指标：它会影响数据中心资本支出预期，进而影响芯片、电力和设备供应商。他将这种联系视为投资者的分析框架，而非精确的一对一等式。

模型供应商收入估计不等于整个 AI 领域的全部支出，但主持人认为它是市场参与者衡量最终需求的一种方式。他们将这一指标与最终流向硬件和基础设施供应商的订单联系起来。

他们提到一张比较超大规模云服务商资本支出与 AI 实验室年化收入的图，同时指出其中包含非 AI 支出，并非同口径比较。即使考虑这一差异，Randle 仍看到资本支出与当前 AI 收入之间有很大缺口。

Randle 估计 AI 实验室合计年化收入运行率低于 1500 亿美元，而超大规模云服务商年化资本支出约为 1 万亿美元。他提醒，后者包含 AI 数据中心之外的支出，因此比较并不完美。

Altman 预计，如果基础设施建设超前于需求，最终会出现暂停，但他无法判断时间。主持人还说，每吉瓦成本不可能无限上涨；持久市场需要价格、容量与客户获得价值之间达到平衡。

主持人说，硬件投资可能随年度需求涨跌，不同于某些软件业务较稳定的订阅收入。如果建设超过收入支撑能力，他们预计投资者最终会重新评估价格。

他们提出一种看跌情景：编程以外的收入需要更长时间发展，AI 资本支出放缓。他们也讨论一种看涨情景：研究人员可能在 12 至 24 个月内实现重大能力突破。他们称这是可能性，而非保证。

Altman 设想，未来机器人或生物学领域的突破可能改变经济需求并使市场剧烈波动。他说这样的结果很难提前定价，预计过程中会出现正面和负面冲击。

他们讨论的潜在突破包括递归自我改进和模型能力提升。他们将这种预期归因于部分研究人员以及自己对领域的观察；他们没有给出经过证实的时间表。

主持人转向他们所理解的美国中期选举结果，讨论政治变化对科技公司和数据中心监管可能意味着什么。这些评论反映录制时他们对事件的解读，并非独立核实的选举报道。

他们认为，许多美国人对 AI 和数据中心持负面看法，而科技公司在与受影响社区沟通方面做得不够。他们将就业、当地成本和财富集中列为行业必须认真对待的担忧。

他们认为，行业已在华盛顿建立联系，但需要与更广泛公众建立更强关系。在他们看来，不应简单告诉担忧就业或社区影响的人，他们不了解这项技术。

主持人担心，两极分化的政治环境可能让科技公司与华盛顿的关系更困难，国防相关企业也不例外。他们还指出，一些当选官员可能在竞选结束后调整立场。

主持人讨论竞选言辞可能不同于执政决策，并提到一名新当选州领导人呼吁建立让居民受益的数据中心合作关系，作为争论可能如何演变的例子。

他们将当前考虑数据中心的社区谈判地位，与此前各地竞争承办 Amazon 第二总部的情况作比较。在他们看来，地方政府可以要求开发商说明项目如何让居民受益，而不是简单提供激励。

按照他们的比较，企业过去曾为总部争取相互竞争的公共补贴；如今数据中心开发商可能需要通过为所在社区提供收益和保护来竞争。主持人说，他们认为这一变化合理。

他们以路易斯安那州一个数据中心项目为例，认为该项目带来了地方税收和教师福利。他们也承认空气和用水方面的担忧，并认为项目设计和协议需要处理这些问题。

主持人引用盖洛普民调：中国 93%、美国 36% 的受访者表示 AI 会主要帮助本国人民。他们将这一差异解读为美国科技公司的公众情绪挑战；民调本身并不能确定受访者为什么回答不同。

Altman 说，不应把广泛担忧当作无知而忽略。他认为有关失业和数据中心的说法促成了反对，同时也认为 AI 尚未达到有时被描述的全面自动化能力。

他们说，公司自身关于工作自动化和建设大型设施的宣传，可能让反对变得可以理解。同时他们认为，当前能力和近期影响常常被描述得过于宽泛；他们没有量化这一观点。

主持人认为公众舆论和能源基础设施是中美 AI 竞争中的因素。这些是他们的地缘政治判断；他们承认最终后果尚不确定。

主持人根据交流和非正式汇总估计，未来几个月主要风投机构可能寻求募集 500 亿至 600 亿美元新资本。他们说，其中许多机构在此前 12 至 18 个月内刚募过资；他们没有给出经过核实的全行业总额。

这一估计来自主持人对少数机构报道中或传闻中募资目标的非正式相加。他们提醒总数可能不完整，时间和最终金额也未知。

他们问，如此多资本从哪里来，又能投向哪里获得有吸引力的回报。前沿 AI 实验室吸收了异常巨额的资金，但主持人质疑其他类别能否吸收相近金额并产生同样强劲的回报。

可能去向包括新 AI 实验室和机器人公司，但从整个类别看，它们的回报仍未得到证明。主持人说，许多其他成功科技企业根本不需要前沿模型公司能够吸收的数百亿美元。

他们考虑了捐赠基金和基金会作为风投资金来源的可能性，但承认不知道这些机构能否提供讨论中的金额。大型退出带来的流动性也可能影响可用于新承诺的资金。

主持人说，新的基础设施供应商创办速度似乎已经放缓，因此更需要问新募资金能被什么吸收。他们提到 AI 实验室和机器人可能需要大量资本，但其未来投资回报尚未确定。

他们开玩笑说，许多机构一边以应对潜在下行为由募集“干火药”，一边又以高价快速投出已有基金。他们认为，潜在矛盾是每个投资者都希望为便宜机会做好准备，但无法确定地把握市场时点。

主持人预计，最大型基金会给争夺有限合伙人出资的中型机构带来压力。他们认为，专注早期投资的小型基金仍可能满足寻求特定阶段敞口的投资者。

他们将今天与过去比较：当时知名机构募集的金额低于投资者希望配置的金额，为其他基金留下更多空间。如果最大机构占据更大比例的可用资本，中型管理人可能更难募资。

Randle 描述了从公开市场传向私募市场的“交通波”。当公开市场投资者蒙受损失时，跨市场投资者可能抵触后期私募估值；这些轮次的需求减弱，又会影响前一轮投资者的假设。

后期投资者担心的是公司能否以更高价格完成下一轮融资或公开上市。如果公开市场可比公司的估值下降，这种担忧可能反过来影响投资者在更早私募轮次愿意支付的价格。

Altman 认为，这种传导可能比过去周期更快，因为投资者联系紧密、阅读相同新闻。主持人说，波动不一定总会传到种子轮或 A 轮，私募估值变化通常也不如公开股票价格明显。

Altman 认为种子轮可能持续昂贵，因为投资者觉得它距离近期公开市场冲击较远，而且如果公司成功，种子轮通常是最早、最便宜的进入点。他将“永久昂贵”作为自己的观点，而非确定事实。

Altman 认为，大基金可能不太在意早期投资采用某个估值还是高得多的估值，因为相对于基金规模，两种支票都很小。他认为这种动态可能使早期交易竞争持续激烈。

Randle 将可能直接受公开市场可比公司影响的后期基础设施企业，与需要多年才能证明自身的早期项目作比较。投资者可能将长期周期视为躲避每日股价波动的方式，但底层投资仍有风险。

主持人还提到，科学创业项目可能需要数年才能明确结果。他们说，市场动荡时一些投资者可能偏好这样的周期，因为短期公开股价对当前投资逻辑的影响较小。

主持人说，情绪可能快速逆转：投资者一周担心投资过度和估值过高，下一周积极信号又可能恢复热情。他们没有声称当前不确定性必然导致持续下行。

他们说，现在同时听到看涨和谨慎的观点，无法判断哪一种会占上风。按照他们的看法，一次成功的大型上市可能重燃乐观情绪，而艰难的上市可能加深谨慎。

他们描述了双向反身性：估值下跌和对未来融资的担忧可能让投资者退缩；快速估值上调和成功退出则可能鼓励投资者投入更多。每种反应都可能强化下一轮情绪。

主持人讨论 Sequoia 被报道的变化，包括关闭伦敦办公室、结束一些项目，以及合并早期和成长投资团队。他们认为这些调整合理，同时承认自己是在从外部解读该机构。

Randle 认为，风投机构没有唯一客观正确的组织结构。在他看来，重要的是机构策略、基金规模、合伙人和公众身份是否相互匹配。

他对比了广泛扩张的方式和更具选择性的模式，认为只要内部一致，两者都可能奏效。他将 Sequoia 的举措解读为试图形成更紧密、选择策略更清晰的团队，而不是证明此前每项举措都失败。

Randle 将 Sequoia 被报道的方向描述为更紧密、更具选择性的全球团队。这是他对变化的解读，不是该机构对自身意图的声明。

Altman 将组织变化比作扩张和精简交替的阶段。他认为，即使新项目后来关闭，尝试仍可能有价值；机构可能从中学习，或接触到原本会错过的投资。

主持人将这一过程比作尝试新举措、从中学习，之后回到更简单的核心。他们提醒，一个项目被关闭，本身并不能证明当初启动它是错误的。

主持人最后分享个人产品偏好，并就小型设备和一款 Tesla 汽车开玩笑。他们将这些描述为个人偏好，而不是投资分析。