万亿公司的速度幻觉：token 预算、RSI 焦虑与监管俘获

核心要点

• 五年内没几家万亿：Elad 认为 OpenAI、Anthropic、SpaceX 五年内冲到万亿是 punctuated equilibrium 式的爆发；未来三到五年真正能做到 500 亿至 1000 亿美元年收入的公司极少，他只想得出一家可能达标。
• 规模不等于速度：两人都指出投资人把"TAM 巨大"和"很快到达"混为一谈。能源、机器人这类实体业务受产能与部署节奏限制，市场再大也跑不出五年内的万亿曲线。
• 想象力仍是稀缺技能：Sarah 反过来批评另一类失败——按人头算 TAM。看 Harvey、Abridge 只算律师数、医生数，却不问"如果按结果收费会怎样"，而编程领域的消耗量已证明还能再涨 100 倍。
• 卖公司要有预排窗口：Elad 借 Ben Horowitz 的做法建议每半年到一年开一次预先排期的董事会议题，非情绪化地讨论"未来六个月要不要卖"；多数公司存在 12 到 18 个月的价值最大化窗口。
• 最大的成本是你的时间：比公司估值更贵的是创始人最高产的那几年。2020 至 2021 一代创始人被锁在过度融资、跑不通的公司里五六年，Secondary 只解短期现金问题，不解结构问题。
• RSI 时间表值得怀疑：Sarah 指出过去五年中，聪明甚至自我认知很强的研究员每隔 18 个月就宣称 RSI 或 ASI 还有 18 个月；她认为真正的限制器是物理算力可得性，而非算法可行性。
• Token 预算重排一切：Elad 提出 ROIT——算力稀缺让"几十个人贡献 80% 成果"的幂律显性化，有实验室已因"成本不在研究员而在其算力"抬高招聘门槛；这也是 SaaS 之死被夸大的原因。

章节时间轴

• 0:00 开场与 Embed 项目 — Elad 的核能类比作为冷开场，Sarah 介绍 Conviction 每年两期、25 万美元无上限票据的 Embed 资助计划。
• 1:32 追逐下一家万亿公司 — Elad 拆解过去五年三家公司从近零到万亿的异常性，提出"间断平衡"与技术浪潮的分期。
• 4:36 市场想象力 vs 到达速度 — Sarah 谈投资人对 AI 服务价值的想象力不足，Elad 反问 500 亿至 1000 亿美元收入的单一公司到底能有几家。
• 7:40 创始人在向小市场退缩 — Sarah 观察到优秀创始人因畏惧 neolabs 而转向硬件、niche 应用，两人就"是否过于胆怯"交换意见。
• 10:01 什么时候该卖公司 — Elad 给出预排董事会议题、12 至 18 个月窗口、以及"AI 一年抵三四年"的加速时钟。
• 12:20 成本下降时你还能否捕获价值 — Sarah 补充判断标准，并以 Cursor 为例讨论"算力和资本是否是你想要的竞争维度"。
• 14:35 算术、稀释与人生机会成本 — Elad 主张坐下来自己算期望值，警告 2020 至 2021 一代被锁死的创始人正在付出真实的生命成本。
• 17:41 实验室的躁狂与 RSI 信仰 — 从"半年内编程被解决、明年底轻度 RSI"的行业情绪，谈到 Sarah 对 18 个月预言的历史检验。
• 20:46 这种信念是不是悲剧 — Sarah 类比"以为自己只剩两年可活"的心理状态，Elad 谈潜在的倦怠周期与结婚犹豫。
• 22:18 幂律、ROIT 与 token 预算 — 几十位研究员贡献大部分成果、招聘门槛抬高、Minecraft 的先例，以及工程师向传统企业扩散。
• 28:24 什么能打断这一切 — 资本开支收缩、债务恐慌、Transformer 替代架构，以及加州富豪税与可能的离境税。
• 31:30 生态迁移与架构赌注 — Boston 的历史教训、德州能源与硬件走廊，以及"新架构会被复制、算力仍归大厂"的判断。
• 34:34 监管俘获与安全的另一面 — 从制药业 Janssen 的旧访谈讲到法国核电占比，落在社会该把风险收益指针放在哪里。

详细内容

一、万亿公司是"间断平衡"，不是新常态

Elad 的起点是一个事实观察：过去五年里，有三家公司大体从接近零冲到万亿美元级市值。五年前 Anthropic 基本不存在，OpenAI 还很早期（GPT-3 刚出），SpaceX 的估值在 800 亿到 1000 亿量级。"这在人类历史上是前所未有的"，他说，通常这条路要走 20 年——SpaceX 从 2000 年代初开始算，Google 从 90 年代开始算，都是 15 到 20 年的弧线，而这次被压缩进了五年。

问题出在很多人把这个异常当成了推论前提：既然三五年能造出三家万亿公司，那机器人、材料等等每个热门领域都会各出一家。Elad 的反驳用的是演化生物学的类比——间断平衡（punctuated equilibrium）：长期稳态，然后一次寒武纪式爆发，然后整合。技术史正是如此，社交浪潮之后并没有源源不断出现新的社交巨头，SaaS 浪潮也一样。互联网本身可以拆成四五个阶段：90 年代的互联网、2010 至 2012 前后的社交、SaaS、云、大型安全公司，加密货币也有自己的几轮周期。

他并不否认后续还有爆发。模型能力上一定还会有某次巨大突破，然后又是一批新创业公司。但他要区分的是时间尺度："20 年当然会有一堆有意思的东西"，而"未来两三年"是另一个问题。已经出现的这批公司正在变成整合者（consolidators），真正的问题是整合者之后还能再冒出几家巨头。

Elad 补了一个个人参照系：他大约在 2010 年写过一篇博客，讲要达到 100 亿美元市值有多难——而这个数字如今差不多是某些 neolabs 的种子轮。百亿美元收入级别的机会他认为不少，"有十几家公司大致在那个区间"，但万亿是完全不同的数量级。

二、TAM 很大与三年能到，是两件事

Elad 把万亿倒推成收入问题：要支撑万亿市值，需要 500 亿到 1000 亿美元的收入，且要有像样的毛利。所以真正该问的不是"这个 TAM 是不是很大"，而是"哪些单一公司能在五年内跑出 500 亿到 1000 亿美元的收入流"。能跑到 50 亿或 100 亿收入的公司很多，它们会成为千亿美元市值的公司——这已经是极好的结果，但不是万亿。

Sarah 的补位是另一个方向的批评。她说自己遇到更多的是"想象力失败"：投资人无法想象一个东西能比上一个时代最接近的对标物大多少。重新定义市场规模，在她看来仍是当下被严重低价的投资技能。很多人在智识上承认"AI 公司交付的是服务价值（services value）"，但行为上并不相信——他们看 Harvey 或 Abridge，仍然按每个座位、每位律师、每位医生去算 TAM，而不去问"如果这家公司能按结果收费，它会长成什么样"。编程领域已经给出答案：那是按消耗量和价值计费的市场，Sarah 认为"从这里再涨 100 倍"，Elad 也承认编程是个比所有人预想都大得多的市场，而且两人一两年前就说过。

两人在"哪些领域可能达标"上都很谨慎。Sarah 试探性地提了供应链、能源类技术，Elad 的回应是"也许"——可以列出五六个看起来有希望的领域，但如果是实体商品公司（能源、机器人等），真正的问题是你有没有那个物理足迹能在这么短时间内铺到那个规模。他反复强调："我不是在质疑市场的大小，我在质疑到达的速度。"

Sarah 把这一点提炼成对当下市场的诊断：投资人集体在为"速度存在"下注，而速度和规模是两回事，"人们正在把这两件事混为一谈"。她也提醒，即便有大量资金因为这几家巨头的回报而涌回风险投资，私募市场"完全可以在很长时间里既不理性也不正确"。

三、创始人在向小市场退缩

Sarah 观察到一个相反方向的现象，而且她认为同样是坏消息：一些非常优秀的创始人开始去做 niche 市场，因为他们害怕 neolabs。她的对照组是四五年前、三四年前起步的那批公司——Harvey、Open Evidence、Decagon、Sierra，以及大约两年前的 Cognition——那些都是明确落在大模型实验室路线图里的大市场，但他们还是进去了。

现在她看到两股力量同时发生：中后期市场里，投资人继续按"很多公司都有冲向万亿的速度"来下注（她认为有的会到 200 亿，有的到 1000 亿，当然也有归零）；而新一波项目里，创始人相对于实验室在做的事显得不够进攻性。结果是资金流向硬件（"实验室永远不会做硬件"）、American Dynamism、AI 的细分应用、本该由推理云提供的东西等等。她的判断是这类公司会更加衍生性（derivative）。

Elad 在这里推了一把回去。他先问 Sarah 是不是觉得这些人太胆怯、本该正面竞争，然后直接说自己投资组合里就有公司在挑战相当核心的命题，"我不认为所有创始人都太怯懦"。Sarah 澄清说她说的是趋势线而非全体，而且她关心的不是中位数创始人，是最好的那批人在做什么——"我不担心 median founder，我担心 best founders"。Elad 则表示自己更常感到失望的，是创始人本可以更有野心却没有。

值得注意的是两人都承认某些市场实验室会自然吃掉，分歧只在于：Sarah 认为还有一批实验室不会碰的市场，而人们连这些市场也在回避。

四、什么时候该卖公司：窗口、算术与人生成本

Elad 的框架分三层。第一层是例外：有少数公司任何时候都不该卖——如果你是 Anthropic，你不该卖；如果你是 OpenAI，你不该卖。第二层是常态：在任何一个时代，大多数公司至少应该认真考虑一次，而且通常存在一个"时间最大化窗口"，大约 12 到 18 个月，公司在这段时间里值它这辈子最高的价钱。他暗示最近就有一起重大退出很可能正落在这样的窗口里。

第三层是机制。他引用 Ben Horowitz 写过的做法：每年预先排期一次董事会，把"未来六个月我们要不要考虑退出"作为固定议题，用非情绪化的方式讨论。关键在于"预先排期"——这样就不是创始人在推，也不是投资人在推，而是一次理性对话；结论完全可以是"不卖，我们前面还有 XYZ"。他给出的理由是时钟变了：AI 时代的一年相当于正常周期的三到四年，所以三年就像十年。回想三年前的模型能力、垂直应用、AI rollup、基础设施，全是另一个世界。事实基础变化得比以往任何时候都快，所以复核自己判断的频率也必须更高。Sarah 追问该多久一次，Elad 给的答案是每六个月。

Sarah 补了一个属于这个时间点的新判断标准：在成本下降、能力上升的过程中，你是否还在捕获价值？如果你站在这场长期变化的错误一侧，而且没有好办法走到正确一侧，那你确实应该卖。她拿 Cursor 举例发问：算力获取和资本，是你想要的竞争维度吗？这是不是一个价值最大化的时点？她同时指出，"以从不考虑出售为荣"是一种胡话（nonsense），并借 Situational Awareness 的讨论提醒——所有人都得先活下来才能获利；对冲基金和公司不同，前者必须存活才能复利，但公司同样需要让融资结构匹配自己的论点时限，一路把公司融到目标彼岸。

Elad 认为融资本身不会是瓶颈：三家万亿级公司的迅速崛起正在把巨额资本返还给 LP，基金越募越大，钱必须投出去，而且会去追"未来的万亿公司"。所以他预计未来一两年估值还会继续上行，其中既有好东西也有一堆不配的东西——"融资会变得更容易，不是更难"。Sarah 的回应是把它拉回风险管理：即使钱在轮转，也不能推出"融资现在免费"；聪明地维护自己的融资能力，等价于避免被强平（margin call）。她还提到一种具体的痛苦——有些创始人抱着一个技术性或结构性的判断，而投资人会在很长时间里相信他们认为错误或愚蠢的东西，创始人的工作就是去驾驭这套叙事；如果他们认为这不可持续，那就该卖。两人在一点上迅速达成一致：驱动估值的往往是感知到的机会规模（perceived scale），而不是机会规模本身。

最后是 Elad 全场最有分量的一段：真正的机会成本不是公司的价值，是你的时间。"你人生中最高产的那些年正押在这上面。"你可以带着一笔不错的钱离场，去做下一件大事，而且是带着做成过一次的履历和愿意再次跟你干的人；也可以掷骰子，那有时确实是对的答案。Secondary 是中间选项，但他认为并不总是好选择——它解决了短期需求，却没有真正形成解法。他点名 2020 至 2021 那一代：五年过去，仍有大量人在经营跑不通的公司，被锁在里面度过了整轮 AI 变革；这些公司资本过剩、还有十年的现金流可烧，于是人也就留在那里了。"我们已经把他们忘了，因为我们整天在谈 AI。"Sarah 的评价是三个字：巨大的浪费。

五、RSI 信仰与实验室里的躁狂能量

Elad 描述了他在实验室里感受到的情绪场：一种巨大的躁狂能量。流行的说法是，大约半年后、也就是到今年年底，编程就彻底是个已解决的问题；到明年年底大概会出现某种形式的轻度 RSI，届时模型会训练模型自身的相当一部分——他判断初期更可能发生在后训练，长期可能更快地影响预训练。因此很多人相信自己职业生涯只剩一年到一年半的高产期，于是每天工作 16 小时，因为"每一周都是我被 AI 取代前剩余时间的 2%"。

Sarah 的回答分成两层。她先说：如果做这件事的顶尖科学家相信模型能改进自己的训练，而且这是我们在代码和数学上已经看到的东西的延伸，那当然应该相信。但在时间表上她给出了一个冷冰冰的历史检验——"我掌握的数据是，过去五年里，一批非常聪明、甚至非常有自知之明的研究科学家，每隔 18 个月就觉得 RSI 或 ASI 的拐点还有 18 个月。"作为预测器，它的成绩并不清楚。

她进一步区分了难度层级：从"写代码"延伸到"写训练代码、做数据管线工作"，这是容易相信的；难的是那些更难验证、更复杂的领域里怎么去采集数据，以及是否会撞上物理算力可得性的硬约束。她的判断是，后者比"算法上是否可行"更可能是真正的限制器。

Elad 接住并给出一个有趣的市场结构推论：物理算力约束反而强化了寡头格局。如果算力在大实验室之间大致按比例分配，它就为任何单一实验室的进步速率设了天花板——也就是说，算力稀缺强制出了一个寡头市场，或者至少让玩家之间的竞争比本来更接近。他觉得这是这个时刻一个奇特的二阶效应，真正的问题是这层约束何时解除、解除后是什么样子。

关于人的代价，两人罕见地出现了情绪上的分歧。Elad 主要担心二阶效应和 18 个月后的倦怠周期，并讲了个具体故事：某家主要实验室里有人反复问他，自己该不该结婚——因为不知道 18 个月后世界会变成什么样；他的回答是"你该结婚，去吧，会没事的"。Sarah 的用词更重：她觉得这挺悲剧的。她认为这在心理上最接近"人以为自己快死了"的状态——如果只剩两年，你会照现在这样过吗？于是就有人说"考虑到 18 个月内会有 RSI，我的贡献有点无关紧要了"，进而怀疑要不要结婚、要不要工作、要不要去旅行、还是只该工作。她的立场是：假设自己还有时间地活着，是一个更稳定也更令人满足的状态。

六、Token 预算：算力稀缺如何重排人才与组织

顺着算力稀缺，Elad 引出本期最具操作性的概念。他先摆出一个人类幂律：在任何领域，真正推动进展的最多也就几十个人——乳腺癌研究、数学的某些子领域、物理的某些子领域、创业生态里的创始人，都是如此；AI 研究也一样，大概几十位研究员贡献了任何一家机构约 80% 的成果。于是算力越来越向这些人集中。他透露有些实验室已经放缓研究员招聘，除非候选人在极高的门槛之上——因为成本不在这个人身上，而在与这个人绑定的算力上。

由此他提出 ROIT：return on invested tokens，投入 token 的回报率。如果你有一个 token 预算，你把它给谁、为什么？他用一个老类比解释：过去公司的内部工具团队永远资源饥饿，因为大多数科技公司宁愿让同样的工程师去做产品，而不是去做能提升其他职能生产力的内部工具。这也是他认为"SaaS 之死"被夸大的原因——你为什么要把 token 花在一堆你每年其实没付多少钱的 SaaS 事务上，而不是把同样的 token 投到核心产品、或者某个能带来巨大毛利提升的地方？

他描述的演进路径有三段：第一段是"大家都去用 AI，随便试"；第二段是"我们必须衡量支出，把更多东西挪到开源"；第三段——也是正在到来的——是"哪些项目和哪些人应该拿到超额的 token 预算，回报率是多少"。他承认这需要时间，很多大企业还停在第一段。

Sarah 追问：三到五年后，一个企业或一个人合理的算力/token 预算应该是多少？该像看房租一样看它吗？Elad 拒绝了这个框架（"要看预算是干什么用的"），转而讲 Minecraft——被微软以数十亿美元收购时只有五到十个人。人们总在谈"未来会出现数十亿美元的一人公司"，可那大约十五年前就已经发生了。总有人能极端地放大技术杠杆，AI 只是把这件事激进地加速了。所以在相对意义上，为什么要把 token 给那些做不到这一点的人——除非你把这类人用完了。

关于工程师被裁的老问题，他给了一个反直觉的乐观结论：即便未来某天真的发生工程师置换（他不知道会不会、什么时候），这些人有大量去处。很多传统企业从来没有招募这类人的能力，而他们想要这些人带来的能力——在 Google 或 Meta 语境下平庸的工程师，在 GE、PG&E、Hershey's 这类老牌企业里可能是卓越的。他预计工程人才会以一种出人意料的方式渗透进整个企业版图，虽然可能是很多年以后。

Sarah 把这个逻辑套用到研究员身上：如果你是某家主要实验室的第 800 号研究员，而且没有拿到超额的 token 配额，那么去做一件你有比较优势、并且能从这一切中受益的事情——供应链瓶颈、生物学向其他高价值领域扩散——远比"担心数学的没落、然后去度假等世界终结"更令人兴奋。Elad 同意，并把它变成一个开放问题：一家顶级 AI 实验室到底需要多少研究员？是现在的五倍，还是一半但门槛更高？第 N+1 个人该去哪？他特别声明这不该被误读为那个人不优秀——他仍然在钟形曲线的顶端，只是总有人会在幂律上划一刀。

Sarah 用一个前 Google 员工的老笑话作结：当 Google 大约五万人时，问"运行 Google 需要多少人？"——搜索和广告部门里的人会说"大概搜索和广告里 20% 的人"，而部门外的人会说"五万人"。她承认自己从没在 Google 工作过，Elad 则说他在 Google 做过移动搜索、广告，以及一堆 AI 广告相关的事。

七、什么能打断这一切：资本、监管与架构

Sarah 列了三种潜在的中断来源。第一，投资人或多方在资本开支上的承诺崩塌——因为市场厌恶这种投入；第二，围绕债务和回报结构的某种恐慌，她认为目前只有轻微迹象、还没有真正的压力；第三，技术层面的颠覆，比如 Transformer 的替代品——这还重要吗？她自己的答案是：技术未知数永远存在，但另一个更现实的变量是试图限制对已有模型或开源模型的使用，从而大幅约束进展速度，也就是监管。

Elad 同意监管这条线，并立刻转向加州。加州通过了富豪税，民主党在州内也表态支持。他把问题抛给 Sarah：如果你投的一家公司如今值 100 亿美元以上，创始人明年会不会被迫卖掉资产？如果法案生效，会不会有几十位创始人不得不出售自己公司的大块股份？Sarah 的判断是监管者显然没想清楚执行和合规怎么落地，但直接效果已经在发生——大量试图在加州创造价值、做新东西的人选择离开。她说整个生态很难被快速搬走，但"这是我能想到的最快把整个生态赶出去的方式"。

Elad 补充了法条本身的风险：他的理解是这部法律写得相当宽泛，一旦通过，未来可以重新实施、可以在后续年份下调门槛。他还提到 2028 年前后关于在加州增设离境税的讨论越来越多——如果你真的想走，他们会以惩罚的名义拿走一大块。Sarah 半开玩笑地问，那预测是不是 2027 年大规模迁往迈阿密、迈阿密终于成了？Elad 认为会花些时间，但他相信写这部法案的人就是希望这种外流发生。他点了加州的两个负面信号：这部法案，以及所谓的"票据收割"（ballot harvesting）动议——两者以不同方式让这个州的未来更糟。他说自己一如既往地希望加州能想明白，但如果存在任何容易的替代选项，离开的人会更多；他确实知道不少人已经在走，或者计划在今年秋天、未来一两个月内走。

关于替代生态，Elad 的框架不是天气而是人的临界质量。Boston 在 80 年代曾是硅谷的对手，90 年代初在竞争中落败，如今仍是生物技术的中心，"而且那里天气很糟"——所以关键从来是"在哪里能聚集足够多的聪明人做共同的事"，文艺复兴就发生在那里。Sarah 补上她看好的具体样本：德州围绕能源的技术迁移与创新，那是对监管环境和需求的直接反应，很多人从硅谷或别处搬过去，因为那是一个可以做实验的地方，而且现在真的形成了生态。Elad 补充硬件走廊——原本围绕 SpaceX 聚集在 El Segundo，随着 SpaceX 和部分 Tesla 迁往德州，德州（不止 Austin）正在长出新的硬件生态。他强调这些迁移"纯粹由监管驱动"，而不是德州本身更宜居。

Sarah 抱怨 Elad 没接她关于架构的话茬，于是他反问回去。她的看法是：无论底层架构是什么，整个行业都会把所有可得的算力和电力消耗殆尽，所以寻找更省内存、更省电架构的压力比以往任何时候都更有意思；但要在规模上追平 Transformer、并与硬件匹配，仍然相当困难——不过随着实验意愿变强、人们变得更"绝望"，还是会有人下这个注。结论是它不改变行业方向：任何有效的东西都会被复制，然后大实验室做同样的事并把全部算力压上去，这是高概率结局。低概率的另一种可能是某家 neolab 想出某种东西、极度保密、在其上做规模化，模型远超所有人，于是所有人围绕它集结——但同样容易想象的是，那个团队里有一个人跳槽去了 Anthropic 或 OpenAI，知识就扩散了，很快人人都有——这正是迄今为止模型领域一直在发生的事。

八、安全的另一面：监管俘获与风险收益的天平

Sarah 的最后一个大问题是：如果主导变量是算力获取、并因此形成寡头，那么这些实验室会不会用算力优势去控制它们想进入的其他垂直领域？Elad 把问题转到了一个更根本的层面：真正需要的、真正保护人的"安全"是什么？风险是什么，结果是什么？

他的历史类比来自制药业。他提到 Janssen（Janssen Pharmaceuticals）——被视为史上最优秀的药物开发者之一，YouTube 上还能找到他三四十年前谈论制药业监管俘获的访谈。在那位受访者看来（Elad 明确表示自己不评判对错），药物变得如此昂贵和缓慢有两个原因：第一是监管俘获；第二是风险收益结构失衡——FDA 过度关注安全与风险，对收益关注不足。于是"没有风险收益之间的权衡，只有风险"，只看等式的一边，一切必然放慢。

Elad 认为实验室内部完全可能复制出这个版本：安全负担被抬得极高，即便正面结果的量级远高于风险。而这里有个尖锐的推论——如果你对外约束进展，同时在内部沿着指数曲线推进，而一年在这条曲线上等于正常时间的三四年，那么你在内部就领先了一年，那是巨大的优势。他把这个权衡具象化成一句反问：如果我的邮箱被黑了，这件事相对于"通过 AI 模型更早获得更好的医疗"，真的那么可怕吗？

Sarah 指出难点在政治层面：对监管者和许多政策制定者来说，从技术人员口中听到"你必须先看看这项技术会发生什么，而不是先控制它"，是一个不舒服的立场。Elad 承认这是科技行业一贯的说法，也是历史一贯的模式——每项技术都同时有正面和负面应用：生物技术可以造病毒，也可以治癌症；核能可以有免费、廉价、丰沛的能源，也可以造武器。

于是有了那段冷开场的数据：法国至今约 70% 的发电来自核能——"事故在哪里？什么都没发生。"美国是 18%，而且 40 年没有建过反应堆；日本是 25%，非常安全、非常充沛。"70 年代的安全游说团体基本上替我们扼杀了廉价清洁能源。"Sarah 插话说我们现在开始建了，只是需要建很多；Elad 回了两遍"我们建得并不多"。他的结论是：确实存在安全伤害了我们的真实案例——在电力和能源生产上，在医学的某些方面，在很多地方。问题是社会想把 AI 的指针放在这个刻度盘的哪个位置。

节目结尾 Sarah 请他说一件位于天平积极一端、让他兴奋的事。Elad 的回答很宽：人类生产力、教育、医疗、日常生活的改善，自动驾驶与老年人照护——能带来的好处太多了。也正因如此他才对指针的最终位置格外谨慎：确保社会有恰当的防护当然是好的，但历史上对大产业我们走得太远了。科技之所以如此迅速地成功、产生如此大的人类影响，恰恰是因为它一直被轻度监管；他认为最好保持这样，否则"我们会失去乐观，失去动能，失去进展"——生物技术就是这么发生的，能源也曾长期如此。Sarah 的收尾语是：一次针对监管俘获的战斗号召。

金句

通常这需要 20 年。SpaceX 是从 2000 年代初开始的，Google 是从 90 年代开始的……这些一般是 15 到 20 年的弧线，然后我们经历了这个诡异的五年拐点。 —— Elad Gil 2:18

我不是在质疑这些市场的大小，我是在质疑你能多快到达那里。 —— Elad Gil 7:40

最大的机会成本是你的时间。你人生中最高产的那些年，此刻正押在赌桌上。 —— Elad Gil 15:21

过去五年里，一批非常聪明、甚至非常有自知之明的研究科学家，每隔 18 个月就觉得递归自我改进的拐点还有 18 个月。那它作为预测器有多好？并不清楚。 —— Sarah Guo 19:13

成本不是那个研究员，而是与这个人绑定的算力。那才是真正的瓶颈所在。 —— Elad Gil 22:18

70% 的法国电力仍然来自核能。事故在哪里？什么都没有发生。 —— Elad Gil 36:53

提到的书·产品·人物

• Sarah Guo（人物）：本期主持人之一，Conviction 创始人，负责提出市场想象力、融资风险管理与 RSI 时间表质疑等观点。
• Elad Gil（人物）：本期主持人之一，前 Google 移动搜索与广告团队成员、投资人，提出"间断平衡"、卖公司窗口与 ROIT 框架。
• Embed / Conviction（项目）：Conviction 每年两期的低负担高信号资助计划，面向 10 家前沿创业公司，提供 25 万美元无上限票据及合作方算力与服务。
• OpenAI（公司）：被列为五年内从早期冲到万亿级市值的三家公司之一，也是"绝不该卖"的极少数公司之一。
• Anthropic（公司）：五年前基本不存在，如今是万亿级公司代表；也是新架构知识扩散的假想接收方之一。
• SpaceX（公司）：五年前估值 800 亿至 1000 亿，如今万亿级；同时是 El Segundo 硬件生态形成与迁往德州的原因。
• Google（公司）：Elad 曾在此从事移动搜索与广告工作；也是"运行 Google 需要多少人"这个贡献度笑话的主角。
• Harvey（公司）：被用来说明投资人仍按律师人头算 TAM，而非按结果收费重估市场规模。
• Abridge（公司）：与 Harvey 并列，作为医疗领域"按医生人头算 TAM"的例子。
• Open Evidence / Decagon / Sierra（公司）：三四年前就敢于进入大模型实验室路线图内大市场的应用公司代表。
• Cognition（公司）：约两年前进入大市场的例子，也是 Embed 早期批次孵化过的公司之一。
• Cursor（公司）：Sarah 用来发问"算力与资本是否是你想要的竞争维度、当下是否是价值最大化时点"。
• Minecraft / Microsoft（产品/公司）：被微软以数十亿美元收购时团队仅五到十人，Elad 用它证明"数十亿美元的极小团队公司"十五年前就已发生。
• Ben Horowitz（人物）：曾撰文建议公司每年安排一次预先排期的董事会讨论是否出售，被 Elad 引为最佳实践。
• 《Situational Awareness》（文章/讨论）：被 Sarah 引用，用来提醒"所有人都得先活下来才能获利"。
• Janssen / Janssen Pharmaceuticals（人物/公司）：被称为史上最佳药物开发者之一，三四十年前的访谈中谈监管俘获与 FDA 只看风险不看收益。
• GE / PG&E / Hershey's（公司）：Elad 用来说明大科技公司的工程人才未来可能向传统企业扩散的具体去处。
• Chai Discovery / Listen Labs / Physical Intelligence / Flappy Airplanes（公司）：开场提到的 Embed 往期批次成员。
• 加州富豪税与离境税提案（政策）：本期关于资本与人才外流讨论的直接触发点，Elad 提到 2028 年前后可能出现离境税。

适合谁听

关心 AI 周期真实速度的创始人、投资人和实验室研究员——尤其是正在权衡"继续做还是卖掉""把算力和时间押在哪里"的人。