Gavin Baker:AI 市场惊惶

• Gavin 开口就给这个月定了性：「我会把七月形容成『一个月里过完了 2022 年』。」一大批 AI 标的从高点跌了 50%、60%，他的说法是「一个月内直线下跌 40% 到 60%」。 → 详细
• 但他的判断是：「有一些基本面上的负面因素……但整体上，基本面的天平我认为在显著改善。」 这一整期的主线就是拆解这个反差——价格在跌，基本面在涨，缝是怎么开出来的。 → 详细
• 他自嘲了一句作为开场：之前有人指出他上节目总是正好撞在市场的局部高点上，「这回没人能这么说了」。 → 详细

• 这是全期最有操作性的一句方法论：Gavin 这周来硅谷的主要任务不是找看多的理由，而是拼命找负面的数据点。「给我讲点负面的」——他把这个问题问遍了所有人。 → 详细
• 结果是一条都没找到。他列的仪表盘是四项：GPU 可得性、GPU 租赁价格、DRAM（内存）这个月的现货价、token 增长——「你怎么切都一样……所有东西实际上都在加速」。 → 详细
• 唯一一条负面信号是：第三方数据显示 Anthropic 的增长曲线开始稍微偏离原来的轨迹。他认为「很可能是真的」，但同时 OpenAI 和开源在大规模加速，加总起来是净加速的。（他还补了个花絮：Anthropic 的股东们急着想反驳这条数据，又怕被公司知道是自己说的、拿不到 IPO 配售。） → 详细
• 他强调市场有两大盲区：一是看不见 Anthropic 和 OpenAI 的真实数字（都是私营公司）；二是看不见开源推理云——Fireworks、Baseten、Modal、Together 这一批在美国靠推理变现的公司。「开源对公开市场来说有点像暗物质，公开市场很难测量它。」 → 详细
• 加速的驱动力有名有姓：GLM 5.2、Kimi K3 带来的能力跃升，NVIDIA 的 Nemotron 在稳步推近前沿，OpenAI 加速，Anthropic「几乎可以肯定正在产出大量自由现金流」。 → 详细

• 这是全期最重要的机制性发现。24、25 年的共识分歧只在于 GPU 价格「跌得慢还是跌得快」——没有一个人想到过老一代 GPU 的价格会直线向上。 → 详细
• 后果是：当年大家都想「聪明点，签长期合同锁价」（新云厂商 neocloud 更是必须有承购协议才融得到资），于是今天已装机算力的合同价，相对现货市场是在大幅折价交易的。 → 详细
• 关键推论：「随着这些合同到期、算力按更高的价格重新定价，现货价可以下跌，而算力仍然会被重新定价到更高。」 也就是说，即使现货价开始回落，存量算力的收入依然会往上走一段——这是一条被市场忽略的、有时滞的现金流跑道。 → 详细
• 他给了一个当天早上刚拿到的一手案例：一家「人人都想跟他们做生意的最性感创业公司」，七个月前租几千张 Blackwell 的集群，价格是每 GPU 小时 2 美元出头；现在租同规格的 B200 集群，希望能压到接近 4 美元——六七个月涨了 50% 到 60%。另有一家推理云在播客上直说：合同到期时准备为 Blackwell 多付 100%。 → 详细
• 他的定性：「本质上所有超大规模云厂商现在都在『少赚』（under-earning）。」 这个词是理解他整套论点的钥匙。 → 详细

• 他刻意用经营性现金流（做生意实际收进来的现金）而不是自由现金流（再扣掉资本开支）来看，因为后者会被巨额建设开支掩盖。微软、Meta、亚马逊本季报出的同比增速从 28% 加速到 32%。 → 详细
• 本季一次性项目异常多（他吐槽这些公司「似乎总有几十亿美元的『非经常性』法务开支，主要是欧盟的罚款」）；调整之后是从 28% 加速到 35%——「在这个体量上，这是实质性的加速」。 → 详细
• 而且这还没算上两个即将到来的推力：Rubin（NVIDIA 下一代芯片）开始点亮、以及那批折价合同的重定价。微软 6 月单月上线的一大批产能，在二季报里都还没体现出来。 → 详细

• Meta 要租算力被解读成产能过剩、要砍资本开支——「完全不是那么回事」，财报显示资本开支没砍。真相是 Meta 看到 SpaceX 把训练优化集群按远高于合同价的溢价卖进市场，觉得有机可乘，想先用一小块产能证明能做出很强的内部收益率（IRR），再去融股权、很可能反而上调资本开支。他对 Meta 资本开支计划有多条信号来源，「一点都没变，要说有变化就是更激进了」。紧接着 Meta 发了两年来最好的模型 Muse 1.1（被 Grok 4.5 的风头盖过），「所以他们绝无可能松油门」。 → 详细
• Kimi 引发的开源恐慌 + SiliconData 的 token 指数下探走平——见下一节，这是伪利空。 → 详细
• 中国有了 DUV（深紫外）光刻机——引发半导体设备（semi-cap）板块大幅抛售。 → 详细

• 先解释那个吓到市场的指标：SiliconData 的 token 指数捕捉的其实是「结构（mix）」而不是总量，而且它看不到所有 token。因为 GLM 5.2 和 Kimi 进来，数据里出现了结构性转移——从毛利率极高（「80%、90% 还是 95% 可以争论，但反正超高」）的前沿模型 token，转向开源 token。指数走平，不等于 token 变少了。 → 详细
• 核心论证，值得原话记住：「token 就是 token。在其他条件相同的情况下，生产一个 token 需要的算力是一模一样的——同样多的浮点运算（flops）、同样多的内存、同样多的瓦特。」 开源抢份额唯一做的事，是把利润从前沿模型这一层拿走，推进 AI 基础设施这一层。 → 详细
• 而且因为便宜，存在需求弹性——同样的预算能买更多 token，于是总算力需求反而上升。「Anthropic 和开源都跑在同样的底层云上，这些云对算力收同样的钱。」 → 详细
• 他还给了一个逻辑上的「反证」：黄仁勋是全世界最大的开源支持者——「如果开源对他的生意不利，黄仁勋会成为全世界最大的开源支持者，这真的说得通吗？」 他同时承认黄仁勋也确实出于理念支持开源：只有一两个前沿模型、还收 90% 毛利的世界「对人类不好，对社会可能也不好」。 → 详细

• Gavin 明确把信贷单独拎出来：其他利空「都有点荒谬」，只有信贷是真的。三条无可否认的事实：实际收益率上去了、信用利差走阔了、CDS（信用违约互换，本质是给债券买的违约保险，价格越高说明市场越担心违约）在大幅走阔。 → 详细
• 具体证据：Meta 上周发的一笔债，「定价并不在你以为 Meta 的债该定的位置」；NVIDIA 的 CDS 在大幅走阔，所有人的 CDS 都在走阔。私募资本圈的解释是「这些只不过是银行在对冲自己的承诺敞口」，但「不管怎样，这看着不好看」。 → 详细
• 为什么这条最致命：债务驱动的建设要求立刻还钱。「所以只要供需稍微失衡一点，事情就可能非常非常快地崩掉。互联网泡沫就是这么破的。」Patrick 接了一句：这就是典型的资本周期——用债务把自己撑过头。 → 详细
• 他的态度值得注意：他把最多的功课花在了最反对自己的论点上。「我在信贷上真的挖得很深，因为，嘿，这是真的，这无可否认。如果我们需要信贷来给这轮建设融资，这就是重大利空。」 → 详细

• 关键发现藏在卖方模型的假设里：一致预期把即将上线的 Blackwell 和 Rubin，按 Ampere（往前数两代，不是上一代 Hopper）的变现速率来建模。这是一个极度保守的假设。 → 详细
• 在这个假设下，超大规模云厂商的经营性现金流是 1.3 万亿到 1.4 万亿美元；如果只是把假设放宽到「按略低于当前 Blackwell 的速率变现」，就变成 2 万亿美元——中间这 6000–7000 亿美元的差额，直接把 7000 亿美元的信贷需求抹掉了。 → 详细
• 更妙的是二阶效应：这反而改善了所有信用比率，于是信贷指标变好、融资变得更容易——「至于他们会不会选择这么做，我们走着瞧」。 → 详细
• 他给出的更极端版本：「如果它按当前价格重新定价，未来好几年你大概能全部用经营性现金流覆盖。」 → 详细
• 还有一层自我消解的逻辑：如果信贷真的不到位，那已经存在的算力只会更值钱，价格更高 → 现金流更好 → 指标改善 → 信贷又回来了。「问题本身就是解药。」 → 详细

• 两个月前他们聊过 Blackwell「气穴（air pocket）」风险：花几千亿美元买的 Blackwell，一开始主要用于训练，而训练不直接产生回报——一季度确实很明显。 → 详细
• 市场在 4、5、6 月一直「看穿」这一层，到了 7 月因为一堆事凑一起而不再看穿——偏偏就在经营性现金流真正开始加速的时候。这个错配就是本期机会的来源。 → 详细

• 硬数字：「在我们录这期节目的当下，NVIDIA 的前瞻市盈率处于过去 10 年的最低点。」 半导体股比现在更便宜的时候只有两次——「解放日」（特朗普宣布大规模关税那天）和 DeepSeek，而那两次基本上都是急跌见底。 → 详细
• 这个估值等于市场在下一个明确的判断：「市场 100% 认为它们严重『多赚』（over-earning）了。」 而 Gavin 的整套论证是反过来的：它们在「少赚」。这就是分歧点，也是赔率的来源。 → 详细
• 他没有把话说死：「我们需要保持谦卑。也许它们真的是（多赚）。也许真的是。」 → 详细

• Patrick 直接问：什么情形会真正让你掉头？Gavin 给了一份可以当「翻空触发器」用的清单：① 经营性现金流不再继续加速（这取决于 Anthropic、OpenAI、Grok、Cursor 和开源做得怎么样）。 → 详细
• ② GPU 价格出现相当剧烈且持续的收缩——「市场会立刻反应，那会让人担心」。③ GPU 开始变得非常容易搞到——他反问「你有听到过任何人说他们 GPU 太多了吗？」答案是一个都没有，Patrick 形容「这听起来像个毒品市场」。 → 详细
• ④ 这些实验室加总起来见顶或开始下滑——但要排除「只是开源 token 在净做大蛋糕」这种情况。 → 详细
• ⑤ 监管（见下文第 21 节）——他自己认定这是最大的风险。 → 详细

• 这是本期最有意思的元观察。他先引了迈克尔·莫布森（Michael Mauboussin）的理论：导致泡沫和崩盘的是「多样性的崩塌」——不是所有人都错，而是所有人以同一种方式想。 → 详细
• 然后是那句金句：「我认识的公开市场投资圈里的每一个人，不管是散户还是机构，每一条新闻都会被喂进 Claude……Claude 有点成了股市的沃尔特·克朗凯特（冷战年代『全美最可信的人』、唯一的真相之声）。所有人都相信它说的任何话。」 → 详细
• 他的警告很克制但很硬：「它非常聪明，但它不总是对的。它的解读不总是正确的。而在股市里，你本质上打交道的是对未来的、概率性的贝叶斯解读。」——同一条新闻 + 同一个模型 ≈ 同一个结论 ≈ 同一笔交易。 → 详细
• 可观测的后果：X 上的匿名半导体分析者 TBU 发过一张日本电容股的图，配文「我们在六周里过完了一整个电容周期」——股价垂直上去又「咻」地下来，而实际的基本面甚至还没落地。「通常需要三年的一个周期，在大概六周里跑完了。」 → 详细

• 「我认为投资里最重要的三个词不是『安全边际』，而是『我不知道』。」——这句话是他这个月的注脚：一个在 AI 上重仓的人，用整整一周去找能推翻自己的证据。 → 详细
• 技术派的反面提醒他也照单收下：所有具体利空都站不住脚、市场却还在跌，这本身就是个危险信号——「真正打中你的永远是你没看见的那颗子弹。」 → 详细
• 他描述了一种双向的孤独感：「我看股市正在发生的事，感觉自己像个愚蠢的乐观主义者；而当我跟实验室的人、跟这个生态里的任何人聊，我又觉得自己相对所有人都算看空的。真是个奇怪的处境。」 → 详细
• 还有一条关于市场情绪的观察：2022 年、DeepSeek、解放日，你都清楚知道市场在怕什么，「以一种奇怪的方式，那反而让人安心」；这次说不清，所以更难受。他一位富达（Fidelity）的朋友总结过去三年的打法是「用最快的速度做最蠢、最表面的那件事，然后在这些事之间来回切换」——而这个月那件事就是无脑降风险。 → 详细

• 他认为未来一定是多模型的：AI 原生公司拿开源模型 + 自己的数据做监督微调（SFT）和强化学习（RL），放在路由器后面——先走自己的模型，再让 Claude 或其他前沿模型检查一遍，「很多情况下能用一半的成本拿到略好一点的结果」。 → 详细
• 关键的认知纠正：「一半的成本」省的是模型层的毛利，不是算力——你只是把毛利率 90% 的贵 token 换成了毛利率 30% 的便宜 token，而底层消耗的 GPU 小时一模一样。 → 详细
• 上市公司的真实行为模式很有画面感：「我的天，我的 AI 支出翻了 20 倍，我三个月就把预算烧完了」→ 搭路由器 → 账单稳住甚至下降，而实际消耗的 GPU 算力小时数很可能是在上升的（因为便宜了就用得更多）。 → 详细

• 三档明显不同的采用速度同时存在：AI 原生公司（疯狂押注、不招人、钱都投进 token）→ 最前沿的一批上市公司 → 美国东海岸和内陆的公司（几乎还没开始用）→ 欧洲（还在琢磨怎么监管，「在用它之前就先想着管」）。 → 详细
• 挥之不去的那个念头：全世界大概只有 50 万人、也许 25 万人在用智能体 AI，而我们已经处在急性算力短缺里。地球上有 70 亿、80 亿人——「当我们从 50 万人变成 1 亿人、变成 5 亿人的时候，会发生什么？」 → 详细

• Patrick 转述了最常见的反驳：就算超大规模云厂商在「少赚」，那笔未来的经营性现金流的客户到底在哪？ → 详细
• 从定义上只有两个来源：通过生产率提升带来的更快经济增长（他引萨提亚·纳德拉的说法：「要么我们开始以 10% 的速度增长，要么就不是」），或者对劳动力的替代。 → 详细
• 硬数字：在「真正吃透了」的公司里，token 支出占总薪酬支出的 20%–25%；SemiAnalysis 的 Dylan Patel 在自己公司是 30%（Gavin 说他是个 ASI 极端信徒），Patrick 说听说过 50% 的。知识工作是一个 25 万亿美元的盘子——按 20% 算就是 5 万亿美元。 → 详细
• 反直觉的一手观察：创始人领导并控制的公司（最该快速用 AI 提效的那批人），调整掉疫情期间的超额招聘后，其实没人在真的裁员——「这大概说明了一些事情，说明他们认为还会有大量机会是需要人的」。AI 原生公司的替代不是裁员，而是不招。 → 详细
• 佐证数据：a16z、ICONIQ 等机构测到 AI 原生公司的人均毛利是垂直向上的；Cognition、Ramp、Stripe 各自出过图，显示在 AI 上花钱最多的公司增长明显更快（怀疑论者正确地指出这没有控制行业变量）。 → 详细

• 背景：市场正在从「短期把数字做爆」转向长期协议（LTA）——尤其是内存。结构是客户预付 + 设价格下限和上限，用短期上行空间换长期确定性。Gavin 承认这是他判断错了的一个市场转变。 → 详细
• 为什么内存是那条主轴：在给定单位算力下，你给每单位浮点算力配的内存越多，能吐出来的 token 就越多——「这是提升『单位算力 token 产出』你能做的最重要的一件事」，而且它从定义上降低成本，所以需求完全没有出现负面弹性。 → 详细
• 规模上真正重要的买家只有四家：亚马逊（Trainium）、谷歌（TPU）、AMD、NVIDIA（比其他所有人加起来还大得多）。「这在某种层面上就像这些公司之间一场巨大的《权力的游戏》。」 → 详细
• 核心结论：「未来几年的市场份额，将由供应链配额、由你预购了什么来决定。」 所以哪怕在严重供给过剩时撕毁 LTA 去压价，只要两三年内筹码回到内存厂手里，「那你就完了，出局了」——而这是个周期性行业，「供给过剩之后跟着的就是供给不足」。 → 详细
• 对比过去为什么不同：苹果当年可以为所欲为，因为它没有竞争对手、量又太大，「就算把海力士坑得再惨，美光当然还是会接他们」。现在至少四个玩家在抢配额，「你毁了价格协议，那我们就毁掉量的协议……我们把量给你的竞争对手」。 → 详细

• Patrick 抛出困惑：NVIDIA 在一个对它极度有利的环境里，为什么以这么低的倍数交易？ 而「如果你需要给芯片融资——你确实需要——那没有什么比一块 NVIDIA GPU 更好融资的了」。 → 详细
• 新模式被 Gavin 描述成：一种「信用包装（credit wrapper）」+ 一个收入分成——只要 GPU 价格高于某个下限就分成。它不是传统的厂商融资（钱不是 NVIDIA 借的，是别人借给 GPU 买家的），但 NVIDIA 拿到了分成。 → 详细
• 三重收益：① 可能很快通过分成实质性地拥有一个巨大的云业务；② 显著提高「每吉瓦收入」；③ 缓解全行业的现金流错配（在所有人自由现金流还是负的阶段搭一座桥）。他认为这一点被市场严重误解，NVIDIA 应该好好解释清楚。 → 详细
• 他还给内存厂开了同一个药方：如果他是海力士 CEO，会做跟 NVIDIA 一模一样的事——先拿出一笔现金放在前面给放贷人吃定心丸，但要求在未来的持续收入里分成。「我敢肯定我们在黑石和阿波罗的朋友正在向内存公司提议某种变体。」这是 LTA 逻辑的延伸：LTA 用上行换持久性，这个是直接拿经常性收入的分成。 → 详细
• 关于股权投资的争议，他给了一个干净的解释：「每一次他们没有拿股权的时候，事后都被证明是个错误。」 黄仁勋见过每一家实验室、知道所有进展（连 Safe Superintelligence 现在也在跟他们合作），「他什么都看得到，而他看到的东西让他看多」。至于「投资款不得用于购买 NVIDIA 芯片」的合同条款，Gavin 直言「显然钱是可替代的，那条规定说不通」，但「大概能让所有人心里舒服点」。 → 详细

• 挑战者（包括他和 Patrick 各自投的芯片创业公司）面临三重结构性劣势：在台积电付的代工价更高、买 HBM DRAM 的价格更高、融资拿不到 NVIDIA 那样的利率——「除非他们真的做了很不一样的架构选择」。 → 详细
• 博弈论的结论是没人敢减速：Anthropic「如果在算力上像 OpenAI 那样激进，本来是可以一骑绝尘的」；现在 OpenAI 回到牌桌，Grok 也在牌桌，SpaceX 带着 Grok 4.5 和 Cursor 大举入局。Dario（Anthropic CEO）四个月前说过这个两难——买太多算力可能破产，买得不够可能会输。 → 详细

• Fireworks 推出的 Nexus：如果你在用 Claude Code、OpenAI Codex 或 Grok Build，「字面上就是三行代码、大概 20 个词」——Fireworks 把你的数据吃进去，用 RL 训一个模型，再用路由器分发，效果「非常惊人」。 → 详细
• 护城河的算式：从「只用 1–3 个前沿模型」，变成「前沿模型只处理 30%–60% 的 token 消耗，其余用自己的 RL 模型」，你一下子就不是套壳了。Harvey（被收购前）、Cursor、Legora 都重仓这条路。 → 详细
• 为什么现在才成立：在开源迎来这个时刻之前你没得选，服务条款是什么样你就接受什么样；能下这个跑步机，才有独立性、持久性和安全感。 → 详细
• 推理云（Together、Modal、Baseten）的商业模式让他震惊：增长几乎跟前沿实验室早期一样快，但烧的现金非常少——用老 SaaS 的「40 法则」看是疯狂的数字。他上次还惊讶经济回报过度集中在前沿，「而这个正在改变」。 → 详细
• 一个可能的分配结局：前沿模型继续拿走绝大部分经济价值、但不再是全部；而开源 token 可能占到被处理 token 的大多数。Patrick 打了个比方：像一家公司里 CEO 和员工中位数的薪酬差距。 → 详细
• 反直觉的推论：便宜 token 可能反而抬高最尖端 token 的价值——「如果你有智商 120 的开源模型、而且跑起来非常便宜，那这不就让一个能编排它们的、智商 160 的模型更值钱了吗？」Cursor 的做法已经在验证：用前沿模型做规划、把任务外包给更笨的模型，效率高 15 倍。 → 详细
• 反面观点他也照录：有人相信一旦前沿模型达到递归自我改进（RSI），它靠蒸馏就能在每个智能水平上把服务成本大幅压低，开源就没位置了——他称之为「Anthropic / OpenAI / Grok 的极端主义观点」，「不该轻视任何可能性」。 → 详细

• 他的结论毫不含糊：「监管必然是最大的风险，它是最明显的风险。」 具体信号是纽约州搞数据中心暂停令——「感觉只是众多之中的第一个」，而「我们活在一个奇怪的、后事实、后逻辑的政治世界里」。 → 详细
• 普通美国人的叙事是「数据中心推高电费、用光你的水、抢走你的工作」；而现实是因为「表后（behind-the-meter，发电直接接到用电方、不走公共电网）」交易，数据中心落地后周边电价通常反而下降。特朗普推动的「数据中心承诺」把开发商的社区义务从「给警局消防局配新车」升级成「盖医院、学校、警察局、消防站，还降你电费」。 → 详细
• 用水争议的源头是一次事实错误：某位作者在书里把数据中心用水量高估了 10,000 倍（不是一个、两个、三个数量级），本人已多次承认「我完全错了」。他类比成「大力水手效应」——学术著作里小数点点错两位，导致「菠菜含铁量最高」的说法流传了 80 年（Patrick 当场承认自己一直信这个）。 → 详细
• 他甚至提了个具体方案：成立一个基金会或政治行动委员会（PAC），在 NCAA 四强赛、NFL、大学橄榄球、世界大赛期间投广告讲清楚数据中心到底带来什么。他强调数据中心的蓝领岗位不是一次性的——有持续的返修换件（RMA）和升级需求。「在很多意义上，这是我这辈子见过对蓝领工资最好的一件事」，而「名义上代表蓝领工人的民主党人却在把这些工作拿走」。 → 详细
• 另一条该讲却没讲好的故事：AI 正在真正救命——今年的 ASCO（美国临床肿瘤学会年会）氛围是「这是我们在单场会议上见过的最多的科学突破」。「如果你不说出自己的真相，就没有别人会说。」 → 详细

• 他认为整场算力讨论里漏掉的一件事是 基于 SRAM 的加速器——它们不受 HBM DRAM 约束，而且常用更老的制程，不跟最新最强的 GPU 抢产能。 → 详细
• 终极方案是把推理拆成三段跑在三种芯片上：预填充（pre-fill）用不带 HBM 的芯片、注意力（attention）用带 HBM 的超强芯片、前馈网络（feedforward network）用 SRAM 芯片——「在前馈网络这一块，你就是干不过 SRAM」。因为工作负载总在变，固定比例的单芯片永远调不对，能拆解就对 AI 的投资回报率非常正面。 → 详细

• 他的比喻：DUV 像螺旋桨飞机，EUV 是喷气涡轮——「他们以前没有，现在据称有了，这是一次相变」。但那个「螺旋桨飞机」落后 25 年，「仍然重要、不该被轻视」，而市场大概是反应过度了（真打到 ASML 订单可能是五年后，中间市场会忘了又担心好几轮）。 → 详细
• 他对中国的评价是尊重的（「真的很强、很聪明、工作极其拼命，把这件事看作对国家极其重要」），但认为「这是干中学，而你没法加速那个『干』，你没法瞬移到未来」。关于「一台 EUV 被走私进中国」的传闻他只说「不知道是不是真的，那得是什么样的间谍壮举」。地缘判断：「不管好坏，我们正在脱钩，这个过程已经启动，而且在两边自我强化。他们不会停，我们也不会。」 → 详细

• Gavin 说「这边基本上每个人都比我看多」，最极端的是 Dwarkesh Patel 写的一个推演：租一块 H100 一年要花 25 万美元，约等于当前现货价的 15 倍。Gavin 的反应很坦白——「那甚至都不在我『考虑过但当作极不可能而排除掉』的结果里。」 → 详细
• Dwarkesh 的三重乘法逻辑：算力利润率上升 × 算力总量上升 × 推理利润率上升——这三者相乘就是「实验室 + 开源」总量疯狂加速的来源（尽管开源那部分的利润率并没真的上升）。 → 详细

• 很多人觉得持续学习（continual learning，模型上线后还能继续从新经验里学）和样本高效学习已经很接近被解决了。如果成真，训练需求可能出现一次暂时性断层：从「在 300 万亿 token 上训练」变成「用 10 万亿 token 训练完就放出去自己学」。SSI（Safe Superintelligence）说 8 月要发模型，有一整代新实验室聚焦于此。 → 详细
• 但他认为训练占半导体算力需求的比例本来就会渐近趋向一个「不接近零、但非常小」的数字，而且这对世界是极好的事，「很难相信这会对 AI 基础设施需求是负面的」。而且 NVIDIA 跟所有这些创业公司都深度绑定。 → 详细

• Patrick 问谁可能成为下一个《权力的游戏》级玩家。Gavin 的黑马名单：Fireworks 的 Lin（林俏，「一个绝对的狠角色」）、Cognition 的 Scott Wu，以及一家名字在音频里没听清的公司。 → 详细
• SpaceX 被公开市场严重误读：IPO 后基本面反而更好了（Grok 4.5、收购 Cursor，Cursor 明显在加速）。他认为 Grok 4.5 + Cursor 加起来很快能到 100 亿美元 ARR。有 Substack 作者预测 SpaceX 要在 18 个月内上 8 吉瓦算力，按每吉瓦约 500 亿美元变现——Gavin 明说他几乎不信这份报告，「我不认为会接近 8 吉瓦」，但强调这只股票几乎没有把「他们可能上起来的算力量」计入价格（明年一致预期收入 730 亿美元）。 → 详细
• 一条硬事实做锚：至今为止，一年内上过 500 兆瓦以上电力的公司只有超大规模云厂商、CoreWeave、Crusoe 和 SpaceX，而 SpaceX「大概是上得最多、最快、成本最低的」。反方是纽约一家大对冲基金的空头论点：算力现货价会跌 90%。埃隆的名言被他引用：「我们专精于把不可能的事做晚。」 → 详细
• 另一个看多算力的隐性证据：SpaceX 一夜之间把海量算力投进市场，结果「连个水花都算不上」，市场完全吸收，行情一点没放缓。 → 详细
• 轨道算力（orbital compute）「每天都感觉更真实了」。他的理智检验很巧妙：Benchmark（完全不在埃隆生态里、且拿不到 SpaceX 的内部发射成本优势）用一个不错的估值投了轨道算力公司 StarCloud（SpaceX 会让它用星链的激光技术）。「也许我疯了，也许埃隆疯了，也许 Benchmark 也疯了，也许 SpaceX 的工程师们也疯了——但老兄，那在我看来实在不太可能。」 → 详细

（本期无固定闪电问答环节。）

收尾部分两人在 Benchmark 的办公室（「他们办那些著名晚宴用的那张著名桌子」）致谢主人，并留下一句作为全期注脚的话：「我们一年后看看这些股票都在什么位置。而最棒的是，时间会给出答案。人们会被证明对或错。未来是概率性的。但这是个激动人心的时刻。」 → 详细