worth of 语法不通，几乎确定是 north of（超过）的误识；金额 300 亿美元逐字保留，仅"超过"二字为推断。这一期是你 All in AI 投资线上分量最重的一份原始材料——不是研报转述，而是这轮 AI 资本开支潮里花钱最凶的那几家公司之一的财务一号位，用 76 分钟把算力采购、分配机制、单位经济、定价哲学、融资结构、投资人尽调问题全部摊开自述。密度极高，且几乎每一条都能直接进你的估值框架。
更重要的是：它和第 162 期（OpenAI CFO Sarah Friar）构成一组几乎完美的对照实验——同一时点、同一行业、竞争最直接的两家公司的财务一号位，各自讲同样的几件事。你在 162 期的笔记里已经给自己下过一个"这周赌注"：做一张两家 CFO 的并列对照表。这一期到齐了，那张表现在可以动手了。 而且两人在几个关键点上口径明显不同，差异本身就是最有价值的信息（下面逐条点出）。
怎么做的：他给了一把和 Sarah Friar 完全不同口径的尺子。Friar 用的是"1 吉瓦 ≈ 每年 100 亿美元收入、立起 1 吉瓦全口径约 500 亿美元"的产能换算法；Krishna 拒绝任何单点估计，只谈**"整个算力信封的总回报"——"如果我服务推理，那是支持今天的收入；如果我做模型开发，它可能带来一个解锁 TAM 的能力，那是驱动六个月后的收入"。他还明确否掉了变动成本这个会计范式**："这种'每多服务一个客户就多一笔变动成本'的想法不太适合我们的生意，它是在试图把我们套进一个软件公司的范式。" 证据很硬：收入从 90 亿跳到 300 亿的那个季度里，根本没有新上一批算力。
你可以怎么做：给 StockHelp 里所有 AI 相关标的加一条估值口径备注：用软件公司的毛利率去看模型公司，结论会系统性失真。 真正该问的三个数是——① 这家公司锁定了多少算力、什么时候到货；② 它把算力变成收入的效率（可用"年化收入 ÷ 在役吉瓦"做粗略代理）；③ 它多快能把新到的异构算力投入生产（他把这条当核心竞争力，见下条）。这比追某一季的毛利率数字更接近生意本身。顺手加一栏可跟踪字段：「锁定吉瓦数 / 合约起始年份 / 合约金额」——本期给了 Anthropic 的确切值（谷歌+博通 5 吉瓦、2027 年起；亚马逊 Trainium 最高 5 吉瓦；合计承诺超 1000 亿美元），配上 Friar 那边的对应数字，这一栏就能横向比了。
怎么做的："算力的吞吐能力本身就是竞争力"是本期最容易被忽略、也最可投资的一个洞见。 他说一两年前"异构算力空投"会很难消化，而今天**"多给一大批算力，会非常快地被部署到这些不同用途上……我们已经能非常快地把几乎任何类型的算力拉起来。这一点我们认为是一个真正的优势。"** 底层是三样东西叠出来的：三平台可互换 + 自建编排层 + 自己写编译器，结论那句是**"在我们组织内部，一美元的算力比在别处任何地方走得都远"**。
你可以怎么做：这给了你一条区分"卓越生意"与"只是买得多"的判别式：在算力普遍稀缺时，谁的算力→产出转化效率更高，谁就能用更少的资本买到同样的前沿位置。对你的选股清单意味着两件事：① 评估模型公司时，"绑死单一芯片供应商"应该被记为风险扣分项——他和 Friar 在这点上罕见地完全一致（Friar 的原话是"只绑一种芯片，就必然会有某个时刻你没法待在前沿"）；② 对芯片厂与云厂，"客户是否具备跨平台迁移能力"直接决定它们的长期议价权——像 Anthropic 这样能三平台互换的客户，对任何单一供应商的粘性都比表面上低得多。
怎么做的：定价这一段和市场共识是反的，值得单独存档。 公司成立五年多、去年三月才是第一美元收入的三周年、2024 年 3 月才有真正的前沿模型，而定价基本没动过；唯一一次大调整是降价——发布 Opus 4.5 时把 Opus 系列价格下调，原因是**"相对于 Opus 级模型的能力，它被低估使用了，人们常常把一个 Opus 级的问题硬塞进 Sonnet 里"。结果是杰文斯悖论**："我们降了价，但消费量上升的幅度远远超出你原本的预期。"而且他把定价稳定性当成产品特性——Opus 4.6 发布时直接替换、价格不变，客户不用重做工作流的经济账。
你可以怎么做：这条给你一个看 AI 公司定价动作的解读器。市场习惯把降价读成"价格战 / 商品化"，但这里的降价是产能自信 + 使用错配修正，带来的是消费量的超线性上升。判别方法很实用：看降价之后总消耗量的变化幅度——如果消耗量涨幅显著超过降价幅度，那是杰文斯效应（利好），不是价格战（利空）。另外请注意与 162 期的方向性差异：Friar 讲的是"标价翻倍但客户单 token 成本降 20–30%"，Krishna 讲的是"标价下调、消耗量暴涨"——两家在同一时期采取了方向相反的定价动作，这个对比本身就该进你的对照表，而且是那张表里最能引出判断的一行。
怎么做的：融资口径这句要划重点："自我加入以来我们已经融了 750 亿美元，未来还有另外 500 亿美元来自上个月和亚马逊、谷歌的交易"，紧接着是那句定性——"我们融这笔钱，更多是因为那个不确定性锥，而不是为了给业务的亏损补窟窿。" 他还给了不确定性锥的操作定义：在指数增长里，月度增长率上极小的差异会复利成天差地别的结果，所以只做情景不做点估计，并且维持**"极低的更新门槛"**——"一个季度预测一次、下次董事会再看，在我们这门生意里行不通"。
你可以怎么做："为不确定性融资、而不是为亏损融资"这个说法，本身需要你带着怀疑去验证——它非常漂亮，也无法从外部证伪。把它变成一个可检验的问题放进你的 AI 投资备忘录：这家公司的融资额，是与"已签约的算力承诺"对应，还是与"经营性现金缺口"对应？ 前者是提前锁产能（他的说法），后者是补窟窿。Anthropic 的"1000 亿采购承诺 vs 1250 亿融资"这个比值是可跟踪的。这也正好接上你在 162 期记下的那条判别式："远期收入是签约锁定的，还是从算力量反推的？"——两期合起来，你现在有了一对互补的判别式：一条查收入端，一条查资金端。
怎么做的：他直接给了一份尽调清单（主持人问"如果把你塞进投资人的位子，你会问什么"）：① 算力的整体 ROI 是多少、什么时候到、形状如何；② 客户的 ROI 是怎样的、是在测试还是真上量；③ 你未来的算力从哪来、供应商自用与外售的平衡会怎么变。他自家的答案是三组硬数据：NDR 年化超过 500%、财富 10 强中的 9 家、"来的路上我在 Uber 车里签了两笔两位数百万美元的合同，车程大概 20 分钟"，并补了一句"我们是在被世界上最老练的买家评判，他们在市场上有选择，而他们选了我们"。
你可以怎么做：把这三问原样抄进 StockHelp 的"AI 标的尽调模板"，它比通用的护城河问卷更贴这条赛道。特别是第二问——"是测试还是真上量"——给了你一个可外部观察的代理指标：NDR（净收入留存率）。这是财报里常有、但你之前可能没重点看的数；在 AI 应用/模型公司上，NDR 是"客户到底有没有真拿到 ROI"最诚实的单一指标（老客户续费还加钱，比任何新签数字都可信，也比"客户 logo 墙"可信）。建议给看板加这一栏。
怎么做的：这是本期第二大益项，信号相当硬。 他描述 Anthropic 今天的产品开发形态："已经不是一个产品经理带两个工程师、花三个月发一个东西了。它每天都在发布，而且有一支 agent 舰队在公司里针对具体任务工作。所以每个人某种程度上都变成了管理者。" 佐证是光一月份就有 30 次产品与功能发布、公司 90% 以上的代码由 Claude Code 写。而下一站"虚拟协作者"的四个要件——组织内上下文、能用你所有的工具、有记忆能从错误中学习、能在长时间跨度上针对一个想法而非一个任务工作——基本就是一份未来 PM 要管的对象说明书。
你可以怎么做：这条直接回答了你"看不见前沿公司 PM 在变成什么样"的缺口，答案是：PM 的工作单位正在从"需求 → 排期 → 交付"变成"配置一支 agent 舰队 + 每天验收"。 有两个可立刻做的动作：① 把"每个人都变成管理者"当成你个人的能力盘点表——你现在管三驾马车（product-manager / ux-designer / tech-lead）其实已经在做这件事了，缺的不是工具而是"验收"这一环：一支 agent 舰队每天出活，你靠什么判断今天这批比昨天好？这正好指向你自己列的痛点"产出可观测、可验证"。② 把"虚拟协作者四要件"当成你自建体系的路线图——对照一下，你的三驾马车目前有上下文、有工具，但"记忆（从上次评审的错误里学）"和"长跨度针对一个想法而非一个任务"这两件基本是空的。补这两件，比再加一个 agent 角色值钱得多。
怎么做的：财务团队那一整段是"非技术职能怎么被 agent 化"的完整样本，比任何方法论文章都具体：所有法律实体的法定财务报表都用 Claude 生成（人复核）；有个实时数据平台 AntStats；一个公共仓库里放着 70 多个财务专用 skill，人人可取；在其之上有一个 MFR（月度财务复盘）skill，成品度 90%–95%；周报从几小时压到 30 分钟。他对价值的定性极准："Claude 不只是在播报天气，它还在帮我们思考驱动因素——这个数字为什么会这样变。" 而 token 排行榜的结果反直觉：用得最多的是最资深的人，第一名是税务主管，不是那个懂编程的年轻人。
你可以怎么做："70 多个共享 skill + 一个组合式的复盘 skill"这个结构，可以原样搬进 Codex Holdwell ERP work。 你现在的三驾马车是角色型组织（按人格分工），他们是能力型 + 组合型（细粒度 skill 沉在公共仓库，上层用一个 skill 把它们编排成一份成品）。这两种可以叠加：把 6 条产品线里反复要做的动作（对账规则校验、字段口径比对、跨线影响面扫描）各沉成一个 skill 进公共仓库，再写一个"评审前自检"skill 把它们串起来跑一遍——这既是"跨线对齐"的机械化，也是"评审回炉闭环"的前置拦截。而"成品度 90%–95%、剩下的交给人判断"这个交付标准，比"agent 全自动"更现实，也更容易验收。
另一条是对你个人的："最资深的人 token 用得最多"这个事实，和你在 162 期记下的"Codex 在 OpenAI 内部起飞最快的是 GTM 而非研发"是同一个规律的两面——agent 的扩散不是沿技术能力走的，是沿"谁手上重复判断最多"走的。在 Holdwell 找提效证据时，去看财务对账、客服、跨线协调这些线，而不是只盯产研。
怎么做的：算力分配会那一段其实是一套"多方争抢稀缺资源"的治理机制，可迁移性很强：① 文化前提——"这里没有诸侯，它是以非常协作、而非零和的方式进行的"；② 机制——每个团队陈述"拿到这块资源我会拿它做什么"，然后就 ROI 公开辩论；③ 一条硬地板——模型开发的算力有绝不下穿的水位，即使短期让服务客户变难；④ 决策后的纪律——"一旦做出决定，就真的对齐，没有事后质疑，没有政治和山头。"
你可以怎么做：这套东西几乎是给你的碰撞协议写的说明书，尤其第 ③ 和第 ④ 条。你的痛点里有一条是"碰撞纪律是否真执行"——他的做法给了两个可抄的补丁：（a）给碰撞协议加一条"地板"——无论这轮 PRD 多赶，独立初稿互不可见这一步不能被跳过（它对应他的"模型开发算力不下穿"：短期最贵、长期最值的那件事必须有硬保护）；（b）碰撞之后要有一个明确的"对齐时刻"——合成定稿一旦出来，三个角色不再各自退回自己的初稿立场。他那句"决定之后没有事后质疑"，正是把"碰撞"和"扯皮"区分开的那条线。
怎么做的："客户的卡点就是我们的训练目标"这套反馈闭环，是他讲研发优先级最清楚的一段：客户说"我希望模型在这方面更好"或"我在这里卡住了"，这些卡点就直接变成训练目标；而他们给客户的回应是**"就按那个去做产品，因为我们会在研发端把它做上去"。同时他们内部持续拿不同训练快照互相比、也跟客户的真实反馈比，并且明说很多公开基准已经饱和，"我们真正的度量是客户告诉我们什么"**。
你可以怎么做："基准已饱和、真正的度量是客户告诉我们什么"这句，可以直接当成你"产出可观测、可验证"的口径校正。 你现在要验的是 agent 产出的质量，很容易滑向自建一套评分指标；他的提醒是——当自建指标开始普遍拿高分时，它就已经不再有区分度了。更耐用的做法是建一个"真人评审卡点台账"：每次评审真人提出的每一条意见都记一行（哪条产品线、哪个角色的初稿出的问题、属于哪一类），这个台账既是你的评测集，也是下一轮该补哪个 skill 的优先级排序。这一条同时打中你"评审回炉闭环"的痛点——回炉的产物不该只是一份改好的 PRD，而应该是台账上多出来的那几行。
该反着用：他的整套打法建立在**"用资本和冗余买不确定性下的容错"上——三个芯片平台、千层蛋糕式的多批次算力、1250 亿融资、"极低的更新门槛"。但这是资本极度充裕方的解法。 你的元约束正好相反：精力是你唯一稀缺的资源，多线并行不是冗余而是漏水。 所以正确的反用方式是：把"多平台冗余"换成"单点深耕 + 可退出设计"——他用钱买"随时能换芯片"，你只能用取舍买"随时能停掉一条线而不塌"。具体一点：他那条"模型开发算力有绝不下穿的地板"在你这儿的等价物不是多开一个项目，而是给"每周留一天思考"设一条同样不可谈判的地板**——那正是你自己那 1% 的来源。
和你现在做法冲突：他最反直觉的一条是"极低的更新门槛"——"一个月前成立的事今天可能就不成立了，那会打破你的模型，你得回去更新它"，并明说季度预测节奏在他们这门生意里行不通。这和你操作系统里的"判断力 > 努力""接受现实、不抗拒"是同源的，但和"每周留一天思考 + 季度回望"的节奏有张力：他的做法是持续小步重估，你的做法是定期集中重估。值得掂量的问题是：你的哪些判断是"季度级别才会变"的（价值观、长期方向、投资的能力圈），哪些是"月度甚至周度就会失效"的（AI 工具选型、agent 架构、内容号打法）？ 前者按季度回望没问题，后者用季度节奏就是明确的滞后。这个分类你自己做一次，比照搬任何一方都值。
对你的镜子：最锋利的一面镜子是那句"如果我们自己都不是超级用户、都不去顶它的极限，你怎么能指望客户去这么做？"，加上"token 排行榜第一名是税务主管"这个事实。你是 ERP 产品经理，同时是一个 AI 工具的重度自建者——但你的 Holdwell 同事和用户，是否见过你把这套东西用在你自己的日常业务判断上？ 第二面镜子更具体：他们把财务部的重复动作沉成了 70 多个可复用 skill 放进公共仓库；而你的第二大脑里，大量内容是"写完就搁下的档案"，而不是"每天被调用的工作台"（这一条你在 162 期已经照过一次镜子了，同一个问题连着两期被两位 CFO 从不同角度点到，说明它不是偶然）。可检验的问题还是那句：你的知识库和 skill 目录里，有多少在过去 30 天真的被某次决策或某个 agent 调用过？