Google’s AI Brain Drain, SpaceX's Huge Quarter, Airtable’s 90% Collapse, US Data Fuels China AI

以下是视频中每位嘉宾关于各个话题的观点摘要： --- ### **1. Google AI 团队重组：模型开发 vs. 基础设施投资** **Jason:** * 介绍了Demis Hassabis和Jeff Dean离职/角色变化的新闻，以及Axios的报道和Google股价下跌2000亿美元市值的情况。 * 质疑这是创新性破坏（淘汰低效人员）还是AI领域无限资本和机会的吸引力导致谷歌资深人士（OGs）离职。 * 指出Google Cloud收入同比增长82%，谷歌现有5款产品拥有超过30亿月活跃用户（Android, Search, Gmail, Chrome, YouTube），以及13款产品拥有超过10亿月活跃用户，其中Gemini在第二季度达到9.5亿月活并翻了三倍。 * 他认为谷歌将成为消费者AI使用量上的第一名。 * 他个人认为，对于95%的工作，非前沿（开源）模型已经足够好，差异可以忽略不计。他相信开源模型和Gemini会是领导者。 * 他提到Elon Musk认为前沿模型与开源模型之间仍有“天壤之别”，但在特定、非速度导向的使用场景下，前沿模型并非必需。 **David Friedberg:** * 认为这可能源于董事会和管理层关于资本部署的辩论。 * Google承诺今年投入2000亿美元用于AI基础设施和数据中心建设（资本支出），这在税务上具有巨大优势，且回报率（ROIC）高，风险低（高Alpha，低Beta）。 * 而开发最先进的前沿模型也需要数百亿美元，但其利润交付和投资回报（特别是面对开源模型的快速追赶）的确定性较低，风险高（高Alpha，高Beta）。 * 因此，谷歌将更多资本投向基础设施和数据中心，成为“模型无关”的平台，可以托管Anthropic、OpenAI、xAI等各种模型。 * 他认为离职的科学家们是模型开发的核心，他们看到资本不再主要投入到他们感兴趣的模型开发，转而投入基础设施，这促使他们考虑外部机会（如Brad Gerstner提及的数十亿美元融资）。 * 谷歌拥有最好的视频和生命科学数据，在这些垂直专业模型方面仍具优势，Demis Hassabis也还在运营Isomorphic Labs。企业会采用混合模型策略，而谷歌云可以成为这种混合模型的服务提供商。 **Brad Gerstner:** * 同意David的观点。微软也报告其“tokens as a service”（代币即服务）基础设施业务有超过30%的投资回报率。 * 谷歌内部存在“渠道冲突”：谷歌云希望将算力出租给Anthropic等外部公司，而内部前沿模型团队也需要算力来竞争。 * 他认为这种冲突正在解决，倾向于谷歌成为基础设施公司。 * xAI/SpaceX也存在类似冲突（出租算力给Anthropic，同时开发Grok/Cursor）。Anthropic和OpenAI则没有这种冲突，因为他们只专注于模型业务。 * 如果这些顶尖人才离职，谷歌可能不再是模型开发的前沿公司。 * 他提到Elon Musk认为前沿模型远比人们想象的更先进，以及Jensen Huang认为闭源模型（虽然训练成本高，但无需自行维护/微调/安全保障）实际上更便宜。 * 他认为市场竞争健康，开放模型消费量会增加，但前沿模型的经济份额会增加。 **David Sacks:** * 认为Google新闻预示着“双雄争霸”格局：前沿智能市场已成为Anthropic和OpenAI的“双头垄断”。 * 市场结构正在演变为两层：前沿智能（可以收取溢价，如Anthropic年化经常性收入ARR已超800亿美元，增长10倍）和商品化/滞后智能（免费权重，只收取计算费用）。 * 他将此比作Apple vs. Android：Android用户更多，但Apple通过优质体验获得更多利润。 * 对于高竞争性行业（如对冲基金）或新兴用例（寻求AI机会），企业会愿意为最佳智能支付溢价。 * 他认为像Airtable这样的无代码/低代码工具是受AI冲击最大的SaaS领域，因为AI（如Claude Code）现在可以直接根据需求创建所需工具，无需学习复杂的替代编程语言。 * 他认为不是所有SaaS都会被淘汰，大型企业不会轻易替换Salesforce这类有合规性要求、庞大集成和既有生态的SaaS产品。 --- ### **2. SpaceX IPO、财报及未来展望** **Jason:** * 介绍了SpaceX作为上市公司发布首份财报：股价下跌13%，估值1.4万亿美元（IPO时超2万亿美元），第二季度营收78亿美元（同比增长92%），AI收入（Elon Web Services）26亿美元（环比增长3倍），资本支出184亿美元（同比增长6倍，年化750亿美元）。 * 他认为SpaceX面临的潜在逆风包括：对token和算力需求的持续性（桌面级/开源模型可能降低需求），以及星链市场主要针对农村地区。 * 他预测未来所有特斯拉都将内置星链，实现车载Wi-Fi网络，并支持手机直连星链。 * 他提到特斯拉曾有160倍的市销率，现在SpaceX的45倍市销率是一种“平衡”。 **Brad Gerstner:** * 认为1.4万亿美元的估值对一家公司而言是“非凡的”，股价下跌是IPO后常见的“从高峰到低谷”的修正。 * 财报表现强劲，Elon的指引也很“非凡”（年底年化经常性收入ARR达1000亿美元，万亿美元收入目标提前到2030年）。 * 市场关注点：算力租赁业务（与Anthropic的合作，GPU租赁倍数通常较低），前沿模型业务（Grok用户增长3倍，Cursor有望达到100-200亿美元，估值倍数更高），以及Starlink（移动通信市场）。 * 他强调“入场价格很重要”，认为现在SpaceX在合理估值下是很好的长期投资机会。 * 他认为Elon是卓越的创新者和资本配置者，即便高风险投资也值得。 * 他认为Elon可能是唯一能在如此短时间内（如明年新增6GW算力）建设如此大规模基础设施的人，但挑战在于组件供应（内存、芯片、电力）。 * 提到7月份市场恐慌情绪（可能因Kimmy评论）导致半导体AI股票回调，如果需求出现“滑坡”，整个行业都会剧烈下跌。 **David Sacks:** * 认为财报电话会议非常看好，对股价下跌感到惊讶。 * 星舰（Starship）的成功对星链（Starlink）至关重要：V3卫星带宽是V2的10倍，星舰单次可部署60颗V3卫星，提供比Falcon 9多20倍的容量，从而实现直连手机等功能。 * 数据中心方面：预计年底2GW，明年5-10GW。目前算力现货价在30-50美元/瓦特。若达到2GW并以50美元/瓦特计算，年底1000亿美元年化经常性收入ARR是可信的（不包括星链、发射、Grok/Cursor等）。 * 他提出疑问：算力现货价格能否维持？市场内存受限（需求增长200%，供应20%）。 * 质疑如何为额外6GW的算力（约3000亿美元资本支出）融资？（Nvidia支持？股权稀释？） **David Friedberg:** * 称星链是“令人难以置信的印钞机”，其连接业务贡献了26亿美元调整后EBITDA。 * 星链营收43亿美元/季度，1200万用户（同比增长1倍），平均每用户月收入66美元，季度增长20%。 * 推断星链有望达到2400万用户，年收入400亿美元，其中大部分将转化为自由现金流（300亿美元）。 * 他认为仅星链业务本身，若以30倍市盈率计算，两年内可达万亿美元市值，足以支持Elon的其他“科学项目”。 * 他强调Elon擅长建设实体工厂（如GigaFactory），这在当前算力、晶圆厂短缺的时代是一个核心优势。 * 他指出星链的成功导致了AT&T、Verizon、HughesNet等传统卫星/电信公司的衰落。 * 他认为星链手机直连功能将进一步加速用户增长。 --- ### **3. AirTable 被收购：SaaS市场的教训** **Jason:** * 介绍了AirTable以12.8亿美元被收购，约是其2021年峰值估值（117亿美元）的1/10，尽管其年收入5亿美元，增长20%。 * 质疑Bending Spoons是否是“最后的买家”，以及SaaS领域是否正在经历“SaaS末日”。 * 他分享了他的团队通过“Vibe Coding”（使用AI生成代码）在一个月内构建了一个投资组合管理工具，节省了数百万美元，证明了AI对传统SaaS的颠覆潜力。 **David Sacks:** * 认为Bending Spoons这笔收购可能会很赚钱。 * AirTable在收购前剥离了其AI代理业务（Hyperagent），表明创始人和人才更希望专注于AI新事物（风险投资模式），而将遗产产品作为私募股权模式出售。 * 他指出AirTable销售团队的销售达成率只有30%，意味着公司虽然有产品驱动的增长（PLG，约20%），但董事会（受高估值投资者驱动）强行推行销售驱动模式，结果不佳。 * 他认为Bending Spoons可以效仿Elon Musk在Twitter的做法，削减85-90%的成本，回归PLG模式，使公司高度盈利（可能80%的EBITDA利润率），几年内收回投资。 * 他认为VC和创始人很难从风险投资心态（追求高增长）转向私募股权心态（注重利润削减成本），因为这与他们的文化和激励机制不符。 * AirTable本身是一个“古怪”的产品，从未达到像Excel那样的普及性或易理解性。它被归类为“无代码”工具，而无代码/低代码SaaS是当前受AI冲击最大的领域。 * 他强调并非所有SaaS都会被取代：大型企业不会用AI生成的代码替换Salesforce、ERP、HR系统等，因为这些系统涉及合规性、稳定性、安全性等关键因素。 **Brad Gerstner:** * 指出营收倍数可以很快压缩。虽然AirTable以2倍营收出售，但从自由现金流来看可能是30倍。 * 他认为Bending Spoons要达到4亿美元EBITDA并不容易，因为当公司增长放缓时，员工士气、客户流失率都会下降，形成恶性循环。 * 他认为当前软件公司很难留住优秀销售和产品开发人才，因为他们都想去AI领域工作。 * 他提到像Snowflake等SaaS公司表现强劲（过去六个月增长90%），不能一概而论。 * AirTable的早期投资者在此次交易中赚了很多，但后期投资者（在117亿美元估值时进入）基本只拿回了本金。他认为这是一个“好的失败”。 * 强调了“清爽条款”（1倍清算优先权）的重要性，确保投资者收回本金，然后所有股东按比例分享剩余价值。 **David Friedberg:** * 不认为ZIRP（零利率政策）时期的SaaS泡沫与当前的AI时代有可比性。SaaS估值高是基于营收倍数，而AI的资本支出和模型训练是基于不同的资本配置策略和高投资回报率潜力。 --- ### **4. 中国AI训练与美国数据：竞争与担忧** **Jason:** * 介绍了《福布斯》的调查，称美国数据标注初创公司（如Surge AI, Mercore，估值超200亿美元）向中国顶级AI公司（如腾讯、字节跳动、阿里巴巴、月之暗面）出售宝贵的训练数据。 * 他提到中国六大AI实验室每年花费5亿美元购买这些“秘密武器”（如博士编写的强化学习知识管道）。 * 他个人认为，帮助中国公司追赶美国AI前沿是不爱国的行为，因为这些数据是由美国专家和博士创建并验证的高质量、技术性强的内容。 **David Sacks:** * 认为首先需要明确我们的目标：是与中国进行全面经济战，还是阻止所有公司在那里开展业务？ * 历史规则是关注“军民两用”技术转移。他认为数据（尤其是数据标注）本质上是商品。 * 即使禁止美国公司出售，中国也有大量劳动力和博士可以进行数据标注。 * 他担心禁止这些销售可能会引发中国的报复性措施（如稀土出口禁令）。 * 他认为，除非这些数据真正具有专有性、军民两用性质，否则这种禁令可能无法产生决定性优势，反而会制造摩擦。 * 他举例说，2019年特朗普政府限制EUV光刻机出口是对华战略性控制的成功案例，但数据销售不一定达到这个标准。 * 他指出中国每年毕业的数学和科学毕业生比世界其他地区加起来还要多，不缺聪明人来创建这些数据集。 **Brad Gerstner:** * 同意David的观点，即我们希望最大程度的竞争，并且目前美国在AI领域处于领先地位。 * 但他承认，这种行为（美国公司向中国出售训练数据）会让华盛顿的一些人感到不满，他们认为这可能让中国实验室在追赶美国前沿智能的竞赛中“过于容易”。 * 他认为，如果未来美国总统得到“我们不再领先”的报告，那么这些行为将受到更严格的审查。 * 他使用Kimmy、Qwen、GLM-52等中国开源模型的例子，说明它们已经非常出色。

以下是视频中每位嘉宾关于各个话题的观点摘要： --- ### **1. Google AI 团队重组：模型开发 vs. 基础设施投资** **Jason:** * 介绍了Demis Hassabis和Jeff Dean离职/角色变化的新闻，以及Axios的报道和Google股价下跌2000亿美元市值的情况。 * 质疑这是创新性破坏（淘汰低效人员）还是AI领域无限资本和机会的吸引力导致谷歌OGs离职。 * 指出Google Cloud收入同比增长82%，谷歌现有5款产品拥有超过30亿月活跃用户（Android, Search, Gmail, Chrome, YouTube），以及13款产品拥有超过10亿月活跃用户，其中Gemini在Q2达到9.5亿月活并翻了三倍。 * 他认为谷歌将成为消费者AI使用量上的第一名。 * 他个人认为，对于95%的工作，非前沿（开源）模型已经足够好，差异可以忽略不计。他相信开源模型和Gemini会是领导者。 * 他提到Elon Musk认为前沿模型与开源模型之间仍有“天壤之别”，但在特定、非速度导向的使用场景下，前沿模型并非必需。 **David Friedberg:** * 认为这可能源于董事会和管理层关于资本部署的辩论。 * Google承诺今年投入2000亿美元用于AI基础设施和数据中心建设（资本支出），这在税务上具有巨大优势，且回报率（ROIC）高，风险低（高Alpha，低Beta）。 * 而开发最先进的前沿模型也需要数百亿美元，但其利润交付和投资回报（特别是面对开源模型的快速追赶）的确定性较低，风险高（高Alpha，高Beta）。 * 因此，谷歌将更多资本投向基础设施和数据中心，成为“模型无关”的平台，可以托管Anthropic、OpenAI、xAI等各种模型。 * 他认为离职的科学家们是模型开发的核心，他们看到资本不再主要投入到他们感兴趣的模型开发，转而投入基础设施，这促使他们考虑外部机会（如Brad Gerstner提及的数十亿美元融资）。 * 谷歌拥有最好的视频和生命科学数据，在这些垂直专业模型方面仍具优势，Demis Hassabis也还在运营Isomorphic Labs。企业会采用混合模型策略，而谷歌云可以成为这种混合模型的服务提供商。 **Brad Gerstner:** * 同意David的观点。微软也报告其“tokens as a service”基础设施业务有超过30%的投资回报率。 * 谷歌内部存在“渠道冲突”：谷歌云希望将算力出租给Anthropic等外部公司，而内部前沿模型团队也需要算力来竞争。 * 他认为这种冲突正在解决，倾向于谷歌成为基础设施公司。 * xAI/SpaceX也存在类似冲突（出租算力给Anthropic，同时开发Grok/Cursor）。Anthropic和OpenAI则没有这种冲突，因为他们只专注于模型业务。 * 如果这些顶尖人才离职，谷歌可能不再是模型开发的前沿公司。 * 他提到Elon Musk认为前沿模型远比人们想象的更先进，以及Jensen Huang认为闭源模型（虽然训练成本高，但无需自行维护/微调/安全保障）实际上更便宜。 * 他认为市场竞争健康，开放模型消费量会增加，但前沿模型的经济份额会增加。 **David Sacks:** * 认为Google新闻预示着“双雄争霸”格局：前沿智能市场已成为Anthropic和OpenAI的“双头垄断”。 * 市场结构正在演变为两层：前沿智能（可以收取溢价，如Anthropic ARR已超800亿美元，增长10倍）和商品化/滞后智能（免费权重，只收取计算费用）。 * 他将此比作Apple vs. Android：Android用户更多，但Apple通过优质体验获得更多利润。 * 对于高竞争性行业（如对冲基金）或新兴用例（寻求AI机会），企业会愿意为最佳智能支付溢价。 * 他认为像Airtable这样的无代码/低代码工具是受AI冲击最大的SaaS领域，因为AI（如Claude Code）现在可以直接根据需求创建所需工具，无需学习复杂的替代编程语言。 * 他认为不是所有SaaS都会被淘汰，大型企业不会轻易替换Salesforce这类有合规性要求、庞大集成和既有生态的SaaS产品。 --- ### **2. SpaceX IPO、财报及未来展望** **Jason:** * 介绍了SpaceX作为上市公司发布首份财报：股价下跌13%，估值1.4万亿美元（IPO时超2万亿美元），Q2营收78亿美元（同比增长92%），AI收入（Elon Web Services）26亿美元（环比增长3倍），资本支出184亿美元（同比增长6倍，年化750亿美元）。 * 他认为SpaceX面临的潜在逆风包括：对token和算力需求的持续性（桌面级/开源模型可能降低需求），以及星链市场主要针对农村地区。 * 他预测未来所有特斯拉都将内置星链，实现车载Wi-Fi网络，并支持手机直连星链。 * 他提到特斯拉曾有160倍的市销率，现在SpaceX的45倍市销率是一种“平衡”。 **Brad Gerstner:** * 认为1.4万亿美元的估值对一家公司而言是“非凡的”，股价下跌是IPO后常见的“从高峰到低谷”的修正。 * 财报表现强劲，Elon的指引也很“非凡”（年底ARR达1000亿美元，万亿美元收入目标提前到2030年）。 * 市场关注点：算力租赁业务（与Anthropic的合作，GPU租赁倍数通常较低），前沿模型业务（Grok用户增长3倍，Cursor有望达到100-200亿美元，估值倍数更高），以及Starlink（移动通信市场）。 * 他强调“入场价格很重要”，认为现在SpaceX在合理估值下是很好的长期投资机会。 * 他认为Elon是卓越的创新者和资本配置者，即便高风险投资也值得。 * 他认为Elon可能是唯一能在如此短时间内（如明年新增6GW算力）建设如此大规模基础设施的人，但挑战在于组件供应（内存、芯片、电力）。 * 提到7月份市场恐慌情绪（可能因Kimmy评论）导致半导体AI股票回调，如果需求出现“滑坡”，整个行业都会剧烈下跌。 **David Sacks:** * 认为财报电话会议非常看好，对股价下跌感到惊讶。 * 星舰（Starship）的成功对星链（Starlink）至关重要：V3卫星带宽是V2的10倍，星舰单次可部署60颗V3卫星，提供比Falcon 9多20倍的容量，从而实现直连手机等功能。 * 数据中心方面：预计年底2GW，明年5-10GW。目前算力现货价在30-50美元/瓦特。若达到2GW并以50美元/瓦特计算，年底1000亿美元ARR是可信的（不包括星链、发射、Grok/Cursor等）。 * 他提出疑问：算力现货价格能否维持？市场内存受限（需求增长200%，供应20%）。 * 质疑如何为额外6GW的算力（约3000亿美元资本支出）融资？（Nvidia支持？股权稀释？） **David Friedberg:** * 称星链是“令人难以置信的印钞机”，其连接业务贡献了26亿美元调整后EBITDA。 * 星链营收43亿美元/季度，1200万用户（同比增长1倍），平均每用户月收入66美元，季度增长20%。 * 推断星链有望达到2400万用户，年收入400亿美元，其中大部分将转化为自由现金流（300亿美元）。 * 他认为仅星链业务本身，若以30倍市盈率计算，两年内可达万亿美元市值，足以支持Elon的其他“科学项目”。 * 他强调Elon擅长建设实体工厂（如GigaFactory），这在当前算力、晶圆厂短缺的时代是一个核心优势。 * 他指出星链的成功导致了AT&T、Verizon、HughesNet等传统卫星/电信公司的衰落。 * 他认为星链手机直连功能将进一步加速用户增长。 --- ### **3. AirTable 被收购：SaaS市场的教训** **Jason:** * 介绍了AirTable以12.8亿美元被收购，约是其2021年峰值估值（117亿美元）的1/10，尽管其年收入5亿美元，增长20%。 * 质疑Bending Spoons是否是“最后的买家”，以及SaaS领域是否正在经历“SaaS末日”。 * 他分享了他的团队通过“Vibe Coding”（使用AI生成代码）在一个月内构建了一个投资组合管理工具，节省了数百万美元，证明了AI对传统SaaS的颠覆潜力。 **David Sacks:** * 认为Bending Spoons这笔收购可能会很赚钱。 * AirTable在收购前剥离了其AI代理业务（Hyperagent），表明创始人和人才更希望专注于AI新事物（风险投资模式），而将遗产产品作为私募股权模式出售。 * 他指出AirTable销售团队的销售达成率只有30%，意味着公司虽然有产品驱动的增长（PLG，约20%），但董事会（受高估值投资者驱动）强行推行销售驱动模式，结果不佳。 * 他认为Bending Spoons可以效仿Elon Musk在Twitter的做法，削减85-90%的成本，回归PLG模式，使公司高度盈利（可能80%的EBITDA利润率），几年内收回投资。 * 他认为VC和创始人很难从风险投资心态（追求高增长）转向私募股权心态（注重利润削减成本），因为这与他们的文化和激励机制不符。 * AirTable本身是一个“古怪”的产品，从未达到像Excel那样的普及性或易理解性。它被归类为“无代码”工具，而无代码/低代码SaaS是当前受AI冲击最大的领域。 * 他强调并非所有SaaS都会被取代：大型企业不会用AI生成的代码替换Salesforce、ERP、HR系统等，因为这些系统涉及合规性、稳定性、安全性等关键因素。 **Brad Gerstner:** * 指出营收倍数可以很快压缩。虽然AirTable以2倍营收出售，但从自由现金流来看可能是30倍。 * 他认为Bending Spoons要达到4亿美元EBITDA并不容易，因为当公司增长放缓时，员工士气、客户流失率都会下降，形成恶性循环。 * 他认为当前软件公司很难留住优秀销售和产品开发人才，因为他们都想去AI领域工作。 * 他提到像Snowflake等SaaS公司表现强劲（过去六个月增长90%），不能一概而论。 * AirTable的早期投资者在此次交易中赚了很多，但后期投资者（在117亿美元估值时进入）基本只拿回了本金。他认为这是一个“好的失败”。 * 强调了“清爽条款”（1倍清算优先权）的重要性，确保投资者收回本金，然后所有股东按比例分享剩余价值。 **David Friedberg:** * 不认为ZIRP（零利率政策）时期的SaaS泡沫与当前的AI时代有可比性。SaaS估值高是基于营收倍数，而AI的资本支出和模型训练是基于不同的资本配置策略和高投资回报率潜力。 --- ### **4. 中国AI训练与美国数据：竞争与担忧** **Jason:** * 介绍了《福布斯》的调查，称美国数据标注初创公司（如Surge AI, Mercore，估值超200亿美元）向中国顶级AI公司（如腾讯、字节跳动、阿里巴巴、月之暗面）出售宝贵的训练数据。 * 他提到中国六大AI实验室每年花费5亿美元购买这些“秘密武器”（如博士编写的强化学习知识管道）。 * 他个人认为，帮助中国公司追赶美国AI前沿是不爱国的行为，因为这些数据是由美国专家和博士创建并验证的高质量、技术性强的内容。 **David Sacks:** * 认为首先需要明确我们的目标：是与中国进行全面经济战，还是阻止所有公司在那里开展业务？ * 历史规则是关注“军民两用”技术转移。他认为数据（尤其是数据标注）本质上是商品。 * 即使禁止美国公司出售，中国也有大量劳动力和博士可以进行数据标注。 * 他担心禁止这些销售可能会引发中国的报复性措施（如稀土出口禁令）。 * 他认为，除非这些数据真正具有专有性、军民两用性质，否则这种禁令可能无法产生决定性优势，反而会制造摩擦。 * 他举例说，2019年特朗普政府限制EUV光刻机出口是对华战略性控制的成功案例，但数据销售不一定达到这个标准。 * 他指出中国每年毕业的数学和科学毕业生比世界其他地区加起来还要多，不缺聪明人来创建这些数据集。 **Brad Gerstner:** * 同意David的观点，即我们希望最大程度的竞争，并且目前美国在AI领域处于领先地位。 * 但他承认，这种行为（美国公司向中国出售训练数据）会让华盛顿的一些人感到不满，他们认为这可能让中国实验室在追赶美国前沿智能的竞赛中“过于容易”。 * 他认为，如果未来美国总统得到“我们不再领先”的报告，那么这些行为将受到更严格的审查。 * 他使用Kimmy、Qwen、GLM-52等中国开源模型的例子，说明它们已经非常出色。