31
0All In Podcast 的 Chamath Palihapitiya、Jason Calacanis、David Sacks 与 Mike Novogratz 围绕 Anthropic 提交 S-1 拆解这门生意的真实成色与系统性风险，并讨论 Alphabet 财报暴跌与 11 月 4 日中期选举。
本期内容
这一期的起点是一份招股书。Anthropic 提交 S-1，目标融资约 1000 亿美元、估值区间 1.75 万亿到 2 万亿美元，若成行将是史上最大 IPO；同期披露的 2026 年上半年营收为 163 亿美元，同比增长约 14 倍，第二季度单季 116 亿美元。节目开场先处理了假新闻澄清和牌局吐槽这类闲话，随后四位主播花将近半小时把 S-1 拆成营收分层、毛利结构、股权与投票权、以及风险因素词云，讨论的重心从「值多少钱」逐渐变成「这门生意到底靠什么成立」。
最先被追问的是那份刺眼的 800 亿美元亏损。David Sacks 给出的解释是会计机制而非经营失血：这笔钱来自发给 Amazon 等基础设施伙伴的可转换票据，估值上涨导致票据公允价值变动被计入损益，如果当初直接发股票，这笔亏损不会出现在财报里。撇开它，公司账上仍有约 1000 亿美元现金，到 6 月达到 1250 亿，毛利率约 85%，同事任务成本每年下降约 10 倍；Chamath 补充说，走到今天累计净烧钱只有 90 到 100 亿美元。
Mike Novogratz 把视角拉到整条价值链。他让 Claude 画了一张从芯片到终端客户的利润穿透图：英伟达每 1 美元成本换来约 4 美元收入，数据中心、模型公司层层加价，最终 1 美元成本变成 18 美元收入，终端客户还能赚 2 到 10 倍——他也坦白这一环是自己的假设，可能错。支撑乐观的硬数据是渗透率：年支出 10 万美元以上的客户从 2024 年底的 200 家涨到 9 月底的 1.19 万家，而按 Eric Schmidt 那句「TAM 就是全球商业」，现在只做到了约 1%。Chamath 顺手用微软的数据反驳 AI 失业论：四年营收从 1980 亿涨到 3320 亿美元，员工只多了 2000 人。
真正的分歧出现在后半段。Chamath 拿出风险因素词云：排第一的是算力（数据中心、电力、芯片、电网），出现频率超过其他所有风险之和，监管第二，公司几乎不提客户流失——他由此推断这家公司清楚自己唯一的约束是电，并把推论接到政治上：AI 资本开支已占 GDP 约 3%，拖慢电力与数据中心就是拖慢美国经济，这在 2028 年前是现成的武器。再往前一步，是「大而不能倒」的推演：7 到 8 家公司到 2027 年的发债需求相当于同期美国国债发行量的约 30%，AI 复合体欠资本市场 3400 到 4000 亿美元，无论投资者转向国债还是财政部被迫付更高利息，两个情景都不妙。
节目最后两段换了战场。Anthropic 上市后的身份问题、递归自我改进（RSI）与 doomer 立场之间无法调和的冲突、Gallup 显示的约 10% 日活采用率，都被摆上台面；接着是 Alphabet 财报：股价单日跌 10% 到 15%、蒸发约 5000 亿美元市值，搜索收入占比首次跌破 50% 但绝对值同比仍增 12%，云收入翻倍至 307 亿美元，Sacks 认为市场有点超卖并当场加仓，Jason 也说自己买了更多。收尾是 11 月 4 日中期选举：民调可信度、Polymarket 给出的民主党横扫概率、弹劾与立法阻击的剧本，以及「政治钟摆」这个留给 2028 的伏笔。
核心观点
【反直觉】David Sacks 认为：Anthropic 那笔被媒体当成「AI 泡沫铁证」的 800 亿美元亏损是会计幻觉，这才是史上资本效率最高的生意之一——累计融资约 1100 亿美元，实际只烧了 90 到 100 亿。大家原来以为S-1 上赫然写着 800 亿美元亏损，外界（包括不少圈内人）据此认定这是一门靠风投重度补贴、越做越亏的生意。Sacks 拆解了机制：这 800 亿是 Anthropic 发给 Amazon 等基础设施伙伴的可转换票据，估值一涨，票据在资产负债表上被记为损失并流进利润表——如果当初直接发股票，这笔「亏损」根本不会存在。把它剔除后，公司账上还剩约 1000 亿美元现金，到 6 月甚至已有 1250 亿；毛利率约 85%，同一任务的成本每年降约 10 倍，而且不是牺牲利润换降价，是边降价边把效率红利装进毛利。Chamath 补充：走到今天总净烧钱只有 90 到 100 亿美元，相对市值可以忽略。
Mike Novogratz 认为：整条 AI 价值链上每一层都在赚大钱（英伟达、数据中心、模型公司、终端客户），说明 AI 生产力的提升已经真实发生；而它的渗透率才刚到潜在客户的 1%，所以真正的 TAM 是「全球商业」本身。Novogratz 让 Claude 画了一张价值链图：英伟达每 1 美元芯片成本变成约 4 美元收入、毛利 75%；数据中心（他说的「SpaceX/Colossus」口误，指 xAI 的 Colossus）花 100 亿、按五年折旧每年 20 亿，而每月创收 12.5 亿；Anthropic 增量毛利 85%；一路穿透下来，1 美元成本最终变成 18 美元收入，终端客户还能赚 2 到 10 倍——他坦承这一环是自己的假设，「可能错了，也许现在是狂热的早期阶段，客户其实在亏钱」。支撑乐观的关键数据是渗透率：年支出 10 万美元以上的客户从 2024 年底的 200 家涨到 9 月底的 11,900 家，但美国能「花 10 万而不超总支出 1%」的企业有二三十万家、全球上百万家——现在只做到了约 1%。他引用 Eric Schmidt 在 Google 早期的话：TAM 就是全球商业。
【反直觉】Chamath Palihapitiya 认为：真正决定 AI 命运的战场不在华盛顿的监管，而在电网——电力与数据中心。因为民主党要赢 2028，最省力的做法是把数据中心和电力建设拖慢、让经济在选举前进入衰退；共和党要赢 2028，唯一必须做对的事就是把电力和数据中心建成功。大家原来以为大家（包括这期节目里的其他人）都以为 AI 的政治风险是「超级智能被立法禁止」或者「AI 监管俘获」，所以争论的焦点是国会、是总统、是模型发布前的审批。Chamath 让团队把 Anthropic S-1 的风险因素做了词云：排第一的风险是算力（数据中心、电力、芯片、电网），出现频率超过其他所有风险的总和；监管第二；而公司几乎不提「客户流失」和「员工离职」。他的推论是：这家公司非常清楚自己唯一的约束条件是电。「数据中心兴则其兴，电力兴则其兴」。然后接上政治推演：由于 AI 资本开支已占 GDP 约 3%、美国当下的增长几乎全靠这场超级智能建设，那么拖慢电力和数据中心建设就是拖慢美国经济——这在 2028 年前对在野一方是现成的武器，他在预测民主党夺取众议院后会用电力与数据中心审批来影响经济节奏。
Chamath Palihapitiya 认为：AI 复合体已经「大而不能倒」——7 到 8 家公司要发的债相当于同期美国国债发行量的 30%，它们在和财政部抢买家，所以买 AI 股票，通向下行风险的路远多于上行。数据链条是：这些原本高现金流、高利润的公司现在集体踩油门花钱，现金被消耗、被迫举债，AI 复合体现在欠资本市场 3400 到 4000 亿美元；到 2027 年底需要发行的债券，相当于同期美国财政部计划发行量的约 30%。两个情景都不妙——如果投资者追求「高质量」转去买国债，AI 公司只能以更高利息发债，成本级联传导到 neoclouds 等整个生态，放大并提前引爆违约风险，形成负反馈循环；反过来，如果财政部卖国债时被迫付更多，因为美国经济其余部分都加杠杆挂在 2 年、5 年和 10 年期国债曲线上，借贷成本上涨会波及所有人。他自己的定位很清楚：不否认 Anthropic 是最好的生意，但买的是 AI 股票，而这个复合体已占资本市场股权加债务融资流的 40 到 50%，性质从「公司风险」变成了「系统风险」，上一次接近这种情况是 2008 年金融危机。
嘉宾
Jason Calacanis（主持人）：连续创业者与天使投资人，All In Podcast 的联合创始人兼常驻主持，本期负责控场与推进节奏。他在节目中承担了 Anthropic 商业 franchise 的横向对比——把它的营收路径放到 iPhone、Google CPC 搜索和 Amazon 前七年的尺度上衡量，也主持了中期选举的预测环节。后半段他主动修正了自己早前对开源模型的判断，并透露自己在节目里加仓了 Alphabet。
Chamath Palihapitiya（嘉宾）：All In Podcast 常驻主播之一，本期被戏称为「8090 Corporation 的企业销售高管」，是整场讨论里最系统化的怀疑者。他用词云拆解 S-1 的风险因素，做营收分层与融资需求修正，并提出「AI 复合体挤占美债需求」的系统性金融风险框架。节目里还确认了 Meta 的净现金为负（800 亿美元现金对 820 亿美元债务）这一细节。
David Sacks（嘉宾）：All In Podcast 联合主播、Craft Ventures 创始合伙人，曾任 Yammer CEO（2012 年被微软收购），早期在 PayPal 担任 COO。本期他从资本效率角度解读 S-1，反驳开源模型威胁论，也批评 Anthropic 在握有巨大优势的同时寻求监管俘获。在后半段他对 Google 搜索衰退论和民调可信度都提出了直接反驳，并在节目中加仓做多了 Alphabet。
Mike Novogratz（嘉宾）：加密与数字资产领域的投资人，本期用 Claude 生成的那张 AI 价值链利润穿透图展开分析，是全场对算力短缺与需求扩张最乐观的一位。他指出 Google 整体按约 21 倍经营利润交易，云业务经营利润一年从 35 亿涨到 110 亿美元以上，核心广告的困境在于定价算法改变带来的 over-earning。他对价值链末端收益的估算自认是假设，并当场说明可能出错。
技术背景
S-1 注册声明与「幽灵亏损」的会计机制
S-1 是美国公司 IPO 前向 SEC 提交的注册声明，必须完整披露财务、股权结构、关联交易与风险因素，是外界第一次用统一口径看清一家非上市公司的方法。本期争议的核心在于 Anthropic 报表上那笔约 800 亿美元的亏损：这笔钱与发给 Amazon 等基础设施伙伴的可转换票据有关，估值上升使票据公允价值变动被记为损失并流入利润表，属于会计口径的账面结果而非现金流失。Sacks 的论证是，如果当初以股票形式支付，这笔亏损根本不会出现，因此媒体把 800 亿当作「AI 泡沫铁证」是读错了报表。Chamath 的推算则从另一头补刀：公司账上有 112 亿到 125 亿美元现金，累计融资约 1100 亿美元，而实际净烧钱只有 90 到 100 亿美元。要理解这份 S-1 的成色，必须能把「经营亏损」「公允价值变动」和「现金消耗」三件事分开看。
AI 价值链的利润穿透与 Jevons 悖论
本期用一张自底向上的成本-收入穿透图描述 AI 产业结构：芯片厂商、数据中心与 neocloud、模型公司、终端客户各拿一层毛利，Novogratz 的估算是 1 美元最终成本在链条末端变成 18 美元收入，毛利率从英伟达的 75% 一路到 Anthropic 增量毛利的 85%。这种层层加价能否持续，取决于需求端是否持续扩张，而这里对应的是 1865 年 William Stanley Jevons 在《The Coal Question》中提出的悖论：效率提升使单位成本下降，反而扩大资源的可及范围，导致总消费量上升。现代能源经济学把这类现象归入「回弹效应」，其成立条件是需求富有弹性且存在大量未被满足的使用场景。套到 AI 上，每 token 价格下降会释放长上下文、推理链、Agent 多轮调用等此前太贵而不值得做的用法，使单任务 token 消耗和总需求一同上升。本期嘉宾用它解释为什么 Anthropic 一边降价一边扩大毛利，以及为什么算力反而更紧缺。
挤出效应与「大而不能倒」的系统性风险
挤出效应是宏观经济学里的标准概念：某一部门大规模发债，吸收可贷资金并推高无风险利率，使其他借款人被挤出。教科书版本讲的是财政赤字挤出私人投资，Chamath 把它移植成「私人部门挤私人部门」：7 到 8 家 AI 巨头到 2027 年的发债需求相当于同期美国国债发行量的约 30%，等于在和财政部抢同一批买家。他的传导链是债券供给上升、期限溢价与收益率上行、全经济贴现率抬升、资本密集的数据中心项目回报被侵蚀，形成自我强化的负反馈循环。另一个方向是财政部被迫为国债支付更高利息，而美国经济其余部分都加杠杆挂在 2 年、5 年和 10 年期曲线上，借贷成本上涨会波及所有人。需要说明的是，这套规模估算没有统一的官方统计，各家口径差异很大，30% 与 40 到 50% 这些数字属于嘉宾口径。
递归自我改进（RSI）与 AI 安全阵营的分裂
递归自我改进指模型用自身的产出改进自身，是通往能力快速跃升的路径，也是 AI 安全讨论中最受恐惧的机制。本期提到 Anthropic 八月的一篇博客称下一代模型约 26% 的任务已经用上 RSI，而 Dario Amodei 此前发布的「节奏信」呼吁业界放慢发展速度。Sacks 的解读是，一家必须持续推进 RSI 才能保持领先的公司，和它自己签署的安全承诺之间存在结构性矛盾：他把这封信理解为提前给自己准备的辩护，并预测「doomer 与 Anthropic 的分裂」会公开化。这段讨论把技术路线之争和政治立场之争拴在了一起，也是理解 Anthropic 上市后公众形象变化的关键背景。
搜索广告的定价机制与 Alphabet 的结构变化
Google 的搜索广告并非严格意义上的维克里拍卖（第二价格密封拍卖），而是它的变体广义第二价格（GSP）：多个广告位按出价乘以质量得分排序，广告主通常支付由下一位的分数决定的价格。本期 Chamath 质疑 Google 是否放弃了这套价格发现机制，Novogratz 则认为定价算法改变让核心广告「over-earning」，长期看广告主会减少投放。财报数据本身构成另一半故事：搜索收入占比首次跌破 50%，但绝对值同比仍增长 12%；云收入翻倍到 307 亿美元，总营收增长 25%；资本开支上升导致自由现金流为负。这场讨论的真正问题是，消费者转向 AI 助手后，替代品的收入爬坡能否接住核心搜索业务，以及谷歌的多元化到底算好事还是掩盖了主业失速。
时间戳
00:00 磊哥导读：史上最大IPO，藏着国债风险
06:24 开场闲聊与 S-1 的数据全景：从假新闻澄清和牌局吐槽进入正题，逐项过一遍 Anthropic 的融资规模、估值、半年营收、现金和在七位创始人手握 50.1% 投票权的 F 类股结构。
17:44 价值链利润拆解与失业论反驳：Novogratz 用 Claude 画出的成本穿透图拆整条 AI 价值链的毛利，Chamath 则用微软四年营收大涨而员工几乎不增的数据反驳 AI 造成失业的说法。
30:38 IPO 定价修正与杠杆化的美国经济：按客户分层重估融资需求并修正定价猜测，随后进入核心论点：AI 复合体的发债需求正在挤出对国债的需求，公司风险变成了系统风险。
45:53 RSI 竞赛、doomer 分裂与市场风险推演：从 Anthropic 的递归自我改进竞赛与其安全承诺的矛盾，推到两种融资情景下的级联传导，以及 Jason 用商业 franchise 尺度做出的反驳。
1:00:20 AI 采用率、监管俘获与 Google 财报：Gallup 调查显示的约 10% 日活采用率与监管俘获之争之后，转入 Alphabet 单日蒸发约 5000 亿美元市值：搜索占比跌破 50% 究竟是失速还是多元化。
1:14:25 中期选举预测与政治钟摆：民调可信度之争、Polymarket 给出的民主党横扫概率、弹劾与立法阻击的剧本，以及政治钟摆何时把公众注意力摆回来。
术语表
S-1（S-1 注册声明（招股书））：公司向 SEC 提交的 IPO 申报文件，披露财务、股权结构与风险因素。本期所有讨论都建立在这份文件上。
ARR（年度经常性收入）：订阅制业务的年化收入指标。S-1 未写清 Anthropic 年底 1000 亿美元的目标是 ARR 还是 run rate。
TAM（总可寻址市场）：Anthropic 声称其 token 与服务的 TAM 达 40 万亿美元；Novogratz 引用 Eric Schmidt 的话，把 Google 的 TAM 定义为「全球商业」。
phantom loss（幽灵亏损）：指 S-1 中约 800 亿美元的亏损，它来自可转换票据公允价值变动记入损益，而非真实现金流失。
convertible notes（可转换票据）：Anthropic 发给 Amazon 等基础设施伙伴的可转债，估值上涨后这笔「亏损」只存在于会计口径。
compute multipliers（算力乘数）：Dario Amodei 框架中与原始算力并列的概念：算法改进、数据筛选、MoE 架构等手段让同等算力产出更多能力。
dry powder（干火药（可用资金））：指 Anthropic 合计超过 3000 亿美元的可用资金：1120 亿现金、千亿级 IPO 与 800 亿债务额度。
crowding out（挤出效应）：AI 巨头发债与融资挤占资本市场对国债的需求，是 Chamath 系统性风险论的核心机制。
Jevons Paradox（杰文斯悖论）：效率提升与价格下降反而扩大总需求。本期用它解释 Anthropic 为何能边降价边扩毛利，而算力仍然短缺。
regulatory capture（监管俘获）：大公司影响监管规则使其有利于自己。Sacks 批评 Anthropic 在已握优势的情况下寻求监管俘获。
recursive self-improvement (RSI)（递归自我改进）：模型用自身产出改进自身。Anthropic 八月博客称下一代模型约 26% 的任务已用上 RSI，这是它保持领先的关键，也是 doomer 最恐惧之处。
pacing letter（节奏信）：Dario Amodei 此前发布、呼吁放慢 AI 发展的公开信。Sacks 把它解读为提前备好的辩护。
distillation（蒸馏）：模仿者通过蒸馏复制前沿模型的行为。本期提到 Anthropic 清除了 99% 的蒸馏行为，并为此承受了一次可观的营收损失。
negative reflexive cycle（负反馈循环）：融资成本上升级联传导到整个生态、放大并提前引爆违约风险的自我强化过程，Chamath 用它描述两种融资情景。
Vickrey auction（维克里拍卖）：第二价格密封拍卖，最高出价者按次高价成交。Chamath 质疑 Google 是否已放弃这套价格发现机制。
GSP（广义第二价格拍卖）：Google 搜索广告实际使用的机制，按出价乘质量得分排序，本期围绕它争论核心广告是否在超额收费。
over-earning（超额盈利）：Novogratz 对 Google 核心广告的判断：定价算法改变让搜索业务在短期内赚得比长期合理水平更多。
bending spoons（弯勺子）：Jason 的比喻，指不为增长而只为把现金从业务里抽出来——他担心的正是搜索被这样经营。
FUD（恐惧、不确定、怀疑）：Chamath 预测民主党拿下众议院后会用大规模传票与调查制造舆论压力，这是他给 2026 后的剧本。
politics pendulum（政治钟摆）：选民在两党极端之间周期性回摆。Sacks 用它解释为何民主党掌权后公众会重新看清其议程。
延伸阅读
原节目：All In Podcast 。
本节目为英文原节目的中文译制，每位说话人都用自己的声音说中文，观点以原节目为准。
原节目：Anthropic S-1 Shocker, Greatest Business Ever? Google's $500B Wipeout, Midterm Predictions
原节目发布时间：2026-10-30
