AI Sovereignty Wars, Palantir-Nvidia Deal, SCOTUS Birthright Ruling, Newsom’s CA Budget Lie

谁应该拥有企业的智能

节目从 Palantir 和 NVIDIA 的合作切入。按照节目介绍，Palantir 将使用 NVIDIA 的 Nemotron 开放模型，为美国政府构建定制模型，新平台叫 Sovereign AI Operating System。关键不只是模型能力，而是政府机构将拥有硬件、数据和模型权重。

模型权重可以简单理解为模型训练后形成的核心参数。谁控制权重，谁就更能决定模型如何部署、如何修改，以及是否必须继续依赖原来的供应商。

Palantir 首席执行官 Alex Karp 在 CNBC 的采访片段里，把问题说得很直接。他认为企业客户正在失去对前沿模型实验室的信任。企业把知识产权、业务数据和内部诀窍交出去，最后可能花了很多 token，却没有得到相称价值，反而让模型提供商学会了自己的优势。Karp 还用国防应用追问，如果政府需要一套战场系统，权重究竟应该掌握在政府手里，还是掌握在硅谷模型公司手里。

Jason 把这个问题命名为智能主权，并强调它不同于隐私。隐私是别人不能偷看你的照片、笔记和日记。智能主权更进一步，是别人不能用自己的 AI 分析你的邮件、消息和生活记录，再替你决定如何理解世界。放到企业里，就是数据、模型和判断能力不能全部外包。

Sacks 接着重新定义了企业 AI 安全。传统安全常讨论模型会不会说危险内容，他关注的是企业能不能控制算力、模型、数据栈和 proprietary alpha。这里的 alpha，指企业多年积累的专有知识、商业秘密、客户信息和经营诀窍。

为什么这会成为安全问题？因为模型供应商能看到客户在哪里创造价值，也可能进入同一个市场。节目举了 Anthropic 的例子。按照节目说法，Anthropic 推出 Claude Design 时，让合作伙伴 Figma 感到被突然袭击。Anthropic 的首席产品官曾在 Figma 董事会任职，直到产品发布前三天才离开。节目还称，Figma 股价当年大约下跌百分之五十。

这并不是唯一案例。Anthropic 还推出 Claude Science、Claude Security、Claude Legal、Claude Financial 和 Claude Code。Sacks 特别提到 Cursor。Cursor 先证明了编码助手的需求，Anthropic 作为模型供应商能看到大客户的使用信号，于是有动力直接进入这个垂直市场。

他的类比是 Microsoft 和 Google。Microsoft 先控制 Windows，再进入电子表格、文字处理和浏览器。Google 早期以最快速度把用户送到站外，后来则根据搜索流量建设自有产品。节目称，现在少于一半的 Google 搜索会把用户送到站外。

所以，Karp 和 Sacks 的共同判断是，企业把专有数据交给可能进入应用层的平台，相当于拿未来差异化做抵押。真正的企业安全，不只是模型不出事故，还包括企业始终能选择谁可以看到和使用自己的核心知识。

控制平面如何保留选择权

Chamath 以八零九零首席执行官的身份，解释了独立控制平面的价值。控制平面可以理解为一套位于企业和模型之间的调度系统。它不依附于一家模型供应商，而是根据任务，在不同模型之间选择、编排和评估。

他的出发点是，企业业务本来就很难。节目引用 BCG 对投入资本回报率的研究。长期资本成本大约回到百分之八至百分之十一，可是约一半大型美国公司的回报不能超过这一成本。全球大约每七家公司里，就有一家长期回报只有百分之一到百分之五。

在这种情况下，一家模型公司如果对你说，把所有数据交给我，我会让业务变好，企业就要多问一步。万一这个所谓的魔法盒子后来决定和你竞争呢？经营本来已经脆弱，再失去数据和产品差异，风险会更大。

Chamath 还介绍了八零九零的一次代码迁移实验。他们让系统把旧代码迁移到新框架，分别比较 Claude 单独运行、八零九零加 Claude、开放模型单独运行，以及八零九零加开放模型。

按照节目报告，用八零九零的 Software Factory 包装 Claude，成本低一点四倍，速度快一点五倍。包装开放模型后，成本低十六点四倍，但速度慢三倍。也就是说，多等几个小时，可能换来非常明显的成本差。测试通过 OpenRouter，在传统硬件上完成。Chamath 也承认，这不是优化后的最终结果。

这个实验支持的不是开放模型永远更好，而是企业应该拥有选择权。重要任务可以选择更快的封闭模型，成本敏感任务可以选择开放模型，控制平面负责在两者之间调度。这样，企业不必把数据、流程和谈判权全部交给一家供应商。

数据资产与自有模型终局

Friedberg 从生命科学讲了同一个问题。他说，Anthropic 曾接触拥有大型专有数据集的生命科学公司，希望它们提供数据，换取早期访问或其他价值。可生命科学公司可能已经投入数十亿美元做实验和产品开发，沿途生成的数据本身就是核心资产。

如果把这些数据交给模型公司，再与其他公司的数据合并训练，企业最独特的差异就可能被商品化。Friedberg 因此判断，企业 AI 架构会从少数大型训练中心和大型云端推理节点，转向三类设施并存。

第一类仍是训练基础模型的大型中心。第二类是企业用于训练专有权重的中型集群。第三类是更分散的推理节点，包括大型云、企业数据中心，甚至办公室机房里的本地服务器。

节目随后把平台补贴也放进这个框架。节目把 OpenAI 面向 Y Combinator 公司的安排称为价值二百万美元的免费 token。审查交易条款后需要补充，这笔额度以一份无估值上限的 SAFE 股权为交换，并不是无条件免费。Jason 的警告是，这类资源会让平台接触创业者最新的产品方向。平台知道什么需求增长最快，就更容易决定下一步进入哪个应用市场。

Chamath 对 OpenAI 和 Anthropic 作了区分。他认为 OpenAI 有更强的消费者业务，收入更分散。Anthropic 更依赖企业生态，因此生态信任问题会更严重。问题不在于模型或团队不优秀，而在于客户担心它学会自己的业务后离开模型层边界。

几位主持人描述了一条可能的采用路径。企业先用 Claude 或 OpenAI 的封闭接口，再接入独立 harness，也就是任务编排和评测框架。之后转向开放模型，利用运行数据做后训练。最后分叉模型、拥有自己的权重，并把推理放到本地硬件。

Chamath 以 GLM 为例，设想模型在美国境内运行，只允许美国公民接触。Jason 则提到 Abacus 为企业提供专属模型设备。两人的终局判断相似：短期可能为了控制而变慢，长期却能避免把整个业务交给供应商。

这里还有一个产品同质化问题。Apple 的 App Store 主要出租分发能力，并通过大约百分之三十的分成维持生态。模型公司出租的却是智能和判断。如果两家竞争者从同一个地方租用相同判断，它们的产品可能越来越像，最后都变成最低公分母。

模型层竞争与本地算力

NVIDIA 为什么会和 Palantir 结盟？Sacks 把 AI 技术栈简化成三层。底层是芯片，中间是模型，上层是应用。Palantir 在应用层，NVIDIA 在芯片层。

节目称，模型层的主要收入集中在 Anthropic 和 OpenAI，并给出 Anthropic 年度经常性收入六百多亿美元、OpenAI 四百多亿美元的说法。如果模型层形成稳定双寡头，Palantir 会被少数供应商控制，NVIDIA 则会面对少数大买家。更麻烦的是，这些大买家还在开发自己的芯片。

因此，两家公司都希望模型层保持竞争。应用公司需要多个模型选项，不能被一家供应商卡住。芯片公司需要大量分散的企业买家，不能让一两家公司形成买方垄断。企业使用开放模型并自行部署，正好会创造一条购买芯片和基础设施的长尾。

Jason 认为，NVIDIA 也因此开始更积极推广 Nemotron。他称，在 Perplexity 中使用 Nemotron，百分之九十五的普通查询很难与 Claude 区分。这是他的主观体验，不是节目提供的正式测评。他还把 NVIDIA 的变化与 OpenAI、Anthropic 等公司开发自有芯片，以及 AMD 获得合作联系起来。

Sacks 的政策结论是，美国不禁止企业凭优秀产品合法取得垄断地位，真正应禁止的是反竞争手段。政府不应该主动让双寡头更容易形成，更不应该用监管把现有地位固定下来。模型层竞争不仅关系到价格，也关系到消费者选择和公民自由。

Jason 随后作出一个很激进的预测。他认为 token 成本会连续三年每年下降百分之九十，同样预算最终能购买大约一千倍、更智能的 token，很多选择会免费或接近免费。这个数字是未来预测，但它说明了主持人为什么认为企业本地部署会快速扩大。

Friedberg 预计，企业不会把全部推理集中在一家云上。他给了一个示意比例，百分之七十放在大型云，百分之二十放在本地，百分之十尝试其他云。这个比例不是标准答案，重点是企业会根据成本、性能、可用性和数据敏感度混合配置。

本地硬件首先能减少数据外传和云服务中断依赖。其次，机器买下来以后，员工可以让短命的内部应用消耗数十亿 token，边际成本主要变成电力和设备折旧，不必每次都为云端调用付费。

节目也讨论了 forward-deployed engineer，也就是深入客户现场部署业务的工程团队。节目称 Microsoft 宣布投入二十五亿美元建设这类团队，Amazon 投入十亿美元，Tesla 和 OpenAI 也有类似组织。主持人的担忧是，外部工程师深入学习企业流程后，供应商会获得更强的客户锁定能力。

Jason 甚至预测，每名知识工作者会得到一台高内存的 Mac Studio 或 Dell 本地服务器，投入约一万到二万美元。笔记本只负责连接和同步，真正的模型持续在个人服务器上运行。这个设想是否普及还不知道，但它把智能主权具体化成了一套硬件配置。

岗位替代与当前就业证据

Friedberg 反对把 AI 和大规模失业画成一条光滑直线。他认为，企业采用 AI 的现实过程很笨重。模型、数据和流程需要重新组合，价值不会在一夜之间出现。企业不只想削减成本，也会借 AI 增长收入。

他的判断是，当前现实不是关闭所有岗位，让一个天才 AI 无限扩张，而是组织逐步重构。他还批评媒体不愿放弃两年前形成的失业叙事，因为承认叙事变化会伤害信誉。对于部分政治人物，他认为失业恐慌也可能成为争取 AI 管制权的工具。基于这套判断，他预测 AI 最终创造的岗位会多于消灭的岗位。

Jason 不同意把岗位替代说得太慢。他点名客服、数据录入、业务流程外包、出租车驾驶、翻译、电话接线、催收和包裹分拣，认为这些任务会快速自动化，涉及数百万岗位。

争论的关键不是这些技术会不会替代任务，而是未来预测能不能冒充当前证据。Jason 提到 Waymo 约三千辆车、Tesla 约三十辆车的阶段性规模，并称在 Waymo 达到一定规模的城市，司机招募已经停止或下降。Friedberg 和 Sacks 要求他证明的是全公司、全市场的净就业变化，而不是一个局部市场的变化。

随后，节目引用 Ramp 和 Revelio Labs 的研究。研究样本超过二万一千家美国公司，把企业工资数据和 AI 支出结合起来。按照节目报告，高强度采用 AI 的企业，在采用后的两年里员工数约增长百分之十，初级岗位增长约百分之十二。低强度采用或不采用的企业，员工数大致持平。

Sacks 特别加了一道限定。这只能证明 AI 支出和招聘增长相关，不能证明 AI 导致招聘增长。也可能是成长更快的公司更愿意采用 AI。但至少在当前样本里，没有出现广泛净失业。节目还引用研究结论称，增长逐渐出现，并分布在工程、销售、行政和客服等岗位。Chamath 说，八零九零服务的客户里没有看到裁员。

所以几个人最后接近了一个有限共识。特定任务和岗位会被替代，甚至彻底退休，但岗位替代不等于经济中的净岗位损失。自动化也可能提高生产率、扩大业务，再创造其他岗位。真正需要观察的是净结果。

人类服务与实体自动化

Friedberg 接着提出 human alpha，也就是人的差异化价值。他说，自动化越普遍，真实人际互动越可能成为稀缺品。调酒师、私人司机和每小时大约二百美元的真人按摩服务，都说明消费者可能为信任、体验和现场判断支付溢价。

Klarna 被用作客服回调案例。更准确的官方口径是，公司曾称 AI 助手处理大约三分之二的客服对话，后来又重新强调，客户需要时应当能够联系真人。节目借这个回调讨论 human-in-the-loop，也就是有人类参与和兜底的服务，并预测未来大约一年半，这种服务会变得更重要。

Sacks 对客服做了更细的分层。只处理忘记密码等标准问题的零级和一级客服，更容易自动化，而且很多早已外包到美国之外。处理升级、异常和高价值问题的二级和三级客服，需要更多判断，更难替代。因此，承接低端外包的国家可能比美国本土更早承受压力。

实体自动化也在进步。节目提到 Figure 的包裹分拣机器人原本做八小时挑战，后来持续运行到大约二百小时。Jason 预测，十年内包裹分拣和配送会大规模脱离人工，尤其是当 Optimus 能从自动驾驶车辆取件，再走到门口完成最后一公里。

其他主持人提醒，自动化并不是从人形机器人开始。快餐店早已有自助点单屏，Amazon 和 FedEx 的仓储及快递枢纽早已有传送带和专用机器人。人形机器人的意义，是把自动化从结构化环境扩展到更复杂的动作。

Sacks 还设想，一支施工队可以由二十名人类和五十台机器人组成。人类负责拆解和监督高技能任务，机器人承担重复体力工作。如果建房周期能从两三年缩短到大约一年，自动化反而可能通过增加住房供给创造更多建设活动。

模型跨境流动与安全边界

节目称，美国商务部门曾限制 Anthropic 的 Fable 五和 Mythos 五，措施持续大约两周。六月三十日，Fable 五的控制被解除；六月二十六日，Mythos 五恢复美国客户访问。节目还称，Mythos 曾扩展到五十个未经授权实体。Anthropic 随后更换主要谈判代表，由联合创始人 Tom Brown 接替 Dario Amodei。

Sacks 认为，这次限制由三项特殊条件共同触发。第一，Dario 此前多次把 Mythos 描述成网络武器。第二，Anthropic 的可信合作伙伴 Amazon 测试带防护的 Fable 后，向政府报告防护可以被越狱。所谓越狱，就是用特殊输入绕过模型原本设置的限制。第三，管理层被认为在问题修复前拒绝回滚模型。

Sacks 的重点是，这三项条件缺一不可。如果开发者没有先把模型描述成高危武器，如果可信合作伙伴没有报告防护失败，或者公司及时采取了缓解措施，政府可能不会采取同样行动。

因此，他反对盟友和外国企业把这次事件理解为美国会普遍限制它们获取美国 AI 技术。节目也提到，Anthropic 事后表示，触发事件的越狱问题并不是 Claude 独有。这里的型号、日期和事件关系，都只是按节目陈述保留。

话题随后从出口转向进口。Jason 问，既然美国会限制 Huawei 产品和中国自动驾驶技术，为什么不禁止 Kimi、DeepSeek 等中国开放模型，扶持 NVIDIA 等美国开放模型？

Sacks 的第一层回答是，一旦模型开放权重，它在实际使用中就不再必然保持原来的国籍属性。美国公司可以下载、分叉，在美国数据中心和自有硬件上运行。数据包不需要传回中国，企业也可以修改出自己的版本。

但这不意味着模型自动安全。企业仍要检查后门、供应链风险和新的网络攻击面。开放权重解决的是控制和可检查性，不是替企业免除安全审查。

他的第二层回答是，全面禁用会让美国成为孤岛。其他国家未必跟随美国，它们仍会使用更便宜、更可定制、控制权更强的开放模型。美国企业反而只能支付更昂贵的封闭模型 token 成本，形成所谓 token 税。

Sacks 希望美国同时赢得开放模型和封闭模型竞争。如果美国开放模型更好，市场自然会选择它们，不必通过全面禁令强迫企业使用。

不过，他没有反对所有进口限制。联网汽车、机器人和无人机涉及持续连接和物理行动，风险与本地运行的开放模型不同，可以单独评估。节目提到美国已经限制中国联网汽车和无人机，也讨论是否应谨慎对待中国机器人。

最后还要考虑贸易报复。限制进口会邀请对方反制，而美国仍依赖稀土等供应。安全收益、国内替代能力和对方报复成本，必须放在一张表里衡量。

出生公民权的宪法争议

节目称，最高法院否定特朗普终止部分出生公民权的行政命令，继续把第十四修正案解释为在美国出生即可取得公民身份。主持人口述票数时说六比三，也可能五比四，自己就表现出不确定，所以具体票数不能当作可靠结论。

节目还称，每年大约有二十五万五千名儿童出生于非公民父母。为了说明边界问题，他们提到中国籍人士 Dongyuan Li 的出生旅游案。按照节目陈述，她在二零一九年承认移民欺诈和签证欺诈，并服刑十个月。

Sacks 认为，第十四修正案的原始目的，是保障获释奴隶及其子女的公民权，不是预先解决非法入境者和短期访客子女的所有现代情形。他主张，这些边界应由国会制定公民法。

Jason 则追问，怀孕九个月越境的人，与已经在美国生活十年或二十年、长期工作纳税的无证移民，是否应该同等处理。节目估计，美国有二千万到三千万无证移民。这个数字同样只是节目口述。

Friedberg 把争议概括为文本主义和立法原意之争。文本主义看第十四修正案文字的普通含义。立法原意则追问，一八六八年的制定者主要想解决什么问题。

历史背景是 Dred Scott。节目回顾，一八五七年的 Dred Scott 裁决否定黑人无论自由或被奴役者的美国公民身份，也否定国会在西部领地禁止奴隶制的能力，并推翻 Missouri Compromise。节目称，这一裁决大约三年后推动了内战危机，第十四修正案随后试图纠正它的后果。

Friedberg 的个人立场是，合法永久居民，也就是绿卡持有者的子女，应获得出生公民权。只来美国短期旅行的访客，或非法访客的子女，不应自动获得。永久居民与美国具有稳定法律联系，临时访客没有。

Jason 的立场更宽。他认为，对长期在美国、没有犯罪、被美国企业吸纳并作出经济贡献的无证移民，应提供入籍路径。他的理由是，美国长期默许这些人进入，并以较低工资雇用他们，因此负有道德责任。

Sacks 最在意的不是替每个案例给出同一答案，而是国会有没有空间把这些区别写进法律。他认为，最高法院当前解释让国会更难针对现代边界作出分类。

移民筛选的三条标准

出生公民权之后，讨论转向未来移民政策。Chamath 先讲同化。他认为，移民应主动把接收国身份放在原籍身份之前。他用自己的经历说，父母到加拿大后应先成为加拿大人，他到美国后应先成为美国人，加拿大和斯里兰卡背景依次排后。

他的担忧是，如果移民不接受接收国的共同文化，国家独特性会被削弱。他以英国、德国和法国的移民争论为警示，主张移民不能把原籍国的完整社会模式搬到接收国。

Friedberg 提出第二条标准，makers versus takers，也就是创造者和索取者。如果主要动机是领取福利、补贴和社会服务，应拒绝。如果主要动机是工作、创造、积累资本和改善家庭处境，应接纳。

他的经济推理是，生产性移民创造的价值多于消耗，会扩大经济总量和岗位，不是在一个固定岗位池里与本地人零和竞争。

第三条标准是可执行的积分和临时签证。主持人支持把语言能力、对政治制度和文化的理解、守法、就业、创业以及不领取福利纳入条件。节目提到加拿大、澳大利亚和新西兰已有积分制，并主张美国主动争夺全球高技能人才。

Sacks 随后引用 Pew 民调。节目给出的比例是，百分之三十二支持驱逐全部无证移民，百分之五十一支持驱逐部分，百分之十六支持一个也不驱逐。也就是说，多数支持至少驱逐部分人，但只有大约三分之一支持全部驱逐。暴力犯罪者是最明确的优先对象。

福利限制也成为共同点。节目以 Ellis Island 时代为例，称大约三分之一到达者后来返回原籍，大约百分之二因健康或犯罪问题被拒。节目同时声称，部分无证移民每月可以领取五千美元福利。这些历史和福利数字没有在节目里做外部核验。

Jason 建议，签证前五年不得领取福利，把进入动机与持续工作贡献绑定。他还提出按经济贡献加速审理。比如创造五百万或一千万美元经济活动，或者带着已经获得六百万美元风险投资的 AI 团队入境，就进入更靠前的个案审查队列。

这套方案的逻辑很清楚，但争议也很明显。它把生产能力和经济价值放在很高位置，同时会让家庭团聚、人道保护和难以量化的社会贡献处于次要位置。节目没有解决这个价值冲突。

加州平衡预算的会计谜题

进入加州财政前，主持人先讨论民主党基层左移。节目以科罗拉多一名任职十五届、约三十年的众议员败给 DSA 候选人为例，认为社会主义路线正在蓝色地区获得更强支持。

争论在于，这种路线可以赢得蓝色城市，却可能赶走全国选举中的温和和摇摆选民。Gavin Newsom 因此面临双重压力。他既要回应党内对富人加税的要求，又要保持全国竞选所需的温和治理形象。

节目随后引用 Newsom 宣布的三千五百一十亿美元预算，并称其到二零二八年零赤字。Friedberg 的反驳是，所谓平衡并不是收入等于支出，而是支出超过收入后，再通过借债填补差额。

节目称，加州州预算从二零一九年的大约二千一百五十亿美元，上升到约三千五百五十亿美元，六年增长百分之六十五。为填补当期缺口而增加的债务，大约是二百亿到四百亿美元。

更大的风险是税基集中。节目给出的数据是，加州总收入约二千一百一十亿美元，其中个人所得税约一千四百二十亿美元。前百分之一、约十五万人缴纳约七百亿美元。前一千人缴纳约二百二十亿美元。节目还口述最高个人税率为百分之十四点四、公司税率为百分之八点九。这里的百分之十四点四只能作为节目观点，不能写成二零二六年当前最高综合税率，因为二零二六年相关工资税率的综合口径已经变化。

当收入依赖极少数高收入者和大公司时，迁出会迅速改变财政。节目称，自二零一九年以来，至少十五家《财富》杂志五百强公司和二千一百家中大型公司迁出加州，至少百分之五的岗位随企业迁移流失。每年还有大约百分之一到百分之一点五的调整后总收入外流。

Friedberg 描述的循环是，支出继续增长，税基持续流失，州政府只能把税收范围向普通居民和企业扩大。节目称，加州新增大约百分之八的软件销售税，覆盖 Microsoft Word、Gmail 订阅或 ChatGPT 账户，预计每年增收十亿美元。企业医保税预计每年增收二十亿美元。

节目把原本为弥补二零一二年缺口而设置的百分之十三点三临时最高税率，描述为后来已经永久化，并把百分之十四点四作为后续综合口径。外部审查显示，高收入税率只延长到二零三零纳税年度，并非永久化。百分之十四点四也是旧的工资综合口径，二零二六年的相关工资税率已经变化。Friedberg 关于临时措施可能长期延续的判断可以保留为主持人观点，但不能用错误的永久化结论支撑。

长期负债更难处理。节目称，二零二八到二零二九年预计每年仍有约四百亿美元赤字。公共债务约一点四万亿美元。报告的未拨备养老金负债为六千六百四十亿美元，但节目称部分估计接近一点五万亿美元。退休人员医疗缺口约一千七百五十亿美元。

按照节目对 California rule 的说明，养老金义务在州债之前受到保护。加州又不能像公司一样自行申请破产。因此，未来如果发生违约，问题不会自动消失，只会变成养老金领取者、债券持有人、纳税人和联邦政府之间的损失分配。

加州危机如何收场

Friedberg 先给出最激烈的情景。如果未来联邦政府吸收加州负债，Texas 等低税红州选民会问，为什么要用自己的联邦税替高税蓝州偿还长期承诺。严重时，这可能从财政争议上升成联邦关系危机。

节目同时提到，联邦政府未来几年每年可能新增二万亿到三万亿美元债务。也就是说，救助方自身也在扩大赤字，联邦救助并不是没有成本的万能答案。

Chamath 同意问题严重，但提出另一条路径。他认为更可能出现协商削减养老金义务、改写加州宪法、重新划区和政治重组，而不是直接由联邦政府吸收全部负债。他预测，这种硬着陆会带来加州的红色浪潮。

Sacks 对政治方向有相反判断。他认为，深蓝州面对危机时未必向右转，反而可能通过更强的社会主义和再分配继续加码，直到最后一次大规模征收后，才处理破产和债务重组。

Billionaire Tax Act，也就是亿万富翁税法案，是眼前的测试。Sacks 认为，它进入公投并不困难，上票后通过概率也不低。很多人原本期待 Newsom 在幕后阻止它，但节目称，他在关键日发布视频，既反对具体法案，又支持对亿万富翁增加税收。

这种对冲反映了 Newsom 的全国政治困境。节目称，Polymarket 上他获得民主党总统提名的赔率，从峰值大约四十下降到大约二十。主持人把部分下降归因于民主党向 DSA 左移，使他必须证明自己没有站在党内左翼的对立面。

如果亿万富翁税通过，而且没有被另外三项公投提案抵消，节目预计会出现二百到三百起诉讼，持续大约十年，直到二零三六年前后。州政府可能为此支付数十亿美元法律费用，而高收入者会在结果确定前继续迁出。

几位主持人的共同批评是，加州曾经依靠硅谷拥有巨大的税基，本来最有条件积累盈余，却陷入高投入、低结果。节目用人均服务预算比较，Texas 和 Florida 大约五千美元，California 大约九千美元，New York City 大约一万三千美元。主持人认为，加州居民没有得到接近两倍的服务价值。

他们甚至预测，加州综合税负可能升到百分之六十到百分之六十五，并称 New York 当前大约百分之五十四。这些都是节目中的判断，不是已经确定的税率路径。

最后，Sacks 以 MacKenzie Bezos 大约二百六十亿美元的捐赠为例，质疑捐款规模能不能证明 NGO 真正解决了宣称的问题。这个案例里最值得保留的原则是，投入金额不能替代结果证据。至于他对 NGO 动机和资金去向的激烈指控，节目没有提供独立材料支持。

加州最终会得到联邦救助、协商削减养老金，还是在更强再分配中继续拖延，现在没有答案。真正决定结果的，是税基外流是否持续、亿万富翁税是否通过、养老金义务能否重组，以及年度赤字能不能在债务成本失控前收敛。