More Trillion Dollar IPOs, Anthropic $3T, Zuck's Price War, China Ends Open Source?, Trump Accounts

万亿上市窗口

开场最有分量的信息，来自 Chamath 参加联合国 AI 委员会后的观察。他说，越来越多国家在考虑自己的主权 AI，不愿把关键数据、模型和技术风险全部交给美国闭源供应商。开放模型因此不只是便宜工具，也是一条自主部署和治理的路径。这个判断很快与本期第一个大话题汇合，也就是 OpenAI 和 Anthropic 的上市窗口。

节目先用 SpaceX 作参照。按主持人口述，SpaceX 股价回到约一百五十美元，对应约两万亿美元估值。Anthropic 则被节目描述为已经秘密提交上市文件，预测市场给出约六成五的年内上市概率，外部投资人还把它的年末收入和潜在估值推到非常激进的水平。这里必须听清口径，这些是节目当时的市场数据、传闻与预测，不是已经实现的结果。

Chamath 真正关心的是市场出清价格。公司再好，也要有人在某个价格上吸收巨额新股。OpenAI 更偏消费者、业务更分散，现金消耗也被认为更高；Anthropic 更偏企业，因此两家的发行条件并不相同。

他还给出一个危险信号。自己公司的 token 成本每四十五天翻倍，下游生产率最多只提高约百分之五。为了得到下一点改善，企业正在消耗越来越多 token。如果这种账单在未来三四年普遍出现，客户迟早会问回报在哪里。于是 Chamath 的结论是，能在预算审视全面到来前上市，并以高估值筹到大额资金，会是非常有利的选择。

SpaceX 留下的蓝图

Brad Gerstner 把 SpaceX 上市称为教科书式发行。按节目口述，它以一点七五万亿美元估值募资七百五十亿美元，上市后约上涨四分之一，远期收入约三百五十亿美元。它证明了公开市场能够承接过去从未出现过的巨型 IPO。

更重要的是发行设计。SpaceX 没有让锁定期一次性结束，而是按时间和条件分阶段释放股份。它还争取提前进入指数。这个安排曾有合理争议，因为新股上市后波动很大，如果指数基金在情绪高点被迫买入，再遇到三成甚至更深的回撤，被动投资者就会承受损失。

Brad 的解释是，旧规则主要为更年轻、更小、收入和盈利更弱的公司设计。当一家新上市公司已经大到影响整个市场代表性时，指数又不能长期忽略它。最终方案是在及时纳入和上市后验证之间寻找平衡。他认为这套做法运行良好，也给 Anthropic 和 OpenAI 提供了募资、定价、流动性和解禁安排的完整蓝图。

Brad 判断，两家公司在没有重大黑天鹅时都很可能上市，但 OpenAI 还要处理更复杂的公司重组，因此 Anthropic 可能更早完成。他同时提醒普通投资者，万亿美元公司已经过了快速暴富阶段。流通盘很小会带来波动，却不值得恐慌抢购。未来回报只能来自收入长期复利。

节目最后提出品牌分岔。ChatGPT 更像消费者 AI，Claude 更像企业 AI。OpenAI 是否因为视频、娱乐合作和设备项目分心，把企业位置让给 Anthropic，仍是一个没有定论的问题。

企业必须回答回报

Chamath 用一次模型问答说明，企业 AI 最难的不是统计花了多少钱，而是证明钱创造了什么。他先问，AI 给标普五百每股收益增长贡献了多少，模型回答大约一半。但这个数字把 NVIDIA 等向 AI 行业出售芯片的公司也算了进去，相当于把卖铲子的利润当成所有买铲子者的生产率。

他改问剔除主要 AI 受益公司的标普四百九十三，得到约百分之九的增长。再拆开看，多数来自通胀之上的定价能力，约三个百分点来自股票回购。他据此估计，真正能归因于 AI 的提升可能只有百分之零到二。这个分析是 Chamath 的节目推算，不是经过审计的研究，但它提出了正确的核算纪律。

企业业务比消费者业务更脆弱。企业客户少、合同大、采购者专业，最终会要求 token 支出带来的利润或成本改善超过无风险收益率。消费者业务有数千万小额用户，不会被一家客户的预算决定命运。

节目随后引用 Uber 的做法。按其 CTO 的披露，几乎所有工程师都在使用 AI，超过七成拉取请求有本地或云端 agent 参与，团队还建立了约两千五百项 agent 技能。更关键的是 agentic pods，也就是把工程师派进法务、营销、客服、人力和采购等部门，与真正理解流程的人一起改造系统。

这比员工各自在工具里随手试验更接近真实 ROI。但 Chamath 仍坚持最后一步，企业应该报告能归因于 AI 的每股收益改善。采用率、token 数和自动生成的代码都只是中间指标。

智能是最大的市场

Brad 接受一个前提，今天确实有大量 AI 支出仍在实验阶段，没有直接回报。分歧只在时间尺度。他认为全球每一家小、中、大企业都可能购买智能，客户不是集中在少数巨头，而是数百万组织各自做出采购决定。这是商业史上从未见过的总市场。

他以 NVIDIA 为例。下一代芯片设计已经大量使用 AI，机器正在帮助建造下一代机器。对处在技术边界的团队来说，一点智能优势都可能影响产品，因此很难为了节省推理费主动换成明显较弱的模型。Brad 甚至预测，若模型公司收入达到一千亿美元，仍可能继续数倍增长。这个预测极其激进，却说明他相信需求不是传统软件能够类比的。

Jason 补充，AI 会同时进入组织内每个人的工作。Excel 首先影响财务部门，通用智能却能触达工程、营销、人力和管理。一千人公司若每人每月花几百美元，相对十万到十五万美元年薪只占几个百分点。只要效率增加超过这部分成本，采购就容易成立。个人又能从每月二十美元开始，不需要等待大型企业项目批准。

但价格下降不会让需求停住。Jason 通过开放路由把 token 成本降低约百分之九十五后，立刻把每天运行改成每小时运行，再把一个任务拆成多个 agent。一夜可以完成十多个后台工作。Brad 用杰文斯悖论解释，单位价格越低，可用场景越多，总消耗反而可能更高。便宜 token 既会压价，也会把智能市场继续做大。

钱包份额与主权选择

开放模型争论里有一个很容易忽略的分离。便宜模型正在拿走更多 token，用钱衡量的市场份额却继续向前沿实验室集中。Brad 认为，从 DeepSeek 时刻之后，市场一直预测开放模型会杀死闭源模型，但目前企业支出还没有证明这一点。

Chamath 用手机升级解释未来的变化。早期每代手机差异明显，人们愿意不断换机；后来旧手机已经够用，升级就慢下来。模型也可能出现同样的够用时刻。等 CFO 真正介入，企业会更认真比较成本。

国家却不是普通企业。Chamath 说，许多国家宁愿采用只有前沿模型百分之九十五或九十九能力的开放模型，也要自建从硬件到数据再到模型的完整主权栈。因为它们考虑的不只是答案质量，还有监管、供应和外部控制风险。

企业同样想降低依赖，但技术能力是瓶颈。Jason 自己熟悉技术，配置 OpenRouter、BitTensor、动态路由和回退模型仍花了数小时。普通组织更难。

DoorDash 被节目当作混合架构的例子。最难的任务交给 Anthropic 前沿模型，较低层任务交给 KIMI 等开放权重模型，再用内部代码基准确保质量没有下降。这里真正稀缺的不是找到一个便宜 API，而是建立任务分类、评价和回退系统。

Chamath 最后提醒，业绩未达预期时，企业往往比裁员更容易先砍外部费用。没有证明回报的 token 支出，会在预算转冷时迅速暴露。

Meta 发起价格战

节目把 Meta 的新模型发布理解为 Zuckerberg 主动发起价格竞争。转录把产品记作 MuseSpark One Point One，并称 Meta 通过自己的模型 API，以非常低的价格提供强 agentic coding 能力。产品名是否准确，需要后续审查，但价格战方向在对话中很明确。

Brad 不认为低价会让前沿模型消失。他区分两类任务。摘要一份文档可能只需要两万个便宜 token，失败后重跑也没有太大代价。替代软件工程师工作两小时的长链任务，可能需要两百万个高质量 token。如果模型在中间或最后一步失败，之前的时间和算力都会浪费。

他算了一笔简单的账。一个 agent 若替代每小时两百美元的顾问，便宜模型花三美元，昂贵模型花十五美元。两者相差十二美元，却都远低于顾问费用。只要昂贵模型更可靠，这点差价几乎无关紧要。

所以未来更像分层市场。低风险、可重试的任务会追逐价格；高风险、长时间、失败代价大的任务会追逐质量。开放模型、落后一代模型和前沿模型都能生存，只是承担不同工作。

Brad 认为今天的收入数据仍显示客户愿意为最强模型付费。智能差距未来可能缩小，但现在没有证据证明商品模型已经好到没人愿意付溢价。Meta 会迫使所有人降价，却不等于前沿实验室的商业价值已经结束。

混合架构真正难在哪

David Sacks 把企业的愿望说得很清楚。大家都想把更多任务送到便宜模型，也担心前沿实验室掌握自己的数据和业务优势。问题是，多数企业没有 Coinbase 或 DoorDash 那样的技术团队，无法自己建设模型路由中间层。

因此企业会出现一个矛盾。它们想摆脱昂贵闭源模型，却又发现最成熟的前沿产品最方便。节目引用的支出口径称，开放模型在企业钱包中的份额从约百分之十九降到百分之十一。但这不等于使用量下降，因为自托管开放模型只支付算力，支出不会进入模型实验室的收入。

Decagon 创始人的框架提供了一条现实路径。成熟用例已经知道目标、数据和评价标准，可以后训练较小开放模型。客服模型不需要知道所有物理知识。新用例还在探索，不知道工作流和失败边界，就更需要最强通用模型。先用前沿模型发现流程，再把稳定负载迁往专用开放模型，是一种渐进式降本。

模型可互换还面临状态问题。换掉模型以后，记忆、上下文、历史和工具调用怎样一起迁移？如果这些都锁在原产品里，替换一个 API 地址并不能完成热插拔。

Databricks 的案例又说明，成本不只来自模型。即使使用同一个模型，换一个更好的 harness，也就是提示、技能、记忆和执行框架，成本可能下降一半。Jason 自己让 agent 优化后，token 使用下降约八成。

真正的混合架构至少要同时处理模型选择、任务路由、状态迁移、评价标准和 harness 优化。多模型平台可以降低门槛，却不能替企业定义什么叫正确结果。

双头格局与暗 token

Brad 提出一个不那么乐观的可能，模型能力未必正在收敛。更聪明的模型获得更多客户和收入，收入购买更多算力，算力训练更强模型，再进一步扩大领先。随着 agent 任务变得更长、更复杂，未来两三年差距甚至可能拉大。

Jason 引用 Lovable 与 ElevenLabs 两家垂直公司的选择。它们是前沿模型的大客户，每年支付数千万美元，却都在开发自己的模型。原因包括成本、数据泄露，以及上游实验室可能进入代码生成或语音等垂直领域。垂直任务的数据和评价标准更集中，自研门槛也在下降。

Brad 的反方同样重要。如果自研模型更差，垂直公司不能为了省钱牺牲产品。语音公司若需要世界上最好的语音 agent，就必须使用能给出最好结果的系统。只有自研质量达到或超过上游，迁移才真正成立。

Decagon 被用作成熟案例。节目称它约九成客服负载已经转向经过后训练的开放模型。这与先探索、后专用化的模式一致。

按 token 收入衡量，Sacks 把市场描述为 OpenAI 与 Anthropic 的双头格局。一年前像是五家主要实验室竞争，如今更像前两名与其他公司。但 Brad 提醒，开放模型形成的是暗 token。DoorDash 在自有硬件上运行模型，不会增加实验室收入，只会增加 NVIDIA、Cerebras 或云算力公司的收入。

所以双头格局说明谁正在捕获商业价值，却不能完整说明谁被使用。收入与使用量必须分开看。

中国会关闭开放模型吗

节目转述 Reuters 匿名报道，中国监管者正在讨论限制顶级模型的海外访问，把 AI 研究泄露纳入国家安全，并控制谁能资助中国实验室。Alibaba、ByteDance、Z.AI 和 Manus 都被放进这张政策地图。Sacks 随即提醒，报道可能夸大，一些模型转闭源不等于中国全面停止开放。

他的战略解释是，追赶阶段开放更有利。模型离前沿很远时，闭源也卖不出多少钱；开放可以吸引开发者、扩大使用并获得反馈。等模型接近前沿，就有动力关闭访问，把商业价值和技术控制留在内部。OpenAI 从开放与非营利走向闭源与营利，被他当作同类路径。

Jason 又用 Android 作类比。Google 先靠开放扩大生态，站稳以后再在许可和分发中绑定自己的搜索、浏览器和服务。开放可能是一种扩张策略，不一定是永久承诺。

Brad 根据华盛顿接触认为，美国高层最一致的目标是保持对中国领先。他还声称中国模型存在蒸馏美国模型的迹象，并预期美国会反制。具体水印说法只是节目陈述，不能当作已经证实的技术结论。

Sacks 反而认为，中国若全面关闭开放模型，可能伤害自己更多。美国有能力建设本国开放模型，前沿实验室看到需求也可以进入。美国真正的风险，是较低层官僚或国会用赢得竞赛的名义做出简单禁令，没有理解企业、开源生态和国际替代的连锁后果。

能源才是硬上限

争论了模型、芯片和政策以后，Chamath 把问题拉回电力。他称团队估算，美国到二零五零年的常规负荷增长，就可能造成相当于三个加州的电力缺口。这个估算只包括汽车、冰箱、电视和电脑等普通需求，还没有充分加入 AI 数据中心。

这意味着模型效率再高，也不能绕过物理供给。token 需要推理，推理需要芯片，芯片制造和数据中心都需要稳定电力。能源会成为软件增长真正的上游。

Brad 又加入台湾风险。节目称台湾主要依赖液化天然气发电，储备只有两三周。中国一旦封锁，能源可能先于设备本身让晶圆制造停下来，全球 AI 供应链也会受到冲击。

嘉宾提出的方向并不复杂，核电、太阳能、电池和其他供给都要更快建设。困难在于美国的审批和监管周期。数据中心可以迅速规划，电厂、电网和输电线路却无法同速扩张。

这也改变了模型竞争的评价方式。实验室可以靠算法降低单次推理耗电，企业可以靠路由减少昂贵 token，但只要总调用量继续按杰文斯悖论扩张，节省下来的容量很快又会被新任务吃掉。能源建设不是 AI 之外的配套工程，而是收入预测能否兑现的前提。

因此 AI 军备竞赛最后可能不是模型参数之战，而是电子之战。谁能稳定、廉价地提供更多电，谁才有资格把芯片和推理规模真正做大。

每个孩子的投资账户

下半场转向 Brad 推进四年的特朗普账户。Invest America 方案先写入法律，随后在七月四日上线应用。节目称它一度成为下载榜首，纽约证券交易所和纳斯达克还在白宫联合敲钟。Brad 把这个过程形容成创业项目从融资走到产品发布。

节目把账户机制概括得很直接。孩子出生后获得一千美元私人投资账户，资金投入标普五百，账户终身免费。节目又用一个简化情景说明，如果再由家人匹配并每周存十美元，十八岁时约有五万美元。市场回报当然不能保证。

但现行规则有更窄的边界。一千美元是法定试点，只适用于二零二五年一月一日至二零二八年十二月三十一日出生、符合美国公民资格并完成选择的儿童。增长期可使用合资格美国股票指数基金，标普五百只是其中一种，不是唯一选择。基金每年费用和支出上限是资产的百分之零点一，所以这是低费用账户，不是终身免费。

Brad 转述总统要求团队更快为全美约五千万至七千万名未成年人自动创建账户。自动开户是为了避免父母因忙碌、不了解或政治反感，让孩子失去机会。

Brad 在节目中自报，上线后二十四小时创建超过一百五十万个账户，存入超过十亿美元。官方发布没有复现这个首日组合，因此不能把它当成已确认的开户数据。财政部二零二六年七月六日公布的是收到超过六百万份特朗普账户申请，并预计当周新增资本约八亿美元；六百万说的是申请，不是已经开出的账户。财政部二零二六年七月十五日公布的是六百五十万家庭提交申请，其中超过一百五十万名儿童符合一千美元试点资格，这组数据并非来自白宫七月十四日。它们来自不同日期，统计对象也不同，不能混成首二十四小时数据。节目所述二维码功能则让亲友可以直接转二十五或五十美元，把小额礼物变成长期资产。

更大的资金来自慈善。节目列举 Dell 夫妇、SpaceX 总裁 Gwynne Shotwell、Micron 和 Brad 本人的大额承诺，金额从数亿美元到数十亿美元不等。捐赠可以按邮编、年龄、雇员或社区定向。

Brad 预计首年可募集一千亿美元，并认为这会成为直接慈善平台。资金不先交给机构决定项目，而是直接进入儿童私人账户，十八岁前不能取出。它试图把慈善从一次性救助变成长期本金。

让股权直接进入家庭

特朗普账户的名称引发了政治争议。Brad 说，正式名称确实如此，但报名家庭跨越收入和政治光谱，节目也列举多位民主党人物的支持。团队计划与财政部、白宫和社会保障机构合作，在约九十天内创建五千万至七千万个账户。这个目标仍是计划，不是已经完成。

嘉宾把私人账户与华盛顿集中征税分配的模式放在一起比较。前者让孩子直接拥有资产、学习金融，并在未来用于教育、购房或创业。节目估计，普及后美国持有股票的人口比例可能从约一半提高到七成或七成五。

Chamath 进一步提议，OpenAI、Anthropic 等若创造巨大价值，可以捐出部分股权。Brad 反对政府强制拿走股份放进集中基金，强调必须自愿，而且资产应进入公民私人账户。

单个孩子每年有贡献上限，大额股权无法一次平均分完。Brad 的办法是先建立数千万账户，再通过 pooled account 跨年分配给未来每批新生儿。他估计十年后账户数可能超过一亿。

这种规模也改变金融教育。孩子在手机里看到自己通过指数持有 NVIDIA、Microsoft 和 Apple，资本市场就不再是课本上的抽象概念。

节目估计未来十五年可能有两万亿至四万亿美元进入原本没有资产的家庭。高缴款情景下，孩子二十八岁可能成为百万富翁。但 Brad 特别说明，他常用的普惠示例只假设每月约五十美元。项目重点不是为富裕家庭再建信托，而是让没有本金的人第一次进入复利系统。

税务结构与复利起点

David Sacks 认为，慈善叙事遮住了特朗普账户对中产家庭的另一层价值，也就是税优财富规划。他把它与雇主匹配退休金、健康储蓄账户和 Roth IRA 相比。这些工具一旦提供免费匹配或税收优惠，家庭就不该轻易忽略。

按节目介绍，孩子十八岁前，亲友等每年可以合计贡献五千美元，雇主还可免税贡献最多两千五百美元。这听起来像可以相加成七千五百美元，但官方规则并非如此。二零二六年，个人、亲友和雇主等受年度额度约束的来源合计上限是五千美元；雇主最多贡献二千五百美元，而且已经计入五千美元总额。员工可以推动公司参加，但任何新增福利、薪酬重排和税务收益都要符合雇主计划与个人情况。

增长期结束后，账户一般按传统 IRA 的分配、税收和法定例外规则处理。它不会因为成年就自动把剩余资产转入另一只 IRA。如果另行转换为 Roth，转换金额通常会形成当期应税收入。Sacks 转述一种策略，等孩子不再是受抚养人、处于大学或刚毕业的低收入阶段再考虑转换，税率可能更低，但结论取决于个人收入、税务身份和届时规则。

这只是节目里的税务思路，真实决策必须看当时法律和个人情况。它的经济逻辑是，把纳税时点放在收入较低的年份。

节目还给出长期情景。十八岁时若有二十万到三十万美元，之后不取出，六十岁可能超过一千万美元。账户也可能依规则用于首套房、健康紧急情况或创业。数字不是承诺，真正确定的是时间价值，越早形成本金，复利越有力量。

新的社会契约

节目认为，所有雇主都应该研究最多两千五百美元的税优贡献额度。它可以成为长期福利来源，让儿童账户不只依赖富豪捐赠和家庭临时存款。但这笔钱计入受年度额度约束来源合计五千美元的上限，不能在五千美元之外再加一次。

Jason 随后把机制提升为社会契约。他承认自己批评过政府其他政策，却认为不应因为 Trump 品牌否定这个账户。他描述美国处在 K 型复苏、贫富分化和年轻人不再相信美国梦的时刻。让每个孩子拥有公司权益，被他视为比抽象争论更直接的制度参与。

他把账户与 Giving Pledge 相比。传统承诺是富人在去世前捐出财富，特朗普账户则把捐赠变成每个孩子的长期股权。普通家庭不是被动接受项目服务，而是成为资产所有者。

Jason 还用澳大利亚退休储蓄作类比。当地把收入的一定比例放入个人账户，家庭因此更有安全感。节目中的具体比例带有不确定语气，但类比重点很清楚，家长最关心孩子未来，可见、可继承的资产可能缓解长期焦虑。

嘉宾把平台想象成慈善、财富规划、金融教育和退休储蓄的共同基础设施。有人甚至提出逐步替代社会保障，但 Brad 后面明确维护现有受益人的承诺。因此更准确的理解是，它首先想成为补充，而不是立即取消旧制度。

这场争论的真正分界，不是要不要帮助家庭，而是帮助最终以什么形式留下。节目选择的是个人名下、能够看见并长期复利的资产。

成年控制与金融教育

账户何时交给孩子控制，是一个真正的政策折中。Brad 原本希望资金强制复利到三十岁，因为那时财务判断更成熟。最终方案选择十八岁，理由是一个人既然可以投票和服役，也应有权控制自己的钱。

节目介绍，成年后最多约四分之一可以用于购房、创业或上大学，其余转入 IRA。这是嘉宾口述，不是 IRS 的通用规则。现行规则没有统一的四分之一支取上限，也没有其余资产自动转入另一只 IRA 的要求。增长期结束后，账户一般直接适用传统 IRA 的分配、税收和法定例外规则，具体支取后果要按用途和个人情况判断。

Brad 认为真实资产会改变金融教育。没有钱的孩子很难对复利产生兴趣。如果七年级时手机里已经有一万二千美元，并看到自己持有 Nike、Apple 和 NVIDIA，就会自然追问资产为何上涨，每月再存五十美元会变成什么。

节目称三十七个州要求金融素养教育，约二十五个州准备向本州儿童账户加钱。部分州还在考虑把效果不佳的儿童项目资金改为直接拨入账户。这个政策是否真的提高毕业、购房或创业概率，需要长期数据，但它至少把教育和个人资产放进了同一个反馈回路。

Brad 回顾，方案在二零二零年秋天由他和两个儿子在厨房桌上画出草图，儿子随后参加了大量政治沟通。这个背景解释了项目为何被他视为家庭共同创业，也说明它不是临时的品牌活动。

从政府产品到终身账户

Jason 特别赞扬 Airbnb 联合创始人 Joe Gebbia 加入政府后的产品设计贡献。他认为特朗普账户的软件体验证明，政府在吸纳世界级消费产品人才后，也能做出普通家庭愿意使用的应用。

Brad 列出的团队包括 Michael Dell、Robinhood 的 Vlad Tenev、Joe Gebbia、财政部长和财政部人员。他说大家过去一年几乎每天沟通，目标不是做一个勉强合格的政府网站，而是做一流消费产品。跨党派支持和低摩擦软件共同决定，法律能否真正变成数千万家庭的行为。

节目把账户放进更大的资本所有权叙事。技术行业若要维持社会信任，不能只展示创造者和投资者赚了多少钱，也要让处在底层的家庭看到参与路径。儿童账户被视为把科技财富与普通家庭直接连接的一种办法。

Brad 还提出，把政府通过 AI 公司股权、Intel 股份或 TikTok 交易等获得的收益分入公民账户。这个机制尚是建议，不是现有资金来源。

对于社会保障，他强调现有承诺不会取消，但可以为二十至四十岁成年人扩展自愿补充账户。私人账户与社会保障最大的差异，在于个人能看见、控制并继承资产。

传统 IRA 通常要先有劳动收入，很多人到二十二岁以后才开始，甚至二十五岁才真正储蓄。儿童账户填补了出生到就业之间的空档。Buffett 所说的小雪球需要一条足够长的山坡，而生命最早的二十五年，恰恰是过去大多数家庭被挡在复利之外的时间。

前半场讨论模型公司如何捕获智能收入，后半场讨论普通家庭如何获得资本起点。两条线最终汇合在所有权上，谁掌握模型、谁承担成本、谁拥有账户，决定了技术增长会把社会带向哪里。