All-In Podcast 第 280 集把话题集中在四条主线：Anthropic 与 OpenAI 的潜在 IPO、AI 的真实投资回报、开源与闭源模型的商业分化，以及中国对顶级 AI 模型海外访问的限制讨论。节目由 Jason Calacanis 主持，Chamath Palihapitiya、Brad Gerstner 和 David Sacks 参与，Friedberg 休假，由 Brad 代班。本期播出日期为 2026 年 7 月 11 日。
SpaceX 打样后，Anthropic 与 OpenAI 被推上 IPO 焦点
节目开场先谈 IPO。Jason 表示，一场万亿美元级别的上市竞赛已经展开。按节目中的说法，SpaceX 已经完成上市，估值为 1.75 万亿美元，募资 750 亿美元，前瞻营收约 350 亿美元。其股价一度升至 200 美元，随后回落到 150 美元附近，基本回到发行价，对应市值约 2 万亿美元。
Jason 还提到，Anthropic 已在 6 月 1 日秘密提交上市申请，Polymarket 给出其今年上市概率为 65%。Gavin Baker 两周前预测，Anthropic 到今年底的营收可能超过 1000 亿美元，并实现盈利；如果此时上市，估值可能达到 3 万亿美元。
Chamath 认为，OpenAI 和 Anthropic 都是极好的生意，但最终决定发行价格的，不是故事本身，而是市场对新股的胃口，以及市场能在什么价位上完成出清。
他指出，两家公司处于不同阶段。OpenAI 上次披露的信息显示，其现金消耗依然很高，业务也更分散，更依赖消费端。相比之下，Brad 之前提过，Anthropic 可能已经意外实现盈利。
Chamath 给出了一组来自自己公司内部的观察：他询问 CTO token 成本变化，对方回复称，这项成本目前每 45 天翻一倍；当他继续追问下游生产力的提升幅度时，得到的回答是“最多 5%”。在他看来，这意味着成本迅速抬升，但收益基本持平，原因是继续提升下一轮能力所需消耗的 token 更多，而效果已开始出现边际递减。
基于这组数据，Chamath 对 IPO 时点的判断很直接：“如果能现在上市，就现在上，趁这些数字还没渗进水位线。因为我觉得那才是你能以高价出手、融一大笔钱的窗口。”
Brad 的态度更积极。他表示：“今天 Altimeter 会以规模和体量买入这两家 IPO。”在他看来，SpaceX 的上市已经为后续超大规模科技 IPO 建立了模板。按照他的说法，Anthropic 的年化营收可能超过 1000 亿美元，而 SpaceX 的前瞻营收只有 350 亿美元，“基于 SpaceX 的成功，这会是一个现象级 IPO。”
Brad 还提到，SpaceX 在 IPO 总量、定价、流动性安排、指数纳入以及锁定期设计等方面都做了开创性探索，Anthropic 和 OpenAI 都会从中借鉴。
对于指数纳入争议，Brad 解释称，旧规则原本有其合理性，因为多数新上市公司通常更年轻、营收更少、盈利能力更弱。但在他看来，SpaceX 规模已经大到不纳入指数反而不合理。交易所和指数公司也做了调整，没有在最高点完成纳入，避免了 IPO 后常见的 30% 回撤直接压到被动投资者头上。
谈到 OpenAI，Brad 透露，该公司今年营收已回升到约 700 亿美元，GPT6 可能在 30 天内发布。他认为，两家前沿实验室之间并不存在必须抢跑的竞速关系，都会在各自判断的成熟时点出手。由于公司结构调整更复杂，OpenAI 可能会晚于 Anthropic。
Chamath 质疑 AI ROI：真实回报可能只有 0 到 2%
围绕 AI 支出的投资回报，节目给出了明显分歧。
Jason 提到，近期行业里的 CTO 和 CEO 已开始在 X 上公开回应相关争议。以 Uber 为例，其 CTO Pinen 分享称，公司 99% 的工程师正在使用 AI 工具，超过 70% 的 pull request 来自本地或云端 agent，工程师已经构建 200 个 agentic skill。Uber 还把工程师派往各业务部门担任“前线部署工程师”，与部门负责人一起梳理流程。
Brad 认为，Chamath 说的问题确实存在，但主要取决于观察周期。眼下很多 AI 支出仍属于实验性预算桶，未必能立刻对应到直接 ROI；不过企业采用 AI 仍然很早，智能的可寻址市场大到前所未有，“我们从来没见过这样的营收增长，因为我们从来没见过这么大的 TAM。智能是人类历史上最大的可寻址市场。”
他还抛出一个更激进的判断：如果 Anthropic 到年底营收超过 1000 亿美元，明年营收可能再增长 3 到 5 倍。从 1000 亿美元跃升到 3000 亿美元，这种 2000 亿美元的增量营收，在他看来是硅谷历史上从未出现过的规模。
Chamath 的质疑则集中在“可持续性”上。他向 Claude 5 提了两个问题。第一个问题是，AI 为标普 500 带来了多少 EPS 增长，模型给出的答案是 50%。但他随后发现，这一结果把英伟达向亚马逊出售芯片的收入也计算在内。于是他追问第二个问题：排除 Mag7 后，标普 493 的 EPS 增长是多少？答案变成了 9%。
Chamath 对这 9% 进行了拆分：其中绝大部分来自高于通胀的定价权，另外 3% 来自回购，因此真正能够归因到 AI 的 ROI，只在 0 到 2% 之间。他总结说：“我的 token 成本每 45 天翻一倍，下游生产力可能最多 5%。我的成本在翻倍，收益基本是平的。”
在他看来，企业客户眼下愿意采购，是因为市场还没有系统性追问“你的 ROI 到底在哪里”。但 Brad 与 Gavin 这类投资者迟早会继续往下问：真实 EPS 提升体现在哪，支出是否可持续。如果企业给不出答案，又没有稳定的定价权，企业端需求就会变得脆弱。
相较之下，他认为消费端更像避风港。原因不是产品更先进，而是面向数千万用户的小额定价天然更不容易遭遇严格的 ROI 审查。
Jason 补充称，AI 与 Excel 之类过去的工具不同，它触及组织中的每一个岗位。一个 1000 人的组织里，如果每人每月 AI 成本从 200 增加到 400，相较于 15 万的年薪，只是增加了 3% 到 4%。真正关键的问题只有一个：它是否把个人效率提高了 3 到 5 倍。
开源想分流，闭源却在拿到更大钱包份额
第三部分讨论的是开源与闭源模型的竞争。
Jason 提到，许多 CTO 已开始在 X 上谈“智能路由”：先把任务交给开源模型，处理不了再 fallback 到 Claude 之类前沿模型。他把问题抛给 Sacks：当前沿模型的 CFO 也开始问“能不能便宜点”时，市场会怎样变化。
Sacks 的判断是，企业 CTO 的确希望把 token 消费迁移到更便宜的模型上。一方面，token 成本在持续抬升，企业在想办法踩刹车；另一方面，在“AI 主权”讨论升温后，一些企业也担心把核心 alpha 交给未来可能成为竞争对手的前沿实验室。
不过，他认为大多数企业没有能力完成这种迁移。他概括为：“企业的精神是愿意的，但能力是软弱的。他们想从闭源模型上转移，但做不到。”
在节目中，Sacks 以 Coinbase 和 DoorDash 为例，称两家公司已经搭建 token 路由中间件，把前沿任务交给前沿模型，把非前沿任务交给普通模型。但他也强调，多数企业并不具备这种技术能力。这也是为什么，尽管企业主观上想降本，闭源模型的钱包份额反而在继续扩大。
他给出的数据是，开源模型在企业支出中的占比已从去年的 19% 降到今年的 11%。但他同时提醒，这不代表开源使用量下降，因为很多开源模型只收托管费，并不向实验室付费，统计口径本身就不完整。
Sacks 还援引 Decagon 创始人的观点称，当企业已经非常清楚自己要解决什么问题时，小而便宜的开源模型是合理选择，前提是有相应数据和后训练能力；但如果用例还不明确，就会希望调用最强的通用智能。成熟用例适合开源，不成熟用例更依赖前沿模型。
Jason 还提到 Databricks 创始人 Ali 的观察：同一个模型，仅仅更换 harness，也就是任务编排框架，成本就可能砍掉一半。按他的说法，GLM-5.2 配合特定 harness 时表现非常好，任务量可以直接减半。
Jason 也分享了自己的体验：他构建了一个每小时运行的趋势发现 agent，优化后 token 消耗下降了 80%。当 token 变便宜后，他把 agent 的运行频率从每天一次改成每小时一次，再把单个 agent 拆成三个并行任务，第二天醒来时已经有 14 个任务完成，使用感受完全不同。
Brad 则把争论核心归结为“智能是否会收敛”。他回顾称，18 个月前所谓的 DeepSeek 时刻一度让市场下跌 40%，当时很多人判断前沿模型会被开源模型快速追平。但 18 个月后，他认为结果恰恰相反：前沿实验室的钱包份额还在上升，虽然两边 token 使用量都在增长。
Brad 进一步提出一种更强的可能性：智能也许不会收敛。如果超级智能能够自我递归，模型越聪明，赚到的钱越多；赚得越多，又能买更多算力；算力越多，模型又会继续变强。按他的判断，未来 2 到 3 年，领先者与追赶者的差距未必缩小，反而可能扩大。
Jason 提到，他采访了 Lovable 的 CEO Anton，对方称产品上线约 30 个月后，营收已从零增长到 6 亿美元。他还询问 11Labs 的 CEO Matti：作为前沿模型的大客户、每年花费数千万美元，是否担心数据泄露和潜在竞争。两位 CEO 都表示在研发自己的模型。Jason 认为，如果这些八位数、九位数支出的客户都开始自建垂直模型，前沿实验室会感受到压力。
Chamath 则反问，像 11Labs 这样要做世界级语音 agent 的公司，如果最好的语音能力仍来自前沿实验室，它是否能承受使用次优自建模型的竞争代价。
Meta 用低价出牌，Zuck 把竞争拉进价格战
第四部分围绕 Meta 的新动作展开。Jason 表示，Meta 本周发布了 Spark 1.1，这是一款很强的 agentic encoding 模型，而且价格极低。按他的描述，Mark Zuckerberg 当周在 X 上异常活跃，传递出的核心信息就是：同等质量，成本只要百分之一。
Brad 认为，Meta 之前在开源策略上有过失误，但现在 Zuckerberg 已经明确转向价格战路线。Meta 不只是发布模型，也推出新的模型 API，开始直接提供 token。从美国竞争格局看，他认为这是一件好事。
为解释为何前沿模型未必会被轻易替代，Brad 做了一个成本类比：如果 AI agent 替代的是一个时薪 200 美元的顾问，那么使用 3 美元模型还是 15 美元模型，价差本身并不重要；真正重要的是，15 美元那个模型能不能稳定完成任务，不在中途出错。任务一旦中断，损失的就不只是 token，还有时间。
Chamath 则从用户“够用就行”的角度提出另一种看法。他把 AI 模型迭代类比为 iPhone 初期的升级潮：一开始大家愿意不断为新体验买单，但总有一天，用户会认为旧设备已经足够。他提到，自己在使用 Claude 5 时发现某些研究方向会被限制、不予回答，不同用户会在不同时间点抵达各自的“够用”临界点。
Chamath 还谈到他在联合国 AI 委员会的观察。他表示，自己与 Benioff、Jensen、Brad Smith 一起参与了由 Benioff 联合主持的联合国 AI 委员会。最直接的感受是，没有一个国家不在制定本国的主权 AI 战略，也几乎没有国家愿意把美国闭源模型视为最终答案。很多国家更愿意选择一个开源模型，例如英伟达的模型，再由自己搭建完整基础设施。
他列举的例子包括阿联酋的 Falcon 模型、沙特的阿拉伯语 LLM，以及日本投资 60 亿美元的 Neoterra 联盟，直接把重点放到物理 AI 和机器人。Chamath 的判断是，当模型能力达到前沿水平的 95% 到 99% 时，许多国家会认为已经足够。
与此同时，他也指出，部分公司并没有足够的盈利增长去长期支持这种 AI 开支，又缺少做大规模成本削减的决心。他把这点与自己当年写给 Zuckerberg 的那封公开信联系起来，称 Zuck 最终会执行，是在压力推动之下完成的，而多数公司更可能选择让问题累积。
Reuters 报道中国考虑限制海外访问顶级 AI 模型
第五部分转向中国。
Jason 引述 Reuters 报道称，中国相关方面正在考虑限制海外访问中国顶级 AI 模型。按节目中的说法，两个监管机构已约谈阿里巴巴、字节跳动以及开发 GLM-5.2 的 Z.AI，讨论对顶级开源和闭源模型实施海外访问限制。同时，相关方面还在把 AI 研究泄露列为国家安全犯罪，并考虑控制谁可以投资中国 AI 实验室。
Sacks 表示，这则消息可能有夸大成分，但他承认其中反映的趋势值得关注。按他的说法，中国当前最强模型来自字节跳动，而该模型本身就是闭源的；阿里巴巴的 Qwen 过去是开源路线，现在可能正转向闭源；Z.AI 的 GLM-5.2 之前是开源，也在转向闭源。
他给出的判断很鲜明：“中国的策略就是：你在追赶的时候开源，等你追上了就闭源。Sam Altman 三年前就是这么干的。”在他看来，开源的意义在于吸引开发者社区，并在 AI 领域建立强化学习的数据飞轮；一旦逼近前沿，闭源就能捕获全部价值。
Sacks 还透露，他本周已在华盛顿与白宫、财政部讨论这个议题。他称，在美国当前各种监管争议中，有一项共识非常明确：无论如何都要保持对中国的领先。从总统往下，核心问题都围绕“领先了多少”以及“还要做什么才能继续领先”。
他说，在这种背景下，让美国前沿实验室退出，同时让中国开源模型自由流通，这种政策设想在华盛顿并不存在。
更敏感的部分在于蒸馏。Sacks 表示，GLM-5.2 中带有 Mythos 的蒸馏水印，美国政府“大概率会出手打击蒸馏”，并补充说“这是应该做的”。
不过，他也认为，即便中国收紧海外访问，对美国整体影响未必很大。原因在于，美国自身也有能力做开源模型，英伟达在做，Reflection 也在做。他称自己曾询问前沿实验室为何不做开源，对方回答是“需求不大，如果需求大我们就做”。从这个角度看，中国若限制出口，可能更多伤及自身。
Chamath 在这里插入了一句调侃：对美国最有利的事，就是中国内部也出现一个“末日论者社区”，持续担心 AI 导致失业与存在性风险；如果中国实验室也被这类监管束缚住，那会成为美国最大的利好。
Trump Accounts：每个美国新生儿 1000 美元，24 小时开出 150 万户
节目最后一部分，Brad 用较长时间介绍了 Trump Accounts 计划。
Jason 先表示，这款 App 已成为全球下载量第一的应用，并称赞 Brad 为此投入了四年时间。Brad 回应称，这确实是一段四年旅程：去年的 Invest America Act 已作为法案的一部分签署成法，今年 7 月 4 日，App 正式上线。
根据 Brad 的介绍，该计划会为每个美国新生儿提供 1000 美元，存入一个私人投资账户，全部投资于标普 500，账户终身免费。App 上线 24 小时内，已经开出 150 万个账户，吸纳超过 10 亿美元存款。
他还提到，团队在白宫椭圆办公室举行了一场纽交所和纳斯达克历史上首次联合敲钟仪式，现场有数百位 CEO 出席。总统提出，要为 5000 万到 7000 万名 18 岁以下未成年人自动创建账户。
Sacks 从个人财务规划角度解释了这一机制。按节目中的说法，每年可以向孩子的 Trump 账户存入 5000 美元，亲友都可参与；雇主还可以免税贡献 2500 美元。18 岁前，资金享受免税复利；18 岁后，最多可取出 25% 用于买房、创业或上大学，剩余部分滚入 IRA。
他进一步表示，如果等到孩子不再是受抚养人，例如刚毕业且处在 0% 税率区间时，再进行 IRA 到 Roth IRA 的转换，税负会非常低，几乎可以把这些资金变成终身免税投资。
Sacks 还算了一笔账：如果 Trump 账户从一开始就按规则存满，并按过去 30 年的市场回报率计算，到 28 岁时，这个孩子就会成为百万富翁；如果到 18 岁时已有 20 万到 30 万美元，继续复利到 60 岁时，规模可超过 1000 万美元。
节目中还提到多项慈善承诺。Michael 和 Susan Dell 已捐出 60 多亿美元，为 2500 万个中低收入家庭的孩子每人提供 250 美元；SpaceX 总裁 Gwen Shotwell 捐出 3.5 亿美元的 SpaceX 股票，定向支持低收入社区儿童；美光捐出 2.5 亿美元，每位员工的孩子最多可获 1000 美元；Brad 自己则捐出 1 亿美元，覆盖印第安纳州所有孩子。
Brad 表示，他们已向总统说明，预计未来 12 个月内可募集 1000 亿美元。他将其定义为美国历史上最大的直接慈善平台，因为没有中间人，资金会直接进入孩子账户，且在 18 岁前不能提取。
按他的预计，未来十年将有超过 1 亿个私人投资账户建立起来，未来 15 年可能有 2 万亿到 4 万亿美元流入此前几乎没有资产的家庭账户。
Jason 从更宏观的层面评价称，这个项目可能“替代社会保障”，也“替代了捐赠誓言”。他指出，美国当前只有约 50% 的人持有股票，如果 Trump Accounts 成功普及，这一比例可能上升到 70% 至 75%。他还以澳大利亚的超级年金制度为例，称后者要求每个人将收入的 12% 到 14% 存入类似 401k 的账户，而 Trump Accounts 所做的是在更基础层面推动类似机制。
Jason 还特别感谢 Joe Gebbia 加入政府负责这一项目的软件设计，称美国政府罕见地做出了一款出色的消费级软件产品。Brad 补充称，团队成员还包括 Michael Dell、Robinhood CEO Vlad Tenev、Joe Gebbia，以及财政部的 Luke Pettit，目标并不只是做政府最好的产品，而是做最好的消费级产品之一。
节目核心分歧没有缩小
从整期讨论看，几位嘉宾在 AI 上市窗口、AI 支出回报、开源与闭源的价值归属，以及中美 AI 战略上并未形成统一结论。Brad 更看重营收增速、超级大市场和前沿模型的持续领先；Chamath 则不断把问题拉回成本、EPS 和真实 ROI；Sacks 把焦点放在企业迁移能力、华盛顿政策取向，以及中国模型策略变化。
这些分歧本身，构成了本期节目的主线。