Gavin Baker: SpaceX的2万亿美元估值论证、英伟达意外遭抛售、美国转而反对AI、特朗普撤回AI行政令、债券危机？

All-In 第274期开场时，一位常驻主持人缺席，由 Atreides Management 的 Gavin Baker 代班。主持人们列出了本周的科技新闻：SpaceX 与 OpenAI 的 IPO、Andrej Karpathy 加入 Anthropic，以及英伟达的业绩。他们先从 Karpathy 谈起，称他年仅39岁，却已是业内传奇。其间还穿插了一些关于 Liquidity 活动的闲聊：Karpathy 预计将在第二天发表主题演讲，Gavin Baker 也会到场，并被告知将协助评选“最佳创意”环节。

讨论回顾了 Karpathy 的履历。他是 OpenAI 的创始成员之一，曾领导自动驾驶团队，并创造了“vibe coding”（氛围编程）一词。他最近开发了“auto research”，这是一款开源训练工具，通过五分钟一轮的实验帮助 AI 模型自我改进。该工具在 GitHub 上的星标已超过8.2万，被形容为一次周末实验，却促使许多非专业人士构建起自己的递归式大语言模型。还有人发布了一款名为“Andre Karpathy skills”的工具，基于他为 Claude Code 总结的原则构建。据报道，他在 Anthropic 将领导一个新的预训练团队，专注于递归式自我改进，也就是让 Claude 改进自身。

一位主持人质疑这件事在2026年到底有多重要。如今这个领域所处的“局”已与十年前（Karpathy 在特斯拉时）或五年前（他联合创立 OpenAI 时）不同。对方的回应是把他比作谷歌的“Google Fellows”，即一小群技术明星，如 Amit Singhal、Shrida Ramaswamy 和 Jeff Dean，他们在谷歌一波又一波的工作中始终站在最前沿。据说 Karpathy 同样在一波又一波的 AI 浪潮中站在最前沿。发言者称，他在特斯拉领导 FSD 时，大概是第一个将 Richard Sutton 那篇关于暴力计算的《苦涩的教训》（bitter lesson）付诸商业化的人。发言者还补充了一个 Karpathy 私下讲过、可能尚未公开的故事：大约在2016或2017年，他或许花了四分之一的时间亲手标注特斯拉的视频数据。

按照这种观点，这次招聘之所以重要，是因为 Karpathy 是一位充满好奇心的发明者，而递归式自我学习让模型处于“超速与自动驾驶相结合”的状态。两者结合，可能每年带来一个数量级的提升，被形容为一种新的摩尔定律，模型质量呈抛物线式上升。发言者将关键点概括为：向这个问题投入大量算力，之后模型就会学得非常快。

被问及 Anthropic 的成功和招聘热潮时，一位嘉宾称其成功“非凡”且“不可否认”。他们援引《华尔街日报》的报道，称 Anthropic 最近一个季度实现了 EBIT 为正，并表示这对于围绕循环融资和投资回报的更广泛争论很重要。他们估计，OpenAI 和 Anthropic 合计“大约有1000亿美元的 ARR”，推理业务毛利率约为80%，并且增长迅速。在他们看来，这意味着回报已经出现。

同一位发言者把 Gemini、Cursor、xAI 和开源也算进来，预计到年底大语言模型的高毛利年度经常性收入将达到一个大得多的数字。该数字在文字稿中出现了错乱（“$203,104 $100,000,000,000”），因此无法还原其确切数值。被问到时，他们确认这一估计包括谷歌。它刻意排除了他们所说的 GPU 在经济上最重要、最赚钱的一些用途：Facebook、谷歌和亚马逊更好的推荐系统、广告定向和广告效果衡量。即便只按 LLM token 这一狭义口径计算，他们也预计今年会有很强的投资回报。

这位发言者随后提出了 AI 可能的两个“最后疆域”。第一个是递归式自我改进，即在训练过程中，模型本身或另一个模型参与到自身的训练中。第二个是持续学习，被称为“圣杯”，即模型像人类一样从经验中学习。这一点尚未实现。如果递归式自我改进行得通，那么这位发言者归于 Chamath 的每年10倍这一数字“可能显得保守”。这两种能力结合起来“可能会以非常真实的方式把未来提前”。这一预测自始至终都是有条件的。

嘉宾们对 Anthropic 领先幅度的估计比较宽泛。有人说它领先所有其他人三个月或六个月，大概领先开源六到十二个月，领先同行也许三、六或九个月。

主持人提出一个问题：在改进语言模型方面，AI 的贡献何时会超过人类，跨越他们所说的“递归之谷”？主持人认为这在 Anthropic 可能已经发生，尽管仍由人类来统筹这一过程。

回答没有给出时间。发言者表示，他们不知道何时会把一个完整的模型放入上下文窗口来训练新模型。他们认为还存在许多其他架构路径。其一是构建许多较小的模型，以网络形式协同工作，这样每个 token 的能耗或成本可能低于单个大模型。发言者提到自己此前已经三四次提出这一观点，并认为在重新设计模型及其协作方式上还有很大空间。在他们看来，一个小突破就可能让每个 token 的成本减半。作为佐证，他们提到一些早期论文，包括几周前分享过的一篇来自 MIT 的论文，这些论文表明“这里还有很大的发展空间”。

主持人同意小型和垂直领域语言模型是未来，并提到一家投资组合公司 Avocas 正在为企业做这件事。主持人随后提到一则报道：大约两周前，谷歌悄悄地把 Gemini Nano 模型放进了 Chrome 浏览器。该模型在用户电脑上占用约4GB空间，处理校对、拼写和自动补全等任务。主持人将此描述为谷歌在“秘密安装”。

等一下。是的。“秘密”这个词太重了，我们别用这个词。

主持人把说法改为“没有告诉人们，没有事先提醒人们”。提出异议的发言者进一步展开了观点。在他们看来，对每一次模型改进的兴奋评论都是“浪费时间”，“没有投资回报”。重点应放在终端用户获得的、过去不可能实现的成果上。他们举的例子是：一位人类借助 OpenAI 的模型解决了一个悬而未决数十年的数学难题（他们称“由人类使用”这一细节很重要），以及一些原本被搁置的候选药物如今即将进入临床试验和 IND 阶段。

这位发言者认为，主持人的表述助长了一种“妖魔化的我们对他们”叙事。他们说这并非有意为之，但有助于解释为什么 AI 正在变得像“一个脏字”。他们说谷歌不是那种会做见不得人之事的公司，尽管其他公司会；当被问及是否指的是自己的前雇主时，他们拒绝点名。他们猜测谷歌推出这个模型是因为它对用户有用。他们警告说，如果主持人们用词不慎，结果可能是一场卢德主义式的倒退，到时“没有人是赢家”。

主持人没有完全退让。他们否认自己是卢德分子，并指出许多人表示对该模型的体积及其后台安装感到意外或震惊，这促使一些人去研究隐私问题。主持人同意谷歌不是坏人，并称此举可能更多是出于求快，而非其他原因。另一位参与者就谷歌在法律上的谨慎开了个玩笑：

有“正在律师拉满”的，也有“已经律师拉满”的，而谷歌大概是已经律师拉满了。

这位参与者还表示，科技行业的美国人有责任为 AI 的积极可能性发声。他们说，“开始感觉或看起来可能存在一场由中共资助、针对美国 AI 和数据中心的运动”。这是作为一种怀疑提出的，并无证据记录。他们说，这样的运动“对中国来说非常合乎逻辑”，但对美国不利。