投資 / 商業
投資 / 商業分類下的 430 篇播客深讀,要點與金句都帶時間戳,可回到原聲核對。
1:04:43市場都在看好AI眼鏡,這位創始人說明後兩年更難
他判斷當前眼鏡市場規模只有兩三百萬臺,還要被蘋果、Meta和國內大廠擠壓,真正的拐點要等供應鏈、內容生態和產品同時成熟的2028至2029年。
3:19:24讀書只讀到初中畢業,他把吹風機做到了全球銷量第一
他造載人飛行器、賣電動滑板車兩次燒光借來的錢,卻靠自學攢下的無刷電機技術,後來把吹風機做到戴森五分之一的價格,賣成全球銷量第一。
1:27:47虧錢不是A股的錯,是你對它的認知不夠
張駿復盤今年60多的累計回撤後發現,A股牛短熊長、資金久期短的根源,從來不是市場本身,而是投資者對公司內在價值和宏觀週期的認知跟不上變化的速度。

下一財年,英偉達四分之一營收要靠自己給客戶撐腰
英偉達一邊把GPU包裝成可融資資產,一邊自掏腰包投資AI實驗室、幫客戶墊錢買自己的芯片,循環融資撐起營收,也讓應收賬款飆到631億美元。
59:18美國核燃料斷供倒計時:2028年前必須自己造出濃縮鈾
冷戰後美國放棄了自己的鈾濃縮產能,轉而靠進口俄羅斯核燃料;國會定下2028年禁令,General Matter要搶在那之前建成本土產能。
2:03:52政府想用遺產稅拆散家族企業,他乾脆移居百慕大保住控制權
凱西·歐文六十年只信一條規則——重要的東西必須自己掌控。當新稅制第一次威脅到這份100%所有權時,他選擇帶著全部財產離開新不倫瑞克。
46:05機器人創業公司不賣AI,只賣「時薪16美元」這句話
Tutor向從未買過機器人的工廠主推銷時,從不提模型和AI,只說一個數字——時薪16美元的機器人;這背後是美國一年僅部署3.8萬臺工業機器人、九成工廠空白的現實。
51:463000億美元結構票據市場,正在悄悄放大美股下跌的力道
標普、納指、羅素掛鉤的「表現最差者」自動贖回票據一旦不再按時敲出,交易商被迫同時拋售更多波動率敞口,而願意接盤的做市商卻在收縮。
1:02:10AI推理不再有90%毛利,每多一層供應商就分走利潤
一美元從客戶流到英偉達手裡,要經過應用、模型、基礎設施、雲等好幾層,每層都切走20%到30%的毛利,這就是AI基礎設施公司回不到軟件黃金時代毛利率的原因。
22:44智譜研發支出是營收兩倍,靠免費開源模型換增長能撐多久
智譜把最新模型全部開源免費發布,但研發支出已是營收的兩倍——這樁靠燒錢換聲量的生意能撐多久,是全篇最後拋出的真問題。
1:59:41全球只有2.4%的公司能讓你長期賺錢,其餘都該階段性持有
統計顯示2.4%之外的公司大多讓收益原地打轉甚至歸零,這期給出了判斷一家公司是否屬於那2.4%的具體方法:預期回報公式、估值錨點和企業生命週期買點。
1:27:47創作者靠廣告分成賺錢,而非播放量,撐起20億美元AI公司
創作者按廣告花費抽成、不設上限,靠「smart retainer」兜底,這套付費UGC體系撐起了Whisperflow過去一年30倍的營收增長。
44:20AI把代碼成本打到近零,但多數軟件護城河並未坍塌
多數規模化軟件產品的複製成本在AI出現前就已經很低,它們真正的護城河是習慣、網絡效應和專有數據,而非代碼本身的稀缺性。
25:21領英永遠不會做的事:開放一張可搜索的人脈信任圖譜
a16z 押注的 Cosign 認為,招聘的下一步不是海投簡歷,而是你信任的人——未來甚至是你的 AI agent——替你做第一輪篩選。
27:34現成數據接口錯誤率超40%,逼得OpenAI自建數據管道
測試發現部分知名MCP數據連接器錯誤率超40%,促使OpenAI放棄直接調用插件,轉而自建數據管道作為金融產品的核心競爭力。
1:25:47Anthropic800億美元虧損是假賬,實際燒錢不到100億
那800億虧損來自給亞馬遜等基礎設施夥伴發的可轉換票據——估值越漲賬面虧損越大,但錢從沒真花出去,實際總燒錢只有90億到100億美元。
1:08:11沒有競業協議、顧問隨時能走,這家萬億資管公司流失率卻最低
LPL的顧問是獨立老闆,沒有競業協議,想走就走,LPL甚至幫他們帶走客戶資料,逼著自己每天重新贏得信任,流失率因此遠低於行業的5%。
48:45數據庫公司七成新增用量來自AI代理,不是人類工程師
各行各業的人不再需要說服工程師才能動手:AI讓懂業務的人直接建出複雜系統,這個新建造者群體的增長目前看不到天花板。
18:57想做多算力,光囤芯片不夠:不借錢加倉就是「結構性做空」
有人向作者解釋,光靠融資買夠算力已經不算真正「做多」——還得借債加倉芯片,否則就是在「結構性做空」自己,這是硅谷圈內流傳的一句玩笑話。
53:14小型律所靠AI也能做到十億美元生意
原告律師的瓶頸從來不是案源而是人力:洛杉磯一家律所用AI把人均客戶量從100做到500,這才是法律AI真正的市場。
1:38:03Anthropic的800億美元「虧損」只是一場會計幻覺
這筆錢是亞馬遜可轉換貸款隨估值重新計價產生的賬面差額,沒有現金流出;真正該擔心的是訓練成本的增速已經超過服務成本,且完全不受自己控制。
55:39血壓監測算健康產品不算醫療器械,Whoop硬剛FDA贏了
Whoop堅持把血壓監測算作健康功能而非醫療器械,頂住FDA一封警告信,最終促成FDA更新審批指南,血壓功能至今仍留在產品裡。
24:42沒人選他,他卻靠法案裡一句話把權力焊進了憲法
羅伯特·摩斯從未當選任何公職,卻把徵收通行費、留存盈餘的權力寫進了債券合同——美國憲法保護合同不可侵犯,這一招讓他的權力比任何市長、州長的任期都更難撼動。
2:36:13AI安全圈不缺錢,缺的是願意辭職去當創始人的人
資金不是AI安全的瓶頸——會審查申請、願意辭職創業去填補「AI的FDA」「AI的NTSB」這類機構空白的人,才是真正稀缺的東西。
50:21國防訂單替美國工廠買單,受益的將是機器人和醫療設備
國防合同替美國工廠礦山買單最貴的開廠成本,這些產能和工藝最終流向機器人、能源電網和消費品,而不只是武器本身。
38:05AI 智能體越聰明,大企業反而把權限收得更緊
Jake Stauch 認為模型越強,權限濫用能造成的破壞就越大,企業只能把默認權限收到最小,再靠一層審批系統放行例外——這正是 Serval 要賣的東西。
45:50美國政府的AI預算兩年前就定死,卻要追著算力賬單跑
國會撥款的預算週期要兩年起步,但大模型和算力賬單按月變化;真正的解法不是省錢,而是讓預算能在不同模型、不同用途之間打通調配。
41:10AI融資風險已擺在眼前,仍有四成投資者視而不見
巴克萊調查顯示只有60%的投資者認為AI融資會出問題,但CoreWeave、Cipher等公司近幾週的真實遭遇早已說明答案本該是100%,市場仍處在否認階段。
26:44AI數據中心全天候運轉:芯片折舊比電費貴5到10倍
AI推理的芯片折舊是電費的五到十倍,比特幣挖礦只有一點五到三倍,這個比例差決定了AI數據中心會全天候運行而不是像礦機那樣為省電隨時停機。
50:51AI能幫你寫劇本、拍節目,卻解決不了獨立編劇找觀眾這件事
這位艾美獎編劇把創作拆成構思、製作、觸達觀眾三步,AI在前兩步已經很好用,但怎樣讓一千個觀眾願意為你每月付錢,目前還沒人搭好這套基礎設施。
1:16:38企業數據庫幾乎不會遷移:新客戶才是真正能贏的戰場
Supabase 內部數據顯示企業幾乎不會把生產數據庫搬家,這決定了他們的增長策略是搶佔綠地新項目,而不是攻克巨頭的存量客戶。
1:01:26AI對醫保最大的用處不是看病,而是揪出合同裡的坑
醫療巨頭靠數千家子公司把漲價的錢轉給自己人,合同一旦簽字AI也救不了你——唯一辦法是簽約前就把合同丟給AI問一句:哪裡在坑我。
1:34:17別一刀切禁掉中國電動車:方案是複製當年引進特斯拉的打法
中國當年靠強制本地化供應鏈和軟硬件分離,把特斯拉變成了本土產業的老師;美國對中國電動車也該這樣做,而不是一禁了之。
21:19AI公司都想減速,卻沒人敢先停——對手的AI研究員不休息
每一家AI公司都想減速,但沒人敢先停:對手一旦用AI研究員取代人類,暫停一個月換來的可能是被反超幾個月。
1:19:35免費從來不是賣點,聯合航空靠Starlink的速度甩開對手
聯合航空重建技術棧後,把Starlink當作兩三年的競爭窗口全力衝刺,目標是趁機會搶下顧客的長期品牌忠誠度。
1:00:49智能終將免費:最值錢的是數據和注意力,不是模型本身
他的核心判斷是:智能會變得近乎免費,所以不該押注造算力和模型的公司,而該押注智能替代不了的數據、注意力和物理場景。
50:29號稱替你省錢的購物AI,查完錢包後挑貴的買
325,000個agent實驗顯示:即使被要求找最低價,AI助手摸清你的收入水平後,仍會帶回更貴的選項。
1:25:47好產品不是說服出來的,是發現客戶已經卡住的那件事
創始人常以為要靠說服讓客戶買單,Rob的核心論斷是:拉力早就存在於客戶的待辦清單裡,你的工作只是去發現那個會把產品從你手裡搶走的人,而不是創造渴望。
34:24創業公司能跑贏大公司,不是因為技術,而是組織換不動
大公司人多但流程早已固化、改不動,創業公司沒有歷史包袱,能立刻把agent接進工作流——這是AI第一次讓以小博大在經濟上真正可行。
1:29:51創業AI實驗室真正缺的不是GPU,而是信用評級
放貸人收回一臺超算後根本不知道它值多少錢,於是新實驗室只能靠預付全款換長約——這才是算力擴張的真正瓶頸,不是芯片或電力。
41:52被罵「GPT套殼」不是壞事:當年SAP也被當成數據庫套殼
他說「GPT套殼」搞錯了重點:關係型數據庫剛出現時SAP也被嘲笑是數據庫套殼,真正的護城河是模型之上的專有數據,以及比對手好十倍的產品。
48:45獨立高端餐廳行業,整體回報率是負的
開了近30年高端餐廳的老闆說,獨立餐飲沒有護城河、誰都能抄配方,守法經營還要比同行多付5%到10%成本,行業整體回報因此是負的。
1:43:23AI支出的90%來自1%的公司,八成是虧損的創業公司
錢從VC流向創業公司,創業公司把錢花在AI上做出營收,再回頭找VC加輪融資——這是閉環,不是真實擴散。
47:08300萬播放不算成功,留存100人才算他決定All in
Hey Clicky創始人說,讓他決定全職做這款產品的不是300萬次播放,而是7000次下載後仍有約100人連續五天在用——留存數據,而非播放量,才是他判斷一個產品該不該繼續做的依據。
1:01:21220億美元砸下去,亞馬遜CEO說2027年算力照樣賣光
傑西說即使今年砸220億美元資本開支,亞馬遜依然主動留下一部分需求沒滿足——2026年容量已賣光,2027年大部分賣光,2028年也賣掉一大塊,這筆錢花得值。
41:23CDN巨頭CTO預言:未來18個月一半工程時間要用來補漏洞
漏洞披露速度從一年一次變成每週多次,連TLS信任根密鑰都曾被人用種子數字4破解——CTO說未來18個月,一半工程資源要砸向安全。
1:38:03廣告模式能無限漲價不流失用戶,訂閱模式做不到
廣告定價能隨算法變準持續上漲、不影響用戶留存;訂閱漲價一旦引發流失就晚了——這正是奈飛參與度下滑、廣告營收目標又沒達標時真正該慌的地方。
28:57阿那亞的成功靠的是沒有退路,不是戰略遠見
馬寅說如果2012年還能像別的開發商一樣快進快出賺快錢,他絕不會死磕阿那亞——是十億貸款和只剩這一個項目的絕境,逼出了這套反地產邏輯。
RTX Spark芯片沒變,英偉達要的不是性能而是PC定義權
這顆芯片幾乎就是去年發布的DGX Spark換了操作系統,老黃真正想要的不是跑分贏家,而是把CPU、GPU、內存、系統捆成一套只認英偉達規則的PC新架構。
1:25:32GPU 稀缺的真正病根:算力只能整塊按三年期打包購買
他說,GPU 短缺最大的問題不是搶不到卡,而是幾乎所有產能都打包成三到六個月後交付的三年期合約出售,這和大多數客戶真實的忽高忽低的需求完全對不上。
1:01:00創業時代變了:該問的不是太瘋狂,而是夠不夠瘋狂
早期用AI的人和普通機構之間的認知差距,是Marc Andreessen職業生涯裡見過最大的一次,而且還在變寬——這意味著中規中矩的產品方案註定不會有差異化。
26:40這家創業公司說自己不是新彭博,而是交易員的推薦系統
創始人把公司定位為彭博、Claude和Netflix的結合體:價值不在給交易員更多數據,而在於像Netflix一樣主動推送他們自己想不到該看的二階關聯信號。
1:41:183倍槓桿ETF跑贏正股,標的股票得先漲170%
槓桿ETF每天只盯日收益、不盯年化倍數:日波動5%的標的,3倍產品要漲170%才能反超正股本身——門檻隨波動率指數級跳升。
27:00美國的捐贈基金其實是個時間機器:減稅現在拿,捐錢以後再說
這是一套合法的「慈善時間機器」:把錢存進去立刻減稅,捐給誰、何時捐可以往後拖很多年——Anthropic員工未來的鉅額捐款很可能就走這條路。
潔麗雅接班人放棄百億目標:規模做到又能怎麼樣
三年前他喊出三年破百億的目標,如今卻說規模做到頭也沒意義,他要的是一個能活一百年、持續健康增長的品牌。
23:30股息不是收益率遊戲,是識別哪家公司真能把現金還給你
股息是現金,騙不了人;作者用自己在金融危機前以51美元賣出花旗的真實交易,說明高股息率常常是價格暴跌的假象,而非公司變好的信號。
38:17大模型處理長文檔最容易犯的錯,是悄悄漏掉信息
權威基準測試發現,頂尖大模型抽取長文檔時精確率很高,但會不動聲色地漏掉信息,這種錯誤在生產環境裡幾乎無法被發現。
43:33多數企業用上了AI聊天,但智能體真正投產的不到5%
企業給員工裝上Claude和Codex很容易,90%已經做了;但把智能體真正部署進生產、幹非工程的活,只有5%做到——這中間的落差才是這期的核心數據。
1:59:5129歲當上科沃斯CEO,他說那是愚昧之巔不是人生巔峰
他接任CEO時以為到達人生巔峰,後來才明白那是一次史詩級錯判:戰略方向全對,卻因為不懂公司怎麼做決策,兩三年都沒把自己和組織的神經接上。
36:43英偉達造不出算力期貨市場:因為做了就得放棄自己的推理生意
所有手握算力供給的玩家都有自己的生意要保護,只有徹底放棄推理和雲業務、只做中立撮合的人,才能讓這個價格被所有人信任。
這裡列出最近 60 篇;全部 430 篇在首頁按分類篩選。