The Fight Over Open Source AI, Anthropic's $1.5B Payout, NYC Socialists: Evictions = Violence?
Kimi K3 触发政策恐慌,但“禁止开放模型”并未成为白宫既定决定
核心要点: 节目将 Kimi K3 看作继 2025 年 DeepSeek 之后又一次“中国模型追平”的冲击,但四位主持人并未接受“因此应禁止美国使用中国开放模型”的政策跳跃。
- Jason 开场称,Moonshot AI 发布的 Kimi K3 在部分表现上接近 Claude Opus 4.8、GPT-5.6,成本约低 50%,迅速把争论推到白宫层面。节目还援引 Polymarket:2026 年美国政府禁止某个开放模型的概率一度约 45%,数日前约为 22%。
- Sacks 表示,他从可靠渠道得到的信息是白宫“尚未决定”禁止开放模型;政府正在讨论如何应对中国实验室蒸馏,美国总统会听取多方意见。这是他对政策状态的描述,不是官方公告。
- Sacks 的立场是,打击美国开放生态将是“悲剧性错误”:全球其他企业仍可使用中国模型,美国单方面禁用只会降低本国企业竞争力。他区分了两种政策对象——可以帮助美国实验室执行服务条款、阻断可疑账户,但不能把成本转嫁给美国开发者。
- 节目把争论中的利益结构指向 Anthropic 与 OpenAI。Sacks 认为,如果两家公司真正优先防止蒸馏,应该强化身份识别、支付工具绑定、异常账户识别和访问控制,而不是推动限制美国企业使用已公开的模型权重。
- 这一判断也带有明确的反“监管俘获”色彩:Sacks 将 Anthropic 描述为高速增长、毛利率很高的公司,认为它没有因生存危机而获得政府保护的理由。节目后续承认 ARR 数据来自第三方估算,因此不能把“年初 100 亿美元、年中超过 700 亿美元”视作经审计事实。
“It would be a tragic mistake if the government were to take action against the open-source ecosystem.” —— David Sacks
蒸馏的技术边界:盗取权重是盗窃,观察输出学习更接近基准测试
核心要点: 节目试图把被政策话语混用的三件事拆开:盗取模型权重、违反服务条款批量获取输出、利用合法可见输出改进自己的系统。三者的技术事实和法律性质并不相同。
- Chamath 将蒸馏解释为:向模型提出问题、观察输出,再用这些输出训练自己的模型;当规模放大到数千万次请求时,可能形成数万亿个问答样本。他承认大规模、隐蔽创建账户可能违反服务条款,但认为 KYC、身份证明和绑定信用卡可直接提高攻击成本。
- Friedberg 用早期 Google 搜索的经历说明“从输出学习”并非 AI 独有:团队曾向 Yahoo 和 Microsoft 提交数百万搜索请求,对比结果集并改进排序算法。他把这称为 benchmarking,而不是窃取对方的搜索代码。
- Sacks 给出更清晰的技术分界:权重是模型的软件参数文件;若有人窃取 Anthropic/OpenAI 的专有权重,属于盗取软件。当前公开指控主要是从输出学习并导出自己的权重,不是进入服务器复制原权重。
- 节目并未否认服务条款问题。更窄的政策路径可以是:将虚假身份、代理 IP、批量账户和规避风控视为欺骗性商业行为,由平台执行合同并由政府协助跨境执法;不必把所有衍生训练扩大成知识产权盗窃。
- Friedberg 还强调可执行性:开放权重下载到本地后可离线运行,禁止使用意味着政府需要控制已经传播的文件,既缺少成熟先例,也可能触及软件表达与言论自由问题。若特定模型确实包含被盗代码或受版权保护材料,应通过证据、诉讼和贸易措施处理。
“There’s a huge difference between model weights and outputs.” —— David Sacks
开放权重的经济意义:不是替代全部前沿能力,而是覆盖大多数常规任务
核心要点: 节目最有共识的表述并非“开放模型已全面领先”,而是 Chamath 的校准:不是所有模型都能完成 95% 的最前沿任务,而是 95% 的常规任务可由许多模型完成。
- Chamath 判断,模型发布性能指标后,其他开放或闭源模型往往在数周内追平或超过,基础模型很难维持 5—10 年的独占定价权。节目用“九个蜘蛛侠互相指认”的比喻描述行业现状:出版社指控实验室训练作品,实验室指控中国实验室蒸馏,几乎每个参与者都在从别人的输出中学习。
- 他把价值迁移画成三层:基础模型层的稀缺性下降;上层应用掌握流程、客户和专有数据;下层云、芯片与能源承担所有模型的计算需求。闭源实验室若只把终值建立在 token 溢价上,可能在资本市场遭遇重新定价。
- Jason 用“50 美分的可乐与 50 美元的可乐”解释政策后果:若美国企业被迫只采购两个闭源供应商,而海外竞争者可用低价开放模型,美国企业会承担“token tax”。Chamath 进一步推演,这既会恶化普通企业成本结构,也会让受保护实验室的收入被视为政策制造,从而降低估值可信度。
- Friedberg 用互联网基础设施类比:Netscape 的专有浏览器和服务器并未承接互联网全部价值,Mozilla/Firefox、Chrome 和 Apache 的开放基础设施反而让 Google、Amazon、eBay、Etsy 及数百万网站生长。开放 AI 的社会价值同样可能来自价值扩散,而不是少数模型股东独占。
- 节目也保留了开放部署的现实成本。Sacks 指出,开放模型更可控、可定制、可实现数据主权,但企业要承担部署和运维工作;Jason 认为过去 3—6 个月中间件和模型编排工具快速成熟,正在降低这一门槛。
- 对大型企业而言,节目没有主张“只用开放”。若需要员工权限、连接器、支持、审计与企业合同,Anthropic、OpenAI、Google 或 Grok 等闭源服务仍有价值;开放模型可以覆盖大量通用任务,最前沿或高价值任务再支付溢价。
“It’s not that 95% of the bleeding-edge tasks can be done by everybody. It’s that 95% of the tasks can be done by many different models.” —— Chamath Palihapitiya
Anthropic/OpenAI 的增长争论:短期收入强劲,与长期商品化风险可以同时成立
核心要点: 主持人没有就闭源实验室前景达成一致;真正的分歧是,应更重视当前爆发式收入,还是更重视 5—10 年后的价格竞争与毛利压缩。
- Sacks 反对“中国已全面追平”的叙事。他称 Kimi K3 在前端网页开发竞技场表现强,但单项榜单不能代表全部能力;参考 Ben Thompson 的成本分析后,他认为 Kimi K3 的运行成本优势没有最初报道那么大,并判断美国未发布模型仍约领先六个月。
- 节目展示的第三方图表估算 OpenAI ARR 从 5 月约 330 亿美元升至 7 月约 413 亿美元;Sacks 还称 OpenAI 年末退出 ARR 预测可能从 600 亿上调至 750 亿美元,Anthropic 可能从年初约 100 亿增长到年末 1,000 亿美元。主持人当场提醒,这些不是公司披露。
- Sacks 的核心反证是:蒸馏至少从 2025 年 DeepSeek 时就存在,而两家公司此后仍指数级增长,因此眼前数据尚未证明开放模型摧毁其业务。他认为“模型 + harness + 连接器 + 企业协议”构成了比单一权重更完整的产品。
- Jason 的观察来自创业公司:Lovable、ElevenLabs 等曾大额采购闭源 API 的客户,正在试用或迁移到 GLM-5.2 等开放模型,并通过自建或云托管降低成本。他由此担心闭源实验室高资本开支、高估值和毛利压缩叠加,给 IPO 带来逆风。
- Chamath 把两方拉回同一框架:领先实验室仍可创造巨大企业价值,但应把最强模型用于生命科学、网络安全等垂直应用,或建立自有产品,而不是假设基础模型 API 永远具有高终值。Sacks 同样认为,向应用层上移是更可信的资本市场回答。
- 现场争论一度演变为多人打断。Jason 坚称“创业公司是企业未来会复制的方向”,Sacks 则强调“风险尚未出现在数据里”。这段交锋反映的不是事实对错已经确定,而是领先指标选择不同:前者看开发者迁移,后者看总收入和企业采用。
“Both open source and closed source will be big winners in this. The market is huge and they each serve their purpose.” —— David Sacks
中国的“长局”假说:把比特商品化,放大电力和制造能力的相对价值
核心要点: Friedberg 给出全场最宏观的推演:中国推动开放模型,不只是争夺 AI 排名,也可能是在压低西方知识与服务经济的价格,使全球价值重新偏向电力、制造和物质转化能力。
- Friedberg 将经济活动分为“比特转换”与“分子转换”。过去 50 年,美国依靠知识产权、软件和服务经济从比特转换中获得数万亿美元价值,同时把大量制造环节外包给中国。
- 如果开放 AI 把知识、分析和服务的边际价格持续压低,西方的相对优势会缩小;剩余稀缺资源将是电力、工厂、材料、半导体以及以更少能源把分子从一种形态转换为另一种形态的能力。
- 他在节目中给出的量级是:美国约有 1 太瓦电力生产能力,中国正朝 8 太瓦前进;美国约 100 亿平方英尺制造空间,中国约 2,000 亿平方英尺,即约 20 倍。该组数字是主持人的宏观估算,纪要不把它当作统一口径的官方统计。
- 按这一假说,中国的策略不是单纯从美国模型公司抢收入,而是用一至三十年的时间压缩全球知识经济利润,把世界对制造与能源的依赖留在自己手中。Jason 将它概括为“像汽车一样商品化全球知识和服务”。
- Sacks 的回应更偏市场分工:智能需求可能没有上限,价格下降会推动消费量上升;开放和闭源都可以增长。因而“模型层更像浏览器”不等于没有商业价值,而是价值捕获位置可能从浏览器本身转到用户最终到达的应用和云服务。
“The creation and movement of bits gets commoditized, and what’s left over is the creation of electricity and the creation of molecules.” —— David Friedberg
15 亿美元版权和解:法院惩罚盗版资料库,并未终结所有训练合理使用争议
核心要点: 节目把案件拆为两层:Anthropic 建立盗版图书库产生明确法律风险;模型从合法取得的图书中学习是否构成合理使用,则仍需结合案件和未来诉讼判断。
- 节目援引 2026 年 7 月获批的和解:总额 15 亿美元,被称为美国版权史上最大已知和解;覆盖约 48 万本书,约每本 3,000 美元,节目称约 91% 权利人已经申领。
- 主持人称 Anthropic 曾从 LibGen 等盗版网站获取约 700 万本书。法院此前在该案中认为训练行为本身具有转换性,但公司维护盗版中央资料库不能因后来购买正版而被追溯性免责。
- Sacks 因此纠正 Jason 的最初表述:这项和解并未证明所有训练都必须向每位作者付费,也没有让“合理使用”争议一次性终结。若 Anthropic 最初合法购买每本书,其抗辩会不同。
- Jason 认为内容方应学习音乐产业,通过集体谈判、持续诉讼和许可池形成议价权。他提出模型公司拿出约 10% 收入进行许可与和解,以持续获得最新书籍、新闻和音乐;其他主持人质疑权利方是否会接受这个比例。
- Friedberg 用书评例子说明知识扩散的边界:AI 即使不读取原书,也可能读取公开书评、元数据和分析,由此形成对作品的知识。版权清楚禁止直接复制文本并冒充原创,却很难阻止阅读、评论和抽象知识转换。
- Jason 提到 Thomson Reuters v. Ross 等案件,强调当模型或产品直接与原数据库竞争时,合理使用分析可能更不利;他把“是否替代权利人市场”视为比“是否学习过内容”更具体的判断点。
“Knowledge can’t be contained. It’s diffuse.” —— David Friedberg
“IP theft”叙事的对称性风险:保护模型输出的论证可能反噬训练数据立场
核心要点: Sacks 对 Anthropic 的最强批评不是它防御蒸馏,而是它把服务条款争议升级为知识产权盗窃;一旦接受该逻辑,出版商也可用同一语言攻击基础模型的全部收入。
- Anthropic 在 2026 年 2 月的公开文章中使用“industrial-scale distillation attacks”,指称 DeepSeek、Moonshot 和 MiniMax 大规模提取 Claude 能力。Sacks 注意到文章主要从国家安全、规避安全护栏和服务条款角度论证,并未在原始表述中直接把所有输出学习定性为 IP theft。
- 他的对称性测试是:OpenAI/Anthropic 主张可以读取创作者输出并形成新的模型权重;中国实验室则读取模型输出并形成自己的权重。如果第二种行为天然是知识产权盗窃,第一种行为也会面对相同质询。
- Sacks 认为更稳妥的表述应是“欺骗性商业行为”:批量假账户、代理网络和身份伪装违反合同,平台和政府可以阻止;但不必主张模型输出本身不可被他人学习。
- 这种措辞已不只影响中国模型。节目举出美国衍生创新:Thinking Machines 的开放模型被称由 Kimi K2.5 启动训练,Cursor Composer 2 也据称使用 Kimi K2.5 并叠加自身代码数据。若中国模型被整体标记为“污染的衍生作品”,美国创业公司的后训练链条也会受影响。
- 节目提到 Gary Tan 与约 200 家创业公司反对禁止中国开放模型。Sacks 的解释是,创业者担心的不是替中国实验室辩护,而是美国开放生态依赖公开权重进行分叉、后训练和本地部署。
“IP for we, but not for thee.” —— David Sacks
Google 的 AI 资本开支:短期自由现金流转负,长期押注云、芯片与企业数据
核心要点: 节目把 Alphabet 股价下跌解释为资本开支规模和首次季度自由现金流转负带来的冲击;主持人的投资判断却总体偏多,认为 Google 能同时从模型扩散、云计算和应用分发中受益。
- 节目讨论 Alphabet 将 2026 年资本开支指引提高到 1,950 亿—2,050 亿美元,Google Cloud 年同比增长约 82%、年化收入运行率约 1,000 亿美元。市场反应约为股价下跌 7%,原因不是收入疲弱,而是现金流与投入强度。
- Chamath 引用 Alphabet 上市以来约 25 年、平均约 32% 的投入资本回报率,认为管理层具有长期复利记录,应给予本轮基础设施投入更高容忍度。他将 Google 描述为搜索、YouTube、云和自研芯片的组合体。
- 模型越分散,Google 的潜在客户越多:GCP 可以托管不同开放和闭源模型;芯片与数据中心承接推理;搜索和 YouTube 用 AI 改进广告与内容;Workspace 又掌握邮件、Drive 等企业上下文。
- Friedberg 给出“最差情形”测试:即便 Google 自己的模型和应用都不占优,它仍可能拥有全球最低成本、最高可靠性的模型托管基础设施。若看好 AI 总需求,GCP 相当于不押单一模型赢家的公共市场标的。
- 节目也把 Tesla 放入同一资本开支周期:Tesla 预计 2026 年资本开支超过 250 亿美元,年同比大幅上升并出现负自由现金流;主持人没有展开其执行细节,重点是说明市场正重新评价所有 AI 重资产公司的现金流。
- SpaceX 的股价表现和锁定期也被简短提到,但主要是市场旁支;节目没有提供足够信息支撑对其基本面作深入判断。
“The best thing that can happen to [Google] is 500 different models proliferate and they support all of them.” —— Chamath Palihapitiya
五个九的可靠性解释了云的壁垒,也反衬 Apple 的资本配置选择
核心要点: 资本开支并非简单“买 GPU”;成为企业级云服务商意味着为每一个可靠性小数点投入更高数量级的资金、工程和运维能力。
- Chamath 用可用性说明门槛:做到 99% 可用相对容易;99.9% 可能需要数十亿美元;第四个九需要数百亿美元;第五个九可能需要数千亿美元。节目中的数量级是口头估算,但所表达的机制清楚——边际可靠性极其昂贵。
- 他据此判断,全球真正能承担全栈企业云可靠性的供应商非常少,Google 多年基础设施投资不能被一家消费电子公司短期复制。
- Jason 以 Apple 对比:节目称 Apple 过去十年用于回购约 7,550 亿美元、分红约 1,400 亿美元,合计接近 9,000 亿美元;他认为若其中部分投入云、汽车或新平台,Apple 可能更具进攻性。
- Sacks 提出资本市场层面的反问:公司返还现金后,股东也可能把资金配置到更高回报项目。节目因此没有形成“回购一定错误”的结论,而是把 Apple 描述为“do no harm”的资本配置,Google 则是在 AI 周期中选择重投入。
纽约住房争论:驱逐权、租客筛选和供给许可共同决定租金与楼宇质量
核心要点: 节目强烈反对把驱逐一概描述为“暴力”,并从产权、邻里外部性、供给和风险定价四个层面推演政策后果。
- Jason 介绍纽约“rental ripoff”提案:限制房东向租客收取信用检查费用;信用检查与“年收入达到月租 40 倍”可能只能选其一;赋予租客联盟法律地位,并叠加租金冻结等政策。节目对具体条款的表述应以正式文本为准。
- Friedberg 在节目中把引文误归给 John Quincy Adams;核验后,两句产权引文均出自其父 John Adams。“财产必须得到保障,否则自由无法存在。”他的逻辑是,私有产权让个人免于君主、领主或政治联盟随意收回财产;当政府用道德标签把所有者先定义成恶,再接管处分权,制度会从无序走向新的强权。
- Sacks 补充了租客内部的利益冲突。无法驱逐长期欠租、夜间制造噪声、破坏墙体、滥用公共区域或醉酒滋事的租客,会首先伤害同楼的老人和中低收入长期住户;房东收入减少又降低维修和维护能力,楼宇进入下行循环。
- 他用“奢侈信念”描述政策倡议者与实际使用公共空间者的分离:较富裕群体可以支持不执行秩序的政策,却不依赖公交、地铁、公园或租金管制公寓;成本最终落到没有替代选择的劳动阶层。
- Chamath 从风险定价推演:如果房东不能同时审查信用和收入、又难以驱逐欠租者,就会提高起始租金、要求多月甚至一年预付,再逐步寻找市场出清价格。租金不会因风险上升而下降,而会由守约租客承担更高风险溢价。
- Jason 提到纽约约 5 万套“ghost apartments”:严格装修规范使空置单元重新投入市场需要高额改造,租金又受限制,部分房东宁愿保持空置。节目还指出纽约已严格限制 Airbnb,因此不能把所有空置简单归因于短租。
- 四人的替代方案集中在供给:放松规划和许可、允许增加不同类型住房,并建设连接居住区的交通。节目以 Austin、Texas、Florida、Nevada 和 Tokyo 为正面例子,认为新增任何层级的住房都会通过迁移链增加整体供给。
- Chamath 建议把纽约与 Austin 做政策对照实验;Sacks 反驳说,其他城市和国家已有足够失败案例,不必让纽约承担一次大规模试错。二人的分歧是“是否需要本地实验”,不是对供给机制本身的分歧。
“Property must be secured, or liberty cannot exist.” —— John Adams(节目中 David Friedberg 误归为 John Quincy Adams)
附录:关键人物、机构、产品与数字
| 类别 | 项目 | 节目中的角色或含义 |
|---|---|---|
| 人物 | Jason Calacanis | 主持与追问;强调创业公司迁移、内容方许可和住房供给 |
| 人物 | David Sacks | 反对禁止开放模型;区分权重盗窃、输出学习与服务条款违规 |
| 人物 | Chamath Palihapitiya | 强调模型商品化、应用/基础设施价值迁移与企业风险定价 |
| 人物 | David Friedberg | 用互联网开放基础设施、制造/能源长局和私有产权解释制度影响 |
| 模型/公司 | Kimi K3 / Moonshot AI | 引发美国政策与竞争力讨论的中国开放权重模型 |
| 模型/公司 | Anthropic / Claude | 蒸馏指控、监管俘获争论和 15 亿美元图书版权和解的核心主体 |
| 模型/公司 | OpenAI | 与 Anthropic 一同被讨论的闭源前沿实验室;ARR 数据为第三方估算 |
| 产品 | Thinking Machines 模型、Cursor Composer 2 | 节目用于说明美国产品可基于中国开放权重进行后训练的案例 |
| 产品 | GLM-5.2、Perplexity Computer、Grok | Jason/Chamath 用于说明多模型编排和开放模型替代性的实例 |
| 公司 | Alphabet / Google Cloud | 2026 年资本开支指引 1,950 亿—2,050 亿美元;云、芯片、数据和分发的组合受益者 |
| 公司 | Tesla | 预计 2026 年资本开支超过 250 亿美元;AI 重资产周期的另一案例 |
| 法律 | Anthropic 图书和解 | 15 亿美元;超过 48 万本书;约每本 3,000 美元;约 91% 已申领 |
| 指标 | “95% 的任务” | Chamath 的校准:大量常规任务可由多种模型完成,不代表 95% 前沿任务已无差异 |
| 概念 | Industrial-scale distillation attacks | Anthropic 用于描述批量、隐蔽提取 Claude 能力的术语 |
| 概念 | Regulatory capture | 主持人对领先实验室寻求政府限制开放竞争的批评性框架 |
| 概念 | Molecule economy | Friedberg 对电力、制造、材料与物理生产相对价值上升的概括 |
| 概念 | Five nines | 企业云约 99.999% 可用性的可靠性标准,节目用来解释基础设施投入壁垒 |
| 住房 | Rental ripoff proposal | 节目所述纽约租客保护提案;涉及信用检查、收入标准和租客组织权利 |
| 住房 | Ghost apartments | 因改造成本、租金规则与投资回报失衡而保持空置的住房单元 |