隆重推出 Jack 與 Ev 的 Benchmark Breakfast

Benchmark 合夥人 Ev Randle 認為，Anthropic 的 S-1 回答了外界對前沿實驗室（frontier labs）最核心的空頭論點：運算成本在六個季度內從約營收的 2.25 倍降到不到營收的一半，而這門生意如今已能繳出正營業利益率。本集主要是一場橫跨多個主題的合夥人會議式對談，談 AI 市場結構——程式碼生成的拉力及其基礎設施衍生商機、開源與閉源模型的經濟學，以及 AI 助長的資安風險——Anthropic 的申報檔案只是開場的展示案例，而非整場節目的全部。標題中的「Benchmark 早餐會」定位是準確的：這是新格式的第一集，仿效該公司每週一不設議程的合夥人會議，而 S-1 的討論大約佔了開頭十分鐘。

Jack Altman 與 Randle 都是 Benchmark 合夥人，所以這場對談是合夥人之間的平輩交流，而非主持人訪問來賓，並且全場不斷援引該公司的投資組合（Fireworks、Mercor、Exa、ClickHouse、Modal、Base10）作為佐證。讀者讀完應該能帶走幾樣東西：「印鈔機」說法背後的具體數字；程式碼生成這筆交易如何一路外溢到公開與私募市場的心智地圖；開源與閉源之爭雙方各自最強版本的論述，以及主持人的綜合結論；還有一個具體影像，說明為何資安風險是他們眼中最迫切的 AI 危害。

Anthropic 的 S-1 顯示運算成本相對營收大幅收斂

Randle 的核心展示，是 S-1 裡一張把季度營收對照總運算費用（推論與訓練皆計入）的圖表。2025 年第一季，Anthropic 營收約 4 億美元，運算與基礎設施費用約 9 億美元——運算是營收的兩倍多。六個季度後，2026 年第二季，營收 116 億美元，運算與基礎設施費用 56 億美元，營收對運算的比率為 2.1 倍。Randle 的定調是：整個空頭論點就是說這些實驗室「用 90 美分賣 1 美元的東西」，而 Anthropic 在大多數軟體公司連證明一件事都還來不及的時間裡，證明瞭恰恰相反。

Randle 指出，這些數字大多早已零散外流，但把它們拼在一起看是另一回事。他歸功於兩個意外：營收規模大到足以吸收固定的訓練成本；而每 GW 的價格加上前沿 Token 的價值，都遠高於任何人的模型假設。他謹慎地把「商業模式行得通」和「股價會大漲」分開來看——他預期公開市場會針對兩件事爭論。第一，成長率從第二季的季增 145% 放緩到第三季的 45%，他稱這依然瘋狂，但已明顯偏離 CrowdStrike 或 Datadog 那種平滑上升的曲線。第二，約 80% 的營收屬於用量計費，而非鎖定在多年期合約裡，所以營收能見度更像 Snowflake 或 Databricks，而不像典型的 SaaS 訂閱合約。

Altman 補了一個他說自己不會預測到的觀察：需求仍然取決於當下誰握有唯一最強的模型，即使上一代模型對多數測試來說已經夠用，而且買方對價格確實不敏感。他的解釋借用 Keith Rabois 式的分類，把任務分成有正確性上限的（報稅——你要嘛報對，要嘛報錯）和上行空間無上限的（寫程式、銷售、藥物研發、機器人）。在無上限那一類，買方永遠願意為更好的模型付錢。他提醒，Token 的*賣方*顯然是大贏家，但 Token 的*買方*還沒能一致證明自己生產力更高——「裡面還是有很多一廂情願。」

程式碼生成是科技史上最大的產品市場契合時刻，其衍生商機全都在複利成長

Randle 稱 AI 程式碼生成「大概是科技史上影響最大的產品市場契合時刻」，可與 iPhone 相比，但速度更快，因為數位基礎設施早已就位——不像 Uber 或 DoorDash 當年受制於連網手機的實體普及速度。他指出的直接觸發點是 2025 年 11 月的 Opus 4.5，它讓 Claude Code 如虎添翼。

他把這與公開市場的「AI 瓶頸交易」明確類比，那筆交易從 GPU 開始，一個衍生類別接一個衍生類別地往外擴散：

Altman 對這個現象的比喻是「跟著一顆蛋穿過蛇身」——每年冒出一個新衍生類別，每個都是數倍報酬。私募市場的對應版本，就是 Randle 所稱的「程式碼生成產品市場契合度（product-market fit）衍生商機」：後端即服務與資料庫（Supabase、ClickHouse）、部署代管（Vercel、Railway、Cloudflare）、推論雲（Fireworks、Base10、Modal）、資料（Mercor）、程式碼沙箱（Modal、E2B）、網頁搜尋（Exa）、程式碼審查、CI/CD 與 GitHub Actions、持久化執行（Temporal）、瀏覽器操作 API，以及供應鏈安全（Chainguard、Socket）。他的說法是，上述每一個類別的公司都在一年內從 1,000 萬美元做到 1 億美元、再到 3 億美元，這種事「以前從沒發生過」，而且同一個類別裡有多家競爭者同時在做。Altman 的解讀是：在程式碼相關市場，正確策略就是全部都押，因為拉力大到客製化變體（Lovable、Replit）能與 Claude Code、Codex 並存，而不是被它們碾壓。

主持人點出一個讓創辦人和創投都無所適從的連鎖效應：當某一條線的拉力這麼強，資金和注意力會排擠掉其他好類別，於是一家體質穩健的非 AI 公司，募資難度會遠高於其基本面在歷史上應得的待遇。Randle 用一個成長投資的標竿來說明——Datadog 當年從約 500 萬美元做到 1,800 萬美元的軌跡，過去就足以讓所有人興致勃勃；今天若有創辦人交出這樣的曲線，會被問為什麼不是從 500 萬做到 4,000 萬。

現在比「是否參與 AI 交易」更難判斷的是永續性

Altman 說他現在的心態是：永續性真的很難評估，這與 2010 年代末相反——當時雲端和企業軟體已有足夠先例，業內人士能講清楚什麼有黏著度、什麼會被競爭掉。應用軟體的市場情緒在大約半年內已經翻轉兩次——先被宣判死亡，後來又因「實驗室不會把每個邊角案例都自己做、客戶想要自己的資料和介面」的論點而被宣判復活——他預期可能還會再翻一次。他的結論是：當前投資精神要嘛是搭上趨勢，要嘛是押注下一個趨勢，而押注下一個趨勢的回報最高。

兩位主持人都相信的兩個候選領域是機器人和生物。談到機器人，Altman 講得很直白：目前還不行——房間裡沒有機器人在做人類的工作，家裡也沒有——但他和 Randle 都開 Tesla，都看到開端，而且走訪 Physical Intelligence 這類公司能看到未來的雛形。談到生物，他指向那些正在組團隊、買資料、發表相關成果的實驗室，並指出他還沒見過實驗室說某件事要來卻說錯，只是時程會延後（自駕車就比承諾晚了許多年）。

Randle 對「為何程式碼先跑」提出的結構性解釋是一個反向關係：AI 在能便宜產生大量可信回饋的地方進步最快。程式碼可驗證（單元測試）、可無限擴充套件，而且是數位的。機器人部署與維護昂貴，也沒有「一鍵觸及上億使用者」的按鈕。生物的單元測試是實體實驗，可能只回答問題的一部分，而且得耗掉真即時間。他引用 Mercor 的 Brendan Foody 的話：「網際網路是對 LLM 生產的一次性補貼」，而實體領域拿不到這種補貼。Altman 的反駁是平行化——同時跑極大量的縝密試驗——即使時間仍是硬限制，也能加快速度。他也提出一個更大的論點：軟體進步對人類福祉有天花板；在舊金山以外，讓世界變好的是住房、食物、交通、健康和壽命，而生物與機器人正是 AI 觸及這些領域的所在。

開源會守住個位數到低雙位數的市佔，而那仍是一門巨大的生意

兩位主持人各自為對方立場做最強辯護。Randle 站在閉源這邊：如果智慧是可替換的，贏家就是低成本生產者——在結構上以更低成本交付相當的成果，就像 SpaceX 在每公斤入軌成本上、或 AWS 把投資攤提在匯聚的需求上。前沿實驗室握有最好的模型（有些還沒發布）、把服務基礎設施與訓練共同設計、並以最大規模採購運算，所以在相同毛利下，實驗室能在能力曲線上的任何一點壓低開源推論供應商的價格。Altman 站在開源這邊：模型本身免費，所以價格裡沒有訓練攤提；實驗室在瞄準生物與機器人時，未必願意為了守住商品化任務而砍毛利；而且落後兩代的開源模型對多數工作來說已經夠用。他更強的論點是控制權——「你不能信任任何一家公司擁有你所有的資料」這個立場——加上品牌風險：如果你 100% 的 Token 都來自 Anthropic，而 Anthropic 又進軍你的領域，你的客戶會問為什麼不直接找它。他指出，用優質的軌跡資料微調一個小型開源模型，在狹窄任務上就能「極便宜地」達到 Sonnet 等級的表現，並說某位大型上市公司執行長曾直接向他們描述過這個模式。

Randle 的綜合結論是：兩者幾乎算不上競爭。排除超大規模雲端業者，他估計前三大或前四大推論雲在 2026 年底合計年化營收約 60 億美元，而 OpenAI 與 Anthropic 合計約 1,700 億美元——約 3%，若把雲端開源推論算進來則是 5–10%。如果實驗室的成長再外推三到四年到 1 兆美元，而開源守住 10%，那就是 1,000 億美元的營收，由兩、三家整併後的龍頭（Fireworks、Base10、Modal）分食，意味著開源這一側有數千億美元的企業價值，與兆元級實驗室並存。他還推測，實驗室或許會樂見一個健康的開源生態，以改善反壟斷的觀感。

「以營收計，開源永遠會是前沿的某個百分比，而不論那個百分比是多少，推論平臺都有極大的成長空間。」

Altman 用一個後設觀點收尾：幾年前 AI 的討論是二元的——不是終結者，就是加密貨幣式的假動作。市場對 Anthropic 的正向反應，暗示會落在一個中間地帶：實驗室極其重要，但不是 60 兆美元的公司，而這項技術確實有用。他說自己對這條理想路徑的機率評估，比從前更高了。

資安是最迫切的 AI 危害，而防禦也需要同樣不受限的模型

Altman 稱資安是最迫在眉睫的風險，並引用一些執行長的例子：他們把前沿模型對準自家內部，下指令「來駭我們」，結果日復一日被挖出足以終結公司的漏洞——而且是在資金充裕、工程實力堅強的公司，附帶條件是內部攻擊者佔盡優勢（握有完整程式碼庫和所有資料）。Randle 的論點是，網攻已不再是抽象的事。他引用一位研究員用 Claude 關掉網路攝影機的錄影指示燈、並存取麥克風與韌體，以及一起法國超市遭攻擊、冷凍控制被操弄導致食物腐壞的事件。共同點是：十五年歷史的開源韌體與硬體，靠人工逐步修補，如今以只有這些模型才找得到的方式暴露出來，而軟體可以補，硬體卻不行。

「軟體可以補，但硬體真的很難補得回來。」

他提出的概念是「被解除限制的模型」（obliterated models）——被剝除安全防護的開放權重模型。他說 Hugging Face 曾抱怨，事故發生時前沿實驗室不肯夠快關掉防護欄，逼得它只能用開源模型；又說中國有一個團體（他稱之為「Artex」，拼法不確定）曾用這類模型發動全球攻擊。對企業而言，同一套工具也是防禦手段：拿一個被解除限制的模型去打自己的基礎設施，就能看到對手看到什麼。Altman 的政策觀察是：科技界預設的「放手讓它衝」自由放任態度基本上是健康的，但資安正是「別衝太快會有幫助」的案例，因為防禦需要時間強化。Randle 的反駁是，強化本身就是一個龐大的程式碼現代化工程——西維吉尼亞州的一家醫院系統沒辦法快速重新架構——不過兩人都提到，相較於雲端時代政府和醫院動輒 36 個月的採購週期，軟體採購週期已大幅壓縮，所以 12 個月的急迫投入或許能完成很多事，即使 3 個月辦不到。

週一會議的形式是節目前提，不是節目內容

本集以描述 Benchmark 的週一合夥人會議來開啟新格式：五位合夥人、五到六小時、沒有議程、每週接續上週的連續對話——Randle 說，當人們期待的是嚴格的投資管道審查清單時，這是最令他們意外的答案。主持人把這個 Podcast 定位為把那種會議形式開源。節目最後聊到生活瑣事——在半島人口密集的社群過萬聖節討糖、邀請 Randle 和一位同事從舊金山南下，以及預告一款新裝置的評測（被稱為「the duo」，另有「open」版本）留待下一集，Altman 用了 24 小時，已經「著迷」。

貫穿全場的是一條主持人反覆回到的主線，出自 Benchmark 的 Eric Vishria：「這一切都行得通。」程式碼生成、衍生的基礎設施、開源與閉源模型，乃至最終的機器人與生物，都不是零和；市場大到足以讓多個龍頭同時複利成長。未解的張力在於時機與永續性——程式碼生成的拉力能支撐 100% 年成長多久、公開市場投資人是否願意為成長逐季放緩的用量計費營收買單，以及資安防禦能否在攻擊方成熟之前重建起來。接下來要看的資料點是：Anthropic 上市後頭幾季的表現、推論雲 2026 年的年化營收對照 Randle 的 60 億美元估計，以及任何能證明機器人或生物的迴饋迴圈已開始平行化的具體證據。