Tech Earnings Recap, Beautiful Data Centers

为什么这期值得关注

2026 年 5 月的第一个周五，TBPN 从旧金山的 Ultradome 演播室带来了一场信息密度极高的多嘉宾马拉松。这期节目触及了当今科技世界最核心的几条叙事线：AI 基础设施的季度大考、AI 行业在法庭上的自我撕裂、国防科技的文艺复兴、以及 AI 代理从 demo 走向规模化部署的实战经验。

一、科技财报"四连杀"：AI 叙事正在分化

四家科技巨头罕见地在同一天发布财报——上一次是 2020 年。主持人将其比作"日食般的天文排列"，但真正的故事不是这个巧合本身，而是市场如何评判每家公司的 AI 叙事。

Google：全栈平台的胜利

节目特别指出，tech analyst "Take Him" 在他的分析中甚至不再关注 Google、Amazon、Microsoft 的总体营收——只看云业务。对 Google 来说，最核心的信号是：云订单积压（backlog）几乎翻倍至超过 $460B，且其中一半以上预计在 24 个月内确认收入。这不是"五年十年的大饼"，而是即将兑现的现金。

Microsoft：企业 AI 的慢热现实

Microsoft 交出了一份"干净的超预期"成绩单——总收入 $82.9B，同比增长 18%。但股价还是跌了约 2%。问题不在于业绩，而在于 Copilot 的渗透速度。

Copilot 付费席位达到 20M（新增 5M），但相比 Microsoft 365 的 4.5 亿总席位，渗透率不足 5%。市场问的是：从 20M 到 200M 需要多久？与此同时，OpenAI 不再通过 Azure 独家销售——Azure 的销售团队失去了"OpenAI 唯一入口"的王牌。

Amazon：CapEx 之王，但市场在买账

Amazon 的 Q1 总收入达到 $181.5B，AWS 增长 28%（超预期的 25%），广告业务 $17.2B。节目指出 Amazon 的独特位置：它不像 Google 有 DeepMind 内部的"全栈纯玩"，也不像 Microsoft 有企业绑定的排他性——Amazon 同时服务 Anthropic 和 OpenAI，竞争关系最弱。

Meta：最强劲的生意，最模糊的叙事

Meta 的数据在纸面上极强：Q1 营收 $56.3B，同比增长 33%，年化奔向 $200B。广告展示量 +19%，单价 +12%。但股价跌了近 10%。

两个原因：第一，CapEx 指引上调了 $10B（低端 $115B→$125B，高端 $135B→$145B），市场担心这不是"买更多算力"而是"同样算力花更多钱"；第二，DAP（每日活跃人数）自 Meta 开始报告该指标以来首次环比下降——虽然公司解释为伊朗网络中断和俄罗斯 WhatsApp 限制，但数字本身就是一个信号。

节目中 Jordy 提出了一个非常尖锐的思维实验："想象 Meta 是一家私人公司，他们的 pitch 是'我们做 AI 代理帮人卖产品'，年化 $200B，增长 33%——怎么定价？$20 万亿？" 但公开市场看到的是一个没有云收入故事来消解 CapEx 焦虑的公司。

泡沫之争：Dot-Com 的幽灵

节目引用了一份在 X 上广为流传的对比：今天的 MAG4（Meta 16x、Google 17x、Amazon 24x、Microsoft 25x P/E）相比 dot-com 巅峰（Microsoft 73x、Cisco 200x+、Yahoo 800x、Nasdaq 整体 200x）似乎非常合理。但节目也指出了这个对比的"方便"之处——它只选了历史上最伟大的四家公司。

AMD（130x）、Tesla（350x）、Palantir（220x）、Intel（900x）和大量私募市场零收入的 AI 初创公司被排除在外。真正的泡沫风险可能不在 MAG4，而在周边的"雅虎们"。

二、法庭上的 AI 未来：Musk vs OpenAI

NYT 记者 Mike Isaac 亲历了 Elon Musk 诉 OpenAI 案的庭审现场。在奥克兰联邦法院，法官 Yvonne Gonzalez Rogers 主持着这场"AI 行业最不愿发生的公开审判"。

两套叙事，两种受众

节目分析指出，这本质上是两套话语体系的碰撞：

Elon 的叙事："你不能偷走一个慈善机构"——强调他从第一天起就关心 AI 安全，把自己塑造成"世界变革者"来打动陪审团。这是一个对普通人有说服力的故事，不管证据是否支撑。

OpenAI 的叙事：Elon 是"一气之下退出的"、"他从未被蒙在鼓里"、"他现在起诉是因为 xAI 落后了"。这是一个对法官有说服力的故事，基于证据和事实。

用 Mike Isaac 的话说："这就是为什么陪审团审判对公司来说如此危险。"

蒸馏炸弹

庭审中最具爆炸性的时刻是 OpenAI 首席律师 Bill Savitt 的指控：xAI 正在"部分蒸馏"（partly distilling）OpenAI 的模型来改进自己的技术——这违反了 OpenAI 的使用条款。

Elon 的回应是："每个人都在某种程度上这样做——这是行业的公开秘密。"

陪审团、预测市场与公关灾难

节目还讨论了几个更宏观的问题。陪审团没有被隔离——他们可能接触到预测市场关于判决结果的交易信息，这创造了潜在的道德风险。Mike Isaac 指出，法庭坐席是"先到先得"的——他每天凌晨 5 点起床排队，还忘带水瓶和坐垫（他在 X 上详细记录了自己在庭审中的"个人小灾难"，包括买到难吃的玉米番茄披萨）。

但最沉重的观察来自 Jordy："无论谁赢，感觉我们都输了。" 整个 AI 行业正在努力改善公众认知，而这场审判在最糟糕的时刻上演。

三、Andoril 与国防科技复兴

Kyle Harrison（Contrary 合伙人）花了两年时间撰写《The Andoril Thesis》，这本书的核心洞察是：Andoril 的战略不是凭空创造的——它是对近百年军事工业史中反复出现的模式的回应。

"创始人 + 军事异见者"的双人舞

Kyle 提出了一个贯穿国防科技史的模式：每一次重大突破都需要一个"创始人模式"的技术创新者和一个"军事异见者"的制度推动者配对。Eisenhower + ICBM 发明者 Bernard Treiber 是原型——一个负责突破物理极限，一个负责突破官僚体制。

关键历史节点：DOD 一度占全球研发投入的 36%。在那个时代，军方自己就能定义技术前沿。一旦这种主导地位消退，就需要外部"创始人"来填补创新真空。Andoril 就是这个模式在当代的化身。

"DOD 的 API"

Paki McCormick 的描述被 Kyle 引用：Andoril 本质上是"国防部的 API"——通过收购小型国防科技公司，Andoril 让它们能立即接入数亿美元级别的国防合同。被收购的公司可能无法独立成长为 $10B+ 的大企业，但通过 Andoril 的平台，它们的能力可以立刻部署到澳大利亚海军这样的客户。

二级市场传闻估值已达 $100B（需求远大于供给，因为创始人"对二级交易发动了战争"）。新融资轮可能达 $60B。

三种 VC 与泡沫何时破裂

Kyle 将国防科技领域的 VC 分为三类：真正理解这个领域并认真建设的人；有哲学立场坚决不投武器的人；以及没有立场、只看大数字的"地毯包 VC"——第三类才是问题。

从乌克兰战场到 Andoril 的动漫风格产品预告片（Copperhead 鱼雷、Dive 水下平台、现代合作的无人水面舰艇），Kyle 认为信号很清楚：联网资产的战争时代已到，Andoril 正在构建"军事物联网"。

四、AI 代理：从 demo 到部署

Lightspark：让代理拥有银行账户

David Marcus（前 PayPal 总裁）发布了 Lightspark 的 GRID Global Accounts——基于比特币网络的全球美元账户系统。核心能力：实时汇款至 65 个国家的支付系统、任意链任意稳定币的链间转移、Visa 借记卡在 1.75 亿商户使用。

David 分享了他正在亲身运行的实验：在办公室 Mac Mini 上运行 OpenClaw 代理，连接到他的 GRID 账户。代理可以自主网购、通过 WhatsApp 向需要收款的人发送付款链接、从 7-8 种支付方式中选择最优方案。他已经这样生活了约 5 周——"非常有趣，真的实时工作得很好"。

关于当前热门的"代理对代理协议标准"竞争，David 的观点很务实："太过超前了"——代理还没有在大规模移动资金，却已经在争论用什么协议。Lightspark 的策略是先构建大众市场货币账户，再在其上叠加代理委托能力。

Natomi：$110M 打造自主前台办公室

Puneet Mehta（Natomi CEO）与 Justin Wexler（Wonderco GP）宣布了 $1.1 亿的融资轮，联合投资方包括 Accenture 和 Adobe。Natomi 的定位是"代理式应用层"，专注于客户体验。

核心主张：传统企业有 Sales、Marketing、Customer Service 三个独立部门——这是成本结构决定的。但在 AI 时代，这些孤岛可以被统一的代理流取代。而且 Natomi 不是等客户问题出现再修复（传统客服的做法），而是在问题发生前就在数字体验层解决——所谓的"上游干预"。

United Airlines 的移动端已经显示 "Powered by Natomi"。OpenAI 将 Natomi 称为"大规模部署生成式 AI 的蓝图"。Puneet 本人出身华尔街自动化交易系统——"生来就在企业级"。

Codex：从编程代理到通用工作工具

Alexander Embiricos（OpenAI 产品团队成员）分享了 GPT 5.5 发布以来 Codex 的最新数据。API 收入增长速度是之前任何模型发布的 2 倍，Codex 收入在过去一周内翻倍。OpenAI 内部 85% 的员工使用 Codex，而且覆盖范围已经从工程师扩展到销售、市场、金融和数据科学团队。

最有趣的部分是 Alexander 对"计算机使用"背后工艺细节的分享：

不只是截图。 Codex 不是简单地把屏幕截图喂给模型——团队使用了 accessibility 框架获取屏幕上元素的文本表示。这让模型能"理解"界面内容，而不仅仅是"看"像素。效率更高。

鼠标动画的艺术。 团队刻意加入了流畅的鼠标移动动画——这稍微减慢了代理的操作速度，但显著提升了人类对系统的信任感。Alexander 说："我们做了一些有趣的权衡。这个动画让代理稍微慢了一点点，但作为人类来说，理解系统、从而信任系统变得容易多了。"

"瓶颈领主"：自动化真正的价值

Alexander 分享了 OpenAI 内部增长团队的真实案例。一名团队成员最初只是用 Codex 加速单个任务——分析实验数据、写实验代码、生成分析报告。然后逐渐把这些任务串联起来，做成了一个叫做 "Lord Bottleneck" 的自动化技能。

现在，每天早晨：Lord Bottleneck 评估历史实验数据 → 分析新数据 → 提出实验方案 → 等待团队选择 → 生成代码 → 运行实验 → 次日回来分析结果。完全自动循环。"它产生的公司价值非常显著——完全通过 Codex 自动实现。"

新功能：Goal

之前用户需要用 Queuing 功能发送 10 条 "keep going" 消息来让模型持续工作。现在有了 /goal——你描述目标，Codex 自主工作直到完成，无论需要数小时还是数天。已经可用在命令行界面，即将进入桌面应用。

Alexander 给非技术用户的三步入门指南——Easy → Hard → Automated——就像带一个新人：先给简单任务建立信任，再给更难的任务，最后说"自己想办法"。

五、自主矿山：AI 改造百年行业

Turner Caldwell 在 Tesla 工作了约十年，负责矿产与金属团队。2024 年他创立了 Mariana Minerals，收购并重启了一座铜矿——核心愿景是用 AI 和自主系统彻底重新设计矿业。

矿业本质上是一个协调问题。地质学家有地质块模型，矿山规划师有长/中/短期采矿计划，作业团队开着非自主的大型设备，精炼厂收到的矿石信息经常写在纸上。Mariana Minerals 的方案是：统一数据框架 → 构建矿山和精炼厂的世界模型 → 强化学习训练 → 闭环自主执行。

改造分两个阶段：第一阶段，通过更好的调度和物流管理，生产力翻倍——光是消除柴油消耗中高达 50% 的设备怠速时间就能带来巨大收益。第二阶段，完全为自主系统重新设计矿山——更小的设备、蜂群采矿、更窄的道路、更高的矿石回收率。这是"开采方式的根本性改变"。

Turner 还分享了一个有趣的细节：他们用 Boston Dynamics Spot 做移动传感系统——不仅仅是"机器金丝雀"检测气体，更重要的是做底盘检查、热成像、听觉监测（"电机声音不正常"），让人类远离重型机械和化工厂。

六、创作者经济与数据中心美学

Kickstarter × Google 的 Next Wave Fund

Everette Taylor 接手 Kickstarter 时公司正以 20% 的速度下滑。四年后，2026 年同比已增长 52%。现在他宣布了与 Google 合作的 Next Wave Fund：每家入选的硬件、软件或游戏创业公司获得 $10K 非稀释性资金，加上 Kickstarter 数百万用户的初始客户群，以及 Google 加速器的申请通道。

Everette 分享了 Kickstarter 的 AI 立场：他们是最早制定 AI 政策的大型科技公司之一——创作者必须披露 AI 使用方式、标注使用的艺术家。有趣的是，AI 争议在不同类目差异巨大：游戏类目"最艺术家优先"，而设计和科技类目中 AI 驱动的硬件产品正在爆发。

数据中心：硅基时代的大教堂？

Josh Kushner 的一条推文引发了大规模讨论："让数据中心在美学上令人愉悦。"节目中以幽默的方式探讨了一系列提案——从加热泳池到怪兽卡车拉力赛——但 Dan Lincoln Harris 的表述将讨论提升到了哲学层面：

"这些应该是令人惊叹的地方——硅基时代的现代大教堂。不是为了崇拜它们，而是为了激发我们的抱负。灰色方盒无法激励人心。"

节目的实用主义视角同样值得思考：数据中心规划提前数年锁定，真正的美学改造需要很长时间才能落地。而且——如果你是数据中心运营商，你其实希望竞争对手花时间美化，而自己继续快速搭建。引用 James Turrell 的光与空间运动作为灵感来源，至少提供了一个方向。

节目还抛出了一个震撼的对比：Amazon、Google、Microsoft、Meta 四家公司每月的合计基础设施支出已经超过了整个曼哈顿计划的总成本。AI 基建的规模已经超越了人类历史上任何单一工程项目。

七、AI 的能力边界与奇怪新应用

ARC-AGI v3：最强模型仍在挣扎

GPT 5.5 得分 0.43%，Opus 4.7 得分 0.18%——在人类眼中非常简单的 2D 游戏中，最强 AI 的表现依然几乎为零。这些测试的有趣之处在于：它们从 0% 起步，然后随着模型迭代而飙升。这是一个衡量"AI 距离人类推理还有多远"的标尺。

ARC Prize 团队识别出三种失败模式：真实局部效应但错误世界模型；从训练数据中提取了错误的抽象层级；解决了层级但没有强化奖励信号。

Jensen Huang 的"白药丸"

节目播放了一段 Jensen 的视频片段，其中他对 AI 威胁论进行了迄今为止最直接的批评：

"如果我们说服了所有人不要成为放射科医生，而我们现在需要更多放射科医生——那实际上是对社会有害的。说服年轻大学毕业生不要成为软件工程师，而实际上美国比以往任何时候都需要更多软件工程师——那是有害的。"

George Hotz 在同一天的推文中补充了 Jevons 悖论的视角：AI 和移民本质相同——效率提升导致用量增加。Facebook 的经验：网站快 10%，用户花的时间多 5%。

从皮肤检测到产品播客

节目最后快速扫描了一系列 AI 新应用：皮肤癌检测机器人（不会替代医生，但能大幅加速初筛）；Amazon 的 AI 产品播客（两个 AI 主持人讨论你正在浏览的商品——节目组的评价是"最荒谬的产品之一"）；1X Neo 机器人装在行李箱里的 unpacking 美学；Grok 语音克隆的争议性发布；以及——节目团队自己用 AI 创建的 TBPN Simulator——一个包含 LiDAR 扫描演播室、多个小游戏的多人网页游戏，已公开可玩。

核心金句