2026 年 7 月的这一期 TBPN，可能是全年信息密度最高的一集。五位来自不同领域的核心人物——AI 模型创业、半导体制造、风险投资、企业支出管理、军工制造、游戏平台——在同一张桌子上碰撞出了意料之外的交集。
这些看似独立的故事，实际上都在回答同一个问题：当 AI 从实验室走向资产负债表，谁在赢、怎么赢、要付出什么代价？
Mira Murati 离开 OpenAI 后创立的 Thinking Machines Lab (TML) 发布了第一款模型 Inkling。她告诉 Wall Street Journal：目标是"蚕食"OpenAI 和 Anthropic 的市场份额。
Inkling 的架构选择很务实：975B 总参数，但采用 MoE（混合专家）架构，任何时候只有约 41B 参数处于活跃状态。它不是最强的开放或闭源模型——Murati 在发布时罕见地承认了这一点——但它被设计为"在多个领域均衡、足够灵活以适应微调"。
这与 TML 的商业模型完美契合：Tinker API 的核心业务就是帮客户微调开源模型。开源模型越强，Tinker 的需求越大。这是少数开源不会反噬核心业务的商业模式。
行业分析师 D. Das 称其为中国以外最好的开源模型，性能介于 Kimi K2.5 和 K2.6 之间。
"We trained it to be a broad, balanced foundational model, strong across many domains, flexible enough to adapt."— Mira Murati 对 Wall Street Journal
Inkling 的发布立即引发了熟悉的"蒸馏"争议。Engram Labs 创始人 Jack Morris 在社交媒体上声称 Inkling 是"唯一未经蒸馏的开放模型"，但社区笔记迅速指出 TML 官方博客承认使用了 Kimi K2.5 生成的合成数据做初始 SFT。
Engram 公司最终发表了三重道歉声明（"创始人的原始帖、跟进帖和跟进帖的跟进帖都不准确"），但仍表示支持 Inkling 作为"强大的开源模型"。
主持人和 Tyler Cosgrove 在讨论中指出：蒸馏不是一个二元概念，而是一个光谱。TML 的使用方式是"最轻度的蒸馏"——仅后训练的一个小阶段、少量合成数据。这不是"模型说自己是 ChatGPT"那种程度的蒸馏。
现实是：几乎所有开源模型都在一定程度上使用了闭源模型的合成数据。完全独立的训练栈在今天的生态中几乎不存在。正如 Tyler 所说："如果你用 Kimi 蒸馏，而 Kimi 可能又蒸馏了闭源模型，你就得到了一个两层蒸馏链——但层数越多，蒸馏的效果越弱。"
Inkling 的发布时机极为巧妙。就在一周前，有报道称 Beijing 正在考虑限制中国顶级 AI 模型的海外访问。如果中国开源模型的可用性真的收缩，美国企业将需要替代方案。
Everett Randle 给出了一个尖锐的观察：
"Where are the good Western models? Look at the top ten on OpenRouter — all of them are Chinese."— Everett Randle 在 Harry Stebbings 播客上的提问
但情况正在改变。NVIDIA 在开源生态上的投入超过任何单一公司，Nemotron 已经是一个不错的起点。TML Inkling 虽未到中国开源模型的前沿，但其可定制性对企业极具吸引力。Reflection AI 也明确以"美国开源模型"为定位。就在三、四个月前，美国开源模型还几乎没有可指出的存在。
与此同时，Anthropic 的国家安全政策负责人 Tarun Chhabra 在 Aspen 安全论坛上透露了惊人的数据：Anthropic 每周关停数百万个蒸馏账户。这不是针对一家公司或一个 IP 段——而是对抗高度分布式的攻击网络。有些公司专门作为转售商，以 API 包装器的形式帮其他实验室蒸馏——它们的年营收可以快速达到 $100M，因为买家就是需要训练数据的实验室。
Chhabra 首次点名智谱 (Zhipu)，称 GLM 可能是"目前市场上最先进的中国模型"。他还暗示 Anthropic 将扩展 Mythos 的接入范围，确保网络防御方有公平的竞争环境。
国防初创公司 Saronic 的 $3.2B 自动化造船项目 Port Alpha 选择了德州 Brownsville（距 SpaceX Starbase 约 20 英里），而不是加州的 Solano County。这是 California Forever 计划城市失去的第一个标杆租户。
项目预计创造约 10,000 个永久岗位以及数千个建筑岗位。加州就业联盟执行总监的评论直指问题核心："加州未能以项目所需的紧迫感行动。德州动作快且积极。"
对比鲜明：California Forever 签了 40 年建设劳工协议、覆盖 70,000 英亩，支持快速审批的立法至今未推进。德州 6 月直接批准了 $211M 的税收减免包。
一位项目内部人士告诉 San Francisco Chronicle，California Forever 本身仍在推进，但失去这个重大国防承包商向市场传递了一个信号：加州能竞争大规模工业投资吗？
TSMC 本季度的财报传达了两个方向相反的信息：盈利超出预期（AI 芯片需求强劲），资本开支指引上调（创纪录支出计划），并承诺追加 $100B 美国投资（Arizona 晶圆厂持续扩建）。
市场的反应却令人玩味：Nasdaq 下跌 1%，交易员将 TSMC 的支出计划视为过度扩张的信号。
这种分裂反应本身就是信号。TSMC 历经智能手机周期、PC 周期、无数次行业繁荣与萧条——它从不是一家被概念冲昏头脑的公司。当它终于说"时机到了"时，市场却说"我不确定"。两种叙事在博弈：AI 芯片需求是 1996 年的互联网基础设施（真正的长周期），还是 2000 年的 Cisco 路由器（泡沫的最后一棒）？
Benchmark 合伙人 Everett Randle 用了一个生动的比喻来描述当前的风投心态：
"Imagine you're that monkey and you just keep hitting like the triple 20. Every time you throw it, you're like, this is weird."— Everett Randle 形容风投界的"不可避免性"焦虑
过去 18-24 个月，风投行业整体感觉像一只不断打中三倍区间的猴子。每次投都涨，每次加注都翻倍。这种"不可避免性"的错觉，上一次出现是在 2021 年夏秋。
但 2026 年的驱动因素不同于 2021 年。2021 年是 Covid 造成的电商渗透率一次性跳跃，被误读为永久加速。Snowflake 以不到 $500M 收入、$80B 估值上市，SaaS 公司被定价在 40-50 倍收入。
2026 年的关键词是"赌场筹码"。Anthropic 在一些基金的 8 只不同子基金中都有持仓——就像确保每只基金都能享用到这只"下金蛋的鹅"。SpaceX IPO 已经落地，Anthropic 和 OpenAI 的 IPO 即将到来。当一只基金的回报已经足够好，剩下的投资变成了"自由挥杆"——反正已经完成了任务，不如多赌几把。
Randle 也指出了 2026 年的独特不确定性：AI 应用公司没有公开市场先例——会像 SaaS 一样定价？比 SaaS 更好？更低毛利因为 token 成本？太空公司会怎样交易？市场在折价，因为"不知道该怎么算"。
Everett Randle 在 2024 年 1 月 31 日发了一条推文，如今看来近乎预言：
"Making a real effort to not take for granted the $3 Uber across town era of AI, and I hope you are too."— Everett Randle, 2024 年 1 月 31 日
那个时代确实结束了。在消费者端，LLM 像早期的 Instagram——纯粹、无广告、不索取任何东西。在企业在端，Claude Code 订阅曾一度提供比 API (Cursor) 多 20 倍的 token 用量，是真正的"疯狂补贴"。
随着推理模型和 Agent 让 token 消耗爆炸，补贴正在一点点退去。但矛盾的是，有些前瞻公司（如 SemiAnalysis）认为 token 成本还不够高——他们的逻辑是：让竞争对手用便宜的开源模型，我们自己用最前沿的模型，那就是我们的竞争优势。这场博弈的结果将决定未来几年 AI 产业的经济结构。
Ramp 联合 CEO Eric Glyman 给出了本期最震撼的数据：
"In the last four months alone, Ramp customer spend on tokens has grown by 21 times."— Eric Glyman, Ramp 联合 CEO
Glyman 将 token 支出形容为"一张没有额度上限的公司信用卡——表不走，你也看不到花了多少"。这完全不同于传统企业支出：SaaS 是固定费用，工资是可预算的，差旅有审批流。Token 支出每分钟在累加，可以一天内从 $1,000 飙到 $10,000 再飙到 $100,000。
为了应对这个新品类，Ramp 推出了 token 支出管理产品：连接 API key 获得实时可见性 → 异常告警（某员工过去每月 $1,000，今天一小时就 $800）→ 对标最优实践（缓存率、路由策略）→ 预算控制。Glyman 发现了一个有趣的现象：就像公司卡一样，人们其实"想做好"。当员工看到自己的 token 支出后，效率自然提升。
Ramp 数据显示，平均企业 59% 的 token 支出流向前沿模型。但应用层公司中，大多数已经或正在把开源使用率推到 80%+。
分配逻辑很清晰：前沿模型用于内部——编程加速（Fable / Claude Code 让交付速度成为竞争优势）、探索性任务、复杂推理。开源模型用于面向客户的产品——客服、分类、摘要等成熟用例，微调后性能足够，用量随用户规模而非员工数增长。
Glyman 还提出了一个反直觉的观点：前沿模型有时反而更便宜。Sonnet 单次调用便宜，但需要用更多 agent 协同工作、更长的思考链路。Fable 单价高，但解决问题更快。正如主持人所说："雇 Scott Wu 可能比雇一个工程团队更省钱。"
当被问及在 AI 时代寻找什么样的公司时，Randle 的回答揭示了他投资哲学的核心：
"Seeing a nice at-scale marketplace with clear network effects — it's like a drink of water in the desert."— Everett Randle 谈在 AI 时代寻找网络效应护城河
双边市场和网络效应在 AI 时代反而更珍贵——它们天然规避实验室的竞争。Randle 也对"实验室风险"（labs will kill all apps）的观点持务实态度：Anthropic 三个月 2026 年的营收增量可能超过整个 AI 法律赛道的中期 TAM。实验室为什么要花 7 年攻一个自上而下的复杂销售型市场？优先级本身就是一个强大的护城河。
但他注意到一个令人担忧的趋势：许多应用公司开始组建自己的"实验室团队"——招几个 Meta 研究员，然后声称"我们也在做 AI 研究"。在 Randle 看来，这更多是创始人的心理安慰——真正拥有足够 GPU 做突破性研究的，只有极少数地方。
AI 不仅改变了已有的赛道，还在创造全新的赛道。法律科技（Harvey、Legora）在 AI 之前不被视为风投品类——TAM 太小、销售太慢、律所付费意愿低。现在这些公司有令人瞠目的数字，已经持续三年高速增长。
在另一端，AI 也催生了一种新的"生活方式创业"：一个人发现一个极其小众的数据需求——比如在一家医疗诊所装满传感器和摄像头，记录每一次对话和操作，做成高质量训练数据集。这不是万亿美元生意，但完全可以做成 $50-100M 营收的自举式公司。
Jordan Black，Senra Systems 的联合创始人兼 CEO，三年前在自己的公寓地毯上手工制作第一款线束。今天，他刚刚完成了 $65M 的 B 轮融资（Founders Fund 从种子轮全程参与），在加州拥有两个工厂，其中新开的 Cypress 工厂占地 82,000 平方英尺。
Senra 解决的是航空航天和国防领域的线束制造问题——一个 $165B 的市场。Black 用了一个精彩的比喻：
"Think of it like a Cheesecake Factory trying to scale it. It's really complex, and there's no culinary schools that exist, and no recipes."— Jordan Black 解释线束行业的混乱程度
这个行业当前的主流设计工具是 Excel 和 PowerPoint——工程师用画线工具在幻灯片上标注连接关系。没有任何标准化。从拿到"设计"到交付成品，通常需要 6 个月以上的周期。而且最重要的是，在组装完成之前，你根本不知道线束是否工作——直到插上电源、发射火箭的那一刻。
Senra 的答案是垂直整合：不做 SaaS 工具卖给制造商，而是自己成为整个流程的标准。从设计阶段就用自研软件和 AI 做 BOM 优化，到 4 周速成的培训计划替代数年的学徒制，再到 99%+ 的首件合格率——每一环都重新定义了"线束制造"。Black 甚至表示："到了一定程度，客户最希望的就是有一个 Google Maps 出现之前 vs 之后那样的对比——这个领域以前是怎么做的，现在 Senra 又是怎么做的。"
"The bullshit's over — we're just going to take over and standardize the entire thing."— Jordan Black 的宣言
Roblox 创始人兼 CEO David Baszucki 宣布 Build 将于 7 月 28 日进入 Alpha 测试。这是 Roblox 20 年历史上最具野心的产品更新：将 Roblox Studio 的 AI 能力整合到手机端的一个标签页，让所有人——不只是专业开发者——能够通过自然语言生成和迭代游戏。
20 年前 Roblox 的第一句标语是"You Make the Game"。当时 UGC 平台还是一个全新的概念。Baszucki 感慨说"时间有一种有趣的方式让事情回到原点"——AI 终于让这个愿景成为现实。
Baszucki 在采访中透露了一个关键细节：Roblox 自建基础设施的推理成本相比云服务大约低 3 倍。这不是最近才做的投资——"我们从 10 多年前就开始做这件事了"。
"The cost benefits of our infrastructure may be roughly 3x...an enormous advantage of taking all that money, pushing it to creators rather than cloud providers."— David Baszucki 谈自建基础设施的战略意义
Roblox 的策略是"自建为主，云端为突发"（burst to cloud when needed）。在全球数据中心运营着自有的 CPU、带宽和推理能力，同时与云厂商保持合作关系以应对峰值。Baszucki 强调，Roblox 不仅是游戏平台，更是"高性能、低成本的多人基础设施，2D 和 3D 都支持，可在低端和高端设备上运行"。
Roblox 正在开发超级升采样视频模型，目标是实现多人游戏中的照片级真实 4K 60Hz。Baszucki 的视角很有启发性：
"Going from black and white movies to color movies — no one has the expectation that a game should be photo realistic. We just aren't used to it."— David Baszucki 谈游戏的视觉未来
技术路线是混合架构：不是纯 3D 传统渲染（那无法在保持多人一致性的同时做到照片级），也不是纯视频世界模型（那无法处理多人协调），而是多人世界协调 + 每个用户本地超级升采样。一千人同时在线的游戏世界保持一致，同时每个玩家看到的都是电影级画质。
Baszucki 还提出了 NPC 的双重路径：作为游戏角色（《盗梦空间》里能实时修改世界的梦境建筑师），以及作为测试代理。后者的逻辑尤其有趣：放 100 个随机 NPC 进游戏，给它们和人类相同的任务，看它们怎么表现。因为 NPC 可以比人类快 100 倍运行，100 人 100 小时的测试可以在 1 小时内完成——为游戏平衡性引入类似"Wiggins Loop"的快速迭代机制。
Baszucki 对儿童安全的看法体现了 Roblox 的"负责任"价值观。全平台已经实施年龄验证（AI + 生物特征），16 岁以下用户限定访问 20,000+ 精选游戏，禁止图片和视频分享。他说了一句关键的话："我们没有等法律或设备厂商来解决这个问题，我们自己已经做了。"
Build 还带来了一个意想不到的安全优势：所有内容通过 prompt 生成，因此完整保留了 prompt 历史——这在 Studio（开放 IDE）中是不可能做到的。加上 Roblox 基于长期留存的推荐系统天然适合过滤低质量内容，即使 AI 生成的游戏数量翻 20 倍，只有通过"高留存门槛"的内容才能走到用户面前。
"We trained it to be a broad, balanced foundational model, strong across many domains, flexible enough to adapt."— Mira Murati 对 Wall Street Journal，谈 Inkling 定位
"Imagine you're that monkey and you just keep hitting like the triple 20. Every time you throw it, and you're like, this is weird."— Everett Randle 形容 VC 界的心态
"Making a real effort to not take for granted the $3 Uber across town era of AI."— Everett Randle, 2024 年 1 月推文
"In the last four months alone, Ramp customer spend on tokens has grown by 21 times."— Eric Glyman, Ramp 联合 CEO
"Think of it like a Cheesecake Factory trying to scale it. There's no culinary schools and no recipes."— Jordan Black 解释线束行业
"Going from black and white movies to color movies — no one has the expectation that a game should be photo realistic."— David Baszucki 谈 Roblox 的游戏视觉革命
叙事一：AI 正在从"技术问题"变成"金融问题"。Ramp 客户的 21 倍 token 增长、VC 的"赌场筹码"心理、TSMC 的万亿赌注——都在说明同一件事：AI 的下一个阶段由资本分配效率决定，而不是模型性能的提升曲线。
叙事二：开源 AI 是下一个地缘政治战场。蒸馏争议、数百万级的账户关停、Beijing 限制模型出海、Inkling 的应时发布——开源生态已经成为国家竞争力的延伸。美国不再只是"相对于中国落后"，而是开始主动抢占位置。
叙事三：垂直整合是新硬科技的默认答案。Senra 不做 SaaS 而做线束成品，Roblox 自建数据中心，TSMC 在美国从头建厂。"只做软件"的黄金时代正在让位于"从原材料到成品"的全栈控制。物理世界的问题需要物理世界的答案。