$GME CEO Ryan Cohen, OpenAI vs Elon Musk Continues, U.S. Gets Early Access to AI Models
为什么这期值得看
OpenAI vs Elon Musk：法庭进入第二周
本周的明星证人是 Greg Brockman。Elon Musk 上周已经出庭作证超过 7 小时，现在轮到 Brockman 向陪审团讲述他的版本 — 而他的证词中，最戏剧性的是一段几乎演变成肢体冲突的对峙。
Brockman 描述了一场与 Elon 和 Ilya Sutskever 三人的会议。当话题转向股权分配时，Elon 的情绪突然转变。Brockman 说："He was angry. You could sense it." Elon 拒绝了股权均分方案，从椅子上站起来，绕过桌子冲到 Brockman 面前。
随后 Elon 质问 Brockman："When are you going to be departing OpenAI?" Brockman 和 Ilya 拒绝离开，Elon 愤然离场。
Brockman 的核心论证并不仅仅是情绪层面的。他在法庭上给出了一个直接的技术判断：
为了支持这一论断，Brockman 讲述了一个具体的例子：Elon 曾在一次 AI demo 中对一位研究员进行了极其严厉的训斥，程度严重到那个人差一点整个退出 AI 领域 — 不是退出公司，而是退出整个行业。
Ilya Sutskever 的 2017 年邮件也被引入证据。伊利亚当时警告 Brockman 不要因为 Elon 送的免费 Model 3 而接受对团队不利的股权条款 — 他在邮件中写道："Will a Model 3 make you be willing to accept massively unfavorable terms?"
Brockman 还提到他的"日记"被引入证据是"非常痛苦"的 — 他声称这些是 chain-of-thought 式的思考笔记，充满矛盾和探索性推理，并非最终决定。
作者概括：Brockman 的证词策略是双线并行的 — 情绪线上将 Elon 塑造成不可预测、有暴力倾向的合伙人；技术线上试图证明 Elon 不具备评估 AI 技术路线的能力。两者结合的目标是让陪审团相信：Elon 不是被排挤的善意创始人，而是一个自己选择离开的不稳定因素。
Casey：美国政府开始预审 AI 模型
本周另一条重磅消息：Google、Microsoft 和 xAI 与特朗普政府达成协议，在新模型公开发布前提交给 Casey（Center for AI Standards and Innovation，隶属商务部）进行评估。
然而，OpenAI 和 Anthropic 实际上在 2024 年就已经签了同样的协议 — 这意味着过去两年里，包括 Mythos 在内的所有新模型发布前都已经过商务部审查，但外界几乎完全不知道。Casey 声称已完成 40 多次评估，包括未发布的模型。但这些报告从未公开。
一个引人注目的缺席者是 Meta。Mark Zuckerberg 正在投资 $1250 亿的 CapEx 用于 AI，拥有接近前沿的 Llama 模型，但却没有加入这个预审协议。这可能意味着 Meta 的开源策略与政府的预审要求本质上有冲突，也可能意味着 Meta 在等待行政令的具体条款公布后再做决定。
George Hotz 的 Tiny Corp 对这个制度发出了尖锐的批评：
逻辑是这样的：中国开源模型目前落后大约 8 个月，但差距在扩大（部分原因是芯片出口管制）。然而如果美国实验室因为审批瓶颈无法快速公开发布，而中国模型持续快速迭代，这个差距可能会缩小 — 美国实验室虽然在内部领先很多代，但公众看不到这些进展。
Andrew Curran 描绘了一个可能出现的荒诞场景：OpenAI 完成了 GPT-6 的训练并提交 Casey 审查。在等待审批的过程中，他们用 GPT-6 训练了 GPT-6.1。如果 6.1 完成后 6 还在审批，他们就开始训练 6.2。实验室可能在内部领先公众数代，而政府机构因为拥有独占访问权，似乎并不急于加速审批。
Meta 的 $1250 亿 AI 赌注
Meta 的核心广告业务在 Q1 增长了 33%，年营收超过 $2000 亿 — 这无疑是人类商业史上最伟大的业务之一。但市场在抛售 Meta 的股票：5 天内跌了 10%。
原因是那 $1250-$1450 亿的年度 CapEx。对于一个没有云业务的公司来说，这个数字令人不安。如果建了太多算力但自己用不完，Meta 不像 AWS 或 Azure 那样有"泄洪口"可以把剩余容量卖给外部客户。xAI 也曾遇到过算力需求不足的问题（虽然有争议），但 Elon 通过与 Cursor 合作找到了 offtake。
市场的记忆是漫长的。投资者还记得 Metaverse 的故事 — 大笔投入但多年未见回报。现在 Zuck 在谈论"个人超级智能"（Personal Super Intelligence），听起来很酷，但商业实质是什么？
Meta AI 目前已进入 App Store 前五，但投资者尚未把它作为一个核心消费 LLM 玩家来定价。LLM 赛道可能是自有搜索以来竞争最激烈的消费级品类，目前还没有清晰的广告变现模式。
作者概括：Meta 的处境集中体现了 AI 时代的核心矛盾 — 最大的 CapEx 投入者不一定是最大的商业受益者。Meta 用一个 "旧 AI"（推荐系统）创造了巨大价值，但"新 AI"（LLM）能否创造同样的飞轮效应，目前还没有答案。
Coinbase："没有纯管理岗了"
Brian Armstrong 向全体员工发邮件宣布裁员 14%。他给出的两个原因是加密市场下行和 AI 提升生产力。
但最激进的改变不是裁员本身，而是组织架构的重构。Coinbase 取消了所有纯管理角色 — 每个 leader 必须是 Individual Contributor。管理层直接下属从最多 6 人增加到 15 人以上。正如 Andrew Young 所总结的：
Coinbase 还在测试"一人团队" — 一个人同时担任工程师、设计师和 PM，靠 AI Agent 补位。这在一年前还是不可想象的。
关于这是否属于"AI washing"（用 AI 来包装不可避免的裁员），市场看法分歧。Derek Thompson（The Atlantic）持怀疑态度，但 Brian Peterson 指出 CEO 亲口说原因一是加密熊市，AI 效率是原因二 — 顺序很清楚。
作者概括：无论是裁员还是组织重构，Coinbase 这个案例反映了 AI 时代的一个核心问题 — 公司的"最佳编制"到底是多少。一个激进的 CEO 在牛市招兵买马抢人才，在熊市裁掉冗余，这是好的管理还是坏的信号？答案可能取决于你所处的行业。
Shopify：连续两个季度 GMV 超过 $1000 亿
Harley Finkelstein 带来了一串令人震撼的数字。Shopify 在 Q1 实现了 $1010 亿 GMV，营收 $32 亿（同比增长 34%），自由现金流 $4.76 亿。年销售额超 $1 亿的商家数量过去两年翻倍。目前 Shopify 占美国电商份额的 14%，是北美第二大在线零售商。
两头开花的格局非常明显。一端是大品牌入驻：LVMH、Balmain、BevMo、Land's End 等。另一端是创业者的 AI 时代：Harley 举了 Gruuns 的例子 — 这家公司 2023 年在 Shopify 上起步，现在做到九位数营收，刚刚被 Unilever 以 $10 亿收购。"从零到 $10 亿退出，三年。这种事以前很少见。"
但最引人注目的数据在 AI 端：AI 搜索带来的订单同比增长 13 倍，新买家下单率是传统搜索的 2 倍，AI 驱动的流量增长 8 倍 YoY。
Harley 对 Agentic Commerce 的理解超越了一般的技术乐观主义：
核心观点是：与搜索电商不同（广告预算决定你能看到什么），代理式电商更偏向"基于价值"的发现。AI 知道你的完整对话历史、偏好和预算。你搜索"sneakers"可能在 Google 上看到 Foot Locker 的广告，但 AI 对话会引导你找到一个你从没听说过但更匹配你品味的 DTC 品牌。长尾在变胖。
Shopify 还在推动 UCP（Unified Commerce Platform）成为行业标准。最初是与 Google 共同开发的，但上周 — Amazon、Meta、Microsoft、Salesforce、Stripe 全部加入了 UCP 技术委员会。约 10 亿个商品 SKU 已完全同步到所有 AI 购物入口。ChatGPT 最近推出了应用内浏览器，直接使用 Shopify Checkout — 这意味着商家设置的会员积分、订阅、税金和物流全部无缝继承到 AI 对话中。
GE Vernova：为全球 1/3 的电力提供服务
Scott Strazik 从大学毕业后直接加入 GE，经历了 GE 的兴衰，现在带领 GE Vernova 独立运营。公司的规模令人震撼：全球 1/3 的电力（不包括中国）由 GE Vernova 的客户通过他们的设备生产；即使包括中国，这个比例仍然是 25%。
AI 相关需求目前占公司 backlog 的约 20%，但全球需求远不止 AI。2026 年 Q1，越南、墨西哥、加拿大、沙特、科威特都展现了强劲的需求信号。部分原因是俄乌战争后各国对能源安全的重新重视。
另一个隐藏的需求引擎是芯片工厂。台湾是 GE Vernova 最大的市场之一，但不是因为数据中心 — 而是因为 TSMC 的晶圆厂。他们在台湾为 TSMC 调试近 10 GW 的电力。正如 Scott 所说："So it's not just the AI factories. It's the infrastructure around it that needs the electron."
Scott 对美国电网的评价令人深思：
这个"旧机器"是为燃煤电厂设计的 — 单向流动、24/7 稳定输出。现在有了风光等可变发电来源、屋顶太阳能让电流反向流动、实时供需匹配的需求，系统已经力不从心。更麻烦的是，美国电网是"孤岛化"的 — 不是一张互联的全国网络。Scott 认为将 48 个州连接成一张 mesh grid 在技术上是完全可行的，但不同地区的监管结构和市场规则才是真正的障碍。
最大的瓶颈不是设备制造（设备在受控的工厂里生产），而是现场施工。在偏远地区修建数据中心的工地需要大量熟练技工。GE Vernova 在 15 个月内增加了 1,800 名生产工人。为了留住这些人，公司正在通过自动化去掉"枯燥、肮脏、不安全"的工作环节，并让工人知道他们生产的每一台设备的最终目的地和客户是谁。
核能 SMR：从"每座都是雪花"到标准化量产
Scott 关于核能的观点非常坦诚：
SMR（小型模块化反应堆）试图解决这个问题。一台 300 MW 的 SMR 可以放在一个美式足球场大小的区域内，为 30 万户家庭供电。关键不在于"小"而在于"模块化" — 可以像搭积木一样分阶段扩容。每增加 300 MW 只需两年，而传统大型反应堆需要 10 年建设周期。
时间线：56 座现有美国核电站可以通过升级新增 5 GW，这很快就能实现。首座 SMR 已在加拿大多伦多附近建设中。NRC 对美国首座 SMR 的审批预计 2026 年夏季通过，Scott 承诺审批通过当天就会动工。2031-32 年，第一座美国 SMR 将产出新电子。2035 年以后，可以进入规模化部署。
核能的 CapEx 确实很重，但生命周期成本非常有竞争力 — "它建好之后可以运行很久很久。"
Blitzy：以"数周不中断"重新定义自主编程
Brian Elliott 宣布 Blitzy 完成 $2 亿融资，估值 $14 亿。Blitzy 专攻大型企业的遗留代码 — 银行、保险公司 — 这些机构通常拥有 3000-5000 万行代码。安装 48 小时内就能反向工程整个代码库，创建知识图谱。
Brian 对"自主"的定义有一个重要的重新校准。行业目前将"系统连续运行一天"称为自主，但 Blitzy 能做到系统连续运行数周，端到端测试数百万行代码后再交给人类审查。"We've basically set a new benchmark for what's possible against these large scale code bases."
关于 LLM 上下文窗口，Brian 给出了一个直白的技术判断：
模型宣传百万、千万甚至 1200 万 token 的上下文窗口，但超过 100K 后使用的是 sparse attention — 也就是说模型不是真正"看到"了全部内容，而是"猜"了大部分。学术圈称这种现象为 "context pressure"。对于 5000 万行代码的仓库，你不可能把所有代码塞进一个上下文窗口 — 即使模型声称支持。需要系统级的解决方案。
Brian 说代码是"关系型的"（relational），不是"序列型的"（serial）。你不能简单地把代码切成 100K token 的片段后独立处理，因为这一段里的某个调用可能在代码库的另一端有关的逻辑。Blitzy 发明了一种语言无关、版本无关的方式来理解代码结构。
Lambda：创始人交棒，新 CEO 上任
Stephen Balaban 宣布将 CEO 职位交给 Michel Combes，自己转任 CTO。他将这个转型比作 Larry Ellison 当年在 Oracle 的角色转换。
Michel Combes 的背景极为多元：前 Sprint CEO、前 SoftBank International CEO、与 McLaren 车队相关联、Philip Morris 董事会成员，并主导了 Swedish Match 的收购。Stephen 开玩笑说他们的 tagline 是"电信基础设施 + 赛车基础设施 + 尼古丁基础设施 + AI 基础设施 — 一切汇聚。"
实际上，这背后是一个明确的战略信号。Stephen 将专注于产品愿景和突破性技术，而 Michel 的任务是"解锁增长" — 资本形成（股权和债务融资）、运营扩展（选址和 GPU 采购），以及将 Lambda 从"租数据中心"推向"拥有并运营数据中心"。
Lambda 的标语是"开发者的云" — 由软件工程师创立，为软件工程师而建。Stephen 强调聚焦、聚焦、再聚焦："We are building a generational company that is going to last for a hundred years, and we're going to do that by having the most compute at the lowest cost basis, offer those at the lowest prices and the most flexible terms."
作者概括：在 GPU 云市场越来越拥挤的情况下，Lambda 请来一位电信行业老兵来管理"基础设施即商品"的业务，这本身就是一个信号 — GPU 计算正在从稀缺品变成大宗商品。竞争的核心不再是技术差异，而是资本效率和运营规模。
Ryan Cohen 出价 $550 亿收购 eBay
这可能是本期最引人注目的新闻。GameStop CEO Ryan Cohen 向 eBay 提出了一份 $550 亿的主动收购要约：每股 $125，半现金半股票。
交易逻辑清晰直接：$280 亿现金让现有 eBay 股东部分套现（约 40% 溢价），剩余部分转为合并后公司的股权。Ryan 的语气里带着一种对这个品牌的真实感情："I want to own eBay. I want to run eBay. I want that to be my baby."
Ryan 对 eBay 的评价既毒辣又精准：
他点出了一个令人震惊的事实：eBay 是一个没有库存的轻资产平台，$110 亿营收，却有着 $55 亿运营费用和 11,500 名员工。Ryan 的目标是削减 $20 亿成本，主要集中在销售、营销和公司行政费用上。他在 GameStop 已经展示了这种执行力 — SG&A 降低了 47%，节省 $8 亿；门店从 4,800 家优化到约 2,200 家。
Ryan 的反垄断判断也很关键：大型战略买家（Amazon、Shopify 等）可能无法通过 FTC 审查，GameStop 作为买家不存在这个问题。资本来源方面，他声称有银行出具的 $200 亿+ 高置信度函，再加上 GameStop 自有 $90 亿现金。
GameStop + eBay = 收藏品帝国
合并的逻辑内核是物理和数字的结合。eBay 上购买收藏品的最大问题是真伪不确定性 — 你花 $500 买一张限量 Montblanc 联名帽，但你怎么知道它是真的？GameStop 的 1,600 家门店就是 1,600 个验证点。卖家把货送到店 → 店员现场鉴定 → 发货给买家。Ryan 说这"几乎不增加任何资本支出"。
另一个维度是直播电商。eBay 有 1.3 亿活跃用户，却在这个品类被 TikTok 和 Instagram 的竞争对手碾压。Ryan 的方案是改进平台 UI，与创作者建立合作伙伴关系和分成机制。
数字化商品也是明确的方向。Ryan 亲自为孩子买 Roblox 虚拟道具遭遇过假货 — "the basics are there, but it's not being done well."
关于管理哲学，Ryan 的观点与 Elon 的 Twitter 剧本有共鸣也有差异：
他认为 Twitter 的问题不是成本削减，而是广告商的政治抵制 — "It had nothing to do with the cost cuts. More of just the advertisers conspiring against him." 因此对于 eBay（一个不依赖广告收入的交易平台），这个风险不存在。
Ryan 的薪酬哲学也值得一提：他在 GameStop 没有拿过一分钱工资或奖金。他的股权激励必须在公司市值翻倍后才开始解锁第一档，10 倍才能完全行权。
AI 书籍涌入 Amazon — 与真假难辨的时代
Amazon 月度电子书发布量从 AI 之前的约 10 万本/月暴涨到现在的 35 万本/月以上。其中大量是由 AI 生成的。
这引发了关于"内容丰饶"的经典辩论：信息越多越好，但甄别成本也随之上升。从 Amazon 的角度看，不管书的质量如何，平台从每笔交易中抽成，所以这是一个收入增长的故事。但从消费者的角度，如果平台被 AI 生成内容淹没，信任度会下降 — 这也意味着人工策展的价值（The New York Times 畅销榜、播客推荐、朋友推荐）会回归。
主持人分享了一个有趣的 debunk 案例：有人在 Instagram 上嘲笑一群山羊在山上攀爬的视频，后来被人发现那些山羊其实是 AI 生成的假视频。讽刺的是，真正的山羊确实会爬悬崖。"Every post requires a deep dive into 'is this real?' Maybe the future with all that xAI capacity, they can just do 'Grok, is this real?' on every post before it goes out."
或许未来每条社交媒体帖子在发布前都需要 AI 先判定"这是真的吗" — 一种"Community Note Singularity"：不是在假信息发布后纠正，而是在发布前拦截。
Amex GBT 私有化：AI 改造传统服务业
Long Lake 以 $63 亿将 Amex Global Business Travel 私有化。General Catalyst 的 Mark Vergara 回顾了 Long Lake 的成长轨迹 — 从两年前他家里第一次团队 retreat 到现在完成 $63 亿交易。
这笔交易的逻辑是 AI 驱动传统服务业的转型。商务旅行管理是一个信息密集型行业 — 这正好是 AI 擅长的领域。Long Lake 的核心理念是"用 AI 将服务行业从零和博弈变成增长与丰饶"。
有趣的是，General Catalyst 同时也是 Ramp 的投资者，而 Ramp 有旅行产品。可能存在协同效应，也可能存在微妙的竞争关系。