Mark Cuban¶
- 背景: Broadcast.com 创始人（1999 年卖给 Yahoo，是互联网泡沫最著名的退出之一，随后用 collar 结构锁住了收益）、前达拉斯小牛队老板、Cost Plus Drugs 创始人。经历过上一场泡沫并从中全身而退，这是他谈本轮 AI 泡沫时最有分量的资历。
- AI 相关持仓（他自己披露的）：Lovable、AMI（Yann LeCun 的世界模型公司）、Synthesia（十年前的首轮投资人）、Open Evidence（医疗）、matter.com（用卫星光谱成像为世界模型采数据）。
- 定位: 本库里少见的从企业落地反推 AI 能力上限的视角——他既是重度使用者（在自家风投机构强推 AI-first），又是明确的能力怀疑论者。
他对本轮泡沫的判断不是"有/没有"，而是一个更精确的问题：这次的损失落在谁头上。答案是 VC / 基金 / PE，不是散户。
核心观点¶
来源：All-In × Mark Cuban（AI 泡沫，2026-07-21）
泡沫¶
- 这不是 2000 年那种泡沫："那时候是没收入、没流量的公司上市拿疯狂估值，你打车司机都在聊这些。今天你完全看不到这个。所以这不是一场会波及大多数人的泡沫——但它可能摧毁一大批 VC、一大批基金、一大批 PE，因为他们在 all in"（视频页 00:00:00–00:01:00）。
- 入场价是病灶："我们过去做天使能在 500 万、1000 万估值投进去，然后突然要价变成 4000 万、5000 万、6000 万，产品还没上线。"
- 叠加私募信贷：巨头在借几百上千亿；"本来就已经有一个私募信贷问题了，你再叠上这些有现金流的巨头把现金流全砸进 capex、然后在这之上再借债发债——这是在按完美情况定价"（00:02:02）。
- 数据中心会变成匹克球场（他最可引用的一句）："如果 AI 上出现一条能大幅降低电力需求的性价比曲线，会有很多数据中心被改造成匹克球场。" 论证走光纤先例——1G→10G→100G 之后"突然就不再有带宽问题了"，剩下的暗光纤被人以几分钱捡走。"AI 侧凭什么就不会得到同样的性价比改善？"（00:02:02–00:03:02）
- ⚠️ 这条与本库已有的"能源是天然的防泡沫上限"（Gelsinger、a16z）指向相反：他们认为电力约束封住了泡沫因而可安心，Cuban 认为电力效率的突破本身就是让已建产能作废的那个变量。同一事实，风险方向相反。
- 处方是去上市：因为这一轮由私募资本驱动，应该有远多于现在的 5000 万–1 亿美元级 IPO。理由不是套现而是并购货币——"如果 AI 真做到我们知道它会做的那种颠覆，你会想去买那些跟不上的传统公司、或者有你需要的数据的公司。股票就是货币。"他的口头禅是"去上市，兄弟们"，而"他们就是不觉得这是对的事"（00:04:02–00:05:02）。
- 给前沿实验室员工的建议：做 collar。"如果你在 Anthropic、OpenAI、SpaceX 这类地方……我到底需要多有钱？"他自己当年没有这个产品，让高盛做了一个由他认为很烂的互联网股票组成的指数并做空，在那个空头上亏了几千万美元，直到能对 Yahoo 股票做真正的 collar（00:06:02–00:07:02）。
企业落地：AI 比预期难得多¶
- "AI 比任何人预期的都难落地。你可以很轻松地做个 agent……然后我们就假设在企业里也一样容易。"对 Dario "两年内 50% 白领失业"的实证反驳：两年过去了，就业还在增长。"CEO 们完全不知道在发生什么。一点都不知道。"（00:08:02）
- forward-deployed engineer 是一个能力测量（他最好的论证）：
"如果我们在谈 AGI、在谈接管世界，可你需要 forward deployed engineer，那这件事本身就把 AI 的水平说完了——因为按定义你应该可以直接让 AI 去做我要它做的事。可现在微软在招 6000 人，Anthropic、OpenAI 都说要派人进这些公司去部署，这说明 AI 很难用。"（00:09:05）
- 他把 Alex Karp 的"你怎么能把 alpha 交给这些公司"解读为竞争性发言："他就是在说，他们在做我们在做的事。"
- 一个可复现的失败：让模型"每周搜一次某人的投资、写报告、发邮件给我"——做不到；它会提议做个 agent，然后给你 JSON 或一坨 slop 代码，"于是你必须会编程才能改对"（00:10:05）。
- 缺失的复利机制："就算 AI 有我们愿意相信的那么先进，它应该从所有报错里学习，然后说'我看到你在这里有问题，前三次尝试都失败了，让我告诉你遇到同样问题的其他人里 97.6% 是怎么解决的'。它连这个都不做。它就说：失败了。"（00:13:05–00:14:05）
- 窄数据集是魔法："当你有一个窄数据集——代码、法律、税务——它就是魔法，而且就是数学。但普通人想用它做普通事情……就像当年搞明白 PowerPoint 或 Excel——你公司里总得有那么一个 Excel 专家。"由此推出机会：任何懂 AI 的人都可以走进任何一家企业说"你们撞到的这些失败我能修"（00:14:05–00:15:08）。
- agent 漂移（agent drift）："Agent 会腻，会漂移——因为底层大模型在变，它最初被编排的方式和大模型后来变成的样子对不上了。" 结果是要更多人来管这些东西（00:15:08）。
在自家机构做 AI-first 的一手观察¶
- AI-first 员工与非 AI-first 员工的差距"像哇的一声"——"就像我们刚入行时，有人会用 PC 上的 office 套件，另一些人还在用便签本"（00:16:09–00:17:09）。
- 他的做法是取消成本约束以观察上限："我就说，token max it。你们每人每月可以花几千美元，我不在乎，我只在乎收益。"
- 观察到的工具跳跃路径（人们在 OpenClaw、Hermes agent、Claude Co-work、Perplexity Computer 四个之间来回）：从 OpenClaw 开始建 → agent 开始坏、开始幻觉，太让人挫败 → 转 Claude Co-work（"很好，但有点受限"）→ 转 Lovable，给风投机构建起了内网（00:17:09–00:18:10）。
- 最重要的是"这不是替代，是反事实"："我有两三个人在做的软件，五年前我们大概要花两三百万美元一年找外包公司来建。你根本就不会去做。"——"你会去买那个 SaaS 应用，然后试着把它硬塞进去定制，结果不 work，我们就放弃了"（00:18:10）。
- 创业者视角的能力展示：一个 prompt 生成虚构公司的专利 + 商业计划 + 授权清单，12 分钟（对照组：六个月做原型、十二个月上线）。对准确性的态度："就算它是错的，那又怎样？历史上写过的每一份商业计划书都是错的。"（00:12:05–00:13:05）
LLM 之后是世界模型¶
- "我们做的一切都建立在文本和图片上。十年后不会有任何东西是文本和图片。"（00:19:11）
- 吸管杯测试（本库对"AI 缺什么"最短的说明）：
给 AI 看一段视频，一个两岁小孩坐在高脚椅上、面前是吸管杯。那个小孩知道，如果他把杯子推下桌沿，妈妈会跑过来，然后他会开始笑。AI 完全不知道会发生什么。一点都不知道。
- 配套测试："蒙着眼过马路，你要带 AI 的手机还是导盲犬？我每次都选狗。"结论："它还没准备好——想想我们还要走多远"（00:19:11–00:20:11）。
- 世界模型的数据也不够：YouTube 视频"不够"——"他们得戴手套采数据，现在还在马尼拉找人做菜谱"。
- 他自己给多头留的那扇门："如果我在数据中心这件事上会判断错，那会是因为视频"——视频、世界模型、机器人要多一个数量级的 token（00:20:11–00:21:11）。
医疗与"LLM 是算法政治的解药"¶
- 医疗：不会取代医生，但"95% 的医学是在猜——因为没有医生能记住每天新增的所有研究"。Whoop + 血检 + Apple Watch 的组合"会让你越来越聪明，你的医生也因此能更聪明"（00:21:11–00:24:13）。
- 政治部分中与 AI 有关的一条：他先给出问题——"算法决定了美国人怎么投票。谁控制算法，很多时候就控制了选举。"然后给出解药：大语言模型"必须尽可能地字面、诚实……必须求真，否则你会对它们失去信任"。最凝练的一句：
"它们的货币是给你正确的答案和正确的知识；社交媒体的货币是让你保持沉浸。这是两个完全不同的使命。"（00:27:15–00:28:15）
- ⚠️ 这是规范性论证而非实证——"必须求真否则失去信任"是从商业激励推出的应然结论，与本库 LLM 心理学与认知短板 里已有的谄媚/幻觉证据存在张力，也与他在同一集里对 AI 可靠性的低评价并存。
2026-10-28 补充（a16z，Cost Plus Drugs 与医疗结构）¶
来源：a16z × Mark Cuban ⚠️⚠️ 立场：他全程在推销 Cost Plus Drugs 的四条业务线与售价约 2,000 万美元一台的"pod"，✅ 而他自己三次主动声明了这件事（"我在这儿有点推销自己的书"）；⚠️ 节目是 a16z 自己的播客，主持方是在这个赛道投资的 GP。本节全部商业与成效陈述为自述。
- ⚠️⚠️ "AI 是一个大均衡器"："你的 AI、我的 AI……我们会互相打，你赢几局我赢几局，但最后它们会在某个水平上互相抵掉。所以长期我看不到剧烈变化。" ⚠️ 短期例外是先手优势与"一方有另一方没有"时的诉讼（[00:16:16]–[00:18:17]）。✅ 本库此前所有"AI 改变议价"的材料都是单边的，这是第一条正面处理双边都用 AI 的。
- ⚠️⚠️ "在一个坏掉的金融系统里，即便你把 AI 引进经济、运营和流程，当它本来就已经坏了的时候，你修不好它"——两层机制是没有价格发现 + 合同长度本身就是武器（[00:13:12]–[00:15:15]）。
- ⚠️⚠️ "契约恐怖主义"：达拉斯市的 PBM 合同 1,335 页，"地球上没有哪群人喝够咖啡，能抓住他们试图塞进来的每一条"；✅ 而 AI 的边界他划得很干脆："一旦你签了那份合同……他们就赢了。地球上没有任何 AI 能保护你。" ⚠️⚠️ 他还把这个框架推到了数据中心上："很多社区在他们为数据中心谈的那些协议上也真的很蠢——很多情况下就是落进了契约恐怖主义。"
- ⚠️⚠️ 最高杠杆动作压缩成一个 prompt："把你现有的合同丢进 AI，问一个问题：他们在哪儿坑我？我该怎么办？"（门槛"超过 1,500 名成员"）；✅ 而反事实的规模是他自己给的："如果代表 67%、1.6 亿多美国人的雇主只做这一件事，大型保险巨头与 PBM 的整个体系会垮掉。"
- ⚠️⚠️ 而他给了这件事为什么没发生的机制，本库认为这是他本次最有价值的一条：被劝说的几家上市公司回来说"我们完全不知道自己被坑得这么惨"，却不肯在季度财报电话会上提——"因为他们还得跟那些保险公司做生意。"
- ⚠️⚠️ "地下室里的万亿富翁"，但同一口气里有两条限定：① "我们还没看到那种公司——'噢，那是什么？他们为什么在做那个？'那种"（✅ 一条自述的否证条件，必须与标题那句一起引用）；② "agent 看不到社交媒体帖子，没法看广告……在怎么把商业信息传达给那些 agent 这件事上，必须发生很多变化"（他自己做了 agentfeeds.dev，"还没真正上线"）。
- ⚠️⚠️ "不能砍掉所有入门级岗位"的理由是模型延迟："不管模型是什么，它一发布就完了——它就已经落后了"，所以需要能创造上下文、做 human in the loop、且"见过实施历史"的人。✅ 配他的老句子："AI 不替代工作，会用 AI 的人替代不会用 AI 的人的工作。"
- ⚠️⚠️ 一个新岗位类别："AI 翻译者"，依据是"按定义，新数据（novel data）等于人"——把个体身上什么是新的翻译成 AI 能用的东西、再把 AI 的输出翻译回个体；⚠️ 他明确排除人形机器人做这件事。
- ⚠️⚠️ 他认为 AI 创业者普遍低估的问题是 IP：专利被 AI 击穿（"每个 12 岁小孩都会说：看这个专利，稍微改一改，做成我自己的专利"）→ 持有者转向封闭（"你得来我的模型，每次访问付我 9,999 美元"）；⚠️⚠️ "训练、后训练、RAG 一个模型所需要的那些 IP，如果持有人不愿意提供、但它又绝对必需，我们去哪儿找——这件事我们还没讨论过。" ✅ 他自己加了认知标记："这对你们说得通吗，还是你们觉得我是个白痴？"
- ⚠️ "AI 不聪明。它也许是书本上聪明，但它不是街头聪明，不是创业者式的聪明。" ✅ 配一个可复现的 C-suite 失败案例：某消费食品公司负责人谈 GLP-1 下的并购，Cuban 当场让 ChatGPT 为对方的头号饼干做一个更 GLP-1 友好、定价更低的竞品（含完整物料清单与来源），"大概三分钟"。
- ⚠️ 个人 agent 工作流（本库目前最具体的一份非工程师流水线）：多模型并用（Grok / Gemini / OpenAI 等）→ 让 agent 找出所有有 open records 渠道的州级实体、找合同与 RFP、代写索取信放进草稿箱（"我按发送"） → 收件进 Google Drive → 各个 LLM 汇报"好消息/坏消息/该做什么/简单版"；✅ 定性是"那些一直在清单最底下、我一直想做但永远做不到的事"；⚠️ 跨模型互检是例行做法（"我把两台手机举在一起，让它们互相对话，这样我能在旁边听"）。
- ⚠️⚠️ 给前沿实验室的公关建议，以及一次立场反转："我跟他们说他们是傻子"——理由是"控制这个国家几乎每个人怎么想的是社交媒体算法"，所以应该反向工程那些算法、把营销做进信息流，⚠️⚠️ "就像俄罗斯人那么干"。本库记录但不采纳这条手段，并标出 🔗 它与他 2026-07-21 "LLM 是算法政治的解药"（"它们的货币是给你正确的答案；社交媒体的货币是让你保持沉浸"）构成三个月内的立场反转。✅ 而同段里两条有独立价值的判断："数据中心仇恨只是'搞不懂 AI'的一个代理变量"（且他明确不怪公众）、"除非那些大的前沿模型完全明白他们必须成为每个人信息流的一部分，他们就会一直在发那些没用的立场文件"。
- ⚠️ 医疗侧的预测："在看过你的 DNA 之后为你个人设计一款药的成本，会随模型能力上升而趋近于零"；✅ 而他指认的驱动变量不是硬件——"真正会改变一切的是算法，而我们甚至不知道算法上的改进速度会是多少"；⚠️ 他给两家前沿实验室的建议是把个性化用药打进 20 / 200 美元的订阅（参照 23andMe 的 99 美元）。⚠️⚠️ 而紧接着是他自己承认的推销："我们要我们的 pod 就在那儿……因为我们是唯一有能力做这件事的。"
- ✅ 两处值得记的自我划界：EHR 这一层"老实说我不知道，Epic 主导，我不是有资格评的人"；以及 cost plus marketplace 的失败处——"我们能说服 CEO，但我们不总能说服采购的人去做"（🔗 与本库多份"企业采用断点在中层"的材料同形）。
- ⚠️ 四条政策主张（假设性提问下给出）：① 所有拿纳税人钱的合同全部公开、不得涂黑；② 自己找到更低价格可计入免赔额（"已有八个州在某种程度上这么做"）；③ 非营利医院公布完整总账到每条明细与全部采购凭证；④ 用存款制替代保险（按 ACA 银级保费额度存入、钱归自己、银行按已谈条件贷款至 stop-loss、政府担保该贷款、工资扣款还钱、65 岁未用则连本带息取回——"现在一下子，保险公司再见了"）。