跳转至

Mark Cuban 谈 AI 泡沫：真正被抹掉的是谁（All-In，2026-07-21）

  • 嘉宾: Mark Cuban（Broadcast.com 创始人、前达拉斯小牛老板、Cost Plus Drugs 创始人；经历过互联网泡沫并用 collar 保住了 Yahoo 股票收益）
  • 主持: Jason Calacanis（现场访谈，巴黎 Raise 大会，与 Gelsinger/Osika 那期 同一场活动）
  • 来源: YouTube · 42 分钟（自动字幕）
  • 转录稿: sources/all-in/20260721-OY2Sjbjd_VE
  • 收录范围: [00:00:00]–[00:24:13] 为 AI 内容；00:24:13 之后转向美国国内政治、税制与 NBA，本页只收 AI 相关部分（"LLM 作为算法政治的解药"一段跨在边界上，因与本库主题相关而收录）

Cuban 的价值在于他站在上一场泡沫的幸存者位置上，给出的判断既不是"没有泡沫"也不是"要崩了"，而是一个更精确的问题：这次泡沫的损失落在谁头上。答案是 VC / 基金 / PE，不是散户。配合他在自家风投机构做 AI-first 改造的一手观察（工具跳跃、agent 漂移），这是本库里"从企业落地反推 AI 能力上限"最具体的一份材料。

说话人映射（据补做分离的 speakers.md；转录稿本身无标签，此处认人属 wiki 层编辑判断）： SPEAKER_00 = Mark Cuban（嘉宾，60.5%）、SPEAKER_01 = Jason Calacanis（主持，39.5%）。 依据（轮次边界精确）：00:00:00–00:00:13 SPEAKER_01 发问"You and I live through a couple of bubbles… Are you concerned about a bubble?"， 00:00:13–00:00:29 SPEAKER_00 作答"It's not the traditional dot bubble"；00:00:50–00:01:22 的 AppLovin 口播是 SPEAKER_01。 另据 Mark Cuban 人物页 的 33 处引用：强主导（≥75%）的块 9 个落在 SPEAKER_00、3 个落在 SPEAKER_01。 ⚠️ 片尾"There's your 45 minutes with Mark Cuban"一句按插值落在 SPEAKER_00，但它正处换人边界，插值不可靠，不作依据。

核心观点

这不是 2000 年那种泡沫

  • 关键差异是谁在承担损失："那时候是没收入、没流量、什么都没有的公司上市拿疯狂估值，股票涨 50%、100%，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"（[00:00:00]–[00:01:00]）。
  • 机制上的病灶是入场价："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，你会想这怎么算得过来？"Jason 补充："只做了十年风投，看着这么多在错误时点部署资金的人直接出局——入场价是要命的。"
  • 另一层被 Cuban 特别点出的是私募信贷：Google、Meta 这些市场领导者在借几百上千亿；"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（planning for perfection）"（[00:02:02]）。
  • 对基金经理行为的一句诊断：过去券商的产品经理要跑赢标普；"现在你得跑赢隔壁那只基金才能让钱继续进来。于是大家全都在 Anthropic、SpaceX 里庆祝——可一旦出事……"（[00:01:00]）。

数据中心会变成匹克球场：光纤类比

  • 最可引用的一条："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（pickleball courts）"（[00:02:02]）。
  • 论证走的是光纤先例：当年所有人都在铺光纤，然后从 1G 到 10G 到 100G，"突然就不再有光纤问题了、不再有带宽问题了"——反而剩下大量暗光纤，后来以几分钱的价格被人捡走。"AI 侧和数据中心侧凭什么就不会得到同样的性价比改善？"（[00:02:02]–[00:03:02]）
  • 他明确承认利用率会按大家预期的那样 scale，但坚持技术突破会同时发生，而"为 10 年、20 年后的事承诺几百亿美元，没人预测得了"。
  • 一个次级但重要的补充：他认为围绕数据中心的民意反弹反而可能"保护"了它们（限制了过度建设）。
  • ⚠️ 注意这条与本库已有的"能源是天然的防泡沫上限"（Gelsinger、a16z）指向相反：Gelsinger 认为电力约束封住了泡沫上限、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。两人用的是同一个能源事实，得出的风险方向正相反。

处方：去上市

  • 逻辑链条：因为这一轮由私募资本驱动，所以理应有远多于现在的公司上市——不是 SpaceX/OpenAI/Anthropic 那个量级，而是5000 万、1 亿美元规模的 IPO（[00:04:02]）。
  • 理由不是套现，而是并购货币："如果 AI 真做到我们都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、或者有你需要的领域专长和数据的公司。股票就是货币。没有这个货币，你就得出去融资，而那个钱非常非常贵。"他自己的先例：Broadcast.com 用股票买了五家公司（[00:04:02]–[00:05:02]）。
  • 他的抱怨："我一直在跟我的被投公司说：去上市，兄弟们，去上市。他们就是不觉得这是对的事。"
  • 背景约束：前四年并购基本停摆。"我认识的做 corp dev 的人都说上面让我们按兵不动"——他把这归因于 Lina Khan 那套"我们得像《少数派报告》里的先知一样预测谁将来会成为垄断者，然后提前拦住"的思路；现在的语境（与中国竞争等）变了（[00:05:02]–[00:06:02]）。

给前沿实验室员工的建议：做 collar

  • "如果你在 Anthropic、OpenAI、SpaceX 这类地方，是不是该开始考虑 collar 了……我当年就给自己的股票做了 collar，因为——我到底需要多有钱？"（[00:06:02]–[00:07:02]）
  • 他的原始操作值得记录：当年没有这个产品，他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它，一直持有到能在市场上对 Yahoo 股票做真正的 collar 为止。"我在那个空头上亏了几千万美元——但我在别处赚回来了。"（[00:07:02]）

企业落地远比预期难，而 forward-deployed engineer 就是证据

  • "AI 比任何人预期的都难落地。你可以很轻松地做个 agent、可以随便 prompt，把生产力提高 100 倍，都很容易。然后我们就假设在企业里也一样容易。"（[00:08:02]）
  • 对 Dario 的"两年内 50% 白领失业"的实证反驳：两年过去了，就业还在增长，大家还在招人，而且在招更懂 AI 的人。"CEO 们完全不知道在发生什么。一点都不知道。而且这不会改变。"
  • 本期最锋利的论证——forward-deployed engineer 是一个能力测量：

    "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、并且告诉我怎么落地。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]）

  • 他顺带把 Alex Karp 的"你怎么能把你的 alpha 交给这些公司"解读为竞争性发言："在我看来他就是在说，他们在做我们在做的事——Palantir 的核心就是 forward deployed engineer，他们现在也在做同一件事。"
  • 一个具体到可复现的失败案例：让 Claude 或 ChatGPT"每周搜一次 Jason Calacanis 的投资、写成报告、发邮件给我"——做不到。它会提议帮你做一个带提醒的 agent，你说好，然后它给你一个 JSON 文件或者一坨 slop 代码，"于是你必须会编程才能改对"（[00:10:05]）。
  • 更值得注意的是他指出的缺失的复利机制："就算 AI 有我们愿意相信的那么先进，它应该从我们提需求时遇到的所有报错里学习，然后说'嗨我是 Claude，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'，然后帮你修好。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，通用场景不是

  • "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。但当世界上的普通人想用它做普通事情……你想更进阶一点，就像当年搞明白 PowerPoint 或 Excel 一样——你公司里总得有那么一个 Excel 专家。"（[00:14:05]）
  • 由此他给出机会判断：任何人只要"懂 AI + 有基本计算机背景"，就可以走进任何一家中小甚至大型企业说"你们撞到的这些失败我能修"——因为一旦这些问题被修好，AI 能做的事是惊人的（[00:14:05]–[00:15:08]）。
  • agent 漂移（agent drift）是他给创业者的第二个机会："那些东西最终会坏掉。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：工具跳跃的实录

  • 他在推动整个机构 AI-first，观察到 AI-first 员工和非 AI-first 员工之间的差距"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。差距就那么大"（[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，我不在乎那个，我只在乎收益。"
  • 观察到的工具跳跃路径（他点名人们在四个工具之间来回：OpenClaw、Hermes agent、Claude Co-work、Perplexity Computer）：
  • 从 OpenClaw 开始建，agent 开始坏、开始幻觉，太让人挫败；
  • 转到 Claude Co-work，"很好，但有点受限"；
  • 然后转到 Lovable，给这家风投机构建起了内网——"没有哪家风投会花 50 万美元、12 个月去建一个内网，你就会说算了扔 Notion、Google Sheets 里吧"（[00:17:09]–[00:18:10]）。
  • 最重要的一条是"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。"Jason 接："你就会去买那个 SaaS 应用。""然后我们会试着把它硬塞进那个 SaaS 应用里去定制，结果不 work，我们就放弃了。"（[00:18:10]）
  • 他给 Lovable 的数字（作为投资人转述）：每周 77 万个应用，只有 30% 的业务在美国，只有 20% 是工程师。以及一个投资人梗："每次有人说你们要完蛋了，你们就多加 1 亿美元收入"——四次，2 亿、3 亿、6 亿（[00:11:05]、[00:18:10]–[00:19:11]）。
  • 创业者视角的能力展示：他给了一个 prompt——虚构一家公司，产品是一个能录 24 小时视频的按钮，要求生成专利、商业计划、需要哪些授权——12 分钟完成，还能接着要物料清单和供应商。对照组是"六个月做原型、十二个月上线"。他对准确性的态度很干脆："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。"他是 Yann LeCun 的世界模型公司 AMI 的投资人（[00:19:11]）。
  • 他的吸管杯测试（sippy cup test）——本库迄今对"AI 缺什么"最短的一个说明：

    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。那个两岁小孩知道，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。（[00:19:11]）

  • 配套的第二个测试："如果你被蒙着眼站在街角必须过马路，你要你带 AI 的手机，还是要一条导盲犬？我每次都选狗。"结论是"它还没准备好——想想我们还要走多远"（[00:19:11]–[00:20:11]）。
  • 但世界模型的数据也不够：YouTube 上的视频"不够"——"他们得戴手套采数据，现在还在马尼拉找人做菜谱"。他投了 matter.com，用卫星做光谱成像、把地表拍成视频再转成世界模型可用的算法（[00:20:11]）。
  • 他自己给数据中心多头留的那扇门："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（三者相关）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：他是 Open Evidence 投资人，讲了一个自身案例（补铁剂与某药物同时服用导致的问题，模型给出了服药时点的调整）。判断是不会取代医生，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"。加上 Whoop / Apple Watch / 定期血检（他自己做了十年、在 X 上公开过），"你只会越来越聪明，你的医生也因此能更聪明"（[00:21:11]–[00:24:13]）。
  • 政治部分中与 AI 有关的一条判断（本库收录的理由）：
  • 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。"（他举 Mamdani 为例：整个成年生活就是 Trump + 社交媒体两件事叠在一起）
  • 然后给出他认为的解药："我认为在减少政治领域信息不对称这件事上，最能拯救我们的是大语言模型——因为大语言模型必须尽可能地字面、诚实。它们必须求真，否则你会对它们失去信任，而 Claude、OpenAI 最不需要的就是'他们在这件事上撒了大谎'。"
  • 最凝练的一句对比："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]）
  • 他自己的用法：对政治人物的主张回一句"请核查这些说法，尽可能客观和基于事实，检查你的工作，给出你的来源"（[00:28:15]–[00:29:15]）。
  • ⚠️ 这条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，也与他自己在同一集里对 AI 可靠性的低评价并存。

与本库其它观点的关系

  • 与"能源是防泡沫上限"正面对冲：Gelsinger 与 a16z 认为能源约束封住了泡沫、因而可以安心；Cuban 认为能效突破才是让已建产能作废的那个变量（"数据中心变匹克球场"）。这是本库 AI 算力与基础设施 里最清晰的一处反向读数。
  • forward-deployed engineer 作为能力测量是本库对 AI 与就业 与 AI 商业化与价值捕获 的一条新论证工具，与 Legora 的 forward-deployed lawyer、Alex Karp 的"泄露 alpha" 三方对读。
  • "窄数据集是魔法" 与 ElevenLabs / Legora / Genesis 的 narrow model 策略、以及 All-In 07-11 的"用例成熟度决定用开源窄模型还是前沿通用模型"完全同构。
  • agent 漂移（底层模型演进导致既有编排失效）是本库首次记录这个失效模式，直接补入 LLM 实用方法论 与 评估与 Benchmark。
  • 工具跳跃路径 OpenClaw → Claude Co-work → Lovable 是对 Peter Steinberger（OpenClaw）、Gavriel Cohen（NanoClaw）、Anton Osika（Lovable） 三个页面的一次外部实测交叉验证——尤其"OpenClaw 会变脆"这条是本库首次出现的负面一手反馈。
  • "这不是替代，是反事实"（原本根本不会做的软件）是对 Anton Osika"vibe coding 已经兑现" 的独立佐证，且给出了更准确的经济学口径：新增的不是被替代的支出，而是从未存在的支出。
  • 世界模型 / 吸管杯测试与同日的 Applied Intuition 期（世界模型的三段光谱）以及 Robin Rombach 的路线构成三方对读，补入 物理 AI 与机器人。
  • Cuban 转述的 Lovable 数字（每周 77 万应用、20% 工程师）与 Osika 本人在一周前给的（每周 100 万个新项目、约 20% 技术用户）口径不同但同一量级，可作为交叉校验。

事实性断言与预测（可验证）

  • 这一轮泡沫的损失主要落在 VC / 基金 / PE，而非散户（判断/预测，[00:00:00]–[00:01:00]）。
  • 若 AI 出现降低电力需求的性价比突破，大量数据中心将闲置（光纤/暗光纤先例）（预测，[00:02:02]–[00:03:02]）。
  • Dario 的"两年内 50% 白领失业"未兑现：两年后就业仍在增长（断言，[00:08:02]）。
  • 微软为 AI 部署招聘 6000 人；Anthropic / OpenAI 均在做驻场部署（断言，[00:09:05]）。
  • Lovable：每周 77 万个应用、30% 业务在美国、20% 用户是工程师；收入曲线 2 亿 → 3 亿 → 6 亿美元（断言，转述，[00:11:05]、[00:18:10]–[00:19:11]）。
  • 他自己的 Yahoo collar：先做空一篮子自选互联网股票，在那个空头上亏了数千万美元（断言，[00:07:02]）。
  • "十年后不会有任何东西是文本和图片"（预测，[00:19:11]）。
  • "如果我在数据中心上判断错，会是因为视频"（自陈的证伪条件，[00:20:11]–[00:21:11]）。
  • 他是 AMI（Yann LeCun 的世界模型公司）、Lovable、Synthesia、Open Evidence、matter.com 的投资人（断言/利益相关披露，[00:18:10]–[00:21:11]）。