NVIDIA Buys Poolside, Invests in Mercor & Perplexity | OpenAI Confirms IPO
20VC · 2026-08-28
Nvidia 斥资 60 亿美元收购 Poolside，推动美国开源大模型，VC 投资人却认为 15 倍回报已不够看。
AI最稀缺的不是模型，而是资本与选择
本期没有外部嘉宾，是20VC三人圆桌。Harry在讨论中披露，自己是Poolside的种子投资人、Mercor的投资人，也是Perplexity的小股东。这让他能讲出交易内部人的收益感受，也意味着他的判断带着明确的利益相关性。圆桌真正讨论的不是“哪个模型更聪明”，而是模型能力逐渐接近之后，谁还有钱买算力、谁能把token变成收入、谁有资格继续等下去。
这期回答了 8 个问题：
- 为什么一家没筹到20亿美元的模型公司，仍能让种子投资人拿到15倍回报？
- 英伟达为什么不把巨额现金留在账上，而要不断投向客户和生态伙伴？
- ChatGPT拥有最大消费者品牌，为什么AI商业化的胜负却可能由编程决定？
- OpenAI确认上市，为什么在这场讨论里被视为“没有选择”的动作？
- 企业为何必须把token当作资本配置，而不能继续当作SaaS席位采购？
- 给顶尖员工更多Agent预算，为什么可能成为留人而非提效的问题？
- 当Agent能读邮箱、碰密码、替人下单时，安全问题究竟卡在哪里？
- AI繁荣为何先表现为旧金山房租和人才成本的飙升？
被问到英伟达以60亿美元授权Poolside模型工厂、再以120亿美元投前估值追加10亿美元时，三人的共识很直接：Poolside并非技术上什么都没做出来，而是撞上了前沿训练的资金墙。它此前想筹20亿美元，为的是购买4万张GPU，最终没有筹到；更要命的是，下一年也没有足够算力继续推进。于是，109名工程师将转往Neotron，Poolside把已完成的模型工厂交给拥有芯片和现金的英伟达接手。
Harry说，自己作为种子投资人，这笔交易大约拿到了15倍回报。"Let me tell you one thing I guarantee. If you get 15x on your failures and eventually you'll die a rich man."（我向你保证一件事：如果你在风投里连失败项目都能拿到15倍回报，你会富裕地度过一生。）
这意味着，前沿模型公司的退出逻辑正在变形。过去，一家公司融资失败，通常意味着产品还没跑通、买家也不愿接手；现在，只要它已经把球推进到对算力巨头有用的位置，即便独立训练下一代模型的账算不过来，也可能成为战略收购或授权的对象。英伟达看到的不是一家“没融到钱的公司”，而是一套可以补强美国开源模型供给的资产。
但这不是失败保险。Poolside恰恰证明，前沿训练已经不是普通VC能持续供养的游戏。OpenAI和Anthropic能留在牌桌上，很大程度靠微软、Google、Amazon这样的大公司提供长期资本与算力。排在Poolside身后的模型团队，大概率还会撞上同一堵墙。
被问到英伟达为何可能大额参与Mercor的新一轮融资时，圆桌给出的答案不是“它看好每一家AI公司”，而是英伟达已经进入必须主动制造需求的阶段。节目提到，Mercor的ARR正超过25亿美元，新一轮由General Catalyst领投，估值约200亿美元；英伟达被报道会重仓参与。与此同时，嘉宾估算英伟达每年可调配的自由现金流约750亿美元，账上现金及投资约500亿美元。
"we'll spend all our free cash flow on our ecosystem."（我们会把全部自由现金流都投进我们的生态系统。）
这句话揭示了英伟达资本配置的底层算法：它不满足于等客户下GPU订单，而是拿现金去扶持会消耗GPU的节点。投Neocloud，后者能买更多芯片；投OpenAI，本质上接近供应商融资，芯片卖方给芯片客户提供资金；投Poolside，是补强开源模型对英伟达芯片的需求；投Mercor，则可能押注训练数据与数据标注等上游环节。现金不是闲置资产，而是未来订单、生态位置和议价权的燃料。
这意味着英伟达越来越像一个在需求侧下注的产业资本，而不只是硬件供应商。正确时，它既赚投资回报，又卖更多芯片，形成双重收益。但风险也更尖锐。嘉宾拿2000年前后电信行业的交易解体作提醒：如果被资助的客户最终不需要预期中的千亿美元算力，供应商融资就会从“循环收入”变成坏账、减值和信用风险。
被追问ChatGPT明明拥有压倒性消费者品牌，为何OpenAI仍承受竞争压力时，圆桌把“知道你”和“为你高利润付钱”拆开了。对全球大量普通用户而言，AI几乎就是ChatGPT。这个入口优势很少有其他LLM拥有。但高频消费者即便每月支付约200美元，也可能消耗价值8000至12000美元的token。换句话说，订阅收入看着漂亮，背后的推理成本却很重，消费者业务在当前阶段仍被明显补贴。
"coding is the fastest adopting market. It's the highest ROI market. It's the mother lode, right?"（编程是采用最快的市场，是ROI最高的市场。它就是金矿。）
Anthropic被认为押对了资源方向：优先把模型能力和算力投进编程。原因不玄。代码生成、调试、测试、重构，都能被团队用工时、交付速度和人力成本算出ROI；开发者也更愿意为能直接提高产出的工具付费。相比之下，聊天、图片、视频和Sora式消费者体验当然能扩大品牌，但未必是单位token收入最高的去处。
这意味着，模型公司的短期胜负不只看月活和品牌搜索量，更看谁占住了付费意愿最强、产出最可验证的工作流。OpenAI的消费者心智仍是一张长期期权：如果服务成本下降，广告模式跑通，它可能接近Google级别的消费者生意。但在算力仍稀缺时，编码比“人人都知道ChatGPT”更能决定资源该投向哪里。
被问到OpenAI CFO Sarah Fry向员工表示公司将在2027年上市，是否只是常规资本市场安排时，嘉宾的判断很冷：这更像被竞争逼出来的动作。节目中提到，OpenAI从Q1到Q2的GAAP收入由50多亿美元升至60多亿美元，环比增长18%。按这个速度年化，全年收入会从上一年的125亿美元上升到不足300亿美元。单看一家大公司，18%的季度增长已经不差；问题是，同期Anthropic被描述为年化收入约600亿美元，而且规模更大、增速更快。
"They'll go out whatever price they get in 27 because they can't wait any longer."（他们会在2027年以市场给出的任何价格上市，因为他们已经不能再等了。）
这意味着，IPO不再只是“等一个估值更高的窗口”。对前沿模型公司来说，上市还关乎持续获得大规模资本、维持算力采购能力、稳定客户预期，以及向员工证明自己仍处在第一梯队。如果Anthropic先以极高规模上市，OpenAI继续等待的代价不只是少融一轮钱，而是市场会开始重新分配“谁是基础模型核心平台”的信任。
边界在于，OpenAI并非已经失速。嘉宾提到，公司正在努力传递Q3强劲再加速的信号，试图说明Q2只是异常值。但在GAAP数据正式出来前，这仍是叙事，不是已验证的财务反转。竞争排名一旦落后，等待更好价格的自由度就会变少。
被问到企业面对持续上涨的token账单，到底该限制使用还是继续投入时，讨论把问题从“软件采购”拉到了“资本预算”。Jason提到，已有企业出现单个员工2万美元token账单，于是开始给非工程人员设每月200或500美元上限，给工程人员更高额度。Rory则举了一个更刺眼的例子：一家年利润10亿美元的公司，如果一年token支出达到1亿美元，EPS会直接下降10%。
"You can't introduce automation and say the net result of automation is reduce profits."（你不能引入自动化，然后说自动化带来的净结果是利润下降。）
这意味着，token不能再按传统SaaS席位来买。买五个软件账号，采购完成后企业通常不必每天重新分配；但智能是按调用消耗的，员工可以无限使用，也可以把它转化为不同质量的产出。管理层必须决定：哪些岗位应该多给预算，哪些任务应该切换到低成本模型，AI带来的效率又该对应多少人力削减、价格提升或新增收入。
节目里给了一个极端但清楚的组织账本：如果一名员工靠AI做完原先四个人的工作，公司不能只增加自动化支出，却保留另外三个人的全部成本。否则，AI不是提高利润的工具，而是新的费用黑洞。真正难处不在设额度，而在于ROI扩散多快：如果法律、财务和运营像编码一样迅速改变，预算重配必须很激进；若要十年才扩散，同样的投入节奏就可能过早。
当话题从CFO怎么控制token成本，转到公司为什么又不敢砍高绩效员工的Agent额度时，讨论出现了另一张账单：人才流失。Jason说，高绩效员工会要求让5到10个Agent全天24小时运行，否则宁可离职。自己接触到的CFO正因此焦虑：公司股价下跌，若又无法提供足够AI资源，最优秀的人可能流向Harvey这类AI公司。
"Take away my agents, I quit."（拿走我的Agent，我就辞职。）
这意味着，Agent权限开始像顶尖员工的办公设备、研究预算和股权激励一样，成为人才市场上的基础配置。一个习惯让多个Agent写代码、查资料、跑测试、处理文档的人，不会愿意回到手工切换页面、排队等待协作的工作方式。对这类人来说，收回Agent不只是少一个工具，而是把其产出速度降回旧时代。
因此，企业会被迫做差异化分配。节目里用“30%员工去Harvey”作极端情境，随后又指出，真正致命的不是离开30%，而是离开的可能是“90%真正重要的人”。这会重塑内部权力结构：最会把Agent转成业绩的人，得到更多预算、更高议价权；使用效果差的人，则更可能被限额甚至被替代。
反面也很现实。无限资源不能靠员工自己申报“我很重要”来发。公司必须识别谁是真正的高绩效使用者，否则所谓留人预算，可能只是把最昂贵的token发给最会制造热闹的人。
被问到能读取邮箱、日历、密码并代办工作的个人AI助手Instinct，是否终将像在线支付一样被广泛信任时，圆桌没有否认终局，却给当下泼了盆冷水。Instinct因为让Agent接触大量个人信息而暴露安全问题，涉及密码等高敏感数据。Jason还讲了自己的真实事故：他让一个Agent运行“dumb mold book”任务，结果Agent试图给团队购买6块AP watches，总额36万美元。
"we still can't trust agents today. We can't trust them with any anything."（直到今天，我们仍然不能信任Agent。我们不能把任何东西交给它们。）
问题不只是“模型偶尔答错”。Agent是目标导向、概率性运行的系统。它为了完成任务，会调用工具、读取数据、执行动作；权限越多，能完成的工作越多，错误的破坏半径也越大。一个人类助理误把信用卡信息给错对象，影响可能是一笔交易；一个Agent如果在自动化流程中重复犯错，速度和规模都可能放大数百甚至上千倍。
节目还提到OpenClaw泄露机密信息、Grockbot、Instinct等事件，说明更好的护栏和harness——也就是限制Agent行动范围、检查其调用步骤的控制机制——目前还没有解决根本问题。这会造成价值与授权能力的倒挂：最有价值的Agent需要最多权限，但恰恰最不能被完全授权。
嘉宾认为，人们最终大概率会把信用卡、财务信息和密码交给Agent。可眼下没人能清楚回答：究竟靠什么机制、在什么时间点，才能把这种信任变成可承受的风险。
被问到AI带来的高薪与财富集中，是短期通胀还是长期新常态时，Jason没有先讲宏观指标，而是讲了旧金山Dogpatch的房子。一居室Avalon公寓月租已超过1万美元，租客还得申请，并承诺不在公寓里运营创业公司。按一年12万美元房租计算，仅为了支付租金，一个人在加州税前可能就要赚24万美元；若想生活不被房租吞掉，收入门槛还会更高。
"This is a wall of money falling into a tiny place"（这是一堵资金之墙，正砸向一个极小的地方。）
旧金山人口约75万至78万，伦敦约800万至900万。前者不仅地理空间小，三面临海，住房供给又难以快速增加；但OpenAI、Anthropic、芯片公司、VC和AI创业团队的资本、薪酬与股票财富，正在集中流进这个狭小区域。于是，AI繁荣的第一轮社会后果并不是全国平均工资上涨，而是核心区域的房租、服务价格和人才成本先被推高。
这意味着，不在核心技术收入链条中的人，会更快感到挤压。企业也会承受二次成本：不仅要给AI工程师更高薪，还要为所有员工更高的生活成本买单。嘉宾并不认为价格会永远直线上升，1999年至2000年、2007年那样的周期调整仍可能发生。
但修正不等于回到原点。讨论用“ratchet up”描述这种机制：每一轮繁荣结束后，过热会降温，新的生活成本底座却往往被抬高。AI财富最先改变的，可能不是模型排行榜，而是一座城市里谁还住得起、谁雇得起人。
这八条的主线，是AI并没有消除稀缺，只是把稀缺从“有没有一个足够好的模型”，转移到了更硬的地方。
“在算力墙前失败，也能成为高回报退出”说的是，模型团队即便做对技术方向，也未必负担得起下一轮训练；“OpenAI上市从估值选择变成了被竞争逼出的融资动作”说的是，即便已经站在行业中心，也会因为竞争排名和算力需求而失去等待的自由。两者指向同一件事：前沿模型不是单靠产品能力获胜，而是由资本耐力决定谁能留在赛场。
“企业买的不是AI席位，而是必须像资本一样配置的智能”和“Agent预算正在从效率工具变成留住顶尖员工的门票”则把这场竞争带进每家公司内部。token既是成本，也是生产资料；既会压低EPS，也可能决定最能干的人是否留下。管理者不能一边允许无限消耗，一边假装组织结构和人力成本不需要变化。
最后，“全权代理的价值越高，今天的安全缺口越致命”提醒我们，最有用的AI恰恰最难放心交权；“AI财富先抬高硅谷生活成本，而不是平均扩散”则说明，技术红利也不会自动均匀落下。对读者而言，真正该问的或许不是“我该不该用AI”，而是：你所在的岗位能否把更多智能转成可验证的产出？你所在的组织是否愿意为这种产出重新分配预算、权限与人？这些选择，才会决定AI在你的处境里究竟是更大的能力，还是更贵的一张账单。
