Perplexity CEO 阿拉文德·斯里尼瓦斯：美光会比 Meta 更值钱，出口管制反而帮了中国

这期 20VC 录在伦敦，面对面，火药味从第一句就出来了。阿拉文德·斯里尼瓦斯（Aravind Srinivas）是 Perplexity 的联合创始人兼 CEO——一家三年里靠四百个人做到约两百亿美元估值、月搜索量过十亿、四千五百万用户的公司。主持人哈里·斯特宾斯给他的开场白是「他从不坐墙头观望」（"he doesn't do defense, he doesn't do comfortable"），并直接把这期的几个论断摊在桌面上：阿拉文德断言美光（Micron）会比 Meta 更值钱，断言对数据中心的抵制只会越来越凶，断言今天最大的瓶颈是电力短缺，还断言 Perplexity 改 Google 比谷歌任何一个产品经理改得都多。

阿拉文德自己给这一切定了底色。斯特宾斯问他：你更被「怕输」驱动，还是被「赢的快感」驱动？他答赢的快感，理由是——「我一无可失，我从一无所有里来」（"I have nothing to lose. I came from nothing"）。他说自己在印度是财务上的中下层，那种「中下层」还不是英美意义上的中下层；全家当年的成功标准就是「进谷歌当工程师」。所以他认定，任何时候当他发现自己在「避免失败」，那就是在防守，而防守是最蠢的事。他的座右铭是三个词：进攻，进攻，进攻（"attack, attack, attack"）。整场访谈里所有反共识的判断，都得放回这个进攻者的心态里读才说得通。

要点速览

一、「答案引擎」只是钓饵，钱在前沿（the frontier is where the money is）。 阿拉文德称 Perplexity 做出了世界上第一个答案引擎，但他主动把这块「资产」贬值——按他的判断，搜索已被商品化、不赚钱，今天真正付费的是深度研究报告和能替你干活的智能体（agent）。

二、模型不再是产品（the model is no longer the product）。 他借用格雷格·布罗克曼（Greg Brockman）这句话立论：单纯转卖模型 token 没有生意，价值在于把模型套进一套「智能体外壳」（agent harness）——也就是编排。Perplexity 的差异化是不只在工具间编排，还跨模型编排。

三、整个 AI 里唯一最重要的指标，按其判断是「每瓦每用户的 token 价值」（token value per watt per user）。 谁能用最少的电产出最有价值的输出 token，谁就有定价权——这是他全部判断的换算底座。

四、最大的瓶颈不是芯片，是电力。 这是嘉宾判断。他进一步称当下约百分之四十的数据中心因公众阻力建不起来（这个「四十/一百」的数字由斯特宾斯先抛出、阿拉文德附和），而阻力的真实根源不是耗水耗电，是对失业和贫富差距的恐惧借环保之名发泄。

五、美光未来六到十二个月市值可能超过 Meta。 这是阿拉文德的预测，无法独立验证。逻辑是「谁是瓶颈谁定价」——高带宽内存（HBM）现在是瓶颈，所以供应商美光会被重新定价。

六、出口管制短期帮的是美国，长期可能把中国逼成更可怕的对手。 注意：这不是视频标题暗示的「单纯帮了中国」。阿拉文德的完整论断带转折——短期看，开源与前沿之间那约十二个月的差距「唯一的原因就是出口管制」，它确实奏效；但正因为被卡死，中国被迫把整条技术栈垂直整合进自研芯片和制程，反而可能炼出一个绕开英伟达栈、内存效率更高的体系。他给「下一个 DeepSeek 时刻」出现的概率打了百分之二十到三十。

七、没人能松懈（no one can relax）。 这是贯穿全场的复调——他用它说 OpenAI、说 Anthropic，也说自己。哪怕是模型厂商，只要六个月拿不出新能力就完蛋。

【1】「我一无可失」——为什么他从不防守，连嘴上都要进攻

斯特宾斯一上来就用了个怪问题：怕输还是想赢？阿拉文德选后者，并把根扎到出身上。他说自己当年在印度读本科，用实验室里别人拿来打游戏的显卡训练神经网络，纯属好玩，路就这么一步步走到今天。「我的人生已经超出任何想象的离谱程度了」——所以一旦他发现自己在防守，他就提醒自己这是最蠢的事，不如全力以赴，永远在进攻。

但斯特宾斯追问得很准：那你今天哪里还不够进攻？阿拉文德承认早年他亲自在社交媒体上很大声地喊「Perplexity 对决谷歌」，有些人因此不喜欢他；今天他对产品和对手的措辞克制多了。可他坚持这不是「成熟了」或「话术变温和了」，而是——那套话已经说腻了，「人们已经听够我说这个了」，他需要新的东西。他甚至说这个对立框架本身已经不相关了。

也正是在这里，他抛出全场最自利、也最值得拆的一句自述：「你可以说是我、或者说是 Perplexity 这家公司，把 Google.com 改得比谷歌任何一个产品经理这辈子改过的都多。」 让他论证，他说：谷歌内部从来没人想发一个答案引擎，没人愿意去动那个一年给他们赚两千五百亿美元的界面；可你现在看谷歌的 AI 模式（AI mode），「它看起来跟 Perplexity 一模一样」——字体、引用、行内文字的加粗方式、行内超链接、推荐的追问，整个体验就是照着 Perplexity 长的，「只是还没我们做得好」。

斯特宾斯问：他们学你、抄你，对你是好是坏？阿拉文德说两面都有。他说自己 2024 年底就知道这事一定会发生，从没被打个措手不及；他唯一惊讶的是谷歌的质量到现在还是不行。但他「真心高兴」谷歌被逼成了它本该成为的样子。然后他把话锋转向自己真正的赌注：前沿已经不在「回答问题」了，而在「真的替你去把事干了」。人们订阅他们的 pro 和 max 产品，不是为了传统意义上的得到答案，是为了要复杂的研究报告、要能替自己跑腿的智能体。

他顺势把这条逻辑捅向所有人，包括 Anthropic：在 AI 里没人能舒舒服服坐着以为自己稳了，「如果 Anthropic 以为 Claude Code 已经是胜利了，六到十二个月后它们连影子都不剩」。这是这个行业「令人不适的事实」——没人能松懈。

【2】聊天界面赚不了广告的钱——他为什么对 OpenAI 的广告生意看空

斯特宾斯按住一个点不放：OpenAI 在消费者搜索上是主导者吗？阿拉文德说是。那不就值钱吗？阿拉文德反手就是一刀：消费者搜索没钱，因为已经被商品化了，它永远只是个钓饵（lead gen）。真正的钱在前沿——所以 OpenAI 全力扑 Codex，Anthropic 扑 Claude Code，Perplexity 扑它的 computer 产品，Meta 想推每月两百美元的订阅，谷歌这个品类还没产品但一定会杀进来。

斯特宾斯不服：总不能钱就只在写代码这一件事上吧？阿拉文德说重点根本不是代码。在非广告的订阅或按量付费收入里，钱就在「无论当下前沿是什么」那个位置上，而今天的前沿就是替你出去把事办了。

然后他用一段很扎实的推演说明，为什么聊天界面接不住广告。他先报账：谷歌头号广告主是亚马逊，第二是 Booking.com，第三第四大概是 Expedia；Booking.com 一年在谷歌上花大约一百六十亿美元这种量级。接着他问斯特宾斯：你订酒店机票，是在 ChatGPT 上订还是在谷歌上订？答案是谷歌。为什么？因为你想「探索」，你想看到一排选项。阿拉文德接得很顺：当决策是主观的、靠感觉（vibes based）的，你要的是探索界面而不是一个客观的答案引擎。 直接面向消费者的服装、时尚那类预算，钱都进了 Meta 和 Instagram，因为你在那儿是漫无目的地刷。

他还补了第二层：广告会从根上腐蚀人们对答案产品的信任。你问哪款蛋白粉最好，产品突然塞一句「顺便这几款也不错你可以看看」——这就伤了平台的信任。他说在消息应用和邮件里塞广告历来没成过，微信里成了是因为「他们没有别的办法给整个体系融资」，整个经济和用户行为被围着「游戏化」优化过，美国不是这么运转的。所以他对聊天界面里跑广告看空，「我很乐意被证明是错的，但我看空」。

【3】「模型不再是产品」——价值全在编排，差异化在跨模型

这是全场的理论脊梁。斯特宾斯先泼冷水：我越听「钱在前沿」越怀疑，因为我们严重高估了前沿模型对干基础活儿有多重要。阿拉文德立刻澄清术语：前沿不等于前沿模型，前沿是「你此刻用 AI 能拿到的最好结果」。然后他搬出格雷格·布罗克曼那句「模型不再是产品」当论据，并点出其中的反讽——布罗克曼作为一家前沿实验室的领导者，本该有一切动机去说「模型就是产品」（谷歌的人就老在推特上这么讲），可他偏偏说反话，所以这话更可信。

他给「智能体外壳」下了具体定义：拿一个模型，配上一套规则，规定这个智能体循环（agent loop）怎么跑，它能调用哪些技能、子智能体、连接器和工具。没有这套外壳，你就没法把模型里那点内在智能转化成有价值的输出 token。「如果你只是直接转卖从模型里吐出来的 token，你根本没有生意，因为模型会被商品化。」 哪怕你自己就是造模型的，光转卖 token 也没生意；只有当你懂得把模型接上有价值的上下文、用一套很好的外壳编排、连上对的工具和连接器、再以一个统一系统交付给人，你才有生意。

Perplexity 的差异化，他说，是不只跨工具和文件编排，还跨模型编排——「这是 Anthropic 和 OpenAI 没法宣称的，因为你在 Claude Code 的外壳里找不到 GPT-5，在 Codex 的外壳里找不到 Claude Opus，它们在互相竞争；而 Perplexity computer 里这两个模型都有。」这样他就能压低、或者说提高每瓦每用户的 token 价值。他把这条逻辑钉死成一句定理：「AI 里唯一最重要的指标，就是每瓦每用户的 token 价值。」 因为说到底定价的是电（瓦特），而电这东西除了政府没人补贴得起；谁用最少的电产出最有价值的输出 token，谁就有最强的定价权和最大的价值。

斯特宾斯顺着问：那如果模型变成一种「可随时切入切出」的公用事业，OpenAI 和 Anthropic 还值什么？阿拉文德给了对所有创始人都该「反学习」的一课：别再想着造一个能拿到十亿用户的东西。 在 AI 产品层，无论你造不造模型，重点都不是用户规模——现在是一小撮重度用户在推动整个 token 经济。他举例：有工程师因为在 Claude Code 里设的智能体循环方式太蠢，一个月让亚马逊花掉了大约五亿美元；但也有 Meta 这类公司里真正的工程师，一年在编码工具上每人花掉一千万美元。Perplexity computer 里有个用户一个月花一万多美元，「不是在浪费钱，他的生意就靠跑在这些外壳里的智能体循环在运转」。

他点出重度用户和普通用户最大的分水岭：你是把 AI 当一次性任务用，还是当持续运行的定时任务（cron job）用。 一次性的就是丢个深度研究任务过去等结果；而真正拉开差距的是让 AI 持续监控、按事件触发、跑常驻工作流——每来一封邮件就自动分诊，每出现一次延迟尖峰就去定位是代码库哪部分引起的、做根因分析、再找到对的工程师。前沿就在这儿。所以这些产品不会被一亿人用，但它们产生的收入会高过谷歌或 Meta 的广告收入——「一定会发生」。

【4】token 花费会涨还是会跌——「你永远愿意为前沿付费」

斯特宾斯抓住一个硬数据顶他：马克·贝尼奥夫（Marc Benioff，Salesforce CEO）说他们一年在 Anthropic 上花三亿美元，折算下来约等于 Salesforce 开发者薪资的百分之三点八。那二十四个月后，开发者薪资里会有多大比例花在 token 上？这直接决定 OpenAI 和 Anthropic 值多少——停在百分之三点八，它们成不了五万亿美元的公司；要是像有人预测的一年内涨到百分之百，它们就是十万亿美元的公司。

阿拉文德没接这个二选一。他说成本会降，所以这个比例很难讲。斯特宾斯当场反驳：我们从聊天转到智能体时都以为成本会降，结果涨了。阿拉文德的回答分两层。

第一层，「你永远愿意为前沿付费」。 他打了个比方：给你一百万美元，你是雇五个二十万美元的中等工程师，还是雇一个杰夫·迪恩（Jeff Dean）级别的人付他一百万？答案是后者。所以你会为前沿付费——但「什么算前沿」一直在变。

第二层是关键的反直觉点。他做了个思想实验：十二个月后假如出现一个跟 Opus 一样好的开源模型，便宜十倍，配上对的外壳和所有连接器，你的开发者工作流照样跑通，那你今天这些活儿的 token 花费当然会降。但前沿会挪到一组你今天还想象不到的新事情上——他的预测是「完全自主的软件工程师」，而不是像今天这样把 Claude Code、Codex 当工具用。

他把这条线拉得更远：未来的前沿会是 AI 去设计芯片、设计药物、造机器人、治癌症——这些应用没有一千万用户，只有少数几家公司在做，但效果会触及大量人类生命。他说你能从前沿实验室的动作看出这个方向，比如 Anthropic 买了个湿实验室（wet lab）——可能为人才，也可能为跑湿实验的基础设施，想象一下把那些 token 不是喂给 GitHub 数据，而是喂进中段训练（mid training）。

斯特宾斯抛了个近乎哲学的问题：前沿问题有没有渐近线（asymptote）？你一路追下去，追到癌症、追到气候变化，这跑步机有没有头？阿拉文德说没有数学论证表明 AGI/ASI 能创造的经济价值有上限，并引埃隆·马斯克的说法：在后 AGI 经济里钱失去一切意义，因为你会生产出过剩的能量和劳动，而经济根本上就锚在能量和劳动上。他还引大卫·多伊奇（David Deutsch）那句——人类是唯一能对已经熟悉的东西仍保持好奇的物种；你盯着一个芒果，知道它的味道形状季节，但你仍能问出一个从没问过的问题，别的动物做不到。

【5】真正的瓶颈是电——以及他对「美光>Meta」的赌注

到了基础设施，斯特宾斯先把那句「AI 基础设施泡沫论」骂作「又蠢又荒唐」，再问：今天数据中心到底有没有供给问题？阿拉文德给出本场最站得住的判断：最大的问题其实在电力。

他拆解什么叫数据中心：不是从戴尔或超微买一堆芯片就完事，你得拿地或租地，得买涡轮机自己发电、或对接电网供应商，还得解决散热，还得拿一堆许可证——这些都慢得多，有大量前置时间（lead time）。他顺手讲了代际：今天在用的模型是 Hopper 代训出来的，Blackwell 代的第一个模型已经让人发怵；明年 Vera Rubin（英伟达 Blackwell 之后的下一代架构）满产，跑在它上面的模型会更强。所以总有一个物理建设时间在卡住前沿能力，这正是这一层有价值的原因——谁会把 GPU、网络、电力、散热和上面的软件层整合好、转化成前沿输出 token，这种垂直整合就值钱。市场因此给基础设施公司的市盈率比 Meta 还高。

斯特宾斯把 Meta 单拎出来：Meta 也大建基础设施，却被当软件公司估值；它的资本开支对应的是广告精准度提升，大概换来百分之六到八的收入增长，「我懂前者，但 Meta 这笔资本开支说不通」。阿拉文德替 Meta 辩了几句（他们不傻，正在推一堆订阅产品，也许会搞个出租服务器的 Meta 云），然后甩出本场最大的预测：

「美光，作为 HBM 的供应商，未来六到十二个月市值可能超过 Meta。」 他报的数字是美光已经在一万亿左右，Meta 在一万三到一万四千亿。（这些数字均为嘉宾原话，视频录于 2026 年 6 月，超出可独立核验的窗口，详见注。）斯特宾斯顶他：内存早就是巨大瓶颈，价格涨了五倍，大家都说美光已经被充分定价了，凭什么还没到顶？阿拉文德的回答很干脆：「因为它还是瓶颈。谁是瓶颈谁定价。」

他把这条「瓶颈即定价权」的逻辑推到 CPU 上：AMD 表现好，因为 CPU 又成了瓶颈——智能体循环、智能体外壳全跑在 CPU 上。token 由前沿模型在 GPU 上产出，但 Claude 写个脚本去下五百个文件、嚼数据、转换、画图、再挂到网站上让你分享，这些「计算」全在 CPU 上跑。「智能体比人类更会用 CPU。」 于是英特尔和 AMD 成了受益者。谁将来是瓶颈谁就赢，而现在基础设施就是瓶颈，因为需求很大、供给不够。

斯特宾斯继续掘：CoreWeave、Nebius 这类「新云」（neocloud）是可持续的几百亿美元公司，还是只在解一个短期供给问题？阿拉文德说能可持续，但有前提，也讲了门道：你得会从自然资源丰富、建数据中心又便宜又快、服务又可靠的地方拿电；有人甚至在电力层创新、自己发电来压低毛利。他点了一个关键区分：光当个 GPU 机架出租方、按小时租给别人，没多少价值；你得像 AWS 那样在上面叠一层软件编排，才能拿到软件利润——它叫 Amazon Web Services，不叫 Amazon Servers。 这正是 Nebius 这类公司往 AI 推理（inference）业务走的原因。

他随后给「百亿美元推理公司能不能独立存在」算了笔账，逻辑很硬：要做一家千亿美元公司，假设十亿美元收入、百亿美元收入对应三到四成毛利、不错的净利和现金流——一家能把 AI 托管推理、服务器产能、数据中心建设三件事在运营上都做扎实的公司，十亿美元收入并非天方夜谭。但他指出这些公司「掌握不了自己的命运」：它们活得好不好，取决于开源模型是否持续够强（若开源和前沿的差距拉到十五到十八个月以上，纯租产能给 OpenAI 和 Anthropic 的生意就崩了），以及市场会不会走向只剩两三家主导厂商的「整合」——他援引 Nebius 的罗曼（联合创始人）的话，整合是这类公司最大的威胁。

至于「模型选择/路由」业务能不能撑起千亿美元公司，阿拉文德说大概不能。他对 OpenRouter 的拆解很犀利：它叫 OpenRouter，但它的商业价值其实不在「路由」——它不是在跨模型路由（决定这条 prompt 该走 GPT 还是 Claude），而是在同一个模型的不同接入端点（endpoint）之间路由。你为什么不用自己的 API key 直连，而要走它？最简单的理由是模型故障回退（model fallbacks）：你的限额可能不够，或者 OpenAI 服务器报错保证不了响应时间。OpenRouter 用手里的钱提前一年买好产能、锁定多家供应商（Bedrock、Azure 或 OpenAI 自己）的多个端点的限额——它在解的是基础设施问题，即「可靠的 token 供给」，而不是「帮你省钱」。 它的商业模式是靠保证大额供给从模型厂商拿折扣，但仍按 API 标价收用户，赚那个差价。还有一层：很多中国开源模型，你可能不想让自己的 API token 流到中国，又没精力去甄别一堆推理供应商，就把这事甩给 OpenRouter——所以这一层有价值，但不是高毛利生意。

【6】出口管制——短期帮了美国，长期可能把中国炼成更可怕的对手

这是全场最容易被标题带偏的一段，必须按阿拉文德的完整论证读，而不是按那个被压缩成 clickbait 的标题读。

斯特宾斯问：三年后会出现一个我们今天还没在谈的新瓶颈吗？阿拉文德说电力会一直是瓶颈，除非数据中心的建法发生剧变。他还判断对数据中心的抵制会越来越大，因为人们错误地以为数据中心耗水耗电（两者都不实，萨提亚·纳德拉甚至说过这些公司效率高到「一罐水」的程度）。那阻力到底从哪来？斯特宾斯猜是「它是失业的象征」，阿拉文德附和并展开：阻力是各种焦虑借不同管道发泄——有时借对贫富差距的仇恨、想加税，有时借对环境和气候的担忧，有时借「电网涨价、内存涨价害我手机笔记本变贵」的怨气，但底层的共同情绪是「对 AI 一种相当糟糕的观感」。这时斯特宾斯抛出那个「四十/一百」的数字（百分之四十的数据中心因公众阻力没建成），阿拉文德接了过去——所以这个数字是斯特宾斯先提、阿拉文德认同的，不是阿拉文德原创的。

然后他把视线转向中国，给出本段真正的论断——带转折的两段式，而不是「出口管制帮了中国」这么简单。

斯特宾斯直接问：出口管制到底帮了我们还是害了我们？阿拉文德的回答（建议把这句当本段的锚）是——短期看它在帮美国。 「按我的判断，开源和前沿之间之所以还有约十二个月的差距，唯一的原因就是出口管制；它确实奏效了，Anthropic 这类公司也游说得很凶。」

但紧接着是反噬的另一半：正因为被卡，「你可能正在把中国炼成一个远更强悍的竞争者」。 DeepSeek 不是在英伟达栈上造的，是在华为栈上造的；因为 GPU 和 HBM 都被管制，它们的架构变得极度内存高效——在 KV 缓存上做创新，做到小得能直接塞进 SSD，推理时根本不需要高带宽内存；因为用不上 3D NAND，它们的存储架构也完全不同。这不只是模型架构的不同（它们在注意力层、在训练算法上都做了创新，让训练不吃太多互联带宽），而是整条栈——芯片、制程、晶圆厂——都在围着自家硬件垂直整合，「这是和美国押的完全不同的一注」。

阿拉文德给这个反噬出现的概率打了分：「下一个 DeepSeek 时刻」——一个用截然不同的垂直整合架构、效率高得多、能跑在你 MacBook 或 Windows PC 上的本地模型——出现的概率大概是百分之二十到三十。 如果它出现，那些大建产能的人会发现自己「过度建设」了，会慌。斯特宾斯问我们是不是仍严重低估中国，阿拉文德说是——因为 AI 不只是数字的，也是物理的，要建晶圆厂、机器人、芯片、把能源驾驭好再封进本地设备，「在这些方面中国比美国优势大得多」。

关于美国怎么保竞争力，他给的处方很务实：更认真地对待物理基础设施并持续投钱，别再「围着数据中心散播假新闻」说它们污染、抢水；要用人们听得懂的语言把真相讲清楚、别制造恐慌——别动不动喊「百分之九十的工作要没了、你们都要被我们的模型搞惨了、告诉你们这些是我们的道德义务」，这种话既赢不了，又和「抱怨数据中心建不快」自相矛盾。他还顺手批了 Anthropic 的达里奥·阿莫迪（Dario Amodei）那套「工作全要没、一片末日」的市场叙事是帮了倒忙，并指出他们自己的口径都前后矛盾（最近又说「没有证据表明 AI 正在抢工作」）。在芯片自主上他给了一串数字：台积电（TSMC）在亚利桑那建美国晶圆厂，承诺投约一千五百亿美元、已投四百到六百亿；美国政府持有英特尔百分之十，英伟达和软银各持百分之五；埃隆在建「terafab」——「人们已经意识到建晶圆厂的重要性了」。（这些金额均为嘉宾原话，无法独立核验。）

【7】小公司倒逼巨头，以及「人人都能成」的进攻者世界观

后半程斯特宾斯把话题转向人和未来。阿拉文德反复回扣同一个主题：现在是「凭空起家」最好的时代。他说 Perplexity 起步时拿了亚马逊、谷歌云、Azure 加起来约一百万美元的算力额度；今天 Perplexity 自己在搞一个叫「十亿美元构建」（billion dollar build）的计划，给任何有可信路径做出十亿美元公司的团队发一百万美元算力额度，「我想要一千家这样的公司被造出来」。他赞成山姆·奥尔特曼给 YC 公司发两百万美元 token 的做法，「该多做这种事」。

他对「AI 让公司更高效」给了具体换算：四百人能做出两百亿美元的公司，那意味着四十人就能做十亿到二十亿；反过来，他宁愿那些一家两万亿美元公司本会雇的十万人，被拆成一千个一百人的团队、每个值几十亿——「那才酷」。但他对大众有一句不留情面的判断：很多人没有能动性（agency），有受害者心态；斯特宾斯接「他们得自救」，阿拉文德说「你得帮他们，得给他们一个榜样」。他举了个旧金山 Uber 司机的例子：那司机看了他的 YouTube 访谈，照着用 AI 从零搭了个网页应用、加了计费，被动收入超过开 Uber，于是减少了开车时间——「对有能动性、对未来抱正面态度的人，一切皆有可能」。

快问快答里几个判断值得记：

• 一个被普遍相信但完全错的观念？「太多人执着于在公司头一两年就找到护城河；你唯一的机会是跑得快——对我来说，跑得快是一种表达谦卑的方式，因为你在不停和真实世界接触、不停质疑自己的假设。」
• 给你无限的钱你会干嘛？「我会建数据中心。」在太空吗？「我没那个本事，我会从地球上的土地开始。」他把基础设施建设比作「工业时代的回归」。
• SpaceX、Anthropic、OpenAI 三个即将上市的公司，买入持有十年选哪个？「SpaceX——它是 n=1 的公司，Anthropic 和 OpenAI 能宣称彼此能做对方的事，但 SpaceX 是唯一在为连接性建太空基础设施的公司。」
• 关于「下一估值层级」，他引了 Coatue（科图资本）披露的数据：到达更高估值层级的概率更高——一家公司在十亿美元时跃到百亿很难，但越往上越容易；这对人也成立，一个有一亿美元流动净资产的人成为亿万富翁，比一个一千万的人容易得多。（按公开报道，这组数据出自 Coatue 的托马斯·拉丰，2026 年 6 月 4 日披露：独角兽跃到百亿美元的概率约百分之八，已过千亿美元的公司到达万亿的概率约百分之三十一。）

收尾他谈了从埃隆和黄仁勋（Jensen Huang）身上学到的东西。黄仁勋让他震撼的是那种「极度求真」的强度——据说每天醒来都告诉自己「我很烂」，告诉身边所有人「我们离破产只有三十天」；一家五万亿美元、未来两年几乎确定赚五千亿美元、握着全世界最先进芯片的公司，老板用「离破产三十天」的心态运营，「这才是当黄仁勋要付的代价」。埃隆教他的是「永远只盯那个限制性问题（the limiting problem），忽略其余一切」——这极难，因为你得擅长专注、擅长忽略那些「重要但此刻是干扰」的事。被问「这些数字（两万亿、二十万亿）激励你吗」，他说不，「很难被财富激励，你得被影响力激励」。

代表性短摘与中文转述

• 谈进攻者心态：「我一无可失，我从一无所有里来」（"I have nothing to lose. I came from nothing"）。他的座右铭就三个词——"attack, attack, attack"。中文转述：与其装作在避免失败、其实是在防守，不如永远全力进攻。

• 谈 Perplexity 对谷歌的影响：他自述「你可以说是 Perplexity 把 Google.com 改得比谷歌任何一个产品经理这辈子改过的都多」，证据是谷歌 AI 模式「看起来跟 Perplexity 一模一样，只是还没我们做得好」。这是嘉宾自利叙事，相似是事实、因果是断言。

• 谈钱在哪：「前沿才是钱所在的地方」（"the frontier is where the money is"）。中文转述：搜索被商品化、不赚钱，真正付费的是研究报告和能替你干活的智能体。

• 谈模型的命运：他借布罗克曼的话——「模型不再是产品」（"the model is no longer the product"）。中文转述：单纯转卖 token 没生意，价值在编排；Perplexity 的差异化是跨模型编排。

• 谈唯一指标：「每瓦每用户的 token 价值」（"token value per watt per user"）。中文转述：定价的根本是电，谁用最少的电产出最有价值的输出，谁就有定价权。

• 谈瓶颈与美光：「谁是瓶颈谁定价」「智能体比人类更会用 CPU」。由此推出美光六到十二个月市值可能超过 Meta（嘉宾预测）。

• 谈出口管制：短期「开源和前沿之间约十二个月的差距，唯一的原因就是出口管制」（帮的是美国）；长期「你可能正在把中国炼成一个远更强悍的竞争者」，「下一个 DeepSeek 时刻」概率百分之二十到三十。

• 谈行业本质：「没人能松懈」（"no one can relax"）——哪怕模型厂商，六个月拿不出新能力就完蛋。

• 谈黄仁勋：他「离破产只有三十天」的运营心态，是「当黄仁勋要付的代价」。谈动机：「很难被财富激励，你得被影响力激励」。

注：

• 阿拉文德·斯里尼瓦斯（Aravind Srinivas）：Perplexity 联合创始人兼 CEO，印度裔，加州大学伯克利分校 AI 方向博士背景，曾在 OpenAI、DeepMind、谷歌实习/工作。ASR 自动字幕把他的名字错拼成「Aravven Shrinus / Ara / Arvind」，均指同一人。

• HBM（高带宽内存，high-bandwidth memory）：堆叠式 DRAM，是训练和推理大模型时喂饱 GPU 的关键内存，当前最紧缺的瓶颈环节之一，主要供应商为美光（Micron）、SK Hynix、三星。ASR 把 HBM 错听成「HPMs」；主持人斯特宾斯口播时说成「high performance memory（高性能内存）」也是口误，正确展开是「高带宽内存」。

• 答案引擎（answer engine）：相对「搜索引擎返回一串链接」，答案引擎直接给出综合后的答案并附引用来源，是 Perplexity 的初代产品形态。

• 出口管制（export controls）：指美国对向中国出口先进 AI 芯片（英伟达高端 GPU）及高带宽内存等的限制。注意阿拉文德的论断是「短期帮美国、长期可能反噬」的两段式，视频标题「Helped Not Hurt China」是被压缩的 clickbait，不能据此把他的话写成「出口管制单纯帮了中国」这一已证实事实。

• 约三百四十亿美元收购 Chrome 的报价：背景属实——2025 年 Perplexity 曾对谷歌的 Chrome 浏览器发出约三百四十五亿美元的非邀约（unsolicited）报价，金额超过当时 Perplexity 自身估值。本期 intro 提到的「$34 billion Chrome bid」即指此事。

• 强论断的来源限定（重要）：以下均为嘉宾观点或预测，不是已证实事实——①「美光未来六到十二个月市值可能超过 Meta」是阿拉文德的预测；他报的「美光约一万亿、Meta 约一万三到一万四千亿」等市值数字、以及「台积电投亚利桑那一千五百亿、美政府持英特尔百分之十、英伟达和软银各百分之五」等数字，均为嘉宾原话，视频录于 2026 年 6 月，超出可独立核验的窗口，无法独立验证。②「出口管制短期帮美国、长期可能反噬」按其判断成立但属个人分析。③「AI 最大的瓶颈是电力短缺」是嘉宾判断。④「Perplexity 改 Google.com 超过任何谷歌产品经理」是嘉宾自述，AI 模式形似 Perplexity 是事实，但因果关系是断言而非证明。⑤「约百分之四十的数据中心因公众阻力没建成」这个数字由主持人斯特宾斯先抛出、阿拉文德附和，非阿拉文德原创。

• ASR/口播纠错对照：Vera Rubin（英伟达 Blackwell 之后的下一代架构，字幕错作「ver rubins / wear rubons」）；Nemotron（英伟达模型线，字幕错作「Limatron」）；Marc Benioff（Salesforce CEO，错作「Mark Benov」）；SK Hynix（错作「SKH / Heinix」）；CoreWeave（错作「Corev」）；Crusoe（错作「Cruso」）；Baseten（错作「base 10」）；HashiCorp（错作「Hashikarp」）；vibe coding（错作「wipe coding」）；萨提亚·纳德拉（Satya，微软 CEO）；达里奥·阿莫迪（Dario，Anthropic CEO）；格雷格·布罗克曼（Greg Brockman，OpenAI 总裁）；杰夫·迪恩（Jeff Dean，谷歌）；大卫·多伊奇（David Deutsch，物理学家/《无穷的开始》作者）；Coatue（科图资本，「下一估值层级概率」数据出自其托马斯·拉丰，2026 年 6 月 4 日披露）。少数字幕中身份不明的人名（如开场前聊过的女性、某个一年内涨到百分之百的预测者）因无法核实，正文按角色描述处理、未硬安姓名。

最后：这些反共识论断，哪些有据、哪些是创始人话术

这不是总结，是给阿拉文德四个反共识论断排一个可信度。

最站得住的是「电力是真瓶颈」。 这几乎是业内共识，不算他独有的洞见，但他把它讲得最具体：数据中心的真正前置时间在拿地、拿许可证、对接电网和散热，而不是买芯片；公众阻力把一部分产能堵在门外。这条判断的支撑细节最硬，几乎可以当事实接受——唯一要小心的是那个「四十/一百」的数字是主持人先说的、且没有给出来源，别当成实测数据。

最有洞察、也最被标题糟蹋的是「出口管制长期反噬」。 「短期助美、长期可能把中国逼成垂直整合的更强对手」是一个真正非平凡的判断，DeepSeek 用华为栈、改 KV 缓存塞进 SSD、绕开 3D NAND 这些细节给了它经验支撑，他还诚实地给了百分之二十到三十的概率而不是拍胸脯。这是全场最值得追踪的信号。但要警惕被那个「Helped Not Hurt China」的标题简化——他从没说出口管制单纯帮了中国，他说的是短期它在帮美国。把强版本当他的观点引用，就是曲解。

最弱的是「美光市值超 Meta」。 「谁是瓶颈谁定价」这条逻辑本身成立，但他在两个地方滑过去了：一是把「当下是瓶颈」直接等同于「有可持续定价权」——内存历史上是强周期、易商品化的品类，HBM 的紧缺更像产能错配下的阶段性现象，而非结构性护城河；当三星、SK Hynix 产能跟上，定价权会被稀释。二是他报的「美光约一万亿」基数本身存疑（按历史区间这明显偏高），但因为视频录于 2026 年 6 月、超出可核验窗口，只能照搬并标注不可验证。一句话：逻辑链条性感，落到具体标的上是创始人式的大胆下注，不是稳健分析。

最自利的是「Perplexity 改 Google 超过任何 PM」。 谷歌 AI 模式在体验上越来越像 Perplexity，这是可观察的事实；但「是 Perplexity 逼的」是断言，不是证明——谷歌本来就在做 LLM 驱动的搜索，ChatGPT 的冲击同样是动因。这句话的功能更多是品牌叙事而非因果分析，听的时候要把「相似」和「我导致的相似」分开。

把这四条放回开头那个「进攻，进攻，进攻」的底色里就都讲通了：他不是在做平衡的分析，他是在做一个一无可失的进攻者会做的事——挑最大胆的版本说出来，赌对了是远见，赌错了反正「我从一无所有里来」。对听众而言，最该提取的不是他的结论，是他那条换算底座——每瓦每用户的 token 价值，和那个值得长期追踪的变量——下一个 DeepSeek 时刻会不会来。