All-In Podcast：Elon's Anthropic Deal, The Next AI Monopoly?, "FDA for AI" Panic
這集 All-In Podcast 在錄製時，馬斯克和 Anthropic 的算力交易剛宣布。三天後，馬斯克乾脆把 xAI 整個解散、併入 SpaceX，更名 SpaceXAI。所謂「Elon Web Services」不再是比喻——它字面上就是 SpaceX 旗下的雲端業務。
這也讓整集討論的真正主題更清晰：AI 產業的權力會落在誰手上。不是哪個模型 benchmark 多贏 0.3 分，而是算力、電力、資本與監管敘事如何重新組合成下一代產業的控制點。
一、馬斯克的真正產品：速度與電力
根據Anthropic 5/6 公告與WSJ 報導，這次合約規模是 Anthropic 包下 Colossus 1 全部 算力，年底前提供 300MW 新增容量。Colossus 2 在田納西 Memphis 已擴張到 555,000 GPU、近 2GW——史上最快的資料中心建置紀錄之一。
馬斯克在 AI 戰場最有差異化的能力，從來不是 Grok。是把複雜工程壓縮到讓人不舒服的時間尺度：別人還在排隊等電力併網、談採購、規劃園區，他已經把機櫃、冷卻、GPU 和網路堆起來。SpaceX 那套垂直整合與供應鏈高壓管理，搬到 AI 資料中心就成了一種很特殊的競爭力。
AI 基礎設施階段，速度本身就是護城河：誰能先把 GPU 變成可用產能，誰就能先把市場需求變成現金流。
EWS 的迷人之處在於經濟邏輯：內部需求先迫使公司建立超額基礎設施，然後外部化成可銷售服務。AWS 當年就是亞馬遜為電商高峰建立的內部能力，被 API 化、計費化後變成網路經濟的底層稅收。SpaceXAI 把自用訓練叢集轉成對外租賃，等於把高額 CapEx 直接轉成收入。
但裸 GPU 容量商品化壓力很大。AWS 的客戶黏著度來自資料庫、網路、身份、開發者工具的組合；真正的 EWS 必須提供模型訓練、推論排程、企業 SLA、資料隔離。馬斯克如果想把算力做成平台，光「我蓋得快」不夠，還要證明「我營運得穩」。
二、Anthropic 的悖論：安全敘事與壟斷想像
節目用 Standard Oil 類比 Anthropic，因為它戳中這家公司的雙重身份：一邊是 AI safety、constitutional AI 的形象擔當；一邊是估值衝上 3,800 億美元、雲端巨頭深度投資、企業 API 需求爆炸的商業機器。這兩件事可以同時為真。
AI 壟斷若出現，靠的不會是 90% 市佔率，而是算力長約、企業整合、開發者生態與監管資本。當前沿模型訓練成本高到只有少數公司負擔得起，市場自然收斂成兩三家 frontier labs。Anthropic 的企業優勢正是在這裡：Claude 在長文本、程式、企業工作流的口碑強，安全敘事降低了採購摩擦，也讓它在政策制定者面前更像「負責任的成年人」。
難題是：當最有能力遵守規則的公司主張規則該更嚴，外界自然會問——這是公共安全還是監管俘虜？4 月底 Anthropic 發布的Mythos Preview 模型，因為展現出顯著的網路攻擊與漏洞挖掘能力，驚動了各國央行與情報機構。這把「AI 安全」從抽象辯論瞬間變成監管熱題——也讓 Anthropic 同時成了警報源頭與監管夥伴。
三、『AI FDA』從口號變成政策
Mythos 之後，白宮一週內就在研究類 FDA 的 AI 上市審批，連川普政府都重新擁抱原本反對的監管框架。AI FDA 不再是矽谷茶餘飯後的辯論題，而是正在成形的政策。
但 AI 不是藥品。藥品用途明確、劑量可控；AI 模型是通用能力平台，發布後會被千萬種工作流重新組合。事前審批最大的問題是審查標準難定——看參數量？訓練 FLOPs？危險能力測試？開源權重？標準太低扼殺研究，太高無法涵蓋真正危險的應用組合。更現實的：最有能力填表、應付審查、聘請律師的，往往就是既有巨頭。越複雜的規則，越有利於能雇用最多律師的人。
比較合理的路徑是風險分層而非一刀切：針對具體危害行為加重責任（網攻、深偽、生物武器協助）、要求 frontier labs 做能力評估與紅隊測試、保留開源與學術空間。盯模型權重本身容易變成抽象恐懼；盯高風險部署與責任歸屬才是可執行治理。
四、誰在賺錢：賣鏟人 vs. 淘金者
這場 AI 熱潮真正落袋的，目前仍是基礎設施層。NVIDIA 是最明顯的賣鏟人；台積電、CoWoS、HBM、交換器、液冷、電力設備、資料中心營建都在需求外溢的位置。Amazon、Microsoft、Google、Meta 的 AI CapEx 持續創高，這些 hyperscalers 本來就有龐大企業客戶與帳單系統，AI 對它們是現有雲端消費的加速器。
應用層公司還在回答更難的問題：客戶願意付多少？毛利能不能維持？推論成本下降會不會被競爭性降價吃掉？多數 AI app 公司展示的營收增速很漂亮，但背後若是高推論成本、昂貴算力租約與企業試用折扣，真正的自由現金流可能遠比 ARR 看起來脆弱。當 demo 新鮮感退去，ROI 會重新成為市場語言。
五、競爭格局：分工正在成形
AI 競爭不是單一市場，而是模型層、基礎設施層、應用層、分發層的交錯戰爭。各家優勢不同：OpenAI 有 ChatGPT 心智與 Microsoft 分發、Google 有 TPU 與 Workspace、Meta 押開源與廣告現金流、Anthropic 押企業信任與安全定位、SpaceXAI 押馬斯克式工業執行加上 X 與 Tesla 的潛在分發。
開源是這場戰爭的變數。Llama、Mistral、DeepSeek 不一定每次站在最前沿，但它們壓低商業模型的定價空間，讓企業有避免供應商鎖定的路。closed frontier labs 必須靠更強推理、工具使用、可靠性和企業服務來收溢價。
這也是為什麼馬斯克把算力租給 Anthropic 不是奇怪的合作，而是AI 產業開始成熟的訊號：當一家模型公司可以向相關基礎設施玩家買產能，市場正在形成更細緻的分工。垂直整合仍有價值，但沒人能在每一層都獨占。
台灣視角
NVIDIA GPU 背後是台積電先進製程、CoWoS 封裝、伺服器 ODM、電源、散熱、PCB 整條供應鏈。當 hyperscalers 加碼 CapEx，台灣站在訂單鏈前段；但這也讓台灣暴露在週期、地緣與客戶集中風險之下。長期來看，真正的價值不只在賣鏟，也在用鏟子挖出自己的金礦——把模型能力導入製造、醫療、金融、法務、教育與政府服務。
結論
AI 不像 2000 年網路泡沫的簡單重播，因為這次需求與企業案例更早出現，基礎設施供應鏈已有真實現金流。但它也不會逃過資本週期。當推論成本下降、模型能力趨同、補貼退潮，市場會開始區分「AI 原生的高毛利軟體公司」與「披著 AI 外衣的昂貴功能」。真正的贏家，會是能控制稀缺資源、掌握分發入口、把模型能力嵌入高價值工作流的公司。其他人，則可能只是幫 NVIDIA 和資料中心業主付帳單。