投资人Elad Gil：大多数AI公司应在未来18个月内选择出售
创业者与投资人Elad Gil在一组关于AI的随机思考中指出，OpenAI与Anthropic当前各自的收入体量约已接近美国GDP的0.1%，并判断在不久之后，AI相关收入整体可能达到美国GDP的1%-2%，核心问题将转向“这部分生产率如何在统计中被计入”。 他同时强调，AI已将顶级研究者整体推入类似“集体IPO”状态，Meta等大型科技公司通过极高薪酬与股权匹配其他实验室报价，使这一群体在极短时间内完成财富跃迁，进而可能改变其行为模式与风险偏好。
在产业结构层面，Elad Gil提出“算力是新货币”，认为算力预算正成为招聘工程师、衡量团队优先级与评估项目重要性的核心资源约束，而现有算力天花板短期内强化了模型层的寡头格局。 他预测，多家公司已通过将裁员外包化与不再补员的方式，以“隐性裁员”形式让员工总数先趋于持平再逐步下滑，同时在“Slop Era”中，AI会先吃掉闭环且具高经济价值的任务，例如软件开发与客服。
在产品与市场结构上，Elad Gil指出，AI工具真正的粘性正在从“模型差异”转向“harness与工作流”——也就是围绕模型构建的使用环境、界面与品牌，其防御力在短期内甚至可能超过模型本身。 他进一步判断，AI时代的本质是“出售劳动单元而非软件席位”，很多AI市场的潜在规模将是传统软件席位模式的10到100倍。 在此背景下，他给出颇为激进的结论：大多数AI公司应该在未来12-18个月内考虑出售，并将这一观点在播客与媒体访谈中重复阐述为“AI公司估值峰值窗口大约只有12个月”。
来源：公开信息
ABAB AI 解读
Elad Gil的整套判断，将AI从“技术叙事”拉回到“宏观经济与资产定价结构”。当OpenAI与Anthropic这类实验室的收入体量开始以GDP百分比来衡量时，AI已不再是边缘行业，而是变成类似“云计算+互联网”叠加后的新一轮基础设施投资周期。 这意味着AI推动的生产率提升，很可能重演互联网时代的统计错配——真实效率改善部分被隐含在免费服务、质量提升与新业务形态中，短期难以完全体现在传统GDP与生产率指标上，从而造成“体感变了、数据滞后”的结构性错位。
“算力是新货币”与“顶级研究者集体IPO”则揭示了这轮周期中资本与人力的重新分配方式：在上一轮互联网周期中，股权激励主要跟随公司IPO节奏，而这一次，AI研究者在公司仍为私人或非上市状态时，已通过巨额薪酬与股权获得类似IPO级别的财富重估。 这会改变他们对风险的容忍度与流动决策——部分人可能转向独立创业、设立研究组织或转为“资本+技术”双重角色，使这一群体从“高技能劳动力”转变为“技术—资本混合主体”，加速技术与资金在极少数人群中的集中。
对企业组织结构而言，“隐性裁员+人头数趋平”意味着AI并没有立刻带来大规模显性失业，而是通过冻结招聘、外包转移与自然流失，逐步降低单位收入对应的员工数量。 这使得AI更像是一种“缓慢挤压”的技术：企业在收入仍增长的情况下不再扩张人手，利润率抬升，劳动份额逐步被资本与高技能少数吸收。受冲击最早的往往是承接客服、IT支持等标准化外包业务的发展中国家企业，它们位于全球价值链的可替代环节，AI优先“吃掉闭环”任务，会率先在这些国家形成局部的GDP负面冲击与就业压力。
在产业竞争结构上，Elad Gil对“harness”的强调，实际上是在重申软件史上的一个老规律：真正的防御力往往不在底层能力，而在使用环境、集成深度与心智占领。 模型层在算力天花板与寡头格局下短期内难以完全拉开差距，因此谁能通过工作流、界面与品牌占据开发者与企业用户的默认入口，谁就更容易在后续模型同质化时维持议价权。这与云计算时代“控制控制台与生态”的逻辑相似：表面上卖的是基础能力，本质竞争点是生态与锁定。
最具争议的一点，是他对“AI公司估值窗口”的判断：大多数AI公司应在12-18个月内考虑出售。 这一观点背后的结构性逻辑是：当基础模型快速扩展能力边界时，很多当前看似“产品公司”的AI应用，未来可能被上游模型或大平台以功能形式直接吸收，导致差异化迅速消失、估值压缩。换言之，现阶段的高估值更多反映的是“尚未被平台吞并”的稀缺性溢价，而非长期独立价值。这种窗口期极短、峰值估值骤降的路径，与早期互联网并购浪潮中部分公司（如门户、工具类应用）的命运高度相似，只是这一次速度更快、集中度更高。