投資人Elad Gil：大多數AI公司應在未來18個月內選擇出售
創業者與投資人Elad Gil在一組關於AI的隨機思考中指出，OpenAI與Anthropic當前各自的收入體量約已接近美國GDP的0.1%，並判斷在不久之後，AI相關收入整體可能達到美國GDP的1%-2%，核心問題將轉向“這部分生產率如何在統計中被計入”。 他同時強調，AI已將頂級研究者整體推入類似“集體IPO”狀態，Meta等大型科技公司通過極高薪酬與股權匹配其他實驗室報價，使這一羣體在極短時間內完成財富躍遷，進而可能改變其行爲模式與風險偏好。
在產業結構層面，Elad Gil提出“算力是新貨幣”，認爲算力預算正成爲招聘工程師、衡量團隊優先級與評估項目重要性的核心資源約束，而現有算力天花板短期內強化了模型層的寡頭格局。 他預測，多家公司已通過將裁員外包化與不再補員的方式，以“隱性裁員”形式讓員工總數先趨於持平再逐步下滑，同時在“Slop Era”中，AI會先喫掉閉環且具高經濟價值的任務，例如軟件開發與客服。
在產品與市場結構上，Elad Gil指出，AI工具真正的粘性正在從“模型差異”轉向“harness與工作流”——也就是圍繞模型構建的使用環境、界面與品牌，其防禦力在短期內甚至可能超過模型本身。 他進一步判斷，AI時代的本質是“出售勞動單元而非軟件席位”，很多AI市場的潛在規模將是傳統軟件席位模式的10到100倍。 在此背景下，他給出頗爲激進的結論：大多數AI公司應該在未來12-18個月內考慮出售，並將這一觀點在播客與媒體訪談中重複闡述爲“AI公司估值峯值窗口大約只有12個月”。
來源：公開信息
ABAB AI 解讀
Elad Gil的整套判斷，將AI從“技術敘事”拉回到“宏觀經濟與資產定價結構”。當OpenAI與Anthropic這類實驗室的收入體量開始以GDP百分比來衡量時，AI已不再是邊緣行業，而是變成類似“雲計算+互聯網”疊加後的新一輪基礎設施投資週期。 這意味着AI推動的生產率提升，很可能重演互聯網時代的統計錯配——真實效率改善部分被隱含在免費服務、質量提升與新業務形態中，短期難以完全體現在傳統GDP與生產率指標上，從而造成“體感變了、數據滯後”的結構性錯位。
“算力是新貨幣”與“頂級研究者集體IPO”則揭示了這輪週期中資本與人力的重新分配方式：在上一輪互聯網週期中，股權激勵主要跟隨公司IPO節奏，而這一次，AI研究者在公司仍爲私人或非上市狀態時，已通過鉅額薪酬與股權獲得類似IPO級別的財富重估。 這會改變他們對風險的容忍度與流動決策——部分人可能轉向獨立創業、設立研究組織或轉爲“資本+技術”雙重角色，使這一羣體從“高技能勞動力”轉變爲“技術—資本混合主體”，加速技術與資金在極少數人羣中的集中。
對企業組織結構而言，“隱性裁員+人頭數趨平”意味着AI並沒有立刻帶來大規模顯性失業，而是通過凍結招聘、外包轉移與自然流失，逐步降低單位收入對應的員工數量。 這使得AI更像是一種“緩慢擠壓”的技術：企業在收入仍增長的情況下不再擴張人手，利潤率抬升，勞動份額逐步被資本與高技能少數吸收。受衝擊最早的往往是承接客服、IT支持等標準化外包業務的發展中國家企業，它們位於全球價值鏈的可替代環節，AI優先“喫掉閉環”任務，會率先在這些國家形成局部的GDP負面衝擊與就業壓力。
在產業競爭結構上，Elad Gil對“harness”的強調，實際上是在重申軟件史上的一個老規律：真正的防禦力往往不在底層能力，而在使用環境、集成深度與心智佔領。 模型層在算力天花板與寡頭格局下短期內難以完全拉開差距，因此誰能通過工作流、界面與品牌佔據開發者與企業用戶的默認入口，誰就更容易在後續模型同質化時維持議價權。這與雲計算時代“控制控制檯與生態”的邏輯相似：表面上賣的是基礎能力，本質競爭點是生態與鎖定。
最具爭議的一點，是他對“AI公司估值窗口”的判斷：大多數AI公司應在12-18個月內考慮出售。 這一觀點背後的結構性邏輯是：當基礎模型快速擴展能力邊界時，很多當前看似“產品公司”的AI應用，未來可能被上游模型或大平臺以功能形式直接吸收，導致差異化迅速消失、估值壓縮。換言之，現階段的高估值更多反映的是“尚未被平臺吞併”的稀缺性溢價，而非長期獨立價值。這種窗口期極短、峯值估值驟降的路徑，與早期互聯網併購浪潮中部分公司（如門戶、工具類應用）的命運高度相似，只是這一次速度更快、集中度更高。