2026-06-04 · Horizon 每日速递分析
三件事在同一天出现，但不是同一个级别。把它们放在一起看，才能理解2026年6月初的AI行业正在经历什么。
第一件事：谷歌二十多年来首次增发股票，原定规模约800亿美元，因为投资者需求太强，实际扩大到850亿——48小时内多了50亿。与此同时，杜克能源CEO说AI将推动电力需求以历史速度的10倍增长，NRG能源说公司根本没准备好。
第二件事：微软宣布推出7个自研MAI模型——MAI-Thinking-1、MAI-Code-1-Flash、MAI-Image-2.5、MAI-Voice-2、MAI-Transcribe-1.5——由Mustafa Suleyman领导的团队开发。与此同时，OpenAI已经扩展到了Amazon Bedrock。
第三件事：Uber将每位工程师每工具的AI编码支出上限设为$1,500/月，因为他们四个月就烧光了2026年全年的AI预算。按Uber工程师中位年薪33万美元算，AI支出约占5.5%（单工具）到11%（双工具）。
这三件事分别对应：钱在加速流进AI基建、巨头在加速铺自己的后路、真实成本在加速暴露。 三条线指向同一个方向：AI行业正在进入"加速分化期"。
一、850亿：钱不是在流，是在涌
6月2日Alphabet宣布800亿股权融资时，已经分析过这是人类历史上最大规模的股权融资。48小时后FT报道实际规模扩至850亿——承销商因为投资者需求太强而扩大了发行盘子。
这不是一个小修正。50亿美元的增量意味着市场上存在大量未被满足的AI基建投资需求。但更有意思的是，同一天出现了两股对冲力量：
- 达利欧在福布斯偶像峰会上警告：美国债务已越过"不归点"，AI泡沫与历史泡沫有相似之处，美元走弱正在推动黄金需求。
- 能源公司集体预警：Duke Energy CEO说电力需求将以历史速度的10倍增长，NRG高管说公司根本没准备好。
这不是"空头vs多头"的老故事。达利欧质疑的不是AI技术前景——他质疑的是定价：市场已经给AI基建的未来收益定价了多少？能源公司在担心的是供给：就算需求是真的，物理基础设施跟得上吗？
把这三组信号叠在一起：
| 信号 | 方向 | 含义 |
|---|---|---|
| Google融资扩至850亿 | 上涨 | 资本在追AI基建 |
| 达利欧警告不归点 | 下跌 | 宏观债务风险在累积 |
| 能源公司预警 | 瓶颈 | 物理约束在逼近 |
结论：AI基建的超级周期是真实的，但它面临两重天花板——金融天花板（利率/债务）和物理天花板（电力/散热）。 而这两重天花板之间的距离，就是未来两年最大的不确定性。
二、MAI全家桶：微软的"婚后各自有房"
微软推出7个自研模型的时机很微妙。就在OpenAI上架Amazon Bedrock（微软最大云竞争对手）之后。
这不是"分手"。OpenAI和微软的合约关系太深了——Copilot、Azure OpenAI Service、数十亿美元的投资——短期内不会改变。但双方都在"铺后路。"
- 微软的底牌：MAI系列覆盖推理（Thinking）、代码（Code）、图像（Image）、语音（Voice）、转录（Transcribe）——几乎是对OpenAI产品矩阵的全面平行替代。Mustafa Suleyman（DeepMind联合创始人、前Google AI负责人）领导开发，意味着这不是一个PPT项目。
- OpenAI的底牌：上架Amazon Bedrock。AWS是全球最大的云平台，市场份额远超Azure。如果OpenAI可以在AWS上直接提供服务，它对Azure的依赖就大幅降低。
这对AI创业公司意味着什么？一个隐性但致命的变化：大模型创业公司不再只是和OpenAI/Anthropic竞争，还要面对云巨头的自研模型。 微软的MAI系列天然集成在Azure生态中，有企业销售渠道、有合规认证、有SLA——这些是独立模型公司难以匹敌的。
这也是对Google Gemma 4 12B的回应。Google在同一天发布了无编码器多模态模型——取消了传统视觉和音频编码器，用轻量级线性投影直接输入，能在16GB显存的消费级笔记本上运行。开源模型的性价比在快速逼近闭源。
模型层的commoditization，正在以前所未有的速度发生。
三、$1,500的真实成本：Uber数据为什么重要
Uber给每位工程师每工具（Claude Code或Cursor）的月度token支出上限设为$1,500。注意：这是每工具，不是每人。同时用两个工具的工程师月支出可达$3,000。
为什么这组数据珍贵？因为在此之前，没有任何大型上市公司公开披露过AI编码agent的真实成本。我们只有传闻、猜测和小公司的分享。Uber提供了一组可验证的基准：
- 四个月花光全年预算：Uber的2026年AI预算是在2025年代理使用量激增之前设定的。这说明业界普遍低估了agent的token消耗速度。
- $1,500/月×12 = $18,000/年：按Uber工程师中位年薪33万算，AI工具成本约占5.5%（单工具）到11%（双工具）。
- 便宜还是贵？ 如果AI编码agent真的能提升20-30%的生产力（如各家宣传），$18,000换来$66,000-$99,000的等价产出，投资回报率在3.7到5.5倍之间。这对任何企业来说都是划算的。但如果生产力提升只在5-10%，ROI就降到了1:1左右——这个临界点对资本配置来说非常敏感。
Uber设定上限这个行为本身就说明了一件事：管理层认为员工会"过度使用"AI工具。 不是因为员工偷懒——是因为这些工具有用。HN上的社区讨论印证了这一点：工程师自发地在使用这些工具，因为它们在真实场景中提供了价值。
但也有人指出，Uber的工程师完全成本（包括办公、福利、管理开销）远超33万，所以AI支出占比实际上更小。另一个被广泛讨论的变量是：使用更便宜的"闪存模型"可以大幅降低token成本，但对于复杂编码任务，便宜模型的能力还不够。Uber的$1,500上限不是终点——它是AI编码经济学的第一个公开锚点。
四、三条线的交叉点
把这三件事放在一起看，一个清晰的图景浮现了：
资本层在加速：850亿不是终点，AI基建的资本需求还在增长。但达利欧的警告提醒我们，这些钱不是在真空中流动——它们与国债市场、通胀预期、能源价格深度绑定。
模型层在分化：微软推出自研模型，Google推出Gemma 4，OpenAI拓展AWS——每个玩家都在同时做两件事：在AI上all-in，也在给自己铺后路。这是一个信号：大玩家认为模型层的竞争格局仍然高度不确定。
应用层在定价：Uber的$1,500数据给出了一个基准，但真正的定价权不在企业手里——在模型提供商手里。如果token价格继续下降，成本曲线会向下移动；如果模型能力继续提升而token消耗增加，成本曲线可能向上。目前的$1,500上限随时可能被重新谈判。
结论：加速分化期的三个问题
对于每一个在AI行业的人——创业者、投资人、工程师——2026年夏天需要回答三个问题：
1. 你的成本结构建立在哪个token价格假设上？ 如果token价格在未来12个月下降50%，你的利润空间会扩大还是被竞品侵蚀？如果上升50%，你的现金流会断裂吗？
2. 你的模型依赖是战略性的还是战术性的？ 微软正在用MAI系列回答这个问题。如果你的产品深度绑定在某个模型上，你需要一个"MAI计划"——不一定是自研，但一定要有替代方案。
3. 你信任Uber的$1,500锚点吗？ 如果你的AI工具定价在这个水平之上，你需要向客户证明为什么你比Claude Code或Cursor更值。如果定价在这个水平之下，你需要证明你的可持续性——低价的护城河在token成本面前薄如纸。
850亿在涌，MAI在铺后路，Uber在画成本线。这些不是孤立事件。它们是同一场地震的三个震中。
数据来源：2026-06-04 Horizon 每日速递 / Financial Times / Bloomberg / Simon Willison / Hacker News