# IPO 回归：科技巨头为何终于要上市 | All-In 流动性 IPO 专题 > Cerebras 的 Andrew Feldman 与 Planet Labs 的 Will Marshall 分享上市对员工、客户和运营的影响，并谈太空数据中心时间表与 AI 对芯片市场的影响。 - 原标题：The IPO Comeback: Why Tech Giants Are Finally Going Public | All-In Liquidity IPO Panel - 类型：嘉宾访谈 - 发布日期：2026-06-06 - 话题：Cerebras 与 Planet Labs：IPO 回归 - 出场：杰森、查马斯；嘉宾：Andrew Feldman、Will Marshall、Brad Gerstner - 网页版：https://allin.qiaomu.ai/ep/ipo-comeback-tech-giants-are-finally-going/ - 视频：https://www.youtube.com/watch?v=jLICvWE7w2Q - 精读字数：约 5117 字（阅读约 11 分钟） > 本文为 allin.qiaomu.ai 基于原始节目的 AI 改写中文精读，非官方翻译；引用请注明出处并链接网页版。 ## 上市第二天早上，他发现什么都没变 2026年可能创下IPO的历史纪录。这个判断是杰森·卡拉卡尼斯（Jason Calacanis）在开场抛出来的，但坐在沙发上的两位CEO，给出的第一手体验完全是另一回事。 安德鲁·费尔德曼（Andrew Feldman）是Cerebras的创始人兼CEO。Cerebras的发行价定在每股185美元，定价区间上调了两次，开盘冲到320美元，眼下在230美元附近，市值500亿美元上下。上市三周之后，安德鲁对这件事的总结是这样的： > 第二天早上醒来，你一件货都没多卖，工程项目相比上市之前没有任何进展。你回到工位，账上多了钱，但生意里真正重要的部分一点没变。供应链有问题，它还是有问题；和供应商关系不错，它还是不错。（安德鲁·费尔德曼） 他描述上市前的流程，用了一个毫不留情的词：垃圾。一百三十个人同时挤在一个Zoom会议里，同一份文件反复过，逗号的位置挪来挪去，没有任何增量价值。然后敲钟，办派对，第二天所有人把头低下去继续干活。 布拉德·格斯特纳（Brad Gerstner）是Altimeter Capital的创始人兼CEO，也是Cerebras的早期投资人和前董事。他补了一层背景：Cerebras这条上市路格外难走，它的一家投资方来自阿联酋，在拜登政府任期内，CFIUS（美国外国投资委员会）的审查是一道绕不过去的坎。他的观察是，前面九年半全是地狱模式，最后十二个月忽然变得极其容易，所有人都想挤进来。 ## 把时机搞对的方式，是搞错十年 有人问安德鲁怎么把握上市的时机，他的回答很干脆。 > 很多人问我们怎么把时机抓得这么准。答案是，我们在过去十年里一直抓错。（安德鲁·费尔德曼） Cerebras做了超过十年。上市前那场聚会，公司把在职超过九年的员工连同家人一起请来。安德鲁说有两件事出乎他意料：一是工程师也是会打领带的，打上领带也没出人命；二是这件事对员工和他们的家庭意味着什么，远远超出他的预期。有人加入公司是为了一个念想，父母听过这个名字，感觉像办了一场成人礼。还有一位中国移民同事的父亲，看完之后只说了一句：我以为会更早发生。 派对结束，兴奋退潮，所有人转身问的是同一句话：现在做什么？ ## 威尔·马歇尔：先上市，三年之后才被看懂 威尔·马歇尔（Will Marshall）是Planet Labs的联合创始人兼CEO，走的是路径的另一半。Planet Labs在2021年通过SPAC上市，估值20亿美元。上市之后有很长一段时间，市场对它基本无感。 > 我们是第一批太空股之一。我那时候觉得，人们根本不知道太空里正在发生什么，不知道它正在改变一切。他们看到我们就是，这玩意儿是什么？（威尔·马歇尔） 直到过去十二个月，股价从5美元走到50美元，十倍涨幅全部在公开市场里完成。格斯特纳把这件事抬到一个更大的层面上讲：Planet Labs是"风险投资发生在公开市场"的样本，90%的价值是在上市第三、第四年才被创造出来的。接下来的问题是，那些早期投资者拿到了吗？ 威尔说，大部分拿住了。谷歌一股没卖，至今是最大单一股东；Capricorn持有到不久之前才动。格斯特纳讲了一个MongoDB的例子：十年前Altimeter以10亿美元估值投进去，在30到40亿美元这个区间把股份分给了LP，后面两年股价走到500亿美元。有人打电话来问，你们为什么不拿着？他的回答是：是你们在逼我们分配。 这段对话反复落在同一个点上：**早期股东要拿到全部上涨，靠的不只是运气，还得扛得住、拿得住。** ## Planet Labs在卖什么：给地球做索引 威尔用一句话解释公司的产品。 > 谷歌地图上那个卫星图层你见过，只不过那是三年前的影像。我们提供的是今天的，而且每一天都往回存着。（威尔·马歇尔） Planet Labs有大约200颗对地成像卫星，是规模最大的对地成像星座，每天扫一遍整个地球。这些数据的用途从农业、能源、民用政府，延伸到洪水与火灾监测，再到安全与情报。杰森问军用占比多少，威尔的答案是：今天约占营收的60%。安全业务本来就写在公司最早的规划里，只是这块的占比比他们自己预想的更大，眼下的地缘政治需求把这条线推了上来。 杰森还提了一句，在Anduril成功之后，市场很可能会把Planet Labs也归类成一家军工科技公司。威尔对此不回避，但他强调Planet Labs同时在服务农民、能源公司和NASA，盘子比军工这一个标签大。 真正让这条曲线陡起来的变量有两个。火箭发射成本在过去十年降了四到五倍，这个大家都知道。另一个被严重低估的变化是卫星的微型化：过去一颗卫星20吨重、造价十亿美元，现在是几十到几百公斤，功能不输甚至更强。 > 这相当于太空领域从主机到桌面电脑的那次革命。（威尔·马歇尔） AI是第三层加速器。威尔估算，光是对地观测数据本身就有750亿到1000亿美元的市场，AI叠加上去，会把使用门槛继续往下压，让更多原本买不起这类数据的人用得上。 ## 把数据中心搬到天上，这笔账算得过来吗 查马斯·帕里哈皮蒂亚（Chamath Palihapitiya）把话题引向太空数据中心。威尔在八九年前和谷歌做过一次联合测算，算地面数据中心的成本，和把同等算力送上天之后的成本，什么时候太空会变得更便宜。结论是：发射成本降到每公斤200到300美元时，把数据中心放到天上就是单纯更便宜。 今天这个数字是每公斤1000美元出头，十年里降了大约十倍。按现有轨迹，尤其是星舰（Starship）的迭代速度，威尔判断两三年内能落到那条线。 他给了一套直觉，让不搞航天的人也能理解这笔账为什么算得过来。数据中心本质上是个电力问题。地面用太阳能最便宜，但太阳能是间歇的，你得配电池，或者上天然气，或者上核电，成本立刻往上走。在太空，把卫星放在晨昏太阳同步轨道上，可以二十四小时对着太阳。 > 同样一块太阳能板，在太空能收集到的能量是地面的五倍，而且不需要电池。（威尔·马歇尔） 于是太空数据中心的整套基础设施，简化成了一块太阳能板、一堆芯片，加上上下行的射频信号。威尔说，剩下的就是等发射成本降到那条线。Planet Labs已经在和谷歌合作，把谷歌的TPU送上太空做早期测试，英伟达的GPU此前也已经上过天。他的判断是：十年之内，大部分算力会被放到太空，这个市场的规模是数万亿美元，比今天所有其他太空业务加起来都大。 ## 安德鲁的反对：最后10%要花掉80%的时间 安德鲁没有接这个判断。他的原话很客气，但立场很清楚。 > 恕我直言，把GPU送上太空之前，还有一两个硬问题没解决。地面上集群之间的通信我们做得都还不够好，把它搬到太空只会更难。（安德鲁·费尔德曼） 他把这个问题归进一类特定的难题：最后10%要花掉80%的时间。自动驾驶就是这一类，卡了整整十年，直到最近才算翻过山头。太空算力到底是不是同一类问题，现在没人知道。 两人的分歧是时间点，方向本身没有冲突。但安德鲁也认为这件事值得砸钱去做，唯一的先决条件是发射成本先降下来。 > 只有先把发射成本压低，你才能开始做实验，才能试错、修正，最后搞明白。在那之前，这件事没办法验证。（安德鲁·费尔德曼） 威尔看的是成本的斜率，安德鲁看的是工程复杂度里那条尾巴有多长。谁对谁错，要等两年才知道。 ## Cerebras为什么敢做一块餐盘那么大的芯片 查马斯问的是更底层的问题：AI硅片的未来长什么样。安德鲁从计算机架构史切进去。他的观察是，新工作负载出现的时候，就是份额重新洗牌的时候。图形计算兴起，催生了独立GPU，英伟达就是这么来的；手机算力兴起，有晶圆厂、有最强架构团队的英特尔和AMD拿到零份额，整个市场挪到ARM；九十年代末数据网络兴起，Nortel那批公司没做出来，机会给了思科、Juniper和一堆新公司。 > 我们知道这个新问题会带来一次巨大的份额迁移。（安德鲁·费尔德曼） 由此Cerebras押了两个注。第一个注是专用硅片会赢。第二个注是它绝不能长得像GPU。安德鲁的逻辑很直白：如果你想比对手快20倍，你的架构就不可能和对手长得一样，因为低垂的果实已经被他们吃光了，照着一颗GPU做出来的东西想超过英伟达，概率约等于零。 他们挑的硬骨头是AI最根本的瓶颈：把数据从内存搬到计算单元。解法是把芯片做到极大，做到餐盘大小，而常规芯片只有邮票那么大。芯片足够大，才用得上另一种速度快得多的内存，可以把内存直接放在计算单元旁边。效果是，OpenAI使用Cerebras做推理时，速度是GPU的15到18倍。 安德鲁用一个反问收尾：今天"慢速搜索"的市场有多大？零。拨号上网的市场有多大？零。 > 你等一个网页加载三秒钟就会点走。你也一样不会等AI，我们必须实时把它送到你面前。（安德鲁·费尔德曼） ## 上市之后，钱在哪一段被赚走 格斯特纳把话题拽回在座LP最关心的事：流动性。他点名Cerebras在锁定期上做的一个创新，一种可以叫"滴漏式"的锁定期安排。股份在六个月内按一串业绩门槛分批释放，而不是等到某一天一次性解锁。格斯特纳说，SpaceX大概率会用类似的结构。 他的问题很直接：从锁定里放出来的股份，Altimeter应该分配掉吗？安德鲁的回答是，历史数据站在不分配这一边。 > 历史上，IPO之后赚到的钱比IPO之前更多，几乎每一份研究都指向这一点。绝大多数风投基金真正能投出去的钱其实很有限，而公司走到公开市场的时候，盘子大得多，事情也在往好的方向走。（安德鲁·费尔德曼） 威尔顺着这个逻辑补了一刀，指向SpaceX。大部分科技巨头上市时市值只有几十亿，不是几万亿，中间的零是上市之后长出来的。如果SpaceX要走同样量级的增长曲线，它就得冲着千万亿美元（quadrillion）的估值去。 格斯特纳把几位CEO放在一起对比：市场上现在讨论的三大超级IPO都是万亿美元级别，这些价值全部落在私募市场投资人手里；Planet Labs恰恰相反，十倍涨幅发生在公开市场。他补了一句，如果Cerebras按安德鲁的想法，十八个月前就上市，估值大概100亿美元而不是500亿美元，这两年的五倍涨幅就该归公开市场投资人所有。 > 运气好，比能力强更重要。（布拉德·格斯特纳） 他最后给了一个当下判断：很多人以为Anthropic、OpenAI、SpaceX是新常态，他反而看到钟摆正在往回摆。他所在的投资组合里，越来越多公司在考虑10亿、30亿、50亿美元估值就上市。 ## 公开市场的淬炼，和一份"看不见现实"的模型清单 查马斯用一个类比收尾。两家公司都长期面对视野边缘里那个可见的竞争对手，压力从来没有消失过。但他认为，更早上市、接受公开市场的审视、被迫按期交出成绩，反而会让聚焦度变高。 > 铁磨铁，出利刃。（查马斯·帕里哈皮蒂亚） 他的判断是，让所有人参与进来，同时把自己放到聚光灯下面，好东西就是在这样的环境里长出来的。 威尔在最后三十秒给了一个更远的图景。他说现在大家惊叹的那些模型能力，本质上只是把互联网上的文本吃进了模型。这些模型已经很强，但它们对真实世界一无所知。 > 它们对现实一无所知，我管这叫盲的。它们不知道那块农田、那场洪水、拐角处的安全形势。把真实世界的数据喂给它们，它们就能回答真实世界的问题。（威尔·马歇尔） 他给这套东西起了两个名字：从large language model（大语言模型）走向large earth model（大地模型），从AI走向planetary intelligence（行星智能）。太空里有行星级的感知系统，也有行星级的算力系统。至于具体时间，两个人在台上可以继续吵下去。 ## 可以带走的东西 - **盯住发射成本的绝对数字，而不是任何人的预测。**每公斤200到300美元是"太空算力比地面便宜"的分水岭，今天在1000美元出头。这个数字每个月都能查到，比听谁讲时间表靠谱。 - **上市窗口正在往回摆。**过去十年"永远不上市"的共识在松动，10亿到50亿美元估值区间的公司可能是未来几年IPO最密集的一档。如果你在早期员工或早期投资人的位置上，这个窗口值得提前做准备，而不是等消息。 - **上市不是终点，分配决策才是。**90%的价值有可能发生在上市后第三、第四年。看到股份解锁时，先问一句：这一次分配，是拿到前半段还是后半段。MongoDB那个案例里，主动要求分配的一方少赚了十倍。 - **关注滴漏式锁定期。**Cerebras已经在用六个月分批、按业绩门槛释放的结构，SpaceX很可能是下一个。这类结构会改变新股上市初期的抛压分布，做二级市场的人需要重新校准节奏。 - **AI硅片的判断标准是速度，不是参数。**新工作负载等于份额重新洗牌的机会窗口。Cerebras的赌注是专用架构加快餐盘大的芯片、把内存放到计算旁边，衡量它的指标是推理延迟，而不是芯片规格表上的数字。