# 马丁·什克雷利：大型药厂的盲点、押注量子计算失败与监狱教会他的事

> 马丁·什克雷利谈为何做空量子计算、大药厂的定价盲点、从对冲基金转向制药，以及 AI 药物发现和监狱教训。

- 原标题：Martin Shkreli: Big Pharma's Blind Spot, Betting Against Quantum & What Prison Taught Him
- 类型：嘉宾访谈
- 发布日期：2026-10-12
- 话题：马丁·什克雷利：大药厂盲点与量子赌局
- 网页版：https://allin.qiaomu.ai/ep/martin-shkreli-big-pharmas-blind-spot-betting/
- 视频：https://www.youtube.com/watch?v=yZR8QW4qQmM
- 精读字数：约 5200 字（阅读约 12 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。

马丁·什克雷利（Martin Shkreli）说，他和妻子切尔西（Chelsea）把全世界每一台量子计算机都试了一遍。

没有一台能算出 300 乘 200。

这个名字留给多数人的印象停在 2015 年：他把一种救命药的价格上调 5000%，被媒体叫成"美国最被讨厌的人"，随后因证券欺诈入狱七年。出狱之后他干了件让硅谷不太舒服的事，公开唱空量子计算，而且真的下了空单。

他在 All-In 这期节目里的说法很直白：亏了几百万美元，但赚到了几十亿美元的认知。

同一个人，2015 年买下吴唐家族（Wu-Tang Clan）那张全世界只有一份的专辑，后来说自己没打算放来听，因为"这不是一张好唱片"。

切尔西的背景值得交代一句。她是 OpenAI 最早期的员工之一，在 MIT 读书时跟斯科特·阿伦森（Scott Aaronson）一起教量子计算。什克雷利说，她花了很多个小时，把量子计算到底是个什么东西，硬塞进了他那颗"很厚的脑袋"里。

## 整个领域只赢在一个算法上

公众习惯把量子计算理解成"更快的计算机"。什克雷利的说法是，这个理解从一开始就跑偏了。

领域的起点是彼得·肖尔（Peter Shor）的算法：量子计算机能在多项式时间内完成整数分解和椭圆曲线离散对数问题（ECDLP）。这两件事在经典计算机上是指数级难度，也是今天大部分公钥加密的地基。

问题在于，到此为止了。

他举了个例子。算法教科书 CLRS 前几页讲排序，冒泡排序、归并排序那一套。他问量子发烧友，哪种计算机排序更快，对方说当然是量子计算机。他说完全不是：现代量子计算机的时钟频率是几百到几千赫兹，不是我们习惯的吉赫兹；做归并排序这类任务时，它是单核单线程的。

> 对一个极客来说，这是史上最酷的魔术。但对一个生意人来说，除非你的生意就是分解数字，这里没什么可兴奋的。（什克雷利）

还有存储。量子世界没有量子内存这种东西。你设计的题目输入必须极小，不可能把全世界的算力塞进去。

## 你愿意做多打孔卡吗

节目里有人替量子计算说了句公道话：也许我们正处在晶体管的原始阶段，先把门电路搞明白，再搭逻辑，再写操作系统，这些现在都还不存在。

什克雷利承认这个类比成立，但反问了一句：那你愿意做多打孔卡、真空管、水银延迟线和磁芯存储器吗？

这些东西在历史上都真实存在过，有些还是上市公司。它们全都消失了，公司也破产了。他的判断是，量子计算的问题既是技术问题，也是商业模式和时机问题。

他问过谷歌、IBM、微软的人，每年砸几亿美元在这上面图什么。得到的回答大致是"也许某天会有点东西出来"。

> 这对我来说不是一门好生意。（什克雷利）

现实层面的数字更直白：谷歌有几台原型机，IBM 有一个小规模的云服务。全世界能用的量子计算机，数量少到他和妻子可以挨个试完。

做空这些公司让他亏了钱，他不否认时机很难把握。

## 光里的矩阵乘法是免费的

否定量子之后，他给了一个正面判断：二十年后的 H100、B100、B200 都会躺在废品堆里。

他翻《自然》杂志时看到微软的一篇论文，主题是模拟光计算（Analog Optical Computing，AOC）。论文里让他眼前一亮的一点是，光中的矩阵乘法是"免费"的，几乎瞬时完成。

这里要解释一下矩阵乘法在今天的地位。什克雷利说，每次听到有人讲 AI，他脑子里跳出来的词是 Matmul。GPU 99.9% 的时间都在做两个数字列表相乘，复杂度是 n 的三次方：一千乘一千的矩阵相乘，是十亿次运算。

如果这件事能交给光来做，账就完全变了。他提到几家在做光子矩阵乘法核心的创业公司，Neurofoss、OptiCore、Lumai，说这些芯片能把英伟达甩开一大截。他也承认，非线性、存储这些环节还有大量细节没解决。

萨姆·奥特曼（Sam Altman）后来在另一个播客上公开说，光子计算可能是未来。什克雷利的疑问是：我们为什么觉得把地球铺满计算机是个理智的方案，而不是先把单台机器做快一点。

## 200 万美元买一个没人要的药

话题转回他的老本行。

他 16 岁进吉姆·克莱默（Jim Cramer）的对冲基金。他给了克莱默一个相当高的评价：非常有效、非常有技巧的交易员。**克莱默的做法是每天买卖所有东西，居然还能从里面挤出利润，扣费后年化 23%。**

后来他去了 Tiger Cub 体系，再后来自己开基金。他给自己的定位很明确：做交易员不如做创业者和私募股权的人。

他发现的套利空间在分子市场。上市公司市场很有效，药物资产的市场极其低效。

> 我从百时美施贵宝手里花 200 万美元买了一个药，那家公司今天还上市，值 60 亿美元。辉瑞会把一个值十亿美元的药，一百万卖给你，他们不在乎。（什克雷利）

他在节目开头还说过一句更刺耳的话：在美国，一家公司如果不把利润最大化，反而可能被起诉。

这门生意的瓶颈不在钱，在带宽。要有人读论文、读专利、跑大学和小药厂、和大药厂建立关系，行业里管这叫商务拓展。当年全美一年发表 4000 万篇医学论文，靠人读完是不可能的。他 2015 年顺手做了个自然语言处理的小公司，想用机器把这些论文读完。

## 三万人的第一种药

具体怎么做，他给了一个例子。

百时美施贵宝开发过一个治高血压的分子，高血压是个死气沉沉的市场，谁都不缺降压药。什克雷利把这个分子重新命名，转向一种叫 FSGS（局灶性节段性肾小球硬化）的罕见肾病。这种病此前从未有过获批药物。

结果这个药拿到了 FDA 批准，成了重磅药。全美约三万名 FSGS 患者，第一次有了对症的药。

> 我也可以做个好人。（什克雷利）

这句话他说得半开玩笑，背后的逻辑却很严肃：**同一颗分子，在一个人满为患的市场里是废纸，在一个无人问津的适应症里是救命药。**发现这件事需要的不是化学，是对市场错配的敏感。

节目里有人把这家公司和 Royalty Pharma 类比，什克雷利说不太一样。Royalty 的成名作是从纽约大学手里买下 Remicade 的一份特许权，价格大约是盈利的一倍，后来那份现金流涨了二十倍。

## 千倍更好的 Transformer 会杀死英伟达

布拉德·格斯特纳（Brad Gerstner）把话题拉到当下的算力资本开支，问他怕什么。

什克雷利先说结论：他目前做多半导体。

他提到杰文斯悖论（Jevons Paradox），效率提高反而让总消耗上升。Alex Wang（Scale AI 创始人汪滔）跟他讲，算力会有一百万倍的提升。但话锋一转：

> 如果山谷里有人做出了效率高一千倍的 Transformer，那对英伟达是坏消息，这点没有疑问。（什克雷利）

他说的是需求曲线会被改写。**一百倍的效率提升，意味着原来要一百万张卡的任务现在一万张就够。多出来的人不会凭空出现。**

他也没把话咬死。他说自己的猜测和所有人一样，长期看多，但 2000 年的时候，很多人也觉得雅虎和思科是应该长期持有的。

## 他为什么恨达里奥

主持人问他怎么看达里奥·阿莫代伊（Dario Amodei）那篇文章。

他先给了个敬意：把公司做到万亿美元不容易。紧接着补了一句，我有点恨这个人。

分歧不在技术路线，在叙事方式。

> 假设你和我一起创业，你跟我说，我给你看个东西，这叫潘多拉魔盒。我说太厉害了。然后你说，谢谢，我上街开另一家潘多拉魔盒公司。你猜我会怎么做，我大概会告你窃取商业机密。（什克雷利）

这说的是阿莫代伊从 OpenAI 出走创办 Anthropic 的往事。什克雷利强调自己不知道当年到底发生了什么，也不想替谁定罪，但他觉得这套叙事站不住：**一边说这东西危险到需要全人类警惕，一边自己开公司把它做出来卖。**

他顺手举了安东尼·莱万多夫斯基（Anthony Levandowski）的例子，那位 Waymo 前工程师因为带走文件被判了刑。

他还提到自己参与推动过 e/acc（有效加速主义，Effective Accelerationism），名字是故意对着 EA（有效利他主义）取的，骨子里是一场反叛。他的判断很简单：现在是关掉电脑就能解决问题的时代，还没到该恐慌的时候。

> 这就是计算机科学，没那么大件事。有些书呆子一被聚光灯照到就慌了，他们不说"一切正常"，反倒想方设法把注意力引到自己身上。（什克雷利）

他对 Meta 和黄仁勋的评价是"有骨气"，敢直接说这是胡说八道。

## AI 造不出药

阿莫代伊说过 AI 会治愈所有疾病，还说一到五年内人类会全面失业。什克雷利对这两句都不买账。

> 我不认为未来十年会有一个和 AI 相关的药物出现。AI 帮不上药物发现的忙。（什克雷利）

他让在场做过药、拿过 FDA 批准的人举手，没人举。他补了一句自己的履历：他搭过 Cray 集群分析药物，现在这些活可以用 GPU 干，很好用，但也就到此为止。

这个判断值得停一下。**计算机辅助药物设计已经做了三十年，真正的瓶颈一直在生物学，不在算力。**一个分子在体外有效、在动物身上有效、在人体上有效、副作用可控，这四道门每一道都要靠实验筛，浮点运算加速不了其中任何一道。

## 无限智能，和一家叫 OpenAI 制药的公司

关于 AI 的市场空间，他和布拉德有明显分歧。

布拉德在算 TAM 时把可寻址市场限定在知识工作者，什克雷利认为这是自我设限。他的说法是，对智能的需求和对工作的需求都是无限的。

他举了个例子：麦当劳完全可以花 100 亿美元，要一千万张 GPU，问它下一款该推什么三明治。如果智能真的值这个钱，这笔买卖的净现值就是正的。

他还提到一个朋友从 OpenAI 离职，创办了一家叫 Core Automation 的公司，此人是 OpenAI 推理模型的发明者。他的预测是，OpenAI 内部会长出 OpenAI 制药、OpenAI 汽车、OpenAI 航空，每一块最后都相当于一个标普 500。

被问到"你今天会不会买 OpenAI 和 Anthropic"，他的回答是会。他认为奥特曼在硬件上的对冲极为聪明：模型领先未必能永远保持，但能把这个模型交付到用户手里，价值更大。

他把这一波类比成互联网。**互联网真正的大赢家是消费者和企业，思科只分到一小杯。**免费智能已经在每个人的口袋里。至于谁会被过度奖励、这段超额收益能持续多久，他说这更像是一个择时问题，而他认为现在是 Meta 的位置：有分发，产品能力也还在，AI 还处在第一天的阶段。

主持人还问他怎么看马斯克提的竞争对手互审（competitor peer review）这个折中方案。他的回答绕到了尼克·博斯特罗姆（Nick Bostrom）那本《超级智能》，说这本书把马斯克吓得不轻。

## 天赋是一种负担

节目后半段转向一个更私人的话题。

主持人提出一个观察：最聪明的人往往是非共识的思考者，正因为不守常规才有超额收益，也同样因为不守常规，很难在"守法"这件事上保持常规。

什克雷利顺着这个思路讲了萨姆·班克曼-弗里德（Sam Bankman-Fried）。他承认自己给过对方建议，让他扛住。他看 SBF 2021 到 2022 年的投资组合，Anthropic、Robinhood，那个组合在当时看来像天才。

他给的诊断是：

> 如果你从小被当作智力超常的人养大，你身上就背着一个很大的包袱。你得配得上点什么。（什克雷利）

他点了三个名字：伊丽莎白·霍姆斯（Elizabeth Holmes）、拉杰·拉贾拉特南（Raj Rajaratnam）、SBF。**三个人都在某个领域极其聪明，都在另一个领域极其愚蠢。**

然后是这段访谈里最诚实的一句自我剖析：

> 我很难承认自己不是世界上最好的对冲基金经理，但我是一个出色的创业者。就是不肯承认这一点，把我送进了监狱。（什克雷利）

## 监狱里最普通的发现

被问到监狱教会了他什么，他没有讲什么惊心动魄的故事。

他说，不管一个人来自哪里、做了什么，身上都有一些把人类绑在一起的共同点。每个人都为某个朋友没再联系自己而难过，都在思念某个人。

> 不管你爬到多高，在最底下，我们都只是想做个好爸爸，或者别的什么。（什克雷利）

他讲的是心理学的力量：所有行为背后都有我们自己也不完全理解的驱动力。他当年没意识到自己有多害怕不被看作伟大的交易员。他说这想法多愚蠢，你可以是个好的长期投资者、好的创业者、好的父亲、好的科学家，但如果你把自己的心钉死在"我必须成为这一种人"上，代价会很大。

节目最后，主持人说他是独立的思想者，愿意用别人不会用的方式说话，这也是请他来的原因。

- 判断一项新技术，先问它能跑几个算法。量子计算目前只在整数分解和椭圆曲线离散对数这一个场景里赢，其余任务被经典芯片碾压。同样的问法可以套到任何被吹上天的技术上。
- 看英伟达要多看一条曲线。需求增长的故事成立，但效率提升一千倍的模型架构一旦出现，就是需求侧的通缩。做多算力和做多模型效率，是两个不同的赌注，仓位别混在一起。
- 去低效市场里找错配。辉瑞一百万卖掉的药，换个适应症就是十亿美元。这个逻辑在今天的 AI 应用层同样成立：通用模型不值钱，值钱的是把它塞进一个没人愿意看的窄场景。
- 评估 AI 制药的说法，先数一数有多少人真的走完过一整个 FDA 流程。算力能加速筛选，加速不了临床。
- 如果你恰好是某个领域的天才型选手，给自己留一句退路：承认自己不是最好的那个，成本远低于硬撑。什克雷利用七年时间换来这句话。