我一直在关注Mandeep Singh的AI评论，他的评论越来越像是在试图表现出智慧，而不是真正地清晰地解释任何事。

他最近在Bloomberg Intelligence的评论是一个完美的例子。

他随意地使用术语，如超级计算机商、前沿LLM、AI计算租赁、编码代理、neocloud、排行榜、令牌定价、AI应用领域、capex和高利润收入。所有的正确的噪音词都在那里。他知道这些词语、主题和如何表现出自信。但是当你实际上分解他的话语时，逻辑是极其弱的。

例如，在今天的播客，他说Cursor给了SpaceX“前沿LLM”的潜力，可以像Anthropic和OpenAI一样产生收入。

噢，好吧，伙计们。我们在做什么？这是一种巨大的飞跃。

Cursor是一款编码产品。也许它有强大的AI编码能力。也许它有模型训练的野心。也许它比仅仅是前沿模型的包装要复杂。好吧。

但是从Cursor可以成为OpenAI或Anthropic等级的“前沿LLM业务”是完全可以理解的松散的AI评论，这使我怀疑他是否真正理解这个领域。

建立成功的AI编码工具和成为真正的前沿AI实验室之间有着巨大的差异。

一个严肃的AI分析师会解释AI应用层、模型协调、微调、推理经济学、专有数据和前沿模型训练之间的区别。

相反，他只是从“Cursor是有价值的”跳到“这可以成为OpenAI或Anthropic等级”。

然后他说SpaceX可以像超级计算机商一样花费像2027年那样的大笔capex，100亿美元，并因此而推动Cursor。

更多的capex并不自动意味着更好的模型。更多的GPU并不自动意味着更好的AI产品。计算是显而易见的，但也包括数据质量、架构、研究人才、训练效率、推理成本、产品市场匹配、开发人员采用、可靠性和分发。

他谈论像投入巨额capex可以在问题上“魔法般地”创造出前沿AI业务，这不是AI的工作方式。

然后他说模型竞赛不是“一对一”的“所有玩家”，并且SpaceX与Cursor可以超越OpenAI、Anthropic和其他人。好吧，但基于什么？

有技术上的原因吗？

有模型优势吗？

有训练数据优势吗？

有推理成本优势吗？

有产品分发优势吗？

有哪些基准或客户行为支持这一声称？

他并没有真正解释它，但只是说得很自信。

我对他的AI评论的这个问题是，它听起来在表面上很有修饰，但在下面是大多数模糊的、层次化的、噪音词化的猜测。

我还很 frustrate的是主持人Scarlet和Paul把他放在一个高位作为去AI guy。这一框架只有在评论是真正深入、清晰和技术上扎实时才有意义。实际分析听起来像表面层次的BS时，这种赞扬听起来不值得和实际上是对真正理解这个领域的人的侮辱。

感谢您的收听和阅读到这里。