Ronghui
大家好，欢迎收听本期的《十字路口》。2025 年已经过去一半了，硅谷都发生了哪些大事？这些变化会对接下来的创投生态格局产生什么影响？今天我们非常开心地邀请到 Fusion Fund 创始合伙人张璐，和我们一起聊一聊最近硅谷的热搜，以及上半年从创投机构到大公司有哪些值得关注的事情。
请张璐先跟《十字路口》的听众打个招呼，也自我介绍一下吧。
张璐
荣慧你好，《十字路口》的听众朋友大家好，很高兴有机会在这里跟大家分享一下，尤其是今年上半年快速迭代的硅谷科技圈中的一些新创新和新机会。
我是张璐，Fusion Fund 的创始合伙人。从 10 年前创立这个基金开始，我们在过去 10 年一直专注于北美人工智能驱动的初创企业生态投资，现在已经投资了 100 多家企业，主要专注于 3 个方向：企业级人工智能、工业自动化和医疗领域。
尤其是在 AI 方面，我们经常开玩笑说，在 AI 还不叫 AI、叫 machine learning，也就是机器学习的时候，我们就已经开始投资这个领域了。所以在过去几年里，我们也很高兴能够看到整个产业快速崛起，从模型到应用，再到现在各个产业的落地应用，确实进入了一个大时代。我也很高兴今天有机会，和大家深入探讨这些创新机会。
也谢谢张璐来做客我们的节目。从新闻上看，Fusion Fund 今年上半年其实有好几件大事：不仅在年初宣布了第四期 1.9 亿美元基金的消息，也有几家公司的成功退出。
张璐可不可以先简单地跟我们做一个中期总结？你觉得今年上半年发生在硅谷的哪些大事让你印象特别深刻？从初创生态和投资机构的角度来看，如果跟之前相比，今年上半年整体反映出了什么样的变化？又形成了哪些行业共识？
张璐
今年上半年，你会感觉到现在虽然只是在 7 月，但基本上每个星期都有新的东西出来。所以对于整个 AI 创新生态来讲，确实是非常活跃、变化非常迅速的半年。
1. DeepSeek 重写开源格局
如果问我印象比较深的几件大事，我们可以从年初开始捋。年初当然有一个全球可能都比较关注的事件，就是 DeepSeek。我还记得很深刻，DeepSeek 出来的第二天，我正好去了英伟达。我们和英伟达的合作很紧密，我当时去看他们最新的一些产品研发方向，也和他们那边负责战略投资的人聊了一下。
正好那天就是 DeepSeek 发布之后。你记不记得，那个周一英伟达的股价跌了很多？所以我们当时还在讨论，到底开源生态对于英伟达这样的公司是利好还是利空。我们都觉得其实是利好，因为它会驱动更大范围的人工智能应用铺开，只是市场在短时间内，尤其是资本市场，反馈可能是相反的。
所以 DeepSeek 当时其实是一个非常重要、也让人很振奋的消息。对于我们来讲，你可能记得，我从大概两年前开始就一直非常支持开源生态，也一直坚信开源生态未来在 AI 创新领域会产生重要影响、发挥重要作用。
从这个角度来讲，DeepSeek 的出现一方面是开源生态的一个巨大胜利。之前大家并不确定，开源模型的表现能不能和闭源模型相匹配，甚至超过闭源模型。
第二，DeepSeek 也让大家看到，模型架构可以做得非常简单，而且不一定要使用最先进的 GPU，才能训练出先进的模型。我觉得这和我们去年发布的一份人工智能基础设施报告中提到的方向是一致的：有一些新的模型架构，甚至可能在 CPU 上运行得比 GPU 更高效。
这也让大家看到，虽然大语言模型和生成式 AI 是一个大的趋势，大家都很兴奋，但在模型架构和基础设施架构层面，仍然有很多创新可以做。这是让我们这些早期投资人比较兴奋的两个地方。
所以在 DeepSeek 之后，我觉得大家形成了一个新的共识，就是更加重视开源生态。你刚才提到，我们今年有 4 家公司退出，分别被英伟达、苹果这样的大型企业收购。其中 4 家里有 3 家都是开源生态中非常重要的贡献方，所以你也能看到，开源生态的生命力越来越强。
我经常说，这其实也体现了另外一个趋势：以前大家会觉得创新是公司驱动，也就是 corporate-driven 的创新；但现在因为有了开源生态，创新越来越 community-driven，也就是社区驱动的创新。这一点在人工智能时代体现得特别明显。
2. 英伟达扩建创业者生态
年初 DeepSeek 之后，三四月份比较重要的一件事就是英伟达的 GTC 大会。去年英伟达大会已经来了很多人，今年来的人更多。我们从 2017 年开始就和英伟达深入合作，所以今年他们也邀请我在大会上做了一个主题演讲，主要是针对他们的 Inception Program。现场来了几百位英伟达生态中的创业者，我跟他们分享了在这样的环境下，怎样和 VC、创业生态以及融资机构更好地合作。
另外，我还和其他几家基金一起做了一个 panel，包括 Insight Partners、a16z、General Catalyst 和 Lux Capital。当时讨论的核心也是整个 AI 生态的机会。
在我们那场 panel 之后，英伟达宣布了新的 DGX Cloud Program。这个项目的核心，是进一步推动创新生态的建立。当时英伟达承诺，如果我们投资的项目入选 DGX Cloud Program，就可以获得一定额度的免费算力，以及英伟达工程师的定向支持。
对于初创企业来讲，这是非常大的优待和优势。和我们合作的其他几家基金，基本都是大家比较耳熟能详的几十亿、上百亿美元级别的基金，我们是其中唯一一家早期基金。
其实不只是英伟达在这样做。今年年初开始你会发现，无论是亚马逊、谷歌还是微软，虽然一方面这些大企业会和初创企业形成竞争，但更重要的是，它们也在建设自己的生态。它们都在提供免费的 credit，也就是免费的算力，去吸引更多初创企业使用它们的平台、云和 API，在自己的生态中建立应用。
英伟达也是做得最好的企业之一。从 2017 年开始，它的 Inception Program 到现在已经有几千家企业了。所以从这个角度你也能看到，整个硅谷的 AI 创新生态中，大企业和小型初创企业之间虽然有竞争关系，但更多也是协同合作的关系。
在 3 月份的英伟达大会上，大家可以看到很多这样的体现，包括英伟达宣布了许多新的生态项目和技术，让大家看到算力和模型表现都在进一步提升。
3. Gemini 开始全面发力
再往后，4 月、5 月、6 月开始，发布就更多了。我开玩笑说，这是 Gemini 开始发力的阶段。之前大家一直对谷歌有比较大的非议，觉得这一轮人工智能为什么让 OpenAI 占得了先机，但很多人可能忘记了，OpenAI 最早基于的 Transformer 模型论文就是谷歌发布的。
所以谷歌一直以来在人工智能研究领域的积累非常深。甚至我个人认为，在所有大科技公司里面，谷歌的积累是最深的，既有纵向的深度，也有横向的广度。包括 DeepMind 团队发布的 AlphaFold、AlphaGo，以及最近发布的 AlphaGenome，都非常强。
Gemini 作为谷歌的大模型，今年连续做了很多非常好的发布，包括面向边缘端的小模型。Gemini 2.5 发布之后，大家也发现它的表现非常好，尤其是在 long context window，也就是长文本处理方面，表现非常突出。
再到最近，它又发布了针对代码的模型。大家讨论比较多的产品包括 Cursor、Windsurf 和 Claude Code，但 Gemini 也推出了 Gemini CLI。它是一个 CLI 工具，也就是终端工具，而且是开源的，给大家提供了更多构建自己代码模型和代码工具的机会。
所以在过去几个月里，我觉得 Gemini 一直在发布“大杀器”。前一段时间，DeepMind 还进一步发布了 AlphaGenome，主要针对测序数据，也非常让人惊艳。这是我觉得从 5 月、6 月开始的一个重要变化。
当然，过去这段时间新闻更多了，包括 Scale AI 和 Meta 的收购；Windsurf 先是和 OpenAI、再和谷歌之间的交易；到现在 Cognition 又把它剩下的团队收购掉；还有 Grok 的发布，以及整个 AI Agent 市场的崛起，包括 Agentic AI、Physical AI 等等。
所以现在真的不能按月来衡量 AI 生态的变化，可能至少要按星期来衡量：这个星期有什么新的发布，有什么新的论文。我刚才是临时从头捋了一遍，所以总结得可能不全面，但确实有很多很多新的创新在快速迭代。
4. AI Agent 成为下一代平台
Ronghui
上半年虽然感觉时间很短，但信息密度非常高。我也记得你在一次采访中提到，今年上半年总结下来，你觉得 AI Agent 是继 PC 和互联网之后的下一代通用平台，开启了真正意义上的人机协同新时代，这已经成为大家的一个共识。
你提到 Salesforce，其实我在准备这次播客的时候也看到了一些相关评价。包括 Oracle、Salesforce，它们都是大家印象中上一代的公司，但在 AI 时代抓住了机会，不管是在内部管理还是收入上，其实都有一些体现。
张璐
我觉得这件事很有意思。你会发现，在 AI 这一轮快速迭代创新的周期里，能够快速转型、抓住机会的公司有一个特点：基本上它们的 CEO 还是公司的创始人，所以魄力比较大，投入也比较大。
我们经常讲，在大的技术革新出现时，现有玩家要考虑是不是要进行自我革命和自我迭代。如果公司的创始人还是 CEO，他可能底气会更足一些，做决策也会更坚决、更准确、更迅速。但如果是职业经理人做 CEO，在这样快速竞争、快速迭代的周期里，可能会比较犹豫，从而失去先机。
大家经常讨论的大模型，主要是 Anthropic 的 Claude、OpenAI 的 ChatGPT，以及谷歌的 Gemini。但 Salesforce 自己内部也有一个模型，叫 Einstein，也就是爱因斯坦。他们做得非常好，只是这个模型主要在内部使用。
英伟达自己也有模型。它用自己的模型搭配自己的应用，再搭建自己的 AI Agent，就可以做到系统层面的垂直优化。你会发现，整体产品的专业度、灵活度和成本都可以得到优化。
现在 AI Agent 要在广泛的行业中应用，会面对各种各样的场景。其中一个比较大的挑战，仍然是大语言模型的幻觉问题。怎样在优化过程中消除或者降低幻觉，并把 AI 应用到 B 端场景中，还是非常关键的。
你提到 AI Agent 成为共识。你分析了硅谷发生的一些 AI Agent 落地情况，其实在国内 AI Agent 也特别火。上半年国内发布了好几个 AI Agent 相关的产品。
我想先问一下，在硅谷大家有关注到国内这些 AI Agent 产品吗？
张璐
有。像 Manus 当时就是大家听得比较多的、国内做得很好的 Agent 产品，也拿到了硅谷风投的投资，现在正在部署全球市场。
我觉得两边其实有比较多的关注和互动。尤其是现在，中国的企业无论是大型科技企业还是小型初创公司，在开源生态方面都做得比较多。开源生态本身是跨国界的，所以这也增加了中国人工智能生态对全球生态的影响力。
不过聊 Agent 的话，我想先提几点。第一，Agent 其实不是一个新的概念。10 多年前我们就开始讲 Agent，只是现在大家对它有了更广泛的认知。
另外，大家对于 Agent 的定义可能也不太一样。不同机构、学术界和工业界，可能都会有各种不同的定义。但我个人觉得，AI Agent 的核心首先是能够处理复杂任务，而不是简单任务；其次，它可以自己进行决策，而不是需要人介入来做决策。
这是我认为 Agent 最基础的定义和要求。你的产品要做到这个程度，才可以叫 AI Agent。当然，在做决策的过程中，Agent 也要决定使用什么工具。创建 Agent 的团队或个人，需要先给它提供一个工具库，但提供工具库之后，它下一步使用什么工具，需要由 AI Agent 自主完成。
所以，我们所定义的 AI Agent，就是能够解决复杂问题、自主决策，并调用适当工具的系统。在这个基础之上，有一些比较简单的自动化工具，或者数字化转型工具，可能就不属于 Agent 的定义范围。
Ronghui
说到 Manus 拿到 Benchmark 投资这件事，在国内也非常受关注。我听说这件事在 Sand Hill Road，也就是硅谷风投集中的那条路上，同样很受关注。
5. Windsurf 揭开人才争夺战
我们录制前一天，正好是 Windsurf 这场连续剧一样的收购案进入最终章，它剩下的部分被 Cognition 收购了。我在想，这件事可以串起很多事情，所以想从这里入手，和张璐聊一聊上半年硅谷发生的一些有代表性的事件。
首先，这个收购案非常反映大公司的焦虑。现在大公司的焦虑，一方面是因为觉得整个技术生态迭代速度很快；另一方面，它们也有很强的竞争意识，因为各大科技公司现在都在拼命工作。
以前大家知道，谷歌的工作节奏相对慢一些，也比较轻松。但现在我听到，像 Gemini 这样的核心 AI 团队扩张很快，基本上一周 7 天都在工作。这个 7 天工作不是说只待在公司，当然我们也知道，硅谷还没有像国内那么卷，但我觉得现在卷的程度也差不多了。
大家也看到，马斯克的 xAI 团队可能更卷，甚至在公司里搭帐篷。这不是作秀，确实就是这么辛苦地工作。我也认识他们的一些创始成员，他们基本上都跟我讲过，马斯克有时候凌晨 1 点来和他们一起工作，一直工作到凌晨 6 点。
所以他和我约见面时，可能会约在早上 7 点或 8 点。他结束工作之后见一面，回去睡两三个小时，再继续工作。整个竞争生态还是比较严峻的。
Windsurf 还有一个很有意思的地方，就是它和 Cursor 之前都非常火爆，我们叫它们自动编程平台，也就是人工智能代码 Agent 的代表。它们各自都有自己的优势，但从核心上讲，背后调用的模型还是 ChatGPT、Claude 这些大模型。
前一段时间 Anthropic 发布了 Claude Code。发布之后，相当于 Anthropic 把自己的 Claude 模型做成了代码模型，所以它的表现和适配度非常高。
Claude Code 发布之后，我周围认识的创业者和企业基本都在转向使用 Claude Code，因为大家觉得它确实非常好用，尤其对开发者来说，很符合他们的开发习惯和使用环境。
这件事当然才刚刚开始，并不是说已经完全动摇了 Cursor 和 Windsurf 的市场份额，但它是一个开始。对于这些初创的代码 AI Agent 公司来说，它们就要考虑：我调用的都是通用大模型，我做了一个通用 Agent；但如果这些模型开始自己做代码模型和代码应用，我的优势到底在哪里？
我觉得这也能解释，为什么 Windsurf 这样的公司，财务状况和增长其实都不错，却会考虑被并购。
OpenAI 当时比较有挑战的一点，是它现在确实面临各方面的问题：从技术层面、商业模式层面，到资金层面、人才层面，都有很大的挑战。
谷歌则一方面已经在 Gemini 的发布上取得了很多优势，另一方面又不能马上跳出来变革自己现有的广告商业模式，所以也在探索其他产品形态。Gemini 本身发布得已经很好了，而 Windsurf 背后也调用 Gemini 作为代码模型，所以这场收购在战略上还是比较顺理成章的。
这也是为什么大家看到，这场收购像连续剧一样，在几周时间里先是 OpenAI，再是谷歌，最后 Cognition 又把剩下的团队收购掉，确实很有戏剧性。
如果把这个收购案拆成几个层面，我觉得它代表了好几件事。第一，正如你说的，它是一个自动编程平台。为什么大家都在争夺自动编程平台？为什么 Cursor 可以有这么高的估值？
至少在国内，我听到很多人说，前两年 AI 发展中跑出来的、特别成功的公司可能就是 Cursor。OpenAI 为什么在年初愿意以 30 亿美元收购 Windsurf，但后来又失败了？这其中还涉及 OpenAI 和微软的关系。
我想先从这一点问问张璐：你了解这件事吗？是不是真的像外界所说的那样，因为微软和 OpenAI 签订的条款要求所有技术共享，所以才导致后来的交易没有谈成？
张璐
这是其中一个原因，当然还有很多其他原因导致这笔交易没有谈成。而且 OpenAI 现在和微软的关系，也处于一个相对敏感和紧张的阶段。
微软其实也是借助 OpenAI 的模型，开发自己的 Copilot 产品线。Copilot 刚发布的时候，产品做得比较糟糕，但现在其实越做越好。
另一方面，微软在天然的 B 端商业模式方面有很大优势。它的 B 端生态很完整，包括售后服务、销售支持，以及给很多云端客户提供免费 credit，也就是算力。这些都吸引了很多客户和它合作。
但 OpenAI 再想做 B 端业务时，就会面临和微软，也就是自己的大股东和执行合作方，直接竞争的问题。这是一个很大的矛盾。
OpenAI 现在还有一个问题：它到底还能用什么样的数据进一步优化模型？基本上，公共领域的 C 端数据已经用得差不多了。如果想进一步优化模型，可能需要更加关注高质量的行业数据。但高质量行业数据并不在公共领域，还是要通过 B 端合作来获取。
可是，OpenAI 现有的商业模式又让它很难走 B 端这条路。这就是为什么 Anthropic 的 B 端路径走得很顺畅，而 OpenAI 却比较艰难。
微软借助 OpenAI 的模型能力，再基于自己现有的 B 端生态，就可以把这条路走下去。所以对 OpenAI 来讲，今年确实是非常有挑战的一年。
Ronghui
对。昨天或者前天，Sam Altman 说他们的开源模型也要推迟上线，好像是在准备过程中发现了一些潜在风险，所以不得不推迟。
张璐
对，他说发现了一些安全风险。我们当时还开玩笑说，以前很少把安全作为重点理由的 OpenAI，现在开始重点用安全作为理由了。
Anthropic 当初成立，就是因为它的创始人认为 OpenAI 对 AI 模型的安全和伦理重视不够，所以这件事也很有意思。
6. Meta 砸钱追赶 AI
另外，Meta 前一段时间和 Scale AI 的收购，其实也从各个层面显示出 Meta 的确很着急。它过去在开源层面一直做得比较好，但从 Llama 3 开始，Llama 4 的表现就非常不尽如人意。
Meta 本来以为自己是开源生态的领军者，但 DeepSeek 出来之后，受到比较大冲击的其实就是 Meta 这样的开源模型公司。它的模型能力不领先，生态又没有成型；其他公司哪怕是微软，也有自己的生态，但 Meta 还没有形成生态，所以它才会急于快速收购。
你也会发现，Meta 在收购时力度很大，无论是人才收购还是公司收购。收购 Scale AI 的核心初衷，其实是补足数据和工具层面的短板，也就是基础设施层面的短板。
这次收购并没有从 Scale AI 带走很多人，可能只有三四个人去了 Meta。但核心价值在于，可以在数据和工具层面补足一些短板。
所以我感觉，Meta 现在采用的是一种比较传统的方式，也就是堆资源来追赶。它在战略层面落后了，现在就通过大规模堆资源，从现金、算力和人才层面，看看能不能补足战略上的落后。
另外一个比较厉害的就是 Grok。Grok 4 发布之后，它的一些参数还是非常令人兴奋的，当然也有争议。比如它使用了很多 Twitter 数据进行训练，对话中也出现过类似“希特勒式”的回答，这里面当然有很多模型数据偏见的问题。
但如果看它在其他参数层面的表现，确实非常惊人，也非常惊艳。Grok 现在还没有发布代码模型，但我知道，xAI 内部现在大概有 70% 到 80% 的代码，已经是用他们内部的人工智能代码工具写出来的。
所以他们内部已经使用得非常顺畅了。只是要把它做成一个对外、供第三方使用的代码模型和工具，目前还没有发布。我个人非常期待，我觉得它的代码模型能力应该会非常值得期待。
等它出来之后，我们就可以横向比较它和 Gemini，以及 Claude Code 各自的代码能力。
Ronghui
刚刚你说到 Meta 最近“买买买”的新闻，我想补充一个问题。你怎么看这种有点类似“暴力美学”的 AI 路线？
我自己的评价是，不管是 Meta 做成球星卡的那些人才，还是昨天 SemiAnalysis 发布的、关于 Meta 投入巨额资金堆算力的报告，我觉得它都有一个目的：它非常希望让公司和外界都看到，它做 AI 的决心。
张璐
是的。我觉得还是要回到刚才提到的那个问题：如果公司的 CEO 还是创始人，他在很多方面的投入和坚定程度，以及对于新方向选择的力度，都会更大。
所以你能看到，Zuckerberg 现在非常明确地要在 AI 上进行大投入。
另一方面，说实话，Meta 一直以来都在持续投入 AI。就像谷歌一样，前两天我看到一个视频，是 Larry Page 在 25 年前接受采访。有人问谷歌的终极形态是什么，他当时的回答就是人工智能。
他说，希望用户问任何问题，搜索都可以回答。这其实就是一个由人工智能驱动的搜索引擎，类似我们现在使用 ChatGPT 的形式。你会发现，25 年前他就已经有了这个构想，而谷歌在过去 25 年里一直在人工智能领域投入很大。
Meta 其实也一样。大家可以看到，它的首席人工智能科学家和内部研究团队，人才还是非常好的。他们过去发布过各种各样的开源模型，也发布过一些开源视频模型。之前我还看到，他们在构建真实世界的物理模型方面做得也很好。
可惜的是，它没有生态。你发布了这些模型之后，如果没有生态，就没有办法把模型转化成实际应用，也没有办法让生态真正体验到模型的能力。
第二，公司内部有广告这门“现金奶牛”生意，所以到底应该怎样倾斜产品、资金和资源，也是 Meta 内部比较大的挑战。
我觉得这些创始人，无论是 Zuckerberg 还是 Larry Page，对于 AI 的长期愿景一直都有，不是现在才有。只是现在到了一个拐点，速度突然加快了，他们没有办法再像过去一样慢慢投入，而是希望更快地在人工智能生态中建立自己的优势。
Meta 现在疯狂招聘、投资、投入现金和资源，核心其实是希望压缩迭代周期，通过招聘和收购来买时间。
买到时间之后，它才可能从战略和技术相对落后的现状，转向重新建立自己的 AI 生态。
它现在还有一个优势。你会发现，各大科技公司，包括 OpenAI，都在讨论人工智能时代的新需求，也就是人工智能的 interface，新的人工智能界面。
这个界面不只是手机或电脑。人工智能硬件作为一种新的界面，可以让人通过多种形式和人工智能交互。Meta 无论是头显还是眼镜，都是少数已经拥有明确硬件形态的 AI 产品。
但它虽然有硬件平台，却没有系统能力和模型能力。这也是为什么它会觉得，自己在硬件生态上有优势。如果能够把模型和系统能力补起来，可能就会比别人跑得更快。
当然这里面还有苹果。大家对苹果的期望值很高，但没有想到这一轮因为很多决策和投入层面的问题，它可能掉队比较厉害。
所以从这个角度看，Meta 看起来疯狂的投入，其实是有逻辑、有原因的。它也很明确自己缺什么：缺的不是执行力，它的工程师都非常能干；缺的是核心的构建能力，也就是搭建模型和生态的大脑。
所以你会看到，它招聘的都是比较上游的人工智能人才，帮助它搭建模型架构。同时，它招聘了 Alexander Wang，也就是 Scale AI 的创始人。他是一个很厉害的生态建设者。
所以 Meta 是两边同时发力。
Ronghui
如果再补充一下，你觉得 Meta 之前在这方面做得不太好的主要原因是什么？因为我也听说 Meta 内部其实挺卷，工作很辛苦。
张璐
它确实比较卷。但我听到的关于 Llama 的一些情况，当然不一定完全准确，可能还是和团队迭代过程中信息不能完全流通有关。
比如，负责下一代产品的人，可能无法拿到上一代产品的全部信息，这里面可能有一些内部管理问题。
另外，Meta 的首席人工智能科学家一直不太赞同大语言模型这个方向，所以在内部人工智能投入方向上，大家也有各种不同的想法。
这次 Zuckerberg 可能是觉得，要比较破釜沉舟地说，我们就是要做这个方向，然后招来一些新鲜血液，像鲶鱼效应一样，把内部激活起来。
所以就像你讲的，它内部很卷，迭代速度也很快，工程师也很能干。更重要的是，怎样构建一个有力的大脑和一个生态，去加强它已经拥有的人工智能硬件优势。
Ronghui
那你看好这一系列“买买买”之后的前景吗？
张璐
现在还很难说。如果问我个人，我目前没有特别看好。它当然招聘了很多优秀人才，也在试图搭建生态，但这个周期可能不会像想象中那么快。
人才进来之后，新血液和现有架构之间可能会有一个磨合过程，也会经历一段阵痛期。这个阵痛期并不能保证所有招来的人都能全身心地投入产品研发，组织架构可能还要进行一轮调整。
这个调整需要多长时间并不确定。但从长线来看，我还是很看好他们的。至于短期，也就是今年年底之前，Meta 能不能迎头赶上，我觉得还是比较困难。
Ronghui
刚才你提到它们是在花钱买时间，我也很同意。回到 Windsurf 这个收购案，我看到各方分析中有一个观点：谷歌花 24 亿美元买这个团队，好像有点像当了冤大头。
但我觉得仔细算一笔账，这一步其实很精明。如果谷歌自己重新搭建团队、重新做一套类似的产品，至少需要 2 到 3 年时间。现在它直接挖人，避开了反垄断调查，可以直接获得团队、技术授权和这些人的 know-how。
花这么多钱买一个关键的时间，其实也是买时间。
张璐
你说得非常对。对于大科技公司来讲，钱不值钱，最值钱的是时间。现在竞争周期已经变成我刚才提到的每周都有新的发布，所以每一天、每一周对它们来说都很有价值。
一方面，它们是买时间来提升人工智能竞争实力；另一方面，这些公司都是上市公司，这样的投资对投资人和华尔街资本市场的预期也有帮助。
大家可能会觉得，花 20 多亿美元买这样一个团队是不是不值得。但如果这件事对公司整个 AI 生态有正向影响，股价也会因此调整，那么股价增长的部分可能已经超过收购支出。
所以对于大型上市公司来说，收购不一定只是看这家企业能赚多少钱。有些企业是因为收入很高而被高价收购，但有些企业收入还不错，收购方仍然愿意高价收购，是因为看中了它的战略价值。
比如，你的产品已经很成熟了，如果放进我的分销渠道，卖给我现有的客户，可能马上就能创造 5 亿或 10 亿美元的价值。在这个基础上，我拿出 5 亿或 10 亿美元收购这家公司就是值得的，因为它不只是有现有产品，还有下一阶段可以研发的产品。
所以战略收购方现在是整个生态中非常重要的贡献者，也是重要的一员。并不是所有公司都一定要上市才能退出。快速进行并购、实现资金高效回笼和循环，包括人才的回流和循环，对整个创新生态都是有好处的。
7. 谷歌面临自我革命
Ronghui
我们刚刚说了 Meta 和 OpenAI。对谷歌来讲，我最近也听说它内部在做很多调整。
去年谷歌推出了一个很有名的产品 NotebookLM。它所属的 Google Labs 的负责人，现在既是 Google Labs 的 VP，同时也在负责 Gemini 应用。我听说谷歌内部其实在做很多调整，就像我们前面说到的，各种收购案也反映了这些公司的焦虑。
你觉得谷歌现在处于什么样的状态？
张璐
首先，NotebookLM 是一个非常好用的工具，我们自己也很喜欢用。它本身就是 DeepMind 和 Google Labs 联合打造的产品。
你会看到，谷歌过去有不同部门在做 AI，有些偏产品，有些偏研究。尤其是 DeepMind，在研究方面做得非常深入。现在谷歌希望把两边进行更深入的整合，把很强的研发能力转化成产品能力。
到目前为止，我觉得 Gemini 过去一段时间的发布做得非常好。所以从人工智能实力来讲，我个人还是觉得谷歌在各大科技公司里面排在第一位。
而且现在市场有点低估了谷歌的人工智能能力和未来潜力，包括谷歌自己也没有大肆宣传和推动 AI 产品发布。
对谷歌来说，一个挑战是，它要考虑到底应该以什么形式、在什么时间节点进行自我革命和优化。它现在的商业模式是广告，尤其是搜索广告。如果它真的大力推动 Gemini 驱动的搜索引擎，像大家经常说的 Perplexity 一样，谷歌完全可以做一个比 Perplexity 更好的产品。
但做出来之后，它现有的商业模式怎么办？它能不能很快找到新的商业变现模式，补上原来的现金缺口？
所以无论谷歌还是 Meta，它们都有点像拥有一头非常成熟的现金奶牛。但在没有找到新的现金奶牛之前，不能把原来的奶牛杀掉。这对它们来说是一个挑战。
如果做好了，谷歌会获得新生，就像凤凰涅槃一样。因为它的人工智能实力非常强，生态也很好，而且过去这些年的积累非常深。
我经常讲，优化人工智能产品不只是模型竞争，也是成本竞争。你怎样去优化成本？谷歌其实也部分学习了苹果的思路，现在拥有自己的 TPU、自己的芯片、自己的模型、自己的云、自己的基础设施和自己的人工智能应用。
作为一个全栈式产品生态，它非常容易进一步优化成本。这些年积累下来的优势，是其他科技公司很难比拟的。
但如果时机没有选好，形式没有选好，就可能自断一条腿：在新产品没有快速获得商业认可之前，先把现有模式打掉。
所以对谷歌来说，一方面要在内部讨论时机，另一方面外部有很多竞争对手。我们这一代人从移动互联网时代成长起来，非常熟悉智能手机，但现在的年轻人是在 AI 工具中成长起来的。
他们每天使用各种各样的 AI 工具，很少有年轻人开始使用谷歌搜索。他们可能更多使用生成式 AI 驱动的搜索，使用谷歌的次数越来越少。
外部竞争环境和新一代用户习惯的快速变化，也不会给谷歌留下太多时间和空间。
很多人都在说，谷歌的位置很尴尬。它的技术很强，但搜索受到了根本性威胁，而搜索又是它商业模式的根基。你觉得它已经到了非常关键的时刻吗？
张璐
我觉得确实到了关键时刻。但说实话，如果你问别人，谷歌是不是已经到了转折或自我调整阶段，大家也很难直接给出答案，还是要看它内部数据的体现。
所以今年，谷歌可能还会做更多调整，看看能不能抓住这个机会，像凤凰涅槃一样，成为人工智能时代的领军企业。
我还是非常建议大家多关注 Gemini 家族过去这段时间的发布，从企业级 AI，到前一段时间发布的 Gemma 3n，也就是终端和边缘端模型，再到各种小模型，以及 AlphaFold、AlphaGenome，这些都非常令人惊艳。
还有我刚才提到的 AI 成本优化，以及它自己的 TPU 体系，这些都是它未来的可能性。
Ronghui
刚才我们也提到苹果的一系列决策可能存在一些问题。苹果现在看起来有设备优势，但没有模型，也没有直接的 AI 产品。
上半年，它在 WWDC 上宣布 iOS 26 会和 ChatGPT 深度整合，看起来是在应用层面建立 AI 能力，改善 iPhone 的使用体验。
但也有观点认为，短期内 AI 并不影响苹果的收入。不管 AI 怎么发展，人都要使用手机；长期来看，AI 可能会减少人们使用手机的时间，但对苹果来说，只要不影响它的商业模式根基，问题就不大。
如果类比谷歌，你觉得苹果 AI 策略的核心是什么？你刚才提到它有一些问题，具体是什么？
张璐
我觉得苹果可能没有预判到，人工智能趋势的崛起速度会这么快。
其实硅谷这些科技公司并不是 ChatGPT 突然出现之后，才一下子扎进 AI。它们基本上在过去 10 多年里都持续布局和投入人工智能，只是以前没有这么紧张的时间线。现在竞争周期和迭代速度突然大幅缩短了。
苹果之前让我非常看好的一点，是它的人工智能芯片。它的人工智能芯片做得非常好，当时基本上可以说是世界上最强的人工智能芯片之一，因为它的运算能力，以及和苹果整个硬件生态的整合，都非常出色。
苹果的芯片团队也很强，我之前在斯坦福的一些朋友就在那边工作。所以芯片是它的一个巨大优势。
但它的问题是缺乏人工智能产品。它的设备是核心，硬件是核心，芯片也是硬件中非常重要的核心，但它没有 AI 产品。
所以它当时和 ChatGPT 的整合，算是一种阶段性妥协：先合作，再逐渐布局。但它没有想到其他公司的迭代速度会这么快。
现在苹果的优势是，人工智能硬件会成为一个非常重要的入口。就像你提到的，短期之内，不管是 ChatGPT、Claude Code，还是其他 AI Agent 产品，大概率都还是要在手机和电脑上使用。苹果占据了硬件入口，所以它仍然拥有一定的平台优势。
但其他公司也在考虑做硬件，这就触及了苹果的护城河。Meta 一直和苹果竞争，Meta 也在考虑做硬件；OpenAI 想做硬件；谷歌过去也在硬件层面进行过探索。
所以苹果仍然有一个时间窗口，但这个窗口期可能不会很长。它需要思考，怎样在硬件层面布局 AI 硬件，包括耳机、芯片上的本地模型，以及怎样把人工智能嵌入硬件体验，让一切更加流畅，而不是仅仅提供一个开放的平台或模型。
我刚才也提到，有时候你能看到 Tim Cook 是一个非常厉害的科技领袖和商业领袖。但在大的趋势到来时，如果公司的 CEO 是创始人，他可能更敢承担巨大风险，去赌一个新的方向。
这种魄力很多时候很难要求职业经理人拥有，因为创始人和职业经理人的处境不一样。你赌一把可能赌赢，也可能赌输；投入巨大之后，也可能失败。
比如 Zuckerberg 在元宇宙上投入了这么多年，到现在仍然是一个巨大的、暂时看不到回报的窟窿。但因为他是创始人，即使犯了错，也可能保住自己的位置。
对于职业经理人来说，可能就要更谨慎地评估新方向的大规模投入风险。所以你会发现很有意思：无论是英伟达、Salesforce、Meta 的 Zuckerberg，还是谷歌，这一波人工智能崛起速度很快的企业，CEO 基本都是创始人。
Ronghui
我们刚才没有提到亚马逊。亚马逊可以用 AI 让电商推荐算法更准确，AWS 服务也卖得很好。你有关注亚马逊上半年的一些动作，以及它接下来的前景吗？
张璐
8. 云平台重新下注 AI
AWS 现在有点像淘金热中卖铲子的人。大量人工智能训练和推理需求，不管是模型公司还是 Agent 公司，最终都是 AWS 的客户。
所以，越多 AI Agent、越多模型公司，对 AWS 来讲就越是好事。它的商业收入和增长都会被进一步推动。
这也是为什么大家感觉，亚马逊好像没有大规模投入去做自己的 AI Agent，或者直接做一个人工智能产品。但没关系，它在背后卖铲子卖得很开心，通过基础设施层面的优势，也可以在人工智能竞争生态中默默胜出。
另外，亚马逊一直是 Anthropic 非常强力的支持方和投资方。你会发现，我们投资的一些初创企业，现在和亚马逊、AWS、谷歌、微软都有很多合作，因为它们都希望我们推荐初创企业使用自己的云端，同时也会提供很多优惠条件，比如 free credit。
AWS 提供的 free credit，本质上也是云端 credit，可以用于 Anthropic 的服务。所以你能看到，它们两边的战略协同和整合还是比较紧密的。
Ronghui
我补充一个前面的问题。刚才说到微软的战略协同，AI 是它未来的战略方向，它会继续大力发展 Copilot。你会不会推断，微软接下来可能会和 OpenAI 解绑？这好像已经是存在很久的猜测了。
张璐
我觉得它们现在的合作形式，已经出现了渐行渐远的苗头。
前一段时间，Sam Altman 想在 OpenAI 的股权架构和公司架构上做一些调整，最后也是一个妥协的结果。再加上这一次 Windsurf 的收购，微软和 OpenAI 已经形成了直接的利益冲突。
另一方面，也有外部压力。美国和欧盟的监管机构一直在关注微软是否实际控制 OpenAI，以及这是否会形成垄断。
微软之前在董事会上虽然没有投票权，但有一个观察员席位，后来因为这个原因把席位让出了。
另外，OpenAI 面临的挑战是，一方面要探索 B 端商业模式，构建更加可持续的收入；另一方面也要获取更高质量的行业数据，提升模型下一步的能力。
但做 B 端业务，实际上和微软的立场存在冲突。微软当时对 OpenAI 的期待是，OpenAI 做底层模型提供商，微软则做产品提供方和整合方。
但现在 OpenAI 无论是企业级版本，还是它正在做的 Agent，都不想只是做模型提供方，而是想成为一家全栈式的人工智能产品公司。所以两边在路线层面已经出现冲突。
你会发现，微软现在不只是支持 OpenAI，也支持 Mistral、Cohere 等其他模型，支持它们接入、合作和整合。微软旗下还有 Microsoft Research，也在加快自己的模型研发。
我个人对微软自主研发模型的期待并不是特别高，因为它的创新能力在科技公司里确实偏慢。但这至少释放了一个很明确的信号。
短期内，微软不太可能和 OpenAI 完全分家。毕竟它们之前签订的协议非常紧密，尤其在 Azure 云端层面仍然有明确绑定。
但在应用端和模型层面，微软已经主动开始进行某种“去 OpenAI 化”：不再只以 OpenAI 为核心，而是保证模型供应商的多样性，同时推动自己的研发能力，降低对 OpenAI 模型的依赖。
尤其是 Copilot，未来不一定完全依赖 GPT，也可能动态调用多个模型。对微软来说，这是一种更加灵活、多样的选择。
企业级客户对安全性和合规性的要求也比较高，而 OpenAI 在安全合规方面的口碑并不是特别好。所以对微软来讲，探索多样化模型，也更有利于服务企业客户。
我觉得从这个层面来说，微软和 OpenAI 之间仍然有深度利益绑定，但微软已经开始为“去 OpenAI 化”做准备。
OpenAI 也在多方面寻求未来的资金和算力支持，包括公司股权架构和董事会架构都在经历迭代。这也是为什么我一开始说，今年面临最大挑战的企业，实际上是 OpenAI。
到今年年底，OpenAI 可能还会有很多变数，我们可以拭目以待。
9. 稀缺人才改变收购逻辑
Ronghui
Windsurf 的收购从几个层面反映出很多事情。刚才我们说到公司的焦虑和人才竞争，我不知道自己的猜测对不对：它是不是在某种程度上也代表了上半年硅谷人才竞争和收购方式的变化？
昨天我看了 Zuckerberg 在 The Information 直播中的一段话，我觉得很有意思。他说，钱是一方面，但他也否认了很多报道，认为有很多报道是不对的，不过没有说明具体哪里不对；大家看到的更多是交易金额，但忽略了“more leverage as a researcher”，也就是研究人员在内部能够获得更大的杠杆。
他还说，以前招聘时大家会问，自己的 scope，也就是权限范围有多大；现在招聘时，大家问得更多的是，怎样让尽可能少的人向自己汇报，同时给自己尽可能多的 GPU。
他说这就是他现在招聘的策略。最近这些以 Windsurf 为代表的收购案，到底反映出人才争夺在争什么？这样的交易方式又会给硅谷初创和创投环境带来什么影响？
张璐
就像我提到的，每家公司都有自己的执行能力，也有已经搭建好的基础架构。它们现在其实是在给自己招“大脑”。
你刚才提到的重点是，它们不只是说“我有一个构想，希望招人来实现”，而是因为人工智能生态演变速度非常快，它们希望招来这些人，直接告诉自己构想和架构应该是什么、接下来要怎样做。
能够做到这个层面的人工智能人才非常少。你不能只招一个人工智能工程师，因为他可能没有架构层面的思维。
现在大家讨论大语言模型，包括做 Agent 之后，很多讨论都是在 LLM 的基础上加入 RL，也就是强化学习。很多模型还在持续迭代。前两天我们还看到一种新的模型架构，它可能在 CPU 上运行得更加高效，比在 GPU 上更高效。
GPU 是不是生成式 AI 最终极、最好的底层芯片架构，现在仍然存在一些疑问。你会看到，这些方向实际上充满未知。
所以 Meta 招人才，是希望这些人帮助它找到一条应对未知的路径。这种人才的要求非常高，确实没有多少人。
如果你问我，我觉得这类人可能不超过几千人，不是上万的量级，而是几千人的量级。几千人中最核心的那些人被各家科技公司反复争夺，确实不够分。
至于对 VC 行业的影响，一方面，快速并购会加快资金回流。过去几年，整个 VC 行业面临的一个大挑战，就是上市公司少、退出少、大额退出更少，导致资金回流比较慢。
通过快速并购，资金回流会变得更加动态和快速，这对整个创新生态是有好处的。
但另一方面，一些针对人才的大额收购，会让收购方优先把更多资金给团队，而不是给投资人。这样投资人的回报就会比较有限。
包括 Windsurf 这样的收购，金额很大，但投资人的回报相对有限，因为很多资金优先给了初创团队和创始人团队。
所以 VC 圈可能会更多考虑，应该以什么形式对待这样的退出，什么样的退出才能实现双赢，而不是由于大科技公司对人才的疯狂需求，导致 VC 的收益被牺牲。
我觉得今年下半年还会看到生态中的很多变化。这个生态的参与者很多：有风险投资方和资金方，有初创企业团队和创新方，有大型科技公司。大型科技公司既是生态构建方，也是潜在收购方，同时还是主要竞争对手。
此外还有监管机构。它们之间会形成很多互动，所以今年下半年还会有很多变化。
Ronghui
这些变化具体可能指什么？
张璐
我觉得监管层面可能会有一些新东西出来。我并不一定认为监管会收紧，监管可能会放得更松，但放松的到底是数据层面，还是人工智能技术层面，目前还不确定。
第二，刚才提到的几家公司，OpenAI 处于非常关键、敏感的时间节点；谷歌的时间窗口也比较有限，需要做出自己的判断和决策；Meta 这样大规模发力之后，下半年会不会出现新的成果，也值得关注。
另外还有一个我经常称为“搅局者”的角色，就是 Grok，也就是马斯克。马斯克确实是大力出奇迹。
你会发现，从 Grok 1 发布，大概是 2024 年初，到现在也就十几个月，它已经基本做出了一个领先整个生态的模型，这非常惊人。
这不只是因为他投入了资源和人才，我觉得还在于执行能力，以及底层架构。每家公司都有执行力、资源、人才和算力，关键是怎样构建一个“大脑”团队，并快速迭代、推出产品。
xAI 确实有能力构建这样一个很强的大脑，执行力也很强。虽然马斯克今年因为政治原因，公众口碑比较分裂，但从创新和企业角度，仍然要给他很多认可。
在执行能力上，很难再找到另一个企业家或公司可以和他相比。他的执行速度、资源整合和构建能力都非常强。
上半年我们也看到，几个由超级人才带领的公司，在一开始就融了很多钱。比如 Ilya Sutskever，还有 OpenAI 前 CTO Mira Murati。Mira 的公司好像种子轮就融了 20 亿美元，Ilya 的公司第一轮融资时估值大概就是 50 亿美元。
张璐
对。它们融的金额都非常高。Mira 的公司第一轮融资大概是 20 亿美元，Ilya 的公司也融了 10 亿美元。
我还听说，Mira 在融资过程中，有科技公司想直接收购她的公司，收购价格大概也在 100 亿美元上下。所以现在资本市场确实非常疯狂。
资本市场可以给出这么高的估值，说明它们看好什么？
张璐
我不一定完全同意资本市场的看法。这两家公司共同的想象空间是，它们未来可能成为一家 trillion-dollar company，也就是万亿美元级别的公司。
它们希望做一个基础模型，用一个模型解决各种各样的问题，成为各种应用的底层通用模型。我觉得这种未来可能性是存在的。
但在现在这个时间节点，一家新的初创公司做出的模型，未来成为通用模型的可能性，可能比前几年低很多。因为刚才提到的谷歌等大公司崛起速度很快，它们的通用模型也做得很好。
未来到底是用一个通用模型解决所有问题，还是由各种垂直小模型针对不同行业解决问题，我觉得这仍然是一个重要讨论焦点。
但能够构建新模型架构的人确实就那么多，可能不超过几千人。所以对于这些人才的评估，以及他们本身的价值，价格都会非常高。
最近大家提到 Meta 用 1 亿美元挖人才。你想，Mira 的公司有十几个这样的人才，一个人值 1 亿美元，10 个人是不是就值 10 亿美元？再加上几个产品，是不是就有额外溢价？这确实是估值高的一个原因。
但我个人对于这么高的估值，尤其是第一轮就这么高的估值，有很多担忧。这也是为什么我们没有投资这类企业。
公司当然有可能成为万亿美元级别的企业，但从商业本质和发展规律来看，我们还是要尊重一个事实：不一定会出现很多个万亿美元级别的公司，而且万亿美元级别企业的成长周期也不一定很快。
一开始估值就这么高，从投资人的角度，最简单的思考就是：你最后的回报倍数到底会是多少？
我们做早期投资时，会觉得从回报倍数来讲，一开始的投资估值还是非常重要的。
10. VC 重塑资金与退出路径
我想问问你，不管只看上半年，还是把时间范围放宽一些，你觉得硅谷 VC 经历了哪些比较大的变化？
前段时间有个新闻，Lightspeed 注册了 RIA 牌照。我看 Bloomberg 有一个分析说，a16z、Sequoia 和 General Catalyst 其实都注册过这个牌照，也就是说，既可以做 PE，也可以做 VC。
张璐
你会发现，像 RIA 这样的身份转换，Lightspeed 属于大基金里相对比较晚的一个，之前还有其他一些大家熟悉的基金也做了转换。
一方面是因为很多 VC 基金的金额越来越大。像 General Catalyst 以及其他一些基金，现在不只是做 VC，还会做母基金，也会做资产管理，逐渐变成更偏综合性的金融机构，而不只是单纯的风险投资机构。
资金规模太大之后，VC 阶段可能用不到这么多钱，基金就需要进行生态上的变化。
另一方面，AI 创新生态也让大家开始思考，VC 资金的价值到底在哪里。
10 年前，一家公司从没有收入做到 200 万到 300 万美元收入，可能需要 3 到 5 年。现在基本上一年就能做到，甚至一年可以做到几千万美元或更高的收入增长。
这带来一个问题：以前公司可能需要融资 1,000 万美元，才能做到 500 万美元收入；现在可能融资 500 万美元，就可以做到几千万美元甚至更高的收入，那它后续的融资需求就会越来越小。
过去一家公司可能在中后期需要融资几亿美元，现在可能融资几千万美元就够了。那对 VC 来说，怎样才能投出更大规模的资金？是不是要进行更长周期的布局，才能把资金投出去？
所以我觉得，AI 创新生态会影响公司融资的节奏和金额。与此同时，VC 行业本身也面临挑战：当规模做到一定程度之后，只做 VC 可能会觉得资金太多，那么怎样变成一个多产品、多生态的金融机构，可能就是转型的原因。
前两年退出相对处于低潮期，但今年我看到，以 CoreWeave 上市为代表，美股 IPO 似乎也在回暖。
张璐
今年年初，大家都以为 IPO 市场可以回暖。第一季度硅谷大概有 20 多家企业准备上市，我们今年也有几家公司准备上市。但第一季度准备上市的这 20 多家公司基本都暂停了。
因为市场不确定性还是很大。第一季度先是特朗普关税问题，再加上金融市场震荡，所以大家会比较谨慎地选择上市时机。
但我也会从辩证的角度看待这种暂停。如果一家公司原本计划上市，因为觉得市场环境不好而暂停，在某种程度上也证明它的现金流还可以。
因为如果现金流不够，它即使要“流血”也得上市。上市的本质也是融资。如果它还有一定现金流，可以再等一等，说明公司本质上还是不错的。
大家一直很期待的两个公司，一个是 Stripe，一个是 Databricks。大家等它们上市已经很久了，但这两家公司现金流和财务状况都非常好，所以它们也会判断什么样的市场时机更适合上市。
今年上半年，大家原本期待的 IPO 市场开放并没有发生。现在大家期待的是，下半年能不能逐渐开放。
像 CoreWeave 表现确实不错，Circle 上市之后表现也很好，但数量还是太少，不能说明 IPO 市场真的打开了。
你现在问我，我还是觉得 IPO 市场处于没有打开的状态。到下半年，一方面金融市场需要进一步适应政治变化的节奏。
现在你会发现，华尔街对于特朗普带来的惊吓或惊喜，反应速度和反应程度已经没有以前那么夸张了。当短期和中长期的不确定性成为常态之后，下半年大家可能会更有信心进行上市。
我也希望上市通道可以尽快打开，因为我们也有公司在筹备上市，非常期待市场快速开放，带来更好的退出和资金回笼，进一步助力人工智能生态的发展。
Ronghui
有没有什么上半年你觉得影响很大，但我没有问到的事情？
张璐
我觉得基本上都问到了。
11. 垂直 AI 进入真实世界
Ronghui
那也想跟你聊一聊，你们投资的企业级 AI、医疗和工业自动化。这几个方向相对来说，在国内大家看到的新闻比较少。你觉得这些领域中，AI 带来的创新有哪些值得关注？
张璐
其实我们投资的这些领域都很火热，发展速度也很快。但我也理解你说的，媒体上大家更多看到的是文字、图片和视频这些 C 端应用。
但如果真正看商业层面，包括 B 端应用和商业收入成长速度很快的领域，基本上都是垂直领域的 B 端 AI Agent 和 AI 应用。
我们在企业级人工智能方面的布局，分成两个大方向。一个是人工智能基础设施，包括我们投资的 Lepton，也就是贾扬清创立的公司；还有 Voyage AI、You.com，以及 Vectara。
Vectara 在 RAG 和 embedding model 方面做得非常好，也是我们很早投资的企业。所以在人工智能基础设施层面，我们布局比较早，也做得比较好。
另一个方向是垂直领域人工智能，也就是 vertical AI。大家使用比较多、讨论度比较高的有 Augment、Constructor AI，这些都是我们投资的公司。
包括你刚才提到的医疗领域，医疗 AI Agent 是一个非常巨大的市场和机会。我们在这两个方向上，也就是 AI 垂直应用和医疗，做了结合。
我们的优势在于，既有人工智能技术背景和洞见，也有医疗领域的经验和网络。所以在这个领域确实投得比较好，而今年也是人工智能和医疗结合的重要一年。
年初的 JPMorgan Healthcare Conference 期间，我们发布了《AI in Healthcare 2.0》报告。1.0 是我在 2017 年发布的，中间跨度有 8 年。你会发现，我们最近投资的几个项目都很有意思。
其中一个项目是我们和 Khosla Ventures 一起投资的，是一个垂直模型，针对 cell therapy，也就是细胞疗法。
我们还投资了另一家公司。很有名的 Arc Institute 发布了 Evo 2，它使用人工智能垂直模型，针对测序数据进行训练。
这两家公司都是纯软件公司，但它们构建的垂直模型分别针对细胞疗法和基因测序。前者可以应用于很多免疫疗法，甚至与癌症相关的疾病；后者的应用方向则更加广泛。
我们早期投资的 Subtle Medical，是用生成式 AI 进行医疗影像增强的公司，现在也已经成为行业头部企业。
我个人本身就对医疗领域很有热情。我的背景是医疗创新，后来又转向投资。美国是一个巨大的医疗市场，医疗支出大约占美国 GDP 的 20%。
现在讨论人工智能时，一个核心要点就是数据。很多时候大家没有意识到，人类社会产生的数据中，超过 30% 与医疗相关，但这些医疗数据中，目前只有不到 5% 被利用起来。
所以医疗数据就像一座还没有被开采的大金矿。人工智能就是一把非常厉害、非常高效的铲子，可以帮助我们把这座金矿的能量挖掘出来。
你会看到，医疗领域的底层技术还在不断迭代。我想强调的是，人工智能并不是要替代医生和护士。人工智能在医疗领域非常强的功能，是赋能。
它不仅赋能医疗从业者，也赋能医疗领域的核心技术和底层技术。比如再生医疗，底层技术发展速度很快，再加上人工智能，就可以实现低成本、个性化的发展。
前一段时间我看到，iPS 细胞相关公司在实验室中培育出一个人造心脏，是一个 3 厘米、可以跳动的心脏，还在大阪世博会上做了展示，非常惊艳。
未来怎样让这样的技术实现低成本和个性化，比如每个人都可以用自己的干细胞培育出器官，这是未来有可能做到的事情，而且成本可以大规模降低。
再加上个性化医疗，包括个性化诊断和个性化治疗，都有巨大的空间。我个人除了癌症方向，也非常关注脑部疾病，比如帕金森病和老年痴呆。
这两个领域现在因为人工智能的助力，也有很多新的探索和发现。过去研究脑部疾病，尤其是老年痴呆时，往往是看到结果之后，想办法阻止它发生，但没有找到根本原因，有点治标不治本。
现在通过人工智能，可以找到更多数据之间的相关性。因为这些疾病本身就是个性化的，诱因不确定，演变速度和过程也不确定。人工智能为这些问题提供了更多可能性。
所以我还是那句话，医疗数据是一座大金矿，但我们目前利用得非常少。现在有了人工智能这把强有力的自动化铲子，就可以把这些金矿挖出来，既可能产生很好的财务回报，也可以帮助世界变得更好。
人工智能最核心的价值之一是提高效率、降低成本，这一点在医疗领域体现得更加明确。成本降低之后，大家就可以用更低的成本享受到更好的医疗服务。
举一个例子，Subtle Medical 的核心是用生成式 AI 进行医疗影像增强。以前我们去医院做 CT 或 MRI 扫描，可能需要进行很长时间、甚至一个小时的高精度扫描，成本和时间都很高。
现在可以做一个几分钟的低精度扫描，再通过生成式 AI 把它升级成高精度图像。Subtle Medical 已经在美国拿到了多个 FDA 批准，说明它的结果达到了医疗精准度要求。
对于患者来说，这意味着更快、更好、更便宜，同时受到的辐射也更少。
所以医疗领域很重要的一点，不只是技术的延展和发展，因为医疗技术过去几年一直在持续进步。核心问题还是如何降低成本，如何让医疗真正普惠大众，而不是只有亿万富翁才能追求长寿技术。
如果不能普惠大众，这些技术其实也有上限，因为没有办法收集足够多的数据样本，进一步迭代。
Ronghui
你刚才提到医疗，我也想起另一个方向：你们还投资工业自动化。工业自动化和 AI 的结合，现在有哪些值得关注的变化？
张璐
我们今年也发布了一份工业自动化和 AI 的行业报告，是在英伟达 GTC 大会期间发布的。
对于美国的产业来说，包括物流和供应链，以及中美物流供应链脱钩的影响，都导致北美必须进行大规模自动化。所以自动化、机械化和机器人应用都会进一步加速。
另外，还有一个行业正在非常快速地把硬件层面的机器人和软件层面的 AI 结合起来，那就是太空产业。
整个太空生态是一个相对较新、快速蓬勃发展的产业。它的优势在于，一开始的发展就依托于 3D 打印、自动化机器人和人工智能。
包括大家比较熟悉的 SpaceX，你去看它的工厂，内部自动化程度非常高，人工智能协同也很强，包括机械狗和机械手臂的应用。因为太空产业和相关生产环境也比较危险，所以这些技术很重要。
在卫星工厂的搭建设计层面，人工智能的整合度也非常高。随着太空生态崛起，很多卫星被发射到太空。每一颗卫星本身就是一个边缘设备，是一个硬件，也是人工智能的载体。
在太空中还可以搭建很多人工智能应用和机器人系统。我去年投资了一家自己很喜欢的企业，是一个来自 SpaceX 的团队。
他们做了一个自动化机器人系统，有点像月球上的加油站。就像我们在地球上高速公路开车，过一段时间要去加油；未来如果进行太空旅行，太空飞船飞到太空之后，也可能需要补给，需要新的燃料和水。
他们的系统可以通过自动化机器人，直接在月球上提取星际旅行需要的资源，尤其是非常珍贵的水。这套系统已经做得很成熟了。
另外，月球探测车，也就是 moon rover，他们已经做到第 11 个版本。
所以这个生态的崛起速度比大家想象得更快。对于我们现在还比较年轻的一代来说，未来 10 年、20 年真的会非常令人兴奋，不只是人工智能，还有太空生态。
Ronghui
讲到这里还是很让人激动。我刚才一直有一种感受：就像 Peter Thiel 以前说过的，硅谷承诺我们会造出会飞的汽车，但后来我们变成了 140 个字。
这句话已经被引用过很多次了，但从你刚才的讲述里，我还是听到了对未来可能性的想象。不管是医疗，还是你刚才说的太空产业。
医疗方面，虽然你讲的很多应用可能发生在美国，但这种技术进步对每个人来说都非常有感触。因为我家里有人做过手术，所以我每次参加科技活动时，都非常期待科技进步能够在医疗上大放异彩。
张璐
我特别理解你。我的背景是材料科学与工程，国内经常把它称为“四大天坑专业”之一，但材料科学与工程其实是一个非常基础的专业。
我在斯坦福读书和做研究时，之所以涉猎比较广，就是因为材料和各个专业都相关。我的研究是在电子工程系，也就是 EE 那边做的，所以比较偏应用。
你会发现，很多物理层面的底层创新，可以在上层驱动很多应用创新。但如果真正看过去十几年的创新周期，商业模式创新当然会让人兴奋，但它毕竟不是基础技术创新。
过去十几年，生活确实变得更加方便了，有了更多社交网络，也有了 TikTok 这样的平台，大家可以更好地展示自己。但在物理世界，尤其是医疗领域，技术发展其实比较缓慢，没有很多新的东西真正进入实际应用。
现在让我兴奋的一点，就是我们可能进入了一个大航海时代。到处都有小金矿可以挖，而人工智能就是那把铲子。你挖一挖，就可以把金矿挖出来。
挖出来之后，它对整个产业的影响是底层性的。产业被推动之后，核心是提升整个国家，甚至整个社会的生产力。生产力提升之后，我们才有能力搭建下一个生态平台，包括太空生态。
如果基础生产力都不能提升，就不可能有那么多额外的精力和资本去进行探索。所以我觉得，现在确实到了一个生产力提升的大时代。人工智能就是非常重要的工具，像一把金铲子，我们要抓住它，多做创新，多发掘新的可能性。
我也非常同意 Peter Thiel 前段时间在采访中说的一句话。大家经常担心人工智能快速迭代会带来很多隐患和挑战，这一点我完全同意。
过去几年，我也参与了很多人工智能监管层面的讨论，和一些国会议员探讨过相关问题。但我们需要评估两种风险：一种是人工智能快速发展，带来很多好处，同时也带来挑战；另一种是人工智能不发展、停滞不前，而这种停滞带来的潜在风险和伤害，可能更加巨大。
所以我觉得，我们宁可承担一定风险，去推动新技术发展，也不要因为害怕未知和风险，就停止向前进步。
人类社会有时候就像水流和河流一样，不进则退。停滞在那里，本身就是一种倒退。我们已经产生了这么多新的数据和平台生态，为什么不继续向前发展？现在就是一个很大的机会。
我觉得这件事非常值得大家兴奋，尤其是年轻一代。我们的生活会在接下来的 10 年、20 年里发生巨大变化。
Ronghui
这对我们来说既是兴奋的事情，也是挑战。你有没有做好准备？
张璐
最简单的一点，我经常跟大家讲，人工智能时代的挑战，和当年电脑出现时很像。
现在刚毕业的学生会发现找工作很困难，也会困惑教育应该怎样帮助他们准备新的人工智能需求。我们可以想一想电脑刚出现的阶段：最早会不会用电脑是一项技能，后来你会发现，各个产业都在使用电脑。
这个时候，会用电脑的人会替代不会用电脑的人，而“会用电脑”也不再只是一个技能，而是基础要求。
人工智能也是一样。会使用人工智能工具是一项基础要求。并不是每个人都要会编程，也不是每个人都要用人工智能创建复杂的东西，但会使用 AI 工具，就像会使用电脑一样，是未来每个人都需要掌握的基础技能。
尤其是相对年轻的一代，如果没有这个技能，确实会面临很多淘汰和挑战。
Ronghui
谢谢张璐今天跟我们分享这么多。不管是对硅谷大公司和初创生态上半年的观察与总结，还是你提到的医疗、工业自动化方向的投资故事，我觉得都非常精彩。
也希望大家更多关注人工智能的创新，不仅是我们接触比较多的生成式 AI、图片和文字应用，也包括医疗、工业自动化等底层技术领域的发展。谢谢张璐今天来和我们聊这么多。