张小珺
Hello，Freda，先给听众朋友们打个招呼，并且做一个简单的自我介绍。
Freda Duan
大家好，我是常驻硅谷的一名科技投资人，就职于一家叫 Ultimate Capital 的基金。
张小珺
Freda 应该是美国一线基金里非常少见的华人投资人。能不能给大家介绍一下你供职的这家基金、你们的创始人以及基金创立的背景？
1. Ultimate Capital Invests Broadly
我们是一家位于硅谷的一线科技投资机构，覆盖一级和二级市场。创始人自己是一个连续创业者。在一级市场，我们比较出名的投资包括重仓 OpenAI、Anthropic、字节跳动等一系列公司；在二级市场，我们比较敢于重仓，敢于做一些非共识投资，包括 2022 年、2023 年的 Meta、英伟达，今年的 Robinhood，以及之前作为 Snowflake 等很多软件公司的大股东。
一个与众不同、我觉得比较有意思的点是，我们是美国少有的、很愿意公开自己研究和思考的基金。很多人知道我们，是通过一个叫 BG Two 的播客。最近几周，我们还做了很多和 Sam Altman 等人的公开采访。
我们几个合伙人也会在 Twitter 和 Substack 上分享自己的认知。我在里面分享 AI 和一些前沿科技，包括 AI 应用、互联网、硬科技和金融科技，分享得比较多一点。
说起来我觉得很恍惚。因为 2021 年、2022 年，我记得硅谷还笼罩在裁员风波里；到了 2025 年，似乎整个情绪和叙事都发生了非常大的变化。你看，Meta 又在天价挖人。身为一线投资人，你觉得这几年自己的真实体感有变化吗？能不能描述一下，每一年你身处其中，心里能够定义那一年的一些瞬间？每年说几个重点词也可以。
2. Reading The Market Cycles
2020 年就是疫情、降息、市场火爆。2021 年是市场持续火爆，但其实你能看出来一些类似潮水退去的迹象。比如股票里面，中小盘或者质量没有那么高的股票，顶部是在 2021 年 2 月；大票类似微软，则是 11 月开始掉头。
2022 年就是非常悲惨的一年，通货膨胀，纳斯达克指数跌了 35%，像 Meta 这样的股票都跌了 70%。2023 年是在大家完全没有反应过来的时候，AI 开始火热了。2024 年是 AI 趋势，实际上从我们的投资角度来看，是最好做的一年。2025 年就是关税、中美关系，然后 AI 这个浪潮还在继续。
你怎么看这几年的起起伏伏？
你说得很对，我觉得起起伏伏确实很多，其实挺不正常的。因为如果你看过去几十年的历史，美股是一个长牛市的逻辑。从 2000 年开始算，纳斯达克一共只有 6 次下跌幅度超过 20%，但是在 2020 年之后，我们就经历了 3 次，所以这个频率明显变高了。
2023 年之后，整个市场突然一下被 AI 主导了。回头来看，你觉得当初有没有一些端倪，可能更早地预见这个趋势？还是说它确实非常突然？
我觉得其实有非常明显的预兆。2022 年当时市场一片灰暗，但出现了非常奇怪的融资现象。
有一家叫 Inflection AI 的公司，是 Mustafa Suleyman 的大模型公司，当时至少也算大模型公司里的前五到前十。它在 A 轮就融了 2 亿美元，而且不只是它一家，很多公司，包括 Anthropic、Cohere、Stability，都是那一波的模型公司，每家公司都融了几个亿的 A 轮。
这里面我觉得有几个点都非常奇怪。第一，他们实际上是在用 VC 的钱做资本支出；第二，从来没有人会在 A 轮融 2 亿美元，平均可能也就应该融 1,000 万美元左右；第三，整个二级市场都在暴跌，这应该会传导到 VC，所以这种热度是完全不应该出现的。
因为我一、二级市场都会做，所以会去见这些创始人。我印象特别深，当时跟他们聊，就发现这个逻辑异常简单。他们就说几个词：scaling law，我要买卡，英伟达的卡就是这么贵。所以有时候赶上正确的时间和机会，投资逻辑就是这么简单。
也就是说，VC 的钱都冲去英伟达了，最后变成了英伟达的收入。
可以这么说。这也体现了 crossover 基金的好处，就是一、二级市场都做。
2023 年初的时候，市场上有二三十家自己做大模型的公司。那个时候其实真的很难判断哪家能成功成为第一梯队。但因为我们基金是 crossover 结构，一、二级市场都做，而且是同一个团队，所以我发现可以很容易用英伟达在二级市场去表达我们对模型、对 AI 的观点。
这两年做 AI 的标的，绝大多数都在二级市场，包括云、电力，以及 AI 受益和受损两边的标的。
2023 年开始，AI 的进展到现在也两年了。我们的播客也请过非常多 AI 领域的人来聊天。到了今天，你觉得美国一线的顶级投资人们都在投什么？他们整体的情绪是什么样的？
3. The Three Market Frontiers
今天其实非常清晰，美股有 3 条主线。第一条肯定是 AI；第二条叫 reindustrialization，也就是再工业化；第三条叫 digitization of finance，也就是金融产业的创新。
这 3 条主线非常有意思，因为它们中间有千丝万缕的联系。AI 这条线大家都很熟悉了，就是芯片和云。再工业化这条线包括非常多的东西，包括稀土、美国本土制造业的回归，以及数据中心。再长期一点，就要看机器人能不能拉平美国和新兴市场劳动力的水平。
我觉得大家可能还没有意识到，比如这次 4 月份特朗普推动关税交易，日本、韩国这两个国家就合起来答应向美国投资超过 1 万亿美元。这笔钱其实会被用来投资美国的基础设施项目，包括能源、数据中心。那么这里就和我们刚才讲的第一条线——AI——形成了一个闭环。
现在市场可能最担心的是，AI 投资是不是一个泡沫，这些钱从哪里来。我觉得其中一部分其实要把这一块考虑进来，因为我们已经看到，日本已经投了超过 1,000 亿美元在美国能源相关的项目上，用来为这些数据中心供电。
第三条刚刚讲的是金融产业的创新，也非常有意思。今年 7 月，美国有一个非常重要的法案，叫 GENIUS Act，是一个稳定币法案。稳定币支付就是我们所说的 cheaper, faster, better。等下个月如果 Agentic Commerce 出来，让 Agent 帮我付款、买东西，那 token 或者说稳定币这个概念，我觉得会被重新提起来，这里也就和刚才讲的第一条线——AI——形成了一个闭环。
如果在这 3 条主线之上还有一个层面，那就是这一届非常有自己想法的政府，以及明年美国中期选举也是他们非常重视的一个事件。
我很好奇，美国投资人现在是怎么看待中国市场的？
很热闹。但是我跟踪下来，觉得实际的投资金额和过去几年相比没有明显变化。确实是从今年开始，一批又一批的美国投资人去中国参观，而且所有人参观之后，都对中国的 EV 和机器人感到非常震撼。
我了解下来，美国投资人最重视两件事：第一肯定是中美谈判的结果；第二是港股 IPO 的活跃度。IPO 这块从数量角度看，今年已经上来了，但更多是一些消费类型的公司在港股上市。如果之后能有更多科技 IPO，我相信美国的一些投资金额会回流到中国市场。
你刚才也提到，你们投了一些美国的大公司，而且是重仓。能不能聊一下这几家具体的公司？比如 OpenAI，你们是它的股东。当时是在什么时候看到这样的趋势、开始下注的？它当时属于什么样的状况？
4. The OpenAI Product Bet
我们是在最早看出来 OpenAI 是一家产品公司，而不只是模型公司的时候下注的。
这个大概是在什么时间？
就是最早看出来 OpenAI 是一家产品公司，而不只是模型公司的时候。那个时候，从月活角度看，可能是 1 亿到 2 亿的水平，市场也非常混乱，大家分不清谁才是真正的一线模型公司。
这个结论现在听起来非常共识，但 2023 年大家很担心 To C 这边的竞争格局，觉得 GPT 没有粘性。那个时候包括 Perplexity、Cloud Rock，竞争格局并不清晰。
做一个好的产品，远不只是需要模型，用户体验也是很大的一部分。GPT 如果你细想，其实并不是一个像 Meta 那样具有非常强网络效应的商业模式，它就是一对一的分发。但它的先发优势以及更好的用户体验，让这个产品有了更强的粘性。
最近 OpenAI 完成了 5,000 亿美元的估值。我们看到媒体报道说，它预测 2030 年收入会达到 2,000 亿美元，但是现在烧钱还是非常多。能不能给我们讲讲，你们对于它的商业模式是怎么思考的？
首先，像你说的，OpenAI 包括 Anthropic 的数字，媒体都有报道得七七八八，所以我今天说的所有数字，都是使用媒体披露的数据。
这个商业模式的本质非常简单粗暴，它成本的大头就是 GPU，其中包括 inference 和 training。训练成本大概是按照 scaling law，每年可能上涨 10 倍。
如果上一年的训练成本是 1，那么第二年大概能以 2 的收入去收回上一年的训练成本，但同时你需要减去 10，也就是新一代模型的训练成本。所以这是一个很简单的“加 2 减 10”，结果就变成了负 8。
大模型商业模式的本质是一个负向滚雪球，每一年都会比上一年的现金流烧得更多。如果有一天现金流能转正，从逻辑上说只有两种可能：要么第二年的收入不再是前一年训练成本的 2 倍，而是更大的数字；要么你不再去烧一个新的、10 倍规模的模型。只有这两种可能性。
Unprofitable 的 CEO Dario 也讲过这个逻辑。他又把“停止烧钱”这件事做了细分：要么到了物理限制，模型太大了，纯粹从训练角度已经训不动了，或者说要把全世界的钱都烧进去；第二种可能是，模型的大小本身还可以继续扩大，但是因为 scaling law 变慢了，所以不值得再烧一个 10 倍规模的模型。
到了停止扩张的时间点，其实会非常有暴力美学。这个公司的利润表会非常好看。就像我们刚才举的最简单的例子，你加 2，但不再减 10 了，就是一个非常简单的数学问题。
所以，scaling law 消失，对于投资人来说还是一件好事，是吧？
从算术上来看，在那个时间点，投资人会看到他们最想看到的利润率。
OpenAI 确实是很神奇的商业模式。在科技领域，本身很少有资本密集型的业务，但也不是没有发生过。比如 Netflix，Netflix 前几年的现金流都是负的，而且也是负向滚雪球，每年都比前一年负得更多。
因为 Netflix 前期要花很多钱拍剧、做内容，而且内容本身也会折旧，是 4 年的折旧摊销。所以如果你细想，很多地方跟数据中心还挺像的。
Netflix 现金流最惨的是 2019 年，负 30 亿美元。非常有意思的是，2020 年它的现金流突然大幅转正到 20 亿美元，涨幅非常迅猛。你去看为什么，是因为疫情，大家不能再出来拍电影、拍电视剧了，所以内容成本，也可以叫训练成本，就没有了。
用最直白的话说，你烧钱的东西，只有在不烧钱的那一天，才真正会有现金流。这就是模型公司的本质。
但是像 Netflix 这样的内容平台，如果不投入做内容，品牌优势会消失。你看，迪士尼也不可能不做内容。
我觉得你说得对。但 Netflix 也不是现在完全没有内容投入，只是它增长的幅度下来了，不像前期冲用户数的时候，需要那么猛地扩张内容。
现在全世界它应该有超过 3 亿订阅用户，用户粘性都很强，它只需要维护住自己的位置就好了。模型公司其实我想也是一样的，我不觉得有一天它会彻底不训练了，但只要训练成本不再像现在这样每年几倍地增加，对公司的利润率来说就足够了。
之前确实没有听说过把 Netflix 和 OpenAI 放在一起对比。你觉得这个行业未来的格局会类似流媒体吗？
内容是没有排他性的，所以媒体本身的竞争格局都比较分散。你看 YouTube、Netflix，还有刚才讲的迪士尼，每家可能都是个位数的市场份额，因为内容本身并不是完全商品化的内容。我们会因为不同的剧，在不同的平台追剧。
但 Chatbot 你会希望有一家公司记下你所有的内容。GPT 目前来看，我觉得会更像搜索的格局，市场集中度很高，就是谷歌和微软的 Bing 占领整个市场，用户再选择自己更喜欢用哪一个。
对于 OpenAI 来说，现在除了 ChatGPT，还有什么其他收入？它的收入结构是什么样的？
媒体报道出来，它有 4 条收入来源。第一条肯定是 ChatGPT，占比超过 70%，里面也包括企业版 GPT。
第二条是 API。今天比较的话，OpenAI 的 API 收入大概是 Anthropic 的一半，但中期、长期 Anthropic 预测自己的增速会快很多，能达到 OpenAI API 收入的 5 倍甚至更多。
第三条线是 Agent，包括它和软银的合作，也放到这里面。第四条就是一些新产品。今天市场上的大部分讨论都集中在 GPT，但公司自己预测，后两条线会增长得更快，未来占比也会更大。
纯看 GPT 的话，也可以看到 3 亿订阅用户，因为 Netflix 就是这么一个数量级。假设每个月 30 美元，这就是差不多 1,000 亿美元的体量。
另外，大家都在讨论 To C 的 GPT，把它当成一家纯面向消费者的公司来看。但普通投资人可能看不到，它今天个人和企业两边的占比是差不多的。我觉得市场大大低估了它的企业端，企业端用户本身也有几百万了。
比如说我就是企业端用户之一。我用 GPT 连接了公司的邮件、Slack 和内部系统，协同起来非常好用，想象空间很大，因为美国本来就有很大的企业市场。
市场上报道的公司数字是，OpenAI 到年底有 200 亿美元的年化收入，对应今年 130 亿美元的收入。
很多人说 OpenAI 想做一个超级入口。
对，它其实希望其他所有应用程序都能在它上面构建。
在消费端，可能会让 Chatbot 帮我买东西，或者帮我叫 Uber。这里面现在有两个问题。一个是登录问题，因为第三方网站会监测和屏蔽 AI Agent 的登录；另一个是商家本身会非常抵触，因为商家都希望用户直接来到自己的平台。
比如亚马逊，只有用户来到亚马逊，它才能在用户买牙膏的时候推荐牙刷和牙线，增加销售额。而且亚马逊今天有超过 700 亿美元的广告收入。如果换成 AI Agent 去购买，它的广告收入还能不能收得到，也是一个问题。
但在企业端，情况反而会好很多。谷歌和 OpenAI 虽然是竞争关系，但谷歌的整个办公套件很容易让 OpenAI 直接调用，因为软件的收费模式简单很多。只要用户还在付费，它们其实并不在乎自己是不是所谓 top of the funnel，也就是获客漏斗的最上层。
这算是一个非共识观点吧。我觉得 OpenAI 的企业端作为超级入口，可能发展得非常快，有非常大的想象空间。
我看到 OpenAI 是不是还要开始卖广告了？还有其他的变现方式吗？
它今天还没有广告收入，但是广告这个逻辑太顺了。它今天有超过 8 亿周活跃用户，其中差不多 50% 是付费用户。
它完全可以对用户说，如果你是免费用户，我肯定要赚钱，所以我会通过广告变现。比如我搜索跑步鞋，如果我是免费用户，可能会看到耐克的广告；如果我是付费用户，GPT 会向我保证，结果是绝对公允的，所以我会看到很多其他小众品牌的广告。这个业务本身上量会非常快。
另外一个我觉得比较有意思的业务模式是云。Sam Altman 也讲过，云是它非常自然的业务延展。
如果你回想亚马逊 AWS 是怎么起来的，其实就是它先建数据中心给自己用，然后发现它不能完全控制数据中心的使用率。数据中心本身又非常看重使用率，所以它可能在自己不那么需要的时候，把云租出去，慢慢就成了一个很大的业务。
GPU 这一波我觉得也会是一样的，所以云在美国的竞争格局会有很大的改变。
你觉得 OpenAI 和其他模型公司今天的竞争是什么状态？
OpenAI 内部觉得自己的最大竞争对手从来不是 Anthropic 或者 xAI，而是谷歌。谷歌的站位实在太好了，就像一个完美的梯形：横向有面向消费者的搜索、YouTube，也有面向企业的 Workspace，也就是办公套件；纵向则从云一直延伸到自己的芯片。
今天 Gemini 有 6.5 亿月活，GPT 有超过 10 亿。谷歌对 OpenAI 打价格战，我觉得有几个角度。
第一是绝对价格。谷歌使用 TPU，做了纵向整合，所以同样的模型，它能做到的利润率应该比 OpenAI 高很多。
第二是捆绑销售，这是很经典的销售模式。比如我现在是每月 20 美元的 YouTube 订阅用户，谷歌完全可以说，再加 10 美元给我 Gemini。只要捆绑起来，就很容易产生更高的利润。
所以最近 Gemini 对 OpenAI 的用户时长已经有一定冲击。我觉得中长期比较合理的情况，可能是谷歌吃下中低端市场，比如每月 20 美元的订阅市场；高端的几百美元，甚至之后每月几千美元的订阅市场，留给 GPT。
这两家你会站队哪一家？
我觉得目前看都是赢家。但我觉得现在整个市场对 OpenAI 的负面情绪，以及对谷歌的正面情绪，有一点太一边倒了，因为你细想，谷歌面临的威胁其实并没有真正被解决。
今天谷歌的搜索广告确实没有掉，是因为大家目前还是把 GPT 当成一个大型 Wikipedia 在使用，用它做研究，问它“为什么天是蓝的”。这些问答本身，谷歌也不变现。
但是比如保险、律所，都是谷歌今天最大的广告商。假设我买车险，今天可能会 Google 一下，然后选择最上面的广告位，可能就是 Geico。但这个问题太适合去问 GPT 了。GPT 会给我做一番比较，然后我选择最适合自己的产品。
GPT 很可能已经有我的历史信息，比如知道我开车开得很差，所以会定制一个最适合我的方案。等 GPT 开始做广告，等它开始做电商，整体的 commerce 格局就会改变。
往大了说，每年美国的广告收入就是这么多。今天是谷歌和 Meta 垄断这个市场，如果 OpenAI 想卖广告，那就得从这两家公司手里拿份额。
所以总结来说，OpenAI 来自谷歌的竞争确实存在，但谷歌面临的威胁也同样真实。
这很有意思。ChatGPT 刚出来的时候，大家都说它要取代 Google，谷歌怎么突然格局变好了？我看巴菲特也买了。
主要就是模型能力上来了，以及大家发现，谷歌的搜索广告目前还没有掉份额。
模型能力这块也很有意思。我听说谷歌内部找到了优秀研究员的正确打开方式，就是把激励制度都绑定到模型榜单上：谁能刷榜刷上去，谁就升职加薪。所以这非常适合谷歌这些年的学霸文化。
江湖上也有传言，Noam Shazeer 是之前 Character.AI 的创始人。他回到谷歌之后，据说徒手改了一个 bug，从此 pre-training 就好用了。Gemini 3 出来之后也证明，pre-training 并没有撞墙，所以整个趋势还在持续变好。
那肯定是一个价值好几亿美元的 bug。
这是一个天才研究员的世界。我觉得 Noam 这个人去做研究员，比他当时做一家 To C 公司的 CEO 合适太多了。
你觉得谷歌搜索的格局会发生变化吗？
变化太大了。一度我其实很担心 OpenAI 没办法做搜索，因为谷歌不给它用谷歌搜索 API，而谷歌搜索又是最好用的 API。
但是这一年用 OpenAI 或者 Perplexity 搜索下来，我发现它们的搜索效果都非常好。我觉得搜索的护城河可能已经彻底改变了。
之前谷歌搜索确实压倒性地好用。这个好用是因为，作为一个人，我总能在最上面的两三条结果里找到最想要的信息。对人来说，这种便捷是最重要的，第二页、第三页的结果基本没人看。
但现在用模型做搜索，模型本身非常不辞辛苦，它能一秒钟翻几十页，直到找出最符合问题的信息。所以你用 Bing，或者使用自己的搜索引擎，可能都不会有很大的差别。
我觉得这件事非常大，因为搜索的护城河彻底改变了。
你怎么看待 OpenAI 的管理层？Sam 没有技术背景，但他能做一号位，而且员工对他还很服气，这本身就挺有意思的。
我聊下来，觉得员工都很信任他，也非常感谢 Sam 带领员工致富。
另外一点，我觉得一定要给 Sam credit，就是他真的是最早在这个市场上相信 AGI 的人，是他引领了这个市场。
最近大家也都听到 1.4 万亿美元这个数字。其实他的本意很聪明，因为 AI 很烧钱，所以他想把这一条线上的公司都绑在一起。但我觉得他在时间线上可能一下拉得太远，数字太大，吓到了市场。
如果他只指引之后一两年的支出，效果可能会好很多。但我觉得给一点时间，市场会慢慢消化。
OpenAI 是不是最近几年回报最好的投资？你觉得呢？
这里面有一个概念。我们从媒体报道上看到的，不管是 300 亿美元还是 5,000 亿美元，说的都是估值，但投资人实打实拿到的是每股股价。
OpenAI 从 300 亿美元到 5,000 亿美元，每股股价并不是涨了接近 20 倍，而是涨了 6 倍，因为股权稀释非常严重。
你怎么看 OpenAI 最近一系列融资的操作？
我觉得这个非常合理。最近 OpenAI 和微软终于把股权关系理清楚了，这件事情很重要。
比如媒体报道说，2027 年 OpenAI 可能有一个 1 万亿美元市值的 IPO，大概对应它收入预测的 10 倍估值。所以只要它能做到这个收入，这个估值是很合理的。
我们开玩笑说，在美国波士顿，可能有一条街都是很大的基金，包括 Fidelity。每家出 100 亿美元，这个 1,000 亿美元的 IPO 就出来了。
媒体上很多人在说，大家就在等 OpenAI 上市，上市就是泡沫，就是顶峰了。
我觉得没有那么刻舟求剑。就算看上一波互联网，像网景通信，也就是 Netscape，它上市的时候是 1995 年。之后泡沫确实越吹越大，但真正破裂也是 5 年之后的事情了。
国内在这波 AI 浪潮里经常会说一个词，叫 club deal，俱乐部交易。现在 OpenAI 不仅在一级市场做 club deal，也要去二级市场做 club deal，大家一起攒钱投。
不仅是大家一起攒钱，而是大家都非常愿意把钱放到 AI 的领军公司里面，因为它离整个 AI 应用最近。在 AI 浪潮里，公司更加聚集了。
因为 AI 本身很烧钱，所以钱只会烧在几个大公司上面。
对。
说完 OpenAI，我们也聊聊 Anthropic。这两家公司在你的观察中有什么异同？
5. Anthropic Builds An Enterprise Moat
首先是业务不一样，一个是 To C，一个更偏向 To B。Anthropic 超过 80% 的收入都是 To B 业务。
从用户粘性来看，其实两家公司都很好。我们把这叫作“微笑曲线”：可能一开始用户留存会下降一点，但之后发现都会再回来，而且新用户同期的留存率也比老用户更高，所以这方面没有任何问题。
另外，媒体应该也已经报道出来了，Anthropic 的利润率增长非常快。也就是说，它在一年之内从收入 1 美元、亏损 2 美元的水平，到今年年底能做到和 OpenAI 差不多的毛利率。
这给我很大的震撼，就是它对自己的毛利率掌控力很强。无论是模型架构，还是 autoscaling、优化，它都做得非常快、非常到位。
所以现在整体来看，模型公司的毛利率没有任何必要担心，长期都会是 70% 到 80%。
从增长角度来看，这两家公司处于追赶状态。从 1 亿美元到 10 亿美元收入这个阶段，OpenAI 涨得非常快，用了不到两个季度；Anthropic 可能用了 4、5 个季度。
但是从 10 亿美元往上，情况反过来了。Anthropic 的年化收入从 10 亿美元增长到 70 亿美元，只用了不到 10 个月。最近这几个月，两家公司每个月增加的年化收入，数量上其实差不多。
Anthropic 的产品路线也很清晰。一条是选择几个比较大、利润空间比较好的垂直领域，包括 coding、finance。比如 cloud finance，就是一个非常好用的产品。它也做了一些生命科学和法律领域的垂直产品。
另外一个方向，是试图做出最好用的模型给 Agent 使用，包括今年推出的 cloud skills，就是一个迷你 Agent 系统。
媒体报道说，Anthropic 的现金流是不是比 OpenAI 好？我听说他们花在训练上的钱，效率高很多。
我还是回到刚才讲的大模型商业模式。抛开商业模式去看公司的现金流，我觉得没有任何意义。
这两家模型公司的财务预测非常有意思。Anthropic 假设自己的总算力在 2028 年之后不再增长，所以是靠我们刚才说的第二个点——训练成本不再迅猛增长——把利润率拉升上去。
你去细看 Anthropic，它其实是在假设模型的 ROI，也就是回报率逐年提升。这对应我们说的第一点：不再是投入 1 美元、第二年收回 2 美元，而是投入 1 美元，第二年能收回 5 美元，靠这个把自己的利润率拉上去。
所以不是 Anthropic 花得少，而是它假设了更高的回报率。当然，这个预测本身就很有意思，值得仔细想一想，为什么两家公司做出了两个方向的假设。
另外几家模型公司，你看它们有什么进展吗？比如都是从 OpenAI 出来的，Ilya 的 Safe Superintelligence，以及 Mira Murati 做的 Thinking Machines Lab。
首先有一个很重要的事情，就是现在根本不止这两三家。最近几个月又有接近 10 家新的模型公司在融资，我们把它们叫作 Neo Labs，就像 Neo Cloud 一样。很多都是学术背景的人出来做的，融资金额也很大，都是 10 亿美元以上。
其实我自己也没有完全想清楚。我不知道之后会不会有一个时间点，大家觉得大模型最终会收敛到头部的一两家，剩下的公司会放弃自己做训练，转而拥抱开源模型。
回到你刚刚提到的几家比较熟悉的公司，Ilya 的 SSI 听说是在做 continuous learning，也就是持续学习。Mira 的 Thinking Machines Lab 刚刚推出了自己的第一个产品，叫 Thinker，是帮助用户定制训练开源模型的。
我也在想，如果投资这家公司，背后其实就是在押注开源市场的规模会越来越大。
我看这些模型公司都在融资，投资人会怎么给这些公司估值？
都会看它的收入预测，然后给一个倍数。但说实话，大家都会和 OpenAI 做比较。
比如今天 OpenAI 是 5,000 亿美元，其他模型公司融资的时候，投资人都会对标：这家公司值不值 OpenAI 的多少比例。
所以说回来，今天市场上最重要的公司标杆还是 OpenAI。
肯定的。我觉得一级、二级市场最重要的标杆都是这家公司。
说完 OpenAI 和 Anthropic，很多人让我问你们 Robinhood 这只股票。这是你们在二级市场非常重要的一笔投资。当时你们是怎么看懂这只股票的？为什么会下这个判断？
6. Robinhood Finds Hidden Alpha
Robinhood 这家公司很有意思，是今年标普 500 排名第一的个股，也圈了很多粉。
但你真的看懂这个业务，就会发现 Robinhood 的商业模式本质上很差，可以说是一手烂牌。因为证券交易本身有非常强的周期性，它并不是一个好生意。
很多人炒股都有这样的经验：牛市里一通操作猛如虎，熊市里趴着不动。它的交易收入等于交易额乘以佣金率，交易额本身又和市场活跃程度正相关。
但这里面有几个点是它能控制、能做的。第一点也是最容易想到的，就是多元化，不再只是依赖交易收入。所以你看 Robinhood 非常积极地去做银行、预测市场，也就是 prediction market，去做财富管理，去做国际市场。
它现在已经有超过 11 条业务线，有超过 1 亿美元的收入，而且这个数字还会继续增加。
第二，它能做的是抢占市场份额。市场的强周期性没有办法控制，但可以通过抢份额来平滑周期性。
第三是定价权。比如 Robinhood 在加密业务上，3 年之内把佣金从 10 个点涨到了 60 个点，也就是自己去控制自己的命运。
当然还有非常重要的成本端。投资人最在乎的是利润增长，所以如果收入有波动，但成本端能很好地配合收入端的波动，也可以接受。
反例就是 2022 年的 Meta，收入下跌，成本暴涨，所以现金流被砍了一半。你看 Robinhood 的运营成本从 2022 年开始就是零增长，像一条水平线，控制得非常好。
我觉得只有理解到这个程度，才能明白 Robinhood 发力的方向，才算真正看懂了这家公司。所以它不是“牛市买券商”的逻辑。
很多人这么说。我觉得投资很重要的一点，就是要对自己诚实，知道自己赚的是什么钱，是 beta 还是 alpha。
最简单的办法，是把 Coinbase 的股价和比特币做一个回归。你会发现，从 2022 年开始，Coinbase 相对于比特币没有任何 alpha。所以如果你判断加密周期的牛市来了，不如直接买比特币，这就是我们说的市场 beta。
但把 Robinhood 同样做一个回归，你会发现，无论它相对于比特币价格，还是相对于纳斯达克指数，都有非常强的 alpha，走出了不一样的路径。
你怎么看这家公司的增长性？
美国很明显是一代人一代人的账户。60 岁以上的婴儿潮一代，用的是嘉信理财；45 岁左右这个年龄层，用的都是 E*TRADE。Robinhood 用户的平均年龄是 30 多岁，它就是美国新一代中年人和年轻人的账户。
它的公司模式可以简单想象成一个漏斗：只要钱能进入它这里，它就能通过让用户做一系列交易产生收入。所以最重要的，就是增加每个用户的平均资产。
今天 Robinhood 用户平均有 1 万美元资产，嘉信理财或者 IBKR 用户平均资产都在 15 万美元以上。Robinhood 用户平均年龄是 34 岁，这一点很重要，因为在美国，35 岁是财富增长的一个重要分水岭。
35 岁到 40 岁的人，相比之前 5 年，平均财富会有 3 倍增长；这种增长会在 55 岁达到高峰。所以今天 Robinhood 即使什么都不做，也会有非常自然的资产增长。
交易账户只是它的起点。随着这些用户步入中年、开始有积蓄，自然会产生理财需求。你看嘉信理财超过 60% 的收入都来自财富管理，之后也很自然会有储蓄需求。
在这个漏斗吸收进来这些资产之后，最重要的就是让这些钱滚动起来。Robinhood 非常会互联网这一套打法，就是增加用户活跃度。
比如我同时有 Robinhood 和 Coinbase 两张信用卡。Robinhood 会有很多拉新活动和奖励机制，让我不停回到它的 App 去看；而 Coinbase 我可能最多一个月看一次。
所以大方向上讲，Robinhood 就是下一个嘉信理财。
你们是今年年初买的吧？是买了一次，还是买了几次？能不能讲讲你们具体的操作？
是年初，也买了多次。我印象非常深，当时股价跌得非常狠，市场也很差。
但我觉得这个业务被低估了。当时 Coinbase 的市值超过 1,000 亿美元，Robinhood 是 300 亿美元。Coinbase 是在跌份额、掉价格，而 Robinhood 执行能力很强，到处抢份额。这个故事并没有被市场看到，大家觉得它们两个差不多，都是 beta。
所以当时也是顶着很大的压力，想着今年可能是熊市，但依然买了 Robinhood。
这就是大家说的，别人恐惧的时候你贪婪。今年 Robinhood 已经涨了接近 3 倍，往后你怎么看这家公司？是不是已经不便宜了？
是不便宜了，但它也是最有机会成为一站式金融应用的公司。
这家公司挺有意思，它一直有一种为普通人平权的使命感。很多普通人第一次拿到 IPO 份额，都是通过 Robinhood。
我还很看好它的一个方向，就是 VC 基金。像 VC 这样的另类资产，在美国有超过 10 万亿美元的规模。很多好公司，比如我们刚才说的 OpenAI、SpaceX，机构都拿在手上，但普通人完全接触不到，也买不到。
如果 Robinhood 能做出一个 VC 基金，里面有所有我们耳熟能详的大公司的股份，然后我类比 ARK，也就是木头姐的公司，收 2% 或 3% 的管理费，任何人都能认购，那这个需求会非常巨大。我觉得做到上百亿美元也不奇怪。
他们的主要业务是在美国吗？
不止。今年它非常巧妙地进入了欧洲市场，用的是现在最火的概念，叫 tokenization，也就是代币化。
欧洲有几十个小国家，每个国家都有自己的监管。如果一个国家一个国家去拿牌照，可能需要一两年时间，但代币化可以一下子在整个欧洲铺开，交易费还会便宜很多。
你怎么看待 Robinhood 这个团队？
这个团队非常不一样。它动作非常快，一年的产品产出量，可能相当于别人 5 到 10 年的产出，完全不夸张。
创始人的性格也很有意思。比如 Coinbase 的创始人，我们可以叫他“乖小孩”。他创业第一天就强调，一定要合规。所以我觉得直到今天，他的运营成本也砍不下来，合规可能占了很大一块。
Robinhood 的创始人叫 Vlad，他比较像一个“坏小孩”，非常有冲劲，非常敢想敢干。这种性格也让他和公众沟通时很有张力，散户非常喜欢他。
我和他接触比较多，他会很真诚地问我，哪些公司是他需要学习的，尤其是那些规模比他大、比他做的时间长的公司。他会问，哪些事情是别人做得比他好。
这种学习能力和热情非常难得。他同时也很 aggressive、很强势，只要是他想拿下的市场和业务，就会非常激进地去抢。所以我自己也跟他学习了很多。
现在硅谷资本更喜欢乖小孩还是坏小孩？
硅谷肯定还是喜欢 founder-led，也就是创始人是一号位，而且敢于打破常规的这种坏小孩。
Robinhood 的产品速度，背后是怎么支撑的？这方面媒体报道得比较少。
其实 Robinhood 在 2022 年的时候，几乎重新做了一遍公司，彻底改变了组织架构。
它之前是非常中央化的，后来改成了 single GM 结构。每个业务单元都有自己独立的架构，包括独立的 PM、开发人员、CFO 和 HR。
所以它非常努力地赋能每个业务单元，让它们疯狂创新、推出产品。这种 single GM 的组织结构，可能更有利于不同产品同时涌现出来。
说到散户，这两年我们越来越多地听到散户的声音。疫情时有 Wall Street Bets，后来很多公司都被叫作散户票。你觉得这是一个可持续的现象吗？
散户到今天已经很大了。你看，一些期权交易中超过 80% 到 90% 都是散户在操作。有一些基金经理非常厌恶这个现象，但我觉得散户就是市场上非常重要的组成部分。
在我自己的投资框架里，市场是一个非常混沌的体系，每个人都各玩各的，做自己觉得能赚钱的事情。但最终股价表现是一个合力的结果，所以了解这些重要市场组成部分是怎么运作的，非常重要。
Twitter 上有很多散户，很多股票最终会发现，能追溯到一两个 KOL。他们就像一个部落一样，有的人被叫作 Robinhood guy，有的人被叫作 Palantir guy。
我和很多这些 KOL 线下很熟，也会去了解散户喜欢什么类型的股票，以及他们的交易体系是什么样的。我觉得这本身就很有意思。
我甚至敢说，Robinhood 和 Palantir 这两只股票，散户的研究程度完爆机构。在他们身上，我看到的是一种非常纯粹的投资热爱。
所以一个选股思路，就是去找散户喜欢、但机构也能喜欢的股票。这种股票通常动能比较强，也没有那么多零和博弈。
说到零和博弈的典型，美股这几年就是软件股。里面几乎没有散户，全是 hedge fund，没有任何长期资金，都是短线博弈，所以股价上下波动 30%，充满了痛苦。
你刚刚也提到了几次所谓的新物种，还有乖小孩、坏小孩。我看你们公司官网上写，你是负责颠覆性科技的合伙人。这个“颠覆性”代表什么？你们怎么定义它？
这个范围非常广。往大了说，科技投资就是去寻找可持续增长的公司，而这些公司通常都具有颠覆性。
比如刚才讲到的 Robinhood、OpenAI，包括拼多多、TikTok，甚至英伟达、Netflix，这些公司最初出来的时候，都会被视为非常不合常理。
Robinhood 是零佣金，OpenAI 疯狂烧钱，Netflix 彻底改变了 DVD 租赁模式。它们各有各的奇特，但最终都颠覆了市场。
这种颠覆性公司，在你看来有什么共性？
总结下来有几点。
第一是巨大的 TAM，也就是市场规模。比如 Robinhood 想做的是整个金融行业的超级应用。
第二是产品要完美。不管是 Google、Netflix 还是 GPT，它们最好的产品都不需要销售，而且能在很长一段时间内保持极高增长率。
第三就是我们通常回头看的时候会说的，天时、地利、人和。你会觉得好像注定要在那个时间点出现这么一个颠覆者。
比如智能手机和带宽发展到一定程度，就诞生了短视频，包括 TikTok；摩尔定律接近终结，GPU 推动了 AI；下沉市场的空白，造就了当年异军突起的拼多多。每一个都有一点宿命感。
你现在有没有发现什么新的、有趣的物种？
7. Prediction Markets Go Mainstream
新物种，当然不作为投资建议。今年看起来最有意思的，可能是 prediction market，也就是预测市场，大家可能也听过 Kalshi、Polymarket。
因为我本来看 Robinhood，所以最早发现这块的交易量增长非常猛。像 Kalshi 这样的预测市场，最新交易额已经超过 600 亿，季度环比增长都超过 100%，是非常典型的新物种式野蛮增长。
在预测市场上，大家可以用一两美元押注各种事件。你可以押美国大选谁当总统，可以押特斯拉财报是否超预期，甚至有人预测 Taylor Swift 会不会怀孕，呈现出非常百花齐放的状态。
它绝对不是一个小众市场。Bloomberg 或者 Google Finance 都已经接入了它的数据。
回到刚才讲的，我觉得这个行业的出现也充满了天时、地利、人和。首先，今天美国主流媒体的信誉危机非常严重；其次，这两年不管是疫情还是关税，时局都非常动荡，民众非常想知道到底什么是真相。
而且这个世界上似乎总有人知道一点什么。比如谷歌 Gemini 3 哪一天发布，Polymarket 上最早就有人下注，甚至精准到了 11 月 18 日。
另外，预测市场在全美国都是合法的，而到今天，在加州、德州很多地方，连体育博彩都不允许。当然，这届政府在监管上也比较宽松，所以 prediction market 正好可以趁机把交易量做起来。
可以说，预测市场拿了一手王炸的好牌，就看之后能做多大了。
我们说了很多 AI 应用，还没有聊自动驾驶和机器人。今年对这两个赛道有没有什么新的想法？
8. Waymo Leads The Autonomy Race
今年最大的惊喜是 Waymo，它的执行能力和速度都非常超预期。
它现在在 5 个区域运营，马上有十几个城市可以上高速。我观察它开城的速度也在明显加快：旧金山用了差不多 5 年，奥斯汀用了不到 2 年，硅谷这边半年就开出来了，而且成本并不高，大概几千万美元就能开一个新城市。
它今天有 2,500 辆车在路上，年化收入算下来可能接近 8 亿美元。我觉得明后年它的上量会非常快，因为和它合作的韩国现代汽车，在美国佐治亚州已经有了现成工厂。你去看这个工厂，可以实现 10 万辆级别的量产。
等这个量上去，我觉得会对整个交通行业产生很大影响。今天 Waymo 和 Uber 的价格差不多，但等它量产、BOM cost，也就是物料成本降下来之后，我觉得会对 Uber 这样的业务产生很大影响。
今天 Waymo 在旧金山其实已经盈利了。最大的成本是折旧。如果假设整车总价格是 17 万美元，按照 4 年折旧计算，再加上远程安全员运营、保险等主要成本，算下来今天也是盈利的。
我看 Uber 和 Waymo 也是合作关系。
今天 Waymo 和所有人都是合作关系，包括 Uber、租车公司和车队运营管理公司。
但我也会思考，本质上 Waymo 到底需要什么。它肯定需要人去做清洁、维护和充电，也需要现成的地方停车。但 Uber 并不是劳动密集型公司，运营这个生意最适合的可能是 Avis 这样的租车公司，或者专业的车队运营团队。
Waymo 自己需要解决的，是如何平衡需求的峰值和低谷。Uber 做这个很合适，因为它是轻资产的，可以通过调节价格来调配车队。但 Waymo 在需求低谷时，车队会闲置，这就会影响利润。
特斯拉和 Waymo 这两个你怎么比较？哪个会是长期赢家？
Waymo 和特斯拉，一个有硬件问题，一个有软件问题。
Waymo 现在是硬件问题，也就是商业模式问题。它的硬件成本肯定会下降，但问题是能降到多少。比如拆开来看，它的车子和传感器分别都是七八万美元，车里的芯片大概两三万美元。成本下降需要一个过程，而且怎么降，也应该降不到特斯拉 3 万美元的价格。
所以 Waymo 的长期命运，很大程度上要看特斯拉能不能成功。
特斯拉没有任何硬件问题，可以随便量产，要多少有多少。但它的问题在软件。疑似 Elon 10 年前吹的牛，是纯视觉、不用激光雷达，但到今天，这件事在 Robotaxi 上还没有真正证明自己。
美国这边自动驾驶是不是就剩下 Waymo 和特斯拉两个玩家了？
目前是的，收敛得非常快。
自动驾驶市场其实非常大。美国人每年开车大概 3 万亿英里，假设每英里 1 美元，就是每年 3000 亿的市场。
1 美元这个价格对用户会非常有吸引力，因为 Uber 大概接近每英里 3 美元。所以只要安全，自动驾驶市场不存在需求问题。
我也让 GPT 帮我算过，如果在美国前十大城市拿到 10% 的市场份额，大概需要多少台 Robotaxi。它算出来大概需要 1 万到 2 万台，是一个其实很小的数字，因为美国今天 Uber 可能有超过 300 万台车。
自动驾驶真正大规模实现之后，我觉得很多行业的格局都会改变，比如交通，甚至房地产，因为大家会住得更加分散。
经过 10 年发展，自动驾驶终于要实现了吗？在美国会是这两家最后占领整个市场吗？
今天自动驾驶使用的还是模仿学习，大概是 10 亿量级的一个小模型。因为模型要运行在端侧，需要考虑 latency，也就是延迟。
比如模型看到 stop sign，它并不是真的理解 stop 是停车的意思，而只是模仿人类驾驶。人类通常在看到这种标志时会停下来，所以它也停下来，但它并没有真正理解这个世界，有一点死记硬背和 overfit。
你看网上也有这种视频，如果把停车标志穿在人的身上，有的模型也会在人面前停下来。
所以我最近思考的是，这种垂类小模型和大模型的路线到底会怎么演变。我们是不是仍然需要真正的智能，需要一个比较通用的大模型去理解驾驶规则，而不是记住和模仿，才能真正解决所有 corner case，也就是边缘案例。
在其他垂类里也发生过类似情况，包括图像、视频、编程。通用模型的效果会比垂类小模型更好。
我自己也会好奇，想看一看大模型公司怎么做自动驾驶，以及 latency 能不能被解决。
机器人这一块，这几年美国发展怎么样？
这是一个非常火的赛道，很多 VC 说实话都在闭眼投。
我觉得这个行业，locomotion，也就是下半身，基本算解决了。机器人能跑、能跳，能做很多基本动作。但是 manipulation，也就是上半身的操作，目前还差得比较多。
这些年下来，其实我自己也很发愁，因为技术路径上还没有形成共识。比如硬件上，我们到底要人形还是四足？如果是人形，人形应该长什么样子？
数据方面，有的人只用真实世界数据，有的人只用模拟数据，还有的人把两者混合起来用，所以也没有共识。
但往好了想，也不是毫无进展。我觉得认知上，这几年还是有一些收敛。比如越来越多人认为，硬件和软件需要一体化去做训练，而不是只做模型层。
也有更多人同意，住宅会比工业更适合成为落地场景。还有更多人从第一性原理出发，站队人形机器人。当然，我觉得这主要是因为黄仁勋和疑似 Elon 在带队。
但我觉得整体还是太早了。我们还处在一个刚刚要从 research 走向 engineering 的阶段。机器人实在太缺数据，而这里面就会有很多噪音。
这就像 10 年前的自动驾驶。当一个模型过于缺数据时，你给它喂任何数据都会觉得帮助很大，但这个过程并不能线性外推，因为最终进程会比大家想象的慢。
作为投资人，说实话很难评估机器人。机器人不像大语言模型，好歹还有一个榜单，可以看看模型的大小。
因为机器人今天的任务完成度都不高，所以我也没有办法定性判断。很多时候，除了知道这个赛道真的很大之外，我觉得很难下手去下重注。
你觉得机器人下一步会怎么发展？所谓机器人的 GPT moment 会是什么样的，大概什么时候出现？
现在整个市场还非常分散、非常混乱。
比较乐观地看，我希望两三年之内出现一个机器人的 GPT moment。它的定义就是，在 manipulation，也就是上半身手部动作上，机器人能完成一些通用动作，包括叠衣服、收拾东西、把东西放进洗碗机等最简单的动作。
一开始完成度可能不会很高，但可以慢慢从这里开始。
明年也很重要、很有意思，因为有几家美国机器人公司会把产品卖到客户家里，其中包括 One X。
我自己的预期其实打得比较低。我觉得市场一定是先解决自动驾驶，再解决机器人。机器人这边硬件和数据都远远不到位。
自动驾驶至少我们知道车是什么形态，机器人还没有一个确定的形态；数据方面也差得太远。
这块中美对比，你怎么看？
我见了、体验了几乎中美所有的自动驾驶和机器人公司。
自动驾驶方面，中国的发展会非常好，而且会有比美国更多的玩家参与，因为中国有数据。
很多人不知道，美国传统燃油车的数据没有办法采集，因为很多数据不联网。即使联网，车身也只有一个、最多两个摄像头，所以采出来的数据也没法用。
中国不一样。我们经历了 EV 这一轮，大家的技术都更新了，车身也都有很多摄像头，所以数据并不缺。比较期待中国在这方面的发展。
机器人方面，中国的硬件能力肯定是世界上最厉害的。
刚才我们聊的是硅谷的一些明星公司。我也很好奇，开头你提到自己是美国一线基金里少见的华人投资人。对于在美国的华人，不管是研究员还是投资人，你有什么建议吗？
更勇敢一些。
9. Silicon Valley Rewards Boldness
整体感觉硅谷这边挺公平的。比如 Twitter 这个平台很神奇，虽然网站做得很烂，但美国这些 CEO 每天花非常多的时间泡在上面。所以只要你的内容有意思，他们都会主动回应。
中国人整体比较内敛，所以我觉得还是要敢想敢做，不要不好意思。
你有 VC 和对冲基金两边的视角。你觉得这两边的投资逻辑有明显差异吗？一个投资人能同时做好这两边吗？
我觉得确实有一定不同的逻辑。
二级市场最好的投资都是非共识，VC 则是共识投资。二级市场追求的是 high risk, high return，比如 2022 年的 Meta、今年的 Google，都是高回报的反转案例。
VC 其实追求的是共识。因为每一轮都要烧非常多的钱，所以你需要市场认可你的观点，一直和你一起支持选中的公司。这个过程可能要花很多年，所以共识和非共识之间有明显区别。
这两种投资关注的东西有明显不同吗？
说到底看的都是人、产品和市场这 3 点。
早期 VC 看人看得更多，之后越来越多看市场。但根据经验，一个非常优秀的创始人，哪怕需要转型几次，也很少会真的搞砸。
比如 Ilya 做过各种各样的事情，但他从来没有让投资人亏过一分钱。所以他今天出来融资，只需要拿一张纸，上面写着：“我融资过上百轮，没有让一个投资人亏过钱。”这就是他的底气。
在看人的方面，每家基金会有不同的偏好或者 taste 吗？审美会不一样吗？
审美会有些不一样。我挑几个比较有意思的说。
有一家基金叫 Auto Venture，是 Roblox 的大股东。他们喜欢刺猬型人才。刺猬一辈子都在挖洞，所以他们比较推崇巴菲特，也就是那种一辈子只做一件、也是自己最有热情的事情的创始人。
他们不喜欢那种到处找热点、管自己叫连续创业者的人。
另一家 VC 叫 Ruby Capital，我非常喜欢。他们喜欢 Rebel，也就是反叛者，带着坏小孩的叛逆气质，想要和这个世界大干一场的创业者。这种人通常比较有爆发力，Robinhood 就是他们典型喜欢的团队。
还有一家叫 Hummingbird VC，喜欢我所说的哪吒型创始人。这类创始人通常有很大的心理创伤，有一点“我命由我不由天”的感觉，要证明给全世界看，是世界都错了。
比如他们投资的 Craftken，以及几家游戏公司，都是比较典型的例子。创始人都是那种死也不会卖公司套现的人。
但整体来说，我觉得基金看人的差别不会太大。优秀的人其实很明显，大家都能看出来。
美国基金在投资策略上，这些年有没有一些明显的变化或者走向？
有一个变化，就是集中仓位、下重注。
这里面也有一个基本思路。你肯定听过，很多人说投资就是鸡蛋不能放在一个篮子里，要分散风险。但风险并不会因为分散了就变小，市场要跌还是会一起跌。
所以买出几十个仓位，就像是自己给自己买了一个大盘。
美国有一个投资人叫 Druckenmiller，我非常欣赏。他会说，最好的投资就是把所有鸡蛋都放在一个篮子里。
这其实非常反直觉，但你敢把所有鸡蛋放进一个篮子，肯定是做了很多研究之后才敢下这个判断。所以反而风险会比半懂不懂、胡乱投资更低。
因为你只有一个篮子，就会花全部精力认真看着这个篮子和里面的鸡蛋一起成长。
当然，我说的是如果你想产生超额收益。如果只是追求比银行好几个百分点的收益率，直接买 S&P 500 就非常好了。
超额收益几乎只能靠重仓、集中仓位来实现。做久了也会发现，世界上真正的好公司并不多。我能把几十家最好的公司研究透、把交易做好，就足够了，没必要什么都看。
为什么会发生这个变化？是大家投资时间久了，根据每年的回报率总结出来的吗？
对，应该是这样。
把鸡蛋放在一个篮子里，近几年有没有一些比较典型的成功案例？
比如 Ribbit Capital。2021 年 Robinhood 应该是出现了一些用户方面的问题，Ribbit 在 24 小时之内就投了 5 亿美元进去，这一笔应该翻了 7 倍以上。
还有 Carvana，有基金在 10 美元的时候抄底，可能获得了 30 倍以上的收益。
再比如 2022 年的 Meta、2023 年的英伟达、今年的谷歌。可以是逻辑反转，也可以是非常清晰的龙头，只要看准了、把仓位上够，都是超额收益。
Greenoaks 这个基金也很有意思。它会控制合伙人每周出去开会的数量，我听说每个人不超过 5 个，就是在鼓励少做判断、敢于下重注。
所以大家都在寻找这样的机会。
对，但很多基金的规模和结构决定了它们不可能做到这一点，因为基金大了以后，组织架构就不可能灵活。
每个合伙人每年都要做项目，但好项目根本没有那么多。所以这里又是一个反直觉的地方：VC 的回报率通常不会特别高。
我们跟踪了超过 2,000 支 VC 的回报数据，其中只有 200 支能实现 3 倍以上回报，只有 80 支能实现超过 5 倍回报。而在这 80 支里面，规模最大的一支基金也只有 5 亿美元。
你要想的是 5 倍的净回报。VC 的投资期是 10 年，也就是大概 16.7% 的 IRR。如果是 3 倍回报，那大概只是将将 10% 的回报率。
举一个具体例子，如果你是一支规模 200 亿美元的基金，想给 LP 5 倍净回报，就需要向 LP 返还超过 1,000 亿美元。
假设退出时你持有公司 10% 的股份，我觉得这已经是非常慷慨的假设，实际通常不到 10%。这意味着公司需要有 1 万亿美元的总退出规模。
而这相当于过去五六年全美国 IPO 市值的总和，这是根本不可能做到的。
这个回报率比我们想象中低很多。听上去，是不是反而需要小而美？
这个总结完全正确。
除了共识和非共识，VC 和二级市场的另外一个区别就是体量。VC 基金想做好，没办法上量。我们刚才举了 200 亿美元规模基金的例子，但二级市场的容量是无限的。
所以很多时候看到一个赛道或者一个机会，用二级市场去表达反而更容易，而且资金不会被锁定 10 年。
像 2023 年买英伟达，当时你要判断几十家大模型公司里哪一家能成功，真的太难了。但重仓英伟达，就可以实现非常超额的收益。
算上我们刚才讲的所有股权稀释，英伟达的回报是里面最高的。
在美国，一、二级市场同时做，已经成为一个新的趋势了吗？
有几家机构同时有一级、二级两个基金，但真正把两边结合得非常紧密、由同一个投资团队去看的，几乎没有。
一般都是两个团队。
对，非常分开，几乎就像两个基金一样。
所以你们是一个团队同时 cover 一、二级市场？
我们老板把人员控制得非常少。我们整个基金一共不到 30 个人，投资团队也非常少，所以他希望大家都具备两边的视角。
这会带来一些投资上的难点吗？
如果同时投资一、二级市场，时间分配上肯定要自己做决定，而且说实话也比较辛苦。
但两边确实会有很多 synergies。因为两边都在看，所以会像我们刚才讲的英伟达一样，产生很多具体投资案例上的帮助。
我们能不能把硅谷现在比较火的赛道过一遍？你怎么看，哪些是你比较看好的？
今年最火的肯定是编程。
投资里面有一个公开的秘密：如果一个领域在一年之内能创造 10 亿美元的年化收入，那么这个领域不管你之前理解不理解，现在都必须投进去，因为市场在告诉你，这里会产生世界级公司。
这样的领域其实挺难遇到，但编程这一块一年之内就创造了超过 50 亿美元的年化收入，重要程度不言而喻。
今天编程领域有 4 家公司的年化收入超过 6 亿美元，其中 Claude Code 和 OpenAI Codex 占了两家。它们都是发布之后直线拉升、后来居上，增长斜率非常陡峭，在抢占市场。
我自己非常看好这个市场，但我觉得里面的竞争才刚刚开始。
你刚才提到 Google 和 Winserve，它把编程做成了免费服务。那这对 Cursor 意味着什么？所以现在竞争格局还是比较难看清楚的。
今年除了编程，还有很多垂直领域非常火，包括金融、法律、医疗和企业软件。
这也很有意思，因为上一轮软件的发展，都是从通用的、横向的软件开始，再去做垂直领域。但现在创业似乎只有垂直领域这一种机会，因为通用层被大模型吃掉了。
在这些垂直领域里面，我觉得编程也是最适合模型公司亲自去做的。它和其他垂直领域非常不一样，因为不需要特意采集具体领域的知识，go to market 非常自然，也不需要雇佣一整个销售团队，所以模型公司做起来非常顺手、非常合理。
这和金融、法律都很不一样。
视频领域我们之前也讨论过很多，你怎么看？
我自己非常看好视频领域。
首先它的市场很大，因为美国媒体行业是一个超过 8,000 亿美元的市场。我判断，视频会是 AI 和人类交流的重要载体，因为对大脑来说，它是带宽最高的输入形式。
再有就是，视频行业的逻辑已经彻底改变了。之前 TikTok 做的事情是匹配：让创作者产出视频，再想办法匹配给用户，优化的是匹配这个函数本身。
但现在视频第一次成为可以直接被优化的对象。你可以随便设定目标函数，然后对它进行强力优化。
比如现在可以直接拿用户参与度作为目标来优化视频，或者把广告点击率作为目标来优化视频，这里面可以做的事情太多了。
我判断这里面会出现百亿美元级别的大公司。所以你看谷歌、Meta，包括 Elon Musk，都在重点做这一块。
我看你写过一篇关于 agentic commerce 的深度研究报告。这块是不是也比较火？
对。Agentic commerce 是 OpenAI 接下来要做的一个方向，可能这个月就能看到。
它对整个互联网行业会有很多影响，包括广告、电商和电子支付。
Agentic commerce 就是 Agent 替我买东西。比如我描述想买一款面膜，Agent 就帮我推荐，挑出最适合我肤质的产品，然后帮我付款。
真的想清楚的话，我觉得这对大部分商家来说应该都会是噩梦。因为商家都希望用户直接来到自己的网站，这样才能多卖一些店里的其他东西，我们叫 cross-sell。
而且流量本身非常贵。比如 Booking.com，中国叫携程，它交易额的一半都是谷歌帮它引流过来的。很多人不知道，它在这部分其实是零利润，完全赚不到钱，因为谷歌的广告费很贵。长期来看，这个渠道也一定会收费，所以流量如果越来越依靠 AI Agent 引流，并不是任何商家想看到的。
你再看亚马逊，每年广告收入接近 1,000 亿美元。广告收入也叫眼球收入，都是用户直接来到它的网站买东西，它才有机会卖广告。
这里面会有很大的变数。所以我想来想去，唯一受益的可能是一些长尾商家。之前它们付不起广告费，拿不到很多流量；现在 Agent 可以非常精准地翻阅几十页搜索结果，帮我找出最适合的一款小众面膜。
这些商家通常在 Shopify 上开店。
支付行业也会发生很多变化。今天很多人使用 PayPal 这种快捷支付按钮，是因为它就是我的钱包，存储了我的信用卡信息，我不用自己输入。PayPal 因为提供了便捷，所以会收取溢价。
但到了 Agent 时代，Agent 自己不怕麻烦。GPT 就是我的电子钱包，它有我的一切信息。那这个里面还需不需要 PayPal 这个中间商，我觉得是一个很严肃的问题。
所以，agentic commerce 不只是一个公司或者一个应用。如果它真的做起来，会改变整个互联网的格局。
美国之前软件行业非常火，你怎么看软件公司和 AI 公司的区别？
我们开玩笑说，软件公司就像鸡胸肉一样，味道非常一致，基本可以闭上眼睛流水线处理。
因为这些公司拿过来一看，毛利率都差不多是 80%，净留存率都超过 120%。所以到了 AI 时代，很多投资人不想碰 AI 投资，因为觉得毛利率太低。
但 AI 应用公司的毛利率有一个反直觉的地方：越有人用，毛利率反而越低。
现在大家对于怎么给 AI 公司估值还没有统一意见。我觉得应该看利润的绝对金额。虽然它毛利率低，但 AI 合同金额通常更大，每位用户贡献的毛利，可以做到传统软件公司的好几倍。
这就像亚马逊的云业务刚出来时，毛利率也是 50% 到 60%。很多人不看好，因为觉得它没有软件赚钱，但后来市场证明，它比所有软件市场都大。
我们聊了很多明星公司和重点赛道，也聊了硅谷投资圈的很多情况。现在市场关注度很高的一个话题，是不是处在泡沫里。
这些 AI 公司说的收入规模都非常巨大。你觉得这些钱是从哪里来的？是从现在已有的大公司，比如 Google、Meta 那里来，还是有一些新的方向？
如果是存量，投入这么巨额的 AI 投资，意义在哪里？
这个问题问得非常好。
10. The AI Bubble Test
首先有一个概念，我叫它“电子收入”或者“电子税”。美国电子收入总共大概 4,000 亿美元。
其中一块是线上广告，大概 2,600 亿美元；第二块是电子商务佣金收入，也就是 third-party e-commerce 的 take rate，大概 1,000 亿美元；第三块是人们花钱购买的订阅收入，包括 Netflix、YouTube，加在一起大概 500 亿美元。
如果去抢互联网存量，这个数字其实没有那么大，就是 4,000 亿美元的总收入。
如果 OpenAI 进来，按照媒体报道要做到 2,000 亿美元营收，那么 Google、Meta、亚马逊都要让出份额。所以你说得对，如果我们花这么多钱，只烧出了一个小谷歌，这个意义确实没有那么大。
广告收入会不会因为 AI 而增加？很多人会这么问。
我不同意这个说法。
美国广告收入过去 20 年的增长非常稳定，年化大概 5% 到 6%。广告总额没有什么理由增加。美国公司全部加起来，平均花 3% 的收入在广告上，AI 来了也没有理由让它们花超过 3%，不减少就不错了。
美国到今天线上广告渗透率已经超过 80%，我也不觉得这里会有很大的上修空间。所以还是会回到刚才说的，线上广告就是 2,600 亿美元左右的规模。
如果模型的收入不是来自你定义的电子收入，那它能从哪里来？
美国 GDP 是 30 万亿美元的规模，劳动力成本有 15 万亿美元。光是客服就是 3,000 亿美元的市场，从这里面撕开一个口子，就很容易产生几千亿美元的收入体量。
像 Michael Dell 和 Jensen Huang 的逻辑是，AI 哪怕提升全球生产力的 10%，也能产生超过 10 万亿美元的 GDP 增长。所以每年投入 3 万到 4 万美元建设算力，也可以说是合理的。
我的思路是，最开始，尤其在模型能力还没有完全上来的时候，最容易吃的还是电子收入这一块。所以 OpenAI 肯定会去抢，广告竞争格局也肯定会恶化。
但给一点时间，模型能力上来以后，真正的 Agent 或者 AI for Science 能够涌现出来，我们就能创造新的价值，也能吃进 15 万亿美元的劳动力市场。这样账就算过来了。
但这里面有一个问题。如果大幅提高劳动力水平，导致公司裁员，那谁来消费？这对经济整体的影响，会不会反而是负面的？
我觉得要分情况看。最简单的还是举一个例子：如果我今天有 100 个人，能生产 100 个商品；用了 AI 之后，效率更高了，80 个人就能生产 110 个商品，而且商品可能更便宜、更好用，那么 real GDP 就会增长 10%。
剩下的 20 个人的收入肯定会大幅提升，公司的利润也会大幅提升，所以其实是一个积极的消费循环。
被裁掉的 20 个人，在一段时间之内确实会比较惨。所以我不知道 AI 受益公司会不会需要缴纳一个 AI 税，或者叫裁员税，去帮助那些受影响的人。
比如你看到一位叫 Ro Khanna 的加州议员，已经开始讨论这件事情，所以并不是危言耸听。
但我还是比较乐观。因为如果你真的回看历史上每一轮生产力提高，其实每一次都伴随着裁员潮。过一段时间之后，社会会吸收这个变化，重新就业，财富也会重新分配。
很多人关注 AI 投入产出比。这里的回报你是怎么算的？
其实不会算得特别清楚，因为 AI 既能产生收入，同时也能节省成本。
但我们可以看一下未来 12 到 18 个月比较清晰的 AI 收入。这里面的大头是 OpenAI，能看到 300 亿美元；Anthropic 大概看到一半，也就是 150 亿美元。
市场上有两个接近 20 亿美元收入的垂直领域，一个是编程，一个是刚刚讲的视频生成。还有几个 5 亿美元量级的垂直领域，包括音频、客服、法律、医疗，以及一些上市公司的 AI 收入。
加起来，大概能看到 700 亿美元的 AI 收入。
这里面数字很多，但我觉得最重要的是，能跟踪出来的 AI 收入，大头其实只有 OpenAI 和 Anthropic。剩下所有创业公司加起来，最多也就是几十亿美元规模。
那你觉得这个市场到底是不是一个 bubble？有没有泡沫？
空谈是不是泡沫，太主观，也比较空。但有两个层面可以思考。
第一，我们今天是不是在一个 bubble 里面？我觉得答案肯定是否定的。因为这一轮 AI 应用的落地速度非常快。GPT 出现不到 3 年，用户普及程度已经相当于互联网发展 10 年的成果。
我们已经有了几百亿美元的 AI 收入。大公司投入 AI 之后，你去看每个季度的投资回报比，也就是 ROIC，都在提升。
第二，要思考 AI 之后会不会变成一个 bubble。这里面有两点最重要。
第一，模型是不是会一直进步。我觉得这点还是很乐观的，尤其是 Gemini 3 出来之后，证明 pre-training 还在继续 scale，并没有撞墙。明年二季度 Blackwell 能训练出来的模型，也非常值得期待。
第二，要看 AI 收入是不是在增加。这个问题还是要回到刚才我们讨论的 AI 投入产出比，而这里面最大的收入就是 OpenAI 和 Anthropic。
今天我们也到了 2025 年年底。你们对 2026 年，也就是明年，有没有什么展望？很多听众对投资也很有兴趣。我们可以过一下美股几个最重要的公司，当然同样不构成任何投资建议。
市场很明显在过去两个季度发生了一个变化：对公司的要求已经不是只有 AI 投入，而是要实打实地产生 AI 收入。
我们可以过一下美股最大的几家公司。先说谷歌，谷歌是今天共识中的龙头，模型是 SOTA，站位也是最好的，近期逻辑最顺。
但明年我还是会很关注广告这块的竞争。一个是 OpenAI 广告上量，另一个是被大家快要遗忘的 TikTok。它在美国的用户数和 Instagram 差不多，用户时长比 Instagram 高很多，但收入只有 Instagram 的不到三分之一。
所以明后年，整体广告竞争会加剧。
当然，这也可能是好事，会倒逼模型公司，包括谷歌，去寻找新的 AI 业务变现方式。
然后再说 Meta。Meta 和特斯拉这两只股票的 setup，我觉得很像。说实话，它们的基本面都不是特别好，但影响股价最重要的是 AI 进程。
Meta 就看它什么时候能把模型做到第一梯队。但整体感觉明年不容易，因为它的现金流肯定会下跌。
Meta 这只股票有一个规律：上市 15 年以来，每一年的股价都是上涨的，只有 2 年下跌；而那两年的现金流都是负增长。
所以明年真的要看 Meta 的 AI 进程。
特斯拉只有一件事情重要，就是能不能把安全员彻底从车里拿出来，其他一切都不太重要。
如果再加一条，那就是它对 xAI 的投资会以什么形式进行，以及会造成多大的股权稀释。
再看美国的云厂商，明年的增速都会非常好。我觉得谷歌 GCP 的季度增长可能会超过 50%，但整体上我不太喜欢云竞争格局的变化。
今天我们有三朵云，这 3 家公司能做到 35% 到 40% 的利润率，非常高。但现在竞争格局彻底改变了。
像 Oracle 作为新入场的玩家，它拿项目时只要求 10% 的利润率。还有很多 new clouds，像 CoreWeave，层出不穷。几家模型公司也亲自下场做云业务，所以市场一下从三朵云扩张到十朵云。
虽然市场变大了，但利润率肯定会受到影响。
云业务现在有两个基本问题。第一，GPU 租赁的本质同质化太高，所以长期来看，每家公司都必须做自己的自研芯片。
第二，客户集中度太高。比如 Azure 上的增量收入，70% 来自 OpenAI。微软 CEO 也直接承认，他的利润不会来自出租 GPU，而是来自数据库、存储、安全等附加业务。
大家最关注的英伟达和芯片，我会关注自研芯片到底能不能 deliver。尤其现在谷歌的 TPU 也要卖给外部用户了。在一个非常缺电的世界，GPU 和自研芯片之间的价格差就没有那么重要。
我也会看明年二季度 Blackwell 训练出来的模型效果怎么样。
苹果这只股票其实很迷，它没有 AI，股价表现却很好。这个公司的文化也很不一样，其他公司都要不断试错，只有苹果要等产品绝对完美之后才发布。
所以它非常用户导向，也非常产品导向。明年应该能看到 Tim Cook 卸任、新 CEO 上台。最近在硅谷经常能看到 Tim Cook 出来买咖啡、吃饭，感觉整个人非常松弛。
除了刚才说的这几个大票，明年整体投资机会你怎么判断？
大方向上，我觉得明年经济分化会非常明显，会是一个典型的对冲基金市场，也就是做多、做空两边都有机会。
简单来说，就是做多 AI 受益，做空 AI 受损。受损的可能包括 IT 外包、内容制作，以及一些新的产业。
受益的除了半导体、能源、云，我觉得超额收益会来自 AI 应用。而目前看来，AI 应用很多都在传统行业。
有一件事情也很有意思。今年第三季度，很多标普 500 公司第一次给出了具体的 AI 提效数据，而且这些数据已经明显体现在财务上。
这是非常快的速度。因为在上一轮云计算浪潮中，标普 500 公司大概花了 5 年时间，才开始慢慢进行云迁移。
这里可以举几个有意思的例子。大家熟悉的沃尔玛，用了 1 年时间用 AI 做供应链需求预测，缺货率降低了 30%，连每年卡车的行驶里程都减少了 3,000 万英里，所以可以直接看到利润改善。
AI 在金融行业的表现也很明显，已经能够大幅提升贷款额度和审批率，处理时间缩短超过 80%，同时违约率还能降低一半。
已经有银行披露，自己的净利润可以通过 AI 提升 15%。
还有 CH Robinson，这是全球最大的物流公司。到今天，它有一半的预订由 AI 负责，过去两年生产率提升了 35%。
所以去挖掘传统行业的龙头，寻找 AI 能直接带来收益的标的，我觉得会是明年很有意思的一个方向。
今天市场最值得关注的，有没有一些普通人也能关注的抓手？
有一个概念：今天的美股市场就是 AI 市场。
今年上半年，美国 GDP 增量有 90% 来自 AI 投资，所以整个大盘都是 AI 在支撑。今天市场的风向标也已经慢慢不再是英伟达了，因为市场最关注的是 AI 收入，而不是担心 AI 投入。
今天规模最大、最可以量化的就是 OpenAI 的收入，所以整个市场都会盯住这家公司。
我们可以关注它的用户增速、收入增长，以及美国政府会不会以某种形式参与它的基础设施项目。这些是最关键的。
明年的美国宏观需不需要担心？
目前来看，美国消费整体还是很健康的，财政赤字也下降了很多。
明年第一季度还会有一些刺激经济的措施，包括退税和小费免税。所以总体来看，美国底层民众明年的状况可能比今年好一些，消费能力也会好一些。
但这里最重要的是，明年是美国中期选举年。这届政府非常重视股市表现，把它当作重要的 KPI。其实知道这一点，也就足够了。