Groq 创始人 Jonathan Ross：OpenAI 与 Anthropic 会自研芯片，英伟达能否冲上 10 万亿美元？20VC

控制算力的国家会控制 AI，而没有能源就不可能有算力。我们将通过生产更多算力、做出更好的 AI，向经济中增加更多劳动力。这在人类经济史上从未发生过。如果 OpenAI 或 Anthropic 今天获得两倍的推理算力，我认为一个月内它们的收入几乎也会翻倍。算力需求是难以满足的。

上一次节目是当年表现最好的一期，所以这次完全没有压力。现在世界变化得比以往更快，很多人都想知道自己在新市场里处于什么位置。你怎么看当前市场？我们是不是处在泡沫里？

如果一个问题反复问，却始终得不到可靠答案，也许应该换个问题。与其问“有没有泡沫”，不如问“聪明的钱在做什么”。Google、Microsoft、Amazon 和一些国家都在继续加码 AI；每次公布新的资本开支，下一次只会更高。

Microsoft 曾在一个季度部署大量 GPU，随后决定不把它们放到 Azure 出租，因为自己使用比出租更赚钱。这说明市场里有真实收入。AI 市场更像早期石油勘探：大量枯井，少数喷油井。据我听到的数据，大约 35 到 36 家公司贡献了 99% 的 token 支出或收入。市场极度不均匀。

这意味着大家还在凭直觉找油，甚至可以叫“氛围投资”。有直觉的人赚大钱，其他人输得很惨。等行业变成科学、结果可以预测时，回报也会下降。现在总量上创造的钱可能多于投入的钱，但很多个体仍会亏光。

超大规模厂商不断提高资本开支，是因为它们相信终点有东西。但回报终究必须转化成真实收入，否则是不是“七巨头”都没有意义。

没错，但它们的动机不只是一张财务模型。我在阿布扎比参加 Goldman Sachs 的活动，现场有五十多位管理至少 100 亿美元资产的人。我问：“谁能百分之百确定，十年后 AI 做不了你的工作？”没有一个人举手。超大规模厂商的心态也是这样：如果不花钱，可能被彻底挡在自己的行业之外。为了保住领先位置，它们当然会像醉酒水手一样花钱。

AI 已经带来巨大价值，只是应用层回报分布很不均匀。Groq 有位客户提出一个功能需求，我只给了非常高层、很“vibe”的规格。几位实习生用 AI 编程，四小时后功能就上线生产；没有一行代码由人手写，也没有人工调试，几乎全靠提示和自动化流程完成。

六个月后，这件事可能在客户会议结束前完成。那不只是节省了几个工程师小时，而是质变：你能当场解决需求，就会拿下竞争对手拿不到的订单。

为了留在“七巨头”中，是不是每家公司都必须进入芯片层，做全栈垂直整合？

很多人会尝试，但成功者不会多。大家只看到 Google TPU 成功，却不知道 Google 同时做过大约三个芯片项目，只有一个真正胜出。Tesla 的 Dojo 也被取消。说“我要造 AI 芯片挑战英伟达”，有点像看见 Google 搜索不错，就说自己也复制一个。难度和优化深度远超外界想象。不过，多家公司同时下注，至少给买方提供了可选项。

英伟达向 OpenAI 投资 1000 亿美元，OpenAI 再拿钱买英伟达芯片。这不是无限循环的资金游戏吗？

如果资金没有离开闭环、没有产生真实资产，才是空转。但建设基础设施需要向晶圆厂、内存、网络、电力和数据中心供应商付款。假设 40% 的支出真正进入外部供应链，那至少这 40% 创造了生产性结果；剩下部分才回到英伟达。它是部分闭环，不是虚假交易。

更重要的是锁定效应。拿到算力，就能拿到客户；拿到客户，就可能保住长期收入。所以一家公司会愿意为当下稀缺的算力支付极高价格。

你说 OpenAI 或 Anthropic 的推理算力翻倍，收入一个月内也可能接近翻倍。为什么？

因为它们现在并不是没有需求，而是无法供应。Anthropic 会限速，OpenAI 也会把服务变慢来调节使用。它们已经有客户，只是缺少把需求变成收入的计算资源。

推理速度也不是一个无关痛痒的技术指标。消费品的毛利往往和有效成分起效速度高度相关：香烟比咀嚼烟草快，软饮料比水更快产生即时刺激。速度会形成直觉性的愉悦和品牌亲近感。软件里，每缩短约 100 毫秒，都可能带来约 8% 的转化提升。

有人说可以把提示扔到后台，过会儿再看答案。但那错过了“即时反馈”本身的价值。就像网页加载，用户并不会把等待时间当成抽象数字，而会直接感觉产品迟钝。

OpenAI、Anthropic 和云厂商真的都会造自己的芯片吗？

会。造硬件很难，造配套软件更难，之后还要不停追赶模型变化，但自研芯片能给公司一种“掌握命运”的能力。它甚至不必比市场上的芯片更好，只要能减少被单一供应商卡住的风险，就有战略价值。

我在 Google 时见过一个 AMD 实验室，里面大约有一万台服务器。后来 Google 又在拆掉其中的 AMD 芯片。表面上看这是失败，但它也可能帮助 Google 与 Intel 谈判，获得价格和供应上的控制力。自研或扶持替代芯片的意义，不只在于最终部署多少。

英伟达现在对 HBM 供应拥有近似买方垄断的力量。晶圆端也许能做出约 5000 万颗 GPU die，但受 HBM 与先进封装限制，最终能交付的完整 GPU 可能只有几百万颗。真正的瓶颈不是单一芯片设计，而是整条供应链。

超大规模厂商一说要发展自研芯片，英伟达的分配就可能改变。拥有自己的芯片，即便更贵、性能稍差，也能把关键决策掌握在自己手里。系统层面，一个很小的性能差异会被巨大的部署规模放大。

HBM 厂商当然想分散客户，但英伟达会提前两年以上预付产能。内存厂商需要投入巨额资本，又经历过周期性崩盘，因此扩产非常谨慎。高毛利、预付款与长期锁定，让供应很难迅速松动。

OpenAI 和 Anthropic 融到的巨额资金，是不是主要拿去买芯片？

不只是芯片。数据中心建筑、土地、供电、冷却和网络的摊销周期可能是十年；芯片通常按三到五年考虑。算总生命周期时，设施本身每年的成本可能比芯片还大。超大规模厂商每年 750 亿到 1000 亿美元的资本开支，买的是未来很多年的容量。

Groq 的芯片迭代更快，所以我们用更短的回收模型。第一阶段是部署后收回资本开支并获得合理回报；第二阶段是在资本已经回收后，只要收入仍高于运营成本，旧芯片就可以继续运行。

很多人会说硬件可以跑五年，但这不应该被当成无风险假设。模型会变化，新芯片会提高效率，电费也会改变。有些长期合同还引入第三种计算：继续履约亏多少，违约又要付多少。

H100 已经接近五年前的产品，今天仍能以不错的价格出租，原因不是它在今天最适合新部署，而是算力短缺。若今天从零建集群，很少有人会主动选择旧一代；但既有设备只要收入高于运营成本，仍然有价值。

Groq 向客户销售时，最有力的卖点是什么？速度还是成本？

我们通常从速度讲起，但最后客户最在意的往往是“你有没有货”。有客户需要的总算力大到任何单一供应商都无法满足。算力能换来客户，而客户又有锁定价值，所以供给本身就是产品。

GPU 供应链要求客户提前两年写支票。Groq 的供应链不同：如果客户订购一百万颗 LPU，第一批芯片大约六个月后就能开始交付。这中间有约十八个月的差距。

我曾和一家超大规模厂商的基础设施负责人谈速度、成本和各种优势。他听得都很平静；当我说我们能在六个月内开始供货时，他立刻停下来追问。那是他唯一真正关心的点。

但模型变化这么快，提前两年规划芯片还有意义吗？

Sarah Hooker 写过《硬件彩票》。我的简化理解是：模型开发者会围绕现有硬件设计模型。可能存在比 attention 更好的架构，但 attention 在 GPU 上运行得很好，所以它获得更多研究和工程投入。既有硬件反过来塑造了算法方向。

这对领先者是优势，对新进入者却是难题。如果你要两年后才交付，今天没有人会为你的未来芯片设计模型。新进入者必须缩短反馈循环。Groq 能更快交付、也更快迭代，才有机会进入市场。

如果 OpenAI、Anthropic 都有自己的芯片，英伟达怎么办？

英伟达仍会卖光所有能生产的芯片。现在的需求远超供给，新增替代品不会立刻让它失去订单。

数据中心行业过去十年一直低估需求。规划周期长达两年、三年、四年甚至五年，但每一次预测都建得太少。于是大家提高预测、试图超额建设，结果还是不够。

AI 与 SaaS 的经济模型不同。传统软件产品的质量主要由工程师一次性写出的代码决定；AI 产品可以在每次查询时花更多钱，运行两次提示再选择更好的答案，或者给更高价值的客户分配更多推理。支出增加会直接提高产品质量。

所以有些公司的 token-as-a-service 账单几乎接近收入，并不一定意味着商业模式坏掉，而是它们发现更多推理能带来更好的产品和更多收入。未来，产品会根据用户价值动态决定要投入多少计算。

OpenAI 最近强调效率、推出更便宜的产品，并不说明算力不再重要。它们要进入印度等价格敏感市场，例如每月约 99 卢比、约 1.13 美元的产品，就必须大幅降低服务成本。

市场常把中国开源模型当成“用极少资源就做出同等能力”的证据。你认同吗？

这里混淆了训练成本、销售价格和实际推理成本。低价不等于低成本，开源也不等于运行便宜。

在一些可比任务上，中国模型的推理成本可能比 GPT OSS 高一个数量级。它们可能被优化为更便宜地训练，而不是更便宜地推理。外界看到低报价，就误以为底层成本也低，这是错误推断。

中国公司可以在本土市场补贴价格，也能建设大量能源设施，包括核电站。但当模型进入能源有限的海外市场，芯片效率和每 token 成本会重新变得关键。

美国最大的优势之一，是拥有更多计算资源，可以在训练阶段做更艰难、更昂贵的工作，以换取更低的推理成本。只要美国与盟友行动足够快，我认为仍有两到三年的领先窗口。

模型本身是不是持久护城河？

模型未必是持久优势，品牌、分发、工具链和用户习惯可能更重要。OpenAI 的品牌已经很强。Anthropic 可以考虑把上一代模型开放出来，让低成本用户使用，同时保持提示词和工具兼容；当这些用户需要更高能力时，再自然升级到付费模型。

开源还允许基础设施提供商针对模型做编译和系统优化，从而降低实际成本。复用提示词与生态工具，也会提高模型迁移的黏性。真正的竞争不是“谁把权重放出来”，而是谁能把整个使用成本压下来。

如果能源是 AI 的核心约束，欧洲是不是已经输了？

不一定。核能重要，但不是唯一答案。可再生能源也可以高效。盟友可以把计算部署到能源便宜、稳定的地区，再通过网络服务其他市场。

挪威的风电利用率很高，又有水电作为稳定调节。如果把风、水、核能组合起来，它能够提供大量稳定能源。欧洲的问题不只是资源，而是恐惧、审批和行动速度。

美国往往不愿承担“遗漏风险”，担心没有把足够容量建出来；欧洲则更能容忍遗漏，转而希望通过监管和数据驻留建立竞争力。但监管不能制造 token，数据主权也不能代替算力。

日本是一个有意思的反例。它做决定很慢，可一旦决定就执行得很快：建设 2 纳米晶圆厂、投入约 650 亿美元支持 AI，并重新考虑启动核反应堆。欧洲也需要类似的决断。

资金不是绝对障碍。超大规模厂商、主权基金和其他国家都可能出资。沙特提出“数据大使馆”式结构：数据由主权方监督，计算利用当地能源完成。欧洲也可以设计类似合作。

沙特短期内规划的算力规模可能达到 3 到 4 吉瓦。与之相比，很多项目最大的阻碍是手续。美国核电项目的许可和合规成本，有时甚至能达到电站本身成本的数倍。

我最想强调的一句话是：控制算力的国家会控制 AI，而没有能源就没有算力。欧洲不是没有机会，它有约五亿人口，也有法国、韩国等拥有核能和工程能力的伙伴。它需要一个类似“曼哈顿计划”的能源与算力工程。

欧洲夏天越来越热、冬天又需要供暖，增加能源供给本身就有广泛价值。如果继续拖延，它可能真的变成主要依靠旅游和既有财富的经济体。

只要拥有欧洲自己的模型，比如 Mistral，不就有主权了吗？

模型主权只解决“别人不能关掉你”的问题，不解决“你有没有足够算力”。一个稍差的模型，如果获得十倍算力，可能胜过一个更好的模型。Mistral 仍需要足够计算资源。CoreWeave 很好，但它也受可获得 GPU 数量限制。

推理增长不会削弱英伟达。所有 GPU 仍会售出，而更多推理又会产生更多数据、收入和训练需求，形成正向循环。

AI 以语言作为界面，让人机互动突然变得非常简单。我原本预计它会更早发生、但发展更慢；现实却是来得稍晚，随后进步快得惊人。

全球大约已有 10% 的人口每周使用 GPT 类产品。阻碍更大规模普及的因素，主要是算力、成本和语言覆盖，而不是人们没有需求。

AI 进步有三个支柱：数据、算法和算力。改善任何一个都有效，但算力是最容易预测的旋钮。研究突破无法按季度订购，数据也有边界；更多计算却通常能稳定带来更好的结果。

工业革命中，多造一台机器不一定继续改善产品；AI 不同。更多计算可以服务更多用户，也可以让同一个答案更好。我们还没有看到“有用算力”的明确上限。

那么 AI 对经济最大的影响是什么？

它可能不是让所有人失业，反而可能造成劳动力短缺。因为计算将转化成新的认知劳动，创造以前无法存在的公司和岗位。

我预计有三个同时发生的效果。第一是巨大通缩：机器人、自动化供应链和更好的生物技术，会让咖啡、住房、食品和服务更便宜。第二，一部分人会因为生活成本下降而选择少工作。第三，大量今天无法成立的行业会出现，它们仍需要人。

农业曾经吸收绝大多数劳动力，后来降到极低比例，但社会并没有因此永久失去工作。软件工程师、内容创作者、网红，甚至今天所谓的 vibe coder，在一百年前都难以想象。

这和主流“数百万人会失业”的叙事完全相反。

人们总会低估技术改善后经济结构的变化。一百年前也有人预测人口增长会导致大饥荒，因为粮食不够；他们没预见农业技术、物流与生产率的提升。

政策层面呢？

Trump 政府对 AI 的一些方向是有帮助的，尤其是减少许可障碍、推动能源和基础设施建设。真正的竞争不是发布多少政策文件，而是谁能把电站、数据中心和芯片真正建出来。

Vibe coding 最终会像识字。过去，写字是书记员的专业技能；后来人人都必须识字。未来，绝大多数知识工作者都需要能用自然语言指挥软件和智能体，即使他们不把自己叫作程序员。

但“能生成代码”不等于现实系统没有复杂性。我认识一位咖啡连锁店老板，他用 vibe coding 做了库存系统，随后遇到门店、供应商、退货、断货和异常数据的各种边界条件。AI 降低了进入门槛，却没有让现实世界停止产生边界情况。

公司把 AI 接进产品后，毛利可能下降。应该担心吗？

企业最终必须盈亏平衡并产生现金。毛利的作用之一，是给波动留出缓冲，让公司在需求或成本变化时还能活着。高毛利也会给竞争者机会——“你的毛利就是我的机会”。公司要在稳定性和护城河之间做选择。

我希望 Groq 拥有获取高毛利的能力，但尽量把这部分价值让给客户。需要时可以提高价格，平时则用更低价格帮助客户建立业务。真正重要的是拥有定价能力，而不是永远把毛利拿满。

一位 CFO 候选人曾建议我们提高价格，直到供给与需求相等。从经济学角度完全合理：价格上升，需求下降，供给就够了。但这也像在消耗品牌资产。既然客户信任你，为什么不卖给他们一些不够好的东西？因为信任本身有价值，而且会复利。

我希望毛利尽可能低，只要公司仍然稳定。低毛利让客户知道自己得到好交易，双方目标更一致。现金流可以通过扩大销量获得，而不是通过在稀缺时期榨取每一分钱。

算力行业最吸引我的地方，是需求近乎没有上限。这是杰文斯悖论：当单位计算成本下降，人们不会只节省预算，而会使用更多计算。如果我们能生产十倍算力，并持续降低成本，就可能获得十倍销量。

Canva 等公司增加 AI 功能，会不会伤害毛利？

成功企业不该只盯着利润表，而应盯着客户问题。如果 AI 让一个原本难用的产品变得人人能用，市场规模会扩大。两年前 Photoshop 对很多人很难；今天只要描述想要的图片。即使每张图收费更低，总用户和总收入也可能更高。

如果你只是和别人做同样的事情、比较谁成本低一点，说明你没有解决独特问题。真正的好生意是解决客户此前无法解决的问题；客户满意，现金流随后才会出现。

标普指数接近 7000 点，“七巨头”价值高度集中。很多人觉得市场见顶，但听你说又像一切才刚开始。怎么同时理解这两件事？

市场有两个部分：称重机和人气投票。有些资产更像纯人气比赛，例如加密货币。我从没买过比特币，因为我不擅长预测什么会流行。我能做的是判断价值。

AI 已经交付真实价值。私募股权公司都来找我们，希望获得便宜的 AI 算力，因为更多低成本算力能直接改善被投企业的利润。PE 机构追逐的不是潮流，而是底线变化。

高估值可能来自真实价值将来会累积，也可能来自纯炒作。不同参与者可能因为完全不同的理由得出相同价格。站在“称重机”的角度，经济中最有价值的东西是劳动；AI 通过更多算力和更好的模型增加可用劳动，这是前所未有的价值来源。

但如果英伟达、Google、Microsoft 同时遇到减速，价值集中会产生巨大的连锁反应。你担心吗？

担心。这与 AI 长期价值可以同时成立。市场像控制系统，会过热、超调、回落，甚至跌到应有水平之下。下行阶段会杀死很多好公司，但历史上最强的公司也常在低谷中诞生。

未来一年会有下行周期吗？

我无法预测。只要“预测本身会改变结果”，系统就不可预测。若发现小行星且无法阻止，轨迹可以预测；如果预测会促使人们研发拦截技术，结果就会被预测改变。金融市场只需移动资金，就会对预期产生极快反馈。

我现在看到的最大风险，是优秀工程师可以凭名声融资 1000 万、2000 万，甚至 10 亿美元，于是他们不再加入现有 AI 公司，而是各自创办公司。关键人才无法聚集到足够大的团队里。不过 AI 同时又提高了每个人的生产率，所以这是一场我们从未经历过的实验。

人才战争有多疯狂？

科技行业前所未有，但体育早就如此。二三十年前，明星运动员薪酬和今天顶级工程师很像。区别是体育联盟只有有限球队，还可能有工资帽；科技行业可以无限创建新“球队”。如果任何人都能成立一支足球队，球员工资和球队估值也会失控。

哪家传统公司最让你刮目相看？

Google 的反击最强。它的文化优势是工程师能产生好想法，只要管理层别挡路。Gemini 的采用数据不错，但嵌入 Gmail 等消费产品时仍显得零散、半成品。不过这不应过早判死刑；Google 愿意先承受批评，再通过真实使用迭代。Chrome 也曾源自失败的 Google TV 相关尝试。

Google 的问题在于，OpenAI 已经建立了覆盖全球约 10% 人口的分发。创业公司会不会在传统巨头完成创新前，先完成分发？

现在很难想象 OpenAI 消失。至少从此以后会有两个强大竞争者长期存在。Google 与 OpenAI 都做通用聊天与多种产品；Anthropic 更专注编程，所以它在形成不同定位。

Groq 的工程师最近从 Anthropic 工具转向 Codex，但这种变化几乎按月发生。我们不指定工具，只要求工程师必须使用 AI，否则无法保持竞争力。他们会在 Sourcegraph、其他编码工具、Codex 之间来回切换。

如果切换成本这么低，这些工具有持久价值吗？

尖端工程师会追逐当月最好的工具，但大多数企业不是这样。企业会签长期合同，围绕安全、采购、工作流和培训做集成，然后继续使用一年前选择的产品。个人开发者的低切换成本，不等于企业市场没有黏性。

OpenAI 估值 5000 亿美元，Anthropic 估值 1800 亿美元，你投谁？

两个都投。我认为它们都被低估。你把它们想成在有限市场里争夺固定份额，但它们的研发正在扩大市场本身。

把 AI 实验室的牛市情景展开说说。

今天的科技巨头可以继续增值，同时 AI 实验室追上它们目前的体量。那时“七巨头”本身也会更大。结果未必是谁取代谁，而是七巨头变成九巨头、十一巨头，甚至二十巨头。

AI 实验室会不会进入应用层，吞掉大部分客户？

成功科技公司的自然倾向就是向上游移动，开始做客户做的事情，再由新一代公司建立在它们之上。Sam Altman 曾坦率说，只在 OpenAI 上做一点薄封装的公司会被碾过去。这不是恶意，而是平台扩张的规律。

Groq 选择画一条线：我们不训练自己的基础模型，因此客户可以相信，我们不会用基础设施去和他们竞争。这也许是错误决定，我们可能被某个客户整合掉；但它给生态提供了可信承诺。

你们刚融资多少？

7.5 亿美元，估值接近 70 亿美元。原本只计划融资 3 亿美元，最后需求远超计划。硬件业务的好处是，卖出设备时就能确认正毛利；软件服务的毛利取决于具体模型、利用率和硬件寿命。

你从没卖过一股自己的股票？

没有。

你显然不懂这游戏怎么玩，回头我教你。

最热门模型在新一代芯片上已经有正毛利。有些模型收入超过运营成本，但尚未达到我们对资本回报的保守标准。硬件寿命不确定，所以不能只看某个季度的毛利。

未来毛利会走向哪里？

我还是同一个答案：在公司保持稳定、不产生致命波动的前提下，毛利越低越好。高毛利的必要性，是需要时能快速产生现金。只要拥有在稀缺时提高价格的能力，就可以在平时把价格压低。

算力需求太强。如果客户急需某种容量，而我们恰好有货，他们愿意支付更高价格。这种选择权让我们有资格以更低常态毛利经营。

五年后，芯片市场会是什么样？

我预测英伟达仍会获得超过 50% 的收入，但卖出的芯片数量可能只占少数。它也许拿到 51% 的收入，却只占 10% 的芯片数量，因为品牌与可靠性允许它收取更高价格。

“买英伟达没人会被开除”是一种强大优势。但当 35、36 个大客户贡献 90% 到 99% 的支出时，买方会更有能力做技术判断，不再只靠品牌。它们会采用其他芯片，因为其业务规模足以承担集成成本。

五年后英伟达市值超过还是低于 10 万亿美元？

如果五年后英伟达还不到 10 万亿美元，我会感到意外。更该问的问题是：Groq 有没有可能也达到 10 万亿美元？理论上可能，因为我们没有同样的供应链约束，可以生产更多当前最稀缺、市场愿意支付高毛利的资源——算力。

市场最不理解 Groq 的是什么？

答案每个月都在变。过去大家认为我们的架构不能支持多用户，后来我们在同一硬件上演示了多用户。现在最常被问的是：SRAM 明明比 DRAM 贵，Groq 为什么还能更便宜？

简化来说，SRAM 是芯片内部存储，DRAM 是外部存储。SRAM 每 bit 需要更多晶体管，还部署在更昂贵的先进制程上，因此单位容量可能贵十倍。

但不能只比较单位 bit。假设 Groq 用 4000 颗芯片运行 Kimi，而 GPU 方案每个实例用 8 颗 GPU。我们芯片数量多 500 倍，但 GPU 侧为了获得同等并行吞吐，也需要复制约 500 份模型与外部内存。即使 SRAM 单位容量贵十倍，DRAM 方案可能使用了数百倍内存。必须比较整个系统，而不是一个存储单元。

这是典型的“芯片视角”误导。Groq 从一开始就在做系统级优化，现在进一步升级到全球级优化。我们已经有 13 个数据中心，分布在美国、加拿大、欧洲和中东。

全球部署后，调度不再只是某个数据中心内部的问题。不同地区可以放置不同模型实例，针对输入或输出做不同编译优化；有些模型甚至不必在每个数据中心存在，可以跨区域负载均衡。我们的优化对象是整个世界的算力网络。

如果你不害怕，你会在哪增加风险？

我们可以把供应链订单翻倍。六个月供应周期让我们比其他人更快响应，但“翻倍”未必够。有客户一次要求我们现有总容量的五倍；如果只扩两倍，仍然拿不到订单。风险不在于有没有需求，而在于是否一次建得足够多。

这轮融资实际可以募得更多，认购需求约是已融资金额的四倍。但更多资本也意味着更多稀释。我需要在投资者稀释和提前建设算力之间做选择。

降价 50%，客户可能就会买两倍 token。它们的总支出未必下降，因为多花的计算会提高输出质量。我们关注的不是“客户是否节省预算”，而是单位计算能否创造更多价值。

会考虑上市吗？

现在唯一重点是执行、满足算力需求。上市是另一场游戏。

快问快答。对英伟达最大的误解是什么？

认为软件是它不可攻破的护城河。CUDA 对训练确实很强，但对推理未必构成同样锁定。Groq 已有约 220 万开发者注册，而英伟达宣称 CUDA 开发者约 600 万。

如果今天才创办 Groq，英伟达已值约 4 万亿美元，AI 热潮全面展开，你会怎么做？

我不会做芯片。船已经开走了。芯片从设计到量产，即使一切顺利也要约三年，而第一次流片直接成功的芯片可能只有约 14%。也就是说，每次都有约 86% 的概率需要重新流片。

我们做 V2 时甚至提前排好了重流片计划，结果第一版居然成功，连我们自己都吃惊。英伟达一颗芯片常需三到四年，只是并行推进多代产品；Groq 现在把节奏缩短到一年，V2 后一年是 V3，再一年是 V4。

怎么看 Larry Ellison 和 Oracle 的再加速？

他们做了聪明的商业决策，并且愿意快速行动。多数人不断问 AI 是否过热、要不要加码；Oracle 直接冲了进去。当其他人恐惧时应该贪婪，当其他人贪婪时应该恐惧。现在看似遍地贪婪，实际上只是少数聪明而激进的人行动很快。

那我该在哪里贪婪？

有护城河的地方。Hamilton Helmer 的“七种力量”就是一个框架。问题在于早期投资时护城河还没出现，你必须预测它是否会形成；一旦明显，估值可能已经是十亿美元的 pre-seed。

过去十二个月你改变了什么看法？

与其说改变结论，不如说改变资源配置。我们每个月都更聚焦，对更少的事情说“是”，业务反而做得更好。我过去最看重保留可选性；现在更看重聚焦。早期可选性让我们发现最适合的位置，但到了现在，必须集中火力。

Elon Musk 能靠 Grok 和 xAI 成功吗？

可以，但会以不同方式成功。新市场出现时，很多公司以为自己争夺同一个终点，其实会分化。Anthropic 最聪明的决定之一，是不再试图做所有事情，而把重点放到编程。xAI 有社交网络和分发，可以把聊天机器人嵌进去，但这不等于它会成为深度研究或编程的首选。没有差异化就会死亡。

Google、Microsoft、Amazon 中，买一个、卖一个？

取决于期限。Microsoft 短期会因为与 OpenAI 的关系调整受到影响，但长期问题不大。它部署了巨量算力；即便 OpenAI 把任务转向其他供应商，Microsoft 仍然拥有这些“像黄金一样”的计算资源。Amazon 有算力，但 AI DNA 相对不足；Google 和 Meta 一直有这种 DNA，Microsoft 则通过 OpenAI 买到了时间。

未来五到七年，你最兴奋的是什么？

最让别人害怕的事情，反而最让我兴奋。Galileo 推广望远镜后惹了大麻烦，因为望远镜让人类看到宇宙比想象中更大，也让我们感觉自己非常渺小。后来我们接受了：人类或许很小，但宇宙宏大而美丽。

我认为 LLM 是“心智的望远镜”。今天，它们让我们觉得自己很渺小；一百年后，我们也许会意识到，智能比我们想象的广阔得多，并因此感到它非常美。

每次和你谈话，我都会记下大量笔记。谢谢你来录这期节目。

节目片尾介绍 YouTube 频道，并包含 Coda、.tech 域名及 AngelList 等赞助商口播，本文不逐句翻译。