--- id: "XZxDawMm4lU" title: "AI 热潮放缓时会发生什么" channel: "Invest Like The Best" host: ["Patrick O'Shaughnessy"] guests: ["Martin Casado"] date: "2026-11-04" updated: "2026-11-05" duration: "1:14:57" duration_seconds: 4497 source_type: "youtube" youtube: "https://www.youtube.com/watch?v=XZxDawMm4lU" canonical: "https://pod-exp.pages.dev/XZxDawMm4lU/" transcript_jsonl: "https://pod-exp.pages.dev/XZxDawMm4lU/transcript.jsonl" language: "zh-CN" translation: true translated_from: "en" timestamp_precision: "block" topics: ["人工智能","AI 基础设施","投资","创业与经营"] series: ["AI 基础设施","AI 投资"] --- # AI 热潮放缓时会发生什么 > 中文译文，由英文原音字幕翻译整理，不是官方逐字稿；引用原话请核对英文原视频。说话人标签由整理者依上下文标注，带「未确认 / 未标注 / 不确定」等字样的标签不可靠。时间戳一般为块级（所在时间块的起点），不是逐句时间；正文自带 [hh:mm:ss] 的段落除外。 **内容提要：** Andreessen Horowitz 合伙人 Martin Casado 与 Patrick O'Shaughnessy 讨论 AI 如何改变软件、计算基础设施和风险投资。Martin 将投资者分为传统金融、生产性、前沿和投机四类，强调应区分护城河的形成机制与增长曲线。他认为，在快速扩张的市场里，防御力未必是首要问题；而模型的市场地位、快速迭代、巨额资金投入和硬件供给共同塑造了 AI 竞争。对他而言，AI 的关键变化是资本终于能有效投入工程问题，数字世界因此可能被大规模重建。他还分享了对新型云计算、数据中心、私募市场效率、战略并购和投资人职责的看法，并认为未来最大的限制可能是人的想象力。 ## [0:02] 开场 · YouTube **Martin Casado：** 说实话，软件过去一直很难用，技术也常常让人头疼，动不动就出问题。现在我们终于到了一个节点，这些东西有可能真的开始好用了。人们总把这些东西当作软件，或者拿搜索来类比，其实都不是。我们才刚开始意识到它们有多强大。我觉得，最大的限制已经不再是技术，而是我们的创造力。 ## [0:34] 四种风险投资风格 · YouTube **Patrick O'Shaughnessy：** 你最近写到，风险投资——或者说大型私募科技市场——里大致有四类投资风格。能不能一一列出来，每类用一句话说说它的视角？ **Martin Casado：** 对。我做这一行已经十年了，做过几百笔交易。参加这些讨论时，我发现大家彼此并没有把话说清楚，所以我试着梳理一下：人们带着什么样的心态来投资？我觉得基本有四种。 第一种是传统金融思维：判断企业健康状况的正确指标，是它所处的市场和财务表现。这就是它的核心。 **Patrick O'Shaughnessy：** 看表格、看数字。 **Martin Casado：** 对，比如 SaaS 指标是什么、市场有多大，然后把这些当成整个企业的代表。这种做法显然适用于成长型投资者，但现在越来越多早期、A 轮投资者也这么做。在我看来，这有点不协调。 第二种是我说的“生产性投资者”。你相信自己投的是一种生产性资产，价值由这项资产创造。你相信它在创造价值的过程中会开拓出新的市场；与此同时，你得想办法让企业逐渐把已经创造的价值变现。这样的投资尽调更关注技术路径、相邻市场、技术可能以多快的速度演进，以及它离捕获价值还有多远；还要看这支团队是不是最适合把它做出来。 第三种是“前沿投资”。我觉得这是六七十年代风险投资那种浪漫化、理想化的样子，有点“梭哈”的意思：创始人比风投更懂，他们看到了我没看到的东西，就要出去把它做出来，我凭什么质疑他们？这种投资看起来几乎像是在投资人才网络。比如 Chris Dixon：他投过益智药、Soylent、Oculus、Coinbase 和加密货币。就像把七八十年代科幻作品里的每一种设想都投一遍，不想太多。它几乎是生产性投资的强化版。 第四种，也总让我惊讶它竟然这么常见，是投机型投资者。他们甚至不在乎资产本身，只想踩准市场时点。加密货币和二级市场里就能看到这种人：他们不了解底层资产，可能也不怎么懂业务指标，只会说：“这个看起来便宜，肯定会涨。哦，市场到顶了，我要退出。”他们想做的就是择时，并不真正关心企业能不能成长。 问题在于，有了这些不同类型，你总能替任何一笔交易找理由，也总能替不投它找理由。如果你不清楚自己的信念是什么，最后就只是在为自己的偏见辩护。 **Patrick O'Shaughnessy：** 如果你把自己看作专注于颠覆性技术的生产性投资者，我很喜欢这个观点：你不该盯着许多投资人常谈的那些传统指标。说说你会看什么吧。你看这么多公司，判断一家公司的技术是否真正具有颠覆性、是否是一项有价值的资产，方法是什么？ **Martin Casado：** 我只投计算机科学领域，而且只投基础设施。我认为基础设施这个行业有自己的形态：采购行为有特点，技术长相有特点，行业运作方式也有特点。你要做的是从技术路径出发，把它放进这个技术框架里分析。我们大致就是这么做的。具体方法有好几种，其中一种是看领先公司内部在做什么，这能让你窥见平台可能如何演进；也可能是做这件事的团队曾在别的场景里成功过，现在把经验带到了新的场景。 ## [4:35] 四种风险投资风格（续） · YouTube **Martin Casado：** 我觉得这是个问题：尽调能做到什么程度，才不会只是拿数字当替代指标？你可以和客户聊，看看他们会不会用；可以找找有没有规模正在增长的相邻预算，判断它们是否可能分散到这个新领域；也可以寻找愿付费的早期迹象——尽管客户还没弄清楚具体怎么买单。 我一直觉得，每一波技术浪潮都会有人担心利润率。我在云计算、移动互联网和早期互联网时期都听过这种担忧，现在大家也在担心利润率。也许客户愿意付钱、兴趣很浓，但我们还没弄清楚销售成本（COGS）和可持续的商业模式。因此你只能看一些局部指标，而不是完整指标。 我的团队里有很多技术和产品人才，不少人有博士学位。我们不会自以为比创始人更懂技术，创始人肯定比我们懂。但我们可以问：这项技术如何融入更大的平台？它如何对应客户的支出？它是否符合我们对产品黏性和防御力的理解？然后我们会看早期市场数据，并说：“传统金融投资人看到这些数字可能会吐，但这些数字确实表明客户很感兴趣、正在努力找到用法。接下来，他们能不能把这些用法做出来？” 生产性投资者能做很多这样的尽调。前沿投资者则不会做这些，他们会说：“看人。” **Patrick O'Shaughnessy：** 就是看这是不是最适合做这件疯狂事情的团队，然后直接梭哈？ **Patrick O'Shaughnessy：** 你刚才说开录前还提到…… ## [6:15] 人人都误解了网络效应 · YouTube **Patrick O'Shaughnessy：** 开录前你说，没人真正理解网络效应。你具体指什么？ **Martin Casado：** 我发现，连最常用的术语大家都没有共识。网络效应就是我最爱拿来举例的词。我刚才问你，你怎么定义？ **Patrick O'Shaughnessy：** 我说错了。 **Martin Casado：** 没有，你说的就是大约三分之一的人会给出的答案。你说的是：“产品每增加一个边际用户，产品就会变得更好。”我觉得这几乎是个同义反复，因为大多数产品多一个用户都会变好：用户能发现漏洞、给反馈，也会告诉别人。但这并不能说明产品有没有防御力。 另一些人说网络效应时，指的是这个词最初在七十年代的含义：电话网络里，用户加入后会彼此互动，互动数量超线性增长，因此可能形成自然垄断。还有人把它理解成真正的飞轮，也就是自我强化的循环。不只是产品变好，而是它会以某种方式不断自我强化。你会听到“数据网络效应”这样的说法。但即使按这个意思，你也不知道这种自我强化是超线性的还是不是，所以依然不知道它能不能形成防御力。于是，一个出现在七成融资路演材料里的常见词，创始人站在台上讲，大家却对它的意思没有共识。 **Patrick O'Shaughnessy：** 那你会怎么定义？ **Martin Casado：** 我觉得混乱的根源不在定义，而在概念上把“形成护城河的机制”和“护城河的形状”混为一谈。形成护城河的因素有很多：品牌、规模、双边市场、网络效应。但只有当护城河具备某些特性、能抵御竞争者时，讨论它才真正有用。 如果护城河随规模超线性增长，就像经典的梅特卡夫定律网络效应，那确实很有防御力。如果它随规模次线性增长，可能根本没什么用。所以我们讨论防御力时，第一件事是别把护城河的形状和形成它的具体机制混为一谈。先说清楚护城河随规模是超线性、线性还是次线性增长。然后再看有哪些机制在起作用。 比如规模效应：公司规模扩大后，单位经济效益会改善，通常是因为它获得了定价权，或者品牌降低了获客成本。双边市场在我看来和网络效应很不一样，它主要是供需双方相互带动、自我强化。总之，机制可能有很多种，而护城河的形状是另一回事。讨论时要确认这种形状确实能带来长期防御力。 最后，这类讨论几乎不可能孤立地进行，因为我们谈的其实是竞争均衡。假如你有网络效应，竞争者可能也有；如果对方资本更多、增长更快，你的护城河形状就会受到影响。比如他们抢走客户，你的边际增长就可能放慢。我们需要先把基本概念讲清楚：别把护城河的形状和形成它的机制混为一谈，再把具体机制一项项列出来。像你刚才那种定义，对讨论没什么帮助。 **Patrick O'Shaughnessy：** 能不能举例说明超线性、线性、次线性分别是什么样？ **Martin Casado：** 当然。人们通常认为，网络效应这个概念源自七十年代。我忘了那位经济学家的名字，他在贝尔实验室工作，注意到铁路网络和通信网络里的…… ## [10:18] 网络效应的超线性与次线性 · YouTube **Martin Casado：** 用户之间的连接数量会随加入人数的平方增长。每多一个用户，就能和很多其他人沟通，所以连接数量的增长会超过用户数，价值也就不止线性增长。高速公路上的目的地数量、铁路上的目的地数量也是类似的。 这意味着，如果两家公司竞争，各自拿到 500 万美元融资，但其中一家稍微领先、规模稍大，那么同样的投入会让它比挑战者增长得更快。增长优势还会随时间扩大，这就是为什么最后可能形成垄断。 次线性则相反：如果我是领先者，和挑战者投入相同的钱，我的边际增长却更慢，这就是次线性。这对护城河显然很重要。两家公司竞争时，如果护城河是次线性的，挑战者总能追上领先者，因为领先者必须不断花更多钱才能继续增长。假设其他条件相同，…… **广告：** Ramp 是唯一一个专为精简、提速和提升财务团队效率而打造的平台，平均每年能帮企业节省 5% 的开支，让你专注于增长。Ramp 刚刚在英国开放业务，英国企业现在也能用它的 AI 财务平台，在一个地方管理公司卡、费用、账单、审批和会计。我用 Ramp 来经营公司，你也该试试。详情见 ramp.com/invest。 **广告：** Rogo 是专为金融机构打造的 AI 平台，服务全球数百家领先机构的数万名银行家和投资人。Rogo 的 AI 智能体可以自主执行公司大量工作流程：筛选交易、起草材料、联系潜在买家，以及对数据室开展尽调，同时处理好安全与合规。每项操作都会汇入 Rogo Intelligence，也就是公司的上下文层，把多年的交易经验转化为安全、受治理的机构记忆，让每笔新交易都比上一笔更有力。详情见 rogo.com/invest。 **广告：** OpenAI、Cursor、Anthropic、Perplexity 和 Vercel 有个共同点：它们都在使用 WorkOS。企业要大规模采用你的产品，就得提供 SSO、SCIM、回调和审计日志等核心能力。WorkOS 可以帮上忙。你无需花几个月自己开发这些关键功能，只要调用 WorkOS API，从第一天起就能获得它们。这就是为什么许多知名 AI 团队已经运行在 WorkOS 上。WorkOS 是最快实现企业级就绪的方式，能让你继续专注于最重要的产品。访问 workos.com 开始使用。 **Patrick O'Shaughnessy：** 你能举几个近期公司案例，分别对应这些不同类型吗？ **Martin Casado：** 我想先问一句：你觉得真正符合梅特卡夫定律、实现超线性增长的网络效应，到底有多少？ **Patrick O'Shaughnessy：** 很少吧，我也说不准。 **Martin Casado：** 我觉得这种情况几乎从来没发生过。大家大概都会同意，电信网络算一个。我们不得不把它们拆分。LinkedIn 也可以算一个：它几乎不用怎么改变，就一直保持着社交网络的地位。GitHub 我也会列进去，它也是人与人相互连接的网络。 **Patrick O'Shaughnessy：** 本质上是用户之间相互连接。 **Martin Casado：** 对，是用户之间的连接。所以这类例子不多，但一旦出现，往往是非常持久、价值很高的公司，这才是典型的网络效应。其他公司更可能体现的是规模效应。比如有人会说 Uber 是网络效应，我不确定它符合这个定义。它也许是双边市场，因为有司机和乘客，但即便如此，它也没有把任何一方锁定住。 ## [14:18] 护城河是否重要 · YouTube **Martin Casado：** 所有司机都可以服务所有乘客，所有乘客也都能叫到任何司机。所以 Uber 看起来更像融资带来的规模效应：它能融到更多钱，单位经济效益也因此下降。我的更大一点的观察是：网络效应这个话题，起初更多是我个人觉得烦、想抠字眼；但我认为，大多数时候我们甚至不太值得花时间谈防御力。让我解释一下。 ## [14:45] 护城河、市场增长与颠覆性技术 · YouTube **Martin Casado：** 以我的经验，如果你投资的市场在增长，企业通常不愿意彼此正面竞争，因为会不断出现新的空白地带，大家会去开拓别的机会。所以市场增长时，防御力只是第二、第三顺位的问题。 如果市场放慢或萎缩，它往往会自行整合，不管有没有护城河都是如此。作为投资人，我们花很多时间担心防御力，但在实践中它经常没那么重要，尤其是在我们投资的增长型市场里。AI 就是例子。我记得早期大家讨论模型时，有多少投资人说：“我绝不会投模型，它永远不会积累价值，也没有防御力。”没关系，只要市场规模大、还在增长，它就会积累大量价值。我也记得当时有人说新型云计算公司（neocloud）靠不住，收入质量很差。所以我觉得投资人会被“防御力”这个概念绕进去；在增长的市场里，这甚至不值得优先考虑。 **Patrick O'Shaughnessy：** 你觉得这是不是你们这个阶段的投资人才有的特殊优势？到了后期、上市阶段，比如买 Anthropic S-1 的人，大概就得考虑防御力了。 **Martin Casado：** 这取决于你对市场规模的判断。如果你认为市场只开发了 0.1%，那它还有很长的路要走，价值会继续累积；如果你有流动性，可以进出市场，价值增长时也能调整仓位。我觉得风险投资的性质其实整体上都变了。 回看 Arthur Rock 那个年代，投资更像是押注前沿：人们不太考虑收入质量，也不怎么考虑防御力，关注的是人、技术和新市场。过去三十年，科技市场变得极其庞大，投资人可用的资金也多了很多，私营公司的规模也越来越大。今天一家私营公司，规模可能抵得上十年前的上市公司。在某种程度上，风投已经变成了公开市场投资者。很多进入风投行业的人也来自商学院或传统金融背景，所以他们把那套思维带了进来，但用得太早了。 **Patrick O'Shaughnessy：** 金融思维用得太早。 **Martin Casado：** 对，传统投资和金融思维被用得太早，而且常常用错地方。我经常碰到初级投资人说：“收入质量不好。”我会说：“老兄，我们当年连互联网该怎么变现都不知道。”商业模式总是落后于颠覆性技术。 **Patrick O'Shaughnessy：** 一直都是这样。 **Martin Casado：** 所以，如果你真心相信自己投的是颠覆性技术，第一，你就该相信它会创造总潜在市场（TAM），那为什么还担心市场规模？市场正是被它创造出来的。第二，它具有颠覆性，我们甚至还不知道定价模式是什么。想想我们从永久授权转向订阅制花了多久——那是好几年，大家一直在纠结。 我的提醒是，多数投资人应该先弄清楚自己是哪一种。如果你是金融型投资人，那就是你的世界观；但你评估的就不是技术，也不是技术的颠覆力量。你实际上只是在看收入质量。顺着这套方法走，你自然会偏向非颠覆性技术，因为一项颠覆性技术往往还没有清晰的商业模式，也不知道 TAM 有多大。 **Patrick O'Shaughnessy：** 反过来说，如果你真相信自己是在投资科技，相信科技创造价值，而且你很早就这样投资…… **Martin Casado：** 那你就不该把这些其他因素放在前面。所以我觉得…… ## [18:45] 投资方法要自洽 · YouTube **Martin Casado：** 问题不在于有没有一种唯一正确的投资方式——不是，各种方法都合理，也都能自圆其说。重点是别把自己的基本逻辑弄混，否则思路就会前后矛盾。比如你会说：“我是投颠覆性技术的”，结果却在找净收入留存率（NRR）表现漂亮的公司。这套思路就对不上。 ## [19:05] AI 正在重塑计算基础设施 · YouTube **Patrick O'Shaughnessy：** 你怎么看现在基础设施领域的整体状况？变化显然非常快，也出现了新类型的公司，但似乎仍能分出一些层次或类别。今天的版图是什么样？ **Martin Casado：** 对我来说，基础设施的定义是技术上的差异化。我不会把 SaaS 或应用看作技术投资。你会觉得，投一家 SaaS 或应用公司算是在投技术吗？ **Patrick O'Shaughnessy：** 不会。 **Martin Casado：** 对，因为那更像是在投一家企业。 **Patrick O'Shaughnessy：** 是，尤其现在更像商业模式创新之类的东西。 **Martin Casado：** 对。作为技术创新，它得处在传统技术栈之中。基础设施的传统技术栈包括计算、网络、存储和数据库，每一层又有自己的子领域和买家。现在 AI 正在重塑这些部分，它们都受到冲击。我们还多了模型，我会把模型也看作基础设施。它们的资本需求和竞争压力，让我觉得它们更像重资产基础设施，而不是传统软件；而且它们正在颠覆上方整个应用栈。我们甚至不知道它们会不会成为一层独立的东西。你也许能把模型勉强归进软件，但传统上它们像是独立的一类，和软件不太容易放在一起看。 我认为我们正处于颠覆最剧烈的阶段。不过，支撑软件的基础设施——无论软件是用氛围编程写的，还是为了构建模型而写的——主要组成部分并没有因此改变。我们仍然会用“计算、网络、存储、数据库，再加上模型”这样的传统框架来理解它。但与此同时，变化又快得让人只能摊手。 举例来说，以前做开发工具时，会考虑人的使用体验：技术人员设计时会想“人要用这个，不能太复杂”，因此会在安全性或可靠性上做取舍。现在模型会替人操作，我们不一定还需要这样取舍。我觉得这是计算机科学基础设施一次最大的重整，可能自互联网以来最大，也可能是有史以来最大。 **Patrick O'Shaughnessy：** 简单说，是不是这五个基础设施部分都在为智能体重新改造？这么说会不会过于简化？ **Martin Casado：** 我会分成两件事来看。第一，人们用氛围编程写出了大量软件，软件产量超过以往；这些软件得有地方运行。这和智能体本身无关，它就是普通软件。可能是智能体写的，也可能是人写的，但它仍然需要数据库和算力。这是“智能体的产物”。第二，我们正在构建以 AI 为核心的新系统，这又会怎样改变基础设施？所以，一方面要假设软件会多得多，需要运行和部署；另一方面也要考虑能创造智能体的新系统。 **Patrick O'Shaughnessy：** 每一波新技术似乎都会催生新型数据库。你关注的这些领域里，是不是都因为 AI 出现了新进入者？ **Martin Casado：** 很多基础设施领域已经有些沉寂，但智能体能力很强，这种局面正在改变。举个例子，OLTP，也就是事务数据库，像 Oracle 这样的产品所在的领域。这是个很成熟的行业，过去没什么大变化，可能只是迁移到云上。但现在有些新公司在思考：程序员使用数据库时，难点在于数据库一直有自己的语言，出于技术原因，它们和常见编程语言很难配合。 数据库语言不能轻易改变，因为熟悉数据库的人就不知道怎么用了，还得培训整整一代程序员掌握新语言。但有了 AI，我们开始看到全新思路的数据库，特性好得多，也不必再培训所有人，因为智能体已经会用了。行业变革有路径依赖：有些领域会被新公司彻底改写，比如 OLTP 数据库五年后可能完全不同；有些领域则可能由现有企业跟上，添上几项新能力就够了。 ## [23:07] 基础设施栈的重建 · YouTube **Martin Casado：** 网络是我特别关注的领域，我的博士就是做网络的。这个行业过去十五年一直很沉寂、很无聊；现在我们建造的集群规模极大，对性能又有非常严格的要求，于是出现了新一批网络公司。这是 Arista 之后第一次出现这样的新公司。 我们甚至看到构建网络设备所用材料在变化，光通信也开始受到关注。网络和计算领域有很多有意思的新事。比如，运行智能体需要什么抽象层？是容器、虚拟机，还是 Temporal 这样的持久化工作流？这些都在变化。我认为我们正处于颠覆最剧烈的阶段，基础设施栈中的许多部分都可能被重建。 ## [24:26] Anthropic、前沿模型与 AI 竞争的未来 · YouTube **Patrick O'Shaughnessy：** 我们聊几分钟模型吧。Anthropic 的 S-1 本周出来了，能很好地了解这家公司。但比起公司本身，我更想听你对模型现状的看法：闭源和开源、公开的前沿模型和公司内部保留的模型、人才流动，以及现在还不存在但应该存在的机会。你对这些有什么想法？你觉得它们会如何演进？ **Martin Casado：** 我觉得最大的问题是：如果市场开始放缓，会发生什么？我们有三年的数据，看到的是一个很大、增长很快的市场。在这样的环境里，处于前沿就意味着巨大的定价权：哪怕只比下一家好一点点，也有很强的定价权。需求完全不是问题，几乎是无限的。因此最好的前沿模型往往按收入计算拿下 80% 以上的市场份额，过去三年一直如此。 但也可以说，这只是因为市场远没有饱和，大家都想用最聪明的模型。只要市场继续增长，结构上就没什么会变，而且这种情况可能还会持续很久。现在渗透率是多少？大概 1%？有人说企业渗透率有 3%，但从预算占比看只有 1% 或更低。考虑到技术这么有用，市场还大有可为。 对我来说，更有意思的问题是：如果某些领域开始饱和，会怎样？市场会转向开源吗？前沿模型的定价权会消失吗？我们在给这些公司建模时，常常没有认真考虑一个问题：如果你投资了一家模型公司，它没能很快推出下一代模型呢？假设 Anthropic 遇到挫折，六个月都没发布新模型，上一代模型还能撑多久？ **Patrick O'Shaughnessy：** 时间会很短。 **Martin Casado：** 非常短，这和我们过去对软件的理解完全不同。过去我们总是假设产品有很长的尾部。但如果你推出一个大家都喜欢的出色模型，后来公司内部出了问题——可能是监管、技术、数据泄露，什么都有可能——结果延期三个月，那你可能会丢掉整个市场。根据我的经验，我看过很多应用公司的模型曲线和融资材料，模型的生命周期大概是三到六个月，也就是说你必须推出下一个模型。 我觉得应该把问题拆开：如果市场继续增长、没有饱和会怎样？这部分我们已经知道，因为我们有三年的数据。 **Patrick O'Shaughnessy：** 三年的数据。 **Martin Casado：** 对。数据表明前沿模型会胜出，只要它们做出好模型。但如果某些使用场景饱和了——人们不再需要更高的智能——或者市场因为其他原因开始放慢呢？没人知道答案。我认为很可能发生这样的事：价值又大幅回流到开源模型，我们会看到从未见过的转变，因为软件一直有很长的留存尾部。 **Patrick O'Shaughnessy：** 这次出差我问了很多人，软件编程任务有多少已经饱和。大家通常回答比例非常高。编程已经是最大的市场，可人们似乎还在疯狂花钱买前沿模型的 token 来写代码。这有点矛盾：如果六个月前的模型也能做，或者更便宜的模型就行，为什么还要用最贵的？ **Martin Casado：** 这是两个不同的说法。这个问题很好，值得仔细讨论，但得先分清楚。第一种说法是：“我不再用更多 token 了，因为我已经有足够的 token，已经自动化了 95% 的工作，没法再多自动化了。”我觉得我们确实快到这一步了。 ## [28:27] 前沿模型竞争与更广泛的应用 · YouTube **Martin Casado：** 第二种说法是：“所以我可以换更便宜的模型。”这并不能从第一种说法推导出来。假设你我各自经营一家互相竞争的初创公司，一家叫 Martin 公司，一家叫 Patrick 公司。在竞争均衡下，你会选一个更笨的模型来和我竞争吗？ **Patrick O'Shaughnessy：** 在竞争均衡下，你不会这么做。 **Martin Casado：** 对，你总会愿意多花十倍，买最聪明的模型。总是如此。所以这里有个悬而未决的问题：任务会不会饱和，以至于不再需要更聪明的模型？在达尔文式的经济竞争均衡里，要做到这一点很难。某些任务或许会饱和，但归根结底，你能不能更快地交付软件、把产品做得更好、在市场上胜过对手？这些竞争压力必然会把你推向更聪明的模型。 当然，增长肯定会放慢，因为你不可能一直增加 token 使用量。届时要么提高价格，要么把产品拓展到更广泛的领域。以我的经验，价格肯定能维持，因为竞争均衡会让人总想用最聪明的模型。与此同时，我们也看到这些模型正在从编程扩展到更广泛的知识工作。比如，我非常看好 Grok…… ## [29:51] AI 的意义不止于软件 · YouTube **Martin Casado：** ……用户。这是我最喜欢的事。我觉得我们正在看到它接管越来越多的工作。 **Patrick O'Shaughnessy：** 说说你自己的体验吧。你从中学到了什么？你在用它做什么？ **Martin Casado：** 我最近在做的这个项目太好玩了。 **Patrick O'Shaughnessy：** 我知道你在搞家庭自动化。 **Martin Casado：** 对，太棒了。我感觉自己一辈子都在等这项技术出现。我想要《星际迷航》那种感觉：回到家，房子会迎接我；我可以和它说话，屏幕上会出现一张脸。我想要这一整套东西。以前一直做不到，现在却变得很简单了。我用 Grok 做很多事，包括个人理财。我最大的爱好是模块化合成器，喜欢摆弄那种七十年代风格的合成器，用接线和旋钮做音乐。它也能帮我处理很多这类事情。 我现在最着迷的项目，是想让 Grokbot 在家里拥有一个实体。我跟它说：“我想让你成为住在我家里的 AI，就像《星际迷航》那样。帮我把这件事做出来。”它的回应基本就是：“买东西。” **Patrick O'Shaughnessy：** 买东西。 **Martin Casado：** 对，我就说：“那试试。”昨天我买了几百美元的设备，马上就会送到家，我要让它有个实体。 **Patrick O'Shaughnessy：** 它买的是什么设备？ **Martin Casado：** 我也不知道，哈哈。是一些很奇怪的开源项目和设备。我懂一点家庭自动化，比如 Zigbee、LIFX 之类，但它选的东西非常冷门。我脑子里一直有个愿景：七十年代人们想象中的未来，房子会看着你、照顾你。我就是想要那种感觉。我一直在给它看图片、描述我的想法，希望它自己把这一切做出来。进展如何，我之后告诉你。 **Patrick O'Shaughnessy：** 你在使用这项技术时还有什么体验？你的创造性用法大概属于千分之一里最靠前的那一小撮。这些体验让你觉得接下来会发生什么？ **Martin Casado：** 这就是未来。我觉得人们总把这些东西当成软件，其实不是；我们也总拿搜索来类比，其实也不是。我们创造出了一种通用、灵活的技术，能把许多我们一直梦想却没有技术实现的未来带到现实里。我觉得我们被对软件能力的既有想象限制住了，所以还没做出那么多这些东西。 再举个例子。我和 Fei、World Labs 合作过，那是一家很棒的公司。他们做了一个能生成 3D 场景的模型，几个月前发布了 Atlas。它不但能生成各种场景，也支持动态效果，场景会动。我意识到，我们离“走进一部电影”已经很近了。想想看——宫崎骏大概不会喜欢这个点子，但如果《千与千寻》正在播放，你戴上 VR 眼镜就能走进去，身临其境。你看过《不眠之夜》（Sleep No More）吗？ **Patrick O'Shaughnessy：** 当然，看过。 **Martin Casado：** 为什么不能有一个 VR 版《不眠之夜》？让你走进去，整个故事就在周围展开。给听众解释一下，《不眠之夜》是一部沉浸式戏剧，演出三小时，在纽约一栋像三层酒店的建筑里上演。你在里面跑来跑去，试着弄清楚发生了什么，演的可能是《哈姆雷特》之类的故事。 我觉得我们才刚开始意识到这项技术有多强大。五六十年代那些未来想象和故事桥段，如今真的能实现了。最大的限制已经不再是技术，而是我们的创造力。我们被三十年来难用的软件给磨得…… ## [33:52] 数字世界的问题可以用资金解决 · YouTube **Martin Casado：** 说实话，软件过去一直很糟，技术很难用，老年人讨厌它，而且经常出问题。现在我们终于到了这些东西可能真的开始好用的阶段。我对它带来的变化非常兴奋。 **Patrick O'Shaughnessy：** 有个说法很诱人：就算把模型冻结在现在的能力上，仍然能实现你刚才说的那些东西。关于技术扩散我想展开聊，但在那之前，你觉得模型还缺什么？你希望模型本身怎样继续变好？ **Martin Casado：** 从行业整体来看，我觉得现有技术栈里，数字领域的任何问题，只要投入足够的资金，都能解决。原因是：凡是能在计算机上模拟的东西，都可以构建强化学习环境。无论是用 Blender 做 3D，还是操作通用计算机应用，或者写代码，都可以。 我觉得 AI 最有意思的宏观变化是：你可以给一个聪明的孩子指出一个问题，他就会想办法解决。也许成本很高，但至少问题能解决。过去遇到工程瓶颈，你只能卡在那里干着急；现在你可以把钱投入问题，就把它解决掉了。因此我很有把握地说，数字世界的问题都能解决，因为我们可以创建环境、用强化学习训练。任何能在电脑上做的事，AI 最终都能做。也许今天还做不到，但实现路径已经很清楚。 我不确定的是，物理世界是否遵循同样规律。你当然可以建实验室，来制作音箱之类的东西，但规模化曲线是不是一样？数据分布是不是一样？机器人、物理世界、科学和医学领域是否遵循相同规律，我完全不知道。这部分还有待突破。不过数字领域，我很有把握——这方面已经搞定了。 **Patrick O'Shaughnessy：** 你怎么看最近这些安全问题和漏洞？有人把它叫作“漏洞末日”。显然我们正在进入网络安全非常有意思的时期。你怎么理解这一切？ **Martin Casado：** 我接受过正规的安全训练，也亲历过互联网发展早期。当时的情况比现在糟糕得多。互联网发展到这个阶段时，蠕虫病毒已经造成数十亿美元的经济损失，还攻击过关键基础设施。我记得 Windows 95——你可能太年轻了。 **Patrick O'Shaughnessy：** 不，我记得。 **Martin Casado：** 好，想想 Windows 95。你装好系统，只要在安装程序结束前连上互联网，电脑就会被感染。 **Patrick O'Shaughnessy：** 我只记得一点点。 **Martin Casado：** 这可不是开玩笑，机器真的会被接管，连打补丁的时间都没有。当时一片混乱、漏洞横行。每当新技术改变了计算机的运行方式和安全态势，这种情况就会发生。我们现在又到了这样的时刻。 可以参考互联网时代的经历：先混乱几年，发生真正造成损害的安全漏洞，然后行业逐渐演进。看安全问题时，通常要问：好人能不能比坏人投入更多资金？如果能——通常确实如此——最终就会找到技术解决方案。我觉得这次也会如此，而且已经能看到苗头。现在发现这些漏洞是好事，说明有人在用模型找出漏洞，让系统更安全。我认为事情的发展正如预期，最终 AI 帮助防御的结果会是：软件安全得多得多得多。 ## [37:45] AI 的资本革命与基础设施瓶颈 · YouTube **Patrick O'Shaughnessy：** 能不能聊聊资本？资本市场发生了很多有意思的事。利率曲线在我们整个职业生涯里一直是一个样子，现在却变成了另一个样子。显然有很多需求被挤掉了：五年前我们愿意投资的许多公司，现在可能不会投了。 **Martin Casado：** 你说“需求被挤掉”是什么意思？我不确定这个词具体指什么。 **Patrick O'Shaughnessy：** 我的意思是，在另一种环境下我们会投资的项目，现在因为资金成本太高而不投了。资本成本上升，是因为除了 AI 之外，其他领域的回报看起来都很低。今天早上我看了一家公司，五年前看它的融资材料，我们会觉得这是家很棒的软件公司，值得投资；现在和其他可投的项目相比，它就显得逊色了。资本本身成了整个等式里的一个关键变量和约束。我想知道你怎么看。 **Martin Casado：** 我在不少优秀公司的董事会任职，这些公司也面临你说的问题：它们盈利、持续增长，增速有 40%、50%、60%，但规模大概只有 3 亿、4 亿或 5 亿美元的年经常性收入。这样的公司该怎么办？规模还不足以上市，但它们是好公司。我看自己的投资组合时会想：我持有市政债券的话，还不如持有这些公司。谁会不想持有一个能增长 40% 的资产？如果你能保证这点，你也会愿意把自己的钱投进去。所以我认为这些仍然是非常好的公司。 **Patrick O'Shaughnessy：** 所以，我觉得这更多是个问题，也许是我不懂行：市场会不会转变，让大家有机会接触这一类资产？它们的风险特征和 AI 非常不同。没人知道 AI 市场放缓后会怎样，可能来得快去得也快，也可能一直增长，没人真知道。投资里我见过的唯一免费午餐就是分散投资。我自己很希望有一篮子增长慢一点、但即便错过某个机会也不会消失的资产。 **Patrick O'Shaughnessy：** 你心里想到的这些公司，大多数是否都面临很大的颠覆风险？我不点名，但有很多公司大致符合这种情况，面对软件越来越容易开发的趋势，看起来挺危险的。 **Martin Casado：** 我做基础设施。软件越多，就越需要基础设施。我们还没有用氛围编程来造数据库——如果你经营一家数据库公司，就知道这事没那么简单。 **Patrick O'Shaughnessy：** Snowflake 是你说的这类公司的一个知名例子吗？ **Martin Casado：** 是，Snowflake 就是很好的例子。这不只是把产品造出来那么简单，还要支持大量边缘功能、满足各种性能要求，并真正把它运维好，这都非常难。假设 Snowflake 的增长有 30% 到 40%，经济效益也不错。就我个人看，我不认为 AI 会颠覆它；或许会被数据砖（Databricks）颠覆，但那是 AI 之前就存在的竞争。 我对这些事的看法很朴素，甚至可能很天真：我觉得 AI 不会颠覆这类公司，它们是好生意。因此我认为行业会越来越想把它们打包起来，让投资者能配置这类资产。我不知道最终会是什么形式，但这很有意思。SPAC 也开始回来了。我现在会接到很多电话，都是我任职董事的好公司，有 SPAC 找上门说：“我们能帮你们上市。”所以金融市场得想办法处理这些资产。 我确实认为很多公司会被 AI 颠覆，但也有一大批不会。现在市场不知道该怎么对待它们。 **Patrick O'Shaughnessy：** 我在洛杉矶开会，过去三个月里，差不多有一半会议都在谈算力。各个领域的产品都需要更多算力，才能完成目标。这也是从另一个角度问资本问题。你们管理着大量资金…… ## [41:45] 资本能否转化为增长 · YouTube **Patrick O'Shaughnessy：** 你们管理着很多资金，大家也都在快速部署资金。现在这些公司做事都需要大量资本。我想知道资本本身在多大程度上是瓶颈：如果突然给你们这样的基金空投一万亿美元，会是件好事吗？ **Martin Casado：** 很好。我之前说过，这一点很重要，值得再强调一次：AI 最大的颠覆，是你可以把资本投入问题。在科技史上，这一直做不到，因为瓶颈始终是工程能力，而工程团队无法随资金线性扩张。“人月神话”之所以叫“神话”，是有原因的。 十年前，如果五个创始人跑来找我要十亿美元，我把钱给他们，会发生什么？ **Patrick O'Shaughnessy：** 钱就会放在那里。 **Martin Casado：** 或者公司会炸掉——他们雇一大群工程师，反而更难协调。总之，你没法光靠砸钱解决问题。但现在不一样了。 **Patrick O'Shaughnessy：** 抱歉，你能解释一下“人月神话”吗？这是个很有意思的概念。 **Martin Casado：** “人月神话”大意是，增加人手并不能加快工程进度，效率提升有天然上限。 **Patrick O'Shaughnessy：** 提升幅度是次线性的，还会带来组织沟通等问题。这一结论来自 Fred Brooks，我想是在七十年代。他说，软件项目要赶进度时，人们会塞进更多人，结果项目反而更慢。我自己创业十年，把公司做到相当大的规模，亲身感受过：这完全是真的，工程能力就是没法无限扩张。 **Martin Casado：** 对我来说，退一步看，AI 带来的最大变化，堪比工业革命：我可以给二十个人十亿美元，他们能把钱用起来。 **Patrick O'Shaughnessy：** 他们能从这十亿美元里赚五亿美元，还是赚二十亿美元？我不知道。但能有效地把这些钱用起来，本身就非常新，也非常有意思。资本市场得想清楚该怎么应对。Anthropic 和 OpenAI 合计融资很可能比整个下游生态加起来还多很多倍。它们已经成为把资金转化为增长的机制。 另一方面是债务，这和股权融资很不一样。我不是成长型投资人，不做公开市场，也不做债务投资，但我在一线看到的是：可用的债务快不够了。假设你是挪威主权财富基金，你会把钱借给某家不知名的新型云计算公司，还是去买国库券？我觉得资金总量不够，市场会优先给投资级公司融资，非投资级公司会更难。 **Patrick O'Shaughnessy：** 所以规模优势又赢了。 **Martin Casado：** 没错。规模大的公司会赢，之后借债也会更容易。如果你的商业模式需要借钱，但市场上没有足够的债务资金，那就会非常难。所以，我知道你说的“资本”主要是一般的股权资金…… **Patrick O'Shaughnessy：** 用来支持企业的广义资本。 **Martin Casado：** 我觉得流动性会很多，这方面我不太担心。债务市场我不熟，但我确实知道现在借钱更难了。结果就是，如果我们希望规模较小、非投资级的公司还能借到钱，它们就得预付款——也就是说客户也得提前付款。最后，这一切又会回到现金和资本的可获得性上，因为债务资金总量有限。 **Patrick O'Shaughnessy：** 这让我想到新型实验室、新型云计算、推理服务商这些公司。你会把它们都算作基础设施吗？ **Martin Casado：** 这些都可以归入基础设施。所以…… ## [45:47] NeoCloud、NeoLab 与算力供给 · YouTube **Martin Casado：** 这些都算基础设施。你看这些类别，很多公司都融到资了，但真正达到规模的很少。 **Patrick O'Shaughnessy：** 你觉得它们会怎样发展？它们应该、也会在市场里扮演什么角色？这些公司大多增长快得惊人。 **Martin Casado：** 我对这类公司很感兴趣，不过先把 NeoLab 放一边吧，因为这个概念最不清晰。 **Patrick O'Shaughnessy：** 我把它也算进来，是因为很多公司似乎正在自己建这些东西。 **Martin Casado：** 它们会变成 NeoCloud。 **Patrick O'Shaughnessy：** 可很多融资路演最后都变成某种“垂直整合的 token 工厂”。有些 NeoLab 从买地、买电一路做到 token，什么都自己做，听起来很奇怪。 **Martin Casado：** 我们得把概念分清。在我的定义里，那不算 NeoLab。所有 NeoCloud 都想成为 token 工厂。如果你的产出是基于现有模型生成的 token，那你就是 NeoCloud。 **Patrick O'Shaughnessy：** 对，就是现成模型的 token。 **Martin Casado：** 是。它们都想走向垂直整合。我认为真正的限制不是资本或债务，而是硬件供应。 **Patrick O'Shaughnessy：** 还有电力。 **Martin Casado：** 对，还有电力。对我来说，NeoCloud 是提供实体基础设施、最终产出 token 的公司。它们可以提供 GPU、微调服务，或者直接提供 token。你可以把它想成配有 GPU 的数据中心。 NeoLab 则是这样的公司：给我十亿美元，我们要发明一种新的模型架构。 **Patrick O'Shaughnessy：** 我很喜欢很多公司的商业计划：“我们要是解决了 ASI，商业模式自然就有了。”真的就是这样。 **Martin Casado：** 公平地说，这就是 OpenAI 最初的论点，Anthropic 在某种程度上也是：如果你解决了智能问题，商业模式自然容易解决。对我来说，NeoLab 的核心是新架构和模型训练。他们有时也会买自己的基础设施和 GPU，但那不是他们的目标产品，也不是他们最终要卖的东西。 所以，眼下真正的限制是电力、芯片、材料。我认为，在这些约束下，80% 的需求会流向规模化供应商，另外 20% 会流向难以触达、很小众的地方。比如我认识某家 GPU 市场公司，做的是非常底层的 GPU 交易市场；他们的 GPU 有不少改装自鸡舍——农场里那些鸡棚，人们想方设法在那里提供算力。 市场太大了，总会有相当一部分需求不适合 SpaceX 这样的巨头去做。SpaceX 不会跑去搭建一个“鸡舍 GPU”的交易市场。因此我觉得最终会是这样：20% 的市场足够大，容纳各种分散的小供应商；80% 则由 SpaceX 这类规模化、同质化的大型供应商满足。 我最近听说，有人问 Larry Page 多少算力会在轨道上运行，他回答说“59%”。理由是物理规律——最终这些东西都会去太空。 **Patrick O'Shaughnessy：** 有意思的是，太空数据中心的账其实算得过来，但最主要的优势只是监管。 **Martin Casado：** 对，因为这样可以绕开监管。 **Patrick O'Shaughnessy：** 是啊。 **Martin Casado：** 美国单是为了阻止数据中心建设，就有五百项拟议中的立法，连德州也包括在内。要是连德州都建不了数据中心，我真不知道该怎么办了。监管压力如果持续，项目又很难破土动工——我听很多顶级数据中心从业者都这么说——那就只能去其他国家，或者去太空。 ## [49:49] 数据中心建设与市场估值 · YouTube **Martin Casado：** ……或者去太空。 **广告：** Vanta 自动化处理合规工作，让团队少花时间应付安全审查，多花时间争取客户。Vanta 能把审计准备时间缩短 82%，随时提供最新的可信证明，不必手工整理，让你更快、更顺利地成交。客户报告的投资回报率为 526%，超过 16,000 家公司在使用 Vanta，包括 Ramp、Harvey 和 Snowflake。访问 vanta.com/invest，可获得 1,000 美元优惠。 **广告：** Ridgeline 是唯一一款原生 AI 投资管理平台，把前台、中台和后台整合到一个系统里。它为公司提供统一的数据平台，并用 AI 智能体自动完成开户、对账、交易后处理、合规和报告等重复工作，让团队有更多时间投资、服务客户并发展业务。Ridgeline 帮你把时间还给团队，改变公司的发展轨迹，让增长从渐进转为加速。 Ridgeline 还希望帮助资产管理和财富管理公司了解并改善增长轨迹，因此推出了交互式仪表盘，让你把自己的公司和 16,000 家同行比较。只要提交过 ADV 表格，你的公司就已经在里面。访问 ridgeline.ai/trajectory 查看公司所处位置，再和 Ridgeline 聊聊如何用现有团队做得更多。 **Patrick O'Shaughnessy：** 你刚才提到有些软件公司还能增长 60%，这让我想问当前市场上的估值。作为专注于颠覆性资产的生产性投资者，即便一项颠覆性资产价值巨大、前景很好…… **Martin Casado：** 只要价格过高，任何资产都可能让投资回报变得很差。 ## [51:29] 市场效率、估值与风险投资 · YouTube **Martin Casado：** 这又是一个让我很介意的问题。我不知道一个风投怎么能不相信技术会创造价值——这是我们刚才谈的第一件事。第二件事是，我不知道一个风投怎么能不相信市场有效。我们是资本主义者，难道不该相信市场有效吗？ 我认为私募市场非常有效，市场会自己找到价格。我不会试图和市场对赌。很多人觉得私募市场无效，所以自己能找到别人没共识的交易。但那些交易竞争都极其激烈。我从来不是靠到处捡便宜交易赢的。我会按市场价格买，也许谈判时能争取到一点折扣，但我并不太担心价格。作为生产性投资人，我相信市场总体上很聪明，会根据风险调整后的价值给资产定价。我做的尽调会降低我承担的风险，但我不是靠低于市场价买入来获利，而是寻找风险更低的资产。 **Patrick O'Shaughnessy：** 那是不是应该直接买私募市场的指数，按市场权重把整个市场都买下来？ **Martin Casado：** 我当然愿意，但实际上办不到。我希望能拥有每个竞争领域的指数。我的梦想是每一笔有竞争力的交易都拿 5%。 **Patrick O'Shaughnessy：** 你买 Cursor 时拿 Cognition 的 5%？ **Martin Casado：** 哈哈。我是说，每一笔有竞争力的交易我都拿 5%。我确实非常相信私募市场有效，也相信市场共识是聪明的。既然我是资本主义者、相信市场，那如果能在每笔有成熟投资人参与的竞争性交易里拿 5%，我就很满足了。但这根本做不到：竞争关系不允许，团队承载能力也不允许。 所以投资人得想办法既不被竞争挤出去，更重要的是，不要超出我们跟进和帮助公司的能力。我会加入公司的董事会，也会深度参与，这不现实。因此，我们的做法是：每个真正有前景的领域——我们认为，如果有优秀创始人愿意拿自己的未来、机会成本和家庭财富去冒险，那就是个好领域——我们都会研究，然后判断哪个是其中最好的公司。 这意味着你要看团队、技术、变现潜力和市场增长潜力，综合评估后选出最好的一家，然后相信市场有效。这有点像指数投资，只是按市场分类来挑选。有时我们挑对，有时挑错，但这样就能覆盖那些有意思的市场。 **Patrick O'Shaughnessy：** 量化投资里有个概念叫分层抽样。你可以只买指数里一小部分标的，同时把跟踪误差控制得很低。你描述的其实就是分层抽样：每个类别里挑最好、最大的一家，组合起来的表现会和整个指数类似。 **Martin Casado：** 对，这样就说得通了。我觉得挺有意思，早期风险投资——我没亲历过，只读过相关书籍——相信技术能创造价值，所以不会过度分析。很多时候根本没有现成的业务可以评估。我不太理解现在为什么总是担心泡沫或这或那。市场价格就是市场价格。 我和其他投资人交谈时，总觉得有很大落差：他们总在指责泡沫，但泡沫没人能预测。按定义，如果所有人都在说这是泡沫，那它大概就不是泡沫了。真正的泡沫可能是大家都在投资，因为他们相信还有上涨空间；而现在这些人又不相信私募市场有效。 ## [55:30] 私募市场会创造新的价值 · YouTube **Martin Casado：** 大家投资是因为觉得还有上涨空间，但又说私募市场无效。记得我在风投圈被围攻那次吗？我说，前后不一致地投资很危险。我曾在 Twitter 上说，逆着共识投资很危险，因为你有后续融资风险。结果不少知名风投跳出来说：“我们做的那些交易当初都没有共识。” 我觉得这里和投资人的自尊、身份认同有关系：他们必须相信自己能像寻宝一样，找到别人没共识的交易，证明自己比别人聪明。但现实是，看我们的投资组合，带来回报的项目总体上竞争都非常激烈。所以我认为这些市场其实相当有效。 **Patrick O'Shaughnessy：** 你相信私募市场有效，这一点可能和很多知名人士的观点相左。 **Martin Casado：** 显然和很多人都相左。 **Patrick O'Shaughnessy：** 可能是所有人。还有什么观点让你觉得特别孤立？ **Martin Casado：** 有一个让我很抓狂，这是最后一个，我保证。 **Patrick O'Shaughnessy：** 还有一件让我很抓狂的事是…… **Martin Casado：** 让我抓狂的是，有人认为把钱投进私募市场，并不会让私募市场的总潜在市场变大。我很喜欢红杉的 Roelof，他非常聪明，也是很好的董事会成员。你还记得他在 TechCrunch Disrupt 上的演讲吗？很多投资人都相信他说的观点——我不是想针对他，我其实非常欣赏他。他说：“风险投资不是一种资产类别，真正重要的初创公司只有 20 家。”所以如果有太多钱进来，那就是给私募市场投过了。 我觉得这太荒唐了。资本会创造机会、市场和价值。过去二十年，进入私募市场的钱多了很多，但私募市场的价值也跟着增长。现在有规模巨大的私营公司、大量投资机会，还有规模很大的退出交易。把私募市场想成固定大小、零和的领域…… **Patrick O'Shaughnessy：** 就像优质资产的供给总量固定一样。 **Martin Casado：** 这种想法太奇怪了。我们是风投，是创造价值的人。技术会创造价值；投入更多资金，市场就会发展。你可能会惊讶，也可能不会，但我对这种思维有多普遍感到很惊讶。我常和有二十年经验的资深普通合伙人聊天，他们会说：“钱太多了。”我会问：“你在说什么？应该有更多的钱进来，应该有更大的生态系统、更多价值、更多投资。” 所以我相信，投入私募市场的钱会创造总潜在市场，也会创造可投资市场和价值。现在私募市场里可以部署资金的机会比以往任何时候都多。一个很简单的例子是，越来越多公司不上市了：如果有更多私募资金，为什么还要上市？我们都应该摆脱零和思维，相信技术会创造价值。尤其是 AI 时代，我们应该相信资本能推动技术创造价值。如果是这样，那就该把更多钱投进私募市场，让资金发挥作用，创造价值。 ## [58:51] AI 大型并购的经验与风投的未来 · YouTube **Patrick O'Shaughnessy：** 如果用 NBA 总经理的话来说，你最近状态火热：Cursor、Fifth Phase、OpenRouter 这些交易接连发生，时间都很短。先恭喜你。我更想听你作为其中三笔、可能是最近几个月规模最大的战略并购的参与者，对并购学到了什么？这个市场正在发生什么？ **Martin Casado：** 我参与战略并购有段历史了，早在自己公司被 VMware 收购时就是如此。那笔交易金额是 12.6 亿美元，当时我觉得是最高纪录，应该超过了 David Sacks 的 Yammer。 **Patrick O'Shaughnessy：** 算上所有交易，是吧？ **Martin Casado：** 对。当时 Catalyst 给我看过一张图，把收入倍数和退出总金额放在一起，图上有两个离群值，分别是那家公司和 Yammer，而且数值很接近。我当时还开玩笑说：“我只比他强一点点。”当时这应该是企业软件公司收入倍数最高的一笔收购。后来我参与的 Tabular 被 Databricks 收购，超过了那笔纪录；再后来是 Cursor，我认为那是史上金额最高的 acqui-hire（收购式招聘）。当然，Fei 的公司被收购也是一笔很大的交易。我参与过不少这类战略并购。 我只谈战略并购。我观察到几个规律。第一，双方通常有很深的个人共识，因为这对两边都是实实在在的风险。比如 Lisa Su 和 Fei，Michael Truell 和 Elon，或者 Alex 和 Patrick。他们往往对未来有相同愿景，思考问题的方式也相近：有人从市场角度看，有人从基础设施角度看，有人从数据角度看。通常双方之间原本就有信任和共识。 第二，要站在买方角度思考。买方买的基本上是一个进入大市场的期权。比如 VMware 收购 Nicira，可以理解为它花 10 亿美元买了一个进入 400 亿美元市场的期权。要让这笔交易说得通，公司得为买方把逻辑证明出来：先展示基础案例——我们已经有一项面向网络市场的业务，能拿到这部分预算；再展示递进步骤——你们有虚拟机，如果把我们的产品接上去，就能卖得更多，最后就能进入一个大得多的市场。既然买方买的是未来进入市场的期权，你就得把这条推导路径展示清楚。 **Patrick O'Shaughnessy：** 证明递进路径是被收购公司的工作？ **Martin Casado：** 并购双方都得讲清楚这套逻辑：有基础案例，再有递进步骤，于是能进入更大的市场。按我的经验，这种沟通通常只有创始人，或者真正理解战略的人才能做好。这就像风险极高的企业销售。我也参与过更多像拍卖一样的并购，在那种交易里不会有这样的对话：大家只看财务指标和电子表格，把公司当成一项资产买下来。所以两者的风格完全不同。 随着技术周期越来越短，我认为战略退出会越来越多，大家有必要弄清楚这种交易是什么样。它和多数人的想象不同。很多人觉得应该请投行、办一场竞价拍卖、拿到最高价格。请投行当然可以，但以为你能像打扑克一样去和马克·扎克伯格这样的顶级掠食者对局，那是在骗自己。并购建立在信任和讲清愿景上，不是耍花招或玩牌。 ## [1:02:51] Cursor 并购与谈判中的信任 · YouTube **Martin Casado：** 你得有一种完全不同的心态，才能参与这类交易。 **Patrick O'Shaughnessy：** 能不能从你的角度讲讲 Cursor 这笔交易？你参与很深，给我们讲讲来龙去脉吧。 **Martin Casado：** 当时我们正准备完成一轮融资，计划融几十亿美元，流程也快走完了。那时 Mythos 刚刚发布。倒推一下，做出 Mythos 可能花了 30 亿美元，当然我不知道真实成本。我们就想，如果 Cursor 要自己训练模型，就需要再融资、获得这些算力。于是战略讨论就启动了，因为能拿到那么多算力的公司不多。 这家公司也引起了很大兴趣，毕竟它的用户远比别人多，数据也远比别人多。这是个很好的例子：最后是 SpaceX 有算力，Cursor 有数据，也有一支成功开发模型的团队，而且他们已经形成了做模型和代码产品的能力。双方很契合。此外，正好有一轮融资在进行，也有助于确定这类公司的价值和价格。因此这是一笔相当直接的交易。 **Patrick O'Shaughnessy：** 从 OpenRouter 或 Fei 的 World Labs 那笔交易里，你有没有学到类似的经验？有什么可以分享的，能说明战略并购的特点？ **Martin Casado：** 我还是回到刚才的观点。对战略并购来说，最重要的是直觉。很多投资人的直觉是：“交易要黄了，我们得耍点手段，把消息泄露给媒体，再找几家公司进来竞价。”这让我很恼火。你没意识到自己面对的是世界上最精明的一批人。你不能走到扎克伯格面前，说：“我能在扑克桌上赢你，我要把你当冤大头耍。”我开玩笑的——不，我没开玩笑。这些交易就是这样。 这些交易里的公司都非常诚信地和买方谈判；它们都是创纪录的大交易。大家没耍花招，而是知道自己的公司值多少钱，因为此前做过融资，也有市场可比案例。双方之间有很强的信任。我做过这么多交易之后发现，对于战略并购，这种方式是对的。 我也见过规模相当的交易最后告吹，就是因为有董事会成员给创始人灌输“你得提高竞争报价”“你得把消息泄露出去”之类的想法。说实话，OpenRouter 那笔交易的消息泄露让我很恼火。你注意到 World Labs 那笔没有泄露吗？ **Patrick O'Shaughnessy：** 对，有意思。 **Martin Casado：** 没泄露是因为我们没有告诉任何人。只有我和少数几个人知道。OpenRouter 那笔则一直在泄露。有些风投以为这样能抬高价格，或者推动交易完成；但交易消息总是被泄露，这会破坏交易的稳定性。我参与过这些交易，亲眼看到泄密让交易变得不稳定。 所以这首先是一个结构性问题：投资人觉得这只是普通商品，可以玩扑克，这种直觉是错的。如果是金额巨大的战略交易，就应该以非常专业的方式对待，建立信任关系，诚信谈判，不要泄露交易消息。要记住，你的交易对手是行业里最精明的人。 ## [1:06:52] 风投资者的角色正在改变 · YouTube **Martin Casado：** 这些交易里的创始人都按这种方式处理。Michael Truell 就是这样，OpenRouter 的 Alex 和 Chris 也是，Fei 那边当然也是。 **Patrick O'Shaughnessy：** 你怎么看投资人的角色正在如何变化？包括你参与的许多董事会里，投资人角色具体发生了什么变化；也想听听你觉得像你这样的投资人整体上做得好不好，是否真的在帮助公司。现在风险和增长都很大，投入的资本金额也很大，投资人要监督的事情多得惊人。你怎么看投资人的角色？ **Martin Casado：** 风投已经不是过去的风投，初创公司生态也变了。看看现在最大的私营公司，规模已经能和二十年前的上市公司匹敌。比如 Stripe、Databricks、上市前的 SpaceX、Anduril 这些公司，都非常庞大。 问题之一是“初创公司”的含义已经变化很大，出现一片边界模糊的地带：哪些人应该像公开市场投资者那样，来投早期初创公司？我觉得有些人的直觉并不对。因此才会有这种混乱。私募市场里可能需要更清楚地区分；如果后期投资人要投更早期的公司，也许应该更了解自己的能力边界。比如你不会让我去做一家矿业公司的董事会成员。 **Patrick O'Shaughnessy：** 你还记得 2021 年吗？那时会有私募股权投资人投那些现金消耗很严重的公司，我和他们一起坐在董事会里，就像让我去当矿业公司的董事会成员一样。 **Martin Casado：** 我完全不知道怎么用“烧钱”来分析公司。老兄，你会在这里很痛苦，因为我们要很长时间一直烧钱。 **Patrick O'Shaughnessy：** 因此，模糊的边界带来了问题，因为对后期投资人来说，私营公司已经是一类真正的资产。我觉得这也是行业成长过程中的阵痛。你觉得现在的市场规模比三十年前大了多少？ **Martin Casado：** 一千倍。 **Patrick O'Shaughnessy：** 所以行业当然得随之成熟，也自然会有更后期的投资者。但我觉得一些后期投资人有种身份认同危机：他们身处私募市场，觉得自己就是风投，于是要按早期风投的方式看待所有公司。举例来说，我绝不会去投一家后期公司，我去了能做什么？告诉他们怎么运营财务部门吗？那不是我的专长。 问题就在于传统投行、传统金融和风投之间界限模糊——这些领域当然都有自己的位置，但有时传统金融的做法会伸得太早。然后就有各种问题：并购时想办拍卖、玩各种花样；公司只有二十个人，却一味担心烧钱，或者对颠覆性技术过度关注指标。我觉得有些领域需要找回传统的、生产性的风投方式，而且市场足够大，容得下不同类型。 **Patrick O'Shaughnessy：** 你第一次见创始人时的做法有没有变化？如果我十年前——你刚开始时——一周观察你见十个人，再在今天观察你见十个人，会有什么不同？你改变了和创始人初次接触的方式吗？ **Martin Casado：** 改变很大。我觉得多数投资人都会经历这个过程，特别是从运营岗位转过来的人：你得学会以投资人的身份倾听。 ## [1:10:54] 如何倾听创始人与 AI 的工业革命 · YouTube **Martin Casado：** 你得学会问那些真正关心的问题，这样才能自己得出答案。这是很微妙的平衡。很多创始人会议在双方看来都很像表演。你不知道该问什么，就会问“你的竞争对手是谁？”结果只是为了提问而提问，并不能帮助你做决定。 特别是如果你以前做过运营，听到不同意的观点就会想去纠正问题；但那不是你的工作。我自己也还没做到完美，不过我学会了这一点。我也看到很多初级投资人进来。投资人的主要工作就是倾听，创始人会告诉你他们相信什么。你可以不同意，但那就是他们的信念。 有时他们会说：“我自己做会做得更好，所以这是笔好投资。”真正评估这种判断是门艺术。刚才说的第二件事也是一门艺术：你得根据那场会议做出决定。能问的问题很多，但有些其实不能帮你判断。比如“如果亚马逊做了怎么办？”“OpenAI 会怎么做？”这些你自己可以想明白。会议期间要知道哪些关键问题真的需要问，并把它们问出来，这很难。我觉得自己在这方面已经进步很多。 **Patrick O'Shaughnessy：** 最后问个轻松的问题：现在什么最让你兴奋？我们谈了新时代技术的神奇之处，过去做不到的事，以及如今消失的瓶颈。我知道这些都让你兴奋。如果你退一步想想，为什么现在做这份工作这么有意思？你最兴奋的是什么？ **Martin Casado：** 我越来越相信，这是一场堪比工业革命的变革。对我来说，工业革命让世界从零和走向非零和，创造了全新的净价值。我觉得这次变化非常相似。 过去解决问题需要非常复杂的工程工作，既难又无法扩张，还得持续维护，这就是为什么软件一直那么难用。现在，很多问题变成了资本问题。我还不知道这是否适用于现实世界，但我相信最终会实现。现在，我们把问题转化成了资本配置问题，而我们就是资本配置者。所以我们处于一个非常有利、非常有战略价值的位置，能够比以往更直接地推动未来。 **Patrick O'Shaughnessy：** 因为这是一个规模化资本的游戏，所以才能带来这类变化。我不认为私募市场的总潜在市场有上限，我觉得它是无限的；投入的钱越多，创造的价值就越多。所以我们处在一个非常幸运的位置，在创新链条里非常关键。我们俩能身处其中都很幸运。 **Patrick O'Shaughnessy：** 我很喜欢每两年聊一次的安排。希望两年后还能再聊。我简直想象不出两年后的世界会是什么样。 **Martin Casado：** 到时候我们可以聊聊 Grokbox。 **Patrick O'Shaughnessy：** 非常感谢你抽时间来聊。 **Martin Casado：** 好，谢谢你。 **广告：** 你知道，微小优势会随时间累积。这对投资如此，对经营公司也一样。支出系统就是你的资本配置策略，Ramp 会让它从一开始就更聪明：更好的数据、更好的决策，长期也有更好的经济效益。访问 ramp.com/invest 了解详情。 **广告：** 随着企业成长，Vanta 会一起扩展，自动化处理合规工作，为安全和风险管理提供统一的信息来源。访问 vanta.com/invest 了解详情。 **广告：** 从 OpenAI、Cursor 到 Perplexity，优秀的 AI 和软件公司都在用 WorkOS，让产品一夜之间具备企业级能力，而不是花上几个月。访问 workos.com，跳过那些不起眼的基础设施工作，专注于产品。 **广告：** Ridgeline 正以真正的合作伙伴身份重新定义资产管理技术，而不只是做软件供应商。它帮助公司实现五倍增长和规模扩张，提升增长速度、运营效率和竞争优势。访问 ridgelineapps.com，看看它能为你的 ## [1:14:54] 节目结束 · YouTube **广告：** ……公司。