红杉合伙人警告：AI投资泡沫真相，80%的资金或投错，毛利率成生死线

David Cahn 是那种会让创投圈同时兴奋又不安的投资人。作为 Sequoia Capital 的合伙人、这一代最有影响力的 AI 投资人之一，他一边亲手押中了 Weights & Biases、Runway、Hugging Face 等标志性公司，一边在承认我们正在一个 AI 泡沫里。”

但他不打算唱衰 AI，相反，他关心的问题是：在这场席卷全球的泡沫里，谁能活下来、谁会被永久洗出牌桌。

跟很多只会喊“泡沫要爆”的人不同，David 把矛头直接指向了行业最敏感的一条裂缝：算力生产者 vs 算力消费者。他的核心观点简单粗暴——造算力的，更像高杠杆的大宗商品企业；用算力造产品的，才有机会在泡沫里笑到最后。

当所有人都在抢着建数据中心、签 GW 级别的电力合同时，他盯着的是另一个指标：谁能在算力过度供给之后，用更低的 COGS 做出更高毛利率的应用。他甚至毫不客气地说，现在 80% 以上的资金都还在错误地涌向“新石油公司”（芯片、算力、数据中心），而真正能赚长期大钱的，反而是被资本严重低配的算力消费者。

更刺耳的一点在于，他几乎是在“拆自己的台”。市场上流行的 “King making”“被某某大基金一轮加冕就赢了” 在他这里是被反复否决的逻辑——资本只是汽油，不是引擎；任何数乘以零等于零。

如果一个公司只能活在“无限融资”的环境里，那它本身就是错的。对应到当下，他对“10 天做到 200 万 ARR”“连环融资、估值翻三倍”这种故事，既不盲目追捧，也非常警惕：过多的钱，会让创始人和团队误以为自己已经赢了，而真正难的，是在动能消失以后还能活下来。

在宏观层面上，David 也把当前这波 AI 狂潮放进了更大的时间轴里去理解。他一边引用 Taleb 的“你无法预测大楼哪天倒，但你能看见它在摇晃”，指出整个 AI 生态的脆弱性——从微软退后、到 Oracle 和 CoreWeave 顶上、再到芯片厂用“负资本成本”提前 pump 未来。

长期看，AI 很可能重塑 5% 甚至更多的全球 GDP，但大部分超额利润不会像大家以为那样沉淀在少数垄断巨头，而会被竞争和劳动成本“抹平”。 他认为，市场对“永久镀金时代”“MAG7 永远躺赚”的想象是危险的，AI 更大的意义，在于把生产率红利摊给更多人，而不是再复制一轮新的超垄断神话。

最有争议、也最“反主流叙事”的部分，是他对下一战场的判断：国防是下一个 AI，但国防的 ChatGPT 时刻还没到。他直言不讳地预期：在 AI 深度介入之后，全球冲突会更频繁、更持续，真正有价值的公司不会很多，而是少数“国家冠军”级别的防务科技企业。

这期对话里，你会看到一个很不“红杉传统叙事”的 David Cahn：一方面，他承认 AI 泡沫、资本循环、自我催眠；另一方面，他又坚定认为，AI 是“人类有史以来最重要的技术事件之一”，只是节奏被市场严重误读了。如何在泡沫中下注算力消费者、如何在极端动能里避免“任何数乘以零”、以及为什么“国防是下一个 AI”——这就是他想和所有创始人、投资人认真聊清楚的问题。

图片来源：YouTube

泡沫里的赢家：算力成为新货币

Harry Stebbings：David，我很喜欢你的写作。我们去年那期节目是下载量最高的节目之一。我记得Meta的CMO跟我说，那是他转发给最多人、引用次数最多的一期节目——不是要让你紧张或者给这期节目增加压力，但还是要谢谢你又来参加节目，朋友。

David Cahn：谢谢邀请，Harry。你一直都非常友善。

Harry Stebbings：今年被称为“数据中心之年”，听起来确实很棒。我们去年那场讨论非常精彩。David，你去年预测了哪些事情，如今正在发生？

David Cahn：有两点。去年我们谈到的概念是“steel,servers,and power”。回到2024年夏天，当时大家讨论的焦点是“compute,models and data”，这是那时的主旋律。而我当时的看法是，人们低估了数据中心的“物理性”。我身处第一线，每天都在和行业人士交流。你会听到他们说，他们在派电工飞去德州，试图买下发电机产能，而发电机的供货期已经排到2030年了。那么你要怎么排队？怎么搞定这些事？我当时就感觉，人们在讨论AI时太抽象了，只从bits的视角思考，而其实应该从atoms的视角去理解AI。

而这个预测在两个方面被验证了。

第一个方面——2025年最赚钱的交易是AI电力交易。华尔街有很多人靠押注“电力会成为瓶颈”赚了大钱。你现在听到Sam Altman每天都在谈gigawatts（吉瓦），他已经不再谈美元了。我们正从“美元”时代转向“千兆瓦”时代。而这一转变在过去一年里已经完全实现了。

第二个方面——现在一年半过去了，你会在《经济学人》、《华尔街日报》和《大西洋月刊》的封面上看到这种叙事：AI的“物理性”才是转化为GDP的关键。GDP是一个不完美的指标，它更能捕捉到物理世界的产出，而不是虚拟的东西。现在GDP数据反映出一场建设热潮——钢铁在增加、基础设施在建造、AI数据中心在扩张。这些报道是真的：AI已经成为美国GDP增长的最大推动力之一。这是我预测实现的第二个方面。

Harry Stebbings：它对GDP增长的贡献，会不会和你那个“6000亿美元问题”相矛盾？也就是收益从何而来的问题？

David Cahn：“6000亿美元问题”其实是一个非常简单的等式。2024年我写这篇分析时，如果我们投资1500亿美元买NVIDIA芯片，那意味着总共有大约3000亿美元的数据中心投资。而要收回这笔投资，使用算力的客户必须获得50%的毛利率。所以需要产生大约6000亿美元的收入。如果你把这个分析更新到2025年夏天，这个数字变成大约8400亿美元。虽然增长了，但并不夸张。

而背后的真正问题是：客户的客户是否健康？我们知道客户很健康——他们都在买数据中心、在建数据中心，股价也都在涨，这些我们都能看到。但客户的客户——也就是最终使用这些算力的终端用户——是否健康？这个问题还没有答案。去年那个问题很有道理：大家都在花钱，但它还没在地面上体现出来。去年夏天我写了一篇文章叫《AI is shovel ready》。那时我说“铁锹要落地了”。现在，铁锹真的落地了。很多项目已经进入施工阶段。去年我预测2025年将是“数据中心之年”，并且说我们会遇到施工延迟。The Information的报道已经揭示出这种情况。现在我们正处在这种现象开始显现的阶段。

Harry Stebbings：你认为我们会看到数据中心建设延迟大规模爆发吗？

David Cahn：会出现差异化。作为投资人，我始终关注“谁赢谁输”，关注“差异”。每当有人告诉我“大家都会赢”或“大家都会输”时，我都会持怀疑态度——总是会有差异。就像赛跑，总有人在前，有人在后，有人更快。对于数据中心建设，我过去18个月的核心观点之一是：建设本身会成为一个“护城河”。具备建设能力是一种竞争优势。而我们低估了这一点，也持续在低估。人们总以为没问题，反正大家都能建，周期两年就完。但实际远比想象复杂。尤其当所有人都在同一时间做同样的事、向同样的供应商下单时，复杂性会指数级上升。我写了很多关于AI供应链的内容，因为真正重要的不仅是“Meta和Google都在建数据中心”，而是他们分别打给了谁，那个人又打给了谁。你得顺着这条链一路追下去，才能看到真正发生的事。

Harry Stebbings：这里有很多值得深入讨论的地方。那你去年有哪些没有预测到、但最终发生了的事？

David Cahn：我觉得有两件大的遗漏。第一是“高端人才收购”。如果你一年前问我，我绝不会想到——一个刚从顶尖大学毕业、被视为AI专家的25岁年轻人，现在能拿到5000万甚至1亿美元的薪酬包。如果你是业内知名的名字，甚至可以拿到10亿美元的薪酬包。我完全没想到。如果你去年问我这个问题，我会说你疯了。AI的魅力之一就是“现实比虚构更离奇”。

Harry Stebbings：第二个问题，你认为这种巨额薪酬是合理的吗？

David Cahn：这是一种“生态系统的焦虑症”在作祟——大家都在拼命榨出进展，以证明投入是值得的。风险投资和科技界里常见一种被滥用的逻辑：“如果我能把赚一万亿美元的概率提高1%，那就值100亿美元。”没错，这理论上成立，但人们很容易高估那“1%”。到底是1%？还是千分之一？还是万分之一？我们的脑子根本不擅长在这种数量级上做推理。所以，如果有人真的相信雇一个超级研究员能把胜率提高1%，那确实可以理解为什么他值10亿美元。但人类在心理上倾向于高估这种贡献值。AI的进步其实更多受制于宏观变量，而不是个体能左右的事情——我们稍后肯定还会谈到。

Harry Stebbings：看到这些薪酬，我真替自己难过——我妈当初怎么没让我学工科？

David Cahn：谁不会这么想呢？这是大家的共鸣。

Harry Stebbings：我也是——“妈，你怎么没逼我学工程？你让我读英语？”托尔斯泰的《战争与和平》可没让我拿到Zuck的35亿美元薪水。

David Cahn：第二件事——我们去年播客上谈到，我预测Meta会表现很好，但从12个月结果看，这个预测完全错了。我当时以为Meta的垂直整合会成为优势。但事实是，他们的表现远不如预期。这些上亿美元的薪酬包很多其实就来自Meta，因为他们没达到目标。我之所以认为Meta会赢，是因为它的垂直整合架构。但我仍然相信，从更长的时间尺度来看，Zuck采取的激进措施可能会证明我是对的。创始人能做到的事令人惊叹——他全情投入、全力以赴。但如果回看去年的预测——“Meta会表现出色”——那显然是错的。

Harry Stebbings：你现在把Meta的评级从“买入”改成“卖出”了吗？

David Cahn：Zuck正在采取的强硬行动，说明他投入得有多深。这也再次体现了创始人CEO与职业经理人的不同。研究早已显示——投资创始人CEO组成的公司篮子，回报率普遍高于非创始人CEO的公司。Zuck正在做的事情就是这一点的体现。所以我依然对Meta的长期前景保持乐观。

Harry Stebbings：你提到的垂直整合是你当时投资逻辑的一部分——我完全同意，也得承认，我的想法可能确实受你影响。你曾对我说过，“data center团队与model团队必须紧密耦合”，这与垂直整合的概念密切相关。你现在还坚持这个观点吗？当你今天再听到这个说法时，你是怎么想的？而OpenAI和Anthropic并没有那种传统意义上的垂直整合，这会不会挑战你的观点？

David Cahn：一个更简单的表述是：OpenAI和Anthropic如今本身已经是“钢铁、服务器与电力公司”。这是过去12个月里发生的一场巨大转变。我实际上认为，在很多方面，OpenAI和Anthropic每天都在变得更加垂直整合。你能看到他们不断发布消息——开发自研芯片、筹备自己的电力采购项目。你每天都能听到Sam Altman谈论gigawatts（千兆瓦）级的电力需求，以及他自己如何去获取能源。所以大型AI实验室会继续沿着供应链垂直下探。这是过去一年中最显著的趋势之一。

Harry Stebbings：你认为这种趋势会持续吗？我们刚看到Poolsight宣布要和CoolWeave联合建设一个2吉瓦级的数据中心。那是不是意味着所有model提供商都必须实现类似的垂直整合？

David Cahn：竞争压力会推动所有model提供商在这方面投入更多时间，建立专门的团队来做这件事。所以答案是肯定的，这将是一个持久的趋势。

Harry Stebbings：谈到现在的行业状态，所有人都在说“泡沫”——甚至在我的TikTok上都有人说。你认为我们处于AI泡沫中吗？

David Cahn：我确实认为我们正处于AI泡沫中。同时，也正如你所说，一年前我们上次对话时，认为AI泡沫存在还是一种逆向的少数观点。而现在这已经成为普遍共识。像Sam Altman、Vinod Khosla、Jeff Bezos这些坚定的AI多头，现在也都公开表示——是的，我们处在某种形式的泡沫之中。每个人对泡沫的呈现方式各有看法，但总体上“AI泡沫”已经成为共识。

更有意思的问题是：谁能在泡沫中幸存？接下来会发生什么？我把这分为两个部分：

第一，谁是赢家，谁是输家？如果你还记得互联网泡沫，90年代的许多公司依然活了下来。Amazon在泡沫破裂后仍然成长为一家伟大的公司。所以泡沫之后依然有赢家继续繁荣。

第二个有趣的方面是时间维度。我的核心信念是：在50年后，当你我都80岁时，AI将彻底改变世界。它会以极其深远的方式重塑整个社会。从这个时间视角看，AI是一项极其巨大的技术革命——它是我们这一生中最重要的技术事件之一，甚至可能是人类历史乃至地球历史上最重要的事件之一。然而，市场现在隐含的预期却是：这一切将在极短的时间内完成，并且依赖于某种特定芯片、某种特定架构。这种短期市场逻辑与长期技术周期之间存在巨大张力。我觉得真正值得探讨的，是如何理解AI作为一个跨世代、长期的革命性趋势，与短期市场周期下资本的快速燃烧之间的矛盾。

Harry Stebbings：作为当下的投资人，你如何平衡这种矛盾？你既要“在场上比赛”（用Bill Gurley的话说），又要具备跨越几十年的长期视角。

David Cahn：这很棘手。我有一个优势——我投资AI已经八年了。对我来说，这不是一个12个月的FOMO狂潮，而是一条长期的投资主线。

我最早在Weights&Biases的A轮就投资了，那时几乎所有人都说深度学习会是一个很小的市场。那是Transformer论文发表后一年的事。大家都在说“深度学习市场太小，为什么要投这家公司？”——但事实证明，他们后来被Cori以非常不错的价格收购。

我投资RunwayML的时候，Stable Diffusion还根本不存在。当时大家都在说“Transformer是唯一的方向”。结果Stable Diffusion出现后，引入了新的模型架构。

我还投资了Hugging Face——我还记得第一次见到Clem时，他刚发布了Transformers库。当时几乎没人知道这是什么。现在Transformer几乎成了AI的代名词，但那时大家还叫它NLP，而不是AI。对熟悉AI的人来说，那是BERT及其前一代NLP模型的继任者。

我之所以提这些，是因为当你拉长AI的时间轴，你会发现更多真正的投资机会。对我来说，这不是一年要投10家公司，而是每年找到1到2个我真正热爱的项目。今年我投了Clay——一家非常优秀的应用层公司；还投了Juicebox，一家AI招聘公司，市场反馈非常好。我相信这些公司能在长期时间维度上持续成功，跨越几十年。

我每次做投资前都会问自己一个问题：这家公司能否在市场波动中依然成功？如果一家公司成功的唯一前提是“可以在廉价资本市场中无限融资”，那是非常危险的。但如果它有真实的用户喜爱，能提供用户“非它不可”的价值，那么无论市场环境如何变化，它都能挺过来。事实上，我们已经看到很多2021年的公司正在经历这一过程，有些在逆境中变得更强。看看Databricks——估值从600亿美元涨到1000亿美元。这说明如果你有强大的产品市场匹配（PMF）、优秀的团队和创始人，就能穿越周期。

Harry Stebbings：那么回到你关于“赢家与输家”的问题，在这过去的12到18个月里，你认为谁会成为赢家，谁会成为输家？

David Cahn：我一直有一个非常简单的框架。其实这是我在2023年发表的第一篇AI分析文章《AI的2亿美元问题》中提出的。框架很简单：算力的消费者从泡沫中受益。因为如果我们过度生产算力，价格下降，你的COGS下降，毛利率就会上升。所以我的观点一直是——要投资算力的消费者。相反，算力的生产者处境就像任何商品生产者一样。如果别人也在疯狂生产，你再优秀也没用。你可能是最好的运营者、最聪明的管理者，但如果全行业都在供给过剩，价格就会下跌。因此，商品型业务很难掌控自己的命运。这也是为什么商品行业的估值通常波动更大、交易倍数更低。所以，如果你是算力的生产者，本质上你处于一个“商品业务”——就像石油公司一样。而商品型企业会有周期性和波动性。但如果你是算力的使用者——你消耗能源，生产智能，并在此基础上创造用户喜爱的产品——那你就是在非商品层面创造价值。这样的企业将在市场周期另一端成为赢家。

Harry Stebbings：那像Google Cloud、AWS、Azure这种企业，不也是最成功的非商品型算力业务吗？

David Cahn：我写过很多，也和你讨论过——这些巨头的博弈其实是一种game theory现象。我的核心观点之一，也是市场普遍低估的一点是：我们正处在一个“异常垄断时代”。这很有趣，因为它和工业革命的历史有很多相似之处。在某种意义上，我们正生活在一个新的“镀金时代”。我们有这七家巨头公司，它们合计占据了标准普尔500指数的40%，这令人震惊。而且它们都是垄断型的超级企业。这些企业都是“cash cows”，于是人们就会推演说所有企业都该是垄断的。

人们的思维模型往往对“垄断”的假设过多，而对“同质化竞争”的认识不足。当大型科技公司诞生时，比如Google刚成立的时候，没有人认为它会成为垄断。想想当年YouTube以10亿美元被收购——如果人们当时知道它能长到今天的规模，那几乎是难以想象的。也就是说，当年没人知道Google会成为垄断。而垄断往往是在“明目张胆地隐藏着”的情况下建立起来的——没有人注意到它，于是它就能在竞争不激烈的情况下成长为垄断。AWS也是同样的例子。你刚才提到AWS，当它刚开始做云计算时，没有人知道这会成为如此巨大的市场机会。正是因为他们率先进入，才拥有了今天云计算领域的最大市场份额，并且这种领先地位极为稳固。所以，当没人意识到你在建立垄断时，你才能真正建立垄断，并在之后获取高利润。

而AI就完全不同。这就是AI的讽刺之处：每个人都知道AI会成为巨大的产业。但当每个人都知道某件事将会变得巨大时，每个人都会去创业、去竞争。于是，竞争变得极为激烈。AI时代与“大科技公司时代”的区别就在这里。大家之所以过度套用“大科技公司时代”的逻辑，是因为我们正生活在那个逻辑的余波中。但不同的是，如今的“潜在垄断”都不再“隐藏在明处”了。我们现在都知道，如果你建立了一家优秀的科技公司，它可以价值一万亿美元。而在2000年，如果你告诉别人可以建立一家万亿美元的科技公司，他们会把你笑出门。所以，这些公司所处的市场环境与过去完全不同，垄断利润也不太可能再出现。

而且顺带说一句——这对我们来说其实是好事。我们不该希望垄断存在。垄断对消费者是坏事。消费者希望一切都免费，或者至少以资本成本价获得服务。所以，在AI领域中如果没有垄断，那对AI健康发展的长期方向反而是更好的。

Harry Stebbings：你刚才提到“算力的消费者将会胜出”，我很喜欢这个观点。但坦率地说，这个观点如今在创投圈似乎已经被普遍接受——而你早期的下注（Weights&Biases、Runway、Hugging Face）在当时并非主流。你觉得现在，有哪些“对你来说显而易见，但其他人还没意识到的事情”？

David Cahn：当我18个月前第一次提出这个观点时，它绝不是共识。在“思想生意”里有个有趣的规律：一旦一个观点被接受，它就变成了“显而易见”；但当你最初提出一个逆势观点时，几乎所有人都会批评你。我觉得这个转变过程很有意思。而且，那些当初观点错误的人，很快就会修改他们的立场，让自己看起来好像从来没错过。所以，“观点市场”其实挺棘手的。

第二点我想说的是，虽然很多人“口头上”说他们相信这一点——你和我去年在播客里也讨论过——但如果你真的看这些PitchBook的资金流向图表，会发现大约80%以上的AI资金仍然流向了算力的生产者，而不是消费者。所以你说得对，这个叙事已经被广泛接受，但问题在于——算力生产者消耗的资本远远高于消费者。对于需要大量部署资金的投资机构来说，他们被动地必须投给那些消耗资本多的公司。这其实是投资中一个危险的结构性问题：资本会被吸引到那些最“烧钱”的地方。因为这些公司每天都在打电话融资，而那些不想融资的优秀公司则往往不主动找资本。可实际上，最好的投资往往正是那些不想融资的公司。比如，当Sequoia投资Zoom时，Zoom其实并不想融资——他们已经盈利，经营良好。而这样的企业，恰恰是投资人最该花时间去关注的。

Harry Stebbings：我事先和你团队里的Sonia聊过，她问了一个很棒的问题：“如果这真是一个博弈论意义上的泡沫，那么有没有某种‘协调机制’，能让过度支出停止，从而让泡沫破裂？”

David Cahn：我很喜欢这个问题——你知道我喜欢博弈论。我对AI的基本框架正是如此：想象一个巨大的棋盘，桌上坐着十个极其强大的玩家，他们的每一步动作都会影响到彼此的行动。这是递归的系统。你必须考虑一阶、二阶、三阶效应：我的动作如何影响其他人的动作。而这些玩家都非常聪明。所以，简单回答你的问题：没有协调机制.这正是“看不见的手”的美妙之处——系统是由激励驱动的，而不是由集中决策驱动的。这些大公司都是在激励驱动下行动的。只要激励不变，行为就不会变。所以，没有什么协调机制。资本主义中最令人惊讶的事实之一就是：我们总是想相信一切是被协调的，但实际上，一切都高度非协调，纯粹由激励驱动。

Harry Stebbings：你之前说过，现在确实是一个泡沫，而且这种看法已成为整个生态系统的共识。那如果这是泡沫，它会“爆掉”还是“慢慢泄气”？你预期它会怎样演变？

David Cahn：我是Nassim Taleb的学生，我借用他的观点。他是一位对冲基金投资者和哲学家，写了《随机漫步的傻瓜》、《反脆弱》、《黑天鹅》等书，这些书在投资界都极具影响力。他的哲学之一是这样的：“你无法预测一栋楼会在什么时候倒塌，但你能看出它是否在摇晃。”你不能预测那栋摇晃的楼哪天会塌，但你能感受到它的脆弱。现在AI领域的状况正是如此——我们都能看到它的脆弱性。

Harry Stebbings：是什么让我觉得AI生态“显得脆弱”？

David Cahn：“循环交易”的动态可能是关键原因。也正是因为这一点，“AI泡沫”的观点才在过去一年中从“逆势”变成了“共识”。一年前，是超大规模云服务商在支撑整个AI生态系统，大家都因此感到安心，因为这些企业非常稳健——尤其是微软和亚马逊，它们推动了AI资本支出的主要部分。他们明确表示：“我们将包下你们的算力五年”“我们签20年数据中心租约”“我们用自身信用兜底”。换句话说，他们主动承担了整个系统的风险。我当时写文章时形容，这就像他们把“需求的烫手山芋”抓在自己手里，说：“别担心，我们接住了。”

但一年之后，微软和亚马逊明显退后了。从今年年初开始（The Information报道得很详尽），微软公开退出了两个数据中心项目，这相当于对市场发出了信号——他们不再替整个生态系统承担风险。随后，Oracle和CoreWeave站了出来，接手了大规模的算力需求。

但第二层问题是：Oracle和CoreWeave的体量远小于微软和亚马逊，它们无法承担同等规模的风险。于是芯片公司也开始介入，承担部分风险——通过资本注入来推动这些建设项目，即使下游需求尚不明确.毕竟芯片公司能把这部分算作营收，它们的资本成本极低——甚至可以说是“负资本成本”。因此，这是市场上最廉价的资本来源。于是，AI资本流从“昂贵资本”（大科技公司）转向了“廉价资本”（芯片厂商），而这种“循环结构”成为过去12个月AI领域最大的变化之一。

Harry Stebbings：你认为这些交易是否是在“预先泵水”？

David Cahn：现在几乎所有这些交易都属于“预先泵水”。基本上，他们宣布一个交易时，资金只到位了10%或20%，剩下的还得再去融资。而且现在大家宣布交易都用“多少GW（千兆瓦）”来表示，而不是“多少美元”。其实，大多数人并不知道1个GW要花多少钱。粗略算下来，一个1GW的数据中心建设成本约为400亿美元——Jensen说如果用下一代Vero-Rubin芯片则需要50到60亿美元。所以假设成本在400到600亿美元之间。如果按现在大家讨论的100GW建设规模，那就是AI的“8万亿美元问题”；250GW则是AI的“20万亿美元问题”。总之，赌注规模已经被彻底放大，而资金却远未真正到位。未来如何融资，将是关键问题之一。

资本的幻术：当所有人都在押注未来

Harry Stebbings：你怎么看待这种现象？坦率地说，我的感受和你一样——是担忧。你提到Sam Altman要募集1万亿美元，要用上“相当于日本全国的电力”，而我看到的问题是：世界上可能根本没有足够的资本来支撑这一切。

David Cahn：我们正经历一个令人惊叹但又危险的时刻——整个资本市场几乎都在押注AI。标普500的40%是这些大科技公司，它们的估值全都基于AI预期。私人资本也几乎全部涌向AI。所以，如今全球资本机器被指向了一个单一方向。风险在于：它全部集中在一个极短的时间窗口内。

从长期来看，我并不悲观——AI的确会实现突破，带来巨大经济增长与收益。但问题在于，节奏错配。现在市场全押在B100和H100芯片上，可如果真正的关键跃迁要到3年后、要靠Rubin或Feynman系列（预计2028年）才能实现呢？这又回到了我们开头的话题：AI的物理性约束。你不能像升级App一样说“我换个芯片就好了”。现实是：你有成片的仓库堆满旧芯片，它们可能瞬间变成“遗留资产”。也许AI的发展不会在两年内完成，而是要十年。而这，就是整个金融体系如今在承担的风险。但作为AI投资者和信仰者，我的看法是：我们真正需要做的，是把风险分散在更长的时间维度、更广的投资版图之中。

Harry Stebbings：Oracle是我们目前看到进入市场的最大玩家之一，正如你刚才提到的那样。但如果你看他们的负债股权比，这一指标传统上被认为非常高——你不觉得他们有点“超出自己的滑雪道”了吗？

David Cahn：我最近一直在思考一个叙事——其实很多媒体也在强调这一点——就是说，“债务会导致AI泡沫的崩溃”，因为许多AI投资都是通过举债完成的。而信贷的问题在于，信贷最终总会收缩。当信贷收缩时，很多糟糕的事情就会发生。但实际上，这次的情况不会这样发展——这可能会让人感到意外。人们之所以被这种“债务叙事”深深吸引，是因为2008年的危机正是一次信贷崩塌，大家都记得那种混乱。但这次AI建设潮的有趣之处在于，大多数情况下（撇开Oracle不谈，它确实有一些债务），如今的AI建设主要是通过股权融资和现金流支持的。

所以每一个泡沫看起来都不一样，每一次泡沫的“解体”方式也不同。而我们往往过度依赖过去的经验。如果未来某个时点AI泡沫真的开始“解体”，这将是一场股权层面的收缩。换句话说，现在标普500指数中约有40%的价值是对AI的押注，因此当这种押注被解除时，股价将下跌。而这一次与2008年不同的是，美国人的财富中有史以来最大比例来自股票资产。所以，这次人们感受到的冲击，很可能表现为自己股票投资组合缩水，而不是信贷崩盘、银行受损等传统形式。

Harry Stebbings：你是否和我一样担心，市场价值过度集中在“MAG7”（七大科技巨头）手中？我知道你不是那种会给出哗众取宠回答的人。

David Cahn：我确实有这种担忧。昨天我刚和Sandy Nairn（《The Engines That Move Markets》的作者）见面，那是一本关于科技投资的经典著作。我们讨论AI与市场时，他提到了上世纪90年代日本的情况。当时，如果你的投资组合没有重仓日本，那你就是整个90年代里表现最好的基金之一。他告诉我一个让我惊讶的数据：当时日本的股市市值约占全球股市的43%，而美国占41%。也就是说，日本的权重大得惊人，最后当然是彻底崩塌了。我们现在看到的情况与之类似。MAG7（苹果、微软、谷歌、亚马逊、英伟达、Meta、特斯拉）如今占据了市场极大的份额。当然，这些公司非常优秀，现金流强劲，会继续做得很好。但我们仍应警惕：当少数几家公司占据了如此大的市场权重时，任何AI叙事的转变都可能对整个市场造成巨大影响。

Harry Stebbings：你之前提到，市场对MAG7的高估值很大程度上基于一种信念——即AI将显著提升GDP增长。Masa甚至说AI会带来5%的GDP影响。你怎么看AI对GDP与生产率的实际影响？

David Cahn：我觉得Masa的观点有一定道理，我也基本同意：AI确实会影响约5%的全球GDP。不过，我与他的分歧在于他用了“9万亿美元”这个数字——他说AI将扰动9万亿美元的GDP，然后假设50%的利润率，也就是产生4万亿美元的经济利润。我认同AI的经济影响力确实巨大，甚至未来可能超过5%，但我不同意这种“利润率假设”。这涉及我们之前提到的一个关键问题：人们高估了商业世界的垄断性，误以为我们正处于一个永久的“镀金时代垄断结构”，其实这并非经济的常态。我最近看到麦肯锡的一份报告：全球GDP中，真正超过资本成本、形成“经济利润”的部分，仅占1%。这意味着，大多数GDP最终流向普通劳动者的工资与薪水。企业要长期维持超额利润非常困难。而且从价值判断的角度看，这其实是件好事。我真心希望AI带来的经济红利能惠及所有人，而不仅仅是少数几家公司。

Harry Stebbings：谈到高估问题，我最近和Scale的Rory O'Driscoll、以及Jason Lemkin聊到一个类似话题。他们提到当下最大的市场问题之一就是需求被高估。以法律行业为例，现在几乎每家律所都在寻找AI服务商，因为他们被告知“必须找一个AI解决方案”，但这种普遍采购热潮明年、后年就不会再持续。这是一种非常罕见的市场周期现象——目前几乎100%的市场都在寻找新供应商，而正常情况下这个比例可能只有5%。你觉得这种说法准确吗？

David Cahn：确实存在多方面的高估问题，其中最关键的一个是时间表。你可能注意到最近几周，很多讨论都在说“AGI时间线被延后”——其实这正是我过去四个月一直在谈的主题。早在六月、七月，这种迹象就已经显现出来了。当时Andrej Karpathy（前OpenAI、特斯拉AI负责人）在YC说，我们正进入“Agent十年”，而非2027年实现AGI。几周前，AI教父Richard Sutton在Dworkesh播客上解释了为何当前技术范式可能不足以支撑AGI的实现。Sam Altman在六月或七月也提到：“这将是一次更温和的奇点”。我自己也惊讶于这场变革的“平缓”——它并没有我们想象的那样剧烈。

在我看来，现在存在一种鲜明对比：AI大实验室的年轻工程师们在午餐时会说——“AGI还有100天”，“不对，是200天”，“也许300天”，而地位最高的人往往是那个说“100天”的，因为他看起来最激进。但真正的思想领袖——那些开创这个领域的人，比如Richard Sutton、Andrej Karpathy、Ilya Sutskever（去年12月说“预训练已死”）——反而认为AGI可能还需要20到30年。这种反差非常关键。具有讽刺意味的是，正是那些引领AI路径的人，如今反而是最谨慎、最理性的声音；而一些刚入行的人，却觉得AGI“马上要来了”。其实，这正说明了AI的复杂性——它真的很难，需要时间。而且，说句重要的话：一旦AGI真的到来，那将是人类历史的灾变级事件。所以，不论是200天后还是50年后发生，本质上都一样，关键在于——它最终会发生。

Harry Stebbings：我几乎有点不好意思，因为你谈的都非常深刻，而我又要问个“风险投资式”的问题：“King making”（黄袍加身）在当下确实是一种真实存在的力量——一家VC给某个创业者巨额融资与品牌背书，就能让他成为“加冕的赢家”，类似于Harvey的故事。你怎么看这种短期资本造势与长周期创业之间的平衡？

David Cahn：我其实不相信“King making”理论。这可能听起来有争议，但以我们的经验——哪怕是像Sequoia这样的顶级机构——也无法靠投资本身“造出”成功公司。如果真能，那对我们的LP（投资人）来说当然是巨大的经济价值，但事实不是那样。风投行业最痛的教训之一就是：你以为自己的资本能改变企业命运，但其实不能。真正决定成败的，永远是：创始人的能力、想法的质量、产品与市场的契合度。我们当然能在一些关键决策上提供帮助，我们也喜欢自称“公司建设者”，但风投最现实的教训是——你无法让一家公司成功，它必须自己就具备成功的基因。从这个角度看，投资人应该保持谦逊。公司的成功不是因为你，而是因为创始人。你或许帮了一点忙，但成败不取决于你。

Harry Stebbings：那你不认为在像Profound这样的公司身上，Sequoia和后续融资确实帮助他们获得了更好的人才、更优质的客户、更顺畅的后续融资，从而拉开了与竞争者的差距吗？我明白你的意思，也很尊重你的观点，但我必须说——我部分同意、部分不同意。

David Cahn：我承认在风险投资中确实存在飞轮效应。拥有Sequoia这样的顶级VC，对公司肯定是正面影响。品牌强、资源多、投入深。但我的观点是：这种影响力往往被高估了。有Sequoia的背书确实能让公司成功的概率更高，但远没有外界想象的那么高。

以你提到的Profound为例——我当时就在他们来我们投资委员会汇报的那次会议上。那家公司在融资前就已经非常出色，业务强劲、客户蜂拥而至。我们很幸运能成为他们的合作伙伴，也很感激能参与他们的旅程。当然，如果因为Sequoia的参与，他们能多招到五个优秀工程师，那是极好的。实际上，Sequoia能带给创业公司最直接的帮助就是人才招聘。

我们可以进一步聊这个话题——我对招聘机制的研究非常感兴趣。但总体上，我的看法仍是：VC能帮公司变好一点，但不能让公司起死回生。这种帮助尤其体现在那些更具“模仿性倾向”的人身上——他们对品牌效应格外敏感，知名投资机构的加持确实能起作用。但即便如此，我仍然反对那种想法——比如说，“我往这家公司投2000万美元，现在它就是Sequoia体系下的代表项目了，于是它一定会成功。”——不，这个逻辑完全行不通。我们是通过惨痛的经验学到这一点的。在我们的投资委员会讨论中，我们也极力抵制这种思维。因为在风投行业里，正是这种想法最容易导致判断错误。

Harry Stebbings：这让我想到我第一次采访Doug时的情景。很多人以为，Sequoia这么有名，创业者都会主动上门说：“你们来了！给你这个项目，你们收下吧！”Doug笑着说：“要是那样就好了，我做梦都想！”现实是——他必须拼命争取每一个项目。我当时开玩笑说：“是啊，Doug，你的肱二头肌都快爆出来了，我相信你确实是在‘奋战’。”你刚才提到了几家你所投资的公司。外界对计算资源类公司（即算力消费者）的一个常见批评是：利润率太低，结构不健康。在当前AI发展的这个阶段，利润率是否仍然重要？

David Cahn：仍然重要。我投资的公司通常都有相对较高的毛利率。利润率的重要性在于，它反映了公司在基础模型之上构建的“产品层”的厚度。它不是绝对的指标，但具有方向性意义。我记得多年前投资过一家当时只有30%毛利率的公司，如今已达到70%。毛利率是会随着时间上升的。作为投资者，你会亲身体验到这样一个事实：许多早期被批评毛利低的公司，最终都成长为非常健康的企业。以Snowflake为例，早期投资界对它最大的质疑之一就是“毛利太低”。但事实证明，它如今是一家极其出色的公司。

只要你拥有真正有价值的产品，而随着规模扩大、单位成本下降（特别是在AI领域，算力成本每年都在持续下降），毛利率自然会提升。换句话说，只要趋势明确，你就能建立一家健康的企业。我甚至愿意说——虽然我没投资这些公司——即使某些公司毛利率接近0%，我也能想象它们未来如何发展成可行的商业模式。当然，我投资的公司一般都有更高的毛利率，这反映出它们在产品层面构建得更充分。归根结底，我们的工作不是分析得多聪明，而是投资成功的公司。有时候过度纠结毛利分析，反而会阻碍你赚钱。至于Doug，我最敬佩他的一点就是：最终目标是为LP、为创始人、为所有人赚钱。这是我们所在的行业的本质。所以我常提醒自己——保持目标清晰。

Harry Stebbings：我甚至在心里有个口号：WWDD——“What Would Doug Do?”每当我遇到棘手的决策时，我就想这个问题。利润率是一方面，增长率是另一方面。现在的AI公司增长速度比以往任何时代都快。我曾邀请GC的负责人上节目，他说过一句话：“Triple,triple,double,double”——意思是，前两年营收要三倍增长，后两年翻倍增长。我开玩笑回应：“好吧，那你等我找到更快的公司再说。”最近Brian Kim的一句话引发了不小争议——他说：“10天做到200万美元ARR（年度经常性收入）”。你怎么看待现在VC要求企业“类固醇式增长”的风气？你认为所谓的“Triple,triple,double,double”模式是不是已经过时了？

David Cahn：我更喜欢称之为“Zero to 100 Club”。意思是，目前最优秀的AI公司正以极快速度从零收入增长到1亿美元收入。当然，公司不必真的达到1亿美元，我们只是希望能看见它具备这个潜力。像Harvey、Open Evidence、Clay、Juicebox等公司都在这样的增长轨道上。这很重要，因为正如你前面说的，现在AI的市场需求极大。而增长速度，是我们衡量“产品真正有用”的最佳指标。我们在Sequoia的合伙人会议上多次讨论过这个问题——在互联网早期，用户还不多，所以增长速度受限。但今天，全世界都在线上，所有人都想用AI。因此，如果你做出了真正有价值的产品，它会被极快采用。所以面对这样的市场环境，投资人必须根据现实调整节奏。

我们看到的事实是：那些能从零到一百快速成长的公司，正是拥有最强产品市场契合度的公司。我非常乐意投资一家ARR只有200万美元、但已经实现“产品市场爆炸契合”的公司。不过现实是，这些“契合度爆炸”的公司往往增长更快。当然，企业不可能永远以极高速度增长。最终目标仍然是：在20年后，这家公司能成为一家营收数十亿美元的伟大上市公司。这是最核心的目标。但同时——你不能忽视现实的增长信号。

Harry Stebbings：我常说：我不在乎你花多久做到第一个百万美元收入，但我非常在乎你从1到5000万要花多久。

David Cahn：因为大量数据表明，这个阶段的增长速度是企业长期成功的领先指标。

Harry Stebbings：以UiPath为例，那位创始人Daniel是我的好朋友。这家公司花了九年时间才做到55万美元ARR。

David Cahn：要是我能在那九年中的早几年投资他就好了。我是在后期轮次才参与的。当然，这是一个令人敬佩的传奇故事。它也提醒我们：成功往往需要漫长积累。

我经常鼓励创始人——要相信慢也可以赢。硅谷有一种错误叙事，认为好公司都是“种子轮→A轮→B轮”一气呵成，12个月搞定。其实大多数伟大的公司都不是这样。

以Juicebox为例，这家公司三年前成立。创始人CEO当时22岁，现在才25岁。他三年读完哈佛后毕业；CTO是达特茅斯辍学生，当时只有19岁。他们早期做的是音乐类App，后来转向招聘领域，花了三年时间打磨产品方向。如今他们的增长非常快，执行力极强。我从这类创始人身上学到：那些经历过产品探索与失败痛苦的人，最终会成为更出色的创业者。这些“伤痕”虽然痛苦，但长远来看都能转化为复利。对那些仍处于创业第1年的创始人来说——我知道这很难，没有什么话能让你不痛苦。但我想说的是：我们愿意等你两年、三年，只要你在持续探索。我们非常有耐心。

这种“快速成功”的叙事其实是错的。很多伟大的公司都在“荒野期”徘徊多年。例如Clay——我们刚提到的另一家公司。Sequoia在2019年参与了他们的A轮投资。但公司花了三、四年时间，才真正找到自己的产品方向。我想到Kareem，我觉得这个人通过那次经历，真的是被“启迪”了——虽然那段经历极其痛苦。后来Varun加入，成为公司后期的联合创始人，这个组合非常出色。整家公司在A轮之后发生了彻底转变。我当时主导了Sequoia对它的投资——当时公司估值略高于十亿美元。我们在成长阶段继续加码投资，如今公司发展势头极佳。所以，那种“我创业一年就成功”的默认叙事，在我最兴奋的这两笔投资中都完全不是事实。

Harry Stebbings：你刚刚提到创业的艰难，以及不要把成功包装得太轻松——完全正确。但与此同时，我们确实在看到一波波超快速的融资轮次。比如像Rillet、Profound这样的公司。你会担心这种现象吗？我记得Pat Grady曾经对我说，他面临的最大挑战是——一旦他领投一个项目，其他基金就立刻要以两倍、三倍估值跟进投钱。这句话我一直记得。你会担心这种“超密集融资”吗？

David Cahn：我们要在中间找到平衡。老实说，这个问题我和很多创始人都在持续讨论——几乎每周都会聊。我们现在处于一个资本极度充裕、融资极其容易的市场。所以我理解创始人想要拿钱的理由。但我们学到的一个教训是：更多的资本≠更成功的公司。资本只是燃料，但它不能创造引擎。这种“张力”始终存在。尤其在当前阶段，我们在2021年已经亲身经历过：融资过度会带来严重副作用。最大的副作用之一是——团队内部会产生一种错觉：“我们赢了”“我们太成功了”“我们无敌”。但真正的赢家，只有那些找到强烈产品市场契合度、用户真的爱他们的产品的公司。

当然，也有一些创始人处理得非常好。我见过有些人真的把那笔钱当作不存在，依然非常节制地运营——团队不盲目扩张、支出保持理性。但这种情况是少数。真正让人担心的，其实往往不是创始人本人，而是那些在公司刚融资十亿美元、却还没多少营收的情况下入职的工程师。那种心理落差和组织动态很棘手。我非常佩服能驾驭这种局面的创始人。我希望能告诉你一个简单答案——可惜没有。这不是“该”或“不该”那么简单的事。但我确实认为，这种张力值得被持续讨论。作为创业者和投资人，我们都得认真思考它。

说到Pat，我得多夸他几句。他教给我一个非常有趣的框架——两个问题，可以帮助你从创始人那里挖出最深刻的洞察。第一个问题是：“有什么是大家都以为自己知道，但其实错的？”如果我们把这个问题放到AI领域上——今天所有人都以为自己理解AI，但他们其实错在哪里？

这是一条非常难学的教训。我从很多行业前辈身上学到过，尤其是那些比我更聪明、更有经验、更有耐心的人。我学到的最重要的一点是：任何数乘以零，等于零。这句话听起来简单，但对投资来说是一个极难体会的真理。市场波动本身并不重要——如果你投资的是真正优秀的企业，长期看波动不会改变结局。但如果你在周期高点过度冒进，一旦市场崩盘，你破产了，那就是彻底归零。没有“翻盘”的余地。

我最近听到一句很有意思的话：“Momentum has its own reality（动能本身会创造一种现实）。”现在大家似乎都活在这种“动能幻觉”的力场中。我常把它想成一个弹弓效应：你把皮筋拉得越远，放开后速度越快，动能越大。这就是物理学的基本定律——运动中的物体会继续运动，静止的物体会保持静止。投资领域也是一样。大家对这种“势能”太过自信，但当动能消散、幻觉破灭时，企业必须能挺过去。

我希望自己能在这种时刻成为创始人的伙伴。他们可能只听我10%的建议，那也没关系。关键是，我能陪他们一起穿越那些低谷，在危机中调整姿态、重新定位、保留下生机。最冷静、最清醒的投资人，往往在这种时刻最能发挥作用。创始人的工作是最大限度地进攻，这没错；投资人的职责是提供制衡与远见——帮助他们从更长的时间维度、更广的数据样本里看问题。然后我们共同导航，找到正确的长期路径。现在的问题是——很多人已经忘了“任何数乘以零等于零”这个概念，因为他们的时间视野太短，他们只看未来几个月，而不是未来十年。这是我这几年最常思考的事。

Pat教我的第二个问题是：“有什么是没人想、但每个人都该想的？”我觉得当下一个非常惊人的盲点是：大家没有意识到——当工程师或公司手里突然有了几十亿资金时，生产效率其实会下降。给一个程序员几十亿美元会发生什么？程序员去买五辆车和一艘游艇。然后，程序员就不再高效了。我知道这话有点直白、甚至刻薄，但这同样适用于公司。

公司低估了23岁和24岁年轻人的潜力——真的低估了。我觉得这是一个被严重忽视的事实，尤其在当下的AI时代更是如此。我每年大概会见两三百个刚大学毕业的年轻人，原因是我希望招募他们加入我的公司，其中很多人本身就是创业者。这群人是我学习最多的人，因为我非常清楚，我最大的“盲区”在于——有些人在18岁时就开始使用ChatGPT，而我不是。他们因此拥有不同的视角，而这正是我现在最需要的。

我经常把其中一些年轻人推荐给别的公司，但公司总会问：“他们有什么技能？为什么要雇他们？”现在很多公司在AI领域思考问题的方式还不够前瞻——毕竟，ChatGPT才出现5年，没有人拥有超过5年的AI经验，整个赛道几乎是完全平的。在这样一个变化剧烈、充满活力的市场里，学习能力、成长速度、以及适应变化的“斜率”，比以往任何时候都更有价值。这也是我最受启发、最常思考的问题之一。

比如在Juicebox（公司）里，我花很多时间在想：我们怎样才能吸引到全世界最优秀的23岁年轻人加入？这几乎成了我工作中最重要的一部分。我现在每周有一天专门在Juicebox处理这件事——思考如何让最优秀的人才进入这些AI公司。十年前，在传统软件时代，资深工程师确实比初级工程师强很多：软件架构难、写代码难，他们有更多经验，招聘资深工程师更合理。那时创业公司的“老剧本”就是：雇一个经验丰富的staff级工程师，他们知道自己在做什么，不用你再培训。但如今AI创业公司的“新剧本”已经不同了。现在更有效的方式是：招那些23、24、25岁的AI原住民——真正热爱AI、天生使用AI的人。这些年轻人正是未来伟大公司的前线力量。

Harry Stebbings：完全同意这一点。但你会担心他们在情绪成熟度上的问题吗？我不是在居高临下地说，但我现在29岁，回头看我22、23岁时做过的事，确实有些现在绝不会再做的。

David Cahn：招聘永远是权衡的艺术。更广泛地说，我相信世上没有“免费午餐”。当你不知道自己在做什么权衡时，风险其实只是被藏起来了——不存在没有负面的选择。在Takoya我经常讲一个概念：“显性风险”与“隐性风险”。雇一个23岁的人，显性风险很清楚——他们情绪不够成熟，没有工作经验，缺点一目了然。而雇一个更资深的人，风险反而隐蔽：他们也许不会那么拼命，也许对AI不够“原生”，但这些风险你看不见。人类普遍偏好“隐性风险”，就像价格风险一样——你感受不到它，但它确实存在。而我更倾向于选择“显性风险”——我希望清楚地知道自己在冒什么险。顺便说，我本人其实是个极度热爱冒险的人。我八年前就开始投资，我喜欢风险，但我希望是可见的风险，是我能看清并愿意承担的。群体行为和从众心理的本质，就是选择那些隐藏的风险——风险潜伏在表面之下。而我宁愿面对那些明显的风险。比如在招聘时，23岁的候选人看起来“显然不该雇”，但有时正是因为他们带来的价值，足以弥补这一切“显而易见的缺点”。

Harry Stebbings：我完全理解从雇主的角度看这个问题。那反过来，如果你要给这些年轻人一些建议，比如选第一份工作，你会怎么说？我看到你在LinkedIn上写过“跟随比你聪明一岁的人”，这种建议在今天是不是已经不适用了？

David Cahn：这是我从大量经验中总结出的最大体会。因为我每年都见两三百个年轻人，所以样本量非常大，可能在Sequoia里没人比我更关注这个话题。

我发现年轻人选择职业的方式，本质上是一种模仿算法。他们会问：“我在学校里觉得最厉害的那批人毕业后都去了哪里？”——然后就跟着去。这个算法是递归的——他们模仿的是前一届，而前一届又模仿再前一届。有人可能会批评说这是盲目模仿、缺乏独立思考，但我并不这么看。我觉得这算法还挺“靠谱”的。比如我大学毕业时，Palantir是最热门的公司，聪明人都去那里工作。那确实是一个非常好的选择。再往前的2010年代早期，Google和其他大厂是最热的去处，那些公司的成长在接下来的十年确实翻了十倍甚至二十五倍。所以我不认为“模仿算法”是坏事，我尊重它。毕竟，人会随着成熟而改变——30岁之后，他们会换一种思维方式。不过，这种递归算法在剧烈的新数据出现时会失效——而AI就是这样的“新数据”。AI的出现彻底改变了世界运行的方式，应该改变人们对未来的预测。所以你不能再盲目模仿上一届的选择——他们当时并不知道AI会改变世界，也不了解GenAI。所以我对年轻人的建议是：在你的职业选择算法里，把AI因素纳入考虑。去选择让你最开心的公司，但记得考虑AI变量。

另外，我在一篇Substack文章里提到一个群体，我称之为“建设者”。大多数人（90%以上）在找工作时问的是：“我能从这份工作中获得什么？”——能学什么、跟谁共事、如何变得更好。而那5%甚至1%的人问的是：“我能为这家公司贡献什么？”而讽刺的是，当你贡献很多时，你往往也能收获很多。这就是资本主义的优美之处——高贡献带来高回报。这些“建设者”正是推动硅谷的力量。他们是让公司成功的那群人，他们从一个伟大创业公司流向另一个伟大创业公司，持续构建伟大的东西。当然，两种人都没错。职业选择本质上是非常个人化的。关键是看你要优化什么——成长还是贡献。无论哪种路径，现在AI都带来了巨大的新机会。

Harry Stebbings：不过让我困惑的是，很多人仍然延续老的模仿逻辑，比如在英国，投行、咨询、Goldman Sachs依然是最热门的选择。每次我去大学演讲（我现在几乎每周都会去一两次），学生们还是想当投行分析师。所以我在想：要怎样才能打破这条模仿链？也许AI的普及是关键。

David Cahn：虽然它正在发生，但速度太慢了——这也是我愿意公开谈论这些话题的原因，希望能推动改变。值得乐观的是，我确实在过去12个月里看到了明显变化。不是过去两三年，而就是这一年。ChatGPT发布两年后，这种趋势才真正传导进来。现在我谈到的很多年轻人其实已经在投行工作，但他们想转到AI公司。越来越多高潜力人才想进AI领域，而AI公司也更需要他们。对年轻人来说，这个“价值主张”也很清楚：十年前加入创业公司，你只是一个初级工程师，要经过五到十年的学习曲线才能产生显著影响。而现在，在AI领域，大家几乎是从同一起跑线出发的。所以他们的选择是有理由的。

新的战场：国防的“ChatGPT时刻”还未到来

Harry Stebbings：那我换个问题。你被称为Sequoia负责国防领域投资的人，我要问个尖锐的：Sequoia在国防科技上是不是“反应太慢”，错过了Helsing和Anduril这两家明显的领导者？

David Cahn：这其实跟我们刚刚讨论的主题有关——国防科技就是下一个AI。这也是我最初开始研究AI的原因。AI的“Transformer时刻”已经过去了，而国防的“ChatGPT时刻”还没到来。的确，Sequoia在国防上起步晚了，但我们正在努力追赶。这就是商业——你不会总是做对每一件事，但关键是持续迭代、不断尝试。

Harry Stebbings：为什么你认为“国防是下一个AI”？

David Cahn：这件事很有趣，因为我是在Transformer论文发表一年之后——也就是2018年——开始投资AI的。现在回过头看，我觉得“国防”在某种意义上让我想起了那时AI刚经历Transformer论文之后的阶段。也就是说，那些真正留心观察的人已经意识到——国防领域将迎来根本性的变革。在那之前，只有那些有远见的人才能看到这一趋势；必须是像Palmer、Peter Thiel这样的人——他们在别人还没意识到之前就看到了未来。就像在Transformer论文发表之前，只有Ilya（Sutskever）、Andrej Karpathy这些人才能被称为先行者。而在Transformer论文发表之后，进入AI领域的人就成了早期采用者。

作为投资人，我们的职责大多正是要成为早期采用者——尤其是在成长型投资中，要足够早地发现拐点。所以当乌克兰战争爆发时，你可以清楚地看到变化的到来。那种画面——成排的坦克、长长的俄军车队——让人震惊，因为你会意识到：国防科技仿佛还停留在50年前，而技术世界早已发生天翻地覆的变化。过去半个世纪我们一直处在一个“黄金和平时期”，全球繁荣稳定，人们对战争的思考被淡化，因此战争方式几乎没有更新。所以“乌克兰战争”就是国防科技的“Transformer时刻”。但真正的“ChatGPT时刻”——那种让整个社会突然意识到新范式已经降临的时刻——在国防领域还没有发生。也正因如此，国防技术其实是被“低估”或“热度不足”的领域。这就是我在两年前开始关注国防的原因。当你展望AI时代的世界时，我们普遍假设——AI会让每个人变得更强，每个人每天都会使用它上百次，它会渗透进我们的工作、思考与交流的方方面面。如果用这种视角去看国防，那也意味着——未来的全球冲突只会更频繁、更持续，而不会像过去几十年那样逐步减少。这一点其实与人类历史的“和平周期”形成了强烈的反差。

Harry Stebbings：在历史中，总有冲突激烈的时期，也有相对平静的时期。有人提出“国防AI”的出现意味着冲突会更频繁——你怎么看？

David Cahn：顺便说一下，我可以先分享一下自己是怎么对“国防”领域产生兴趣的。在我进入AI领域之前，我花了很长时间在阅读和学习——自己的投资风格就是：先花两年学习，再开始投资。所以我花时间打基础。而我在国防领域的基础，就是阅读拿破仑、丘吉尔，以及战争史、国防史、地缘政治等各种资料，真正让自己变得有教育背景。我大概花了两年时间学习、认识创始人，从这些国防领域的创业者身上学到了很多东西。

我从中学到的一点——也是很多比我更深入这个领域的人早就理解的——就是“威慑”是第一要务。你只有在“不得不”打仗时才会打仗。整个国防的意义，是防止战争的发生。而地缘政治是真实存在的，国家之间的竞争也是真实的，这种竞争会一直持续下去。当今世界秩序正在被重塑，我们正亲身经历这一重塑过程。很多人都注意到了，也有许多关于此的论述。关于这种“秩序更替”的变量有很多值得讨论的部分。

瑞·达利欧的《变化中的世界秩序原则》是一本很好的书。全球秩序正在从根本上变化，这带来了一个非常独特的机会——我们必须“追赶上”。我们需要弥补过去五十年的差距。这就是我对当前“国防时刻”的理解。正如我常说的，我们现在才处在Transformer论文发表后的两年，相当于还没到ChatGPT的节点——我们只完成了1%的追赶。在这轮国防周期里，我们实际上还非常早期。目前可能有几十家、上百家拥有创新的公司，但它们的成果还没有真正融入军队体系中。要做的事情还太多。不过现在美国已经出现了一个明确的市场领导者——Anduril。未来也会有更多国际公司表现出色。我觉得我们现在正跨过一个关键的“鸿沟”：政府已经意识到这件事的重要性；华盛顿特区的人现在都知道Palantir和Anduril是谁，他们理解这些公司的意义。但就“军力结构的改变”、“防御方式的改变”、“美国威慑力的转型”而言，目前变化还不够深刻。等到国防领域出现“ChatGPT时刻”，情况就会不同——就像在ChatGPT之前，只有少数人注意；ChatGPT之后，每个人都意识到AI的重要性。我相信国防也会迎来这样的节点：届时所有人都会明白这件事至关重要，也会认识到这些公司的成功是国家安全的必要条件。

Harry Stebbings：你难道不担心在那个世界里买方过于集中的问题吗？相比之下，在其他领域，比如AI或者消费科技，你的潜在客户可以是全世界的企业或个人消费者；但在国防领域，买方的数量极其有限。让我对国防领域感到不安的一点，其实正是Brian Singerman曾经跟我说的——Anduril之所以特别，是因为它的创始团队具备互补的能力组合：既懂得如何在defense和government市场中做GTM（go-to-market），又擅长产品开发，还有CEO Brian Schimpf那种极度高效的运营能力。但我仍然不喜欢这种“买方高度集中”的模式——要把东西卖给政府、面对单一或少数客户，而且这些客户缺乏市场化的激励机制。你不担心这会成为一个结构性问题吗？

David Cahn：其实我确实考虑过这个问题。我的投资框架——也就是我过去几年在执行的投资逻辑——是这样的：国防领域能成功的公司一定更少，这其实是“合理的集中化”。因为国防领域本身就是高度集中的——只有一个主要客户——所以你必须服务好这个客户。一家优秀的国防公司，归根结底要成为“国家冠军”。它必须深刻理解客户、服务客户，并推动国家层面的结构性转型。我们现在常说“数字化转型”，但实际上，国防行业的数字化转型才刚刚开始。这让我想到安全公司Wiz的案例——它在云计算普及的浪潮中受益匪浅。你可能会说，2017年云计算已经很成熟了，但事实上，这种转型的渗透需要时间。国防数字化现在正处在类似阶段。每个国家最终都会出现几家“集中式赢家”，它们大多是由风投支持、以股权为基础的研发型公司，最后再并入国家级防务体系中。在我看来，Anduril显然已经是美国的国家冠军。那支团队非常出色，愿景也极其清晰。

Harry Stebbings：我说这话常常会惹麻烦——但我并不认为“国防”算是一个真正意义上的“category”。在我看来，一个“category”应该具备足够的广度和深度，能够支撑起一个完整的生态系统。而国防并不具备这种特征。在美国，也许有Anduril这样的公司，再加上两三家类似的企业；在欧洲，可能有Kela、Helsing、Stark这样的玩家。但这并不是像SaaS那样有三十到五十家领军公司，也不是像FinTech那样能容纳二三十家规模巨大的企业。你同意我的看法吗？

David Cahn：我同意。我的目标也不是投资几十家国防公司。纵观我的职业生涯，我投资过大约十几家AI公司，希望未来还能投二十家。但国防不同，我可能一两年才投一家，因为这个领域只有少数机会值得追。赢家会持续扩大规模，而很多现在流入的资金其实都会打水漂。

Harry Stebbings：我看到太多从McKinsey出来转做VC的咨询师，他们整天挂在嘴边的是“我的cost per kill”，而我心想——你根本不知道自己在说什么。

David Cahn：是啊，我们不是那样思考问题的。我们的思维方式更多是关于国家防御，让人们有安全感，以及如何形成有效的威慑。所以在这一点上，我同意你的看法。我不太喜欢那种语言风格。

快问快答

Harry Stebbings：伙计，我们来一轮快问快答吧。我说一个简短的问题，你给出你的第一反应。第一个问题：过去12个月里，你改变了什么看法？

David Cahn：我们上次其实谈过一点，但我可以把这个话题补完：我终于决定学开车了。今年1月我拿到了驾照，这挺好笑的——因为我等了那么多年自动驾驶的到来，结果自己终于“投降”去学开车，而现在自动驾驶汽车每天都在街上跑。真是讽刺。

Harry Stebbings：我们之前还在同一起跑线上。为什么我们会这么做？

David Cahn：我鼓励你，Harry，去学开车吧。这是个不错的经历。Roloff告诉我我必须学，因为我快要当爸爸了，他觉得这是合理的——毕竟可以帮我太太，接送孩子。

Harry Stebbings：那告诉我，当父亲让你有什么改变？

David Cahn：很多人都说过，也确实如此：它让你的优先级变得更清晰，这非常重要。它让你变得不那么抽象。以前你可以从抽象的层面思考问题，但孩子不是抽象的存在——孩子有需求，而且是“现在就需要”。这让你被拉回当下，让你更专注于眼前的现实，这是极其有价值的体验。

Harry Stebbings：那你会给我什么建议来选择伴侣？很多人都说你婚姻幸福、关系美满，他们希望能效仿你。我当时心想：哇靠。

David Cahn：哈哈，这太客气了。我的建议大概是：选对人。我的妻子比我聪明，也比我优秀——一直如此。

Harry Stebbings：如果你妻子比你聪明，David，我真好奇你们的晚餐对话都是什么样的。

David Cahn：哈哈，我等不及让你见见她了。其实这几年对我影响最大的一件事，尤其是在结婚、生子之后，就是越来越深刻地理解“价值观一致”有多么重要。每过一年，我都更清楚这句话的含义。我和我妻子在很年轻时相识，那时我并没有完全理解这点。如今我每天都为此感到感激。

Harry Stebbings：那告诉我，伙计，你投资生涯中最大的错失是什么？你事后回头看，觉得当时应该看见但没看见的是什么？

David Cahn：如果从财务角度说，一个很大的错失是Datadog。我在加入Sequoia之前就接触过这个项目。那家公司当时的数字太漂亮了，业绩优秀、盈利稳定，是那种光看报表就让人流口水的企业。结果我们没拿下，被Dragoneer抢走了。我后来听说（虽然没亲自确认）他们有一个原则：只专注于20家公司，花数年时间深耕其中。对他们来说，Datadog就是头号优先项，他们为此已经准备多年。那大概是六年前的事，但这件事深刻影响了我此后的投资方式——我开始更聚焦时间精力。我现在的原则是：如果一个机会不是“前五名”的机会，那我不会把主要时间放上去。我要把80%的时间投入最有潜力的五个机会，20%的时间用来关注接下来的15个，其余的则尽量少分散注意力。这彻底改变了我作为投资人的行为方式，也让我学到了很多。

Harry Stebbings：倒数第二个问题：你认为哪项技术被严重低估了？为什么？

David Cahn：大家严重低估了“voice作为AI交互界面”的潜力。就在今天，我们刚宣布投资了一家名为Sesame的公司——一家专注于AI voice和AI conversation的企业。这笔投资我和Roloff一起做的，公司创始人是Oculus的前CEO，董事会成员包括Roloff、Marc Andreessen以及Spark的创始人Santo。可以说是一支顶级团队。几个月前他们发布了一款AI voice产品，让用户可以与AI实时对话。短短几周就吸引了百万级用户，累计对话时长超500万分钟，产品市场契合度惊人。

我一直认为，人类不会永远盯着手机屏幕。那不是人类与技术、与AI交互的终极形态。我一直相信voice会是下一个主界面，但过去市面上所有AI voice产品都很糟糕——体验呆板、对话无趣、记不住你说过的话、无法被打断，完全没有自然的互动感。你的大脑会立刻判断出“这只是个机器人”。而当我第一次体验Sesame时，十分钟内我就知道——我们必须投资。这是一次彻底不同的体验。于是我们最终投了。我相信未来十年，我们会与AI以语音为主要界面交流，甚至建立“关系”，这非常可能。虽然现在听起来有点科幻，但未来几年会越来越自然。

Harry Stebbings：我想以积极的语调收尾——我真心讨厌那些末日论调。请告诉我，展望未来十年，你最让你兴奋的是什么？什么是每天让你起床的动力？

David Cahn：这是个完美的收尾问题，因为我的答案就是AI。挺有意思的，我们刚聊了一大堆AI的风险、复杂性和周期波动，但归根结底，AI是我们这个时代最重要的故事。它将彻底改变世界。这是那种“人类历史上仅有一次”的事件。它将是一段史诗般的旅程。我很兴奋能与大家一起见证，也相信它会深刻改变我们的生活。

原视频：Sequoia Partner, David Cahn on Who Wins in AI, Defence & The New $0–$100M Playbook

链接：https://www.youtube.com/watch?v=aGoUu5VLvLY

编译：Sylvia Zhang