"大模型这个商业模式,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。而你烧钱的东西,只有在不烧了那一天,才真正会有现金流。"
这是《商业访谈录》年度回顾系列第三集。嘉宾 Freda 段是硅谷基金 Altimeter 的合伙人,横跨一二级市场,一级投过 OpenAI、Anthropic、字节,二级重仓过 Meta、英伟达、今年的 Robinhood。她把这些明星公司的巨额投入摊开算账,也从一线视角讲了她眼中的坏小孩、反叛者、以及"是不是泡沫"。
大模型是“负向滚雪球”
加 2 减 10,每年比上一年烧得更多;真正好看的利润表,出现在停止烧钱那一天。
烧钱停止就是利润拐点
像 Netflix 疫情停拍反而现金流转正;模型公司不再每年 10 倍加训练成本时,毛利率自然抬起。
OpenAI 真回报是 6 倍不是 20 倍
估值从 300 亿到 5000 亿,但股权稀释严重,落到每股只涨了约 6 倍。
市场大大低估了企业端
个人与企业占比已相当;软件付费方不在乎自己是不是获客漏斗顶端,企业超级入口更可能跑通。
谷歌的威胁并没被解决
搜索广告没掉,只因大家还把 GPT 当维基百科用;等它做广告和电商,格局会变。
搜索护城河已经彻底改变
模型不辞辛苦一秒翻几十页,用 Bing 还是谷歌的搜索,差别不再重要。
一手烂牌打成标普第一
券商强周期是烂生意,Robinhood 靠多元化、抢份额、定价权、控成本改命。
先分清阿尔法和贝塔
Coinbase 相对比特币没有 alpha,Robinhood 有;投资要对自己诚实,知道赚的是什么钱。
把鸡蛋放进一个篮子
分散并不降低风险(要跌一起跌);超额收益只能靠研究透后集中重仓。
VC 回报被高估了
跟踪 2000 多只基金,仅 80 只过 5 倍,且规模最大不过 5 亿——想做好只能小而美。
AI 应用毛利率反直觉
越多人用毛利率越低;但合同金额更大,该看利润绝对值,而不是毛利率。
现在不是泡沫,但账要算在人力上
只抢 4000 亿电子存量,不过是烧出个小谷歌;真正的市场是 15 万亿的劳动力。
硅谷偏爱“坏小孩”
founder-led、敢破常规的反叛者(如 Vlad),比合规优先的乖小孩更受资本追捧。
"本质上,Robinhood 的商业模式是很差的,可以说是一手烂牌。"
为什么非共识 · 多数人把今年标普第一的 Robinhood 当大牛股追涨;她却说它底子是强周期的烂生意,真正的 alpha 在管理层把烂牌打好,而不是牛市的贝塔。
"你烧钱的东西,只有在不烧了那一天,才真正会有现金流。"
为什么非共识 · 市场恐惧模型公司无限烧钱亏损;她把它重定义为主动的资本开支——加 2 不减 10,停止烧钱那一刻利润表最好看。
"我觉得市场大大低估了它的企业端。"
为什么非共识 · 大家按纯 To C 消费品给 ChatGPT 估值;她指出企业端占比已与个人相当,且软件付费方不在乎自己是不是获客漏斗顶端,企业超级入口更容易跑通。
"最好的投资,就是你把所有的鸡蛋都放到一个篮子里。"
为什么非共识 · 与“分散风险”的常识完全相反;她的逻辑是分散并不降险(要跌一起跌),超额收益只能靠研究透一个篮子后敢于集中重仓。
"Robinhood 和 Palantir 这两个票,散户的研究程度是完爆机构的。"
为什么非共识 · 机构普遍把散户当噪音;她认为这类票散户比机构钻研更深,选股思路反而是去找“散户爱、机构也能爱”的标的。
"AI 应用公司的毛利率是一个反直觉——越有人用,你的毛利率反而会越低。"
为什么非共识 · 传统软件 80% 毛利、120% 净留存像“鸡胸肉”;AI 应用毛利率随用量下降吓退投资人,她主张改看利润绝对值,每用户毛利可达传统软件数倍。
今天其实非常清晰，美股有三条主线。
第一条肯定是 AI，第二条叫 Reindustrialization，就是再工业化。
第三条叫 Digitalization of Finance，就是一个金融产业的创新。
是最早看出来 OpenAI 是一个产品公司，而不只是模型公司的时候下注的。
然后江湖也有传言，就是 Noam Shazeer 这个人，就是之前 Character AI 的创始人。
在他回到谷歌之后，说是徒手改了一个 bug。
本质上，Robinhood 的商业模式是很差的，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。
哈喽，大家好，欢迎收听张晓君商业访谈录，我是小君。
这是一档由语言及世界工作室出品的深度访谈节目。
我们希望和你一起从这里探索新世界。
在我们的年度回顾系列，站在2025年之外的前两集节目里，朱啸虎是这样说的。
最近很多人在讨论 AI bubble 所以你在2025年的尾巴上，你又嗅到泡沫的味道没有？
我觉得至少三年内看不到泡沫，而且大家都在讲泡沫的时候，泡沫肯定是没到的。
关于 AI 泡沫的讨论，它这个悲观情绪是怎么传导的呀？
它从哪来的呢？
我觉得是很多二级市场投资人在故意引导吧，就希望回调一下啊。
过去一两个月的回调，想为明年再进进一步的爆爆发打好了很好基础。
而戴雨森则预测，26年呢，我有一个关键词叫26年是 year of r 啊，就是 r 之年。
这个英文字母代表的几个含义。
第一个 r 我的含义呢，我觉得叫 return 就是回报。
你觉得站在2025年的尾巴上，你有嗅到泡沫的味道没有？
人类历史上每次技术革命都带来了泡沫，几乎毫无例外啊，不管是从当时的修运河，还是修铁路，还是修高速公路，后来的互联网。
其实我觉得都带来了泡沫。
你提出 the year of R，呃，同时你清空了二级市场的股票，那你会做空吗？
我不会，我觉得做空是一件。
当然有人很擅长做空，因为我有很多对冲基金的朋友。
但是我觉得做空是一个你希望别人变得很惨的事情，我觉得这个在二级市场不是一件好事情。
那我们今天推出的是这个系列的第三集节目。
嘉宾来自一线的硅谷视角。
一个多月前，在2025年10月初，Sam Altman 上了一档由美国基金 Altimeter Capital 创始人主持的播客节目。
在主持人连续追问 OpenAI 如何为1.4万亿美元级别算力及基础设施承诺买单时，Sam 称，如果你想卖掉你的股份，我可以帮你找到买家。
够了。
随后，AI板块整体出现波动，关于 AI 是否存在泡沫的讨论进一步升温。
我们今天的嘉宾 Fryda 段就来自这个 Ultimate Capital。
他担任合伙人。
Automate 是一个硅谷科技基金，横跨一二级市场。
在一级市场的投资案例有 OpenAI、Anthropic、字节跳动，在二级市场投资案例有英伟达。
Snowflake、Robinhood。
今天这集节目呢，Freda 将深入分析美国这些明星公司，给他们的巨额投入算算账。
她也从一线硅谷投资人的视角聊了聊。
美国资本的新秩序，他们眼中的坏小孩、反叛者、刺猬型和哪吒型的创始人以及泡沫。
在2025年，期待我们和 AI 共同进步。
哈喽，Freda，先给听众朋友们打个招呼，并且做一个简单的自我介绍。
哎，大家好，我是贝斯在硅谷的一个科技投资人，在一家叫做 Ultimate Capital 的基金。
Freda 应该是很少在美国一线基金里面的华人啊，能不能给大家介绍一下你供职的这家基金和你们的创始人以及创立的背景？
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，我们比较出名的是包括重仓 OpenAI、Anthropic 字节一系列公司。
在二级，我们比较敢于重仓，敢于做一些非共识投资。
包括22年、23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就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 podcast 最近几周有和 Sam Altman 真顺黄的很多公开采访。
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。
和金融科技比较多一点。
说起来我觉得很恍惚啊，因为21年、22年我记得硅谷还是笼罩在裁员的风波里，那到了25年似乎整个的情绪和叙事都发生了非常大的变化。
你看 meta 又是在天价的挖人。
那身为一线投资人，你觉得这几年你的真实体感有变化吗？
你们描述一下在每一年你身处其中，你心里能够定义那一年的一些瞬间啊。
每年说几个重点词吧。
2020年就是疫情、降息、市场火爆。
21年是市场持续火爆，但其实你能看出来一些就类似潮水褪去的迹象，比如说股票里面。
中小盘或者说质量没有那么高的股票，它们的顶部就是在21年的2月份。
然后大票类似于微软是11月份开始掉头的。
22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%。
23年就是在大家都完全没有反应过来的时候，AI 开始火热了。
24年是 AI 叙事，其实是作为我们投资角度最好做的一年。
25年就是关税。
中美关系，然后还是在继续 AI 这个浪潮。
你怎么看这几年的这些起起伏伏？
你说的很对，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。
你从2000年开始算，纳斯达克其实一共只有6次是下跌幅度超过20%的。
但是在2020年之后，我们就经历了三次，所以这个频率是有明显变高的。
那你看二三年之后，突然一下整个市场就被 AI 主导了。
回头来看，你觉得在当初有没有一些端倪，有可能更早的遇见吗？
还是说还就是非常的突然？
我觉得其实是有非常明显的预兆的。
22年当时市场是一片灰暗，但当时有非常奇怪的融资现象。
有一个公司叫 Inflection AI，就是穆斯塔法他的大模型公司，当时也算是大模型至少前五前十这样子。
他在 A 轮就融了2亿美金。
而且不只是他一家，很多家公司，包括，Anthropic Cohere Stability 都是那一波的模型公司，每个人都融了几个亿的 A 轮。
这里面我觉得其实有几个点都非常奇怪。
第一就是他们实际上是在用 VC 的钱去做资本支出。
第二就是从来没有人 A 轮融两个亿，平均可能也就应该融个一千万的样子吧。
第三就是整个二级市场都在暴跌了，对 VC 应该是有一个传导的，所以这种热度是完全不应该的。
因为我其实一二级都会做，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。
他们就说这几个词，就是 Skating Law，我要买卡，然后英伟达的卡就是这么贵。
所以有的时候赶上这个正确的时间和机会，投资这个逻辑就是这么简单。
有二三十家都是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。
但因为我们基金是一个 crossover 的结构，一二级都做，又是同一个团队。
所以我发现可以很容易的用英伟达在二级市场去表达我们对模型，对 AI 的观点。
这两年其实做 AI 的标的绝大多数都在二级市场，包括云，包括电力，包括 AI 受益受损两边的标的。
二三年开始，其实 AI 的进展到现在也两年了，我们的播客也请过非常多的 AI 的 founder 来聊天。
那到了今天，你觉得美国一线的顶级投资人们，他们都在投什么呀？
他们整体的情绪是什么样呢？
今天其实非常清晰，美股有三条主线。
第一条肯定是 AI 第二条叫 Reindustrialization 就是再工业化。
第三条叫 Digitalization of finance 就是一个金融产业的创新。
这三条主线其实非常有意思，因为它们中间有千丝万缕的联系。
AI这条大家都很熟悉了，就是芯片和云。
那再工业化这条线呢，其实包括非常多的东西，包括稀土、包括美国本土制造业的回归、包括数据中心。
那再长期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月份特朗普闹了一通关税的交易。
像日本、韩国这两个国家就合起来答应要投超过1万亿到美国。
这个钱其实是会被用来投资美国的基建项目的，包括能源、包括数据中心。
那么这里呢，其实就和我们刚刚讲的第一条线，就是 AI 实现了一个闭环。
那现在市场可能最担心的就是说，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是要把这一块考虑进来的，因为我们已经看到像日本已经投了超过有1000亿在美国的能源相关的项目，就是去 power 这些数据中心的。
然后第三条刚刚讲的叫金融产业的创新，也非常有意思。
今年在7月份的时候，美国有一个非常重要的法案叫 Genius Act，它是一个稳定币法案。
稳定币支付就是我们所说的 cheaper faster better 你等下个月如果有 agentic commerce 出来，让 agent 帮我去付款买东西，那 token 或者说稳定币这个概念，我觉得就会被重新提起来。
那这里也就和我们刚刚讲的第一条 AI 又形成了一个闭环。
我觉得如果这三条主线之上还有一个呃层面，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。
我很好奇啊，美国投资人现在是怎么看待中国市场呢？
很热闹，但是我跟踪下来，我觉得实际的投资金额其实和过去几年没有明显的变化，但确实是今年开始，一批又一批的美国投资人都去中国参观。
然后所有人去参观，都对我们这个 EV 还有机器人感到非常的震撼。
我了解下来，美国投资人最重视两件事，一个肯定是中美谈判的结果，另外一个是港股 IPO 的活跃度。
IPO 这块我看从量的角度，今年已经是上来了，但是更多的是一些消费类型的公司在港股上市。
如果之后能有更多的科技 IPO，我相信美国一些投资的金额是会回流到中国市场的。
你刚才也提到你们投了一些美国的大公司嘛，而且是重仓。
你能不能也聊一下嗯这几家具体的公司，比如 OpenAI 你们是它的股东。
你们当时是在什么时候看到这样的趋势，开始下注的？
当时它属于一个什么样的状况呀？
是最早看出来 OpenAI 是一个产品公司，而不只是模型公司的时候下注的。
这个大概在什么时间啊？
就是最早看出来 OpenAI 是一个产品公司，而不只是模型公司的时候。
那个时候啊从月活的角度可能就是一个。
两个亿的水平，然后市场也非常的混乱，大家并分不清谁才是真正的一线的模型公司。
这个结论现在听起来非常的共识，但二三年大家是很担心土 c 这边竞争格局的。
觉得 GPT 没有粘性。
那个时候包括 perplexity 包括 cloud grok 竞争格局并不清晰。
你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 那样有非常强网络效应的商业模式。
它就是一个一对一的分发，但就是它的先发优势以及更好的用户体验，让这个产品有更强的粘性。
最近 OpenAI 它完成了5000亿的融资。
那我们看到媒体报道说它收入预测2030年是有2000亿的收入。
但是现在烧钱还是非常的多啊，能不能给我们讲讲你们对于它的商业模式是怎么思考的？
对，首先像你说的 OpenAI 包括 anthropic 的数字，其实媒体都有报道了七七八八，所以我今天说的所有数字都是用媒体披露的。
那这个商业模式的本质非常的简单暴力。
它成本的大头就是用卡，其中又包括 Inference 包括 Training 啊，然后训练的成本呢，大概是按照 skating law 就是每年可能上涨10倍这样子。
所以如果你上一年的训练成本为一的话。
你第二年大概是能以2这个收入去收回上一年的训练成本。
但同时你需要减去10，也就是你新的这一代模型的训练成本。
所以就是一个很简单的，你加2减10，你就变成了一个负8。
大模型这个商业模式本质是一个负向滚雪球。
每一年都会比上一年的现金流烧的更多。
如果说有一天现金流能翻正的话，那从逻辑上就只有两个可能。
要么就是你第二年的收入不再是前一年训练成本的两倍，而是一个更大的数字。
要么就是你不再去烧一个新的十倍的模型，只有这两个可能性。
这个 unprofit 的 ceo Dario 也讲过这个逻辑，他又把后者就是烧钱停止这件事情做了细分。
他说烧钱停止又有两个可能性。
要么就是你到了一个物理限制了，模型太大了，你纯从一个训练的角度，你训不动了，或者说你要把全世界的钱都烧进去。
那第二个可能性呢，就是说模型的大小本身还可以，但是因为 Skilling Law 变慢了，所以你不值得再烧一个十倍这么大的模型了。
那在结束的这个时间点，其实非常有暴力美学。
这个公司的利润表会非常好看，因为就像我们刚才举的最简单的这个例子，你加2，但你不减10了嘛，所以就是一个非常简单的数学问题。
所以那个 Skinny Love 消失对于投资人来说还是个好事是吧？
从算术上来看。
对，在那个时间点，投资人会看到他们最想看到的这个利润率。
OpenAI 确实是很神奇的商业模式，在科技领域本身其实很少有资本密集型的业务。
但也不是没有发生过，比如说 Netflix。
Netflix 的现金流前几年都是负的，而且也是负向滚雪球，每年都比前几前一年负的更多。
因为 Netflix 也是，你前期要花很多的钱去拍剧做内容，而且它的那个内容其实也是有折旧的，也是4年的一个折旧摊销。
所以如果你细想，很多地方跟数据中心还挺像的。
那现金流上，Netflix 最惨的是在19年，是负的30亿。
然后非常有意思的就是在2020年它现金流突然大幅翻正到20亿，这个涨幅非常迅猛。
然后你去看为什么？
就是因为疫情了，所以大家不能再出来拍电影、拍电视剧了，所以你叫内容成本或者叫训练成本就没有了。
所以就是用最直白的话说，啊，你烧钱的东西，只有在不烧了那一天，才真正会有现金流。
这个就是模型公司的本质。
但是像 Netflix 这种内容平台，它如果嗯不投入做内容的话，品牌优势是会消失的。
你想迪士尼也不可能不做内容啊。
对，我觉得你说的是对的。
但 Netflix 它也不是现在完全没有内容投入，只是它这个增长的幅度下来了，不像它前期在冲用户数的时候，需要扩张内容扩张那么猛了。
现在全世界它应该有超过3个亿的订阅用户，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，但就是训练成本不再像现在每年几倍的增加，对于公司的利润率来讲就足够了。
OK，之前确实没有听说过把 Netflix 去和 OpenAI 对比。
那你觉得这个行业的格局未来会类似于流媒体吗？
内容是没有排他性的，所以媒体本身竞争格局都比较分散。
你看 YouTube Netflix 像你刚才讲的迪士尼，每个人可能都是个位数的一个市场份额，因为内容上来讲并不是一个完全商业化的内容。
就像我们不同的剧要在不同的平台去追，而拆报你会希望一家能记下你所有的内容。
GPT 目前来看我觉得会更像搜索的格局。
就是市场集中度很高，就是谷歌和微软的 Bing 这两家搜索占领整个市场，然后用户去选择自己更喜欢用的。
对于 OpenAI 来说，现在除了 ChatGPT 还有什么其他的收入吗？
它的收入结构是什么样的呀？
媒体有报道出来，它有四条收入。
第一条肯定是 ChatGPT 占超过70%，里面也包括企业的 GPT 那第二条就是 API 你今天来比较的话，OpenAI 的 API 能对应，呃，Propy 收入的一半。
然后但是中期长期，Andreessen Horowitz 自己是预测自己的这个增速要快很多，能达到 OpenAI API 收入的5倍甚至更多。
第三条线就是 Agent 包括它和软银的合作也放到里面，然后就是一些新产品。
今天的市场上大部分讨论都集中在 GPT 但公司自己预测其实是后两条线会增长更快，未来占比更大。
纯看 GPT 的话，也可以看到一个3个亿的订阅，因为 Netflix 就是这么一个数值，然后每个月有30块钱，那这个就是一个差不多1000亿的体量。
另外就是大家都在讨论，To C 的 GPT 把它当成一个纯面向消费者的公司在看。
但普通投资人可能看不到，就是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的用户之一，我用 GPT 连上了我公司的邮件、Slack 我公司内部系统。
这个协同起来是非常好用，想象空间很大的。
因为美国本来就是有很大的企业市场，中国不是这个概念。
那报道出来的公司说年底有200亿的年化收入，对应今年是130亿的收入。
很多人说 OpenAI 想做一个超级入口。
对，它其实是希望其他所有的应用程序都能在它上面构建。
那在消费端而言，啊，可能就会让这个拆包去做，帮我买个东西或者叫个 Uber。
那这里面现在有两个就现有的问题。
一个就是还是存在一个登录的问题，因为第三方网站会监测和屏蔽 A 证的登录。
另外一个就是商家本身会非常抵触，因为他都希望用户能直接来自己的平台，比如说亚马逊。
只有我人过去了，他才能在我买牙膏的时候推荐我买牙刷、买牙线，才能增加销售额。
而且亚马逊今天有超过700亿的广告收入。
如果换成 Agent 去购买了，那它这个广告收入还收不收的上来也是问题。
但你看在企业端，其实反而会好很多。
谷歌和 OpenAI 这么竞争的关系，谷歌的整个办公套件都很容易的让 OpenAI 直接调用。
因为软件的收费模式简单很多，就是只要这个用户还在付费，他们其实并不在乎自己是不是啊，我们叫 top of the funnel 就是是不是获客漏斗的最上层。
所以这个算一个非共识吧，就是我觉得 OpenAI 企业端作为超级入口，可能发展会非常快，有非常大的想象空间。
我看 OpenAI 是不是还要开始卖广告了啊？
还有没有其他的什么变现方式？
对，它今天没有广告收入，但是广告这个逻辑太顺了。
它今天有超过8个亿的周活跃用户。
然后其中差不多50%是付费用户。
他完全可以跟用户讲，就是说如果你是一个免费用户，那我肯定要赚钱，所以我会通过广告。
比如说我搜索跑步鞋，如果我是免费用户，我可能会看到耐克的广告。
如果我是付费用户，GPT 会向我保证，就是它的结果是绝对公允的。
所以会看到很多其他小众的品牌，广告本身上量会上的非常的快。
然后另外一个我觉得比较有意思的业务模式是云。
Sam Altman 也有讲，就是他业务非常自然的一个延展，就是云这块业务。
因为如果你回想亚马逊 AWS 是怎么起来的，其实也就是它自己先建数据中心给自己用，然后发现它并不能完全控制它对数据中心的使用率。
因为数据中心本身又是一个非常看重使用率的一个商业模式嘛，所以就是有点随手的事情，就可能在自己不是那么需要的时候，把这个云租出去，慢慢的就成了一个很大的一个业务。
GPU 这一波我觉得也会是一样的，所以云在美国的竞争格局，我觉得会有挺大的改变的。
你觉得 OpenAI 和其他的模型公司今天的竞争是一个什么样的状态啊？
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。
谷歌的站位实在是太好了，就是一个完美的梯形。
它横向有面向消费者的搜索、 YouTube。
有面向企业的这个 Workspace，就它的办公套件。
纵向从云一直延伸到自己的芯片。
那今天 gemini 有6.5亿月活，然后 GPT 有超过10个亿。
谷歌对 OpenAI 的价格战，我觉得有几个角度都可以打。
第一就是绝对价格，因为谷歌用 TPU 纵向整合，所以同样的模型，它能做到的利润率应该比 OpenAI 要高很多。
第二就是捆绑销售，就是很经典的销售模式。
比如说现在我就是20块钱每个月的这个 YouTube 定位用户，他完全可以说加一个10块钱。
给我 Gemini 只要你捆绑起来是很容易产生更高的利润的。
所以最近 Gemini 对 OpenAI 的用户时长有一定的冲击。
我觉得中长期可能比较合理的就是谷歌去吃下一个中低端的市场，比如说20块钱每个月的订阅水平，然后把高端的几百块钱，甚至之后几千块钱一个月订阅市场留给 GPT。
但是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。
因为你去细想，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，是因为大家今天还是把 GPT 当成一个大型的 Wikipedia 在使用，用它来做研究，问它天为什么是蓝的。
那这些问答本身，谷歌也是不变现的。
但是比如说保险，比如说律所，这些都是谷歌今天最大的广告商。
比如说我买车险，我今天可能 Google 一下，然后选择最上面的广告位，可能就是 Geico 这个公司。
但是这个问题本身太适合去问 GPT 了。
GPT 会给我一通比较，然后我选择出最适合自己的。
那这个里面呢，GPT 很可能已经有我的历史，比如说知道我开车开得很差。
所以会定制一个最适合我的。
那你等 GPT 开始做广告，你等它这个月开始做啊，ecommerce 电商，这个格局我觉得是会改变的。
所以往大了说，每年美国的广告收入就这么多。
那今天是谷歌和 Meta 垄断这个市场，那如果 OpenAI 想卖广告，那就得从这两家出。
所以我总结来说的话，就是 OpenAI 来自谷歌的竞争确实是存在的。
但是谷歌面临的威胁，我觉得也是同样真实的。
这个很有意思啊，OpenAI刚出的时候，ChatGPT刚出的时候，都说这个要取代 Google，谷歌怎么突然格局就变好了？
我看巴菲特也买了。
对。
主要就是模型能力上来了，以及大家发现它搜索广告目前还没有掉这个份额。
那模型能力这块也很有意思，我听说内部是找到了优秀研究员的正确打开方式。
就是他把激励制度都绑定到这个模型榜单上，就是谁能刷榜刷上去，谁就升职加薪。
所以非常适合谷歌这些年的学霸文化。
然后江湖也有传言，就是 Noam Shazeer 这个人，就是之前 Character AI 的创始人。
在他回到谷歌之后，说是徒手改了一个 bug 从此 gemini 的 pre-training 就好用了。
gemini 3出来也发现证明这个 pre-training 没有撞墙，所以整个趋势都在持续变好。
那肯定是一个价值好几亿的 bug。
对，这个这个是一个天才研究员的世界。
我觉得，Noam 这个人去做这个这个研究员，比他当时做一个 To C 公司的 CEO 可能也合适太多了。
谷歌搜索的格局，你觉得会有变化吗？
变化太大了。
一度我其实很担心，就是 OpenAI 没办法做搜索这件事情，因为谷歌不给他用谷歌的搜索 API，而谷歌的搜索又是，对吧，最好用的这个 API。
但是这一年用 OpenAI 或者用 Perplexity 用下来，我发现它们的搜索效果都非常好。
因为我觉得搜索的护城河这件事情可能已经彻底改变了。
就是之前谷歌搜索确实是压倒性的好用。
这个好用是因为我作为一个人，我总能在最上面的两三条里面找到我最想要的信息。
这个便捷对人是最重要的，那第二页或者第三页的结果是完全没人看的。
但是现在你用模型去做搜索。
这个模型本身它非常的不辞辛苦，它能一秒钟翻个几十页，直到找出最符合问题的这个信息。
所以你用 Bing 或者说用自己的搜索引擎，可能都不是很大的差别。
我觉得这件事情非常大，因为搜索这个护城河就彻底的改变了。
你怎么看待 OpenAI 的管理层啊？
Sam 不是技术背景，但他能做一号位，而且员工对他还是很服气的，这个本身就挺有意思的。
我聊下来，我觉得员工都很信任他，也非常感谢 Sam 带领员工去致富。
然后另外一点，我觉得一定要给 Sam credit 就是他真的是最早在这个市场上去相信 AGI 的。
这个是他引领了市场。
最近大家也都听到了1.4万亿这么一个数字。
其实他本意是很聪明的，就是因为 AI 很烧钱，所以他想把这一条线的公司都绑在一起。
但是我觉得它时间线上可能一下拉的太远了，数字太大了，吓到市场了。
可能它如果只指引之后一年两年的支出，效果可能会好很多。
但是我觉得给一点时间，市场会慢慢会慢慢消化的。
OpenAI 是不是最近这几年回报最好的投资啊？
你觉得？
这里面有一个概念，就是我们从媒体报道上看到的，不管是300亿还是5000亿，说的都是估值。
但投资人实打实拿到的是每股的股价。
那这个里面，OpenAI 从300亿到5000亿，它每股的这个股价并不是涨了接近20倍，而是涨了6倍，因为股权的稀释非常严重。
那你怎么看 OpenAI 最近的一系列上市的操作？
我觉得这个非常的合理，而且最近 OpenAI 和微软把股权终于转清楚了，这件事情很重要。
像比如媒体报道出来说2027年，OpenAI 可能有一个1万亿市值的这么一个 IPO 大概对应它收入预测是10倍的这个这个 valuation。
所以只要他收入能做到，这个估值是很合理的。
那我们开玩笑说，就是在美国波士顿，可能有一条街都是很大的基金，包括 Fidelity 啊什么的，每个人出个100亿。
这个1000亿的 IPO 就出来了。
我知道媒体上很多人在说说啊，就在等 OpenAI 上市啦，上市就是泡沫，就是顶峰了。
我觉得没有那么刻舟求剑，因为就算是你看到上一波互联网。
像网景通信，就是 Netscape，它上市的时候，其实是95年。
那之后确实是泡沫越吹越大，但是破裂也是5年之后的事情了。
国内在这波 AI 浪潮里面，经常会说一个词叫 club deal 俱乐部交易。
所以现在像 OpenAI 它不仅是在一级市场 club deal 它也要去二级市场 club deal 大家一起来攒钱投。
对。
不仅是大家一起存钱，而是大家都非常愿意把钱放到这个 AI 的领军公司里面，因为你离这个整个 AI 的应用呃就是最近的。
感觉在 AI 浪潮里面，公司更加聚集了。
对，因为 AI 本身是很烧钱的这么一个业务，所以这个钱只会烧在几个大公司上面。
那说了 OpenAI 我们也聊聊 Anthropic 吧，这两个公司在你的观察中有什么异同？
首先就是业务不一样，一个是土 c 一个更偏向土 b。
Unpropaganda 超过80%的收入都是 To B 的业务。
从用户粘性上来看，其实都很好。
这两个公司我们都有叫这个微笑曲线，就是可能一开始用户存留会下去一点，但是之后发现都会再回来的。
而且新用户也比老用户同期的存留率要更高，所以这方面是没有任何问题的。
再有就是媒体应该也有爆出来，就是 Unproper 的利润率增长非常的快。
也就是在一年之内，他从大概收入一块钱，然后能亏两块钱这个水平，到今年底他能做到跟 OpenAI 差不多的毛利率。
所以这里面他是做了很多功课的。
也是给我挺大的一个震撼，就是他对自己的毛利率的掌控是很大的。
他从不管是模型架构，还是他叫 Auto Scaling 包括优化，都做得非常快，非常到位。
所以现在整体对模型公司，我觉得毛利率这块是没有任何必要担心的，长期都会是百分之七八十。
你从增长的角度来看。
这两个是一个追赶的一个状态。
从一个亿到十个亿收入这个阶段，OpenAI 涨得非常的快，用了不到两个季度。
然后，Anthropic 可能用了四五个季度吧。
但是从10个亿往上是反过来的。
Unproper 年化收入从10到70个亿就用了不到10个月。
那最近这几个月，两个公司每个月增加了年化收入，其实数量上是差不多的。
Unprofit 的产品路线也挺清晰的。
一个就是去选择几个比较大、比较有利润空间的垂类，包括 coding 包括 finance 呃，像 CLO finance 就是一个非常好用的这么一个产品。
它也做了一些关于生命科学、关于法律的一些垂类。
另外一个方面就是，它试图做出最好用的模型给 Agent 用。
包括它今年的这个叫 Class Skills，就是一个迷你的 Agent 系统。
Anthropic 媒体报道出来的现金流是不是要比 OpenAI 要好呀？
我听说他们花在训练的钱要有效率很多。
我还是回到刚才讲的大模型的商业模式，就是你抛开商业模式去看公司的现金流，我觉得没有任何意义。
这两家模型的财务预测非常有意思。
Unpropit 就是假设它自己的总算力在28年之后没有再增长，所以是靠我们刚才说的第二个点，就是训练成本不再迅猛增长，把利润率拉升上去的。
然后，Improve 你去细看的话，它其实是在假设模型的 ROI 这个回报率逐年提升。
对应我们说的是第一点，就是不再是一块钱收回两块钱，而是一块钱能第二年收回比如五块钱，是靠这个去拉上去自己利润率的。
所以并不是 Improve 花的少。
而是它假设了更高的回报率。
当然这个预测本身我觉得就很有意思，值得去细想，就是为什么两个公司做出了两个方向的假设。
你觉得另外几家模型公司，你看他们有什么进展吗？
比如说都是从 OpenAI 出来的伊利亚的 SSSI 和 MIRROR 做的 Thinking Machines Lab 对，啊，首先有一个很重要的事情，就是现在根本就不止这两三家了。
最近几个月有出来小10家新的模型公司在融资，我们叫他们 Neo Labs，就像 Neo Cloud 一样，都是很多都是学术背景的人出来做的，融资金额都很大，都是10亿以上。
其实我自己也没有特别想清楚，就我不知道之后会不会有一个时间点。
大家会觉得大模型其实也就会收敛到头部的一两家，然后剩下的就会放弃自己去做训练，而是去拥抱开源模型。
回到你刚刚提到的这几家，也是大家比较熟悉的名字。
像伊列的 SSI 就是，听说是在做 continuous learning 就是持续学习。
然后，Mira 的这一家，他们刚刚 launch 了自己第一个产品，叫 Thinker 就是去帮用户定制训练开源模型。
我也在想，就是如果投这个的背后，其实就是在 bet 开源市场的规模越来越大。
我看这些模型公司都在融资啊，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。
但是我也说实话，其实都会去和 OpenAI 做一个比对。
比如说今天的 OpenAI 是5000个亿。
那其他模型公司来融资的时候，投资人都会对标说这个公司值不值多少百分比的 OpenAI 所以说回来，今天市场上最重要的公司标杆还是 OpenAI 对，肯定的，我觉得一级二级市场最重要的标杆就是这个公司。
说完了 OpenAI 和 Anthropic 很多人让我问你们，Robinhood 的这个票，嗯，这是你们在二级市场的一个很重要的投资。
你们当时是怎么看懂这个股票的呀？
能不能讲讲你们当时投资 Robinhood 是看到了什么？
为什么下这个判断？
对，Robinhood 这公司很有意思，是今年标普500排名第一的个股，今年也圈了很多粉。
但是你真的看懂这个业务，本质上，Robinhood 的商业模式是很差的，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。
很多人炒股都是这样的经验，就是牛市一通操作猛如虎，然后熊市趴着不动。
它的是交易收入就是交易额乘以佣金率，然后交易额本身和市场活跃程度是正相关的。
但这里面有几个点是它能去控制，能去做的。
那第一点也是最容易想到的就是多元化，就不再只是有交易收入。
所以你看 Robinhood 非常积极的去做银行，去做这个叫 prediction market 预测市场，去做财富管理，去做国际市场。
它现在已经有超过11条线的业务，有超过一个亿的收入，而且这个还会继续增加。
那第二，它能做的就是去抢占市场份额。
就是市场的强周期性是你没有办法控制的，但是你可以通过去抢份额，去平滑这个周期性。
第三就是定价权。
比如 Robinhood 在加密这块，它在三年之内从10个点的佣金已经涨到了60个点，也就是自己去控制自己的命运。
当然还有很重要的就是成本端，因为投资人最在乎的是利润的增长。
所以如果你收入有波动。
但是你成本端能很好的去配合收入端的波动，也还可以忍。
那反例就是2022年的 Meta，就是收入下跌，成本暴涨，所以现金流被砍了一半。
你看 Robinhood 的运营成本，从22年开始就是零增长，一条水平线，控制的非常好。
我觉得只有理解到这个程度，才能明白 Robinhood 的发力的方向，才算真的看懂了这个公司。
所以它不是牛市买券商的那个逻辑。
很多人这么说，我觉得投资挺重要的就是要对自己诚实，知道自己赚的是什么钱。
是贝塔还是阿尔法？
可能最简单的就是你把 Coinbase 的股价和比特币去做一个回归，你会发现从22年开始，Coinbase 相对于比特币是没有任何阿尔法的。
所以如果说你判断有一个加密周期的牛市来了，那你不如去买比特币，这就是我们说的市场的贝塔。
但是你把 Robinhood 同样做一个回归，你会发现不管它是相对于比特币的价格，还是相对于纳斯达克指数，都是有非常强的 alpha 的，所以是走出了不一样的路径。
你怎么看这个公司的增长性？
美国很明显一代人有一代人的账户，像60岁以上的婴儿潮这代人就是用嘉信理财，45岁这个年龄层用的都是 Etrade Robinhood 的用户平均年龄是30多岁。
这个就是美国新一代中年人和年轻人的账户。
他公司的模式你可以简单的想象成是一个漏斗，就是只要钱能进到他这里，他就能通过让你做一系列的交易产生收入。
所以最重要的就是增加每个用户的平均资产。
那今天 robinhood 上用户平均有1万块钱的资产，嘉信理财或者叫 IBKR 都是15万以上。
那 Robinhood 的用户今天的平均年龄是34岁。
这个很重要，因为在美国35岁是一个财富的重要的分水岭。
35~40岁的人相比之前的5年，其实会有一个3倍的平均财富的这个增长。
那这个增长会在55岁达到高峰。
所以今天 Robinhood 就算什么都不做，其实它也会有很自然的资产的增长。
交易账户只是它的一个起步，随着这些用户步入中年，开始有积蓄，那很自然的就会有理财的需求。
所以你看，嘉信理财有超过60%的收入都是从财富管理那边来的，然后也很自然的会有这个存储的这个需求。
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。
那这里面 Robinhood 非常会互联网这一套打法，就是增加用户的活跃度。
比如说我同时有 Robinhood 和 Coinbase 两张信用卡，很明显就是 Coinbase 会有很多拉新活动、奖励机制。
让我不停的去回到它的 APP 去看。
而 Coinbase 我可能最多一个月看一次。
所以大方向上来讲，Robinhood 就是下一个加薪理财。
你们是今年初买的吧？
是买了一次还是买了几次啊？
能不能讲讲你们具体的一些操作？
对，是年初也买了多次。
我印象非常深，就当时股价跌的也很，非常狠，然后市场也很差。
但我觉得这个业务就是被低估了。
当时的 Coinbase 有超过1000亿的市值。
然后 Robinhood 是300亿，Coinbase 是在跌份额、掉价格，然后 Robinhood 是执行能力很强，然后到处抢份额。
这个故事并没有被市场看到，大家觉得他们两个都差不多，都是贝塔。
所以当时也是顶着很大的压力，想着今年可能是个熊市了，但依然买了 Robinhood。
这就是大家说的啊，别人恐惧的时候你贪婪。
那今年它已经涨了接近3倍，往后你怎么看这个公司呢？
是不是已经不便宜了呀？
对，是不便宜了，但是这个也是。
最有机会能成为叫一站式金融应用的公司。
这个公司挺有意思的，它一直有一种为普通人平权的这个使命感。
很多普通人第一次拿到 IPO 的份额，都是通过 Robinhood 我还很看好它一个方向，就是他们的 VC 基金。
像 VC 这样的另类资产，在美国有超过十万亿的规模，有很多好公司，比如我们刚才说的 OpenAI SpaceX 机构都拿在手上，但是普通人你是完全接触不到，买不到的。
所以如果 Robinhood 能搞出一个 VC 基金，里面有所有我们耳熟能详的大公司的股份，然后收费，我去类比 ARK。
就是木头姐的公司，收一个2%、3%，任何人都能认购，那这个需求会是巨大的。
我觉得做到上百亿也不奇怪。
他们的主要业务是在美国吗？
对，但其实也不止，它今年非常巧妙地进入了欧洲市场，用的是现在最火的这个概念叫 tokenization 就是代币化。
欧洲有几十个小国家，每个都有自己的监管，如果我一个一个去拿牌照，就需要可能一两年的时间，但是代币化就一下在整个欧洲能直接铺开，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，他动作非常的快。
就是你看他一年的产品的产出量，可能能是别人5~10年那么多，完全不夸张。
然后创始人的性格也挺有意思的。
比如说，Coinbase 的创始人，我们就叫他乖小孩。
他创业的第一天就强调，我一定要合规。
所以我觉得他到今天，他的运营成本砍不下来，合规可能占挺大一块的。
Robinhood 这个创始人叫，Vlad，他就比较像一个坏小孩似的，他非常的有冲劲，非常的敢想敢干。
然后他这种性格也让他和公众沟通的时候非常的有张力，散户非常喜欢他。
像我跟他接触比较多，他会很真诚的问我，就是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，他会问哪些是别人做的比他今天好的。
就这个学习能力以及这个热情，我觉得是很难得的。
然后他这个人也很神奇，他也同时非常的 aggressive 很强势。
只要是他想拿下的市场和业务，他会非常激进的去抢。
所以我自己也跟他就是学习了很多。
现在硅谷的资本是更喜欢乖小孩还是坏小孩？
硅谷肯定还是会喜欢这种 founder led 啊就是创始人还是一号位，然后敢于打破常规的这种坏小孩。
Robinhood 这个产品速度，它背后是怎么支撑的呀？
这块还挺少有媒体报道的，但其实 Robinhood 在2022年的时候几乎是。
重新做了一遍这个公司，彻底改变了它的组织架构。
它之前是非常中央化的，然后它改成了叫 Single GM 这个结构，就是每一个业务单元都有自己独立的架构，包括独立的 PM Developer CFO HR 所以是他非常努力的去赋能每一个业务单元去疯狂的创新出产品。
这种 Single GM 的组织结构可能更有利于不同的产品同时涌现出来。
说到散户，这两年我们也越来越多地听到了散户的声音。
那疫情的时候有 Wall Street Bets 到后面很多公司都叫散户票，你觉得这是一个可持续的现象吗？
散户到今天我觉得已经很大了，你看一些期权上面超过百分之八九十都是散户在操作。
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面，我觉得市场是一个很混沌的一个体系，每个人都是各玩各的，做自己觉得能赚钱的事情。
但是你最终这个股价的表现是一个合力的结果。
所以去知道，去了解这些重要的市场组成部分怎么运营是非常重要的。
Twitter 上面其实有很多散户，然后很多股票你最终会发现能追回到一两个这种 kol 他们就像一个部落一样。
比如说有的人大家叫他的 Robinhood guy 有的人叫的 Palantir guy 我和很多这些 kol 线下很熟，也会去了解。
比如说散户喜欢什么类型特定的股票，然后他们的交易体系是什么样的。
我觉得这个本身就挺有意思的。
而且我敢说，比如 Robinhood 和 Palantir 这两个票。
散户的研究程度是完爆机构的。
在他们身上我看到的是那种非常纯粹的对投资的热爱。
所以一个选股思路就是去找这种散户喜欢，但是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。
那说到这个零和博弈的典型，在美股这几年就是软件股，里面几乎没有散户，全都是 hedge fund，没有任何长期的钱，就是短线的博弈。
所以股价上下30%就充满了痛苦。
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，这个颠覆性代表了什么呀？
你们怎么定义它？
这个范围非常广，就是你往大了说呢，其实科技投资就是去寻找这些可持续增长的公司，然后这些公司通常都具有颠覆性，比如刚才讲了很多的这个 Robinhood OpenAI 包括拼多多、 TikTok。
甚至英伟达、 Netflix 这些公司，它最初刚出来的时候都会被视为非常的不合常理。
比如说 Robinhood 是0佣金，然后 OpenAI 疯狂烧钱。
然后 Netflix 是彻底改变了 DVD 的租赁模式，都各有各的奇特，但最终它们都颠覆了市场。
这种颠覆性的公司，在你来看来共性是什么？
总结下来有几点吧。
第一就是巨大的 TAM 市场规模。
比如说 Robinhood 它是要做整个金融行业的超级应用。
第二就是产品要完美，不管你是 Google Netflix GPT。
它最好的产品是不需要销售的，在很长一段时间之内都能保持极高的增长率。
第三就是我们通常回头看的时候都会说天时地利人和，就是你觉得好像会注定在那个时间点出现这么一个颠覆者。
比如说智能手机带宽到一定程度，就诞生了短视频，包括 TikTok 那摩尔定律终结， GPU 就推动了 AI 然后下沉市场的空白造就了当年异军突起的拼多多，其实每一个都有一点宿命感的感觉。
你现在有发现什么新的有趣的物种吗？
新物种，当然我们这个不作为投资的建议啊。
今年看起来可能最有意思的就是 prediction market 就是预测市场。
大家可能也听过叫 Kelsey poly market 我因为本来看 Robinhood 所以最早发现这块量上的非常的猛。
像 Kelsey 这么一个预测市场，它最新的交易额。
已经超过了600亿，那季度环比都是超过100%的，是非常典型的新物种野蛮增长。
那这个预测市场上面，大家可以用一两块钱去压住一切事件。
你可以压住美国大选谁是总统，你可以去压特斯拉的财报是不是会超预期，甚至还有人在那预测说 Taylor Swift 会不会怀怀孕，是一个很百花齐放的一个状态。
它绝对不是一个小众市场。
你看 Bloomberg 或者 Google Finance 都已经接入了它的数据。
那回到刚刚讲的，我觉得这个行业的出现也充满了天时地利人和。
首先就是今天的美国主流媒体信誉危机非常严重，然后又因为这两年不管是疫情啊、关税啊。
时局非常的动荡，民众都很想知道到底什么是真相。
而且这个世界上似乎总是有人知道一点什么，比如说谷歌的这个 Gemini 3，就是哪天能出来。
Polymarket 上最早的就有人下注了11月18号，就精准到天。
然后另外就是预测市场在全美国都是合法的，而你到今天，在加州、德州很多地方，连体育博彩都是不允许的。
那当然还有就是这届政府在监管上比较宽松。
所以， Prediction Market 正好可以趁机把量做上去。
所以可以说是呃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 的应用啊，还没说到自动驾驶和机器人。
今年对这两个赛道有没有什么新的想法？
今年最大的惊喜是 Waymo 它的执行能力和速度都非常的超预期。
它现在在五个区，五个区域运营，然后马上就有十几个城市已经可以上高速了。
我去观察它开城的速度也在明显加速。
三藩用了差不多5年，然后奥斯汀用了不到2年，硅谷这边半年就开出来了，而且成本并不高，大概就是几千万美金能开一个新城市。
它今天有2500辆车在路上。
年化收入算下来可能有小8个亿。
我觉得明后年它的上量会非常非常快，因为和它合作的这个韩国现代车企，在美国的佐治亚州已经有了现成的工厂。
你去看这个工厂是可以10万量级量产的。
等这个量上去，我觉得对整个交通行业都会有很大的影响。
你今天 Waymo 和 Uber 的价格差不多。
但是等你量产，然后 bomb cost 就是物料成本下来之后，对 Uber 这种业务，我觉得会有挺大影响的。
今天 Waymo 在三藩其实已经盈利了。
最大的成本就是折旧。
我如果假设它整车是17万的这个这个总价格的话，按照4年的折旧，其他的主要成本包括它的这个远程安全员运营，还有些保险费用。
我把它们都加上，都算下来，今天也是盈利的。
我看 Uber 和 Waymo 也是合作的关系。
今天 Waymo 和所有人都是合作的关系，包括 Uber 包括租车公司，包括车队运营管理公司。
但是我也会去思考，就是本质上，Waymo 到底需要的是什么？
它肯定需要人去做清洁、做维护、做充电。
它也需要有现成的地方停车。
但 Uber 并不是一个劳动密集型的公司，就是运营这个生意，其实最适合的就是 Avis 租车公司。
或者就是专业的车队运营团队。
那当然，Waymo 自己需要解决的就是它怎么去平衡这个峰值和低谷的需求。
Uber 做这个很合适，因为它轻资产，它可以通过调节一下价格去做车队的调配。
但是 Waymo 在需求低谷的时候，它车队会闲置，这个就比较会影响利润。
特斯拉和 Waymo 这两个你是怎么比较的呀？
哪个会是长期的赢家？
Waymo 和特斯拉这两个，一个有硬件问题，一个有软件问题。
Waymo 现在是硬件问题，也就是一个商业模式问题。
它硬件成本肯定会下来，但是问题是能下来多少？
比如我把它拆开来，看它车子和传感器分别都是七八万块钱，然后车里面的芯片大概两三万。
成本减下来也需要一个过程。
而且怎么减也应该减不到特斯拉就是3万块钱这个价格。
所以 Waymo 的长期的命运呃很大程度要看特斯拉能不能成功。
然后特斯拉是没有任何硬件的问题，可以随便量产，要多少有多少。
但它的问题在于软件，就是伊朗十年前吹的牛，说纯视觉，不用激光雷达。
到今天，这个在 Robot Taxi 上面还没有真正的证明自己。
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，收敛的非常快。
自动驾驶这个市场其实非常大，美国人每年开车大概是3万亿英里这样，你假设每英里一块钱，那这个就是一个3000亿每年的一个市场。
那一块钱其实对用户会非常有吸引力，因为你对应 Uber 大概是接近3块钱每英里的价格。
所以只要安全，自动驾驶这个市场是不存在任何需求问题的。
那这个我也让 GPT 帮我算过，就是在美国前十大城市，如果我想拿到10%的市场份额，大概需要多少台 Robot Taxi？
那他算出来大概是需要一两万，是一个其实很小的数字，因为美国今今今天这个 Uber 可能有超过300万台吧。
自动驾驶真的大规模实现之后，我觉得很多行业的格局都会变，比如说交通，啊，甚至说房地产，因为大家会住得更加分散。
因为模型你要运营在端侧，有 latency 就是延迟的这么一个考量。
比如说这个模型，他看到 stop sign 他并不是真的理解 stop 是停车的意思，他单纯的只是去模仿人类开车。
人类通常在长，在看到长的这样的标志面前会停下来，所以它也停下来。
但是它并不是一个真正的去理解这个世界。
有一点点死记硬背，很多的叫 overfit。
所以你看网上也有这种视频，就是如果你把停车这个标志穿在人的身上，有的模型也会在人的面前停下来。
所以我其实最近的思考是，这种垂类小模型和大模型的路线到底会怎么演变？
我们是不是还是需要真正的智能，一个比较通用的大模型去理解驾驶的规则，而不是说去记住，去模仿，才能真正解决一切的这个 corner case 就边缘案例。
在其他的垂类其实都发生了，包括呃图像、视频、编程。
那通用模型就是会比垂类的小模型效果更好。
所以我自己会好奇，会想看一看大模型公司怎么去做自动驾驶这件事情，然后 Latency 能不能被啊解决？
机器人这一块呢？
这几年美国的发展怎么样？
是非常火的赛道，很多 VC 我觉得说实话都在闭眼投。
我觉得这个行业啊就是 local motion 或者说下半身基本算是解决了，那机器人能跑能跳能做很多基本的动作。
但是 manipulation 就是上半身的操作，目前还差的比较多。
那几年下来，其实我自己也很发愁，因为我觉得路径上还是没有一个共识。
比如硬件上，到底我们是要人形还是四足？
如果是人形，人形长什么样子？
那数据上，呃，这边有的人只用真实世界的数据，有的人只用模拟，有的人混合起来用，所以也是没有共识。
但是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的。
比如说共识越来越收敛到啊觉得应该硬件软件需要一体化去做训练，而不是只做一个模型层。
也有更多的人同意，就是住宅会是比工业更合适的一个落地场景。
那还是有更多的人从一个第一性的原理来看，战队人形机器人。
当然我觉得这个主要是因为老黄和伊朗在带队，但是我觉得整体还是太早了，感觉还是我们处在一个刚刚要从 Research 走到 Engineering 的一个阶段。
而且机器人这块实在是太缺数据了，而这里面就会有很多噪音。
这个就像十年前的自动驾驶，就当一个模型过于缺数据的时候，你给它喂任何的数据，都会觉得这个帮助很大。
但这个里面并不能线性外推，因为这个进程会比大家想的要慢。
然后作为投资人，我觉得说实话来讲很难去评估，因为机器人它不像大语言模型，好歹有一个榜单，我能看看模型的大小。
然后因为机器人今天的任务完成度都不高，所以我也没有办法去定性的去判断。
所以很多时候除了说这个赛道真的很大以外。
我觉得很难下手去下重注。
你觉机器人下一步会怎么发展？
或者叫所谓的机器人的 GPT moment 会是什么样的？
大概会在什么时候出现？
现在我觉得这个整个市场还非常的分散，非常的乱。
对，确实非常的乱。
我觉得比较乐观的来看是希望两三年之内有一个叫机器人的 GPT moment。
然后这个就的定义就是说在 manipulation 就是上半身的这个手的动作上面，机器人能做一些通用的动作，包括叠衣服、收东西、放洗碗机这些最简单的动作先做起来。
而且可能完成度都不会很高，但是慢慢从这里开始做。
明年挺重要也挺有意思的，因为有几家美国的机器人公司都会把产品卖到客户家里，那这里面包括 Onex 这家公司。
我自己的预期其实打的还是比较低。
我觉得市场一定是要先解决自动驾驶，再解决机器人。
机器人这边硬件和数据都还远远不到位。
自动驾驶好歹我们都知道车是什么形态，对吧？
机器人还没有一个确定的形态，那数据的话也差的太远了。
这一块中美对比你怎么看？
我见了也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，中国的发展我觉得会非常好，而且会比美国有更多的玩家参与在里面，因为我们有数据。
但很多人不知道的是，美国这些油车的数据都是没有办法采集的。
因为很多数据都不联网，就算是联网的部分，它车身只有一个，最多两个摄像头，所以采出来的数据也是没法用的。
而中国就很不一样，因为我们经历了 EV 这一轮，大家技术都更新了，然后车身也都有很多摄像头，所以数据是不缺的。
所以比较期待中国在这方面的发展。
那机器人就是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。
开头其实你也提到说你是很少的在美国一线基金里的华人啊。
那你对于在美国的华人，不管是研究员还是投资人，你有什么建议吗？
更勇敢吧。
整体感觉硅谷硅谷这边挺公平的，比如说 Twitter 这个平台，我觉得很神奇。
就是他网站做得很烂，但是美国这些 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啊，你觉得这两边的投资逻辑会有明显的差异吗？
一个投资人能同时做好这个两边吗？
我觉得是有一定的不一样的逻辑的。
二级其实最好的投资都是非共识，VC 就是共识投资。
二级你追求的是叫 High risk High return，比如说22年的 Meta。
今年的 Google 都是非常高回报的反转的这个例子。
VC 其实追求的是共识，因为你每一轮都要烧非常多的钱。
其实你需要市场认可你的观点，一直和你一起支持你选中的公司。
这个过程可能要花很多年，所以是有一个共识和非共识的这么一个明显区别吧。
这两种投资关注的东西有明显的不同吗？
说到底，看的都是人、产品、市场这三点。
那早期 VC 会看人看得更多，那之后越来越多的会看市场。
但是经验来看，一个很优秀的创始人，哪怕他需要转型几次，也很少会真的搞砸。
比如说伊朗做过各种有的没的，但他从来没有亏过投资人一分钱。
所以他今天出来融资就一张纸，写的就是我融资过上百轮，没有让一个投资人亏过钱，这个就是他的底气。
那在看人的方面啊，每家基金会有不同的偏好或者 taste 吗？
审美会有些不一样。
我挑几个比较有意思的说吧。
有一个基金叫 Autos Venture，就是 Roblox 的大股东。
他们喜欢这种叫刺猬型人才。
刺猬一辈子都在挖洞，所以他们比较推崇巴菲特，就是那种创始人一辈子就做这一件他人生中最有热情的事情。
他们不喜欢那种到处找热点，管自己叫持续创业者的人。
然后另一家 VC 叫 Ribbit Capital，我非常喜欢。
他们喜欢这种叫 rebel 反叛者，就是带着坏小孩叛逆气质，想要跟这个世界大干一场的创业者。
这种人通常比较有爆发力，比如 Robinhood 的就是他们典型喜欢的团队。
还有一家叫 Hummer VC。
这家喜欢我叫哪吒型创始人，就创始人通常有很大的心理创伤，有一点我命由我不由天，要证明给全世界看，就是世界都错了。
像他们投的公司，比如叫 Crafton，还有几个游戏公司是比较典型的例子。
创始人都是那种死也不会卖公司去套现的人。
但是整体来讲，我觉得基金看人差别不会太大，优秀的人其实挺明显的，都能看出来。
美国基金在这个投资策略上，这些年有没有一些明显的？
变化或者走向。
有一个就是集中仓位下重注。
这里面也有一个投资的基本思路。
您肯定也听过，就是很多人说投资就是鸡蛋不能放在一个篮子里面，要分散风险。
但风险并不会因为你分散了就变小，市场要跌都是一起跌的。
所以卖出几十个仓位，就像是自己给自己买了一个大盘。
美国有一个投资人叫 Draper，我非常欣赏他，他会说最好的投资就是你把所有的鸡蛋都放到一个篮子里。
这个其实非常的反直觉。
但是你敢都放到一个篮子里面，你肯定是做了很多的研究，才敢下这个判断。
所以反而风险会比你半懂不懂乱投要低很多。
因为你只有一个篮子，你会花全部的精力去非常认真的看着你这个篮子和这个鸡蛋一起成长。
当然我说的是，如果你想产生超额的收益，如果只是追求比银行好一点百分之几的收益率，那我觉得直接买 SMP 就非常好了。
超额的收益几乎只能靠重仓、集中仓位去实现。
而且做久了也会发现世界上好公司真的不多，我能把几十只最好的公司研究透，交易做好，就足够了，我觉得没必要什么都看。
你觉得为什么会发生这个变化？
还是大家时间久了，然后通过看每一年的这个回报率总结出来的吧。
把鸡蛋放在一个篮子里面，这里面在近几年有没有一些成功的案例啊？
比较典型的。
比如 Ribbit Capital，就是21年的时候，Robinhood 应该是出了一点用户的事情。
然后 Ribbit 在24小时之内就放了5个亿进去，这一笔应该就翻了7倍不止。
然后就是卡瓦纳，有基金在10块钱的时候抄底，有可能30倍不止的收益。
然后就是22年的 Meta，23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，把量上够，都是超额收益。
像 Greenox 这个基金很有意思。
他会控制合伙人每周出去开会的数量。
我听说的是每个人不超过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，但其实很多基金的规模和结构让他不可能做到，因为基金大了之后。
组织架构就不可能灵活。
那每个合伙人每年都要做项目，但好的项目也根本没有那么多，所以这里又是一个反直觉，就是 VC 的回报率通常不会特别的高。
像我们跟踪了超过2000多只 VC 的回报数据。
其中只有200只能实现3倍以上的回报，然后有80只能实现超过5倍的回报。
而在这80只里面，最大的一只基金规模就是5亿美金。
而且你要去想五倍的净回报，因为 VC 是一个十年的投资期，也就是大概百分之十六十七的 IRR 那如果你是三倍的回报，那就是将将百分之十的这个这个回报率。
所以举一个具体的例子，就是如果你是一个200亿美元的基金，如果你想给 lp 有5倍的净回报，那你就需要向 lp 返还超过1000亿美金。
你假设你在退出的时候，你有10%的持股，我觉得这个已经很慷慨了，可能通常不到10%。
那就意味着需要1万亿美金的总的退出的规模。
那这个就相当于是过去五六年全美国 IPO 市值的总和，这个是根本不可能做到的。
哎，这个回报率比我们想的要低很多哈。
听上去是不是反而需要小而美？
对，这个总结是完全正确的。
我觉得除了共识和非共识，VC和二级的另外一个区别就是体量。
那 vc 基金想做好是没有办法上量的。
我们刚刚也举了这个200亿美金规模基金的这个这个例子。
但是二级的容量是无限的。
所以很多时候看到一个赛道或者一个机会，我觉得用二级市场去表达反而会容易很多。
而且钱不会被锁定十年。
像23年买英伟达，那个时候你去判断几十个大模型公司，哪个能成功，真的太难了。
但是你重仓英伟达就可以实现非常超额的收益。
你算上所有我们刚刚讲的股权稀释。
英伟达的回报是这里面最高的。
在美国一二级同时都做，成为一个新的趋势了吗？
我觉得有几家是一级二级两个基金都有，但是真的把两边结合的非常紧密，是同一个投资团队去看的，几乎没有。
对，一般是两个团队。
对，是非常分开的，就几乎就像两个基金一样。
哦，所以你们是一个团队，同时 cover 一级。
我们因为老板他把我们人员控制的非常的少，我们整个基金一共不到30个人。
然后投资团队人非常的少，所以他希望大家有两边的视角。
这个会带来一些投资的难点吗？
如果你同时投资一二级。
我觉得时间分配上肯定自己要做决定，而且说实话也比较辛苦。
但是确实两边会有很多，我们叫 synergies 就是因为你两边是都在都在看，所以会有像我们刚才讲的，不管是英伟达呀，还是一些具体的投资案例的这么一个。
一个一个帮助。
我们能不能把硅谷火的赛道给听众过一下？
你是怎么看的？
哪些是你比较看好的？
今年最火的肯定是编程。
投资里面我们有一个公开的秘密，就是说如果一个领域一年之内能创造出10个亿的年化收入，那这个领域不管你之前理解不理解，现在都必须投进去。
因为这个是市场在告诉你，这里面要产生世界级的公司。
这样的领域其实挺难遇到的，但是你看编程这一块，它一年之内就创造了超过50亿的年化收入，那这个重要程度是不言而喻的。
编程的话，你看年化收入，今天有4家超过6个亿。
在这个里面有 Cloud Code 和 OpenAI 的 Codex 占两个，都是在他们发布之后直线拉升，后来居上，斜率非常陡峭，在抢占市场。
我自己非常看好这个市场，但是我觉得里面的竞争才刚刚开始。
你刚刚看这个 Google 和 WenServer 他把编程就算是免费了，那这个对 Cursor 意味着什么？
所以竞争格局现在是比较难看清楚的。
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、企业软件，这个也很有意思，因为你上一轮软件的发展其实都是从一个通用，就是平行层软件开始做，然后再去做垂类。
但是现在创业感觉只有垂类这一种机会，因为通用这层被大模型吃掉了。
在这些垂类领域里面，我觉得编程也是最适合模型公司亲自去做的，它和其他垂类非常不一样，因为它不需要你特意的去采集。
具体领域的知识，它 go to market 也非常自然，不需要去雇佣一个团队的销售，所以模型公司做起来非常的顺手和合理。
那这个和金融啊、法律啊都很不一样。
视频领域我们之前也讨论了很多啊，你怎么看？
我自己非常看好视频领域。
首先就是很大，因为美国的媒体行业是一个超过8000亿的市场。
我判断视频会是 AI 和人类交流的一个重要载体，因为它是对大脑来说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，像之前 TikTok 做的事情就是匹配，让创造者产出视频。
然后再想办法匹配给用户，那优化的就是匹配这一个函数本身。
但现在视频第一次成了可以直接被优化的对象。
你可以随便设定目标函数，然后去强力优化。
比如说我们现在可以直接拿用户参与度当成目标去优化视频，或者把广告的点击率作为目标对它进行优化，这里面能做的太多了。
我判断这里面会出来百亿的大公司。
所以你看谷歌、 Meta 包括 Elon Musk 都要，就是重点搞这一块。
我看你写过一个Gentle Commerce的深度研究报告啊，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。
这个对整个互联网行业，我觉得有非常多的影响，包括广告、电商。
电子支付。
真的 commerce 就是这个 agent 替我去买东西。
比如我描述我想买一个面膜，然后 agent 就帮我一通推荐，然后最适合选出一个最适合我肤质的，然后帮我付钱。
真的想清楚的话，我觉得这个对大部分商家来说应该都会是噩梦，因为商家都非常希望用户。
直接来自己的网站，这样他才能多卖我一些他店里的东西。
我们叫 cross sell。
而且流量本身是很贵的。
比如说 booking 点 com，中国叫携程。
他交易额的一半都是谷歌帮他引流过来的。
很多人不知道他在这部分其实是零利润，是完全赚不到钱的，因为谷歌的广告费是很贵的。
长期， Agent 也一定会收费。
所以流量如果越来越靠 Agent 去引流，并不是任何商家想看到的。
那你再看亚马逊，它每年的广告收入能有接近1000亿。
广告收入，我们也叫眼球收入。
都是用户直接来他的网站去买东西，他才会有机会卖广告。
那这个里面也会有很大的变数。
所以我想来想去，我觉得这里面唯一受益的就是一些长尾的商家，因为之前他们花不起广告费，拿不到很多流量。
那现在 agent 可以很精准的，他可能翻阅了几十页的这个搜索结果，给我找出了最适合我的一款小众面膜。
而这些商家通常在 Shopee 上面开店。
支付行业刚刚说回来也会有很多变化。
今天很多人是用 PayPal 这种快捷支付按钮。
为什么我用它？
是因为它就是我的钱包，它存了我信用卡的信息，我不用自己输入。
而 PayPal 因为提供了便捷，所以它会收一个溢价。
但是到了 Agent 的时代， 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？
我觉得是一个挺严肃的问题。
所以，Agenda Commerce 不只是一个公司或者一个应用，它如果真的做起来，会改变整个互联网的格局。
美国之前它的软件行业是非常的火的，你怎么看软件公司和 AI 公司的区别？
软件公司我们开玩笑说就像是鸡胸肉一样，它的味道非常的一致。
基本上可以闭上眼睛流水线处理。
因为这些公司你拿过来发现都是毛利率一模一样，80%，净留存率都是超过120%。
所以到了 AI 时代，很多投资人不想去碰 AI 投资，因为觉得毛利率太低。
但是 AI 应用公司的毛利率是一个反直觉。
就是越有人用，你的毛利率反而会越低。
现在大家并没有一个统一的意见，就是怎么给 AI 公司估值。
我觉得应该看利润的绝对金额。
因为虽然它毛利率低，但是 AI 的合同金额通常更大，每位用户的这个毛利可以做到传统软件公司的好几倍。
这个就像啊，亚马逊的这个云刚出来的时候，也是百分之五六十的毛利率，很多人也不看好，因为觉得没有软件赚钱。
但是这个市场后来证明比所有的软件都要大。
我们聊了很多的明星公司和重点赛道啊，也聊了硅谷投资圈的揭秘。
那现在一个市场关注度很高的话题就是这个市场是不是在一个泡沫里。
那这些 AI 公司说的收入规模都是巨大的，那你觉得他们的这个钱是从哪里来？
它是一个存量的概念，是说从现在已有的这些大公司，从 Google 啊、 Meta 来呢？
还是说有一些新的方向？
那如果是那如果是存量的话，投这么一笔巨额的 AI 投资，它意义在哪？
这个问题问的非常好，首先有一个概念我叫电子收入或者叫电子税。
这个在美国一共就是大概4000亿的总收入。
其中一块就是线上广告，大概是2600亿。
然后第二块就是电子商务的佣金收入，我们叫3P，e commerce的 take rate。
是大概1000亿的这么一个收入体量。
第三块就是呃人花钱的订阅收入，包括 Netflix YouTube 加在一起大概500亿。
所以如果你去抢互联网存量的话，那这个数目其实没有那么大，就是4000亿的总收入。
所以如果说 OpenAI 进来，像媒体报道的，它要做到2000亿的营收。
如果它拿了的话，那就是 Google Meta 亚马逊这些都要去给它让这个份额。
所以你说的是对的，如果说我们花了这么多钱，就烧出了一个小谷歌，这个意义确实不会有那么大。
广告的收入会不会因为 AI 而增加？
很多人会这么问。
我不同意这个说法，我觉得美国的广告收入过去20年的增长，你看下来是很稳定的，就是年化5%、6%这样子。
广告的总额并没有什么理由增加。
美国公司全部加起来，平均花3%的收入在广告上面。
AI 来了也没有任何理由去花超过3%，我觉得不减少就不错了。
那美国到今天线上广告渗透率有超过80%。
我也不觉得这里会有很大的上修空间，所以我觉得还是会回到刚才说的，线上广告就是一个2600亿的这么一个规模。
那如果模型的收入不是从你定义的电子收入里面来，它能从哪里来？
美国 GDP 是一个30万亿的规模，然后劳动力成本有15万亿这么大，那光是客服就是3000亿的这么一个市场。
那这个里面去撕出一个口子，很容易有几千亿的收入体量。
像 Michael Dell 和 Jensen 他们的逻辑就是，AI 哪怕提升10%的全球生产力，就能产生超过10万亿美元的 GDP 增长。
所以你每年去投入三四万美金。
建设算力也算是合理的。
所以我的思路就是，最开始，尤其是在模型能力还没有太上来的时候，最容易吃的还是会回到电子收入这一块。
所以 OpenAI 肯定会去抢。
广告的竞争格局也肯定会恶化。
但是你给一点时间，模型能力上来了，真正的 agent 或者叫 AI for Science 能涌现，那我们就能去创造新的价值，也能去吃进15万亿劳动力的大市场，这个账就算过来了。
但是这里面有一个问题啊，就是如果你大幅度提高了劳动力的水平，导致了公司裁员，那谁来消费呢？
会不会对经济的整体影响其实是差的？
我觉得要分情况看。
最简单的还是举一个例子，如果我今天是100个人。
能产出100个商品。
我用了一通 AI 之后，效率更高了，80个人就能产出110个产品。
那这些商品可能还更便宜，更好用。
那这个 real GDP 就会有10%的增长。
你剩下的80个人的收入肯定是会有大幅提升的，这个公司的利润也会有大幅提升的。
所以其实是一个积极的消费循环。
被裁掉的这个20个人，确实一段时间之内会比较惨。
所以我不知道，呃，AI受益的公司会不会要去交一个 AI 税，或者叫裁员税去帮助一下这些受影响的人。
像你看到一个叫 Rohana 的，就是加州议员，已经开始在说这件事情了，所以并不是一个危言耸听。
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的提高，其实每次也都伴随着裁员潮。
然后当然也是花一段时间之后，社会去会去吸收这个变化，重新就业，然后财富有一个重新的分配。
很多人关注 AI 的投入产出比啊，这里的回报你是怎么算的？
其实不会算特别清楚，因为 AI 既能产生收入，同时也能节省成本。
但是我们可以过一下大数，看一下未来，比如12~18个月比较清晰的 AI 收入。
这个里面的大头就是 OpenAI。
能看到300亿，然后 anthropic 看到一半，大概是150亿。
这个市场上有两个接近20亿收入的垂类，一个是编程，一个就是刚刚讲的视频生成。
然后能有几个5亿啊量级的垂类，包括音频、客服、法律、医疗，还有一些上市公司的 AI 收入。
所以加起来大概能看到700亿的 AI 收入。
这个里面数字很多，但我觉得最重要的就是能跟踪出来的 AI 收入，大头其实只有 OpenAI 和 Anthropic 剩下所有的创业公司加起来也就几十亿最多的规模了。
那你觉得这个市场到底是不是一个 bubble 啊？
有没有泡沫？
我觉得空谈是不是泡沫太主观，可能也比较空。
但是有两个层面可以去思考这个问题。
第一就是说我们今天在不在一个 bubble 里面。
那我觉得答案是肯定不是的，因为这一轮 AI 应用的落地速度其实很快，GPT 出现不到3年，用户的普及程度已经相当于互联网发展10年的成果了，我们已经有了几百亿的 AI 收入。
大公司投入 AI 之后你去看它每个季度的投资回报比，就是 ROIC 也是也都是在提升的。
那第二个层面就是去想这个 AI 之后会不会成为一个 bubble 那这个里面就两点最重要，第一就是模型是不是一直在进步，我觉得这个还是很乐观的，尤其是像 Gemini 3它的这个模型出来之后，它就证明了，Pre-training 还是在继续继续 scale 的，是没有撞墙的。而明年二季度呢，
Blackwell 能训练出来的模型也非常值得期待。
然后第二个层面去看，就是看 AI 收入是不是有增加，那就回到刚刚我们去过的这些大数，就是 AI 的投入产出比。
然后这个里面最大的收入就是在 OpenAI 和 Anthropic 上面。
我们到这里做了很多复盘性的讨论啊，因为今年我们也到了25年年底了，能不能对于26年，对明年能做一些展望？
因为很多听众对于投资也非常的有兴趣，比如说美股的那几个最重要的公司。
当然我们同样不做任何的投资建议。
市场很明显在过去两个季度有一个变化，就是对公司的要求是啊不能只有 AI 投入，而是要实打实的有 AI 的收入。
我们可以过一下美股最大的几个公司。
先说谷歌，谷歌是今天的共识的龙头，它模型是 SOTA 的，然后站位是最好的，也是近期逻辑最顺的。
那这个很多人也都讲过。
但明年我还是会很关注广告这块的竞争。
因为一个是 OpenAI 广告的上量，一个是被大家快要遗忘的 TikTok 它在美国和 Instagram 是一样的用户数，时长比 Instagram 高很多。
然后但它的收入只有 Instagram 的不到1/3。
所以明后年我觉得整体广告的竞争会加剧。
当然也是一个好事，就是它会倒逼模型公司，包括谷歌去寻找新的 AI 的业务模模式的变现方式。
然后可能再说一说 Meta。
META 和特斯拉这两个票的 setup 我觉得很像。
说实话就是基本面都没有很好，但是影响股价最重要的是他们的 AI 进程。
META 就看它什么时候模型能到第一梯队。
但整体感觉明年是不容易的，因为它现金流肯定是跌的。
META 这个股票有一个有一个规律。
就是它上市15年以来，每一年的股价都是上涨的，但只有两年是下跌的，而那两年的现金流都是负增长的。
所以明年真的要看这个票的 AI 的这边的进程。
然后特斯拉只有一件事情重要，就是能不能把安全员从车里面彻底拿出来，其他的一切都不太重要。
那如果说再加上一条给特斯拉，就是他对 XAI 的投资会以什么样的形式？
然后会造成多大的股权稀释？
然后再过一过，可能美国的这些云厂商明年的增速都会非常好。
我觉得就是谷歌的 GCP 的季度增长可能能看到超过50%的增速。
但是整体我不太喜欢云的竞争格局的变化。
因为今天我们有三朵云，然后这三家公司能做到35% 40的利润率，所以是很高的。
但现在竞争格局，我觉得彻底改变了。
像 Oracle 作为一个新入场的玩家，他拿项目的时候只要求10%的利润率。
我们有很多的 New Clouds，像 Coreweave 层出不穷。
你还有模型公司几家下场都亲自要做云的业务，所以一下就从三朵云扩张到十朵云。
所以虽然市场变大了，但是对利润率肯定是会有影响的。
云现在这个业务有两个基本的问题。
一个就是 GPU 的租赁本质上同质化太高了，所以长期每一家都必须要做自己的自研芯片。
然后第二就是客户的集中度太高。
比如说，Azure 上面，啊，增量70%都来自 OpenAI。
像微软的 CEO 直接承认，他说他的利润不会来自于出租 GPU，而是会来自于一些附加项目。
包括数据库存储安全这些。
像大家最关注的英伟达或者芯片这边呢，我会去关注，就是自研芯片到底能不能 deliver。
尤其是现在谷歌的 TPU 也要卖给外面的用户了。
那在一个很缺电的世界，你让 GPU 和自研芯片的价格差其实就显得没有那么重要。
然后也会去想看一看明年二季度等 Blackwell 训练出来的模型效果会怎么样。
苹果这个票其实很迷，就是它没有 AI 股价表现都很好。
这个公司的文化也挺不一样的，其他公司都是要不断去试错，而只有苹果它是要等它的产品绝对完美了才能发出来。
所以它非常的用户导向，也产品导向。
明年应该就能看到 Tim Cook 卸任，然后新的 CEO 上台。
所以最近在在硅谷这边竟然能看到 Tim Cook 出来买咖啡、吃饭，感觉整个人非常松弛。
除了你说的这几个大票，明年整体投资机会你是怎么判断的？
大方向上，我觉得明年经济分化会非常明显，会是我们典型的叫对冲基金市场，就是有做多做空两边的机会。
那简单来说就是，做多 AI 受益，做空 AI 受损。
受损的可能有这些 IT 外包、内容制作，啊，还会有一些新的产业。
受益的除了半导体、能源、云。
我觉得超额收益会来自于 AI 应用，而目前看来，AI 应用很多都在传统的一些行业。
有一件事情也很有意思，就是今年的三季度是很多家标普500的公司第一次给出具体的 AI 提效数据，而且说这个数据非常能明显的在财务上面表现出来。
这个是一个非常快的一个速度，因为之前在云那一波。
像标普500的公司，大概是花了5年的时间才开始慢慢的做云的这个迁移。
那这个里面也可以举几个比较有意思的例子，比如说大家都熟悉的沃尔玛，它用了一年的时间，啊，用 AI 去做供应链的需求预测，它的缺货率就降低了30%。
连每年它卡车的行驶里程数都减少了3000万英里。
所以这里可以直接看到利润的改善。
然后 AI 在金融行业这个表现也很明显，已经能够大幅地提提升贷款的额度和审批率，然后处理的时间能缩短超过80%，同时违约率还能降低一半。
已经有银行爆出来，就是自己的净益，净利润能通过用 AI 提升15%。
然后就是 C H Robinson，就是全球最大的物流公司。
它到今天有一半的预定都是 AI 负责的。
然后在过去两年，生产率提升了35%。
所以去挖掘这些本身传统行业的龙头，呃，去找 AI 能直接受益的标的，我觉得会是明年很有意思的一个一个一个方向。
今天市场最值得关注的，有没有一些普通人也能关注的一些抓手呀？
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%都来自于 AI 投资，所以整个大盘都是 AI 在撑着的。
今天市场的风向标其实已经慢慢不再是英伟达了，因为市场最关注的是 AI 的收入，而并不是担心 AI 的投入。
那今天规模最大、最可以量化的就是 OpenAI 的收入，所以整个的市场都会铆定在这一个公司上面。
那这里面我们能关注的就是包括它用户的增速、它收入的增长，以及美国政府会不会以某种形式参与到它的基建项目里面，这些是最关键的。
最后一个问题啊，明年的美国宏观需不需要担心？
目前来看美国的消费还是整体很健康的。
财政赤字也下来了很多。
明年一季度还会有一些刺激经济的举措，包括退税、包括小费免税。
所以总体来看，美国底层民众明年的状况可能比今年要好一些，消费能力也会好一些。
但这里面最最重要的就是明年是美国的中期选举年。
这届政府的 KPI，他非常重视股市的表现。
所以其实知道这个也就足够了。
好了，今天的节目就是这样。
这里是商业访谈录，是一档由语言及世界工作室出品的深度访谈节目。
你可以到公众号关注我们的工作室，获取更多的信息。
我们的公众号是语言即世界， Language is world。
我们希望和你一起从这里探索新的世界。