Linkloud 引言

红杉资本合伙人 David Cahn 是全球顶尖的 AI 投资人之一，曾在 Coatue 任职期间主导过 Notion 和 Hugging Face 的投资，加入红杉后又相继布局了 Clay、Juicebox、Sesame 等非常火爆的 AI 公司。
继去年以“AI's $600B Question“震动硅谷后，他此次带着升级版的“8,400 亿美元账单”回归。本期 20VC 播客中，他将从宏观到微观解析物理基建引发的“股权解除”风险、23 岁 AI 原生代的人才重构，以及国防科技作为下一个变革前夜的崛起。希望能为大家带来帮助，Enjoy！

Thumbplayer Poster Plugin Image
暂停
下一个
打开循环播放
00:01
/
1:13:29
倍速
3.0X
2.0X
1.5X
1.25X
1.0X
0.75X
0.5X
语言
多音轨
AirPlay
0
静音播放中，点击
画中画
网页全屏
全屏
error-background
你可以 试试
视频信息
1.33.6
播放信息 上传日志 调试信息 [X]
视频ID
VID
y12548jxwqx
播放流水
Flowid
b070040949df64a33e98ab87e2337deb
播放内核
Kernel
mp4/origin (1.33.5)
显示器信息
Res
-
帧数
0/50; 0.00%
缓冲健康度
265.39s
网络活动
net
0 KB/s
视频分辨率
864*486
编码
Codec
(O264)
mystery
mystery
br:0.000-267.291 t:1.91 pg:1 s:lt->cy->pg

按住画面移动小窗







已经很久没有一场对话能够像本期 20VC 的播客中，红杉资本合伙人 David Cahn 与 Harry Stebbings 的交流这样，如此精准地捕捉到时代的脉搏。
一、AI 时代被低估的物理属性
1. 德州的沙漠与空运的电工
去年夏天，大家的目光几乎都盯着计算模型、参数规模和数据质量。那是一个属于“Bit”的夏天，讨论都飘在云端，好像 AI 只是一场纯粹的软件革命。
但 David 当时提了一个听起来很复古、甚至反直觉的观点：人们严重低估了数据中心的物理属性。他认为，未来的竞争核心会回归到最基础的工业要素——钢铁、服务器和电力。
如今，这个预测不仅成真了，激烈程度甚至超乎想象。
如果深入 AI 建设一线，去德克萨斯州的沙漠里和工人们聊聊，会发现硅谷的精英叙事和物理世界的现实差距巨大。David 在一线看到：为了抢夺有限的电力接入，科技公司像打仗一样，直接用飞机把电工空运到现场。为了抢熟练工人，大家已经完全不计成本。
图片
2. 发电机：比 H100 更稀缺的硬通货
更紧迫的是缺发电设备。在这个疯狂的建设周期里，发电机这种工业时代的产物，突然变得比 H100 芯片还稀缺。顶级供应商的产能早就卖光了，订单甚至排到了 2030 年。
这意味着，如果现在才想建数据中心，有钱也没用，未来五六年甚至根本搞不到最基础的电力保障。
这种对物理资源的争抢，正在重塑整个行业的竞争格局。
3. 当“千兆瓦”取代“美元”
这也带来了一个大变化：衡量标准变了。以前 Sam Altman 这种 CEO 谈 AI 基建，单位是“美元”。而在过去这一年，单位悄悄变成了“千兆瓦（Gigawatts）”。
这不只是换个词，而是标志着 AI 经济从金融主导转向了物理资源主导。在这个新世界里，手里有几十亿美元现金当然好，但如果没有锁定的千兆瓦电力配额，那些钱就是一堆废纸。
逻辑很简单：GDP 本质上更擅长统计物理产出，而不是虚拟服务。
二、8,400 亿美元算力账单下的供应链护城河
1. 膨胀的账单：从 6,000 亿到 8,400 亿美元
去年，David 抛出了“AI's $600B Question“ 的问题并引发了巨大讨论。
逻辑很简单：如果全行业买 Nvidia 芯片花了 1,500 亿美元，算上数据中心配套，总投入就是 3,000 亿美元。为了回本并赚到钱（比如 50% 毛利），行业得创造 6,000 亿美元的终端收入。
一年过去，到了 2025 年夏天，这笔账已经涨到了 8,400 亿美元。好消息是，增长虽然快，但没到失控的程度。坏消息是，核心隐患还在：客户的客户，到底健不健康？
这是悬在行业头顶最大的问号。钱是花出去了，但因为建设有滞后，算力还没真正到位，收入端也就迟迟没法验证。
图片
2. 建设本身，就是护城河
建设过程的复杂性，也成了新变数。
在 AI 时代，建设能力本身正在成为护城河。以前大家觉得只要有钱，两年就能建成数据中心。但现实是，当全世界所有巨头都在同一时间、抢同一种资源做同一件事时，难度会呈几何级数上升。
这不是 Meta 或 Google 砸钱就能解决的。想看清局势，投资者不能光看财报，得具备深度的供应链追踪能力。
得深入到毛细血管里——搞清楚他们在给谁打电话？承包商找哪家买发电机？变压器的铜线又是哪来的？只有顺着这条漫长又脆弱的供应链追到底，才能看清 AI 核心地带的真相。
三、大宗商品的陷阱与消失的垄断利润
1. 算力变“大宗商品”：生产者的困境
在分析 AI 浪潮里的输赢时，更像是分析大宗商品（Commodity）和垄断（Monopoly）的博弈。
消费者们从算力过剩中受益，生产者日子可能就会很难过。原因很简单，算力生产本质上正在变成一种大宗商品生意。
假如开了一家石油公司，哪怕有全球最好的团队、最高效的技术，但如果全世界的石油公司都在疯狂开采，导致市场上原油泛滥，那么油价下跌必然会摧毁利润。
在大宗商品行业，企业的命运通常不由自己掌握，而是随着市场供需波动而浮沉。
目前的云服务商和算力商就处在这个位置。
但对于算力的消费者，也就是那些买电和芯片来搞智能、做应用的公司，这绝对是个好消息。如果投资过热导致算力过剩、价格崩盘，应用层公司的成本会大幅降低，毛利自然就上来了。
所以长期投资价值在于那些消耗资源并创造独特价值的“非大宗商品业务”（即有壁垒的应用公司），而不是只提供基建的“大宗商品业务”。
图片
2. 真正的垄断，都在悄悄发生
这里有个巨大的误区，大家容易把现在科技巨头的垄断地位，投射到 AI 的未来。
我们正处在一个反常的“镀金时代”，七大科技公司（Mag 7）占了标普 500 指数市值的 40%，印钞能力惊人。这让人产生一种错觉，觉得所有科技业务最后都会形成垄断。
但历史告诉我们要警惕这种直线思维。回看 Google 刚成立时，没人觉得搜索会垄断；YouTube 卖 16 亿美元时，大家觉得是天价，根本想不到今天的规模；AWS 开启云计算时代时，也没人意识到这是个万亿级市场。
真正的垄断，往往是在众目睽睽之下、却没人注意的时候悄悄建立的。只有在缺乏竞争的环境里，先行者才能从容地修筑壁垒。
四、创业者启示：警惕增长幻觉
在宏大又不确定的环境下，身处风暴中心的创业者该怎么办？
1. 从 T2D3 到“0 到 100 俱乐部”
首先，增长速度的标尺已经变了。在 SaaS 的黄金时代，VC 们最爱讲的是“T2D3”（前两年三倍增长，后三年两倍增长）。
但在 AI 时代，这套标准显得太慢了。取而代之的是“0 到 100M 俱乐部”，也就是那些从 0 直接飙升到 1 亿美元收入的公司。
像 Harvey、Glean、Clay 和 Juicebox 这样的公司，证明了：在全员联网、全员渴望 AI 的当下，如果你真的做出了 PMF 极强的产品，市场的爆发速度会非常惊人。
在这个时代，200 万美元的 ARR 可能只要十天就能达成。这不是泡沫假象，而是真实需求被压抑后的集中爆发。
2. 别被一夜成名骗了，“伤疤”才是护城河
不过，这不代表成功可以一步登天。很多看似一夜成名的公司，其实都经历过漫长、无人问津的探索期。
Juicebox 的团队在找对方向前，在校园里做了三年音乐应用，经历了无数次失败和转型；Clay 拿了红杉 A 轮融资后，也在迷茫中摸索了三四年，才最终定下现在的产品形态。
这种“伤疤”是创业者最宝贵的财富。
经历过痛苦、懂 PMF 有多难的创始人，往往比那些顺风顺水、拿着 PPT 就融到巨资的人更有韧性。历史上最伟大的公司，往往都不是在 12 个月内速成的。
3. 警惕虚假繁荣，任何数乘以零都等于零
不要相信所谓的“造神者”。
创投圈常有一种迷思，觉得只要红杉或其他顶级 VC 投了谁，谁就注定是赢家。但资本只是燃料，造不出引擎。钱给得太多，不仅保不了成功，反而可能是失败的催化剂。
如果一家公司还没打好收入基础就拿到巨额融资，内部很容易滋生出“我们已经赢了”的傲慢。这种心态会掩盖产品和组织的深层问题，直到危机爆发。
最危险的往往不是创始人，而是那些在估值达到 10 亿美元后才加入的员工，他们常误以为这艘船已经驶入了安全港。
因此，回归到一条朴素的数学公理：任何数乘以零，都等于零。
无论增长多快，势能多强，估值多高，如果在激进扩张中烧光了现金，或者因为杠杆过高在市场波动中崩盘，结果就是零。
势能往往会扭曲现实，让人产生错觉，以为牛市永远不散。但作为掌舵者，创始人必须时刻清醒：既要借势激进扩张，又要确保自己永远别掉进那个“归零”的陷阱。
五、AGI 还有多远？
1. 激进与冷静的对立
AGI 到底还有多远？这可能是目前市场上分歧最严重的话题。
一个很有意思的现象：如果去那些顶级 AI 实验室的食堂，听听年轻研究员们聊什么，会觉得 AGI 好像明天早上就要来了。在那儿，“倒计时”成了地位的象征。谁猜的时间越短，谁显得越激进、越懂行。这种“马上就要来了”的气氛，弥漫在湾区的咖啡馆里。
但如果把这种狂热，和那些真正开创了当前技术范式的“教父”级人物对比一下，会发现巨大的差异。像 Richard Sutton、Andrej Karpathy、Ilya Sutskever 这些深耕几十年的大佬，反而非常谨慎。他们倾向于认为，真正的 AGI 可能还得等上 20 年，甚至 30 年。
Ilya Sutskever 甚至直言“预训练已死”，暗示现在的技术路子可能已经碰到天花板了。我们得有全新的范式，才能跨过从大模型到智能体的鸿沟。这种来自发明者的悲观（或者说现实主义），和新人的盲目乐观简直是天壤之别。
这种时间认知上的错位，是目前市场最严重的低估风险。如果整个金融系统都按“AGI 马上就到”来估值和砸钱，结果却要再等 20 年，中间的落差会引发巨大的震荡。
2. 价值流将向大众，而非巨头
当然，这不代表 AI 的价值是假的。正如孙正义所说，AI 可能会影响全球 5% 的 GDP，这是一个天文数字。
但根据麦肯锡的报告，全球 GDP 里只有 1% 是高于资本成本的“经济利润”。这意味着，绝大多数由 AI 创造的价值，最后不会流进巨头的金库，而是会因为竞争，变成更低的价格、更好的服务，流向普通的消费者和劳动者。
这或许是这场对话里最温暖的注脚。尽管我们聊了数千亿美元的资本博弈、残酷的算力竞争和泡沫危机，但归根结底，技术的进步应该惠及所有人。
六、人才建设：被低估的新“壁垒”
1. 23 岁：AI 的”黄金一代“
有一个问题值得思考：给工程师团队砸巨资，并不等于能换来同比例的产出。资源太多，有时候反而会稀释专注度，让效率越来越低。
在这个市场里，保持饥饿感和高效率，远比单纯的资金规模更重要。
许多公司往往严重低估了 23、24 岁年轻人的价值。这种情况在 AI 领域尤为明显。David 每年都要面试 200 到 300 名应届毕业生，不光是为了招人，更是为了向他们学习。
这群年轻人有着上一代人没有的视角：他们在 18 岁时就开始用 ChatGPT 了，而资深从业者完全没这个经历。这是一个关键的盲点。
ChatGPT 问世仅仅五年，这意味着地球上没人拥有超过五年的 AI 经验。不管是刚毕业的菜鸟，还是行业老兵，在生成式 AI 面前，大家其实都在同一起跑线上。
在一个变化极快、需要快速学习的市场里，年轻人的适应能力和原生视角变得无比珍贵。
十年前做软件，高级工程师靠着架构和代码的积累，确实能碾压初级工程师，那时的剧本是“雇专家省培训”。但在 AI 创业的新剧本里，真正的“前线力量”是那些 23、24、25 岁的 AI 通才。他们是真正的 AI-Native，对技术充满了最纯粹的热情。
图片
2. 可见风险 vs. 隐藏风险
招聘本质上就是在做权衡。大家都想要“免费午餐”，但现实决策里，没有任何交易是完美的。Sequoia 内部常聊到一个核心概念：隐藏风险（Hidden Risk）和可见风险（Visible Risk）的较量。
招一个 23 岁的年轻人，风险显而易见：心智可能还不够成熟，也没啥工作经验。这些是摆在桌面上的“可见风险”。
相比之下，招一位履历完美的资深人士，看起来似乎没毛病，安全感拉满。但这往往掩盖了更致命的“隐藏风险”：他们可能已经没那么拼命了，可能根本不是真正的 AI-Native，甚至他们高昂的薪水本身，就是一种容易被忽视的风险。
3. 哪怕随大流更安全，也要拥抱“可见风险”
人类的本能是随大流，喜欢抱团，这其实是对“隐藏风险”的偏好——好像只要风险埋在地下、大家都没看见，心里就是安全的。但对于想突破的投资人和创业者，更明智的做法是去承担那些“我知道我在承担”的可见风险。
在招聘时，不招 23 岁年轻人的理由通常超级明显。但如果支持他们的理由够硬，能盖过经验的不足，那这种可见风险就值得冒。这种风险观点的转变，正是适应 AI 快速变革时代的关键思维。
七、职业选择：失效的“模仿算法”与心态重构
1. 以前好用的“模仿算法”，现在失灵了
对刚毕业的年轻人来说，选职业永远是个难题。大家做决定时有个通病，可以称为“模仿算法” 。
逻辑特别简单：看看上一届最聪明的人去哪了，我也去哪。而上一届的人，又是跟着上上一届学的。
过去很长一段时间，这招挺好使。比如 2010 年代初，Google 这些大厂增长了 10 倍甚至 25 倍，跟着大家去绝对没错；后来 Palantir 火了，跟风去也是对的。
但现在，一旦出现剧烈的新变量，这套老算法就崩了。AI 就是那个巨大的新变量。世界运行规则变了，预测模型也得更新。
这就导致“模仿算法”失效了：你的学长学姐在做决定时，还没见过现在的 AI，也不懂生成式 AI 的潜力。如果现在还盲目照搬老路——比如去传统的投行或咨询——而不考虑 AI 这个变量，职业生涯很可能会跑偏。
2. “索取”还是“贡献”？
在职业选择的底层逻辑上，可以把人分为两类：
  • 绝大多数人（超过 90%）其实是“索取者”，找工作时想的是：“我能得到什么？”——不管是学技能、攒人脉还是当跳板。
  • 只有极少数人（不到 10% 甚至 1%）是“贡献者”，他们会问：“我能贡献什么？”。
正是这群人推动了硅谷发展。资本主义有个好处：贡献越大，回报通常也越大。那些在伟大创业公司之间流转、持续创造价值的人，就是典型的“贡献者”。
但是不管选哪种心态，关键是一定要把 AI 这个变量算进去。
十年前加入创业公司，初级工程师得熬个 5 到 10 年才能真正派上用场；但现在，AI 抹平了经验差距，年轻人和所有人在同一起跑线，能更快地产生影响力。
💡
《AI's $600B Question》可搜索此链接查看：https://sequoiacap.com/article/ais-600b-question/