摘要

Cahn关于“钢铁、服务器和电力”的判断已经落地：AI的核心计量单位正从美元转向吉瓦，使电力成为他眼中的“2025年最佳交易”，而建设执行力则成为护城河。发电机已经售罄至2030年，电工被空运到得州，AI建设活动也开始对美国GDP构成实质贡献。但终端需求仍未得到验证：他最初提出的6000亿美元收入问题，如今已变成约8400亿美元。
AI可以成为文明级技术，同时也可能是一场“会把资本烧光”的泡沫，因为被压缩的时间表要求它依赖今天的特定芯片迅速兑现。 Cahn预计AI将在50年内重塑社会，但市场却在按它必须很快实现的方式融资。投资者的任务因此是寻找具备客户热爱、能够穿越波动的公司，而不是依赖无限廉价资本的企业。
最清晰的泡沫赢家是算力消费者，因为过剩产能会降低其COGS、抬升毛利率；算力生产者则承受大宗商品式经济规律。 Harry以AWS、Azure和Google Cloud提出挑战，但Cahn认为，这些垄断地位是在机会尚未显而易见之前建立的。AI的价值人人可见，必然引来竞争，使垄断利润更难出现——这对消费者有利，却令产能所有者承压。
系统最清晰的脆弱性，是风险从Microsoft和Amazon转移给更小的运营商，再通过循环融资回到芯片供应商。 Oracle和CoreWeave无法吸收超大规模云厂商级别的风险，而芯片公司可以低成本为项目融资，因为支出最终会以已确认收入的形式回流。1吉瓦成本约400亿美元，使用Vera Rubin则为500亿至600亿美元；如此一来，已宣布的100至250吉瓦雄心就变成了尚未获得资金支持的数万亿美元问题。
最大的高估在于时间，而不是AI最终的重要性。 Andrej Karpathy提出的“智能体十年”、Richard Sutton对当前范式的质疑、Ilya Sutskever所说的“预训练已死”，以及Sam Altman提出的“更温和的奇点”，都与实验室里基于地位竞争、认为AGI将在100至300天内到来的喧嚣相冲突。即便突破要等到2028年Feynman时代的芯片，或再晚10年才出现，今天的H100和B100仓库仍将承担损失。
无论是顶级风投品牌还是充沛资本，都无法制造产品市场契合度：“资本是燃料，但资本不会创造发动机。” Cahn承认Sequoia可以改善招聘并小幅改变概率，但“你无法让一家公司成功”；Sequoia投资Profound之前，它就已经高速增长。相同纪律也适用于指标：毛利率可以从30%升至70%，而今天最强的采用信号是“从0到100俱乐部”——这不是硬性门槛，而是异常强劲需求的证据。
国防可能是“下一个AI”，但它最终会诞生少数国家级冠军，而不是一个类似SaaS的广泛生态。 面对Harry对Sequoia错过Helsing和Anduril的质疑，Cahn承认Sequoia在国防领域入场太晚，并称这一行业大约处在Transformer论文发表两年后的阶段、尚未迎来ChatGPT时刻；他估计，国防行业在50年追赶进程中目前只走了约“1%”。他看好美国的Anduril、以色列的Kela和欧洲的Stark，在这个市场里，目标是威慑，而不是庆祝“每次击杀成本”。

精读

1. 吉瓦取代美元，成为AI的核心计量单位

Cahn在2024年的判断是，投资者把AI当成比特，但真正的瓶颈在原子层面：钢铁、服务器和电力。运营商把电工空运到得州，采购已售罄至2030年的发电机产能，并在受限供应链深处争抢位置。
这一物理层面的判断成为他所谓的“2025年最佳交易”：电力成为约束，Sam Altman开始谈论吉瓦而非美元。建设、钢铁及其他数据中心相关活动也进入GDP统计；按Cahn的说法，AI已成为近期美国GDP增长的最大贡献者之一。
未解的问题仍是“客户的客户是否健康”。他在2024年的算术是：1500亿美元Nvidia芯片对应约3000亿美元数据中心投资，随后需要在50%毛利率下实现6000亿美元终端收入。到2025年夏天重新计算后，这个问题变成了约8400亿美元。

2. 建设执行力正在成为护城河，而Meta是一次误判

铲子已经落地，暴露出Cahn在宣布AI“已准备开工”后预期的延误。他反对所有项目都会延期的笼统预测：结果会有差异，能够协调稀缺供应商、驾驭层层复杂供应链的公司将脱颖而出。
他最大的意外是人才定价。一名被市场认为是25岁的AI专家可以拿到5000万美元的薪酬包，而一位有知名度的明星人才可能要价10亿美元。其理由——让实现1万亿美元结果的概率提高1%——在数学上说得通，但人类很可能把1%误认为0.01%或0.001%。
Cahn还承认自己对Meta未来12个月的看多判断错了。垂直整合没有带来预期的模型性能，进而催生了异常激进的招聘方案；但Zuckerberg的强力介入说明了他为何在更长时间跨度上仍然乐观，也说明创始人主导的公司在危机中可能表现不同。

3. 泡沫可以真实存在，精选应用型下注仍能复利

“我确实认为我们处在AI泡沫中。”Cahn说，Sam Altman、Vinod Khosla和Jeff Bezos承认某种形式的过剩后，逆向观点已经变成共识。现在有用的问题是哪些公司能够活下来、之后会发生什么，而不是这个标签是否适用。
他的矛盾在于时间：AI可能是人类历史上50年维度最重要的事件之一，但短期市场周期会摧毁押注特定交付日期和芯片的资本。Amazon穿越互联网泡沫崩溃，是区分持久公司与其融资环境的范本。
8年的投资经历让Cahn不必在一个季度里找出10个AI项目。他在深度学习被视为小众领域时投资Weights & Biases，在Stable Diffusion出现之前投资Runway，在“NLP”和BERT的继任者定义机会、而不是今天这种宽泛AI叙事时投资Hugging Face。
语音是当前的一项应用下注。Sesame的对话产品在几周内达到100万用户和500万分钟使用时长；它足够能被打断、足够令人记忆深刻，也足够不像机器人，让Cahn在10分钟内决定投资。他对未来10年的判断是：人们会与自己的AI交谈、建立关系，而不是永远困在手机屏幕里。

4. 过度建设的算力让用户受益，也让所有者商品化

Cahn的框架刻意保持简单：“算力消费者会从泡沫中受益。”过度生产会压低算力价格和应用COGS，抬高那些把原始算力转化为智能、并做出客户真正喜欢的产品的公司的毛利率。
生产者则相反。即使运营能力出色，只要竞争对手生产同一种商品，就无法控制定价；因此Cahn预计算力基础设施会表现得更具周期性、享受更低估值倍数，更接近石油经济学，而不是软件经济学。
Harry的反驳值得保留：AWS、Azure和Google Cloud都是卓越的基础设施业务。Cahn的回答是，它们的垄断地位曾经“藏在众目睽睽之下”：这些业务启动时，无论云计算还是Google最终能够达到的规模，都没有被所有人普遍理解，这让早期领导者得以建立持久的市场份额。
AI没有这种隐蔽性。所有人都知道一家非凡的公司可以达到1万亿美元，于是所有人都会进入；Cahn认为，投资者的心智模型里“垄断太多、商品化太少”。经济租减少，对供应商更糟，却对消费者更健康，因为消费者希望以低成本获得AI。

5. 资本配置激励仍然偏向交易的错误一侧

Harry观察到，“消费者赢”如今已经成为风投常识。Cahn的回应是：说法变了，配置几乎没变——他估计，超过80%的AI资金仍然流向算力生产者，因为基础设施吸收的资本远超应用。
这造成了机构层面的筛选偏差。资本密集型公司会不断找投资者融资，而高效企业可能抗拒融资；但后者可能才是最好的投资。Sequoia投资Zoom就是他的例子：这家公司当时已经盈利，并不需要这笔钱。
没有任何协调机制能让支出停止。Cahn看到棋盘上大约有10个强大参与者，每一方都通过一阶、二阶和三阶激励对其他参与者作出反应；结果看起来像经过编排，实质上却主要是“无协调、由激励驱动”。
因此，支出会持续到激励发生变化。泡沫是博弈论意义上的，不需要阴谋，也不需要集体决策；即便资本提供者最终受损，消费由此产生的廉价产能的公司仍可能受益。

6. 循环融资暴露出系统这栋“摇晃的大楼”

Cahn借用了Nassim Taleb的框架：预测崩塌比识别不稳定更难——“你确实无法预测这栋摇晃的大楼什么时候倒下，但你可以注意到它的脆弱性。”对AI而言，最明显的脆弱性是基础设施交易日益加深的循环性。
一年前，Microsoft和Amazon还是风险吸收者，签下20年租约，并买下5年的发电机产能。Microsoft退出两个数据中心，表明超大规模云厂商不会再为整个生态接住每一个“高热度需求烫手山芋”。
Oracle和CoreWeave随后承担了大量需求，但它们规模更小的资产负债表无法吸收同等风险。芯片公司因此开始为建设融资；由于获得融资的采购最终会回流为芯片收入，Cahn表示，在某些交易中，它们的资本成本“甚至可能”为负。
公告也掩盖了融资情况：项目在发起方筹集剩余资金之前，可能只完成10%至20%的融资。Cahn将1吉瓦定价为约400亿美元，或按Jensen Huang使用Vera Rubin的口径为500亿至600亿美元，并把公布的100吉瓦和250吉瓦分别转化为“AI的8万亿美元问题”和“AI的20万亿美元问题”。

7. 危险错配在于永久仓库与临时芯片

Cahn认为，几乎整个资本机器都在指向AI：私募资本高度集中于此，而代表标普500指数约40%的7家公司也在很大程度上交易同一套叙事。风险不一定在方向，而在于投资者预期回报兑现的时间被压缩。
今天的建设充满了B100和H100。如果决定性能力需要的是Vera Rubin、2028年的Feynman芯片，或者需要10年而不是2年才能出现，运营商无法“用我的手指”升级一座实体仓库；它拥有的将是一栋塞满老旧设备、无法利用的建筑。
因此，他不同意默认的2008年类比。除了Oracle等例外，这轮建设主要由现金和股权融资，而非信贷融资，因此出清更可能首先冲击股价和家庭投资组合，而不是先从银行资产负债表开始级联。
Alasdair Nairn提供了集中度类比：日本曾占全球股票市场约43%，美国占41%；反转之后，回避日本决定了顶尖表现。Cahn强调，Magnificent Seven是更强的现金机器，但它们对同一AI叙事的共同敏感性仍然令人担忧。

8. AI可能重塑GDP，却未必产生垄断级利润

Cahn大体接受Masa关于AI长期可能影响GDP 5%或以上的判断。但他反对下一步推论：假设50%毛利率和约4万亿美元经济利润，等于把今天异常垄断的大科技结构当作正常终点。
他引用的McKinsey分析估计，超过资本成本的经济利润仅相当于全球GDP的约1%。大部分价值流向工资、劳动者和客户，因此持续获得超额回报很难；Cahn也希望AI的收益能够广泛分配，而不是集中在少数公司手中。
Harry以法律AI为需求膨胀的证据：今天几乎每家律所都在寻找供应商，因为它们被要求必须找一家；在更典型的市场里，这一比例可能只有5%。Cahn同意有多个变量被高估，但认为时间线是最关键的那个。
有经验的人正在把时间线拉长：Karpathy提出“智能体十年”，而不是2027年实现AGI；Sutton质疑当前范式是否足够；Sutskever表示“预训练已死”；Altman描述了一个“更温和的奇点”。与之相对的是，实验室里的初级地位竞争把估计压缩到100天、200天或300天。

9. 风投品牌能改变概率，却无法制造赢家

Harry认为，用资本、分销能力和品牌为一家公司加冕，可以扩大其人才和客户护城河，并以Profound为例。Cahn的回答很明确：“我不相信造王者”，因为风投最让人受打击的教训是：“你无法让一家公司成功。”
他承认确实存在飞轮效应。Sequoia的股东名单可以招来5名重要工程师，尤其是容易受社会证明影响的候选人，并小幅改善结果。但Profound进入Sequoia投资委员会时，已经有客户排队，“业务增长极快”。
分歧缩小到影响幅度：Harry认为品牌和快速后续融资是显著的因果优势；Cahn认为，它们的重要性低于创始人、产品和已经存在的市场拉力。在一个品类里相信一张2000万美元的支票能创造“Sequoia公司”，在他看来正是投资委员会犯错的方式。
融资之后同样需要保持谨慎：“资本是燃料，但资本不会创造发动机。”一些创始人的行为仿佛现金不存在，但Cahn认为这是例外；一名在公司刚完成10亿美元融资、收入寥寥时加入的工程师，可能会在客户授予胜利之前就把胜利内化。

10. 毛利率可以修复，但采用速度是当下最清晰的信号

毛利率的方向很重要，因为它显示了基础模型之上有多少专有产品，但Cahn拒绝把它视为命运。他见过一家公司的毛利率从30%升至70%；Snowflake最初受到批评的毛利率，也没有阻止它成为一家强劲的企业。
AI提供了明确的修复机制：算力成本持续下降。因此，Cahn甚至可以设想一些0%毛利率的业务最终跑通，尽管他自己的投资通常从更高毛利率开始；过度执着于分析纯度，可能干扰真正的工作——为LP和创始人“赚钱”。
他把“连续3倍、连续3倍、连续2倍、连续2倍”重新定义为“从0到100俱乐部”。Harvey和OpenEvidence已经展示了这条轨迹，Clay和Juicebox则是他提到的正在接近或已经跨过这一轨迹的公司；达到1亿美元不是正式要求，但投资者应该相信，卓越公司可以接近这种速度。
因为所有人都在线、所有人都想要AI，一款优秀产品的传播速度可以远快于早期互联网公司。Harry表示，他看到的数据支持关注从100万美元增长到5000万美元所需的速度，而不是达到第一个100万美元所需的时间；Cahn表示同意，同时保留UiPath这个反例——用了9年才达到55万美元ARR。

11. 伤疤与偿付能力高于接连不断的估值上调

Juicebox用了3年寻找市场：创始人最初做的是大学音乐应用，后来转向AI招聘。CEO起步时约22岁，CTO约19岁；Cahn认为，这段痛苦的探索让他们在增长到来后成为更好的创始人。
Clay在Sequoia完成A轮融资后同样经历了3年或4年的“荒野期”；Cahn不太确定地将那轮融资放在2019年。公司后来发生重大变化，并让Varun加入成为联合创始人。Cahn随后又主导了一笔略高于10亿美元估值的投资，这说明并非每家伟大的公司都能在12个月内从种子轮一路冲到B轮。
他的生存法则是：“任何东西乘以0都是0。”对于持久经营的企业，波动无关紧要；但过度扩张后破产会终结复利。“动量有其自身的现实”，直到扭曲场消失，冷静的投资者才可以抵消创始人必须具备的攻击性。
错过Datadog让他更加重视集中度。一则未经证实的说法称，Dragoneer曾多年培育Datadog，并将其作为最高优先级项目；因此Cahn如今约80%的时间投入前5个机会，另外20%投入接下来的15个机会：选择性源于注意力稀缺，而不是项目流稀缺。

12. 国防迟到的ChatGPT时刻只会诞生少数冠军

面对Sequoia错过Helsing和Anduril的直接质疑，Cahn承认：“Sequoia在国防领域入场太晚。”但他的另一个判断是：“国防是下一个AI。”这个行业大约处在Transformer论文发表两年后的阶段，尚未迎来大众认知中的ChatGPT时刻。
Harry质疑，这一论点是否要求冲突永久升级。Cahn将重点放在威慑上：“只有不得不打仗时才会打仗。”国防的存在是为了在世界秩序变化时阻止战争。现代公司几乎还没有进入军事力量体系，50年追赶进程可能还有99%尚未完成。
买方集中度是决定性因素，而非偶然因素。单一政府客户会奖励能够服务国家目标的公司，因此Cahn预计，获得风投支持的研发企业将整合成少数国家级冠军：美国的Anduril、服务盟友市场的以色列Kela，以及潜在的欧洲冠军Stark。
Harry最后的挑战是，国防并不是一个足以支撑数十个风投成功案例的品类。Cahn表示同意：不同于AI——他希望再投资20家公司——国防可能每隔几年才值得投1家。双方都拒绝用“每次击杀成本”来定义问题，而是强调安全与威慑。

Vol.191 裴宇独家专访：22年才开始做手机，估值13亿美金的智能硬件“幸存者”Trader Joe’s：夏威夷衫与反向定位（音频）