Cliff Weitzman

Cliff Weitzman 的核心资本开支计算是：从超大规模云厂商租一块 H100，每年要3.5万–5万美元；直接买下约3万美元——也就是约为买入价的1.5倍。 硬件保修期为3年，而在他的设想中可能可以持续工作10年；自有、内存与GPU共置的集群，也能让 Speechify 以更低成本完成训练和推理。Speechify 每年在 NVIDIA GPU 上花费数千万美元，并支付6位数溢价以跳过交付队列，可能比超大规模云厂商客户提前1年拿到 Rubin。

Weitzman 表示，NVIDIA 与 Blackstone、BlackRock、Apollo 和 Goldman Sachs 达成的交易，以GPU价值最高25%作为抵押融资基础，创造了流动的二手市场和价格底线，“正是Elon早期做SolarCity的方式”。 面对资本循环的担忧，他将自己认为荒谬的 Oracle–OpenAI 安排，与 NVIDIA 真正有用的资产区分开来：关键问题是“这台设备每秒能跑多少万亿次浮点运算？”这实际上就是GPU的价值单位。

Weitzman 的自我检讨是本期节目的核心：不做B2B是“我在 Speechify 历史上犯下的最大战略错误”，而被 ElevenLabs 反超则是“100%我的责任”（100% on me）。 他错误地认为文本转语音API最终会商品化，忽略了AI实验室的第一个产品往往只是切入口，后面还有更大的产品空间；如今 Speechify 的 Simba 3.2 API 每100万字符收费10美元，而 ElevenLabs 收费100美元，OpenAI 基准模型的价格为196美元。

Harry Stebbings 认为，现在转向B2B可能又是一个错误：Speechify要面对他所称的已经“势不可挡”的 ElevenLabs，以及被他称为“Postmates效应”的 Bret Taylor 的 Sierra。 Weitzman 拒绝置身事外：“输掉比赛的最佳方式，就是根本不参赛。”他举出的先例包括跟随 OpenAI 的 Anthropic、跟随 Friendster 和 MySpace 的 Facebook，以及在语音AI上失手的 OpenAI。

在AI人才战上，Weitzman 反转了 Stebbings 的前提：招聘在增长期极其残酷，年薪方案可以达到1500万美元，Stebbings看到的上限则超过5000万美元；但对真正的种子期公司而言，现在是“有史以来最容易”的时期，因为原始能力可以迅速培养。 Speechify 现在招聘数学奥赛选手、Kaggle 冠军和可能从未写过代码的物理学家，核心原则是：“招聘看成长斜率，而不是起点截距。”

Speechify 的开发文化是：代码上线生产环境前一律不给功劳——“你做了一瓶漂亮的牛奶，却把它留在路边，牛奶会坏掉”。 Claude Code 是首选工具，工程师每人运行5–18个智能体，目标是“每天做出10个真正好的决策”。公司没有 token 排行榜；在琐事上浪费 token 可能被解雇，但如果花费12,500美元、运行2周的长周期任务最终产出更好的模型，这笔钱就花得值得。

谈到公开市场判断，Weitzman 选择 Meta 而不是 xAI，理由是“Elon分心了”。 随后他将 Meta 与 Elon 的 SpaceX 和 Tesla 对比：Meta 的市盈率约为32倍，Tesla 估值达到数百倍，SpaceX 则“疯狂”；Meta 拥有比任何公司都多的数据，却受到 GDPR 等法律约束，而 Zuck 还有大约20年的额外时间。Stebbings 反驳称，去掉 Zuck 可能因为终结“资本开支、资本开支、资本开支”的路线而推升 Meta 股价；去掉 Elon 则会摧毁更多价值。

他对未来5年的逆向判断是：人与计算机的交互将主要转向语音，而他最兴奋的领域是AI生物学。 面对一名患有罕见病的家人，他在GPU集群上分析了15周的血液、基因组、蛋白质组和RNA数据，并与6年的自报数据进行对照；下一步计划对其他患者进行测序，寻找共同线索。他还表示，GPU帮助他定位了父亲的前列腺癌病灶，闭合了这个始于阅读障碍和反复听22遍《哈利·波特》有声书的创业故事。

🔗 原始收听与视频来源： 20VC：如何打造自己的数据中心，以及为什么每家初创公司都该这么做｜ElevenLabs如何跨越式超越我们：我的教训｜AI人才战：你的招聘流程需要如何改变——Cliff Weitzman、Speechify

核心判断：Token 支出将超过工资总额。 Speechify 预计明年仅工程部门在 Token 上的支出就会超过薪资，Cliff 认为优秀公司“3年后都会走到这一步”。AI 采用是强制性的，不是倡议性的：“如果你每天不用掉1,000 credits，我会失望”；不用的人必须在公开 Slack 线程里解释，观望者还会获得24小时，提交一段 Loom 视频展示自己用 AI 做出的东西。

广告机器才是护城河：Speechify 每天测试约1,000条 AI 生成广告，目标是1,300条；此外每月还要处理约8,000条人工创意，且平台是自己搭的，因为 N8N 总是超时——“如果你用所有人都在用的工具，通常赢不了。” Speechify 还是获准在 OpenAI 上投放广告的仅200家公司之一。Cliff 称这件事“非常、非常重要”，因为“OpenAI 知道你全部的历史……知道你内心深处的一切”；只要转化和归因成立，高 CPM 就不重要，而追踪 SDK 刚刚上线。

做多 Meta，它是“最被低估的股票之一”：当工程和设计都商品化后，剩下的就是 QA 和获客——“我看着现在所有那些用 vibe coding 做新产品的人。 你觉得他们会去哪里找用户？”Cliff 不会做多 Snap（“午餐已经被 Meta 吃得一干二净”）；Figma 则继续持有，尽管 Harry 的仓位跌了40%（“Dylan Field 是个狠人”；40x→6x revenue 是市场在纠偏，不是公司失败）。

公开市场同样要靠上下文建立优势：2022年买不到 H100，又被 Jensen 在财报电话会上的演示震住后，Cliff 买入 Nvidia，弟弟 Tyler 买了3x 杠杆期权——“现在大概涨了36x。” 2015年，Cliff 又凭一门光伏课程的毕业项目，把三分之一资金投进 Tesla。Munger/Buffett 的打孔卡原则是：“找到机会后，就在负责任的范围内尽可能重仓加杠杆。”

Speechify 从设计上就是一只隐形复利股：公司自称占据 B2C voice-agents 市场94%，拥有1.1M条五星评价、50M+用户，已盈利4.5年，并将推理成本压到每百万字符个位数美元，而 Eleven Labs 为70–100美元。 公司既不公开披露融资额，也不公开披露估值；Cliff 表示团队知道融资数字：“如果你在瓶子里抓到闪电，就不想告诉别人。”

判断消费级 AI 收入能否快速爬坡，关键看推理成本：留意“推理成本正在把这些公司烧死”。 Cursor 是相对良性的案例——资金“直接穿过 Cursor 流向 Anthropic”，带来了收入，却没有真正的亏损；而只有基于刚需的产品能避免流失：“如果你失明了……你永远不会不用眼镜。做 meme 的产品，当然会。”

850的二选一最终落在逆向选择上：Cliff 在 OpenAI 和 Anthropic 都是850时选 OpenAI——Sam Altman“给人的感觉有点油腻”，但他是硅谷历史上最强的融资者之一，其企业交易看起来“像黑魔法，也像欺诈”——即便他承认“Anthropic 现在正绕着他们跑，尤其是在 coding 领域”，并称“我愿意嫁给 Claude Code”。 至于 Grok：“永远不要做空 Elon。”

和 MrBeast 一起生活3周：Jimmy 曾叫停100人的拍摄，只为把一扇门重新刷成粉色——“他脑子里有算法。” 可迁移的经验是，转化率最高的内容不需要语言（“我们表现最好的广告里有书，不是 PDF”）；Harry 也被自己的遗憾照见——如果他押注遇到的每一位7/10创始人，可能会“成功17倍”，因为他分不清7分和10分。Cliff 在招聘上的对应原则是：“如果你真的信任一个人，就可以付给他显著更高的薪水。”

🔗 原始收听与视频来源： Cliff Weitzman：从全球100位顶尖CEO身上学到什么，以及为什么 Token 支出将超过薪资