David Cahn

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”。

🔗 原始收听与视频来源： Sequoia合伙人David Cahn谈AI、国防领域的赢家，以及全新的0至1亿美元打法

David Cahn 将 DeepSeek 解读为中国达到 GPT-4 同等水平的证据，而非意外的前沿突破。 他认为，更重要的信号是 Ilya Sutskever 暗示“预训练已死”（“pre-training is dead”）或“扩展定律已死”（“scaling laws are dead”）：竞争者迟早会复制现有一代模型，但下一次跃迁的来源仍未知。他的判断很明确：“DeepSeek 可能被高估了，而 Ilya 的话可能被低估了。”

更便宜的模型利好AI应用，即便它们会冲击基于稀缺性的基础设施假设。 Lukas Biewald指出，数十年来算力成本持续下降，通常都会带来总使用量增长；Cahn也称更便宜的推理“对应用层来说太好了”，并表示市场“总是在错误的时点大惊小怪”，因为这场商品化早在6个月前就已显现。Satya Nadella长期以来的判断——模型会被蒸馏、成本大幅下降，从而让 Microsoft 等托管方受益——如今看起来已成为核心逻辑。

Stargate的5000亿美元目标与DeepSeek的效率，代表两套相互竞争的资本配置范式。 Stargate假设更大的数据中心会持续产出更好的模型，而DeepSeek则指向更小的模型，以及价值向应用层上移。对Cahn而言，最能说明问题的变化是 Microsoft 停留在原有的800亿美元数据中心承诺上，这可能意味着资金来源将从超大规模云厂商的资产负债表转向“信贷支持的数据中心或杠杆化数据中心”。

Cahn提出的6000亿美元问题仍未解决，因为一年的基础设施投入需要庞大的下游收入基础。 他的纸巾背面算式从 NVIDIA GPU 约1500亿美元的年化收入出发，将其翻倍至3000亿美元，计入电力和数据中心基础设施；再翻倍，以便应用获得50%的毛利率。再来一年同等规模的投资，意味着隐含偿付义务升至1.2万亿美元——“几乎像是一笔我们已经投入、现在必须随着时间偿还的债务”。

超大规模云厂商的资本开支正在企稳，但AI收入尚未追上。 Cahn估计 Microsoft 每季度约200亿美元、Google约130亿美元，Amazon可能稳定在200多亿美元，Meta则在100多亿美元；这让问题暂时不会立即变成万亿美元问题。但 OpenAI 仍占据生态收入的绝大部分，留下的缺口仍接近此前的“5000亿美元缺口”。

支出之所以持续，是因为云计算寡头陷入了一个战略上理性的囚徒困境。 约5000亿美元的云市场是 Microsoft、Amazon和Google的“金鹅”，而7家公司占据标普500指数的33%；因此，现有利润可以为这场竞赛提供资金。高管们相信机会巨大，但防御性逻辑同样关键：“我们必须花钱，否则就会落后。”

Cahn最清晰的应用层判断，是围绕用户真实思维方式构建的职业专属AI搜索。 他每天使用 Perplexity 10–20次，并认为律师和医生也会出现类似产品，差异化来自意图提取、专有数据、答案格式以及“认知架构”。机会在于打造一个贴合某种职业问题解决模式的“AI搜索搭档”，而不只是给通用模型换一个界面。

他的风投框架偏好那些在潮流逆转后仍然值得相信的创始人与问题，同时要求远不止技术领先。 如果一个产品只“好20%”，忙碌的买家看不出切换理由，那么商业上可能毫无意义；相反，耐心让他在 Weights & Biases 上获得回报，深度信念也促成了他早期押注 Runway 和 Form Energy。这种对实质的追问最终指向AI最深层的不确定性：AI究竟只是拥有超人类智能，还是也会具备自我反思与意识——“从根本上说，这在很多方面是一个宗教问题。”

🔗 原始收听与视频来源： DeepSeek、Stargate与AI的6000亿美元问题：红杉资本 David Cahn 对谈