投资人
1 场深度对话收录
Deedy Das
前沿洞察
提炼综述：
模型层爆发与企业落地正急速分化。Deedy Das 核心研判指出：AI 护城河不在薄应用，而在深层基础设施——Glean 靠脏活累活的权限与企业级连接器筑墙，可解释性“脑外科”与劳动力短缺驱动的传统刚需最具确定性。然而，基建红利正遭遇 Token 降价与巨头下场的估值压缩；警惕盲目溢价与 RL 瓶颈，唯有深技术壁垒方能穿越周期泡沫。
观点集合
走进一家管理规模超68亿美元、身后有80多家上市公司和165多起并购的基金
Goodfire汇聚 Anthropic、DeepMind 和 OpenAI 早期研究者，押注「给 AI 模型做脑外科手术」；人口萎缩让保险、运输和物流的 AI 成为当下刚需。Carta的30% AI A轮溢价或只适合深技术团队，过度融资与 RL 瓶颈仍令定价和时间表存疑。
查看摘要（7段）
- Deedy Das 最具代表性的组合押注是 Goodfire，一家从事机制可解释性研究的实验室，他称之为「给 AI 模型做脑外科手术」（“brain surgery for AI models”）。 创始团队来自 Anthropic、DeepMind 和 OpenAI 最早期的可解释性团队；其核心判断是，当前所有可解释性方法都只停留在经验层面——GPT-4o 的迎合倾向并未真正被评测发现。Das 还预告了一项尚未公开的成果：「他们要解决的5件事中，其中一项支柱已完成很大一部分。」
- 他最具交易价值的宏观框架是：人口萎缩意味着，为招不到人的岗位提供 AI 已是当下刚需，而非对未来能力的押注。 孩子们想当 YouTuber、做程序员——「没有孩子梦想成为会计」——保险经纪、卡车运输和物流行业因此招人困难；硅谷却主要在做「金融 AI 和法律 AI」，因为常春藤毕业生都去了这些行业。「你不是在押注某个 AI 未来能以特定方式解决数学或编程问题的世界……你现在就需要它。」
- Deedy Das 直言，「风投史上几乎没有一家标志性公司出自任何人的既定投资主题」，兜售投资主题的 VC 都是「半真半假」。 他以 Khosla 投资 OpenAI 为例：当时押注的并不是什么「LLM 聊天机器人终将兴起」的投资主题；也从来没人靠一套框架在 Facebook、Hi5 和 Orkut 之间选中赢家。他真正看的是，创始人能否在5年后仍说「除了这件事，我什么都不会做」，以及能否以近乎邪教领袖般的笃定招到人——这是他看到的最大瓶颈。
- 只要追问得足够深，「至少90%的公司其实只是在改 LLM 的提示词」。 他见过同一批创始人把「数据飞轮会反哺微调」换成1年后的「这是 RL」，再被问到 RL 究竟是什么时沉默；他还认为，至少70%的 AI 路演归根结底都是「我就是想做模型，但不知道有什么用」。对于真正有技术深度的团队，Carta 所显示的 AI 赋能或名称中带 AI 的 A 轮公司30%估值溢价可以合理——「这笔溢价我100%愿意付」——但 Molly 提出的最强论证是，真正优秀公司的溢价可能远高于此。
- 过度融资会让资本投入与发展速度的曲线转负：成功幻觉、「50美元午餐问题」，以及再也讲不出上行空间的招聘故事。 Das 表示，他无法用自家基金为10亿美元级种子轮找到合理性；一种解释是 SPV：领投方在1亿美元融资中只投入100万美元，「实际上几乎不承担任何风险……却拿走全部营销价值」。创始人出售老股又制造了另一重坏激励：「反正钱已经落袋了。」
- 他的基础设施图谱是：预训练已受制于数据，因此行业进入 RL 时代；Scale AI 被收购后留下的缺口，正由 Mercor 和 Turing 补上。 RL 是「一种挺糟糕的学习范式」——奖励只在最后出现，Karpathy 也讨论过这一点——而样本效率、智能体与测试时算力、记忆、确定性和上下文窗口仍是待解瓶颈；他的北极星是 Anthropic 的「经济图灵测试」。但他的真实保留是：「我不知道未来。我不知道该如何回答 AGI 2027 之类的问题。」
- 他直白认同「裁员即瘦身」的判断：「大多数工程师其实屁事不干。」 Glean 的 Arvind 告诉他，自己认识一些10年没写过代码的 Google IC；被归因于 AI 的科技裁员，大多只是零利率时代之后的效率修正，转型期固然痛苦，但历史上总会出现新的工作。他从 Arvind 那里继承的最佳智慧是：任何时刻都只有一个问题重要——「客户爱不爱这个产品？答案是或不是？」