投资人
2 场深度对话收录
张璐
前沿洞察
开源突破正推动AI从闭源垄断转向生态平权，极速压低成本反向引爆算力刚需。算力竞争已升级为垂直整合的“算力主权”之战；而在应用层，通用Agent虚火将退，胜负手在于专属数据支撑的复杂决策与工具调用。未来商业变现的确定性在于垂直To B、医疗与工业落地，盲目烧钱的通用层创业必死于原厂下场与成本内卷。
观点集合
159: 马斯克Terafab太空算力、英伟达重拾CPU|与Fusion Fund张璐聊AI算力新趋势
Terafab真正要争夺的不是一座芯片厂，而是马斯克生态的算力主权。 计划把 Tesla、SpaceX、xAI 从芯片设计、制造一路整合到部署应用，终极目标是年产 1 TW AI 算力，并将 80%-90% 部署到太空。张璐把它形容为一个“巨大的跨公司的工业操作系统”，…
查看摘要（8段）
- Terafab真正要争夺的不是一座芯片厂，而是马斯克生态的算力主权。 计划把 Tesla、SpaceX、xAI 从芯片设计、制造一路整合到部署应用，终极目标是年产 1 TW AI 算力，并将 80%-90% 部署到太空。张璐把它形容为一个“巨大的跨公司的工业操作系统”，但判断落地周期和资金需求都会远超马斯克自己的预期。
- 太空数据中心在未来两三年并不是一笔成熟的创业押注。 宇宙辐射、芯片封装、发射、维护与故障维修都面临重大技术和成本问题；若服务地球应用还要承受 latency。张璐给出的成熟窗口是七年甚至十年。“如果都要探索在太空里建数据中心，为什么不在临近的加拿大建？”
- SpaceX需要用“整个太空经济”而非火箭与 Starlink 支撑万亿美元级上市叙事。 张璐认为，轨道部署还对应马斯克更深的诉求：“他不希望有任何政府去监管他。”在太空管辖、轨道执法与月球资源归属都模糊的阶段，SpaceX既可能成为太空经济的主要支持者，也可能成为未来规则制定方。
- 比轨道数据中心更近的机会，是服务一个“AI native、robotics native”的太空产业。 微重力工厂可探索地球上难以形成的晶体、材料与蛋白质结构；AI还能管理卫星交通和数据交易，机器人则可从月壤提取水、氢、氧，搭建月球“加油站”。真正的空间算力需求要等这些本地应用形成规模后才成立。
- 当前更可投的是地面 AI infrastructure 的效率层，以及其他太空基础设施。 Interconnect、optical switch、能耗、memory、security、推理成本与系统整合都有明确瓶颈；创业公司还必须回答，是服务未来的大集群，还是自己重资产建设集群。张璐的直接结论是：“我觉得不是一个好时机，我觉得还是有点太早。”
- NVIDIA正在从 GPU 公司改写为生产 token 的“AI工厂”，推理则把收入从一次性需求变成持续性现金流。 训练与推理的算力占比已从约 70%-80% 对 10%-20% 走向五五开，未来可能倒挂为 20%-30% 对 60%-70%；Jensen Huang据此预计，Blackwell 与 Vera Rubin 到 2027 年对应的数据中心收入可能超过 1 万亿美元。
- Agent时代会同时抬升 CPU、GPU、LPU、NPU 等异构算力，平台控制力比单颗芯片的胜负更重要。 NVIDIA用 Vera CPU 补上工具调用、代码执行、多 Agent、强化学习与 simulation，并把 Groq 的低延迟、高吞吐推理能力纳入 Vera Rubin；即使 CPU 未必永远胜过 AMD，掌握整机、整柜和一站式采购仍是巨大的集成优势。
- 企业级 AI 已进入预算、部署与退出同时加速的阶段。 受监管行业更偏好私有云或本地部署的小语言模型，以兼顾准确性、隐私、延迟和成本；Fusion Fund网络中的企业最高已有 120 亿美元 AI 预算，部分不到十人的公司一年收入从零增至 2,000 万美元。金融、医疗、保险、工业与供应链是可能最快落地的方向，去年部分成立不到两年的被投公司被收购并获得 10-20 倍回报。
100: 硅谷怎么看 DeepSeek ？与 Fusion Fund 张璐聊开源、Agent和“除了AI”
DeepSeek R1证明开源生态可能追平闭源，关键突破是无监督强化学习形成chain of thought并降低训练与推理成本。模型变便宜可能提前全产业AI渗透、反而扩大GPU需求，但Agent可靠性、专属数据与闭源阵营的竞争仍待验证。
查看摘要（7段）
- 张璐把 DeepSeek R1 的出圈定性为“开源生态的胜利”，而不是一家中国公司孤立地追上 OpenAI。 DeepSeek 从 V2、V3 到 R1 持续公开技术报告和中间实验，让全球团队能共享架构探索；当 OpenAI 被调侃为“CloseAI”、Mistral 和 AlphaFold 3 等收紧细节时，这种开放尤其稀缺。对投资者而言，开源若追平闭源，最直接受益的是能低成本调用、蒸馏和改造模型的初创企业。
- R1 最值得产业重估的不是单项 benchmark，而是无监督 reinforcement learning 在没有过程标注的情况下也能形成 chain of thought。 张璐认为，这并没有推翻 scaling law，反而说明减少昂贵标注后，继续增加算力仍可能把能力“再提高一个数量级”。成本下降只是这一技术路线的结果，真正的增量是模型训练、推理和自我探索方式被重新打开。
- DeepSeek 降本短期触发了英伟达担忧，张璐的长期判断却相反：更便宜的模型会提前全产业 AI 渗透，最终抬高 GPU 需求。 主持人列出的对比是：V3 用 2,048 张 H800，在部分 benchmark 超过用 16,000 张 H100 训练的 Llama 3.1；但张璐强调，单次任务成本下降会让更多此前无法承担 AI 的场景使用它，这不是算力需求的终点。
- Meta 会承受“为什么小公司做得更好”的品牌压力，却也可能成为开源繁荣的长期受益者。 DeepSeek 披露的 V3 训练 GPU hours 成本约 557 万美元，并未包含前期投入、研发和人员成本，不能与 Meta 的完整投入直接比较；“只算炒菜的原材料”与连厨房、锅碗瓢盆都算进去不是一回事。DeepSeek 提供的新结构方向反而能帮助 Llama 迭代，而 Meta 仍可借开源生态与 Google 等闭源阵营差异化。
- 闭源阵营没有停下来，竞争优势正在从模型规模延伸到专属数据、内部工具和商业数据飞轮。 Anthropic 通过企业订单获得更多高质量 B 端数据；xAI 可能调用 Tesla 工厂、供应链及 SpaceX、Starlink 的 2D/3D 产业数据；Gemini、Claude、ChatGPT 也各有准确率和写作风格优势。张璐听一家未具名公司的创始成员称，其内部已有 70%—80% 的代码由自研 AI 工具完成，未公开应用首先被用于提升自身迭代速度。
- Agent 的方向成立，但当前产品更像“非常初级的实习生”，还不是 analyst。 张璐试用 Operator 时，查询速度“像一个老太太”，且仍会编造信息；企业客户因此更可能购买狭窄、专业、准确的行业 Agent，而非每月 200 美元却什么都做的 generic assistant。相较传统 RPA，Agent 的突破是把使用门槛降到“会不会聊天”，但落地仍需要 workflow integration、inference 优化和成本基础设施。
- AI 之外最值得跟踪的是 Tech Bio 与太空科技，但两条主线仍被 AI 这一“催化剂”加速。 长寿议题已从活到 150 岁、200 岁转向能否以清晰大脑和健康身体活到 100 岁、120 岁；太空侧则存在未来 3—5 年把单人送入太空降至 5 万—10 万美元、单颗卫星发射降至 1 万—2 万美元的可能性。张璐同时提醒，2025 年“不确定性会变成唯一一件确定的事情”，早期公司的竞争力将更多来自快速迭代、行业数据、商业化渠道与对巨头资源垄断的抵抗。