AI投资的底层逻辑：S曲线、护城河与盈利错配

本期播客由 Invest Like the Best 主持人 Patrick O'Shaughnessy 对话 Whale Rock Capital 创始人 Alex Sacerdote，围绕 AI 投资的核心方法论展开深度探讨。Sacerdote 长期专注科技成长股投资，其分析框架建立在 S 曲线、护城河与盈利错配 三大支柱之上。他强调，当投资人身处 S 曲线的正确位置时，单位销量将呈现指数级增长；而现实是，市场普遍缺乏指数思维——人们总聚焦于下一年或下一个季度，却忽视了技术演进的非线性本质。

尤其值得关注的是企业 AI 市场的渗透率现状：目前尚不足 1%。这意味着主流商业应用仍处于 S 曲线起点。Sacerdote 进一步指出，即使身处史上最好的技术 S 曲线中，若缺乏竞争优势，企业仍可能失败。这一判断背后，是对芯片、基础模型、应用层等多环节的系统性推演。

当你处在 S 曲线正确的位置，就会看到单位销量指数级增长。这个世界不会按指数级去思考，大家太关注下一年或者下一个季度。

企业 AI 或者说企业应用 AI 市场渗透率还不到百分之一。如果你没有竞争优势，哪怕你处在史上最好的 S 曲线里，也可能会输。

从芯片到 Anthropic：三强寡头格局的形成路径

2022 年 ChatGPT 发布后，Whale Rock 迅速组建十人团队开展大规模研究，并确立了“基础设施先行”的投资节奏：先押注芯片与算力层，因其需求刚性且赢家确定性强；再逐步下沉至基础模型层。彼时（2023 年初），全球约有六十家公司在竞争基础模型领域，OpenAI 率先突围，但市场格局仍高度不确定——可能赢家通吃，也可能因开源而商品化。

后续三年的发展印证了“三强寡头”路径：Anthropic 凭借对 企业市场 的专注、卓越的工程文化与持续领先的基础模型能力（尤其在编程场景），成为与 OpenAI、Google（Gemini）并列的三大核心玩家之一。Meta 与 Amazon 则在初期激进入局后进展受阻，被迫重启战略。

关键转折点出现在 2025 年：第一代 Cloud Code 工具爆发式落地，Microsoft Copilot 等产品以每月约 20 美元的价格实现基础编程辅助；Anthropic 则在年末推出具备 agentic 能力 的新模型，使 token 使用量激增——内部员工日均花费达 100 美元（年化约 2–3 万美元）。仅编程这一细分市场，就潜在支撑 5000 亿美元规模。

我们当时也意识到来自中国的开源风险不能忽视。后来我们开始放心，是因为前沿模型产出的 token 质量更好……scaling laws 还有其他提升模型的方法，包括反馈循环等等，让我们看到后面还有很长的增长空间。

Anthropic 在编程上一直能保持领先……他们把这一整套叫做一种 harness，也就是 API 周围的软件，用来把模型能力发挥到最大。

私募市场的入场券：如何拿下高确信度仓位

从公开市场转向私募投资，核心挑战在于 获取优质仓位的机制不同：不再是一键买入，而是需深度尽调、建立信任、匹配公司意愿。以 Anthropic 为例，Whale Rock 并非一蹴而就——他们早期曾错过其 60 亿美元融资轮（因当时商业模式尚未清晰、毛利率为负）；直到 2025 年，通过持续接触、深度研究（包括用 Cloud Code 分析海量用户反馈）、提交 90 页完整报告，并与 CFO 建立紧密沟通，最终以 18 亿美元估值 成功投资。

Sacerdote 回顾其私募投资演进史：2017–2020 年投 Stripe 是早期关键实践，当时为理解 Stripe，团队甚至与 Adyen 的 200 名客户逐一访谈。如今，他们每年与管理团队面对面开会 2000–3000 次，其中约 10–15% 为私营公司。独角兽市场规模已超欧洲主要股市总和，能否穿透信息壁垒、精准识别“真正能兑现承诺”的团队，成为超额收益的关键来源。

我们按一百八十亿的估值投了这笔钱……后来那些数字是我们从来没见过的，从一亿美元到十亿美元，再往九十亿美元走。但我们二零二五年八月投的时候，没人知道二零二六年会是什么样。

从Adyen到Stripe：用深度尽调捕捉S曲线拐点

我们投资的第一家私营公司是Adyen，时间集中在2017至2020年间。当时，现代云支付仅占整个支付市场（约8000亿美元规模）的5%，而Adyen正从传统巨头WorldPay手中快速抢夺份额。但要真正理解其价值，必须像了解自己手背一样熟悉它——因此我们做了大量尽调，与Adyen的200位客户深入交流，并在访谈中顺带评估其主要对手Stripe。我们很快意识到：这两家公司如同可口可乐与百事可乐，处于同一赛道的双寡头格局中。最终，我们在2019年首次见到Stripe的Collison兄弟，完成了第一笔私募投资。

新冠疫情期间，2020年4月，一位朋友联系我，表示其旗下风投基金可能出售部分份额。我们早已对Stripe有充分认知：虽无完整财报，但已掌握其TPV（总支付额）超5000亿美元、抽成率约40–50基点（Adyen为25–30基点）、员工规模等关键指标，足以建模估算盈利潜力。后续发现：实际TPV更接近1万亿美元，抽成率也高于披露值——我们的乐观假设被进一步验证。最终我们不仅完成1亿美元的集中认购，还因长期持有风格受到VC团队欢迎；上市后，我们继续在公开市场增持，如同后来对New Bank的做法。

‘我们意识到这两家公司就像可口可乐和百事可乐，于是我们说必须想办法投进去。’

‘后来发现实际抽成率更高，他们对自己的TPV说得很保守，实际远高于五千五百亿美元，更接近一万亿美元。’

S曲线投资框架：技术采用的底层逻辑与实战洞察

我们的核心投资框架由三部分构成：S曲线位置、竞争优势、被低估的盈利能力。当技术处于S曲线正确拐点时，单位销量将呈指数级跃升；若叠加强劲商业模式与护城河，利润增长往往远超线性预期——从1美元跃至10美元、50美分升至20美元的跃迁，比想象中更常见。正因如此，我们能在极低市盈率下买入顶级资产：如2023年以4倍市盈率买入NVIDIA，2019年以5倍市盈率布局Tesla（汽车S曲线），2020年以4倍市盈率持有Apple；投资AWS时，甚至近乎‘免费’获得其云业务。

‘这个世界不会按指数级去思考，大家太关注下一年或者下一个季度……但如果你跟踪并理解S曲线，理解护城河，也知道怎么建模，你真的可以预测出这些很棒的结果。’

我们观察到，技术从诞生到爆发往往需跨越漫长蛰伏期：智能手机在iPhone前已有十年积累，互联网在Netscape前存在二十年，AI更长期藏于企业内部，直至ChatGPT引爆公众认知。转折点常由多重障碍解除触发——如iPhone将智能手机价格从五六百美元降至200美元、整合3G网络与触摸屏、构建易用生态；Tesla则通过将电动车价格压至4万美元区间、续航提升至300英里，同时供应链成熟，才真正开启垂直起飞。

‘障碍一旦被移除，需求就会像火箭一样上升，这就是需求龙卷风。’

识别拐点与持续跟踪：从视觉信号到企业级采用

S曲线的高度（TAM）与斜率（采用速度） 决定了投资窗口长度。我们曾误判Amazon AWS的规模——初期仅视其为零售业务的附属项目，但深入测算后发现其TAM达6000亿美元企业IT市场，并预判其将带来50%价格通缩；后续现实证明，TAM远超预期，因企业自建成本与云服务已无显著差异。

采用速度差异巨大：收音机仅用7年达近100%渗透，而洗碗机因需接入家庭水电系统，增长缓慢。企业级技术（如SaaS、云、AI）更复杂——云曾因安全疑虑停滞多年，直到CIA与Capital One公开采用，CIO才敢跟进；AI则不同：对用户而言，只需打开浏览器即可使用，使其呈现近乎‘反向L曲线’的陡峭上升，渗透率正从极低基数（<0.1%）快速跃升至2–5%甚至更高。

‘AI了不起的地方在于……你只要打开浏览器，它就在那里。这就是为什么我们看到它几乎直线上升。’

关于何时开始关注：我们遵循战略拐点直觉法则——如Andy Grove所言，拐点时数据常失灵，需靠零散证据与视觉信号。例如在中国街头目睹12岁孩童玩高质量移动视频游戏，即预示移动视频S曲线启动；在Gartner会议或Splunk/VMware/AWS早期活动中，看到演讲厅挤满、站立听讲、连续满座等场景，便是需求爆发的明确前兆。Peter Lynch曾提醒：‘把图表涂掉，关键全在未来’——错过初期涨幅无妨，关键是判断曲线终点与持续时间。

‘收音机和洗碗机成了两种采用模式。’

先发优势与结构性护城河

在科技产业中，真正的长期赢家往往不是靠一时爆发力，而是凭借结构性护城河实现持续领先。这些护城河包括：规模效应、网络效应、关键知识产权，以及品牌优势。以 Qualcomm 和 ASML 为例——前者凭借专利壁垒让全球手机厂商不得不付费授权；后者则垄断了先进光刻技术，成为芯片制造不可替代的一环。同样，Anthropic、OpenAI 和 Google 等 AI 基础模型公司，正展现出类似的潜力：它们不仅拥有当前最大的训练规模，还通过企业级品牌认知和递归式模型改进能力（如将编程成果反哺回模型训练）构建起自我强化的正向循环。

‘我们有一个高光时刻是 2013 年在 Robinhood Investors Conference 上推荐 Amazon，理由是 AWS。当时我们说多头根本不知道自己手里拿着什么，Amazon 已经赢了这场战争，甚至在战争开始之前就赢了。’

‘只要你在互联网公司里拿到领先，这个领先优势就会自我复利。’

AI 投资的高风险高回报逻辑

AI 市场的规模被普遍预估为3–5 万亿美元，远超云计算的 8000 亿美元体量。这意味着它不仅是技术演进，更是一场范式级的资本重配。但高回报背后是极高的淘汰率：最初约 50 家公司试图构建基础模型，最终仅剩两三家真正突围。Anthropic 的销售额十年增长十倍、OpenAI 在企业市场加速落地，都说明它们已进入“逃逸速度”阶段——即在资本密集、算力门槛极高的环境中，仍能维持正向现金流与客户增长。

值得注意的是，AI 的护城河不仅在于模型本身，更在于其生态嵌入深度：例如 Slack 若能成为 AI Agent 的操作入口，就可能从工具升级为组织级信息中枢；而 CRM 等传统软件若被 AI 原生 agent 无缝调用，反而可能强化其核心地位，而非被取代。这提示我们：AI 不是替代旧系统，而是重构交互方式与价值链条。

‘你不需要付钱给他就做不了手机。ASML 也有关键知识产权，没有 ASML 的光刻技术，你就造不出芯片。’

软件行业的范式冲击与转型阵痛

传统企业软件正面临三重挤压：一是客户预算向 AI 基础层（如 token 消耗）倾斜；二是按席位收费模式受裁员潮冲击；三是旧有销售逻辑失效——当产品本质是“替代人类工作”而非“增强流程”，就需要 FDE（前线部署工程师）全程陪跑，而多数软件公司缺乏此类能力。

尽管如此，软件并未走向消亡。一方面，集成惯性与迁移成本仍构成天然壁垒；另一方面，AI 反而可能提升头部平台的粘性——例如 Slack 若成为 Agent 的统一操作界面，就具备了“平台化基础设施”的潜质。但关键转折点在于：AI 原生公司能否在 3–5 年内，以更低的定制成本和更高的自动化效率，对 SAP、Salesforce 等巨头发起系统性挑战。目前，多数软件公司的 AI 收入占比仍不足 2%，离“成规模”尚远，但已有迹象显示，AI 正从成本中心转向收入引擎，这或许会催生新的“四十法则”：AI 占比 × 市场份额 > 30% 即为高潜力赛道。

‘在某些时候，比如五年前，我们的投资组合里可能有百分之四十到五十是软件……我们现在还留着一两个小仓位，但进入今年时，我们实际上总体是净空头。’

供应链深处的结构性机会：从白盒交换机到液冷系统

在 AI 硬件基础设施的爆发式增长中，真正被低估的并非显而易见的 GPU 厂商，而是那些深度嵌入供应链、具备技术壁垒与客户绑定能力的细分龙头。以 Celestica 为例，这家前 IBM 超级计算遗产企业，曾长期被视为传统合同制造“商品化”企业，却凭借对高可靠性、高复杂度系统集成能力的持续投入，在 AI 时代脱颖而出——它不仅是 Google TPU 服务器的唯一供应商，更在液冷技术上建立起难以复制的护城河。液冷设备的运行温度远高于传统服务器（单台成本达20万–30万美元），一旦宕机将导致整套系统停摆，使其成为真正的关键基础设施，客户粘性极高。此外，其面向云厂商的白盒以太网交换机业务也发生质变：升级周期从7年缩短为每年一次，技术门槛陡增，需深度参与开源 Sonic 软件栈开发，并与 Broadcom 紧密协同。Celestica 在该市场占据50%–60%份额，而该市场对 AI 集群的网络连通性至关重要。更深层看，AI 服务器对硬件规格提出全新要求：普通服务器 PCB 多为 10 层，而 AI 服务器需达 40 层，能承接此类订单的 PCB 供应商极为稀缺；配套材料如覆铜板（Elite Material 所涉领域）亦同步升级，推动行业从“低增速、低毛利”转向“年复合增长35%–45%、利润率持续提升”的新周期。正如一位客户所言：“过去是‘下周需要你再打电话’，现在变成了‘未来四年我们需要你共同设计路线图’。”

‘一旦用上，别人就不会轻易把你换掉’——AI服务器已成为关键基础设施，类似给飞机供应核心零件。 ‘从百分之十到百分之三十，增长率会加速；利润率也会加速’——变化率比绝对值更能揭示真实价值。

Scale-up、Scale-out、Scale-across：三层扩张下的全面短缺

AI 基础设施的扩张并非单点爆发，而是三重维度同步跃升，带来全链路供需错配：

  • Scale-up（单机架内互联）：GPU 间互联正从铜缆向光纤演进，单机架内连接密度激增，一旦完成转换，相关光模块与线缆需求将翻两到三倍；
  • Scale-out（跨机架互联）：大型集群需将数百乃至上千机架互联，线缆用量激增十倍以上，且线缆必须更粗、更抗衰减；
  • Scale-across（跨数据中心互联）：受限于电力供给，AI 集群无法集中部署，需跨地域连接，对长距离光纤提出更高要求。

以 Corning 为例，其光纤在 Microsoft 新建数据中心中用量足以绕地球四圈半——不仅更细、更易弯曲，还可按需定制，且毛利率显著高于传统产品。与此同时，电源系统亦面临代际跃迁：每代 Nvidia 芯片或机架功耗上升50%–125%，直接推高 Delta Power Devices 与 Advanced Energy 等厂商的平均售价（ASP）与利润率。当前 DLM、NND、PCB 等细分市场已出现30%–40%的绝对短缺，即便传统“大宗商品”品类，也因结构性短缺进入强周期。正如一位投资人所感叹：“你说你们的平均售价未来四年每年都要涨40%，还利润率更高？这听起来太不可思议了。”

‘如果你的整个框架就是 S 曲线、竞争优势、被低估的盈利能力……这电影在过去二十五年里已经演过很多次了。’

研究的本质未变：Scuttlebutt 仍是王道，AI 是加速器而非替代者

尽管 AI 工具已深度融入研究流程（如自动生成纪要、复盘财报），但核心研究方法论仍坚守 Philip Fisher 1950 年代提出的 Scuttlebutt 方法：走出办公室，与供应商、客户、竞争对手广泛交流，构建对企业的立体认知。以 AppLovin 案例为例，两位分析师 Michael 与 Sam 早在其仍为私企时便持续跟踪，不仅深入拉斯维加斯广告大会、戛纳电影节等一线场景，更与 CEO Adam Farafi 建立深度信任——这种长期关系构建与复杂细节把握能力，远非当前 AI 可替代。AI 能提升信息处理效率，但无法替代独立判断：它能复述事实，却无法回答“这结果意味着什么？”“它如何影响我们的投资逻辑？”“哪些变量真正发生了质变？”——这些才是智慧的体现。在 Well Rock 的“年度最佳研究奖”墙上，名字背后是真正的人类洞察力：能见人之所未见、思人之所未思。即便在 AI 时代，分析师的价值不在于执行速度，而在于构建连贯、可证伪、有深度的叙事框架。正如团队所言：“AI 可以是很好的记者，但它还不能真正判断未来。”

‘如果一个分析师擅长基础执行，当然还有价值；但在这之上，你必须有洞察。’

构建研究驱动的三脚架决策体系

在投资决策中，双向交流与共识构建是核心方法论。创始人强调，其流程之一是主动结识全国十到十五位志同道合的同行，通过持续分享与讨论，逐步建立真正的友谊与信任。这种协作机制被提炼为“三脚架模型”：当某项投资标的同时获得本人、分析师、以及一位高度尊重的外部专家三方认可时，决策信心将显著增强——如同一张稳固的凳子拥有三条腿。这一模式不仅强化了判断的稳健性，也体现了对认知多样性与交叉验证的高度重视。知识的复利效应在此过程中不断积累：二十年来，团队持续阅读、听播客、参与会议，并每年进行2500–3000场面对面管理层访谈，使认知体系持续进化。正如芒格与巴菲特所倡导的，知识必须复利增长，而Well Rock的“Whale Rock Learning Machine”正是这一理念的实践载体——一个由十位资深成员组成的稳定研究引擎，平均从业经验约十年，其中两位核心成员已与其共事近二十年。

如果我喜欢一个东西，我的分析师也喜欢，再加上一个我非常尊重的人也喜欢，那这张凳子就有了三条腿。能大大增强我的信心。

Warren Buffett会读书，我们也读书，也读播客，但我们也在科技行业。你必须走出去跟人交流。

产品演进：从多空到 Mega Cap Tech 的结构性机会捕捉

Well Rock 的产品设计始终围绕客户真实痛点展开。最初十五年专注多空策略，强调专注性；约十年后（2020年）推出纯多头基金，现已反超多空基金成为主力资产池。2015年启动私募布局，2021年进一步推出混合型基金（私募敞口最高达80%），满足不同风险偏好LP的需求。而最新推出的 Well Rock Mega Cap Tech Fund 则直指一个被长期忽视的结构性错配：全球顶级科技公司被系统性低配。

许多大型机构（如大学捐赠基金）因误信“大盘股无alpha”，在公开市场中过度配置中小盘管理人，甚至国际资产占比过高，导致对Apple、Amazon、Tesla、Nvidia等巨头严重低配。然而，这些公司凭借强大的护城河、全球销售能力与规模效应，持续扩大利润池与市值——这并非偶然，而是数字经济的必然结果。该基金聚焦全球市值前三十的公司，从中精选12–13家，目标是在主流投资范式之外挖掘Alpha。团队坚信：最大市值公司中仍存在大量未被充分定价的Alpha，关键在于能否在95%的通用型基金经理之前达成共识。

你想想，小盘股只需要一个人发现它好，就能把股价推上去。但Google不是输家，而是赢家。这件事需要一百个人，一百个分散投资的PM意识到问题。

我们过去已经做到过，你会喜欢这个胜率，我们也喜欢这个胜率，所以这里确实有alpha。

传承与人文：一位真正绅士的投资导师

在谈及职业生涯中最温暖的馈赠时，创始人深情回忆其父亲——一位在高盛深耕四十一载的杰出金融家。他早年主修电气工程，后转战华尔街，先后负责企业融资与私募股权业务，以谦逊、智慧与高度职业操守赢得广泛敬重。创办Well Rock之初，父亲主动提出加入：“我可以做那个有白头发的人，负责监督”，担任主席角色，协助募资与治理，两人六年合作中从未提高嗓门。他不仅是成功的投资人，更是无数人的良师益友；其离世后，大量来信印证了他“以柔和方式处理复杂问题”的非凡人格魅力。

如果我能成为他一半那样的人，我就已经彻底赢了。

他就是很谦逊。非常聪明，也很有智慧，他还以优秀投资人闻名，而这在很多投资银行里其实并不常见。