欢迎收听跨国串门计划，这是一档专注于让中文听众无障碍欣赏全球优质外语播客的节目。通过先进的 AI 声纹克隆技术，我们不仅将内容翻译成中文，还完美保留了原主持人和嘉宾的独特声音，为您呈现全球顶尖的 AI 财经、健康与科技领域精品内容。我是主播一凯。一位热衷于 AI 领域的产品经理，很荣幸能为您搭建这座跨越语言障碍的桥梁。
接下来让我为您简单介绍本期我们克隆的这档节目，并分享几句非常精彩的原话。本期我们克隆的是 Invest Like the Best 在二零二六年六月九日更新的一期投资深度访谈，主题是为什么 AI 热潮可能才刚刚开始。主持人 Patrick O'Shaughnessy 对谈 Whale Rock
Capital 创始人 Alex Sacerdote，他长期专注科技成长股投资，也用 S 曲线、护城河和盈利错配来理解科技周期。
节目里有几句原话很有代表性。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。这些判断背后是一整套关于 AI 芯片、软件和投资时机的思考。
那我们就一起来听听这期完整对话。当你踩中 S 曲线的正确位置，单位数量会指数级增长。如果商业模式很强，盈利不会线性增长，而是指数级增长。这个世界不太会按指数思维看问题。很少有人相信你能准确预测两年、三年、四年后的情况，但如果你理解 S 曲线，理解护城河，也知道怎么建模，你确实能预测到这些很了不起的结果。
企业 AI 或者说企业应用 AI 市场，现在渗透率还不到百分之一。我们以前总讲 S 曲线，但这一次我们叫它 L 曲线，就是一路直着往上。Alex，你刚才说 Anthropic 是你现在最高确信度的持仓，你能不能讲讲你是怎么发现它，怎么投进去的？也借这个例子聊聊。我觉得你我现在都很感兴趣的那些事，像你这样的投资人怎么投私人市场？
Anthropic的业务AI以及所有相关话题。这是一个非常好的切入口。为什么它是你最高确信度的投资？你又是怎么开始的？当 OpenAI 的 ChatGPT 在 2022 年 11 月引爆之后，我们马上动员全公司用十个人的团队做了一次大规模深度研究。每当出现新的计算范式，就会出现新的技术战，新的技术战会带来新的赢家和输家，也会冲击旧技术战里的公司。
在这个技术战里。现在，Jensen 也经常讲，最底层是电力，然后是芯片，再往上是云，再往上是基础模型，最上面是应用。当时是二零二三年初。我们说，第一步要先投芯片和基础设施，不只是因为他们最先拿到需求，还因为我们知道赢家是谁。不管上层最后谁赢，当时我们还不确定，但我们知道整个行业一定需要巨量算力。我们对这一块做了深度研究，后面可以再展开讲。
但在接下来的两三年里，我们开始更清楚地看到基础模型这一层会怎么演进。两三年前，当时有六十家公司在冲。这一层 OpenAI 算是领先者。我们在二零二三年四月做过一场线上研讨会，当时我们说，大家看这个市场可能会赢家通吃，也可能因为有开源玩家而彻底商品化。它可能会变成价格一路打到零，也可能会形成寡头格局，由三四个领先玩家主导。
接下来三年我们看到的情况是，几乎所有创业公司都掉队并消失了，然后一些全球最大的公司，包括 Amazon 和 Meta 也参与了进来。Amazon 其实一直没有真正打出来，Meta 后面会怎样，还要再看。但他们一开始来势很猛，后来基本上推进受挫，不得不做一次彻底重启。与此同时，Anthropic有点像一匹黑马，一家创业公司，他们几乎完全专注在企业市场，而 OpenAI 基本赢下了消费者市场。
Gemini 也绝不能被排除在外，我们也很看好 Google。它是我们最大的持仓之一，所以这个市场开始越来越像三强竞争，也有点像寡头格局。这和云市场的演进非常相似，三家公司支撑起了整个 SaaS 和云的世界。而且，他们的业务都非常优秀。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。
如果你已经接近顶级基准测试的百分之八十，那么从百分之八十提升到百分之八十五，就是一次巨大的能力释放。开源玩家没有那么多算力，所以他们可以接近前沿水平，但没法越过前沿。然后他们往往就会停下来。与此同时，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。
我们和很多接近这个行业的人聊过，他们都认为 scaling laws 会继续有效，所以我们形成了一个判断。这会是一场三强竞争，然后真正的重大推动因素是编程，这也是 AI 在最初几年真正释放价值的地方。我们知道 AI 会很大，但我们当时也有怀疑。我们做了大额投资，是因为我们知道训练需求一定会存在，但我们不确定会有多少收入，也不确定它是否真的能替代劳动。
因为如果你还记得早期版本的模型虽然不错，但企业端有很多负面反馈，它们到底能不能真正具备 agentic 能力？当时还不清楚，到了二零二五年，我们意识到第一代 cloud code 和各种编程工具真的开始爆发。你看到第一代产品，比如 Microsoft Copilot。大概每月二十美元，它能在某种程度上改善你的编程表达，也许能找出一个 bug，也许能写出一段代码，像写一小段文字那样。
然后 Anthropic 在年终某个时候推出了新东西，能力强得多，它开始接近一个状态。就是可以用 agentic 方式运行。我们当时大概看到了这种变化正在发生，编程市场也一下子爆发了。然后我们开始听说一些能不受限制使用它的人，用量非常大。我们听说，甚至在当时的 Anthropic 内部，有人每天在 token 上花一百美元。
如果算一下，这相当于一年两万到三万美元。如果你想想全世界有多少程序员，大概两千万人，光编程这一块就是一个五千亿美元的市场。而且别忘了，当时用的还是七八九个月前的技术。只看编程市场，我们就能看到Anthropic前面有巨大的机会。当时还挺有意思，我们在给投资人的信里写到，我们按一百八十亿的估值投了这笔钱。
我们还说他们大概希望做到九十亿美元收入，从十亿美元到九十亿美元。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。最近第二个大的解锁是 Cloud Code，几乎已经变成完全的 Gentee。去年 Andrej Karpathy 和 Linus Torvalds 还在说这些事儿，他们都是编程领域最聪明的人之一。
但后来态度完全反过来了，Karpathy。去年说编程工具大概能写百分之二十，剩下百分之八十还是要手写。最新模型出来以后，这个比例反过来了。现在它除了用英文描述，已经不写一行代码了，更不用说那些原本不会写代码的人，也会因此获得纯粹的新能力。所以光编程这一块就已经彻底起飞了。Anthropic 在编程上一直能保持领先。
云厂商，比如 GCP、AWS 和 AI 公司之间有一个区别：云服务总体上更像大宗商品，他们卖给你服务器和存储，当然上面也有很多软件，也有粘性。但在 AI 模型上，大家原来以为也会完全变成大宗商品，实际上里面有很强的差异化，不同公司有不同的训练方法，也擅长不同能力。很多人会用路由器在不同模型之间切换，这让他们看起来有点像大宗商品。
但 Anthropic 很适合处理私募股权和金融相关的东西，Google 很擅长读取和吸收 PDF，所以这里面有很多关键的差异化和知识产权，这就是很强的竞争优势。很多公司都想抢编程这个市场，但 Anthropic 一直能守住领先基础模型。和 Anthropic 还有一个好处，它不只是 API 或模型本身，他们是在 API 周围搭建一整套近乎垄断的产品生态。
他们有 SDK，有 Cloud for Work，有编排层，还有各种工具。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。这也是我们二零一三年很早看 AWS 时看到的东西，当时大家觉得 AWS 不就是仓库里放的普通服务器吗？有什么了不起？但他们看到的是一种新的计算方式。
所以他们发明了很多产品，而且他们比别人更早看见这些产品会是什么。这些产品慢慢建立了锁定效应。我们还会用另一个方式思考：现在我们在这条 S 曲线的什么位置？我们认为基础设施这一层的 S 曲线大概只渗透了百分之十。顺便说一句，我们仍然认为这是参与 AI 的最好方式之一。后面我们会讲这又会怎样反过来影响其他部分。
但你想想，即便现在可能有两亿，或者我也不知道八亿人在用 AI，他们用的也只是 AI 一点零，那基本上就是一个加强版搜索引擎。但现在有了这些新的基础能力，比如 Cloud 接入你的电脑，然后你去构建技能，公司会开始构建，人们和公司都会开始构建技能，然后他们会构建真正的 AI bot。大公司接下来会构建规模大得多的东西，但真正做到这些的人现在到底有多少？
Sundar说只占全球知识工作者的十个基点。Anthropic大概有一千四百万到一千五百万DAU，其中真正按现在这种方式使用AI的可能只是一小部分。所以这十个基点就是典型的S曲线起点。现在这些人是捣鼓新东西的人。接着会到早期采用者，再到早期主流用户，你会看到它从十个基点走到百分之一、百分之二、百分之三，再到百分之五，最后到百分之十五。
未来四年会发生这种变化，而且今年企业市场像是突然开了灯，所有人都意识到。他们现在就必须做这件事，而且要快，要做得快。这仍然有点像互联网一点零，比如一九九八年，你知道自己需要一个网站。但真的把那个网站做出来很难，可现在这些东西正在很快拼到一起，所以我们认为企业 AI 或者说企业应用 AI 市场渗透率还不到百分之一。
我们以前经常讲 S 曲线，但这一次我们叫它 L 曲线，因为它几乎是直直往上。接下来把这个逻辑放到基础设施上看，就更明显了。真正使用 AI 的人还只有十个基点，但我们已经把所有算力都卖光了。全世界的算力都不够。Anthropic 现在拿到的算力只有它需要的一半，而这还发生在大规模采用真正到来之前。Mark and Jason 说，未来四年他唯一确定的一件事就是算力一定不够。
我特别好奇，像你这样的投资人，过去主要投公开市场，想买什么点一下买入就能买到。现在你又参与了很多最重要的私营公司，比如 Stripe, DataBricks, OpenAI 或者 Anthropic，你怎么拿到自己想要的仓位规模？你以前习惯的是直接买，现在有多少要靠创造性地跟公司打交道。如果是直接跟公司谈，那就是双方都要同意，公司也得决定让你进来。
你是怎么做到的？在私营公司里，想拿到你要的额度或者你要的股权比例，你学到了什么？毕竟这不是你最早的背景。那个案例里，我们先是慢慢认识了这家公司。我们有一位分析师认识他们财务团队里的人，其实他们六百亿美元那一轮我们也看过，但当时没投，我们那时还没有那么了解这家公司。而且他们的毛利率是负的。坦白说，我们当时也还没看到编程这件事像后来那样爆发。
公开市场有一个特点，你可以用很长时间去了解一家公司，也可以按自己的节奏投资。后来。我有机会跟 Dario 待了一些时间，我当然也听过他上播客，然后我开始意识到这帮人真的很强，他们的管理团队很优秀，他们很专注，很投入，人员几乎没有流失，代码质量也很高，同时他们的商业计划也真的开始兑现了。从一亿增长到十亿是一回事儿，但做到九十亿又是另一回事儿。
于是我们尽可能多地联系这家公司，他们愿意见我们。我们做了一份九十页的 PowerPoint，我们用 Cloud Code 在网上搜遍各种反馈，了解编程市场以及他们的产品强在哪里，可能需要改进哪里。我们也完整梳理了自己对编程市场未来的看法。他们欢迎我们参与这一轮，之后我们也一直和 CFO 保持密切联系，能跟他们建立关系这件事非常好。
我觉得从最终拿到的额度看，我们算是超水平发挥了，所以这一笔在整个范围里都算是一次彻底的本垒打。现在我们处在这样一个阶段，独角兽市场的规模已经比欧洲大多数股票市场都大，甚至可能比他们加起来还大。它肯定比德国市场大，也肯定比英国市场大。我们第一次投私营公司是在二零二零年，但在那之前我们就已经会见这些公司。
我们必须了解这些公司，现在更是必须了解，因为有时候他们已经是某个领域里最大的公司，而且影响巨大。所以，我们每年会和管理团队面对面开两千到三千次会，其中大约百分之十到十五是私营公司。然后，我们会聚焦到那些真正想了解的公司，想办法见到他们，并参与他们的融资轮。我们投的第一家私营公司是 Stripe，当时投了很大一笔。
这是二零一七年、二零一八年、二零一九年到二零二零年的事。我们当时持有Adian，这是一家非常出色的支付公司，是下一代。云支付公司正在从 WorldPay 手里抢份额。当时现代云支付只占整个市场的大概百分之五，而这个市场总规模可能有八十万亿美元。但你如果不了解 Stripe，了解到像了解自己的手背一样，就没法投资 Adyen。
所以我们做了大量尽调，和 Adyen 的两百个客户聊过。但我们问他们 Adyen 的时候，也会问 Stripe。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。我最后在二零一九年见到了Collison兄弟，那就是我们第一笔私募投资。当时我们并不以投私募出名，我有个朋友参与了一家风险投资公司，手里有很多份额。
我跟他聊过这件事，我说如果你以后想卖一些，告诉我。然后在新冠期间，二零二零年四月，我接到了他的电话。我们对 Stripe 已经了解很多，虽然没有完整财务数据，但知道的足够多。在那个估值下，我记得是三百五十亿美元。我们知道他们披露过 T P V 超过五千亿美元，我们也知道 Adyen 的求成率是二十五到三十个基点。
Stripe 是四十到五十个基点，我们还知道他们有多少员工，所以大致能推算出盈利能力。后来发现实际抽成率更高，他们对自己的 T P V 说的也很保守，实际远高于五千五百亿美元，更接近一万亿美元。我们按自己的假设去测算这笔投资。结果比想象中好得多。后来我们还能从卖方那里加大规模，买成一整块一亿美元的份额。
有时候他们也喜欢这种情况，VC会持有，但大多数最后会卖。他们喜欢我们这种投资人，因为我们会持有。而且上市后也继续持有 New Bank，我们也是这样，上市后也在公开市场持有了很长时间。也许现在正适合请你系统讲讲你关于 S 曲线学到的一切。你们公司显然很大程度上就是建立在这个理念之上，也就是技术采用生命周期。
你们会在某个平台变化或者某条 S 曲线变化的过程中寻找合适的时机投资公司。我觉得大家都知道 S 曲线的基本。概念也知道你提到过的那些阶段，比如捣鼓的人、早期采用者、早期大众。但我希望你能讲得非常深入，讲讲这些年来你到底学到了什么，因为很长时间里你都是用这个视角来看市场、看股票，带我们进入那些非常细、非常具体、非常有颗粒度的细节。
为什么 S 曲线对投资这么有用？我们有一个投资框架，第一是 S 曲线。等下我们会逐一展开。第二是竞争优势，第三是被低估的盈利能力。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。如果商业模式很强，而科技行业里有很多这种公司。也有很多不同类型的护城河，那么你的利润不会线性增长，而是指数级增长。
最后一块就是在长期盈利能力还没有被充分理解的时候投资，很多时候利润可以从一美元涨到十美元，从五十美分涨到二十美元，这种是发生的频率比你想象中高得多，这让你能用极低的市盈率买到世界上最好的公司。我们在二零二三年买 NVIDIA 的时候，付的是四倍市盈率；我们在二零一九年为了汽车 S 曲线买 Tesla 的时候，付的是五倍市盈率。
我们持有 Apple 的时候，付的是四倍市盈率。我们为了 AWS 买 Amazon 的时候，等于是免费拿到了 AWS。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。很少有人相信你能准确预测两年、三年、四年之后的情况，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。
那我们来说 S 曲线，S 曲线非常关键，因为每项技术都会遵循这个模式。技术先出现，但真正起飞要很久。智能手机在 iPhone 出现前十年就已经有了，互联网在 Netscape 出现前二十年就已经有了，AI 也早就存在，只是藏在这些公司内部。但直到 ChatGPT 把它推到公众面前，才真正点燃了这件事。
电动汽车也是一样，Tesla 在二零一九年垂直起飞之前已经上市十五年了。原因是采用这项技术有太多障碍。最早的智能手机很笨重，没有触摸屏，也不是 Apple 做的，还没有无线数据系统。而且它们太贵，要五六百美元。Steve Jobs 把价格降到两百美元。AT&T 有了 3G 网络，手机有触摸屏，简单到你奶奶都会用。
他还建立了生态系统，把体验做得很简单，所有采用障碍都被消除了。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。全世界的人都知道自己马上需要这个东西，转折就是这样发生的。电动汽车也发生过这种转折，价格太高，Elon把价格做到四万美元区间，还有里程焦虑这个问题也存在，他把续航做到三百英里，供应链终于到位了，所以它能大规模生产，做出几百万辆车，这就触发了拐点。
还有一个细节，不只是说哦，现在起飞了，还要看这条 S 曲线有多高，规模有多大。这样你才知道什么时候卖能拿多久，因为我们做投资判断是往后看两三年，我们必须知道之后的增长会是什么样，而且这些 S 曲线会变化。比如 Amazon 有 AWS 的时候，它只是 Amazon 里面一个隐藏的明细项目，覆盖它的是零售和互联网分析师，不是硬件芯片分析师，它又是一种新的商业模式等等。
但我们意识到这件事的 TAM，也就是总可寻址市场，是企业领域有史以来最大的，因为以前的 TAM 是路由器、内存、存储、 Dell、 EMC 这些。但 AWS 是把这些全都做了，所以我们算出来，你要知道这条 S 曲线到底有多高。我们算出他们直接瞄准的是六千亿美元的 IT 系统市场，然后我们说这大概会带来百分之五十的价格通缩。
所以当时渗透率只有百分之一到百分之二，但后来我们发现它其实并没有通缩。你现在随便问谁，我都会说，如果你自己搭价格差不多，这就意味着那个 T M 大得多，所以有超大型 S 曲线，也有子 S 曲线。我们很幸运经历过互联网 1.0、移动云电商，现在又到了 AI，而且我们可以很有把握的说，AI 是最大的。所有这些东西又是一层一层叠加起来的。
电动车这条 S 曲线也一样，你必须持续关注，因为当时我们觉得可能百分之四十到百分之五十的汽车会变成电动车，但它确实撞上了一堵大墙，停在了百分之十到百分之十五。通常 S 曲线会一路走到底，但这一次因为各种原因没有，所以你必须调整判断，必须一直盯着。一般来说，当某个东西渗透率到百分之三十、百分之四十左右，你就不再有指数级增长了。
也就是说，卖方分析师会追上来，也就不再有大幅超预期。通常这就是你卖出的时候吗？一般来说，我们喜欢高增长，但 Apple 这件事上我们犯过错。Apple 前五六年非常棒，那是我们最大的持仓，每年涨百分之五十、百分之七十，除了二零零八年。然后我们在二零一二年卖了，因为当时美国大概百分之五十的人已经有智能手机，但 Apple 维持住了自己的领先地位。
它有几年表现落后之后，估值倍数降了下来，又增加了几个附加业务，它还参与到了应用生态里，因为 App 收入它能抽百分之三十，所以它后来仍然能很好的复利增长。比如每年百分之二十，但真正的大年份是曲线从零到百分之五十的那一段。我对这个现象特别着迷。一条曲线刚开始的时候，有时会平着走十几年甚至更久。这让我想问你，对正确买入时点或者在买入之前什么时候开始关注，学到了什么？
你怎么衡量？每次都不一样吗？你踩过哪些坑？我们刚才聊了什么时候卖，那你怎么知道什么时候该开始考虑买入这类东西？Andy Grove 说过，当你遇到战略拐点时，不能相信数据，战略拐点靠的是直觉，是零散的证据。我很喜欢一本书，叫《The Dow Jones Averages》。A Guide to Whole Brain Investing 讲的是右脑和左脑。
最好的投资人有右脑，也就是创造性的那一面，他们能用视觉去感受，能把点连起来。我们投移动视频游戏，这条 S 曲线投了很久，很长一段时间，手机上的移动视频游戏就是不行，屏幕小，处理能力也不够。所以当时都是一些休闲游戏，但后来我在中国看到一个十二岁的小男孩拿着一部很大的手机，在玩一款特别棒的视频游戏。我当时就想，天哪，视频游戏现在真的要上手机了，这就是视觉上的信号。
企业市场更难，因为你看不见。我们会去 Gartner IT Symposium，有三万名美国 CIO 会去那里。我们当时在 Splunk 身上就看到过这种情况。他以前是一家很了不起的数据公司，他们做讲解的房间挤到只能站着听。VMware也是这样。我说的是大概三十年前，他们把服务器虚拟化，房间也是只能站着听。
你能直接看到企业需求刚刚开始起来。AWS也是，我们去的时候，他们的大宴会厅完全坐满了。那是九点到十点，大宴会厅还是完全坐满。十一点也是，所以在真正发生之前，你其实能看到需求正在爆炸。我们会寻找各种线索，这里面有一整套模式识别。顺便说一句，晚一点也没关系。很多时候错过最开始的一年、两年、三年也没关系，因为如果一条 S 曲线的顶部是五千亿，增长可以持续很长时间。
所以你不一定非要一开始就站在那里，错过最开始。百分之百的涨幅也没关系，我是从 Fidelity 起步的。Peter Lynch 很喜欢带年轻人，所以我跟他有过一些交流。他说：“把图表涂掉，关键全在未来。”所以错过一段没关系，但 S 曲线有用的地方在于，它能帮你判断这条曲线会持续多久。还有一个重要因素是 S 曲线的斜率。
很多人觉得我们生活在现代世界，所以一切都会很快。但决定采用速度的因素其实很多。我们请过一位先生 Horace Daudy。他以前和 Clayton Christensen 一起工作。我们请他去回看历史。我们办公室墙上贴着过去一百年里那些大的 S 曲线。收音机的 S 曲线是历史上最快的之一，它大概用了七年就达到接近百分之百的渗透率。
但洗碗机的 S 曲线就完全不同，因为它需要接到后端系统里。你们还学到了什么？这太有意思了！你们还从里面学到了什么？接入问题，所以 B to B 的东西往往会花很长时间，因为它得接入现有系统。它就像家里的洗碗机，得被装进房子里。消费者产品通常会快得多。我很喜欢这个说法：收音机和洗碗机成了两种采用模式。
我在 Fidelity 的时候覆盖过互联网。我第一只股票就是 Amazon，这是另一个很有意思的故事。但我当时也做 B to B 互联网，那时候围绕它有一个非常大的看多逻辑。可问题是，支撑 B to B 互联网的底层基础设施还没到位。最后这件事在二十年后以 SaaS 的形式发生了，所以 AI 也有这个风险。
大公司非常重视安全，行动可能很慢。AI 还有很多文化问题，你真的需要几个内部布道者把它推过去。高层管理者也需要推动，但 IT 部门会说这有风险。云也是这样，当时云面临的一个大问题就是，所有人都害怕把数据放到云上不安全。后来我们看到 C I A 开始用云，也看到 Capital One 用云。我们还和 Capital One 的 C I O 聊过，他说放在云上更安全，然后云才真正开始起飞。
但这些起飞也许因为 S A S 像洗碗机，云也像洗碗机，都需要接进去，所以它们确实在增长，但增长率大概是百分之三十到百分之四十，也许到百分之五十。AI 了不起的地方在于，至少对消费者来说，甚至对企业来说，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。我认为短期内还有足够长的跑道，真正使用它的人会从十个基点上升到百分之二到百分之五，或者更高。
这会让它继续直线上去，所以我们把它叫做反向 L 曲线。这真的很令人兴奋。关于最后成为领导者的那一组公司是在什么时候从竞争群里拉开差距的？你有什么体会？你刚才主要讲的是需求端 S 曲线的整体增长，但每次总会有多个玩家在争。你过去的投资看起来像是等某家公司已经从竞争者里跑出来之后再投，而不是在一群公司里提前猜谁会赢。
这个理解大致对吗？我们肯定是先找 S 曲线，然后我们会把所有和这个领域有敞口的公司都做一遍非常彻底的研究，试着找出那个拥有非常强竞争优势的公司。很多人以前不喜欢科技股。Warren Buffett 也不喜欢科技股，因为他觉得未来没法预测，变化太快。所以对我们来说，S 曲线就是看未来的一张地图。很多人也担心科技，因为他们觉得颠覆太多。
你永远不能相信一家公司能成为长期资产。但这些年，我们发现数字世界里的某些竞争优势和线下世界一样强，甚至更强。你有网络效应，LinkedIn、Facebook、阿里巴巴这些公司的网络效应都非常强。然后你还可以成为行业标准，Oracle 和 Bloomberg 就是行业标准。Oracle
收费很高。也有免费版本，也有开源的 Oracle 替代品，但他们掌握了所有数据库管理员，也有大量软件，都针对 Oracle 调好了，所以他们基本上长期锁住了关系型数据库市场。
你也可以非常快的做到规模。因为这些 S 曲线会增长，突然之间，Anthropic 就能做到九十亿、三百亿的销售额。Amazon 也是这样，它很快就有了巨大规模，所以它用五年就获得了 Warmer 那种规模优势。而Warner花了四十年，你可以拥有网络效应和规模，可以成为行业标准，可以成为让别人往上搭建的平台。
你也可以拥有关键知识产权，Qualcomm。就是这样，你不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。我觉得有意思的是，这些 AI 基础模型公司也许也有类似优势，他们有规模，另外品牌也可以成为优势，而且品牌非常重要，因为 Google、Amazon 这些公司一路增长，基本从来不需要打广告。
Elon 做任何东西也几乎不需要打广告，或克成本和客户生命周期价值的关系，本身就是整个商业模式。所以，我刚才提到的那些公司几乎都像 Apple 一样，把这些优势合在了一起。所以，有时候我们能比其他人更早看到这些东西。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。那时候我们说这里有可口可乐，但没有百事。后来证明其实还是有百事的，但市场足够大，能容得下。我们当时能看到 Amazon 有七年的领先优势。所以先发优势很重要。后来它又变成了一个完整生态和平台，再后来有了规模，它的规模是其他所有人的十倍，没人能投入足够的研发。
去追上它，但你说的对，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，还是会输。如果你的名字叫 I M Palm Nokia HTC LG Motorola，我还可以一直列下去，结果就是零零零负负负负。这也是我们在基础模型层看到的情况，大概有五十家公司想做这件事，后来都掉队了。最后有两三家冲到了最前面，而且有很多理由可以认为他们会继续守住自己的位置。
拿 Google 来说会更复杂一点，因为它的 Gemini 业务旁边还连着一个庞大复杂的主业。但如果把 Anthropic 和 Open AI 当成纯 AI 公司来看，深入研究他们在推演他们的竞争优势，为什么这些优势不会随着时间推移被侵蚀？我们研究过的所有 S 曲线里，AI 是目前最复杂、变化最快的一个。
所以，我们必须记住，这里面确实有风险，但回报也是最高的，因为我们谈的是一个万亿美元级别的市场。云计算市场可能是八千亿美元，而 AI 这个市场我们现在认为可能是三万亿到五万亿美元，所以这是高风险高回报。先拿 Anthropic 来说，它看起来确实拥有关键知识产权，总体上它也一直能维持很高的市场份额。第二个护城河是它已经在企业市场建立了很强的品牌。
你去问任何一个 CIO，他们第一反应都会说 Cloud，他们会有逃逸速度和规模。OpenAI 和 Anthropic 当初最可怕的挑战是要和 Google 这样的大公司竞争，因为这些大公司有巨大的现金流业务。但必须肯定，OpenAI 和 Anthropic 两个管理团队。他们能在这种资本极度密集的行业里运作，并且找到办法融资，尤其是 Anthropic，看起来销售额增长了十倍，又有很强的融资能力。
所以它似乎已经达到逃逸速度。现在它有规模了。Anthropic 和 OpenAI 还可能拥有另一个优势。Anthropic 现在在编程上领先，它可以把这些代码反哺回自己的模型，这就是递归式改进的概念。你看，他们创新的速度正在加快，所以也许他们会进入起飞阶段。Open AI 之前关注很多不同领域，但它现在在企业市场开始做得更好，编程工具也不错。
他们也开始在这一侧看到增长加速。再看消费者业务，现在企业市场看起来明显更好，因为你我都愿意付很多钱，因为它在替代人。消费者市场这边也许可以靠广告变现，也许如果能把 Cloud Bot 这种助手做得非常好，用户也会愿意付费。但他们在消费者端有海量眼球，你说的对，局面确实会变化。不过在互联网公司里，我们几乎每次做推介都会放一张图，领先者会变得更大、更快，然后赢下来。
这种情况已经发生过很多次，大多数时候领先者会拿到结果。Shopify 成为领先者之后就继续往前走，Amazon 是领先者就继续往前走，SaaS 公司里某个 XYZ 也是这样。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。还有一点是你必须足够大，另一个关键就是规模。你需要算力，也必须付得起算力，因为能做到这一点的人就那么多。
这些就是我们认为现在正在显现出来的一些护城河。当然，这条规则也有例外。通常是在范式转移的时候，比如 AOL 从拨号上网切到宽带，它没能完成转变； Netscape 出现的很早。但它的商业模式没有那么强，但我觉得如果你和硅谷任何人聊，或者和任何创业公司聊，他们都会告诉你，他们是在这三家公司之上构建产品。
世界很大，经济体量也很大，所以他们仍然能在这些基础之上做出差异化。那我很好奇，你觉得这一切对软件意味着什么？我看你们的投资组合没看到很多大型软件公司，尤其是企业软件公司。我不知道你们以前是不是持有过，后来卖掉了，或者你们当时怎么想的？但只要亲手做过一些真的有用、很酷的小工具，哪怕他们现在还只是玩具，也很难不想到，如果我花足够多时间，哪怕我不是技术出身，是不是也能给自己的公司做一个类似
ERP 替代品的东西？
看起来好像没有什么根本原因，说明这不可能。如果真是这样，那些软件公司可能会有很大麻烦。这件事上似乎每个人都有很强的看法，不管是正面还是反面。我很好奇你们怎么看这类公司，因为你们看起来并没有持有很多。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。在二零二三年四月的研讨会上，我们一开始就说肯定要先投芯片，但在应用层，我们最初的想法是这些公司规模巨大，有庞大的销售团队，他们可以拿这些
AI API 来做产品，而且他们有数据，所以这对软件来说会非常棒。
但我们很快发现他们的 AI 产品并不好。这些产品没有真正改变业务，也没人能为他们收费，所以我们基本上卖掉了几乎所有软件，几乎所有应用软件都卖了。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，这在一季度对我们帮助很大。这里面有很多层旧的软件方式，就像用笔和纸，或者像马车；新的软件方式像喷气发动机。
坦白说，甚至像星际迷航里的传送器，这种变化太革命性了，所以感觉它一定会带来颠覆，即使现在还没有，或者不会马上发生。软件公司。还有另一个问题，就是在任何 CIO 的代办清单或者优先级清单上，他们的位置已经掉了很多。所以，就算 AI 不会带来颠覆，客户也会把钱花在 Anthropic 的 token 上，因为那里的投资回报来得更快。
第二，如果钱都花到那边去了，就会挤压预算，这也会伤到软件公司。第三，很多软件公司过去每年都能涨价。现在他们可能不太敢这么做了。第四，我们还要看就业会发生什么，因为这个问题两边都有聪明人。但我们确实看到一些公司在大幅削减岗位、放缓招聘或者冻结招聘，这可能会影响按席位收费。至于他们自己开发应用，也许这只是需要时间。
如果你想乐观点，可以说我们前面聊过，AI的基础能力还很早期。所以，也许他们只是需要更久才能做出可以商业化的东西，但他们可能没有合适的人，他们可能也不知道这和销售一个固定系统完全不是一种销售动作。如果你安装的是一个能做人类工作的东西，你就必须在客户身边确保他真的把事情做成。所以，你需要 FDE，也就是前线部署工程师。
他们内部可能没有合适的人来做这件事。当然，还有一个风险是客户可以自己做。看多的人会说，他们永远不会自己做 ERP 系统，这可能是对的。老技术确实非常有粘性，比如手机视频游戏没有伤到主机游戏，平板没有伤到 PC，智能手机也没有伤到 PC。这些软件里也确实有很多集成和工作量。这些都是真的，公司也确实喜欢买现成的，他们没那么喜欢自己做，这些也都是真的。
但你可以想象这样一个世界，一二三四五年后，每一个强大的现有软件巨头都会有一家全新的 AI 原生公司来挑战它，而这些巨头的数据优势可能会被抵消。有了 AI，也许把旧系统拿出来，把新系统放进去会变得很容易。所以，如果你看多这些公司，好处是估值已经很高，而且所有人都知道他们承压。有些人会想买这些公司，但 AI 编程工具正在变得越来越好，所以我们还得等着看。
我们也在非常密切地观察这些软件公司，看他们能不能拿到一些收入，从而改变原来的轨迹。但这很难，因为如果你是一家像 Salesforce 这样的公司，你有四百亿美元销售额，现在你可能有五亿 AR 或者七亿 AR 来自 AI，所以你的原有基数非常大。也许这会开始奏效，但需要时间。在软件行业有一个四十法则，就是增长率加上运营利润率。
如果你有百分之二十的增长率，再加百分之二十的运营利润率。那就不错。对 AI 来说，我们有一种新的四十法则，可以这么叫。其实它主要是用来看芯片投资的。比如你的销售额里有多少比例来自 AI，假设是百分之三十，再看你在这个品类里的市场份额是多少，假设也是百分之三十，那加起来就是六十。这是个很值得看的方向，因为你既有 AI 场口，又有很强的市场地位。
软件的问题在于，现阶段他们的 AI 业务只占一到百分之二。离真正成规模还有很长的路，不过我们最近也开始看到一点新情况，这一点可能很重要。AI 反而可能让一些软件平台变得更重要。因为你用 Cloud 第一件事儿是什么？你会把它接到 Slack 里。如果 Slack 能变成一个关键的信息库，那它就会成为组织里长期固定存在的一部分。
所以，也许这些 agent，也许下一波 AI 就是这些会使用工具的 agent，他们可能会在现有的头部软件工具里运行，像人一样使用这些工具。顺着这个话题说下去，他们可能使用的最有粘性的工具，好像共同点都是基于网络的工具，Slack 显然就是一个很好的软件例子。但 Slack 本身我不知道，还是有不少不尽如人意的地方。
真正特别的不是这个软件本身，对吧？而是所有人都在里面。我很好奇你会看中什么样的东西？只是网络吗？也就是有没有网络效应？这是不是唯一真正重要的东西？我们对这个问题还在早期思考阶段。但我甚至觉得，也许 Workday 或者人力资源系统，或者那些大型记录系统 Agent 都可能跑在它们上面。CRM 正在走向无界面化，或者说他们在做一个无界面版本，这其实也是看空的一面。
你可能会被降级成一个数据库，但这里还有人使用它的界面。接下来他们需要做 AI 使用的界面，而这个界面其实就是没有界面，AI 直接进入数据，这样你会失去和客户之间的那层交互。但如果 agent 直接进入 CRM 并且在 CRM 里面完成工作，那反而会巩固 CRM 的地位。所以你就不必觉得 CRM 一定会消失。
我们能聊聊芯片吗？你前面提到过几次在基础设施芯片里，或者说数据中心周边的一切。我不确定你是怎么定义这个范围的。为什么这件事对你这么有意思？我很喜欢你那个改版的四十法则：AI 占收入的比例加上这个品类里的市场份额。这是个很有意思的指标。今天哪些公司在这个指标上很亮眼，又有哪些落后的公司？其实让人意外。
过去四十年，数据中心里几乎没有变化，即使有了云也是这样。基本上，Intel X86 在九十年代某个时候成了数据中心芯片。到了云时代，算力继续增长，计算工作负载每年增长大概百分之二十五到百分之四十。但摩尔定律本身也在以这个速度改进，所以不需要非常巨大的创新。硬件很多年几乎没有增长，整个行业基本上把每一个环节都商品化了。
每颗芯片、服务器的每个部件、印刷电路板、内存、机箱、网络设备，几乎都没有创新。你从一 G 升到十 G 可能要花七年，切换的第一年确实需要一些创新才能做到十 G，也会形成一个小周期，但之后它又会商品化。现在到了 AI 工作负载每年增长十倍，它把硬件的每一个方面都推到了物理极限，所以你不只是创造了巨大的出货量增长。
我们把这叫做硬件行业的去商品化。大概三年前，我见过商McGuire，他说：“我真希望自己能回来做一个硬件对冲基金，因为这些公司都是上市公司，而且他们都有很强的知识产权。”Sequoia 当年在硬件时代投出了很多最好的项目，比如 Apple、Cisco，还有其他公司。现在我们正处在芯片复兴期，所以你不只有巨大的出货量增长，还需要巨大的创新。
这会体现在服务器的每一个环节上，比如内存。过去基本上是纯商品，但现在的高带宽内存是把十颗芯片叠在一起。它的输入输出能力是过去的十倍。桑松花了好几年才做到，这是一块极其关键的部件，而且还在不断升级，所以他们必须和 Nvidia。提前三四代就开始合作。我们在 Celestica
上也看到过这种情况。Celestica 原来是一家合同制造商，而这个行业从一九九九年以来一直很糟糕，它都外包到了中国，变成了商品化行业。
但 Celestica 撑了下来。Celestica 的传承来自 IBM 超级计算，他们保留了那批人才和技术能力。后来我们发现他们是 Google TPU 服务器的唯一供应商。我们当时想，天哪，这大概是三年前，那时它的股票只有八倍市盈率。另外，它还有一整块业务是向云厂商销售以太网白盒设备。白盒其实就是商品化的代号，也就是面向云厂商的白盒以太网交换机。
结果发现这些公司其实是非常好的生意，他们不只是增长很快，做一台 AI 服务器已经是液冷了，运行温度高得多，而且一台机器要二十万到三十万美元。以前一台老服务器五千美元，坏了就扔掉。但这种机器一坏，整套系统都会停，所以你就变成了关键基础设施，有点像给飞机卖关键零件，一旦用上，别人就不会轻易把你换掉。后来发现他们在液冷上也确实很强，很多其他公司想做，结果都失败了，所以他们保住了这个位置。
还发现以太网市场也变了。以前从一百G升级到四百G再到八百G，可能是一个七年的升级周期。现在每年都在升级，而这件事非常难。这里面还有一整层软件，也就是开源的Sonic层，Celstica的一些人参与写了这套开源软件，他们和Broadcom合作的非常紧密。所以我们一开始以为这只是一个很好的增长驱动因素，后来发现它其实也是很强的竞争优势。
他们在云端以太网交换机市场大概有百分之五十到六十的份额，这个市场对 AI 非常关键，因为 AI 对网络的依赖极高。甚至像印刷电路板这种东西也是一样，普通服务器可能需要十层板，这些 AI 服务器需要四十层板，能做这种板的 PCB 供应商非常少，里面还有各种各样的复杂性。我们还持有 Elite
Material，它做的是关键材料，也就是覆铜板会用到这些电路板里，所以 PCB 的出货量在增长，层数也在上升。
光是出货量这一项，年复合增长率就有百分之五十到六十，然后平均售价也在涨，毛利也在涨。以前客户可能会说：“如果下周需要你，我们再打电话。”现在变成了我们未来四年都需要你和我们一起设计这条路线图。所以你从一个增长百分之五、利润率很低的生意，变成未来四年收入年复合增长百分之三十五、四十五、十，而且利润率还在上升。
在这之上，所有东西都短缺，所以哪怕它是大宗商品，也会进入一个很好的周期。我们在整条供应链上下都能看到这种情况。你会找到像 Corning 这样的公司，他们做光纤，他们在光纤里有一个高得离谱的份额。我之前读到 Microsoft 刚建的一个数据中心，里面的光纤长度足够绕地球四圈半。他们的光纤更细，更容易弯曲，还能按精确规格专门制造，利润率更高。
而且这是他们业务里增长最快的部分，在网络里有。Scale out 也就是把所有服务器机架连接在一起，还有 scale across
也就是把数据中心连接在一起。你想建这种巨大集群，但训练所需的电力没法都集中在一个地方，就要把它们连起来。可是你需要的线缆量会增加十倍，而且线缆还必须粗得多。这就带来了巨大的增长，真正的关键在 scale up，也就是把一个机架里的每块 GPU 都和其他 GPU 连接起来。
现在这是用铜缆做的，最终这会改成光纤。一旦发生 cornering 的机会，就会变成原来的两到三倍。所以在机架的每一层，所有人都应接不暇，所有人都被需求压满了。电源也是一样，每一代 Nvidia 芯片或者机架用电量都会增加百分之五十到一百二十五，这会直接推高 Delta 和 Advanced Energy 的平均售价。
我真的觉得这些故事太不可思议了，我听到的时候会想等等，也就是说你们的平均售价未来四年每年都要涨百分之四十，而且利润率还更高。更大的图景是 AI 需求会继续上来。如果我们对这条 S 曲线的判断是对的，那我们现在已经短缺了 DLM 市场、NND 市场、PCB，现在已经短缺大概百分之三四十。在衡量 AI 占比和市场份额这些指标时，你更看重绝对值，还是更看重这些指标的变化速度？
好，因为我们在二零二四年做过一个演示，里面真的列出了每家公司的市场份额。然后我让Cloud把它画成一张图，但它其实没画对，因为它没抓住变化率。所以变化率很重要，这一点也很惊人，因为你从百分之十到百分之三十，增长率会加速。利润率也会加速，所以变化率非常重要。为什么公开市场里更多人没有把这件事看？对，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，那感觉这部电影在过去二十五年、三十年里已经演过很多次了。
我妈问我为什么要把你的秘密告诉所有人，这就像赌场为什么要教人玩二十一点一样。因为这件事儿更难，真的很难做。你得有很深的理解，也得能适应这种。投资方式，我们一直在做这个。我在 Well Rock 做科技投资已经二十年了，我们有一支团队也一直在做这件事儿。经历过很多轮周期，我们知道其中的差别很少有人，甚至几乎没人关注硬件和芯片，所以现在有很多新手涌进来。
就你和 Gavin 就这么多，Gavin 做的很棒。以前大家对这块不舒服，它做起来比看上去难，而且你看图表，很多公司股价已经涨上去了，所以会让人害怕。我还能买吗？你还得有整体视角，因为如果你没有信念，过去四年里每次看 Nvidia 都会这样。他们这一年太好了，天啊，这肯定是泡沫。然后他们又过了一个很好的年份，接着六个月横盘，大家又说这肯定是泡沫，事情有点失控了，挺吓人的。
那些看空理由也不是完全没有道理，但如果你能看到全局，理解这些事情是怎么展开的，并且从中建立信念，就会不一样。坦白说，如果你只是一个半导体分析师，很多半导体分析师都错过了这一轮，因为他们没有看到基础模型这一层真正发生了什么。所以有大局观会有帮助。你看过几十年的很多条 S 曲线，知道他们在不同领域里怎么演化，这也会有帮助。
在这整幅图景里，我会把你到目前为止这一个小时里的立场描述成：你非常看好 AI 将带来的影响，也非常看好由此产生的回报机会。那什么事情最让你担心或者最不确定？是所有这些东西变化太快吗？在这种看起来相当强烈的看多情绪中，什么会让你保持警惕？有一件事让我不太舒服，就是普通人群里对 AI 有很多负面情绪，政府的一些方面也有很多负面情绪。
我觉得缅因州刚刚禁止了数据中心。而且只有百分之二十的人对 AI 持乐观态度，还有潜在的负面监管风险。但我确实觉得精灵已经从瓶子里放出来了。另一个风险是，如果 AI 的进步放慢，我认为即使模型不再进步，也还有大量 AI 采用会发生。但 Jensen 很多年前说过这件事，当时他说的是他的图形芯片，他说如果够用就行，真的够了，那我就没生意可做了。
后来他每年都把图形能力做得更好一点，而人们总是想要最好的。在 AI 里也是一样，如果 Anthropic 冲墙了，不再进步了，或者 OpenAI 冲墙了，那开源模型就会追上来，然后这可能变成一场比谁更便宜的竞争，对股票可能不好，但对芯片公司可能反而是好事。芯片公司不在乎谁赢，谁在运行这些模型？对不起，我是说谁赢，所以这也是一个正面因素。
如果开源起飞，他们也会受益。Jensen真的很希望开源能起飞，他在上一次GTC上一直提这件事，所以这可能是一个风险。还有一件事是，如果其中一两个玩家掉队，失去位置，没法继续竞争。那未来他们可能就不需要那么多算力了。当然，如果 AI 真的足够大，别人会把这些算力吃掉。我们已经见过类似情况，Oracle 取消了一笔大交易，然后 Meta 马上就进来了。
但假设 Meta 决定不参与 AI 了，说我们跟不上，这只是在浪费资源，那就是一个风险。所以我们会非常仔细的看这件事儿。总体上，我们看到更多公司是真的在投入做这件事儿，甚至 Microsoft 也在尝试自己做。我觉得这些就是一些关键风险。你们过去好像很少做 AI 应用层。从历史上看，最后大部分市值往往都来自应用，而不是基础设施。
过去其实也没有真正的模型层，可能你可以说那时候对应的是云之类的东西。那为什么你们这么专注于 Jensen 那个五层蛋糕里的底层，而不是那些应用层、那些消费者实际在用的东西？我们其实有投应用层，比如 OpenAI 的一部分就是 ChatGPT，它就是一个应用。但我们觉得应用层通常会晚一点出现。你看 iPhone 前面三四年，真正的应用也是花了时间才起来，所以也许现在才刚开始。
但到目前为止，我们觉得这个领域风险不小，因为基础模型到哪里结束，应用又从哪里开始？应用能不能建立足够的护城河，挡住基础模型公司的进攻，并且在上面做成真正的生意？我们本来以为会先在一些现有大公司身上看到，比如CRM，现在他们也开始了，也许只是时间问题。但我们在企业软件世界里还没有真正看到。市场上确实有一些非常好的应用层创业公司，但这个生态还不清楚。
我们刚开始看芯片的时候，芯片生态是清楚的；我们刚开始看基础模型的时候，基础模型生态还不清楚。现在对我们来说，它已经清楚了，但应用层现在还是有点不清楚，也有点危险。不过一定会有很棒的应用公司被做出来。我们一直在看 Brett Taylor 做的 Sierra。Brett 曾经是 CRM 的
CEO，他写过 Google Maps，也做过 Facebook 的 CTO，他现在在做一家很棒的公司叫 Sierra。
我们没有参与投资，但这就是应用真正落地的地方。他能不能把它做成一家巨大的公司？他现在做的相当不错。我们还要继续看这些东西真正开始成熟，证明自己可持续。关键是时间，通常不会发生在最初三四年，而是会晚一点。你们办公室里有一整面很大的研究奖项墙，我记不清它准确叫什么，好像是年度最佳研究工作或者年度最佳研究项目颁给分析师。
我记得你说过，早期只有你一个人的时候，你还把这个奖颁给过自己。现在你们已经有二十年的历史了。每一年会有一个或多个人，因为当年在某个研究项目上做的最好，把自己的名字写到那面墙上。我特别好奇这种研究的性质是什么？它现在又因为AI发生了什么变化？比如今年会拿奖的人。他们要做什么样的工作才算是人类必须亲自完成的工作？
因为很多过去可能会让你在二零零九年左右拿奖的工作，现在也许用 Claude Code 之类的工具，一个小时就能完全自动化做完。研究的性质再怎么变化。一个人要登上 Well Rock 那面奖项墙，现在正在实时发生什么变化？我很想说，我们的 AI 系统已经先进到让研究方式发生了巨大变化，但到目前为止还没到那个程度。
AI 确实能帮我们更快上手，我们也有一些很棒的应用，但它还没有取代分析师的工作。我们做的很多事情还是尽可能多地去见公司，和我们覆盖的管理团队建立关系，也去和竞争对手交流。我们用的方法直接来自 Philip Fisher 在一九五零年代写的《Common Stocks and Uncommon Profits》，这就是所谓的 Scuttlebutt 方法，也就是成长投资。
你要走出去和供应商、客户、竞争对手交流，你要寻找这些领先公司身上的关键特征，并且真正建立对他们的信心。如果是一个新的复杂的领域，比如 A B F 基板或者 P C B。我们现在确实能很快把这些东西学起来，但 AI 不能以任何方式替你选股。我会这么说：如果一个分析师擅长基础执行，擅长把基本功做好，那当然还有价值。
但在这之上，你必须有洞察。所以，我们现在会用 AI 写纪要或者回顾季度业绩，这些纪要确实好多了。但最上面一定要有一段非常好的判断，那才是智慧。这个结果意味着什么？它和我们的投资论点是什么关系？什么发生了变化？不要只是当一个记者，AI 可以是很好的记者，但它还不能真正判断未来。比如我们团队两年前在 AppLovin 上做的工作，我觉得我们有两个最好的广告技术分析师，他们说服我去买。
我其实懂广告技术。我做完投行之后，最早就在纽约附近一家互联网广告创业公司工作，所以我懂互联网广告，也懂广告技术。而这个行业历史上一直很糟糕，但 Michael 和 Sam 真的比几乎所有人都更早看明白了 App Lovin 的故事。他们在 AppLovin 还是私有公司的时候就一直跟踪它，他们了解所有竞争对手，也了解里面所有复杂细节。
这个领域有一大堆术语。Sam 去了拉斯维加斯的应用广告大会，我们也去了 Cannes。我们和非常非常多的人聊过，他们还做了模型方面的工作，并且和 Adam Farafi 建立了很好的关系。他是最优秀的管理者之一，这些事情我看不到 AI 能做到。和你们公司之外的其他投资人交流，在你的工作和生活里起什么作用？
很重要的一点是我和很多聪明的投资人建立了友谊。坦率说，飞利浦费舍也说过，他流程的一部分就是去认识全国各地十个或十五个志同道合的人，然后彼此分享想法。他们都是很棒的朋友，很多人也上过你的播客，你会慢慢建立真正的友谊，然后分享想法、讨论想法。关键是这必须是双向的，我把它叫做三脚架。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。回顾公司这些年的历史，你在设计提供给投资人的产品这件事上学到了什么？现在已经不是一个单一的大结构了。如果我是投资人，想把钱交给你，其实有好几种方式。你们是怎么形成这些产品的？你又会怎么把这段经验转化成给其他投资人的建议，帮助他们为自己的LP提供合适的选择？最初十五年，我们做的是多空基金，你必须保持专注，如果分心会很难。
所以我们把它做起来，做到我们想要的规模。我们现在二十年了，大概在第十年的时候，开始有人问我们能不能做一个只做多的产品。所以，二零二零年我们推出了只做多基金，到现在已经六年了。现在它的规模已经超过了多空基金，大部分资产都在这两个产品里。大概二零一五年，我们正式确定未来可能会做私募投资，所以我们给投资人一个选择，可以参与也可以不参与，可以选百分之十五，也可以选百分之二十五。
但我们真正开始投私募是到二零二零年，二零二一年我们又推出了一个混合基金，最多可以有百分之八十投向私募。方法有点类似，但适合那些想要更多私募敞口的人。最近我们又推出了 Well Rock Mega Cap Tech Fund。我们认为全球最大的科技公司存在非常大的结构性低配，因为我们也意识到这些年我们很多业绩都来自一些最大的公司。
比如 Apple、Amazon、Tesla，问题是人们很难把这些公司超配到足够高的比例，所以我们很多最大的资金池，比如大学捐赠基金之类。他们发现，过去这些年自己严重低配了全球最大的科技公司，因为他们有很多私募，公开市场资产并不多，公开市场里可能还有一半是国际资产，然后在公开市场这一部分里，他们又不想配太多大盘股。
因为很多人相信大盘股没有 alpha，所以他们低配大盘股，反而配置了很多擅长选股的中小盘管理人。这种想法很直观。大盘股不可能有 alpha，再看他们的对冲基金组合，就算是偏多头，也不会在 Nvidia 这类公司上配到百分之十五。所以，我们意识到这里面有一个巨大的机会。人们担心这些大公司太大，但这其实是数字经济的结果。
在科技行业，领先者通常会变得更大，赢下来，并且很快形成很高的市场份额。这些公司有很强的竞争优势，而且还在全球销售，所以这会带来巨大的利润池和巨大的市值。未来还会继续发生。也就是说，大多数大学捐赠基金其实都在压住反方向，因为他们在这块完全低配。后来终于有人来问我们说，我们应该怎么办？该买哪个指数？我自己在 Hamilton College 的董事会，他们投资委员会也在想这件事。
我们不断听到这个问题。最后有一个客户来找我们，我们就说我们可以帮你们做这个，因为这里面有很多 Alpha，无论是 Mac Seven 还是 F A A N 或者别的叫法，未来成分都会变化。二零二二年他们都涨了，但去年分化很大，今年又都在跌。所以我们创建了 Well Rock Mega Cap Tech Fund，它的投资范围是全球市值前三十的公司。
然后我们从里面挑出最好的十二家或十三家。我认为最大市值公司里有非常多 Alpha。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 意识到问题是。我们能不能在百分之九十五的通用型 PM 之前看明白？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。
作为一个资产类别，它也很好，因为这些公司按定义都有很强的护城河。他们也许不是那种超级 S 曲线，但有时候确实是 Nvidia，肯定是 TSM 对这个趋势的杠杆很大，Highnex 的杠杆也非常大，ASML
也有很强杠杆，所以这是一个很好的新产品。我们现在做了四个月。所以，也许正确的理解方式是，你们真正建立起来的是一台研究机器，它通过公司的视角去理解世界，而你们一直在努力改进的也是这台研究机器，然后你们再用不同产品把这套能力表达出来。
如果我要理解 Well Rock。首先要研究的就是这台研究机器，我们叫它 Whale Rock Learning Machine。这是一个由十位经验非常丰富的人组成的团队。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。所以，我们每年会和管理团队做两千五百到三千场面对面会议。
芒格和巴菲特讲知识的复利，我们这二十年来也一直在让这些知识复利增长。团队当然会有变化，但整体上非常稳定。Andrew 和 Michael 跟我一起工作了十九年和十八年，团队成员的平均经验大概有十年左右，这还包括一些比较新加入的人。这个研究引擎可以支撑所有这些产品做公开市场和私募投资的也是同一批人，所以我们不会去扫遍全世界。
把每块石头都翻一遍，但只要看到某个机会符合我们的体系，我们就能采取行动。跟你聊这个太有意思了！每次做节目，我最后都会问所有嘉宾同一个传统问题。别人为你做过的最善良的一件事是什么？我必须说，肯定是我父亲。我真的非常幸运。我父亲毕业于Cornell，学的是EE，也就是电气工程。后来他转到华尔街，在Goldman Sachs有一段非常出色的职业生涯。
八十年代，他负责企业融资业务。九十年代，他又以主席身份负责私募股权业务。他非常聪明，但又特别谦逊，是一位真正的绅士。我创办 Well Rock 的时候，最早要找的当然是亲友。他是我第一个打电话的人，但他说我在 Goldman 已经四十一年了，要不我来加入你吧？我可以做那个有白头发的人，负责监督。担任主席，你做你擅长的事，在波士顿把公司建起来，把团队建起来，把资金管好。
我来帮你募集一些资金。后来我们一起工作了六年，直到他在二零一一年去世。能和他共事，我真的觉得非常幸运。管一支基金并不容易。但我们从来没有提高过嗓门儿。他也是很多人的了不起的导师。他去世以后，我收到很多人的来信。他们说，你父亲对我影响太大了。他是一位真正的绅士，也是我非常好的导师。所以我真的觉得很幸运，能和他一起工作。
如果我能成为他一半那样的人，我就已经彻底赢了。他是怎么做到的？他的方法是什么？为什么会有那么多人这么说？我也说不清。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。他也在 Goldman 的投资承诺委员会任职，帮他们避开了很多更棘手的情况。他非常温暖，人们遇到问题可以走进他的办公室，找他，不管是个人问题还是工作问题或者其他什么事，他都会处理得很得体。
他有一种很柔和的方式，也很有幽默感。我太幸运了，真的是幸运，我真的太幸运了。Alex，非常感谢你抽出时间，非常感谢。