投资哲学与前沿建设者网络

Sarah Guo，Conviction投资机构创始人，在《Invest Like the Best》播客中阐述了其核心投资理念：寻找事实与市场定价的错位，并坚持到底。她认为当前AI领域并非少数大实验室与其余人的零和博弈，而是由大量具备极强能动性的个体推动的生态竞争。历史中的伟大人物理论在此适用，只要创业者获得风险资本、网络支持和合适环境，结果就会改变。Conviction的方法论简单而有效：通过机构扩张和代际交替避开拥挤的早期市场，从第一性原理出发理解技术与社群。他们心中锁定约250位真正推动前沿的建设者，包括创业者、研究员或两者兼具的人。机构的目标是尽可能靠近这些人并提供支持。

“如果你找到了事实，而市场定价错了 并且你能坚持，那么你就处在好位置。”

Sarah强调，成功的另一个关键是愿意下注于别人尚未认同的方向。他们不单纯从客户问题倒推，而是结合技术先行的视角。例如Harvey在法律领域的应用，基于对语言模型在结构化文本处理中潜力的底层逻辑判断。创始人Winston和Gabe相信AI会深刻改造法律实践，这种对可能性的雄心与底层逻辑的契合，是Sarah早期投资的关键依据。她认为，卓越的一部分往往就是判断力，投资人需识别那些拥有非凡判断力的创始人。

算力约束、能源瓶颈与供应链现实

当前AI竞争最显著的紧张点在于算力、能源和实体供应链的硬约束。Sarah指出，行业已在按2032年的大规模需求进行规划。她与一家超大规模云服务商基础设施负责人交流得知，对方表示2030年以前不会有任何事情能够以足够的规模来改变局面。这反映了实体世界的滞后性。问题不仅在于技术或资本主义，更在于监管与利益协调。例如在纽约建设数据中心需说服当地居民接受其影响，而让核能成为有竞争力的基荷电源则需公众信任与安全许可。

“我们并不缺乏为数据中心建设充足廉价能源的技术和创业能力 实体供应链则是艰难的现实。”

制造知识、隐性经验、劳动力和原材料无法像软件那样快速扩张。算力独立成为关键议题，涉及冷却、电力、训练和推理对全球供应链的依赖。Sarah提到雅各布·赫尔伯格推动的Pax Silica思路，即逐项审视供应链并扩大产能。关键环节至少需要两个来源以确保安全。此外，大量投资者在押注技术时缺乏底层理解，将判断外包给履历等信号。Sarah认为在没有直觉和观点的情况下做大额研究型投资是非常危险的，这可能导致对业务逻辑的误判。

机器人泛化与数据收集的创新方案

在机器人领域，Sarah通过Sunday Robotics案例展示了如何用现代AI解决泛化与健壮性问题。该团队由斯坦福博士生组成，曾在丰田研究院、Google DeepMind和特斯拉工作。他们关注的核心痛点是数据从哪里来。传统观点认为拥有机器人世界的互联网数据即可实现通用，但Sunday Robotics致力于以最低成本收集覆盖真实环境与任务分布的数据。他们将数据形态、采集方式、模型交互和廉价数据向模型的迁移视为技术问题来解决。

“整个团队相信 通用的半人形机器人会在今年年底 先以 beta 形式进入家庭做事。”

尽管从斯坦福地下室的纸板原型到完整全栈产品需要数百次迭代，但团队坚信不是今年就是明年。Sarah的投资决策依赖直觉与快速验证。她对人的判断往往在初次见面后给出8-9分的高分，随后工作转为寻找自己理解中的漏洞。她会核实该领域其他人的观点及创始人的真实性。这种从确信开始再向后检查的方法，要求投资人具备快速补齐领域知识的能力。人物与判断密不可分，Sarah相信优秀创始人的判断力能克服初期的不确定性。

开放模型、安全测试与算力独立战略

关于开放模型的争议，Sarah认为廉价且广泛分布的智能一定会到来。由于成本、数据敏感性和延迟问题，许多场景无法使用前沿供应商的模型。能力越民主化，用途就越丰富，但也带来了安全风险。前沿模型可用于防御性网络安全和生物学研究，同样可能被用于攻击或生物武器。试图阻止技术进步并不可行，限制开放模型只会束缚守法企业。

“真正的攻击者不会被这些限制约束 所以你限制的是自己人。”

Sarah主张对前沿模型进行严谨的安全测试以查清事实，而非在缺乏研究时做推测。针对“美国是否会错过智能如同核电”的担忧，她指出没有算力独立就无法保持竞争力。美国的劳动力昂贵且缺乏部分技能，若无法通过自动化重建工业基础，账根本算不过来。算力独立需要国家安全与能源政策配合，包括扩大产能和找到替代路径。Conviction内部正在讨论非传统软件领域的投资机会，如半导体、太阳能、核能和机器人，这些领域因供应链独立需求而改变了风险方程。

AI生物学与杰文斯悖论的生产率跃迁

在AI生物学领域，Sarah强烈认为模型可以创造并捕获巨大价值。Conviction给Chai Discovery开了第一张支票，该公司正与全球前十制药公司合作。过去传统观点认为向药企卖软件赚不到钱，但Sarah看到一份一千万美元的合同证明客户愿意付费。她认为行业真正的转折点将是一项新适应症或新药轨迹因AI而明确改变的时刻。

“所有人都会更加充分的就业。”

Sarah预测一年后科技世界将体现杰文斯悖论（Jevons Paradox）：Agent和产品更有效地处理日常琐事，释放的时间会被重新使用。她观察到被投公司中营销部门通过自主运行Agent大幅减少重复劳动。AI提高生产率后，人们并非工作更少，而是更加充分就业。她建议创业者理解反对意见但不迎合，保持独立思考。Conviction的名字寓意在证据出现前基于信念行动。她感谢硅谷前辈如Reid Hoffman对她的提携，认为世界是靠对人能力的信念运转的。拥有一个想法不需要特权优势，关键在于评估与坚持。

结论

Sarah Guo的判断框架清晰且务实：从技术可能性出发，识别被低估的机会，通过直觉建立确信并主动寻找认知漏洞。她认为AI竞争不仅是模型能力的比拼，更是算力、能源、供应链和开放生态的全面较量。未来一年需验证三个关键变量：机器人能否如期进入家庭测试、AI生物学是否改变新药研发轨迹，以及Agent是否能复制软件工程的生产率跃迁。核心投资逻辑在于找到事实与市场定价的错位并坚持到底，在不确定性中依靠对创始人判断力的信任和对底层逻辑的理解来穿越周期。