▶ 原文链接

AI 繁荣为何才刚刚开始

来源： YouTube | Alex（Whale Rock Capital Management 创始人兼首席投资官）| Jun 09, 2026 播客： Invest Like the Best 分类： 其他 原文发表： Jun 09, 2026 纪要生成： 2026-06-11

---

嘉宾/话题简介

本集嘉宾是 Alex，Whale Rock Capital Management 的创始人兼首席投资官。他以其系统的 "S 曲线投资框架"而闻名，该框架聚焦于识别处于大规模技术采用周期中的公司，并利用市场对其长期盈利能力的低估进行投资。在本集中，Alex 深入探讨了 AI 这一比互联网和云计算都更为宏大的 S 曲线机遇，详细阐述了他为何将 Anthropic 视为其最高信念的投资标的，并分析了这一范式转变对整个科技生态——特别是芯片/硬件基础设施和传统软件领域——带来的深远影响。

---

分节详述

00:00 投资框架与为何最高信念是 Anthropic

本节重点

• 核心投资框架：S 曲线、竞争壁垒与未充分定价的长期盈利能力。
• 在新技术堆栈出现时，应优先投资底部的基础设施层（如芯片、云）。
• 基础模型层从 60 家竞争者中洗牌，形成了以 OpenAI、Anthropic、Google 为代表的三足鼎立局面。
• Anthropic 是黑马，因专注于企业市场、在编程领域取得突破性进展而脱颖而出。

详细精要

• 核心投资框架：S 曲线、护城河与盈利潜力：Alex 的投资哲学基于识别正处于 S 曲线上升阶段、拥有强大竞争壁垒且其长期盈利能力被市场显著低估的公司。
• 当一项技术处于 S 曲线的正确位置时，其用户增长是指数级的。如果商业模式强大，盈利增长也将是非线性的。
• 市场往往不习惯用指数型思维思考，很少人相信可以精确预测未来 3-4 年，但 Alex 认为，只要深入理解 S 曲线和商业模式，这是可能做到的。

• 许多经典投资案例都是在极低的市盈率时买入：2019 年买 Tesla 时市盈率为 5 倍，2023 年买 Nvidia 时市盈率只有 4 倍。当 Amazon 的 AWS 业务爆发时，市场近乎免费地给予了这块价值。

• AI 浪潮的起跑策略：从底层基础设施开始：2022 年 11 月 ChatGPT 发布后，Alex 的团队立即全员投入深度研究，识别出新的计算范式会创造新的赢家和输家。

• Jensen Huang 常说的 AI 堆栈分为：底层电力、芯片、云，中间层为基础模型，顶层为应用。

• 2023 年初，团队决定优先投资芯片和基础设施。因为无论上层谁赢，对算力的巨大需求是确定的，而且基础设施层的赢家当时已经比较明确。

• 基础模型层的格局演变：从群雄逐鹿到寡头竞争：两三年前，约有 60 家公司追逐基础模型，但大多数初创公司最终都失败了。

• 2023 年 4 月，Alex 团队举行了一次网络研讨会，预测该市场可能走向赢家通吃、完全商品化或形成寡头垄断。最终结果倾向于寡头格局。

• 大型科技公司中，Amazon 表现平平，Meta 起初势头强劲但后来受挫并需要重启。最终，前景集中在 Anthropic、OpenAI 和 Google 的 Gemini 三家身上，类似于当年 AWS、GCP 和 Azure 的云市场格局。

• Anthropic 成为最高信念投资的逻辑：作为一家初创公司，Anthropic 最初是匹黑马，但通过专注企业市场实现了差异化。

• 关键突破点是编程。这是 AI 真正的价值释放点。最初，微软的 C-Pilot 等工具能提升编码语法、查找 Bug，而 Anthropic 的模型能力远超于此，达到了能自主运行、完成复杂任务的"智能体"级别。
• 具体的商业潜力：在 Anthropic 内部，有工程师每天在 token 上花费高达 100 美元，按此推算，其年花费在 2-3 万美元。全球约有 2000 万 程序员，仅编程一个市场就可能达到 5000 亿美元 的规模。这还只是基于 7-9 个月前的技术。
• 2025 年 8 月，Whale Rock 在 180 亿美元估值时投资了 Anthropic，当时公司预期估值能到 900 亿，但其实际营收数据的增长前所未见。

💬 精华片段（中文）

"当你在 S 曲线的正确阶段，你会得到指数级的单位增长。如果你有一个非常强大的商业模式，你的盈利就不会线性增长，而是指数级增长。" "When you get the right part of the S-curve, you get exponential unit growth. If you have a very strong business model, your earnings don't grow linearly, they grow exponentially."

07:22 Anthropic 的差异化护城河与 S 曲线定位

本节重点

• 编程领域的领先地位是 Anthropic 的核心竞争优势，获得了顶尖专家的认可。
• 基础模型并非商品，各大模型有不同的专长领域，形成了差异化。
• Anthropic 正在围绕 API 构建一个包含 SDK、工具和编排层的完整产品生态系统，以创造锁定效应。
• 企业 AI 应用市场处于极早期，仅 10 个基点的知识工作者真正在用 AI，预示着巨大的增长空间。

详细精要

• 编程领域的代际飞跃与行业认可：Anthropic 最新的编程工具已经实现了近乎完全的"智能体化"操作，这种能力的提升甚至改变了顶级专家的看法。
• Andrej Karpathy 曾表示，去年的编程工具能写 20% 的代码，剩下 80% 需要手写。但新模型出现后情况完全逆转，他现在几乎不再手写代码。
• Linus Torvalds 也对该技术表示了认可。

• 这一突破不仅提高了专业程序员的效率，还可能释放那些完全不懂编程的人创造软件的能力。

• 模型层的差异化与商品化迷思：市场曾普遍认为 AI 模型会是纯商品，但实际情况是，不同模型因其训练方法和架构差异而各有所长。

• Anthropic 在处理与私募股权和金融相关的任务上表现出色。
• Google 的模型非常擅长处理 PDF 文档。

• 尽管有路由技术在不同模型间切换，但这本身也凸显了模型间的差异性，这种关键知识产权是强大的竞争优势。许多公司试图追赶 Anthropic 在编程上的领先地位，但 Anthropic 始终保持在前列。

• 构建"模型+生态"的护城河：Anthropic 不仅仅提供 API 或模型，它正在构建一整套围绕 API 的产品生态系统。

• 这包括用于协同工作的 SDK Claude for Co-Work、编排层以及其他一系列工具。他们称之为"挽具"，用以最大化发掘模型的能力。

• 这与 2013 年 AWS 的策略类似。当时人们认为 AWS 只是仓库里的商品化服务器，但 AWS 预见性地开发了大量新产品，逐步建立了深度的客户锁定效应。

• AI 的 S 曲线处于最早期阶段，呈现"倒 L 型"增长：Alex 团队认为当前 AI 的采用曲线甚至不是一个典型的 S 曲线，而是一个倒 L 型曲线，几乎直线上升。

• Sundar Pichai 曾说，只有 10 个基点 的知识工作者正在真正使用 AI。Anthropic 拥有约 1400-1500 万日活跃用户，但其中真正以深度方式使用 AI 的只占一小部分。
• 这 10 个基点 的用户是经典的 S 曲线中的"修补匠"，接下来将依次过渡到"早期采用者"和"早期主流用户"。未来四年，这一比例可能从 10 个基点增长到 1%、2-3%、5% 乃至 15%。
• 今年，企业界出现了一个明显的转折点，大家意识到必须立刻、快速地采用 AI，就像 1998 年 企业知道自己需要一个网站，但当时建设起来很困难，而现在的 AI 应用正在快速整合。
• 企业 AI 应用市场渗透率不足 1% ，即便在这一早期阶段，全球算力已经出现短缺。Mark Andreessen 也曾预言，未来四年唯一确定的是算力将持续不足。

💬 精华片段（中文）

"企业 AI 或企业应用 AI 市场的渗透率不到 1%，我们从未见过这样的市场，我们谈论 S 曲线，但称此为 L 曲线，一条直线向上。" "The enterprise AI or enterprise application AI market is less than 1% penetrated and we've never seen, you know, we talk about S-curves, we call this an L curve, just straight up."

14:13 私募市场的投资方法与 Stripe 案例

本节重点

• 私募投资需要双重匹配，并需要主动向目标公司展示价值。
• 通过详尽的"代码侦察"研究报告来赢得 Anthropic 的超额份额分配。
• 在非上市公司投资中，通过大量面谈建立关系网络至关重要。
• Stripe 的投资案例展示了如何通过公开信息和深入尽调，在二级市场交易中把握机会。

详细精要

• 进入优质私募交易的挑战与策略：从公开市场投资者转型，进入顶级的私人公司需要创造性的方法。
• 私募投资是"双重选择"，投资者想投，公司也得同意你进入。Alex 的团队在投资 Anthropic 时，通过一位分析师的关系接触到了其财务团队。

• 他们曾有机会参与 600 亿美元 估值的轮次，但当时放弃了。随着对公司的加深了解，Alex 与 CEO Dario Amodei 进行了交流，逐渐意识到其管理团队的卓越——极低的员工流失率、高度的专注、以及编码的质量。

• 用研究报告赢得信任和份额：为了进入 Anthropic 的融资轮次，Whale Rock 团队做了大量工作来证明自己的价值。

• 他们制作了一份 90 页的 PPT，利用 Claude Code 在互联网上搜集了所有关于编程市场、Anthropic 产品优劣势的反馈。
• 报告还包括他们自己对整个编程市场前景的宏观分析。这份详尽的材料帮助他们赢得了与公司会面的机会，并最终获得了超出其体量的超募份额。

• 此后，他们与 CFO 保持着密切联系，持续深化关系。

• 通过大规模调研建立投资关系网：独角兽市场的总市值已经超过大多数欧洲股票市场，甚至超过德国和英国的总和。

• Whale Rock 的团队每年进行 2000-3000 场与公司管理层的面对面会议，其中 10-15% 是针对非上市公司。这种持续的努力使他们能聚焦于最想了解的公司，并找到进入其融资轮的机会。
• 他们的第一笔私募投资是 Stripe。当时，为了投资上市的支付公司 Adyen，他们因需要深入理解 Stripe，所以采访了 200 家 Adyen 的客户。

• 在调查中，他们发现了 Stripe 和 Adyen 构成了"可口可乐与百事可乐"的双寡头格局，因此决心投资 Stripe。

• Stripe 投资案例的启示：2019 年 Alex 终于见到 Collison 兄弟。2020 年 4 月，正值疫情，一个拥有大量 Stripe 股份的朋友问他要不要买，交易由此达成。

• 当时 Stripe 估值为 350 亿美元，尽管没有完整财报，但 Alex 团队已掌握了足够多的公开信息：他们知道 Stripe 的交易处理额超过 5000 亿美元（后来才知道实际接近 1 万亿美元），以及 Adyen 与 Stripe 各自的抽成率（分别为 25-30 个基点和 40-50 个基点）和员工数量。
• 基于这些数据，他们推算出公司的盈利能力相当可观，远优于账面显示，这笔交易的规模最终做到了 1 亿美元。相比于风险投资机构通常在退出时会出售股份，像 Whale Rock 这样打算长期持有并跟随至公开市场的买家，往往更受公司欢迎。

💬 精华片段（中文）

"我们做了一份 90 页的 PPT，用 Claude Code 搜遍互联网寻找所有关于编程市场的反馈……他们也欢迎我们加入这一轮，我想我们在获配份额上超出了我们的重量级。" "We did a 90-page PowerPoint deck where we used Claude Code to scour the internet for all the feedback we could about the coding market... They welcomed us into this round and I think we punched above our weight in terms of the allocation."

19:24 S 曲线的深度解析：从识别到退出

本节重点

• S 曲线的核心在于识别触发"需求龙卷风"的临界点。
• S 曲线的高度和坡度决定了投资的持有期和回报规模。
• 通过现场观察等"右脑直觉"来发现早期的战略转折点。
• B2B 技术的采用曲线通常慢于消费端，但 AI 因其易得性而不同。
• 通常当渗透率达到 30-40% 时，指数增长会放缓，是需要考虑退出的信号。

详细精要

• S 曲线的触發机制：消除所有采用障碍：每个技术都遵循"长期潜伏后瞬间引爆"的模式，关键在于消除所有阻止主流用户采用的障碍。
• 智能手机在 iPhone 出现前已经存在 10 年，因乔布斯将价格降至 200 美元，并集成了触摸屏、AT&T 的 3G 网络和易用的生态系统，才引爆需求。

• 电动车在 Tesla 2019 年 爆发前也已有 15 年历史。Elon Musk 将价格降至 4 万美元，续航提升至 300 英里，并解决了供应链问题，才触发了增长拐点。

• S 曲线的高度决定退出时机：必须判断该 S 曲线的"天花板"有多高，以决定持有多久以及何时卖出。

• 在投资 AWS 时，其原本定义的市场规模是路由器、存储等 6000 亿 美元，并假设其服务有 50% 的通货紧缩效应。但后来发现，自建成本与使用云服务持平，意味着其实际市场规模远超预期，这是一个"巨型 S 曲线"。

• S 曲线有主次之分。互联网、移动、云、电商和现在的 AI 是"巨型 S 曲线"，它们互相叠加。而电动车的 S 曲线则提前在 10-15% 渗透率时遇到了壁垒，需要及时调整策略。

• 技术采用的坡度：B2B 的"洗碗机"与 B2C 的"收音机"：Whale Rock 委托 Clayton Christensen 的前同事 Horus Du 进行了历史研究。

• 历史上渗透最快的技术之一是收音机，7 年 达到近 100% 渗透率，类似于消费者端应用。而洗碗机则需要像接入水管一样集成到现有系统中，因此渗透缓慢，类似于需要与企业后台系统集成的 B2B 软件。

• AI 的采用曲线是例外：无论是消费者还是企业用户，只需打开浏览器即可使用，越过了传统的集成障碍。因此，Alex 称其为"倒 L 型曲线"，其初期增长将比历史上的 SaaS 或云计算更快。

• 把握买入时机的艺术：右脑直觉与模式识别：Andy Grove 说过，在战略转折点不能相信数据，而要相信直觉和轶事证据。Alex 非常推崇《The Towel Jones Averages》一书，强调右脑的、视觉化的、连接点的思考方式。

• 移动游戏的转折点是他看到中国一个 12 岁男孩在大屏手机上玩精美游戏。
• 企业级趋势可以通过观察 Gartner IT Symposium 等会议的现场热度来感知。他曾观察到 VMware、Splunk 和 AWS 的展台从无人问津到人满为患的转变，这预示着企业需求的爆发。

• 买入不必追求最低点：Peter Lynch 曾教导他，要把图表向右画出，关注未来。如果 S 曲线的顶部高达数千亿美元，错过前一两年的涨幅也可以接受。

• 卖出时机的判断标准：一般当一项技术的渗透率达到 30-40% 时，指数级增长就会停止，卖方分析师的预期会赶上，公司很难再持续超出预期。这是 Whale Rock 通常会考虑退出的信号。

• Apple 是一个例外，虽然它在智能手机渗透率达到 50% 后增速放缓，但其强大的生态系统（如 30% 的 App Store 抽成）和品牌力使其仍能保持 20% 的复合增长，但最丰厚的回报确实集中在渗透率从 0 到 50% 的阶段。

💬 精华片段（中文）

"收音机的 S 曲线是有史以来最快的之一，花了 7 年就达到了接近 100% 的渗透率。但洗碗机的 S 曲线像这样，因为它需要被接入后端系统。" "The radio S-curve is one of the fastest ever. It took 7 years to reach like 100% penetration. But the dishwasher S-curve is like that because it needs to be plugged into the back end."

32:00 如何在范式转变中识别赢家的竞争壁垒

本节重点

• 数字世界的竞争壁垒甚至比物理世界更强大，包括网络效应、行业标准、关键 IP 和规模优势。
• 早期投资者需要识别出那些在竞争中已经分离出来的领导者。
• Anthropic 和 OpenAI 的护城河体现在关键知识产权、品牌、规模和递归式自我改进的能力上。
• 尽管风险存在，但在互联网上，领导者通常会 "越大、越快、越强"，持续赢下去。

详细精要

• 数字时代的强大护城河类型：许多人因科技变化快而不敢投资，但 Alex 团队发现，数字世界的某些竞争壁垒比实体世界更强大、更持久。
• 网络效应：LinkedIn、Facebook、阿里巴巴 等公司的基石。
• 成为行业标准：Oracle 和 Bloomberg 是典型。Oracle 虽然有免费替代品，但通过庞大的数据库管理员群体和与之调优的软件生态，形成了对关系型数据库市场的长期"锁喉"。
• 关键知识产权：Qualcomm 让你做手机离不开它的专利，ASML 让你造芯片离不开它的光刻机。对于 Anthropic 来说，其在编码领域的高市场份额和持续领先能力就是一种关键 IP 的体现。
• 规模优势：数字企业能比传统企业更快地获得规模优势。Amazon 5 年内获得了 Walmart 40 年才积累的规模。

• 品牌与获客成本：Google、Amazon 和 Elon Musk 的公司几乎不需要为品牌做广告，其品牌力带来了极低的客户获取成本，形成了强大的商业模式。

• 在赢家通吃的市场中识别最终胜利者：Alex 的团队会先找出 S 曲线，然后详尽研究所有相关公司，寻找拥有最强竞争壁垒的那个。

• 在众多公司中，只有少数能胜出。早期智能手机市场的 RIM、Palm、Nokia 等都在最好的 S 曲线中输得精光。基础模型层也一样，50 多家公司纷纷落败。

• 2013 年 Whale Rock 推介 Amazon AWS 时就说，"公牛们不知道自己坐在什么上面，亚马逊在战争开始前就赢了。"当时他们判断这是"有可口可乐，没有百事可乐"的局面（后来出现了百事，即微软 Azure，但市场足够大）。AWS 有 7 年 的领先优势，并迅速构建了生态系统和规模壁垒，其规模是对手的 10 倍，无人能在研发投入上追赶。

• Anthropic 和 OpenAI 的护城河为何能持久：虽然 AI 赛道复杂且变化最快，风险最大，但回报也最高。Alex 认为 Anthropic 有几个壁垒可能使其持续领先。

• 关键知识产权和品牌：在编程领域保持高市场份额，并在企业 CIO 中建立了强大的"安全、负责任"的品牌认知。
• 规模与"逃逸速度"：与 Google 等手握巨额现金牛的大公司竞争，Anthropic 和 OpenAI 成功通过超强的融资能力（Anthropic 有 10 倍的销售增长）获得了"逃逸速度"，能在资本密集型竞赛中生存并壮大。
• 递归式自我改进：Anthropic 在编程领域领先，使其能够将 Claude Code 用于改进自己的模型，形成加速创新的飞轮效应，这是其他对手难以复制的。他们的创新速度正在加速，可能正进入一个"升空"阶段。
• 市场足够分化：尽管有竞争，但企业端市场巨大，且对可靠性、安全性有极高要求。硅谷的许多初创公司都在基于这三家的模型构建应用。

💬 精华片段（中文）

"在互联网上，领导者会变得更大、更快，并取得胜利。……领导者一旦领先，这种优势就会在互联网公司身上不断自我强化。" "On the internet, the leader goes bigger, faster, and wins. ... the leader gets it... it just keeps on going. It compounds on itself."

39:51 传统软件公司面临颠覆：从笔纸到星际迷航传送器

本节重点

• AI 对传统软件的颠覆是革命性的，如同从"马和马车"到"星际迷航的传送器"。
• 传统软件在 CIO 的优先级列表中大幅下滑，预算被 AI tokens 和基础设施挤占。
• 软件公司面临多重挤压：增长放缓、涨价困难、裁员导致的"席位"减少。
• AI 原生公司可能轻松绕过现有巨头的"数据护城河"，在垂直领域逐一挑战。
• 虽然软件的替换有粘性，但与 AI 变革的力量相比，这种粘性可能不堪一击。

详细精要

• 从重仓到清仓：对软件行业认知的颠覆性转变：大约 5 年前，Whale Rock 投资组合中可能 40-50% 都是软件股。但在 2023 年 4 月 的研讨会后，他们迅速改变了看法。
• 最初的假设是，拥有海量数据和强大销售团队的现有软件巨头，能利用 AI API 构建出色的产品。但很快发现，这些大公司的 AI 产品"并不好"，无法产生实质性收入，也没人愿意为其付费。

• 这导致 Whale Rock 基本清仓了所有应用软件股。今年年初，他们对软件板块甚至是净空头，这在第一季度的市场波动中为他们提供了保护。

• 传统软件沦为旧的范式：Alex 形容，旧的软件工作方式像"用笔和纸"，而新的 AI 方式则像"喷气发动机"，甚至像"星际迷航的传送器"，这种变革的革命性意味着它必将带来颠覆。

• CIO 的待办事项优先级已发生剧变，传统软件的采购优先级大幅下滑，因为花钱在 Anthropic tokens 上能带来更快的投资回报率。

• 这种预算的转移直接挤压了传统软件的生存空间。

• 传统软件面临的四重打击：

• 预算转移：企业大幅增加 AI 基础设施和模型的开支，挤压了传统软件预算。
• 涨价困难：在过去，软件公司每年都能例行提价。现在，在一个可能被颠覆的威胁下，他们不敢轻易这么做。
• "席位"缩减：一些公司开始利用 AI 大幅裁员或冻结招聘，这意味着软件许可证的"按席位收费"模式将受到直接冲击。

• 自建威胁：虽然企业不会自建复杂的 ERP 系统，但对于一些垂直领域的单一功能软件，AI 极大地降低了"自建"的门槛。一个 AI 原生初创公司可以针对性地挑战一个强大的现有企业。

• 来自旧技术粘性的"乐观论点"可能失效：支持传统软件的论点认为，技术集成复杂，替换困难，就像平板电脑没有淘汰 PC 一样。

• Alex 承认，企业确实不喜欢自己构建软件，旧系统有很强的粘性。
• 但威胁在于，AI 可能使现有巨头的"数据优势"荡然无存。用 AI 将数据从一个旧系统迁移到一个全新的 AI 原生系统将变得异常简单。
• 像 Salesforce 这样拥有 400 亿 美元营收的巨头，其 AI 相关的年度经常性收入可能只有 5-7 亿 美元，这意味着他们需要很长时间才能让 AI 推动整体业务的增长。而在软件行业，40 法则是关键。当增长引擎放缓，这些公司处境会非常艰难。

💬 精华片段（中文）

"软件的旧方式是像用笔和纸，或者像马和马车。软件的新方式则像喷气发动机，或者坦白说，像《星际迷航》里的传送器。它的变革如此彻底，以至于它现在必须具有颠覆性——即使不是立刻发生。" "The old way of software is like using a pen and paper or it's like a horse and buggy. The new way of software is like a jet engine or frankly like the transporter from Star Trek. It's so revolutionary changing that it feels like it has to be disruptive now."

47:44 芯片/硬件的"去商品化"与超级周期

本节重点

• AI 工作负载的指数级增长正将计算硬件的每一部分推向物理极限，迫使行业从商品化转向持续创新。
• 过去 40 年乏善可陈的数据中心硬件领域，如今正经历一场"文艺复兴"。
• 从内存、印刷电路板、光纤到电源供应和网络交换机，产业链的每个环节都在创造结构性增长机会。
• Whale Rock 使用改良的"规则 40"（AI 收入占比和该细分市场份额）来筛选优质硬件投资。

详细精要

• 数据中心硬件 40 年的停滞与 AI 带来的范式革命：在过去 40 年，数据中心的核心 Intel x86 芯片和摩尔定律足以满足每年 25-40% 的计算负载增长，导致硬件创新近乎停滞。
• 整个行业——从芯片、印刷电路板、内存、机箱到网络——都被高度商品化。网络速度从 1G 升级到 10G 都需要花费 7 年，升级后也迅速商品化。

• AI 的到来彻底改变了这一切：AI 工作负载每年增长 10 倍，正在将硬件设计的每一个方面推向物理极限。这不仅创造了巨大的出货量增长，更引发了全行业的"去商品化"。

• "去商品化"创造新的护城河与增长：Sequoia 的 Shawn Maguire 曾说他希望回来做硬件对冲基金，因为所有相关公司都是上市公司，且都拥有强大的知识产权。

• 高带宽内存：内存过去是纯商品，现在则要将 10 个芯片 堆叠在一起。其输入/输出速度是之前的 10 倍，像 Samsung 花了数年才攻克这一技术，并需要提前 3-4 代 与 Nvidia 共同研发，成为了产业链上的关键一环。
• 电路板：普通服务器需要 10 层 的印刷电路板，而 AI 服务器需要 40 层，能制造这种 PCB 的供应商极少，导致单价、利润率和客户粘性都大幅飙升。其上游的铜箔基板供应商也因此受益。

• 网络交换机和光纤：Celestica 是典型案例，这家曾是 IBM 超级计算机事业部的公司，抓住了 AI 服务器的机遇。AI 服务器是液冷的，造价 20-30 万美元，而旧服务器仅 5000 美元，坏了就扔。AI 服务器一旦损坏将导致整个系统瘫痪，因此成为"如同飞机上的关键部件"一样，永远不会被轻易替换。此外，网络升级周期从 7 年 加速到 每年一次，交换机、光纤的供应商 Corning 的业务随数据中心规模激增而爆发。

• AI 投资的改良版"规则 40"：对于软件公司的估值，传统的"规则 40"是增长率加上营业利润率。对于 AI 硬件投资，Alex 提出了一个新的评估标准。

• 这个新标准是：公司 AI 业务收入占总收入的百分比，加上其在该 AI 细分市场的市场份额。例如，如果一家公司 30% 的收入来自 AI，并且在该细分领域有 30% 的市场份额，它的总分就是 60。
• 这个指标能帮助快速筛选出那些既有深度 AI 敞口，又有强大市场地位的公司。传统软件公司的问题就在于，其 AI 收入占比可能只有 1-2%。

💬 精华片段（中文）

"在过去的 40 年里，数据中心里什么都没有改变。……现在你到了 AI 时代，工作负载每年增长 10 倍，它们正把这硬件的每一个方面都推到物理极限。因此，不仅创造了巨大的单位增长，而且我们称之为硬件行业的'去商品化'。" "For the past 40 years, nothing has changed in the data center. ... Now you go to AI and the workloads are growing 10x every year and they're pushing every single aspect of this hardware to the physical limits... And so, not only are you creating tremendous unit growth, but the industry, we call it the decommoditization of the hardware industry."

01:00:15 最大风险、应用层时机与内部的 AI 研究革命

本节重点

• 主要风险：公众和政府的负面情绪可能导致监管；模型进步停滞可能导致市场竞争趋向"价格战"。
• 当前 AI 应用层生态仍不清晰，通常滞后于基础设施层发展，需要时间才会出现可持续的大公司。
• AI 在研究辅助方面表现出色，但尚不能替代分析师完成"构建投资洞察和信念"的核心工作。
• Whale Rock 的投资方法强调"人"的连接和"闲聊法"，这是一个 AI 暂时无法取代的领域。

详细精要

• AI 繁荣面临的主要风险与担忧：
• 监管风险：普通大众和部分政府机构对 AI 持负面态度，例如缅因州已禁止建立数据中心。尽管"精灵已出瓶"，但潜在的负面监管仍是一个威胁。
• 技术进步停滞风险：如果 Anthropic 或 OpenAI 的模型能力触碰天花板而停止改进，开源模型将追赶上来，可能引发价格战。这对模型公司是风险，但对芯片公司而言，无论谁赢，对算力的需求不会改变。Jensen Huang 就非常希望开源模型能成功，并在最近的 GTC 上反复提及。

• 关键参与者的战略撤退：如果像 Meta 这样的巨头决定不再参与这场耗资巨大的军备竞赛，相关的算力需求泡沫可能会破裂，尽管其他家会立即补上。

• 应用层为何不是当前的投资重点：在 AI 堆栈中，应用层在历史上总是最后才出现。

• 就像 iPhone 发布后的前 3-4 年，主要价值的增长都集中在基础设施。应用层目前还无法证明其能建立可持续的护城河以抵御来自模型层和其他应用的竞争。

• 虽然有一些像 Brett Taylor 创立的 Sierra 这样很有潜力的 AI 应用公司，但整个生态系统仍"不清晰"，甚至有点"危险"。在企业级市场，还没有看到像 CRM 这样的传统软件巨头推出真正成功的 AI 产品。应用层的繁荣和可持续商业模式通常不是在技术浪潮的前几年就能确立的。

• AI 时代顶尖研究的本质：从"信息搜集"到"洞察提炼"：Whale Rock 办公室有一面"年度最佳研究"的颁奖墙。Alex 认为，虽然 AI 在研究中的应用增加了，但其核心角色还未改变。

• AI 现在能帮助分析师快速入门像 ABF 基板或 PCB 这样的复杂新领域，能撰写出色的会议纪要，成为一个"伟大的记者"。
• 但 AI 无法做到的是在纪要顶部写出精彩的一段——"智慧"，即理解这一切意味着什么、如何影响投资主题、什么东西发生了变化。AI 无法预测未来，也无法建立信念。

• 真正的核心研究，例如投资 AppLovin 的项目，分析师需要去拉斯维加斯参加广告大会，与成百上千人交谈，与公司创始人建立信任关系。这种菲利普·费雪式的"闲聊法"投资研究，目前还无法被 AI 替代。

• 投资同行网络的价值："三脚架"信念模型：与其他聪明投资者的友谊是 Alex 工作中重要的部分。

• 这符合菲利普·费雪的理念：结识 10-15 个志同道合的投资者，分享和交流想法。
• Alex 称之为"三脚架"模型：当他自己看中一个想法，他的分析师也赞同，同时他非常尊敬的一位外部投资者也看好时，这 三条腿 共同支撑起了强大的投资信念。

💬 精华片段（中文）

"AI 可以成为一个伟大的记者。但它还不能真正预判未来。……笔记的开头最好有一段精彩的段落，那就是智慧——这意味着什么？这对我们的论点有何影响？发生了什么变化？" "The AI can be a great reporter. It can't quite pick into the future. ... there better be a really good paragraph on top which is the wisdom. What does this mean? How does this deal with our thesis? What changed?"

---

专业术语注释

术语	解释
S 曲线	一种技术采用生命周期模型，呈 S 形，分为创新者、早期采用者、早期大众、晚期大众和落后者等阶段，用于预测一项新技术的市场渗透速度和潜在规模。Alex 将其视为科技投资的"导航图"。
L 曲线 / 倒 L 型曲线	Alex 用以形容 AI 采用的曲线形态，意指其初始阶段的增长将像字母 L 的竖笔一样，几乎是垂直上升，而非传统 S 形缓慢起步，因为 AI 无需像传统企业软件一样进行复杂的后端集成。
Token	AI 模型处理和生成文本的基本单位。在讨论编程应用时，花费在 tokens 上的成本直接反映了一个开发者使用 AI 的频率和深度，是衡量模型商业价值的核心指标。
智能体	在 AI 语境下，指能够自主理解目标、制定计划并执行多步复杂任务、使用各种工具（如代码编辑器、终端）来完成目标的 AI 系统，远超简单的聊天或代码补全功能。
寡头垄断	一种由少数几个主要竞争者主导的市场结构。Alex 认为 AI 基础模型层正在形成类似云计算市场（AWS/Azure/GCP）的三足鼎立局面，而非赢家通吃或完全商品化。
去商品化	指原本高度同质化、价格竞争激烈的商品市场，由于技术革新（如 AI 需求）迫使产品必须进行高强度创新和差异化，从而重新获得定价权和竞争壁垒的过程。
高带宽内存	一种将多层 DRAM 芯片垂直堆叠的先进内存技术，能提供远超传统内存的数据传输速率，是 AI 计算芯片（如 GPU）处理海量数据的关键部件。
Claude Code	Anthropic 推出的一个面向开发者的高级编程工具，已进化为近乎完全自主的"智能体"，能理解代码库、规划并执行复杂的编程任务。
Gartner IT Symposium	Gartner 公司举办的全球性 IT 行业峰会，Alex 将现场对某些公司展台的热度观察，作为判断企业级技术需求即将爆发的先行指标。
闲聊法	菲利普·费雪（Philip Fisher）在其著作中提出的投资研究方法，强调通过广泛访谈目标公司的客户、供应商、竞争对手和前雇员来获取全面信息，形成投资判断。
规则 40	软件行业常用的估值经验法则，即一家公司的收入增长率加上其息税折旧摊销前利润率应至少达到 40%。Alex 为 AI 硬件投资提出了改良版：AI 收入占比 + 该 AI 领域的市场份额。
ABF 基板	Ajinomoto Build-up Film 基板，是制造高性能计算芯片（如 CPU、GPU）所必需的半导体封装材料，是 AI 芯片供应链中的一个关键环节。
逃逸速度	本意指天体脱离引力所需的最小速度。在商业语境中，指一家公司（特别是初创公司）获得足够大的规模、资本和市场份额，使其能够摆脱竞争对手的追赶和外部威胁，进入自我强化的增长轨道。

---

延伸思考

1. AI 采用曲线的非线性陷阱：Alex 将 AI 定义为史无前例的"倒 L 型曲线"，意味着其普及速度可能远快于过往任何技术。这对投资者而言，意味着任何试图基于历史经验来把握"合理估值"的尝试都可能失效。如何在对指数级增长的信仰和对泡沫破裂的恐惧之间找到平衡，是核心挑战。
2. 价值在堆栈中的迁移尚未结束：目前的价值创造高度集中在模型层和硬件层，这与移动互联网发展的历史轨迹一致。真正的、可持续的应用巨头是否会在接下来出现？如果能，它们将呈现出怎样的业务形态（例如，是新的独立应用，还是在现有平台如 Slack、CRM 上运行的"智能体"）？
3. Anthropic 的编程护城河可持续性：Alex 的核心论点之一是 Anthropic 在编程领域的差异化优势，并能通过"递归式自我改进"形成飞轮。真正的风险在于，这种飞轮是否会遇到瓶颈，或者被拥有更多算力和数据（如 Google）的对手通过模仿式创新所超越？
4. 传统软件的防御战：Alex 对传统软件公司的悲观预期是基于颠覆性创新的经典理论。然而，那些拥有强大网络效应和系统记录地位的产品，如 Workday、Salesforce，是否可能通过成为 AI 智能体运行的"底层数据库"和"可信中枢"而获得新生？这可能是一种"从被颠覆到成为基础设施"的转型。
5. "人"在 AI 时代投资中的价值再定义：Alex 强调 AI 帮不了他做最后的洞察和信念建立。这给金融行业从业者一个重要启示：未来的价值将不只是搜集和处理信息，而是基于深度关系和独特视角形成非共识的"智慧"和叙事构建能力。投资机构的组织结构和人才模型将如何围绕这一点演变？

原文发表：Jun 09, 2026  ·  纪要生成：2026-06-11