卡萨多把投资拆成四类，又把每一类压回同一个问题：它随规模怎么长。这期最值得抄的不是结论，是他那把尺子。1
逐段要点整理
01 · 四类投资者，四套不能混着用的信念
这场对话从一个技术性的问题开始：投资风格能不能分类。卡萨多说他不是做学术分类，是因为「我坐过几百场讨论，发现大家根本没在好好沟通」。
他分出四种心态。财务：判断一家企业健康状况的正确代理，是它所在的市场与它的财务数据——SaaS 指标怎么样、市场有多大。增长基金这么做，但现在越来越多 A 轮投资人也这么做，在他看来「有点不协调」。生产性：相信自己在投一件生产性资产，价值由这件资产创造出来，然后它自己造出市场；于是勤勉的方向变成技术路线、相邻市场、演进速度、离兑现价值还有多远。前沿：把创始人和技术人当作最终的生产性资产，创始人比我更懂，我凭什么质疑他，这类投资像一个人才经纪公司。投机：赌的是市场对这笔交易的看法，不了解底层资产，只想择时——加密和二级市场里最常见。
四种都自洽，所以危险不在选错，而在混用：你有这四种原型在手，就可以支持任何一笔交易，也可以否决任何一笔交易。如果你不知道自己的信念是哪一套，那你永远只是在为个人偏好找理由。
他还补了一层：财务心态不是错的，是被用得太早了。「商业模式总是落后于颠覆性技术」——互联网变现花了很多年，从买断到订阅又纠结了很多年。一个自称投颠覆性技术的人如果同时要求收入质量好看，那套指标会把他推回不颠覆的地方。
02 · 护城河不是墙，是一条随规模弯曲的线
主持人提到卡萨多开录前那句「没有人真正理解网络效应」。他的证据很直接：开录前他问主持人什么是网络效应，得到的答案是「一个产品随着边际用户加入变得更好」——而这几乎是同义反复。大多数产品都会随用户变多而变好：他们会报 bug、给反馈、告诉别人。这没有说明任何防御力。
他给出的诊断是：行业把机制和形状混在了一起。 能造护城河的东西很多——品牌、规模、双边市场、网络效应；但讨论护城河，只有「形状」能回答凭什么别人打不进来。所以第一步先定形状：这条护城河随规模是超线性、线性，还是次线性；第二步再问它是靠什么机制产生的。
- 超线性：连接数随人数平方增长（七十年代贝尔实验室的观察）。两家各投同样的钱，领先者长得更快，差距还随时间拉开——这就是自然垄断。例子很少：电信（所以当年必须拆）、LinkedIn、社交网络、GitHub。共同点是人与人的互相连接。
- 线性：投多少长多少。
- 次线性：领导者投的钱和挑战者一样多，但长得比挑战者慢。如果护城河是次线性的，挑战者早晚追上来，因为领导者要花越来越多的钱才能长同样多。
- 那些常被举的例子其实不是网络效应：Uber 更像双边市场加融资带来的规模效应，它锁不住任何一边——司机给所有人开车，乘客也能用任何一家。
真正锋利的一句在后面：在增长的市场里，护城河是第二、第三层的问题。 市场在长，公司会不断看到新的白地，选择挪过去而不是互相厮杀；市场一旦收缩，反正会整合，有没有护城河都一样。AI 上已经演过一遍：最早无数投资人跟他说「我永不投模型，它累积不了价值、不可防御」；新云也一样，「永远不可靠、收入质量很差」。但市场在长，这些反对都不重要。
主持人问这是不是早期投资人的特权——买 Anthropic 那份 S-1 的人大概必须考虑防御力。他的回答是取决于你对市场规模的判断，以及你有没有流动性。「我认为创投的性质整体变了：今天的私有公司抵得上十年前的上市公司，很多从商学院和传统金融进来的人，把那套心态也带进来了——但用得太早了。」
03 · 基础设施的五个部分，正在同时被重做
他给了基础设施一个很硬的界线：差异化必须是技术性的。投 SaaS 或应用，本质是投商业模式创新；技术性的创新必须能放进传统技术栈里说清楚。
传统栈是计算、网络、存储、数据库，每层有子组件、有买家，现在每层都在被 AI 改造；然后又多了一层——模型。他把模型算作基础设施，但强调它「看起来更像 ASIC，不像传统软件」：资本需求和竞争压力都像芯片，而它同时在压垮上面的整个应用层。
主持人想把这件事简化成「五部分基础设施都在为代理重构」，他把问题拆成两件不同的事：
- 代理的产物：大量软件正在被「凭感觉」写出来，软件产量前所未有地多，这些软件必须部署、必须跑，需要算力和数据库。那不是代理，那就是普通软件。
- 以 AI 为心脏的新系统：这些系统本身在改变基础设施该长什么样。
他还提了一个很少被谈到的点：过去做技术，设计前提是「有人会用，所以不能太复杂」，于是拿安全性与可靠性去换易用性。现在用这些东西的是模型，那些让步可以收回来。
落到具体层：OLTP 数据库几十年没大动，原因是数据库有自己的语言，而换语言意味着要重新训练一整代程序员——现在不必迁就这一点，代理已经会了；网络过去十五年非常无聊，现在集群太大、性能约束太硬，出现了自 Arista 之后第一批全新的网络公司，材料在变、光互连在往上走。
04 · 前沿模型经济学：三年数据与一个没人答得上来的问题
主持人点出这一周的背景：Anthropic 的 S-1 出来了，是窥见生意本身的一个漂亮窗口。卡萨多把话题拉到自己更关心的地方：如果市场放缓，会发生什么。
他手上只有三年数据，而这三年是一个又大又快速增长的市场的数据。在这个市场里：处在前沿意味着巨大的定价权——哪怕只比对手好一点点；没有需求问题，需求近乎无限；最前沿的模型按美元加权能拿走 80% 以上。
这套结论成立的前提是「市场没饱和」。渗透率他给了两个口径：企业侧大约 3%，按预算算其实 1% 甚至更低。「考虑到这项技术多有用，还有很大的增长空间。」所以正面情形很清楚：只要市场在长，前沿继续赢，没什么结构性变化。
真正开放的是另一问：如果市场在局部饱和、你不再需要更多智能，价值会不会整个掉回开源？ 软件史上从来没有过这种转变，因为软件一直有很长的留存尾巴。
他还给了一个具体到月份的判断：模型的寿命是三到六个月。 依据是他看过的大量应用公司的模型曲线。这意味着你必须不停地把下一个模型发出来；如果因为任何原因晚三个月，很可能就是丢掉整个市场。
主持人接着抛出一个观察上的矛盾：他这趟问过很多人，编码任务里已饱和的比例「非常非常高」，可大家还在疯狂买前沿 token。卡萨多的回答是先把两句话分开：「我不需要更聪明的模型」和「所以我可以换更便宜的模型」是两个陈述，后者推不出来——因为处在竞争均衡里，你永远愿意为最聪明的那个多付十倍。最后他承认，事情显然会慢下来，因为 token 不再增加；那时要么提价，要么把面铺宽，但他认为价格是维持得住的，使用面正在扩展到编码之外的一般知识工作。
05 · 他能做出什么：一个想住在《星际迷航》里的人
这一段是全场最个人化的部分。他给 Grokbot 的指令是「做我房子里那个活着的 AI」——回到家有人迎接，能说话，屏幕上有脸。为此它昨天自己买了几百美元的设备，买的东西他都不太认识，是些很冷门的开源项目；他一直在把图片和描述喂给它，让它自己把那个七十年代想象里的未来造出来。
他用同一套眼光看 World Labs 的 Atlas：能生成任意 3D 场景，还支持场景里的东西动起来。「我们离走进一部电影只差一点。」他举《不眠之夜》——那出在纽约三层楼里跑的沉浸式戏剧——问为什么没有一个 VR 版本，你走进去，剧情在周围发生。
结论是这个：最大的约束不再是技术，是我们的创造力，而创造力是被三十年的烂软件压低的。「软件一直很烂，技术一直很难用，老人讨厌它，它经常是坏的。」
主持人问模型本身还缺什么。他给了一条很干脆的分界：数字世界里的事，只要能造环境、能做强化学习、能训练，就能解——3D 用 Blender，电脑操作用电脑，代码用代码。「你可以把钱指向一个问题，它就会被解决，可能很贵，但至少能解决。」过去你会卡在工程上然后死掉。但物理世界、机器人、科学和医学，他完全不知道是否遵循同一套规律，「那还是一个待解锁的东西」。
06 · 安全：这一轮比互联网那一轮轻
主持人的问题是「漏洞末日」。卡萨多的参照系是亲历：互联网那一次更糟——到那个阶段，蠕虫已经造成几十亿美元损失，关键基础设施被打掉过；Windows 95 装上、连上网，安装程序还没跑完就已经中毒，「你连打补丁的时间都没有」。
他的模型是：每一次改变我们运行计算机方式的新技术，都会重来一遍这种混乱期——先是几年乱，出现造成真实问题的入侵，然后行业演化。安全的基本算法是「守方能不能比攻方花更多钱」，通常能，于是会长出技术解。所以现在漏洞变多是好事：那说明有人用模型把东西变安全了，因为它把漏洞指了出来。净效果是软件更安全，因为攻防两端都用上了同一批模型。
07 · 钱第一次能变成工程产出
主持人描述了一个当下的矛盾：资本市场上明显有「需求被消灭」——有些东西在别的环境里会投，现在不投了，因为融资成本太高；而成本高，是因为任何跟 AI 有关的东西回报都太高。「资本本身像是这个等式里一个很有意思的约束。」
卡萨多先从他自己坐的董事会说起：很多好公司盈利、以 40%–60% 在规模上增长、ARR 三到五亿美元，但它们上不了市，因为按公开市场标准不够大。他认为这些仍是很好的资产，问题是市场还没有让人接触到它们的通道；「我见过的唯一免费午餐是分散」。
然后是这一期最核心的一句判断：AI 最大的颠覆，是你可以把钱砸向问题。 技术史上从来做不到，因为它一直是工程问题，而工程不可扩——「神话人月」就是这个意思。他给了一个思想实验：十年前五个创始人来要十亿美元，给了会怎样？他们坐在那儿，或者招一堆工程师然后炸掉，你没法把钱用掉。而现在，你可以给二十个人十亿美元，他们能真的用掉。
主持人请他解释「神话人月」，他给了定义：你没法提高工程的速度，这几乎像物理定律，是高度次线性的，还伴随组织沟通的代价。他补了一句自己的经历：「我创业做了十年，最后做成了很大的生意，这一点完全成立。」
再往下一层是债：股权端看起来还松，债端已经在收紧。可用的债不够，投资级先拿，非投资级更难；拿不到便宜债的公司只能让客户预付，压力顺着链条传回现金。「所以最终一切回到现金和资本的可得性上。」
08 · 新云、新实验室，和五个九的轨道算力
他先钉定义，因为这两个词被混用了。新云是真正提供物理基础设施、终点是 token 的那种公司：给 GPU、给微调、或者直接给 token——「我把它想成一座真的有 GPU 的数据中心」。新实验室是「给我十亿美元，我们去做一个新架构」：新架构、新训练方法，赌的是通用智能。很多新实验室的商业计划就一句——「如果我们解决了超级智能，商业模式自然就有了」；他说公平地讲，这正是 OpenAI 最初的论点，某种程度上也是 Anthropic 的。
他顺手纠正了一个流行说法：很多新云都在建实验室、很多实验室在往上游买地买电，但「在我的世界里，那不叫新实验室，那叫新云」，因为所有新云都想做 token 工厂。
接下来是他认为最被低估的约束：真正的限制是硬件供给，还有电。不是资本，也不是债。 在这样的限制下，这类事情 80% 会归给规模玩家，剩下的 20% 是那些够不着的偏门角落——他举了一家 GPU 市场公司，很多 GPU 是从鸡舍改出来的，「SpaceX 不会去做鸡舍 GPU 的生意」。
最后是那个让人印象深刻的细节：有人问 Larry Page 多少算力会在轨道上，他说「五个九」。理由是物理——最终所有东西都会在天上；但卡萨多说，它最说得通的理由其实是监管：仅美国就有几百项提案在拦数据中心的建设，包括得州。「如果你在得州都建不了数据中心，我不知道我们还在干什么。」动不了土，就只能去海外，或者去太空。
09 · 私募市场是有效的，而钱会创造可投的东西
主持人问估值：再好的资产也有一个价格会毁掉回报。卡萨多把这句接到自己的两个信念上——「我不明白一个 VC 怎么能不相信技术创造价值；我也不明白一个 VC 怎么能不相信市场是有效的。」
他的做法是：付市场价格，也许因为谈判拿一点折扣，但从不在这上面操心；勤勉不是为了砍价，而是为了把一个资产的风险降下来——他买的是更低的失败概率，不是更便宜的价格。
主持人顺着逻辑追问：那为什么不干脆指数化私募市场？他的回答是「我非常愿意，但你做不到」——竞争上做不到，产能上也做不到。「我的梦想就是每一笔竞争激烈的交易都拿 5%」，但那样他就没法进董事会、没法真的帮上忙。于是他们做的是分层抽样式的做法：把「正当的赛道」定义为「里面有好的创始人」，在每个赛道里挑出最好的那一家，然后假设市场是有效的。
他也顺手拆了两句流行话。「按定义，所有人都在喊泡沫的时候，它大概就不是泡沫。」以及「逆着共识投资很危险」——他因为这句话被同行围攻，但他坚持：真正带来回报的交易，恰恰竞争都极其激烈。
最后他反驳另一种零和思维：有人说创投不是一个资产类别、值得投的创业公司只有二十家、钱一多就是过度融资。「资本会创造机会、创造市场、创造价值。」过去二十年进入私募的钱多了非常多，价值也跟上了；钱进入私募市场会创造 TAM，甚至最简单的例子就是公司不上市了：如果有更多私募的钱，你为什么要上市？
10 · 战略并购：买方买的是一张期权，而你要替他做完归纳证明
他先交代自己的历史：Nicira 卖给 VMware 是 12.6 亿美元的退出，当时是企业软件里收入倍数最高的收购（「我记得我赢了 David Sacks 的 Yammer」）；后来又参与了打破这个纪录的 Tabular 卖给 Databricks；再往后是 Cursor 和李飞飞的 World Labs。
他总结出两条规律。第一，几乎总有极深的个人层面的共识，因为对双方都是真实的风险：苏姿丰与李飞飞、Michael Truell 与 Elon、Alex 与 Patrick——你几乎总能看到对未来有同一幅图景、用同一种方式思考的人。第二，你必须站在买方的脑子里：买方买的是一张「大市场上的期权」。VMware 买 Nicira，等于用十亿美元买一个四百亿美元市场上的期权；要让这笔账成立，卖方得替他把那道归纳证明解完——基础情形是这门生意已经能卖进那个预算，归纳步是接上买方的存量客户就能卖更多。
这种对话更像一场金额极高的企业销售，而不是拍卖。他因此很看不上「请投行、搞拍卖、拿最高价」的默认路径：「你要走到顶级的掠食者面前——比如马克·扎克伯格——跟他打扑克，你是在骗自己。这些事建立在信任和一个讲得通的故事上。」
Cursor 那笔的具体经过他讲得很清楚：当时一轮几十亿美元的融资快做完了，就在 Mythos 出来的时候；倒推一下，做 Mythos 大概花了三十亿美元。于是「如果 Cursor 要自己做模型，我们需要融更多钱，也需要拿到那么多算力」，战略讨论由此开始——能拿到那么多算力的人并不多。最后的对齐点很清楚：SpaceX 有算力，Cursor 有用户、有数据，还有一支真的做出过模型的团队，而代码极其重要；而且手里有一轮正在进行的融资，本身就帮着把价格定了下来。
他还专门讲了「别泄密」：World Labs 一点没泄，因为只告诉了很少几个人；OpenRouter 一直在泄，把他烦透了。「很多 VC 觉得这就是抬价的方式，这些事一泄，交易就不稳。」
11 · 投资人的角色：两边都在越界
主持人问投资人的角色怎么变，他先给了背景：创投不是过去的创投，创业生态也不是过去的生态——今天最大的私有公司抵得上二十年前的上市公司：Stripe、Databricks、上市前的 SpaceX、Anduril。
结果是「创业公司」这个词不够用了，出现了一片没有边界的沼泽：本该是公开市场投资人的人，在做早期创业投资。「我不认为那些直觉是对的。」他主张在私募这一侧多做区分，后期投资人做早期时该多一点自我意识。
他给了一个自嘲的比喻：「你不会让我去当一家矿业公司的董事。」 2021 年那些 PE 投资人投 B 轮，他和他们一起坐在董事会里，「那感觉就像把我放进矿业公司的董事会」——他们想通过烧钱率去理解公司，而这家公司要做的是长时间烧钱。
他的结论是这属于成长中的阵痛：市场规模比三十年前大了一千倍，行业当然要跟着成熟，后期资金当然要用后期的眼光看私募公司。但「把传统金融和创投融合」这件事，有时候伸得太低了。
12 · 为什么这是工业革命级的
最后一段回到他为什么觉得这份工作现在这么好。他说自己刚入行时也要学怎么当一个投资人：「首要的工作就是听。」创始人会告诉你他相信什么；你不同意就不同意，但那是他相信的东西，而你的工作不是去修它。他还点了行业里的一种病：「很多和创始人的会，双方都有点表演性。」
收尾是他这一期最重的一句判断：工业革命把一个零和的世界变成了非零和的世界——价值被创造出来，是净新增的价值。这一轮的位移是同一类：过去解决问题必须解决复杂的工程问题，工程不可扩、还得一直维护，所以软件一直很难用；现在它变成了一个资本配置问题，而「我们是配置资本的人」。
所以他拒绝零和：他不相信私募市场的 TAM 是有限的，「进去的钱越多，创造的价值越多」。这也是他说自己处在「非常战略性、也非常幸运」的位置上的原因。
口径与核对
这一期的事实分三层看。
能对上公开来源的。 a16z 官网的作者页写明：卡萨多 2016 年加入、主管基础设施实践，现任 Cursor 与 World Labs 董事；Nicira 2012 年以 12.6 亿美元卖给 VMware，他在 VMware 期间该业务做到年化 6 亿美元。2 他的「四类投资者」写成文章发表于 2026 年 10 月 28 日，与节目里的说法一致。3
Cursor 这笔交易的条款，a16z 自己在 2026 年 8 月 14 日的文章里写得很细：2026 年 4 月 SpaceX（当年早些时候吸收了 xAI）宣布一份类似期权的安排——有权按 600 亿美元收购，若交易不成则支付 15 亿美元现金加 85 亿美元算力；6 月 12 日 SpaceX 上市，四天后 Elon 确认以 600 亿美元全股票收购，文章称这是有史以来对一家风投支持公司规模最大的收购。4 他投过 Cursor 这一点也可核：2024 年 8 月的 A 轮 6,000 万美元、投后 4 亿美元，由 a16z 与 Thrive 领投。5 节目里那句「Anthropic 的 S-1 出来了」也有据：Anthropic 于 2026 年 10 月 26 日正式向 SEC 递交 S-1。6
只有节目里说的。 以下数字与说法这一轮没有找到公开口径，按他在节目里的原话保留：做 Mythos 大概花了 30 亿美元；前沿模型按美元加权拿走 80% 以上的市场份额；美国有 500 项提案在拦数据中心的建设；Larry Page 说「五个九」的算力会在轨道上；模型寿命三到六个月；渗透率「企业侧 3%、按预算算 1% 或更低」。其中「Larry Page 那句话」他自己也说是「我最近听到的一个说法」。
一句对照。 他反复问「如果市场放缓会怎样」，而公开数据里这件事已经开始：Anthropic 三季度收入 169.6 亿美元、环比增长 47%，而二季度是 144%；本季还多出了 50 亿美元算力成本，每一美元算力换回的收入比上季下降。7 这不是反例，而是他那个问题的现实版本——他自己也说，「市场饱和之后会怎样，没人知道答案」。
逐句全文翻译
下面是整集按原始播客顺序的逐句中文译文。只保留中文，保留说话人与广告标签，未压缩、未摘要、未删减。
01 四类投资者
广告：Ramp 是唯一一个为了让你的财务团队更精简、更快、更好的平台，平均每年为企业省下 5%，让你能专注在增长上。Ramp 刚刚在英国开业。所以如果你在英国做生意，现在就可以用 Ramp 的 AI 财务平台，把卡、费用、账单、审批和记账放在一个地方管理。我的生意就跑在 Ramp 上，你也应该这样。了解更多请访问 ramp.com/invest。
广告：Rogo 是为金融机构专门打造的 AI 平台，服务着全球数百家领先机构里数以万计的投资银行家和投资人。Rogo 的 AI 代理可以自主执行你公司工作流里很大的一部分：筛选交易、撰写投资备忘录、做买方触达、在数据室里做尽调，全程处理好安全与合规。每个动作都会回流到 Rogo Intelligence——这家机构的上下文层，把多年的交易经验变成一层安全、可治理的机构记忆，让每一笔新交易都比上一笔更强。了解更多请访问 rogo.com/invest。
广告：OpenAI、Cursor、Anthropic、Perplexity 和 Vercel 有一个共同点：它们都在用 WorkOS。要在规模上做到企业级采用，你必须交付 SSO、SCIM、RBAC 和审计日志这些核心能力。WorkOS 就是为此而生的。你不必花几个月自己去建这些关键能力，只要用 WorkOS 的 API，第一天就能全部拿到。访问 WorkOS.com 开始。
帕特里克：你最近写过一篇文章，讲投资风格可以分成四类，说的是创投、私募市场里的科技投资这一块。能不能把这四类列出来，每一类用一句话说说它管什么用？
马丁：我这几年坐下来谈过几百笔交易，最直接的感受是：大家其实没在好好沟通。所以我自己做过一次练习——投资到底有哪几种心态？我数出来是四种。
第一种是传统的财务心态：判断一家企业健康状况的正确代理，是它所在的市场和它的财务数据。SaaS 的指标怎么样？市场有多大？这就是整家公司的代理。增长基金显然这么做，但现在越来越多的 A 轮投资人也这么做，在我看来有点不协调。
第二种是我说的生产性投资人：你相信自己在投一件生产性资产，价值是这件资产创造出来的。如果你信这个，那么随着它创造价值，它会自己造出市场；而企业要做的，是找办法追上它创造出来的价值。所以这类人的勤勉方向完全不同：技术路线是什么？相邻市场有哪些？它演进得多快？它离兑现价值还有多远？这支团队是不是对的人？
第三种我叫前沿投资，那是六十、七十年代创投的浪漫理想版——基本上就是「冲」。创始人比投资人更懂，他看到了我看不到的东西，我凭什么去质疑他？这种投资有点像人才经纪公司。
帕特里克：那第四类呢？
马丁：投机。他们只想赌市场的时间点，在加密和二级市场里最常见。他们不了解底层资产，可能连真实的业务指标都不看，只会说「这个看起来便宜，肯定要涨」，或者「这是顶部了，我得撤」。他们在做的是择时，不是判断这门生意会不会长。
问题就在这里：这四种原型并存，你可以用它支持任何一笔交易，也可以用否决任何一笔交易。如果你不知道自己的信念是哪一套，那你永远只是在为个人的偏好找理由。
帕特里克：如果你把自己当成一个生产性投资人，关心的是颠覆性技术，那你就该少看很多投资人天天在看的传统指标。说说你到底看什么——你看过那么多公司，用什么方法判断一个人是不是在做一件真正颠覆的、有价值的技术？
马丁：我只做计算机科学的投资，只做基础设施。基础设施这个行业有它自己的形状、自己的采购行为，技术长什么样、行业怎么运转，都是有规律的。你要做的是把技术路线映射进这个技术—战略框架里。方法有几种：看领先公司内部在做什么，这能让你瞥见平台可能怎么演化；或者看这支团队是不是在别的场景里干过同一件事，现在把它带到这里来。
你能做的勤勉，很多是不用数字做代理的：跟客户聊，他们会用吗；看有没有相邻的预算在长大，大到可能碎裂出来变成这个市场；或者你看到早期的付费意愿，但他们还没找到商业模式。
每一波技术浪潮，大家都为毛利发愁——云的时候我经历过，移动的时候我经历过，互联网的时候我也经历过。所以完全可能是这样：付费意愿有、兴趣很大，但真正可行的商业模式里的成本结构还没算出来。你用的其实是局部指标，不是完整指标。
我的团队多是技术和产品背景的人，不少有博士。我们不去质疑技术本身——创始人一定比我们懂技术——但我们可以问：这项技术怎么嵌进更大的平台？怎么嵌进客户的支出？它和我们理解的粘性、防御力是什么关系？然后再看早期的市场数字。有时候我们会说：财务投资人看了会吐，但它恰恰说明客户很想把某件事搞明白——他们能不能搞明白？
所以能做的勤勉其实很多。前沿投资则相反，我怀疑那些都不做：只要判断「这是不是干这件疯事最强的团队」，然后就冲。
02 护城河为什么很少重要
帕特里克：你刚才在开始之前说，没有人真正理解网络效应。你是什么意思？
马丁：我发现连最常用的词，行业里都没有共识。网络效应就是我最爱举的例子。开录之前我问过你：什么是网络效应？你怎么说的？
帕特里克：我说的是，一个产品随着边际用户的加入变得更好。
马丁：对，这个定义几乎是同义反复——大多数产品都会随着用户变多而变好：他们会发现 bug、会给反馈、会告诉别人。可这完全没有说明防御力。
但别人用「网络效应」这个词时，指的是七十年代那个原义：电话网。用户加入之后彼此能互通，连接数随着人数按平方增长，这才长出自然垄断。还有人把它当成飞轮，说的是自我强化的循环。于是同一个词有三种含义，而它印在七成的 BP 上。
帕特里克：那你会怎么定义？
马丁：我认为混乱的根源不是定义问题，是我们把机制和形状混在了一起。能造出护城河的东西很多：品牌、规模、双边市场、网络效应。但讨论护城河，只有它能说明「凭什么别人打不进来」才有用。
所以第一步，别把机制和形状混起来。先说这条护城河随规模是超线性、线性，还是次线性。第二步，再看它是靠什么机制产生的。
帕特里克：能不能举几个超线性、线性、次线性的例子，让它具体一点？
马丁：可以。网络效应最早的说法来自七十年代，一位在贝尔实验室的经济学家——名字我一时想不起来了。他发现铁路网和通信网里，用户之间的交互随人数平方增长：一个人加入，他能连到很多人，所以连接数的增长快过用户数的增长，价值的增长也快过线性。
这意味着什么？两家竞争的公司，各拿五百万美元，其中一家略好、略大，同样的钱它会比挑战者长得更快，而且增速随时间上升——这就是垄断的来源。
次线性则相反：我是领导者，我投的钱和挑战者一样多，但我长得比挑战者慢。这对护城河至关重要——如果两家公司的护城河是次线性的，挑战者早晚会追上来，因为领导者要花越来越多的钱才能长同样多。
帕特里克：最近有哪些符合这些形状的公司例子？真正的超线性网络效应，按麦特卡夫定律那种，你觉得历史上到底有几个？
马丁：非常少。我甚至觉得几乎没发生过。电信算一个——所以我们当年必须把它们拆了。LinkedIn 大概算，它几乎不用怎么变，就有一个永久的位置。社交网络也算。这些例子的共同点是人与人的互相连接。GitHub 也算，本质上也是连接。
所以例子不多，但一旦有了，就是非常持久、非常高价值的公司。
其他公司更接近规模效应。比如大家会说 Uber，我不确定它符合网络效应的定义。也许算双边市场：一边司机、一边乘客。但即便如此，它锁不住任何一边——司机给所有人开车，乘客也能用任何一家。它更像是一个融资带来的规模效应：能拿到更多钱，所以单位经济性更低。
帕特里克：我有个更上层的观察……（笑）
马丁：先说一句，网络效应那个其实是我的个人强迫症，我有点学究。但我真正想说的是：护城河、防御力，大多数时候根本不值得讨论。让我解释。
按我的经验：如果你投的市场在增长，公司就不想去互相厮杀，因为会不断出现新的白地，他们会选择挪去别的白地。市场在增长时，讨论防御力是第二、第三层的问题。而市场一旦放缓或收缩，反正会整合——有没有护城河都一样。
所以我们花大量时间为防御力发愁，但实践中它并不重要，尤其是在我们在投的增长市场里。AI 上我们已经看过一遍：最早讨论模型的时候，无数投资人跟我说「我永不投模型，它累积不了价值，不可防御」。行，只要市场在长大、市场足够大，它就是会累积很多价值。新云也一样，「它们永远不可靠、收入质量很差」。我们投资人常常用防御力骗自己，而如果市场在增长，这件事甚至不值得考虑。
帕特里克：这算不算你所处阶段的特权？到了更后期、公开市场，比如要买 Anthropic 那份 S-1 的人，大概必须考虑防御力。
马丁：这取决于你对市场规模的判断。如果你相信我们只渗透了 0.1%，那这条路还很长，价值会累积；而且如果你流动性好，你可以在市场里进出。
我觉得创投的性质其实整体变了。你读 Arthur Rock 那个年代，那更像前沿投资，人们不怎么看收入质量，也不太谈防御力——就是人、技术、新市场。
过去三十年，科技市场变得太大了，可投的钱也多了太多，私有公司的体量也大了——今天的私有公司抵得上十年前的上市公司。所以某种意义上，VC 变成了公开市场投资人。而且进入 VC 的很多人来自商学院和传统金融，那套心态就是从那个世界来的。
但问题在于：它被用得太早了。财务心态被用得太早。我经常听年轻投资人说「这家收入质量很差」，我就想说：兄弟，我们当年连互联网怎么变现都不知道。商业模式总是落后于颠覆性技术。
如果你真信自己在投颠覆性技术：第一，你该相信它会创造 TAM，那你为什么还担心市场大小？第二，它是颠覆性的，那我们根本不知道它的定价模型是什么——从买断到订阅，我们纠结了多少年。
所以我的提醒是：大多数投资人应该知道自己是哪一类。你可以是财务投资人，那就是你看世界的方式；但你其实没在评估技术，没在评估技术的颠覆性，你看的是收入质量——而这会自然把你推向不颠覆的技术，因为颠覆性的东西，你大概不知道它的商业模式和 TAM。
反过来，如果你信的是「技术创造价值」，而且你在早期就投，那你就不该同时看那些东西。
所以这不是「哪种投资方式才对」的问题。这四种都是正当、自洽的做法。问题在于：别在基本立场上把自己搞混，否则你就前后不一致了——「我是个投颠覆性技术的投资人，但我要看 NRR 好不好看」，这行不通。
03 AI 基础设施的现状
广告：Vanta 自动处理合规，让你的团队少花时间在安全审查上，多花时间拿客户。Vanta 把审计准备时间砍掉 82%，并给你实时、可用的信任证明，不必再手工做，于是你能更快、更少摩擦地成交。客户报告的投资回报是 526%，超过 16,000 家公司在用 Vanta，包括 Ramp、Harvey 和 Snowflake。到 vanta.com/invest 可以省 1,000 美元。
广告：Ridgeline 是第一个把嵌入 AI 的端到端记录系统做给投资管理机构的产品，把组合会计、对账、报告、交易和合规放在一个平台上。机构从遗留系统迁到 Ridgeline，是因为它的 AI 能力领先同行太多。我最近听到很多投资经理谈 AI，大致分两派：一派不知道从哪里开始，另一派相信自己一个周末就能搭一套订单管理系统。现实是，运营一家投资机构永远需要治理、控制和单一数据源，再多的 AI 热情也改变不了这个要求。Ridgeline 就建在这个地基上，我相信在 AI 时代胜出的机构，会是跑在 Ridgeline 统一平台上的那些。如果你认真对待公司的 AI 战略，Ridgeline 应该在那场对话里，可以到 ridgeline.ai 申请演示。
帕特里克：你会怎么描述你关注的基础设施今天的状况？显然变化非常快，出现了很多新类型的公司，但看起来还是有一些层次、一些类别。你觉得今天它长什么样？
马丁：对我来说，基础设施的定义是：差异化必须是技术性的。我不把 SaaS 和应用看作这一类——投一家 SaaS 公司，本质上是投商业模式创新，不是投技术。
因为技术性的创新，必须能放进传统技术栈里说清楚。传统栈是计算、网络、存储、数据库，每一层都有子组件，每一层都有买家。现在这些正在被 AI 改造，每一层都在被颠覆。
同时多了一样东西：模型。我把模型算作基础设施，但它看起来更像 ASIC，不像传统软件——资本需求、竞争压力都像。而它又在压垮它上面整个应用层。我们甚至不知道它最后会不会分层，也许你能把它归进软件里，但传统上它不是。
广告：这里是 Invest Like the Best。今天和我对谈的是 Andreessen Horowitz 的普通合伙人马丁·卡萨多，我们聊四类投资者、护城河为什么很少重要、AI 基础设施的现状、前沿模型经济学、AI 与网络安全、新云、太空里的数据中心，以及投资人的角色正在怎么变。
马丁：而且我们当年做技术时的大量设计决策，前提是「有人会用这个，所以不能太复杂」。于是你用安全性和可靠性去换易用性。现在不用了，因为用这些东西的是模型。所以我认为这是自互联网以来——也许是史上——最大的一次计算机科学基础设施刷新。
帕特里克：能不能简化成：这五个部分的基础设施都在为代理重构？这样是不是过度简化了？
马丁：我把它拆成两件事。一件是大家在大量「凭感觉写」软件，软件的产量前所未有地多，而这些软件总得有地方跑。那不是代理，那就是普通软件——可能由代理写、也可能由人写，但它需要数据库、需要算力。所以那是代理的产物。
另一件是我们在造的新系统，AI 长在它们的心脏里，这又会怎么改变基础设施。就这两件。先假设软件产量大幅上升、必须有地方部署运行，再考虑我们现在有了真正能生成代理的系统。
帕特里克：好像每一波技术浪潮都会需要一种新数据库。你在你关心的所有领域里都看到了吗？因为 AI，出现了全新的进入者？
马丁：看到了。很多基础设施原本已经有点沉睡，现在因为代理足够复杂，情况变了。拿 OLTP 举例，就是事务型数据库，Oracle 那类公司，一个非常成熟的行业，过去你最多看到往云上迁。现在出现了一些很有意思的公司，他们的切入点是：从程序员的角度，用数据库最难的地方是数据库有自己的语言，而且这些语言有技术上的历史原因，很难和普通编程语言配合。
其中一个原因是：一旦你改了这门语言，懂数据库的人就不会用了，你得重新训练一整代程序员。但现在出现的新数据库完全不必迁就这点——代理已经会了。所以我认为这些是路径依赖的：有些领域会有新进入者把它改掉，比如 OLTP，五年后可能完全不一样；有些领域在位者会自己补上几块。
网络也是。我博士读的就是网络，这个领域过去十五年非常无聊，而现在我们建的集群太大、性能约束太硬，于是出现了自 Arista 之后第一批全新的网络公司。材料在变，光互连在往上走。
04 前沿模型经济学
帕特里克：能不能花几分钟谈模型？Anthropic 的 S-1 这周出来了，那是窥见生意本身的一个很漂亮的窗口，但我更感兴趣的是，从基础设施的角度你怎么看这些东西今天的状况——闭源对开源、公开前沿对留给自己用的私有前沿、人才流动、机会、该有却没有的东西，随便你讲。
马丁：我认为最大的问题是：如果市场放缓、甚至真的慢下来，会发生什么。
我们手上有三年的数据，都是关于一个又大又快速增长的市场上发生了什么。在这个市场里，处在前沿意味着你有巨大的定价权——哪怕你只比对手好一点点。没有需求问题，需求基本是无限的。所以最前沿的那些模型，按美元加权能拿走 80% 以上。
而且这个状态持续了三年。但你可以说，它之所以这样，是因为我们根本没有让市场饱和，人们永远想要最聪明的东西。如果是这样，只要市场在长，就没有什么结构性的东西会变。你甚至可以说这会持续很久，因为渗透率才 0.1% 左右——他们说企业侧是 3%，但按预算算其实是 1% 甚至更低。考虑到这项技术多有用，还有很大的增长空间。
对我来说更有意思的问题是：如果市场在某些局部开始饱和，会怎样？如果那样，事情就会转向开源，前沿的定价权就会松动。
还有一件事，我们给这些公司建模时从来没有很好地对齐过：如果你投了一个模型，但下一个模型没能很快出来呢？假设 Anthropic 出了状况，六个月没发新模型，上一个模型的寿命是多长？
非常短，非常非常短，这在软件史上是从来没有过的。软件历来都假设有一条很长的尾巴。但如果情况是：你发布了 SOTA 模型、所有人都在用，然后内部出了事——我不知道是监管、技术还是泄露——总之你晚了三个月，那很可能就是丢掉整个市场。
按我的经验，我也看过很多应用公司和融资材料里的模型曲线：一个模型的寿命是三到六个月。所以你必须把下一个模型发出来。
这场对话里，我觉得应该把它拆成两问。如果市场继续增长、不饱和，会怎样？这个我们其实已经知道，因为有三年数据：前沿赢，他们把模型做好就行。那如果是某些用例饱和了、你不再需要更多智能，或者市场因为别的原因放缓，会怎样？这个没人知道答案。我认为有一个非常真实的世界：价值会暴跌回开源。我们会看到一次从未见过的转变，因为软件历来都有长长的留存尾巴。
帕特里克：这趟我一直在问很多人：软件编码任务里，已经饱和的比例是多少？典型回答是「非常非常高」。那是至今最大的市场变化，可人们还在疯狂花钱买前沿 token 去做编码，这看起来有点矛盾——如果我用一个半年前的模型就能干，而且便宜得多。
马丁：这是两个不同的陈述，值得掰开，但要很小心。
第一个陈述是：我不再用更多 token 了，我够了，我已经自动化了 95%，没法再自动化。我认为我们正在接近这一步。
第二个陈述是：所以我可以换更便宜的模型。这个推不出来。
假设你和我各自有一家创业公司，马丁公司和帕特里克公司，我们在竞争。因为处在竞争均衡里，你会为了跟我竞争而故意选一个更笨的模型吗？在竞争均衡里，你永远愿意为最聪明的那个多付十倍。永远如此。
所以有一个完全开放的问题：你能不能把任务做到饱和，以至于不再需要更聪明的模型？在一个达尔文式的经济均衡里，这很难。你在竞争，最终拼的是谁能更快把软件做出来、做得更好、在市场上赢——这必然把你推向更聪明的那个。
话虽如此，事情显然会慢下来，因为你确实不再多花 token 了。那你要么提价，要么把面铺宽。但按我的经验，价格是维持得住的，因为竞争均衡让你永远想要最聪明的那个。而且我们确实看到这些工具在编码之外被更广地用起来，进入一般性的知识工作。
05 AI 现在能做出什么
帕特里克：说说你个人的使用体验，你在用它做什么，从里面学到了什么。
马丁：我新玩的这个 Grokbot，特别好笑。我搞了一整套自动化。我好像一辈子都在等这种能力出现——我想要《星际迷航》那种：回到家，房子会迎接我，我可以跟它说话，屏幕上出现一张脸，我全都要。我们以前做不到，现在它几乎是小事。
所以我用 Grokbot 做很多事：个人财务；我最大的爱好是模块化合成器，我喜欢做音乐，七十年代那种插线、旋钮、一路调的方式，它在这上面帮了我很多。所以我用它干很多常规的事。
但我新的热情项目是：我要 Grokbot 具身化。我跟它说，我要你成为我房子里那个活着的 AI。我要它像《星际迷航》那样，帮我把这件事真的做出来。
帕特里克：它买的是什么设备？
马丁：我昨天让它买了几百美元的东西，正在送到家里。我准备让它把自己具身出来。买的东西我都不太认识——像是一些很冷门的开源项目，我懂一点家居自动化，但它挑的真的非常冷门。
但我脑子里有一个画面：那种复古的、七十年代想象中的未来。我把图片和描述一直喂给它，我要它自己把那个画面造出来。进展我再告诉你。
帕特里克：这件事，加上你用这项技术的其他体验——你大概属于使用它的十万分之一里最有创造力的那批人——它告诉你接下来会发生什么？
马丁：就是这样。大家一直把这些东西当成软件，它不是；我们一直把它映射成搜索，它也不是。我们真的造出了一种通用的弹性技术，可以把我们一直梦想的那些未来的东西做出来，只是过去没有技术去实现。
而我们被自己对软件的预设限制得太厉害了，所以很少有人真的去做。我再举个例子。我和李飞飞的 World Labs 一起工作，那是家很好的公司。他们做的事是造一个能生成 3D 场景的模型，几个月前发布了 Atlas，基本能生成任意场景，还支持场景里的东西动起来。
我意识到，我们离「走进一部电影」只差一点。想象一下——宫崎骏大概不会高兴，但想象你能走进《千与千寻》，戴上 VR 眼镜，你就在里面。
你看过《不眠之夜》吗？
帕特里克：看过，我去过。
马丁：为什么不做一个 VR 版的《不眠之夜》？你在那栋楼里走，剧情在周围发生。《不眠之夜》是一出沉浸式戏剧，三个小时，在纽约一栋三层楼的建筑里，你在里面跑来跑去找线索，同时《哈姆雷特》在某个角落上演。我们开始意识到这东西有多强。五十年代、六十年代那些对未来的想象，很多我们真的能造出来。
所以我认为最大的约束不再是技术，而是我们的创造力——而这只是因为，我们被三十年的烂软件打服了。说实话，软件一直很烂，技术一直很难用，老人讨厌它，它经常是坏的。而我们现在到了这样一个点：这些东西真的开始能用了。所以对我来说，我特别兴奋。
帕特里克：很容易说一句：把模型冻结在现在的能力上，你描述的那些东西也都能实现。在我们聊那个扩散问题之前——你觉得模型本身还缺什么？你希望它继续长出什么？
马丁：退一步看，作为一个行业我们知道的这套技术栈里，任何数字世界的东西，只要有足够的资本就能解决。原因是你能在计算机上模拟的东西，就能为它造强化学习环境：3D 的可以用 Blender，可以是通用的电脑操作，可以是代码。
我们之前聊过这个。我认为最终最有趣的一点是：你可以把钱指向一个问题，然后它就会被解决。可能很贵，但至少能解决。过去你会卡在工程上然后死掉；现在你可以直接把钱指向问题，把它解决掉。
所以我很有信心地说：数字世界里的事，只要能造环境、能做强化学习、能训练，我们就能解。你在电脑上做的任何事，AI 都能做。也许现在做不到，但那条路看得见。
我不知道的是：同样的事情适不适用于物理世界？你可以搭个实验室去试，但标度曲线一样吗？分布一样吗？所以机器人、物理世界、科学和医学，我完全不知道它们是否遵循同一套规律。那还是一个待解锁的东西。但数字这一侧，我很确定它已经解决了。
06 AI 与网络安全
帕特里克：你怎么看安全这一块？漏洞、入侵，有人把它叫「漏洞末日」。显然我们正在进入网络攻防一个很有意思的时代。你怎么理解这一轮？
马丁：我算是在现场亲历过互联网那一轮，也在安全上受过正规训练。互联网那一次比现在糟得多。到互联网的这个阶段，我们已经有蠕虫造成几十亿美元的经济损失，关键基础设施被打掉过。还记得 Windows 95 吗？你大概太年轻了。
帕特里克：不，我记得。
马丁：还记得吧。那时候你把 Windows 95 装上、连上网，安装程序还没跑完，机器就已经中毒了。不是开玩笑，你连打补丁的时间都没有。那时候有多混乱、多失控。
每一次出现改变我们运行计算机方式的新技术，都会重来一遍这种事，我们现在正在另一次这样的时刻里。
所以我们完全可以参照互联网那次：会有几年混乱，会有造成真实问题的入侵；然后行业会演化。通常谈安全是这样想的：守方能不能比攻方花更多钱？如果答案是能——而通常都是能——你就会得到技术解。我认为这一轮也会一样，而且你已经看到了。
现在冒出来的那些漏洞，是好事：那说明有人用模型把东西变安全了，因为它把漏洞指出来了。我认为它正按你预期的方式发展。但净效果是软件会更安全，因为 AI 同时在保护它。
07 钱为什么终于能扩工程
帕特里克：能不能谈谈资本？资本市场里正在发生很有意思的事：明显有很多「需求被消灭」的情况——有些东西在别的环境下我们会投，现在不投了，因为融资成本太高。而成本高，是因为任何跟 AI 有关的东西回报都太高。我今早在看一家公司：如果五年前你和我看到那份材料，我们会说这是家很棒的软件公司，我们应该投。现在它跟我们可以投的其他东西比，显得很苍白。资本本身像是这个等式里一个很有意思的变量，一个约束。你怎么感受这件事？
马丁：我坐在很多好公司的董事会上，它们有你刚才说的问题：盈利、以 40%、50%、60% 的速度在规模上增长，ARR 三亿、四亿、五亿。这些公司怎么办？它们上不了市，因为按公开市场标准不够大，但它们是很好的公司。
我自己也会想：我宁愿持有这些公司，也不想去买市政债。如果能保证 40% 的增长，任何人拿自己的钱投进去都会高兴。所以我认为这些仍是非常好的公司。问题更在于——这又是我天真的地方——市场会不会出现某种变化，让人们能接触到这类资产？因为它的风险特征跟 AI 完全不同。没有人知道 AI 在市场放缓时会怎样，没人知道：可能来得快也去得快，也可能一直长下去。
我见过的唯一免费午餐是分散。我个人会很愿意持有一个篮子，里面是这些增长慢一些、但不会消失的资产。
帕特里克：但你心里的那些公司，大多数是不是也极度暴露在颠覆风险里？很多公司看着就像你说的那样，可一想到写软件会变得多容易，就觉得很吓人。
马丁：我是做基础设施的。对我来说，更多软件意味着需要更多基础设施。我们还没有到「凭感觉写一个数据库」的程度——除非你就是一家数据库公司。
帕特里克：Snowflake 是不是就是你说的那种典型例子？
马丁：是很好的例子。不只是把它造出来，长尾的功能、长尾的性能调优，要真正运营这些东西是非常难的。所以假设 Snowflake 在以 30% 到 40% 增长，经济性很好，我不觉得它有任何被 AI 颠覆的风险。也许会被 Databricks 颠覆，但那是 AI 之前就存在的事。
所以我在这件事上非常天真，我是个很简单的思考者。我的看法是：我不认为 AI 会颠覆这些，我认为它们是好生意。而且行业会越来越想把它们打包起来、获得敞口，只是我不知道那会以什么形式出现。有意思的是，SPAC 又回来了。我现在会接到很多电话，来自我当董事的那些公司：这些 SPAC 说，我们能让这类公司上市。所以金融市场得把这件事想清楚。会有很多公司被 AI 颠覆，但也有很多不会，而市场现在不知道怎么处理它们。
帕特里克：我最近三个月里，一半的会都在谈算力。各个品类的产品都需要更多可用的算力去达成目标。这其实是资本问题的另一种问法：你们管着很多钱，所有人都在快速部署；每一家在做事的公司都需要大量资本。我想知道，资本本身到底有多大的约束力——如果我们直接再往所有基金里空投一万亿美元，那会是好事吗？
马丁：我说过，但我要再说一遍，因为它太重要了。AI 最大的颠覆是：你可以把钱砸向问题。在技术史上你从来做不到这一点，因为它一直是工程问题，而工程不可扩。「神话人月」之所以是神话人月，就是这个原因。
十年前，如果有五个创始人来找我，要十亿美元，我给了他们，会发生什么？他们就坐在那儿。或者他们会炸掉：招一堆工程师，然后就完蛋了。你没法往里面砸钱。
帕特里克：能不能解释一下「神话人月」？这个概念很有意思。
马丁：它说的是你没法提高工程的速度。这几乎像物理定律，是高度次线性的，而且伴随组织沟通的问题，这是它的结论之一。出处是七十年代的 Fred Brooks：那些软件项目想更快交付，就往上加人，结果更慢。工程一直是那个瓶颈。我自己创业做了十年，最后做成了很大的生意，这一点完全成立：你没法把工程扩起来。
马丁：对我来说，最大的变化——如果退一步看，AI 带来的工业革命级变化是——我可以给二十个人十亿美元，他们能用掉这笔钱。他们最后是用十亿赚五亿还是赚二十亿，我不知道。但「这笔钱能被生产性地用掉」这件事本身，是全新的，非常有意思。
所以某种意义上，资本市场必须把这件事想清楚，因为钱正在被他们拿走。你看 Anthropic 和 OpenAI，它们加起来融的钱，可能比整个下游生态加起来还多很多倍。它们是「把钱变成增长」的机器。
这是一侧。另一侧是债，和股权很不一样。我不是成长投资人，不是公开市场的人，也不是做债的，但我在现场看到的是：可用的债正在用完。如果你是挪威的养老基金，你会把债给一家新云，还是买短期国债？我认为我们到了一个「钱不够分」的点。
于是钱会优先给投资级的公司，不是投资级的会更难。所以规模又一次赢了。如果你的商业模式需要发债，而现在债不够，那就有麻烦。你说的是广义的资本，那你会看到大量流动性，我觉得那没什么问题。债这一侧，我不懂这些市场，但我知道现在拿债更难了。而这意味着：如果我们要让那些非投资级的小玩家也拿到债，他们就得预付——也就是他们的客户得预付。所以最终一切都回到现金和资本的可得性上，因为债是有限的。
08 新云、新实验室、太空里的数据中心
帕特里克：这让我想问新实验室、新云、推理服务商这些公司。不知道你会不会把它们的某些部分算进基础设施。这些类别里公司很多，很多都拿了钱，但真正上规模的很少。你怎么看它们最后的样子——该扮演什么角色、会扮演什么角色？市场感觉如何？有些公司长得快得难以置信，我很好奇你怎么看这几个类别。
马丁：先把新实验室放一边，我觉得那是所有类别里定义最不清楚的一个。当然我把它们放进来了，因为很多新云都在建自己的实验室，每家都在变成新实验室——现在太多融资材料最后都变成某种「带垂直整合的 token 工厂」，有些新实验室一路往下买地、买电，一路往上卖 token。所以有点混乱。
在我的世界里，那不叫新实验室，那叫新云。因为所有新云都想做 token 工厂，产出是某个既有模型架构的 token。
真正的限制现在是硬件供给，就这个。不是资本，不是债。真实的约束是硬件和电。
所以对我来说，新云是真正提供物理基础设施、终点是 token 的那种：它给 GPU、给微调服务，或者给 token。我把它想成一座真的有 GPU 的数据中心，这就是新云。
新实验室是：给我十亿美元，我们去做一个新模型架构。很多商业计划真的就是一句：「如果我们解决了超级智能，那就是我们的商业模式。」顺便说，公平地讲，这正是 OpenAI 最初的论点，某种程度上也是 Anthropic 的：解决了智能问题，商业模式那部分很容易。这就是新实验室：新架构、训练模型，有时会自己买基础设施、买 GPU，但那不是他们在建或在卖的东西。
真正的约束是电、是芯片、是材料。在这样的限制下，这类事情 80% 会归给规模玩家，剩下 20% 是那些够不着的、偏门的地方——比如我认识某个政府，它手里有电。
挺有意思：我见过一家做 GPU 市场的公司，是最底层的那种版本，很多 GPU 是从鸡舍改出来的——农场里的人想办法把电和场地变成算力。市场太大了，总会有相当一部分是 SpaceX 这类公司不会去做的。
我认为结果就是：那 20% 足够大，会是一个非常分散的群体；而 80% 会是 SpaceX 这种同质化的大玩家。
我最近听到一个说法：有人问 Larry Page，多少比例的算力会在轨道上，他说五个九。理由是物理——最终所有东西都会在天上。太空这件事本身在账上是算得过来的。但它最说得通的理由其实是监管。
帕特里克：只是因为它绕开了监管？
马丁：对。仅美国就有几百项提案在拦数据中心的建设，包括得州。如果你在得州都建不了数据中心，我不知道我们还在干什么。如果这种监管压力持续、你真的动不了土——我从很多顶级数据中心的人那里听到，现在动土非常难——那你要么去海外，要么去太空。
09 私募市场为什么有效
帕特里克：你刚说这些软件公司在以 60% 增长，这让我想问当下的估值。作为一个关注颠覆性资产的生产性投资人，即使那件资产真的极有价值、极好，它也有一个价格；价格太高，回报就没了。
马丁：这也是我的一个执念。我不明白一个 VC 怎么能不相信技术创造价值——那是我们一开始聊的。现在我要说第二句：我不明白一个 VC 怎么能不相信市场是有效的。我们在干什么？作为资本家，你必须相信市场是有效的。
我认为私募市场非常有效，私募市场自己会找出价格。所以我不去和市场对着赌。很多人觉得私募市场无效，所以你就能找到那笔交易、找到非共识的交易。而那些交易全都竞争极其激烈，我不是靠「找到一笔交易」赢的。我付市场价格，也许因为谈判拿一点折扣，但我从不在这上面操心。
所以作为一个生产性投资人，我相信市场相当聪明，相信市场会按风险调整后的价值来定价；而我的勤勉降低的是我自己的风险。我不是用勤勉去找更好的价格，我是在找一个风险更低的资产。
帕特里克：那顺着这个逻辑，做法不应该是去「指数化」私募市场吗？你就按市值权重去持有……
马丁：我非常愿意，但你做不到。
帕特里克：对。
马丁：我的梦想就是：每一笔竞争激烈的、有正经投资人参与的交易，我都拿 5%，我会很开心。但你做不到。竞争上做不到，产能上也做不到。作为投资人，你得想办法不撞进那个竞争市场，更重要的是，你得保证自己不会失去跟踪和帮助这些公司的能力——因为我真的要进董事会，真的深度参与。
所以我们的做法是：对每一个「正当的赛道」——我们把正当定义为「里面有好的创始人」，因为我们不去质疑创始人；如果他在拿自己的未来、机会成本和家庭财富冒险，那这个赛道就是好赛道——我们做功课，在每个好赛道里挑出最好的一家公司。看团队、看技术、看变现潜力、看市场增长潜力，然后选那一家。然后我们假设市场是有效的。
这有点像指数，但我们按赛道做了切分。有时候对，有时候错，但这样你是在给那些有意思的市场做指数。
帕特里克：指数里有种做法叫分层抽样。你可以买指数的一个小子集，跟踪误差可以非常低——你描述的其实就是这样。
马丁：没错，本质上就是分层抽样。每个类别里拿到最好的、最大的那家，表现会很接近。
早期创投——我没经历那个年代，只是读过书——我认为它相信技术创造价值。那时候常常根本没有生意可评估。而我现在不太看到人们为泡沫之类的事这么纠结。市场价格就是市场价格。
我跟别的投资人聊时，总有一种强烈的不协调：他们一直在痛斥泡沫，而泡沫没有人能预测。按定义，所有人都在喊泡沫的时候，它大概就不是泡沫。它更像是在所有人都因为觉得还有上涨空间而进场的时候。然后他们又不认为私募市场是有效的。
我曾经被 VC 圈「取消」过，因为我说：前后不一致的投资是危险的。我在推特上说过，逆着共识投资是危险的，因为本质上存在「摔在资本上」的风险。说完之后，很多知名 VC 出来反驳，说「我们做的所有交易都是非共识的」。我认为这和投资人的自我与身份认同强绑定：他们必须相信自己是那个能嗅出非共识交易的人，比别人更聪明。但现实是，看我们的组合，真正带来回报的那些，恰恰竞争都极其激烈。
帕特里克：我很喜欢你「私募市场是有效的」这个观点，因为它和很多知名投资人相左。
马丁：显然是所有人。
帕特里克：还有别的领域让你觉得自己特别孤立吗？
马丁：有，还有一个让我抓狂的，最后一个，我保证。这个说法是：钱进了私募市场，私募市场不会因此变大。我很喜欢罗洛夫，他是个极聪明的人，也是很好的董事。但他在 TechCrunch Disrupt 上讲过：创投不是一个资产类别，值得投的创业公司只有二十家，钱进去太多就是把私募市场过度融资了。
在我看来这是荒谬的。资本会创造机会、创造市场、创造价值。过去二十年进入私募市场的钱多了非常多，而私募市场里的价值也跟上了：出现了巨型私有公司、大量机会、非常大的退出。
这种零和思维太奇怪了。我们是创投，我们创造价值，技术创造价值，钱放进去它就会长。我很惊讶这种心态有多普遍：我经常跟一个投了二十年的资深 GP 聊，他说「钱太多了」，我说你在说什么？钱进去了，我们需要更多生态、更多价值、更多投资。
所以我确实相信，钱进入私募市场会创造 TAM，创造可投的 TAM，创造价值。我认为现在能部署到私募市场的机会，比以往任何时候都多。最简单的例子就是公司不上市了：如果有更多私募的钱，你为什么要上市？
再说一次，我们都要从零和思维里走出来。我们都要相信技术创造价值。尤其在 AI 时代，我们要相信资本让技术能创造价值。如果是这样，私募市场里更多的钱，我们就该把它部署出去，把价值创造出来。
10 战略并购的教训
广告：你的财务团队不是在大的错误上亏钱，而是在一千个没人看的小决定上漏钱。Ramp 在花钱发生之前就设好护栏：实时限额、自动规则，不用救火。到 ramp.com/invest 试试。
广告：随着生意长大，Vanta 跟你一起扩，自动处理合规，给你安全与风险的单一事实来源。了解更多请访问 vanta.com/invest。
广告：Ridgeline 提供一个统一平台，把组合会计、对账、报告、交易、合规这些复杂性在大规模上自动化掉。预约演示请到 ridgeline.ai。
广告：每家投资机构都不同，通用的 AI 聊天机器人不懂你的流程。Rogo 由金融专业人士打造，连着你的数据，学你的流程，快速产出可直接给客户的成果。到 rogo.com/invest 看看。
广告：从 OpenAI 到 Cursor 到 Perplexity，最好的 AI 和软件公司都在用 WorkOS 一夜之间变成企业就绪，而不是花几个月。访问 WorkOS.com，跳过那些不光鲜的基础设施活，专注你的产品。
帕特里克：你现在像 NBA 里那种手感发烫的总经理，能在很短时间里在 Cursor、李飞飞的公司、OpenRouter 之间跳来跳去。干得好。但我更好奇你从并购里学到的东西，以及这个市场正在发生什么——过去几个月里，最大的三笔大规模并购你大概都参与了。
马丁：我跟战略并购其实有很长的历史，从我自己的公司开始。我把公司卖给 VMware，那是 12.6 亿美元的退出，当时是最高的。我记得我赢了 David Sacks 的 Yammer。谁在数呢。
有意思的是，Catalyst 给我看过一张图，是按收入倍数算的总退出额，有两个离群值，我就在其中一个，稍微好一点。当时那大概是企业软件里收入倍数最高的收购。后来我又参与了一笔超过它的交易，就是 Tabular 卖给 Databricks。再往后是 Cursor——我认为那是有史以来最大的科技并购——当然还有李飞飞那笔也很大。我参与过很多这类战略并购。
所以我的评论只针对战略并购。我注意到几个规律。第一，几乎总有极深的个人层面的共识，因为对双方来说都是真实的风险。像苏姿丰和李飞飞、Michael Truell 和 Elon，或者 Alex 和 Patrick——你几乎总能看到对未来有同一幅图景、用同一种方式思考的人。不管是按市场思考、按基础设施思考，还是按数据思考，这种既有的共识几乎总在。
第二，你必须站在买方的脑子里。买方在做的，本质上是买一张大市场上的期权。VMware 买 Nicira，是用十亿美元买一个四百亿美元市场上的期权。要让这笔账成立，你得替他们解完那道归纳证明：先给他们基础情形——我们有一个卖进网络预算的业务，这个预算是能拿到的；再做归纳步——你们有虚拟机，如果我们接上虚拟机，就能卖更多；所以如果并入你们，我们能卖一大票。
因为他们买的是未来的一张期权，公司的工作就是把归纳那部分证明出来。这个对话，按我的经验只有创始人能做，也许还有真正懂战略的投资人能做。那种对话更像一场金额极高的企业销售。
我也参与过很多更像拍卖的并购，那类你从来不做这种对话，就是看表格里的财务指标、买一个资产，味道完全不同。但随着技术周期变短，我认为我们会看到越来越多战略型退出。所以大家应该把这件事搞明白一点，它跟直觉很不一样。多数人以为你该请个投行、搞个拍卖、拿最高价。投行没问题，你想那么做也行；但你要走到顶级的掠食者面前——比如马克·扎克伯格——跟他打扑克，你是在骗自己。这些事建立在信任和一个讲得通的故事上，不是玩游戏、不是打牌。
帕特里克：能不能从你的视角讲讲 Cursor 那一笔？那是最大的一个，你又深度参与。
马丁：可以。我们当时快做完一轮融资了，几十亿美元，快成了。但差不多就是 Mythos 出来的时候。你倒推一下就知道，做 Mythos 大概花了——我不知道具体多少——大概三十亿美元。所以我们就想：如果 Cursor 要自己做模型，我们需要融更多钱，也需要拿到那么多算力。
于是就有了战略层面的讨论：能拿到那么多算力的人并不多。也正因为如此，外界对这家公司兴趣很大——毕竟它的用户最多、数据最多。
最后就是一个很好的例子：SpaceX 有算力，Cursor 有数据，还有一支非常成功地做过模型、把这套实践建起来的团队，而代码又极其重要。所以对齐点很清楚。而且手里有一轮正在进行的融资总是有帮助的，它帮你把价值和价格定了下来。所以那笔交易其实相当直接。
帕特里克：OpenRouter 和李飞飞的 World Labs 有没有类似的经验可以分享？
马丁：我回到我刚说的：战略并购里最重要的是直觉，而很多投资人的直觉是——交易在谈了，我们得玩点手段，得泄露给媒体，得把别的公司拉进来。这让我极其抓狂。你没意识到你面对的是这个星球上最老练的人。你不会走到扎克伯格面前说「我要在牌桌上赢你」，那个人会把你吃干抹净。
每一笔这样的交易——这些都是创纪录的交易——公司都是以极大的诚意和买方谈的，没有玩任何花样。他们知道自己值多少钱，因为他们做过融资，有市场可比。这里面有大量的信任。
做了这么多笔之后，我发现战略并购就该这么做。我也参与过同等规模、最后崩掉的交易，原因就是某个董事钻进了创始人的脑子：「你得去找竞争者，你得泄给媒体」。天啊，OpenRouter 那笔把我烦透了，因为它一直在泄。
顺便说，你注意到 World Labs 没有泄吗？
帕特里克：注意到了，很有意思。
马丁：没泄，因为我们只告诉了很少几个人，就是我加几个人。OpenRouter 则一直在泄。很多 VC 觉得这就是抬价的方式，或者这就是把事办成的方式。这些事一泄，交易就不稳。
再说一次，最重要是结构性的东西：你作为投资人，如果觉得这是一件大宗商品、关键是打扑克，那就错了。如果是一笔金额巨大的战略交易，你要非常专业地对待，要建立信任关系，要本着诚意去做，不要泄露，并且要意识到对面是行业里最老练的人。这几笔里的创始人都是这么做的：Michael Truell 和他的团队是这样，OpenRouter 的 Alex 和 Chris 是这样，李飞飞当然也是这样。
11 投资人的角色在怎么变
帕特里克：你怎么看投资人这个角色的演变？既包括字面上它在你这么多董事席位上是如何变化的，也包括你怎么评价你这类投资人整体上做得好不好、有没有真的帮到公司。现在赌注这么大、增长这么大、资金量这么大，这些投资人手里的盘子有点吓人。
马丁：我要说的一点是：创投不是过去那个创投了，创业生态也不是过去那个生态了。你看今天最大的私有公司，它们抵得上二十年前的任何上市公司。Stripe、Databricks、上市前的 SpaceX、Anduril，这些公司体量巨大。
问题之一在于：「创业公司」意味着什么，变化太大了，于是现在成了一片没有边界的沼泽——本该是公开市场投资人的人，在做早期创业投资。我不认为那些直觉是对的，这就是混乱的根源。
我认为，也许是时候在私募这一侧多做一点区分；如果是后期投资人在投早期公司，也许该多一点自我意识。比如你不会让我去当一家矿业公司的董事。还记得 2021 年，那些 PE 投资人投 B 轮公司，我和他们一起坐在董事会里，那感觉就像把我放进矿业公司的董事会，很烦。他们试图通过烧钱率去理解这家公司，我会想：兄弟，你在这里会很痛苦的，因为我们做的就是长时间烧钱。
更多的是界线在混在一起：私有公司对后期投资人来说已经是一个真实的资产类别。很多问题只是成长中的阵痛。你觉得今天的市场规模比三十年前大多少？一千倍。那行业当然要跟着成熟，当然要用后期投资人的方式去看它。
但我确实觉得，很多后期投资人有某种身份危机：他们身在私募市场，用那套方式看世界；而 VC 也说「我永远不会投后期公司」，反过来也一样。我不会跑过去教你怎么做财务运营，那不是我的事。
所以本质上，是传统银行和传统金融与创投的融合——它当然应该存在，只是有时候伸得太低了，于是就出问题。并购里有这种问题：随便吧，我们搞个拍卖、搞这一套。公司运营里也有：你只有二十个人，他们已经在谈烧钱率，或者在为颠覆性技术过度纠结指标。
我觉得对其中一部分，我们该把传统的生产性创投带回来。市场足够大，容得下所有人。
12 为什么这是一场工业革命
帕特里克：你对创始人的第一次见面方式变了吗？如果十年前你刚开始的时候，我在一周里看你十场会，再今天看你十场会，你早期的互动方式有变化吗？
马丁：变了很多。多数投资人都会经历这个。尤其是你从运营岗过来，你必须学会作为投资人去听，同时还要学会问出你真正关心的问题，好让自己能回答自己心里那个问题。这是个很微妙的平衡。
我觉得很多和创始人的会，双方都有点表演性。你不知道该问什么，于是就问「你的竞争对手是谁」，很多问题是为了问而问，并不能真正帮到你的判断。尤其是如果你做过运营，你听到不同意的东西会想去修那个问题——但那不是你的工作。
我学到的是——我也不是做得完美——首要的工作就是听。创始人会告诉你他相信什么。你不同意就不同意，但那是他相信的东西。经常有人会说「但我会做得更好，所以这是个好投资」。这真是一门手艺。你必须基于那场会做决定，而你可以问很多不会影响这个决定的傻问题：「如果亚马逊做这件事呢？OpenAI 做呢？」这些你自己也能回答。
但有几个关键问题是你真正想知道、必须在那场会里问出来的，知道哪几个、并且把它们问进去，是件很难的事。我觉得这个能力我确实磨出来了。
帕特里克：最后聊个轻松点的：什么让你最兴奋？我们聊了这个新时代的很多魔力、以前做不到的事、现在不再是瓶颈的东西。我知道这些都让你兴奋，但如果退到最外面，说说为什么这份工作现在这么好玩、你最兴奋的是什么。
马丁：我越来越相信这是一次工业革命级的位移。对我来说，工业革命是从一个零和的世界，变成一个非零和的世界：价值被创造出来，是净新增的价值。
这一轮非常类似：以前要解决问题，你必须解决非常复杂的工程问题，而工程不可扩、也很难维护，所以软件一直很难用。现在它变成了一个资本问题——真实世界我还不确定，但我认为我们也会走到那里。我们把这件事变成了一个资本配置问题。
而我们是配置资本的人。所以我感觉自己处在一个非常战略性的位置上，能比以前直接得多地推动未来，因为这是一场「靠资本规模化」的游戏。
我不相信私募市场的 TAM 是有限的。我认为它是无限的：进去的钱越多，创造的价值越多。所以我感觉自己处在一个非常幸运、也非常关键的位置上，我们两个都很幸运能在这里。
帕特里克：我很喜欢我们两年见一次的节奏，希望两年后还能再来一次。我只能想象两年后的世界会是什么样。
马丁：到时候让我们的 Grokbot 聊。
帕特里克：非常感谢你的时间。
马丁：谢谢。
帕特里克：如果你喜欢这一期，请访问 Colossus.com，你能找到这档节目的每一期，都附有人工编辑的逐字稿。你也可以订阅 Colossus——我们的季刊印刷版、数字版和私享音频，里面有我们最敬佩的创始人、投资人和公司的深度报道。了解更多请访问 colossus.com/subscribe。
旁白：帕特里克·奥肖内西是 Positive Sum 的 CEO。帕特里克和嘉宾表达的所有观点都只是他们个人的观点，不代表 Positive Sum 的立场。本节目仅供信息参考，不应作为投资决策的依据。Positive Sum 的客户可能持有节目中讨论的证券的头寸。了解更多请访问 psum.vc。
References
- 1
- 2
- 3
- 4
- 5
- 6Anthropic files S-1 with the SEC — Anthropic
anthropic.com
- 7
Comments