一起做投资人

The Year of Return: Part II

去年 11 月份我和@张小珺 录 Year of R part 1的时候，对 AI 投入回报的核心担心是「ChatGPT 做出大 DAU 产品从而 subscription、广告、电商上收入可以快速增长」的逻辑不成立。现在这个正在逐渐被证实。

今年 3 月我在硅谷交流了一圈，去年 12 月 Claude 4.5 发布后，Coding 体感出现质变， OpenClaw 的火爆，Meta 等公司开始大规模使用等，带来 Anthropic 收入的爆发增长。目前 Anthropic 是 30B 左右的 ARR，单月ARR上涨 5B以上，按照这个趋势，很多买方直接线性外推到年底可以实现 80B 到 100 B 的 ARR。因此带动了北美数据中心市场重新短缺，GPU spot price 上涨，对 Capex 的重新乐观，以及上游最紧缺环节光&存的大涨。 Anthropic 的老股份额也是一股难求，从年初的 350B，上涨到了 现在 800B 左右的估值。

先不讨论 OpenAI，Gemini 等竞争对手的竞争，以及中国高性价比开源模型带来的冲击。我认为到了今年下半年，越来越多的人会开始思考：我买 Token 的钱赚回来了吗？上游 Capex 的利润，Anthropic 的收入，本身并不是 AI 产生的最终价值，而是给终端用户提供的生产资料成本，Anthropic 的收入不能回答 AI 基建回报的问题。最后这个循环要转起来，需要这些花了钱买了 Anthropic token的客户物有所值，得到增量利润。

得到利润有两种办法：1）增加收入；2）降低成本。

首先来看看增加收入这个方向。我们可以思考一个问题：一家公司突然多了 10 倍的工程师，收入就会爆涨了吗？Coding Agent 对于本身缺开发能力的个人开发者、小公司确实有很明显的帮助，但是公司越大，越不只是提高开发效率就够了，核心还是要有新的需求、新的产品被做出来，要能收到新的收入。这是一个渐进的、缓慢的过程。

至于 Openclaw 或是普通人学vibe coding这样的 token 消耗，如果仔细观察就会发现，热潮过后，Token 消耗很多时候是在重复造轮子，提供了很多情绪价值，对大多数人来说并没有真正产生生产力。这也是符合当前agent技术还处在 early adopter 阶段的特点。对绝大部分主流市场用户来说，还需要有更完善的技术和更简单的产品形态来提供实实在在的价值，并且所在的组织与环境以及生活方式也需要有很多的变化。

然后看看降低成本这个方向。这个体现在大家都在讨论和担心的硅谷大裁员。首先我认为肯定会来的，但是1）裁员能够减低的Recurring成本是一次性的；2）即使是软件工程师的工作，很多也不是 100% 都是只靠 coding agent 就能闭环解决的，还有大量的需要沟通、管理、对齐的部分。如同特斯拉的 AutoPilot 很早就可以解决 98% 的驾驶场景，但无法把驾驶员彻底替代；3）如果 AI 能够从软件工程师进一步渗透到知识工作者白领的大裁员，也会引发更大规模的衰退，毕竟大部分公司的收入最后还是来自于社会整体的收入提高而不是失业率上升。

说到底，这个问题的本质是 模型公司收入带动Capex 的快速上涨预期 + 新需求的逐渐兑现实际 会有巨大的久期错配。之前美国 Sequoia 合伙人 David 提出的 200B 问题和 600B 问题是关注同一个「AI 投入何时有相称回报」问题，所不同的是，Hyperscaler 对 Capex 投入的回报可以有耐心，但 Anthropic 这样的模型的客户是需要看到更及时回报的，否则没有理由空烧 token。

我毫不怀疑 AI 在长期会创造巨大的新需求，产生巨大的价值，但这是需要时间，需要人和组织的变化的。快速实现 AGI，短期投入的巨大成本很快看到回报的奇点叙事在短期落空的可能性非常大。

为什么今年尤其关键？在过去的几年，AI 投入还在大公司自己 balance sheet 和 cash flow能够承受的范围内。但现在 Capex 投入已经非常大，就连 Mega7 也需要举债去募资才能支撑了，简单计算下来，仅存储一个环节公司的利润已经超过几大 hyperscaler 的利润，在这条产业链上利润的分配已经严重失衡。同样，anthropic 等模型公司的收入今年也到了冲击千亿美金的规模，也是需要下游用户有很显著的收益增量才能持续的了。

所以我的预测是：现在还是越来越多的人来吃螃蟹的过程，Anthropic 为代表的 coding model 收入在 FOMO 驱动下会暴涨一段时间，然后增长会放缓，并且这里很多token收入最后并不会是 recurring 的，这将使得线性外推的预期落空，沿着供应链传递到 capex 端，这个事情大概率会在12个月内发生，尤其是下半年大家开始拍明年预算的时候带来的影响就更大了。

AI 是人类历史上最大的技术革命，它同时几乎必然也伴随着最大的金融泡沫。短期技术正在巨变很确定，长期的前景也很确定，但中期节奏的处理对创业者和投资人会是很大的挑战。

与此同时，AI 技术发展带来的真正价值创造，我坚信将由大量具有全新产品形态和组织形态的创业公司来实现。这是一个需要不断创新、经营、成长的过程，需要时间，不是一蹴而就，所以会带来久期的错配。但这也是为什么我们在这个时候如此看好创业公司机会的原因。越新的技术需要越新的组织。现在很多从业者也意识到了这一点，这将使创业公司的机会变得更大。

公元不是个依恋延长线的人。她自己将这种行为逻辑定义为：另开一桌。

这个说法可以注意一下，在「elsewhere」对她的采访中，出现了31次。这也是公元非常关键的人生信条。

2024年大年三十，公元接到沈南鹏的电话，通知她成为红杉的合伙人。这是相当可怕的速度——五年前的2019年，她加入红杉时还只是VP（副总裁）。

当然，title无法说明所有问题。但公元的故事，一定程度上可以透露，红杉需要的、以及褒扬的组织和价值观是什么。

所以在对公元的访谈里，除了她个人的成长历程——比如如何阴错阳差来到VC行业；怎么从一家早期VC加入红杉；以及成为合伙人的历程，我们也花了相当长的篇幅去讨论更多关于红杉的话题，比如他们的投委会是怎构成的；为什么红杉会拥有一种几乎绝无仅有的组织形态；以及红杉文化的核心到底是什么等等。

历史上关于红杉的内容很多，但这些都少有被揭秘过。

俞浩：大多数企业成功建立主业后，往往不敢冒险做大项目，因为一旦失败会拖累主业。如果不解决这个问题，这些企业后面做所有品类的投入，都不会比之前的主业更大，就无法进入深海。

就像大家做扫地机之后，最容易干的事就是复制 100 个类似割草机的项目，因为割草机的投入不会比扫地机更大。但很快你会发现，你的方法突然在某个时候就受限了。

我们的创新体系有 “四个象限”，我们通过这个模型来解决跨入深海的问题。

行业最成功的公司在做什么，我们学习既有知识，试着做创新做增量；
行业内的创新公司在做什么，我们借鉴或者避开；
跨行业移植，把别的赛道里验证过的有效招数拿来试；
第一性原理，从需求出发，重新思考。
如果你有一个 “从第一性原理出发” 的 idea，它成功的概率可能只有万分之一；跨行业的所谓 “降维打击”，成功率比这还低。
很多人以为自己在创新，其实走的都是行业头部公司早就试过、并且失败的路径。真正高效的做法不是推倒重来，而是继承行业知识（N），避开失败路径，在此基础上挑几个点去做创新、做增量（+1）。

中国硬件企业过去大多是 “N-1” 模式：世界最先进的产品做到 “N”，我们研究哪些功能可以去掉、降成本、卖便宜。但未来 40 年，我觉得最大的机会是做 “N+1”，世界最先进的产品做到 “N”，我在上面加一点，如果这个 “+1” 能被消费者感知、认可，它就能带来高溢价。
我认为这种方法的商业价值比传统模式大十倍——

能拉高定价，实现全球化，“N-1” 的企业注定只能在中国或类似局部市场竞争；
有机会成为 “苹果级” 的存在，商业价值是第二名、第三名商业的几倍；
竞争者极少。

“N+1” 的前提是高度继承已有的行业经验，可是你怎么获得 “N”？
俞浩：靠团队。我们的团队一半来自清华等好学校，另一半是这个行业有经验的人。

你们造车，找到那个 “+1” 了吗？
俞浩：小米的纯电就是特斯拉的 “+1”——速度更快、颜值更高。而我们要再往前一步，造更快的车，续航排在加速之后。
中国车企的普遍错误是全栈自研，重造整个体系（那只不过是从 “N-1” 到 “N”）。比如电芯，我们不会砸 200 亿建厂，而是用 5 亿做 “小体量创新”——在能量密度、散热结构、快充算法上优化。电机同样是，提高转速、提升功率密度，让车更快——这并非革命性突破，但这是 “+1”。就像当年戴森做到 12.5 万转，我们做到 20 万转一样。

你说要造一辆速度最快的纯电车，什么人会需要一辆 “速度最快的车”？
俞浩：其实人类特别可爱，也特别一致——永远在追求 “更高、更快、更强”。
几年前我们做马达，决定做每分钟 20 万转。当时也没办法解释为什么，但我知道它一定有效。如果只讲实用，每分钟 10 万转也够，噪音大点、吸力小点，80% 灰尘也能吸得上，但如果要做到极致、体验更完美，就会需要往前继续迈步，人们愿意为更极致、更完美的产品与服务付出好几倍溢价。
特斯拉的 2 秒加速，绝大多数人一辈子不会踩到底。但这不妨碍他们想要它。买房也一样——能买 200 平绝不买 20 平，尽管 180 平永远闲着。
人类总是愿意为 “超出自己日常需求” 的那一部分买单。而这些永不满足、追求极致，才是驱动人类进步的核心力量。

假如失败可能是什么原因？
俞浩：五个原因——不只是追觅，所有硬件公司都一样：需求判断错、产品做不出来、全球渠道没打通、卖不出溢价、卖出溢价但成本太高不赚钱。我顺便把我们怎么解决的说了。

用新技术做老产品，因为需求没那么大变化，这样可以让我们的成功率变高；
团队永远追求 “来自行业的人” 跟 “专业出色的人” 组合，三五个核心攻关的难点需要专业特别出色的人去解决，同时也有一百个、一千个具体工程问题需要有行业经验的人去解决；
建全球渠道，今天追觅全球门店超过六七千家，未来会建立包括数万家全球门店的渠道体系；
卖出溢价。我们做用户有感知的有效创新，做品牌高端化，用很多创新工具和方法去测试，让我们卖出高溢价的产品，而且我们的高端化是可以被复制的。
盈利。我们几乎要求所有产品从推出市场的那一天，就要实现盈利。
每个问题都可能死掉，我们主要解决这五个问题，假如每件事情的成功率比别人高一点点，加起来成功率就会高很多。如果最后还有一条，血条厚。血条厚指的是不盲目 all in。
你刚刚问我，我喜好是什么？重点是啥？我都拒绝回答，原因是，一旦 CEO 回答了这个问题，团队就容易盲目 all in 到某个方向。

俞浩：当然不是，品牌是社会资源的总和。品牌定位决定了利润空间，也决定了你能调动的供应链、渠道、人才、文化资源。品牌一旦变高端，你能雇更好的人、研发更好的技术、做更好的体验、进更好的商场、请更贵的代言人——这是一个完整系统。
如果我们以定价视角来观察，中国产品大概经过这样几个阶段：

第一阶段，我们参照世界最新最好的产品，做到它们 50% 性能、只卖它们 20% 的价格，这是 20 年前；
第二阶段，10 年前，可以做到 80% 性能、50% 定价。但这套策略在今天失效了，这也是过去十年绝大多数硬件企业出现问题的原因，因为世界最好的产品面对激烈竞争，它也降价、优化成本。
这就进入到第三阶段——大多数第二、第三名企业，只能做到比第一名便宜 10%，性能稍微好一点。这个时候，老二就很难翻身了。
举个例子，行业老大先推出产品，老二可能晚半年推，策略是价格便宜点、供应链差一点、员工薪资低一点，但这个循环导致它被锁死在第二名的位置。
你只有跨过那个障碍，果断定到比原来的最好产品还贵 10%。因为定价高 10%，你的成本也可以增加——给员工更高薪水、把门店开在更好的地方、建立标准、撑住价格。甚至去引领技术创新——做行业领导者该做的事情。

用户为什么会相信你比别人贵 10% 是合理的？
俞浩：这是价值管理问题。比如，涨价 10% 后，我发现直播间提 “清华大学” 的次数都变多了。因为组织里所有人都会向用户讲清楚价值所在，他们直播会说：“创始人是清华大学的”“这产品有三个独特的技术优势”，每个人都讲它高价值的部分。

反对什么，鼓励什么？
俞浩：鼓励坦诚开放，追求极致，反对平庸、中不溜，反对办公室政治。
有些管理层，喜欢上来就谈 “层层分解”，定的目标是在上层高要求和下层可达成之间讨价还价——今年能增长多少？底下说这个区 30%、这个区 15%，平均一下 20%，往上报 15%，还给自己留五个点 buff。高管报完了，CEO 再给董事会报 10%，自己留五个点 buff，最后做下来 11%，符合预期。结果就是公司越来越保守。

我听说你要求每一个 BU 做到 200% 增长，2023 年有一个新兴市场负责人离职，因为他只做到了 97%。
俞浩：我们要求所有区域和 BU 先给我 “无条件 200% 增长”，别一上来就说做不到。当然这不是喊口号，我会提前几年把大方向铺好，这需要洞见和判断。
我们其实并不绝对考核他的目标是否一定达成。我看的是他们有没有按盈利的方向去努力、有没有把事做到极致。有些人会思考，能把规律找出来。就算没成，我也认为是好员工。这样大家才敢挑战高目标，高目标也能自动筛选出那些愿意做事的人。

你的创始团队成员总结，追觅是在按照创业者的要求在筛选管理人才。但 bug 在于，这样的人最终都会离开追觅，他们自己会去创业。
俞浩：早年哪有按照创业者去筛选的？都是招到谁是谁，是我们具备了把人培养成创业者的能力。
追觅的七八年换外界的成长速度，可能相当于 10 年 20 年。很多人都是从 1 号位起，有很大决策权限，能获得很多资源，但他有边界范围。如果不在追觅，很多人可能就是一个稍好一点的打工者。

为什么你敢用从来没做过管理的年轻人来管大的业务？
俞浩：因为我们的体系比绝大多数企业都更系统。按照我们这套方法训练出来的人，比 99% 传统中高管都强。他们不靠经验，不靠感觉，靠模型——照着方法做，效果更稳定。
因为我们假定世界是不可知的，所以我们接受在边界内犯错，根据信息不停调整。别的公司会在出发前把路径想清楚，所以他们按规则行事。

我听说你每个月有半个月时间在公司，各个 BU 挨个给你汇报，每个产品线 5 分钟、10 分钟，5 分钟能干什么？
俞浩：时间没有定死，但需要高效，这个会议主要是双向打分、校思路。我们不是只看单个 BU 的问题——每个 BU 负责人都要去旁听几十个 BU 的会，这样大家看的是 “共性”，自己那个 BU 只是一个例子而已。

你怎么分配时间精力？
俞浩：大概 1/3 时间盯内部运营；1/3 会去第一现场，感受消费者脉搏的变化；1/3 看全新知识，最尖端的数学、物理、生物学、神经科学。
我开会的时间非常少，大部分时间是不断体验新的世界，我要造车，肯定去体验更多的车。我之前研究西方史，飞到了罗马，一天从罗马到雅典到土耳其，去看东西罗马的交界处。

有谁能否定你的决定？公司最大的风险就是 CEO 错了没法修正。
俞浩：很多人有个错误观点，他们认为一家公司里应该有人扮演 “冲锋” 的角色，有人扮演 “减速” 的角色，这样才平衡。结果是，这类组织运行是最差的。
最优的方式是 CEO 同时管油门和刹车，所以只要我说了的事，就必须执行。同时，对 99.9% 的其他事情，我不发表意见，你可以认为，内部所有人能在 99% 的事情上否定我。
那些我自己不能笃定的东西，我不决策。但假如我决策了还有人否定，说明这是很大的错误。

做这么多事，你不累吗？
俞浩：一点都不累，举例来说，我做了一个 5×1000 的矩阵，1000 是大家理解的 BU，5 是规律。我只研究规律，当你作为矩阵运算的时候，只要研究 5 个规律就可以管 1000 家公司了。

你什么时候意识到自己拥有某些商业直觉？
俞浩：我在农村长大，我妈每年烦恼种大豆还是种棉花，因为这两个经济作物收购价格一直波动，可烦了。当时我应该才上小学，就跟我妈说，你烦啥，你看看人家种啥你就反着种，人家种大豆，你就种棉花；人家种棉花，你就种大豆。
我一直不觉得自己有天赋，但后来慢慢意识到，你本能觉得这么做就是对的事，为什么别人想不明白。

很多企业家，尤其是制造业，他们崇拜华为、学习华为、恐惧华为。听说你也上过华为的课，你认为华为体系的核心是什么？
俞浩：消除一切不确定性。它用庞大的组织流程把产品链条锁死：IPD、IPMS，用户洞察、产品定义、开发路径，最后销售拿着这款定义清楚的产品把它推爆。理论上，每一步输入对了结果就对。但问题是，如果第一步用户洞察就错了呢？原点假设错了呢？
所有人都信这套，因为华为成功了。
我们也按华为那套干过一阵子。那两个月写了一百多页报告，各种复杂推演，推不出来。我就反过来想：既然洞察不清楚，那我能不能直接承认不清楚？
过去企业做一款产品要测很久。现在不同了，通过视频/直播方式，一周能把卖点测出来。那为什么不一次做 100 款？做 100 款和做一款产品的成本只差 1.2 倍。因为 80% 的基础平台一样（机身、轮子、电机、主控板），差异在模块（加不加外扩、带不带杀菌等等）。

会不会试得太快，反而丢掉一些本可能成功的机会？
俞浩：会。但恰恰因为快，反而能成功。先用最小的成本把所有可能性快速呈现，找出真能赚钱的，再加注。
这套打法在华为体系里是异端。华为是开无数会、反复推演，最后得出 “唯一正确” 的定义、all in。我们反着来：直接上市场，快速试。所以外部觉得追觅 “没有产品规划”“型号乱”“机海战术”，那时候我们推 L20、L20 Pro、L20 Pro Plus、L20 Pro Plus Max，我们是假定不知道消费者要什么，与其洞察不如测试。

在国内看了一圈世界模型的项目，感觉大家都快把李飞飞给diss到垃圾堆里了…

如同很多AI公司的上限取决于实习生的才华和努力一样，我觉得我们投资机构未来很可能也是实习生决定我们的上限了。

今天和学弟学妹做了一次行业的分享，整个一个小时当中，我自己不知不觉地说了不下五次的“你们去问豆包xxx”，感觉有些开放式命题都没有必要自己乱发挥回答了。

据说大佬在即刻。

今天跟一朋友聊天，提到 SaaS 已死的媒体情绪时，开心的笑了。笑的原因是：他就是做 SaaS 创业的，刚签了一个百万大单。

大部分看衰 SaaS 的，都没有真正用过 SaaS 产品。是隔靴搔痒式的在臆想 SaaS 只是 CRUD + UI，以为用 AI 就可以 Vibe Coding 出来。

但确实很多传统 SaaS 有市值泡沫。在 AI 叙事开启后，大量 SaaS 的市值泡沫转向了 AI 公司的估值泡沫。市场需要新叙事。SaaS 的实际价值更理性回归了到真实值。这是好事。

真的智者，现阶段会认真识别有价值的 SaaS 股票。在别人恐惧时，贪婪购入。

注：不构成投资建议。慎入。

随手打开了App Store免费App排行榜
想起几年前一点点变化都能引发互联网行业的大讨论
结果现在前五都是字节家的了
一个时代过去了，另一个时代已经即将走向辉煌

一些AI硬件出海核心洞察

1. 出海的本质变了：从前搬供应链红利，现在做智能体的物种重构。
2. 硬件的AI进化，不是加插件，是拥有自主感知执行的闭环能力。
3. 大厂高管创业易栽坑：跳过单品PMF，直接做平台就是空中楼阁。
4. AI硬件从不是风口，是中国硬件全球价值重塑的长周期机会。
5. 物理入口不稀缺，稀缺的是能定义场景、绑定用户的真实价值。
6. 海外高人力成本赛道，才是AI硬件的深雪道，刚需从不骗人。
7. 大厂背景的核心价值：见过成体系的打法，少走基础的弯路。
8. 大厂创业者的最大陷阱：把平台的资源优势，当成自己的能力。
9. 硬件的门槛从不在实验室，在工厂的良率爬坡和成本死磕里。
10. AI只是杠杆，真正的底座是中国的工程能力和供应链掌控力。
11. 情绪估值不可怕，可怕的是用溢价掩盖产品定义的平庸。
12. 融资金额是数字，把钱砸向代际差，才是真正的效率。
13. 算法普惠后，技术找场景是死路，场景倒推技术才是正解。
14. 硬件出海的生死线：给用户2倍以上的效率提升，否则都是自嗨。
15. 最稀缺的创业者：懂AI边界，也能扎进工厂抠BOM成本。
16. 大厂收割不了创业公司，因为壁垒在非标场景的落地能力里。
17. 市场洗牌不是冬天，是资源向能扛住硬件长周期的实干者聚拢。
18. 品牌沉淀的核心：不是营销，是产品和用户持续交互的数椐沉淀。
19. 硬件的长期主义：把宏大叙事，落地到每一次模具修模的细节里。
20. 真正的壁垒从不是技术参数，是用户愿意为你的场景价值买单。