即刻App年轻人的同好社区
下载
美元基金投资人在硅谷见了20多位大厂和明星创业公司的员工，我有哪些Learnings？
看完CES，我在硅谷逗留了一周，约见了20多名在谷歌，open ai，meta，特斯拉，physical intelligence ，skild ai等大厂和明星创业公司的员工，几点learnings总结如下，
1. 谷歌gemini3大获成功最关键的因素是pre-training(涉及模型架构比如多宽多深和训练recipe等)，谷歌拥有最好的pre-training和AI infra，scaling law继续起作用。对gemini技术贡献角度看cto koray，创始人sergey，以及jeff dean留下的强大infra底蕴起的作用都比hasabbis大。hasabbis醉心ai4science。
2. Open AI拥有最好的mid/post training团队和积累，reasoning RL mid training还有很多可以做。内部还有很多可以提升的方向，模型能力还有很多可以提升的空间并不迷茫。
3. 顶尖大模型参数量已经突破5万亿，xAI据说在train 8万亿参数的模型。
4. Meta的AI infra 远不如谷歌，挖过去的天才有时候也觉得巧妇难为无米之炊。新的大模型已经预训练完毕，还没到gemini3水平，但会强调个性化。1季度见分晓。
5. 特斯拉机器人是公认领先梯队，并不认为需要VLA，VA加端到端神经网络就可以，机器人训练数据范式转为视频数据为主。
6. 特斯拉robotaxi难在运营，无线充电，清洗，调度等。纯神经网络驱动下限不如waymo rule-based 兜底安全，但上限会更高。目标德州小量内测去掉安全员，加州带安全员先上量。
7. 世界模型观点分歧，一半的人认为为时尚早，但大部分都认同是未来方向。一部分认为已经可以逐渐落地，甚至latent space simulate推理可以融入到端侧规控中。
看完CES，我在硅谷逗留了一周，约见了20多名在谷歌，open ai，meta，特斯拉，physical intelligence ，skild ai等大厂和明星创业公司的员工，几点learnings总结如下，
1. 谷歌gemini3大获成功最关键的因素是pre-training(涉及模型架构比如多宽多深和训练recipe等)，谷歌拥有最好的pre-training和AI infra，scaling law继续起作用。对gemini技术贡献角度看cto koray，创始人sergey，以及jeff dean留下的强大infra底蕴起的作用都比hasabbis大。hasabbis醉心ai4science。
2. Open AI拥有最好的mid/post training团队和积累，reasoning RL mid training还有很多可以做。内部还有很多可以提升的方向，模型能力还有很多可以提升的空间并不迷茫。
3. 顶尖大模型参数量已经突破5万亿，xAI据说在train 8万亿参数的模型。
4. Meta的AI infra 远不如谷歌，挖过去的天才有时候也觉得巧妇难为无米之炊。新的大模型已经预训练完毕，还没到gemini3水平，但会强调个性化。1季度见分晓。
5. 特斯拉机器人是公认领先梯队，并不认为需要VLA，VA加端到端神经网络就可以，机器人训练数据范式转为视频数据为主。
6. 特斯拉robotaxi难在运营，无线充电，清洗，调度等。纯神经网络驱动下限不如waymo rule-based 兜底安全，但上限会更高。目标德州小量内测去掉安全员，加州带安全员先上量。
7. 世界模型观点分歧，一半的人认为为时尚早，但大部分都认同是未来方向。一部分认为已经可以逐渐落地，甚至latent space simulate推理可以融入到端侧规控中。
46 613
读李飞飞传
李飞飞，成都人，初高中随父母移民美国，95年本科被普林斯顿录得，博士在加州理工05年毕业，毕业后先找到uiuc 教职，后被邀请回普林斯顿任职，坚持完善数据集ImageNet，09年完成初版被时人所不看好。
通过举办ImageNet挑战赛逐渐获得业界关注，12年利用神经网络算法的AlexNet横空夺冠第三届比赛带来机器学习，使得AI重回神经网络时代！(取代持续数年的贝叶斯网络和支持向量机，大数据和神经网络配合得出奇的好)
13年受吴恩达等邀请任教斯坦福。15年微软的何恺明在ImageNet比赛上使用深度残差网络ResNet开启了深度学习时代。
同时，谷歌也一路崛起，在李飞飞和后来去openai 的安德烈做看图生成文字说明的同时做了这件事，后来谷歌收购deepmind，alphago更是出圈。uber挖空cmu一个系的自动驾驶团队在出事故后解散。再到近年来基于transformer 的llm 开启生成式ai的时代。
可以说这一代神经网络人工智能，起点就是2012年基于李飞飞imagenet 比赛中的AlexNet，这就是为什么李飞飞被视为ai教母。
此外，书中反复出现的名字还有lecun(cnn之父)，hinton(神经网络之父，back propagation )，gpu算力(黄仁勋)
李飞飞，成都人，初高中随父母移民美国，95年本科被普林斯顿录得，博士在加州理工05年毕业，毕业后先找到uiuc 教职，后被邀请回普林斯顿任职，坚持完善数据集ImageNet，09年完成初版被时人所不看好。
通过举办ImageNet挑战赛逐渐获得业界关注，12年利用神经网络算法的AlexNet横空夺冠第三届比赛带来机器学习，使得AI重回神经网络时代！(取代持续数年的贝叶斯网络和支持向量机，大数据和神经网络配合得出奇的好)
13年受吴恩达等邀请任教斯坦福。15年微软的何恺明在ImageNet比赛上使用深度残差网络ResNet开启了深度学习时代。
同时，谷歌也一路崛起，在李飞飞和后来去openai 的安德烈做看图生成文字说明的同时做了这件事，后来谷歌收购deepmind，alphago更是出圈。uber挖空cmu一个系的自动驾驶团队在出事故后解散。再到近年来基于transformer 的llm 开启生成式ai的时代。
可以说这一代神经网络人工智能，起点就是2012年基于李飞飞imagenet 比赛中的AlexNet，这就是为什么李飞飞被视为ai教母。
此外，书中反复出现的名字还有lecun(cnn之父)，hinton(神经网络之父，back propagation )，gpu算力(黄仁勋)
3 01
大模型六小龙里按成立年龄顺序的龙大智谱和龙二minimax分别挂牌港股。
智谱是ai六小龙中最早成立，中国最早开启LLM研发的公司，当时被视为“中国版OpenAI”。创始班底源自清华大学计算机系唐杰的知识工程实验室（KEG）。
24年收入3亿，25年收入4-5亿，毛利率高达56%，调整后亏损预计30-40亿
超过84%收入来自本地化部署，约九成收入来自国内，剩下1成东南亚
公司共885人，的研发团队有657人，占公司总人数的74%
截至今年6月末，智谱的现金及现金等价物为25.2亿元。
Minimax是闫俊杰带的商汤系团队21年底成立的公司，六小龙里面的年龄层面的二哥。 虽然行业里对其M2模型的评价不如kimi和deepseek，但商业化产品化跑的还是不错的
24年收入3000万美金，25年收入预计超过7000万美金（超5亿人民币），超过7成来自海外。其中hailuo视频生成、星野/talkie虚拟角色对话、toB API调用各贡献1/3，毛利率已经转正到23%（除去星野则整体毛利率接近50%），每年亏2-2.5亿美金，在手现金10亿美金出头。
全员385名员工中，研发人员占比高达73.8%。
成立以来累计花费5亿美金，拿OpenAI来对比——OpenAI花了400亿至550亿美元达到的布局，而MiniMax花了1%的钱做到这样也还不错了。
两家公司都宣称目标明年做到2亿美金的收入，上市估值智谱510亿港币较ipo前涨幅90%，minimax 480亿港币较ipo前涨幅40-50%。对应26年的PS都是30-35倍，比open AI的估值倍数略高，考虑上市vs非上市溢价，与公司实力折价相抵消，两家公司IPO的估值都是合理偏贵的水平。
两家公司自己比来看，minimax无疑收入质量更好(toC订阅，海外)，财务更健康(亏损更少，人效更高，现金更多)。但智谱明年实现2亿美金的收入目标概率更大(央国企奶一下就行了vs海外toC产品收入增长的不可控性)
智谱是ai六小龙中最早成立，中国最早开启LLM研发的公司，当时被视为“中国版OpenAI”。创始班底源自清华大学计算机系唐杰的知识工程实验室（KEG）。
24年收入3亿，25年收入4-5亿，毛利率高达56%，调整后亏损预计30-40亿
超过84%收入来自本地化部署，约九成收入来自国内，剩下1成东南亚
公司共885人，的研发团队有657人，占公司总人数的74%
截至今年6月末，智谱的现金及现金等价物为25.2亿元。
Minimax是闫俊杰带的商汤系团队21年底成立的公司，六小龙里面的年龄层面的二哥。 虽然行业里对其M2模型的评价不如kimi和deepseek，但商业化产品化跑的还是不错的
24年收入3000万美金，25年收入预计超过7000万美金（超5亿人民币），超过7成来自海外。其中hailuo视频生成、星野/talkie虚拟角色对话、toB API调用各贡献1/3，毛利率已经转正到23%（除去星野则整体毛利率接近50%），每年亏2-2.5亿美金，在手现金10亿美金出头。
全员385名员工中，研发人员占比高达73.8%。
成立以来累计花费5亿美金，拿OpenAI来对比——OpenAI花了400亿至550亿美元达到的布局，而MiniMax花了1%的钱做到这样也还不错了。
两家公司都宣称目标明年做到2亿美金的收入，上市估值智谱510亿港币较ipo前涨幅90%，minimax 480亿港币较ipo前涨幅40-50%。对应26年的PS都是30-35倍，比open AI的估值倍数略高，考虑上市vs非上市溢价，与公司实力折价相抵消，两家公司IPO的估值都是合理偏贵的水平。
两家公司自己比来看，minimax无疑收入质量更好(toC订阅，海外)，财务更健康(亏损更少，人效更高，现金更多)。但智谱明年实现2亿美金的收入目标概率更大(央国企奶一下就行了vs海外toC产品收入增长的不可控性)
6 01
博通，属于美科技巨头里面认知门槛最高的票，懂博通的人不是专业做硬科技的，就是专业看硬科技股票的。
博通4q收入180亿美金，其中基础软件69亿，半导体111亿，其中半导体中的ai相关65亿(主要是asic和高带宽交换机芯片等，这是博通估值的核心)。公司综合毛利率78%，软件毛利率93%，半导体整体毛利率68%，其中AI综合毛利率约60%。可以粗算认为，本季度调整后净利率的97亿美金中(53+%净利率的高科技)，3/4都是非ai业务贡献，考虑未来一两年10-20%增长后就是一个年化350亿美金的净利润来自传统网络业务和infra软件业务，这个打包给25倍(美股软件通常30倍估值，网络业务拉低打包估值)就是8-9千亿美金的估值。
剩下就是给公司AI业务估值了，公司指引目前积压了730亿美元AI订单，并将在未来6个季度实现交付。我认为谷歌，meta，Antropic ，openai，字节，软银，微软，特斯拉未来都会是博通asic的大订单来源。参考英伟达今年的业务增速，未来1-2年看到博通年化1000亿美金的AI业务交付能力并不是妄想，按40%净利率对应400亿美金净利润，也给25倍pe(考虑asic市场份额提升增速快，但ai capex周期性担忧拉低估值)对应1万亿美金估值。
加总，博通合理估值应该在1.8-2万亿美金估值区间。最近open ai订单没有做实约束力导致股价暴跌，后续若新asic订单曝出市值站上2万亿美金关口问题不大。
博通4q收入180亿美金，其中基础软件69亿，半导体111亿，其中半导体中的ai相关65亿(主要是asic和高带宽交换机芯片等，这是博通估值的核心)。公司综合毛利率78%，软件毛利率93%，半导体整体毛利率68%，其中AI综合毛利率约60%。可以粗算认为，本季度调整后净利率的97亿美金中(53+%净利率的高科技)，3/4都是非ai业务贡献，考虑未来一两年10-20%增长后就是一个年化350亿美金的净利润来自传统网络业务和infra软件业务，这个打包给25倍(美股软件通常30倍估值，网络业务拉低打包估值)就是8-9千亿美金的估值。
剩下就是给公司AI业务估值了，公司指引目前积压了730亿美元AI订单，并将在未来6个季度实现交付。我认为谷歌，meta，Antropic ，openai，字节，软银，微软，特斯拉未来都会是博通asic的大订单来源。参考英伟达今年的业务增速，未来1-2年看到博通年化1000亿美金的AI业务交付能力并不是妄想，按40%净利率对应400亿美金净利润，也给25倍pe(考虑asic市场份额提升增速快，但ai capex周期性担忧拉低估值)对应1万亿美金估值。
加总，博通合理估值应该在1.8-2万亿美金估值区间。最近open ai订单没有做实约束力导致股价暴跌，后续若新asic订单曝出市值站上2万亿美金关口问题不大。
9 00