Investing in Neoclouds and AI with Kevin Zhang

欢迎来到差异化理解。我指的是什么？嗯，在一个信息获取不再存在巨大障碍的世界里，多元化的知识和视角不再稀少。使见解或做事方式独一无二的是差异化理解。将零散的信息拼凑起来，解析噪音和迷雾，然后简洁地形成自己对情况、事件、业务或个人的理解。这才是真正有价值的。每一期节目，我们都会邀请一位特别嘉宾，谈论他们对某个关键问题、现象或商业趋势的独特看法。但最重要的是，他们将提供深思熟虑的思考。大家好，我是Grace Shia。嗯，今天加入我的是Kevin Jang。Kevin是一家家族办公室的投资人，他负责领导跨资产类别的AI投资。他的职业生涯横跨风险投资家、创业公司创始人以及软件工程师等职位，并在硅谷和纽约都有经验，之后才移居亚洲。所以，他现在常驻亚洲。他带来了从机器学习到企业软件等领域的深厚技术和产品专业知识。在业余时间，Kevin在Substack上写了一个名为“East Wind”的博客。去看看吧。它专注于技术投资。所以Kevin，非常感谢你今天加入我们。>>嗨，非常荣幸能来到这里。>>是的。给我们讲讲你自己。你经历了一段相当不寻常的旅程，你知道，从硅谷到现在，你常驻大中华区。你曾是一名工程师，现在是一名投资人。你知道，这相当独特。给我们讲讲你的职业旅程。>>好的。我想一直追溯到我的大学时代，我在加拿大和美国的研究所学习了计算机工程，然后大部分职业生涯都在美国的硅谷和纽约度过。我开始在一家名为Salesforce的公司担任工程师。他们生产CRM软件，之后我转到了几个风险投资基金，一个在湾区，一个在纽约。所以主要专注于早期软件AI投资，而现在我主要关注公开股票，特别是那些有AI敞口的公司，或者那些会因AI而加速增长的企业。>>太棒了。那我们就直接开始吧。我认为我们有很多内容要讲。首先，让我们来谈谈超大规模数据中心资本支出（capex）的故事。我们已经看到了令人瞠目结舌的资本支出承诺。你知道，Alphabet将AI资本支出提高到850亿美元。Meta承诺数千亿美元，阿里巴巴、腾讯，我认为在未来几年也将承诺3000亿美元以上。这些数字太疯狂了。你认为这是必要的投资，还是他们现在绝对是过度支出？他们正在制造一个泡沫。所以，我认为在整个行业中，如果我们回顾过去的技术浪潮，最著名的是最初的.com泡沫，行业确实过度支出了，但当我们拉远来看，支出会变得更加正常化，然后需求最终会赶上来。所以我认为真正的问题在于每个公司层面，无论它是Alphabet、Meta、微软的Azure还是AWS，有多少是过度支出，有多少需求，他们能否产生？用他们的巨头客户，然后如果他们最终过度支出，有多少玩家能够生存下来？所以对于一些规模较小的玩家，他们相对来说杠杆更高，没有现金流来支持一些资本支出，他们可能处于比“七巨头”更危险的境地，而“七巨头”正在产生显著的现金流来支持其运营。>>我认为这与你最近的一篇文章有关，你在文章中说，你看，正是这些大型科技公司能够负担得起在LLM训练和推理以及构建复杂LLM所需的基础设施上的支出。你说这基本上是基础模型是富人游戏。为什么模型层如此耗费资本？你认为这意味着我们将会看到这个领域的初创公司一个接一个地消失，或者被收购，或者未来的轨迹是什么？我认为行业可以有两种发展路径。默认路径是，如果你看看模型训练成本的进展，无论是预训练还是后训练，每一代都显著更昂贵。所以多年前可能只需要几十万美元，然后就变成了数百万、数千万、数亿美元来训练一个模型。所以假设这种趋势持续下去，我们将看到数十亿美元的训练运行。所以花费数十亿美元来训练，比如说GPT6或GPT7。所以如果世界走向那里，那么这些公司将需要筹集越来越多的资本来资助他们的训练，他们将筹集越来越多的资本来资助他们的推理。所以一旦你训练了一个模型，你如何将其提供给最终用户？这也非常非常昂贵。然而，如果你认为会有其他模型架构范式，比如现在在OM或像Catchy中使用的Transformer模型，会显著便宜，那么也许会有另一家初创公司出现，颠覆OpenAI或Anthropic或任何这些实验室的整个商业模式。>>DeepSeek是其中之一，颠覆了整个模型吗？>>我认为不一定。我稍微深入一点，他们的论文中提到的5600万美元的最终训练轮次，仅仅是最终训练轮次的费用，不包括他们购买的GPU、人力资本以及他们之前运行的所有训练运行和实验。然后，在AI训练中，如果你基本上用去年的模型来训练今天的东西，它的成本会比训练前沿模型便宜得多。我认为Anthropic有一篇论文，或者有一个博客文章，基本上说，如果他们想训练一个与一年前的DeepSeek R1相似的模型，成本会高10倍。所以基本上成本是同步的。所以它不像媒体上的一些人可能认为的那样具有颠覆性，当然，DeepSeek在架构和推理方面也做了一些改进。所以，如果我们用这个逻辑，那么在接下来的3到5年里，长期来看，资本支出数字会继续攀升，还是最终我们会看到这种超大规模军备竞赛稍微趋于平缓，因为归根结底，这些数字已经很疯狂了？我们看到在未来3到5年里，计划投入数百亿美元用于训练，但如何跟上这种资金？>>好的，有两件事，训练和推理。在训练方面，假设实验室将继续需要越来越多的计算能力来训练越来越昂贵的模型。所以，比如说下一个模型需要100亿美元来训练，而下一个模型需要500亿美元来训练，那么理论上在训练方面是这样的。然后我认为很多资本支出都花在了这里，特别是如果你看看“七巨头”，他们每年每个公司投入700到1000亿美元，我认为其中很大一部分是预期推理需求。所以，当你把这些模型投入生产时，无论是大型语言模型，还是推荐系统、图像模型、视频模型，这种需求都会赶上来。所以，目前数据中心资本支出与生成式AI公司产生的收入之间存在不匹配。所以，如果我们看看OpenAI、Anthropic，它们是收入增长最快以及收入的绝对规模或相对规模的主要受益者，相对于像Cursery这样增长非常非常快并达到5亿美元年经常性收入的公司。所以就软件收入而言，我们处于数百亿美元的范围。而硬件资本支出或数据中心资本支出则在数百亿美元。所以假设软件收入同比增长两到三倍，最终会赶上资本支出。如果最终用户企业客户发现他们从这些生成式AI应用中得不到投资回报，那么我认为那就是纸牌屋倒塌的地方。>>是的。实际上，让我们快速谈谈私募估值。目前，OpenAI的估值超过5000亿美元，Anthropic约1800亿美元，对吧？像Cursor、Lovable这样的初创公司正在追求数十亿美元，或者他们称之为万亿美元的野心。我认为Lovable公司表示，他们希望成为欧洲第一家万亿美元企业。我们应该如何理解这些数字？我不是一个量化专家，这些数字听起来太庞大了。你能向我们解释一下吗？如何理解这些？这些公司在私募市场上的估值真的合理吗？>>是的，这是一个非常好的问题。对于像OpenAI和Anthropic这样的前沿实验室来说，他们的雄心是将来成为巨头之一。所以以OpenAI为例，如果一个投资者相信他们最终会建立自己的云，他们会涉足机器人领域，他们的核心业务，比如ChatGPT以及他们的API成为非常大的业务。所以，假设ChatGPT嵌入到各种企业客户中，如果他们实际上能够收取每月200到300美元的费用，随着越来越多的白领工人依赖OpenAI技术，这在企业方面也意味着一个数千亿美元的市场。然后，如果你也相信谷歌搜索将被颠覆，而Gemini未能赶上OpenAI，那么他们也可以在消费者方面投放广告。所以一旦你将所有这些业务线加在一起，一个乐观的人可能会看到OpenAI成为像“七巨头”那样三到五万亿美元的公司。那么，如果你是投资者，以5000亿美元的估值投资，那么这就是你所看到的投资回报，在考虑了后续融资轮次、股票期权等稀释效应之前。然后，再往下看应用层，我认为这些公司正在做的是，如果我们能够取代大部分劳动力，并且你能够以你提供的投资回报的一定比例来定价，而不是仅仅取代人力，那么他们的退出价值将是巨大的。那么100亿美元的Cognition可能听起来很合理。我认为现在的问题是退出将非常不稳定，也就是说，我们会看到很多零增长，你也会看到很多公司真正成为那样的万亿美元公司。然后对于一家风险投资基金来说，你的机会有限。所以随着入场估值的增加，你的机会就更少了。所以，在单笔投资的基础上，你的风险会增加很多。>>所以从这个意义上说，你认为我们还没有达到模型层估值的上限，或者还没有触及泡沫的顶峰，或者其他什么？市场肯定很活跃，但赢家会比我们最初估计的要大得多。所以，如果你是这些资产的投资者之一，我认为你会没事的。如果你不是，那么我认为，这可能占了大多数基金，我认为他们会受到伤害。>>你在Substack上的文章中认为，共识资本正在涌入基础模型和机器人领域。但是，你认为有哪些领域是被低估的，并且仍然在私募市场？你现在在哪里看到被忽视的机会？>>我认为在AI领域，被忽视的机会可能比较少。所以，一个通才型的VC能够将资本分配到不同的领域。所以，这可能是迷幻药、机器人技术、生物技术。或者像我们之前讨论过的消费品。所以，弄清楚这些行业的市场动态，你足够非共识，成为第一个投资的人，但你又足够共识，以至于在下一轮融资时，你投资的东西就变成了共识。这就像和Andreessen Horowitz的Martinez在Twitter上的一场辩论，他认为投资共识交易并非坏事，因为最终，其中一些交易会产生巨大的回报。我们知道，即使在AI领域，如果你投资了共识赌注并获得了回报，假设OpenAI是那家公司，那么你仍然会看到10倍的毛回报，假设其中一家公司成为万亿美元公司。是的，因为共识是有原因的，对吧？几周前我与湾区的一些VC投资者交谈过，他们说其中一些人抱怨他们的老板只是在追逐知名公司，而不是差异化的赌注。但我认为在某些方面，正如你所提到的，如果它是OpenAI，并且它仍然是市场领导者、市场赢家，你仍然会占上风，我想。>>是的。>>是的。我想听听，好吧，让我们退一步，从文化角度来看，你知道，你在硅谷、纽约工作过，现在你已经在亚洲，大中华区各地工作过。你认为这两个生态系统在投资领域以及甚至在一些高层工作文化科技领域观察方面，最大的区别是什么？>>是的，有几件事。一个是资本的充裕性与稀缺性。在美国，资本仍然相对充裕，对于创业者来说，获得资金比欧洲或亚洲的类似创业者要容易得多。而且，你有各个阶段的资本，从种子轮到成长轮。所以整个市场有更多的机会去尝试，而中国则相对来说资本少得多，尤其是在过去几年里，美元基金更是如此。所以，在投资者方面，他们也更加规避风险。因为对于一些中国的VC来说，他们可能无法再次筹集到资金。所以每一次机会都是一个非常沉重的赌注。而对于Andreessen Horowitz来说，如果你很快地部署了一笔基金，你可能也能很快地再次筹集到另一笔基金。所以，如果你知道创业者在美国可以更冒险，投资者可以更冒险，那么其中一个赌注就会成功，然后就会成为下一个大公司。而在中国，你可能以较低的估值筹集到较少的资本，在成长阶段筹集到较少的资本。我认为中国的国内VC可能非常谨慎，并且可能没有相同的风险投资幂律思维。我认为这反映在你可以构建的产品以及创业者的雄心范围上。我认为总的来说，这就是为什么越来越多的公司试图采用“出海”模式，即他们可能在中国筹集第一轮融资，然后迅速转向新加坡、加拿大、美国。然后在美国筹集资金。你认为这真的影响了投资者和创始人之间的动态吗？还是你认为这种关系实际上仍然非常相似？>>对于美国来说，我认为对于最好的创业者来说，这仍然是创业者的市场，鉴于资本的充裕性，这并没有转化为顶尖创业者的线性增长。我认为资本每年仍在追逐创始人，或者说，每年可以建立世代公司的一流创始人数量有限。所以，当AI投资成为共识，而这些创始人往往在美国时，你就会有很多资本追逐这些精选的创始人。而在中国，可能价格更高，或者买方权力更大。也就是说，如果你是早期阶段仍然拥有干粉的10到20家基金之一，或者成长阶段的5到10家基金之一，那么与美国相比，竞争对投资者来说就少了很多。你认为这对来自中国的这一代AI创业者产生了什么影响？因为，你知道，实际上，如果你看看“六龙”或“四虎”，无论你怎么称呼他们，他们肯定不像他们的美国同行那样受到高度重视。他们中的许多人实际上是从BAT那里获得资金，而不是从VC那里。那么，这是否影响了他们的未来轨迹、创业者心态或商业模式？>>是的，我认为这都取决于创新的速度。所以，回到我们之前的对话，一家公司能否构建出Transformer之外的东西？或者他们能否在其他模态中获胜，无论是视频、图像还是其他什么？但从资本的角度来看，筹集另外两到三十亿美元是非常困难的。所以，我的假设是，其中一些公司上市是他们获得另一轮机会的方式。所以，就像，嘿，如果我们能够在香港证券交易所筹集到5亿到10亿美元，这就能给我们另外两到三年的时间来弄清楚事情。而对于OpenAI或Anthropic，每一轮融资都得到了超额认购，他们基本上可以追逐一切，追逐资本支出，追逐他们的核心产品以及一些宏伟的项目，比如OpenAI进军机器人领域，进军视频、图像等。当然，可能没有其他图像或视频领域的领导者那么成功。>>我们上次交谈时，你做出了一个大胆的预测，认为中国公司最终可能会变得无关紧要，或者他们将留在自己的生态系统中。这是一个很大的说法，但我很好奇你是否能详细说明一下？我知道你目前非常看好美国领导者，市场领导者，但为什么DeepSeek或Moonshot，你知道，也许能在全球范围内做得好，或者阿里巴巴的开源最终会占据领导地位？>>是的，有两件事。我认为是资本和分销。在资本方面，我们已经谈过了，假设模型训练和推理遵循当前轨迹，那么这就是一场资本游戏。所以，能够最快产生最多收入并能够筹集最多资本的公司将获胜。在这种模式下。然后，其次，即使对于像OpenAI这样的公司，我认为他们也意识到API的收费是有限的。所以他们肯定在向应用程序发展，无论是ChatGPT还是其他什么。在那里你可以获得比纯粹的API收入更高的利润。然后，当你进入工作流程，当你进入取代人力劳动时，当你利用你的初始技术优势将自己嵌入到财富500强客户中时，他们不会轻易地将你剔除，然后替换成潜在的中国竞争对手。所以，我认为分销的速度以及你能够多快地将自己嵌入到客户工作流程中，而这些客户有很高的可能性付费或很强的付费意愿，我认为这就是游戏的名称。所以，资本，然后是分销。>>因为你基本上说货币化仍然必须在企业端进行。那么中国在消费者端的AI应用呢？你认为这是他们的优势之一，还是他们在这方面做得非常出色，在采用率方面？你知道，抖音的月活跃用户超过4.5亿，DeepSeek甚至更高。考虑到规模，这真是太疯狂了，如果与美国领先的应用相比，几乎可以与之媲美。>>是的，我认为从使用角度来看，当然，更有趣的是这些公司和产品如何货币化。如果我们看看阿里巴巴、腾讯，我想还有百度、字节跳动。然后还有一些新的玩家，比如？他们如何货币化？是通过广告，是通过电子商务。所以，我认为对于这些新的中国公司来说，关键是弄清楚如何将这个聊天界面货币化，并迎合中国受众。我认为能够弄清楚这一点并能抓住这部分收入的公司，可能是现有巨头中的一家。但就中国消费者愿意付费而言，我认为这比同等的美国消费者要少得多。愿意每月支付20美元或每月200美元来获得OpenAI更高层级的中国消费者数量将是有限的。所以，你必须在规模上取胜，规模化的用户，并且你必须在这些其他可能不那么明显的货币化来源上取胜。我猜是广告。它将是>>是的，它将是增值服务，或者是以隐形的方式赚钱。它不会是订阅模式之类的。我同意这一点。>>嗯，让我们来深入了解一下中国。你知道，比尔·格利，我认为，一直是硅谷比较不反华的、更直言不讳的投资者之一，至少不是反华的。我认为他最近谈到了去中国，带着他的女儿进行了一次大旅行。你写过比尔·格利在中国开源模型上是错的。你能向听众解释一下你的整个论点，以及为什么你认为他没有正确分析这个领域吗？>>是的，嗯，首先，我认为他在某些方面是正确的。创业者、投资者、科技和金融领域的人们绝对比反之更关注美国生态系统，并从美国生态系统中学习更多。这给美国创业者和投资者造成了巨大的盲点。然后，其次，我认为在中国也有一个充满活力且人才密集的生态系统。我认为他可能错失了“这山望着那山高”的综合症，即美国投资者可能会觉得中国是机遇之地，因为估值可能较低，因为创业者非常有竞争力等等。而他们可能觉得中国是买方市场，或者投资者市场。>>但是，这不就是互联网时代发生的事情吗？所以，他并非没有这种心态或想法的依据。>>我认为这部分是正确的。那么，一个美国人如何，我猜问题是，一个美国VC如何将这种见解货币化，如果他们可能无法投资于这些被低估但可能具有竞争力的资产，考虑到对美国投资者的一些限制？然后，其次，我认为开源与闭源的争论更有趣，在基础层面。所以，我认为比尔·格利是开源的支持者。所以框架是，如果你是一个前沿实验室，你正在训练模型，每个训练运行成本数千万甚至数亿美元，你必须以某种方式将其货币化。所以，如果你是一个免费提供模型的实验室，这确实限制了你的货币化能力。这与Facebook开源其模型非常不同，因为它们拥有与中国一些实验室截然不同的商业模式。所以，这又回到了OpenAI和Anthropic，最初他们拥有技术优势，他们拥有最好的模型，最终人们会赶上来。所以他们真的在争夺保持在前两三名之列，然后赢得分销。所以，如果你拥有像OpenAI这样规模的谷歌，你拥有人们每天都在使用的多个软件资产，而你的模型是顶尖的一到三名，那么就很难被取代，而一个只有一个模型但没有产品的实验室。所以，我认为这种如何在你拥有领先优势的情况下，在模型层之上构建产品的结合，才是游戏的真正名称。而不是，嘿，我需要，我将训练一个相当不错的模型，然后我将通过API货币化，然后将其免费提供给其他人。我认为在这个时代，这可能不是制胜之道。那么，DeepSeek或Moonshot或任何这些像Moonshot这样的公司，背后是Kimi，他们的游戏应该是什么？我想，为了最终能够货币化。>>这是一个很好的问题。我不知道。>>是的。我认为这就是为什么像阿里巴巴这样做是有意义的，对吧？这有点像Meta的Llama商业模式，因为归根结底，他们拥有分销和基础设施。但是，但是，但是，这很有趣，因为即使是DeepSeek的叙述，哦，他是个亿万富翁，他自己资助它，但实际上那不是很多钱来资助。>>我们刚才谈到了资本支出，这是数千亿美元，这家伙有十亿美元，这之间仍然有相当大的差距，他不会破产来资助这个，所以看看他如何货币化或将其变成更大的东西会很有趣。>>是的，嗯，另一件事是市场非常活跃，对于每一个实验室来说，你都可能因为一个爆款产品而实现货币化。我认为永远不要低估一个参与者，尤其是如果创始人非常优秀且深思熟虑。所以，如果其中一些公司最终上市并筹集到数亿美元或数十亿美元，他们将有另外两到三年的时间来弄清楚货币化部分。但在他们试图赶上某种模型模态的同时，他们可能会弄清楚，或者Minimax可能会弄清楚，嘿，我们的视频模型非常好，而且真正是世界一流的，我们将构建大量的这些工作流程，我们将被世界采用。这可能很有趣。>>它可能是一种我们以前从未见过的商业模式。它可能是一种完全创新的东西，对吧？完全新的东西。>>是的，可能。>>嗯，好的，我想稍微拉远一点。我们谈话时你说你在关注新云（Neo Clouds），这是一个我坦白说知之甚少的领域，所以我想听听你的看法，请用通俗易懂的语言解释一下，把它给我讲明白。与超大规模数据中心一起，我们看到像CoreWeave、Nebius这样的新云玩家出现，它们成为头条新闻。动态是如何真正运作的？新云和我们传统的云玩家之间的动态是如何运作的？>>是的，嗯，对于一些新的云，定义新云，我的想法是它是GPU即服务。所以，而传统的云提供商如AWS、Azure或GCP可能提供大量服务，他们可能提供数据库，他们可能提供计算，他们可能提供大量其他软件或存储。新云简化了他们提供的服务，他们所做的事情的核心是帮助公司训练模型，对他们训练的模型进行推理。所以，到目前为止的动态有几个方面。所以，如果我们看看上游的英伟达，他们基本上为超大规模数据中心和新云提供GPU。他们的动机是希望超大规模数据中心不要那么大，因为他们知道像谷歌、AWS或Azure这样的超大规模数据中心正在构建自己的硬件。所以英伟达非常积极地构建可信的超大规模数据中心竞争对手，以减少客户集中度。然后对于新云本身，其中一些在转向AI工作流程、AI计算之前，曾涉足加密货币挖矿领域。我认为他们试图赢得的游戏是，我们有一个切入点，英伟达会因为我们之前讨论过的动态而给我们一些最新的GPU分配。我们将利用这一点最终成为AI领域的一个非常大的参与者，也许对于那些有更宏大野心的玩家来说，成为下一个超大规模数据中心。所以，你可以看看几年前的甲骨文，他们的云业务在美国是远远落后的第四名。但由于最近与OpenAI等大型客户的合同，他们能够看到市值的显著增长，以及他们的未完成履约义务（RPO）的指数级增长，因为OpenAI说，嘿，我们愿意在计算方面与你花费数千亿美元。而在Azure内部。所以，我认为动态是超大规模数据中心试图保持领先地位，同时试图在内部构建越来越多的硬件。而在新云方面，是嘿，我们有一个切入点，AI对AI训练和推理都有需求，我们将利用这一点来非常快速地增长我们的收入，可能承担大量债务，然后成为明天的主要主导者之一。所以，你说他们基本上是服务提供商。你能更详细地阐述一下吗？我的意思是，我对此真的不熟悉，这个整个行业，但有人说新云是房地产业务，有人说它是软件层增值服务，我们应该如何看待它？你能向我解释一下吗？>>是的，所以，本质上，新云就是带有GPU的云。那么它们如何货币化呢？有三种货币化方式，我们一直在深入研究。所以，一种是，嘿，我是一家OpenAI，我只是租用你的GPU。我将租用你的基础设施，我将自己做所有事情。所以，对于新云来说，这是利润率最低的业务类型，因为你基本上是在你的计算成本之上赚取一些利润或一些利润。所以，其中一部分是你最初获取硬件的成本。一部分是你持续的电力成本或运行数据中心的成本。所以，这是新云货币化的第一类。然后第二类是托管服务。所以，如果你想提供训练软件，你想提供实验跟踪软件，用于A/B测试之类的事情。这让你更接近软件利润，传统的SaaS利润。所以我看到越来越多的新云走向那里，包括Nebius，CoreWeave也通过收购Weights & Biases。然后第三部分是，如果我们提供API即服务呢？如果我们提供推理，我们自己托管模型，然后你只需根据生成的令牌付费。所以，这是第三类。所以，这个领域如何发展，取决于这些新云能够从这些服务和产品的每个类别中产生多少收入比例。如果他们能够从第二类和第三类中产生越来越多的收入，那么新云将成为比同质化的GPU即服务基础设施利润率更高的业务。虽然运行这些数据中心并不容易，即使是一些更前沿的新云玩家之间也存在很多细微差别。>>我明白了。我明白了。我想我最后一个关于投资的问题是，我认为能源是人们一直在谈论受到AI影响的领域，显然，然后你说软件业务，我们已经谈过了LLM等等。那么，你认为哪个行业将受到AI的影响，并且你作为AI投资者正在关注它，但它并不像公众那么明显，或者目前不那么明显？>>是的，我认为这很难。所以，鉴于我们的大部分努力都集中在公开市场方面，我们正在关注堆栈的每一层。所以，从半导体，构建底层基础设施的公司，你的Transformer公司，你的电力公司，到你的应用公司。我认为更重要的是相对于市场共识被低估的是什么。你知道，回溯一两个月，Nebius就是其中之一，甲骨文也是其中之一。所以，更重要的是，在三明治的哪个层面被低估了。然后我们如何看待风险调整后的回报，这有点像一个敷衍的答案，但我们的目标是构建一个由这些证券组成的篮子，跨越整个堆栈，我们相信这些企业将提供超额回报。然后，更深入地说，对于许多这些企业来说，它们没有纯粹的AI敞口。也就是说，即使你投资于像微软或亚马逊这样的公司，它们也有传统的业务线，你必须对其进行定价，而这些业务线往往，特别是如果它们更成熟，增长速度会更慢。所以，即使你的AI收入在爆炸式增长，它们也可能被一些规模庞大、成熟的业务部门或产品所拖累。所以，我们如何看待一个在Transformer领域更传统玩家的混合回报？>>好的，Kevin，你还有什么想和观众分享的吗？考虑到时间，我们要结束我们的节目了，有什么你想谈论但我没有触及的吗？>>当然。我认为一个非常有趣的思维实验是AI将以多快的速度取代工作。所以，我认为我的观点是，它将比硅谷的人们认为的要慢得多，而比世界其他地方的人们认为的要快得多。也就是说，明年，至少生产代码不会有90%是由AI编写的。或者我没有看到大范围的工人被自动化。但我认为AI的采用会是一个20年的旅程吗？我认为不会。我认为对于许多这些职业来说，这将是一个5到10年的颠覆。然后我们已经看到了一些情况，比如新毕业生。因为AI赋予了经验丰富的工人更高的杠杆，以及美国更广泛的宏观逆风影响了新毕业生的就业。所以我直觉认为，这很快就会蔓延到中年人。>>是的，我认为实际上我有一个节目，今天就要发布了，是和Diana David一起的。她是ServiceNow的未来总监。她说，与其思考它将如何取代工作，不如思考劳动力将走向何方。只是我们需要时间来弄清楚它将走向何方。但正如你所说，不幸的是，现在它对年轻的初级员工打击最大，因为他们的工作通常是，你知道，更多的是动手操作，是那些很容易被AI完成的繁重工作。总之，非常感谢你今天的时间。我还有一个问题要问你，这是我问每个人的问题。你持有的一种观点是什么，它是不寻常的，或者你认为它违背了共识？它可以是与投资有关的任何事情，或者生活中任何事情。嗯，我认为有些事情是不寻常的，特别是对于金融界的人来说。我认为金融界的人们对市场波动以及宏观逆风或顺风非常敏感。所以，特别是现在，我认为我们可能处于一个更具挑战性的周期部分，就业方面，全球联系的退化方面。我认为从长远来看，合作将占上风，或者至少那是我的希望。这对想要在多个生态系统中发展的创业者来说是个好兆头，对想要在这些多个生态系统中发展的投资者来说也是个好兆头，横跨亚洲、欧洲和北美。我认为现在的游戏，特别是对于中国的一些风险投资公司来说，是生存下来。因为我认为那些能够生存下来并能够继续融资的人，他们会没事的，他们会看到一些非常好的年份。我认为在美国看到下行周期时也是如此。那些拥有大量干粉，能够在这些艰难时期进行部署的人，我认为那就是你看到优势的地方。所以，关于这些宏观逆风的问题，这是亚洲买方市场的终结吗？我认为这可能有点夸大其词了。我认为五年后，十年后，生态系统将成熟和健康。>>你认为美元计价的基金会复苏，还是你认为五年到十年后我们会看到一个与现在完全不同的生态系统？我认为要么可能是一个完全不同的生态系统，要么有其他全球资本对更广泛的亚洲生态系统感兴趣，我认为它们会来的。它可能不像“引擎时代”那样规模巨大，但只要生态系统继续充满活力，只要创业者能够构建好的产品并建立大型企业，那么世界上就会有一些资本愿意支持这些创业者。实际上有很多中东资金正在进入中国，还有东南亚的家族办公室资金，甚至我认为还有欧洲的资金。但这肯定不像我们在“引擎时代”与美国机构投资者看到的规模那么大。但这确实令人鼓舞，这是一个积极的收尾。>>是的。是的，嗯，我认为对于一些有限合伙人来说，肯定有一个学习曲线，就有限合伙人的复杂性和长期导向而言，而一些老牌美国有限合伙人已经拥有数十年的风险投资资产类别投资经验。所以，当这个学习曲线赶上来时，至少在有限合伙人到普通合伙人方面，我们将看到一些复苏。非常感谢你，Kevin。Kevin Jen，谢谢。太好了，谢谢。>>如果你喜欢这次谈话并觉得它很有启发性，请在Spotify、YouTube或任何你收听播客的地方关注并订阅“差异化理解”。我是Grace Shiao，非常感谢你的收听，如果你能分享一集给你的朋友，我将不胜感激。