Podcast Link

Roger’s Takeaway

目前AI最重要的還是關注AI在應用領域到底有沒有發生重大轉變，今天看到MIT針對此議題的早期研究，認為AI已經滲透1.2兆美元的美國勞動力市場，從編程到金融、醫療與專業技術領域。

而GTC這篇Podcast訪談，Thomas Laffont也表明目前的AI投資其實都集中在基礎建設上，但是他們也看到在應用價值早期累積的信號，包括Cursor（編程）、Open Evidence（醫療）、Harvey（法律）。Laffont正在緊盯ChatGPT 這樣的領先指標，他認為這是AI開始大規模應用的早期信號，此外，他也認為AI有能力將通縮帶到真正需要的領域，例如醫療、製造。

而Naveen Chaddha認為，全球知識工作者的支出是30兆美元，若AI能佔據其中20%，則有6兆美元的市場。

而Martin Casado也看到物理AI可以將真實世界的數據帶到模型中，這當然也是Scaling Law的一環。

相對於之前讀李飛飛、Yann Lecun、Rich Sutton、Ilya Sutskever，他們更執著於追求真正思考的下一個世代AI，而企業家則是將現在的AI技術滲透到每個行業的Workflow之中。

摘要

本次 Nvidia AI Podcast 特輯匯聚了矽谷頂尖投資人，探討 AI 投資從基礎設施向應用層的轉移、AI 隊友如何改變知識工作、開源模型的戰略重要性，以及推動 AI 發展所面臨的巨大能源與基礎設施挑戰。

相關人物

Thomas Laffont
Thomas Laffont 早年與其兄弟共同創立 Coatue Management，並於 21 世紀初主導建立了該基金的私募投資部門，成功將一家專注於公開市場的對沖基金轉型為橫跨一二級市場的投資巨頭；多年來，他憑藉敏銳的市場洞察力，領導了對 Uber、Snap、Spotify 和 ByteDance（字節跳動）等科技巨擘的關鍵投資，不僅成功連接了矽谷創新與華爾街資本，更確立了 Coatue 作為全球科技領域頂尖「交叉投資者（Crossover Investor）」的領航地位。

Martin Casado
Martin Casado 最初在史丹佛大學的研究生涯中開創了軟體定義網路（SDN）技術並共同創辦了 Nicira，於 2012 年以 12.6 億美元將該公司出售給 VMware，徹底顛覆了傳統硬體網路架構的壟斷；在 VMware 擔任網路與安全業務總經理數年後，他於 2016 年轉戰創投界加入 Andreessen Horowitz (a16z) 擔任普通合夥人，目前專注於企業基礎設施與生成式 AI 的投資，從一名技術架構師轉身成為推動現代雲端運算與 AI 革命的關鍵推手。

Naveen Chaddha
Naveen Chaddha 從一名連續創業家起步，在將其創立的媒體串流公司 VXtreme 出售給微軟後轉型為投資人，並於 2006 年加入歷史悠久的 Mayfield Fund，隨後晉升為管理合夥人長達十餘年；在他的領導下，Mayfield 成功佈局了 Lyft、Poshmark、HashiCorp 和 SolarCity 等獨角獸企業，他不僅重振了這家老牌創投的聲望，更積極推動矽谷與印度市場的跨境投資連結，直至 2024 年辭世前，始終是富比士「Midas List」常榜上的傳奇投資人。

Sarah Guo
Sarah Guo 在職業生涯早期加入頂級創投 Greylock Partners，並憑藉卓越的判斷力迅速晉升為該公司史上最年輕的女性普通合夥人，期間主導了對 Figma 等重要企業的早期投資並積極推動社群與企業軟體的發展；敏銳察覺到人工智慧技術的典範轉移，她於 2022 年離開 Greylock 並創立了自己的基金 Conviction，專注於投資「Software 3.0」與 AI 原生應用，在極短的時間內將自己重新定位為生成式 AI 浪潮中最具前瞻性與影響力的新生代資本領袖。

Highlight

1.

Thomas Laffont (Coatue創辦人)

關於目前的投資，大部分都集中在基礎設施上。當人們談論 AI 時，顯然是從半導體、電力、大型語言模型開始的。如果你觀察私人市場，過去五到十年大部分的價值都累積在基礎設施層。對我來說，目前最令人興奮的是，我們開始看到價值在應用層累積，新一類的公司開始在不同垂直領域出現。

例如在程式編碼領域，Cursor 已經成為一家令人難以置信的突圍公司，是有史以來成長最快的公司之一，Martin Casado 也可以談談這一點。

這完全是因為基礎設施的投資才得以實現，首先是 Nvidia。

但我們也在醫療領域透過 Open Evidence，在法律領域透過 Harvey 看到這種情況。目前一個有趣的時刻是，所有的基礎設施投資都促成了能夠帶來實際生產力收益的應用程式出現，這反過來加強了進行這些基礎設施投資的價值，因為你可以看到這些應用程式的回報。

2.

Martin Casado

我認為我們將面臨巨大的轉型，我們將看到比以前更多的軟體，更多人將能夠開發以前無法開發的東西。這是一個很好的教育工具，但我不認為它會消除軟體開發。這是一門非常技術性的學科，你必須了解其中的權衡才能做到。我在軟體業已經 30 年了，這是我們第一次受到顛覆，這確實讓我們必須努力理解正在發生的事情。

3.

Naveen Chaddha

如果你看全球知識工作者的支出是 30 兆美元。如果 AI 佔據市場的 20%，無論是五年還是十年，這都是一個 6 兆美元的機會。這是我們第一次不是追逐 IT 預算，這筆支出來自於知識工作者的人員支出，就像實體 AI 的情況一樣。我們非常看好這一點，其規模與 IT 市場相同，至於需要五年還是十年還有待觀察，但這將會發生。

這個 30 兆美元的市場可能會因為我們變得更有生產力而產生通縮效應，但最終我是樂觀主義者，人類會成為贏家。你獲得越多的生產力收益，獲得越多的成本節省，創造越多的利潤，你就會僱用更多人。區別在於他們不會做平凡的工作，他們會做以前不可能做的事情。我們談到的 Wipe 編碼是一個例子，3000 萬開發人員能夠編寫程式碼，創造力受到公司創建形式的限制。現在有了 Wipe 編碼作為隊友，十億人可以成為創造者，這使創業民主化，我們甚至無法想像人們會利用這項技術做什麼。

4.

Sarah Guo

開放源碼的基本原則是，如果你允許更多人參與創新，你會得到更好的想法，你會得到複利創新，更重要的是，你會在該創新之上的層級打開市場。我認為開源和開放模型特別允許應用層更加民主化，更多的創業者可以建立能夠接觸到實際最終用戶的東西。

我認為我們一直透過戰略上的開放和處於前沿來獲勝。這兩件事可以並行不悖。戰略性開放對我來說意味著吸引資本和人才來創造領先的技術並創造富足。戰略性開放是決定我們真正想要擁有供應鏈的哪些部分，以及哪些公司真的很重要並將為美國創造機會。

5.

Thomas Laffont (Coatue創辦人)

如果你看公開市場，這個市場與 2000 年的市場特徵非常不同。

在這個市場令人難以置信的是，你可以以平均 20 倍左右的本益比買到世界上最好、最令人興奮、最具創新性、管理最好的公司，如 Meta、Nvidia 和 Google 等，這取決於你正在看哪家公司。能夠以這個價格獲得所有這些創新是非常令人難以置信的。當然，我們必須確保獲利預測是正確的，而不僅僅是倍數。

我們尋找像 ChatGPT 這樣的領先指標，我們看到了驚人的使用量。ChatGPT 受益於三重指數成長：更多的用戶，進行更多的查詢，以及每個查詢需要更多的深度研究。所以觀察 ChatGPT 及其在全球的表現至關重要。

AI 的定義特徵之一是它實際上均有機會將通貨緊縮帶到真正需要的領域。我們看過醫療保健，你可以爭論網路並沒有做太多事情來降低醫療保健成本，事實上成本還在持續增加。AI 確實有潛力降低成本曲線。像 Open Evidence 這樣的公司使診斷變得更好。

我們要讓工業回歸美國，我們必須變得更有效率，我們必須讓人們和機器發揮更多作用，AI 可以做到這一點。所有這些領域我們都在防守端看到，看看新公司以較低成本的技術進入。我們認為這將在全球範圍內發生。所有這些因素給了我們信心。

6.

Martin Casado

對於模型最好的心智模型是它們是凍結在時間裡的數據。

你需要大量的機器和管道將數據從源頭（通常是自然宇宙）傳輸到這些模型。

如果有的話，這是一個巨大的加速器。也就是說，你看到了兩個世界的故事：傳統的分析數據堆疊，這是結構化的且不太適合 AI；還有新的東西，你只需將一堆數據丟給模型，看看另一端會出來什麼。

我想說的是，首先這是一個巨大的加速器，但是如果你正在處理數據，你需要捕捉正在發生的轉變。因為數據以一種新的方式被使用，有不同的保證和不同的界限。

逐字稿

歡迎收聽 Nvidia AI Podcast 的 GTC 特別版。我們即將發布五集在華盛頓特區 GTC Live 上的精彩內容，這是你在其他地方聽不到的獨家對話。第一集深入探討 AI 創新的現狀。我們匯聚了領先的投資人和創辦人，檢視新想法、模型和開放合作如何塑造 AI 的方向，以及下一波持久創新將從何而來。

每一項 AI 突破背後，都有將可能性轉化為進步的創新者和建設者。從開放模型到代理系統，他們正在加速新創公司、實驗室和市場的下一波創新浪潮。加入我們一同探索創新現狀的嘉賓包括：Coatue Management 聯合創辦人 Thomas Laffont、Conviction 創辦人兼管理合夥人 Sarah Guo、Andreessen Horowitz 普通合夥人 Martin Casado，以及 Mayfield 管理合夥人 Naveen Chaddha。

Thomas Laffont，歡迎你。Coatue 一直在投資美國超級週期的核心，從網路到雲端再到社交媒體。請幫助我們了解 AI 的定位，以及你在這充滿泡沫的言論中如何看待這些投資。

AI 基礎設施與應用層的價值累積

大家早安，很高興來到這裡。關於目前的投資，大部分都集中在基礎設施上。當人們談論 AI 時，顯然是從半導體、電力、大型語言模型開始的。如果你觀察私人市場，過去五到十年大部分的價值都累積在基礎設施層。對我來說，目前最令人興奮的是，我們開始看到價值在應用層累積，新一類的公司開始在不同垂直領域出現。

例如在程式編碼領域，Cursor 已經成為一家令人難以置信的突圍公司，是有史以來成長最快的公司之一，Martin Casado 也可以談談這一點。這完全是因為基礎設施的投資才得以實現，首先是 Nvidia。但我們也在醫療領域透過 Open Evidence，在法律領域透過 Harvey 看到這種情況。目前一個有趣的時刻是，所有的基礎設施投資都促成了能夠帶來實際生產力收益的應用程式出現，這反過來加強了進行這些基礎設施投資的價值，因為你可以看到這些應用程式的回報。

軟體開發本質的轉變

Martin Casado，你是矽谷傳奇的軟體投資人之一。Satya Nadella 去年曾說 AI 對軟體可能是真正的威脅，軟體可能只是這個雜亂資料庫上的一層薄薄的介面。我們看到那裡有很多恐懼、不確定和懷疑（FUD）。請談談你預期軟體會如何改變，在 AI 時代什麼會贏，什麼可能會輸。

形式語言是從自然語言中演變而來的，自然語言無法精確描述你想要的東西。我們一直有關於軟體的兩個故事：低代碼、拖放式開發，這肯定會被 AI 改變；以及非常高技術性的開發，這有實際的權衡，你需要理解這些權衡。軟體開發仍需要專業開發人員。如果你看 AI，目前主要的用途是在開發中的專業發展。

我認為我們將面臨巨大的轉型，我們將看到比以前更多的軟體，更多人將能夠開發以前無法開發的東西。這是一個很好的教育工具，但我不認為它會消除軟體開發。這是一門非常技術性的學科，你必須了解其中的權衡才能做到。我在軟體業已經 30 年了，這是我們第一次受到顛覆，這確實讓我們必須努力理解正在發生的事情。

AI 隊友與知識工作者的未來

Naveen Chaddha，你做出了一個大膽的預測，認為知識工作者將擁有你所說的 AI 隊友，這是一個 6 兆美元的機會。你能告訴我們什麼是 AI 隊友，以及它如何代表我們工作方式的巨大轉變嗎？

我們的信念是 AI 將與人類合作，讓我們達到超人類的水準，我們正進入協作智慧的時代。將會發生的事情是，AI 將以隊友的形式出現，這些隊友只不過是數位伴侶，與我們合作不僅是為了加速生產力，更是為了增強我們的能力並擴大我們的創造力。

如果你看全球知識工作者的支出是 30 兆美元。如果 AI 佔據市場的 20%，無論是五年還是十年，這都是一個 6 兆美元的機會。這是我們第一次不是追逐 IT 預算，這筆支出來自於知識工作者的人員支出，就像實體 AI 的情況一樣。我們非常看好這一點，其規模與 IT 市場相同，至於需要五年還是十年還有待觀察，但這將會發生。

這個 30 兆美元的市場可能會因為我們變得更有生產力而產生通縮效應，但最終我是樂觀主義者，人類會成為贏家。你獲得越多的生產力收益，獲得越多的成本節省，創造越多的利潤，你就會僱用更多人。區別在於他們不會做平凡的工作，他們會做以前不可能做的事情。我們談到的 Wipe 編碼是一個例子，3000 萬開發人員能夠編寫程式碼，創造力受到公司創建形式的限制。現在有了 Wipe 編碼作為隊友，十億人可以成為創造者，這使創業民主化，我們甚至無法想像人們會利用這項技術做什麼。

開源與戰略開放性

Sarah Guo，你是一個專注於 AI 的原生投資機構。我們來談談開放。開放如何推動成長，或者像國家安全這樣的議題，美國如何透過採用開放來獲勝？

這裡有兩個非常重要的問題。開放源碼的基本原則是，如果你允許更多人參與創新，你會得到更好的想法，你會得到複利創新，更重要的是，你會在該創新之上的層級打開市場。我認為開源和開放模型特別允許應用層更加民主化，更多的創業者可以建立能夠接觸到實際最終用戶的東西。Thomas Laffont 提到了醫療領域的 Harvey 和 Law，Open Evidence 和 Medicine，Cursor，Martin Casado 提到的工程領域，我們才剛剛開始 1%。那麼其他每一份工作和每一個垂直領域的工具呢？我認為開放創新將允許這種情況發生。

在國家安全方面，身為一個美國的堅定信仰者，我認為我們一直透過戰略上的開放和處於前沿來獲勝。這兩件事可以並行不悖。戰略性開放對我來說意味著吸引資本和人才來創造領先的技術並創造富足。戰略性開放是決定我們真正想要擁有供應鏈的哪些部分，以及哪些公司真的很重要並將為美國創造機會。

這似乎我們應該在模型層面擁抱所有模型，無論它們來自何處。當然我們可以預期結果，看看是否有什麼事情發生，但我確實認為有一種迷因說我們不應該從其他國家（即中國）引進模型來推動創新，我認為這是一個錯誤。

當我從應用程式開發人員或最終用戶的角度來看時，他們會選擇適合其任務的工具。我不認為你是在選擇一種智慧哲學，你是在尋找效率和能力，我認為效率和能力可以來自世界各地的各個角落。

AI 投資泡沫與市場現實

Thomas Laffont，我想回到一個我經常被問到的問題：當 CNBC 每天都在談論泡沫時，你如何投資？我們必須在這些討論中進行投資。幫助我們了解 Coatue 今天在哪裡投資最多，公開市場、私人市場、早期階段、晚期階段，以及你們如何在所有這些喧囂中繼續前進。

如果你看公開市場，這個市場與 2000 年的市場特徵非常不同。那時我們也在投資。今天的股票估值與那時非常不同。在這個市場令人難以置信的是，你可以以平均 20 倍左右的本益比買到世界上最好、最令人興奮、最具創新性、管理最好的公司，如 Meta、Nvidia 和 Google 等，這取決於你正在看哪家公司。能夠以這個價格獲得所有這些創新是非常令人難以置信的。當然，我們必須確保獲利預測是正確的，而不僅僅是倍數。

我們尋找像 ChatGPT 這樣的領先指標，我們看到了驚人的使用量。ChatGPT 受益於三重指數成長：更多的用戶，進行更多的查詢，以及每個查詢需要更多的深度研究。所以觀察 ChatGPT 及其在全球的表現至關重要。

關於通貨膨脹或通貨緊縮的問題。AI 的定義特徵之一是它實際上均有機會將通貨緊縮帶到真正需要的領域。我們看過醫療保健，你可以爭論網路並沒有做太多事情來降低醫療保健成本，事實上成本還在持續增加。AI 確實有潛力降低成本曲線。像 Open Evidence 這樣的公司使診斷變得更好。我們要讓工業回歸美國，我們必須變得更有效率，我們必須讓人們和機器發揮更多作用，AI 可以做到這一點。所有這些領域我們都在防守端看到，看看新公司以較低成本的技術進入。我們認為這將在全球範圍內發生。所有這些因素給了我們信心。話雖如此，我們確實認為高度警覺是關鍵。我們非常仔細地觀察這些部位，我們非常仔細地查看所有這些領先指標，我不認為現在是可以自滿的時候。

能源與算力基礎設施的瓶頸

Martin Casado，我們坐在這裡談論 AI 堆疊。它已經從 GPU 到托盤，再到機櫃，所有的軟體。現在我們有一半的時間在談論如何為這些供電，如何構建所有這些。目前 AI 堆疊中最大的槓桿在哪裡？

如果我們想從國家層面增加 AI 的吞吐量，我們可以做的一件事就是放寬對新資料中心和增加電力的監管。目前這是限制我們建立大規模容量能力的因素。昨天 OpenAI 給監管機構寫了一封公開信，呼籲在這個國家進行曼哈頓計畫式的發電項目，並研究所有這些選項，他們呼籲每年 100 GW，這是一個巨大的數字。但我認為方向是正確的。晶片需要電力，我們需要對此進行投資。

我們經常低估這一切意味著什麼。我們隨意拋出 GW 這樣的術語。當我在推銷時，我說我需要一個 GW 級的資料中心，這就像四個足球場的容量。這是一項重大的國家級工程，我們需要去做。絕對需要公私部門的合作來做到這一點。如果有一件事我們可以做，那就是放寬建立新資料中心，特別是電力的法規。

值得注意的是，很少有人認為美國不會從更新的電網中受益。傳輸、儲存、新一代產能，如果投資這些，消費者將從中獲得盈餘。有大量買家想要為改善美國基礎設施的前期資本支出買單，我認為這是一件好事。

加州的 Diablo Canyon 核電站非常幸運，原本討論要關閉，它代表了加州 12% 的總能源和絕大多數的清潔能源。我們讓它得以延續，但現實是該站點適合再建四個新反應爐，我們建議 Meta、Google、OpenAI、Microsoft 可以在旁邊建造自己的反應爐和資料中心。這就是我們在美國需要的那種跳脫框架的思維。中國正在建設 100 個核反應爐，而在美國我們目前是零。如果電力是原始動力，如果是電力輸入、代幣輸出，那麼我們必須認真對待電力問題。

我們正處於半導體產業的黃金時代。除了 GPU 和加速計算之外，你不僅需要這些新的能源供應，而且可以在電力和冷卻方面做一些令人驚嘆的事情，這是 40、50 年來沒有發生過的創新。所以這不僅僅是能源供應，還有正在失去的能源。我們看到正在創建尖端公司，這是 50 年前沒有發生的。

數據作為競爭優勢

Martin，數據是現代 AI 的原始材料之一。你一直是現代數據堆疊的先驅之一，Databricks 是 Andreessen 最大的投資之一。請幫助我們理解，AI 對數據軟體公司、傳統資料庫公司、Snowflake 和 Databricks 是一種威脅，還是這些東西是增強 AI 的必要成分？

對於模型最好的心智模型是它們是凍結在時間裡的數據。你需要大量的機器和管道將數據從源頭（通常是自然宇宙）傳輸到這些模型。如果有的話，這是一個巨大的加速器。也就是說，你看到了兩個世界的故事：傳統的分析數據堆疊，這是結構化的且不太適合 AI；還有新的東西，你只需將一堆數據丟給模型，看看另一端會出來什麼。我想說的是，首先這是一個巨大的加速器，但是如果你正在處理數據，你需要捕捉正在發生的轉變。因為數據以一種新的方式被使用，有不同的保證和不同的界限。

GSI（全球系統整合商）擁有數百萬員工，他們通常會進行數位轉型專案，但他們也會進行現代化。今天所謂的「現代化」，比如我將 27 個 SAP 實例整合為一個。你是否預見未來代理人（Agents）能夠做到這一點？因為很多培訓來自 PDF 文件和培訓課程，幾乎就像知識庫一樣。你認為代理人是軟體這方面潛在的驅動力嗎？

我的經驗是，假設你 80% 的時間是繁瑣工作，20% 的時間是其他涉及代理的事情，比如知道業務需要什麼，或者知道客戶想要什麼。AI 在那 80% 方面相當不錯，但在那 20% 方面表現糟糕。這並不意味著它是什麼。當然你可以做文件處理。但我隨著時間的推移的觀察是，AI 會來，讓你在真正重要的事情上更有效率，它會提高生產力。我們傾向於將此與工作流失混為一談，實際上我們是從 2021 年這個瘋狂的時期走出來的，那時價值受到巨大壓縮，而且技能組正在重新調整。我所在的董事會的 AI 公司正在瘋狂招聘。如果這不是你需要人而不是 AI 的跡象，我不知道什麼才是。顯然技能正在發生轉變，這對我們非常重要，宏觀層面也在發生一些事情。但我的觀點是，這些東西將推動人類生產力，而不是取代它。

未來展望

我認為這是一個非常重要的觀點。Amazon 昨天發布新聞說他們正面臨重大重組，當然問題是 AI 是否導致他們解僱所有這些人。我提醒他們 2022 年之後的情況，那是過剩的時代。在新冠疫情期間，公司瘋狂招聘，他們以為每個人都會呆在家裡。變得更精簡、更健康、更強壯非常重要，這與 AI 無關。所以我認為 Amazon 站出來說，我們要變得更精簡以便更具競爭力，這樣我們就可以僱用更多人並加倍投入 AI，這一點很重要。

我們經常談論 Anthropics 和 OpenAI。有兩家公司在模型方面沒有得到那麼多的關注：xAI 和 Meta。對於 Meta 去年在模型方面取得的成就，人們有些驚訝。Thomas、Sarah，我很想聽聽你們談談其他存在的模型。鑑於 Elon Musk 正在暗示他可能是第一個實現 AGI 的人，你們認為 xAI 的下一波浪潮會來自哪裡？

就 Meta 和 AI 而言，首先要設定一個基準。大型語言模型（LLM）在 Meta 目前基本上沒有被使用。如果你看 Big Blue 到 WhatsApp 到 Instagram 和 Threads 的應用程式家族，LLM 在 Meta 的功能之外目前沒有被使用。我不認為 Zuckerberg 所做的賭注是關於今天的，甚至可能不是關於贏得桌面代理戰爭的。我認為他們看到的是一個有一天 LLM 將在所有大型應用程式中使用的世界。你會看到生成式 AI 廣告，根據個人用戶即時生成的廣告。我們將在這些應用程式中看到更多的 LLM，他們可能希望確保這是在他們自己的技術上運行的，而不是別人的。我認為這就是投資的來源。

關於我們是否會在未來六個月內看到這種情況，比如我只需對聊天機器人說，以最低價格為我預訂下週二在華盛頓特區的 Hay-Adams 飯店。

我認為六個月很難，但這只是一眨眼的事，它將會發生。因為這就是這些模型的力量，它們不僅可以推理、計畫，而且必須採取行動。但在整合方面還有一些缺失的東西。沒有科學問題，這些都是工程問題。這將在企業先發生，因為你可以做手動工作，你可以做整合。我們看到很多情況下，其中一些東西能夠完成閉環，採取行動並全程執行。這將會發生。因為最後正如我所說，我們將有多個隊友。我們在銷售中看到這一點，在法律中看到這一點，在編碼中看到這一點，在企業中看到這一點。它將發生在消費者身上。

對我來說，最強大的飛躍將是不僅僅是執行想法，而是當它實際上為你產生新想法時。我認為來自 ChatGPT 的 Pulse 產品是通往那個真正令人興奮的部分的一個窗口。

很高興有你們在場。對於觀眾中的每個人來說，這是四位絕對最優秀的投資者，現在正在引領 AI 的潮流。很高興有你們在這裡。