David Cahn 谈 AI 基础设施、初创企业增长与国防投资

Harry Stebbings 采访 Sequoia Capital 合伙人 David Cahn，讨论 AI 基础设施、投资周期、初创企业增长、招聘和国防。Cahn 认为 AI 存在泡沫，但随着时间推移仍可能改变世界。他谈及自己和 Sequoia 投资过的企业，因此其判断涉及财务和职业利益。

Cahn 说，他此前关注钢材、服务器和电力，预见了 AI 数据中心面临的实体约束。他描述了对电工、发电机和能源的争夺，认为建设算力既依赖模型和数据，也依赖实体供应链。他对 AI 贡献 GDP 规模的描述是一种判断，并非独立核实的计算。

他此前提出的“6,000 亿美元问题”是一个简化模型：1,500 亿美元的 Nvidia 芯片支出意味着约 3,000 亿美元的数据中心投资，在 50% 毛利率下需要 6,000 亿美元收入。他说，按 2025 年夏季数据更新后，结果约为 8,400 亿美元。这些是基于假设的模型结果，并非对每个项目所需收入的实际测量。

Stebbings 问施工延误是否会大规模出现。Cahn 预计结果因项目而异，并认为建设数据中心的能力可以成为护城河，尤其是在所有人争夺同一批供应商时。他建议超越委托建设的大公司，继续追踪整个供应链。

Cahn 说，过去一年有两件事令他意外。首先，他没有预料到 AI 人才会获得异常高昂的薪酬。如果一位研究人员能显著提高公司赢得巨大市场的概率，企业也许能为巨额薪酬找到理由；但他提醒，人们可能高估个人对这一概率的影响。

其次，Cahn 承认自己预测 Meta 在 AI 领域表现出色的判断，在此前 12 个月里是错的。他原本预计其垂直整合和创始人领导会带来帮助，长期仍持乐观态度。这是预测，并不能证明此前的预测正确。

他认为领先的模型公司正向产业链下游延伸，进入电力、芯片和基础设施领域，并预测竞争压力会促使更多提供商重视垂直整合。Stebbings 指出，OpenAI 和 Anthropic 最初并不具备大型科技公司那样的整合结构。

Cahn 认为 AI 正经历泡沫，但他区分了痛苦的市场周期风险与技术的长期重要性。他以互联网泡沫破裂后的 Amazon 说明公司可以穿越泡沫；这个类比既不能保证企业存活，也不能保证 AI 的未来影响。

在 AI 领域投资多年后，Cahn 说他每年希望找到一两个自己认为能经受市场波动的机会。他提到早期投资的 Weights & Biases、Runway 和 Hugging Face，以及近期投资的 Clay 和 Juicebox。他对这些公司的乐观预期来自有利益关系的投资人。

他的考验标准是，一家公司能否不无限依赖廉价而充裕的资本仍获得成功。他认为，强劲的客户需求、产品与市场契合以及有能力的团队可能帮助企业渡过低谷，但不能保证企业存活。

Cahn 的框架区分算力使用者和生产者。如果算力供过于求、价格下跌，使用者可能降低成本并提高利润率；生产者则面临大宗商品周期风险。这是有条件的经济推论，并非预测每个应用都会胜出或每家基础设施提供商都会失败。

Stebbings 以 Google Cloud、AWS 和 Azure 为例质疑这一框架。Cahn 回应说，如今实力雄厚的现有企业受益于最初并不明显的机会，而 AI 显而易见的市场规模正在吸引激烈竞争。他将大公司描述为具有垄断性，以及预测 AI 中垄断利润有限，都是个人解读，并非法律认定。

Stebbings 认为投资算力使用者已成为普遍观点。Cahn 回应说，大量 AI 资本仍流向算力生产者，因为它们需要更多融资；他认为资本投放激励会将投资人引向资本密集型公司。他没有披露百分比估计的计算过程。

被问及能否通过协调停止支出时，Cahn 说公司按照自身激励行事，决策也会相互影响。在他看来，行为会随着激励变化而改变，而非通过单一协调机制改变。他描述了市场的脆弱性，但没有声称知道调整发生的确切时间或方式。

Cahn 将循环融资安排列为投资人更加担忧的原因。他描述了市场对基础设施风险的感知如何从 Microsoft 和 Amazon 转向 Oracle、CoreWeave 等较小的参与者，芯片公司也在为其产品需求提供融资。这是他对复杂安排的解读，并非逐笔交易的审计。

他说，一些已宣布的基础设施交易仍需要大量融资。他举例估计每吉瓦建设成本约为 400 亿至 600 亿美元，并由此推算 100 或 250 吉瓦规模对应的收入问题会大得多。这些情景取决于成本、容量和收入假设，不能证明项目已获得全部资金或一定会建成。

Cahn 担忧资本集中在较短的时期和特定几代芯片上。如果有用的能力需要更长时间才出现，已经安装的硬件可能在需求赶上之前老化。他建议将风险分散到更长时间和更多投资中，同时继续长期看好 AI。

Stebbings 问及 Oracle 的杠杆。Cahn 认为大部分建设由股权和现金融资，并推测市场下行可能更多体现在股价上，而非出现类似 2008 年的信贷收缩。他将 Oracle 单独看待，没有给出完整融资构成；两类风险都可能因公司而异。

两人讨论了大型科技公司市值集中的问题。Cahn 引用与日本历史的比较，认为即便这些公司的基础业务强劲，AI 叙事的变化仍可能影响市场很大一部分。他回忆的历史百分比没有在访谈中获得独立证实。

谈及一种关于 AI 将大幅贡献 GDP 的观点，Cahn 认同这项技术可能影响相当大比例的经济活动，但质疑企业能够获得 50% 利润率的假设。他认为竞争可能使收益更广泛地分配。预计的 GDP 影响和收益分配都存在不确定性。

Stebbings 以律所争相选择 AI 提供商为例，问当前需求是否暂时被抬高。Cahn 强调时间上的不确定性，并说一些研究者描述过一条更漫长、更渐进的发展路径。他对他人时间预测的叙述属于个人解读，并非确定的共识或已确立的 AGI 时间表。

Stebbings 认为，知名投资人可以通过提供资本、品牌和分销来“造王”，并以 Harvey 为例。Cahn 不认同风投机构能够让一家公司成功：他将功劳归于创始人、想法以及产品与市场的契合，认为投资人能帮助处理困难决策，但应保持谦逊。

Stebbings 以 Profound 反驳，认为 Sequoia 的参与和随后一轮融资能够帮助吸引人才、客户及资金。Cahn 认同知名投资人能够改善招聘并影响结果，但认为平均影响小于投资人想象。Sequoia 对 Profound 的参与与他的叙述有关。

被问到 AI 应用的利润率是否重要时，Cahn 说它是一个有用的方向性指标，显示公司在模型之上构建了多少产品。他回忆一笔投资的毛利率从 30% 升至 70%，并说算力成本下降可能改善经济模型。这个例子不能证明每家低毛利公司都会盈利。

Cahn 能想象一家毛利率为零的公司最终也能成功，不过他说自己的投资通常有更高的毛利率。他提醒，不要仅凭当前利润率否定一家有价值的企业。成本是否下降、客户是否留下以及利润率是否改善，仍取决于具体公司。

Stebbings 问，旧的“三倍、三倍、两倍、两倍”增长模式是否已被超越。Cahn 描述了一个“从零到 1 亿美元俱乐部”：他寻找自己认为能迅速达到 1 亿美元收入的公司，不过他说公司不必已经达到这一水平。他列举 Harvey、OpenEvidence、Clay 和 Juicebox，认为它们处于这样的增长轨迹上。

Cahn 认为，在互联网普及、AI 需求广泛的市场中，快速采用是产品与市场高度契合的信号。他也说最终目标是建立持久的公司，而不只是追求速度。这些例子包括 Sequoia 的投资，收入增长本身不能证明客户价值能够持久。

Stebbings 指出 UiPath 花了多年才获得不高的年度经常性收入。Cahn 认同，创始人可能需要长时间找到合适的产品，然后才迎来快速增长。他回忆 Juicebox 的创始人花了约三年打磨招聘产品；他是投资人，对其进展的评价有利益关联。

他以 Clay 为例，说明寻找产品与市场契合可能是漫长过程。Cahn 说 Sequoia 在 A 轮投资，后来他又以略高于 10 亿美元的估值领投一轮成长期融资。他认为早期艰难岁月是创始人的宝贵经验，但这是投资人的叙述，并不保证未来表现。

Stebbings 问及公司以迅速上涨的价格连续融资。Cahn 说充裕资本可能有用，却不能创造企业的增长引擎。在他看来，融资过多可能带来过早的成功感，使审慎招聘更难，尽管一些创始人能很好地处理这种取舍。

Cahn 说，过度扩张后破产的公司无法从之后的市场复苏中受益。他认为增长势头可能导致过度自信，希望投资人能帮助创始人思考生存和风险。他的提醒是一般性框架，并非对特定企业的预测。

被问到人们低估了什么，他选择 23 岁和 24 岁的年轻人。他说自己会见数百名应届毕业生，向他们学习并招募他们进入投资组合公司，也在 Juicebox 花费大量时间。在他看来，伴随当前 AI 工具成长的人可能带来有价值的视角。

Cahn 建议，AI 初创企业招聘适应能力强的通才可能有益，而不应只依赖资深软件工程师。Stebbings 提出情绪成熟度和经验不足的问题。Cahn 接受这种取舍，认为年轻员工的风险明显，而经验丰富者的风险可能更难察觉；这些是概括性判断，不是针对个别候选人的规则。

对于年轻人选择工作，Cahn 描述了一种“模仿算法”：追随高一年级中自己欣赏的人。他认为这样做可能有效，却可能错过 AI 这样的重大变化，因为前几届做决定时掌握的信息不同。他建议在选择符合个人优先事项的工作时，将这项技术考虑进去。

他区分了关注一份工作能带来什么的人和关注自己能贡献什么的人，认为两种选择都合理。他给出的粗略百分比只是印象，并非测量所得的人群比例。Stebbings 说许多英国学生仍追求银行和咨询工作；Cahn 说最近看到更多年轻人寻求 AI 岗位。

Stebbings 质疑 Sequoia 错过了知名国防公司 Helsing 和 Anduril。Cahn 承认 Sequoia 进入国防领域较晚，并说公司正努力赶上。他将该行业比作 AI 发展的早期阶段，这一比较反映了他的投资论点，而非已经得到证实的发展轨迹。

Cahn 认为乌克兰战争是军事技术发生变化的信号，同时认为更广泛的转折尚未到来。Stebbings 质疑这一国防投资论点是否假设冲突会升级。Cahn 强调威慑，并认为国防体系需要现代化；访谈并未证实具体技术对冲突的影响。

Stebbings 担心国防供应商面对集中的政府买家和困难的销售激励。Cahn 同意，客户结构可能只能支持相对少数的成功公司，并预测各国会出现国家级龙头。这种集中可能限制新进入者；他预测的整合并不确定。

Cahn 认为 Anduril 是美国的领先者，并讨论了以色列的 Kela 和欧洲的 Stark，他说自己通过 Sequoia 投资了这两家公司。他认为它们可能成为国家级龙头。这些是有直接利益关系的投资人作出的前瞻性判断，并非对公司或其技术的独立评估。

Stebbings 说，国防领域可能只能支持少数大型公司，难以形成软件或金融科技那样广泛的生态。Cahn 认同自己预计只会进行少量国防投资，并说他的框架强调防御和威慑，而非将决策简化为每次击杀成本指标。

在快问快答环节，Cahn 说自己等待自动驾驶汽车多年后，终于学会了开车，部分原因是成为父亲。他说为人父母让自己的优先事项更加具体，也认为共同价值观对婚姻很重要。

他错过的一笔投资是 Datadog：他回忆自己将这一机会输给了 Dragoneer，据他了解后者已经追求这家公司多年。他没有向 Dragoneer 核实这一说法。他从中学到，要把大部分时间集中在少数最优先的机会上。

Cahn 认为语音作为 AI 界面尚未得到足够重视。他宣布 Sequoia 投资 Sesame，并引用其发布后数周内达到 100 万用户、500 万分钟使用时长的数据。这些数字和他对产品与市场契合的评价来自有利益关系的投资人，不能独立证明留存率或财务表现。

他预测，未来十年人们可能与语音 AI 建立持续关系，同时承认这个想法目前听起来像科幻小说。被问到未来十年最令他兴奋的事情时，他再次提到 AI 改变生活的潜力。他预想的发展速度和后果仍不确定。

Stebbings 和 Cahn 最后开玩笑说要一起开车兜风。Cahn 说自己很期待亲身经历未来的变化；尽管整场讨论涉及投资和基础设施风险，访谈仍以乐观情绪结束。