Sequoia 的 Alfred Lin 和 Konstantine Buhler 谈 AI、投资与智能体经济

在 Citadel Securities 的 Future of Global Markets 活动上，Nohshad Shah 邀请 Sequoia Capital 合伙人 Alfred Lin 和 Konstantine Buhler 讨论投资与技术变化。Sequoia 是 Citadel Securities 及其他讨论中提及公司的投资者；理解他们的观点时，这一商业关系很重要。

Lin 将成为 Sequoia 共同管理者描述为意想不到的荣誉。他说，合伙企业的原则将创始人放在第一位，其次是有限合伙人、公司、团队和个人。他希望为未来的合伙人留下更强的组织，并认为下一笔投资比过去的业绩更重要。

他认为 Buhler 的信念帮助 Sequoia 将 Waymo 和 Citadel Securities 纳入投资组合。Lin 将自己的领导角色部分理解为给下一代合伙人创造决策空间，让公司的工作得以延续。

Buhler 回忆自己在纽约的一场会议上认识 Citadel 创始人 Ken Griffin，当时他还是研究机器学习的研究生。他说，Griffin 后来成为他的导师，两人的关系最终促成了 Sequoia 投资 Citadel Securities 的讨论。两位嘉宾对公司持正面评价，而他们的公司在其中持股。

被问到当时看起来不明显的投资决定时，Lin 描述了公司的流程：由一位合伙人撰写投资论点，公司进行尽职调查，合伙人辩论并投票，同时重视提案者的信念。他认为，讨论质量来自合伙人相互挑战假设。

Lin 用五个 C 概括这一纪律：清晰、信念、勇气、创造力和承诺。清晰的投资论点应经得起不同框架和长期考验；信念要求回答合伙人的问题、尽可能寻找答案，并承认仍未知的部分。

当想要的投资难以获得或市场条件不合适时，勇气和创造力就很重要。最后一个 C 是承诺，反映出与创始人合作十年或更久的预期。Lin 将其作为 Sequoia 的理念，而非保证投资成功的公式。

Buhler 以 Kalshi 为例，称在监管尚未明确时，这项决定看起来并不寻常。Lin 不愿宣布结果已经确定。他说，合伙企业还必须挑战自己的假设：一家成熟的纽约公司，如 Citadel Securities，是否超出了其通常业务范围。

谈到 AI 投资，Buhler 指出 Sequoia 与 Nvidia、Google 以及后来的模型公司的历史。他说，公司努力超越标签看问题：从业务描述中去掉 AI 一词，再问底层问题和商业主张是否仍然成立。

两位合伙人说，分歧经常发生，因为年轻公司的结果范围很广。他们描述了持续讨论、直到同事相互听取意见的方式。Lin 补充说，Sequoia 对 OpenAI 和 Anthropic 的投资比他们希望的更晚，这说明旧框架可能拖慢决策。

Lin 说，OpenAI 的非营利起源使其投资结构难以评估；Sequoia 等到对可行商业结构和模型进展有信念后才行动。即便如此，合伙人仍对估值和不清晰的经济安排存在争论。他以有利益关系的投资者身份介绍了公司的首次投资和后续加投。

Lin 说，Sequoia 与一家公司紧密合作时通常避免投资直接竞争者。随着时间推移，投资组合中的公司告诉他们自己同时使用 OpenAI 和 Anthropic，促使 Sequoia 重新审视这一规则并投资两者。他将此作为让旧框架适应新情况的例子。

Shah 问 AI 基础设施、前沿实验室和应用层的价值会落在哪里。Buhler 将 AI 对认知工作的潜在影响与工业化对体力工作的影响相比。他预测几十年内会出现大幅扩张，多个层次都会有赢家；这一类比和时间表是预测，并非已衡量的结果。

Buhler 说，基础设施和芯片已获得大量需求，而领先模型供应商可以收取溢价。从更长期看，他最看好将能力转化为实用服务的应用，并以自动驾驶为例。

他列举编程、法律工作、医疗信息、网络安全和客户支持等应用类别。其中几家公司属于 Sequoia 的投资组合。他关于产品能力及其对工作的影响，是投资者观点，并非它们将完全自动化这些工作的独立证据。

Lin 说，价值落在哪里的答案会随时间变化。在技术周期初期，他认为芯片和基础模型会获得投资，因为必须先建设基础设施和智能。随后应用可以帮助人们使用发展速度超过采用速度的能力。

他将技术能力与人类采用之间的空间称为扩散差距。创始人可以为不想自行训练或编程模型的专业人士构建产品。Lin 认为，这延续了软件让计算更易使用的历史，即使产品形式从 SaaS、移动应用变成智能体。

Shah 问到开放权重模型。Buhler 说，这类模型可以为企业提供成本更低的选择和更大的控制权；同时他认为前沿供应商对最强模型仍有定价能力。他引用了开放模型支出占比的估计；这些数字取决于定义和衡量时期。

Buhler 声称，一些中国模型开发者从违反服务条款的美国模型访问中受益，并预计西方开放模型会改进。这是他的指控和预测；访谈没有独立证明对所有开发者都适用的一般性结论。

Lin 区分了开放权重和传统开源软件，认为成本更低的模型可以帮助创业者改善利润率。他还预计开放模型的竞争会迫使封闭供应商降低成本。这是他对竞争机制的看法，并非对未来价格的保证。

Lin 将创造价值、交付价值和获取价值区分开。创始人可以做出有用的东西，却仍可能难以触达合适客户或维持商业模式。他说开放分发有助于交付，但可能让变现更难；防御能力通常随时间建立，而非在最早期就完全形成。

Shah 转向消费级智能体，问分发、广告和交易可能如何变化。Lin 预计 AI 的商业模式将不同于此前的技术浪潮，但人类对内容和联系的需求仍会存在。他说，在人们将个人信息和支付权限交给智能体之前，信任是核心障碍。

Buhler 将智能体简单定义为既给出答案又采取行动的 AI。他描述了系统相互交互并可能相互交易的智能体经济。他说消费端的采用让他感到意外，但也承认这些体验仍处早期且并不完美。

他将 Citadel Securities 的自动化交易与未来智能体协调物流或其他交易相比较。这是 Citadel Securities 投资者提出的类比，不意味着每个交易系统和未来消费级智能体都以相同方式运作。

两位合伙人都预计智能体的采用会增加计算需求。Buhler 说扩展推理需要硬件和架构进步；Lin 用为活跃智能体任务分配计算资源的设想说明潜在规模。他们举出的数字和需求预测只是说明性例子，并非已确立的容量要求。

Buhler 解释公司如何将计算判断转化为投资搜索。除 GPU 的并行工作外，他预计智能体工作流还需要顺序处理、内存和 CPU。他说 Sequoia 招募了拥有 Apple Silicon 和 Qualcomm 经验的团队，组建一家专注智能体工作负载 CPU 的公司；他对瓶颈的判断是一项投资论点。

Lin 回忆了一份关于 CPU 重新重要起来的内部备忘录，并说这个想法比最终出现的公司早了一到两年。他用这个例子说明，合伙企业如何在投资机会出现之前讨论可能的变化。

Shah 问公司如何权衡支付过高价格与错过未来赢家的风险。Lin 区分早期和成长阶段决策：他说，对非常早期的公司，选对创始人和结果可能比相对较小的估值差异更重要；对估值很高的成熟公司，他预计需要更严格地评估可能回报。

Lin 说，随着成功公司的规模变化，投资者可能没有及时更新预期。他以自己职业生涯中最大上市公司市值的增长为背景，说明如何重新评估早期机会。他的论点是风险投资框架，并非建议忽略估值。

一位观众问 Sequoia 如何决定投资规模。Buhler 说，选对公司是首要任务；合伙企业也重视有意义的持股，因为它将大量时间投入相对少数的企业。他说，一旦其他投资者追逐同一家公司，后来增加持股可能更加困难。

Lin 强调公司更喜欢用与创始人长期合作的语言。两位合伙人说，他们希望帮助公司发展，而不是只考虑买入和卖出股份，同时承认投资回报仍是有限合伙人获得收益的方式。

被问到 AI 哪些部分被忽视或高估时，Lin 提出具身 AI、太空通信和基础设施可能被低估。Buhler 还提到生物技术和健康。两人在讨论自己看到的投资机会，包括 Sequoia 有利益的领域；这些是预测，并非任何特定投资会成功的证据。

在可能被高估的方面，Buhler 质疑那些收入增长很快、却只解决一次性问题且没有成为重要工作流默认选择的消费应用。Lin 同样提醒人们关注缺乏持久防御能力的企业。他们的判断取决于未来竞争条件。

Buhler 设想将大幅增强的计算能力用于疾病预防、治疗和健康寿命。他对生物技术作为商业和科学机会都感到乐观。对话并未证明任何具体医疗结果或治疗会随之出现。

一位观众问到智能体经济中的加密货币和区块链。Buhler 说，数字支付可能适合智能体交易，但他将区块链、加密货币和其他数字货币之间的选择视为实施问题，而非最终目标。

Lin 设想，当智能体跨越尚未相互信任的参与方进行交易时，去中心化账本可能发挥更大作用。他提出的是一种可能的清算机制，并非证明区块链是建立智能体之间信任的必要或充分条件。

被问到 2030 年被低估的机会时，Buhler 再次谈到将智能应用于疾病、材料和食品生产等重大挑战。他设想用许多机器开展大型协作项目，追求突破。这些是愿景和投资预测，并非医疗或科学成果的承诺。

Lin 称自己是技术乐观主义者。他设想 AI 倍增可用于解决问题的认知资源，并提醒不要把科技公司当作互相竞争的体育队伍：他举例说，Apple 和 Microsoft 都成为了重要企业。他预计会有许多机会，而不是指定一个保证获胜者。

对话在感谢两位合伙人后结束。讨论结合了公司特有的投资理念、投资组合公司的例子，以及对未来技术的推测；其中任何内容都不能确立特定投资结果。