# Freda的投资札记第1集：下注OpenAI、Robinhood往事，美国资本坏小孩、算盘与泡沫 > 张小珺商业访谈录 No. 125 精读 - 发布日期：2025-12-16 - 主持：张小珺 - 原节目：https://www.xiaoyuzhoufm.com/episode/694180874c65abaff3576bc4 - 网页版：https://zhangxiaojun.qiaomu.ai/ep/694180874c65abaff3576bc4.html - 精读字数：约 17806 字（阅读约 40 分钟） > 本文为 zhangxiaojun.qiaomu.ai 基于节目转写的 AI 整理精读，不是逐字稿；引用请注明出处并链接网页版。 2025年11月初，Sam Altman坐在Altimeter Capital创始人Brad Gerstner的播客里，被连续追问OpenAI那1.4万亿美元级别的算力和基础设施承诺怎么买单。他给出的回答很硬：「If you want to sell your shares, I'll find you a buyer. Enough.」随后AI板块整体波动，泡沫论再度升温。 这期节目的嘉宾Freda Duan就来自Altimeter Capital，担任合伙人。这是一家硅谷科技基金，一级市场投过OpenAI、Anthropic、字节跳动，二级市场重仓过NVIDIA、Snowflake、Robinhood。Freda是少见的在美国一线基金里做投资的华人，一二级市场同一个团队一起看。 节目录制于2025年11月，主持人是张小珺。84分钟里，Freda把OpenAI的账本拆开算了一遍，讲了Robinhood这笔今年标普500涨幅第一的投资是怎么看懂的，也给了她对泡沫、自动驾驶、机器人和2026年的判断。以下是这期对话的精读整理。 ## 2020到2025，硅谷每年的关键词，和美股的三条主线 3:30 Freda的自我介绍很简短：硅谷科技投资人，在Altimeter Capital。这家基金的创始人本身是连续创业者，基金规模不大，整个团队不到三十人，投资团队人更少。一个特点是愿意公开自己的研究，很多人是通过他们的播客认识这家基金的，最近几周他们和Sam Altman、黄仁勋都有公开对谈。 张小珺提到一个反差：2021、2022年硅谷还笼罩在裁员风波里，到2025年Meta在天价挖人，情绪完全翻转。她请Freda用关键词定义每一年。 - **2020年**：疫情降息，市场火爆。 - **2021年**：市场持续火爆，但潮水退去的迹象已经出现。中小盘股、质量没那么高的股票顶部在2021年2月，大票像微软是11月开始回调。 - **2022年**：非常悲惨的一年，通货膨胀，纳斯达克跌了35%，Meta这样的股票跌了70%。 - **2023年**：所有人还没反应过来，AI开始火热。 - **2024年**：AI趋势确立，从投资角度是最好做的一年。 - **2025年**：关税、中美关系，AI浪潮继续。 Freda给了一个数据：从2000年算起，纳斯达克一共只有六次跌幅超过20%，但2020年之后已经经历了三次。这个频率明显变高了。美股长期是长牛逻辑，这几年确实不太正常。 AI的爆发在她看来不是毫无预兆。2022年市场一片灰暗，却出现了很奇怪的融资现象：Inflection AI在A轮融了两亿美金，Anthropic、Cohere、Stability这些公司每家A轮都融了几个亿。三件事都不对劲：用VC的钱去做资本支出；A轮从来没人融两个亿，平均也就一千万；二级市场在暴跌，对VC本该有传导。这种热度完全不应该出现。 她当时去见这些创始人，聊下来的逻辑异常简单：scaling law，我要买卡，卡就是这么贵。**投资逻辑简化到只有一句话，说明钱在往一个还没被验证的方向上涌。** 这里还藏着一个crossover基金的好处。2023年初市场上有二三十家自己做模型的公司，很难判断谁能进第一梯队。但Altimeter一二级同一个团队，可以直接用英伟达在二级市场表达对模型的观点。这两年AI的标的绝大多数都在二级市场，包括云、电力、AI受益和受损两边的公司。 Freda把今天的美股拆成三条主线，三条线之间有千丝万缕的联系。 **第一条是AI**，大家熟悉，核心是芯片和云。 **第二条是再工业化（reindustrialization）**，包括稀土、美国本土制造业回归、数据中心。长期要看机器人能不能拉平美国和新兴市场的劳动力水平。 这条线里有个很多人没注意的钱：4月特朗普闹了一通关税之后，日本和韩国合起来答应向美国投资超过一万亿美元。这笔钱会被用来投美国的基建项目，包括能源，包括数据中心。这正好和第一条线闭环。日本已经投了超过一千亿美元在美国的能源相关项目，用来给数据中心供电。 **第三条是金融产业创新（digitization of finance）**。2025年7月美国通过了一个重要法案叫GENIUS Act，是稳定币法案。稳定币支付的核心就是更便宜、更快、更好。Freda的判断是：等下个月agent commerce出来，让agent替人付款买东西，token和稳定币这个概念会被重新提起来。这一条又和AI闭环。 三条主线之上还有一层：这一届非常有自己想法的政府，以及明年的中期选举。 说到中国市场，Freda的观察很克制。今年一批又一批美国投资人去中国参观，所有人对电动车和机器人都感到震撼。但实际投资金额和过去几年没有明显变化。美国投资人最重视两件事：中美谈判的结果，和港股IPO的活跃度。IPO从量的角度今年已经上来了，但更多是消费类公司在港股上市。如果之后有更多科技IPO，资金会回流。 ## OpenAI的账本：加2减10，一个负向滚雪球 10:59 Altimeter下注OpenAI的时间点，是最早看出来OpenAI是一个产品公司、而不只是模型公司的时候。那会儿月活大概一两个亿，市场非常混乱，大家分不清谁是一线模型公司。 这个结论现在听起来是共识，但2023年大家很担心to C的竞争格局，觉得GPT没有粘性。Perplexity、Claude、Grok都在竞争。Freda的解释是：做一个好产品远不只是需要模型，用户体验是很大一部分。GPT细想并没有像Meta那样有强网络效应的商业模式，它就是一对一的分发，但先发优势加上更好的用户体验，让这个产品有了更强的粘性。 然后是最硬的部分，算账。Freda说OpenAI和Anthropic的数字媒体都报道过，她引用的都是公开披露的数字。 商业模式的本质非常简单暴利：成本大头是用卡，包括inference和training。训练成本按scaling law走，每年大概上涨十倍。 **如果你上一年的训练成本为1，第二年能以2的收入收回上一年的训练成本，但同时你要减去10，也就是新一代模型的训练成本。加2减10，等于负8。** 这就是一个负向滚雪球，每一年都比上一年烧得更多。要让现金流翻正，逻辑上只有两个可能：要么第二年收入不再是前一年训练成本的两倍，而是更大的数字；要么不再去烧一个新的十倍大的模型。 Anthropic的CEO Dario讲过后者，还做了细分。烧钱停止有两种情况：一是撞到物理限制，模型太大了，纯从训练角度训不动了，或者说要把全世界的钱都烧进去；二是模型大小本身还可以，但scaling law变慢了，不值得再烧一个十倍大的模型。 这个时间点非常有暴力美学。公司的利润表会非常好看，因为你还在加2，但不减10了。Freda说，从算术上看，scaling law消失对投资人反而是好事，那个时间点投资人会看到他们最想看到的利润率。 类比对象是Netflix。科技领域很少有资本密集型的业务，但Netflix前几年现金流都是负的，也是负向滚雪球。前期要花很多钱拍剧做内容，内容有四年折旧摊销，很多地方和数据中心挺像。Netflix现金流最惨是2019年，负三十亿。有意思的是2020年突然翻正到二十亿，原因就是疫情，大家不能出来拍电影拍电视剧，内容成本没了。 > 烧钱的东西只有在不烧了那一天才真正会有现金流。 张小珺追问：Netflix不投内容品牌优势会消失，迪士尼也不可能不做内容。Freda承认这一点，但Netflix并没有完全不投，只是增长幅度下来了。现在全球超过三亿订阅用户，粘性很强，只需要维护住位置。模型公司也一样，她不觉得有一天会彻底不训练，但训练成本不再每年几倍增加，对利润率就足够了。 至于格局会不会像流媒体，Freda认为不会。内容没有排他性，竞争格局分散，YouTube、Netflix、迪士尼每家都是个位数份额，因为不同的剧要在不同平台追。但ChatGPT，你会希望一家记住你所有的内容。**她判断GPT更像搜索的格局，市场集中度很高，谷歌和微软两家占住整个市场。** OpenAI的收入结构，媒体披露有四条。 - **ChatGPT**，占超过70%，里面也包括企业的GPT。 - **API**，今天的量大概对应Anthropic收入的一半。但Anthropic自己预测增速要快很多，中长期能达到OpenAI API收入的五倍甚至更多。 - **Agent**，包括和软银的合作。 - **新产品**。 市场讨论大部分集中在ChatGPT，但公司自己的预测是后两条线增长更快、未来占比更大。 光看ChatGPT也能算出一个大数：三亿订阅，每月三十块，差不多一千亿的体量。这里Freda纠正了一个认知偏差：大家把to C的ChatGPT当成纯面向消费者的公司在看，但今天个人和企业两边的占比是差不多的。**她觉得市场大大低估了企业端。**企业端用户已经有几百万，她本人就是企业端用户，把GPT连上公司的邮件、Slack、内部系统，协同起来非常好用。美国本来就有很大的企业市场，中国不是这个概念。 公司说年底有两百亿的年化收入，对应今年一百三十亿的收入。 关于「超级入口」，Freda认为消费端有两个现实障碍。一是登录问题，第三方网站会监测和屏蔽agent的登录。二是商家抵触，因为商家都希望用户直接来自己平台。亚马逊只有人过去了，才能在买牙膏的时候推荐牙刷、牙线，才能增加销售额。亚马逊今天有超过七百亿的广告收入，如果换成agent去购买，这笔广告收入还收不收得上来也是问题。 企业端反而好很多。谷歌和OpenAI是竞争关系，但谷歌的整个办公套件都很容易让OpenAI直接调用，因为软件的收费模式简单：只要用户还在付费，他们并不在乎自己是不是获客漏斗的最上层。**这是一个非共识：OpenAI企业端作为超级入口，可能发展得非常快。** 广告是另一个逻辑非常顺的方向。今天超过八亿周活跃用户，其中超过50%是付费用户。免费用户看广告，比如搜跑步鞋会看到耐克的广告；付费用户则得到保证，结果是公允的，会看到很多小众品牌。Freda认为上量会非常快。 还有云。Sam Altman讲过这是业务的自然延展。回看AWS怎么起来的：亚马逊先建数据中心给自己用，发现控制不了使用率，数据中心又是极看重使用率的生意，于是在自己不那么需要的时候把云租出去，慢慢成了很大的业务。GPU这一波会是一样的，云在美国的竞争格局会有挺大改变。 OpenAI内部把谷歌视为最大竞争对手，Anthropic和xAI都排在后面。Freda用了一个很形象的说法：谷歌的站位是一个完美的梯形。横向有面向消费者的搜索和YouTube，有面向企业的Workspace办公套件；纵向从云一直延伸到自己的芯片。 Gemini有6.5亿月活，ChatGPT超过10亿。谷歌打价格战有几个角度。第一是绝对价格，谷歌用TPU纵向整合，同样的模型能做到比OpenAI高很多的利润率。第二是捆绑销售，20块钱一个月的YouTube Premium用户，加10块给Gemini，捆绑起来很容易产生更高利润。最近Gemini对OpenAI的用户时长有一定冲击。 Freda的中长期判断是：谷歌吃下中低端市场，比如20块每月的订阅水平，把高端几百块甚至之后几千块一个月的订阅市场留给GPT。 但她提醒市场情绪有点一边倒：对OpenAI负面，对谷歌正面。细想，谷歌面临的威胁并没有真正被解决。今天谷歌的搜索广告确实没掉，是因为大家还把GPT当成大型百科在使用，问它天为什么是蓝的，这些问答谷歌本来也不变现。但保险、律所这些是谷歌今天最大的广告商。买车险，今天可能是Google一下，点最上面的广告位。但这个问题太适合问GPT了，它会给你一通比较，选出最适合的，而且它可能已经有你的历史，比如知道你开车开得很差，会定制一个最适合你的。 **往大了说，每年美国的广告收入就这么多，今天是谷歌和Meta垄断，OpenAI想卖广告，就得从这两家出。** 谷歌为什么突然格局变好了？Freda给了两个原因。一是模型能力上来了，内部找到了优秀研究员的正确打开方式，把激励制度绑定到模型榜单上，谁能刷榜刷上去谁就升职加薪，非常适合谷歌这些年的学霸文化。二是江湖传言：Noam Shazeer，Character.AI的创始人，回到谷歌之后徒手改了一个bug，Gemini的pretraining从此好用了，Gemini 3出来也证明pretraining没有撞墙。Freda评价，这可能是一个价值好几亿的bug，而Noam去做研究员，比他当时做to C公司的CEO合适太多了。 搜索的护城河在她看来已经彻底改变。之前谷歌搜索压倒性好用，是因为人总能在最上面两三条结果里找到想要的信息，第二页第三页没人看。但模型做搜索非常不辞辛苦，一秒钟能翻几十页，直到找出最符合问题的信息。**用Bing还是用自己的搜索引擎，可能都不是很大的差别。** 关于管理层，Freda说员工都很信任Sam，也非常感谢他带领公司支付。有一点一定要给他credit：他真的是最早在这个市场上相信AGI的人，是他引领了市场。至于1.4万亿这个数字，本意很聪明，因为AI很烧钱，他想把这条线上的公司都绑在一起。但时间线拉得太远、数字太大，如果只指引之后一两年的支出，效果会好很多。给一点时间，市场会慢慢消化。 Freda在这里提了一个容易混淆的概念。媒体上看到的300亿还是5000亿，说的都是估值。但投资人实打实拿到的是每股股价。**OpenAI从300亿到5000亿，每股股价并没有涨接近二十倍，而是涨了六倍，因为股权稀释非常严重。** 她认为OpenAI最近一系列上市操作非常合理，和微软把股权终于转清楚这件事很重要。媒体说2027年可能有一个一万亿估值的IPO，对应收入预测是十倍估值，只要收入能做到，这个估值很合理。她开玩笑：波士顿可能有一条街都是很大的基金，包括Fidelity，每个人出一百亿，一千亿的IPO就出来了。 对于「OpenAI上市就是泡沫顶峰」的说法，她觉得太刻舟求剑。上一波互联网，网景1995年上市，之后泡沫确实越吹越大，但破裂是五年之后的事。 关于Club deal，Freda的解释是：不仅大家一起存钱，而是大家都非常愿意把钱放到AI领军公司里面，因为你离整个AI应用最近。AI本身很烧钱，钱只会烧在几个大公司上。 ## Anthropic和OpenAI，两条相反的假设 28:25 两家业务不同，OpenAI偏to C，Anthropic超过80%的收入是to B。用户粘性都很好，Freda用「微笑曲线」形容：一开始用户留存会下去一点，之后都会回来，而且新用户比老用户同期的留存率更高。 Anthropic的利润率增长让她震撼。一年之内，从收入一块钱亏两块钱的水平，到今年底能做到跟OpenAI差不多的毛利率。它在模型架构、auto scaling、优化上都做得非常快。**整体对模型公司的毛利率没有必要担心，长期都会是70%到80%。** 增长速度上两家是追赶关系。从一亿到十亿收入，OpenAI用了不到两个季度，Anthropic用了四五个季度。从十亿往上反过来，Anthropic年化收入从十亿到七十亿用了不到十个月。最近几个月，两家每月增加的年化收入数量差不多。 Anthropic的产品路线很清晰：选择几个大且有利润空间的垂类，包括coding和finance，Claude在finance里非常好用，也做了生命科学和法律；另一个方向是做出最好用的模型给agent用，今年的Claude Skills就是一个迷你的agent系统。 关于两家现金流谁更好，Freda的回应很干脆：抛开大模型的商业模式去看公司现金流，没有任何意义。两家的财务预测非常有意思。 **Anthropic假设自己的总算力在2028年之后不再增长，靠训练成本不再迅猛增长把利润率拉上去。OpenAI则假设模型的ROI逐年提升，不再是一块钱收回两块钱，而是第二年能收回五块钱。** Anthropic花的钱并不少，它假设了更高的回报率。两家做出了两个方向的假设，这件事本身值得细想。 至于Neo labs，Freda说现在根本不止两三家。最近几个月有小十家新的模型公司在融资，很多是学术背景的人出来做，融资金额都很大，十亿以上。她自己也没想清楚，之后会不会有一个时间点，大家觉得大模型会收敛到头部一两家，剩下的放弃自己做训练，转而拥抱开源模型。 Ilya的SSI听说在做continuous learning，Mira的Thinking Machines Lab刚落实第一个产品叫Tinker，帮用户定制训练开源模型。如果投这些公司，背后其实是在赌开源市场规模越来越大。 估值怎么给？都会看收入预测给倍数，但投资人都会拿OpenAI做比对：OpenAI是5000亿，那这家公司值OpenAI的百分之多少。**今天市场上最重要的公司标杆还是OpenAI，一级二级都是。** ## Robinhood：一手烂牌怎么打赢 32:31 Robinhood是今年标普500排名第一的个股，圈了很多粉。Freda先泼了一盆冷水：这个商业模式本质上很差，可以说是一手烂牌。证券交易本身有很强的周期性，不是好生意。很多人炒股的经验就是牛市一通操作猛如虎，熊市趴着不动。交易收入等于交易额乘以佣金率，交易额和市场活跃度正相关。 但有几个点是公司能控制的。 - **多元化**。不再只有交易收入，积极做银行、prediction market、财富管理、国际市场。现在有超过十一条业务线，超过一亿的收入，还会继续增加。 - **抢份额**。市场强周期性控制不了，但可以通过抢份额平滑周期。 - **定价权**。加密这块，三年之内佣金从十个点涨到六十个点。 - **成本端**。投资人最在乎利润增长，收入有波动，成本端配合得上就能忍。反例是2022年的Meta，收入下跌成本暴涨，现金流被砍了一半。Robinhood的运营成本从2022年开始零增长，一条水平线控制得非常好。 「这并非牛市买券商的逻辑」，Freda说投资很重要的一点是对自己诚实，知道自己赚的是什么钱，是beta还是alpha。把Coinbase的股价和比特币做回归，从2022年开始Coinbase相对比特币没有任何超额。如果判断加密牛市来了，不如直接买比特币。但把Robinhood做同样的回归，不管相对比特币还是纳斯达克，都有非常强的alpha，走出了不一样的路径。 增长性来自人口结构。美国一代人有一代人的账户：60岁以上的婴儿潮用嘉信理财，45岁这个年龄层用E*Trade，Robinhood用户平均年龄三十多岁，是美国新一代中年人和年轻人的账户。 模式可以想象成一个漏斗：只要钱能进来，就能通过一系列交易产生收入。最重要的是增加每个用户的平均资产。Robinhood上用户平均一万美元资产，嘉信理财是十五万以上。 **Robinhood用户今天平均三十四岁。在美国三十五岁是财富的重要分水岭，三十五到四十岁相比之前五年会有三倍的平均财富增长，这个增长在五十五岁达到高峰。**所以今天它就算什么都不做，也会有很自然的资产增长。交易账户只是起步，用户步入中年有积蓄，自然有理财需求，也有存储需求。嘉信理财超过60%的收入来自财富管理。 让钱滚动起来，Robinhood用的是互联网打法，增加用户活跃度。Freda自己同时有Robinhood和Coinbase两张信用卡，Coinbase有很多拉新活动和奖励机制，让她不停回到app，而嘉信理财最多一个月看一次。**她的判断是：Robinhood就是下一个嘉信理财。** 买入时点在今年初，买了多次。当时股价跌得非常狠，市场很差。Coinbase市值超过一千亿，Robinhood三百亿。Coinbase在跌份额掉价格，Robinhood执行能力很强到处抢份额。这个故事没有被市场看到，大家觉得两个都差不多，都是beta。她顶着压力买，想着今年可能又是熊市。 现在涨了接近三倍，不便宜了。但Freda认为它是最有机会成为一站式金融应用的公司。这家公司一直有一种为普通人平权的使命感，很多普通人第一次拿到IPO份额都是通过Robinhood。 她尤其看好VC基金这个方向。VC这样的另类资产在美国有超过十万亿规模，里面有很多耳熟能详的好公司，OpenAI、SpaceX，普通人完全接触不到买不到。如果Robinhood能搞出一个VC基金，里面有所有这些大公司的股份，收费类比ARK，收2%到3%，任何人都能认购，需求会是巨大的，做到上百亿也不奇怪。 欧洲市场的打法也很巧妙。欧洲有几十个小国家，每个都有自己的监管，一个一个拿牌照要一两年。Robinhood用代币化（tokenization）一下在整个欧洲铺开，交易费还便宜很多。 团队的评价是动作非常快，一年的产品产出量可能是别人五到十年的量，完全不夸张。创始人Vlad被Freda称为「坏小孩」：非常有冲劲，敢想敢干，和公众沟通很有张力，散户非常喜欢他。她和他接触比较多，他会很真诚地问哪些公司值得学习，尤其是规模比他大、做得比他久的公司，问哪些是别人做得比他好的。同时他又非常aggressive，只要是想拿下的市场和业务，会非常激进地去抢。 2022年Robinhood几乎把公司重做了一遍，彻底改变组织架构。之前非常中央化，改成single GM结构，每个业务单元有独立的架构，包括独立的PM、developer、CFO、HR。这种结构更有利于不同产品同时涌现出来。 说到散户，Freda的态度和很多基金经理不同。期权市场上超过80%到90%是散户在操作。在她的框架里，市场是一个很混沌的体系，每个人各玩各的，最终股价是合力的结果，所以了解这些重要的市场组成部分怎么运作非常重要。 很多股票最终能追回到一两个KOL，他们像一个部落，比如有人叫Robinhood Gang，有人叫Palantir Gang。她和很多KOL线下很熟，会了解散户喜欢什么类型的股票、交易体系是什么。 **她敢说，Robinhood和Palantir这两个票，散户的研究程度完爆机构。**在他们身上能看到非常纯粹的对投资的热爱。一个选股思路就是去找散户喜欢但机构也能喜欢的股票，这种股票动能强，也没有那么多零和博弈。零和博弈的典型是软件股，几乎没有散户，全是hedge fund，没有长期的钱，只有短线博弈，股价上下30%充满痛苦。 ## 新物种、自动驾驶和机器人 44:26 Freda负责颠覆性科技。她定义的颠覆性公司有几个共性：巨大的TAM，比如Robinhood要做整个金融行业的超级应用；产品要完美，最好的产品不需要销售，很长一段时间能保持极高增长率；天时地利人和，像宿命一样在某个时间点出现。智能手机带宽到一定程度诞生了短视频和TikTok，摩尔定律终结、GPU推动了AI，下沉市场的空白造就了拼多多。 今年她觉得最有意思的新物种是prediction market。因为本来在看Robinhood，最早发现这块量上得非常猛。Kalshi最新的交易额已经超过六百亿，季度环比超过100%，非常典型的新物种野蛮增长。上面可以用一两块钱押注一切事件：美国大选谁当总统，特斯拉财报会不会超预期，甚至有人预测Taylor Swift会不会怀孕。Bloomberg和Google Finance都已经接入它的数据。 这个行业的出现也充满天时地利人和。美国主流媒体信誉危机严重，时局动荡，民众很想知道什么是真相。而且世界上似乎总有人知道点什么，比如Gemini 3哪天能出来，Polymarket上最早有人下注，11月18号精准命中。预测市场在全美合法，而加州、德州很多地方连体育博彩都不允许。这届政府监管宽松，正好趁机把量做上去。**预测市场拿了一手王炸的好牌，就看之后能做多大。** 自动驾驶今年最大的惊喜是Waymo。执行能力和速度都超预期，现在在五个区域运营，马上有十几个城市可以上高速。开城速度明显加速：旧金山用了差不多五年，奥斯汀不到两年，硅谷半年就开出来了，成本大概几千万美金开一个新城市。今天有2500辆车在路上，年化收入算下来可能有小八个亿。 明后年上量会非常快。合作的现代汽车在美国佐治亚州有现成工厂，可以十万量级量产。今天Waymo和Uber价格差不多，等量产、BOM成本下来，对Uber这类业务会有挺大影响。Waymo在旧金山已经盈利，最大的成本是折旧。按整车17万、四年折旧，加上远程安全员运营和保险费用，算下来今天也是盈利的。 Waymo和所有人都是合作关系，包括Uber、租车公司、车队运营管理公司。但Freda会想，Waymo本质上需要的是人做清洁、维护、充电，需要现成地方停车。Uber并不是劳动密集型公司，运营这个生意最适合的是Avis这样的租车公司，或者专业的车队运营团队。Uber合适的地方在于轻资产，可以通过调价做车队调配，平衡峰值和低谷的需求。而Waymo在需求低谷时车队会闲置，影响利润。 Waymo和特斯拉，一个有硬件问题，一个有软件问题。**Waymo的硬件成本肯定会下来，但问题是能下来多少。**拆开看，车子和传感器分别七八万，车里的芯片两三万，怎么减也减不到特斯拉三万块的价格。所以Waymo长期的命运，很大程度要看特斯拉能不能成功。特斯拉没有硬件问题，可以随便量产，问题在软件：Elon十年前说纯视觉不用激光雷达，到今天在robotaxi上还没有真正证明自己。 美国自动驾驶目前就剩这两个玩家，收敛得非常快。市场非常大，美国人每年开车大概三万亿英里，假设每英里一块钱，就是三千亿的市场。相比Uber接近三块钱每英里的价格，一块钱对用户非常有吸引力。只要安全，这个市场不存在需求问题。Freda让GPT算过，美国前十大城市拿10%份额大概需要一两万台robotaxi，是个很小的数字，而Uber今天有超过三百万台。 自动驾驶大规模实现后，很多行业格局会变，交通，甚至房地产，因为大家会住得更分散。 今天自动驾驶用的还是模仿学习，大概十亿量级的小模型，因为要跑在端侧有延迟考量。模型看到stop sign，并没有真的理解stop是停车的意思，只是模仿人类看到这种标志会停下来，有点死记硬背，很多overfit。网上有视频，把停车标志穿在人身上，有的模型也会在人面前停下来。**Freda最近的思考是：垂类小模型和大模型路线会怎么演变，是不是需要真正通用的智能去理解驾驶规则，才能真正解决所有corner case。**图像、视频、编程这些垂类都发生过，通用模型就是比垂类小模型效果好。她好奇大模型公司会怎么做自动驾驶，延迟能不能解决。 机器人是非常火的赛道，很多VC在闭眼投。loco motion，也就是下半身基本解决了，能跑能跳能做基本动作。但manipulation，上半身的操作，还差得比较多。几年下来Freda也很发愁，路径上没有共识：硬件上人形还是四足，人形长什么样；数据上只用真实世界数据、只用模拟、还是混合用。往好了想，认知上有一些收敛：越来越多人觉得硬件软件要一体化做训练，而不是只做模型层；更多人同意住宅比工业更适合作为应用场景；更多人从第一性原理出发站队人形机器人，主要因为黄仁勋和Elon在带队。 但整体还是太早，处在刚刚从research走到engineering的阶段。机器人实在太缺数据，里面有很多噪音。这就像十年前的自动驾驶，当一个模型过于缺数据，喂任何数据都会觉得帮助很大，但并不能线性外推，进程会比大家想的慢。 作为投资人很难评估，机器人不像大语言模型有榜单可看，任务完成度都不高，没法定性判断。除了赛道真的很大，很难下手重注。乐观来看，希望两三年之内有机器人的GPT moment，定义是上半身的手能做通用的动作，叠衣服、收东西、放洗碗机，完成度可能都不高，但慢慢从这里开始。明年挺重要，有几家美国机器人公司会把产品卖到客户家里，包括1X。 她自己的预期打得比较低：市场一定要先解决自动驾驶，再解决机器人。自动驾驶好歹知道车是什么形态，机器人还没有确定形态，数据也差得太远。 中美对比，Freda见过也体验过几乎中美所有的自动驾驶和机器人公司。自动驾驶这块，中国会非常好，会有更多玩家参与，因为中国有数据。很多人不知道，美国这些油车的数据都没法采集，很多不联网，就算联网，车身最多一两个摄像头，采出来的数据也没法用。中国经历了电动车这一轮，技术都更新了，车身有很多摄像头，数据不缺。机器人的话，中国的硬件能力肯定是世界上最厉害的。 ## 一级靠共识，二级靠非共识 55:25 张小珺问，一二级的视角有什么差异，一个人能同时做好两边吗。Freda的回答很清晰。 **二级市场最好的投资都是非共识，VC是共识投资。** 二级追求高回报的反转，2022年的Meta、今年的Google都是例子。VC追求共识，因为每一轮都要烧很多钱，需要市场认可你的观点，一直和你一起支持你选中的公司，这个过程可能要花很多年。 说到底看的都是人、产品、市场三点。早期VC看人更多，之后越来越看市场。但经验来看，一个很优秀的创始人，哪怕转型几次，也很少真的搞砸。比如Elon做过各种有的没的，但从没亏过投资人一分钱，他今天出来融资就一张纸，写的是我融资过上百轮，没让一个投资人亏过钱。 看人的taste，各家基金很不一样，Freda挑了几家有意思的： - **Altos Ventures**，Roblox的大股东，喜欢刺猬型人才。刺猬一辈子都在挖洞，他们推崇巴菲特那种创始人，一辈子就做一件他人生中最有热情的事，不喜欢到处找热点、管自己叫连续创业者的人。 - **Ribbit Capital**，Freda非常喜欢，喜欢rebel反叛者，带着坏小孩、叛逆气质，想跟这个世界大干一场的创业者。这种人通常有爆发力，Robinhood就是他们典型喜欢的团队。 - **Harbinger Ventures**，喜欢她称为哪吒型的创始人，通常有很大的心理创伤，有点我命由我不由天，要证明给全世界看，觉得世界都错了。投的公司比如Profound，创始人都是死也不会卖公司套现的人。 整体来讲，基金看人差别不会太大，优秀的人其实挺明显的，都能看出来。 美国基金的投资策略有一个明显变化：集中仓位下重注。很多人说鸡蛋不能放一个篮子，要分散风险。Freda反驳：风险不会因为分散就变小，市场要跌都是一起跌，买几十个仓位就像自己给自己买了一个大盘。 她欣赏的投资人Drake Miller说，最好的投资就是把所有鸡蛋放到一个篮子里。这非常反直觉，但你敢都放进去，肯定是做了很多研究才敢下判断，风险反而比半懂不懂乱投要低很多。因为只有一个篮子，你会花全部精力认真看准它，和这个阶段一起成长。当然这是指追求超额收益，如果只是想要比银行好一点的收益率，直接买标普500就非常好。 **超额收益几乎只能靠重仓和集中仓位实现。**做久了会发现，世界上好公司真的不多，能把几十只最好的公司研究透、交易做好就足够了。 案例很多。Ribbit在2021年Robinhood出用户事件的时候，24小时之内放了五个亿进去，这笔翻了七倍不止。Coinbase有基金在十块钱的时候抄底，三十倍不止。2022年的Meta、2023年的英伟达、今年的Google，可以是逻辑反转，也可以是非常清晰的龙头，只要看准了、把量上够，都是超额收益。 Granite Asia这类基金很有意思，控制合伙人每周出去开会的数量，听说每个人不超过五个，在鼓励少做判断、敢于下重注。 但很多基金的规模和结构让它做不到。基金大了组织架构就不灵活，每个合伙人每年都要做项目，好项目根本没有那么多。Freda给了一组数据：跟踪超过两千只VC的回报，只有两百支能实现三倍以上回报，八十支能超过五倍。这八十支里面，最大的一支基金规模是五亿美金。 五倍的净回报，VC是十年投资期，大概对应16%到17%的IRR。三倍回报，就是将将10%。再算一个具体的例子：一个两百亿美元的基金，想给LP五倍净回报，需要返还超过一千亿美金。假设退出时有10%的持股，这已经很慷慨，通常不到10%，那就意味着需要一万亿美金的总退出规模。这相当于过去五六年全美国IPO市值的总和，根本不可能做到。 **VC基金想做好是没有办法上量的，反而小而美。**二级的容量是无限的，所以很多时候看到一个赛道或机会，用二级市场去表达容易得多，钱也不会被锁定十年。像2023年买英伟达，那时候判断几十个大模型公司哪个能成功太难了，但重仓英伟达就能实现非常超额的收益。算上股权稀释，英伟达的回报是这里面最高的。 一二级同时做成为一个趋势了吗？Freda说有几家一级二级都有基金，但真的把两边结合得非常紧密、同一个投资团队去看的几乎没有，一般是两个团队，几乎像两个基金。Altimeter是一个团队同时cover，因为老板把人员控制得非常少，整个基金不到三十人，希望大家有两边的视角。代价是时间分配要自己做决定，也比较辛苦，好处是两边有很多synergy。 ## 2025年最火的方向，AI的钱从哪来，我们在泡沫里吗 1:03:43 硅谷今年最火的是编程。Altimeter内部有个公开的秘密：**如果一个领域一年之内能创造出十个亿的年化收入，不管你之前理解不理解，现在都必须投进去，因为市场在告诉你这里面要产生世界级的公司。**编程这个领域一年之内创造了超过五十亿的年化收入。今天有四家年化收入超过六亿，Claude Code和OpenAI的Codex发布之后直线拉升，后来居上，斜率非常陡峭。竞争才刚刚开始，谷歌和Windsurf把编程免费了，这对Cursor意味着什么，格局现在比较难看清楚。 垂直领域里金融、法律、医疗都很火。企业软件有个变化：上一轮软件的发展都是从通用平台层开始做，再去做垂类。现在创业感觉只有垂类这一种机会，因为通用层被大模型吃掉了。而编程是模型公司最适合亲自做的垂类，因为它不需要特意采集具体领域知识，go to market也非常自然，不需要雇销售团队。金融、法律都很不一样。 视频Freda非常看好。美国媒体行业是超过八千亿的市场。她判断视频会是AI和人类交流的重要载体，因为视频是对大脑带宽最高的输入形式。更重要的是行业逻辑变了：TikTok做的是匹配，让创作者产出视频，再匹配给用户，优化的是匹配函数。现在视频第一次成了可以直接被优化的对象，可以随便设定目标函数再强力优化，比如直接拿用户参与度优化视频，或者拿广告点击率优化。**她判断这里面会出来百亿的大公司。** Agent commerce是OpenAI接下来要做的方向。agent替人买东西，描述想买一个面膜，agent一通推荐，选出最适合肤质的，然后帮你付钱。这对大部分商家会是噩梦，因为商家都希望用户直接来自己网站，才能多卖一些东西，而且流量本身很贵。比如Booking.com，交易额的一半是谷歌引流过来的，很多人不知道这部分其实是零利润，完全赚不到钱，因为谷歌广告费太贵，长期agent也一定会收费。 亚马逊每年广告收入接近一千亿，都是用户直接来网站买东西才有机会卖广告，这里会有很大变数。想来想去，唯一受益的是长尾商家，之前花不起广告费拿不到流量，现在agent翻阅几十页搜索结果，找出最适合的一款小众面膜，这些商家通常在Shopify上开店。 支付也会变。今天很多人用PayPal快捷支付，因为它就是钱包，存了信用卡信息，不用自己输入，因为提供了便捷所以收溢价。到了agent时代，agent自己不怕麻烦，GPT就是电子钱包，有你的一切信息，还需不需要这个中间商，是个挺严肃的问题。**Agent commerce如果真的做起来，会改变整个互联网的格局。** 软件公司和AI公司的区别，Freda的比喻是鸡胸肉：味道非常一致，基本上可以闭上眼睛流水线处理。毛利率一模一样，80%，净留存率都超过120%。所以很多投资人不想碰AI投资，觉得毛利率太低。但AI应用公司的毛利率是反直觉的，越有人用，毛利率反而越低。她认为估值应该看利润的绝对金额，因为AI的合同金额通常更大，每位用户的毛利可以做到传统软件公司的好几倍。就像AWS刚出来时毛利率50%到60%，很多人不看好，觉得没有软件赚钱，但后来这个市场比所有软件都要大。 然后是最关键的问题：这些AI公司的巨额收入从谁的口袋里来。 Freda定义了一个概念叫「电子收入」，或者叫电子税，美国一共大概四千亿。其中线上广告约两千六百亿，电子商务佣金约一千亿，人花钱的订阅收入包括Netflix、YouTube加起来约五百亿。 **如果只抢互联网存量，这个数目其实没有那么大，一共四千亿。**OpenAI如果真做到媒体说的两千亿营收，那就是谷歌、Meta、亚马逊都要给它让份额。如果花了这么多钱只烧出一个小谷歌，意义确实不会那么大。 广告收入会不会因为AI增加？Freda不同意。美国广告收入过去二十年增长很稳定，年化5%到6%，广告总额没有理由增加。美国公司平均花3%的收入在广告上，AI来了也没有理由花超过3%，不减少就不错了。线上广告渗透率已经超过80%，也没有很大上升空间。 真正的空间在另一个池子。美国GDP是三十万亿规模，劳动力成本有十五万亿。光是客服就是三千亿的市场，从这里撕出一个口子，很容易有几千亿的收入体量。麦肯锡和BCG的逻辑是，AI哪怕提升10%的全球生产力，就能产生超过十万亿美元的GDP增长，所以每年投三四万亿美元建设算力也算合理。 Freda的思路是：最开始，尤其模型能力还没太上来的时候，最容易吃的还是电子收入，OpenAI肯定会去抢，广告竞争格局肯定会恶化。但给一点时间，模型能力上来，真正的agent或者AI for science涌现，就能创造新价值，也能吃进十五万亿劳动力的市场，这个账就算过来了。 那提高劳动力水平导致裁员，谁来消费？Freda举了个例子：今天一百个人产出一百个商品，用了AI之后八十个人产出一百一十个，商品还更便宜更好用，real GDP有10%的增长，剩下八十个人的收入会大幅提升，公司利润也会大幅提升，是一个积极的消费循环。被裁掉的二十个人确实一段时间内会比较惨。她提到加州议员已经开始在收「AI税」或者叫裁员税，去帮助受影响的人，并不是危言耸听。回看历史上每一轮生产力提高，都伴随裁员潮，然后社会花一段时间吸收变化，重新就业，财富重新分配。 AI的投入产出比怎么算？Freda说算不清楚，因为AI既能产生收入也能节省成本。但可以过一下大数，看未来十二到十八个月比较清晰的AI收入： - OpenAI能看到三百亿。 - Anthropic大概一半，一百五十亿。 - 两个接近二十亿收入的垂类：编程和视频生成。 - 几个五亿量级的垂类：音频、客服、法律、医疗。 - 还有些上市公司的AI收入。 加起来大概能看到七百亿的AI收入。**最重要的结论是：能跟踪出来的AI收入大头只有OpenAI和Anthropic，剩下所有创业公司加起来也就几十亿最多的规模。** 至于泡沫，Freda认为空谈是不是泡沫太主观，但可以分两个层面看。 **第一个层面：我们今天在不在泡沫里。她的答案肯定是「不是」。**这一轮AI应用的铺开速度很快，GPT出现不到三年，用户普及程度已经相当于互联网发展十年的成果，已经有了几百亿的AI收入。大公司投入AI之后，每个季度的ROIC也都在提升。 **第二个层面：AI之后会不会成为一个泡沫。**两点最重要。一是模型是不是一直在进步，这个她比较乐观，Gemini 3出来证明了pretraining还在继续scale，没有撞墙，明年二季度Blackwell训练出来的模型也很值得期待。二是看AI收入是不是有增加，回到刚才的大数，最大的收入就在OpenAI和Anthropic。 市场在过去两个季度有一个明显变化：对公司的要求从有AI投入，转向实打实有AI收入。 **谷歌**是今天共识的龙头，模型是SOTA，站位最好，近期逻辑最顺。但Freda明年会很关注广告竞争，一个是OpenAI广告上量，一个是被大家快遗忘的TikTok。TikTok在美国的用户数和时长比Instagram高很多，但收入只有Instagram的不到三分之一。明后年整体广告竞争会加剧，这也是好事，会倒逼模型公司包括谷歌去寻找新的AI变现方式。 **Meta和特斯拉**的股价逻辑很像，基本面都没有很好，影响股价最重要的是AI进程。Meta就看什么时候模型能到第一梯队，明年不容易，因为现金流肯定是跌的。Meta上市十五年，每年股价都上涨，只有两年下跌，而那两年现金流都是负增长。 特斯拉只有一件事重要：能不能把安全员从车里彻底拿出来，其他一切都不太重要。再加一条，对xAI的投资会以什么形式，会造成多大股权稀释。 美国的云厂商明年增速都会很好，谷歌GCP的季度增长可能超过50%。但Freda不太喜欢云的竞争格局变化。今天三朵云能做到30%、40%、50%的利润率，是很高的。现在格局彻底改变了：Vercel这样的新玩家拿项目只要求10%利润率，neocloud像CoreWeave层出不穷，还有几家模型公司亲自下场做云，一下从三朵云扩张到十朵云。市场变大了，但对利润率肯定有影响。 云有两个基本问题。GPU租赁本质上同质化太高，长期每一家都必须做自研芯片。客户集中度太高，Azure增量70%来自OpenAI。微软CEO直接承认，利润不会来自出租GPU，而是来自数据库、存储、安全这些附加项目。 英伟达和芯片，Freda会关注自研芯片到底能不能deliver，尤其谷歌TPU现在也外卖了。在一个很缺电的世界，GPU和自研芯片的价格差显得没有那么重要。还要看明年二季度Blackwell训练出来的模型效果。 苹果这个票很迷，没有AI，股价表现都很好。公司文化也不一样，其他公司都要不断试错，只有苹果要等产品绝对完美了才发出来，非常用户导向、产品导向。明年应该能看到Tim Cook卸任、新CEO上台，最近在硅谷竟然能看到Tim Cook出来买咖啡吃饭，整个人非常松弛。 大方向上，Freda判断明年经济分化会非常明显，是典型的对冲基金市场，有做多做空两边的机会。简单说就是做多AI受益，做空AI受损。受损的可能是IT外包、内容制作，受益的除了半导体、能源、云，**超额收益会来自AI应用，而目前很多AI应用都在传统行业里。** 今年三季度是很多标普500公司第一次给出具体的AI提效数据，而且明显体现在财务上，速度非常快。云那一拨，标普500公司大概花了五年才开始慢慢迁移。 - **沃尔玛**用一年时间做供应链需求预测，缺货率降低30%，每年卡车行驶里程减少三千万英里，直接看到利润改善。 - **金融行业**已经能大幅提升贷款额度和审批率，处理时间缩短超过80%，违约率降低一半，有银行披露净利润通过AI提升15%。 - **C.H. Robinson**，全球最大的物流公司之一，今天有一半的预定是AI负责的，过去两年生产率提升35%。 挖掘这些传统行业龙头、找AI直接受益的标的，会是明年很有意思的方向。 普通人能关注的抓手，Freda给了一个很直接的说法：**今天的美股市场就是AI市场。**今年上半年美国GDP增量有90%来自AI投资，整个大盘都是AI在撑着。市场的风向标已经慢慢不再是英伟达，因为市场最关注的是AI收入，而不是担心AI投入。今天规模最大、最可量化的是OpenAI的收入，整个市场都锚定在这一个公司上。能关注的是它的用户增速、收入增长，以及美国政府会不会以某种形式参与到它的基建项目里。 宏观上，美国消费整体很健康，财政赤字下来了很多，明年一季度还有刺激举措，包括退税、小费免税。美国底层民众明年的状况可能比今年好一些，消费能力也会好一些。但最重要的一点是：明年是美国中期选举年，这届政府非常重视股市表现，知道这个也就足够了。 把整期听下来，Freda给的判断可以收成几条能带走的：模型公司的账要按「加2减10」的框架去看，现金流翻正只可能来自收入加速或者停止烧更大的模型，中间没有第三条路；OpenAI的真实股价涨幅远小于估值涨幅，股权稀释这件事在讨论回报时经常被忽略；AI收入的可跟踪大头目前只有两家公司，剩下所有创业公司加起来几十亿，判断泡沫应该盯这两个数字而不是情绪；明年是中期选举年加上AI提效第一次落到财报，做多受益、做空受损的分化会比普涨更明显。 她反复强调的一件事，可能比任何结论都实用：对自己诚实，知道自己赚的是beta还是alpha。判断对了方向却买错了标的，在AI这轮里已经发生过很多次。