#579.普通人如何看懂 AI 投资机会，泡沫争议下的科技周期突围

#579.普通人如何看懂 AI 投资机会，泡沫争议下的科技周期突围 - 跨国串门儿计划 | 小宇宙 - 听播客，上小宇宙

📝 本期播客简介

本期我们克隆了：投资播客《Invest Like The Best》 Why the AI Boom Is Just Getting Started

原内容更新时间：2026-06-09

本期节目中，主持人 Patrick O'Shaughnessy 对谈 Whale Rock Capital 创始人 Alex Sacerdote，围绕一个极具争议的问题展开：AI 热潮到底是已经过热，还是才刚刚开始？

Alex 长期专注科技成长股投资，他用一套非常清晰的框架理解过去二十多年的科技周期：先找到技术采用的 S 曲线，再判断谁拥有真正的竞争优势，最后寻找市场尚未充分理解的盈利能力。在他看来，AI 是他职业生涯中见过的最大 S 曲线，甚至可能不再是传统的 S 曲线，而是一条近乎直线上升的“L 曲线”。

这期节目从 Anthropic 这笔高确信度投资切入，讨论基础模型为什么可能形成寡头格局，Claude Code 为什么让编程市场突然爆发，企业 AI 为什么渗透率还不到 1%。随后，Alex 系统讲解了他如何用 S 曲线投资 Apple、Amazon、Tesla、Nvidia，也解释了为什么传统软件公司可能面临预算挤压、席位收费压力和 AI 原生公司的挑战。

更重要的是，他并没有只停留在“AI 很大”的宏大叙事，而是深入拆解了芯片、内存、PCB、光纤、电源、液冷服务器、数据中心网络等基础设施环节，解释为什么 AI 正在让原本商品化的硬件行业重新拥有技术壁垒和定价能力。

如果你关心 AI 投资、科技周期、芯片产业、软件公司命运，或者想理解专业成长股投资人如何研究复杂新趋势，这期节目会是一堂非常完整的 AI 投资框架课。

👨‍⚕️ 本期嘉宾

Alex Sacerdote，Whale Rock Capital 创始人兼投资组合经理。Whale Rock 是一家专注科技、媒体和电信领域的投资机构，长期研究科技成长股、私营科技公司与全球大型科技平台。Alex 曾在 Fidelity 工作，长期用技术采用周期、竞争优势和长期盈利能力来寻找科技投资机会，代表性研究领域包括 Apple、Amazon、Tesla、Nvidia、Stripe、Anthropic、OpenAI 等。

⏱️ 时间戳

00:00 开场 & 播客简介

AI 热潮为什么可能才刚开始

01:35 Anthropic：为什么它是 Alex 最高确信度的投资

02:38 新计算范式：AI 技术栈从电力、芯片到模型和应用

03:52 基础模型层：从 60 家竞争者走向三强寡头格局

05:56 编程爆发：Claude Code 如何成为企业 AI 的第一块大市场

07:00 编程市场测算：两千万程序员背后的五千亿美元机会

08:03 从辅助写代码到 Agentic 编程：AI 编程能力的拐点

09:00 模型不是大宗商品：Anthropic、Google、OpenAI 的差异化

09:52 API 周围的产品生态：为什么 Anthropic 像早期 AWS

10:40 企业 AI 渗透率：真正使用 AI 的知识工作者可能只有十个基点

12:13 L 曲线：为什么企业 AI 可能直线式上升

12:44 算力短缺：大规模采用到来前，全球算力已经不够

公开市场投资人如何进入私营公司

13:08 从公开市场到私募投资：如何拿到 Anthropic 仓位

14:07 尽调 Anthropic：管理团队、代码质量和商业计划兑现

14:52 90 页研究报告：用 Claude Code 反向研究 Claude Code

15:12 独角兽市场：为什么私营科技公司已经无法忽视

16:10 Stripe 案例：为什么研究 Adyen 必须研究 Stripe

17:05 疫情期间买入 Stripe：如何用有限信息推算私营公司价值

18:04 私募投资人的优势：愿意长期持有，并陪伴公司上市之后

S 曲线投资框架

18:36 三件事：S 曲线、竞争优势、被低估的盈利能力

19:26 指数增长的误判：为什么市场太关注下个季度

20:47 技术采用：从早期存在到真正引爆通常需要很久

21:35 iPhone 案例：当所有采用障碍被移除，需求会像火箭一样上升

22:01 Tesla 案例：价格、续航和供应链如何触发电动车拐点

22:41 S 曲线有多高：为什么 TAM 决定你能持有多久

23:32 AWS 案例：隐藏在 Amazon 里的巨大企业 IT S 曲线

24:02 AI 是最大的 S 曲线：互联网、移动、云、电商之后的新周期

24:50 什么时候卖：渗透率到 30% 到 40% 后，指数增长通常减弱

25:14 Apple 的教训：错过后续复利增长，但最大年份在 0 到 50% 渗透率

25:57 什么时候买：战略拐点靠直觉、零散证据和模式识别

26:43 移动游戏信号：一个中国小孩玩手机游戏带来的投资洞察

27:25 企业软件信号：Gartner 会场里站满人的房间

28:01 错过早期也没关系：真正大的 S 曲线会持续很久

28:21 S 曲线斜率：收音机和洗碗机代表两种技术采用速度

29:15 B2B 像洗碗机：需要接入系统，所以采用更慢

30:08 AI 的特殊性：浏览器一打开就能用，因此采用可能更快

护城河、赢家与基础模型格局

30:47 先找 S 曲线，再找真正有竞争优势的公司

31:40 数字世界的护城河：网络效应、行业标准、规模与平台

32:33 关键知识产权：从 Qualcomm、ASML 到基础模型公司

33:22 品牌与获客成本：为什么强品牌本身就是商业模式

33:50 Amazon 和 AWS：战争开始前就已经赢了

34:20 没有护城河也会输：RIM、Palm、Nokia 的反面案例

35:15 AI 的复杂性：高风险，但潜在市场高达三到五万亿美元

35:43 Anthropic 的护城河：企业品牌、关键 IP 和融资能力

36:24 递归式改进：编程领先如何反哺模型能力

37:03 企业市场与消费者市场：谁能更快变现

37:52 领先者复利：互联网公司里“领先者更大更快”的规律

38:21 范式转移风险：AOL 和 Netscape 的历史提醒

AI 对软件公司的冲击

38:43 传统企业软件面临什么：AI 能否重做 ERP 和 CRM

39:40 从看多软件到卖出软件：为什么 Alex 改变判断

40:15 AI 产品无力变现：现有软件公司早期 AI 产品的问题

40:39 软件像马车，AI 像传送器：技术代差带来的颠覆风险

40:45 CIO 预算迁移：钱可能流向 Anthropic token，而不是传统软件

41:18 四重压力：预算、涨价、席位收费和招聘冻结

41:49 销售动作变化：AI 需要前线部署工程师，而不是卖固定系统

42:08 客户自建风险：AI 原生公司可能挑战每一个软件巨头

43:15 新版四十法则：AI 收入占比 + 品类市场份额

44:20 软件公司的 AI 占比太低：离真正改变增长轨迹还很远

44:33 反转可能性：AI 也可能让 Slack 等平台更重要

45:22 无界面软件：Agent 直接进入数据层，软件公司可能被降级成数据库

45:56 CRM 的两种命运：失去界面，或成为 Agent 的工作场所

芯片、硬件与 AI 基础设施

46:13 数据中心四十年：从 X86 到云，硬件长期商品化

47:04 AI 工作负载：每年十倍增长，把硬件推到物理极限

47:31 硬件行业去商品化：AI 带来的芯片复兴

48:15 高带宽内存：从商品内存变成关键技术部件

48:45 Celestica 案例：从合同制造商到 Google TPU 服务器关键供应商

49:35 AI 服务器：一台 20 到 30 万美元，变成关键基础设施

50:12 网络升级：以太网从七年一换变成每年升级

50:40 AI 网络份额：Celestica 在云端以太网交换机的优势

51:00 PCB 和材料：AI 服务器需要 40 层电路板

51:45 从低增长到高增长：供应链公司如何获得收入和利润率双提升

52:04 Corning 光纤：一个数据中心的光纤可绕地球四圈半

52:30 Scale out、scale across、scale up：AI 数据中心三种连接需求

53:10 机架内部连接：从铜缆走向光纤的潜在机会

53:20 电源升级：Nvidia 每代芯片让用电量大幅增加

53:58 供应短缺：DRAM、NAND、PCB 已经出现 30% 左右缺口

市场为什么会错过，以及 AI 风险在哪里

54:20 变化率比绝对值更重要：AI 占比从 10% 到 30% 的加速效应

54:48 为什么别人没看对：这套框架看似简单，但执行很难

55:30 股价涨了也难买：没有全局视角就会被泡沫叙事吓退

56:02 半导体分析师为何错过：只看芯片，没看懂基础模型层

56:39 最大担忧之一：公众和政府对 AI 的负面情绪

57:03 监管风险：数据中心禁令与 AI 悲观情绪

57:20 模型进步放缓：如果前沿模型撞墙，开源可能追上

57:55 对芯片公司反而未必坏：谁赢不重要，只要有人跑模型

58:20 大玩家掉队风险：如果部分模型公司退出，算力需求可能受影响

AI 应用层为什么还没完全清晰

58:48 为什么不是优先投应用层：应用通常会晚一点成熟

59:20 基础模型和应用边界：应用能否挡住模型公司的进攻

59:48 企业软件应用还未真正爆发：生态仍然不清楚

01:00:18 Sierra 案例：Brett Taylor 的 AI 客服应用公司

01:00:45 应用层需要时间：真正成熟可能发生在最初三四年之后

AI 时代的研究方法

01:00:50 Whale Rock 的研究奖项墙：什么样的研究能脱颖而出

01:01:42 AI 是否改变研究：能提升效率，但还不能取代分析师

01:02:05 Scuttlebutt 方法：走出去见公司、客户、供应商和竞争对手

01:02:46 AI 能快速学习复杂领域，但不能替你判断未来

01:03:11 分析师的新价值：不只是记录事实，而是给出洞察

01:03:36 AppLovin 案例：真正的研究来自长期跟踪、行业会议和关系网络

01:04:26 投资人朋友圈：菲利普·费舍式的想法交换

01:04:57 三脚架信心：自己、分析师、尊重的外部投资人同时看好

Whale Rock 的产品与研究机器

01:05:18 从多空基金到只做多基金：产品体系如何演化

01:06:00 私募敞口：为 LP 提供不同参与方式

01:06:26 Mega Cap Tech Fund：为什么大型科技股存在结构性低配

01:07:10 捐赠基金困境：为什么很多机构错过最大科技公司

01:08:27 大盘科技股也有 Alpha：Google 是赢家这件事需要更多人意识到

01:09:20 全球市值前三十：从最大公司里挑出最好的十二三家

01:10:08 Whale Rock Learning Machine：研究机器才是公司的核心资产

01:10:44 知识复利：每年两千五百到三千场管理层会议

01:11:03 同一套研究引擎：同时支撑公开市场和私募投资

人生影响与结尾

01:11:14 最善良的一件事：父亲加入 Whale Rock 帮他创业

01:12:00 父子共事六年：父亲负责监督、募资和支持

01:12:31 一位真正的绅士：父亲作为导师影响了许多人

01:13:00 谦逊、智慧与温暖：Alex 对父亲的回忆

01:13:32 结尾致谢

🌟 精彩内容

💡 AI 不是 S 曲线，可能是 L 曲线

Alex 认为，AI 的真正企业级采用还处在极早期。虽然现在已经有大量用户体验过 AI，但真正把 AI 接入工作流、构建技能、让 Agent 执行任务的人，可能只占全球知识工作者的十个基点左右。企业 AI 或企业应用 AI 的渗透率还不到 1%，但算力已经不够，这意味着大规模采用还没来，基础设施已经被需求压满。

“企业 AI，或者说企业应用 AI 市场，渗透率还不到百分之一。我们以前总讲 S 曲线，但这一次我们叫它 L 曲线，就是一路直着往上。”

🚀 Anthropic 与编程市场的爆发

Alex 解释了为什么 Anthropic 成为他的最高确信度投资。关键不只是 Claude 模型本身，而是 Claude Code 让编程进入接近 Agentic 的阶段。过去 AI 可能只是帮程序员写一小段代码、找一个 bug，而现在越来越多开发者可以用自然语言指挥 AI 完成大量编程工作。Alex 甚至估算，全球约两千万程序员，如果高强度使用 AI 编程工具，单这一块就可能是一个五千亿美元市场。

“Karpathy 去年说，编程工具大概能写百分之二十，剩下百分之八十还是要手写。最新模型出来以后，这个比例反过来了。”

📈 S 曲线：科技投资的核心地图

Alex 的投资框架可以概括为三件事：S 曲线、竞争优势、被低估的盈利能力。当技术采用进入正确位置，销量会指数级增长；如果商业模式足够好，利润也会指数级增长。但市场通常只看下一个季度，很难相信两三年后的盈利会发生巨大变化。因此，理解 S 曲线的人，可能以极低的真实长期市盈率买到最好的公司。

“这个世界不会按指数级去思考。大家太关注下一年，或者下一个季度。”

🏰 没有护城河，踩中大趋势也会输

Alex 强调，S 曲线只是第一步，真正重要的是找到其中拥有竞争优势的赢家。智能手机是巨大的 S 曲线，但 RIM、Palm、Nokia、HTC、LG、Motorola 都没有成为最终赢家。科技公司也可以拥有非常强的护城河，包括网络效应、行业标准、规模优势、平台地位、关键知识产权和品牌。

“如果你没有竞争优势，哪怕你处在史上最好的 S 曲线里，也可能会输。”

🧨 AI 对软件公司的冲击

Alex 曾经大量持有软件公司，但在 AI 周期里，他几乎卖掉了大部分应用软件。他认为，传统软件公司面临几重压力：AI 产品暂时没能真正收费，CIO 预算转向基础模型和 token，按席位收费可能受招聘冻结影响，AI 原生公司也可能重做很多企业软件。传统软件不会立刻消失，但它们的增长逻辑已经被挑战。

“旧的软件方式，就像用笔和纸，或者像马车。新的软件方式，像喷气发动机，甚至像《星际迷航》里的传送器。”

🔌 AI 让硬件行业重新拥有壁垒

过去几十年，数据中心硬件高度商品化。但 AI 工作负载每年十倍增长，把芯片、内存、网络、PCB、电源、液冷、光纤等每个环节都推到物理极限。结果是，原本低增长、低利润率的供应链公司，突然变成必须提前多年和云厂商、芯片公司共同设计路线图的关键基础设施。

“我们把这叫作硬件行业的去商品化。”

🧠 AI 不能替代真正的投资判断

在研究方法上，Alex 认为 AI 可以帮助写纪要、快速学习复杂领域、整理季度业绩，但还不能替代分析师的核心工作。真正的投资研究仍然需要见公司、见客户、见供应商、见竞争对手，建立关系，理解管理层，判断未来会怎样变化。AI 可以成为很好的记者，但还不能成为真正的投资判断者。

“不要只是当一个记者。AI 可以是很好的记者，但它还不能真正判断未来。”

❤️ 父亲给予的创业支持

节目最后，Alex 回忆了父亲对他的帮助。父亲曾在 Goldman Sachs 工作四十一年，本可以退休，却选择加入刚成立的 Whale Rock，帮助他募资、监督和搭建公司。两人共事六年，从未提高过嗓门。Alex 说，如果自己能成为父亲一半那样的人，就已经彻底赢了。

“如果我能成为他一半那样的人，我就已经彻底赢了。”

🌐 播客信息补充

本播客采用原有人声声线进行播客音频制作，也可能会有一些地方听起来怪怪的

使用 AI 进行翻译，因此可能会有一些地方不通顺；

如果有后续想要听中文版的其他外文播客，也欢迎联系微信：iEvenight