ChatGPT 人工智能 GPT4 伦理 生成式 医疗 监管 安全 机器学习 深度学习 神经网络 计算机视觉 强化学习 模型 算法 应用 开发 研究 工具 平台 框架 数据集 训练 部署 安全 合规 培训 投资 LLM,llm AI,ai,Ai 大模型 大语言模型 制图 生图 绘图 文生图 文生视频 生成式AI AGI 世界模型 sora chatGPT,chatgpt,ChatGpt claude openai Llama deepseek midjourney 红熊猫模型 Red panda,panda Stable Diffusion,StableDiffusion,stable DALL- E 3 DALL E DALL Flux,flux 扩散模型 混元大模型 文心一言 通义千问 可灵 Pika PixelDance 豆包 月之暗面 零一万物 阶跃星辰 搜索增强 MiniMax Talkie Agent prompt fastai LangChain TTS 微调 提示词 知识库 智能体
# 热门搜索 #
搜索
红杉美国合伙人 David Cahn:AI 的核心三要素——Servers, Steel and Power
5526点击    2024-08-10 17:38

Harry Stebbings


如果我们今天要谈论科技或风险投资,那么接下来的话题只会让我们想到 AI.


我认为你今年写的两篇文章,可能是 AI 领域最具影响力的。我想从其中一篇文章 The Game Theory of AI CapEx 开始聊起,正如这篇文章开头所说的,AI 会改变世界吗?资本支出水平是否过高?你说这两个是不同的问题。可以解释一下为什么吗?


译者注:这篇文章的链接 https://www.sequoiacap.com/article/ai-optimism-vs-ai-arms-race/

其中在文章的开头,作者提出了 "Will AI change the world” and “Are CapEx levels too high” are different questions." 的论调。



David Cahn


是的,让我也先简单讲下我的背景。我投资 AI 已经有大约六年了。我从 2019 年开始担任 Weights and Biases 董事会成员,在任何 AI 生成视频技术都还没出现之前,就主导了 RunwayML 的 Stable Diffusion 早期投资,并领导了 Hugging Face 的 C 轮融资。所以,我接触人工智能已经有一段时间了。我对人工智能非常热爱。我认为我的核心信念之一,或者说驱使我投资 AI 的最强大的核心信念,是我相信,当我 80 岁时,我的生活会因为 AI 而完全不同,AI 将完全颠覆我们的社会。


我觉得,作为一名投资者,我在未来的很多年里都要思考,究竟要投资哪些公司才能实现这一目标。硅谷的很多人也都在谈论这个。与此同时,我们正在投资数千亿美元。这个数字很大,不过很多人都很难理解这个数字。整个 SaaS 经济是一个 2500 亿美元的市场,所以我们谈论的是非常大的投资额。


译者注:“整个 SaaS 经济是一个 2500 亿美元的市场”,这一数据的可能来源——https://redline.digital/saas-industry-statistics/


去年,人工智能领域出现了很多支持者或推动者。我们基本上认为,无论这个数字有多高都没关系。不要担心, AI 将改变世界,这个数字可以接受。我其实并不真正不同意他们的观点,这就是我写下 AI’s $600B Question 的原因。


具体回答你的问题,相信人工智能和相信未来两年无限的投资,这是两个非常不同的概念。你可以相信 AI,但也要相信未来 24 个月的投资可能很难得到回报。


Harry Stebbings


我完全同意你的看法。事实上,前几天我刚刚与一家大公司的某人聊天,他有权获得所有预算。他说:“你不明白。这就像曼哈顿计划。当你陷入其中,你就无法退出。”


David Cahn


是的,我们现在刚好是在“扎克伯格谈论到现在很多公司都在过度建设”的 48 小时后进行谈话。


译者注:录制该播客时间约为 7 月底,扎克伯格刚公开谈论到:“我认为现在许多公司可能在过度建设,回头来看,你可能会想,‘哦,我们可能都比必要多花费了数十亿美元。另一方面,我认为所有投资的公司都在做出理性的决定,因为落后带来的风险是,你将错失未来 10 到 15 年最重要的技术。”


https://www.latimes.com/business/story/2024-07-23/zuckerberg-aims-to-rival-open-ai-google-with-new-llama-ai-model


Sundar 也谈到了这一点。


Sundar Pichai,谷歌的 CEO,于 7 月底也表示“When we go through a curve like this, the risk of under-investing is dramatically greater than the risk of over-investing for us here.”


对我们来说,投资不足的风险远远大于过度投资的风险。”


某种程度上说,我认为扎克伯格、Sundar 和我基本上相信同一件事。有许多 AI 推动者会认为,资本支出无关紧要,预算也无关紧要。但本周从 Sundar 和扎克伯格那里听到的是,他们明白这是有风险的。现在这是值得冒险的,他们必须承担它,我们可以谈论这背后的博弈,以及为什么他们冒这个风险是有意义的。即使是扎克伯格也不会坐在这里说:”这是无风险的,AGI 即将到来,别担心。”他说的是,“如果 AGI 来了,这将是一项伟大的投资。如果它没有到来,这可能是一项艰巨的投资,这是我们必须承担的风险。”


Harry Stebbings


我可以问你一个问题吗?你提到了 Sundar 和扎克伯格的看法,那么之后会发生什么?会导致资本支出减少吗?如今大家是有意识地在过度投资吗?


David Cahn


我认为它没有太大变化。我认为实际上是那些加密货币持有者,在过去 12 个月里进入了 AI,并大力鼓吹 AI,这些人一直在说高昂的资本支出是合理的。我不认为任何大型科技公司能坦言,“我们确切地知道我们将如何偿还这笔资本支出”。不过没关系,他们正在进行战略计算,“如果我们不进行融资,我们的竞争对手就会领先。”


我认为大家没有注意到的一件事,也许刚刚才注意到,我们所面对的这个商业巨头集团,堪称商业史上前所未有的寡头垄断。Microsoft、Azure 和 Google 现在的市值为 7 万亿美元。这相当于全球市值的 10%,所以我们谈论的是商业史上最的寡头之一。当然,他们会积极的投资来保护他们的寡头地位。错误的结论是,“谷歌知道一些我们不知道的事情,从而正在进行某项投资”。因此,在未来两年内,数千亿美元的人工智能收入是有保证的。这是大家可能正在做出的推断,不过我保持质疑。我认为,人们将逐渐认识到,这些投资正在进行,但它们具有投机性质,且未来还有很多变数。


Harry Stebbings


你是否认为,现有企业用巨额资金进行投机性投资,是一件好事情?如果这些投资成功,我们将拥有令人惊叹的产品,消费者也将从中获得巨大的价值。如果失败了,那也没关系,因为我们没有为此买单,是那些拥有庞大现金储备的现有企业承担了成本。你能否持有这种观点?是否存在与之对立的观点?


David Cahn


我持有这种观点。我的意思是,这是我在九个月前首次提出 AI’s $200B Question 时所持的观点,我说这对初创公司是个好消息。后来我发表了一个 AI’s $600B Question。我说,这对初创公司也是个好消息。


所以,我一直在坚持的一个论调是,这对初创公司是极好的。这些大型科技公司是算力的生产者,而初创公司是算力的消费者。因此,如果你相信算力会过剩,并且算力的价格会下降,那么初创公司就会受益,因为他们正在购买这些算力。算力成本的降低直接转化为初创公司的更高的利润,初创公司的更高利润转化为公司价值的提升。所以,我对这种情况感到非常高兴,我认为这对经济是极好的,我认为这对科技的生态系统也是极好的,但我认为我们确实需要对它的本质保持清醒的认识。


Harry Stebbings


是否存在一种相反的观点,即这可能导致权力的持续集中,寡头垄断变得更加强大?


David Cahn


我认为确实存在这种观点,我认为这是一个合理性的视角。你可能会争辩说,这些公司太过强大,它们基本上正在建立进入壁垒。要想成为人工智能的云服务提供商,你需要烧掉一大笔钱。因此,我认为这对于对新进入者来说,是一个相当显著的壁垒。今天的云业务是一个 2500亿 美元的产业。你听到的言论可能是,“Azure、谷歌和亚马逊网络服务控制的云业务的规模与整个 SaaS 行业相当。他们当然会尽一切所能来保护它。”


Harry Stebbings


我在努力调和两个想法,一方面是算力资源的过度生产,意味着对于作为其消费者的初创公司来说成本下降。另一方面是山姆·奥特曼非常乐观地宣称算力是未来的货币,这两种观点是矛盾的,还是可以并存?


David Cahn


我认为这两个观点是有些冲突的,我来解释一下为什么。算力这个词是有些概念模糊的。算力就是你要消耗的东西,但怎么制造出这个算力才是关键。那么算力资源到底是什么呢?它可能就是伊利诺伊州某个地方的大型机房,里面装满了高性能的图形处理器(GPU)和一些复杂的冷却系统,还有许多实实在在的硬件设备。我觉得现在大家对人工智能的讨论变得这么极端,部分原因是我们用了太多像算力、云计算这样的术语,这些词并没有真正反映出背后的真实情况。


所以问题来了,假设你是个大科技公司,你知道建一个数据中心大概要花两年时间和大约 20 亿美元。所以,你打算在伊利诺伊州建一个这么昂贵的数据中心,但实际上你可能并不清楚怎么搭建最合适,因为建设 GPU 数据中心还是比较陌生。你尽力按照你认为最好的方式去做,你买了市场上最好的 H100 芯片,把它们装进数据中心。但想象一下,两年后,NVIDIA 的 B100 芯片成了主流。这时你就需要把原来的芯片拿出来,换上新的,因为新的更好。而且,如果冷却系统也升级了,你还得更新那个。所以我完全同意,算力是未来的关键,但是,算力来自于现实世界中实实在在的物理设备,如果我们一开始就建错了,那我们就得重新建设。所以,这不仅仅是说我们现在就建一大堆算力资源那么简单。我们今天建立的算力资源,可能要服务于未来 15 年。这里面有很多复杂性,需要权衡。


Harry Stebbings


你刚才提到的,大概需要在两年或三年后,或者无论那个周期是多久,用更新型号的芯片来替换你的 H100 芯片。如果新的模型效率提高很多,你还需要替换它们吗?有没有可能由于模型的效率提升到一定水平,你就不再需要更新换代了呢?"


David Cahn


我认为模型效率会提高。实际上,这是我在那篇文章中提出的观点之一,那就是,如果你对人工智能持乐观态度,你实际上更担心数据中心会过时。我听到有人说了一句很棒的话,从那以后我一直在深思,那就是,没有人会在同一个数据中心两次训练前沿模型,因为当你训练完它的时候,GPU 就已经过时了,数据中心也太小了。我觉得这太不可思议了。这让人想起那句老话,你知道的,没有人会两次踏进同一条河流。假设模型变得更优了,假设我们的 Scaling Law 继续有效,所有这些好事情都发生了,那么,这意味着我们可能需要改变数据中心的架构,我们可能需要新的芯片。现在,每个人都在追求 10 万个 GPU 集群,这是最前沿的。马斯克说他要建造一个 30 万个 GPU 的集群。如果这一切真的发生了,它将极大地改变物理架构,我认为,随着模型越来越大,Scaling Law 变得越来越重要,你可以说,模型本质上就是一个数据中心,这些研究人员从一个实验室跳到另一个实验室,这些公司推出的实际模型之间的区别不再那么明显了。所以我认为,有一个非常好的观点可以提出,基本上数据中心是最重要的资产,我们将不得不学会如何建造这些非常大的数据中心。"


Harry Stebbings


数据中心会如何变化?你提到的物理架构会从 10 万 到 30 万,在这样的变化中,会发生什么?


David Cahn


这是现在正在发生的事情,很多人现在还没有注意到。在过去六个月里,亚马逊宣布了 500 亿美元新建数据中心的计划。当我谈到人工智能的 6000 亿美元问题时,这就是 6000 亿美元问题的成本线。这些数据中心正在建设中,他们必须雇佣人员来建造这些东西,需要找房地产开发商。微软或亚马逊找到某个房地产开发商,然后说,我想让你为我建造这个数据中心。然后房地产开发商找到一家叫 DPR 的公司。DPR 是建造数据中心的最大总承包商。然后 DPR 去找分包商,分包商需要去一千名电工和所有需要的人。我的意思是,劳动力是数据中心最大的单一成本。现在你在 Facebook 上打广告,就像需要电工,来伊利诺伊州中部的某个小镇,需要你来建造一个数据中心。


这就是 Scaling Law 问题,这又回到了人们常聊的话题。问题归结为研究人员能否比我们建造更大数据中心的速度更快地提出研究突破。硅谷有很多人会说,现在重要的就是 Scaling。还有另一些人,他们会说,“不,实际上,我们将在模型推理上取得突破,我们将找出如何更好地使用数据,我们将找出如何使模型更高效”。所以我认为在这个问题上有两种观点。今天看来可能更倾向于支持 Scaling Law。我也希望看到更多其他突破,如果我们两者都能拥有,那肯定比只有一个要好。


Harry Stebbings


我们刚刚提到了初创公司因为算力成本下降而受益,作为消费者,他们从这一点上获益。我的问题在于,当你看到像 Canvas 这样的公司,它是个很好的例子,他们将很多人工智能功能整合到了他们的核心产品中。每当你使用这些功能时,他们要向 OpenAI、Anthropic 等任何一个供应商支付费用,而且他们并没有因为每个用户而收取额外费用。所以实际上,这已经在降低他们的利润了。所以我想问的是,这是否其实会让公司变得更糟,因为他们无法收更多的费用,但却有更高的成本,因为整合 AI是有成本的?


David Cahn


你说得太对了。我很喜欢这个问题。马斯克参加了红杉资本的 Basecamp 活动,他说了一些让我印象深刻的话,那就是唯一重要的是创造有用的东西,商业中的其他事情通常会自己解决。如果你做了有用的事情,人们通常会为之付费。如果你没有做有用的事情,人们就不会为之付费。对于 Canvas 以及所有这些软件公司来说,问题在于,你能否通过人工智能使你的产品更有用?我认为如果答案是肯定的,那么你很可能就因此拥有定价权。如果你能为最终消费者带来价值,你很可能能够获得利润。然而,如果你没有使你的产品更有价值,如果你仅仅是为了告诉投资者你有用到 AI,以便你可以在营销页面上谈论你有 AI,那么你只是在增加一项新成本,实际上对消费者没有任何好处。如果没有给消费者带来好处,他们就不会支付更多。我喜欢谈论的另一个例子是 Netflix。想想你从 Netflix 那里得到的价值,Spotify 也非常棒,消费者购买的产品非常好,而且不需要支付太多。在商业中,提供价值的负担非常大,我们还没有在 AI 领域看到这种强烈的负担。


Harry Stebbings


我不确定我是否同意这种观点,如果你增加了价值,你可以收取更多费用,但如果用户有功能的平等和功能的商品化,并且有 Canvas 提供它,Adobe 提供它,Sketch 提供它和其他 10 家在提供它。尽管它增加了更多的价值,但如果你有大量的其他供应商提供相同的服务, 所有的定价权都会消失,你被迫进行一场军备竞赛, 我认为我们已经在很多领域看到了这一点。你怎么看?


David Cahn


你是对的,这里面有些细微差别,我认为这里的细微差别在于,进入壁垒的行业,你有定价权;在进入壁垒低的行业中,你没有定价权。所以我认为这将视各个行业情况而定的。在有些行业你是对的,在这些行业中基本上利润率被压低到 0%,在结构上低利润率的行业中,很难提高利润率。所以如果成本上升,你会稍微提高价格来补偿,但你不会提高太多价格。在进入壁垒较高的行业,例如,有数据护城河的行业,如果我把所有数据都放在你的平台上,那我基本上就无法转移,我认为那些人有定价权。如果你在 AI 浪潮之前有定价权,你在 AI 浪潮之后也会有定价权。如果你在 AI 浪潮之前没有定价权,你可能在 AI 浪潮之后也不会有定价权。


Harry Stebbings


回到算力问题,我们已经看到越来越多的人谈论开始制造自己的芯片。苹果在这方面非常开放,他们会公开说他们计划如何,现在如何使用和制造自己的芯片,并摆脱 Nvidia 的垄断。你认为这将是一个持续的趋势吗?我们会看到许多不同的公司都在 verticalization of the stack,我们应该如何思考这个问题?


verticalization of the stack:如果一个公司原本只做软件,但是后来它开始自己设计和制造芯片,这些芯片是专门为它的软件服务的。这就像是一家公司决定自己种菜、自己做饭,而不是去超市买菜或者去餐馆吃饭。这样做的好处是,公司可以更好地控制产品的质量,也能节省一些中间成本。


David Cahn


我会把它分成两部分来解释。一部分我说不是的,那就是,不要和黄仁勋以及 Nvidia 对赌,我认为真的很难和黄仁勋以及 Nvidia 对赌。黄仁勋,我有些朋友多年前加入了 Nvidia,我告诉他们,你们做了一个非常明智的决定。黄仁勋是我们这个时代的乔布斯,现在看来这越来越正确了。黄仁勋是一个了不起的 CEO,我认为很难和了不起的有远见的 CEO 对赌。


Harry Stebbings


现在,会有更多 verticalization of the stack 吗?


David Cahn


是的,我认为这实际上回到了数据中心建设以及运行数据中心的问题上。过去几个月甚至一年里,我的想法有所改变的一个观点是,你听到马斯克谈论了很多关于数据中心建设的事情,他打算建立自己的数据中心并进行垂直整合。我越来越认为这是一个相当聪明的方法。我认为模型层和数据中心之间的垂直整合很重要。顺便说一下,另一家拥有垂直整合的公司是 Meta。扎克伯格控制着自己的数据中心,他也在构建模型。所以我认为垂直整合的部分很重要,因为你不能有一个团队单独运行数据中心,另一个团队单独构建模型。随着这些模型变得越来越大,这种方式是行不通的。你需要深度整合这些事情。我认为你看看马克思,看看扎克伯格,他们正在这样做。实际上,我认为微软和 OpenAI,亚马逊和 Anthropic 将面临的一大问题是,他们如何统一这些成果,Anthropic、OpenAI 与母公司是分开的,母公司控制着数据中心。


Harry Stebbings


你说的就正是我想问的,那就是,考虑到沉重的资本支出和垂直整合的特性,你认为这是否是一个初创公司切实可行的事情?OpenAI 或 Anthropic 能筹集到十亿、二十亿、三十亿美元,微软每天能产生 3.3 亿美元的自由现金流。这是否是一场只有"MAG7"才能玩的游戏?


Mag7:Magnificent Seven,简称Mag 7,包含微软、苹果、英伟达、亚马逊、谷歌、Meta、特斯拉


David Cahn


我认为过去几年的事实表明,为了参与大语言模型竞争,你需要一台提款机,而提款机不能是 AI 业务。Facebook 有一台名为 Instagram 的提款机。亚马逊有一台名为 AWS 的提款机。微软有一款名为 Azure 的提款机。我认为你需要一台提款机才能竞争。


Harry Stebbings


Facebook 是唯一一个没有云服务作为提款机的公司,你认为他们该怎么做?


David Cahn


另一个很好的问题。我认为,做云服务的正在防守,保护自己的业务,而Meta 正在进攻。我认为 Meta 有足够的创造力,而且,我认为 Meta 必须减少防守,因为如果他们认为这不值得,他们就不必继续投资。与此同时,云服务厂商陷入了更多的囚徒困境。Meta 必须继续投资,如果他们不投资,他们就有可能失去有史以来最伟大企业之一的市场份额。Meta 开始为未来而战,而扎克伯格还很年轻,而且他做得非常出色。我可以想象扎克在人工智能的未来中扮演非常重要的角色


Harry Stebbings


如果你今天是扎克伯克,你会做什么?


David Cahn


我认为他正在做的事情就是创建一个开源的替代方案。我认为这对整个世界都有益,我认为这对 Meta 有好处。我认为 Lallma 太棒了。我认为这对于初创公司来说非常好,初创公司将建立在 llama 之上。他们是开源这条路上的先锋,目前市场上的杀手级应用尚未出现。显然,Meta 拥有极好的分发渠道。所以如果他们能够解锁那个杀手级应用,知道该如何做到,他们会想办法快速做到这一点。他们会从中赚很多钱,Meta 的方法确实很有意义。


Harry Stebbings


考虑到需要与这些摇钱树业务之一如此紧密地联系在一起,从长远来看,对于 Anthropic、OpenAI 等任何较小的参与者来说,他们会被收购并成为亚马逊或谷歌的一部分吗?这是发展的唯一途径吗?


David Cahn


我不知道。我的意思是,人工智能领域发生的很多事情似乎都与反垄断有关。比如,微软可能不想收购开源的 AI。亚马逊可能不想收购 Anthropic。作为一名商科学生,我有点喜欢这些东西。这就像,很独特,他们不是全资拥有,他们不受控制,他们有点像 49% 拥有。因此,你拥有一定程度的所有权、强大的激励机制,但业务是独立的。我认为这种情况可能会持续下去,因为收购这些业务实际上是不可能的。现在,你可以收购较小的团队,我们可以通过 Inflection 和 Adept 看到,你可以收购一些小团队,但收购像 Anthropic 这样的团队将会困难得多。


Harry Stebbings


你认为那些没有在咱们提到的领域进行如此大规模投资的公司,会面临怎样的情况?显然我们提到了谷歌,我们提到了Meta,微软。那么 Salesforce 呢?Netflix 呢?那些市值超过 1000 亿美元但不在核心领导地位的公司怎么办?他们是处于优势还是劣势?


David Cahn


我确实认为这三家大公司下面的公司现在会很害怕。一方面,这是一个巨大的机遇。你已经有了现有的分发渠道,这是一个巨大的优势,也是一个巨大的护城河。一方面,你会想,这可能是一个巨大的机会;另一方面,你需要很多钱来与那些大公司竞争,所以我认为小公司会很担心。我认为他们正在尽一切努力来竞争。但是,这里有很多博弈。如何理性的计算与判断,扎克伯格在本周的引用中使用了这个短语。对大公司来说,投资和发展方向是绝对理性的。如果你是 Salesforce,如果你是 Workday,那么投资和发展方向就不明显了。


Harry Stebbings


不久前我请 Scale 公司的 Alex Wang 上了我的节目,他说,这其中三个要素。有算力,我们已经讨论过了,有算法,还有数据。他说,“我对很多人持相反的观点。我认为数据是当今模型和人工智能发展的核心瓶颈”。你在多大程度上同意他的观点?当你看到算力、算法和数据时,你认为哪一个是核心限制?


David Cahn


这很有趣。我曾经同意 Alex 的观点,不过我认为我的思维模式实际上已经改变了。我认为算力、模型和数据已经融合了。所有的大佬知道自己在做什么,他们都在做同样的事情。每个人都在使用 Scaling Law。Alex 是一位出色的 CEO,他做得很好,他有点像军火商。每个人都得从他那里买东西。他为所有这些大模型提供数据。但我认为,现在很难说任何一家大模型公司都有数据优势。算力只是一种你需要花钱购买的商品,所以很难说它们中的任何一个都有算力优势。然后关于模型,他们都会说他们有一些秘密武器。但是,如果你相信 Scaling Law 是重要的,那么秘密武器就不是那么重要的。因此,我将提出我自己认为最重要的三个要素,我把它概括为服务器资源、钢铁和电力


这里的“服务器”可能指的是数据中心使用的硬件基础设施,它们是云计算和互联网服务的物理基础。“钢铁”可能指的是建设数据中心和其他技术基础设施所需的材料。“电力”则是指运行这些服务器和数据中心所需的能源。


服务器方面,有 NVIDIA, AMD, Broadcom,在芯片创新方面,英伟达有着惊人的毛利率,竞争将会非常激烈,芯片大战才刚刚开始。钢铁,我们之前讲过一点。这里将会有大量的基础设施建设,很多的受益者基本上是建筑公司和房地产公司。然后是电力,我们还没讲那么多,但我认为这里的电力元素非常有趣。我们谈论能源革命已经有好几年了。也许因为 AI,会倒逼其发生。


Harry Stebbings


我想从你提到的芯片战争聊起, 你觉得芯片战争之后会如何发展?


David Cahn


我觉得硅谷的其中一个历史就是摩尔定律。芯片越来越便宜,越来越好。我认为这是硅谷令人惊叹的事情之一。如果价格降下来,事情会变得更好。你看看 B100。B100 的价格是他们公开宣布的,你要为更高的性能付出的代价是不高的。因此,性价比其实在持续提高,我认为这不会停止。英伟达是一家很棒的公司,他们有创新的基因。他们有发布新产品的里程碑,你可以相信黄仁勋正在让他的团队努力研究下一个芯片,所以,我认为英伟达将继续给我们带来积极的惊喜。与此同时,AMD,Broadcom,这些其他公司,他们看到了这个巨大的商机,现在很多创业公司也想要竞争。这将是一笔巨大的生意。英伟达的毛利率很高。当有人在一个大市场看到丰厚的毛利率时,人们就会竞相追逐。


Harry Stebbings


特朗普政府可能出台的进出口政策会在多大程度上影响芯片战争?


David Cahn


我认为这事情的政治意义太疯狂了。但我认为所有这些芯片的政治分歧都来自湾湾。美国在投资美国的供应链?我想答案可能是肯定的,但这非常依赖于台积电。我不知道结果如何,但我认为这将是未来一个重要的政治问题。


Harry Stebbings


就钢铁而言,我们必须解决的核心问题是什么?如果我们缺少钢铁,那会发生什么?如果钢铁供应过剩,会发生什么?关于钢铁,人们没有考虑到的核心因素是什么?


David Cahn


我认为我,把钢铁作为所有工业产品的统称,包括发电机,电池等,有很多工业产品需要制造。当我与大型云计算公司交谈时,我听到的是,“我们打电话给我们的制造合作伙伴,我们工厂的人,比如钢铁人,发电机人,等等。我们对他说,我们有一个巨大的订单。我们未来的五年,我们将大量订购你们的产品。请增加你们的生产能力来支持我们”。他们得到的回复是,“我们不相信你,我们不想增加产能”。假设你是制造柴油发电机的人,你必须建一个新工厂来生产更多的柴油发电机。如果微软停止购买你们的柴油发电机,你们的工厂就会停产。你需要说服你的供应链增加他们的产能。供应链的人不像人工智能的人,供应链的人就像一个经营工厂的制造人员,他非常擅长经营工厂,所以我认为如何管理供应链也很意思。大型科技公司在这方面做得很好,我认为他们的另一个被低估的优势是,他们有很多实践经验,说服供应链改变他们的行为


Harry Stebbings


他们是怎么做到的?需要预付吗?


David Cahn


微软可以打电话给你说,我打算买下你未来五年的所有产能。请建一个新工厂,如果你是工厂工人,你就会这么做。所以我认为这是大型科技公司的另一个优势。


Harry Stebbings


我们不应该投资工厂吗?


David Cahn


很多人都在努力。我是认真的。你一开始跟我说过房地产开发商的事。我当时想,我们为什么要投资 AICRM?那听起来是个更好的生意。我要在这里透露个我的秘密,我在供应链领域花了很多时间。


Harry Stebbings


你觉得供应链的哪一部分最有趣且最少被关注?


David Cahn


我认为房地产开发商,KKR 拥有 Cyrus One,Blackstone 拥有 QTS,这是非常棒的投资。对于这些公司来说,这些将是巨赚钱的投资。在这个领域还有其他一些非常有意思的公司。房地产开发商,如果你只看房地产,这是一个不错的行业。而电力领域也是每个人都在谈论的事情。我两周前或三周前在西弗吉尼亚州,我参观了我在 KOTU 投资的一家生产长寿命电池的公司。在过去的 12 个月里,他们建造了一座价值 10 亿美元的工厂,一场巨大的工业运动正在发生。我想在 12 个月内,你会看到很多数据图表,更多的工厂正在建设,比以往任何时候都多。工业革命才刚刚开始。


Harry Stebbings


你能给我解释一下刚刚开始的工业革命和电力需求吗?我们是否有足够的电力供应来促进工业革命,满足我们刚才听到和讨论的算力需求?


David Cahn


我们不这样做,这里有一个有趣的现象,那就是,拜登政府通过了 IRA,即 Inflation Reduction Act。这是一项巨大的激励法案,基本上激励每个人建造太阳能和电池以及所有这些东西。我认为最具讽刺意味的是,资本主义的力量、人工智能将比任何政治监管都更能推动能源革命,这很有意思。


Harry Stebbings


为什么呢?因为我们需要降低能源成本以促进我们所需的人工智能发展吗?


David Cahn


因为对电力的需求超过了我们现在拥有的电力。例如,每个人都同意,我们需要更多的电力。所以,如果你能建立一个新的太阳能发电厂,你就会这么做,因为经济上是有意义的。你有一个买家,另一边就有很多需求。这需要时间,但有很多成熟的公司都在这么做。NextEra 是美国最大的公用事业公司之一。很棒的公司,市值超过 1000 亿美元。硅谷的大多数人都没有听说过这家公司,这家公司一直在投资。顺便说一下,在过去的 10 年里,他们一直在通过他们不受监管的业务来投资。他们一直在投资电池、太阳能和新技术。当我在研究清洁技术的相关投资时,我总是看到它们。就像美国有像 NextEra 这样的伟大公司,它们做得非常出色。他们将继续创新,他们现在将看到另一方的需求,人们将以此为基础进行建设。


Harry Stebbings


你认为我们正陷入能源危机吗?


David Cahn


我觉得我们需要更多的能源。我现在可能更乐观一些,因为 20 年前,每个人都说太阳能将是一件大事。现在,太阳能是一件大事。这是真的。相关论文已被证明是正确的。没有人谈论它。事情悄无声息地发生了。有趣的是,有时候最大的变化是悄无声息地发生的。如今,太阳能在美国发电能力中占很大一部分。所以我不知道这是否会像人们预期的那样是一场巨大的危机。我认为对于更多的可再生能源,更多的电力进入电网来说,这将是一个缓慢发展的过程。


Harry Stebbings


我们之前提到过扎克伯格和他的开源理念,而其他人显然采取了闭源的方法。你认为我们应该采用开放还是封闭的模型?维诺德和马克•安德森持截然相反的观点,他们认为,“一旦它被打开,就回不去了”。Alex Wang 在节目中说这比核武器更危险。相当精彩,Alex。你是如何看待这个问题的?是否太危险了而不能公开?


David Cahn


是的,我认为这有点像 AGI 的争论。如果你认为人工智能明天就会出现,那么你就会非常害怕。如果你不相信,那你就不害怕。这就决定了你是相信闭源还是开源。我对这个问题提出一点挑战,我真的不太担心这些东西。就像,我们可能会没事的。人工智能可能会改变我们的生活,让它变得更好,它将提高生产力。也许 AGI 会在你和我感觉很好的时候实现。我们有闭源选项,我们有开源的选择,两者都有更好。我绝对不想生活在只有一种选择的世界里。所以,我很高兴我们两个都有。但我不太担心这些东西。马克·安德森谈到过这个问题。事实上,我很喜欢马克·安德森在这方面说的很多话,他说,硅谷的人没有宗教信仰,所以,他们担心 AGI。我认为这是人们对于未知的担心。


Harry Stebbings


昨天我请到了伊桑·莫利克,他是一位研究人工智能及其社会影响的教授。那次交流非常精彩。他说,如今那些相信通用人工智能(AGI)但仍在投资软件即服务(SaaS)的风投(VCs)实际上是不合逻辑的。因为如果你相信通用人工智能(AGI),那么一旦 AGI 出现,你为中小企业提供的税务会计产品根本不会存在。所以,你可以相信 AGI,但只能投资 AGI,或者你可以不相信它,继续投资软件即服务(SaaS),但这两者无法兼容。


David Cahn


我明白,人们确实喜欢“知行合一”,但确实,这是不一致的。


Harry Stebbings


我必须要问一下,我们提到了潜在的危险。另一个让我有点担心的是我们如何看待中国的发展。大家都说中国落后美国两年,你相信这一点吗?还是你认为我们其实低估了他们的能力以及他们的实际位置?

David Cahn


我认为中国会迎头赶上。美国是一个很棒的国家。我们有很多优势,比如良好的移民政策、优秀的资本主义经济、很多的自由。因此,有很多理由相信美国会表现得很好。而中国也会表现得不错。为什么呢?总体上,我可能更倾向于认为美国会做得很出色。我认为美国的 AI 革命很大程度上与美国是一个非常适合做生意的地方有关。如果你想做出一些伟大的成就,美国是一个很好的去处,我们在硅谷有很棒的文化。所以我认为美国有很大的机会保持领先,但不要低估你的竞争对手。我认为你总得假设你的竞争对手会表现得非常好。希望这能激励我们做得更好。我不认为会出现美国完全落后的情况。在过去两年的证据表明,美国确实表现得非常好。


Harry Stebbings


几个月后我们会看到你的一篇新文章,标题是《9000 亿美元的问题》吗?还是这个数字会缩水?我的意思是,我是真心这么问的。或者你认为,在我们之前提到的认识下,这个趋势会逆转吗?


David Cahn


首先,我可能不会发表那篇文章,因为我只在有话要说的时候才会发表。我并不喜欢为了说话而说话。


Harry Stebbings


如果你只有在有话的时候才说话,那你就不会是一个很好的风险投资人,我向你保证。


David Cahn


我在尽力而为。但我会说,我们很可能会达到万亿美元。我是说,这背后只是数学。只是提醒大家背后的数学原理,基本上你只需将 NVIDIA 的收入乘以二,就可以得到数据中心的总成本,因为数据中心的成本大约一半是 GPU,另一半是其他所有东西。然后再乘以二,得到使用 AI 的公司的预期收入。所以,能达到一万亿吗?绝对可以。而且实际上,从这周扎克伯格和桑达尔的讲话中我们听到的东西表明,我们必须继续建设。我们别无选择,我们被困在这个囚徒困境中。所以我看不到尽头。我不知道有什么魔法会让人们停止建设。微软自己建设数据中心,亚马逊自己建设数据中心,他们雇佣施工公司,雇佣所有进行建设的人,这些费用直接从他们的资产负债表中支出。这是资本支出,是现金流出。现在这些数字已经相当大了,所以我认为我们将看到更多的是资产负债表外的融资。这意味着由其他人建设数据中心,然后微软同意租赁 20 年。其他人建设数据中心,谷歌同意租赁 20 年。这会改变投资者眼中的财务状况。之前看起来像是微软刚刚花了 20 亿美元。现在看起来像是微软承诺在未来 20 年内花费 2 亿美元。这是什么?这基本上是债务,资本化租赁是一种债务形式。我想知道是否有些做法是为了减少人们感知的支出,因为你可以以这种方式支出,而这种方式实际上对你未来的业务形成了一种潜在负担,而不是今天的现金流出。


Harry Stebbings


那么,你认为我们会看到一种新金融工具的引入,以促进从资产负债表内转向资产负债表外的资金流动吗?


David Cahn


这很有可能。我和很多房地产投资者谈过。所以,有些人不知道的是,资助数据中心的很多资本来自房地产开发商和房地产投资者。我和这些房地产投资者谈话时,我问他们,“你们相信你们融资的数据中心会被使用吗?这个数据中心会有足够的需求吗”?,他们说,“并不在意,对我来说,我是在给微软钱”。这是一笔对大型科技公司的贷款。我所做的交易是由微软、亚马逊或谷歌的信用背书的。我赚取的收益可以买微软的债券,享受 x% 的收益率,而我赚取的是 x 加 2% 的收益率。所以这是一项良好的风险调整投资。在我看来,这意味着这些大型科技公司基本上是在用自己的资产负债表发行债务,但这是通过这些中介机构完成的。因此,这被视为一种资产负债表外的融资。


Harry Stebbings


这些债务价格的平均利率是多少?


David Cahn


我不是债务方面的专家。债务专家基本上会告诉你,他们的无杠杆回报率是 10%,而有杠杆回报率是 15%,因为债务专家使用了他们自己的债务。债务是复杂的,所以我不会深入讨论债务问题。但我会说,这些人基本上是在赚取稍高的收益率,他们认为这是一个非常好的风险调整回报。顺便说一下,他们可能是对的。你基本上通过这种金融手段获得微软的债务,得到稍微更高的微软债务回报。你可以针对这些债务部署大量资本。因为,如果我给你一个选择,你可以购买国债,或者你可以以溢价购买世界上可能最大、最安全的公司之一的非常安全的债务。


Harry Stebbings


你认为在未来几年,我们会看到为这些设施融资的资本供应如何变化?因为我相信亚当·斯密的“看不见的手”,资本会流向最佳的机会。这是一个结构良好的交易,如果你有可用的现金,没有人会拒绝。你认为随着认识到这是一笔过于优越的交易,这个生态系统会如何变化?


David Cahn


这是一个相当不错的交易。所以我认为,风险自由回报和风险调整回报之间的差距会缩小,这意味着随着更多的人参与,这将不再是那么优越的交易。我认为,实际上有大量的资金想要参与这种交易。比如, Blackstone 做了 Corweave 交易,他们是最早的一批参与者之一,而 Blackstone 通常在结构化这些类型的创新交易方面非常擅长。我认为我们将看到更多类似的交易。


Harry Stebbings


你是亚当·斯密的“看不见的手”理论的坚定支持者吗?


David Cahn


我是社会心理学的学生,我发现心理学非常有趣。我实际上花了很多时间阅读关于心理学的内容。我认为心理学在经济中起着比人们意识到的更大的作用。我认为亚当·斯密深刻理解了人类心理学,这就是“看不见的手”的本质。我是艾萨克·阿西莫夫《基地》的忠实粉丝,他基本上描述了这一点。这是有史以来最伟大的科幻书籍之一。他基本上说,在未来会有这么多人。他创造了一个角色,哈里·谢尔顿。哈里·谢尔顿是一个心理历史学家。哈里·谢尔顿说,人类是如此可预测。我们的行为如此明确,以至于当有 1000 亿人时,你可以预测历史的未来。这就是这本科幻书的前提。因此,我把这与亚当·斯密联系起来,因为我认为亚当·斯密在一个较小的范围内说,人类行为是可以理解的。资本主义利用了这些人性成分,这是我们迄今为止发明的最伟大的系统之一。


Harry Stebbings


我想稍微改变一下话题,这真的是我做过的最棒的关于 AI 的节目之一。我在和你做这个节目时在想,天哪,我迫不及待地想发推特,说我合作过萨姆·奥特曼,合作过所有最顶尖的,而和你合作的节目是最好的。但我想从节目的新转变开始,谈谈你的投资。我之前和帕特聊天时,直言不讳地讨论了你和你至今的风险投资职业。他提到你 27 岁时就成为了 Co2 风险投资部门的联席主管,并且你曾与 Databricks、UiPath、Snowflake 等一些我们时代最优秀的公司合作。我的第一个想法是,这些公司对你在交易选择方面产生了怎样的影响和教训?


David Cahn


首先,为了说明清楚,我当时只是这些交易的副手。我建立了模型,进行了客户电话沟通,但并不是这些交易的主要投资人。我会说,因为你提到了这些公司,我给你一个关于这四个公司的贯穿线索,那就是,我认为从这些公司身上得到的教训是,听人们做什么,而不是听他们说什么。我告诉你原因。当我打电话给 Marketa 的客户时,比如 DoorDash、Instacart、Square,这些是主要的客户。你问他们是否喜欢Marketa,他们会说,“这非常好,但太贵了,我们要把它扔掉,自己做”。这是每个人在你打电话时的说法。现在,快进五年, Marketa 已经上市了。这些公司没有流失客户,Marketa 继续表现非常好。


UiPath 也是一样。你打电话给所有客户,他们会说,“当前这是一个权宜之计,我们只是暂时使用它,最终,我们会完全自动化”。同样,投资后的五六年,这家公司上市了,表现出色。人们继续使用它。即使是 Snowflake 和 Databricks 也是一样。你在 2018 年打电话给客户,问他们对 Databricks 的看法,他们会说,“亚马逊有自己的竞争对手,谷歌有自己的竞争对手, Snowflake ,还有 BigQuery ,还有 Redshift,它们都差不多。不是特别的”。然后,当然,六年后,这两家公司成为了这个行业中最有价值的公司之一。所以,我认为教训是,你必须听客户做什么,他们继续为特别昂贵的产品付费。如果人们为昂贵的产品付费并告诉你他们要离开,你可能不应该听信这些,他们为此付费是有原因的。因此,我关注的是这家公司提供了多少价值,而不是我们的客户告诉我他们会永远坚持使用它,因为你永远不知道这是否正确。


Harry Stebbings


这真有趣。许多伟大的投资机会因为人们说“他们可以自己建立”而被错过了,而他们很少真的这么做。我可以问你,在 Co2 的早期,你学到了哪些最重要的东西,是你没想到会学到的?我认为,当你在新的环境中从零到一时,可能会遇到一些最困难的学习,就像健身房,第一周或第一个月是最艰难的。那些你没想到但却最有影响力的学习是什么?


David Cahn


我当时真的很天真。我真的不知道什么是风险投资,也不理解这个行业是什么。我不太了解这个工作是什么。那些年中对我帮助最大的一件事是,每次遇到一个人,我都会试图弄清楚他们擅长什么,我能从中学到什么。有一个人非常擅长寻找机会。他们为什么擅长寻找机会?他们做了哪些事情来做到这一点?我会学到很多。另一个人,这个人是个非常好的领导者。他们为什么是个好领导?原来人们自愿选择跟随他们。这可能意味着这个人是个非常好的领导者。是什么特质?他们做了什么?他们非常忠诚。在领导者的角色中,忠诚是非常重要的。总之,我认为这些方面中有很多,早期的大部分学习就是在“从消防栓中喝水”。这是一次非常棒的经历。看到那些在自己领域非常出色的人,了解他们的超级能力,理解他们的做法,是什么实际行为导致了这种超级能力。然后我为自己设定的目标是,如果这是你的超级能力,我可能不会做到 100% 的好,但我希望能做到 80% 的好。如果我能在每个人的 10 种超级能力中做到 80%,那我可能会很出色。


Harry Stebbings


你如何看待在风险投资领域,没有一种固定方式的情况下,这种学习和模仿他人的方式?你如何看待“每个人都有自己做事的方法”和“试图从其他人那里学习”这两种对立的观点?


David Cahn


首先,我完全同意这两种对立的观点。我会把其中一种描述为:在这个行业中成功有一个定义。你要么是个 slugger,要么不是。如果你在创造十亿美元的收益,你就是个 slugger。Doug Leoni 是个 slugger, Pat Grady 是个 slugger,Andrew Reid 也是个 slugger。我认为这个行业的一种误区是,以为可以不成为 slugger 也能在这个行业中做得很好。实际上,这个行业的成功定义就是创造十亿美元以上的收益。另一方面,你可以获得很多意见,从这些人身上学习,看到他们在做什么。坦率地说,我在红杉的原因之一就是坐在 slugger 手旁边是非常酷的。你可以从他们身上学到很多东西。你看看 Roloff ,他投资了 YouTube 和 Instagram,是什么让他能做到这些?特别是考虑到我的整个操作方式是学习人们,弄清楚他们擅长什么,尽量做到 80% 的好,红杉是一个非常棒的地方,你可以“从消防栓中喝水”,你有这些了不起的人,你可以从中提取出一些东西。例如,Pat 非常有纪律,他非常擅长等待绝佳的投资机会。这是可以向 Pat 学习的东西。Andrew 非常擅长与创始人建立联系,并且他深刻理解产品。这是可以向 Andrew 学习的东西。


所以,有一个方面是从这些 slugger 身上学习。但是,正如你所说,另一面是,风险投资是一个你每天都在场的游戏,没有人可以替你上场,没有人能为你做这个工作。你可以获得所有的建议,所有的帮助,所有的学习。但归根结底,你必须亲自上场,必须为创始人提供他们想要的资源,你必须成为他们愿意合作的人。你必须发展出自己的风格来做到这一点。这份工作最难的部分就是,面对压力时,星期一早上,你在合伙人会议上,你必须把自己摆在危险之中,决定是否要进行这项投资。我喜欢对人们说的是,我认为风险投资最难的部分不是找出哪些公司是好的。风险投资最难的部分是决定什么时候你愿意为这家公司冒险,所有优秀的合作伙伴关系都会迫使你为此冒险。这就是整个系统的运作方式。这就是这些合作伙伴关系有效的原因,因为它们测试了你对投资的信念。信念是最难的部分,信念是没有人能给你的。


Harry Stebbings


红杉如何迫使你冒险投资?


David Cahn


我认为整个合伙人结构的核心是:我们在这里支持你,我们在这里教你,你在这里学习。但归根结底,你必须做出这些决策。成功的定义很明确,那就是成为一个 slugger。而且,我认为,我们在红杉谈论了很多关于约束的事情。公司需要约束,对吧?当你拥有过多的资本时,就没有约束。Roloff 经常讲一个故事,我非常喜欢。Roloff 总是说,在 PayPal 最好的时光是公司快没钱的时候,公司不得不想办法解决问题。Roloff 说,“我们并没有那么出色,我们只有在必须出色的时候才出色。”我认为红杉创造了同样的约束。比如,David,今年你只有一到两个投资机会。这其中是否包括这个?你确定吗?这种约束迫使你必须明确地决定,这是一家公司你愿意为之坚持一生的公司,这是一件你真正相信的事情。


Harry Stebbings


一个人进入红杉合伙人关系时,讨论氛围的紧张程度如何?我这样问是因为我想到 Pat 和 Doug ,进入这样的环境对新人来说确实非常具有挑战性,但你也希望让新人感到舒适,能够自由地分享他们的想法、智慧和经验。你怎么看待红杉如何创造一个让新人能够畅所欲言的环境?


David Cahn


我认为红杉在这方面做得很好,他们会说唯一重要的事情就是下一个投资机会,它可能来自你,也可能来自其他人。Pat 特别擅长这一点,他会明确告诉你,商业模式就是吸引优秀的人才,然后你需要做出好的投资,我们需要为你提供支持。红杉在这方面做得很出色。然而,红杉并不是一个低压力的工作环境,你坐在那些做出过惊人投资的人旁边,比如 DoorDash、Instagram、Instacart、Zoom、Snowflake 等等,所以压力是存在的。我认为这会改变你的投资方式,改变你的思维方式,重新塑造你。红杉有句很好的话,人们说红杉雇佣投资者,打破他们,然后在红杉的模式中重建他们。我确实感觉自己经历了这一过程。红杉非常注重公司建设。真正重塑你的不仅仅是公司建设,还有成功的标准非常高。除非这家公司是世界上最重要的 50 家公司之一,否则你就没有做好你的工作。我认为这是一种很好的压力,一种追求卓越的动力。红杉确实做得很好,给你提供了框架、工具和学习资源,帮助你达到这一水平。


Harry Stebbings


我和 Pat 做过类似的访谈,他给了我一些回答。我希望你也能给我一些回答。


David Cahn


好的。


Harry Stebbings


谁是红杉中最优秀的资源发掘者?


David Cahn


我认为 Sonia 非常优秀。我会说 Sonia 是最好的资源发掘者。Sonia 在 AI 领域非常出色,她非常积极主动,主动接触创始人。Sonia 确实非常出色。


Harry Stebbings


谁是最优秀的挑选者?谁在选择方面最出色?


David Cahn


Pat 非常出色。他非常有纪律,耐心等待最佳投资机会。他会等到合适的公司出现,这使得他的投资组合非常强劲。


Harry Stebbings


我觉得令人惊讶的是他之前的转变。他曾经是 BC 投资者,现在似乎更多地参与到早期投资中,比如 Harvey 之类的公司。我对他如何在早期阶段维持投资质量感到非常着迷。在 B 轮或 C 轮选择投资机会与在种子轮或 A 轮选择投资机会完全不同,这种转变并不容易。


David Cahn


我认为这归结于适应能力。Pat 作为一个非常适应变化的人,你会发现现在的市场环境已经有所不同。因此,我认为正确的策略是采取杠铃策略,即既投资早期公司,又投资晚期公司。Pat 今年投资了 Growth Therapy,这是一家成熟的现金生成公司。所以,我认为 Pat 实际上擅长选择投资时机,他之所以能够做到这一点,是因为他关注市场动态。我也做了早期的 Harvey 和晚期的 Growth Therapy,这真的很了不起。


Harry Stebbings


我们提到了在 CodeTwo 工作时从那些了不起的公司中获得的经验。当我在节目中请教 Pat 时,他提供了一个非常出色的框架,用于评估创始人。我不喜欢问“你在创始人身上看重什么?”这个问题,但我的观点实际上发生了很大的变化。你如何看待创始人评估框架,以及你的框架是如何变化的?


David Cahn


我非常关注这个问题。今年早些时候,我深入研究了这个话题。我读了 Walter Isaacson 写的马斯克传记,发现非常棒。因此,我想,这位 Walter Isaacson 写得很好,我就决定读他写的所有其他传记。我读了他的 Steve Jobs 传记、Einstein 传记、Benjamin Franklin 传记等。他写了这些非常棒的传记。我在思考这些历史上的远见者、伟大人物时,同时我的日常工作是见很多创始人。那时我正在组织一个晚宴,我叫它“ Hard-O Dinner ”,专门为那些决心征服世界的年轻创始人准备的晚宴。那是一个很棒的晚宴。晚宴前一天,我脑海中这两个想法碰撞在一起。我在想,这些伟大的历史人物和明天我要和他们坐在一起的这些有潜力成为历史人物的人有什么共同之处呢?我想出了一个框架,是两个维度的,我来描述一下。一个轴是科学,另一个轴是直觉,所以形成了一个二维矩阵。你有科学和直觉,然后是人类和技术。所以,将科学应用于技术是最简单的,就是工程师。将科学应用于人类,我认为这就是所谓的硬核心态。Elon 显然创造了这个词。硬核的人会思考如何最大化自己的潜力。他们有意识地、具体地考虑这些问题。他们可能会努力工作,因为事实证明,努力工作的人通常比不努力工作的人生产力更高。但你可能会找到其他方法,比如提高效率等。因此,我认为这是科学元素。但直觉元素几乎更有趣,也是我一直在努力提高和思考的事情。将直觉应用于技术,这就像 Notion 的 Ivan一样。你会想,这个东西应该是什么样的?应该怎么运作?你会想到 Einstein,他是一个直觉型人物,他的所有想法都是思想实验,而不是科学。你会想到 Ivan,想到 Airbnb 的 Brian Chesky,这个疯狂的想法,我们让人们睡在别人的沙发上,租他们的公寓。是的,他们构建了很棒的技术,但那个直觉在当时是非常出色的。最后一个部分,我认为这是最被低估的部分,是将直觉应用于人类。我认为这就是领导力。领导力就是,我理解你,我理解你的需求,我理解你的动机。我认为好的创始人需要这四个维度。当我看创始人时,我会问自己,嘿,我认为如果你拥有其中一个,你可以非常出色。我认为如果你拥有两个,你可以很棒。我认为如果你拥有三个,你可以建立一个十亿美元的公司。你需要这四个全部才能建立一个百亿美元、千亿美元的公司。我认为这就是远见卓识的创始人。我认为我合作过的一个真正体现这些特质的创始人是 Supabase 的 Paul。我认为他拥有这四个特质。这是非常稀有的,这是我寻找和思考的东西。最后一点,我认为你不一定一开始就拥有这四个特质。我坚信成长型思维。你可以决定,我要变得擅长这些东西。我认为你可以随着时间的推移不断提高这些能力。


Harry Stebbings


你提到 Supabase 的 Paul 了。他之前在节目前提到过,他有很多早上4点的会议,你可能当时在新加坡,你和 KOTU 的 Carrie 以及他在不停地交流。我觉得在年轻时做这些事情更容易,比如早上 4 点的会议和少睡觉。你认为风险投资是年轻人的游戏吗?


David Cahn


我认为年轻和经验各有优势,你必须充分利用你所拥有的资源。我年轻,所以我需要尽可能发挥年轻人的优势。我不能像 Doug Leoni 那样工作,Doug 的经验比我丰富得多。我为创始人提供的价值主张与 Doug 不同。我为创始人提供的价值主张是,我会与你一起成长。你可能和我同龄,因此在接下来的 20 年里,我们将共同成长。这是我为创始人提供的价值主张。Doug 会提供不同的价值主张。对我来说,就是要发挥自己所能提供的,并充分利用你所拥有的资源。


Harry Stebbings


创始人、市场和产品,您能对这三者进行排名吗?


David Cahn


创始人、市场、产品,简单。我认为对我来说,这不是一个难题。


Harry Stebbings


寻找、筛选、服务,风险投资的核心支柱。请按从一到三的顺序排列你擅长的领域。


David Cahn


我认为选择是最重要的,然后是赢得交易,最后是寻找。我认为在我个人的强项中,选择最为重要。赢得交易排在第二位。寻找可能是第三位,虽然这两个方面可能是相等的。我在寻找方面下了很多功夫,进行了大量的创始人会议,非常努力。在职业生涯初期,你必须在这方面变得非常出色。实际上,赢得交易在我职业生涯的早期非常重要,但在红杉,我认为赢得交易的相对重要性稍微降低了一些,因为你可以利用红杉品牌的优势。


Harry Stebbings


当你拥有红杉品牌时,是不是会更容易呢?


David Cahn


我认为对创始人的价值主张已经不同了。之前,价值主张是,“嘿,你可以和我合作。我会很出色。我会和你一起努力,尝试共同打造这家公司。”现在,价值主张变成了,“嘿,我可能是个傻子,但你可以告诉工程师你正在与红杉合作。工程师可能会更愿意与你合作。”现在,希望我也非常出色。但我认为即使我不那么出色,红杉品牌本身也是相当有价值的。所以,我认为这确实在赢得交易方面改变了很多。

Harry Stebbings


我完全理解。你在转到红杉后,交易流量变化非常大吗?有人认为每个人都希望将他们最好的公司推荐给红杉,你是否真的看到了所有的项目?这是真的吗?


David Cahn


我认为你会觉得这是真的,但实际上并非如此。我觉得我的交易流量基本上没有改变。我认为这说明我本质上是一个主动开拓者。这就是我。我一直在……最优秀的创始人不想和风险投资者见面。这就是现实。你必须说服他们。我有一句我喜欢用的话,你必须赢得胜利的权利。这是我多年来,尤其是在我刚起步的时候的座右铭。我认为你必须付出努力,赢得甚至是花 30 分钟与创始人见面的权利。创始人的时间非常宝贵。这个现实在红杉也没有改变。创始人不会为了和风险投资者见面而见面。我所有的交易流量,如果可以这样说,都是我在市场上主动开拓的结果。


Harry Stebbings


我同意,创始人不想花时间和风险投资者见面,这就是为什么你应该开始一个播客,因为他们会说,哈里,我们不想见投资者。我会说,我同意,他们都很无聊。我只是个播客主持人。而当涉及到其他事情时,我会说,不,我是投资者。你可以在角色之间切换,这真的很棒。你提到他们不想花时间和投资者见面。大卫,你做过的最疯狂的事情是什么,以赢得一笔交易?


David Cahn


你可能会对此有共鸣。一开始,真的很困难,没有人愿意给你时间。他们忽视你,不回复你。所以一开始的问题就是如何引起人们的注意。一旦我能见到他们,我觉得就可以提出我的案例。但是,能够见到他们真的很难。因此,我曾经做过的一件事是,每次遇到一个我非常喜欢的创始人,我会去查看他们的推特,找出他们特别喜欢的东西,比如某个电视节目。然后我会去寻找那个他们喜欢的演员或女演员,找出他们能为他们录制一段视频。我会把那段视频发给他们。事后看来,这有点荒谬。确实有点疯狂,但出奇有效。


Harry Stebbings


我会告诉你,我认为这真的很小巧、战略性和与众不同。


David Cahn


我想出了一些类似的创意方法。我有一个阶段,持续了一年多,每天录制一段 Loom 视频。每天晚上 7 点,我都会录制一段 Loom 视频。这就是我需要做的事情。我会找到最酷的产品,录制一段 Loom 视频,然后发给创始人。实际上,有一位创始人回过头来告诉我,他非常喜欢这个策略,以至于告诉他的销售团队也要这样做。他给这个方法起了个名字,叫做“情感 Loom ”(Emo Loom)。所以,是的,你必须尽你所能去引起人们的注意。


Harry Stebbings


你认为自己在风险投资技能中最需要提升的是什么?


David Cahn


我认为我目前处于职业生涯的第二阶段。我还有很长的路要走。毕竟,我还没有支持过任何一家市值达到 1000 亿美元的公司,对吧?我还不是一个牛逼的 slugger。我希望成为一个牛逼的 slugger,我希望自己正在做的工作能够让我达到那个水平。但我认为我离那还有很长的路要走。我希望能在红杉学到这些。我希望能从人们那里汲取大量信息。我会每天努力工作。因为我知道每一个我遇到的创始人,都有可能成为我的 YouTube、Instagram、Airbnb 或 DoorDash。所以我非常认真对待每一次会议。我在寻找这样的机会。


文章来自于微信公众号特工宇宙 作者特工少女


AITNT资源拓展
根据文章内容,系统为您匹配了更有价值的资源信息。内容由AI生成,仅供参考
1
AI数据分析

【开源免费】DeepBI是一款AI原生的数据分析平台。DeepBI充分利用大语言模型的能力来探索、查询、可视化和共享来自任何数据源的数据。用户可以使用DeepBI洞察数据并做出数据驱动的决策。

项目地址:https://github.com/DeepInsight-AI/DeepBI?tab=readme-ov-file

本地安装:https://www.deepbi.com/

【开源免费airda(Air Data Agent)是面向数据分析的AI智能体,能够理解数据开发和数据分析需求、根据用户需要让数据可视化。

项目地址:https://github.com/hitsz-ids/airda