20VC：Cliff Weitzman谈自建数据中心与被ElevenLabs反超的教训

摘要

• Cliff Weitzman 的核心资本开支计算是：从超大规模云厂商租一块 H100，每年要3.5万–5万美元；直接买下约3万美元——也就是约为买入价的1.5倍。 硬件保修期为3年，而在他的设想中可能可以持续工作10年；自有、内存与GPU共置的集群，也能让 Speechify 以更低成本完成训练和推理。Speechify 每年在 NVIDIA GPU 上花费数千万美元，并支付6位数溢价以跳过交付队列，可能比超大规模云厂商客户提前1年拿到 Rubin。
• Weitzman 表示，NVIDIA 与 Blackstone、BlackRock、Apollo 和 Goldman Sachs 达成的交易，以GPU价值最高25%作为抵押融资基础，创造了流动的二手市场和价格底线，“正是Elon早期做SolarCity的方式”。 面对资本循环的担忧，他将自己认为荒谬的 Oracle–OpenAI 安排，与 NVIDIA 真正有用的资产区分开来：关键问题是“这台设备每秒能跑多少万亿次浮点运算？”这实际上就是GPU的价值单位。
• Weitzman 的自我检讨是本期节目的核心：不做B2B是“我在 Speechify 历史上犯下的最大战略错误”，而被 ElevenLabs 反超则是“100%我的责任”（100% on me）。 他错误地认为文本转语音API最终会商品化，忽略了AI实验室的第一个产品往往只是切入口，后面还有更大的产品空间；如今 Speechify 的 Simba 3.2 API 每100万字符收费10美元，而 ElevenLabs 收费100美元，OpenAI 基准模型的价格为196美元。
• Harry Stebbings 认为，现在转向B2B可能又是一个错误：Speechify要面对他所称的已经“势不可挡”的 ElevenLabs，以及被他称为“Postmates效应”的 Bret Taylor 的 Sierra。 Weitzman 拒绝置身事外：“输掉比赛的最佳方式，就是根本不参赛。”他举出的先例包括跟随 OpenAI 的 Anthropic、跟随 Friendster 和 MySpace 的 Facebook，以及在语音AI上失手的 OpenAI。
• 在AI人才战上，Weitzman 反转了 Stebbings 的前提：招聘在增长期极其残酷，年薪方案可以达到1500万美元，Stebbings看到的上限则超过5000万美元；但对真正的种子期公司而言，现在是“有史以来最容易”的时期，因为原始能力可以迅速培养。 Speechify 现在招聘数学奥赛选手、Kaggle 冠军和可能从未写过代码的物理学家，核心原则是：“招聘看成长斜率，而不是起点截距。”
• Speechify 的开发文化是：代码上线生产环境前一律不给功劳——“你做了一瓶漂亮的牛奶，却把它留在路边，牛奶会坏掉”。 Claude Code 是首选工具，工程师每人运行5–18个智能体，目标是“每天做出10个真正好的决策”。公司没有 token 排行榜；在琐事上浪费 token 可能被解雇，但如果花费12,500美元、运行2周的长周期任务最终产出更好的模型，这笔钱就花得值得。
• 谈到公开市场判断，Weitzman 选择 Meta 而不是 xAI，理由是“Elon分心了”。 随后他将 Meta 与 Elon 的 SpaceX 和 Tesla 对比：Meta 的市盈率约为32倍，Tesla 估值达到数百倍，SpaceX 则“疯狂”；Meta 拥有比任何公司都多的数据，却受到 GDPR 等法律约束，而 Zuck 还有大约20年的额外时间。Stebbings 反驳称，去掉 Zuck 可能因为终结“资本开支、资本开支、资本开支”的路线而推升 Meta 股价；去掉 Elon 则会摧毁更多价值。
• 他对未来5年的逆向判断是：人与计算机的交互将主要转向语音，而他最兴奋的领域是AI生物学。 面对一名患有罕见病的家人，他在GPU集群上分析了15周的血液、基因组、蛋白质组和RNA数据，并与6年的自报数据进行对照；下一步计划对其他患者进行测序，寻找共同线索。他还表示，GPU帮助他定位了父亲的前列腺癌病灶，闭合了这个始于阅读障碍和反复听22遍《哈利·波特》有声书的创业故事。

精读

1. 买GPU而不是租：租一年相当于买入价的1.5倍

• Weitzman 的计算是：一块 H100 买入价约3万美元；租用价格在 GCP spot 实例上为每小时5美元，在 Azure 或 AWS 上约为每小时3.50美元。年化后就是3.5万–5万美元，即每年约为买入价的1.5倍；硬件保修3年，而他认为在不确定的情况下，实际可能运行10年。
• 这套逻辑的文化起点早于具体计算：租用算力让 Speechify 工程师变得“精打细算”，生怕给公司带来成本。他和兄弟打的比方是：Michael Jordan 不该每小时花20美元租球场——“你应该在自己家里就有一个篮筐。”
• 更难解决的是物理约束：大规模训练需要大容量内存与GPU集群共置，无法在不付出昂贵承诺、牺牲控制权的情况下，直接从 Google、Microsoft 甚至 Baseten 租到。使用自有硬件运行开源代码模型，每个 token 的成本是“不到一美分的几分之一”，而不是向 Anthropic 支付品牌 token 的费用。
• 他说，Speechify 最新的 Simba 3.2 模型“质量排名全球第一”，超过前沿实验室模型，同时价格约为 ElevenLabs 等产品的1/10。

2. Stebbings 的折旧质疑，以及“抽屉里的iPhone”反驳

• Stebbings 的质疑是：芯片会折旧，迭代周期越来越快，购买还会把公司锁定在某一架构上。Weitzman 的回答是，GPU不是一台放在抽屉里积灰的 iPhone：“如果我拥有10万块GPU，我仍然会同时使用它们。”Speechify 目前仍用 K80 和 A100 做推理，因为老卡可以在100毫秒内完成所需工作；训练则使用最新硬件。
• 资本配置的比较基准是：优质长期债券收益率约为5%，而购买GPU可能带来更高回报，因为租用一年的成本相当于买入价的1.5倍。多余容量也可以出租给其他用户，不过 Weitzman 不认为自己会有太多闲置算力。
• 需求预测具有季节性和层次性：如果11月利用率为100%，10月就是140%，12月则为80%。Speechify 会买下确定需要的约20%正常用量，通过长期超大规模云厂商合同锁定另外25%，剩余部分再按需现租，避免过度承诺。

3. NVIDIA 正在为二手GPU价格筑底

• Weitzman 提到的结构性新闻是：本月早些时候，NVIDIA 与 Blackstone、BlackRock、Apollo 和 Goldman Sachs 达成交易，为GPU抵押融资提供支持。如果 Google 或 CoreWeave 等借款人违约，NVIDIA 将以最高相当于GPU价值25%的价格回购。Weitzman 认为，这会创造流动的二级市场并降低融资成本——“正是Elon早期做SolarCity的方式”，当时 Morgan Stanley 和 Merrill Lynch 将太阳能板按30年期限摊销。
• 对于资本循环的担忧，他认为大约1年前 Oracle 与 OpenAI 之间发生的事情“太过头了，简直荒谬”。NVIDIA 不同，因为GPU本身具有内在价值。与 Bitcoin 不同，只要接入网络，GPU在哪里都能发挥作用；相比之下，黄金的用途主要局限于医疗、珠宝等领域。真正重要的问题是：“这台设备每秒能跑多少万亿次浮点运算？”这基本就是GPU的价值计量单位。

4. 亲自买芯片没人告诉你的事，以及“直接租就好”的争论

• 现实细节并不光鲜：“Dell 现在已经是GPU机架供应商”，不只是PC公司。Weitzman 的供应商在法国有现货 Blackwells，但交付延迟，逼得他质问：“Pierre，搞什么？我们有合同。”他会支付6位数溢价来跳过排队，因为GPU晚到一天，他仍然要支付数据中心空间费用。一辆卡车可以运输相当于一栋房子、甚至数栋房子价值的GPU，因此保险非常关键。
• Rubin 系统采用液冷，但许多数据中心没有预先批准的液冷设施。Speechify 研究过购买液冷“边车”、让数据中心安装，再由自己提供机架、网络和能源。如今能源约束尤其重要。
• Stebbings 强烈反对：Speechify 每年节省的成本约为0.5倍，而不是10倍，却还要承担保险、货运、冷却和物流风险；在与 ElevenLabs 竞争时，他“不想操心液冷，也不想操心货运卡车的保险”。
• Weitzman 的反驳是，ElevenLabs 也面临同样的运营问题；Piotr 很早就买了GPU并在家里搭建。租用共置集群可能“贵得离谱”，需要签多年合同，而且控制权更少。购买 Rubin 系统可能让 Speechify 比那些等待超大规模云厂商交付的客户提前1年获得算力。
• 他更广泛的框架是，一家强公司需要团队、数据、算力和架构。每名工程师可能运行5–18个长周期智能体，而他最优秀的工程师之一正专注于制作合成数据集，而不是写模型。没有算力或数据，团队就会受到约束。

5. 数据市场是好生意，但不是ARR

• Weitzman 对 Mercor、Micro1 和 Surge AI 这类公司的提醒是：“这不是ARR。”每笔交易都是一次性的，买方没有义务再次采购，早期投资人正是因此而犹豫。供应商必须成为“运营怪兽”，快速交付，证明客户模型得到改善，并就数据来源向客户提供赔偿保障；“我们已经见过诉讼了。”
• Stebbings 认为，客户可以从前沿实验室转向需要为专用模型补充数据的大型企业；他称前沿实验室目前贡献了约90%的收入。Weitzman 同意数据不可或缺，也认可 Mercor、Micro1 和 Surge AI 可以缩短变现路径，但他的重点仍是市场的一次性收入结构和沉重的运营负担。
• Weitzman 表示，前沿实验室可能愿意今天支付一小部分未来10年预期收入，以获得数据，而不是自己搭建并管理数据采集业务。

6. “100%我的责任”：ElevenLabs 如何跨越式超越 Speechify

• 被问到错过B2B是否是自己的责任时，Weitzman 回答“是，100%我的责任”，并称其为“我在 Speechify 历史上犯下的最大战略错误”。他2022年在伦敦见到 Piotrek 和 Mati，对两人十分欣赏，也想使用他们的模型，但当时判断文本转语音API最终会被电脑和手机商品化。
• 他当时没有看见、如今已成为其经营理论的事实是：AI实验室的第一个产品只是切入口。一个优秀的声音可以延伸到更多声音、情感韵律、声音克隆、语音转文字，以及能够处理嗯声、笑声、打断和轮流发言的双工模型；再往后就是语音对话工具，以及销售和客服应用。
• ElevenLabs 先做出了优秀的API和创作者产品，随后推出 Agents；此时买方不再只是软件工程师，而可能是 CTO、CIO、CEO 或其他高管。Weitzman 说，自己忘记了硅谷那套先让用户进入产品、再向他们销售更多创新产品的逻辑。
• 经济模型也导致 Speechify 延迟进入B2B：B2C客户付费更低，迫使 Speechify 将成本压在每100万字符10美元以下。ElevenLabs 每100万字符收费100美元，基准测试中引用的 OpenAI 模型价格为196美元；Speechify 新推出的 Simba 3.2 API 收费10美元。

7. B2B之争：Postmates效应 versus “必须参赛”

• Stebbings 反对 Speechify 转向B2B的理由是，它现在要与 ElevenLabs 竞争——后者是拥有主要西方民主国家政府支持的“势不可挡的机器”——以及与获得 Bret Taylor、Sequoia 和 Greenoaks 支持的 Sierra 竞争。他将第三名称为“Postmates效应”，认为 Speechify 不如继续做占据主导地位的消费品牌。他还表示价值会向头部玩家集中，Weitzman 同意幂律确实存在。
• Weitzman 的反例包括：长期排在 OpenAI 之后的 Anthropic，如今已经不再是第二名；曾排在 Friendster 和 MySpace 之后的 Facebook。这个市场是寡头市场而非垄断市场，而3年前很多人都认为会赢下语音AI的 OpenAI，后来却在这一领域失手。Stebbings 将其归因于管理不善；Weitzman 则表示每家公司都可能错失细分市场，包括 OpenAI 在代码领域也可能失手。
• Speechify 的消费端规模很大：Weitzman 声称其占 App Store 文本转语音安装量的98%，已服务超过7700亿个词，相当于约6000年的听读时长，并拥有6000万用户。他的计划是基本免费提供产品，将其嵌入用户的工具栈，同时持续创新。“输掉比赛的最佳方式，就是根本不参赛。要参赛。”

8. 人才战：增长期残酷，种子期“有史以来最容易”

• Stebbings 的挑衅是，Anthropic 和 OpenAI 能提供异常庞大、未来可能具备流动性的回报，吸引了 Monzo 创始人和 Matt Clifford 等人。他说，大约30家资金充裕的公司正在争夺约1000名经验丰富的AI和系统人才，有些方案达到5000万美元甚至更高，另一些则为1500万美元。
• Weitzman 首先将这些公司与普通种子期初创公司区分开来：一家已经融资1.5亿美元、估值5亿–20亿美元的公司，确实可以合理地提供1500万美元方案；普通种子期创始人则做不到。因此，他认为增长期招聘更困难，而真正的种子期公司正处于“有史以来最容易”的阶段，因为原始技术能力可以迅速培养。
• Speechify 现在招聘数学奥赛选手、LeetCode 高手、Kaggle 冠军，以及可能从未写过代码的物理或数学毕业生。Weitzman 说，公司可以在6个月内教会他们其余技能，这套方法让他想到 Duolingo：“招聘看成长斜率，而不是起点截距。”
• 在 Weitzman 看来，Anthropic 能吸引资深人才，是因为它打造了“世界历史上最好、最受工程师喜爱的产品”。Anthropic 招聘了许多上市公司和成功初创公司的 CTO，CTO 的数量多于 CEO。Speechify 当时只有21个人，其中18人此前曾担任 CEO、CTO 或工程副总裁。
• 他的实操建议是采用职能面试，让候选人理解并修改一个大型代码库，再检查他们破坏了什么，并要求其具备合格的智能体编排能力。至于人们现在是否更愿意选择 Anthropic 确定的1000万美元，而不是初创公司可能给出的6000万美元，Weitzman 认为，确定性与风险之间的权衡仍然因人而异，并没有发生根本改变。

9. 上线生产环境前，一律不给功劳

• 这套文化最经典的比方是：“想象你在做牛奶配送，你做了一瓶漂亮的牛奶，却把它留在路边，牛奶会坏掉。”只有当功能真正触达用户、且没有漏洞时，功劳才会产生。“我们不是在做理论。我们是一家应用型AI公司。这就是我们赢的原因。”
• 他举出的案例是一名19岁工程师：在等待3次训练运行结束时，把 Weitzman 录下的14条产品意见全部实现。第二天早上展示的结果，解决了 Weitzman 指出的所有问题。
• 工具栈首选 Claude Code，其次是 Cursor，另有部分 Codex。Linear 工单可以直接交给智能体；一名优秀工程师如今首先是“出色的QA”，负责测试功能、找出边界情况、提示智能体修复、优化结果，并每天做出约10个产品和架构决策。
• 智能体需要密切监督：Weitzman 说，他的兄弟 Tyler 曾经定闹钟凌晨3点起床，检查智能体在做什么；他还描述过大约每3小时照看一次智能体的工作状态。他同时警告，这种投入程度可能导致AI疲劳和职业倦怠。
• 公司不使用 token 排行榜，Stebbings 认为排行榜会带来错误激励。Speechify 看重演示和生产结果；Weitzman 说，员工可能因为在琐事上浪费 token 而被解雇。相反，他举了 Anthropic 使用 Fable 1 的例子：一次长周期运行花费12,500美元、持续2周，最终产出了更好的模型。他认为这正是正确用法：先定义目标和衡量标准，再围绕它反复迭代。

10. “只有输家才竞争”：Wispr Flow、Siri与重新理解切入口

• Stebbings 讲到一篇后来删除的帖子：Wispr Flow——讨论中后来称为 WhisperFlow——变得更差，随后出现500个替代品，“这就是一个市场商品化的案例”。Weitzman 说，该产品最初使用的是一套组合式工具，底层可能用了 DeepL 或 Deepgram；切换到更便宜的自研模型后，效果可能恶化。
• 他还认为，公开宣布产品会吸引竞争。WhisperFlow 通过更多发布公告，在科技圈拥有更大的品牌声量，而 Speechify 有意保持低调；Weitzman 声称 Speechify 的用户远多于对手，且没有同等规模的竞争者。他引用 Peter Thiel 的话：“只有输家才竞争。尽量不要竞争。”
• Weitzman 在语音转文字上也犯过类似错误。7年前他做出了自己的产品体验，却认为 Apple 会像系统原生功能一样加入这一能力；但 Apple 宣布的 ChatGPT–Siri 合作也没有产生可见结果。如今 Speechify 已推出与 Siri、Wispr Flow/WhisperFlow 和 ElevenLabs 竞争的产品。
• 对于 Stebbings 对客服市场的怀疑——包括他所说的18家公司在18个月内融资超过1亿美元，而成熟买方会自行搭建系统——Weitzman 表示，Speechify 的B2B核心是API，而不是通用客服产品。他声称API在质量、速度和价格上都有优势，同时由前置部署工程师与客户共同搭建智能体，并从中发现下一个产品。
• 对 Sierra 和 ElevenLabs，Weitzman 表示两家公司都会做得很大，而且自己不会试图与 Bret Taylor 正面交锋；Taylor 的履历包括 Google Maps、Facebook CTO、Salesforce 联席CEO，以及 OpenAI 董事会成员。Stebbings 认为，Taylor 走的是更宽泛、强调工具调用和 Salesforce 式的平台策略，而 ElevenLabs 聚焦语音；Weitzman 同意两家公司在玩不同的游戏，但都在争夺更广泛的AI智能体机会。

11. 语音优先的计算，以及买 Meta 而不是 xAI

• 他对未来5年的逆向判断是，人机交互界面将主要转向语音。Google 和 ChatGPT 的成功部分来自简单界面——“一个文本框和一个按钮”——而对话更简单。Weitzman 认为，目前 ChatGPT 的语音模式速度太慢、使用的模型更弱，而且无法顺畅升级到质量更高的模型。他认为 Meta 在语音手机和可穿戴设备上的方向是对的。
• 如果必须在 xAI 和 Meta 之间选择，Weitzman 选择 Meta，理由是“Elon分心了”。随后他通过 SpaceX 和 Tesla 评估 Elon，暂时把太空数据中心放在一边。他表示，Tesla 的储能和芯片制造工作很重要，因为数据中心受内存和能源约束；而 Elon 的太空数据中心想法，是向投资人推介时“从帽子里变出的一只很棒的兔子”。Stebbings 则说，这“会毁掉所有估值模型”。
• Weitzman 认为，Meta 拥有比任何公司都多的数据，但 GDPR 和其他美国法律限制了其用这些数据训练模型的能力。Meta 的交易市盈率约为32倍，Tesla 则为数百倍，SpaceX 的估值“疯狂”。与 Elon 相比，Zuck 还有大约20年的潜在领导时间。
• Stebbings 反驳称，如果去掉 Zuck，换成一名广告业务高管，终结“资本开支、资本开支、资本开支”的路线，Meta 股价可能在短期内上涨；但如果去掉 Elon，摧毁的价值会大得多。Weitzman 起初说没有 Zuck Meta 就会死，随后强调 Meta 缺少 Alex Karp 或 Elon 那种叙事溢价效应。因此，除非 Elon 更宏大的愿景成功，Meta 的底层技术和业务价值可能远高于其市场估值。

12. GPU对抗罕见病：个人层面的เดิมพัน

• Weitzman 最兴奋的前沿领域是AI在药理学和生物学中的应用。面对一名患有严重自身免疫性神经炎症的家人，他连续15周每周采集血液，进行基因组测序、蛋白质组和RNA分析，并在GPU集群上将结果与6年的自报生活质量和情绪数据进行对照。他说，自己发现了一些此前没有医生能够告诉他的事情。
• 他正在购买一台约5000美元、口袋大小的测序设备，并计划与患有同一种罕见病的人组织线下聚会，其中包括该病 Facebook 群组的成员。他希望对这些人的基因组进行测序，再在大型GPU集群上对比，寻找共同的表观遗传线索：“我知道我一定会解决这种疾病。”
• 随后他描述了如何将这项工作的结论与 Isomorphic Labs 的 AlphaFold 结合，设计能够结合相关蛋白质的分子，使用 CRISPR，并从 Twist 订购RNA或DNA序列。他说，整个工作可以通过 SSH 连接到自己位于亚利桑那州 Scottsdale 的GPU集群上进行模拟。
• 他还表示，GPU帮助他定位了父亲的前列腺癌病灶。这个故事最终又回到 Speechify：父亲在阅读障碍让他难以阅读时为他读《哈利·波特》；13岁移居美国后，他连续听了22遍有声书；后来他做出了帮助自己从 Brown 毕业的文本转语音工具。“技术解决了我的阅读障碍，也解决了我的 ADHD，而且它将解决我兄弟的疾病。”