AI投资人圆桌：聪明钱在AI领域究竟流向何方｜EP 219
摘要
AI融资规模已经超出风投体量：Peter Diamandis称，美国每天投入AI的资金已达10亿美元，到2030年可能升至30亿美元，而且他预计还会超过这一水平；Dave Blundin则将其与美国每年约2000亿美元的风投投资规模作了对比。 当被问及a16z有多少资金流向AI时，Anjney Midha的回答是：“基本上全部都投了，但还是不够。” 战略投资者、公开市场、信贷和主权资本都需要加入这场融资行动。
算力偏好链条正从现金、GPU一路延伸到高质量基础模型token，而电力正成为硬基础设施约束。 推理模型产生的token数量约为早期生成式AI模型的10倍，形成日常版Jevons悖论：效率提升反而释放出更多需求。NVIDIA的Blackwell NVL72可能在数据中心完成布线、许可审批和供电之前就已交付——“我们就是没有足够的电力给这些芯片供电。”
公开市场正在成为融资引擎的一部分，Bonnie Chan称，香港在当年的全球IPO排名中位居第一，已完成约80宗交易，另有300宗在排队；已完成和待完成交易合计约一半涉及AI。 HKEX能够吸引技术赋能型“专业散户投资者”的需求，但Chan警告，市场热情最终会让位于更棘手的估值问题。为AI提供资金，需要把机会与私人资本、公开市场资本、信贷和股权资本匹配起来。
垂直应用提供了最清晰的早期经济性，因为其应用场景充足，资本需求也低于基础模型或数据中心。 Blundin称，符合条件的MIT和Harvard团队迄今的成功率接近100%；典型的初始估值为2000万-3000万美元，随后可以获得1亿-3亿美元首轮融资，而注定成为独角兽的公司在两年内就能达到这一目标。Mercor从创立时的3000万美元一路升至3亿美元、20亿美元和100亿美元，是他反复举出的标志性案例。
圆桌讨论中最严重的风险来自政治：前沿AI创造的财富正在私人部门内部复利增长，而电力成本、就业冲击和基础设施取舍却由公众承担。 Midha提到，Anthropic在48个月内从几亿美元估值升至1830亿美元，随后问道：“我的那份未来在哪里？” 他警告，如果Claude和GPT-5将印度IT服务业的大量业务token化，印度可能面临一场“丑陋”的转型。Peter区分了这种未来冲击与当前由2010-2020年过度招聘造成的裁员，Midha又补充了疫情时期放水的影响。
建议的普惠机制应当是机构托管，而不是把散户推向信息不透明、估值已经很高的资产。 Midha希望主权基金、养老金和国家基金进入前沿AI公司的股东名册；Anthropic的种子轮曾在22次引荐中遭到21次拒绝，最终只能由天使投资人和高净值个人拼出资金。Blundin另行警告，资本密集型机器人和聚变能源，以及量子计算等投机性押注，可能损害市场对真正AI价值创造的信心，重演互联网崩盘前外围投资泛滥的教训。
精读
1. AI的资本需求已超出风投资金盘
Peter将这条曲线定义为：美国每天投入AI的资金已达10亿美元，到2030年预计升至30亿美元，而且他预计还会“冲穿这个数字”。Dave的对比揭示了其中的错配：美国风投每年投资约2000亿美元，因此“还需要有相当于5倍的资金从别处进来”。Bonnie则另行提到，目前每天投入AI的金额为20亿美元。
Anjney表示，a16z的基础设施、应用和医疗基金实际上都已变成AI基金，因为这项技术横跨整个产业栈。推理模型在推理前产生的token数量是传统生成式AI模型的10倍，由此形成日常版Jevons悖论：每增加一项基础设施或取得一次算法效率提升，都会带来更多文本、代码、图像和视频需求。
因此，资本链条正在围绕战略资产负债表重写。Anjney提到，NVIDIA会与风投基金并肩直接投资，数据中心运营商开始进入股东名册；Satya四年前曾以非营利机构身份向OpenAI投资10亿美元，Amazon和Google也在为Anthropic提供资金——“我们需要所有能拿到的资本。”
Bonnie将自己形容为私人市场创业投资者之间的“老派证券交易所”。香港在当年的全球IPO排名中位居第一，已完成约80宗交易，另有300宗在排队；她估计，已完成和待完成交易中约一半以某种形式涉及AI。技术赋能型散户投资者正越来越多地被称为“专业散户投资者”。
2. 电力，而不是芯片，正成为基础设施硬墙
Anjney描述了一条算力“偏好链”：现金被换成GPU，基础模型团队再把GPU转化为token，而token如今已成为应用开发者的投入品。高质量token比GPU更稀缺，GPU又比现金更稀缺；有些应用需要直接调用GPU，另一些则需要基础模型token。
NVIDIA的Blackwell NVL72网络堆栈支持视频模型等大规模、高内存训练，但Anjney表示，如今实际部署进度已经落后于芯片交付。老旧数据中心缺乏足够的电力密度，布线和能源许可又迟迟不到位；因此，算力供应商正陷入“抢能源合同的狂热”，竞相抬价争夺电力供应。
Bonnie认为，中国的机会横跨发电、储能，以及能够把西部和西北部充足的阳光和风能输送至全国数据中心的电网。制造业随后可以承接显而易见的AI应用；药物发现等数据密集型领域，也能利用AI加速传统上涉及临床试验、样本筛选及其他高数据量环节的流程。
3. 垂直AI正在压缩公司和创始人的成长周期
Dave表示，MIT和Harvard的创始人几乎都选择垂直应用，因为其资本密集度低于数据中心；只有少数人会去做基础模型。对于符合Link画像的团队，迄今成功率“接近100%”，原因在于，相对于人才池规模，有价值的应用场景极其丰富。
他的类比对象是90年代末的互联网，而不是加密货币：一种灵活的通用技术会创造出大量可行应用，因此一支强团队必须做出异常糟糕的选择才会失败。与Chase Lochmiller相关的5000亿美元Stargate建设被视为罕见的基础设施例外；大多数创始人仍然围绕具体应用场景创业。
融资速度也随之改变。初始估值仍在2000万-3000万美元左右，首轮融资可以达到1亿-3亿美元；注定成为独角兽的公司，两年内就能达到这一身份，而创始人可能仍只有23岁或24岁。Dave对比称，他近期投资的项目中有8位30岁以下的亿万富翁，而在此前整个投资生涯中，他只能数出3到4位。
Mercor展示了这种加速：Dave称，其估值在两年内从创立时的3000万美元升至3亿美元、20亿美元和100亿美元。他形容，这批新人“几乎”还没有驾照，却已经拥有10亿美元流动性资产。
4. 私人AI财富正与公共转型成本发生碰撞
Anjney对近期基础设施的担忧，是政府的许可和监管工作能否真正落地。他认为，约两个月前推出的AI行动计划是精确、务实的起点，但规模化执行可能遭遇官僚主义和社会反弹，因为新建数据中心需要布线，还要艰难地重新分配电网容量。
更深层的问题在于财富分配。Anthropic在48个月内从几亿美元估值升至1830亿美元，但Anjney表示，大部分收益仍留在私人基金和少数人才手中：“我不认为我们应该像现在这样庆祝这件事。”
印度展现了这种转型风险：其GDP中有两位数百分比来自IT服务，而Claude和GPT-5可能将这部分活动的大量环节token化。Midha认为，生产率增长确实存在，但讨论往往遗漏了短期阵痛——“那会很难看。”
Anjney提到，Sam Altman曾表示将向每位公司员工发放100万美元留任奖金，外界的反应却是：原本想传达令人振奋的信息，全球收到的却是“这不酷”。他还说，硅谷的科技领袖和投资人正收到死亡威胁。Peter描述了OpenAI门外绵延不绝的抗议队伍，并认为部分当前裁员反映的是2010-2020年的过度招聘，而非AI因素；Midha又补充了疫情时期的放水。
5. 机构准入必须扩大，但不能让散户成为最后接盘者
Bonnie的困境很明确：让更多人参与AI投资听起来很理想，但私人市场估值已经很高，而且是在一个范围狭窄、信息有时不透明的价格发现机制中形成的。如果向公开市场敞开大门，散户可能会成为“派对上最后进场的人，而整个东西随后崩塌”。
Anjney给出的答案，是让代表公众利益的机构参与进来——主权基金、养老金和国家基金，而不是让缺乏信息的散户直接入场。他认为，这些机构的职责，是在公众被彻底甩在身后之前，让公共资本接触前沿AI创造的财富。
Anthropic的种子轮展示了这些机构当时有多么缺席：Anjney在Sand Hill Road上下引荐了22次，收到21次拒绝，最终迫使团队从天使投资人和高净值投资者处拼出1亿美元。Peter最后指出，如果一开始就进入这笔交易，投资人可能获得按比例跟投的权利，后续追加投资大概可以达到40亿美元、50亿美元甚至100亿美元。Dave的结论是：“入局。”
不过，Dave将直接的AI价值与投机性外围资产区分开来。他认为，销售和客服领域的AI语音已经是一个现成且显而易见的机会，对应全球约5000亿美元的工资支出，而且这项技术在电话那头已经能比任何人做得更好。相比之下，机器人和聚变能源属于资本密集型外围押注，量子计算则是另一个“也许”能成的投资。有些会成功，但有些可能吞噬巨额资金并制造亏损，重演2001年互联网失去信心的过程——2000年崩盘前后，外围投资的失败曾造成类似后果。