摘要

Sacerdote 最高确信的仓位是 Anthropic：他在2025年8月那轮融资中、180的估值买入，此前曾因「毛利率为负，而且说实话，我们还没看到编码需求爆发」而错过60亿美元轮融资。其收入爬坡——「从100到10亿美元，再奔向90亿美元」——「前所未见」，仅编码业务的算账就足以支撑这一判断：Anthropic 内部员工每天在 token 上花费100美元，折合每名程序员每年2万-3万美元，全球2000万名程序员对应的市场规模仅编码一项就达5000亿美元，而这还是建立在只有7-9个月历史的技术之上。
基础模型层开始呈现「三强竞争、某种程度上是寡头垄断」的格局：Anthropic 面向企业，OpenAI 面向消费者，Gemini 也在其中。 这让 Sacerdote 联想到支撑整个 SaaS 行业的三大云平台。模型并非同质化商品：「内部差异巨大」——Anthropic 擅长私募股权和金融，Google 擅长处理 PDF；开源模型可以逼近前沿，但「无法跨越前沿，随后就会陷入停滞」。
企业 AI 的渗透率「不到1%——我们称之为 L 曲线，几乎就是直线上冲」。 按照 Sunder 的说法，真正使用 AI 的知识工作者目前只有约10个基点，未来4年将先升至1%-2%或3%，再到5%，最终达到15%；但在需求真正启动前，算力已经售罄——「Anthropic 现在只有所需算力的一半」。Mark Andre 对未来4年的唯一确定判断：算力不够。
Whale Rock 的框架是「S曲线+竞争优势+被市场低估的盈利能力」，这套框架让其在2023年以4倍盈利买入 Nvidia、2019年以5倍买入 Tesla，并几乎免费获得 AWS，因为「这个世界不相信指数级增长」。当渗透率达到约30%-40%时，指数级增长结束，卖方开始跟上，超预期也随之停止。
Whale Rock 今年进入市场时，已经从组合中40%-50%的应用软件仓位转为软件净空头。 AI 产品此前还不够好，无法收费；软件在每个 CIO 的优先级列表中持续下滑，「他们把预算花在 Anthropic token 上，因为那里的 ROI 更快」；年度涨价如今风险很高，裁员也会压低席位数。一个尚未成熟的对冲逻辑是：运行在 Slack 或 CRM 内部的 agent 可能巩固这些记录系统。
基础设施交易的本质是「硬件行业去商品化」：AI 工作负载以每年10倍的速度增长，把服务器的每个组件都推向物理极限。 Celestica 以8倍盈利买入，是 Google TPU 服务器的唯一供应商，并占据云端以太网交换机50%-60%的份额；PCB 进入40层时代，Corning 的光纤在 scale-up 网络从铜转向光纤后，机会空间将「扩大到 Corning 原来的2-3倍」；未来4年电源 ASP 将上涨40%。DRAM、NAND 和 PCB 的供应「已经短缺30%」。
最大的风险是：如果行业领导者撞上增长瓶颈，开源模型追上来，市场可能变成「逐底竞争」。 这对模型股大概率不是好事，但可能利好芯片股——「芯片公司不在乎谁赢」。

精读

1. Anthropic：先错过，后下注

ChatGPT 在2022年11月打响发令枪后，Whale Rock 的10人团队展开大规模深度研究，并有意按产业链顺序推进：先看芯片和基础设施，因为「不管上面谁赢……我们都知道会需要海量算力」。2023年4月的一场网络研讨会梳理了模型层的几种情景：赢家通吃、开源模型把价格打到零的商品化竞争，或由3-4家组成的寡头格局。
3年后，答案开始浮现：60家初创公司中几乎全部「掉队并消亡」，Amazon「始终没有真正出现」，Meta「开局很强，但基本上后劲不足，不得不彻底重启」。Anthropic 成为专注企业市场的黑马，OpenAI 某种程度上赢下消费者市场，Gemini 则「永远不能被排除在外」——竞争开始呈现寡头格局，类似支撑整个 SaaS 行业的三大云平台。
Sacerdote 曾错过 Anthropic 的600亿美元轮融资——「毛利率为负，而且说实话，我们还没看到编码需求爆发」。到2025年8月，情况完全反转：他与 Dario 深度交流，团队几乎没有人员流失，收入爬坡「前所未见——从100到10亿美元，再奔向90亿美元」。Whale Rock 用 Claude Code 搜索全网编码市场反馈，制作了一份90页的报告，最终以180的估值争取到投资机会，并「在分配额度上超出了我们的体量」。

2. 代码才是真正的解锁点

第一代产品——每月20美元的 Microsoft Copilot——只能「改善你的编码语法，或者帮你找个 bug」。随后 Anthropic 在2025年中发布 agentic 产品，市场随之爆发。Sacerdote 用 Karpathy 和 Linus Torvalds 的态度反转来说明变化：去年的工具只能写20%的代码，剩下80%仍靠手写；如今 Karpathy「除了用英语之外，一行代码都没写」。
支撑这笔投资的核心算账是：Anthropic 内部员工每天在 token 上花费100美元，即每年2万-3万美元；全球约有2000万名程序员，「仅编码一项，就对应5000亿美元的市场。还要注意，这还是建立在只有7、8、9个月历史的技术之上」。
更关键的是，这一优势具有递归性：Anthropic 在代码领域领先，再把这些代码反馈给自己的模型；「如果你看他们的创新速度，会发现它正在加速」——这正是业务进入起飞阶段的前提。

3. 模型不是商品，护城河正在叠加

所有人都以为基础模型会像云服务器一样彻底商品化。在 Sacerdote 看来，这是错的：「内部差异巨大」——Anthropic 擅长私募股权和金融，Google 擅长处理 PDF；模型路由器可以在不同模型间切换，只是让市场看起来像商品化。开源模型——尤其是中国带来的竞争风险——可以做到基准测试成绩的80%，但「从80提升到85是一次巨大的解锁」，而在缺乏前沿算力的情况下，「它们无法跨越前沿，随后就会陷入停滞」。
Anthropic 不只是在提供 API，还在构建完整生态：SDK、编排层，以及能最大化模型能力的软件「harness」。这与2013年的 AWS 如出一辙：当时「人们以为那只是仓库里的一台商品化服务器，没什么大不了」，但 Amazon 持续创造新产品，逐步形成用户锁定。
领先者能够守住位置，靠的是关键 IP、企业品牌——「你去问任何一位 CIO，他们第一反应都会说 Claude」——以及逃逸速度。Anthropic 和 OpenAI 都找到了向竞争对手融资的办法，而对手拥有巨额现金牛；在销售额增长10倍的情况下，「看起来它们已经达到了逃逸速度」。

4. L曲线：渗透率仅10个基点，算力已经耗尽

如今使用 AI 的8亿人，使用的仍是「AI 1.0——强化版搜索引擎」。真正的曲线——技能型应用、真正的 AI bot、企业内部构建——几乎还没开始：Sunder 的估算是，全球知识工作者中仅有10个基点在使用 AI。「未来4年，你会看到渗透率从10个基点升至1%-2%或3%，再到5%，然后到15%。」企业应用 AI 的渗透率「不到1%……我们称之为 L 曲线，几乎就是直线上冲」。
供给侧已经给出答案：在只有10个基点采用率时，「全世界的算力就已经不够了。Anthropic 现在只有所需算力的一半——而这还发生在大规模需求启动之前」。Mark Andre 对未来4年的唯一确定判断：算力不够。
AI 的采用速度为什么会比云计算更快？云计算和 SaaS「像洗碗机——必须接上电」，因此增长上限大约是30%-50%；而 AI「只要打开浏览器就在那里」，所以曲线呈现倒置的 L 形。

5. 投资框架：用个位数市盈率买入指数级盈利

这套三部分筛选框架——S曲线、竞争优势、被市场低估的长期盈利能力——利用的是一个行为偏差：「这个世界不相信指数级增长」。当公司处于正确的曲线位置、拥有强大模型时，盈利会复合增长，而不是线性增长，「这种情况发生的频率比你想象中高得多」。
历史交易记录包括：2023年以4倍盈利买入 Nvidia，2019年以5倍盈利买入 Tesla，以4倍盈利买入 Apple；「我们买 Amazon 的 AWS 时，等于免费获得了 AWS」。很少有人相信自己能预测未来2-4年——「但如果你跟踪并理解 S 曲线，知道护城河在哪里，也知道如何建模，确实可以做到」。
识别曲线和判断曲线规模同样重要。AWS 当时瞄准的是6000亿美元的 IT 系统市场，Whale Rock 假设价格会下降50%，后来才发现它根本不是通缩型市场——TAM 远比预想更大。但曲线也可能停滞：EV 在10%或15%渗透率时「撞上了一堵大墙」，远低于预期的40%-50%。当渗透率达到约30%-40%时，指数级增长结束，卖方开始跟上，超预期也随之停止；Whale Rock 在2012年以美国智能手机渗透率约50%卖出 Apple，此前0%-50%阶段曾实现每年50%-70%的增长。

6. 判断平台期：相信轶事，不要迷信数据

技术往往要在拐点到来前横盘10年以上：智能手机在 iPhone 出现前已经存在10年，Tesla 上市15年后才在2019年进入垂直增长阶段。触发因素是「障碍正在消失」：Jobs 借助3G和触摸屏，把价格从500-600美元降到200美元，做到「简单到你祖母都会用」；Elon 则把 EV 做到4万美元和300英里续航。随后到来的就是「需求龙卷风」。
Andy Grove 说过，「当你面对战略拐点时，不能相信数据」——这依赖右脑式的模式识别，Sacerdote 提到 The Tao Jones Averages。他的例子包括：一个在中国玩大型手机游戏的12岁孩子让他意识到移动游戏已经到来；Gartner IT Symposium 上，AWS 的大宴会厅在晚上9点、10点和11点都挤满了人——「你实际上可以在需求爆发之前，亲眼看到它正在爆发」。
曲线斜率取决于基础设施：一位 Clayton Christensen 的合作者——可能是 Horace Dediu——为公司绘制了100年的 S 曲线：收音机在7年内达到约100%普及率；洗碗机则增长缓慢，因为必须接入管道。B2B 互联网最终在20年后借助 SaaS 才真正普及，因为基础设施此前并不存在；云计算则需要 CIA 和 Capital One 打破安全禁忌。晚一点也没关系：「错过最初的100%没什么」。Peter Lynch 的导师式建议是：「把图表涂白，一切只看未来。」
决定谁能吃到曲线红利的是护城河类型：网络效应、行业标准（Oracle、Bloomberg）、规模——「Amazon 用5年获得了沃尔玛级别的规模优势，而沃尔玛花了40年」——平台、关键 IP（Qualcomm、ASML）和品牌。没有其中任何一项，即便拥有史上最好的 S 曲线，最终也可能一无所获——「RIM、Palm、Nokia、LG、Motorola……负、负、负」。2013年推介 AWS 时 Robin Hood 的说法是：「多头根本不知道自己手里拿着什么。」

7. 软件：从组合半壁江山到净空头

5年前，软件占组合的40%-50%。Whale Rock 在2023年4月的判断是，大型销售团队、数据和 AI API 将「对软件极其有利」，但这一判断很快被现实击穿：「我们很快发现，它们的 AI 产品并不怎么样……没人能为此收费。」Whale Rock 几乎清空软件仓位，今年进入市场时转为净空头，「这在第一季度确实帮了我们」。
看空逻辑有4层：软件在每个 CIO 的优先级列表中持续下滑——「他们把预算花在 Anthropic token 上，因为那里的 ROI 更快」；AI 支出挤压其他预算；年度涨价如今风险很高；裁员压低席位数。其核心比喻是：旧软件像「马车」，新方式则像「喷气发动机，甚至是《星际迷航》里的传送器」。
多头关于软件粘性的论点「全部正确」——平板电脑没有杀死 PC，企业也倾向于采购而不是自建——但「你无法想象，1-5年后可能出现一家全新的 AI-native 公司，逐个挑战这些 incumbent」。基础问题是算术：Salesforce 的销售额为400亿美元，而 AI ARR 可能只有5亿-7亿美元。
Sacerdote 正在观察一个尚未成熟的反论点：AI 可能会巩固部分平台——「你用 Claude 做的第一件事是什么？把它接入 Slack」。如果 agent 在 CRM 内部完成工作，「这会巩固 CRM」；但看空逻辑是，CRM 最终可能沦为一个无头数据库。

8. 硬件去商品化

过去40年，「数据中心基本没变」：Intel x86，工作负载每年增长25%-40%，由摩尔定律跟上，所有组件都被商品化——从1G到10G以太网用了7年。如今工作负载每年增长10倍，把每个组件都推向物理极限：「我们称之为硬件行业去商品化」。Shawn Maguire 3年前说过：「我真希望自己能回来做一家硬件对冲基金。」
Celestica 是典型案例：这家自1999年以来一直「一团糟」的合同制造商保留了 IBM 超级计算业务的人才，后来成为 Google TPU 服务器的唯一供应商，股价对应8倍盈利，并占据云端以太网交换机50%-60%的份额。液冷 AI 服务器的价格是20万-30万美元，而普通一次性服务器只要5000美元——「你会变成关键基础设施，就像为飞机供应关键零件一样。你永远不会被替换掉」。
这种模式沿着产业链向下重复：AI PCB 需要40层，而不是10层；Whale Rock 持有覆铜板龙头 Elite Materials。销量、层数和 ASP 叠加后，未来4年的营收 CAGR 将达到「35%-50%，且利润率上升」，供应商获得的能见度也从「下周再联系」提升到4年期路线图。Corning 的光纤——单个 Microsoft 数据中心使用的光纤足以绕地球4.5圈——真正的催化剂在于 scale-up 网络从铜转向光纤，「这会让 Corning 的机会扩大到原来的2-3倍」。电源方面，每颗 Nvidia 芯片或每个机架的耗电量增加50%-125%，推动 Delta 和 Advanced Energy 的 ASP 在未来4年上涨40%。DRAM、NAND 和 PCB 的供应「已经短缺30%」——「即便它是商品，也会是一个很好的周期」。

9. 为什么不是所有人都这么做，以及什么会击穿论点

对于是否应该公开这套方法，他说：「我妈妈问我，为什么要把秘密告诉所有人？这就像——赌场为什么要教人玩 blackjack？因为这真的很难做。」几乎没人覆盖硬件——「只有你和 Gavin」——而纯半导体分析师错过 Nvidia，是因为他们看不到基础模型层。每6个月就会出现一次泡沫论，但「看空逻辑并非完全没有道理」；整体视角仍然支撑着他的信念。他对 AI 时代的 Rule of 40 做了一个修正：AI 销售额占比加上该类别市场份额，而变化速度比绝对水平更重要——Claude 曾经把图表画错，正是因为忽略了变化速度。
他真正担心的风险包括公众和政治层面的敌意——「我觉得 Maine 刚刚禁止了数据中心」；目前只有20%的人对 AI 持乐观态度——但「潘多拉的盒子已经打开」。更大的风险是，如果 Anthropic 或 OpenAI「撞上墙、停止进步，开源模型就会追上来，市场可能变成逐底竞争——这对股票大概率不是好事，但可能利好芯片公司」。Jensen 过去谈到图形芯片时说过：「如果够用就是够用，那我就没生意了。」
如果某个领先者失速，算力可能被闲置；但「如果 AI 足够大，总会有人把这些算力吸收掉」，就像 Oracle 取消一笔大交易后，Meta 立即接手。在应用层，他有意保持缺席：应用「总是来得更晚」，模型与应用的边界并不清晰，生态「仍然有些模糊，也有点危险」；他正在观察 Brett Taylor 的 Sierra 作为测试案例，但并未参与其中。

10. 学习机器：实地调研、私募投资与巨型科技基金

这套体系很可能是 Philip Fisher 的 scuttlebutt 方法在工业规模上的延伸：每年进行2500-3000场面对面的管理层会议，其中10%-15%涉及私有公司，知识在20年间不断复利。AI 可以帮忙整理会议笔记，「但最上面必须有一段真正好的总结，那才是智慧……不要只做记者」。AppLovin 很可能就是一个典型案例：2位分析师从公司还是私有企业时就开始跟踪，前往拉斯维加斯参加应用广告会议，并与很可能是 Adam Foroughi 的人建立关系——「我看不到 AI 能做到这一点」。他的确信度测试是三脚架：「当我喜欢某个东西，我的分析师也喜欢，而且一个我真正尊重的人也喜欢它。」
Stripe 的投资体现了私有市场打法：在调研可能的 Adyen 时，200通客户电话让他得出结论——「这是 Coke 和 Pepsi」；于是他在2019年与很可能是 Collison 兄弟的人见面，2020年4月又从一名卖方手中买入1亿美元的股份，当时对应估值约350亿美元。他据此对 take rate 建模：Stripe 为40-50个基点，可能的 Adyen 为25-30个基点；公司披露的5500亿美元 TPV 实际上「更接近1万亿美元」。卖方愿意把股份卖给 Whale Rock，是因为它会一直持有到公司进入公开市场，可能的 Nubank 也是如此。作为背景，如今独角兽市场的规模已经超过德国或英国股市。
Whale Rock 最新的产品是 Mega Cap Tech Fund：覆盖全球市值前30家公司，持有其中最好的12-13家，针对的是一个结构性异常——捐赠基金在全球最大科技公司上的配置「严重不足」，因为它们相信大盘股没有超额收益。他的反驳是：「需要100位分散投资的基金经理，才能确认 Google 不是输家——我们能不能在其中95%的人都确认之前，就先看出来？」

第185期——2026年6月5日市场概述2026年6月9日