Andrew Feldman

Cerebras 表示，AI 基础设施服务的是已签约需求，而不是押注客户最终会出现。 Andrew Feldman 披露，公司积压订单达250亿美元，并称客户正“试图捕捉昨天的需求”（“trying to capture yesterday’s demand”）；占地一个足球场的数据中心，耗电量甚至超过中型城市。对投资者而言，运营难题在于：当需求超过数据中心建设和填充能力时，如何留住客户。

推理模型让推理速度和 token 可用量成为产品能力的一部分。 Rombach 表示，“Fable”和“5/6”等模型越来越能在无需“提示词耳语者”的情况下推断用户意图；他进行 Hermes-agent 实验时，通过一个运行 Z.ai GLM-5.2 的 Bittensor 项目，让模型在行动前先讨论自身的研究策略。长时间运行的任务已经能产出“惊人的东西”；Rombach 假设，如果 Cerebras 的推理速度提升15倍，就能把“数周或数月的思考”压缩到1天内完成。

Cerebras 预计，未来18个月其年轻架构的进步速度将大幅超过传统摩尔定律。 Feldman 的判断是“远超2倍”，因为新架构仍有大量面向特定工作负载的优化空间，而一套已有20年历史、依赖更小制程的 GPU 架构则不同。超大规模云厂商自研芯片，并不意味着商用芯片需求失效：它们的首要目标是避免完全依赖任何单一供应商。

开源模型正成为前沿 AI 底层的成本、控制权与主权层。 Feldman 的比喻是，用户不该“开着 Ferrari 去买菜”：前沿模型负责最难的问题，开源模型则承接日常 G&A 和“剪切粘贴经济”。受监管企业同样希望在本国部署、在本地运行；因此，Cerebras 同时运行 gpt-oss-120B、GLM、Kimmy、“Quincy”系列模型、OpenAI 专有模型以及客户自研模型。

当模型能在数小时内暴露严重软件漏洞时，分阶段发布和红队测试就具备了合理性。 Rombach 转述，Palo Alto Networks 发现了此前未知的漏洞，并暂停其他工作、花费6周打补丁；Feldman 表示，给政府防御方“2或3周修补明显漏洞”是合理的。他同时警告不要条件反射式监管，并认为未来发生大规模数据泄露不可避免：“事情总会发生。”

按20年前采用的任何 AGI 定义，Feldman 都认为门槛已经跨过；真正悬而未决的是递归式改进会在哪里停止。 反复要求模型学习、重试并扩大搜索范围，带来的不是“好一点的答案”，而是“好得多的答案”，把数千轮人类式迭代压缩为机器速度。他的账本中包括真实的就业冲击，但也包括这样的可能性：孩子及其至亲不再因癌症离世，每个孩子都能拥有自适应导师。

Black Forest Labs 将生成式媒体视为多模态世界模型的基础，而不只是图像和视频工具业务。 Robin Rombach 从潜在扩散讲起，进而展望在图像、视频、音频上预训练、再结合动作预测的模型：同一个模型既可以帮助拍电影，也可能成为“机器人的大脑”。短期价值仍由人来主导：Martin Scorsese 用模型把脑中的场景外化；IP 持有者则可以结合可控生成、定制模型，以及潜在的授权粉丝创作。

🔗 原始收听与视频来源： 开源胜出，AGI 已至：与 Cerebras 和 Black Forest Labs CEO 对谈 Scorsese 的 AI 工具箱

圆桌对资本市场的判断是，IPO钟摆正重新摆向在10亿美元、30亿美元或50亿美元时上市，而不是“永远留在私有市场”。 Planet于2021年通过SPAC上市，估值20亿美元，但随后约90%的价值是在第3、4年创造的。更早上市意味着把更多上行空间、也更多经营审视权交给公开市场投资者。

Cerebras同时展示了IPO的摩擦与回报：Andrew Feldman称“业务重要部分不会有任何变化”，而Brad Gerstner形容此前经历了9.5年的艰难期，随后迎来12个月的顺风期。 IPO在发行区间两度上调后最终定价18.50美元；Brad称自己以为开盘价是32美元，随后股价报23美元，对应50亿-60亿美元市值。

Planet的核心判断是，当AI把每日、全球卫星影像转化为答案，而不只是另一套专业数据集时，其价值会大幅提升。 约200颗卫星组成的星座每天覆盖整个地球，为农业、能源、灾害响应和安全领域建立历史时间序列；Marshall估算，叠加AI后，地球观测市场空间为750亿-1000亿美元。

Marshall预计，当发射成本从每公斤略高于1000美元降至约200-300美元后，轨道数据中心的成本将低于地面设施，时间窗口可能就在未来2-3年。 全天候日照意味着每块太阳能板可产生5倍的能量，且不需要电池；但Feldman提醒，分布式集群可能是一个“最后10%”的问题，却会吞噬80%的开发时间。

Cerebras押注硅片的逻辑是，要实质性超越NVIDIA，就必须放弃类似GPU的架构，因为造出更好GPU的概率“约等于零”。 其芯片尺寸如餐盘，将高速内存置于计算单元旁边，直击AI的数据搬运瓶颈；Feldman称，OpenAI工作负载的运行速度可达到GPU的15-18倍。

流动性争论并不会在IPO时结束，因为正如Feldman所说，“IPO之后赚的钱比IPO之前更多”。 Planet多数早期投资者在公开市场重估期间仍持有股份；Cerebras投资者包括Altimeter在内当时仍处于锁定期，并采用与业绩门槛挂钩、为期6个月的“滴流式锁定”安排。

Gerstner质疑Anthropic、OpenAI和SpaceX的巨额私募估值会成为新常态。 Chamath将SpaceX未来的规模与那些以数十亿美元而非数万亿美元上市的历史科技公司作对比，称若要实现相当于IPO后的起飞，就得瞄准“千万亿美元级估值”。另一条路是更早回到公众持有的市场，在那里“铁能磨铁”，更多投资者也能参与上行收益。

🔗 原始收听与视频来源： IPO卷土重来：科技巨头为何终于上市 | All-In流动性IPO圆桌

Feldman的核心反泡沫论点颠覆了历史类比。 1880年代的铁路和90年代末的光纤建设，都是“只要我们建起来，他们就会来”——基础设施跑在需求前面；AI则恰恰相反。Cerebras手握250亿美元积压订单，Nvidia、AMD等也各有积压。“我们建数据中心的速度，跟不上需求。”不是建设跑在需求之前，而是落后于需求。

需求拐点有明确时间：2025年的某个时候，模型变得足够聪明，真正有用了。 在此之前，AI“挺酷，但没人用”。如今它正席卷各个年龄层，从他85岁的父亲到11岁的侄女；只要AI持续提升实用性，需求就不会见顶——这是他对“把电力转化为智能”论的唯一一个看空情形。

涉及Elon的那笔算力交易，本质是“他们买了降代设备”。 买到的是H100，而不是B200，落后“一代半，甚至两代”。“这不是一笔好交易，但对Elon来说是好交易”——指数增长面前，仓促行动只能拿到当下能买到的东西；Sam Altman的超能力，则是提前数年相信指数级需求数据，并在所有人之前锁定电力、数据中心和硬件。

继晶圆厂空间之后，内存是第2大短缺，而且是结构性的。 HBM只有Samsung、Micron和Hynix能供应；一座新晶圆厂要投入400亿美元、建设5年，因此只要需求维持，“未来至少数年我们还会持续看到内存短缺”。Micron的毛利率达到80–85%——“做内存却拿到了软件级毛利率”。Cerebras则完全绕开这条链路：SRAM由TSMC刻入芯片，不需要HBM，也不需要CoWoS；采用5nm，而3nm才是供不应求的节点。

速度论没有折中余地。 “慢搜索的市场有多大？答案是零。”你不会为了保留慢速互联网而每月支付1,000美元，因此慢推理也不会有市场。Cerebras公布的数据显示，Kimi K2.6运行速度是第二快GPU云的6.7倍——当时一家分析机构的“蠢货”还在电视上说它做不到。如今公司正在消化一笔超过200亿美元的OpenAI合同；投资人此前在其与G42签下10亿美元合同时提出的客户集中度批评，只是换了一个更大的客户，又重复了一遍。

Nvidia“资助、兜底并过量配置”新型云厂商，试图造出超大规模云厂商的竞争者。 “这形成了一种依赖，可能并不健康。”新型云厂商先购买带有Nvidia 70–80%毛利率的硬件，再叠加自身利润；Google和Cerebras把自研芯片放进自有数据中心，则没有这层成本。Google的全栈优势又受限于只有一个TPU客户：自己。

就业市场上的“多数裁员都被AI洗白了”。 90–95%的解雇来自疫情期间过度招聘，以及多年生产率提升终于被兑现，“目前还没有什么是真正由AI造成的”。与此同时，企业采用AI的真正障碍不是数据是否干净，而是律师和安全团队的“没有功劳、没有功劳，出了问题就追责”。Feldman不担心软件工程师每年消耗5万–10万美元Token；硬件工程师的EDA工具支出已经接近薪资的15–20%。按4,700万名软件工程师计算，仅软件工程Token使用就可能达到“5万亿美元”。

谈到中国，他甚至主张采取不利于自身业务的立场。 卖给中国的先进芯片会被其军方和国家扶持产业使用，“这一点没有争议”，因此不要卖；“我希望让我的产业对手不只是停留在落后一代。”他唯一想要的政策是：给TSMC和Samsung 20年时间，完全不受美国地方条例约束，在美国建设晶圆厂——“晶圆厂就是现代金字塔”。Cerebras IPO此前因新政府上台而解冻，针对大客户、可能涉及CFIUS的担忧随之消失；公司最终以185美元发行，上市后升至311美元，成为史上规模最大的半导体IPO。

🔗 原始收听与视频来源： Cerebras CEO 谈数据中心的未来、Token成本与内存｜美国公司是否应向中国销售

Google 的复苏本质上是分发与基础设施的论题，而非单一模型取胜。 Sundar Pichai 表示，月度处理量已从2年前的9.7万亿 tokens增至去年的480万亿、如今的3.2千万亿；Gemini月度用户达到9亿，AI Mode用户突破10亿。资本开支从2022年的310亿美元升至今年预计1800亿–1900亿美元，但股价仍然上涨——Dave Blundin称这是5年前没人会相信的反事实，而 Google 如今正在「颠覆颠覆者」。

Google 的技术组合正在分叉：一边是具有鲜明差异化的多模态押注，另一边是以吞吐量为核心、但未被现场嘉宾视为智能领先的模型。 Gemini Omni可以从文本、照片、视频和音频生成并对话式编辑视频；Alexander Wissner-Gross称，多模态正成为 Google DeepMind 越来越「特立独行的押注」，而美国竞争对手正把注意力投向其他方向。Gemini 3.5 Flash则宣称输出速度是其他前沿模型的4倍，但 Wissner-Gross认为其原始能力「稳稳处于中游」，并将这次发布解读为在 Gemini 3.5 Pro推出前，先把吞吐量与工具调用推到极致。

Antigravity 2.0和 Gemini Spark或许只是快速跟随者，但 Google 的默认入口让它们具备战略危险性。 Antigravity采用了已与 Cursor联系在一起的 agent-first界面，Spark则持续运行在 Google Cloud虚拟机中，可跨 Gmail、Sheets等服务执行任务。Wissner-Gross的分发逻辑非常直接：Google只要「晚1天做到同样好」，再接入 Search、Chrome和 Android，就能让数十亿用户接触到的第一个持久型智能体成为 Google 智能体。

Search正在变成持久化的意图与电商层，既能引导问题，也能引导交易。 Google 的智能体可以持续搜寻公寓或价格变化，AI建议还可能反过来改写用户的问题；Blundin称，对于一个守护着约2000亿美元、90%毛利率收入的业务，这种「惊人的」变现能力不容低估。Universal Cart随后把 Search、Gemini、YouTube和 Gmail连接到优惠监测与结账环节，形成 Salim Ismail概括的「从意图到智能体再到交易」路径；更深层的颠覆则是「消灭购物」。

合成内容泛滥之后，稀缺资产将从创作转向验证。 SynthID已为超过1000亿张图片和视频、以及6万年音频添加水印，OpenAI、Kakao和 ElevenLabs也将与 NVIDIA一起采用该标准。现场嘉宾认为，行业自律正在快于政府监管推进，社会将「从信息时代进入验证时代」，内容来源则会成为基础设施。

Google正同时把 AI延伸至环境式界面、科学研究与快速创业。 Google首款纯音频智能眼镜将于秋季推出，以续航和私密语音辅助换取视觉显示，但也加剧了关于录音、社会反弹以及「生活在场感流失」的担忧。Gemini for Science面向论文、代码、假设、天气模拟和药物发现；Build with Gemini XPRIZE给参赛团队90天时间，解决影响至少10万人的问题，不过演示现场提到的奖金是200万美元，Peter Diamandis后来则称奖金为300万美元、运营资金为100万美元。

Andrej Karpathy转投 Anthropic，说明前沿知识与算力正集中到少数实验室内部。 他将使用 Claude加速 Claude自身的预训练研究；此前他曾警告，离开前沿实验室后，一个人的「判断力从根本上会开始漂移」。现场嘉宾认为，他选择 Anthropic，并在经历 OpenAI、Tesla和 Eureka Labs后愿意重新进入大型机构，说明独立研究者可能错过塑造系统的内部反馈回路。

Cerebras IPO上涨68%、对应披露的950亿美元市值，验证了一个多年领先于需求的晶圆级推理押注。 Andrew Feldman表示，Cerebras打造了一枚比此前任何芯片大58倍、内部塞满 SRAM的餐盘大小芯片，如今推理速度是 GPU的15–20倍；系统销量已从第1代的12台升至第2代的300–350台，再到第3代的「成千上万、远不止成千上万」。公司随后与 OpenAI签署了金额超过200亿美元、期限多年的协议，但 Feldman警告，美国本土晶圆厂仍受制于长达数十年的约束，并将 Elon Musk的 Terafab设想归入15–20年的时间尺度。

🔗 原始收听与视频来源： Google I/O 2026、Karpathy 加入 Anthropic，以及 Cerebras 950亿美元 IPO｜第256期

Cerebras的商业拐点出现在2025年：模型变得足够有用，推理速度开始成为日常工作的约束。 Feldman称，其AI计算机在不同规模、不同来源的模型上，推理速度“比GPU快15、18乃至20倍”（“15, 18, 20x faster than GPUs”）。他的需求判断是绝对的：“慢推理的市场有多大？答案是零。”

这项性能建立在一场持续多年的押注之上：要实现颠覆性提升，必须采用不同于GPU的架构，而不是做小修小补。 Cerebras造出一颗46,000平方毫米的晶圆级芯片——“有餐盘那么大”——并在2017年至2019年间连续数月每月支出约800万美元，当时设计始终无法跑通。芯片最终在2019年夏天成功做出。

G42的10亿美元订单，是Cerebras从小众超级计算客户走向超大规模部署的桥梁。 这笔订单让Cerebras改造供应链、部署并实战检验大型集群，还能以内部QA实验室无法复现的规模进行训练和推理。Feldman对比称，第一代产品约卖出12套，第二代约300套，而第三代预计达到“数万套”。

眼下公开市场的核心投资逻辑，是兑现一笔Feldman称金额超过200亿美元的OpenAI订单。 OpenAI在测试显示Cerebras大幅优于替代方案后签约；随后AWS同意在其数据中心部署Cerebras系统。Cerebras正试图在今年将制造规模提升10倍。

这次IPO与其说是退出，不如说是换取略低的资本成本、经审计带来的可信度和“公司成年礼”。 主持人介绍Cerebras时给出的市值约为600亿-630亿美元，员工数800-850人。Feldman称，Cerebras的差异化在于，它将在一段时期内成为首家、也是唯一一家收入100%来自这一市场的AI纯标的——“没有游戏业务，没有图形业务，也没有PC业务。”

Cerebras内部的编程应用，既展示了AI的运营杠杆，也暴露出这种杠杆分布并不均衡。 过去8个月，每名工程师的token支出从低于1,000美元升至约25,000-30,000美元；一小批员工全天候管理8个或10个agent，生产力已从10倍提升至100倍。Feldman把自己也归入其余仍在“蹒跚前行”的人群。

Feldman更大的押注是，低延迟将催生AI原生企业，而不只是让现有软件跑得更快。 他的类比是Netflix：更快的互联网没有渐进式改善DVD配送，而是帮助Netflix变成一家电影制片厂。同样，一旦企业围绕AI从根本上重组工作方式，新的商业模式和生产力的根本性跃升就应当出现。

🔗 原始收听与视频来源： Cerebras 630亿美元IPO背后的故事：创始人兼CEO Andrew Feldman

Coinbase称，美国加密监管环境已从试图消灭行业转向推动机构部署。 Brian Armstrong认为，Biden政府曾试图“非法扼杀这一行业”，而Trump兑现了打造美国“全球加密之都”的承诺。全球前20大银行中已有5家使用Coinbase基础设施，包括已披露与JPMorgan和PNC的整合；BlackRock则希望将所有基金代币化。

稳定币竞争如今围绕国债经济学、存款以及银行能否重新打开4个月前通过的法案展开。 根据GENIUS Act，受监管稳定币必须将100%储备配置于短期国债，Armstrong理解的最长期限大约是30天；当客户同时交易、支付或订阅Coinbase One时，Coinbase可以发放奖励。Armstrong称，Coinbase向客户返还“约100%的经济收益”，而他认为试图推翻该法律的银行业团体已经触及“红线”。

Armstrong认为，最重要的3个加密趋势是“万能交易所”、预测市场和稳定币支付。 股票及其他资产正迁移到链上；Coinbase目前与Kalshi合作，正在与Polymarket洽谈，也可能运营自己的预测市场。稳定币最明确的产品市场匹配已经出现在B2B跨境结算：它能替代长达7天的转账和高昂汇兑费用；Coinbase Business的需求强劲到已经形成开户积压。

代币化最大的回报，可能是降低私募市场融资和流动性的门槛，前提是发行人保留控制权。 Armstrong表示，私人公司代币化应取得公司许可，因为归属期和低流动性有助于留住员工。他预计，融资和最终上市都将完全迁移到链上。Coinbase Tokenize面向基金和房地产；Armstrong则将40亿“未被券商服务”的成年人视为潜在市场，他们目前无法获得高质量资产的100美元或1,000美元配置机会。

当自主代理需要原生钱包和可编程货币时，加密与AI将发生汇合。 Armstrong预计，代理会使用稳定币，因为传统金融体系默认每个产品背后都有一个人；在Coinbase内部，一个接入Slack、Google Docs、Salesforce等系统的AI已经能够找出隐藏的分歧，并审计他的时间分配。他偏好的模式是“反向提示”：询问系统自己应该注意什么，或者怎样才能成为更好的CEO。

Cerebras押注的是推理延迟，而不仅仅是模型质量，将决定AI的使用量和市场份额。 现场展示的晶圆级引擎据称包含4万亿个晶体管，尺寸是B200的56倍；Feldman表示，Cerebras希望把需要数分钟的多阶段深度研究压缩到数秒，带来一种“根本性的变化”，就像宽带让Netflix从DVD服务变成制片厂。OpenAI宣布向Cerebras云端采购750兆瓦算力，意味着电力交付，而非芯片数量或机房面积，才是产能的实际计量单位。

Feldman认为，AI算力短期内不会过剩，但内存市场仍需经历18个月消化，地缘政治竞赛也远未解决。 消费者使用量可能从每天6或8次查询升至100次，而每次请求都需要更多推理；与此同时，虚高的18个月订单扰乱了内存需求信号，令内存价格维持高位，HBM需求又进一步施压。中国在高速芯片上仍落后，但在开源模型和电网建设上领先，形成“领先一步，就会进一步领先”的递归竞赛。

Gecko Robotics认为，AI回报率最高的机会在实体经济，而那里几乎没有可直接使用的训练数据。 Jake Loosararian称，国防业务约占Gecko营收的30%；据其引用的Admiral Houston说法，制造速度提升最高可达90%。能源客户则用机器人延长资产寿命、提高产出。公司路线图从检测延伸至自动维修和焊接，由熟练工人监督机器人集群；通用砌砖机器人可能在约3年内出现，但工业自动化需要在炼油厂、船厂和电厂内部采集专有数据。

🔗 原始收听与视频来源： Coinbase CEO眼中的2026年加密趋势Top 3：以及Davos的更多内容！

Cerebras 融资 10亿美元，创下该类别历史最大规模和最高估值，由 Fidelity（“投资界的牛津或剑桥”）领投，Tiger Global、Valor 和 1789 参投，Feldman 表示 Cerebras 仍计划上市：“我们仍然完全打算上市。” Feldman 称，这轮融资之所以能够完成，是因为 Cerebras 有毛利率，而同期寻求融资的竞争对手毛利率为负；他认为 S-1 显示，阿联酋可能在 2024年上半年贡献了约 75-80% 的收入，订单之大甚至“吞噬了我们全部的制造产能”。

Nvidia 正显露出一家担心增长的巨头才会有的迹象：“更多使用资产负债表，少用技术”——通过买下业务而不是赢得业务（正如 Cisco 在 1992-2001年所做的那样），在客户还拿不到 B200 之前就“掠夺式预告” B300，并对“规模巨大的”现场故障率保持沉默。 对 OpenAI 的 1000亿美元投资“就是设计成没人能看懂……这根本不是一个可分析的东西”，除了 Nvidia 借此锁定 OpenAI 部分需求之外，几乎无法解读。

芯片按两年折旧在经验事实上是错的：“两年折旧”与现实不符。 H100 过了两年仍在赚钱，A100 已经用了三到四年，“可能长达五到六年”。真正决定折旧的变量是代际提升；在同口径比较下（8-bit 对 8-bit），Feldman 估计每个有意义的世代提升约为 2-2.5x，因为对 GPU 架构上的推理而言，瓶颈是内存带宽，而不是算力。

即使买方也无法知道需求会有多大——客户向 Cerebras 要求的每秒查询数在 500万到4000万之间，Harry 指出这相差了一个数量级——因此应把超级大单看成对未来的期权，把“未来五年最高 1000亿美元”理解为“营销史上最伟大的免责措辞”。 他仍可能低估需求的概率是：“100%。我一直都错。”

Mag7 集中的风险不在估值（Nvidia 4.5万亿美元：“可能还低了”），而在被错误定价的分散化：标普“不是全球经济指数——它是 7家公司占 30% 或 50% 的指数”，持有人因此承担了从未主动选择的行业风险。 “金融市场中的风险，来自人们从根本上低估风险。”

能源稀缺叙事“完全错误”：“我们有充足的电力，只是它在错误的地方。” 西得州天然气和纽约州北部水电远离人口、建筑和光纤；核电是合理方案，但并非不可替代。相较于中国的中央规划，美国碎片化的审批制度才是真正短板——当地消防条例曾让 Samsung 得州晶圆厂延误 8-10个月。

对扩散速度的逆向判断：Groq 的 Jonathan Ross 预测 5年内出现 AI 劳动力短缺，“完全错误——15年后可能是真的”；AlphaFold 虽然赢得诺贝尔奖，但“说出一款由它带来的药，一款也没有”。 只有当社会围绕 AI 重新组织起来，生产率才会跃升——电力和电动机的历史已经说明这一点；如果 AI 只是替代 Google，生产率不会出现同等规模的变化。

🔗 原始收听与视频来源： Cerebras CEO Andrew Feldman：为何融资 10亿美元、推迟 IPO，以及 Nvidia 为什么担心增长

Jason Lemkin的核心判断是，AI正在开启软件的“黄金时代”，同时摧毁“收入规模化后就能持久”的旧假设。 如果软件支出占GDP的比例从2%升至4%，他认为将出现100家以上超级独角兽。Harry的框架是，每家VC都有5至10家已经不再是独角兽、如今增速只有个位数或十几%的公司；Lemkin预计，到2026年，后期公司增速放缓将变得普遍，这些被困住的资产也会变得不那么值得收购。

炙手可热的AI融资轮次之所以看起来只有约20倍远期ARR，是因为投资者在外推异常陡峭的增长曲线，却仍不确定其中的“R”是否真正具备经常性和持久性。 Lemkin表示，账面加价仍在给VC和部分LP打分；Harry则指出，以2亿美元ARR进入可以缩短持有期。抵消因素包括Lemkin估计可能接近每年10%的稀释，以及可能拉长至20年的风险投资现金周期。

“Triple-triple、double-double”仍是顶级运营表现，但对如今约80%的B2B投资者而言，在淘金热中也只是“银牌”。 Lemkin建议用一年时间经营关系网络，接触约50位投资者，并诚实地按月更新：“只需要一个人。”没有Cursor式热度的创始人应避免人为制造周五截止日期；如果估值降低30%能让融资落地，接受更低估值可能更理性。

AI需求带来的收入增长正在跑在技术实质之前，而投资者仍然“沉迷于营收增长”。 Lemkin见过公司在60天内做到200万美元收入，或在一年内达到数千万美元收入，但背后仍是人工运行提示词、包裹在薄层产品之后；然而，AI效率提升并不必然降低资本需求，因为RevenueCat获得2倍生产力提升后，“把全部成果都投入了新增招聘”。

Moveworks在深度集成和需求加速让ServiceNow的分发能力尤其具有吸引力后，接受了ServiceNow 28.5亿美元的报价。 Bhavin Shah表示，350家客户中有250家已经使用ServiceNow，而Moveworks拥有500万用户，ServiceNow则超过1.5亿；他的结论是，Moveworks无法独立匹配市场的规模和速度。最强的ROI并不是让一名员工节省3小时，而是跨SAP、Workday、Salesforce、Concur和Jira等系统自动化核心工作流。

Lemkin预计，未来约18个月内将出现IPO和并购“淘金热”，但几乎看不到PE会拯救低增长独角兽。 他预计Stripe、Figma、Chime和Canva等大型私有公司可能上市，但表示，收入为2000万美元、5000万美元甚至1亿美元且现金流为正的资产，已经无法吸引他过去看到的那种“踢轮胎式”尽调；PE反而在把持仓拼成SalesLoft与Drift、Gainsight与Skilljar这样的“弗兰肯斯坦式组合”。

CoreWeave成功上市是一次重大的创业成就，但真正的成绩单要从第180天、第365天和第450天开始看。 Andrew Feldman称IPO是“成年礼的开始”；但Lemkin仍担心，按他的理解，如果股价在2年内没有达到IPO价格上方70%，上一轮投资者可以要求公司回购接近20亿美元的股票。这个期限可能吸引做空者，也会让长期决策服从一个固定日期。

Feldman对时髦硬件和国防投资的警告是，积累的经验仍然重要。 一次芯片流片可能消耗2000万至3000万美元的非经常性工程费用，一旦出错就要再次支付；国防领域则需要可信赖的关系、具备安全许可的人员、专业设施，以及面对“圣经那么厚的合同”的耐心。商业技术仍可能重塑战争，但采购体系和成本加成激励仍是约束。

🔗 原始收听与视频来源： 20VC：每日交易：CoreWeave IPO｜Scale以年末20亿美元收入达到250亿美元估值｜Sequoia在Wiz上获得25倍回报｜关税冲击下科技股暴跌｜Cursor：护城河可守，还是科技业护城河消失的危险案例

Feldman 对 NVIDIA 的核心攻势是：GPU 的片外 HBM 内存是生成式推理的根本性架构限制——从一个 700亿参数模型生成一个词，意味着要把约 140GB 权重从内存搬到计算单元，而且每生成下一个词都要再搬一次。 晶圆级设计让 Cerebras 得以在容量规模上使用高速 SRAM；“过去是他们优势的东西现在成了弱点……它可以被击败，我认为他们知道这一点。”他对市场结构的判断是：NVIDIA 将在 5 年后从今天“几乎全部”的市场份额降至 50%-60%，介于 Uber 的 90/5 和云计算市场更均衡的分割之间。

在推理场景，CUDA 护城河“根本不存在”——你可以用 10 个按键，把 OpenAI 从 Nvidia GPU 切换到 Cerebras。 真正、却很少被讨论的护城河，是市场份额本身的领先地位：Intel 做了“接近 10 年的灾难性决策”，仍然掌握约 75%-80% 的 x86 市场。“我可以连续 10 年做出一堆糟糕决策，却只丢掉 20% 的份额——这护城河简直不可思议。”

Scaling law 带来的收益仍在延续，Feldman 直截了当地否定了“算力、算法和数据都已经走得很远”的共识。 “我认为他们错了。我认为我们在这3个方面都还处于早期。”GPU 执行推理时利用率只有 5%-7%——意味着95%或93%都被浪费；OpenAI 的 o1 表明，推理 scaling law“完全有效”；3-5 年后，我们对 Transformer 的依赖会显著下降，“100%”。5 年后，训练数据将“几乎全部是合成数据”。

推理市场的方程是：用户数 × 使用频率 × 单次使用算力——三者同时增长，这种条件极其罕见。 AI 在 2024 年Q4 从“新奇玩意”变成了有用工具，5 年后的市场将“大幅超过现在的 100 倍”；速度更快、价格更低只会进一步扩大市场：“过去 50 年的算力行业里，没有任何一个例子是因为把东西做得更便宜、更快，市场反而变小。”

以 5 年视角看，芯片供应商的价值将高于模型供应商。 今天的模型估值本质上是在给期权定价——“不确定性是期权价值的朋友”——但最终巴菲特所说的称重机仍会启动。对于模型行业，领先竞争对手 4 个月的发布节奏并没有太大价值；多年保持前10%的位置，才有价值。

Cerebras 已实现正现金流，而同行仍在大量失血。 “毛利率过去是衡量技术差异化的指标……如果你做的是负毛利业务，那你卖的就是大宗商品。”另一面是，G42 占收入的 87%（这笔交易据估算超过 10亿美元），Feldman 将其解释为一种可以习得的能力：“拿下3个大客户的方式，是先拿下1个”，未来 24 个月内将争取建立数个客户关系。

在中国市场，Cerebras 拒绝了销售。 这笔交易“不会被用于善事”（包括对少数族裔进行人脸识别、军事用途），也没有通过他的“母亲测试”；但他认为美国对中国的低估程度是“100%”，出口管制可能并不是“一个可处理的问题”，而切断 EDA 工具只是在深圳催生了由美国风险资本支持的 EDA 初创公司。

🔗 原始收听与视频来源： Andrew Feldman，Cerebras 联合创始人兼 CEO：AI 芯片战争与打破 Nvidia 主导地位的计划