George Sivulka

Sivulka 的核心市场判断是：所有 AI 公司都被低估了，S&P 500 也一样。 他的逻辑是：如果电脑在过去60年创造了约100万亿美元的股市价值，那么 AI 算力将在未来60年再创造100万亿美元，并在未来几十年让“超过50%的GDP由智能体应用贡献”——Harry 认为这一进程会更快。这是增量价值，而不是被蚕食的价值，也会抬升非AI老牌公司的价值：“只要使用方式正确，电脑会让传统企业变得更好。”

最激进的相对价值判断是：OpenAI估值约160、Anthropic约40、xAI约50时，xAI是最被低估的公司。 他认为，未来12到24个月，xAI“可能在价值上超过OpenAI和Anthropic”。理由包括Elon Musk的地缘政治定位、运营人才，以及更精简、没有那么多“行政臃肿”的业务结构；他还相信政府是最大的AI用户之一。

模型层将商品化，价值会流向硬件以及应用/智能体层。 Nvidia真正的护城河是人才——接受过CUDA训练的机器学习博士——这对训练仍然有效，但对推理的保护较弱。因此，从训练转向推理的宏观变化“会稍微动摇Nvidia芯片的主导地位”。他对这轮AI浪潮的公开市场选择是：“我可能会买Nvidia……或者更准确地说，AMD”，因为AMD会以超预期的方式受益于推理扩张。

这位在2020年率先将RAG投入生产的人，如今却说：“我们实际上认为RAG根本不起作用。” 真实企业查询中约90%都无法在文档里直接找到答案，它们问的是文档“所代表的问题”，比如“这家公司是不是一笔好投资”；而且当前90%的企业AI几乎都是“烟雾……fugazi fugazi”，包括Klarna裁员故事也很可能如此——“我认为那是胡扯……一个很棒的营销故事”。

他的替代性判断，也是Index和Thiel基金投下1.3亿美元的逻辑，是推理阶段的 scaling laws。 与其等待更大的模型，不如对每份文档运行数百或数千次子模型调用。他用BloombergGPT举例：它基于“有史以来最好的金融服务训练集”训练而成，却在几周后被GPT-4“在每一项金融任务上彻底击败”，尽管他也说自己不知道确切时间线；垂直化微调“永远追不上”规模扩展。

与邻居Daniel Dines关于企业采用速度缓慢的共识相反，他指出Excel在金融业只用了18-24个月就达到90%的渗透率。 时间是1985-86年，行业当时还在使用HP12C：金融业“是行动最慢、最慵懒的巨兽……除非你提供超额alpha，否则金融业会比任何其他行业都更快”。

几条值得保留的快问快答是：他今天不会以20亿美元出售Hebbia；被问是否信任Sam Altman时，他直接回答“不”；他完全不同意SaaS关于业务应用会坍缩为智能体的判断；他认为聊天不是正确的界面。 在他看来，这“就像问TI-84是不是计算机的正确界面”。

🔗 原始收听与视频来源： George Sivulka，Hebbia 联合创始人兼 CEO：基础模型的未来｜E1250