754
2📝 本期播客简介
本期我们克隆了：投资播客《Invest Like The Best》Why the AI Boom Is Just Getting Started
原内容更新时间：2026-06-09
本期节目中，主持人 Patrick O'Shaughnessy 对谈 Whale Rock Capital 创始人 Alex Sacerdote，围绕一个极具争议的问题展开：AI 热潮到底是已经过热，还是才刚刚开始？
Alex 长期专注科技成长股投资，他用一套非常清晰的框架理解过去二十多年的科技周期：先找到技术采用的 S 曲线，再判断谁拥有真正的竞争优势，最后寻找市场尚未充分理解的盈利能力。在他看来，AI 是他职业生涯中见过的最大 S 曲线，甚至可能不再是传统的 S 曲线，而是一条近乎直线上升的“L 曲线”。
这期节目从 Anthropic 这笔高确信度投资切入，讨论基础模型为什么可能形成寡头格局，Claude Code 为什么让编程市场突然爆发，企业 AI 为什么渗透率还不到 1%。随后，Alex 系统讲解了他如何用 S 曲线投资 Apple、Amazon、Tesla、Nvidia，也解释了为什么传统软件公司可能面临预算挤压、席位收费压力和 AI 原生公司的挑战。
更重要的是，他并没有只停留在“AI 很大”的宏大叙事，而是深入拆解了芯片、内存、PCB、光纤、电源、液冷服务器、数据中心网络等基础设施环节，解释为什么 AI 正在让原本商品化的硬件行业重新拥有技术壁垒和定价能力。
如果你关心 AI 投资、科技周期、芯片产业、软件公司命运，或者想理解专业成长股投资人如何研究复杂新趋势，这期节目会是一堂非常完整的 AI 投资框架课。
👨⚕️ 本期嘉宾
Alex Sacerdote，Whale Rock Capital 创始人兼投资组合经理。Whale Rock 是一家专注科技、媒体和电信领域的投资机构，长期研究科技成长股、私营科技公司与全球大型科技平台。Alex 曾在 Fidelity 工作，长期用技术采用周期、竞争优势和长期盈利能力来寻找科技投资机会，代表性研究领域包括 Apple、Amazon、Tesla、Nvidia、Stripe、Anthropic、OpenAI 等。
⏱️ 时间戳
开场 & 播客简介
AI 热潮为什么可能才刚开始
Anthropic：为什么它是 Alex 最高确信度的投资
新计算范式：AI 技术栈从电力、芯片到模型和应用
基础模型层：从 60 家竞争者走向三强寡头格局
编程爆发：Claude Code 如何成为企业 AI 的第一块大市场
编程市场测算：两千万程序员背后的五千亿美元机会
从辅助写代码到 Agentic 编程：AI 编程能力的拐点
模型不是大宗商品：Anthropic、Google、OpenAI 的差异化
API 周围的产品生态：为什么 Anthropic 像早期 AWS
企业 AI 渗透率：真正使用 AI 的知识工作者可能只有十个基点
L 曲线：为什么企业 AI 可能直线式上升
算力短缺：大规模采用到来前，全球算力已经不够
公开市场投资人如何进入私营公司
从公开市场到私募投资：如何拿到 Anthropic 仓位
尽调 Anthropic：管理团队、代码质量和商业计划兑现
90 页研究报告：用 Claude Code 反向研究 Claude Code
独角兽市场：为什么私营科技公司已经无法忽视
Stripe 案例：为什么研究 Adyen 必须研究 Stripe
疫情期间买入 Stripe：如何用有限信息推算私营公司价值
私募投资人的优势：愿意长期持有，并陪伴公司上市之后
S 曲线投资框架
三件事：S 曲线、竞争优势、被低估的盈利能力
指数增长的误判：为什么市场太关注下个季度
技术采用：从早期存在到真正引爆通常需要很久
iPhone 案例：当所有采用障碍被移除，需求会像火箭一样上升
Tesla 案例：价格、续航和供应链如何触发电动车拐点
S 曲线有多高：为什么 TAM 决定你能持有多久
AWS 案例：隐藏在 Amazon 里的巨大企业 IT S 曲线
AI 是最大的 S 曲线：互联网、移动、云、电商之后的新周期
什么时候卖：渗透率到 30% 到 40% 后，指数增长通常减弱
Apple 的教训：错过后续复利增长，但最大年份在 0 到 50% 渗透率
什么时候买：战略拐点靠直觉、零散证据和模式识别
移动游戏信号：一个中国小孩玩手机游戏带来的投资洞察
企业软件信号：Gartner 会场里站满人的房间
错过早期也没关系：真正大的 S 曲线会持续很久
S 曲线斜率：收音机和洗碗机代表两种技术采用速度
B2B 像洗碗机：需要接入系统，所以采用更慢
AI 的特殊性：浏览器一打开就能用，因此采用可能更快
护城河、赢家与基础模型格局
先找 S 曲线，再找真正有竞争优势的公司
数字世界的护城河：网络效应、行业标准、规模与平台
关键知识产权：从 Qualcomm、ASML 到基础模型公司
品牌与获客成本：为什么强品牌本身就是商业模式
Amazon 和 AWS：战争开始前就已经赢了
没有护城河也会输：RIM、Palm、Nokia 的反面案例
AI 的复杂性：高风险，但潜在市场高达三到五万亿美元
Anthropic 的护城河：企业品牌、关键 IP 和融资能力
递归式改进：编程领先如何反哺模型能力
企业市场与消费者市场：谁能更快变现
领先者复利：互联网公司里“领先者更大更快”的规律
范式转移风险：AOL 和 Netscape 的历史提醒
AI 对软件公司的冲击
传统企业软件面临什么：AI 能否重做 ERP 和 CRM
从看多软件到卖出软件：为什么 Alex 改变判断
AI 产品无力变现：现有软件公司早期 AI 产品的问题
软件像马车，AI 像传送器：技术代差带来的颠覆风险
CIO 预算迁移：钱可能流向 Anthropic token，而不是传统软件
四重压力：预算、涨价、席位收费和招聘冻结
销售动作变化：AI 需要前线部署工程师，而不是卖固定系统
客户自建风险：AI 原生公司可能挑战每一个软件巨头
新版四十法则：AI 收入占比 + 品类市场份额
软件公司的 AI 占比太低：离真正改变增长轨迹还很远
反转可能性：AI 也可能让 Slack 等平台更重要
无界面软件：Agent 直接进入数据层，软件公司可能被降级成数据库
CRM 的两种命运：失去界面，或成为 Agent 的工作场所
芯片、硬件与 AI 基础设施
数据中心四十年：从 X86 到云，硬件长期商品化
AI 工作负载：每年十倍增长，把硬件推到物理极限
硬件行业去商品化：AI 带来的芯片复兴
高带宽内存：从商品内存变成关键技术部件
Celestica 案例：从合同制造商到 Google TPU 服务器关键供应商
AI 服务器：一台 20 到 30 万美元，变成关键基础设施
网络升级：以太网从七年一换变成每年升级
AI 网络份额：Celestica 在云端以太网交换机的优势
PCB 和材料：AI 服务器需要 40 层电路板
从低增长到高增长：供应链公司如何获得收入和利润率双提升
Corning 光纤：一个数据中心的光纤可绕地球四圈半
Scale out、scale across、scale up：AI 数据中心三种连接需求
机架内部连接：从铜缆走向光纤的潜在机会
电源升级：Nvidia 每代芯片让用电量大幅增加
供应短缺：DRAM、NAND、PCB 已经出现 30% 左右缺口
市场为什么会错过，以及 AI 风险在哪里
变化率比绝对值更重要：AI 占比从 10% 到 30% 的加速效应
为什么别人没看对：这套框架看似简单，但执行很难
股价涨了也难买：没有全局视角就会被泡沫叙事吓退
半导体分析师为何错过：只看芯片，没看懂基础模型层
最大担忧之一：公众和政府对 AI 的负面情绪
监管风险：数据中心禁令与 AI 悲观情绪
模型进步放缓：如果前沿模型撞墙，开源可能追上
对芯片公司反而未必坏：谁赢不重要，只要有人跑模型
大玩家掉队风险：如果部分模型公司退出，算力需求可能受影响
AI 应用层为什么还没完全清晰
为什么不是优先投应用层：应用通常会晚一点成熟
基础模型和应用边界：应用能否挡住模型公司的进攻
企业软件应用还未真正爆发：生态仍然不清楚
Sierra 案例：Brett Taylor 的 AI 客服应用公司
应用层需要时间：真正成熟可能发生在最初三四年之后
AI 时代的研究方法
Whale Rock 的研究奖项墙：什么样的研究能脱颖而出
AI 是否改变研究：能提升效率，但还不能取代分析师
Scuttlebutt 方法：走出去见公司、客户、供应商和竞争对手
AI 能快速学习复杂领域，但不能替你判断未来
分析师的新价值：不只是记录事实，而是给出洞察
AppLovin 案例：真正的研究来自长期跟踪、行业会议和关系网络
投资人朋友圈：菲利普·费舍式的想法交换
三脚架信心：自己、分析师、尊重的外部投资人同时看好
Whale Rock 的产品与研究机器
从多空基金到只做多基金：产品体系如何演化
私募敞口：为 LP 提供不同参与方式
Mega Cap Tech Fund：为什么大型科技股存在结构性低配
捐赠基金困境：为什么很多机构错过最大科技公司
大盘科技股也有 Alpha：Google 是赢家这件事需要更多人意识到
全球市值前三十：从最大公司里挑出最好的十二三家
Whale Rock Learning Machine：研究机器才是公司的核心资产
知识复利：每年两千五百到三千场管理层会议
同一套研究引擎：同时支撑公开市场和私募投资
人生影响与结尾
最善良的一件事：父亲加入 Whale Rock 帮他创业
父子共事六年：父亲负责监督、募资和支持
一位真正的绅士：父亲作为导师影响了许多人
谦逊、智慧与温暖：Alex 对父亲的回忆
结尾致谢
🌟 精彩内容
💡 AI 不是 S 曲线，可能是 L 曲线
Alex 认为，AI 的真正企业级采用还处在极早期。虽然现在已经有大量用户体验过 AI，但真正把 AI 接入工作流、构建技能、让 Agent 执行任务的人，可能只占全球知识工作者的十个基点左右。企业 AI 或企业应用 AI 的渗透率还不到 1%，但算力已经不够，这意味着大规模采用还没来，基础设施已经被需求压满。
“企业 AI，或者说企业应用 AI 市场，渗透率还不到百分之一。我们以前总讲 S 曲线，但这一次我们叫它 L 曲线，就是一路直着往上。”
🚀 Anthropic 与编程市场的爆发
Alex 解释了为什么 Anthropic 成为他的最高确信度投资。关键不只是 Claude 模型本身，而是 Claude Code 让编程进入接近 Agentic 的阶段。过去 AI 可能只是帮程序员写一小段代码、找一个 bug，而现在越来越多开发者可以用自然语言指挥 AI 完成大量编程工作。Alex 甚至估算，全球约两千万程序员，如果高强度使用 AI 编程工具，单这一块就可能是一个五千亿美元市场。
“Karpathy 去年说，编程工具大概能写百分之二十，剩下百分之八十还是要手写。最新模型出来以后，这个比例反过来了。”
📈 S 曲线：科技投资的核心地图
Alex 的投资框架可以概括为三件事：S 曲线、竞争优势、被低估的盈利能力。当技术采用进入正确位置，销量会指数级增长；如果商业模式足够好，利润也会指数级增长。但市场通常只看下一个季度，很难相信两三年后的盈利会发生巨大变化。因此，理解 S 曲线的人，可能以极低的真实长期市盈率买到最好的公司。
“这个世界不会按指数级去思考。大家太关注下一年，或者下一个季度。”
🏰 没有护城河，踩中大趋势也会输
Alex 强调，S 曲线只是第一步，真正重要的是找到其中拥有竞争优势的赢家。智能手机是巨大的 S 曲线，但 RIM、Palm、Nokia、HTC、LG、Motorola 都没有成为最终赢家。科技公司也可以拥有非常强的护城河，包括网络效应、行业标准、规模优势、平台地位、关键知识产权和品牌。
“如果你没有竞争优势，哪怕你处在史上最好的 S 曲线里，也可能会输。”
🧨 AI 对软件公司的冲击
Alex 曾经大量持有软件公司，但在 AI 周期里，他几乎卖掉了大部分应用软件。他认为，传统软件公司面临几重压力：AI 产品暂时没能真正收费，CIO 预算转向基础模型和 token，按席位收费可能受招聘冻结影响，AI 原生公司也可能重做很多企业软件。传统软件不会立刻消失，但它们的增长逻辑已经被挑战。
“旧的软件方式，就像用笔和纸，或者像马车。新的软件方式，像喷气发动机，甚至像《星际迷航》里的传送器。”
🔌 AI 让硬件行业重新拥有壁垒
过去几十年，数据中心硬件高度商品化。但 AI 工作负载每年十倍增长，把芯片、内存、网络、PCB、电源、液冷、光纤等每个环节都推到物理极限。结果是，原本低增长、低利润率的供应链公司，突然变成必须提前多年和云厂商、芯片公司共同设计路线图的关键基础设施。
“我们把这叫作硬件行业的去商品化。”
🧠 AI 不能替代真正的投资判断
在研究方法上，Alex 认为 AI 可以帮助写纪要、快速学习复杂领域、整理季度业绩，但还不能替代分析师的核心工作。真正的投资研究仍然需要见公司、见客户、见供应商、见竞争对手，建立关系，理解管理层，判断未来会怎样变化。AI 可以成为很好的记者，但还不能成为真正的投资判断者。
“不要只是当一个记者。AI 可以是很好的记者，但它还不能真正判断未来。”
❤️ 父亲给予的创业支持
节目最后，Alex 回忆了父亲对他的帮助。父亲曾在 Goldman Sachs 工作四十一年，本可以退休，却选择加入刚成立的 Whale Rock，帮助他募资、监督和搭建公司。两人共事六年，从未提高过嗓门。Alex 说，如果自己能成为父亲一半那样的人，就已经彻底赢了。
“如果我能成为他一半那样的人，我就已经彻底赢了。”
🌐 播客信息补充
本播客采用原有人声声线进行播客音频制作，也可能会有一些地方听起来怪怪的
使用 AI 进行翻译，因此可能会有一些地方不通顺；
如果有后续想要听中文版的其他外文播客，也欢迎联系微信：iEvenight
