不愧是我

Seeding my Bear ʕ•ᴥ•ʔ blog with more random posts, e.g. here's something I had on backlog for a while: # The append-and-review note An approach to note taking that I stumbled on and has worked for me quite well for many years. I find that it strikes a good balance of being super simple and easy to use but it also captures the majority of day-to-day note taking use cases. Data structure. I maintain one single text note in the Apple Notes app just called "notes". Maintaining more than one note and managing and sorting them into folders and recursive substructures costs way too much cognitive bloat. A single note means CTRL+F is simple and trivial. Apple does a good job of optional offline editing, syncing between devices, and backup. Append. Any time any idea or any todo or anything else comes to mind, I append it to the note on top, simply as text. Either when I'm on my computer when working, or my iPhone when on the go. I don't find that tagging these notes with any other structured metadata (dates, links, concepts, tags) is that useful and I don't do it by default. The only exception is that I use tags like "watch:", "listen:", or "read:", so they are easy to CTRL+F for when I'm looking for something to watch late at night, listen to during a run/walk, or read during a flight, etc. Review. As things get added to the top, everything else starts to sink towards the bottom, almost as if under gravity. Every now and then, I fish through the notes by scrolling downwards and skimming. If I find anything that deserves to not leave my attention, I rescue it towards the top by simply copy pasting. Sometimes I merge, process, group or modify notes when they seem related. I delete a note only rarely. Notes that repeatedly don't deserve attention will naturally continue to sink. They are never lost, they just don't deserve the top of mind. Example usage: - Totally random idea springs to mind but I'm on the go and can't think about it, so I add it to the note, to get back around to later. - Someone at a party mentions a movie I should watch. - I see a glowing review of a book while doom scrolling through X. - I sit down in the morning and write a small TODO list for what I'd like to achieve that day. - I just need some writing surface for something I'm thinking about. - I was going to post a tweet but I think it needs a bit more thought. Copy paste into notes to think through a bit more later. - I find an interesting quote and I want to be reminded of it now and then. - My future self should really think about this thing more. - I'm reading a paper and I want to note some interesting numbers down. - I'm working on something random and I just need a temporary surface to CTRL+C and CTRL+V a few things around. - I keep forgetting that shell command that lists all Python files recursively so now I keep it in the note. - I'm running a hyperparameter sweep of my neural network and I record the commands I ran and the eventual outcome of the experiment. - I feel stressed that there are too many things on my mind and I worry that I'll lose them, so I just sit down and quickly dump them into a bullet point list. - I realize while I'm re-ordering some of my notes that I've actually thought about the same thing a lot but from different perspectives. I process it a bit more, merge some of the notes into one. I feel additional insight. When I note something down, I feel that I can immediately move on, wipe my working memory, and focus fully on something else at that time. I have confidence that I'll be able to revisit that idea later during review and process it when I have more time. My note has grown quite giant over the last few years. It feels nice to scroll through some of the old things/thoughts that occupied me a long time ago. Sometimes ideas don't stand the repeated scrutiny of a review and they just sink deeper down. Sometimes I'm surprised that I've thought about something for so long. And sometimes an idea from a while ago is suddenly relevant in a new light. One text note ftw.

karpathy's tweet photo. Seeding my Bear ʕ•ᴥ•ʔ blog with more random posts, e.g. here's something I had on backlog for a while:

# The append-and-review note

An approach to note taking that I stumbled on and has worked for me quite well for many years. I find that it strikes a good balance of being super simple and easy to use but it also captures the majority of day-to-day note taking use cases.

Data structure. I maintain one single text note in the Apple Notes app just called "notes". Maintaining more than one note and managing and sorting them into folders and recursive substructures costs way too much cognitive bloat. A single note means CTRL+F is simple and trivial. Apple does a good job of optional offline editing, syncing between devices, and backup.

Append. Any time any idea or any todo or anything else comes to mind, I append it to the note on top, simply as text. Either when I'm on my computer when working, or my iPhone when on the go. I don't find that tagging these notes with any other structured metadata (dates, links, concepts, tags) is that useful and I don't do it by default. The only exception is that I use tags like "watch:", "listen:", or "read:", so they are easy to CTRL+F for when I'm looking for something to watch late at night, listen to during a run/walk, or read during a flight, etc.

Review. As things get added to the top, everything else starts to sink towards the bottom, almost as if under gravity. Every now and then, I fish through the notes by scrolling downwards and skimming. If I find anything that deserves to not leave my attention, I rescue it towards the top by simply copy pasting. Sometimes I merge, process, group or modify notes when they seem related. I delete a note only rarely. Notes that repeatedly don't deserve attention will naturally continue to sink. They are never lost, they just don't deserve the top of mind.

Example usage:

- Totally random idea springs to mind but I'm on the go and can't think about it, so I add it to the note, to get back around to later.
- Someone at a party mentions a movie I should watch.
- I see a glowing review of a book while doom scrolling through X.
- I sit down in the morning and write a small TODO list for what I'd like to achieve that day.
- I just need some writing surface for something I'm thinking about.
- I was going to post a tweet but I think it needs a bit more thought. Copy paste into notes to think through a bit more later.
- I find an interesting quote and I want to be reminded of it now and then.
- My future self should really think about this thing more.
- I'm reading a paper and I want to note some interesting numbers down.
- I'm working on something random and I just need a temporary surface to CTRL+C and CTRL+V a few things around.
- I keep forgetting that shell command that lists all Python files recursively so now I keep it in the note.
- I'm running a hyperparameter sweep of my neural network and I record the commands I ran and the eventual outcome of the experiment.
- I feel stressed that there are too many things on my mind and I worry that I'll lose them, so I just sit down and quickly dump them into a bullet point list.
- I realize while I'm re-ordering some of my notes that I've actually thought about the same thing a lot but from different perspectives. I process it a bit more, merge some of the notes into one. I feel additional insight.

When I note something down, I feel that I can immediately move on, wipe my working memory, and focus fully on something else at that time. I have confidence that I'll be able to revisit that idea later during review and process it when I have more time.

My note has grown quite giant over the last few years. It feels nice to scroll through some of the old things/thoughts that occupied me a long time ago. Sometimes ideas don't stand the repeated scrutiny of a review and they just sink deeper down. Sometimes I'm surprised that I've thought about something for so long. And sometimes an idea from a while ago is suddenly relevant in a new light.

One text note ftw.

203

276

469K

不愧是我 @GavinLdb

10 months ago

@yiqifacai 联德股份，应流股份

GavinLdb retweeted

Rocky

@Rocky_Bitcoin

10 months ago

最近行情不佳，有大把时间，看一些优秀投资机构的访谈节目，这次看到 a16z 创始人Marc Andreessen访谈，其中提到一个观点：「投资最大的风险不是亏损，而是平庸」让我深深震撼。 Marc Andreessen现任顶级风投 a16z 联合创始人兼合伙人，掌管其成长型其金。作为硅谷后期投资的领军人物，他从零构建了 a16z 的成长投资业务。主导了 Databricks,，Stripe, Figma，Coinbase，SpaceX 等数十亿美元级科技巨头的关键轮次投资。前不久，Marc接受了一档知名播客的访谈，他谈论了a16z的估值哲学以及现阶段的 #AI 布局，以下是整理出来的部分访谈的精彩内容。 1️⃣反共识的成长型投资策略主持人：我想从一个宏观的观察开始。过去十年，成长型股权投资可以说是过度拥挤了。只要是个手里有钱的基金，都在往科技公司里砸钱。为了对抗风险，大多数基金的策略是“广撒网”，构建一个包含 30、40 甚至 50 家公司的分散组合，试图以此捕捉科技行业的整体增长(Beta)。但 a16z 的成长基金似乎完全不同，你们的持仓极度集中。在一个充满不确定性的后期市场，为什么要采取这种看似容错率极低的策略? Marc：这是一个直击核心的问题。这关乎我们对“科技行业回报本质”的理解。首先，你要明白，科技行业的投资回报分布并不是正态分布，而是极端的幂次法则分布。如果你去看历史数据，不仅是在早期风投，即便是在成长及后期阶段，某个年份里这一代最伟大的那家公司，其产生的回报往往超过了剩下所有“还不错”的公司的总和。这就带来了一个残酷的数学事实：如果你为了所谓的“安全性”去买了一堆二流、三流的公司(也就是所谓的“广撒网”)，你的回报会被极度稀释，最终你只能得到一个平庸的市场平均回报。作为风险投资人，如果我们要给LP提供阿尔法，我们就不能做“指数基金”。所以，我们的策略是“精准捕鱼”，而不是“拖网捕鱼”。主持人： “精准捕鱼”听起来很性感，但在执行层面上，这意味着你必须在几千家公司里准确地找到那唯一的一个。你们是怎么做筛选的?漏斗是什么样的? Marc：我们的漏斗非常窄，也非常深。我们看几百家公司，可能只会对其中的 20 家进行深度跟踪，最后一年只投 2到3家。我们的核心标准不是“这是一家好公司吗?”，而是“这就那家定义品类的公司吗?” 举个例子，在云计算早期，你可以投很多公司，但只有投了 AWS 或者后来的 Snowflake、Databricks，你才算真正抓住了价值。在设计领域，你可以投很多工具，但只有 Figma 拿走了桌面上大部分的筹码。我们寻找的是那种具有不可避免性的企业。一旦它们形成了网络效应或技术壁垒，它们的增长就不仅仅是线性的，而是具有掠夺性的——它们会吸走行业里绝大部分的利润池。主持人：这很有趣。但问题是，当这种“王者气象”显露出来的时候，通常已经是 D 轮、E轮甚至 Pre-IPO了，估值已经非常高，竟争者都在排队。你们凭什么能投进去? Marc：问得好。这就是所谓的“阿尔法”来源之一——时间与关系的套利。很多人认为成长型投资就是“支票簿战争”，谁给的估值高谁赢。这是错的。如果等到一家公司正式启动融资、摩根士丹利把 PPT发到你邮箱里的时候，你再开始研究，那你就输了。那时候你只是价格的接受者。我们的做法是建立一个“影子组合”。对于那些我们认为可能成为“王者”的公司，我们会在真正投资前的两年，三年甚至更久就开始跟踪。这意味着什么？意味着在创始人根本不需要钱的时候，我们就去拜访他。我们帮他介绍客户，帮他招人，帮他理清战略——完全免费。我们在通过这种长期的、无偿的价值输出来建立信任。当市场窗口打开，或者创始人突然决定“我想融资了”的那一刻，他第一个想到的电话是打给谁？是那个拿着支票本刚出现的陌生人，还是那个已经陪跑了三年、懂他业务每一个细节的老朋友？所以，我们的很多交易，根本就没有进入公开竞价流程。这是我们在极度拥挤的市场中保持优势的唯一方法。 2️⃣“市场在久期上犯了错” 主持人，让我们来谈谈价格。这可能是价值投资者最纠结的地方。像 Stripe、SpaceX 或者 Databricks 这样的公司，它们的估值倍数通常高得吓人。比如 50 倍、甚至 100 倍的 ARR(年度经常性收入)。作为一个理性的投资人，你怎么说服自己接受这种溢价?市场是不是疯了? Marc：市场并没有疯，但市场确实存在一个巨大的、系统性的盲区。这个盲区叫久期错配。华尔街的分析师，以及大多数对冲基金，他们非常擅长建立未来 12 到 24个月的财务模型。他们对下个季度的 EPS 预测可能比我准得多。但是，当他们面对那些真正伟大的、具有颠覆性的科技公司时，他们往往严重低估了增长的持久性。传统的金融理论认为，高增长最终会均值回归。一家公司今年增长 100%，明年可能就只有 50%，后年20%。但在数字经济时代，对于那些拥有极强网络效应或平台效应的公司(比如 Stripe 或 Facebook)，这种衰减速度比人们想象的要慢得多。它们可能在巨大的体量下依然保持 30%-40% 的增长长达十年。主持人：能举个具体的思维模型吗？ Marc：好的。假设有两家公司。公司 A：估值便宜，10倍营收，但增长平庸，每年增长 15%，且面临激烈竞争。公司B：估值昂贵，50倍营收，但它是市场垄断者每年增长 40%，且这种增长能持续 10 年。大多数人不敢买公司 B，因为怕估值回调。他们担心如果倍数从 50 倍跌到 25倍，股价就会腰斩。但数学告诉我们，如果公司B 能保持复利增长，即使它的估值倍数压缩一半，十年后它的股价依然会远超公司 A。增长的复利力量最终会压倒估值倍数的收缩。我们赌的不是下个季度的财报超预期，我们赌的是：市场低估了这家公司在未来十年统治行业的能力。当然，这也带来了风险，如果你判断错了，你买的不是“王者”而是“老二”，那你就会遭遇“双杀”：业绩不达标，估值也没了。这就是为什么我刚才强调“精准捕鱼”如此重要。买贵了没关系，买错了才是灾难。 3️⃣AI的全栈布局主持人：现在所有人的目光都在 #AI 上。a16z 无疑是这场浪潮中最激进的机构之一。但我听到一种声音，说这只是另一个 Saas 周期，或者就像当年的移动互联网。你怎么看？这次有什么本质不同？ Marc：不，这次完全不同。如果你把 AI 仅仅看作是更聪明的软件”，你就低估了这次变革的量级。我们正在经历从 SaaS (Software as a Service) 到 Service as Software 的范式转移。这不仅仅是词序的颠倒，这是商业模式的降维打击。主持人：请展开讲讲，这个区别在哪里? Marc：在SaaS时代(比如 Salesforce、Workday)，软件是一种工具。你把软件卖给企业，目的是提高员工的效率。作为投资者，我们通过这种模式赚取的是企业IT 预算的一部分。通常 IT 预算只占企业总收入的 5%左右。但在 AI时代，尤其是生成式 AI，软件不再只是工具，它开始直接交付结果。比如我们投资的 Harvey(法律 AI)或 Cursor(编程AI)。当一家律所使用 Harvey 时，它不仅仅是让律师打字更快，它实际上是在完成初级律师起草合同、检索法条的工作。当程序员用 Cursor 时，AI实际上是在写代码，而不仅仅是补全代码。这意味着什么？这意味着这些 AI 公司切入的不再是那5% 的IT预算，而是那巨大的、原本属于薪资的预算，也就是企业最大的成本项，通常占收入的30% 到50%。 TAM(潜在市场规模)瞬间被放大了 10倍。这不再是关于“软件销售”，这是关于“劳动力替代”和“智力边际成本归零” 。主持人：这个视角非常宏大。那在具体布局上，你们怎么操作？现在大家都在抢投基础模型，这是唯一的路吗？ Marc：我们把 AI 投资分为三层，这就像当年淘金热的逻辑: 1.基础设施层: 这是最确定的赌注。无论哪家模型赢，无论哪个应用火，它们都需要算力，都需要数据处理。所以我们重仓了 Databricks。它是 AI 时代的数据湖仓，是所有 AI 应用的地基。我们还投资了 CoreWeave(算力云)。这是“卖铲子”的逻辑，稳健且巨大。 2.模型层: 这一层竞争最激烈，资本密集度最高。这里只有极少数赢家。我们很早就支持了 OpenAI 和 Mistral。我们相信在这个层面，技术领先优势会转化为巨大的平台效应。 3.应用层: 这是目前的深水区，也是未来阿尔法最大的地方。很多人说“基础模型会吞噬掉应用层的价值”，我不同意。真正的价值在于工作流的重构。像 Cursor 这样的公司，它不是简单地套一个 GPT-4的壳。它深入理解了程序员的工作流，把 AI 无缝嵌入到 IDE 里，创造了一种全新的开发体验。这种“用户体验+垂直领域数据”的护城河，是基础模型厂商很难攻破的。 4️⃣美国活力主持人：除了纯软件和 AI，我注意到 a16z 最近在大力推行一个叫“美国活力”的概念，投了很多硬件、军工、航天公司。这在过去的风投圈是绝对的禁区。为什么会有这种转变？ Marc：这是一个时代的召唤。过去 20 年，硅谷太沉迷于“比特”了令-我们做了更好的社交软件、更好的广告算法、更好的外卖平台。这很好，但这不够。如果你看现实世界，“原子”层面的问题堆积如山：美国的制造业空心化、国防工业供应链脆弱、基础设施老化。我们认为，下一波巨大的机会在于用软件定义的硬件去解决国家级的问题。看看 SpaceX。Elon Musk 证明了，用硅谷的迭代思维去做火箭，可以把成本降低一个数量级，把国家队远远甩在身后。看看 Anduril(国防科技)。Palmer Luckey 证明了，现代国防需要的不是更昂贵的坦克，而是智能化的无人机群和软件系统。主持人：但这类投资非常难。周期长、资本密集、还有政府监管风险。你们怎么管理这种风险? Marc：这确实很难，所以这里没有“游客”。我们在投资自动驾驶时也学到了很多。这类公司不像 Saas 公司那样每个季度都有线性的 ARR 增长。它们在很长六段时间里看起来都在烧钱，毫无产出。但也正因为难，护城河才深得可怕。一旦Spacex 的星链(Starlink)网络建成了，一旦Waymo 的数据飞轮转起来了，后来者几乎不可能追赶。我们愿意为了这种终局的垄断地位，去承担前期的技术风险和长周期。这就是我们在投资组合构建中保留一部分“硬科技”赌注的原因。 5️⃣像洋基队一样赢主持人：最后，我想聊聊人。a16z 的成长基金规模巨大，但你们的运作方式听说很特别，特别是你们取消了传统的“投资委员会”投票制度。为什么？ Marc：这是我对组织行为学的一个深刻观察：群体决策倾向于平庸。如果你把一个激进的、非共识的投资机会放到一张桌子上，让 10个人投票。通常的结果是：大家会因为由于某些明显的风险而投反对票。最终通过IC的，往往是那些“挑不出大毛病”但也没有巨大潜力的平庸案子。但在风险投资里，最大的风险不是失败，而是平庸。所以，我们实行“单人拍板制” 如果是你负责看这个案子，你做了所有的尽职调查，你建立了和创始人的关系，那么你就有权力决定投不投。你不需要说服我，也不需要说服其他合伙人。但是，这是关键，你必须对结果负全责。主持人：这听起来压力巨大。如果投砸了怎么办? Marc：这就是我们文化的另一面。我常把我们的团队比作纽约洋基队。我们提供最好的资源：最好的品牌、最强大的投后服务团队(人才招聘、市场营销、政策游说)、顶级的薪酬。作为交换，我们要求你交出世界级的成绩单。如果你连续几年都投不出好案子，或者你的判断持续出错，那么这里可能不适合你。这听起来很残酷，但这才是顶级竟技场的规则。我们不想要那种“大锅饭”式的合伙人文化，我们想要的是群饥饿的、有独立判断力的猎手，他们背靠着航母，但像独狼一样思考。主持人：这解释了为什么你们能保持这种攻击性。这期对话信息量太大了。如果让你把今天的讨论浓缩成一句话送给听众，会是什么？ Marc：我会说：“别被市场的噪音干扰，别被短期的估值吓退。去寻找那些真正不可避免的未来，然后在那里重仓，并在那里坚持。平庸是最大的敌人。”🧐

Rocky_Bitcoin's tweet photo. 最近行情不佳，有大把时间，看一些优秀投资机构的访谈节目，这次看到 a16z 创始人Marc Andreessen访谈，其中提到一个观点：「投资最大的风险不是亏损，而是平庸」让我深深震撼。

Marc Andreessen现任顶级风投 a16z 联合创始人兼合伙人，掌管其成长型其金。作为硅谷后期投资的领军人物，他从零构建了 a16z 的成长投资业务。主导了 Databricks,，Stripe, Figma，Coinbase，SpaceX 等数十亿美元级科技巨头的关键轮次投资。

前不久，Marc接受了一档知名播客的访谈，他谈论了a16z的估值哲学以及现阶段的 #AI 布局，以下是整理出来的部分访谈的精彩内容。

1️⃣反共识的成长型投资策略

主持人：我想从一个宏观的观察开始。过去十年，成长型股权投资可以说是过度拥挤了。只要是个手里有钱的基金，都在往科技公司里砸钱。

为了对抗风险，大多数基金的策略是“广撒网”，构建一个包含 30、40 甚至 50 家公司的分散组合，试图以此捕捉科技行业的整体增长(Beta)。

但 a16z 的成长基金似乎完全不同，你们的持仓极度集中。在一个充满不确定性的后期市场，为什么要采取这种看似容错率极低的策略?

Marc：这是一个直击核心的问题。这关乎我们对“科技行业回报本质”的理解。

首先，你要明白，科技行业的投资回报分布并不是正态分布，而是极端的幂次法则分布。如果你去看历史数据，不仅是在早期风投，即便是在成长及后期阶段，某个年份里这一代最伟大的那家公司，其产生的回报往往超过了剩下所有“还不错”的公司的总和。

这就带来了一个残酷的数学事实：如果你为了所谓的“安全性”去买了一堆二流、三流的公司(也就是所谓的“广撒网”)，你的回报会被极度稀释，最终你只能得到一个平庸的市场平均回报。

作为风险投资人，如果我们要给LP提供阿尔法，我们就不能做“指数基金”。所以，我们的策略是“精准捕鱼”，而不是“拖网捕鱼”。

主持人： “精准捕鱼”听起来很性感，但在执行层面上，这意味着你必须在几千家公司里准确地找到那唯一的一个。你们是怎么做筛选的?漏斗是什么样的?

Marc：我们的漏斗非常窄，也非常深。我们看几百家公司，可能只会对其中的 20 家进行深度跟踪，最后一年只投 2到3家。我们的核心标准不是“这是一家好公司吗?”，而是“这就那家定义品类的公司吗?”

举个例子，在云计算早期，你可以投很多公司，但只有投了 AWS 或者后来的 Snowflake、Databricks，你才算真正抓住了价值。在设计领域，你可以投很多工具，但只有 Figma 拿走了桌面上大部分的筹码。

我们寻找的是那种具有不可避免性的企业。一旦它们形成了网络效应或技术壁垒，它们的增长就不仅仅是线性的，而是具有掠夺性的——它们会吸走行业里绝大部分的利润池。

主持人：这很有趣。但问题是，当这种“王者气象”显露出来的时候，通常已经是 D 轮、E轮甚至 Pre-IPO了，估值已经非常高，竟争者都在排队。你们凭什么能投进去?

Marc：问得好。这就是所谓的“阿尔法”来源之一——时间与关系的套利。

很多人认为成长型投资就是“支票簿战争”，谁给的估值高谁赢。这是错的。

如果等到一家公司正式启动融资、摩根士丹利把 PPT发到你邮箱里的时候，你再开始研究，那你就输了。那时候你只是价格的接受者。

我们的做法是建立一个“影子组合”。对于那些我们认为可能成为“王者”的公司，我们会在真正投资前的两年，三年甚至更久就开始跟踪。

这意味着什么？意味着在创始人根本不需要钱的时候，我们就去拜访他。我们帮他介绍客户，帮他招人，帮他理清战略——完全免费。

我们在通过这种长期的、无偿的价值输出来建立信任。

当市场窗口打开，或者创始人突然决定“我想融资了”的那一刻，他第一个想到的电话是打给谁？是那个拿着支票本刚出现的陌生人，还是那个已经陪跑了三年、懂他业务每一个细节的老朋友？

所以，我们的很多交易，根本就没有进入公开竞价流程。这是我们在极度拥挤的市场中保持优势的唯一方法。

2️⃣“市场在久期上犯了错”

主持人，让我们来谈谈价格。这可能是价值投资者最纠结的地方。像 Stripe、SpaceX 或者 Databricks 这样的公司，它们的估值倍数通常高得吓人。比如 50 倍、甚至 100 倍的 ARR(年度经常性收入)。

作为一个理性的投资人，你怎么说服自己接受这种溢价?市场是不是疯了?

Marc：市场并没有疯，但市场确实存在一个巨大的、系统性的盲区。这个盲区叫久期错配。

华尔街的分析师，以及大多数对冲基金，他们非常擅长建立未来 12 到 24个月的财务模型。他们对下个季度的 EPS 预测可能比我准得多。

但是，当他们面对那些真正伟大的、具有颠覆性的科技公司时，他们往往严重低估了增长的持久性。

传统的金融理论认为，高增长最终会均值回归。一家公司今年增长 100%，明年可能就只有 50%，后年20%。

但在数字经济时代，对于那些拥有极强网络效应或平台效应的公司(比如 Stripe 或 Facebook)，这种衰减速度比人们想象的要慢得多。它们可能在巨大的体量下依然保持 30%-40% 的增长长达十年。

主持人：能举个具体的思维模型吗？

Marc：好的。假设有两家公司。

公司 A：估值便宜，10倍营收，但增长平庸，每年增长 15%，且面临激烈竞争。

公司B：估值昂贵，50倍营收，但它是市场垄断者每年增长 40%，且这种增长能持续 10 年。

大多数人不敢买公司 B，因为怕估值回调。他们担心如果倍数从 50 倍跌到 25倍，股价就会腰斩。

但数学告诉我们，如果公司B 能保持复利增长，即使它的估值倍数压缩一半，十年后它的股价依然会远超公司 A。

增长的复利力量最终会压倒估值倍数的收缩。我们赌的不是下个季度的财报超预期，我们赌的是：市场低估了这家公司在未来十年统治行业的能力。

当然，这也带来了风险，如果你判断错了，你买的不是“王者”而是“老二”，那你就会遭遇“双杀”：业绩不达标，估值也没了。这就是为什么我刚才强调“精准捕鱼”如此重要。买贵了没关系，买错了才是灾难。

3️⃣AI的全栈布局

主持人：现在所有人的目光都在 #AI 上。a16z 无疑是这场浪潮中最激进的机构之一。但我听到一种声音，说这只是另一个 Saas 周期，或者就像当年的移动互联网。你怎么看？这次有什么本质不同？

Marc：不，这次完全不同。如果你把 AI 仅仅看作是更聪明的软件”，你就低估了这次变革的量级。

我们正在经历从 SaaS (Software as a Service) 到 Service as Software 的范式转移。这不仅仅是词序的颠倒，这是商业模式的降维打击。

主持人：请展开讲讲，这个区别在哪里?

Marc：在SaaS时代(比如 Salesforce、Workday)，软件是一种工具。你把软件卖给企业，目的是提高员工的效率。作为投资者，我们通过这种模式赚取的是企业IT 预算的一部分。通常 IT 预算只占企业总收入的 5%左右。

但在 AI时代，尤其是生成式 AI，软件不再只是工具，它开始直接交付结果。比如我们投资的 Harvey(法律 AI)或 Cursor(编程AI)。

当一家律所使用 Harvey 时，它不仅仅是让律师打字更快，它实际上是在完成初级律师起草合同、检索法条的工作。

当程序员用 Cursor 时，AI实际上是在写代码，而不仅仅是补全代码。

这意味着什么？这意味着这些 AI 公司切入的不再是那5% 的IT预算，而是那巨大的、原本属于薪资的预算，也就是企业最大的成本项，通常占收入的30% 到50%。

TAM(潜在市场规模)瞬间被放大了 10倍。这不再是关于“软件销售”，这是关于“劳动力替代”和“智力边际成本归零” 。

主持人：这个视角非常宏大。那在具体布局上，你们怎么操作？现在大家都在抢投基础模型，这是唯一的路吗？

Marc：我们把 AI 投资分为三层，这就像当年淘金热的逻辑:

1.基础设施层: 这是最确定的赌注。无论哪家模型赢，无论哪个应用火，它们都需要算力，都需要数据处理。

所以我们重仓了 Databricks。它是 AI 时代的数据湖仓，是所有 AI 应用的地基。我们还投资了 CoreWeave(算力云)。这是“卖铲子”的逻辑，稳健且巨大。

2.模型层: 这一层竞争最激烈，资本密集度最高。这里只有极少数赢家。

我们很早就支持了 OpenAI 和 Mistral。我们相信在这个层面，技术领先优势会转化为巨大的平台效应。

3.应用层: 这是目前的深水区，也是未来阿尔法最大的地方。很多人说“基础模型会吞噬掉应用层的价值”，我不同意。真正的价值在于工作流的重构。

像 Cursor 这样的公司，它不是简单地套一个 GPT-4的壳。它深入理解了程序员的工作流，把 AI 无缝嵌入到 IDE 里，创造了一种全新的开发体验。

这种“用户体验+垂直领域数据”的护城河，是基础模型厂商很难攻破的。

4️⃣美国活力

主持人：除了纯软件和 AI，我注意到 a16z 最近在大力推行一个叫“美国活力”的概念，投了很多硬件、军工、航天公司。这在过去的风投圈是绝对的禁区。为什么会有这种转变？

Marc：这是一个时代的召唤。过去 20 年，硅谷太沉迷于“比特”了令-我们做了更好的社交软件、更好的广告算法、更好的外卖平台。这很好，但这不够。

如果你看现实世界，“原子”层面的问题堆积如山：美国的制造业空心化、国防工业供应链脆弱、基础设施老化。

我们认为，下一波巨大的机会在于用软件定义的硬件去解决国家级的问题。

看看 SpaceX。Elon Musk 证明了，用硅谷的迭代思维去做火箭，可以把成本降低一个数量级，把国家队远远甩在身后。

看看 Anduril(国防科技)。Palmer Luckey 证明了，现代国防需要的不是更昂贵的坦克，而是智能化的无人机群和软件系统。

主持人：但这类投资非常难。周期长、资本密集、还有政府监管风险。你们怎么管理这种风险?

Marc：这确实很难，所以这里没有“游客”。我们在投资自动驾驶时也学到了很多。这类公司不像 Saas 公司那样每个季度都有线性的 ARR 增长。它们在很长六段时间里看起来都在烧钱，毫无产出。

但也正因为难，护城河才深得可怕。

一旦Spacex 的星链(Starlink)网络建成了，一旦Waymo 的数据飞轮转起来了，后来者几乎不可能追赶。

我们愿意为了这种终局的垄断地位，去承担前期的技术风险和长周期。这就是我们在投资组合构建中保留一部分“硬科技”赌注的原因。

5️⃣像洋基队一样赢

主持人：最后，我想聊聊人。a16z 的成长基金规模巨大，但你们的运作方式听说很特别，特别是你们取消了传统的“投资委员会”投票制度。为什么？

Marc：这是我对组织行为学的一个深刻观察：群体决策倾向于平庸。

如果你把一个激进的、非共识的投资机会放到一张桌子上，让 10个人投票。通常的结果是：大家会因为由于某些明显的风险而投反对票。

最终通过IC的，往往是那些“挑不出大毛病”但也没有巨大潜力的平庸案子。

但在风险投资里，最大的风险不是失败，而是平庸。

所以，我们实行“单人拍板制” 如果是你负责看这个案子，你做了所有的尽职调查，你建立了和创始人的关系，那么你就有权力决定投不投。你不需要说服我，也不需要说服其他合伙人。但是，这是关键，你必须对结果负全责。

主持人：这听起来压力巨大。如果投砸了怎么办?

Marc：这就是我们文化的另一面。我常把我们的团队比作纽约洋基队。

我们提供最好的资源：最好的品牌、最强大的投后服务团队(人才招聘、市场营销、政策游说)、顶级的薪酬。

作为交换，我们要求你交出世界级的成绩单。

如果你连续几年都投不出好案子，或者你的判断持续出错，那么这里可能不适合你。

这听起来很残酷，但这才是顶级竟技场的规则。我们不想要那种“大锅饭”式的合伙人文化，我们想要的是群饥饿的、有独立判断力的猎手，他们背靠着航母，但像独狼一样思考。

主持人：这解释了为什么你们能保持这种攻击性。这期对话信息量太大了。如果让你把今天的讨论浓缩成一句话送给听众，会是什么？

Marc：我会说：“别被市场的噪音干扰，别被短期的估值吓退。去寻找那些真正不可避免的未来，然后在那里重仓，并在那里坚持。平庸是最大的敌人。”🧐

315

111

322

69K

不愧是我 @GavinLdb

10 months ago

@jisen454 @FLS_OTC 豆包能生成这种！？？

331

GavinLdb retweeted

Linmi

@Linmiv

11 months ago

这些年体感最强的两个产品： - 去头屑：澳洲 selsun 洗发水，确实没有头屑了 - 去脚气：盐酸特比萘芬喷雾剂，脚气彻底根治🌚

144

445

785K

GavinLdb retweeted

JD @jdhasoptions

12 months ago

几个板块我喜欢的票无人机：KTOS，AVAV，ONDS 存储：SNDK 机器人：SYM 核电：LEU，UUUU 稀土：CRML 电池：BE 储能：EOSE 数据中心：iren，cifr fintech：hood 半导体：AMD，INTC

164

133

22K

不愧是我 @GavinLdb

about 1 year ago

@TingHu888 看见福禄寿的uni我想笑，反指真的很重要哈哈

486

GavinLdb retweeted

Lord of Mysteries Official

@LOM_officialEN

about 1 year ago

🔮#LoMEvent 🔥 Ignite the Flame of Faith 🔥 🎨 Now, the Lord of Mysteries calls upon creators worldwide. This arcane universe needs your ‘Spirituality’! ✨ How to participate: 1️⃣ Create & share a Lord of the Mysteries-themed video (30+ seconds). 2️⃣ Use the hashtags #LoMFanContest & #LordOfMysteries. 3️⃣ Submit your video link via the form in our bio to enter the contest and compete for amazing rewards! 📅 Event Period: August 16th – September 20th (UTC-8) #LordOfMysteries #LoMdonghua #诡秘之主

LOM_officialEN's tweet photo. 🔮#LoMEvent
🔥 Ignite the Flame of Faith 🔥
🎨 Now, the Lord of Mysteries calls upon creators worldwide. This arcane universe needs your ‘Spirituality’!

✨ How to participate:
1️⃣ Create & share a Lord of the Mysteries-themed video (30+ seconds).
2️⃣ Use the hashtags #LoMFanContest & #LordOfMysteries.
3️⃣ Submit your video link via the form in our bio to enter the contest and compete for amazing rewards!

📅 Event Period: August 16th – September 20th (UTC-8)

#LordOfMysteries #LoMdonghua #诡秘之主

304

41K

不愧是我 @GavinLdb

about 1 year ago

@EncryptedMonero 买了可以提到币安吗？

Last Seen Users on Sotwe

Trends for you

Most Popular Users

Olivia

Online

✨

⭐

💫