分享系列3—张小珺对谈Altimeter合伙人Freda Takeaways，OpenAI、AI泡沫、自动驾驶、Robinhood、大公司点评
前言：
1.来自张小珺对谈Altimeter合伙人Freda，我觉得信息密度很高，值得分享，本文是我听的时候做的笔记，但并没有覆盖播客中全部内容，如果看了一眼觉得内容不错，更建议去听原播客
2.Altimeter介绍：硅谷科技基金，一级二级都做。一级投资了OpenAI、Anthropic，二级市场投资案例有Nvidia、Snowflake、Robinhood，所以别人“屁股”在哪也是阅读前需要知道的信息
3.推荐的原因主要有几个：a.很多观点对我有启发，b.具备硅谷的“一线视角”，对我有补充，c.尤其是作为几个一级市场公司的投资人，尽管对外沟通也只能引用公开的数据和材料，但因为拥有这些公司的“Context”，必然导致能让读者读到一些非公开视角
4.文章是Freda的观点而不是我的，我对部分观点无法判断，部分观点赞同，部分观点不赞同；但读这种东西我认为最重要的是1.补充事实信息，2.提供其他视角来校验自己的投资有没有盲区，所以依然请以自己的判断为决策依据
5.其他无关联想：给我信息密度高的感受的原因也部分来自于对话节奏本身，语速不慢、停顿少、To the point，思考了一下为什么：有可能来自于这些观点本身想的足够清楚，有可能来自于类似观点说过很多次所以说起来很顺，有可能来自于长期对沟通技能进行刻意训练（职业履历为典型的精英履历），比如能听出来交流中几乎没有Filler words（查了一下应该翻译成填充词，但我在中文语境从来没听过这个学名，类似于“内个”“emm”“然后”等）
正文：
一、OpenAI：
1.什么时候决定下注OpenAI：看出OpenAI是产品公司而不仅仅是模型公司的时候（大概2亿MAU）
2.ChatGPT不具备强网络效应而是一对一分发，做出来主要因为先发优势和更好的用户体验
3.OpenAI的商业模式：
3.1训练成本每年上涨10X，如果Y1的训练成本为1，则Y2会收到2的收入，并再支出10的成本，即Y2=2-10=-8，会持续负向雪球
3.2现金流为证只有2种可能：收入超过2，或者不需要去烧钱训一个10的模型（Dario认为烧钱停止有2种可能性，要么到物理限制比如模型太大了训不动或者要烧超大量资源，要么就是Scaling Law变慢了所以不值得烧一个10的模型），一旦训练停了报表立马会很好看
3.3对比Netflix：
3.3.1Netflix前几年现金流都是负的，每一年都比前一年负的更多，且投入资本拍摄的内容也有4年折旧摊销，Netflix最惨的是在2019年，现金流-30亿，2020年现金流突然翻正到20亿，所以内容成本（训练成本）就突然没有了。现在的内容投入也下来了
3.3.2有3亿用户，维护好就行。所以模型公司未来也会训练，但只要不像现在再成倍增加对于公司利润率就足够了
3.3.3媒体天然分散，而Chatbot用户希望一家能记住自己所有内容，格局会更像搜索，集中度高
4.收入来源：
4.1当前7成来自ChatGPT（包括企业版，同时外界往往以为ChatGPT是2C产品，其实2B和2C两边差不多）
4.2OpenAI的API业务有Anthropic的1/2，但Anthropic预测自己的API收入增长会更快，达到OpenAI API收入的5X甚至更多
4.3纯看ChatGPT未来可能有3个亿订阅，每个月30块钱，对应1000亿体量。所以API和Agent在后边才是公司认为的潜力
5.希望做超级入口，而2C存在登录问题（别人不想让ChatGPT掌控），2B端会好很多，谷歌办公套件可以让OpenAI直接调用，因为企业软件是有确定的用户付费（给不给OpenAI调用都能收上钱），所以认为OpenAI在企业端作为超级入口会发展很快。是非共识
6.广告：8个亿WAU，所以做广告很顺，比如付费用户可以给公允的结果，免费用户插广告，广告能很快起量
7.云：云业务是OpenAI业务的自然延伸，比如AWS的路径也是自用到外销，认为云的竞争格局会改变
8.和谷歌的竞争：
8.1OpenAI认为自己的竞争对手是谷歌
8.2谷歌对OpenAI的价格战有几个角度可以打：1.靠TPU总想整合带来的绝对价格优势，2.捆绑销售。Gemini对OpenAI用户时长有冲击
8.3中长期比较合理的是谷歌吃中低端市场（比如20美元的订阅），高端的几百美元都给OpenAI
8.4二者都是赢家，但现在市场对OpenAI太悲观，对谷歌太乐观，因为谷歌面临的威胁并没有被解决，因为OpenAI当前的搜索现在内容谷歌本身也不变现，但OpenAI开始做广告和电商，格局会改变，美国广告收入就这么多，OpenAI卖的广告只能从谷歌和Meta手里抢
8.5谷歌把研究员激励制度改成了绑定模型榜单，符合谷歌学霸文化
8.6曾经担心OpenAI没法做搜索（因为谷歌不给OpenAI用谷歌搜索API），但实际用户体验也很好，搜索的市场格局被彻底改变了，之前谷歌压倒性好用，原因是人只能在最上面的2-3条找信息因为便捷性最重要，但现在模型可以一秒钟翻几十页，搜索的护城河改变了
9.投资回报：OpenAI估值从300亿到5000亿翻了20X，但股价只涨了6X
10.IPO：媒体报道的2027年1万亿美元IPO，对应OpenAI收入预测的10X估值，如果能做到这个收入，估值很合理；网景上市是95年，泡沫破裂是5年之后的事，OpenAI IPO不能说等于泡沫顶峰
11.和Anthropic的对比：
11.1一个2C一个2B，Anthropic 80%以上都是2B的客户
11.2用户粘性都很好，有微笑曲线，一开始用户留存会下去一点，但之后会回来；新用户同期的留存率比老用户更高
11.3Anthropic利润率增长很快，1年内从收入1块亏2块，今年第能做到和OpenAI差不多的毛利率，从模型架构、优化都做的很好
11.4长期看模型的毛利率都会是70%-80%
11.5增长角度看：最近几个月每个月增加的ARR数量上差不多
12.Neo Labs：除了Ilya和Mira之外，最近出来有小10家大模型公司出来融资，都是融10亿美金量级。估值方法看估值预测和对标OpenAI
二、自动驾驶：
1.Waymo执行能力和速度超预期
2.开城速度明显加速，SF用了5年，奥斯汀2年，硅谷用了半年就开出来了，而且开一个城市只需要几千美金
3.现在有2500辆车在路上，年化收入有8亿
4.明后年上量会非常快，和Waymo合作的现代车企在佐治亚州已经有现成的工厂，可以10万辆量产
5.自动驾驶会对交通行业产生很大影响，今年Waymo和Uber价格差不多，但等BOM下来之后会对Uber有比较大的影响
6.Waymo在SF已经盈利了，最大成本是折旧，整车17万，折旧4年，其他包括远程安全员、运营、保险，这些都算下来认为也是盈利的
7.今天Waymo和所有人都是合作的关系（租车公司、Uber等），Waymo需要人做维护、清洁、充电、停车，但Uber并不是劳动密集型的公司，最适合的是专业车队运营团队
8.Waymo要解决的是如何平衡峰值的高峰低谷需求，Uber做这个合适因为轻资产，可以通过价格调配车队，Waymo则会闲置
9.特斯拉的对比：Waymo硬件有问题，特斯拉软件有问题，Waymo硬件成本会下来，但能下来多少？拆开来看，车和传感器大概都是7-8万块，芯片大概2-3万，成本下来需要过程而且无论如何都降低不到特斯拉水平。Waymo长期命运要看特斯拉能否成功，特斯拉在于10年前说的纯视觉到现在还没在robotaxi上证明自己
10.美国人每年开车3万亿英里，如果每英里收费1美元，对于Uber的3美元很有吸引力，所以完全不存在需求问题，ChatGPT帮忙计算如果在美国前10大市场拿到10%份额需要多少robotaxi？算出来是1-2万，看起来很小，因为Uber在美国有超过300万台
11.自动驾驶现在还是在模仿学习，用了10亿量级的小模型，因为要运行在端侧，看到Stop的标志并不能理解Stop的意思而是单纯模仿人类开车，偏死记硬背。所以是不是还需要通用的大模型？而不是记住和模仿来解决corner case，这在图像等其他领域已经发生了
12.中国发展会很好，因为有数据，比如美国油车的数据都没法采集，要么不联网要么联网的车只有1个摄像头数据根本没法用
三、Robinhood：
1.商业模式很差，因为证券交易有周期性，不是好生意
2.所以做了1.多元化，做银行、Prediction Market、财富管理、国际市场等；2.抢份额来平滑周期性，3.定价权，比如加密这块佣金3年从10%涨到60%，4.成本端如果配合收入端波动也是可以的，反例是2022年的Meta，Robinhood运营成本从2022年开始就是零增长，控制的很好
3.不是牛市买券商的逻辑
4.Coinbase和大饼回归并没有α收益，而Robinhood相对纳斯达克指数和大饼都有α收益
5.美国人一代人有一代人的账户，60岁以上用嘉信理财，45岁以上用Etrade，Robinhood是新一代中年人和年轻人的账户，公司的模式是漏斗，钱只要进来就能让你通过一系列交易产生收入，所以核心指标是每个用户的在Robinhood的资产，现在Robinhood的用户平均有1万美元资产，嘉信理财有15万以上，Robinhood平均年龄是34岁，正是财富的分水岭（35岁），35-40岁的人相对之前的5年会有3X的平均财富增长，在55岁达到高峰。今天Robinhood即使什么都不做，也会有很自然的增长；交易账户只是起步，之后会有各样的需求，比如嘉信理财有60%收入都是从财富管理来的
6.吸收进来钱之后最重要的是让这些钱滚动起来，Robinhood很会互联网玩法来增加用户活跃度，而作为对比Coinbase就比较弱，Robinhood是下一个嘉信理财
7.2025年初分多次买入Robinhood，但是Coinbase在跌份额而Robinhood是抢份额，市场没有看到这个动态觉得他们都是β，不过现在不便宜了，但是是最有成为一站式金融服务平台可能的公司
8.有为普通人平权的使命感，很多人第一次拿到IPO份额是通过Robinhood
9.看好Robinhood的VC业务，作为另类资产在美国有10万亿规模，比如OpenAI、SpaceX只有机构能参与但普通人买不到，如果Robinhood可以做这块业务，收费对比ARK受2%-3%，任何人都能认购，这块业务做到上百亿也不奇怪
10.今年通过代币化进入欧洲，迅速铺开
11.团队动作很快，1年产品产出是别人5-10年的量，对比Coinbase的乖小孩创始人第一天就强调合规，部分导致今天Coinbase的运营成本降不下来，Robinhood比较像坏小孩
12.2022年彻底改变了组织架构，之前中央化，改成了Single GM，每一个业务单元有独立的架构
四、机器人：
1.非常火，很多VC在闭眼投
2.机器人下半身基本解决了，上半身还差的比较多
3.路径上没有共识：是否要人形，数据上有的人只用真实数据、有的用模拟、有的混合用，但也有一定收敛比如共识越来越收敛到软硬件要一体化，住宅是比工业更合适的落地场景
4.老黄和Elon带队大家相信人形机器人
5.整体还是太早了，处在刚要从Research到Engineering，而且机器人太缺数据了，所以有很多噪音，就像10年前的自动驾驶，当一个模型过于缺数据的时候，喂任何数据都会显得帮助很大，但并不能线性外推因为进程会比大家想的慢
6.作为投资人很难评估，不像LLM好歹还有个榜单可以参照，能看看模型的大小，机器人现在完成度都不高，很难下重注
7.希望2-3年内出现机器人的GPT时刻，上半身需要有突破，比如叠衣服、收东西等最简单的动作，而且完成度可能都不会很高，明年美国会有一些公司会把产品卖到客户家里，但对这个预期不高
五、一级和二级的投资逻辑差异：
1.二级最好的投资靠非共识，VC更需要共识，因为每一轮需要烧很多钱，希望市场认可你的观点和你一起支持你选中的公司，不过说到底都是看人、产品、市场，往往一个好的创始人需要转型几次也会搞定，比如Elon从来没让投资人亏过钱
2.VC需要小而美，没有办法上量，且有10年锁定期，所以有时二级是更好的表达观点的地方，例如如果押注AI，2023年判断哪个大模型公司跑出来很难，反而是重仓NVDA获得回报会是这一波里最高的：
2.1VC回报率通常不会很高，跟踪了2000多支VC的回报数据，大概只有200支能实现3X以上回报，80支能实现5X以上回报，这80支中最大的规模就是5亿美金，5X回报在VC10年投资期相当于16%-17%的IRR
2.2比如你有200亿美元基金，给LP 5X净回报，对应1000亿，假设退出的时候有10%的持股（通常都还不到10%），就需要1万亿退出的规模，相当于过去5-6年全美国IPO市值的总和
六、AI的几个领域
1.AI Coding的竞争刚刚开始，格局难看清
2.AI 视频领域：认为很大，因为美国媒体行业超过8000亿，视频是AI和人类交易的重要载体，因为是对大脑输入带宽最高的形式，视频逻辑也彻底改变了，之前Tiktok做的是匹配，优化的是匹配函数本身，现在视频第一次成为直接被优化的目标，比如可以直接把用户参与度、广告点击率作为目标优化视频，认为会出来百亿的大公司，所以谷歌、Elon都会重点搞这块
3.Agentic Commerce：
3.1对广告、支付、电商都有影响
3.2对大部分商家是恶梦，比如Bookings一半的交易额是谷歌引流的，这部分是不赚钱的，长期Agent也会收费，商家不希望靠Agent引流，亚马逊也有将近1000亿广告收入，Agentic Commerce也会对这个产生影响
3.3想到唯一受益的是长尾商家，因为之前花不起钱买流量
3.4支付上：现在很多人用Paypal这样的快捷支付按钮，因为这样最便捷，所以能收溢价，而Agent不怕麻烦
4.AI应用的反直觉是，大家都觉得AI应用毛利率比软件低，但实际上AI应用是越有人用毛利率越低，现在没有统一意见如何给AI应用估值，认为应该用利润绝对值估值，比如AWS刚出来的时候毛利率也很低，但后来证明很大
5.之前软件时代都是从通用开始做然后切垂直领域，到了现在反而是创业只能做垂类，通用的都被大模型吃掉了
七、AI泡沫：
1.美国“电子税”总共4000亿，其中线上广告2600亿、电商的take rate 1000亿、订阅收入（youtube、奈飞）500亿，所以如果AI抢互联网存量，这个量太小，比如OpenAI要做到2000亿收入只能拿别人份额，如果烧这么多钱只出来一个小谷歌，就不划算
2.不认为AI能增加广告收入，因为广告的大盘子历史上就只有5-6%的年化增长，广告总额没有增加，美国所有公司加起来花3%的收入在广告，AI来了不会改变这个数字，且广告线上渗透率已经80%，也不存在上修空间
3.美国GDP 30万亿，劳动力成本15亿，客服3600亿，主要要从这里撕开口子，比如全球10%的生产力就是10万亿的增长
4.所以模型能力没上来的时候还是先吃存量“电子收入”，但时间长了模型时间上了，就能创造新的价值，才能算的过来账
5.当前肯定不在泡沫，因为AI落地很快，ChatGPT出来3年的渗透已经达到互联网10年的成果，行业已经有几百亿AI收入，大公司的AI ROIC也是提升的
6.之后会不会成为一个泡沫只看2点，模型会不会一直进步？很乐观因为Gemini证明预训练没有撞墙，明年Q2 Blackwell训练出的的新模型值得期待；AI收入会不会继续增加？
八、AI对经济的整体影响：
比如100个人产出100个商品，但用了AI之后80个人产出110个产品，这些产品会更便宜，真实GDP会有10%的增长，而剩下80个人会有大量收入增长，公司利润也会大量增长，被裁掉的20个人很惨，不知道未来会不会有AI裁员税之类的，有加州议员已经说这件事了，历史上每次科技带来的生产力提高都伴随裁员潮，最后花一段时间社会会吸收这个变化
九、AI投入产出比：
不会算特别清楚，因为可以同时提高收入和减小成本，未来12-18个月，OpenAI能看到300亿，Anthropic能看到150亿，市场上有2个收入20亿的垂类，一个是Coding一个是视频生成，还有几个5亿量级垂类包括音频、客服、法务、医疗、上市公司的AI收入；总共加起来能看到700亿AI收入
十、2026年展望：
1.过去2个Q市场的变化是认为不能只有AI投入要看到AI的回报，对应NVDA不是市场风向标，OpenAI现在才是
2.GOOGL：今天的共识龙头，模型SOTA、占位最好，关注广告竞争，因为OpenAI和Tiktok，Tiktok在美国和Instagram用户一样多，时长更长，但收入只有Instagram的1/3，明年广告竞争会加剧，也是好事，因为会倒逼谷歌寻找新的AI业务模式变现方式，GCP可能可以看到超过50%的季度增速
3.META：基本面不好，影响股价最重要的是AI进程：模型什么时候能到第一梯队，因为不容易，因为现金流明年肯定是跌的，META有意思的数据是上市以来每一年股价都是上涨的，只有2年是下跌的，下跌的两年都是FCF负增长
4.TSLA：只有一件事重要，能不能把安全员从车里拿出来，再加一条就是对x.ai的投资会以什么形式，造成多大股权稀释
5.云厂商：不太喜欢云竞争格局变化，现在有3多云，能做到35%-40%的利润率，但现在竞争格局彻底改变，ORCL作为新玩家拿项目只要求10%的利润率，还有Neo Clouds，还有模型公司都要下场做云，从3朵云变成10朵云，几个问题：GPU同质化太高，所以每一家都要做自研芯片；同时客户集中度太高，Azure增量70%都来自OpenAI，微软CEO也承认利润不会来自于出租GPU而是来自一些附加项目，比如数据库、存储、安全
6.NVDA：会关注自研芯片能不能交付，尤其是TPU也要外卖了，在一个缺电的世界，GPU和自研芯片价格差显得没那么重要
7.AAPL：没有AI股价表现也很好，其他公司都要试错，苹果是等产品完美才发出来，明年可能看到Tim Cook谢幕，最近在硅谷经常能看到Tim出来买咖啡、吃饭，感觉整个人很松弛
8.整体方向：明年经济分化明显，典型的做多做空两个方向有机会的对冲基金市场，做多AI收益，做空AI受损，受益的除了半导体、能源等，超额收益可能来自AI应用，目前看AI应用很多都在传统行业，今年Q3很多家标普500公司第一次给出AI提效数据，而且说能明显在财务上表现出来，而之前云的一波，标普500公司大概花了5年时间才开始云迁移，比如沃尔玛
十一、其他：
1.超额收益几乎只能靠重仓实现，而且世界上好公司不多，能把几十个公司研究透做好交易就够了
2.2000年开始纳斯达克只有6次下跌幅度超过20%，2020年之后经历了3次
3.日本和韩国承诺投资美国1万亿做能源/基建，日本已经投资了1000亿在美国的能源项目，主要用来提供数据中心的能源
4.软件公司：美国软件股普遍都是机构在玩，也缺乏长钱，主要是对冲基金相互博弈，更零和；软件公司财报上的毛利率、净留存都长得差不多
声明：不作为投资建议