Why the AI Boom Is Just Getting Started

• Anthropic 是 Whale Rock 当前最高信念持仓。他们 2025 年 8 月以 1800 亿美元估值入局，靠一份用 Claude Code 扒全网编码反馈做出的 90 页 PPT 拿到配额。判断逻辑是：基础模型已从「60 家混战」收敛为 Anthropic / OpenAI / Google 的「三马竞赛」寡头格局，类似云计算被三家底层托管的结局。

• 「代码是 AI 真正的解锁点」是全场最强论断。2025 年 Claude Code 走向 agentic 后编码市场爆发——Anthropic 内部人均每天烧 100 美元 token（年化 2-3 万美元），全球 2000 万程序员意味着仅编码就是 5000 亿美元市场；Karpathy 和 Linus Torvalds 这两位顶级程序员的立场已彻底反转。

• 投资框架是三把尺子：S 曲线（采用生命周期）+ 竞争优势（护城河）+ 被低估的盈利能力。当你站对 S 曲线位置，单位增长是指数级的，于是能用极低市盈率买下最好的公司——他 2023 年买 Nvidia 是 4 倍 PE，2019 年买 Tesla 是 5 倍 PE，买 Amazon 的 AWS「等于白送」。

• 软件（应用层）是输家，芯片基础设施是赢家。Whale Rock 已几乎清仓应用软件、今年初一度净空头并因此在一季度获利；同时重仓硬件「去商品化」——Celestica、Corning、HBM 内存、PCB、电源等环节，因 AI 工作负载每年 10 倍增长把硬件推到物理极限，从低毛利商品变成有关键 IP 的高增长高毛利生意。

• 核心风险是改进放缓与监管情绪：若头部模型撞墙，开源会追上来变成「逐底竞争」；但芯片公司不在乎谁赢——它们只关心 token 总量在涨。

核心要点：Whale Rock 错过了 Anthropic 600 亿美元那一轮（当时毛利为负、还没看到编码爆发），但在 2025 年 8 月以 1800 亿美元估值重仓入局，靠的是对管理层、代码质量和编码市场的深度补课。

• 这是一个「先拒绝、再重仓」的反转故事。Whale Rock 早先看过 Anthropic 的 600 亿美元一轮，没投——理由是当时对公司了解不够、毛利为负，而且「还没看到编码像后来那样爆发」。
• 转折点是 Alex 与 Dario Amodei 接触后的判断：管理团队极其优秀、几乎零流失、代码质量高，商业计划开始兑现。「从 1 亿做到 10 亿是一回事，但要做到 90 亿是另一回事」——是这种量级跃迁让他下定决心。
• 拿配额的打法很「Whale Rock」：做了一份 90 页 PPT，用 Claude Code 扒遍全网关于编码市场的所有反馈、Anthropic 产品强在哪、哪里需要改进，再叠加自己对整个编码市场的判断。公司被这份功课打动，让他们进了这一轮，之后与 CFO 保持紧密关系。Alex 自评「在配额上打出了超出体量的成绩（punched above our weight），这一笔是彻底的本垒打（home run）」。
• 时机的谦逊：「我们 2025 年 8 月做这笔时，没有任何人知道 2026 年会是什么样。」

"And then the numbers were like nothing we'd ever seen before. 100 to a billion on the way to 9." —— Alex Sacerdote

核心要点：2023 年初有约 60 家公司争夺基础模型，Whale Rock 当时预判三种可能（赢家通吃 / 彻底商品化 / 寡头），最终落定为 Anthropic、OpenAI、Google 的三寡头，结构上酷似三家云厂商托起整个 SaaS 世界。

• 发令枪是 2022 年 11 月 ChatGPT 上线。Whale Rock 立刻带着 10 人团队做深度研究——每次出现新的计算范式（compute paradigm），就有新的技术栈，进而在旧栈上制造新的赢家与输家。
• 2023 年 4 月他们做过一场 webinar，给出三种走向假设：可能赢家通吃、可能因开源沦为「逐底竞争」（race to zero）、也可能是三四家领先者的寡头。
• 三年演化的结果：几乎所有创业公司消亡；连 Amazon、Meta 这样的巨头也掉队（「Amazon 基本没真正出现过」，Meta 强势进场后努力受挫、不得不彻底重启）。Anthropic 是那匹专注企业市场的黑马，OpenAI 赢下消费端，Gemini 永远不能小看（Google 也是 Whale Rock 最大持仓之一）。
• 为什么领先者守得住：基准分从 80 分提到 85 分是巨大的解锁，而开源玩家算力不够，「能逼近前沿，但无法跳过它（can't leapfrog），然后就会掉队」；同时所有接近行业的人都认为 scaling laws 会延续，留下很长的跑道。

"It might be a winner take all. It might be a total commodity... or it might be an oligopoly where there's three or four leading players." —— Alex Sacerdote

核心要点：2025 年 Claude Code 走向 agentic 是全场最强论断的核心。按 Anthropic 内部人均每天 100 美元 token 推算，全球 2000 万程序员意味着仅编码一项就是 5000 亿美元市场——而这还是建立在「七八九个月前的老技术」之上。

• 前几年的怀疑：早期模型不错但企业反馈有负面声音，「它们真能 agentic 吗？」当时大投资是押在「训练算力一定需要」，但不确定能转化出多少收入、能否真正替代人力。
• 代际跨越很直观：第一代是 Microsoft Copilot（20 美元/月），只能改改语法、找个 bug、写一小段代码；Anthropic 年中推出的产品「能做的多得多」，开始 agentic 运行，编码市场随之爆发。
• 经济测算的震撼：听说 Anthropic 内部有人每天花 100 美元 token，年化 2-3 万美元；全球 2000 万程序员 → 仅编码就是 5000 亿美元市场。「而且这是七八九个月前的老技术上跑出来的。」
• 第二个大解锁是 Claude Code 几乎完全 agentic。两位顶级程序员立场彻底反转：去年 Karpathy 说 AI 写 20%、手写 80%；最新模型出来后翻转，「现在他除了用英文，一行代码都不写了」——更别提那些从不会编程的人将获得的纯粹解锁。

"He hasn't written a line of code, not except in English." —— Alex Sacerdote（转述 Andrej Karpathy）

核心要点：所有人都以为基础模型会是纯商品，但模型之间存在巨大差异化——不同训练方法对应不同擅长领域，这本身就是关键 IP 护城河；Anthropic 还在 API 之上构建整个产品生态。

• 差异化即护城河：Anthropic 擅长一切与私募股权和金融相关的任务，Google 擅长 ingest PDF。很多人用 router 在模型间切换，看似说明它们是商品，但「关键 IP 的差异化是巨大的竞争优势」，众多公司来抢编码这块蛋糕，Anthropic 一直守在前面。
• 不只是 API 或模型，而是「围绕 API 建一整个垄断或生态」：SDK、Claude for co-work 编排层、各种工具，以及他们称为 harness 的「让模型发挥最大价值的软件外壳」。这复刻了 AWS 2013 年的剧本——别人以为只是仓库里的商品服务器，AWS 却发明了一系列产品慢慢建立锁定。
• 递归自我改进（recursive improvement）：Anthropic 在代码上领先后，把代码能力反哺回自己的模型，「如果你看他们创新的节奏，是在加速的」，可能进入 liftoff 阶段。
• 「逃逸速度」（escape velocity）：曾经令人担心的是 OpenAI、Anthropic 要对抗握着巨额现金牛的 Google，但两家管理层都在极度资本密集的行业里找到了融资办法；Anthropic 10 倍的销售增长 + 融资能力，看起来已达到逃逸速度，从而拥有了规模。
• 互联网铁律：「领先者做得更大、更快、然后赢家通吃」——Shopify、Amazon 莫不如此，优势在自身上复利。例外是范式切换时（AOL 拨号没接住宽带、Netscape 商业模式不够强）。

核心要点：S 曲线是 Whale Rock 看未来的地图——关键不只是「起飞了」，还要判断曲线有多高、斜率多陡。AI 的采用曲线陡到他们干脆叫它「倒 L 曲线」：消费者和企业打开浏览器就能用，不像洗碗机那样要接入后端。

• 每项技术都遵循同一模式：先有一段漫长的平台期，等到所有采用障碍被清除，需求才会「龙卷风」式爆发。智能手机在 iPhone 前已存在 10 年，互联网在 Netscape 前 20 年，Tesla 上市 15 年后才在 2019 年垂直起飞。
• iPhone 的「障碍清除」范本：早期智能手机笨重、无触屏、无无线数据、要 500-600 美元；乔布斯把价格压到 200 美元，AT&T 有了 3G，触屏简单到「你奶奶都会用」，生态建起来——所有障碍消除后就火箭式起飞。电动车同理：Elon 把价格压到 4 万美元、续航做到 300 英里、供应链就位。
• 曲线有多高决定何时卖：要预判 2-3 年后的增长。AWS 当年藏在 Amazon 财报里、被零售分析师覆盖，Whale Rock 算出它直接对标的 IT 系统 TAM 高达 6000 亿美元，是企业 IT 史上最大 TAM；后来发现自建并不更便宜，意味着 TAM 比想象的还大。有 mega S 曲线，也有 sub S 曲线。
• 采用速度差异极大：他们请 Clayton Christensen 的旧同事 Horace Du 研究了过去 100 年的大 S 曲线，挂在墙上——收音机 7 年就近 100% 渗透（史上最快之一），而洗碗机很慢，因为要接入后端。B2B 像洗碗机（要接入既有系统），消费级快得多。
• AI 当下的位置：企业应用 AI 渗透率不到 1%（他们称之为直上的 L 曲线），基础设施层约 10% 渗透。Sundar 说仅 10 个基点（0.1%）的知识工作者在真正用 AI，Anthropic 约 1400-1500 万 DAU，其中真正会用的只是一小部分——这正是经典 S 曲线的「修补匠」阶段，未来四年将从 0.1% 走向 1%-2%-3%-5%-15%。

"We talk about S-curves, we call this an L curve, just straight up." —— Alex Sacerdote

核心要点：S 曲线渗透到 30-40% 时指数增长结束、卖方分析师追上、不再有大幅超预期，这通常是卖点；但「错过前一两三年完全没关系」，因为如果曲线顶部是 5000 亿美元，增长能持续很久。

• 卖点信号：当某物渗透到 30-40%，指数增长停止，sell side 追上，不再有大 beat。Apple 是反面教材——他们 2012 年在美国智能手机渗透率约 50% 时卖出，虽然 0-50% 那段年涨 50-70%（除了 08 年）最肥，但 Apple 此后靠应用商店 30% 抽成等持续以约 20% 复利，他们卖早了。
• 买点靠直觉与轶事，不靠数据：引 Andy Grove「战略拐点时不能信数据」，靠直觉和轶事证据。最好的投资者有「右脑」的创造性——视觉化、连点成线。
• 视觉化的「看见需求」案例：在中国看到一个 12 岁小孩拿着大屏手机玩超棒的游戏，他立刻意识到「天哪，游戏要上手机了」。企业级看不见，就去 Gartner IT 峰会（3 万名美国 CIO）——当年看 Splunk、VMware 的讲解房间挤到只能站着，AWS 的大宴会厅 9 点、10 点、11 点连续爆满，「你能在需求爆发之前就亲眼看到它」。
• 「迟到没关系」：Peter Lynch 在他 Fidelity 起步时指点过他——「把图表涂掉（white out the chart），一切关乎未来」。错过头 100% 不要紧。

"It's okay to be late... It's okay to miss the first 100%." —— Alex Sacerdote

核心要点：从只能在公开市场「点买入」的投资者，转型到能进入 Stripe、Databricks、OpenAI、Anthropic 等最重要私募公司——靠的是每年 2500-3000 次管理层面对面、长期建立认知，再在双向 opt-in 中拿到配额。

• Stripe 是第一笔私募（2020 年 4 月，疫情期间）。前提是他们已持有 Adyen（下一代云支付公司），为投 Adyen 做了大量尽调、访谈了 200 个客户——但每次问 Adyen 都会问到 Stripe，最终意识到「这是可口可乐和百事可乐」，必须想办法投。
• 拿到配额的路径：2019 年终于见到 Collison 兄弟；一位朋友在某大型 VC，他说「想卖老股时告诉我」；2020 年 4 月接到电话。当时估值约 350 亿美元，他们虽没有完整财务，但知道 Stripe 披露过超 5000 亿美元 TPV、知道 Adyen 抽成 25-30 基点而 Stripe 是 40-50 基点、知道员工数，足以估出盈利能力。结果抽成更高、TPV 其实接近 1 万亿美元（远超 5500 亿），从卖方加仓到 1 亿美元 block。
• 卖方为何青睐他们：相比「VC 持有后大概率卖出」，他们会长期持有、且会在公开市场继续持有（New Bank 也是如此）。
• 规模感：独角兽市场已比欧洲大多数股市还大（「肯定比德国大、比英国大」）。Whale Rock 每年 2500-3000 次管理层面对面会议，其中 10-15% 是私募公司。

核心要点：5 年前 Whale Rock 曾有 40-50% 仓位在软件；如今已几乎清仓应用软件，今年初甚至净空头并因此在一季度获利——因为旧软件像「马车」，新软件像「星舰传送器」，颠覆感太强。

• 反转逻辑：2023 年 4 月研讨会上他们曾乐观——大软件公司有庞大销售队伍、能拿 AI API 造产品、又有数据，「这对软件该是大利好」。但很快发现它们的 AI 产品不好、无法收费，于是几乎清仓应用软件。
• 软件公司的四重挤压：① 在 CIO 优先级清单上排名大幅下降（钱去买 Anthropic token，ROI 更快）；② 预算被 AI 支出挤占；③ 过去能年年涨价，现在不敢了；④ 裁员/冻结招聘冲击按席位（per-seat）收费。
• 「自建」威胁与「黏性」反驳：多头说「他们永远不会自建 ERP」——这大概率对，旧技术确实很黏（手游没杀掉主机游戏，平板/智能手机没杀掉 PC），公司也更爱买而非自建。但无法排除未来 1-5 年出现 AI 原生公司逐个挑战这些强势在位者，数据优势可能被抹平。
• 一个「半生不熟」的反向观点：AI 可能让某些软件平台更重要——你用 Claude 第一件事就是接入 Slack；若 Slack 成为关键知识库，就会成为组织内的永久固件。下一波 AI 可能是「用工具的 agent」，像人一样在既有在位软件内部干活（CRM 走向 headless，agent 直接进数据干活，反而巩固 CRM）。

"The old way of software is like using a pen and paper or it's like a horse and buggy. The new way... is like the transporter from Star Trek." —— Alex Sacerdote

核心要点：过去 40 年数据中心硬件几乎无变化、全面商品化；AI 工作负载每年 10 倍增长，把硬件每个环节推到物理极限——这是「硬件产业的去商品化（decommoditization）」，从低毛利商品变成有关键 IP 的高增长高毛利生意。

• 旧世界：数据中心基本是 Intel x86，计算负载年增 25-40%、摩尔定律刚好同速，无需大创新，从 1G 到 10G 要 7 年，每个环节（PCB、内存、机箱、网络）都商品化、几乎零增长。
• 新世界：AI 负载年增 10 倍，逼出创新。Sequoia 的 Shawn Maguire 三年前说「真希望能回去做硬件对冲基金，公司都上市了、都有强大 IP」。
• Celestica：3 年前 8 倍 PE 发现。原是 1999 年起就是灾难的合同制造商（外迁中国、商品化），但保住了 IBM 超算的传承人才。后来发现它是 Google TPU 服务器的独家供应商，还卖以太网白盒交换机（云市场 50-60% 份额）。AI 服务器液冷、跑得极热、一台 20-30 万美元（旧服务器 5000 美元），一旦坏了整机宕机，于是变成「飞机上的关键部件」般的关键基础设施，永远不会被换掉。
• Corning：光纤超高市占。微软一个数据中心的光纤可绕地球 4.5 圈；它的光纤更细、更可弯、可按精确规格定制，毛利更高、是增长最快的业务。网络分 scale-out（连机架）、scale-across（连数据中心，线要粗 10 倍）、scale-up（连机架内每块 GPU，现走铜、终将走光纤）——一旦 scale-up 转光纤，Corning 机会翻 2-3 倍。
• PCB / 内存 / 电源：AI 服务器要 40 层 PCB（普通服务器 10 层），供应商极少；Elite Materials 做关键的铜箔基板（CCL）。HBM 高带宽内存堆叠 10 片、IO 是过去 10 倍，三星花数年才做出。每块 Nvidia 芯片/机架多耗 50-125% 电，推高 Delta、Advanced Energy 的 ASP。
• 全链短缺：若 L 曲线判断成立，DRAM、NAND、PCB 当前已短缺约 30%。「即便是商品，也会是一轮很棒的周期。」

"We call it the decommoditization of the hardware industry." —— Alex Sacerdote

核心要点：投资框架第三支柱是「在长期盈利能力被低估时买入」——盈利常从 1 美元长到 10、15、20 美元，发生频率远超想象，让你能以极低市盈率买下世界上最好的公司。

• 极低 PE 买入实证：2023 年买 Nvidia 是 4 倍 PE，2019 年为「汽车 S 曲线」买 Tesla 是 5 倍 PE，持有 Apple 时 4 倍 PE，买 Amazon 的 AWS「等于白送」。因为「世界不会用指数思维思考」，大家只盯下个季度，极少人相信能准确预测 2-3-4 年后。
• 软件的「40 法则」=增长率+营业利润率（20%+20% 算好）。AI 版 40 法则（其实主要用于芯片投资）=「AI 占销售的百分比 × 在该品类的市占率」，例如 30%×30%=60 就是绝佳标的，既有敞口又有强势地位。软件的问题是 AI 占比现在才 1-2%，路还很长（Salesforce 400 亿美元收入，AI ARR 只有 5-7 亿）。
• 看重变化率而非绝对值：他们 2024 年做过一份各家市占率的演示，让 Claude 画图，「它没画对——因为它没抓到变化率」。从 10% 到 30% 时，增长率和利润率都会加速，所以变化率非常重要。
• 为什么公开市场少有人做对：「我妈问我，为什么把秘密告诉所有人？这就像赌场为什么教人玩 21 点——因为很难。」需要几十年覆盖多个 S 曲线的积累，几乎没人关注硬件和芯片，全是新手涌入；而且很多公司股价已经很高，「敢不敢买」很吓人，必须有全局观才能在 Nvidia 一次次「这是不是泡沫」的恐慌中守住信念。

"When we were buying Nvidia in 2023, we were paying four times earnings... When we bought Amazon for AWS, we were getting it for free." —— Alex Sacerdote

核心要点：在近乎极端的看多之中，最让他担心的是大众与政府对 AI 的负面情绪、以及模型改进放缓——但芯片公司不在乎谁赢，这反而是一重对冲。

• 监管与情绪：大众和部分政府对 AI 负面情绪重（「Maine 州刚禁建数据中心」），仅 20% 的人对 AI 乐观，存在负面监管风险。但「精灵已出瓶」。
• 改进放缓：即便模型不再进步，仍有大量采用空间要发生；但若 Anthropic 或 OpenAI 撞墙停步，开源会追上来，可能变成「逐底竞争」，对股票大概率不利。引 Jensen 多年前讲显卡时的话：「如果『够好就够好』，我就没生意了」——AI 里大家永远要最好的。
• 芯片是对冲：芯片公司不在乎谁赢得 token 之战，开源若起飞它们照样受益（Jensen 在上届 GTC 反复强调希望开源起飞）。
• 玩家掉队：若一两个玩家失去地位、无法竞争，可能留下大量没人要的算力——但若 AI 足够大，自有别人接手（Oracle 取消一笔大单、Meta 立刻补上）；他们紧盯 Meta 这类玩家是否会说「跟不上、别浪费资源」而退出。

核心要点：Whale Rock 在应用层几乎没动作——历史上 app 才是市值大头，但应用层「总是来得晚」，且「基础模型与应用的边界在哪、护城河够不够深」尚不清晰，「有点危险」。而研究机器本身（Whale Rock learning machine）仍以人为核心。

• 应用层观望：应用总是后来才爆发（iPhone 头三四年应用才起来）。风险在于基础模型与应用的边界模糊、应用能否建起足够护城河存疑。芯片生态当年清晰、基础模型生态如今清晰，但应用层仍不清晰、有点危险。试金石是 Brett Taylor（前 Salesforce CEO、写过 Google Maps、前 Facebook CTO）的 Sierra——「橡胶落地的地方」，能否做成大公司，「拭目以待」。
• 研究机器仍以人为核心：「真希望能说我们 AI 系统先进到带来巨变」，但目前 AI 只是帮团队快速上手（如 ABF 基板、PCB 这类新复杂领域）、写更好的 note 和季度回顾——「但顶上必须有一段真正好的段落，那才是智慧。别只做记者；AI 能做很好的记者，但还不能预见未来、不能替你选股」。
• AppLovin 案例：两位最懂广告技术的分析师 Michael 和 Sam 早于所有人看懂 AppLovin，私募阶段就跟踪、熟悉所有竞争对手和术语，去拉斯维加斯参会、与最佳管理者之一 Adam Foroughi 建立关系——「我看不到 AI 能做这个」。
• 方法论根基：完全出自 Philip Fisher 1950 年代《Common Stocks and Uncommon Profits》的 scuttlebutt 方法——出去和供应商、客户、竞争对手聊。Fisher 还主张结交 10-15 位志同道合的投资人分享想法。Alex 称之为「三脚架（tripod）」：我喜欢 + 我的分析师喜欢 + 我尊敬的人也喜欢，三条腿才能建立信念。

"Don't just be a reporter. The AI can be a great reporter. It can't quite pick into the future." —— Alex Sacerdote

核心要点：Whale Rock 从单一多空基金，演化出纯多、混合、最新的 Mega Cap Tech Fund——后者押注一个反共识判断：全球最大科技公司被机构系统性低配，而大盘股里恰恰有大量 alpha。

• 产品演化：前 15 年是多空基金；2020 年推纯多基金（现已超过多空，两者构成资产主体）；2015 年起开放私募选项（可选 15% 或 25%）、2020 年才真正破冰；2021 年推混合基金（可 80% 私募）；最近推 Whale Rock Mega Cap Tech Fund（全球市值前 30 为 universe，从中精选 12-13 只）。
• 大盘股 alpha 的反共识：机构（捐赠基金等）系统性低配全球最大科技公司——它们私募多、公开少，公开里一半是国际股，且普遍相信「大盘无 alpha」而低配大盘、把钱给小盘选股经理。但数字经济的规律是「领先者更大、更快、赢家通吃、快速建立高市占」，必然带来巨大利润池和市值。
• alpha 来源的精妙论证：「小盘只要 1 个人发现它好就能推动；但要 100 个分散的 PM 才会意识到 Google 不是输家、而是赢家。我们能不能比 95% 的通才 PM 更早看清？我们一直能。」这一支才做了 4 个月。
• 一句话定义 Whale Rock：「与其说是基金，不如说是一台透过公司这面透镜理解世界的研究机器」——10 位高经验个体（Andrew、Michael 已分别共事 19、18 年，团队平均经验约 10 年），复利知识 20 年，同一批人同时做公开与私募。

"It takes a hundred diversified PMs to realize Google's not a loser, it's a winner. And can we figure that out before 95% of those generalist PMs do?" —— Alex Sacerdote

核心要点：被问「别人为你做过最仁慈的事」，Alex 答是父亲——一位高盛 41 年的资深银行家，在他创办 Whale Rock 时放下身段来做董事长「白头发」，共事六年直到 2011 年去世。

• 父亲背景：康奈尔电气工程双学位，转战华尔街，在高盛 41 年（80 年代管 corporate finance，90 年代任私募股权董事长），极聪明却极谦逊。
• 那通电话：Alex 创办 Whale Rock 时第一个找父亲，父亲说「我在高盛 41 年了，不如我来加入你——我做白头发、做监督、做董事长，你建公司、管钱，我帮着募点资」。两人共事六年，「从没提高过嗓门」。
• 影响力：父亲去世后，Alex 收到大量来信——「你父亲对我影响极大，是位绅士、是了不起的导师」。父亲谦逊、智慧、是少见的优秀投资者、有幽默感，人们带着私事或工作难题进他办公室，他都以优雅化解。「若我能做到他一半，就完全赢了。」

"If I could be half the person that he is, I'd be completely winning." —— Alex Sacerdote