跨国深谈← 返回←Mayfield 管理合伙人 Navin:AI 投资的泡沫数学与蓝海打法

Mayfield 管理合伙人 Navin:AI 投资的泡沫数学与蓝海打法

关联

人物 Navin Chaddha

公司 Lumilens · Mayfield

概念 智能体 · 推理 · GPU · SaaS

这一集的主角是 Navin,风投机构 Mayfield(一家做了 56 年的早期投资公司)的管理合伙人——他自己做过三次连续创业者，第一次创业的公司 18 个月就被微软收购。开场他就丢出一个惊人事实：他投的一家公司 14 个月从零做到 30 亿美元预订收入；而今年仅五六家公司在 AI 基础设施上的花费就超过 5000 亿美元。

30 亿美元从哪来：GPU 连接线成了物理瓶颈

那家快公司叫 Lumilens,由连续创业者 Ankur Singla(第四次创业)创办，Navin 和一家超大规模云厂商共同孵化。它做的东西听起来不起眼：光模块。

逻辑是——AI 数据中心里 GPU 算力不缺，缺的是「连接」：铜线传输超过一米就不行了，撞上了物理定律，所以机架之间、GPU 与内存之间必须换成光缆，而光缆两端需要光模块(基于磷化铟材料的数字+模拟模块)。这是一个超 500 亿美元、目前由亚洲厂商主导的市场。Navin 的类比很形象：互联网时代运营商铺海底光缆催生了当时市值最大的光学公司，如今「过去跨越数千英里的连接进入了数据中心」，历史重演。

十亿美元种子轮的钱到底去哪了

对「pre-seed 融 10 亿是泡沫」的说法，Navin 的答案是：取决于你在 AI 栈的哪一层。他把 AI 栈拆成六层：半导体硬件 → 模型(大脑/操作系统)→ 数据 → 中间件与工具 → 智能应用 → 智能体。

Anthropic、OpenAI 这类模型公司要训练、要买 GPU,融数百亿大部分进了资本开支——这些公司只有 2500-3000 人，却支撑千亿级收入 run rate,而且 GPU 本身还是抵押品，有一定的下行保护。芯片公司流片要 3-4 亿美元，但一半花在 IP 授权、EDA 工具和代工上，并不需要 10 亿。他的判断：每年新成立的两三千甚至五千家公司里，也许只有 10-20 家配得上十亿美元轮，不是 100 家也不是 200 家——现在大约超配了 10 倍。

他给出一笔算术账：AI 前的时代，私有独角兽里锁着约 5.8 万亿美元价值，SaaS 的结局大家都看到了——远期倍数从 25-30 倍跌到 3-4 倍。现在 AI 每年投入 2500-3000 亿美元，十年就是 2.5-3 万亿，要证明这些估值合理需要几十万亿美元的股权价值——「需要多少个 Anthropic、多少个 OpenAI 才能凑够那个数？

数学才是问题。」

AI 到第几局了：推理才刚开始，最大风险是采用率

Navin 认为现在只有两件事真正跑通了：搜索问答(让人变强)和编码(那个爆发点，cursor 从 20 亿冲向 40 亿收入，编码的规模是其他领域 30-50 倍)。训练基础设施还没建完，但推理工作负载目前不到 10%——而推理市场是训练的 10 倍，所以 CapEx 还会涨。

他最担心的不是供给而是需求：如果 AI 智能体的采用跟不上基建速度，就会出现大的市场修正，「修铁路的时代造就了 Vanderbilt,但汽车必须有人买——否则你得到的是空荡荡的高速公路。」另一个推高估值的现象：纯 AI 上市公司太少(不到 10 家，SaaS 有几百家)，大资金经理想要 AI 敞口只能挤 Palantir、NVIDIA 这几个标的，倍数是 IT 服务公司的 20 倍——纯供需问题。

早期 VC 的活法：FOMO 是给绵羊的

在种子轮和 A 轮，Navin 认为根本无法判断谁是赢家——「FOMO 是给绵羊的」。Mayfield 70% 的投资投在「纸笔想法」阶段，看人不看想法：参与过 120 次 IPO 和 225 次收购后，他发现至少一半的公司最后做的不是最初那个主意。

十年前他说「硅要回到硅谷」时被同行嘲笑，如今 NVIDIA 涨了 1000 倍、半导体指数涨了 40 倍。他的框架是两种玩法：对现有市场的重构要带「准备好的心智」(prepared mind)、有论点；对 Lyft、Poshmark、Airbnb 这类净新增市场要带「开放的心智」——当年「正常人不会载陌生人」「没人会买别人衣柜里的旧衣服」，结果 Poshmark 里 70% 的买家后来成了卖家，形成循环经济。

他喜欢的信号恰恰是大家都说没市场：「大公司不会做，多数 VC 不会投，你反而有时间把产品磨对。」当年咨询公司告诉 AT&T 蜂窝电话卖不出 5000 部；2008 年人人说没人敢把数据放上云。

智能体创业怎么打：碎片市场 + 按结果付费

对智能体层的创业公司(他投了约 20 家)，Navin 的打法建议很具体：做垂直、领域特定的问题，要有行业上下文和记忆，肯做无聊的多步工作流；GTM 上反直觉地选「碎片化的中小市场、小客单价」——因为模型公司会去抢年收入 500-1000 亿的大企业(百万美元订单对它们只是舍入误差)，小票市场它们根本看不上；商业模式上从订阅改为按结果付费：「客户不会为坐着不动付薪水，你做了事我才付钱。」这正是 SaaS 在位者的死穴：让一家百亿收入、可预测订阅的公司把商业模式改成按结果计费，等于自己砍自己的股价；而且 SaaS 做的智能体只能配自家软件，「世界需要选择」。

市场有多大？全球白领工资支出约 30 万亿美元，企业软件只有 6000 亿(约 2%);如果到 2030 年 10% 的工作由 AI 完成，就是 3 万亿机会，20% 就是 6 万亿——企业软件市场的 10 倍。他还提醒：「初创公司死于消化不良，不是死于饥饿」——选一两件事打，别什么都做。

怎么看人：X 光，不是推荐信

在纸笔阶段「没有指标」，Mayfield 做「人员 X 光」：花 5-10 小时不谈生意地相处，看真实性、穿透任何墙的饥饿感、「公司第一、团队第二、自己第三」(满口「我」的人直接出局)、成长型思维、内心的安全感。他 20 年投的 70 多家初创公司里，除两家主动换角色外，创始人都待到了退出——「我不换骑师，除非他自己想换 CEO」。这套理念来自他当板球队队长的经历：比赛进行中教练无法进场指导，队长必须冷静、以身作则、开放听取任何人想法——赢了归功团队，失败全归自己。

本集带走

• 看栈层再谈融资规模：模型公司烧钱买 GPU 讲得通；芯片公司流片 3-4 亿但不需要 10 亿；一年几千家新公司里只有 10-20 家配得上十亿轮，现在超配约 10 倍。
• 判断 AI 进度看推理：训练基建约第三四局，推理负载不到 10% 而市场是训练的 10 倍；最大风险是智能体采用率跟不上基建。
• 早期选人优于选想法：至少一半成功公司中途换过主意；看真实性、饥饿感、公司>团队>自己的排序、成长心态，靠长时间相处，不靠推荐信。
• 蓝海信号=「大家都说没市场」：Lyft、Poshmark、Airbnb 出现前都被断言不可能；没大公司抢、没 VC 投，反而有时间磨产品。
• 智能体创业三板斧：垂直深耕 + 碎片小票市场(大公司看不上)+ 按结果付费(订阅制 SaaS 无法自我革命)。
• 别贪多：初创公司死于消化不良而非饥饿；对每个在位者只攻一两件事——市场扩张和商业模式独特性。

仅今年就有五六家公司在基础设施上花费超过 5000 亿美元。
Just five or six companies this year are spending over half a trillion dollars in infrastructure spend.
—— Navin Chaddha · [00:33]

你必须看到世界没有看到的东西，下早期的赌注，然后在市场时机上运气好一点。
You have to see something the world is not seeing, make early bets and then get lucky with market timing.
—— Navin Chaddha · [06:09]

所以我想说在一年成立的 2000、3000 或 5000 家新公司中，也许 10、20 家配得上那些十亿美元的轮次，不是 100 家，也不是 200 家。
So I would say out of 2, 3, 5,000 new companies getting formed a year, maybe 10, 20 deserve those billion-dollar rounds, not 100, not a 200.
—— Navin Chaddha · [14:36]

但我认为错失恐惧是给绵羊准备的。
But I think FOMO is for sheep.
—— Navin Chaddha · [19:12]

这就是为什么如此多的 CapEx 正在投入，但推理工作负载还不到 10%。
That’s why so much CapEx is going, but inference workloads are less than 10%.
—— Navin Chaddha · [28:58]

哦，当人们说半导体是一个糟糕的领域时，我很兴奋，开始投资。
Oh, I get excited when people say semiconductors is a bad area, start investing.
—— Navin Chaddha · [49:31]

10% 的公司创造了所有的回报。
10% of companies make all the returns.
—— Navin Chaddha · [51:45]

我相信如果你不承担足够的风险，就没有回报去创造全垒打。
I believe if you don’t take enough risk, there’s no reward to create home runs.
—— Navin Chaddha · [52:09]

如果到 2030 年市场的 10% 由 AI 完成，那是一个 3 万亿美元的机会。
So if 10% by 2030 of the market is being done by AI, it’s a $3 trillion opportunity.
—— Navin Chaddha · [59:11]

我认为将有 10 亿开发者。
I think they’re going to be a billion developers.
—— Navin Chaddha · [60:06]

初创公司死于消化不良，它们不会死于饥饿。
Startups die of indigestion. They don’t die of starvation.
—— Navin Chaddha · [68:09]

你的「反面组合」总是比你的投资组合更好。
Your anti-portfolio is always better than your portfolio.
—— Navin Chaddha · [69:54]