穿越技术周期投资

• 框架本身只有三条，但三条是乘法关系。踩到 S 曲线正确那一段 → 拿到指数级的销量增长；这家公司如果商业模式够强（科技里各类护城河很多）→ 利润不是线性增长而是指数增长；最后一步是在长期盈利能力被低估的时候买入。他的原话是「利润常常能从 1 块钱长到 10 块钱，这种事发生的频率远比你以为的高」。→ 详细
• 这套框架的实际效果是买到「表面贵、实则极便宜」的票。他给的四个数字很硬：2023 年买 NVIDIA 付的是 4 倍市盈率；2019 年因为汽车那条 S 曲线买 Tesla 付的是 5 倍；持有 Apple 时付的是 4 倍；为了 AWS 买 Amazon 时，AWS 相当于白送。注意这里的"4 倍"是相对于他推算出的未来常态化利润，不是当期报表的市盈率——这正是「被低估的盈利能力」这一条在干的活。→ 详细
• 为什么这个套利长期存在？因为「这个世界不会用指数思维」。 大家太盯着明年、下个季度；很少有人相信你能准确预测两三四年后。但他说：如果你跟踪并理解 S 曲线、懂护城河、会建模，你是真的能预测的。→ 详细
• S 曲线也是他对付 Buffett 那句"科技看不懂"的答案。 巴菲特不碰科技是因为变化太快、没法预测未来——Sacerdote 说「S 曲线就是我们用来看未来的地图」。他的做法不是在混战里挑赢家，而是先锁定 S 曲线，再对这个领域里所有有敞口的公司做一次穷尽式研究，找那家竞争优势特别强的。→ 详细

• 每项技术在起飞前都有一条长得吓人的平线。智能手机在 iPhone 之前已经存在 10 年；互联网在 Netscape 之前已经存在 20 年；AI 一直藏在这些公司内部，直到 ChatGPT 把它带到台前；Tesla 上市比 2019 年垂直起飞早了 15 年。平线不是因为技术不行，是因为采用的障碍还在。→ 详细
• iPhone 的拐点是四个障碍被同时清零：早期智能手机笨重、没触摸屏、没无线数据网络、太贵（五六百美元）。Jobs 把价格做到 200 美元、AT&T 上了 3G、加了触摸屏、简单到「你奶奶都会用」，再建生态。障碍一清空——「需求龙卷风」（tornado of demand），全世界同时知道自己马上就需要它。→ 详细
• 电动车是同一套剧本：价格太高 → Elon 把价格做到 4 万美元；里程焦虑 → 续航做到 300 英里；供应链终于就位 → 一年造出几百万辆。三个障碍消除，拐点触发。→ 详细
• 可操作的推论：想知道某条曲线什么时候起飞，不要盯技术指标，去列它的采用障碍清单，然后盯哪个障碍正在被谁清掉。

• 曲线的高度决定你该拿多久、什么时候卖。他们承销一笔投资是按未来两三年算的，所以必须知道两三年之后增长还在不在。→ 详细
• AWS 是量高度的经典案例：当年 AWS 只是 Amazon 财报里一个被零售互联网分析师覆盖的隐藏科目，而他们算出它直接对应着 6000 亿美元的 IT 系统开支——因为过去这块 TAM（total addressable market，总可寻址市场，即理论上能吃下的全部生意）是路由器、内存、存储、Dell、EMC，而 AWS 把这些全干了。他们当时保守地假设云会有 50% 通缩效应，据此判断渗透率只有 1%–2%。后来发现根本没通缩——「你现在去问任何人，自建的价格差不多」——也就是说真实 TAM 比他们原估还大一倍。→ 详细
• 曲线是动态的，估错了要认。 他们本以为 40%–50% 的车会电动化，结果电动车在 10%–15% 撞上了一堵大墙。「通常 S 曲线会一路走完，但这一次因为各种原因没有。所以你必须调整，必须一直盯着。」→ 详细
• 有超级 S 曲线，也有子 S 曲线，而且层层叠加：互联网 1.0 → 移动 → 云 → 电商 → 现在的 AI（他说可以有把握地讲 AI 是最大的一条）。→ 详细

• 卖出信号不是股价，是渗透率。 「一般来说，当某个东西渗透到 30%、40% 的时候，你就不再有指数级增长了——这意味着卖方分析师会追上来，不再有大幅超预期。」超预期（beat）没有了，估值扩张的引擎就停了。→ 详细
• Apple 那次他承认是个错误，但错得有道理。 前五六年 Apple 是他们最大持仓，除了 2008 年，每年涨 50%–70%。他们在 2012 年、美国智能手机渗透率约 50% 时卖出。之后 Apple 保住了领先地位、有几年跑输、倍数变低，又叠了附属业务和 App Store 三成抽成，后来仍复合了大概 20%。他的总结很克制：「最大的那几年，是曲线上 0% 到 50% 那一段。」——卖在 50% 少赚了后面的 20% 复合，但确实躲开了最没效率的那几年。→ 详细

• 他们专门请人做过历史考古。委托 Horace Dediu（曾与 Clayton Christensen 共事）扒了过去 100 年的大 S 曲线，挂在办公室墙上。→ 详细
• 两个极端：收音机是史上最快的之一，7 年接近 100% 渗透；洗碗机很慢，因为它得接到后端管线上。判据非常朴素：需要接进已有系统的东西就慢，直接能用的就快。所以 B2B 慢，消费级快。→ 详细
• 云和 SaaS 属于洗碗机：得接管线、还要过安全这一关（当年所有人都怕数据放云上不安全，直到 CIA 上了云、Capital One 的 CIO 说「放云上其实更安全」才真正起飞）。结果是它们虽然在长，但增速只有 30%–40%、也许 50%。→ 详细
• AI 属于收音机，而且更极端：「至少对消费者、甚至对企业来说，你打开浏览器它就在那儿。」这就是为什么他把 AI 的曲线叫做反向 L 曲线——不是慢慢弯上去的 S，而是直上。→ 详细
• 但他自己给了一个反证的风险：AI 的企业侧其实也有洗碗机属性——大公司在意安全、动作慢、有文化阻力，「你真的需要几个布道者去推，最高管理层要推，但 IT 会说这有风险」。他还举了自己踩过的坑：当年 B2B 互联网有一整套宏大多头逻辑，但底层基础设施没到位，最终是 20 年后靠 SaaS 才实现。→ 详细

• 基础设施层：渗透率 10%，而且他认为这仍然是押注 AI 最好的方式之一。→ 详细
• 用户层：10 个基点。Sundar Pichai 的说法是全世界知识工作者里只有 10 个基点（万分之十，即千分之一）在真正用 AI。Anthropic 有 1400 万–1500 万日活，但其中"真正在用能用的那种方式"的只占一小部分。他说：现在这批是**「捣鼓者」（tinkerers）**，后面才是早期采用者、早期主流——未来四年会从 10 个基点走到 1%–3%、5%、15%。→ 详细
• 企业应用层：渗透率不到 1%。他形容今年企业里像「啪地打开了一个开关」，所有人都知道必须现在做、而且要快，但仍然像 1998 年的互联网 1.0——你知道你需要一个网站，但那个网站很难建。区别在于这一次拼起来的速度快得多。→ 详细
• 供给端：全世界算力根本不够。Anthropic 现在拿到的只有它需要量的一半，而这还是在那波普及发生之前。他引 Marc Andreessen：未来四年唯一确定的一件事，就是算力不会够。→ 详细
• 8 亿人在用的只是"AI 1.0"——他说那相当于「一个打了兴奋剂的搜索引擎」。真正的新东西是新的原语（primitives）：Claude 装在你电脑上、跟各处连起来、你去构建技能（skills），再往后是真正的 AI 机器人，大公司会造规模大得多的。「真正在这么干的人到底有多少？」这个问题就是他判断周期位置的锚。→ 详细

• 第一步是范式判断，不是选股。 2022 年 11 月 ChatGPT 发令枪响，他立刻把 10 人团队全部投进去深挖。他的框架是：每出现一种新的计算范式，就会出现一个新技术栈，而新栈会在旧栈上制造新的赢家和输家。栈的分层用的是黄仁勋那套：电力 → 芯片 → 云 → 基础模型 → 应用。→ 详细
• 第二步是"先站最确定的那一层"。2023 年初结论：先买芯片和基础设施。理由两条——它们最先拿到需求；而且不管上面谁赢，算力一定要。当时模型层有 60 家公司在抢，他们在 2023 年 4 月的线上分享里明确列了三种可能：赢家通吃 / 因开源而彻底商品化（向零竞赛）/ 三四家寡头。→ 详细
• 第三步是等结构收敛。三年后：几乎所有创业公司死掉；亚马逊「一直没真正出现」；Meta「来势很猛但努力受挫、不得不彻底重启」；Anthropic 从黑马走出来、纯粹聚焦企业；OpenAI 赢下消费端；Gemini 永远不能排除（Google 也是他最大持仓之一）。结论：三马竞赛，寡头垄断，和云市场当年的三家撑起整个 SaaS 世界非常像。→ 详细
• 他怎么排掉中国开源这个风险：前沿产出的 token 质量确实更好，而且**「如果你已经做到榜单顶部的 80%，那从 80 分到 85 分是一个巨大的解锁」**——开源方算力不够，能逼近前沿但没法反超，然后就掉队。→ 详细
• 真正的引爆点是代码。 「最大的助推器是代码，这才是 AI 真正的解锁点。」第一代是 Copilot 那种，月费 20 美元，改改语法、找个 bug、写一小块代码；2025 年年中 Anthropic 那一版能智能体化地自己跑起来，市场就炸了。他的市场量级算法非常朴素、值得抄：听说 Anthropic 内部有人一天在 token 上花 100 美元 → 一年 2 万–3 万美元 → 全球 2000 万程序员 → 光编码就是 5000 亿美元的市场。而且他强调：那还是基于七八九个月前的老技术。→ 详细
• 下注时点与价格：2025 年 8 月，1800 亿美元估值那一轮进入。当时公司的目标是收入做到 90 亿美元；实际路径是从 1 亿 → 10 亿 → 奔向 90 亿——他说「那些数字是我们从没见过的」。而他 2025 年 8 月投的时候，「没人知道 2026 年会是什么样」。→ 详细
• 投后又出现第二个解锁：Claude Code 已经几乎完全智能体化。他举了两个人的态度翻转作为证据——Andrej Karpathy 说去年的工具只能写 20%、80% 得手写，最新模型出来后比例反过来，「现在除了用英文，他一行代码都没写过」；Linus Torvalds 也翻了。更别说那些本来不会写代码的人被解锁出来的纯增量。→ 详细

• 所有人都以为模型会是纯大宗商品，他说恰恰相反。 云确实是商品（卖服务器和存储，靠上面的软件建黏性），但 AI 模型内部有巨大差异化：不同训练方法、不同擅长的技能。Anthropic 在私募股权和金融相关的活上非常强，Google 非常擅长「吃」PDF。市面上很多人做路由器（router）在几家之间来回切，这看上去像是在证明它们可互换，实际上背后是「差异化的关键知识产权」。→ 详细
• 第二层护城河是 API 外面那圈东西——他直接用了 harness 这个词。 Anthropic 卖的不只是模型或 API，而是围着 API 长出的一整个生态：SDK、Claude for Cowork、编排层（orchestration layer）、各种工具。「他们把这套叫做脚手架（harness），也就是 API 外面那层能把模型潜力压榨到极致的软件。」→ 详细
• 这个模式他 2013 年在 AWS 身上见过一模一样的。 当时人们以为 AWS 就是"仓库里一台商品服务器，有什么了不起"，而 AWS 团队看到的是一种全新计算方式，于是发明了一堆别人还看不见的产品，慢慢建起锁定效应。他把 Anthropic 现在这一步当作同型信号。→ 详细

• 他反驳"科技公司活不长"的方式是：数字世界的护城河其实比线下更强。 完整六项——网络效应（LinkedIn、Facebook、阿里巴巴）；行业标准（Oracle 有开源替代品和免费版，但它握住了所有数据库管理员和所有为它调优过的软件，「基本上永远扼住了关系型数据库市场的咽喉」；Bloomberg 同理）；快速规模（Amazon 五年拿到沃尔玛量级的规模优势，而沃尔玛用了 40 年；Anthropic 突然就做到 300 亿美元销售额）；平台（别人在你上面开发）；关键知识产权（高通——不付钱造不了手机；ASML——没有它的光刻机造不了芯片）；品牌（Google、Amazon 一路长大从来不用打广告，Elon 也从不打广告，本质是获客成本对终身价值的账）。他强调：最好的那些公司是把这六项集于一身的。→ 详细
• 护城河缺席的代价是归零，而不是少赚。 他的原话清单直接又残酷：「如果你叫 RIM、Palm、Nokia、HTC、LG、Motorola——我可以一直数下去——零、零、零、负、负、负、负。」你可以身处史上最好的 S 曲线，照样输个精光。→ 详细
• 他们最得意的一次是 2013 年 Robin Hood 投资者大会讲 AWS：「多头们根本不知道自己坐在什么东西上面……Amazon 在这场战争还没开始的时候就赢了。」当时判断是「只有可口可乐，没有百事可乐」——后来证明有百事（Azure），但盘子大到够所有人活。关键证据是七年的领先：先发 → 生态和平台 → 规模是所有人的 10 倍 → 没人投得起研发追上。→ 详细
• 例外只在范式转移时发生：AOL 没跟上拨号→宽带；Netscape 出来很早但商业模式不够强。→ 详细

• 他承认 AI 是他做过的所有 S 曲线里最复杂、变化最快的一条，且明确说"风险是存在的"，但回报也最高——云大概是 8000 亿美元的市场，AI 他们现在的估计是三到五万亿美元。高风险高回报。→ 详细
• Anthropic 的四条：① 关键知识产权——总体守住了代码上的高市占率；② 企业品牌——「你去问任何一个 CIO，他第一个说的就是 Claude」；③ 逃逸速度与规模——跟 Google 这种有巨大现金牛的对手打，最难的是持续融到钱，而 Anthropic 凭 10 倍销售增长 + 融资能力看起来已经达到逃逸速度；④ 递归式改进（recursive improvement）——它在代码上领先，就把代码这件事反哺回自己的模型，创新速度在加速，可能进入一个「点火升空」阶段。→ 详细
• 企业 vs 消费的赔率判断：目前企业端明显更好，理由极简单——「因为你我愿意付很多钱，因为它在替代人」。消费端可以做广告，或者做出一个完美的 Claude 助理让人付费，但那边的优势主要是海量眼球。他补一句：事情是会变的。→ 详细
• 他们几乎每次路演都用同一张图：在互联网上，领先者长得更大、更快，然后赢。Shopify、Amazon、某个 SaaS 公司都是——拿到领先，它就自我复合。再叠一条 AI 特有的门票：你必须大，因为你需要算力、而且付得起算力钱，所以能玩的人就那么几个。→ 详细

• 仓位变化非常剧烈：五年前软件占组合 40%–50%，今年年初变成净空头，「这在第一季度帮了我们大忙」。 转折点是他们很快发现这些公司的 AI 产品并不好、没有带来实质改变、没人愿意为此付费——而当初他们的多头逻辑本来是"这些公司大、有销售团队、有数据，拿 AI 的 API 做产品会很棒"。→ 详细
• 第一条：预算优先级掉队。 就算 AI 不直接颠覆它们，它们在任何 CIO 的优先级清单上排名都掉了很多，「钱在花到 Anthropic 的 token 上，因为那边投资回报更快」。→ 详细
• 第二条：预算被挤压——钱花到那边，这边的盘子就小了。第三条：涨价能力受损——很多软件公司过去每年都能涨价，现在不太敢了。第四条：席位数（seats，按人头计费的订阅量）承压——两边都有聪明人，但确实看到公司在大砍岗位或冻结招聘。→ 详细
• 他也认真列了多头一侧的理由，而且承认"这都是真的"：老技术非常黏（手游没伤到主机游戏、平板和智能手机都没伤到 PC）；这些软件里有大量集成和工作量；公司确实喜欢买不喜欢自己造；「他们永远不会自己造 ERP 系统」这句大概率是对的。但他的反问是：你没法想象一两三四五年后，会有一家全新的 AI 原生公司去打每一个强大的在位者吗？如果它们的数据优势能被抹平，那用 AI 把旧的拔出来、把新的插进去也许就很容易。→ 详细
• 他还点出软件公司做 AI 产品的一个组织级短板：卖法不一样。 卖一套固定系统，和安装一个"替人干活"的东西，是两种完全不同的销售动作——后者你得一直守在客户旁边，确保活真的干成了，所以你需要 FDE（forward deployed engineers，前线部署工程师）。而这些公司内部可能根本没有合适的人。→ 详细
• 规模是另一堵墙：Salesforce 有 400 亿美元销售额，AI 相关的年度经常性收入（ARR）大概 5 亿–7 亿。基数太大，就算跑通也要很久。→ 详细

• 传统 40 法则是软件行业惯用的健康度指标：增长率 + 经营利润率 ≥ 40 算好（20% 增长 + 20% 利润率）。→ 详细
• 他把它改造成 AI 时代的版本：「你的销售额里有多少百分比是 AI？」+「你在那个品类里的市占率是多少？」——30% + 30% = 60。这个组合同时回答了两件事：你有没有敞口，以及你在敞口里是不是强者。而软件公司的问题正是分子太小：AI 现在只占它们收入的 1%–2%，路还很长。→ 详细
• Patrick 追问：绝对值重要还是变化率重要？答案是变化率。 他讲了个自嘲的例子：2024 年他们做过一次演示，把所有人的市占率列出来，让 Claude 画成图，结果画错了——因为 Claude 没抓住变化率。他解释为什么变化率更值钱：你从 10% 走到 30%，增长率在加速，利润率也在加速——两个加速叠在一起就是盈利能力的非线性跳跃。→ 详细

• 他自己标注了这是 half-baked（还没想透），但值得记：AI 可能让某些软件平台更重要。逻辑起点是一个日常动作——「你拿到 Claude 第一件事干什么？你把它接进 Slack。」 如果 Slack 成为关键的信息仓库，它在组织里就变成永久固定装置。→ 详细
• 推论：下一波 AI 可能是"会用工具的智能体"，它们在现有在位软件内部运行，像人一样使用这些软件。 Patrick 顺着提出筛选标准：最有黏性的会是基于网络的工具——「Slack 里特别的不是软件本身，而是所有人都在那里」。→ 详细
• 不止 Slack：Workday、HR 系统、各种大的记录系统（systems of record）也可能被智能体骑在上面。 但他讲了这件事的两面性：CRM（指 Salesforce）在走向无头化（headless，即去掉人类界面只留数据层）——空头逻辑是你被降级成一个数据库、失去客户交互；多头逻辑是如果智能体直接进 CRM 里干活，反而会巩固 CRM。→ 详细

• 先看被打破的旧世界：过去 40 年数据中心几乎没变过，Intel x86 从 90 年代起就是数据中心芯片。云时代算力工作负载每年增长 25%–40%，但摩尔定律也在以同样速度改进，所以不需要巨大创新。结果是硬件多年几乎零增长，每个部件——PCB、内存、机箱、网络——全面商品化。从 1G 到 10G 要七年，切换那年有个小周期，然后又跌回商品。→ 详细
• AI 把这个结构整个掀了：工作负载每年增长 10 倍，而且把硬件的每一个方面都推到物理极限。于是不只是销量暴涨，而是他造的那个词——「硬件产业的去大宗商品化」（decommoditization）：技术门槛回来了，定价权也就回来了。→ 详细
• 三年前 Shaun Maguire 对他说的那句话是这一段的题眼：「我真希望能回过头去做一只硬件对冲基金」——因为这些公司全是上市的、而且都有强大知识产权。红杉最好的一些投资本来就是硬件时代做的（Apple、Cisco）。→ 详细
• 内存是最直观的例子：过去纯商品，现在的高带宽内存（HBM）要把 10 颗芯片叠起来，输入输出是过去的 10 倍，三星花了好几年才做出来，而且它是关键部件、还在不断升级——所以供应商必须提前三四代跟 NVIDIA 一起做。这本身就是护城河。→ 详细

• 买入时的画像烂到没人看：代工厂，行业从 1999 年起就是灾难，全搬去中国，纯商品。但他们注意到两件事——Celestica 的血统是 IBM 超级计算，那批人才和技能一直留着；三年前它是 Google TPU 服务器的独家供应商。当时股价只有 8 倍市盈率。→ 详细
• AI 服务器把"零件"变成了"飞机上的关键零件"：AI 服务器是液冷的、跑得热得多，一台 20 万–30 万美元，而老服务器 5000 美元、坏了就扔。这台一坏，整套就宕机。他的比喻很到位：「你从卖大宗商品，变成了在飞机上卖关键零件——你永远不会被换掉。」 而且结果证明他们液冷做得相当好，很多人试过都失败了。→ 详细
• 第二条腿：以太网白盒交换机（white box，行话里就是"大宗商品"的意思） 也变成了好生意。过去 100G→400G→800G 是七年一个升级周期，现在是每年升一次，这非常难做到；上面还有开源的 SONiC 软件层——Celestica 里就有当初写那套开源软件的人，而且他们跟 Broadcom 合作极紧密。他们在云以太网交换机市场占 50%–60% 份额，而这对 AI 至关重要，因为 AI 极度依赖网络。→ 详细
• 这个案例最值得抄的是他的自我修正：「我们本来以为只是个很好的增长驱动，结果发现是很好的竞争优势。」——先按 S 曲线买进去，再在跟踪中发现护城河比预想的深。→ 详细

• PCB（印刷电路板）：普通服务器 10 层板，AI 服务器要 40 层板，能做的供应商非常少。他们还持有台光电子材料（Elite Material），做最主要原料覆铜板（copper-clad laminate）。这里的账是三重叠加：出货量增长 50%–60% 的复合年增速 + 单价（ASP）在涨 + 毛利在涨。→ 详细
• 比数字更重要的是"能见度"的性质变了：过去客户说的是「下周需要你我们再打电话给你」，现在是「未来四年我们需要你跟我们一起设计路线图」。结果是从 5% 增长、低利润率的生意，变成未来四年 35%–50% 的营收复合增速、而且利润率还在上升。他补一句：再加上所有东西都短缺——哪怕它是商品，这也会是一轮很棒的周期。→ 详细
• 光纤（Corning 康宁）：占着"高得离谱"的份额；他读到微软刚建的一个数据中心，里面的光纤足够绕地球四圈半；而且康宁的光纤更细、更能弯折、可按精确规格定制、利润率更高，是它增长最快的业务。→ 详细
• 网络的三个"scale"值得记牢：scale out（横向，把服务器机架连起来）、scale across（跨域，把数据中心之间连起来——因为一个地方拿不到训练所需的全部电力，只能把多个数据中心连起来，而线要 10 倍的量、还得粗得多）、scale up（纵向，把机架里每颗 GPU 连到其他 GPU）。scale up 现在用铜，最终会转光纤——那一天到来时，是康宁 2 到 3 倍的机会。→ 详细
• 电源：每一颗 NVIDIA 芯片或机架多用 50%–125% 的电，直接推高台达电（Delta）和 Advanced Energy 的单价。Patrick 的反应代表了大多数人的直觉冲击：「等等，你的单价接下来连着四年、每年要涨 40%？而且利润率还更高？」→ 详细
• 供需的总结论：如果这条 L 曲线判断没错，DRAM、NAND、PCB 市场以现在的状况看就已经短缺 30%——而普及还没真正开始。→ 详细

• 风险一：舆论与监管。 「普通大众对 AI 有很多负面情绪，政府某些方面也有」——他提到缅因州刚禁掉数据中心，只有 20% 的人对 AI 是乐观的。但他的判断是妖精已经出瓶。→ 详细
• 风险二：模型进步变慢——这条最要命，因为它会同时打掉差异化和定价权。 他引黄仁勋讲图形芯片时的原话逻辑：「如果『够好』就够好了，我就没生意了」——正因为每年做好一点点、人们永远想要最好的，所以生意成立。在 AI 里，如果 Anthropic 或 OpenAI 撞墙停止改进，开源就会追上来，可能变成向底部的竞赛，对股票大概不是好事。 但他给了一个重要的对冲：对芯片公司可能反而是好事——芯片公司不在乎谁赢，他们都受益；而且黄仁勋是真心希望开源起飞的（上一次 GTC 翻来覆去讲这个）。→ 详细
• 风险三：某个大玩家掉队会砸掉一块算力需求。 如果一两个玩家动摇、丢了位置，未来他们就不需要那么多算力了。缓冲是如果 AI 足够大，别人会把这部分吸收掉——他举了实例：Oracle 取消了一笔大单，Meta 立刻顶上。但他也把最坏情形说出来：假如 Meta 决定「我们跟不上，这就是浪费资源」。他们非常仔细地盯着这件事；目前看到的是更多公司真的在扑上来，连微软都在试着自己造。→ 详细
• 他自己承认的盲点：AI 是他做过最复杂、变化最快的 S 曲线，而空头逻辑"并非全无道理"。→ 详细

• 两条理由。第一，应用总是来得更晚——iPhone 的头三四年，应用真正起来是花了时间的，所以"也许才刚开始"。第二，边界说不清：「基础模型在哪里结束、应用在哪里开始？」——应用公司能不能建起足够的护城河抵挡上游，还没有答案。→ 详细
• 他用"生态清晰度"来给自己排队，这个排序法很值得抄：入场时芯片的生态是清晰的（所以先买）；入场时基础模型的生态不清晰，现在清晰了（所以后买）；应用层现在仍然不清晰，还有点危险（所以还不买）。这是一套"等结构收敛再出手"的纪律，而不是"看好就买"。→ 详细
• 他在盯谁：Sierra 的 Bret Taylor——当过 Salesforce 的 CEO、写过 Google Maps、当过 Facebook 的 CTO。他们没有参与，但他说「那就是真正见真章的地方」：Bret 能不能把它做成一家巨大的公司。他也说 CRM 这些在位者"是开始了，也许只是时间问题，但在企业世界里我们真的还没看到"。→ 详细
• 他相信伟大的应用公司一定会诞生，只是时机问题——「通常不会在头三四年就开始，会晚一点来。」→ 详细

• Patrick 问："这部电影过去二十五三十年放过很多遍了，为什么二级市场没更多人做对？"他的回答是他妈问过他同一个问题，而他的答案是：「赌场为什么要教人怎么玩二十一点？因为真的很难做到。」→ 详细
• 难点一：不适感。 「根本没人关注硬件和芯片，所以现在涌进来的全是新手」——他点名同行里只有 Gavin Baker 在认真做。而且这些公司的股价图都是往上的，所以很吓人：我还能买吗？→ 详细
• 难点二：没有整体视角就守不住信念。 他把过去四年持有 NVIDIA 的心理过程原样复述了一遍——「哦他们有很棒的一年」→「天哪这一定是泡沫」→ 又是很棒的一年 → 横盘六个月 →「一定是泡沫」「这太过头了」「这挺吓人的」。他的关键论断：很多半导体分析师错过了这一轮，是因为他们没看到基础模型层真正在发生什么。 只懂一层的人拿不住跨层的仓位。→ 详细
• 难点三：直觉训练无法速成。 他引 Andy Grove：遇到战略拐点时你不能相信数据，战略拐点靠的是直觉和轶事性证据；再引一本冷门书《The Tao Jones Averages》（全脑投资指南）讲右脑与左脑——最好的投资人有创造性的那一面，那是视觉的、是把点连起来。→ 详细

• 办法一：肉眼可见的消费级场景。 他们在手游 S 曲线上投了很久（当时屏幕小、算力弱，只有休闲小游戏），拐点信号是他在中国看见一个 12 岁小男孩拿着大屏手机在玩一款很棒的游戏——「我心想：天哪，它真的来到手机上了」。→ 详细
• 办法二：企业级看不见，就去数会场的人头。 企业需求没法用眼睛看，所以他们去 Gartner IT 峰会（三万名美国 CIO 参加）数房间：Splunk 的讲解房间站着都挤不下；30 年前 VMware 讲服务器虚拟化时也是挤不下；AWS 那次大宴会厅 9 点爆满、10 点还爆满、11 点还爆满。「你能在需求爆发之前就看见它在爆发。」→ 详细
• 办法三：允许自己晚。 这是这一段最反直觉、也最能减轻焦虑的一条：「错过头一两三年是没关系的。如果这条 S 曲线的顶是 5000 亿美元，增长可以持续很久。错过第一个 100% 的涨幅没关系。」 他引 Peter Lynch（他在富达起步时受过其指点）的原话：「把图表涂白。一切都是关于未来的。」→ 详细

• Anthropic 的份额是"做作业做出来的"：他们先看了 600 亿美元那轮但没上（当时不了解、毛利率是负的、也还没看到编码爆发）；后来跟 Dario Amodei 相处，判断管理团队优秀、几乎无人员流失、商业计划开始兑现；然后做了一份 90 页 PPT——用 Claude Code 扒全网关于编码市场的反馈，分析他们产品好在哪、哪里要改，再加上自己对编码市场规模的完整推演。公司欢迎他们进轮，之后与 CFO 保持紧密联系。他说：「我觉得我们在配额上打出了超出自己体量的成绩。」→ 详细
• Stripe 是"研究竞品研究出来的"：他们持有 Adyen（新一代云支付，从 WorldPay 抢生意，当时云原生现代支付只占 80 万亿美元总盘的 5%），但"你不可能在不像了解自己手背一样了解 Stripe 的情况下去投 Adyen"——为 Adyen 访谈 200 个客户时顺带把 Stripe 摸透了，结论是"这是可口可乐和百事可乐"。2020 年 4 月疫情期间朋友来电，估值 350 亿美元；他们靠公开的 TPV（总支付额，超 5000 亿）、Adyen 25–30 个基点 vs Stripe 40–50 个基点的费率、员工人数反推盈利能力，结果实际费率更高、实际 TPV 接近 1 万亿（比披露的 5500 亿高得多），最后把这笔加码到 1 亿美元大宗。→ 详细
• 他们的"入场券"是持有意愿：VC 会卖，而卖方喜欢"会一直持有、上市后在二级市场继续持有"的买家——Nubank 也是这么干的。→ 详细
• 规模感：独角兽市场比欧洲大多数股市都大，肯定比德国、英国大；他们一年做 2000–3000 场管理层面对面会议，其中 10%–15% 是一级市场公司。→ 详细

• 他的产品演化：头 15 年只做多空基金（保持专注，"失焦会很难"）；第 10 年左右应要求加纯多头；2015 年前后把一级市场做成可选项（15% 或 25% 由投资人自选），但直到 2020 年才真正开口子。→ 详细
• 核心洞察是一条结构性错配：捐赠基金们大幅低配全世界最大的科技公司——他们一级持仓多、二级持仓少；二级里一半是海外；二级桶里又因为"大盘股不可能有 alpha"这个直觉去低配大盘、超配做选股的中小盘管理人；对冲基金组合里就算偏多头也不会在 NVIDIA 上放 15%。结果是大多数捐赠基金在结构上押注了"科技巨头不会赢"的反面。→ 详细
• 他反驳"大盘无 alpha"的论证很漂亮：小盘股只需要一个人发现它好、把它买上去；但要让 100 个分散型基金经理意识到"Google 不是输家、是赢家"，需要 100 个人改变想法。 而"我们能不能在那 95% 的通才基金经理之前想明白？"——他说他们一直做得到。而且作为资产品类它天然好：这些公司按定义就拥有极好的护城河，有时甚至就在超级 S 曲线上（NVIDIA 肯定是；台积电、SK 海力士、ASML 都高度受益——ASML 那笔他们才进去四个月）。→ 详细

• 他先泼冷水：AI 没有取代分析师。 「我很想说我们的 AI 系统先进到带来了巨大改变，但到目前为止，它是在帮我们快速上手，我们有几个很棒的应用，但它没有取代分析师的工作。」→ 详细
• 他们的方法论有明确出处：Philip Fisher 1950 年代《怎样选择成长股》里的**「小道消息法」（scuttlebutt approach）**——走出去跟供应商、客户、竞争对手聊，找领先公司的关键特征，建立信念。这套东西 AI 替不了。→ 详细
• AI 能干什么、不能干什么，他给了一条非常清晰的分界线：AI 让他们在陌生复杂领域（比如 ABF 载板、PCB）快速上手；他们现在用 AI 写纪要、复盘季报，「那些纪要好多了」。但——「最上面那一段必须非常好，那才是智慧所在」：这意味着什么？跟我们的论点有什么关系？什么变了？「别只做一个记者。AI 可以是很棒的记者，但它没法预见未来。」→ 详细
• 他用一个具体的获奖项目说明"人还剩什么"：两年前团队在 AppLovin 上的活儿——两位广告技术分析师 Michael 和 Sam 比任何人都早搞明白 AppLovin 的故事，在它还没上市时就跟着，知道所有竞争对手和术语细节；Sam 去了拉斯维加斯的应用广告大会，团队去了戛纳，跟成百上千的人聊，把模型做扎实，还跟 CEO Adam Foroughi 建立了关系。他的结论：「我看不出 AI 能做到这个。」→ 详细
• 他把整个机构定义成一台机器：Whale Rock 学习机器（Whale Rock Learning Machine）——10 位经验丰富的人，一年 2500–3000 场管理层面对面会议；Andrew 和 Michael 跟了他 18 年，团队平均经验约 10 年（还包括新人）。「Munger 和 Buffett 讲复利式的知识积累，我们已经复利了 20 年。」 同一批人同时做公开市场和一级市场，所以**"我们不会把全世界翻个底朝天，但当我们看到符合我们体系的东西，我们有能力出手"**。→ 详细

• 他把和外部投资人的交流也纳入流程，源头同样是 Philip Fisher——在全国范围内认识十来个、十五个志同道合的人，交换想法。→ 详细
• 具体机制他叫"三脚架"（tripod）：我喜欢它 + 我的分析师也喜欢 + 一个我非常尊重的外部人也喜欢 = 三条腿。三条腿齐了，信念才够硬。他强调这必须是双向的——你得给别人想法，别人才给你。→ 详细

Patrick 的传统收尾问题：有人为你做过的最善良的事是什么？

• 答案是他父亲。 父亲康奈尔电气工程毕业，转行华尔街，在高盛干了 41 年：80 年代管公司金融，90 年代作为主席管私募股权。「他绝顶聪明，但极其谦逊。」→ 详细
• 最动人的细节：Alex 创办 Whale Rock、找亲友募资时，父亲是他打的第一个电话。父亲的回答不是"我投多少"，而是"我在高盛已经 41 年了，不如我来加入你？"——「我来当那个白发的人，我来做监督，我来当董事长。你做你的事，在波士顿把公司建起来、把团队建起来、管钱，我帮你募一些钱。」两人共事六年，直到 2011 年父亲去世。→ 详细
• 他对父亲方法的总结：谦虚、绝顶聪明、有智慧；以优秀投资人著称（"这在很多投行里并不常见"）；在承诺委员会里帮公司躲开很多棘手处境；非常温暖——人们可以带着问题走进他办公室，不管私事还是工作，他都处理得很得体，还有很棒的幽默感。Alex 说：「管一只基金不容易，而我们从没提高过嗓门。」「如果我能做到他一半那样的人，我就完全赢了。」→ 详细

（本期无）