識別S曲線拐點的投資者，往往能在指數級增長啟動前以被低估的價格入場，并在數年內坐享超額回報。AI，正處在這樣一個拐點。

重倉科技股的美國知名對沖基金Whale Rock Capital創始人Alex Sacerdote在6月9日《Invest Like The Best》節目中給出判斷：AI企業滲透率不足1%，正從S曲線變為近乎垂直的“L曲線”——這正是越過拐點、抓住指數級增長機會的關鍵時刻。

算力稀缺，是跨越拐點的首要信號。從芯片到基礎模型，需求已繃滿整條供應鏈；傳統企業軟件則面臨結構性替代。Alex指出，Claude Code正從輔助編碼邁向自主代理，打開更廣闊的商業化空間。

這套方法論已被驗證：2023年以四倍市盈率買入英偉達，2019年以五倍市盈率買入特斯拉，AWS早期近乎零成本獲得敞口。“世界不懂指數級思維，”Alex說，“但理解S曲線和護城河，就能預見這些機會。”

當前，AI投資已從芯片轉向OpenAI、Anthropic和Gemini的“三馬競賽”，更接近寡頭格局。風險同樣存在：模型進步放緩、開源追趕、監管壓力，仍是這輪AI周期的關鍵變量。但對于理解S曲線拐點的投資者而言，指數級回報才剛剛開始。

S曲線投資：搶在共識形成前下注

Whale Rock的投資框架由三個核心要素構成：識別S曲線位置、評估競爭優勢、挖掘被低估的長期盈利潛力。

Alex強調，S曲線的關鍵在拐點——一旦技術越過采用門檻，增長便從線性轉為指數級，疊加強大商業模式，盈利往往從1美元跳到10美元再到50美元。“世界不懂指數級思維，大家太專注于下個季度、下一年了。”

這套框架已被反復驗證：2013年力推亞馬遜AWS，彼時判斷“多頭完全不知道自己手里握著什么”；2019年以5倍市盈率重倉特斯拉，價格門檻與續航焦慮已被逐一攻克；2023年以4倍市盈率買入英偉達——三次出手，均踩在拐點左側。

賣出邏輯同樣清晰。當滲透率達到30%至40%時，指數增長階段基本結束，賣方分析師開始追上來，超預期驚喜也消失了。Apple在美國智能手機滲透率達50%時，Whale Rock選擇退出，此后蘋果年化回報從50%-70%降至約20%。

如何提前發現拐點？Alex采用“現場勘察”法：在Gartner IT Symposium等企業技術大會上，觀察某家公司展臺的人流量。早年布局Splunk、VMware和AWS時，他都親眼看到了人頭攢動、座無虛席的場景。“你可以在需求爆發之前就親眼看到它。”

深度用戶僅占0.1%，AI仍處S曲線最早期

Alex認為，AI目前仍處于S曲線最早期——全球深度使用AI的知識工作者，僅占總數0.1%。

這一數字來自Google CEO Sundar Pichai的估算。Alex表示，Anthropic約1400萬至1500萬日活用戶，但其中高強度使用者仍是少數。“現在是嘗鮮者階段，接下來是早期采用者，再到早期主流用戶。”

Whale Rock預測，未來四年AI深度用戶滲透率將從0.1%躍升至2%至5%。基礎設施層目前約10%滲透，企業應用層甚至不足1%。“這不是S形曲線，是L形曲線，直線向上。”

硬性數據支撐這一判斷：全球算力已嚴重短缺，Anthropic自身所需的算力只有一半能得到滿足，而這還發生在大規模企業采購到來之前。Alex引述Marc Andreessen的判斷：“未來四年可以確定的一件事，就是算力永遠不夠用。”

關于采用節奏，Alex援引了兩個歷史案例作為參照：廣播在7年內幾乎實現了100%普及，其S曲線極為陡峭；而洗碗機由于需要與家庭管道系統集成，普及曲線則平緩得多。企業級軟件的推廣模式更接近洗碗機，而AI的獨特之處在于——用戶只需打開瀏覽器即可使用，這正是其增長曲線接近垂直的重要原因。

以下是訪談全文（由AI輔助翻譯整理，部分有刪改）：

主持人：
今天的對話我們將深入探討技術采納的S曲線、AI投資的底層邏輯，以及如何在市場變革中發現并持有贏家。我的嘉賓是Whale Rock的創始人Alex。他的整個投資框架都建立在理解技術S曲線、識別可持續的競爭優勢，并挖掘被低估的盈利潛力之上。他早期投資了Nvidia、Tesla、Amazon的AWS業務，而現在，他的最高置信度頭寸是Anthropic。Alex，歡迎你。
Alex：
謝謝，很高興能來。
主持人：
你說你目前置信度最高的頭寸是Anthropic。能否用這個投資案例作為引子，來展開聊聊你、以及像你這樣的投資者，是如何在私募市場投資的？為什么Anthropic是你最確信的投資？
Alex：
好的。當2022年11月OpenAI的ChatGPT橫空出世時，我們立刻讓整個10人團隊對其進行了深入的研究。每當出現新的計算范式，就會產生一個新的技術棧，這會在舊技術棧上創造新的贏家和輸家。在這個新棧中，底層是芯片和云，中間是基礎模型，頂層是應用。
當時（2023年初），我們決定首先投資芯片和基礎設施。因為無論誰在上層獲勝，我們都需要海量的計算能力。我們對此做了深入分析。在接下來的兩三年里，我們對基礎模型層如何演變有了更清晰的認識。當時有60家公司涌入這個領域。我們在2023年4月的一次網絡研討會上提出，這個市場可能是贏家通吃，可能是商品化（開源導致價格戰），也可能是由三到四個頭部玩家組成的寡頭壟斷。
后來的發展是，幾乎所有初創公司都消亡了。亞馬遜和Meta等大公司也遇到了困難，Meta甚至不得不重啟他們的AI項目。而Anthropic則像一匹黑馬脫穎而出。它們專注于企業市場，而OpenAI贏得了消費者市場，Google的Gemini也實力強勁。所以局面變成了三足鼎立的寡頭壟斷，這與云市場（AWS、Azure、GCP）的演變非常相似。
我們開始對這種格局感到安心。開源模型雖然有風險，但它們的算力有限，可以接近領先水平，卻無法實現質的飛躍。同時，規模定律和反饋循環表明，模型的進步空間巨大。我們接觸的業內人士都認為規模定律會持續有效。
主持人：
關鍵的轉折點是什么？
Alex：
最大的催化劑是代碼。早期模型雖有潛力，但我們不確定它能真正替代勞動力。直到2025年，AI編碼工具開始爆發。第一代像Microsoft Copilot，每月20美元，能改進語法、找bug。但Anthropic在年中推出的模型能力大幅躍升，開始能夠自主運行（Agentic）。我們聽說，在Anthropic內部，有人每天花費100美元購買token，這相當于每年2-3萬美元。全球有2000萬程序員，僅編碼就是一個萬億美元級別的市場。而這還只是基于7-9個月前的技術。
另一個最近的重大突破是Claude Code幾乎完全實現了自主化。Andrej Karpathy和Linus Torvalds去年說AI能寫20%的代碼，80%需手寫；但最新模型出來后，這個比例完全顛倒過來了。Karpathy本人現在除了用英語描述需求，幾乎不再手寫代碼。
主持人：
那么，基礎模型不是一種商品嗎？它們如何建立護城河？
Alex：
人們普遍認為AI模型會是純粹的商品，但實際上它們有巨大的差異化。不同的訓練方法導致不同的技能特長。Anthropic擅長私募股權和金融，Google擅長處理PDF。這些是關鍵的知識產權。此外，Anthropic不僅在賣API或模型，他們正在圍繞API構建一個完整的生態系統，包括SDK、協作層（Claude for Co-work）、編排層等等，他們稱之為“Harness”（工具集）。這就像早期的AWS，人們以為它只是個大宗商品化的服務器托管，但它通過提前發明各種產品，慢慢建立了鎖定效應。
主持人：
你們是怎么定義當前所處的階段的？
Alex：
我們一直談論S曲線，但我們把當前的企業AI市場稱為L曲線——直接向上。這個市場滲透率不到1%。雖然可能有8億人在用AI，但那只是AI 1.0，即“打了類固醇的搜索引擎”。真正能像我們描述的那樣使用AI的人，Sundar說只占全球知識工作者的10個基點（0.1%）。Claude大概有1400-1500萬日活，其中只有一小部分在真正以這種方式使用AI。這就像典型的S曲線起點：由嘗鮮者驅動，然后會進入早期采用者、早期主流。未來四年，我們將從0.1%的滲透率增長到1-2%，再到5%，再到15%。今年企業界像打開了電燈開關一樣，意識到必須盡快行動。
這就像1998年的互聯網，你知道需要建個網站，但很難建起來。現在一切都在快速成熟。我們從未見過這樣的景象，所以我們稱之為L曲線。就基礎設施層而言，我們甚至可以說只有10個基點的有效利用率，但全球算力已經供不應求。Anthropic目前只有其所需算力的一半。Marc Andreessen說，未來四年他唯一確定的是，算力將永遠不夠。
主持人：
一個像你這樣的前公開市場投資者（可以隨時買入任何股票），是如何在Stripe、Databricks、OpenAI、Anthropic這些重要的私募公司中獲得你想要的頭寸規模的？
Alex：
以Anthropic為例，我們是通過分析師認識其財務團隊開始的。我們錯過了600億美元估值的輪次，因為當時還不了解它，毛利率為負，也還沒看到編碼市場的爆發。但后來我有機會與Dario（CEO）交流，聽了他的播客，開始意識到他們的管理團隊非常出色——專注、投入、人員流失率極低，代碼質量高，商業計劃也在兌現。于是我們主動聯系，做了一份90頁的PPT，用了Claude Code來搜集所有關于編碼市場和其產品優缺點的反饋。他們接納了我們進入這一輪。
總的來說，我們每年進行2000-3000次與管理團隊面對面的會議，其中10-15%是私募公司。我們的第一筆私募投資是Stripe。我們當時持有另一家支付公司Audion，要投資Audion就必須對Stripe了如指掌。我們做了大量盡職調查，跟200個客戶聊，發現它們就像可口可樂和百事可樂。最終在2019年見到了Collison兄弟，并成功在2020年4月以350億美元估值從一位VC朋友那里買到了Stripe的股份。我們當時知道他們的總支付額（TPV）超過5000億，而Audion的take rate是25-30個基點，Stripe是40-50個基點，據此可以推算盈利能力。后來證明，他們的take rate更高，TPV也遠超披露的5500億，接近1萬億。我們最終將這筆交易擴大到了1億美元的份額。
主持人：
你的整個投資框架都建立在S曲線上。請深入講講你對S曲線的深刻理解。
Alex：
我們的投資框架有三部分：S曲線競爭優勢、以及被低估的盈利潛力
當你處在S曲線的正確位置時，你會獲得指數級的單位增長。如果你擁有一個強大的商業模式（這在科技領域很常見），你的盈利不會線性增長，而是指數級增長。世界通常不按指數思考，很少有人相信你能準確預測未來2、3、4年。但如果你理解和跟蹤S曲線，知道其模式，懂得如何建模，你真的可以預測出這些偉大的事物。
關鍵在于，當你處在S曲線的正確位置時，你可以用極低的市盈率買到世界上最好的公司。

• 2023年我們買Nvidia時，市盈率只有4倍。
  
• 2019年我們買Tesla（基于汽車S曲線）時，市盈率是5倍。
  
• 我們持有Apple時，市盈率是4倍。
  
• 我們買Amazon時，相當于免費獲得了AWS業務。
  

S曲線至關重要，因為每項技術都遵循這個模式：在爆發前會經歷漫長的潛伏期。智能手機在iPhone之前十年就已存在，互聯網在Netscape之前二十年就已存在。直到所有采納障礙被消除，需求才會像龍卷風一樣爆發。
主持人：
決定S曲線“高度”（即最終規模）的因素是什么？
Alex：
當Amazon推出AWS時，它被隱藏在零售業務中。我們意識到，它面對的TAM是整個企業IT史上最大的——直接面對6000億美元的IT系統市場。我們最初認為它會帶來50%的通縮，所以TAM反而會縮小。但后來發現，自建和用AWS成本差不多，這意味著TAM比我們想象的還要大得多。所以我們不僅要看何時起飛，更要看這條S曲線有多“高”，這決定了你何時賣出、持有多久。
也有S曲線失敗的例子，比如電動車。我們曾認為電動車會占據40-50%的汽車市場，但它在10-15%時就遇到了大瓶頸。你必須動態調整。通常當滲透率達到30-40%時，指數增長就會停止。我們在Apple上犯過一個錯誤：在2012年，當美國智能手機滲透率達到50%時賣出了。Apple雖然之后仍保持了領導地位，通過應用商店等實現了20%的復合增長，但最輝煌的50-70%年增長階段已經結束了。
主持人：
你怎么判斷買入的時機？尤其是在S曲線那個長達十年的平坦部分。
Alex：
Andy Grove說過，在戰略拐點，你不能相信數據，要靠直覺和傳聞證據。我喜歡一本書叫《道氏理論》（實際應為其他書名，此處按原意理解），它講的是右腦和左腦。最好的投資者有創造性的一面，他們能可視化地連接各個點。
我們投資手游S曲線時，早期手機屏幕小、處理能力差。但我看到一個12歲的男孩用一個大屏手機玩著很棒的游戲，那一刻我就知道，時機到了。對企業市場，我們去看Gartner的IT研討會，有3萬名美國CIO參加。我們當年看到VMware虛擬化、Splunk數據庫的展臺被擠得水泄不通，這就看到了企業需求的起點。看到AWS的展臺從早上9點到11點一直擠滿了人，你就看到需求在爆發前就已經在加速了。
重要的是，遲到也沒關系。錯過前1-3年，錯過前100%的漲幅都沒關系，因為如果頂部是萬億級別的，增長可以持續很長時間。Peter Lynch對我說過：“把圖表涂掉，未來才是一切。”
S曲線的斜率（采納速度）也很關鍵。我們委托一位學者研究了歷史上100年的S曲線。收音機的S曲線是最快的之一，7年就達到100%滲透率。而洗碗機就慢得多，因為它需要連接到后端。B2B通常很慢，因為它需要接入現有系統；消費者采納則快得多。AI的神奇之處在于，無論是消費者還是企業，你只需打開瀏覽器就能用，這就是為什么我們看到一條垂直的L曲線。
主持人：
當多個玩家在同一S曲線中競爭時，你如何識別最終會勝出的領導者？
Alex：
我們會對該領域的所有公司進行詳盡研究，尋找擁有強大可持續競爭優勢的公司。很多人不喜歡科技股，因為覺得未來不可預測，資產難以長久。但我們發現，數字世界的某些競爭優勢，其力量甚至超過了線下世界：

1. 網絡效應：LinkedIn, Facebook。
   
2. 行業標準：Oracle, Bloomberg。他們有龐大的DBA（數據庫管理員）生態和調優的軟件，形成了鎖定。
   
3. 快速規模化：借助S曲線，Anthropic可能很快做到300億美金銷售，Amazon在5年內獲得了沃爾瑪40年才達到的規模優勢。
   
4. 關鍵知識產權：Qualcomm（手機繞不開），ASML（光刻機）。
   
5. 品牌：Google, Amazon, Tesla幾乎從不打廣告。
   

Amazon AWS在2013年就贏了戰爭，擁有7年的領先優勢，成為了平臺和生態系統，規模是其他人的10倍，沒人能在研發上追趕。
回到基礎模型層，最初50家公司大多已消亡，只剩兩三家頭部。為什么它們能持續？

• Anthropic：在編碼領域有關鍵知識產權；建立了強大的企業品牌（CIO首先想到Claude）；已經達到逃逸速度（10倍銷售增長）；領先的代碼能力可以反哺模型，實現遞歸式改進，創新速度在加速。
  
• OpenAI：擁有強大的消費者業務，企業業務也在改善，編碼工具正在加速增長。
  

在互聯網時代，領導者通常會變得更大、更快并最終獲勝。雖然存在例外（如AOL到寬帶，Netscape），但現在的共識是，初創公司都在這些基礎模型之上構建應用。
主持人：
那么這對傳統軟件公司意味著什么？你的投資組合中似乎沒有太多大型企業軟件公司。
Alex：
5年前，我們可能40-50%的倉位在軟件。但在2023年4月，我們曾認為軟件公司會利用AI API和數據優勢勝出。然而很快我們發現，它們的AI產品并不好，無法推動增長，也無法收費。我們幾乎賣掉了所有應用軟件倉位，今年初甚至是凈空頭。
傳統軟件公司面臨幾個問題：

1. 優先級下降：CIO的首選是買Anthropic的token，因為投資回報率更快。
   
2. 預算擠壓：AI支出擠占了軟件預算。
   
3. 定價能力喪失：過去每年提價的模式現在行不通了。
   
4. 就業影響：企業凍結招聘，減少了軟件席位。
   

雖然樂觀者會說“沒人會自己造ERP系統”，舊技術有粘性（手游沒殺死主機游戲，平板沒殺死PC）。但很難想象未來3-5年，不會出現AI原生公司去挑戰每個傳統軟件巨頭。軟件的“40法則”（增長+利潤率=40）正在被AI的“新40法則”挑戰：AI收入占比 + 市場份額。傳統軟件公司的AI收入只有1-2%，差距巨大。
但是，AI也可能反過來鞏固現有軟件平臺。比如，你第一個想接入Claude的是Slack，如果Slack成為關鍵的AI知識庫，那它就永久固化了。未來的AI Agent可能會像人一樣，在現有的企業軟件內部操作。
主持人：
那芯片和硬件層呢？你多次提到，為什么這個領域現在如此有趣？
Alex：
過去40年，數據中心幾乎沒變過，基本就是Intel x86。工作負載每年增長25-40%，但摩爾定律也大致如此，所以硬件幾乎沒有增長，整個產業鏈都商品化了。
但AI的工作負載每年增長10倍，將硬件的每個方面都推向了物理極限。這不僅創造了巨大的單位增長，我們稱之為硬件的去商品化

• 服務器：舊服務器5000美元，壞了就扔；AI服務器價值20-30萬美元，液冷，運行時溫度極高，壞了會導致整個系統宕機，因此變成了像飛機零件一樣的“關鍵基礎設施”，一旦進入就很難被替換。
  
• 內存（HBM）：過去是純商品，現在HBM是10層芯片堆疊，I/O提升了10倍，三星都花了好幾年才做出來。
  
• PCB（印刷電路板）：舊服務器需要10層，AI服務器需要40層，很少有供應商能做。
  
• 網絡：過去從100G到400G再到800G需要7年周期，現在每年都在升級。Celestica這家公司，曾是商品化的代工廠，但因為保留了IBM超級計算的遺產，成為了Google TPU服務器的獨家供應商，并且在云以太網交換機市場占有50-60%的份額。
  
• 光纖：Corning有極高的光纖份額，一個微軟數據中心的光纖長度足以繞地球四圈半。他們的光纖更細、更易彎曲，利潤率更高。
  
• 電源：每個Nvidia芯片或機架功耗提升50-125%，直接推高了Delta等電源供應商的ASP。
  

現在產業鏈每個環節都供不應求，DRAM、NAND、PCB普遍短缺30%。
主持人：
你提到了“AI收入占比”和“市場份額”這兩個衡量指標。你更看重絕對值還是變化率？
Alex：
變化率非常重要。從10%市場份額增長到30%，你的增速和利潤率都會加速。
主持人：
既然你的框架（S曲線+競爭優勢+被低估的盈利）在過去25-30年反復被驗證，為什么大多數公開市場投資者還是抓不住？
Alex：
我媽媽也問我，為什么要把秘密都說出來？因為做起來真的很難。你需要有深厚的科技投資經驗（我們在Whale Rock做了20年），需要一個經歷過多輪周期的團隊。硬件和芯片領域長期被忽視，新手不敢碰。股價漲了，人們怕高不敢買。每次Nvidia漲了一年，橫盤6個月，就有人說“泡沫要破了”。很多半導體分析師錯過了，因為他們沒看到基礎模型層的整體圖景。你需要有大局觀，需要研究過幾十條S曲線在不同領域的應用。
主持人：
你如此看好AI，什么最讓你擔心？
Alex：

1. 公眾和政府的負面情緒：緬因州剛禁止了數據中心，只有20%的人對AI樂觀。監管風險是存在的，但我覺得瓶子已經打開了。
   
2. 模型進步放緩：如果模型停止改進，開源模型會追上，變成價格戰。這對模型公司股票不利，但對芯片公司可能反而是利好（他們不管誰贏，只賣token）。
   
3. 頭部玩家掉隊：如果Meta或Oracle放棄AI，那些預訂的算力就成問題了。但市場足夠大，總有人接盤。
   

主持人：
為什么你們在應用層投得很少？歷史上應用層的市值總和遠大于基礎設施。
Alex：
應用層總是來得更晚。iPhone發布后三四年，應用生態才真正起來。目前應用層風險很高，因為基礎模型和應用的邊界不清晰，初創應用很難建立護城河。企業軟件巨頭（如Salesforce）的AI收入占比還太低。生態系統還不清晰，而我們投資的芯片和基礎模型層的生態已經變得清晰。未來一定會有偉大的應用公司（比如Bret Taylor的Sierra），但這需要時間，通常不是頭三四年。
主持人：
你們辦公室有一面“研究獎墻”，表彰年度最佳研究項目。在AI時代，什么樣的研究能讓你贏得這個獎？
Alex：
我想說我們的AI系統已經非常先進，但它還沒有取代分析師的工作。我們做的仍然是Philip Fisher在1950年代寫的《怎樣選擇成長股》里的“閑聊法”（Scuttlebutt）：盡可能多地與公司會面、與管理層建立關系、與競爭對手和客戶交談。
AI可以幫你快速熟悉一個新領域（比如ABF基板），可以幫你寫季度財報的筆記，這些筆記質量很高。但筆記的頂部必須有一段“智慧”：這意味著什么？如何影響我們的投資主題？AI是出色的“記者”，但它不能預測未來。
我們分析師在AppLovin上的工作，是長期跟蹤、參加會議、與人交流、建立關系，這是AI目前無法做到的。
主持人：
與其他投資者交流在你的投資生活中扮演什么角色？
Alex：
Philip Fischer也說過，要結識全國范圍內10-15個志同道合的聰明人，分享想法，建立友誼。我稱之為“三腳架”：我喜歡，我的分析師喜歡，我尊敬的另一位投資者也喜歡，這就能大大增強我的信心。
主持人：
你是如何為LP設計不同產品的？有什么經驗可以分享？
Alex：
頭15年我們只有多空基金。10年后有人要求長倉產品，于是2020年我們推出了長倉基金（現在規模已超過多空基金）。2015年左右我們開始考慮私募投資，給了LP選擇權（15%或25%的配置），但直到2020年才正式啟動。2021年推出了可以80%投資于私募的混合基金。最近我們推出了“Whale Rock Mega Cap Tech Fund”，投資于全球市值前30的科技股中我們精選的12-13只。
我們認為大型科技股存在巨大的結構性低配。捐贈基金等大型LP配置了大量私募、國際股票和小盤股，認為大盤股沒有Alpha。但事實上，要撬動Google、Nvidia這樣的巨頭，需要100個分散的基金經理同時改變看法，而我們可以在95%的人之前做到這一點。小盤股一個人就能拉起，但大盤股需要共識的轉變。
主持人：
如果有人想理解Whale Rock，他們應該先理解你們的研究機器。
Alex：
沒錯，我們稱之為“Whale Rock學習機器”。這是一個由10位高度經驗豐富的成員組成的團隊。我們像巴菲特一樣讀書、讀博客，但更重要的是在科技行業與人交流。我們每年進行2500-3000次與管理團隊的面對面會議。我們持續復利化知識20年，團隊極其穩定（Andrew和Michael分別跟了我19年和18年）。這個研究引擎同時支持著我們的公開和私募投資，我們不會去掃描每一個機會，但當看到符合我們系統的東西時，我們就能快速行動。
主持人：
我的最后一個問題：別人對你做過的最善良的事是什么？
Alex：
一定是我父親。他康奈爾大學電子工程畢業，轉行到華爾街，在Goldman Sachs擁有輝煌的職業生涯，80年代主管企業融資，90年代作為主席主管私募股權。他極其聰明，但非常謙遜，是一位真正的紳士。
當我創立Whale Rock時，他第一個投資。然后他說，我在Goldman干了41年了，不如我來加入你吧，做那個“灰頭發”，做你的監管和主席，你繼續做你的事，我幫你募資。我們一起工作了6年，直到他2011年去世。我無比幸運能與他共事。他從不提高音量，是很多人的導師。他去世后，我收到無數信件，說他如何影響、指導了他們。如果我能成為像他一半那樣的人，我就徹底贏了。
主持人：
太感人了。Alex，非常感謝你的時間。
Alex：
謝謝。