算力的卡点不是技术，是要说服人接受数据中心
一位超大规模云厂商的基础设施负责人告诉她，2030 年前没有能上足够规模的东西。她认为这不是技术、能力或资本主义的问题，而是监管与说服的问题。
原视频在 YouTube 上放不出来，用音频听：
核心论点 · 点时间戳可跳到原声
只盯 250 个人就够了
她复述合伙人 Mike 的框架：真正在前沿推进这件事的，大约只有 250 个创业者与研究者的组合，就是那群早上真的在把事情往前推的人；Conviction 的目标是认识他们全部、尽可能靠近他们、用各种方式支持他们。她把这和「从廉价座位上约人开会」区分开。这也解释了她为什么说早期投资的竞争并没有想象中激烈：只要真的去理解技术、社区，用第一性原理切入，就可能比不够专注的人拿到更好的进入权和更好的判断——剩下的被她称为执行问题。
— Sarah Guo研究者开始觉得自己不重要
她把当下形容为 violently competitive，而且这种竞争是叙事性的：过去 12 个月，很多研究者开始相信递归自我改进意味着一两年内出现指数级智能——Karpathy 会自嘲说，他大概已经「还有两年」说了十年。真正让她在意的是所有权感的消失。OpenAI 只有两百人时，每个人都能感到自己推动了什么；当问题变成「我需要 7500 亿美元的算力支出、几千人一起做」，人们会觉得结果跟自己关系不大。她把这归纳为两种同样让人无力的信念：我做什么都无所谓，因为模型会做；或者唯一重要的是算力规模。
— Sarah Guo算力瓶颈是监管，不是技术
她本周和一家超大规模云厂商的基础设施负责人聊天，对方的说法是 2030 年前没有东西能在足够规模上改变局面——她用了 depressing 这个词。她认为这不是技术、能力或资本主义的问题，而是监管问题和 alignment 问题，并且特意强调不是 AI alignment：想在纽约建数据中心，得先让纽约人希望那里有数据中心；想让核电作为基荷电力有竞争力，就得让人相信它安全、允许建足够多的机组把成本曲线压下来。她还说，实体供应链、隐性知识、劳动力和原材料这条线不可能有软件的速度——唯一的办法就是投进去。
— Sarah Guo靠履历下注是危险的
她点出一个现象：很多人应该、也确实在投技术赌注，但对技术本身的理解深浅不一，于是判断被代理给了履历和其他可读信号——谁投的、谁推荐的，决策因此变得不那么基本面。她讲了一次和朋友的分歧：她问这家公司凭什么能变得很大，对方的回答基本是「你知道这个人有多强吗」；她认识这个人八年，而对方自己也承认，这门生意里的技术逻辑他说不通。她的结论是，人们在对技术毫无直觉、毫无观点的情况下做大规模研究型下注，而除了这个人的履历之外对生意没有任何观点，是危险的。
— Sarah Guo机器人 AI 的关键想法出自两人
她和合伙人 Pranav 在 Tony Zhao 和 Chang Chi 还是斯坦福 PhD 学生时认识了他们——两人在 Toyota Research、DeepMind 和 Tesla 待过，创业时大概 25 岁，其中一个没读完。她看完他们的工作后判断：过去四年机器人 AI 里大部分有趣的想法是他们贡献的。他们攻的是机器人的泛化与鲁棒性问题——行业都相信只要有了机器人数据的互联网，通用机器人自然到来，卡点是从哪弄到这些数据。所以他们把「怎么用最便宜的方式采集能覆盖真实环境和任务分布的数据」当成技术问题解。这家公司成立不到两年，团队相信今年年底就能有通用半人形机器人在家庭里做事的 beta。
— Sarah Guo限制开源只会打到守法者
她的判断是猫已经出笼：过去三年，来自各方的开源模型越来越有竞争力，主要来自中国，但也有美国和欧洲的。即便完全不看实验室的经济账，只看能力如何扩散进经济，也有大量场景使用前沿厂商的模型太贵、太敏感或者太慢，而这个比例只会上升。所以如果美国限制开源模型的使用，实际效果是限制守法的美国企业、拖慢它们、把利润转移到别的口袋；真正的攻击者不受影响。她主张在前沿做严格的安全测试，真正去查清楚，而不是停留在「中国模型可能有后门」的猜测上。她也不认为富足智能是必然的：如果人们因为害怕失业、反感少数公司收租而转向反资本主义，这种情绪会拖慢能源和基建。
— Sarah Guo模型改变了生物学赚钱的定论
她说生物学是她「看到经验数据后强烈站到一边」的领域。旧结论是：在 biotech 或服务药企这条路上，唯一赚钱的方式是做出一个药、拿到 Biobux 交易、再决定自己愿意承担多少风险；对应的资本结构是好的传统 biotech 机构找到首席研究员、拥有公司 40% 的股份、把东西拼成候选药物，而大多数都失败。所以「你没法靠给药企卖软件赚钱、也没法在药企身上做平台生意」。她的辩论是：模型会不会改变这件事，她的答案是强烈的「会」。她投的公司 Chai Discovery 正在和多家排名前十的药企深度合作，加速 R&D 的某一段。她也承认监管和物理世界的速度这两个问题还没解决。
— Sarah Guo一个人的市场部会变成常态
她对一年后最希望看到的，是杰文斯悖论在现实中发生：智能体和产品把生活各个领域里更多琐碎的事做得更好，效果应该像软件工程已经发生的那场转变。她举了一个组合公司的例子：那是一家服务很多客户的公司，市场部「就像屋子里的一个人」，负责市场的人为了给自己造杠杆，做了一个自治的市场部，销售赋能内容这类传统工作都由它完成。她的结论是，在每一个职能里，只要你学得更快、少做琐事，省下的时间总会被用在别处——所以她被问到是不是工作更少了，答案是工作更多，她把这归为 Jensen 的核心智慧：我们会更需要人，关键是要让人拿得到并学得会用这些工具。
— Sarah Guo原话 · 已逐字校验
there's sort of 250-ish people that he thinks about or you guys think about that are some combination of entrepreneurs and researchers and doing the most interesting things on the frontier
大概有 250 个人，是他（和你们）会去关注的那批人，是创业者和研究者的某种组合，在做前沿上最有趣的事情。
Sarah Guo7:08
Now, if the question is, well, I need $750 billion of compute spend, and we have many thousands of people work on this problem. I think people feel less ownership of the outcome.
现在，如果问题变成——我需要 7500 亿美元的算力支出，而且有几千人在做这件事——我觉得人们会对结果少了很多所有权感。
Sarah Guo12:25
I don't think it is a technology or capability or capitalism problem. I think it is a regulatory problem and an alignment problem. And I don't mean like AI alignment.
我不认为这是技术、能力或资本主义的问题。我认为这是监管问题和 alignment 问题。我指的不是 AI alignment。
Sarah Guo14:29
But I think that they have contributed dual-handedly most of the interesting ideas in robotics AI over the last four years.
但我认为，过去四年机器人 AI 里大部分有趣的想法，都是这两个人贡献的。
Sarah Guo19:49
Because the actual attackers or people who have adversarial uses of these things are not affected by your restrictions. You're restricting your own people.
因为真正的攻击者、把这些东西用于对抗性用途的人，根本不受你的限制影响。你限制的是自己的人。
Sarah Guo37:29
I don't think it is inevitable that we are competitive. And I think we need to make that decision actively.
我不认为我们具有竞争力是必然的。我认为我们需要主动做出这个决定。
Sarah Guo39:34
Dumb software investors, you can't make money selling software to pharma or build platform businesses at pharma. The debate is, does it change with models? I'm a strong yes.
愚蠢的软件投资人会说，你没法靠给药企卖软件赚钱，也没法在药企身上做平台生意。争论在于：模型会改变这一点吗？我的答案是强烈的「会」。
Sarah Guo45:51
I'm hopeful that a year from now, we see Jevin's paradox in practice as we have agents and products that do more of the mundane more effectively in all the domains of our lives.
我希望一年后能看到杰文斯悖论在现实中发生：我们有了智能体和产品，把生活各个领域里更多琐碎的事做得更有效率。
Sarah Guo53:07
数字与实体
| Conviction 关注的前沿核心名单 | 约 250 人（创业者与研究者） | 7:08 |
| 研究者设想中的算力支出 | 7500 亿美元 | 12:25 |
| 超大规模云厂商基础设施负责人的判断 | 2030 年前没有能在足够规模上改变局面的东西 | 14:29 |
| Sunday Robotics 两位创始人创业时的年龄 | 约 25 岁 | 19:49 |
| Sarah 现在每周看的新公司 | 4 到 6 家 | 27:05 |
| Sarah 在老东家最初几个月看过的公司 | 500 家 | 27:05 |
| 自动化叙事里提到的时薪 | 13 美元/小时 | 39:34 |
| Chai Discovery 合作的药企 | 多家排名前十的药企 | 45:51 |
| 传统 biotech 机构在新药公司中的持股 | 40% | 45:51 |
术语
- compute independence算力独立
- 她预言这会是下一个大话题：不依赖单一地区的晶圆、玻璃等供应链环节。
- intelligence too cheap to meter廉价到无法计量的智能
- Sam Altman 的说法，指智能像电力一样便宜到不必计量；她认为开源会支撑它。
- Jevons paradox杰文斯悖论
- 效率提高反而让总消耗增加；她用来说明 AI 会让人更忙而不是更闲。
收听指南
看 AI 应用、机器人和算力方向的一级市场投资人，以及关心开源模型与美国算力政策走向的工程师。
30:49 到 33:21 讲父母与成长经历的一段，信息密度最低。