算力的卡點不是技術，是要說服人接受數據中心
一位超大規模雲廠商的基礎設施負責人告訴她，2030 年前沒有能上足夠規模的東西。她認為這不是技術、能力或資本主義的問題，而是監管與說服的問題。
原視頻在 YouTube 上放不出來，用音頻聽：
核心論點 · 點時間戳可跳到原聲
只盯 250 個人就夠了
她複述合夥人 Mike 的框架：真正在前沿推進這件事的，大約只有 250 個創業者與研究者的組合，就是那群早上真的在把事情往前推的人；Conviction 的目標是認識他們全部、儘可能靠近他們、用各種方式支持他們。她把這和「從廉價座位上約人開會」區分開。這也解釋了她為什麼說早期投資的競爭並沒有想像中激烈：只要真的去理解技術、社區，用第一性原理切入，就可能比不夠專注的人拿到更好的進入權和更好的判斷——剩下的被她稱為執行問題。
— Sarah Guo研究者開始覺得自己不重要
她把當下形容為 violently competitive，而且這種競爭是敘事性的：過去 12 個月，很多研究者開始相信遞歸自我改進意味著一兩年內出現指數級智能——Karpathy 會自嘲說，他大概已經「還有兩年」說了十年。真正讓她在意的是所有權感的消失。OpenAI 只有兩百人時，每個人都能感到自己推動了什麼；當問題變成「我需要 7500 億美元的算力支出、幾千人一起做」，人們會覺得結果跟自己關係不大。她把這歸納為兩種同樣讓人無力的信念：我做什麼都無所謂，因為模型會做；或者唯一重要的是算力規模。
— Sarah Guo算力瓶頸是監管，不是技術
她本週和一家超大規模雲廠商的基礎設施負責人聊天，對方的說法是 2030 年前沒有東西能在足夠規模上改變局面——她用了 depressing 這個詞。她認為這不是技術、能力或資本主義的問題，而是監管問題和 alignment 問題，並且特意強調不是 AI alignment：想在紐約建數據中心，得先讓紐約人希望那裡有數據中心；想讓核電作為基荷電力有競爭力，就得讓人相信它安全、允許建足夠多的機組把成本曲線壓下來。她還說，實體供應鏈、隱性知識、勞動力和原材料這條線不可能有軟件的速度——唯一的辦法就是投進去。
— Sarah Guo靠履歷下注是危險的
她點出一個現象：很多人應該、也確實在投技術賭注，但對技術本身的理解深淺不一，於是判斷被代理給了履歷和其他可讀信號——誰投的、誰推薦的，決策因此變得不那麼基本面。她講了一次和朋友的分歧：她問這家公司憑什麼能變得很大，對方的回答基本是「你知道這個人有多強嗎」；她認識這個人八年，而對方自己也承認，這門生意裡的技術邏輯他說不通。她的結論是，人們在對技術毫無直覺、毫無觀點的情況下做大規模研究型下注，而除了這個人的履歷之外對生意沒有任何觀點，是危險的。
— Sarah Guo機器人 AI 的關鍵想法出自兩人
她和合夥人 Pranav 在 Tony Zhao 和 Chang Chi 還是斯坦福 PhD 學生時認識了他們——兩人在 Toyota Research、DeepMind 和 Tesla 待過，創業時大概 25 歲，其中一個沒讀完。她看完他們的工作後判斷：過去四年機器人 AI 裡大部分有趣的想法是他們貢獻的。他們攻的是機器人的泛化與魯棒性問題——行業都相信只要有了機器人數據的互聯網，通用機器人自然到來，卡點是從哪弄到這些數據。所以他們把「怎麼用最便宜的方式採集能覆蓋真實環境和任務分布的數據」當成技術問題解。這家公司成立不到兩年，團隊相信今年年底就能有通用半人形機器人在家庭裡做事的 beta。
— Sarah Guo限制開源只會打到守法者
她的判斷是貓已經出籠：過去三年，來自各方的開源模型越來越有競爭力，主要來自中國，但也有美國和歐洲的。即便完全不看實驗室的經濟賬，只看能力如何擴散進經濟，也有大量場景使用前沿廠商的模型太貴、太敏感或者太慢，而這個比例只會上升。所以如果美國限制開源模型的使用，實際效果是限制守法的美國企業、拖慢它們、把利潤轉移到別的口袋；真正的攻擊者不受影響。她主張在前沿做嚴格的安全測試，真正去查清楚，而不是停留在「中國模型可能有後門」的猜測上。她也不認為富足智能是必然的：如果人們因為害怕失業、反感少數公司收租而轉向反資本主義，這種情緒會拖慢能源和基建。
— Sarah Guo模型改變了生物學賺錢的定論
她說生物學是她「看到經驗數據後強烈站到一邊」的領域。舊結論是：在 biotech 或服務藥企這條路上，唯一賺錢的方式是做出一個藥、拿到 Biobux 交易、再決定自己願意承擔多少風險；對應的資本結構是好的傳統 biotech 機構找到首席研究員、擁有公司 40% 的股份、把東西拼成候選藥物，而大多數都失敗。所以「你沒法靠給藥企賣軟件賺錢、也沒法在藥企身上做平臺生意」。她的辯論是：模型會不會改變這件事，她的答案是強烈的「會」。她投的公司 Chai Discovery 正在和多家排名前十的藥企深度合作，加速 R&D 的某一段。她也承認監管和物理世界的速度這兩個問題還沒解決。
— Sarah Guo一個人的市場部會變成常態
她對一年後最希望看到的，是傑文斯悖論在現實中發生：智能體和產品把生活各個領域裡更多瑣碎的事做得更好，效果應該像軟件工程已經發生的那場轉變。她舉了一個組合公司的例子：那是一家服務很多客戶的公司，市場部「就像屋子裡的一個人」，負責市場的人為了給自己造槓桿，做了一個自治的市場部，銷售賦能內容這類傳統工作都由它完成。她的結論是，在每一個職能裡，只要你學得更快、少做瑣事，省下的時間總會被用在別處——所以她被問到是不是工作更少了，答案是工作更多，她把這歸為 Jensen 的核心智慧：我們會更需要人，關鍵是要讓人拿得到並學得會用這些工具。
— Sarah Guo原話 · 已逐字校驗
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 個人，是他（和你們）會去關注的那批人，是創業者和研究者的某種組合，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.
現在，如果問題變成——我需要 7500 億美元的算力支出，而且有幾千人在做這件事——我覺得人們會對結果少了很多所有權感。
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.
我不認為這是技術、能力或資本主義的問題。我認為這是監管問題和 alignment 問題。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.
但我認為，過去四年機器人 AI 裡大部分有趣的想法，都是這兩個人貢獻的。
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.
因為真正的攻擊者、把這些東西用於對抗性用途的人，根本不受你的限制影響。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.
我不認為我們具有競爭力是必然的。我認為我們需要主動做出這個決定。
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.
愚蠢的軟件投資人會說，你沒法靠給藥企賣軟件賺錢，也沒法在藥企身上做平臺生意。爭論在於：模型會改變這一點嗎？我的答案是強烈的「會」。
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.
我希望一年後能看到傑文斯悖論在現實中發生：我們有了智能體和產品，把生活各個領域裡更多瑣碎的事做得更有效率。
Sarah Guo53:07
數字與實體
| Conviction 關注的前沿核心名單 | 約 250 人（創業者與研究者） | 7:08 |
| 研究者設想中的算力支出 | 7500 億美元 | 12:25 |
| 超大規模雲廠商基礎設施負責人的判斷 | 2030 年前沒有能在足夠規模上改變局面的東西 | 14:29 |
| Sunday Robotics 兩位創始人創業時的年齡 | 約 25 歲 | 19:49 |
| Sarah 現在每週看的新公司 | 4 到 6 家 | 27:05 |
| Sarah 在老東家最初幾個月看過的公司 | 500 家 | 27:05 |
| 自動化敘事裡提到的時薪 | 13 美元/小時 | 39:34 |
| Chai Discovery 合作的藥企 | 多家排名前十的藥企 | 45:51 |
| 傳統 biotech 機構在新藥公司中的持股 | 40% | 45:51 |
術語
- compute independence算力獨立
- 她預言這會是下一個大話題：不依賴單一地區的晶圓、玻璃等供應鏈環節。
- intelligence too cheap to meter廉價到無法計量的智能
- Sam Altman 的說法，指智能像電力一樣便宜到不必計量；她認為開源會支撐它。
- Jevons paradox傑文斯悖論
- 效率提高反而讓總消耗增加；她用來說明 AI 會讓人更忙而不是更閒。
收聽指南
看 AI 應用、機器人和算力方向的一級市場投資人，以及關心開源模型與美國算力政策走向的工程師。
30:49 到 33:21 講父母與成長經歷的一段，信息密度最低。