56. 硅谷国庆见闻 - 愿天下处处是泡沫

时差改变了泡沫问题

刚到硅谷，Raymond 就遇到一位准备转让 Anthropic 老股的朋友。对方在 2023 年买入，如今想把退出的钱投向一间由教授发起的 New Lab 的首轮融资；在这条个人时间线上，持有已是三年，下一笔下注已经开始。回到国内后，Raymond 被反复问到 Anthropic 能否买、硅谷是否有泡沫，却觉得这两个问题很难从那位早期投资者的角度回答。

他把这种差别称作时差。二十天里的密集会面让他感到，每个人手上都有不止一件事：大厂员工私下筹备项目，创业者也在做投资，身边总有人刚拿到大额融资；饭桌上的话题则绕着收购是现金还是股票、新基金能否募到钱打转。这样的场景令他想起 2014 至 2015 年的中国互联网。

他还把硅谷与华尔街的预期差放在一起。外部市场会追问下一项收入、下一个可复制的产品，或技术能否进入更大的应用领域；他接触到的 OpenAI、Anthropic 从业者给他的印象却是招聘、加班和版本发布已经占满日程。这当然只是他的接触范围，却解释了为什么同一句泡沫疑问，在不同参与者那里会显得轻重不同。

New Lab 的估值与退出逻辑

Raymond 先谈了 New Lab 面临的压力。他收到 Thinking Machine Lab 的老股交易线索后，注意到该公司的二级份额正在频繁流转；节目还提到，该公司曾在没有产品时以很高估值融资，并期待在 2025 年末启动下一轮更高估值的融资，但那一轮并未完成。这些线索构成了他对热度降温的观察。

他引用 Leonis Capital 的统计称，119 家 New Lab 合计向市场寻求 943 亿美元，只有 16 家公开披露过收入。按他的转述，许多团队尚未显示明确的产品与市场匹配，甚至还没有产品。若只看产品、收入和估值之间的落差，这确实像一场风险很高的融资潮。

不过，Raymond 在硅谷听到的投资理由并不以产品是否已经做成作为唯一前提。一些知名教授或其学生发起的项目，能让熟悉学术圈的人在天使轮或种子轮进入；即使项目后来未做出预期成果，早期持有人仍可能在后续融资中退出。这个逻辑同时取决于教授的声望、人际关系、后续资金是否到位，以及少数高价收购带来的想象空间。

他对这种机制的态度偏正面。美国高校允许教授和学生去业界尝试，失败后仍有回到学校的路径；在他看来，研究者有机会获得高收入，会让更多人愿意走进 STEM 研究和创业。节目没有回避学术圈里的竞争与传闻，但把制度的容错和上行回报视作创业潮的一部分背景。

数据公司的组织与交付

模型训练的重心变化，是 Raymond 看到数据公司走到前台的原因。他认为，中美团队在训练方法上未必有本质鸿沟，差别更多落在算力和资金；前沿模型的投入则越来越集中在后训练、强化学习环境和可扩展的基础设施上。这是他的行业概括，不是对所有模型团队能力的排序。

关于下一批需求来自哪里，节目保留了不确定性。Raymond 转述的一种行业判断是，编程场景已经覆盖了大部分容易获得回报的需求，剩下的任务回报较低；2027 年的重心未必仍是编程。新的领域、哪些数据有用、如何把专家组织起来，仍在摸索中。于是，数据公司必须与模型团队一起判断下一个领域需要什么，而不只是等客户发来外包清单。

这种生意的矛盾也很清楚。Raymond 举例说，一条有价值的数据可能卖到一万到数万美元，但项目常常很重运营：项目经理需要随时响应客户，专家、数据和要求要在很短时间内重新配合。过去两年，现金回款快、却难以无限扩张的业务不太符合传统风险投资偏好的高规模叙事；现在，随着大模型继续投入算力和数据，这部分预算又变得值得争取。

DeepMind 的速度与资源分配

节目回到 DeepMind 时，先复述了 Raymond 过往访谈嘉宾 Louis 的离职原因：Google 很早就有大模型和个人智能体方向的工作，却较晚推出面向用户的产品；Gemini 成为公司最高优先级项目后，参与决策和转述的人层层增加。这些是 Louis 在此前节目中表达的个人经历，Raymond 用它来说明组织变大后可能出现的速度问题。

这次硅谷之行又给了他另一组解释。根据他听到的说法，训练数据一旦涉及用户面孔等隐私信息，合规成本会很高；一位受访者特别强调，Apple 与 Google 不会用用户隐私训练。同时，Google 的算力还要在 DeepMind 与 GCP 之间分配。Raymond 转述，这位受访者认为，在算力紧张时，GCP 的商业价值可能高过研究价值许多倍，分配因此是 CEO 层面的公司决策。

数据和算力是 Raymond 从几段交流中得到的补充因素，具体资源配置仍需内部资料才能核实。他的感受是，Google 的技术能力没有必要被低估，但竞争者持续进步，发布领先成果的门槛也在抬高；今天显露出的组织、数据与资源矛盾，其他公司同样可能遇到。

跨境考察遇上采购现实

Raymond 说，硅谷对中国模型和中国 AI 产业的兴趣正在升温。在他的竞争叙事里，DeepMind 身后的一席常由不同中国模型轮替，Kimi、DeepSeek 和 GLM 都是他举过的例子；他没有给出统一的排名标准，这句话意在概括竞争气氛。他还提到多位海外从业者到中国活动，也观察到 Founders Fund、Coatue 等机构组织考察行程，重点看中国的大模型和机器人公司。按他的理解，这种兴趣中掺杂着担心：如果中国团队能以不同的成本结构做出有竞争力的模型，许多缺乏产品和技术优势的 New Lab 会显得更脆弱。

国庆期间，他也为国内大公司安排了与硅谷 AI 服务公司的会面，目的包括采购服务、投资或收购。一家 YC 招聘公司的创始人曾在 TikTok 做推荐，产品看上去熟悉 AI 工具和工作流；不过 Raymond 觉得，对方提出的一些招聘问题显示其行业理解尚浅。这次会面只能说明他对这名创始人的行业理解持保留态度。

会面之后的反馈更让他在意。国内客户讨论的不是直接购买，而是是否能让内部研发做出类似产品。Raymond 由此担心，国内企业对企业服务的付费意愿不足，会让考察、演示和商务合作逐渐失去基础。技术考察带来供给侧的兴奋，不等于需求侧已经愿意为服务持续付费。

更年轻的 YC 创业者，面对更窄的就业入口

在 Raymond 看来，YC 的扩张改变了创业者的供给。节目称，YC 已从一年两期扩展到一年四期，一个批次接近两百家公司；按照每家公司两三名联合创始人估算，一年进入体系的人数已接近一所大学的毕业规模。他还转述了一组年龄变化：2015 至 2022 年间，YC 创始人的平均年龄大致在二十八至三十岁，2023 年约为二十八岁，2024 年约为二十七岁，2025 年约为二十六岁；他对 2026 年的更低年龄只是预测。

Raymond 认为，美国大公司正在收缩初级职位和部分实习项目，应届生找好工作更难；创业环境反而可能给年轻人资金和容错。创业成功并被收购后，创始人也许能以高职位进入大公司，路径比在组织里逐级晋升更短。他用这组对照解释自己看到的激励结构，而非把创业当作对每个人都成立的职业承诺。

问题在于，许多最被看好的方向仍是企业服务。一批经验有限的年轻创始人向企业卖产品，客户又常是刚融资、快速成长的种子轮到 A 轮公司；在 Raymond 的观察里，YC 毕业生很容易彼此成为客户。这能让早期市场迅速动起来，却不自动说明产品已跨过更广泛的企业需求。

收购可以是出口，也可能只是一个说法

Raymond 把美国较多的并购机会视为生态的一部分。上市公司需要新的增长叙事，股票又可以作为交易货币；创始人看到有人短期内被收购，便更愿意加入下一轮创业。节目还提到 AI 行业近期的大额交易，用来说明这种退出预期为何会影响派对和饭桌上的情绪。

但他也专门讲了收购叙事被夸大的另一面。在一次饭局上，一名学生说自己的项目被 acquihire；继续追问后，Raymond 得知那更像是一份新工作，没有现金或股票对价。另一位投资人向他抱怨，市场中有人把很小的回款包装成收购成功，甚至发出大量公关稿。两个故事都只是个案，却足以提醒交易外的人：听到公司卖掉了，仍要问清是现金、股票、人才招聘，还是其他安排。

华人网络与职业去向

这趟行程还让 Raymond 感到，华人创业者、投资人和大厂员工的存在感比他预想中更强。他在活动、会议和餐厅里频繁被认识，接触到的多是先在国内读书、再赴美深造和工作的年轻人。节目转述一位大型基金投资人的看法：随着这类人群基数变大，硅谷中的华人创业者可能形成更大的创业群体。Raymond 说，他也看见不少新的华人 GP 开始活跃。

节目里反复出现的问题是下一步去哪里。一位刚入学三周的博士生已经盘算辍学创业；一名硬件负责人刚介绍完原公司的产品，随即向投资人推介自己的副业；一位在 Microsoft 做后训练的员工担心被替代，离职去做新的云服务；一位已经卖过公司的创业者则觉得做 VC 或许更轻松。这些人物各自的决定未必相同，但都发生在资金、职位与技术路线都快速重排的时期。

Raymond 最终又回到 2014 至 2015 年的中国。那时同样有过热、焦躁和赶不上车的感觉，也有一批公司在热潮中长大。在他的讲述里，泡沫这个词更多指向密集的行动与机会感：人们愿意尝试、愿意投资，于是新的公司和路径不断出现。