AI投资新视角：S曲线法则揭示AI繁荣才刚起步
对话嘉宾
Alex Sacerdote : Whale Rock Capital Management创始人兼投资组合经理
Patrick O'Shaughnessy：Positive Sum创始人兼CEO
核心摘要
当华尔街仍在激辩AI是否已陷入泡沫之际，管理130亿美元资产的美国对冲基金Whale Rock Capital掌舵人Alex Sacerdote给出了一个截然相反的论断：企业级AI的实际渗透率尚不足1%，真正以“智能体”形态运用AI的知识工作者更是只占全球总量的万分之一（0.1%）。他将此比喻为一条"倒L型轨迹"——并非传统S曲线那般渐进放量，而是在技术成熟与需求井喷双重驱动下的垂直攀升。
这一洞察源自Whale Rock过去二十年横跨多个技术浪潮（互联网、移动互联网、云计算、新能源车）沉淀出的系统性投资方法论。该框架由三大核心构成：S曲线定位、持久性竞争护城河、以及市场暂时忽视的长期盈利空间。Sacerdote强调，多数投资人习惯线性推演短期趋势，但真正的超额回报来源于捕捉那些处于"从零到五成渗透率"拐点的技术赛道——2019年的特斯拉、2013年的亚马逊AWS、2023年的英伟达都印证了这一点。
本次对话的重点剖析对象是Anthropic。Whale Rock在2025年8月以1800亿美元估值完成投资时，市场尚未充分意识到编程领域已成为AI的首个真正突破口。Claude在代码任务上的能力飞跃，使开发者的人均支出从月均20美元飙升至日均100美元（年化2-3万美元），乘以全球2000万程序员，仅编程赛道就潜藏着5000亿美元的市场规模。更关键的是，基础模型层并未如先前预判那样彻底商品化，反而在特定垂直领域（编程、金融、PDF处理）构筑起差异化的IP壁垒和品牌认知。
对话总结出四大核心洞察：
其一，AI基础设施硬件正经历五十年来最猛烈的"去同质化"进程，从高带宽内存、PCB板、光纤到电源、以太网交换机，每一环节都出现供给紧张与技术壁垒；
其二，传统软件厂商（Salesforce等）面临AI产品创收占比不足2%的尴尬，其定价权与预算优先级同步遭到侵蚀；
其三，投资决策应聚焦"AI收入占比×细分领域市占率"这一复合指标及其变化趋势；
其四，最稀缺的投资认知不是数据处理能力，而是通过"闲聊调研法"（Scuttlebutt Method,成长股投资之父菲利普·费雪独创的调研手法）、技术峰会实地观察、管理团队深度交流所形成的"右脑直觉"。
深度解读
一、AI渗透率真相：从"搜索增强"到"智能体劳动"的倒L型跃迁
市场常引用"8亿AI用户"这一数字，但Sacerdote指出这本质上仍属"AI 1.0"——一个功能增强的搜索引擎。真正的AI原生工作流需要用户将模型深度嵌入操作系统、构建专属技能集、部署自主智能体。按此标准，全球知识工作者中达到这一深度的比例仅为万分之一，即0.1%。
这一极低渗透率解释了为何Whale Rock将当前AI市场定性为"倒L型曲线"。传统技术普及曲线通常经历漫长的平台期（如电动车在2019年前等待电池成本与续航里程的突破），但AI的独特之处在于：仅需一个浏览器窗口即可接入，无需复杂的物理集成或供应链重构。因此，从0.1%到2%-5%再到15%的跃迁可能以每年数倍的速率推进，而非洗碗机或B2B软件那般需要"对接后端系统"的缓慢渗透。
Sacerdote引用Gartner IT Symposium的观察视角：当某公司的技术分论坛从"座无虚席"演变为全天每个时段主会场爆满时，这预示着企业需求即将进入爆发前夜。他曾在VMware、Splunk、AWS身上目睹这一规律，如今在Anthropic及相关AI基础设施供应商中再次观察到相同信号。
企业AI市场的真正瓶颈不在技术层面，而在安全与合规文化。类似于云计算早期的"数据存云端不安全"质疑，当前CIO们对AI代理的权限管控仍有顾虑。但一旦CIA和Capital One等标杆企业完成部署并验证安全性，整个行业的采纳曲线会迅速陡峭化。这也构成Sacerdote判断"可能仍处于AI竞赛开场阶段"的核心依据。
渗透层级
当前规模
评判标准
增长预判
AI 1.0（搜索增强）
约8亿用户
使用ChatGPT等对话界面进行信息查询
已步入平台期
AI 2.0（技能构建）
约100-200万用户
编写自定义技能、对接API、自动化工作流
未来2年增长10倍
AI 3.0（智能体劳动）
约10-15万用户
自主执行多步骤任务、持续自我进化、工具链调用
未来4年渗透率升至2-5%
二、S曲线投资框架：增速、护城河与盈利爆发的三重奏
Whale Rock的投资体系构建于三大支柱之上：S曲线定位、竞争优势、被低估的盈利潜力。Sacerdote强调，三者缺一不可。仅有正确的S曲线但缺乏壁垒的企业（如Palm、Nokia、RIM）终将归零；仅有壁垒但处于S曲线末期的企业（如传统软件巨头）则丧失指数级增长动能。
S曲线的高度（总可触达市场规模）决定了持仓周期。以AWS为例，起初市场认为它解决的是6000亿美元的IT硬件市场，且会带来五成的通缩效应，因此TAM被严重低估。实际上，云计算的性价比并未大幅削减企业总支出，反而因新应用场景的爆发而扩展了TAM。这与当前AI的情形如出一辙：仅编程市场就达到5000亿美元级别，而企业自动化、药物研发、法律服务等领域的潜在空间仍在持续延展。
S曲线的斜率（采纳速度）则取决于技术壁垒被攻克的时间节点。Sacerdote引用Andy Grove的观点：在战略拐点处，你不能迷信历史数据，而必须仰赖直觉与案例验证。他分享了一个关键案例：在移动游戏赛道的S曲线投资中，他观察到中国一个12岁少年用大屏手机畅玩高品质游戏——这比任何研报都更早揭示了手机游戏即将井喷的拐点。
S曲线的退出时机同样举足轻重。通常，当渗透率触及30%-40%时，指数增长阶段落幕，卖方预期追上现实，连续超预期业绩不再出现。Whale Rock在2012年减持苹果，当时美国智能手机渗透率已达五成，尽管苹果后来仍能通过服务业务实现20%的年复合增长，但早期每年50%-70%的涨幅已成过往。这一经验被应用于当前AI投资：只要渗透率仍在个位数，就远未到考虑减仓的时刻。
三、基础模型层的寡头格局与Anthropic的差异化路径
2023年初，市场上活跃着超过60家基础模型创业企业。彼时的主流预判是两极情景：要么赢家通吃，要么彻底商品化（利润率归零）。历经三年竞争，结局渐趋明朗：几乎所有创业企业消亡，大型科技巨头中亚马逊未真正入局，Meta的早期尝试受挫后被迫全面重启。最终，OpenAI、Anthropic和Google（Gemini）形成三足鼎立的寡头格局。
这一格局与云计算市场（AWS、Azure、GCP）高度吻合——并非赢家通吃，但前三名攫取了绝大部分份额并享有卓越的经济效益。Sacerdote认为，基础模型层的差异化程度远超早期预判。不同模型在特定任务上呈现显著优势：Anthropic在编程、金融分析、私募股权领域领先；Google在PDF解析和多模态输入方面表现突出。这些差异源自训练方法、数据配比、强化学习反馈机制的不同，且难以被竞争对手快速复制。
Anthropic的独特之处在于其"企业级专注"与"编程领先地位"形成的正反馈循环。Claude Code工具的智能体能力使开发者愿意日均支出100美元的token，这反过来为Anthropic贡献了海量的高质量编程交互数据，用于递归式改进模型。Andrej Karpathy和Linus Torvalds在过去一年中态度发生180度转变：从"AI能写20%的代码"到"我再也没手工写过一行代码"。
Whale Rock投资Anthropic的过程本身就是一个研究范例。团队在2023年观察了其600亿美元估值的融资轮但未参与，理由是毛利率为负且编程市场尚未爆发。随后，通过分析师与Anthropic财务团队的接触、与CEO Dario的深度交流、以及使用Claude Code对编程市场进行的90页PPT尽职调查，他们逐步建立了信心。到2025年8月1800亿美元估值轮次时，公司收入已从1亿增长至10亿并向90亿迈进，且团队稳定性极佳（几乎无人员流失）。Sacerdote总结：从错过到重仓，核心变化是对"编程作为杀手级应用"这一逻辑的确认。
四、编程：AI的第一个万亿级应用市场
编程是AI目前最清晰、最可量化的价值创造领域。Sacerdote拆解了其市场规模的计算逻辑：全球约2000万程序员，如果每位程序员每年为AI编程工具支付2-3万美元（每日100美元），则仅编程一个细分市场就达到5000亿美元。这还仅是直接工具费用，不包括生产力提升带来的额外经济价值。
为何编程成为首个爆发点？因为编程具有"可验证性"和"高重复成本"的双重特征。一段代码要么编译通过，要么产生正确输出，不存在模糊性；同时，资深工程师的时间成本极高，任何能节省20%时间的工具都能快速获得付费意愿。早期Copilot类产品（月均20美元）仅能完成代码补全和语法纠错；而Claude Code级别的智能体可以自主理解需求、生成完整模块、运行测试、修复错误，真正替代了初级到中级工程师的大部分日常工作。
Sacerdote引用了Anthropic内部的数据：即使在模型能力尚未完全成熟的阶段，重度用户每日token消耗已达100美元。随着代码智能体能力的持续提升，这一数字还在上升。更重要的是，编程能力的突破将引发连锁反应——一旦AI能够可靠地编写软件，它就能递归地改进自身架构，加速整个行业的创新步伐。这也解释了为何Whale Rock将Anthropic定位为"最高信念持仓"的核心原因。
编程市场还有一个被忽视的维度：它激活了"从未学过编程的人"。自然语言编程意味着业务专家可以直接将流程转化为软件，这大幅扩大了潜在用户基数。虽然这一群体目前贡献的收入有限，但长期看，它是将AI总可触达市场从"程序员"扩展到"所有知识工作者"的关键桥梁。
五、传统软件行业的生存危机：从"规则40"到"AI规则40"
Whale Rock在2023年初曾认为，现有企业软件巨头（Salesforce、SAP、Oracle等）将受益于AI——它们拥有庞大的客户基础、专有数据和成熟的销售渠道。但经过18个月的观察，Sacerdote团队得出了相反的结论：几乎所有传统软件公司的AI产品创收占比不足2%，无法对整体业绩产生实质性影响。
更严峻的是，AI正在侵蚀传统软件的定价权和预算优先级。CIO的AI采购清单上，Anthropic和OpenAI的token支出排在第一位，因为其投资回报率最快（替代人力成本）。这直接挤压了其他软件预算。同时，软件公司每年例行涨价的惯例已被打破——客户会质疑"为何我要为旧架构支付更高价格，而AI正在重构同一功能"。最后，部分企业开始冻结招聘甚至裁员，直接减少了按坐席收费的软件收入。
Sacerdote提出了一个"AI规则40"来替代传统SaaS行业的"规则40"（增长率+利润率≥40%）。对于硬件和基础设施公司，他更关注"AI收入占比×细分领域市占率"这一复合指标。例如，若一家公司30%的销售额来自AI相关业务，且在该细分市场占有30%份额，则乘积为9——这是一个健康水平。但传统软件公司的AI收入占比通常仅为1%-2%，即使有较高市场份额，乘积也低于0.5。这意味着它们在未来几年的增长引擎仍将被旧业务拖累。
当然，也存在一个反向的乐观情景：AI智能体可能反而巩固了某些软件平台的地位。因为智能体在使用工具时，会直接调用现有的SaaS API（如Slack、Salesforce、Workday）。如果智能体成为企业工作流的主要界面，那么被调用的软件就变成了不可或缺的后端基础设施。但这一逻辑成立的前提是，该软件拥有网络效应或深度集成——Slack的"所有人都在那里"比其软件功能本身更具粘性。Sacerdote承认，这一场景仍在早期观察阶段，尚未形成明确投资结论。
六、硬件复兴：AI数据中心推动的半世纪未遇的去同质化浪潮
过去40年，数据中心硬件几乎停滞创新。x86架构成为事实标准，每18-24个月的摩尔定律恰好匹配了计算需求的线性增长，导致整个供应链商品化——从服务器、内存、PCB到交换机，供应商只能赚取微薄利润，升级周期长达7年。AI的出现彻底颠覆了这一格局：训练计算需求每年增长10倍，倒逼每一层硬件突破物理极限。
Sacerdote列举了多个案例。高带宽内存从普通DRAM演变为10层堆叠的复杂芯片，输入输出带宽提升10倍，三星花费数年才掌握量产工艺。PCB层数从普通服务器的10层增加到AI服务器的40层，合格供应商数量急剧减少，单位售价和毛利率同步上升。以太网交换机的升级周期从7年压缩至每年一代，且软件层（开源SONiC）的复杂性使得先发者（Celestica）获得50%-60%的云以太网市场份额。
Celestica本身是一个极具启发性的投资案例。这家公司曾是1999年以来"灾难性行业"中的普通合同制造商，业务外包至中国，估值仅8倍市盈率。但Whale Rock发现，它保留了IBM超级计算机时代的工程人才，成为Google TPU服务器的唯一供应商。AI服务器不再是5000美元的廉价设备，而是20-30万美元的液冷精密仪器——一旦故障会导致整个集群宕机，因此客户粘性极高。类似逻辑适用于光纤供应商Corning：一个微软数据中心使用了足以环绕地球4.5圈的光纤，而Corning的纤芯更细、弯折性更好，且正从"机架内铜缆"向"机架间光纤"的升级中受益。
这一硬件复兴的宏观背景是：当前所有关键组件（DRAM、NAND、PCB、高带宽内存、先进封装）均已出现30%的供给短缺。即使AI模型改进速度放缓，已部署和计划中的数据中心仍需大量硬件。Jensen Huang多次强调"如果够好就行，我的生意就不存在了"——正是每年持续的性能提升迫使客户不断升级，才创造了持续的定价能力。对于一级市场投资者而言，硬件层的投资逻辑清晰且可量化：每个GPU功耗增加50%-125%，直接拉动电源供应商的单价和利润率；每个服务器的网络连接需求指数级增长，推动光纤和交换机的价值量提升。
硬件层
传统形态
AI驱动变革
竞争优势