主持人對談

072 · 泡沫論、AI 收購與孵化

29:12YouTube 上架 2024-07-18

No Priors Ep. 72 | With Sarah Guo and Elad Gil

兩位主持人先反駁 Goldman Sachs 那份「AI 見頂」報告，再聊 AI 打開的新市場、AI 驅動的收購與孵化，最後談公開市場、小團隊與創辦人的品味。

072 講了什麼

• 反駁「AI 見頂」報告主持人逐一拆解報告裡兩位受訪者的論點，認為那套框架還用舊式 ML 的眼光看 AI；斷言十年內不會有明顯進步也很荒謬，企業採用的大浪根本還沒來。
• 用網路時代對照說大家都會用 AI 所以公司賺不到好處，就像說大家都用網路一樣，但網路時代照樣出了改變成本結構的 Amazon。主持人也轉述 IBM 當年執行長把網路公司比作風暴前的螢火蟲。
• 市場為什麼突然打開一位主持人列出三個原因：新能力橫跨多個領域、用 API 就能取用、很多公司與組織都被要求要做 AI，市場開放的程度是二十年來沒有過的。
• AI 驅動的收購服務業有 5 trillion 的人事成本可以被 AI 改造。主持人討論買下公司、直接重組成本結構的做法，也提到過去的科技加持收購多半只是估值套利，這次的差別在科技槓桿高得多。
• 孵化通常是壞主意，現在有例外一位主持人說多數孵化都做不起來，但現在有些領域擠滿了人、有些明顯該做卻完全空著，加上大企業有需求，可以孵化的機會變多了。
• 公開市場與團隊主持人列出四類值得想的標的，也談到創辦人追求的人均營收、兩三年內哪些職能會先縮編，以及速度與資深主管之間的取捨。

從哪一段開始看16 段

1. 00:05開場與 Goldman 報告這集只有兩位主持人閒聊，先談那份標題大概是「calling the top on AI」的 Goldman Sachs 報告，核心受訪者是 MIT 教授 Daron Acemoglu 與該行全球股票研究主管 Jim Covello。
2. 01:39反駁報告的論點主持人認為 Acemoglu 在談自己不懂的東西，scale 與資料讓模型輸出變好是客觀事實；很多人還用舊式 ML 的眼光看，沒意識到 transformer 這類架構的突破，醫療業常講的「data is the new oil」也是誤解。
3. 03:30預測十年是荒謬的假設技術不會很快變好、變便宜並不合理；企業採用才剛開始，到目前多半還停在跟 vendor 買工具。
4. 05:17網路時代的類比說每個人都用 AI 所以沒有經濟收益，就像說大家都用網路一樣；主持人舉 Amazon 為例，也轉述 IBM 當年執行長的說法。
5. 06:04AI 打開新市場的三個原因新能力橫跨多個領域、用 API 就能取用、不必自建 MLOps，加上很多公司都被要求要做 AI。
6. 07:23服務業與兩種新做法美國軟體支出大約一年半兆美元，服務業的人事成本有 5 trillion；一位主持人和小團隊逐一市場看：有沒有現成的公司、要不要孵化，還是做 AI 驅動的收購。
7. 08:56收購的邏輯收購等於跳過變革管理，直接改造一部分組織的運作；Klarna 用 OpenAI 與自訂流程讓客服少了 700 人，還做到全天候、將近 20 種語言。
8. 10:37反方意見與舊式套利經營服務公司、找標的、做併購，跟以軟體工程為主的新創團隊是不同的技能；過去的科技加持收購多半是用科技倍數去套利私募倍數。
9. 11:57這次有什麼不同科技槓桿比薄薄一層軟體高得多，但要有 PE 與 AI 兩邊的人，否則只是換個名字做 roll-up；有朋友說自動化已經行得通，卡住的是通路，所以等於買下通路。
10. 13:01孵化什麼時候合理多數孵化做不起來，成功的多半垂直專精、握有客戶或點子；新創生態靠數千位創辦人平行探索，每年真正重要的只有三到十家。一位主持人約一年前和 Ankur Goyal 孵化了做 eval 與 prompt playground 的 Braintrust。
11. 17:08想孵化的方向一位主持人在看醫療，也在做一個依託大企業資產的孵化案、正在找創辦團隊，另有服務業與特定領域大模型兩個想做的方向；另一位剛做完一個醫療的案子。
12. 18:11公開市場怎麼看問題是 AI 時代怎麼建投資組合；一位主持人說若能放空，會選沒有速度與意志去改造業務的中後期私人公司與小型上市公司。
13. 19:56四類值得想的標的下一批有數千億到兆級潛力的公司、會繼續成長的既有大型科技公司（例如 Apple 可能迎來 AI 換機潮）、AI 影響不大而顯得耐久的公司，以及 NVIDIA 之外的新 AI 指數。
14. 22:19小團隊與人力縮編創辦人想把人均營收做得很高；但現有的 coding copilot 還帶不來 5x，早期團隊沒什麼人可砍。創辦人估計兩三年後才有實際影響，先縮的是 SDR 與客服。
15. 25:28速度與資深主管技術變動變快，產品速度更要守住；資深主管自帶不同的節奏，有市場拉力的 AI 公司可以更挑剔，找跟得上公司速度的人。
16. 28:05創辦人的品味模型本身是產品體驗的一大塊，所以模型設計常出自創辦人；Midjourney 等創作類產品反映的是創辦人想要的輸出與挑的資料。

值得記的話5 句

• data is not the new oil資料不是新的石油；主持人在反駁醫療業常講的「data is the new oil」02:42

• the internet companies were fireflies before the storm網路公司只是風暴前的螢火蟲；這句主持人引的是 IBM 當年執行長05:33

• the markets are suddenly open in ways they haven't been in two decades市場突然打開了，是二十年來沒有過的06:52

• I think incubations usually are a terrible idea我認為孵化通常是個糟糕的主意13:31

• there's probably like a handful, you know, three to 10 companies a year that actually matter每年真正重要的公司大概就一把，三到十家14:33

名詞與人物10 個

Goldman Sachs report

標題大概是「calling the top on AI」的報告，兩位主持人拆開來反駁。

Daron Acemoglu

報告受訪的 MIT 教授，主張 AI 只會影響不到 5% 的任務，大家花在訓練模型上大約一兆美元的 capex 是浪費。

Jim Covello

報告受訪的 Goldman Sachs 全球股票研究主管，主張 AI 一開始就很貴，效率收益也會被競爭吃掉。

AI-driven buyout

買下既有公司或資產，用 AI 改造成本結構與每位員工的槓桿。

tech-enabled buyout

過去的做法：PE 買下多家公司，包一層薄薄的軟體，拿科技估值去套利私募倍數。

roll-up

把多家公司併在一起；主持人說沒有真正的科技槓桿，就只是換個名字做 roll-up。

incubation

孵化新公司；一位主持人說通常是壞主意，但現在有例外。

Braintrust

一位主持人和 Ankur Goyal 約一年前孵化的公司，做 eval、prompt playground 等產品。

Klarna

主持人舉的例子，用 OpenAI 與自訂流程讓客服人力少了 700 人。

Magnificent Seven

主持人用來討論「下一批大型科技股」的指稱。

提到但沒有展開

• 一位主持人提到，自己和團隊逐一檢視法務、會計、銷售等服務業市場，已經投了一到兩家 AI 驅動的收購。
• 另一位主持人說，懂技術的人通常不是懂產業的人，所以才會有明顯空著的市場；自己第一次參與的孵化案，就是把上一代機器學習用在網路資料上做資安。

在 YouTube 看原片 ↗