We're sunsetting PodQuest on 2025-07-28. Thank you for your support!
Export Podcast Subscriptions
Deirdre Bosa on Vibe Coding & Vibe Shifts In Silicon Valley
2025/4/2
On The Tape
D
Dan Nathan
知名金融分析师和评论员，常在 CNBC 上提供市场分析和评论。
D
Deirdre Bosa
Deirdre Bosa: 我认为 AI 的发展遵循着清晰的阶段模式：首先是芯片和半导体，例如英伟达和 AMD；然后是基础设施层，例如谷歌、亚马逊和微软 Azure，它们构建数据中心；最后是应用层，也就是建立在所有这些之上的应用程序。我们观察到，今年公共市场上的 AI 交易表现不佳，例如英伟达、微软、谷歌等公司的股价下跌。然而，在我看来，位于湾区的应用层公司却在私募市场蓬勃发展，它们专注于实际应用，并且比基础设施层公司更容易实现盈利。
起初，人们对那些仅仅基于 OpenAI 和 Anthropic 等公司模型之上进行构建的 AI 包装器公司持轻视态度，认为它们没有自己的护城河。但随着 DeepSeek 等技术的出现，使得模型构建成本大幅降低，这些包装器公司也获得了大量的投资。
AI 应用层公司与公共市场上的公司有很大不同。公共市场上的公司，例如亚马逊、微软 Azure 和谷歌，需要投入巨资建设计算能力，其投资回报率并不总是能够令人满意。而 AI 应用层公司则成本低得多，盈利速度也更快，因为它们不需要承担那些高昂的前期资本支出。
Cursor 就是一个很好的例子，它是一款 AI 优先的编码工具，建立在其他模型之上，通过订阅模式盈利，这与亏损数十亿美元的 OpenAI 完全不同。
虽然美国公共市场的 AI 交易疲软，但在中国和 AI 应用层市场却蓬勃发展。阿里巴巴就是很好的例子，它虽然起步较晚，但在中国市场上取得了显著的成功。
中国在 AI 发展方面的策略与美国不同，他们更注重应用层，而非前沿模型。他们利用蒸馏技术来实现前沿水平，然后在其之上构建应用案例。这使得中国 AI 应用层公司在市场上更具竞争力。
苹果公司在 AI 领域的战略似乎落后于竞争对手，他们错失了 AI 应用的机遇，尤其是在中国市场。除非他们与阿里巴巴等公司合作，否则他们的 AI 产品难以在中国市场取得成功。
总的来说，虽然美国在软件和软件技术方面领先，但在制造业方面落后于中国。华为就是一个很好的例子，它不仅在智能手机领域与苹果公司竞争，还在汽车领域挑战特斯拉。
目前，AI 应用层公司估值很高，但这种高估值能否持续还有待观察。私募市场对高估值的容忍度更高，但经济低迷可能会对这些高估值构成风险。
谷歌公司在 AI 产品方面也存在一些问题，他们虽然拥有先进的技术和人才，但将技术从实验室转化为用户产品的能力不足，这使得他们错失了一些重要的市场机遇。
Dan Nathan: 我认为，目前公共市场上那些大型科技公司，例如英伟达、微软、谷歌、亚马逊和 Meta，虽然曾经被认为是 AI 领域的早期赢家，但现在已经失去了创新动力，它们的股价也出现了下跌。
微软与 OpenAI 的合作虽然带来了 Copilot 等产品，但并没有取得预期的成功，Cursor 等 AI 原生应用公司正在对微软构成挑战。Meta 利用 AI 技术改进广告投放，但其 Meta AI 产品并没有实现盈利。亚马逊的 AWS 虽然受益于 AI 的发展，但也缺乏创新。
这些大型科技公司缺乏创新，这使得它们可能面临来自 AI 原生应用公司的竞争。为了增强竞争力，大型科技公司可能会收购 AI 应用层公司。
AI 应用层公司的高估值可能导致并购浪潮。一些创始人可能会选择继续发展壮大，而不是被收购。
在当前的政治环境下，战略并购可能会更加容易。
中国市场上的 AI 发展也值得关注，中国公司在 AI 应用层市场取得了显著的成功，这与美国公共市场上的 AI 交易疲软形成鲜明对比。
苹果公司错失了 AI 应用的机遇，他们需要重新思考其 AI 战略，并可能需要与阿里巴巴等公司合作。
中国公司在制造业方面领先，华为就是一个很好的例子，它不仅在智能手机领域与苹果公司竞争，还在汽车领域挑战特斯拉。
AI 应用层公司的高估值可能无法持续，私募市场的高估值在经济低迷时期可能会面临风险。
谷歌公司在 AI 产品方面落后于竞争对手，他们虽然拥有先进的技术和人才，但将技术从实验室转化为用户产品的能力不足。
总的来说，目前 AI 领域最成功的公司缺乏创新，这使得战略并购成为一个必然趋势。
Deep Dive
Despite massive investments in AI infrastructure and models, public market performance has been underwhelming. The focus is shifting to AI-native applications, which are more easily monetized and have lower upfront costs.
- Underperformance of AI infrastructure companies in public markets.
- Booming private market for AI app companies.
- Lower costs and quicker monetization for AI app companies compared to infrastructure companies.
Shownotes Transcript