scripod.com

169: 访谈 Cerebras 早期投资人周楠:英伟达挑战者?Scaling Law 的萌芽、被遗忘的百度美研

晚点聊 LateTalk
本期节目邀请高通创投投资人周楠,从 Cerebras IPO 切入,回顾九年前在百度美研期间投资这家 AI 芯片公司的经历,探讨 AI 算力趋势、Scaling Law 的萌芽,以及百度美研在 AI 历史中的独特角色。
周楠分享了投资 Cerebras 的决策过程,当时团队预见到模型规模增长需要更强大的芯片,而英伟达 GPU 并非为深度学习优化。百度美研的研究员通过模拟器验证了 Cerebras 的晶圆级引擎架构,尽管存在流片延迟等风险,但团队韧性和创始人能力让投资得以通过。周楠还回顾了百度美研的高人才密度,以及地缘政治导致其错失投资 OpenAI 等公司的遗憾。他认为当前 AI 推理需求爆发,Cerebras 的低延迟方案价值凸显,但客户集中度和英伟达竞争仍是挑战。物理 AI 和推理优化是他看好的下一阶段投资方向。
00:05
00:05
九年前投资 Cerebras,见证 Scaling Law 萌芽
07:15
07:15
Cerebras 只是特定工作负载上的挑战者
11:17
11:17
不能仅依赖英伟达,需要供应链和战略自主性
18:28
18:28
推理市场可能无上限
27:10
27:10
AI 进步依赖更大模型、数据和算力
29:02
29:02
模型更大、数据更多、训练更久、算力更强,模型表现就会持续提升
32:17
32:17
团队强、架构颠覆性,最终被选中
45:02
45:02
百度美研是硅谷的黄埔军校
46:19
46:19
投决会仅两天就通过投资
57:13
57:13
半导体行业需要长期积累和人脉
1:03:45
1:03:45
无人认同其 AI 投资方向
1:06:03
1:06:03
不信任 Sam Altman 对安全的重视
1:10:55
1:10:55
Dario 虽非科班,但因其对 AI 的深刻构想被发掘
1:12:23
1:12:23
地缘政治导致百度美研人才流失是关键
1:23:07
1:23:07
推理成本优化将提升 AI 商业模型
1:30:23
1:30:23
早期投资会形成飞轮效应,雪球越滚越大
1:31:11
1:31:11
物理 AI 的容错率高于自动驾驶
1:35:50
1:35:50
AI 算力从训练转向推理,异构芯片和 CPU 创业机会涌现