11.Turner Novak：假设你在运营一家公司，融资后有 12 到 36 个月的资金储备，如何判断风险区间？毕竟你无法准确预测技术进步的速度。
Eric Vishria：显然，每家公司的情况不同，需要持续调整策略。但如果公司有增长 momentum（动力）或 escape velocity（破局速度），即使资金接近耗尽，也更容易获得后续融资——毕竟市场对 AI 公司的资金供给依然充足，哪怕股市波动，优质项目仍不缺投资。但如果公司既没有增长动能，也缺乏令人信服的叙事逻辑，风险就会显著增加。
12.Turner Novak：未来十年，AI 领域的价值将主要集中在哪里？
Eric Vishria：有趣的是，回顾 90 年代互联网早期，基础设施公司（如思科、Sun）是首批赢家。当时 Nvidia 面临90 多家 GPU 竞争对手，但最终凭借技术壁垒脱颖而出。类似地，AI 领域的第一波浪潮中，英伟达显然是最大赢家—— Peter Thiel 曾说，英伟达攫取了 AI 领域 125% 的利润（因为其他公司仍处于亏损状态），这一说法可能还保守了。
但正如基础设施规模化后催生消费级巨头（如美国宽带普及后 YouTube 崛起，4G 网络成熟后 Instagram 和 Snapchat 爆发），AI 领域也会遵循类似规律：
-
基础设施层：当前以英伟达为代表的硬件和算力公司占据主导，解决“算力供给”问题。
-
应用层：随着算力成本下降和模型能力提升，未来将涌现大量消费级和企业级应用。例如，企业级工具可能在垂直领域深度整合 AI（如 Glean 通过 LLM 重构企业内部搜索），消费级产品则可能围绕“个性化体验”形成垄断。
13.Turner Novak：作为投资人，你现在更倾向于押注哪个方向？
Eric Vishria：我们的工作性质决定了很难自上而下规划机会——关键在于发现那些对市场有深刻洞察、懂技术边界、能将模型能力与具体场景结合的创始人。但 AI 时代的产品开发逻辑与传统 SaaS 截然不同：
-
SaaS时代：创始人从“客户问题”出发，利用云计算等成熟技术提供更好的解决方案（如 Salesforce 用云模式颠覆传统 CRM）。
-
AI 时代：创始人需要从“技术能力”出发，思考“如何将模型特性应用于特定领域”。例如，Cursor 的创始人深谙大语言模型的推理边界，才能开发出精准的编程辅助工具。
这种逻辑反转意味着，技术型创始人可能更具优势——他们需要像 Cerebras 的 Andrew 那样，既懂半导体技术，又能将其与 AI 算力需求结合。
反观传统 SaaS 巨头，多数仍停留在“给产品加聊天机器人或自动补全功能”的浅层改造，真正能利用 AI 重构业务逻辑的案例极少。这背后的原因，一方面是产品开发逻辑的颠覆，另一方面是老牌公司总试图“保护现有业务”，而事实上，他们更该孤注一掷地拥抱新技术。