AI 初创公司的下一个护城河：自建算力

你有没有注意到，最近一批真正跑出来的 AI 公司，有一个共同点开始浮现：它们都在悄悄买 GPU。不是租，是买。ElevenLabs 的创始人 Piotr 早期把一堆 GPU 直接搬进自己家里，从家里的机架开始，一路扩到今天的大规模集群。Speechify（全球领先的 AI 语音和文字转语音平台，全球超过 6000 万用户）的 CEO Cliff Weitzman 最近在 20VC 的访谈里，把这件事讲得更直白：他们正在花数千万美元购买 Nvidia GPU，甚至愿意为了提前四个月拿到新一代芯片，每台额外多付十万美元的溢价。

这不是有钱烧的任性举动。Cliff 的逻辑背后，是一套关于 AI 原生创业公司该如何构建核心竞争力的完整判断。我听完整个访谈之后，觉得自建算力这件事，正在从一个财务决策，演变成一个战略信号——它在标志着 AI 创业进入了一个新阶段：光靠调 API 搭产品已经不够了，谁掌握算力、数据、模型三位一体，谁才能在下一轮竞争里真正跑出来。这个判断，可能是当下 AI 创业圈里最被低估、也最值得认真对待的趋势之一。

先把账算清楚，自建算力的经济逻辑

在讲战略之前，先把最基础的数学搞清楚，因为很多人对这件事的第一反应是"买 GPU 太贵了"，但 Cliff 的算法完全颠覆了这个直觉。

一张 H100（Nvidia 旗舰训练 GPU）的购买价格大概在 3 万美元左右。如果你从 GCP（Google Cloud Platform，谷歌云）租用同一张卡的 spot instance（按需临时实例），每小时大概 5 美元；从 Azure 或 AWS 租，可能是 3.5 美元每小时。换算成一整年，租用成本在 3.5 万到 5 万美元之间，但你直接买断只需要 3 万。也就是说，租一年的成本是买断的 1.5 倍。而 GPU 的实际寿命远不止一年，Nvidia 官方质保是三年，但在数据中心良好维护的环境下，十年都完全没问题。这么算下来，自建的财务优势是压倒性的。

这里有一个很多人忽略的关键区分：training（训练，即让模型学习新数据的过程）和 inference（推理，即模型实际响应用户请求的过程）对 GPU 的要求完全不同。Training 需要最新最快的卡，因为训练速度直接决定迭代节奏，每一分钟的等待都是和竞争对手之间的时间差；但 inference 对延迟容忍度更高，老卡完全够用，成本还低很多。Cliff 说 Speechify 现在依然大量使用更老款的 A100 做 inference，跑得很好。新卡做 training，老卡做 inference，两套体系并行，没有一张 GPU 是闲置浪费的。

而且 GPU 和手机、MacBook 完全不同。你一次只能用一部手机，但一百张 GPU 可以同时全速运转，同时为数千万用户提供服务。所以旧 GPU 不会像旧手机那样躺在抽屉里吃灰，它会一直在产生价值，只是承担的任务类型不同。Cliff 说得很直白：即使某张卡旧到不适合做 training 了，拿来做 inference 依然完全合格，资产的生命周期被充分拉长。

Cliff 还提到了 Nvidia 最近和 Blackstone、BlackRock、Apollo、Goldman Sachs 达成的一笔大额交易。Nvidia 承诺为购买 GPU 的贷款提供最高 25% 的回购担保——如果借款方破产，大型金融机构可以把 GPU 卖回给 Nvidia 变现。这实际上是在为 GPU 创造一个有流动性的二级市场。一旦有了这个担保机制，银行有动力以更低利率为 GPU 采购融资，整个买卡的资金成本会进一步下降。Cliff 把这个类比为当年 Elon Musk 创立 Solar City 时说服摩根士丹利为太阳能板提供贷款的那套逻辑——把硬资产变成可融资的抵押品，整个市场的玩法就彻底变了。GPU 现在正在走向同一条路。

所以单纯从财务角度看，长期持有 GPU 的 ROI（投资回报率）远高于把钱存银行或买债券。Cliff 说最好的长期债券大概能给你 5% 的年化收益，但买 GPU 相当于每年节省了 1.5 倍于购买成本的租用费，这个回报率完全不在同一个量级。如果你有多余的资本，与其存着，不如买 GPU，这是他给出的建议。

买 GPU 这件事，没人告诉你的那些坑

光是算清楚账还不够，实际去买 GPU 是另一套功夫。Cliff 说了很多细节，让我意识到这里面的复杂程度完全超出一般人的想象，而这种复杂度本身，也构成了一种壁垒——不是每家公司都有能力把这件事做好。

Nvidia 不会直接卖给一家创业公司，你得找它的合作伙伴。比如 Dell，很多人以为 Dell 是卖电脑的，但 Cliff 说 Dell 现在实际上已经是最主要的 GPU 机架供应商之一。然后你面对的问题是全球性的产能紧缺。一批货明明签好了合同、约好了交期，但因为全球需求太大，延迟一个月到货都是家常便饭。Cliff 提到他和法国供应商 Pierre 之间发生过这种拉锯战：货迟迟没来，他不得不拿着其他家的报价去施压，甚至以取消合同相威胁，才把货催出来。与此同时，他还在跟 Nvidia 或 Dell 谈，愿意多付钱提前交货、跳过排队。这种供应链管理的能力，是普通软件公司完全没有的肌肉。

货催来了，麻烦还没结束。那辆运着价值好几栋房子的 GPU 的货车，在路上你有没有买保险？如果运输过程中湿度过高、发生碰撞，损失是灾难性的。Cliff 说这是一个大多数人根本想不到的环节，但金额一旦出错，损失是完全无法承受的。然后是数据中心的选择问题，你得租数据中心的空间，数据中心提供网络、电力和现场工程师，帮你把机架从卡车上卸下来、安装好、维护好。而电力是现在最大的瓶颈——不是所有数据中心都有足够的电力容量来支持大规模 GPU 集群。

再就是冷却的问题。最新一代的 Rubin（Nvidia 最新旗舰 GPU 系列）是液冷设计，但大多数数据中心的基础设施是按气冷建的，液冷管道根本没铺。Speechify 的解决方案是购置一个叫 sidecar 的液冷附件，安装进数据中心，再雇数据中心工程师帮忙装配。听起来不复杂，但每一个环节都要自己去研究、谈判、执行——哪家 sidecar 供应商靠谱、数据中心有没有空间安装、工程师的档期如何协调，全是要自己搞定的事情。

我认为这些摩擦成本恰恰说明了一件事：租用云服务不是没有代价，而是把这些麻烦外包给了云服务商，你为此付出的是长期溢价。这个溢价值不值，取决于算力对你来说是不是核心战略资产。对于大多数调用 API 搭产品的公司，外包完全合理；但对于自己在训练模型、迭代模型的 AI 原生公司，自建算力就不只是运营问题，而是战略基础设施的问题，和招聘顶级工程师是同一个级别的决策。你愿意花大价钱招最好的工程师，为什么不愿意花同样的决心去拥有让这些工程师真正发挥出来所需要的算力？

算力自主化，正在成为 AI 原生公司的新护城河

这才是我觉得整个访谈最核心的判断，也是我认为正在成为 AI 创业新趋势的东西。自建算力不只是一个财务优化的决策，它在改变一家公司内部的创新速度和创新密度，而这两件事，才是 AI 时代真正的护城河。

Cliff 说了一句我印象非常深的话。早期的时候，Speechify 的工程师用租来的 GPU 做实验，非常保守，因为每次跑模型都在烧钱，工程师会不自觉地压缩实验规模和频率。他用的比喻是：你想成为 Michael Jordan，篮球是你唯一在乎的事，但每次去训练馆都要付 20 美元一小时，这太憋屈了。你想要的是在自己家里有个篮球架，随时可以练，练多少次都不额外收费。这个比喻直接戳中了问题的本质：算力资源的稀缺感，会在工程师还没意识到的情况下，悄悄压制他们的创造力和实验密度。

一旦算力变成自己的，实验就变成了低摩擦的日常。工程师敢于跑更多假设，敢于尝试更激进的架构，敢于在一个方向上深挖而不是浅尝辄止。跑的实验次数多了，迭代速度就拉开了，模型质量就快速甩开竞争对手。Speechify 最新的 Simba 3.2 语音模型在质量上已经排名全球第一，比 ElevenLabs 便宜十倍，背后就是大量密集实验堆出来的结果，这不是偶然的。

但 Cliff 讲到的更深一层让我真正触动。他说他们现在每个工程师同时跑着五到十八个 AI agent，做长周期任务，不断提出假设、测试、迭代。这种工作模式本身就是极度算力密集型的。如果每次 agent 跑一个长任务都要实时算云成本，工程师会不自觉地缩减任务的深度和时间跨度，思路会被成本隐性地框住。但算力是自己的，工程师就可以真正放手让 agent 去跑两周，等结果出来，再做下一步判断。这是完全不同的工作节奏，产出的东西质量也完全不同。

还有一个维度值得单独说清楚：访问新一代芯片的速度。Cliff 明确说，如果他想要最新的 Rubin GPU，直接买能比等着 Google 买、然后再排队租快得多。他们可以提前将近一年拿到 Rubin，在所有依赖云租用的竞争对手之前就开始训练更强的模型。在模型能力快速演进的阶段，这种时间差不是小优势，而是一个可以彻底拉开代差的战略窗口。等别人租到新卡开始跑实验的时候，你已经把模型迭代了好几轮了。

我自己的判断是：算力自主化这件事，正在成为 AI 原生创业公司和普通 AI 应用公司之间最重要的分水岭之一。前者在自己训练模型、迭代模型，算力是研发基础设施；后者在调用别人的 API 搭产品，算力是可变成本。面对同一波技术变化时，两种公司的反应速度和创新深度会越来越不同。那些拥有自己算力的公司，能够更快地把新一代模型能力转化为产品优势；而那些完全依赖云租用的公司，永远在等别人先更新，然后再去跟上。这个差距，会随着时间推移越来越大。

ElevenLabs 超过 Speechify，Cliff 说这是他最大的战略失误

理解了算力自主化的逻辑之后，再来看 Cliff 关于 ElevenLabs 的那段复盘，会觉得格外清晰。这是整个访谈里我觉得最诚实、也最有传播价值的内容——一个创始人亲口承认自己最大的战略判断失误，而且分析得非常到位。

事情发生在 2022 年。ElevenLabs 的两位创始人 Piotr 和 Mati 去拜访了 Cliff，Cliff 看了他们的产品，觉得他们很厉害，但对他们走 API 这条路持怀疑态度。他当时的判断是：text-to-speech API 迟早会被商品化，随着模型变强，最终可能直接在本地设备上跑，那 API 还能卖什么？所以他决定不走这条路。这个判断听起来有道理，但 Cliff 后来意识到他漏掉了一个根本性的逻辑。

一个 AI 公司的第一款产品，从来不是终点，而是楔子（wedge）。你先做最好的单一语音模型，然后扩展到多角色、情绪表达、声音克隆、语音转文字，再做双工对话模型（duplex model，支持实时双向语音对话的模型），再做针对销售、客服场景优化的版本，最后做 AI agent。每一步都建立在上一步积累的用户、数据和信任上。这个飞轮一旦转起来，每一个新产品都有现成的用户基础可以直接推送，获客成本趋近于零，而竞争对手从零开始要花多少时间和资源才能追上？

ElevenLabs 就是这么走的。先做 API，做到极好，吸引大量开发者进来；然后做创作者工具，建立品牌认知；再推出 agents，把买家从工程师变成了 CTO、CIO 这些企业决策者，客单价大幅提升；现在甚至拿下了多个西方主要国家政府的采购合同。Cliff 说他们三个月前才开始做政府市场，但增长曲线已经在飞速拉升，势头完全挡不住。

我觉得 Cliff 这个复盘揭示了一个很普遍的认知陷阱：我们太容易用"这个东西会被商品化"来合理化自己不进某个市场的决定。商品化是真实存在的趋势，但它通常不是终点，而是新竞争格局的起点。那些在商品化到来之前就建立了足够用户基础、数据积累和品牌认知的公司，反而能在商品化之后活得最好，因为它们已经有了进入下一个战场的筹码，有了随时推送新产品的用户池，有了竞争对手从头追赶要耗费数年的数据飞轮。Speechify 错过的，不只是 API 这条路，而是建立那个楔子的窗口期。

这个逻辑，和算力自主化的逻辑是同构的：先下手建立基础设施，先积累别人没有的资产，等别人反应过来，你已经用这个基础设施跑出了别人追不上的东西。不管是算力、数据还是用户基础，提前布局的复利效应都是惊人的。

关于 B2B，要不要进，Cliff 的态度是：不进才是最大的风险

访谈里有一段主持人 Harry 和 Cliff 之间关于 Speechify 要不要进 B2B 市场的对话，非常直接，也很有张力。Harry 的立场是：你现在去 B2B，对手是 ElevenLabs 和 Sierra（由前 Salesforce 联席 CEO Brett Taylor 创立的 AI agent 公司），这两家都是极其难缠的角色，ElevenLabs 已经基本锁定了市场，Sierra 背后站着 Sequoia 和整个硅谷权贵圈，你为什么要进？

Cliff 的回答让我觉得很有力量。他说他永远不会做那个不入场的人，因为不入场才是最大的输法。他引用了两个例子：Anthropic 进入市场时是 OpenAI 的追随者，但它现在不是；Facebook 进入社交市场时是 Friendster 的追随者，但它现在不是。AI 语音这个领域不是赢者通吃的垄断市场，而是多玩家并存的寡头市场，有空间容纳多个大玩家，关键是你有没有勇气先进去，然后找到自己真正有差异化的那个点。

Cliff 的差异化很清晰。Speechify 的 API Simba 3.2，语音质量排名全球第一，每百万字符收 10 美元；ElevenLabs 收 100 美元；OpenAI 的基准测试版本收 196 美元。质量第一、价格十分之一，这个组合本身就是极强的竞争力，尤其对于那些已经被 ElevenLabs 账单压得喘不过气的企业客户来说，切换的动机非常充分。

他还提到了一个更务实的逻辑：Speechify 现在有一支庞大的 AI 工程团队，每个人的产出效率因为 AI 工具的加持已经是过去的十倍。他有多余的产能，不去 B2B 就是浪费。而且他必须让工程师直接深入到 B2B 客户的场景里，帮他们用 Speechify 的技术搭 agents，才能真正理解下一个重要产品应该是什么。他说得很直白：除非我有前线部署的工程师在和 B2B 客户一起工作，我永远不知道下一个山头在哪里。

我的理解是，Cliff 在 B2B 上的逻辑，和他在算力上的逻辑是完全一致的：不是先算清楚能不能赢，而是先进入赛道，先积累经验，先让用户开始用你，然后不断找到可以叠加的东西。在 AI 快速演进的环境下，今天的劣势可能只是因为模型还不够强，六个月后情况就完全不一样了。不进赛道，就连翻盘的机会都没有。

数据、算力、团队，缺一不可的铁三角

Cliff 在访谈里反复强调了一个框架，我觉得这是理解 AI 原生创业公司核心竞争力最清晰的方式：compute（算力）、data（数据）、team（团队），三者缺一不可，而且它们之间形成飞轮，互相驱动。

算力解决的是实验密度和迭代速度的问题，前面已经讲了很多。数据的部分，Cliff 的判断是：未来每家大型企业都会有自己专属的、基于自己数据训练的模型，但这些模型需要补充性的外部数据，于是数据市场会从今天的主要服务 frontier labs（顶级 AI 实验室）扩展到几乎所有大型企业，市场规模会是今天的数倍。但他同时对数据创业的风险说得很诚实：数据不是 ARR（年经常性收入）生意，是一次性交易，买方不一定会重复购买。而且数据的合规问题极其关键——你必须能向买方证明数据来源合法，并提供法律赔偿保证，这本身就是极度运营密集型的业务，需要非常强的执行力，不是一般团队能轻易做好的。

团队的部分，Cliff 说了一个我觉得非常精准的招聘框架：hire for slope, not intercept（招聘要看斜率，不要只看截距）。在工具快速演进的环境下，一个人今天的技能水平远不如他的学习潜力和智识密度重要。具体的技术技能，可以在短时间内补上，但对问题的嗅觉和判断力，是更底层的东西，也是真正稀缺的东西。Cliff 说他现在招很多数学奥林匹克竞赛选手、Kaggle 竞赛获奖者、物理和数学专业的人，甚至有些人从来没有正式写过代码，因为他要的是原生的计算思维和对问题的高密度判断力，其他的可以在六个月内教会。

面试方式也彻底变了。Cliff 说他们现在用功能性面试：给你一个任务，你来做，我看结果。给你一个大型开源代码库，你来理解它、修改它，然后我来看你改了什么、破坏了什么、用 agent 跑了什么。这比背算法题要真实得多，也更能看出一个人面对复杂系统时的应对方式，以及能不能把 agent 安排好、盯着它跑、拿到有价值的结果。

这三角形成一个飞轮：强团队用充足的算力跑出更好的模型，更好的模型吸引更多用户产生更多数据，更多数据喂进下一轮训练，下一轮训练需要更多算力。这个飞轮一旦转起来，速度会越来越快。而对于没有充足算力的公司来说，这个飞轮在第一环就卡住了，因为没有算力，实验密度上不去，模型迭代慢，用户体验就会落后，数据积累速度也会落后，然后整个飞轮就停在那里转不动。

AI 时代工程师的工作方式彻底变了

Cliff 在访谈里描述了 Speechify 工程师现在的工作状态，这部分和我自己日常观察到的趋势高度吻合，但他的细节更具体，也更能说明算力自主化对日常工作方式的实际影响。

他描述了一个具体的早晨场景：他起来会有一份每日简报，从他加入的三千多个 Slack 频道里自动过滤出他真正需要关注的内容，他可以直接回复"给我五个问题让我来回答"，然后就这样高效处理掉一部分沟通工作。这套自动化是慢慢调出来的，系统第一次跑肯定不准，他直接告诉它哪些事以后别管、哪些事要多关注，系统会自动调整通知方式。这听起来像是一个小工具，但它背后需要的是你有足够的算力资源去跑这套自动化，而不需要去算每次处理要花多少钱。

还有一个细节让我觉得最能说明问题。他们公司有个视频剪辑师叫 Brent，纯粹出于好奇，想试试能不能用 Codex（OpenAI 的 AI 编程助手）帮他剪视频。Codex 本身不是视频编辑器，但它发现 Brent 用的是 Premiere Pro，先尝试直接修改工程文件来实现操作，发现这样不够，于是自己写了一个可以安装进 Premiere Pro 的插件，通过这个插件跟 Premiere Pro 对话，告诉它把哪个标记点移到哪里。Cliff 说他们第一次看到这个发生的时候都惊了。这个故事说明的不只是工具有多强，而是一个通用智能体面对陌生场景时的解题方式：先尝试最直接的路径，失败了就自己搭一个接口，再通过这个接口操作已有工具。这和人类解决陌生问题的方式越来越像，但执行速度和覆盖范围完全不在同一个量级。

Cliff 对工程师的绩效评估标准也很有意思，值得单独说。他不用 token（AI 模型处理文字的计量单位）使用量排行榜，他用的是演示。你能不能跳上一个 Zoom 给我看你做出来的东西？你能不能发给我一段屏幕录像让我说出"哇，这很厉害"？他有一个标准说得非常直白：把球带到禁区线但没有射门进球，不算分；把东西做完了但没推到生产环境给真实用户用，也不算分。必须是真实用户在用，有真实反馈，才算完成。他描述了昨天开会时，他把手机翻过来对着摄像头，当着工程师的面使用产品，把所有 bug 和卡顿全录下来发到群里。然后有一个 19 岁的工程师，当天就把他提的十几个问题全部解决了，发来演示说："我在等三个模型训练跑完，闲着就把你说的都做了。" Cliff 说这个让他震惊，这才是对的工作方式——有算力在后台跑着，人就可以利用等待的间隙做出真正有价值的东西。

关于 token 的成本管理，Cliff 的态度也很清醒。他说他们会管控 token 使用的合理性，如果为了实现一个很小的功能用了一万五千个 token，他会追问为什么。但他不会用 token 排行榜来激励或限制工程师，因为这会制造错误的激励——工程师会开始为了省 token 而缩减实验范围，这和算力资源稀缺时的压制效应是一样的，只是换了一种形式。他说最好的工程师本能上就会优化资源使用，因为他们有工程美感，不是因为有人在监视他们的账单。

这不只是省钱，这是一场关于谁能活到下一轮的战略押注

听完 Cliff 整个访谈，我反复在想一个问题：为什么大多数创业公司明明算得清楚账，却还是选择租而不是买？我觉得答案不是因为他们不懂数学，而是因为他们还没有意识到，算力这件事已经从运营决策升级成了战略决策。

在 AI 发展相对慢的时代，租用算力完全合理。你的模型不需要频繁迭代，云服务的弹性已经够用，省下来的精力可以专注在产品和增长上。但现在的情况完全不同了。模型能力每隔几个月就有一次质的跃升，谁能更早拿到新一代芯片、谁能更密集地跑实验、谁能在工程师还没想清楚之前就已经把假设跑完，谁就能在这一轮竞争里真正拉开差距。在这种节奏下，租用算力的公司和自建算力的公司，面对同一波技术红利时，能抓住的东西是完全不同量级的。

Cliff 在访谈里说了一句我觉得特别值得记住的话：你不想成为那个坐在后方、对着士兵喊"去占领那座山"的将军，你想成为那个第一个冲上去、跟敌人正面交锋的战士。这句话他是在讲产品和领导力，但我觉得放在算力这件事上同样成立。自建算力，就是选择亲自冲上去，把最重要的资源掌握在自己手里，而不是等着别人分配给你。

我自己的判断是，未来三到五年，AI 原生创业公司会越来越清晰地分成两类。一类是真正拥有自己的算力、数据和模型能力的公司，它们在持续训练自己的模型，在用自建的基础设施驱动产品迭代，在用算力优势加速工程师的创造力；另一类是建立在别人模型和算力上的应用层公司，它们做的事情本质上是在已知能力边界内做产品，一旦底层模型开始商品化，它们的差异化空间会越来越窄。

这两类公司现在看起来可能差别不大，因为现阶段 AI 应用层还有很多空白等着被填满，调 API 搭产品依然可以做出很好的东西。但当这波红利逐渐收窄，当越来越多竞争对手涌入同一个赛道，真正能持续拉开差距的，一定是那些在基础设施层就已经建立了护城河的公司。算力是其中最核心的一块，没有之一。Cliff 愿意多付十万美元的溢价提前四个月拿到芯片，背后是对这件事的清醒判断：在 AI 时代，时间就是护城河，而算力就是时间。

结尾

也欢迎大家留言讨论，分享你的观点！

觉得内容不错的朋友能够帮忙右下角点个赞，分享一下。您的每次分享，都是在激励我不断产出更好的内容。

欢迎关注深思圈，一起探索更大的世界。

两个“特别坑”的AI产品创业方向，你知道吗

速度将成为AI时代唯一的护城河

a16z重磅预测：Vibe coding赢者通吃？错了，垂直专业化才是未来