# 束於教：十二年只投十八家，他把學過的東西留在門口
> Invest Like the Best 第 486 集訪 Benchmark 合夥人 Eric Vishria。同一批硬體、同一個開源模型，速度差五倍；資料庫最堅固的那道護城河被搬遷成本的消失蒸發；業績額度模型在賣魔法的年代整個失效。這集最有用的不是他看好什麼，是他示範了怎麼判斷「我上一輪學會的東西，這一輪還算不算數」。教育與方法論分享，非投資建議。
Published: 2026-08-13
Locale: zh-TW
Tags: invest-like-the-best, podcast-notes, 創投, AI基礎設施, 瓶頸層, english-finance-media
TL;DR: 這一輪錯得最貴的判斷，多半不是看錯公司，而是把上一輪學會的判準原封不動搬過來用。Eric Vishria 用十二年十八家公司的經驗，示範了怎麼一條一條檢查哪些還算數。
> *井蛙不可以語於海者，拘於虛也；*
> *夏蟲不可以語於冰者，篤於時也；*
> *曲士不可以語於道者，束於教也。*
> —— 《莊子・秋水》（戰國）
## 這集在講什麼
《Invest Like the Best》第 486 集，主持人 Patrick O'Shaughnessy 訪 Benchmark 的合夥人 Eric Vishria。他 2014 年進創投，十二年一共投了十八家公司——平均一年一到兩家。
這集橫跨他手上的幾條線：模型推論服務、企業應用、晶圓級晶片、機器人，還有他為什麼會在多年之後又去募了一支成長期基金。但整集真正的主軸只有一句話，是他自己反覆在講的：他過去學會的東西，有多少還能用。
莊子那三句話裡最狠的是第三句。井蛙受限於空間、夏蟲受限於時間，都還算情有可原；曲士「束於教」——被自己所學綁住，是唯一一個由自己造成的限制。這集大半內容，講的就是這件事在創投與經營現場長什麼樣子。
原集：Invest Like the Best EP.486〈Eric Vishria — A Decade of Lessons Investing in Software & Hardware〉（2026-08-11）
## 摘要重點
### 一、同一批硬體跑同一個公開模型，速度差五倍——「這層只是轉售」的直覺是錯的
從大型雲端業者到新一代算力商，跑的其實是同一批公開權重的模型、同一批加速晶片。但實測下來，專做推論的公司和雲端業者之間的速度差到五倍，吞吐量還有數倍的差距。
他點出一個從外面看不到、但只要懂這門生意的帳就會發現的矛盾：這些公司是租雲端業者的機器、付了對方的毛利，跑在人家上面，而且還有錢賺。同樣的模型、同樣的硬體，不可能靠轉售做出這種價差——所以答案只剩一個，把這些模型跑好本身就是一門非常難、非常專門的手藝。
他配了一個歷史對照。2006 年雲端的儲存與運算服務上線，隔年的年報花了很大篇幅解釋它為什麼重要。如果那時候把三十個最聰明的投資人關進一個房間，問他們這門生意會不會有耐久的毛利、是不是不只是商品，他的猜測是三十個人全錯。
### 二、市場大到一家吃不完——但「什麼都會成」不等於「每家都會成」
2014 年的共識是雲端會吃掉一切：它可以用 8% 的毛利去打人家 85% 的毛利，基礎設施吃完吃應用。
結果十二年後，Snowflake 在那家公司自己的雲上，把它自己的資料倉儲產品打敗；Confluent、Elastic、MongoDB、Databricks 一整排都活得很好；應用層的 Datadog 面對雲端業者的同類產品，今天是千億美元公司。但他說最大的誤判不在這些例子——真正錯得離譜的是，當年被認為無關緊要的另外兩朵雲，如今是不得了的生意，最後長成四成三成兩成的寡頭；外圍還多出 Cloudflare 這種另一種形態的千億美元公司。
歸納只有一句：市場大到一家廠商沒有能力把它整個吃下去。然後他立刻自己踩剎車——這不是說可以亂槍打鳥。路殺仍然很多，相對贏家還是得選對。他後來把這句話講得更清楚：當他說每一層都會成立，意思其實跟樂觀相反，因為那代表每一層裡多數公司都不會成，於是在每一層裡「有沒有把某件事推到邏輯極限」變得比以前更重要。
### 三、資料庫最硬的那道護城河，是被三件事同時消失掉的
資料庫這門生意好了幾十年，原因很單純：開發者針對特定介面寫應用、資料越積越多、而遷移是所有軟體專案裡最不想碰的那一種。黏著度高到可以撐起極好的毛利。
現在三件事同時變了。第一，對著資料庫介面寫程式的是模型，不是人。第二，資料庫介面的規格寫得極其清楚，而規格清楚正好是模型最強的地方。第三，代理人不會因為單調的規格翻譯工作而疲乏。三件事疊起來，「軟體世界裡你最不會去做的事」變成花點錢就能做完的事。
他強調重點不是大家不需要資料庫了，而是評判標準整個換掉：實驗變便宜、新應用暴增，於是「能不能從零使用量一路撐到成功」、能開了關關了開、迭代速度，最後是成本，成為勝負的仲裁者。這跟過去「我為某個用途選型、採購授權、跑在某種硬體上」是完全不同的一套判準。
### 四、每一天達成計畫，都在摧毀股東價值
他描述在會議室對經營團隊講的那句話：你每天達標，都在毀掉公司的價值。
這句話之所以刺耳，是因為所有人一輩子學的都是反過來的——訂計畫、狠狠執行、達標或超標、複利累積價值。這是整個管理階層的肌肉記憶。他說講這句話的目的不是責備，是把他們放出來。他朋友的另一個版本更有畫面：那些做到幾億美元營收的執行長，早上八點到下午五點做本業，五點到八點做 AI；應該要倒過來，而做不到的原因全是慣性。
他也給了不轉型的價碼：走到 AI，或者接受三倍營收的估值。他補了一段很少人講的算術——2021 年這批公司給到三十倍，如今營收成長了四倍，倍數掉了六倍，所以規模大了四倍、還做到損益兩平，公司卻更不值錢。
### 五、業績額度模型在賣魔法的年代整個失效
過去二十年軟體業務的標準模型是：每個業務背多少額度，早期一百二十萬到一百五十萬美元，企業級爬到兩百五十萬，財務模型從這裡長出來，再打一個達成率折扣。他說所有人都沒意識到，這整套的前提是「把需求推出去」。
現在這些公司賣給客戶的東西近乎魔法，而且他們是第一個到的。這種情況下賣的量根本不在兩百萬美元的量級——他看過單一業務做到一千萬、兩千萬、三千萬，主持人說最近看到五千萬。額度模型不是不重要，但它絕對不是第一順位的限制。
這解釋了一個業界普遍現象：一批四五年前最頂尖的主管，進到快速擴張的 AI 公司卻紛紛陣亡。不是能力退步，是他們帶來的那套模型跟現況阻抗不匹配。他現在面試這些人會直說：把你學過的全部寄放在門口，回到第一性原理重新問——交付端真正的瓶頸在哪，需求端的瓶頸在哪。至於誰是最好的業務員，他的答案是創辦人，因為創辦人做的事只有一件：把模型鋸齒狀的能力，橋接到客戶的能力上。
### 六、鋸齒狀的能力邊界，與蓋沙堡的人
他用了一個我覺得很值得抄下來的詞：模型的能力邊界是鋸齒狀的，不是人類那種平滑上升的弧線。某個尖端遠超乎預期，隔壁就是一個坑，而且每四週就會冒出新的能力。做應用的公司真正在做的事，是理解那個鋸齒的形狀、找出哪個尖端能接到客戶的哪個問題、把中間的谷填起來。
Bret Taylor 的說法是沙堡：以前蓋的是城堡，磚是磚、地基是地基，希望它站一百年；現在蓋的是會被浪沖走的沙堡。抱著工匠心態的人活不下來——Cursor 從編輯器到自動補完到代理人，一次又一次把自己六個月前的成果作廢。
由此他推出一個反直覺的結論。傳統產品管理教的是：產品經理要懂技術，但不該碰實作、不該指定實作方式，他的職責是理解客戶、把問題翻譯給工程師。他說現在這樣做是災難。你必須同時握著模型能力的細節與客戶的問題，親手把兩邊接起來。所以真正的角色只剩三種——懂客戶問題的人、有品味的人、對鋸齒邊界好奇的人；至於名片上寫工程師、產品經理還是設計師，不重要。主持人講了那句諷刺的話：模型號稱在抹平技術優勢，結果懂技術的報酬反而在上升。
### 七、瓶頸從算力再往下搬，搬到了能源
他把整條鏈壓成一句話：模型做的事是把電力換成智慧。智慧的需求看起來沒有上限，那算力的需求就會一直往上；算力要的是能源。
他點名一個數字：中國明年新增的能源是美國的十倍。如果能源是算力的瓶頸、而智慧的需求無上限，能源少就代表 token（模型輸出的最小計價單位）少、或 token 貴；token 貴，供需一算，最後就是可用的智慧變少。他說自己不是總體經濟學家，但比起蒸餾、開源競爭那些檯面上的話題，這件事讓他更擔心，而且它會用二十種不同的形式冒出來——燃氣輪機、天然氣、太陽能、核能、稀土。
## 延伸想法
### 一、Hinton 的放射科預言：推論全對、結論全錯
這集我認為最有方法論價值的一段，是他拿 Geoffrey Hinton 2016 年那句「應該停止訓練放射科醫師」當例子。
他先把話講在前面：Hinton 比他聰明三個數量級，而且導出那個結論的推論完全正確——這些影像應該可以訓練出比人判讀得更好的模型，這件事後來也部分被驗證了。錯的不是推論，是推論之外那兩層。
第一層是資料的覆蓋範圍。實際被做出來的，是針對胸腔電腦斷層這種很特定的東西；但一個放射科醫師一天要看的是各部位的 X 光、電腦斷層、核磁共振。在某一個窄項目上爬坡，對那個醫師一天要讀的二十件、四十件事來說，幫助是邊際的。第二層是現實世界的黏性：整個醫療給付制度是繞著「醫師出具判讀」設計的，還有責任歸屬、誤判的後果、醫療糾紛。最後還加上一個反向效果——影像成本下降，大家做的檢查反而變多，短期內需要的放射科醫師是更多不是更少。
這對估值紀律的意涵很直接。一個以「技術上做得到」為地基的論點，其實還欠兩層才站得住：技術做得到的那個窄項目，佔不佔得住實際工作範圍的多數？現行的制度與責任結構，允不允許替換發生？兩層都沒答案時，最誠實的說法不是「這會發生」，而是「這會發生，但我不知道要幾年」——而在一個以年計價的資產上，「幾年」就是全部的答案。
順帶一提，他把當前所有「大規模失業」的斷言，歸類成一模一樣的設定：非常聰明的人、非常正確的能力判斷，卡在沒有把那個判斷放回真實世界的應用環境裡。
### 二、「都會成」與「每家都會成」之間那條線，就是組合風險的位置
他被問到未來價值會累積在哪一層時，回答是幾乎每一層都會有贏家：雲端業者、新一代算力商、推論服務商、晶片巨頭、部分晶片新創、手機上的邊緣推論、機房裡的大模型。但他馬上補的那句才是重點——他說這句話的意思其實與樂觀相反，因為那代表每一層裡多數公司都不會成。
這是一個很容易被聽反的判斷，而它對持股結構有直接意涵。一組橫跨晶片、電力、資料中心、雲端、應用的持股看起來很分散，但如果每一層裡挑的都是那層的第二、第三名，你分散掉的只是「層」的風險，集中的卻是「只要挑對層就好」這個假設。而他整集的意思正好是：挑對層不夠，因為每一層裡的淘汰率都在上升。
那什麼叫「把某件事推到邏輯極限」？Cerebras 是他給的最具體樣本：硬體加速深度學習只有三個維度——增加核心數、增加核心之間的通訊、把記憶體搬得離運算更近——而他們的做法是三個維度同時推到物理上限，整片晶圓當成一顆晶片，四十五萬個核心，記憶體直接放在晶片上。這種「三個維度全推到底」的長相，跟「我們的模型比較聰明」是兩種完全不同的答案。
### 三、軟體的 80% 與硬體的 2%：可控與不可控要分開計價
他有一個對照我很喜歡：在軟體裡，只要你有那張邏輯方塊圖、知道為什麼它會成立，你大概已經走了八成，剩下是市場執行；在硬體裡，同一張圖只讓你走了 2%——因為還有物理，還有三十家你沒聽過但缺一不可的供應商。
他順帶講了一個殘酷的細節：模擬跑出來的效能是這輩子的天花板，之後每一層真實的編譯器、核心程式與現實，都只會往下扣；產品剛上線時你可能只有天花板的一成，然後花好幾年一點一點往上爬。2019 年的董事會上，那東西在融毀，公司已經燒掉五億美元，他當下想的是這筆錢要全賠了。主持人問他經歷這一趟之後想不想多投幾家硬體公司，他的回答只有兩個字：不想。但他隨即說那是他最引以為傲的一類投資——有些事人類試了五十年做不到，現在有理由相信做得到，那正是創投該做的事。
這件事對「雜音與結構」的分辨很有幫助。同樣是延遲一季，發生在軟體公司通常是執行問題，發生在硬體公司可能是供應鏈或地緣政治問題，而後者不在管理層的控制範圍內。Cerebras 2024 年那次上市沒成，原因是外資審查，跟產品好壞無關；晚了十八個月，估值差了一大截。所以同一份執行力，在自己控制整個堆疊的公司上值一個價，在不控制堆疊的公司上值另一個價——這是兩種不同的資產，不該用同一把尺量。
他最後給的那個框架，我覺得可以拿來收尾。二十歲在投資銀行時，一個大他幾歲的同事問他打不打高爾夫，然後說：三桿洞你一直練、一直把球打到旗桿附近，這是苦工，是把事情做對；一桿進洞，那是運氣。運氣沒辦法直接製造，但你可以增加它發生的機率——方法就是讓更多球落在洞口旁邊，總會有一顆掉進去。他十二年投了十八家公司，這就是他版本的「把球打近」。
## 可以參考的資料
- 原集：Invest Like the Best EP.486〈Eric Vishria — A Decade of Lessons Investing in Software & Hardware〉（2026-08-11），節目由 Colossus 公開發布
- 主持人 Patrick O'Shaughnessy 的節目本體與 Colossus 相關出版品
- 文中《莊子・秋水》三句是我聽這集時想到的註腳，不是節目內容；「束於教」的解讀是我自己的引申
---
免責聲明：本文為個人聽後心得與學習筆記，屬教育性內容，不構成任何投資建議、要約或招攬。文中提及之公司、產品與說法均來自公開節目內容與公開資訊，不推薦任何特定標的，也不提供目標價。受訪者觀點為其個人意見，不代表本站立場。投資有風險，請依自身財務狀況與風險承受度獨立判斷，必要時諮詢合格專業人士。引用內容版權屬原節目所有，鼓勵收聽原集、支持創作者。