Cerebras Systems CEO Andrew Feldman 與 Benchmark General Partner Eric Vishria 在 Uncapped with Jack Altman 頻道的進行了專訪。 Andrew Feldman講述的Cerebras 的故事，是用架構級顛覆、全鏈條掌控、路由器式決策和極致韌性，在輝達主導的 AI 計算世界中撕開一道 100 倍性能優勢的口子。
核心結論
這場對話的核心邏輯可歸納為：
- 挑戰輝達必須架構級顛覆，性能目標100倍起步，漸進改良沒有意義。
- 硬體創業是長周期、高依賴、高失敗的殘酷遊戲，需要耐心資本、全鏈條掌控和“只犯新錯誤”的工程文化。
- AI基建瓶頸正從晶片擴展到電力、施工、供應鏈和社區溝通，算力稀缺使“每瓦token數”成為核心指標。
- 輝達的真正護城河不是CUDA，而是十年絕境中淬煉出的組織韌性。
- Cerebras 的戰略是路由器思維：逐跳決策，加速底層代數運算，從訓練轉向推理，並在速度與吞吐量上建立差異化。
- 硬體與軟體創業本質不同：硬體決策後果以年計，供應鏈複雜幾十倍，收入集中且周期漫長。
Feldman 最後說：“投身硬體創業，意味著要與投資人深度繫結十年，因此務必慎選良伴。”這或許是整場對話最凝練的註腳。
一、核心命題：挑戰“歌利亞”必須100倍性能，而非漸進改良
Andrew Feldman 開篇即點明 Cerebras 創立時的根本判斷：當一種新工作負載出現時，成熟計算市場才有被切入的機會。2016 年 AI 尚不火熱，但他們看到 AI 是高度計算密集型負載，且當時業界架構多是從既有體系改造拼接而來，完全可以從頭設計更優架構。
關鍵戰略原則是：挑戰輝達這類巨頭，“好10%”毫無意義，必須好100倍、500倍甚至1000倍。因為巨頭擁有極高利潤率，可以降價、捆綁、擠壓管道；只有強到“對手把產品白送也無法競爭”，才能形成顛覆性差異。Eric Vishria 補充了數學邏輯：在高活力市場，在位者每年性能可能翻倍，新公司從成立到量產至少五年，五年就是32倍，還需再乘3倍優勢，因此約100倍性能優勢是入場券。這決定了不能小修小補，底層必須有重大架構變革。
二、創業與投資：為何2016年創立，Benchmark為何敢投
Feldman 是第五次晶片創業，核心團隊此前長期合作。他們選擇把最難技術全部留在公司內部攻克，掌控從晶片、封裝、電路板、系統、軟體到API的全鏈條。代價是成本高、周期長、失敗點多，但副作用是培養出非凡專業能力——例如 Cerebras 今天已是全球封裝能力最強的團隊之一。
Eric Vishria 從投資人視角坦言：投這類公司需要一點“天真”和“人定勝天”的態度。風險投資最可怕的是積累“心理創傷”，理智說該投，情感未必敢。他承認，若當初清楚要面對多少科學與技術難題，可能不會投。Feldman 的幽默總結是：“把苦水嚥下去，死死壓住，千萬別說。”
三、死亡之谷：18個月、每月800萬美元，只匯報“依然造不出來”
Cerebras 經歷過嚴重的“瀕死體驗”。在長達18個月裡，他們造不出晶圓級晶片，每月燒掉約800萬美元。董事會每六周開一次，唯一能匯報的就是“依然造不出來”。董事會問“我們能幫忙嗎？”答案是“不能，完全無能為力”。
支撐他們的是：思路沒有枯竭，每次失敗都做嚴格故障分析，確保只犯全新的錯誤。最初晶圓幾秒就碎，後來能堅持幾分鐘，再後來運行一小時又碎裂。直到2019年7月，系統持續運行、溫度穩定。他們站在小辦公室改成的實驗室裡，盯著伺服器，激動地說：“我們攻克了計算領域75年來無人能解的難題。”
四、技術路線：計算、記憶體、I/O 三條戰線同時推進
Feldman 將電腦拆為三部分：計算、記憶體、把結果傳送到能發揮作用的地方。Cerebras 在三條戰線同時推進：
- 計算：讓核心更快，針對AI調優，同時保持足夠通用性，以應對AI領域持續出現的新創新。
- 記憶體：兼顧容量與頻寬。正與美國政府合作，研究如何把 HBM 整合到基於 SRAM 的晶圓上，使 HBM 呈現接近 SRAM 的特性——既有大容量，又有高速度。
- I/O：研究光學晶圓堆疊，把光交換整合到晶圓上。Jack Dongarra 曾說，大規模計算一直更擅長製造 FLOPS，而不擅長移動 FLOPS。I/O 要解決的正是這個問題。
必須變得更快；必須記憶體更多資料、更快訪問記憶體；還必須把結果以10倍、100倍乃至1000倍的速度送到需要的地方。
五、供應鏈真相：從沙子到晶片，台積電與ASML的雙重壟斷
Feldman 用通俗語言解釋了供應鏈：
- 台積電是一個黑盒，由另一個黑盒 ASML 驅動。ASML 製造光刻機，每台約50-60英呎長、20英呎高，造價約5億美元。目前只有 ASML 能造，這是真正的硬核技術壟斷，不是靠控制供應製造的壟斷。
- 先進晶圓廠像現代金字塔，建造需400億到500億美元，使用壽命僅四到五年。三星在德州建廠時先建發電廠專門生產混凝土，數百輛攪拌車7×24小時連續作業數年。
- 晶片設計交給台積電，進入耗資四五百億美元、耗時數年建成的工廠，最後出來的晶片只賣22美元；而在舊金山米申區買一個墨西哥卷餅要23美元。
- 瓶頸不在光刻機，而在需求變化極快。輝達需求指數級增長，但建晶圓廠需要五年。資料中心同樣：AI以軟體速度狂飆，資料中心卻以房地產速度爬行。
- 美國約三十年的糟糕政策把晶圓廠、裝置供應商、封裝環節趕走。Feldman 呼籲與格芯、台積電、三星制定二十年規劃，建立美國本土晶圓廠產能。
六、戰略轉向：從訓練到推理，路由器思維而非專線思維
Cerebras 最初作為訓練系統起步，判斷訓練因反向傳播是更難難題，推理則分佈式發生在各種裝置上。到2022-2024年，公司全面轉向推理。
Feldman 用兩種思維比喻：老式電話電路是鋪設從家直達紐約的專線，意味著對遙遠未來有清晰構想；路由器是網際網路工作方式，逐跳前進，先到克利夫蘭，再決定下一跳最佳路徑。Cerebras 是後者：知道遠方有金子，但路徑不可預知，每翻過一座山峰就環顧四周重新決策。
關鍵決策是：沒有嵌入專門加速摺積網路的技術，而是加速支撐所有已知AI的底層代數運算。當 Transformer 出現時，Cerebras 處理這類模型也是最快的，儘管確立架構時 Transformer 尚未被發明。
七、AI基建與資料中心：GDP等級資本開支，瓶頸在電力、施工與社區溝通
Jack 提到一張圖表：美國每年 GDP 的1%用於高速公路和電信，2%用於鐵路，而AI基建佔GDP的3.5%。Feldman 說，唯一看準指數級增長的人是 Sam Altman，當時所有人都覺得他瘋了。星際之門初始規模現在看來小得令人遺憾。
資料中心成為市場瓶頸，暴露美國一系列弱點：
- 電網基本還建立在20世紀40或50年代技術之上，核能研發被停止。若AI促使回歸核能，將是諷刺。
- 發電機、燃料電池、電池備用電源等領域創新突然湧現。Bloom Energy 想把噴氣式飛機技術用於資料中心供電。
- 資料中心建設從動土到完工，50兆瓦設施約需18個月。棕地項目（舊工廠改造）因已有電力許可而受歡迎。發電機和輸電開關是長交期裝置，關鍵瓶頸。
- 行業初期做蠢事：試圖把成本轉嫁給當地社區，佔市政機構便宜。資料中心完全有能力自行承擔成本。用水問題也是偽命題：美國所有資料中心用水量加起來，還不如加州杏仁種植者，後者是資料中心的四到七倍。
- 科技行業在AI公眾溝通上做得“糟透了”。
Eric 提出：如果算力受限，唯一重要指標是“每瓦特 token 數”。Feldman 認同速度的歷史價值：沒人會用慢吞吞的搜尋引擎，撥號上網沒有市場。網際網路變快後，Netflix 從郵寄DVD變成影視製作公司。速度帶來第一重價值，第二重是提高吞吐量。Cerebras 正與 AMD、AWS 合作參與“解耦”，在保持速度不變下實現5倍額外吞吐量。
八、輝達真正護城河：不是CUDA，而是十年絕境中的極致堅韌
Feldman 認為大多數人對輝達為何偉大的理解是錯誤的。不是 CUDA，也不是晶片架構。真正令人難以置信的是堅韌與專注，源於其作為上市公司長達十年未獲成功的蟄伏。從2003、2004到2013、2014年，股價表現極其糟糕，產品銷量慘淡。作為上市公司，浴血奮戰卻無人傾聽，支撐這一切的百折不撓令人驚嘆。十年後涅槃重生，成為全球市值最高公司。這種精神已刻入DNA，才是真正了不起的地方。
九、組織與人才：經驗在晶片製造關鍵，年輕在產品與GTM，董事會守邊界
Feldman 深入思考了經驗在何處至關重要，超凡智慧在何處不可或缺：
- 晶片製造領域：此前多年造芯經驗是能否交付卓越晶片的最佳預測指標。大學或研究生階段幾乎沒機會真正流片、交付、點亮晶片。
- 產品團隊：聰明得難以置信，全部內部提拔，非常年輕。沒有大公司繁文縟節，表現卓越就賦予更多責任。
- 聯合創始人 Sean 在上一家公司加入時只是個人貢獻者，25或26歲，四年後被晉陞為公司院士，現在是一家上市公司的CTO。
董事會角色：Eric 說最重要是認清邊界，不干涉工程師做工程、科學家做科學，提供充足資金。Feldman 稱讚董事會從未試圖解決技術問題，但在融資、戰略、人才與長期節奏上幫助巨大，極具耐心，總能提出深思熟慮的問題。
十、硬體創業與軟體創業的本質差異
- 營收周期長得多，收入呈大塊進帳。早期客戶包括美國政府、主權雲、G42，如今還有 OpenAI。客戶集中度更高。
- 供應商名單長得離譜，有幾十家。系統整合所有元件，還有製造冷板和水系統部件的專業製造商。軟體出身的人必須努力摸透並掌控供應鏈。
- 決策速度不同：軟體可以敏捷思考，第二天推翻重來；硬體一旦決策，就要承擔數年後果。晶片領域講究三思而後行，對重大錯誤零容忍。
- 產品管理極其困難：融資後花兩三年打造產品，在此之前不知道客戶真實反饋。客戶調研會說“聽起來很棒”，因為拒絕沒有成本。第一代晶片很少大獲成功，通常要到第二代、第三代。Google TPU 也是第四代才真正出色。
十一、職業“大衛”的鬥士基因與童年背景
Feldman 自稱“職業挑戰巨人的大衛”，每天醒來都帶著這種心態。他回顧每一次質疑：晶圓級晶片行不通、高良率量產做不到、大規模封裝做不到、只有政府客戶、沒有超大規模客戶、做不了大模型——每次達成里程碑，都讓質疑者啞口無言。他說，企業家骨子裡，每次質疑都讓人熱血沸騰。只熱衷於解決別人解決不了的問題，只做別人做不到的事情。
童年背景：在史丹佛校園長大，鄰居是電晶體之父威廉·肖克利。當時孩子們只關心他妻子萬聖節發全尺寸糖果棒。社區唯一硬通貨是腦力，沒人在乎財富或公司。另一位鄰居是阿莫斯·特沃斯基，與丹尼爾·卡尼曼合作獲諾貝爾經濟學獎。父親網球球友中，有三個人獲諾貝爾獎，一個人獲菲爾茲獎。
訪談全文：
一、開場：為什麼偏偏在 2016 年創立 Cerebras
主持人傑克：
非常高興能進行這場對話。Andrew，感謝你今天到場。你是 Cerebras 的 CEO 兼創始人；在 2026 年的今天，Cerebras 已經是 AI 計算版圖中最重要公司之一。我也很高興我的合夥人 Eric 能一起參與。他今天會半以主持身份、半以嘉賓身份加入，因為他從一開始就在支援你。感謝你們兩位抽出時間。
我想先從背景談起。現在是 2026 年，Cerebras 顯然已經舉足輕重；但回到 2016 年，AI 遠沒有今天這般火熱。我很好奇，當時你們的心境是什麼？你們看到了什麼？創立公司時究竟在建構什麼？當時的戰略考量又是什麼？
Andrew Feldman：
謝謝邀請，Jack。和 Eric 一起交流總是很愉快，也感謝你組織這場對話。
我認為，作為一名電腦體系結構工程師，當你看到一種新的工作負載正在出現時，本能會感到興奮。成熟的計算市場很難切入；但當新工作負載誕生時，你會立刻迎上去，並問自己兩個問題：第一，我能不能讓它跑得更快？能不能設計出一顆更適合這類負載的晶片？第二，這種負載的規模是否足夠大，大到值得為它專門研發一顆更好的晶片？
我們在 AI 上看到的是一種高度計算密集的工作負載。它和當年 ARM 在智慧型手機上的機會不同。手機晶片面對的核心約束不是算力，而是功耗。而我們預見到，AI 會對算力提出極其嚴苛的要求。同時我們也發現，當時業界使用的架構，大多是從既有體系改造、拼接而來的；我們完全可以從頭設計一個更優秀的架構。這就是最初的洞察。
剩下的，就是一段漫長而艱苦的執行過程。
二、投資人為什麼敢在“不熟悉的硬體領域”出手
主持人傑克：
在展開這段漫長而艱苦的執行前，Eric，想先問你。顯然你當時也不是完全身處今天的 AI 時代，但你看到了某些讓你願意出手的特質。而且你以前並不是投晶片的，更多投其他領域；即便到今天，你可能也不會再輕易投晶片了。
如果重來一次，你還會投嗎？當時你看清了什麼？做出投資決定時，你的心路歷程是什麼？
Eric Vishria：
我認為風險投資裡最可怕的事情之一，就是隨著投的公司越來越多，你會積累大量“心理創傷”。你見過太多挑戰，知道過程有多難，於是會出現一種分裂：理智告訴你應該再投一次，情感上卻未必還敢。
所以我一直反問自己這個問題。我的結論是：要下注這種公司，確實需要一點“天真”。你需要一種“人定勝天”的態度，以及圍繞這種態度的一點天真，才敢去做。否則你絕對不會再碰第二次。
坦白說，我已經積累了不少傷疤。現在回頭看，我不知道如果當初真的清楚他們將要面對多少科學與技術難題、需要完成多少創新、公司多少次會走到“千萬別告訴投資人現在有多難”的邊緣，我還會不會投。
Andrew Feldman：
這個故事的寓意就是：還是要告訴他們。把苦水嚥下去，壓住，死死壓住。千萬別說。你只需要說：“我在攻克一個難題，一切順利。”
三、挑戰巨頭的數學：好 10% 沒有意義，必須好 100 倍
主持人傑克：
那麼接下來呢？創立公司、完成流片，然後就大功告成了，對吧？就這麼簡單？
Andrew Feldman：
永遠不會這麼簡單。
這不是我們的第一家晶片公司，而是我的第五家。核心團隊在上一家公司就一直合作，所以對該怎麼做，我們有非常清晰的理念。
我們的觀點是：如果你要挑戰一個已經站在市場中央的巨人——比如當時的輝達——僅僅“好一點”或“便宜一點”是行不通的。巨頭擁有極高利潤率，可以降價、捆綁、擠壓管道，還能玩出一百種其他手段。因此你必須拿出壓倒性優勢：快 10 倍、100 倍，甚至 500 倍。必須強到這樣一種程度：即便對手把產品白送，也無法與你競爭。
因此我們專門挑選那些能形成這種優勢的“硬骨頭”。我們希望把最難的技術全部留在公司內部攻克，因為那是我們能夠掌控的部分。其他事情我們控制不了；但如果我們能造出別人望塵莫及的速度，對手即便免費贈送零部件，也達不到我們的性能。這就是制勝關鍵。而要做到這一點，唯一路徑是激進創新，而不是漸進改良。
主持人傑克：
那麼，那些環節必須掌握在你們自己手裡？
Andrew Feldman：
必須掌控設計和實現的所有環節。要吃透製造過程，理解每一個部件。對我們來說，這意味著從晶片、封裝、電路板、系統、軟體，一直向上延伸到 API。
這非常難，會增加成本、拉長周期，也意味著更多失敗點。進行激進創新時，沒有現成供應商在等你。比如你要做一塊餐盤大小的晶片，你不可能翻開目錄去選一個散熱器——因為此前沒有人造過比郵票還大的晶片散熱器。結果是，你不得不投入大量時間，研發那些圍繞核心產品的周邊元件。
但副作用是，你會培養出非凡的專業能力。我們創立時並不是封裝領域的世界領導者，但今天已經是全球封裝能力最強的團隊之一。這是通過一次次失敗、年復一年死磕出來的。
所以真正的問題是：如何在完整解決方案的每一個要素上創新，並全力推進。
Eric Vishria：
Andrew 在半導體領域教會我的一個道理是：要把目標具象化。面對任何市場的在位者，你都要計算對手前進的速度。
在一個高活力市場裡，在位者每年可能把性能提升一倍。新公司從成立到規模化量產，即便一切順利，也至少需要五年。五年就是 2 的 5 次方，約等於 32 倍。你還必須在這個基礎上再形成額外優勢，比如再乘 3 倍。所以本質上，你需要大約 100 倍的性能優勢。
很多新點子常說：“我們會快 50%”“我們會快一倍”，甚至“設計完成後會比現有產品好 10 倍”。但現有產品不是你的假想敵。真正的對手是那些資源龐大的公司，比如輝達，他們每年都在實質推進技術邊界，而且進步非常明顯。
Andrew Feldman：
Meta、Google、Trainium、TPU 都在持續推進。所以如果你想脫穎而出，目標必須是 100 倍、500 倍，甚至 1000 倍。這樣才能搶在他們前面切入市場。
Eric Vishria：
一旦意識到這點，你就會明白這絕不能是小修小補。底層必須有一次重大架構變革：晶圓級技術、系統架構，或者其他根本性的改變。僅靠一系列漸進式改進無法到達終點。
Andrew Feldman：
而且你不能用常規方式與巨人競爭。最大對手採購矽片的成本比你低，購買代工產能的價格比你低，EDA 工具費用可能也比你低。你不能正面硬剛“歌利亞”，必須創造顛覆性差異。
四、死亡之谷：18 個月、每月 800 萬美元，只會匯報“依然造不出來”
主持人傑克：
度過早期階段後，公司一路走來如何？我知道你們經歷過一些“瀕死體驗”。當時最艱難的障礙是什麼？
Andrew Feldman：
確實經歷過瀕死體驗，嚴重到胸口劇痛。因為你造不出那個本該造出來的東西。
主持人傑克：
那段“死亡之谷”該如何定義？是只要熬過一定時間、燒掉一定資金就能走出來，還是當時根本不知道能否取得技術突破？究竟是那些因素導致危機？
Andrew Feldman：
在我們的領域，始終有兩個核心問題：能不能造出來，能不能賣出去。我們一直相信，只要能造出來，就一定能賣出去；因為以前從沒有人做過晶圓級晶片。
當時有一大群人斷言這絕對行不通。我們自己心裡也沒有底。雖然我們相信自己能做到，但沒有任何證據。在長達 18 個月的時間裡，我們就是造不出來，而且每月燒掉約 800 萬美元。董事會每六周開一次，而你唯一能匯報的就是：“依然造不出來。”
這就是董事會的全部內容。除了這句，還能談什麼呢？他們會問：“我們能幫忙嗎？”答案是：“不能。什麼都做不了，完全無能為力，無事可做。”
之所以能堅持，是因為我們還有想法，思路還沒有枯竭。每次原型失敗，我們都進行嚴格故障分析，徹底弄清原因，確保絕不在同一個地方跌倒兩次。
Eric Vishria：
也就是只犯全新的錯誤。
Andrew Feldman：
對，只犯新錯誤，只經歷新的失敗。這成了我們的工程信條。
隨著時間推移，我們終於看到進展。最初晶圓幾秒就碎；後來能堅持幾分鐘；再後來成功運行一小時，但隨後又在幾分鐘內碎裂。我們不斷積累經驗，直到 2019 年 7 月的一天，系統持續運行，溫度保持穩定。我們站在一間由小辦公室改成的實驗室裡，牆上打了洞用來排氣，然後死死盯著伺服器。那畫面枯燥得像看油漆變干，但我們激動地說：我們攻克了計算領域 75 年來無人能解的難題。那是我人生中最偉大的幾分鐘之一。
五、晶圓級之後：計算、記憶體、I/O 三條戰線同時推進
Eric Vishria：
展望未來，晶圓級技術以及封裝、冷卻、供電等整套體系，將走向何方？當你審視未來五年的研發規劃時，那些方向最讓你興奮？下一個晶圓級創新會是什麼？
Andrew Feldman：
如果把計算系統拆到最基本元素，電腦由三部分組成：進行計算、記憶體結果，並把結果傳送到能發揮作用的地方。我們建構了執行計算的核心；通過記憶體記憶體結果；再通過 I/O 把結果送到有用的地方。
如果你做面向 AI 的電腦，最好三條戰線同時推進。第一，讓核心更快，並針對 AI 調優，同時具備足夠通用性，以應對 AI 領域持續出現的新創新。第二，處理記憶體：既要考慮容量，也要考慮頻寬。第三，處理 I/O：把結果從晶片送到能發揮作用的地方。
我們正在同時推進這三項工作，並已與美國政府開展大型合作，研究如何把 HBM 整合到基於 SRAM 的晶圓上，使 HBM 呈現出接近 SRAM 的特性：既有 HBM 的大容量，又有 SRAM 的高速度。
我們還在研究光學晶圓堆疊，把光交換整合到晶圓上，這可能改變世界。Jack Dongarra 曾說過，大規模計算領域一直更擅長製造 FLOPS，而不擅長移動 FLOPS。I/O 要解決的正是這個問題。如何把光交換貼近計算單元，是我們獲得大量政府合同並極度興奮的方向。
簡言之，必須變得更快；必須能記憶體更多資料、更快訪問記憶體；還必須把結果以 10 倍、100 倍乃至 1000 倍的速度送到需要它的地方。
六、從沙子到 ChatGPT 的答案：供應鏈如何運轉
主持人傑克：
我想把話題拓寬到供應鏈。現在普遍認為 AI 面臨嚴重供給瓶頸，但很多人對供應鏈並不真正瞭解。能否用相對通俗的方式解釋一下：我們如何從一捧沙子，一步步得到 ChatGPT 的回答？
Andrew Feldman：
這件事被稱為台積電，它是一個黑盒；而台積電又由另一個黑盒驅動，叫 ASML；黑盒另一端產出的是卓越晶片。
首先要明確：一座先進晶圓廠，尤其是製造尖端製程的晶圓廠，就像一座現代金字塔，是人類創造的奇蹟之一。它是一系列機器的集合，這些機器處理矽片，通過光刻工藝在矽片上蝕刻電晶體，通電後即可執行計算。它不僅是機器集合，更是一座真正的工廠。建造一座先進晶圓廠需要 400 億到 500 億美元，而使用壽命只有四到五年。
主持人傑克：
它有多大？
Andrew Feldman：
有好幾個足球場那麼大。三星在德克薩斯建廠時，先建了一座發電廠，專門用來生產混凝土；數百輛攪拌車 7×24 小時連續作業數年，才澆築出足以承載晶圓廠的地基。工程複雜程度難以置信。
主持人傑克：
所以是 ASML 製造這些機器？
Andrew Feldman：
ASML 製造的是執行光刻工藝的機器。每台機器大約 50 到 60 英呎長、20 英呎高，造價約 5 億美元。
有趣的是，ASML 把同樣的機器賣給不同晶圓廠，但各家使用方式不同，結果也不同。台積電能利用這些機器實現其他廠商無法企及的成就。
主持人傑克：
全球還有其他公司能製造這些機器嗎？真的只有 ASML 一家？
Andrew Feldman：
目前只有 ASML 能造。世上極少有這種真正基於硬核技術的壟斷，它不是靠控制供應製造出來的壟斷，而是擁有其他公司無法複製的技術。
主持人傑克：
光刻機本身是瓶頸嗎？
Andrew Feldman：
恐怕瓶頸不在這裡。行業真正的挑戰在於需求變化極快。以輝達這樣卓越公司的需求為例，它呈指數級增長；但建造一座晶圓廠需要五年。沒人能預料晶片需求會如此爆發，產能總是落後於需求。
資料中心現在面臨同樣問題：AI 以軟體速度狂飆，資料中心卻以房地產速度爬行。
主持人傑克：
所以台積電購買光刻機，整合流程，然後交付晶片？
Andrew Feldman：
對。台積電購買光刻機，擁有數十年經驗，把整個流程整合起來。他們拿到矽錠，也就是圓柱形矽棒，切成圓盤，稱為晶圓。晶圓進入生產流程，通過光刻把電晶體蝕刻到矽片上，在各道工序間流轉，最後進行切割，我們稱之為劃片；某些情況下不切割。生產線另一端出來的就是晶片。
令人驚嘆的是，你召集一群極聰明的人，讓他們在一個項目上埋頭兩年，把設計交給台積電；台積電再把它送進一座耗資 400 億到 500 億美元、耗時數年建成的工廠；最後從產線另一端出來的，是一顆只賣 22 美元的晶片。每一顆晶片都凝聚了該領域頂尖人才的職業生涯傑作，卻只賣 22 美元；而在舊金山米申區買一個墨西哥卷餅要 23 美元。
Eric Vishria：
那麼拿到晶片就大功告成了？
Andrew Feldman：
拿到晶片，只解決了大約四分之一的問題。
主持人傑克：
回到台積電。他們接收設計，操作機器，交付晶片；但這種能力本身似乎不可複製。比如美國就沒有這樣的製造能力。
Andrew Feldman：
美國有台積電、三星和格芯營運的晶圓廠，但數量很少。台積電佔比非常大。
主持人傑克：
為什麼比例這麼大？因為建設速度嗎？
Andrew Feldman：
是需求增長超過了晶圓廠建設速度。而且建晶圓廠不像建公寓樓，可以從幾百個建築商中隨意挑選。建造晶圓廠的核心技能幾乎只掌握在台積電手中，即便他們也無法同時開建 12 座晶圓廠。掌握這些技能的人才極其稀缺，無法像流水線一樣複製。
這不是用模子刻餅乾。美國大約三十年的糟糕政策把晶圓廠趕走了；晶圓廠離開後，裝置供應商和配套服務供應商也離開；下一步封裝環節，像 Amkor、日月光這樣的公司也離開。我們就這樣輕易放棄了一項戰略性產業，必須做得更好，過去的做法並不明智。
主持人傑克：
那你認為接下來該怎麼做？
Andrew Feldman：
我們應該與格芯、台積電、三星坐下來，制定一個二十年規劃，在期間豁免所有地方條例，允許他們建設晶圓廠。關鍵是建立美國本土晶圓廠產能。當年長賜號在蘇伊士運河側向擱淺，我們就遭遇晶片短缺，連洗衣機都買不到。如果失去晶片產能，對美國產業、整個國家和經濟都將是災難性的。
七、董事會該做什麼：不懂技術，就守住資金、紀律與戰略
主持人傑克：
Eric，作為董事會成員，你顯然在邊學邊做的過程中發揮了巨大作用。Andrew 也說你幫助很大。面對這些複雜挑戰，你是如何應對的？
Eric Vishria：
我的能力圈很小，並不覆蓋剛才那些領域。如果現在讓我解釋什麼是封裝，我根本給不出滿意答案。Andrew 經常給我講解。所以最重要的一課是認清邊界：知道自己能做什麼、不能做什麼。對任何技術創新公司而言，總有些時候要放手讓工程師做工程、讓科學家做科學，不干涉他們，並提供充足資金。或許資金保障才是重中之重。
Andrew Feldman：
Eric 成為優秀董事會成員的原因，也是優秀董事的基礎：你不可能無所不知。要在真正擅長的領域分享經驗，幫助我們做得更好；對不熟悉的領域，不要指手畫腳。有人總愛誇誇其談，但我們的董事會很幸運。每位董事都清楚自己的專長，只在真正具備專業知識的領域提供幫助。
創投行業的一個優勢是能看到整個行業。當我們深耕具體業務時，是在向深處鑽；投資人卻有更寬視野。董事會從未試圖解決技術問題，他們不具備那種能力，那不是他們的專長。但在融資、戰略、人才與長期節奏上，他們幫助巨大，而且極具耐心，也總能提出深思熟慮的問題。董事會讓我們變得更優秀。
主持人傑克：
在硬體公司中，當董事會預期自己在產品層面貢獻有限時，究竟應該做什麼？專注融資和招聘嗎？
Andrew Feldman：
問題在於，硬體面對的是漫長而艱難的項目，與 SaaS 截然相反。你融資後花兩三年打造產品，在此之前根本不知道客戶真實反饋。你去做客戶調研，對方會說“聽起來很棒”，因為拒絕沒有成本，沒人願意扼殺你的創意，只會順口說“對，這很棒”。所以產品管理極其困難。你需要兩年半到三年，才能把產品真正交到客戶手中。
作為投資者，你能做的是理解這種發展軌跡。第一代晶片很少大獲成功，通常要到第二代、第三代才行。即便是Google TPU 這樣實力強勁的團隊，也是第四代才真正出色，前兩代並不理想。所以你在入局時就必須明白這是持久戰，要提出與持久戰相關的問題：你們招到合適的人了嗎？是否深入思考過關鍵取捨？專業化和靈活性之間的權衡是否正確？
這些問題能幫助我們理清思路、讓思維更敏銳。但晶片設計具體用那種技術、選那家 EDA 工具，必須放手，讓團隊自己決定。
八、硬體投資與軟體投資：客戶更集中，節奏更慢，周期更長
主持人傑克：
這與你過去投基礎設施的感覺截然不同嗎？
Eric Vishria：
完全不同。實現營收的周期長得多，收入呈大塊進帳。早期客戶包括美國政府、主權雲客戶和 G42，如今顯然還有 OpenAI。客戶集中度更高，商業動態完全不同；投資和市場推廣頻率也低得多。
但也有相同點：都需要匯聚多個領域的頂尖人才，並讓他們在漫長周期內保持高昂鬥志；市場也都瞬息萬變。想想看，Transformer 架構出現之前你們就創立了公司。當時 TensorFlow 還佔主導。
Andrew Feldman：
更早時主流還是 ResNet。與今天相比，那時的機器學習和 AI 網路很小、很簡單，面貌截然不同。
九、從訓練到推理：不是鋪好的專線，而是逐跳前進的路由
Eric Vishria：
這對創業者很有啟發。公司最初是作為訓練系統起步的。你當時的判斷是：由於反向傳播，訓練是更難的難題；而推理會發生在各種裝置和電腦上，呈真正分佈式狀態。這個判斷也許最終仍是對的。但到 2022、2023 或 2024 年，公司進行了一次戰略轉向，全面轉向推理。這個轉變是在什麼契機下、如何發生的？其中多少是運氣，多少是遠見？
Andrew Feldman：
思考問題有兩種方式。第一種像老式電話電路：鋪設一條從你家直達紐約的專線，意味著你對遙遠未來有清晰構想，並認定路徑固定。第二種像路由器，也就是網際網路的工作方式：逐跳前進，先到克利夫蘭，再決定下一跳的最佳路徑。我們大致是後者。
我們知道遠方有一罐金子，也深知路徑不可預知。所以每翻過一座山峰，就環顧四周，重新決策。我們能造出來嗎？能。能在路由中發揮作用嗎？能。路由成為焦點了嗎？確實。我們能成為快速路由器嗎？能。當我們看清行業全貌，看到 AI 蓬勃發展和智能快速增長，就會問：誰來使用它？人們通過推理使用 AI，所以我們佔據有利位置。產品實際應用也讓我們洞察到新趨勢：AI 將聰明到每個人都想使用；如果每個人都想使用，推理將徹底壓垮現有計算基礎設施，我們必須提前佈局。
每次取得一些成就，就像攀上一座山峰，讓我們獲得新的視野，再據此做新決策。我們始終朝同一個大方向前進，但並不知道具體路徑，只能不斷做出當下決策。向前一躍，贏得新的視野；深思熟慮，再贏得下一個更廣闊的視野。
主持人傑克：
這很有意思。在軟體領域，你可以敏捷思考，第二天推翻重來；硬體做不到。
Andrew Feldman：
硬體做不到。晶片面對的是更重大的離散決策，所以專用性與靈活性的權衡至關重要。我們在第一代架構中做了幾個非常明智的決定。比如，我們沒有嵌入專門加速摺積網路的技術，因為我們不知道這些技術會流行多久。相反，我們選擇加速支撐所有已知 AI 的底層代數運算。這個決定極其關鍵：當 Transformer 出現時，我們處理這類模型也是最快的。儘管確立架構時 Transformer 尚未被發明，我們也沒見過、沒聽說過它。
做對幾個關鍵決策，就能帶來巨大長遠回報。
主持人傑克：
在 SpaceX、Anduril、Cerebras、Palantir 等公司帶動下，硬體現在炙手可熱，人人都想投。但我們剛才也討論了，這真的難如登天。
Andrew Feldman：
確實極難，需要極大的內在韌性。從歷史上看，該領域的豐富經驗往往是成功先決條件。這和 AI、社交網路領域不同；很多創始人和領導者最初是在為自己、同學和朋友開發工具，因此有獨特洞察。看看 Cognition、Cursor，它們匯聚了世界上最優秀的軟體工程師，為自己打造工具。這與硬體截然不同。
主持人傑克：
剛才那個話題可能也解釋了部分原因：軟體領域決策速度勝過一切，昨天錯了今天改；硬體領域一旦決策，就要承擔數年後果，根本承擔不起犯錯的代價。
Andrew Feldman：
沒錯。晶片領域講究三思而後行。晶片製造對重大錯誤零容忍，必須非常確信自己能把握所有核心環節。
十、經驗、年輕與用人：那裡需要歲月，那裡只需要 brilliance
Eric Vishria：
你們建立公司的方式很有意思。早期團隊中很多人此前一起經歷過多次創業，年紀更大、經驗更豐富。不過我覺得你也沒那麼老。
Andrew Feldman：
有人叫我“嬰兒潮一代”。我爸才是嬰兒潮一代。
Eric Vishria：
到了某個階段，你只能仰望別人，就這麼回事。年輕時，你只能向上看。真正有趣的是，如果看你們組織裡的產品負責人和一些 GTM 領導層，他們其實非常年輕。我好奇這是否刻意安排？顯然不是年齡歧視，我只是好奇，你們如何把處於前沿的年輕產品負責人視角，與經驗豐富的硬體工程師結合起來？
Andrew Feldman：
我們深入思考過：經驗在何處至關重要，超凡的智慧又在何處不可或缺。
我們的產品團隊聰明得難以置信，是我見過的最優秀產品人才。他們都很年輕，且全部內部提拔。我們沒有大公司的繁文縟節，比如規定必須在崗位上待滿一定年限才能晉陞。如果你表現卓越，我們會賦予越來越多責任；如果你能出色完成任務，發展空間將不可限量。
比如我的聯合創始人 Sean，五位創始人之一。他在我的上一家公司加入時只是個人貢獻者，2007 年入職時大約 25 或 26 歲；四年後公司被 AMD 收購時，我們直接把他晉陞為公司院士。他的發展沒有上限。現在他是創始人，也是一家上市公司的 CTO。我們就是這樣大膽用人。
在某些領域，出類拔萃需要極其豐富的經驗；在另一些領域則完全不需要。我們在理解 AI 客戶需求方面並沒有太長的歷史，因此年輕團隊的方法論、聰明才智和洞察力勝過經驗。但在晶片製造領域，我的經驗是：此前多年造芯經驗，是能否交付卓越晶片的最佳預測指標。機械和系統方面也是如此。大學或研究生階段幾乎沒有機會真正製造晶片或打造硬體系統，因為太貴、太難、周期太長。即使博士項目，你也沒有機會流片、交付、點亮晶片、把它裝上電路板、通電並編寫軟體。所以需要時間積累。
主持人傑克：
人脈關係是否至關重要？年輕人能很快建立這些關係嗎？
Andrew Feldman：
一開始就有五個創始人確實太多了，毫無疑問。但好在我們之前合作過，彼此清楚擅長什麼，幾乎沒有內耗。我們對彼此的能力充滿敬意，也對自身不足保持謙遜，所以能順利合作。
至於建立信任是否需要很長時間：與人共事六到八周後，你就能看出對方是否出類拔萃。出類拔萃的人發來的第一封郵件就會讓你驚嘆：正是我需要的；每個清單按重要性降序排列，沒有廢話，訊號雜訊比極高。然後你會反覆看到這種表現；再看他們主持會議的方式，又會驚嘆；最後看他們交付成果。這樣的人能激勵周圍團隊，能跨部門協作。你會想：這正是下一個重要項目需要的人。然後他們就能勢如破竹地攻克所有工作。
主持人傑克：
我一直覺得招聘就是這樣。如果面試後我學到了真東西，甚至想再安排一場面試，只因想從對方身上學到更多，那通常就是最棒的候選人。
Eric Vishria：
最棒的。
主持人傑克：
外部關係如何處理？比如你們要和公司外部很多人打交道，要去台灣，要和那邊合作。
Andrew Feldman：
帶他們一起去會有幫助。幾十年來，我們一直與台積電合作製造晶片，也與代工廠合作了幾十年。尤其在局勢緊張時期，多年建立的關係非常重要。你必須始終一諾千金，不是一次兩次，也不是只在順境時，而是無論順境逆境都信守承諾。這非常關鍵。
與新合作夥伴建立關係也一樣：信守承諾，儘早共享資訊；寫感謝信。聽媽媽的話，做個好人，寫封感謝信，說到做到。
Eric Vishria：
這給我上了極其重要的一課，尤其疫情時期。我們看過的軟體公司、甚至軟體基礎設施公司，真正重要的供應商很少，比如 AWS，或現在加上基礎模型公司，關鍵供應商大概只有兩家。但在我們這行，供應商名單長得離譜，有幾十家。系統整合了所有元件，還有製造冷板和水系統部件的專業製造商。所有東西必須完美整合，而我們不習慣在交付產品時存在如此多的依賴關係。至少對我來說，這是巨大挑戰。軟體出身的人必須努力摸透並掌控供應鏈。
Andrew Feldman：
供應鏈被稱為“鏈”，是有原因的。
Eric Vishria：
確實。你會突然意識到，所有環節在業務指數級增長時都會更複雜。以前我從沒想過這些。比如在 AWS 上需要更多算力，上網增加容量就行；但如果你想要更多晶圓產能，那是一個交期 15 個月的決策，而且涉及巨額資金。供應商也在做巨大產能分配決策，他們也必須認可這個計畫。這讓我深刻理解其中複雜性。
十一、AI 基建：GDP 等級的資本開支，唯一看準的人是 Sam
主持人傑克：
我們內部經常討論：無論你覺得規模有多大，都很難真正想像 AI 基礎設施建設的體量，以及其中巨額資本開支。我今天早上看到一張圖表：美國每年 GDP 的 1% 用於高速公路和電信建設，鐵路佔 2%，而這次 AI 基建佔到 GDP 的 3.5%。似乎只有一個人看準了趨勢，那就是 Sam。
Andrew Feldman：
是的，他是唯一看準的人，當時所有人都覺得他瘋了。Sam 真正了不起、也極其難得的一點是：他洞察到指數級增長趨勢，並且毫無懼色。當你把這種增長推演到兩三年、四五年後，只會驚呼“我的天”。其他人都很害怕，都認為增速會放緩；他說不會。
主持人傑克：
我記得“星際之門”項目剛提出時，數字大概是 7 兆美元，大家都嘲笑。
Andrew Feldman：
現在看來，星際之門初始規模小得令人遺憾。當時那個數字令人震驚，人們都在嘲笑。所以除了他，我們所有人都判斷錯了。我們錯了，台積電錯了，輝達錯了，記憶體晶片廠商也錯了。除了他，我們都看走眼了。
十二、資料中心瓶頸：晶片之外，還有電網、發電機、施工與社區溝通
主持人傑克：
現在這種瘋狂建設正在進行，而推理需求增長似乎超過算力建設速度。人們關心算力價格、可用算力規模和 token 消耗。從日常營運看，你在資料中心方面觀察到什麼？
Andrew Feldman：
資料中心是通過雲端交付算力的供應鏈環節之一。無論通過公有雲交付，還是本地部署交付，都會受到影響：一種是你租用資料中心空間放入自己的裝置，另一種是你的客戶直接租用整個資料中心。資料中心目前成為市場瓶頸，也暴露了美國的一系列弱點。我們的電網狀況堪憂，基本上還建立在 20 世紀 40 或 50 年代的技術之上。我們停止了一些有趣且極清潔的技術研發，比如核能。如果最終是 AI 促使我們回歸核能，那真是一個諷刺。
這也表明，在資料中心裡，我們使用發電機作備用電源，燃料通常是柴油、LNG 或其他氣體。裝置來自 GE Vernova 或 Caterpillar。幾十年來，發電機和柴油發電機組缺乏創新，而現在創新突然湧現。Bloom Energy 想把為噴氣式飛機設計的技術用於資料中心供電；燃料電池也重新受到關注；電池備用電源也有各種有趣嘗試。巨大需求正在驅動巨大創新。
我們的資料中心不夠用，建設速度太慢，電網老化，所以這是一個充滿巨大創新的領域。但行業初期做了一些蠢事：試圖把成本轉嫁給當地社區，試圖佔地方市政機構便宜。資料中心完全有能力自行承擔成本，沒有理由不這麼做。資料中心也沒有理由消耗大量水資源。我們使用閉環系統；美國所有資料中心用水量加起來，還不如加州杏仁種植者；不是一倍、兩倍或四倍差距，而是杏仁種植者用水量是資料中心的四到七倍。所謂水資源問題根本是偽命題，站不住腳。
但作為行業，我們沒能很好與當地社區溝通，沒能獲得支援，沒能展示會帶來的數千甚至數萬個高薪建築崗位、長期就業崗位和更低稅率。我們在這方面做得很糟糕，現在正在付出代價。
主持人傑克：
這印證了整體主題：科技行業在 AI 公眾溝通上做得一塌糊塗。
Andrew Feldman：
糟透了，確實糟透了。
Eric Vishria：
資料中心還有另一個層面讓我感興趣。比如 2018 或 2020 年問你，資料中心成為關鍵制約因素的機率有多大？
Andrew Feldman：
那肯定又是我會猜錯的一件事。
Eric Vishria：
我們所有人都會猜錯。這完全是一個全新命題：現在你必須從頭到尾把它建好並交付。
主持人傑克：
從動土到完工需要多久？我知道你拿“鏟子”開過玩笑，我不是想問那個；我是問建一個資料中心，從開工到完工到底要多久？
Andrew Feldman：
“Shovel ready”是資料中心領域常聽到的詞，實際意思往往是“我們其實什麼都還沒幹”。我們就是想賣給你一塊空地，好讓你的鏟子有地方下腳。比如“我有一塊生地”，或者“我在俄克拉何馬州有一塊地”。有時有許可，有時沒有。
我們絕對想不到行業會發展到今天這個地步。如果有靠譜建築商，從拿到生地和許可到建成 50 兆瓦設施——這是一個合理規模區塊——大概需要 18 個月。通常大型資料中心園區也按 50 兆瓦區塊分期建設，每個區塊 18 個月。如果那裡已有建築且接通電網，我們稱之為棕地項目。現在很多人跑去鐵鏽地帶，收購舊工廠、造紙廠，因為它們以前耗電量很大，早就拿到電力許可，然後改造這些設施。
主持人傑克：
在資料中心供應鏈瓶頸中，能源、晶片、施工和審批，那個佔比最大？
Andrew Feldman：
供應鏈每個環節都有自己的子供應鏈。建資料中心，大多數地方不缺混凝土，勞動力也有；不過在懷俄明州，為了爭奪資料中心選址，甚至要從遠至丹佛的地方調電工。發電機和輸電開關是長交期裝置，一貨難求，成為關鍵瓶頸。通常你能很快建起所謂“冷殼”：可以相當快地建好混凝土預製板建築或鋼結建構築；但隨後必須進行內部機電安裝，把它變成一座算力的“高功率酒店”。這需要電工、冷卻冷水機組和各種其他裝置，而這些裝置目前交貨周期都很長。
Eric Vishria：
昨晚我離開孟菲斯時，碰巧乘飛機飛越那些超大型資料中心，規模令人震驚。
Andrew Feldman：
沒人能像埃隆那樣搞建設。
Eric Vishria：
建築規模、周邊施工現場等等，都太龐大了。
主持人傑克：
這引出兩種未來：要麼資料中心未來十年永遠供不應求；要麼由於交貨周期動態變化和當前建設熱潮，最終出現產能過剩。押注那種未來會成真，可能存在超額收益。
Eric Vishria：
肯定是資料中心不夠用。
Andrew Feldman：
在我們這個領域，展望未來十年真的很難。十年前 Transformer 還沒跑起來，人們跑的是識別臉、貓、椅子的小模型。2016 年算不上 AI 大年。但未來五年內，我們仍將繼續滿世界找資料中心、繼續搶晶片；對使用 HBM 的人來說，還得繼續搶 HBM。
十三、政治與真正稀缺指標：如果分母有限，每瓦 token 是否就是一切
主持人傑克：
政治在其中扮演重要角色。現在政府對科技、尤其 AI 的關注和干預顯然比以往更多。
Andrew Feldman：
不，我們真正需要的是更多不懂做決定的人；顯然這正是我們需要的。這個領域確實需要就什麼對美國有益、對不同市政區和農村地區有益進行深思熟慮的討論，但政客並沒有進行這種討論，他們的反應都是條件反射式的。
Eric Vishria：
暫時拋開政治，假設我們在算力問題上達成共識：算力受到限制，無論是記憶體、晶片還是資料中心空間，總之存在瓶頸，而需求壓倒性。這難道不意味著唯一重要指標是“每瓦特 token 數”嗎？分母有限，所以要最大化分子：每瓦特 token 數、每個設施 token 數、每塊晶片 token 數。也許是“每瓦特任務數”。如果是這樣，Cerebras 就具備速度優勢，巨大速度優勢。你如何看待這種動態？如果我們快進，看看真正的瓶頸到底是什麼。
Andrew Feldman：
我認為有兩點。第一，速度——也就是我們選擇專注的領域——在歷史上催生過無數市場。沒人會用慢吞吞的搜尋引擎，撥號上網也沒有市場。你的孩子多大，14 歲和 12 歲？如果你想懲罰他們，別沒收手機，把網速降回撥號上網，讓他們用一陣子。那才是懲罰。為什麼聽完我們會笑，卻又覺得 AI 慢一點沒關係？
當網際網路很慢時，Netflix 靠郵寄 DVD 起家；當網際網路變快後，它成了影視製作公司。它不是把原業務做得更好，而是蛻變成全新物種。上周 GPT-5.6 限量發佈後，我們看到的正是這種現象。人們正在構想全新應用。你能瞬間獲得前沿智能，這開闢了各種新機遇。這是速度帶來的第一重價值。
第二重價值是提高吞吐量，生成更多 token。方法之一是參與“解耦”合作，我們正在與 AMD 和 AWS 合作。推理工作中，你會思考是否有一部分工作可以交給別人做，另一部分由自己做，從而實現更高吞吐量。與 AMD 合作，我們在保持速度不變的情況下實現 5 倍額外吞吐量；與 AWS 也看到了類似資料。得益於我們的架構，我們有機會在整個 GPU 生態中實現這一點，並全面鋪開。目前該領域有四大主要晶片製造商：輝達、AMD、Google TPU、AWS 訓練晶片。我們已經與其中兩家合作。這是我們深思熟慮過的戰略，也是我們極感興趣並致力於推進的方向。
十四、輝達真正偉大之處：不是 CUDA，而是十年絕境中的極致堅韌
主持人傑克：
輝達究竟有何特質，能讓他們取得如此瘋狂的發展勢頭？
Andrew Feldman：
我認為大多數人對輝達為何偉大的理解是錯誤的。本世紀前二十五年，輝達毫無疑問是最偉大的公司。人們常關注諸多因素，比如 CUDA；但我認為並非如此。他們也看重晶片架構；我認為也不是晶片架構。
真正令人難以置信的是堅韌與專注，源於其作為上市公司長達十年未獲成功的蟄伏。看他們從大約 2003、2004 到 2013、2014 年這十年的股價：表現極其糟糕。作為一家上市公司，你浴血奮戰，卻無人傾聽，產品銷量慘淡；支撐這一切所需的百折不撓與堅韌令人驚嘆。十年後，他們從困境中涅槃重生，成為全球市值最高公司。對這樣體量的公司而言，這種極致投入與堅韌使其躋身歷史上最偉大公司之列。並非因為其他那些因素，那些只是談資。
但作為上市公司，經歷那樣十年無休止的抗爭、抗爭、再抗爭，這種精神已經刻入他們的 DNA，這才是真正了不起的地方。
主持人傑克：
沒錯。在各種活動上，你依然能看到黃仁勳。
Andrew Feldman：
依然在拼盡全力。誰能想像五兆美元市值的公司？你能想像黃仁勳之前的老一輩科技領袖做到這一點嗎？不可能。那種拚搏的極致，在我看來正是其偉大之處。其他方面固然很酷、很好；但當我審視自己如何做得更好，思考作為 CEO 應該關注什麼時，我汲取的正是這種力量。
十五、職業“大衛”的鬥士基因：每一次質疑，都是下一次證明的起點
主持人傑克：
你認為你們經歷的生死存亡，是否賦予了公司這種鬥士基因？
Andrew Feldman：
確實如此。黃仁勳身上有趣的一點也在於此：儘管他已是行業巨頭，仍把自己看作處於劣勢的挑戰者。
這是我的第五次創業。此前我們賣掉三家公司，把一家公司推上市，現在又把當前這家公司推上市。在迎戰歌利亞的戰鬥中，我是一個專業挑戰巨人的大衛，每天醒來都帶著這種心態。現在我們規模更大了，面臨更強大的競爭對手，有更多人向我們投擲石塊；所以我希望我們能秉持這種心態。就我個人而言，每天醒來我都充滿熱情與動力。
每天我都會回想：剛起步時，他們說晶圓級晶片行不通，結果我們做了出來；他們說你做不出高良率量產，結果我們實現了高良率量產；他們說你無法大規模量產封裝，結果我們實現了大規模量產封裝；他們說你只有政府客戶，結果我們拿下主權雲；他們說你沒有超大規模客戶和前沿實驗室，結果我們贏得 OpenAI；他們說你有了政府客戶、主權雲、前沿實驗室，但沒有超大規模客戶，結果我們拿下超大規模客戶；他們說你做不了大模型，而現在我們正在為 GPT 提供服務。
主持人傑克：
那他們現在說什麼？
Andrew Feldman：
每次我達成一個里程碑，我都讓他們啞口無言。當你骨子裡是個企業家，每一次這樣的質疑都會讓你熱血沸騰。我們只熱衷於解決別人解決不了的問題，只做別人做不到的事情。這就是我們每天早起奮鬥的原因，不是為了錢，也不是為了名聲，而是因為我們熱愛打造酷炫的產品，真的非常喜歡攻克那些極其困難、別人做不出來的酷炫產品。
十六、尾聲：在史丹佛校園、肖克利與諾獎鄰居之間長大
主持人傑克：
Eric 跟我講過你相當獨特的童年經歷。我不知道這是否影響了你的成就，但你是怎麼長大的？
Andrew Feldman：
我在史丹佛校園長大。父母都是教職員工，那裡有個小社區，鄰居幾乎全是教授。我的鄰居是電晶體之父威廉·肖克利。這很瘋狂。我們當時才八歲或十歲，對他的全部瞭解就是：他妻子在萬聖節會發全尺寸糖果棒。這位發明家曾在貝爾實驗室工作，發明了電晶體，並把矽谷帶到西海岸。而我們當時腦子裡想的只是他會發大號“三劍客”糖果棒。
但那段經歷中有幾件事非常美好。首先，那裡唯一的硬通貨是腦力。那時沒人在乎你是否富有，沒人在乎你是否創辦了公司；那是 70 年代，沒人在乎這些。他們在乎的是：那傢伙真的很聰明，研究做得很出色。我的另一位鄰居是阿莫斯·特沃斯基，他與丹尼爾·卡尼曼的合作研究讓他們獲得諾貝爾經濟學獎。還有我父親的網球球友，六到八個人輪換，周六周日打雙打。我二十五六歲時意識到，他們當中有三個人獲得諾貝爾獎，一個人獲得菲爾茲獎。大家雙打都打得很爛，簡直是老年網球；發球慘不忍睹，體能也不行。
主持人傑克：
這真是一種不可思議的成長環境。
Andrew Feldman：
確實不可思議。社區很安全，我們會騎上自行車，整個夏天都在外面瘋玩，直到天黑才回家。
主持人傑克：
你曾想過自己會成為學者嗎？
Andrew Feldman：
想過。我實際正在攻讀博士學位，後來覺得有點無聊。準備博士資格考試期間，我去了史丹佛商學院，然後陰差陽錯被捲入商界。我父親到現在還會問我：“Andrew，你打算完成博士學位嗎？”我就說：“爸，我的教授們都不在了。”
主持人傑克：
好了，Andrew，這次交流非常愉快。顯然你打造了一些極其特別的東西，能通過 Eric 間接觀察和學習這一切也很棒。感謝你做的一切。
Andrew Feldman：
很高興來到這裡交流。Benchmark 是一位非凡合作夥伴。投身硬體創業，意味著要與投資人深度繫結十年，因此務必慎選良伴。我很自豪我們做出了正確選擇。謝謝。
(invest wallstreet)