以下为编译。
1. 开场：数据中心投资规模大到什么程度？
Max： 又是美好的一天，也是一场很棒的对话。欢迎来到 GTM Now 播客的特别 VC 加更版。我是 Max Altschuler，和 GTMfund 的普通合伙人 Paul Irving 一起主持。今天的嘉宾是 Theory Ventures 的 Tomasz Tunguz，他此前在 Redpoint，也刚和我们一起做了一笔投资，具体项目先卖个关子，之后再聊。
Paul： 我发现我们每次开场都在聊最近到底有多忙、飞了多少地方，所以这次我特意提醒自己别再这么开头了——虽然那的确是真的。总之我很期待这一期，我觉得大家会喜欢。Tomasz 是整个创投行业里最有思想框架的 thesis investor 之一，这期里有很多值得反复咀嚼的观点。
Max： 我一直很喜欢他的写作。他对我们到底身处什么阶段、接下来要往哪儿去，判断都非常清楚。如果你平时在 X、LinkedIn 或关注 Theory VC，真的值得去看他的内容。在进入正式访谈前，我想先铺一个背景：今天公开市场和私募市场之间的边界，已经比以往任何时候都更模糊。现在二级流动性很多，整个市场都在围绕一个共同主题展开—— AI 的价值到底沉淀在价值链的哪一层。显然，这不只是 OpenAI 和 Anthropic 的故事。最底层是能源、稀土材料、电网；再往上是数据中心和基础设施；再上面是 GPU、芯片、存储；再往上才是 OpenAI、Anthropic 这样的 AI 基础设施公司；再往上才是应用层。如果你看公开市场，很多真正涨得猛的公司，并不是传统横向 SaaS，而是能源、存储、芯片、内存，或者说 " 卖铲子 " 的公司，甚至是再往上游走，给这些 " 卖铲子 " 的公司提供原材料和设备的供应商。大家都在找 AI 金字塔里那个最基础、最稀缺、最容易因为需求爆发而卡住的环节。而在私募市场里，我们也已经开始看到类似变化：很多原来只投软件的投资人，开始转向 " 软硬一体 "、硬件为主但含软件组件，甚至服务 + 软件的公司，因为所有人都想卡进这条 token path，也就是 AI 价值流动的路径里。
Max： 没错。Tomasz 在节目里还有个非常好的提醒：接下来图像和视频会成为新的前沿，而如果现在的数据基础设施约束都已经让人头大，那么相比未来，那些约束看起来可能都只是 " 小问题 "。再比如 Nvidia，直到 2022 年之前，它数据中心业务中的一部分收入基本还是平的；GPT 出来三年后，增长了 17 倍。你会看到基础设施有一个 " 滞后—追赶 " 的过程，等这一轮建设完成之后，人们会发现原来世界可以被推进到这样的能力水平。
2. 科技巨头：先抢份额，再谈利润
主持人： Tomasz，你这些年一直在讲 " 数据的十年 "，而且远早于今天这轮 AI 浪潮。现在，世界好像终于追上了你之前的判断。Meta、Google 在 AI 基础设施上的承诺已经到了天文数字级别。这里面有什么是你自己也会感到惊讶的吗？你以前会想到规模能到这么大吗？
Tomasz： 我觉得，几乎没有人真正意识到这件事会有多大。如果把数据中心开支占美国 GDP 的比例，放到历史上的大型工程里去比较，那么它今年会成为史上第五大的基础设施项目——而且这个排序里还包括两次世界大战。
主持人： 这太夸张了。
Tomasz： 是的。再往上一级，是美国铁路建设，大概在 GDP 的 5% 左右；而数据中心现在大约已经占到 3.5%。当然，市场上也能看到一些疲软信号，比如 Stargate 团队从 OpenAI 离开，也有一些项目取消；但另一边，你又看到 Anthropic 从 Google 等方面租下了 200 亿美元规模的资源，CoreWeave 也刚刚宣布了非常可观的新承诺。所以我的判断是，整体还会继续往上走。你完全可以想象，它会到 GDP 的 3%、4%、5%，甚至 6%、7%。
主持人： 你觉得那会在什么时候发生？
Tomasz： 到 2030 年。因为推理需求几乎是无限的。再看模型本身，像 Mythos 这样的模型，外界传闻已经是 10 万亿参数级别，是今天最大已部署模型的 5 到 10 倍。你需要巨大的机器才能跑得动它。而我们甚至还没真正把视频和图像算进去。Sora 还被取消过一次，所以我认为这个规模会非常惊人。我们其实还没有真正意识到，人类正在处理多么庞大的数据量。
主持人： 那我们到 2030 年再坐下来复盘一次，说不定地点就在某个数据中心里。
Tomasz： 很有可能，确实如此。
主持人： 你曾拆解过一个特别震撼的数据：超大规模云厂商每从 AI 赚到 1 美元，就要在基础设施上先花掉 12 美元，这差不多是一场 5750 亿美元的豪赌。这个局面会怎么演化？
Tomasz： 短期看，这就是一场市场份额争夺战。谁能抢下最多的份额？谁会成为第一名？长期看，它又会变成一场利润率游戏——谁最终能赚最多的钱。而今天，它本质上是一场 " 胆小鬼博弈 "。你会看到，全球最赚钱的公司，比如 Google，每年原本可以产生 750 亿到 900 亿美元自由现金流，但它们把几乎所有现金流都拿去建数据中心了，而且还在继续举债。Meta 也是这么干的。Oracle 按现金流口径算，杠杆甚至到了 7:1。这很疯狂。所有人都在赌：只要自己能在这个阶段拿下足够大的市场份额，未来就有机会兑现为利润。真正最关键的指标，是 " 每瓦电力能输出多少智能 "。这项指标正在快速提升，而且还有巨大提升空间。所以我把现在定义为第一波：Gemini 能拿下多少份额，OpenAI 能拿下多少，Anthropic 又能拿下多少。接下来才会进入利润兑现阶段。现在有传言说 Anthropic 的毛利率非常高，而有些其他公司未必如此。我们已经开始看到一些早期迹象了，但大体节奏应该就是这样。
3. AI 与数据栈已经融合，组织结构也开始被改写
主持人： 如果回到你最熟悉的数据投资领域，这轮变化有没有改变你看数据公司的方式？你过去投过 Dataminr、Monte Carlo、Hex 这些很出色的公司，现在有什么根本性不同吗？
主持人： 那对于正在创业的创始人来说，在这种 " 融合 " 之下，应该如何理解自己的定位？
Tomasz： 我觉得有两个点。第一，数据世界正在和 AI 世界融合，这不是概念，而是现实。第二，没有人真的知道未来会长什么样。大家都可以装作自己知道，但事实上，如果你今天是软件买家，你真正想找的，是一个值得信任的伙伴，一个你相信在未来 3 到 5 年里能持续带你穿越变化的人。无论是工程负责人、数据负责人、销售负责人还是市场负责人，他们现在想找的，都不再是一个传统软件时代那种 " 点状功能 " 的点解决方案。他们要找的是一个能逐步替他们构建 3 个、5 个、10 个、甚至 50 个 agent 去解决需求的人。你要卖给客户的，不只是今天的产品能力，而是 " 你能否成为未来的可信赖向导 "。
4. 产品—市场匹配不再是一次性的，而是持续性的
主持人： 你在 2025 年 10 月写过一篇文章，说产品市场匹配已经不再是一个静态的、二元的概念。过去我们说 PMF 达成了就是达成了，现在你说它变成了连续状态。创始人和经营者该怎么理解？
Tomasz： 在 2010 到 2021 年那段时间里，大家对 PMF 的理解通常是：先找到产品市场匹配，然后开始规模化。产品一旦成型，经济模型、关键指标、扩张路径基本都比较清楚，剩下的问题主要是融资和执行。但今天不是这样。拿基础模型公司举例，一家 foundation model 公司做出一个 SOTA 模型，可能只有 35 天时间把它商业化，否则就会被别人超越。
主持人： 35 天？
Tomasz： 对，就这么短。可别忘了，这背后可能是 50 亿到 100 亿美元的投资。软件领域也是一样，如果你做出一个独特的东西，它非常容易被快速复制。所以你必须不断往前推、持续往前推，这就是我们说 " 产品市场匹配是连续的 " 的原因。不是你达成一次就完事了，而是你要不断重建。而且买家的需求本身也在变化。随着他们越来越理解 AI 能做什么、不能做什么，他们对产品的期待会不断调整。所以，不只是你在追赶市场，市场也在动态变化。
5. Agent 正在进入采购委员会，营销从此要面对 " 人 +Agent" 两种受众
主持人： 你最近也一直在谈 AI 对销售配额、营销、广告的影响。你现在看到的最大变化是什么？
Tomasz： 我最近采访了 Lena Waters ——她做过 Notion、Grammarly、DocuSign 的 CMO。她有个很重要的观察：现在买家的购买路径已经完全不同了。买家比过去更多地借助 agent 进行自我教育。这意味着，你今天面对的不再只是一个受众，而是两个受众。第一个当然是人，比如工程负责人；第二个则是这个工程负责人的 agent。因为在他真正拿起电话联系供应商之前，他很可能会先咨询 agent，让 agent 帮他筛选和判断。这意味着，agent 已经成为企业内部一个全新的 " 购买委员会成员 "。假设是一位工程负责人在做决策，那么现在的购买委员会里可能同时有 AI 负责人、法务负责人，外加一个 agent。突然之间，你要面对的决策动力学就从过去的三个人、四个人之间，扩展成了 " 人类—人类—代理 " 共同参与的过程。如果你卖的是大单，你就必须学会怎么在这种新型购买共同体里成功穿行。
主持人：这让我感觉整个购买流程变得前所未有地多层次。好像第一层先是 agentic process，也就是代理先做资格审查和调研；第二层才是偏情感和信任的人类互动。它未必是线性的，但肯定是两个不同的层同时在发挥作用。
Tomasz： 对，是两种不同 persona。它直接改变了内容、网站、产品展示方式。我前几天在 HumanX 大会上，还听 Carta 的负责人说，他们已经不再继续投资自家网站和移动 App，也不打算再做新的产品开发了。
主持人： 这很激进。
Tomasz： 是的。他的意思是，未来一切都将面向 agents。
主持人： 这点我很好奇，因为我和 Webflow CEO Linda 以及一些还在重仓网站空间的人聊过。他们的看法不是 " 网站消失 "，而是网站会变成一种更偏向 revenue source、也是给 agents 提供真实信息源的东西。人类可能不再像以前那样亲自浏览，但网站依然承担某种 " 被代理读取的真相层 "。
Tomasz： 我同意，这就是演化方向。问题变成：你到底在不在乎可视化？很多营销和品牌活动，本质上是在通过情绪建立信任，而 agent 至少现在还不会被情绪打动。所以你要怎么说服一个 agent？当前答案很简单：文本，纯文本。原始 markdown、事实陈述、清晰表达、权威内容。对 agent 来说，这些才是最重要的。
这也意味着，营销团队未来可能会有两条并行轨道：一条是给人类看的 discoverability，一条是给 agents 做信息传递和可发现性优化。随着越来越多初步筛选和资格审查先由 agent 对 agent 完成，企业就得重新思考内容包装、分发和信息结构。
主持人： 从 go-to-market 角度看，你在数据领域观察到哪些新的模式？
Tomasz： 我觉得大家都在试图理解 agent 的含义。Agent 是一种新的分发渠道。比如，当某个 agent 在决策过程中说 " 我们应该用这个数据库 " 或者 " 我们应该用那个数据库 "，那你能否通过 cloud skills、渠道关系或其他方式进入那个决策路径，就会变得非常关键。第二个问题是定价模型的重构。过去很多数据基础设施公司的商业模式都偏 consumption-based，像 Snowflake、Databricks 就是典型例子。但推理市场的规模，比数据仓库计算大一到两个数量级。所以你怎么设计自己的定价结构，才能真正暴露在推理增长的上升通道里，这是一个核心问题。第三，是规模能力。你怎么给自己的产品和技术做定位，让它可以承接非常非常大的吞吐量？这不是抽象问题，而是活生生的生死问题。
主持人： 你也提到过 Vercel 用一个 AI agent 加半个兼职工程师，替代了大约 9 个 SDR。除了这些 go-to-market 场景，AI 对团队层面的影响你还看到了什么？
Tomasz： 在销售领域，SDR 和 BDR 的角色正在发生真正的转型。全自动化地替代这些角色，是一个重要而且单向的变化，我认为这是现实，而且很重要。不过另一方面，我们也要区分消费品购买和企业级销售。如果你问 AI" 最好的跑鞋是什么 "，你大概率会信；你问 " 该买哪台笔记本电脑 "，你大概也会信；甚至你问 " 我应该买哪辆车 "，这是 2 万到 3 万美元的决策，你都可能愿意外包给 AI。但企业销售复杂得多。人与人之间建立信任的需求，仍然会持续存在。虽然我们最近刚遇到一家公司，正在做一种能够真正 " 影响你 " 的 agent。
主持人： 什么意思？
Tomasz： 有个 benchmark 叫 Giving for Good。一个 AI agent 会和你对话，试图说服你给某个慈善机构捐款。不同的 AI 系统会用不同的话术、策略，它们会根据历史数据被评分：到底能多大程度上提高你的捐赠意愿，以及最终的捐赠金额。
主持人： 它是通过打字聊天来做这件事？
Tomasz： 对。你会说：" 告诉我更多关于这个慈善机构的信息。" 它就会继续说服你；你会说 " 我更关心这些问题 "，它会顺着你的价值观去组织论述，然后告诉你哪个机构更匹配。它越能说服你，得分就越高。把这个机制迁移到商业世界，你就可以想象一个 agent 对你说：" 我真的认为你应该用 Omni 作为 BI 平台。" 于是问题就来了：这到底是好事还是坏事？是伦理的还是不伦理的？应该怎么使用？我觉得这些问题都会在营销世界里出现。与此同时，创意自动化也在加速，图像和视频生成都在迅速进入广告系统。你也会看到强化学习正在广告定向中被使用，Meta 在这方面发过很多论文，效果相当显著。再往上看一层，你会发现几乎每个岗位都在被重新想象。所以，很多最前沿的领导者，越来越倾向于招聘通才，而不是过于狭窄的专才。
主持人： 你自己在团队建设上也是这么做的吗？
Tomasz： 非常是。我们团队里有一半是 AI 工程师，而且我觉得在很长时间里都会保持这样。别人可以从 AI 里获得杠杆，风险投资当然也会，而且迟早一定会以某种形式参与进来。
我们一直说，VC 其实也是在经营一家公司，只不过形式不同。如果你不去采用 AI，不去像软件公司那样重构自己的工作方式，那你迟早会撞上增长天花板。别人会继续前进，而你停在原地。
6. 个人使用、MCP、图像视频创业机会，以及成功公司的共性
主持人： 除了公司层面，单就你个人作为投资人，你最喜欢、最有变革感的 AI 用法是什么？
Tomasz： 对我来说，一个很重要的用法是：你在会议里或者刚结束一场会议时，总会冒出一些你本来永远不会腾出时间去研究的问题。AI 很适合做这种事。比如昨天有人给我推荐一本关于网球心理学的书，说特别好。那我大概率不会真的读完，但我可以让 AI 先帮我总结，再告诉我这本书对风险投资能有什么启发。它让你的知识边界被拓宽了，这一点很强大。
主持人： 回到公司层面，你们招这么多 AI 工程师，到底在做什么？
Tomasz： 一个关键目标，是尽可能真正理解这些系统是怎么工作的，因为这会反过来影响我们的投资判断。当然，我们也会做很多有趣的实验。比如上周有人在办一个 " 给 MCP 办葬礼 " 的活动，因为市场上一直有声音说 MCP 可能不会成为主流技术。于是我们做了个叫 RIP GREP 的东西，用来识别哪些技术看起来像 " 快死了 "，但实际上并没有死。MCP 就是个典型案例。
主持人： 所以你其实是在说，MCP 并没有死。
主持人： 如果今天让你重新开始做一家数据公司，你最兴奋的方向是什么？
Tomasz： 图像和视频。因为那里的数据量太大了。我们很幸运投了一家做这个方向的公司 LanceDB。你会直观看到，单张图片就可能比文本文件大 1000 到 10000 倍，而视频又会比图片再大两到三个数量级。如果我们今天只是 " 搬运文本 " 就已经很吃力了，而定制化视频、机器人又都在快速到来，那么整个世界显然需要更大得多的基础设施去支撑。
主持人： 在你投过的那些非常成功的公司里——包括像 Customer 这样的公司，甚至还有很多现在外界还没完全看见结果的项目——你觉得它们有什么共性，是创始人可以借鉴的？
Tomasz： 一个非常被低估的点，是对某个行业历史的理解。这非常重要。第二次创业的创始人之所以成功率这么高，尤其是那些在第一次创业的同一领域里再次创业的人，是因为他们认识里面的人，理解这个领域是怎么一步步走到今天的，也知道过去踩过哪些坑。所以那种基于领域历史的深度专精，非常有力量。今天有了 AI，你可以更快理解自己的核心领域，但理解 " 历史脉络 " 本身仍然是关键资产。
主持人： 我想，人脉和分发能力应该也是同样的重要吧。尤其是如果你一直在同一个生态里做事，那种连接和渠道会变成非常不公平的优势。现在我们也看到，大家比过去更依赖生态合作和伙伴关系了。
Tomasz： 是的，这点确实如此。还有一个变化也很大：PR 已经成为一个比过去重要得多的分发渠道。大众媒体今天愿意用一种过去对传统软件不会采用的力度去报道 AI。再有就是渠道的提前介入。过去除了安全软件外，很多公司要到 1500 万、2500 万，甚至 3000 万 ARR 才会真正上渠道。但今天，我们已经看到中低个位数 ARR 的公司，就开始有效利用 channel partner 了。
7. 最后给创始人的建议
主持人： 如果说一个你现在持有、但可能和主流不完全一致的判断，或者说 hot take，会是什么？
Tomasz： 我认为，AI 的影响依然被整体低估了。它的变革性会非常彻底，尤其会体现在组织设计上。今天的公司结构，本质上还是沿用 " 计算机发明之前 " 的很多管理假设，这件事其实很惊人。比如 " 产品经理 " 这个角色，可能也就 40 年历史。可未来，AI 会彻底改变公司是如何被组织起来的。如果把一家公司的结构粗略切开，看作高层管理、中层管理和执行层 / 个体贡献者，那么今天大致可能是 5%、75%、20% 这样的比例。五年之后，它看起来绝不会还是这样。
主持人： 这确实很疯狂，也太有变革性了。包括你写过的 AI agent 定价问题，也说明这种变化已经远远不只是 " 多一个工具 " 这么简单。最后，你想给创始人留一句什么建议吗？
Tomasz： 我唯一真正想说的是：没有人真的知道标准答案是什么。我们正处在一个巨大的实验期里。你能做的最好的事，就是双脚跳进去，自己把答案试出来。
主持人： 这真是很棒的建议。你有很棒的博客和写作，大家还可以在哪里继续关注你？
Tomasz： 可以在 Twitter、LinkedIn 找到我们。我们最近还做了一个叫 Office Hours 的系列，会邀请很多高管来参加，最有趣的是，大家可以直接拨进来提问，我们会把你的问题带进对话。
主持人： 我个人也很喜欢你之前做的 Run Kuru。非常感谢你来参加这期节目。
Tomasz： 很高兴来，感谢邀请。
