文章作者、来源：华尔街见闻

识别S曲线拐点的投资者，往往能在指数级增长启动前以被低估的价格入场，并在数年内坐享超额回报。AI，正处在这样一个拐点。

重仓科技股的美国知名对冲基金Whale Rock Capital创始人Alex Sacerdote在6月9日《Invest Like The Best》节目中给出判断：AI企业渗透率不足1%，正从S曲线变为近乎垂直的“L曲线”——这正是越过拐点、抓住指数级增长机会的关键时刻。

算力稀缺，是跨越拐点的首要信号。从芯片到基础模型，需求已绷满整条供应链；传统企业软件则面临结构性替代。Alex指出，Claude Code正从辅助编码迈向自主代理，打开更广阔的商业化空间。

这套方法论已被验证：2023年以四倍市盈率买入英伟达，2019年以五倍市盈率买入特斯拉，AWS早期近乎零成本获得敞口。“世界不懂指数级思维，”Alex说，“但理解S曲线和护城河，就能预见这些机会。”

当前，AI投资已从芯片转向OpenAI、Anthropic和Gemini的“三马竞赛”，更接近寡头格局。风险同样存在：模型进步放缓、开源追赶、监管压力，仍是这轮AI周期的关键变量。但对于理解S曲线拐点的投资者而言，指数级回报才刚刚开始。

S曲线投资：抢在共识形成前下注

Whale Rock的投资框架由三个核心要素构成：识别S曲线位置、评估竞争优势、挖掘被低估的长期盈利潜力。

Alex强调，S曲线的关键在拐点——一旦技术越过采用门槛，增长便从线性转为指数级，叠加强大商业模式，盈利往往从1美元跳到10美元再到50美元。“世界不懂指数级思维，大家太专注于下个季度、下一年了。”

这套框架已被反复验证：2013年力推亚马逊AWS，彼时判断“多头完全不知道自己手里握着什么”；2019年以5倍市盈率重仓特斯拉，价格门槛与续航焦虑已被逐一攻克；2023年以4倍市盈率买入英伟达——三次出手，均踩在拐点左侧。

卖出逻辑同样清晰。当渗透率达到30%至40%时，指数增长阶段基本结束，卖方分析师开始追上来，超预期惊喜也消失了。Apple在美国智能手机渗透率达50%时，Whale Rock选择退出，此后苹果年化回报从50%-70%降至约20%。

如何提前发现拐点？Alex采用“现场勘察”法：在Gartner IT Symposium等企业技术大会上，观察某家公司展台的人流量。早年布局Splunk、VMware和AWS时，他都亲眼看到了人头攒动、座无虚席的场景。“你可以在需求爆发之前就亲眼看到它。”

深度用户仅占0.1%，AI仍处S曲线最早期

Alex认为，AI目前仍处于S曲线最早期——全球深度使用AI的知识工作者，仅占总数0.1%。

这一数字来自Google CEO Sundar Pichai的估算。Alex表示，Anthropic约1400万至1500万日活用户，但其中高强度使用者仍是少数。“现在是尝鲜者阶段，接下来是早期采用者，再到早期主流用户。”

Whale Rock预测，未来四年AI深度用户渗透率将从0.1%跃升至2%至5%。基础设施层目前约10%渗透，企业应用层甚至不足1%。“这不是S形曲线，是L形曲线，直线向上。”

硬性数据支撑这一判断：全球算力已严重短缺，Anthropic自身所需的算力只有一半能得到满足，而这还发生在大规模企业采购到来之前。Alex引述Marc Andreessen的判断：“未来四年可以确定的一件事，就是算力永远不够用。”

关于采用节奏，Alex援引了两个历史案例作为参照：广播在7年内几乎实现了100%普及，其S曲线极为陡峭；而洗碗机由于需要与家庭管道系统集成，普及曲线则平缓得多。企业级软件的推广模式更接近洗碗机，而AI的独特之处在于——用户只需打开浏览器即可使用，这正是其增长曲线接近垂直的重要原因。

以下是访谈全文（由AI辅助翻译整理，部分有删改）：

• 2023年我们买Nvidia时，市盈率只有4倍。
• 2019年我们买Tesla（基于汽车S曲线）时，市盈率是5倍。
• 我们持有Apple时，市盈率是4倍。
• 我们买Amazon时，相当于免费获得了AWS业务。

1. 网络效应：LinkedIn, Facebook。
2. 行业标准：Oracle, Bloomberg。他们有庞大的DBA（数据库管理员）生态和调优的软件，形成了锁定。
3. 快速规模化：借助S曲线，Anthropic可能很快做到300亿美金销售，Amazon在5年内获得了沃尔玛40年才达到的规模优势。
4. 关键知识产权：Qualcomm（手机绕不开），ASML（光刻机）。
5. 品牌：Google, Amazon, Tesla几乎从不打广告。

• Anthropic：在编码领域有关键知识产权；建立了强大的企业品牌（CIO首先想到Claude）；已经达到逃逸速度（10倍销售增长）；领先的代码能力可以反哺模型，实现递归式改进，创新速度在加速。
• OpenAI：拥有强大的消费者业务，企业业务也在改善，编码工具正在加速增长。

1. 优先级下降：CIO的首选是买Anthropic的token，因为投资回报率更快。
2. 预算挤压：AI支出挤占了软件预算。
3. 定价能力丧失：过去每年提价的模式现在行不通了。
4. 就业影响：企业冻结招聘，减少了软件席位。

• 服务器：旧服务器5000美元，坏了就扔；AI服务器价值20-30万美元，液冷，运行时温度极高，坏了会导致整个系统宕机，因此变成了像飞机零件一样的“关键基础设施”，一旦进入就很难被替换。
• 内存（HBM）：过去是纯商品，现在HBM是10层芯片堆叠，I/O提升了10倍，三星都花了好几年才做出来。
• PCB（印刷电路板）：旧服务器需要10层，AI服务器需要40层，很少有供应商能做。
• 网络：过去从100G到400G再到800G需要7年周期，现在每年都在升级。Celestica这家公司，曾是商品化的代工厂，但因为保留了IBM超级计算的遗产，成为了Google TPU服务器的独家供应商，并且在云以太网交换机市场占有50-60%的份额。
• 光纤：Corning有极高的光纤份额，一个微软数据中心的光纤长度足以绕地球四圈半。他们的光纤更细、更易弯曲，利润率更高。
• 电源：每个Nvidia芯片或机架功耗提升50-125%，直接推高了Delta等电源供应商的ASP。

1. 公众和政府的负面情绪：缅因州刚禁止了数据中心，只有20%的人对AI乐观。监管风险是存在的，但我觉得瓶子已经打开了。
2. 模型进步放缓：如果模型停止改进，开源模型会追上，变成价格战。这对模型公司股票不利，但对芯片公司可能反而是利好（他们不管谁赢，只卖token）。
3. 头部玩家掉队：如果Meta或Oracle放弃AI，那些预订的算力就成问题了。但市场足够大，总有人接盘。