刚刚意识到,除了 Social Capital 之外,传统硅谷风投圈的“王公贵族”几乎完全错过了 Groq。 这是过去 10 年里规模第二大的私有公司收购案(仅次于 Wiz),而其投资方主要是跨界资本、战略投资者、欧洲资金等。 你永远也猜不到结果会是怎样。 Just realizing that, Social Capital excepted, traditional Silicon Valley venture royalty entirely missed Groq. It’s the 2nd biggest acquisition of a private company of the last 10 years after Wiz and the investors are crossovers, strategics, Europeans, etc You just never know.
目录
观点原文
刚刚意识到,除了 Social Capital 之外,传统硅谷风投圈的“王公贵族”几乎完全错过了 Groq。
这是过去 10 年里规模第二大的私有公司收购案(仅次于 Wiz),而其投资方主要是跨界资本、战略投资者、欧洲资金等。
你永远也猜不到结果会是怎样。
Just realizing that, Social Capital excepted, traditional Silicon Valley venture royalty entirely missed Groq.
It’s the 2nd biggest acquisition of a private company of the last 10 years after Wiz and the investors are crossovers, strategics, Europeans, etc
You just never know.
ABAB AI 解读
这段话不是在八卦哪家 VC 看走眼,而是在揭示一个已经发生、但多数人还没正视的结构性变化:👉 硅谷传统风投“贵族体系”的信息优势,正在失效。
我从资本结构、认知盲区、未来投资范式 三个最高层面给你解读。
一、核心事实:最会“讲未来”的人,错过了真正的未来
“传统硅谷风投 royalty”指的不是钱少,而是:
- 有声望
- 有网络
- 有话语权
- 有“判断前沿”的自信
但 Groq 这个案例说明一件残酷的事:在最关键的窗口期,最自信的人,反而最不在场。
不是因为 Groq 不重要,而是因为它不符合当下硅谷的“共识模板”。
二、为什么只有 Social Capital 没错过?
这是一个非常重要的信号。
Social Capital 的核心特征是:
- 不靠“朋友圈尽调”
- 不追逐当下 narrative
- 对宏观结构、基础设施、长期技术曲线更敏感
换句话说:它的判断体系,已经不完全是“硅谷内部视角”。
这恰恰解释了为什么:传统 VC 错过,而“非典型资本”看懂
三、投资者结构暴露了一个关键信号
这句话信息量极大:the investors are crossovers, strategics, Europeans
这说明三件事:
1️⃣ 跨界资本
看的是结果与产业落地,而不是 VC 圈内共识
2️⃣ 战略投资者
看的是协同价值,而不是下一轮谁接盘
3️⃣ 欧洲资本
更习惯“工程导向”“制造导向”,对算力、芯片、系统效率更敏感
👉 真正懂 Groq 的人,本来就不在 Sand Hill Road。
四、为什么 Groq 会被“系统性忽视”
因为它踩中了硅谷当前的三个盲区:
1️⃣ 硬件 + 深工程
- 不性感
- 周期长
- 不能靠 PPT 讲清楚
2️⃣ 非平台叙事
- 不讲“网络效应”
- 不讲“用户增长飞轮”
3️⃣ 不服务 VC 的节奏
- 回报路径不是“下一轮估值”
- 而是“被产业或巨头收走”
👉 它是为现实世界优化的公司,不是为 VC 结构优化的公司。
五、“你永远不知道”的真正含义
这不是谦虚,而是一个时代警告:当技术周期变复杂、产业边界变模糊时,“圈内判断”会系统性失效。
过去 20 年,硅谷风投的优势来自:
- 信息提前量
- 人脉闭环
- 叙事共识
而今天:
- 信息全球化
- 技术分散化
- 产业需求反向主导资本
👉 优势正在转移。
六、对创业者的真实启示
这段话对创业者极其重要:如果你没被顶级 VC 看中,这不再是“失败信号”。
反而可能意味着:
- 你在做真正难的事
- 你不符合短期共识
- 你在为真实世界而不是融资节奏优化
七、一句话的最高层总结
这段话真正想说的是:资本世界最危险的幻觉,是以为“看过很多成功”,就一定看得懂下一次成功。
Groq 不是个例,而是一个信号:下一代重大结果,可能越来越多地发生在“共识之外”。
八、站在最高认知的最终判断
未来 10 年,真正决定胜负的,不是:谁在最核心的圈子里
而是:谁的判断体系最不依赖圈子。
当“风投贵族”开始错过历史级事件,你就该意识到:权力正在悄然换手。
相关观点
- The MAD Podcast 对 Mistral AI 的首席技术官(CTO)兼联合创始人 Timothée Lacro 的深度访谈。视频核心探讨了 Mistral 如何从一个 AI 实验室转型为服务于企业和主权国家的“全栈” AI 解决方案提供商。 以下是视频的主要内容摘要和核心观点: 一、 核心内容摘要 从模型扩展到全栈能力: Mistral 不再仅仅是开源模型的提供者,已演变为涵盖模型、平台(Mistral Studio)、部署堆栈以及自有超算集群(Mistral Compute)的全栈供应商。 在巴黎南部建立自有数据中心,目的是为了确保大规模训练和推理的稳定性,并为欧洲客户提供主权 AI 算力。 企业级战略: 控制权(Control): Mistral 强调将模型和软件堆栈的控制权交还给客户,支持本地部署(On-prem)或 VPC 部署,确保数据不出户。 定制化: 通过持续预训练(Continued Pre-training)和微调,帮助企业处理行业特定数据(如法律、医疗、工程绘图等)。 智能体与工作流(Agents & Workflows): Mistral 正在从简单的“智能体”转向更复杂的“工作流”自动化。例如与航运巨头 CMA CGM 合作,自动化集装箱释放的复杂审核流程。 推出 Vibe CLI,旨在推广“Vibe Coding”理念,让 AI 智能体能像人类一样操作文件系统、运行测试并迭代代码。 模型迭代与技术: Mistral 3 & MoE 架构: 讨论了混合专家模型(MoE)在训练效率上的优势,同时也持续优化稠密模型(Dense models)以适应不同边缘计算场景。 推理模型(Reasoning): 确认推理能力是核心优先级,通过强化学习让模型学会生成思维链(Thinking traces)。 二、 核心观点 主权 AI 与信任: Timothée 认为,对于企业而言,“信任”比“自主性”更重要。企业需要理解并控制 AI 是如何做出决策的,而不是盲目追求完全自主的 AI。 算力效率论: 尽管硅谷在疯狂堆算力,但 Mistral 坚持“效率优先”,认为利用现有算力仍有巨大的企业价值待挖掘,不一定非要追求吉瓦(Gigawatt)级别的能源消耗。 AI 投资回报率(ROI)的爆发点: 他预测,当企业不再受限于“人类阅读和提问”的瓶颈,而是让 AI 智能体在后台自动运行大量工作流(如 ETL、知识整合)时,Token 需求和 ROI 将迎来真正的爆发。 AGI 现实主义: 相比于硅谷狂热的 AGI(通用人工智能)愿景,Timothée 的态度非常务实。他认为即使 AGI 明天出现,如果没有完善的工程治理和信任架构,银行等大型机构也不敢使用它。 三、 总结 Mistral 的观点非常清晰:AI 的未来在于工程化的落地和权力的下放。他们试图通过提供高效、可控且具有主权保障的技术栈,让企业能够将 AI 真正整合进核心业务逻辑中,而不仅仅是作为一个聊天窗口。 本文为基于公开视频的分析性总结,不构成原内容替代。Matt Turck · 2026/02/15
- 前几天在 OpenAI 总部待了几个小时,有一个非常强烈的感受:那里几乎每个人都在以高度的专注、效率和紧迫感来利用每一分钟。“成功的文化”很难用语言精确定义,但当你亲眼看到时,你会立刻明白。 One striking feeling from spending a few hours at the OpenAI HQ the other day is that everyone there seems to optimize every minute with a high sense of focus, efficiency and urgency. It's hard to define a winning culture, but you immediately know it when you see it.Matt Turck · 2025/12/16
- “我们真的不擅长给新模型/新产品起名字”已经成为硅谷最顶级的凡尔赛式炫耀。 “We’re really bad at naming our new models/products” has become the ultimate flex in Silicon ValleyMatt Turck · 2025/12/10
- OpenAI 的 @lukaszkaiser 谈到,为什么从前沿实验室内部看,AI 的发展依然呈现指数级:“这个趋势……有点像摩尔定律,对吧?摩尔定律持续了几十年、几十年……” “但当然,它并不是一种技术把你带着走了 40 年。实际上是:一种技术出现,然后再来一种、再来一种、再来一种、再来一种。这种叠加持续了几十年。从外部看,你会看到的是一条平滑的趋势线;但从内部看,进步是由新的技术突破推动的,同时也来自算力的提升和工程能力的改进。” OpenAI's @lukaszkaiser on why AI progress still looks exponential from the inside of frontier labs: “This trend… it's a little bit like Moore's law, right? Moore's law happened through decades and decades...” “But of course it did not happen as like one technology was bringing you there for 40 years. There was one technology and then another and another and another and another. And this went on for decades, right? So from the outside, you see a smooth trend. But from the inside, progress is made through new developments in addition to the increase of computer power and better engineering.”Matt Turck · 2025/12/01