尼古拉斯·索瓦奇正押注於人工智慧中那些「乏味」的部分

Nicolas Sauvage 認為，最好的投資往往需要四年時間才會顯得顯而易見——這是他上週在 StrictlyVC 舊金山活動（由 TDK Ventures 共同主辦）舞台上分享的觀點。

自 2019 年創立這家日本電子巨頭的企業風險投資部門以來，他一直致力於證明這一理論。該部門目前透過四支基金管理著 5 億美元的資產。AI 晶片初創公司 Groq 是這一思維最受矚目的案例，該公司在去年秋天的最新一輪融資中估值達到 69 億美元。

2020 年，早在生成式 AI 熱潮讓基礎設施投資顯得理所當然之前，Sauvage 就向這家公司開出了支票。Groq 由 Jonathan Ross 創立，他是開發 Google Tensor 處理單元（TPU）的工程師之一。Groq 從一開始就專注於「推論」（inference）：即模型每次回應查詢時所進行的大量計算工作。Ross 在設計晶片時先開發了編譯器，並將架構簡化到如 Sauvage 所描述的「你無法移除任何一個零件而仍能讓它運作」的程度。

這在某些人看來可能很小眾，但考慮到母公司的限制，Sauvage 看到了不對稱性。與具有天然天花板的消費級硬體不同，對推論的需求隨著每一個新應用和每一個新模型的出現而持續複合增長。Sauvage 當時無法預料到，由於每個 AI 代理（Agent）在規劃和執行時需要進行數十次調用（以前只需單次查詢），推論需求會在今年爆發。

但在某些方面，Ross 也在進行一場豪賭。畢竟，一家以磁帶聞名的日本電子集團，表面上並不是最顯而易見的投資合作夥伴。事實上，Sauvage 將 TDK Ventures 的存在描述為「極不可能」。但在連續聽了兩場史丹佛大學的講座——一場論證企業創投（CVC）的必要性，另一場列舉其失敗的所有原因——之後，身為法國人且透過收購加入 TDK 矽谷分部的 Sauvage，儘管當時沒有明顯的立場，仍向東京總部提出了這個想法。（「我不是日本人，我不會說日語，我也不住在東京。」）

在拒絕接受否定答案後，他終於在 2019 年獲得批准，建立了一支基金，其使命是回答一個問題：TDK 的下一個大事件是什麼，以及什麼可能會毀掉它？

他隨後建立的投資組合中，點綴著過去一年來讓創投界產生廣泛興趣的技術：固態電網變壓器、用於數據中心的鈉離子電池，以及避開鋰和鈷地緣政治脆弱性的替代電池化學技術。

在 Disrupt 遇見您的下一位投資者或投資組合初創公司

您的下一輪融資、您的下一位員工、您的下一個突破機會。盡在 TechCrunch Disrupt 2026。屆時將有超過 10,000 名創始人、投資者和科技領袖齊聚一堂，參加為期三天、超過 250 場的實戰會議、強大的引薦和定義市場的創新。立即註冊，最高可節省 410 美元。

在 Disrupt 遇見您的下一位投資者或投資組合初創公司

您的下一輪融資、您的下一位員工、您的下一個突破機會。盡在 TechCrunch Disrupt 2026。屆時將有超過 10,000 名創始人、投資者和科技領袖齊聚一堂，參加為期三天、超過 250 場的實戰會議、強大的引薦和定義市場的創新。立即註冊，最高可節省 410 美元。

這一切背後的準則都是一樣的：識別四年後的瓶頸，然後尋找已經在解決該問題的創始人。

當然，問題在於接下來會發生什麼。就 Sauvage 而言，他正密切關注「物理 AI」（physical AI）——並非所有的機器人技術，而是具有高度特定任務的機器人。例如，他投資組合中的 Agility Robotics 專注於在面臨勞動力短缺的倉庫中，執行將物品從一處移至另一處的單一、平凡任務。另一家投資組合公司，瑞士的 ANYbotics，則為對人類工人過於危險的環境製造加固型機器人——這些地方的工作定義基本上就是「去人類去不了的地方」。其核心主線是目標明確。Sauvage 所押注的機器人不試圖做所有事情；相反，它們可靠地完成一件難事。

Sauvage 表示，他也在觀察計算堆疊的再次轉移。GPU 主導了訓練——即教導模型的大規模並行計算。像 Groq 這樣的推論晶片正在重塑模型「說話」時的情況：更快、更便宜且具規模化。現在，Sauvage 認為，CPU 即將迎來復興。它們不是最強大或最快的晶片，但它們最靈活，最適合編排（orchestration）中的分支決策邏輯。當一個 AI 代理委派任務、檢查進度並跨越數十個步驟進行循環時，必須有東西來管理整個編排過程。而那個東西，越來越看起來像是 CPU。

還有中國。他密切關注的風險投資公司 Eclipse 最近的一份報告記錄了 Sauvage 所描述的「氛圍製造」（vibe manufacturing）——即 AI 輔助下物理硬體原型的快速迭代，這與「氛圍編碼」（vibe coding）對軟體的影響如出一轍。報告發現，中國製造商正在以西方供應鏈尚無法企及的方式，壓縮物理產品的「設計-建造-測試」週期。

對 Sauvage 來說，這是一個瓶頸信號——也是他已經透過 TDK Ventures 的各項投資開始佈局的領域。他說，目前仍未解決的一個問題是「靈巧性」（dexterity）。模型的進步速度如此之快，以至於物理 AI 顯得不可避免；目前仍然缺失的是與之匹配的物理流暢度。那些能夠像他人迭代代碼一樣快速迭代「原子」的國家和公司，將擁有製造優勢。