Conviction’s Sarah Guo: AI-onderzoekers voelen zich ‘machteloos’ doordat rekencapaciteit individuele bijdragen overschaduwt, terwijl humanoïde robots sneller worden uitgeleverd dan wie dan ook had verwacht
Invest Like the Best-podcast, september 2026: durfkapitalist bespreekt de psychologie van de AI-onderzoeksrace, een verrassende roboticawed en waarom ze vol inzet op open-sourcemodellen en biotech-AI
Sarah Guo, oprichter van het op AI gerichte durfkapitaalfonds Conviction, schetste in een brede podcastbijdrage een beeld van het AI-investeringslandschap waarin het minder draait om welk lab er wint, en meer om wat dat winnen doet met de mensen die de technologie bouwen. Haar meest opvallende observatie betreft niet de capaciteit van modellen, maar het moreel binnen de grensverleggende labs. Daar is een groeiende groep onderzoekers volgens haar stilletjes tot de conclusie gekomen dat hun individuele bijdragen er niet meer toe doen.
De psychologische tol van AI op schaal van rekencapaciteit
Guo omschrijft de huidige omgeving als ‘een bikkelhard competitief landschap’, meer nog dan op enig moment in de afgelopen drie jaar. Die intensiteit leidt volgens haar tot echte onzekerheid onder de groefweg 250 mensen die zij en haar partner Mike beschouwen als de ware voorhoede van AI-onderzoek en ondernemerschap. Het ontrustende element in haar verhaal is een overtuiging die pas in de afgelopen twaalf maanden post heeft gevat: dat recursieve zelfverbetering in AI-onderzoeksmodellen de industrie binnen een tot twee jaar brengt op ‘een soort exponentiële intelligentie’. Ze benadrukt nadrukkelijk de scepsis die hier op zijn plaats is, en wijst erop dat Andrej Karpathy zelfrelativerend heeft toegegeven dat hij al zo’n tien jaar denkt dat AGI twee jaar van ons verwijderd is.
Relevanter voor investeerders, zo betoogt Guo, is wat deze overtuiging doet met het gedrag van onderzoekers. Naarmate labs hun personeelsbestand en budgetten voor rekencapaciteit opschalen tot honderden miljarden dollars, bekruipt individuele wetenschappers steeds vaker een van twee gevoelens: ofwel het model lost het probleem uiteindelijk zelf op, ofwel de enige variabele die ertoe doet is de schaal van de rekencapaciteit. ‘Beide zijn tamelijk machteloos makend’, zei ze. Ze voegde eraan toe dat deze dynamiek serieuze vragen oproept over de motivatie binnen de labs, zelfs nu de capaciteit blijft stijgen. Het is een subtiel maar belangrijk datapunt voor iedereen die talentrisico wil indekken bij de voorhoedelabs, aangezien retentie en focus uiteindelijk het gevolg zijn van de vraag of toponderzoekers nog steeds geloven dat hun werk het verschil maakt.
Sunday Robotics: Een executiesnelheid die zelfs de investeerder verraste
De meest concrete nieuwe informatie in het gesprek betreft Sunday Robotics, een humanoïde robotica-bedrijf waarin Guo en haar partner Pranav stapten toen de oprichters, Tony Zhao en Cheng Chi, nog promovendi waren aan Stanford en hun sporen hadden verdiend bij Toyota Research, DeepMind en Tesla. Guo vertelt dat het bedrijf van plan is om nog voor het einde van dit jaar een algemene semi-humanoïde robot in bèta te brengen bij mensen thuis. Een tijdlijn waarvan ze zegt dat ‘geen van allen’ geloofde dat deze mogelijk was toen het bedrijf nog geen twee jaar geleden van start ging. ‘Het blaast me omver dat je zo snel kunt gaan van een hoop karton in een kelder op Stanford naar een volwaardig systeem’, zei ze, waarbij ze opmerkte dat het team eigen hardware heeft gefabriceerd en honderden iteraties van model- en datacollectiecycli heeft omgezet in real-world taken.
De investeringsthese zelf is een leerzame inkijk in hoe Conviction durfkapitaalinvesteringen in deep tech beoordeelt: in plaats van ervan uit te gaan dat de sector behoefte heeft aan een ‘internet van roboticadata’ dat nog niet bestaat, ontwikkelden Zhao en Chi een technische benadering om nuttige data goedkoop en efficiënt te verzamelen en die vervolgens over te dragen naar model-learning. Guo laat weten dat ze na een enkele ontmoeting toezegde, een ongebruikelijk snelle beslissing voor een fonds dat zijn overtuigingen anders dagen of weken lang stressetest voordat het kapitaal committeert.
Open-sourcemodellen: ‘De geest is uit de fles’
Over de netelige kwestie van open-source AI-modellen — waarvan vele van Chinese komaf — die meedingen aan de top, neemt Guo een helder en beleidsrelevant standpunt in: het beperken van het gebruik ervan binnen de Verenigde Staten zou kwaadwillende actoren niet stoppen, maar wel ‘wetsgetrouwe Amerikaanse bedrijven’ hinderen. Ze stelt dat de verspreiding van capaciteit via open-source modellen zowel onvermijdelijk als wenselijk is, aangezien propriëtaire topmodellen te duur, te traag of te gevoelig blijven voor een groot deel van de toepassingen in de praktijk. Haar remedie is geen verbod, maar rigoureuze tests, met name rond de angst dat Chinese open-source modellen achterdeurtjes zouden bevatten. ‘Wat je daadwerkelijk zou moeten doen, is een zeer rigoureuze set veiligheidstests daarop loslaten’, zei ze. Ze betoogde daarbij dat er lang niet genoeg feitelijk onderzoek is verricht om de huidige mate van onrust te rechtvaardigen. Ze verwacht dat de visie van Sam Altman op ‘intelligentie die te goedkoop is om te meten’ grotendeels zal worden waargemaakt door open-source infrastructuren in plaats van door propriëtaire topmodellen alleen, omdat individuele bedrijven en gebruikers toepassingen zullen bedenken die geen enkele onderzoeker in een toplab kan voorzien.
Onafhankelijkheid in rekencapaciteit als het volgende strategische strijdtoneel
Guo brengt een argument rond nationale concurrentiekracht in dat weerklank moet vinden bij infrastructuurinvesteerders: ze is van mening dat de Verenigde Staten het risico lopen ‘onafhankelijkheid in rekencapaciteit’ te verliezen op dezelfde manier als het land heeft geworsteld met energie-onafhankelijkheid, aangezien cruciale stappen in de halfgeleidersupplychain sterk geconcentreerd blijven in onstabiele of ontoegankelijke regio's. Ze haalt een gesprek aan met een infrastructuurleider bij een grote hyperscaler die haar vertelde dat ‘er niets is dat voor ons op voldoende schaal het verschil gaat maken vóór 2030’ — een opmerking over de fysieke knelpunten in de beschikbaarheid van aardgas en stroom die de uitbouw van datacenters beperken, ongeacht de beschikbaarheid van kapitaal. Guo framet dit expliciet als een regelgevings- en maatschappelijk afstemmingsprobleem in plaats van een technologie- of kapitaalprobleem, en wijst op vergunningstwisten over datacenters en kerncentrales als de bindende beperkende factor. Ze verwijst naar het supplychain-initiatief Pacia van Jacob Helberg als een voorbeeld van het type investeringen dat nodig is in elke schakel van de keten. Verder laat ze weten dat Conviction al kapitaal heeft gestoken in arbeid voor datacenters, kernenergie en alternatieve chiparchitecturen als gedeeltelijke indekking, terwijl het fonds pure financieringsdeals voor datacenters vooralsnog laat schieten omdat die buiten het investeringsmandaat op het gebied van technologie vallen.
Een ommezwaai in Convictions visie op AI in biotech
De meest kwantificeerbare verschuiving in Guo’s denken is misschien wel haar visie op het vermogen van kunstmatige intelligentie om duurzame waarde te creëren binnen de farmacie. Een terrein waarvan ze zegt dat ze het meer dan vijf jaar sceptisch heeft bekeken voordat ze haar standpunt bijstelde. De eerdere consensus was, in haar woorden, dat ‘de enige manier waarop je geld verdient in biotech of bij het bedienen van pharma is door een medicijn te maken’ — een structuur die platformbiotechbedrijven beloont voor het bezitten van grote aandelenbelangen in kandidaat-geneesmiddelen in plaats van het verkopen van software. Convictions eerste investering in Chai Discovery, dat inmiddels met verschillende farmagiganten uit de top tien samenwerkt om delen van het R&D-proces te versnellen, markeerde haar breuk met die consensus. Ze benadrukt zorgvuldig dat de industrie haar bepalende moment nog niet heeft gehad — een nieuw medicijn of een nieuwe indicatie waarvan het traject overduidelijk werd veranderd door AI —, maar verwacht dat die mijlpaal een veel grotere golf van kapitaal naar de sector zal trekken. ‘Ik denk dat we een enorme versnelling in genezingen moeten zien’, zei ze, terwijl ze erkende dat regelgevingsdeadlines en veiligheidstests in de fysieke werkelijkheid remmende factoren blijven waar geen enkele modelcapaciteit een afkorting voor kan bieden.
Investeringsproces: Snelle instincten, trage verificatie
Guo omschrijft haar eigen besluitvorming als instinctief ten aanzien van mensen en sceptisch over onbekende wetenschap. Ze beoordeelt nieuwe kansen vrijwel onmiddellijk op een schaal van één tot tien op basis van de oprichter en het idee, en brengt vervolgens de volgende dagen of weken door met het proberen te vinden van de gaten in haar eigen begrip voordat ze kapitaal committeert. Ze is er stellig over dat afkomst en reputatie op zichzelf een onvoldoende basis zijn voor een grootschalige onderzoeksbelofte. Ze bekritiseert vakgenoten die hun oordeel spiegelen aan de reputatie van een oprichter zonder een eigen blik op de onderliggende technische tese: ‘De zaak, de technische theorie en het bedrijf kloppen niet voor mij’, zo herinnert ze zich dat ze tegen een welgestelde bevriende investeerder zei, ‘en ik zie mensen grootschalige onderzoeksinvesteringen doen zonder daar enige intuïtie voor te hebben.’ Opvallend is dat Guo, ondanks het leiden van een klein fonds met vijf partners, zegt slechts vier tot zes nieuwe bedrijven per week te zien. Dat is een bewust contrast met de honderden die ze in het begin van haar carrière bij Greylock beoordeelde, waarbij ze selectiviteit op zichzelf bestempelt als een concurrentievoordeel in een markt die overspoeld wordt met kapitaal dat jaagt op AI-labels.
Fondsenwerving zonder een gepolijst verhaal
Guo biedt ook een ongebruikelijk openhartig verslag van hoe Conviction haar eerste fonds ophaalde, en geeft toe dat ze afzag van het conventionele private-equityplaybook om een sterk gedifferentieerd, kant-en-klaar verhaal te bouwen voor limited partners. In plaats daarvan vertelde ze potentiële LP's dat ze de specifieke voorsprong van het fonds zou gaan ontdekken via experimenten zodra het kapitaal binnen was — een pitch waarvan ze erkent dat die haar steun kostte van sommige instituten die de voorkeur geven aan leesbare, volledig uitgewerkte thesissen. ‘Ik gaf mensen zo’n beetje een A4’tje van twee pagina's over mijn achtergrond en investeringshistorie’, zei ze, waarbij ze er in plaats daarvan op gokte dat haar trackrecord in het identificeren en ondersteunen van uitzonderlijke mensen in de loop der tijd zou renderen. Vier jaar later, nu het fonds naar verluidt in ten minste één belangrijke LP-enquête tot de top één of twee meest gewilde durfkapitaalpartners wordt gerekend, stelt ze dat de les voor zowel oprichters als fondsbeheerders is dat executie een vervanging kan zijn voor een gepolijst verhaal, mits het onderliggende oordeel gezond is.