Conviction 創辦人 Sarah Guo：算力規模蓋過個人貢獻，AI 研究員深感「遭剝奪」，人形機器人出貨速度超越所有人預期
專訪節目《Invest Like The Best》，2026 年 9 月；創投家深入剖析 AI 研究競賽的心理戰、令人驚喜的機器人押注，以及為何她加碼押注開源模型與生技 AI
專注於 AI 領域的創投公司 Conviction 創辦人 Sarah Guo 近日在一檔播客節目中發表廣泛見解，深入探討當前的 AI 投資格局。她關注的焦點不在於哪家實驗室會贏得最終勝利，而是這場勝利對推動技術發展的人們造成了什麼影響。她最震撼的觀察並非關於模型能力，而是前沿實驗室內部的人心士氣；她指出，越來越多的研究人員私下認為，他們個人的貢獻已不再重要。
算力規模化對 AI 帶來的心理衝擊
Guo 形容當前的環境是「競爭極其激烈的賽局」，比過去三年的任何時候都要劇烈，這種強度在由她與合夥人 Mike 視為真正處於 AI 研究與創業最前線的大約 250 人之間，孕育了真正的焦慮感。令她不安的是，過去 12 個月才開始成形的一種信念：AI 研究模型的遞迴自我改進（recursive self-improvement），讓整個產業距離「某種指數級智慧」只剩一到兩年。她特別提醒外界應對此保持懷疑，並指出 Andrej Karpathy 曾帶著自嘲的語氣坦言，大約十年前他就認為通用人工智慧（AGI）將在兩年後到來。
Guo 認為，對投資人而言更具實質影響的，是這種信念對研究人員行為造成的轉變。隨著各大實驗室將團隊規模與算力預算擴大到數千億美元，個別科學家越來越強烈地感受到以下兩種情況之一：要么模型最終會自行解決問題，要么唯一重要的變數只有算力規模。「這兩點都讓人感到有些被剝奪感，」她說，並補充這種動態在模型能力持續攀升的同時，也對實驗室內部的動力引發了實質疑慮。對於任何試圖評估前沿實驗室人才風險的人來說，這是一個微妙但極其重要的數據點，因為人才留任與專注度歸根究底，取決於頂尖研究人員是否仍相信他們的工作才是真正能推動變革的關鍵。
Sunday Robotics：執行速度連投資人都感到驚訝
對話中最具體的最新資訊，是有關人形機器人新創公司 Sunday Robotics。該公司由創辦人 Tony Zhao 與 Cheng Chi 創立，當時他們還是史丹佛大學（Stanford University）的博士生，曾在 Toyota Research、DeepMind 與 Tesla 磨練過技術，Guo 與合夥人 Pranav 當時便果斷投資了他們。Guo 表示，該公司計劃在今年底前將一款通用半人形機器人投入人們家中的試用（beta）階段，這項時程在公司成立不到兩年之初，是「我們當中任何人都不敢相信」會實現的目標。「從史丹佛地下室的一堆紙板，到打造出全端（full-stack）系統，能以這麼快的速度推進，實在讓我大開眼界，」她說，並指出該團隊已自行製造硬體，並進行了數百次模型與數據收集循環的疊代，最終轉化為現實世界的任務執行能力。
這項投資論點本身，也讓我們得以一窺 Conviction 如何評估深科技（deep-tech）機器人投資：趙旭與池騁並未假設該產業需要一個尚不存在的「機器人數據互聯網」，而是建立了一套能以低成本且高效收集有用數據、並將其轉移至模型學習中的技術方法。Guo 表示，雙方僅僅開了一次會後她就決定出手，這對一家通常會花上數天甚至數週對信念進行壓力測試後才投入資金的機構來說，是極為迅速的決定。
開源模型：「覆水難收」
針對開源 AI 模型（其中許多來自中國）在最前線展開競爭這個備受爭議的問題，Guo 抱持著明確且具政策意義的立場：在美國國內限制其使用並不能阻止敵對勢力，反而會束縛「奉公守法的美國企業」。她主張，透過開源模型來普及能力既不可避免也值得鼓勵，因為前沿的專有模型對於大量的實際應用場景而言，仍然過於昂貴、過於緩慢或過於敏感。她的處方不是禁止，而是進行嚴格的測試，特別是針對中國開源模型可能帶有後門行為的擔憂。「正確的做法實際上是對其實施非常嚴格的一套安全測試，」她說，並認為目前進行的實際研究遠遠不夠，根本不足以支撐現階段的恐慌程度。她預期山姆·奧特曼（Sam Altman）所描繪的「便宜到不用計費的智慧（intelligence too cheap to meter）」願景，將在很大程度上由開源基礎設施來實現，而非僅靠專有前沿模型，因為個別企業和用戶將會發明出任何前沿實驗室研究人員都無法預見的使用場景。
算力獨立性成為下一個戰略戰場
Guo 提出了國家競爭力的論點，這應能引起聚焦基礎設施的投資人共鳴：她認為，鑑於半導體供應鏈的關鍵環節高度集中在不穩定或難以觸及的地理區域，美國正地面臨失去「算力獨立性」的風險，正如其先前在能源獨立上面臨的掙扎。她提到曾與某家大型雲端服務商（hyperscaler）的一位基礎設施負責人交流，對方告訴她「在 2030 年之前，沒有任何東西能以足夠的規模為我們帶來實質改變」，這番話點出了天然氣與電力供應的物理瓶頸，這些瓶頸正限制著資料中心的建設，無關資金是否充裕。Guo 將此明確定義為法規與社會協調的問題，而非技術或資金問題，並指出圍繞資料中心與核電廠的環評抗爭才是真正的制約因素。她以雅各布·赫爾貝格（Jacob Helberg）的供應鏈倡議 Pacia 為例，說明供應鏈每個環節都需要這類投資；她並透露，Conviction 已將資金投入資料中心勞動力、核能以及替代晶片架構作為部分避險措施，同時由於純資料中心融資案不符合該公司的技術投資授權，目前選擇暫時觀望。
對生技領域 AI 觀點的大轉向
Guo 想法中最具量化轉變的，或許是人工智慧在製藥領域創造持久價值的能力。她表示自己曾懷疑地觀望了五年多，直到最近才完全改觀。用她的話來說，先前的產業共識是「在生技或為製藥業服務中賺錢的唯一方法就是製造藥物」，這種架構獎勵的是擁有候選藥物大量股權的平台型生技公司，而不是販售軟體。Conviction 對 Chai Discovery 的首筆投資，標誌著她打破了這種共識；該公司目前正與多家排名前十的製藥公司合作，以加速研發流程的某些環節。她謹慎地指出，該產業尚未迎來其決定性的時刻——即某款新藥或適應症的發展軌跡因 AI 而被徹底改變，但她預期這一里程碑將引發更大規模的資金湧入該領域。「我認為我們應該會看到治療方法的加速期呈爆炸性增長，」她說，同時承認法規審查時程與現實世界的安全測試仍然是瓶頸，任何強大的模型能力都無法走捷徑。
投資流程：憑直覺快速判斷，花時間嚴謹驗證
Guo 形容自己的決策過程是：對人和團隊憑直覺，對不熟悉的科學則抱持懷疑態度。她幾乎會立即根據創辦人和點子，在一到十分的量表上對新機會進行評分，然後在接下來的幾天或幾周內，試圖找出自己理解上的漏洞，才會正式投入資金。她明確指出，僅憑出身背景（pedigree）並不足以作為做出大規模研究押注的基礎，並批評那些將判斷力外包給創辦人聲譽、卻對底層技術論點沒有獨立見解的同業：「這家公司、技術理論和商業模式對我來說都說不通，」她回憶自己曾對一位備受推崇的投資人朋友這樣說，「而我認為許多人正在進行大規模的研究押注，卻對此毫無直覺。」值得注意的是，儘管管理著一家只有五位合夥人的小型事務所，Guo 表示她每週只看四到六家新公司，這與她早期在 Greylock 工作時審閱數百家公司的經驗形成刻意對比，她將「選擇性本身」視為在資本追逐 AI 標籤的紅海中競相角逐的競爭優勢。
在缺乏完美包裝敘事的情況下募資
Guo 還坦誠地分享了 Conviction 如何募集第一檔基金的過程，她承認自己拒絕了傳統私募股權的劇本——即為有限合夥人（LP）建立高度差異化且預先包裝好的故事。相反地，她告訴潛在的 LP，她打算在資金到位後透過實驗來找出事務所的具體優勢；她坦言，這種說法讓她失去了某些偏好清晰、經過完整推演論點的機構支持。「我基本上就是給了大家一份兩頁的紙，介紹我的背景和投資歷史，」她說，轉而押注自己識別和支持傑出人才的過往紀錄會隨著時間產生複利效應。四年後，據報導該基金在至少一項主要的 LP 調查中名列最受追捧的前一兩大創投夥伴之一，她以此主張對創辦人和基金經理人而言，只要底層判斷扎實，執行力完全可以取代華麗的敘事。