2026 矽谷創投一線觀察：共識窗口歸零、硬體算力當道，高通創投周楠談非共識投資與創辦人甄別

摘要

高通創投投資合夥人周楠在一場約一小時的訪談中指出，AI 投資的「非共識窗口」從 2024 年的 3-6 個月、2025 年的 2-3 個月，縮到 2026 年幾乎歸零，一級市場資金湧向 Anthropic、OpenAI、SpaceX、Databricks 等頭部中後期 SPV，通用與垂直 AI Agent 都面臨被前沿實驗室直接吃掉的風險。他用 Scale AI 與 Cerebras 兩個親身案例拆解看創辦人的標準：解決一個目前無解、未來夠大的問題，講清楚「為什麼是我」，並把系統風險拆到最細顆粒度，再以第一性原理驗證自己的直覺。他判斷 AGI 時代的價值會集中在系統級硬體、模型公司與雲端，硬體正從賣晶片轉向按推理用量收費；Physical AI 的關鍵不在訓練方法論之爭，而在找到真實落地場景、持續收資料迭代。這是單一投資人的一線觀點，部分數字未經查證。

重点

• 共識窗口快速收斂：2024 年非共識窗口約 3-6 個月、2025 年約 2-3 個月、2026 年幾乎沒有；周楠的鐵律是一定要在共識形成前下注，共識後追高就是被收割。
• 基金規模決定打法：2,000-3,000 萬美元的新興 GP 可以廣撒小而美的早期 infra 案、期待併購退出；管理 2-3 億美元以上的基金一支大約只能投 20 多個案子，必須押注贏家。
• Scale AI 案例：周楠從 YC 路演錄影就注意到 19 歲的 Alexandr Wang，放進長期追蹤漏斗；自駕泡沫後 Wang 迅速轉向美國公部門資料服務、找 Eric Schmidt 站台，並以一支 28 分鐘投資人影片講清楚 AGI 路徑，最終以約 290 億美元估值與 Meta 成交。
• Cerebras 案例：2016 年在百度美研看到 Scaling Law 的端倪，判斷算力需求會爆炸、不能只靠 NVIDIA，於是找顛覆性晶片架構；Andrew Feldman 成立一年就帶來 80 多名舊同事（60 多位博士），且在流片前就把所有系統風險拆到極細。
• 硬科技創辦人三條件加一：問題要是 3-10 年後才顯現的大空白、要能回答「為什麼是我」、要把每個風險點拆解並備好解法，再加上 scrappy、hustle 的落地力；技術型創辦人執行力不足就該補一位商業型共同創辦人。
• 估值框架改寫：前沿模型公司看的是 token 消耗量與推理吞吐量而非 ARR；Cerebras 已從賣晶圓級晶片轉為自建資料中心、按推理用量收費，價值被系統級硬體、模型與雲端吃掉，應用層創業者可能「湯都喝不上」。
• Physical AI 判斷：重點是真實落地場景下的資料回饋循環，純靠買硬體到處採資料的公司要小心，終局是能生成物理一致資料的世界模型；並預言會出現「機器人界的 Scale AI」，最早爆發的場景可能是美國製造業回流下的先進製造。
• 給創業者：垂直領域要打通整條高價值工作流才有護城河（行業資料已不是壁壘）；不要追熱點、不要只挑最高估值的 VC；coachable 的創辦人會主動問、回去實踐、再回來修正；不拿 VC 錢也可行，Surge AI 靠自建 RLHF 資料引擎直接拿下 Anthropic 大單。

金句