Related articles
在几乎所有 VC 都在涌向"AI 应用元年"的狂欢时，一家成立刚满两年的基金却反向而行，不仅将全部弹药都倾注在 「重新定义 AI 工厂」 这件宏大的基建叙事上，更是在成立之初便押中了 2025 年末全球芯片算力行业热度最高的两家硅谷创业公司——Cerebras 和 Groq，并且成为唯一同时出现在他们股东名册上的华人 VC。
就在本文发稿时，OpenAI 官宣与 Cerebras 合作采购 750 兆瓦算力，合同金额高达一百亿美金。同时有外媒报道称已官宣拟在 2026 年 IPO 的 Cerebras 正计划融资 10 亿美元，估值飙升至 220 亿美元。而在 2025 年末，Groq 被英伟达以 200 亿美金的身价收编的消息也引爆了全球科技圈。这两家 200 亿美金级别的巨兽已经为这家华人 VC 分别带来六倍和十几倍的回报，而这一切都发生在 24 个月之内。「这样的公司，这样的估值，你们怎么拿到份额的？」 这份极为 「出挑」 的答卷让这家机构自己的 LP 们都大呼意外。
这家极具 「非共识」 气质的投资机构，就是成立于 2023 年末的 3C AGI Partners，而其背后的掌舵人正是我们今天对话的主角——王康曼 （Esther WONG）。
王康曼的履历是一部罕见的跨越大洋与行业的"双螺旋"进化史。拥有芝加哥大学布斯商学院 EMBA 和纽约石溪大学政治学及经济学双学士学位 （辅修物理学） 的她，毕业后在摩根大通、中金、巴克莱、交银国际等金融机构担任高管，积累了 20 年华尔街投行经验。2017 年她突然加入商汤科技，负责组建投融资团队并主导了公司从 B 轮到 IPO 的完整融资历程。2023 年 ChatGPT 爆火后，她再一次改变了人生航道，正式创立 3C AGI Partners（3C）。在 25 年末、26 年初，3C 成立整 2 年的时间节点上，Esther 用华尔街的资本嗅觉与 AI 产业基因的深度融合，在算力战争的最核心地带完成了一系列看似不可能完成的任务。
近日，我们有幸与 3C AGI Partners 的创始人王康曼女士进行了一次深度的对话，不仅复盘了 Cerebras 和 Groq 这两笔超级 case 的出手细节，更是深度拆解了 Esther 独特的 AI 投资逻辑与行业观察。由此，我们也得以一窥 3C 能够在硅谷资本主导的 AI 基建赛道取得耀眼战绩的底层原因。
以下为创投家与王康曼的对话全文，略有删减：
关于 Cerebras 和 Groq 这两笔投资
创投家：接触到 Cerebras 是怎样的契机呢？
Esther：我和 Cerebras 的接触始于八年前 （2018 年），在一次朋友聚会上遇到 Andrew Feldman（Cerebras 的创始人）。我们交流了很久，他当时跟我说，他的目标是要挑战英伟达，因为他并不认为 GPU 是用于训练基础模型 （foundation model） 的最佳方案。也就是说，在 Transformer 架构出现之初，他就已经在思考做基础模型训练需要有一个围绕芯片的完整解决方案了。他们的方案和大多数芯片公司反其道而行，做的非常大，比我的脸还要大 （笑）。同时，他也是第一个跟我提到基础模型概念的人，要知道当时距离 Chat GPT 还有四年。那时候我就知道他有很大的格局，他的产品可能颠覆市场，所以一直都有持续关注。
2023 年底 3C 成立之初，我就立马联系了 Andrew。当时他兴奋地告诉我他们最近跟中东 G42 签署了合同，成为世界上最大的人工智能数据中心解决方案提供商之一。在那个项目中，他们的卡与英伟达的卡各占一半，相当于平分市场。
我替他高兴之余，也跟 Andrew 说 3C 的背景，并提出希望加入他们的投资者行列。至于估值，因为认识多年，几乎与 Sam Altman 同步, 所以我们也聊了一个特别理想的价格。这也成为我们基金的明星项目之一。
创投家： Cerebras 能够与英伟达掰手腕的能力是什么呢？
Esther：Cerebras 从 Day1 开始就和别的芯片公司不一样。他避开了行业主流的小型化、低功耗的制程内卷，而是将整个 12 英寸硅晶圆制成单颗芯片，在芯片上集成 44GB 的 SRAM，将计算与内存融为一体，从而降低了芯片之间数据传输的需求。用 56 倍于传统 GPU 的物理尺寸，换取数据传输效率的数量级提升。
再加上 Cerebras 增强了更适合推理计算的并行处理能力，去年他们发布 Cerebras Inference 为 Llama 3.18B 每秒提供 1800 个 token，当时就能为 Llama 3.170B 每秒提供 450 个 token 的速度，比基于英伟达 GPU 的超大规模云快了 20 倍。
从成本角度来说，因为 Cerebras 是按照整个系统售卖的，会有一笔较大的初始投入，但由于整体效率的提升，随着时间的推移，单位算力的平均能耗也会显著降低。再加上所需硬件总数的减少，整个算力中心的运营成本也会显著降低，其总拥有成本 （TCO） 非常有竞争力。
Cerebras 也是全球少数 AI 芯片初创企业中商业化已经比较成功的。他们落地案例有很多，从训练到推理，客户包括了全球不同地区的政府和企业龙头。所以它们经常被外媒称作 「Nvidia challenger」，这次 OpenAI 的合作也认证的这一点。
创投家：为什么英伟达收购了 Groq，而没有收购 Cerebras？
Esther：我只能说 Cerebras 的成绩有目共睹，不排除有找过他们的公司，而公司选择了上市，他们应是今年硅谷甚至全世界科技圈最期待的 IPO 之一了。
英伟达对 Groq 的收编对于 Cerebras 是重大利好，让市场看清了 Cerebras 在专用训练赛道上的稀缺性。Groq 证明了专用推理芯片的价值，接下来的 Cerebras 上市，则将证明专用训练+推理芯片的差异化价值。在国内，越模仿英伟达往往越受追捧；而在硅谷，越不像英伟达的架构，反而估值越高。
创投家：与 Groq 的故事是从什么时候开始的？
Esther：其实我们认识 Jonathan Ross 团队也很久了。当年 Ross 是谷歌第一代 TPU 项目的领航员，深度参与了专为 AI 优化的芯片设计，而这个 TPU 芯片项目后来被用于 AlphaGo 击败李世石的围棋比赛，为 AlphaGo 提供了关键算力支持。Ross 在内部创业和离开谷歌创业之间最后选择了后者，带领谷歌 TPU 团队 10 名核心成员中的 7 位离职，创立了 Groq。
Groq 非常独特的一点在于」 软件优先 「的芯片设计理念。你会发现所有硅谷的芯片公司创始人，基本都是工程背景，像黄仁勋、苏姿丰。但是 Ross 是纯软件出身，这样的背景让他有一种非常独特的思维模式，永远优先考虑实现效果，再反推硬件设计需求，这个思维模式在 Groq 内部就被称为 「软件优先」（Software First），也就是用第一性原则看问题。
你很难想象，在十年前，大模型都没有出现的时代，Ross 就依据这个理念提出要做推理芯片。这也导致他曾经一度融资困难，因为在绝大部分投资人连训练和推理都分不清的时候，他要做的事情实在有点超前。
但幸运的是，就在他们融资艰难的时间点上，ChatGPT 横空出世，大家忽然又都能理解 Groq 的意义了，融资也变得顺利起来。
创投家：咱们是 2024 年底投资的 Groq，为什么之前没有投？以及这次出手的逻辑是什么呢？
Esther：其实我一直非常认可他们的理念，只是我一直没有想清楚他们商业落地的方式。
Groq 之前一直坚持着在走卖整套芯片产品的路线，但想要从英伟达的市场里切一块蛋糕出来本就很难，试错成本起步就需要一两百万美金，而且还需要相应替换一套新的软件，加上当时 AI 推理应用还没起来，如果我是客户，我不会舍易取难的放着英伟达不用去用 Groq。所以我们当时没有投他。
而去年的出手，是因为两个因素，第一，我们觉得 AI 2.0 要来了，AI 离开实验室，到了人人可用的阶段，从而推理的重要性会快速提升，第二，Groq 内部有一些管理层的变化，改变了自己的商业策略，从卖硬件转型为卖云服务的 token。这一变化将客户的试错成本从几百万美金降到了几毛钱，直接导致 18 个月内 GroqCloud 上的开发者数量激增至 200 万，产生了超级开发者生态的价值，也是我们这次投资他的诱因。
创投家：您觉得英伟达收编 Groq 的逻辑是什么呢？是否也是因为激增的开发者生态？
Esther：其实不仅如此。英伟达在训练市场占有九成以上的份额，地位无可撼动，但 AI 要真正走向普惠，战场必然会转移到推理，也就是模型真正干活的阶段。英伟达现有的架构去做训练固然好，但对于推理任务而言，英伟达的现有方案就显得太慢、不够轻。而 Groq 正好补齐了其算力市场 「最后一块拼图」，从训练到推理，英伟达从此都有了顶尖方案。
说白了，英伟达这笔并购看中的其实是 Groq 的三个核心筹码：
锁定 「速度王者」：Groq 的架构从底层绕过了 「内存墙」，这种极速且稳定的表现，是机器人、实时翻译等场景的刚需。拿下 Groq，英伟达就在推理战场立住了最强标杆。
加固软件帝国：CUDA 生态虽稳，但 Groq 的软件栈是极少数在体系外真正长出来的对手。GroqCloud 在一年内就迅速达到了 100 万开发者用户，而英伟达 CUDA 用 7 年才达 10 万开发者用户。把这套人才和技术收编，英伟达的护城河将更加难以撼动。
从卖卡转向卖系统：Groq 原生支持 「整套系统」 交付，这与英伟达目前推行 DGX/HGX 整机柜的 AI 工厂战略高度契合。
当然，对于拥有 600 多亿美元现金及等价物、且单季度即可产生 200 多亿美元自由现金流的英伟达来说，花个 200 亿锁定最强推理技术，也算是划得来的一笔交易。
创投家：英伟达的这笔 「收购」 对于整个算力行业来说有什么意义？
Esther：这次收购，让 AI 芯片的江湖格局进一步清晰了。
首先对于 HBM 内存厂商而言，创新的压力会进一步增强。Groq 用的是 SRAM 而不是 HBM，这说明 AI 芯片的路线并不唯一。虽然训练端的需求还在持续增涨，但巨头对替代路径的认可，会让更多资金流向内存创新。
其次对于初创芯片公司而言，真正的考验才刚刚开始。单纯想做 「更快的 GPU」 这条路径，基本已被老黄封死。初创公司必须证明自己在某个特定且高价值的场景中，拥有颠覆性的架构优势才可以获得市场的青睐。
最强 AI 基建投资人的炼成
创投家：我们知道您之前有过 20 年华尔街投行的工作经历，为什么在 2017 年那个时间节点选择加入商汤？
Esther：有两方面的原因吧。首先是那一年我怀孕了，既是个意外之喜，也让我开始重新思考自己人生的意义。
我认为父母应该参与融入到小朋友的世界里，而不是让小孩融入父母的世界。世界变化万千，固守在传统行业显然对我、对小孩的世界观都是一个局限。同时，我认为如果我希望我的小孩是个喜欢学校新事物，勇于尝试，接受挑战的人，我就应该以身作则。
而另一方面，我从小就是好奇心特别重的人，虽然知道自己没有耐心和能力读博 （笑），但也养成了阅读论文的习惯。我渴望学习新事物，扩大我的认知框架，挑战我的舒适区。而恰巧在那个时间点，我读到了一篇改变我命运的论文，关于人类视觉第一次败给了计算机。这篇论文的几位作者，其中一位就是汤晓鸥老师。
我当时激动地接触了汤老师和他的团队，那个时候我就认定，这是一件可以改变世界的事情，不单是颠覆投行，而是改变人类生活范式的技术。所以放弃投行，加入人工智能初创企业的大队对我来说很顺理成章。
当然，这个选择不太像是正常人怀孕时追求稳定的选择，因为不但放弃稳定工作和收入，还加入了一家当时前景未明的创业公司，万事要从头学起。但是我一直觉得真正的安全感不是钱给到你的，而是如何在不停变化的世界里找到一些不变的内核，比如永远愿意尝试冒险的心，并在无数试错中加强自己。我希望树立榜样是给孩子最好的礼物。
创投家：在商汤工作的七年给你的投资理念带来了什么？
Esther：我认识了非常多，非常优秀的同事，伙伴，里面有科学家，工程师，产品经理，投资团队，还有业内很多朋友。后来好些都在创业而且做的很成功，我有幸和他们走了这么一段从 0 到 1 的路，实在获益良多。相比投行的 20 年经历，我在商汤的这 8 年学到的东西，甚至第一、第二年学到的东西都要远远多于前者。当你亲身经历过创业的时候，财报上的每一个指标，每一个数字对于你来说都是血与泪的教训，那种深度的理解和之前是完全不同的。
我在商汤主要负责两件事，一是负责募资，在职期间募集了 60 亿美金；另一件是就是负责公司的战略投资。那个时间点上，AI 1.0 已经突破了技术红线，但是成本仍然很高，并没有突破工业红线。所以，我们的战略投资旨在寻找那些最匹配 AI 落地的场景。而在这个过程中，其实为我后来的投资逻辑积累下了非常重要的一些认知。
第一个认知就是投资人不能爱上 PPT。如果没有在行业里面有实践经验和资源，一般财务投资人看到的都是市场规模和宏大前景，但如果看不懂技术难点，自然也不知道被投团队是否把握解决问题的关键。之前国内百模大战就是个很好的例子。我有幸在创业时期经历了很多用户或者供应商的一手反馈，让我对技术落地的理解超越了参数层面。我们切身理解那些隐藏在数字背后、业内人士不会主动提及的痛点与风险。
第二，AI 能否落地的关键往往不在于技术成熟度，商业化本质不是只是便宜就够，而要看行业政策，配套是否成熟，是否威胁产业核心群体的既得利益。如果 AI 动了某个行业传统运行模式的命脉，即使技术再成熟也很难迅速规模化落地，而这里的行规每个板块都不一样。所以 AI 不是终局，把 AI 用在行业上才是。
第三个认知就是在初创公司的成长中，如何去选择投资时机。我们见到太多初创公司的生死，也比较熟悉哪里容易出问题。进而，我们也知道作为投资人，到底什么时候出手才是最佳时机。比如我们对 Groq 的判断，最佳的投资时机一定是推理市场快被认可之前，同时加上其商业策略调整之后。
第四个认知是关于团队。我发现所有好的团队都有一个很重要的特质，他们要么曾经经历过周期，失败过，要么就有一颗非常坦然接受失败的心。比起成功，聪明人往往从失败学习到更多。团队的韧性非常重要，像那种刚刚从大学里走出来的天才少年被资本众星捧月类型的创业者，我一般是比较谨慎的。
创投家：3C AGI Partners 今天的投资主线是怎样设计的？
Esther：我们有三条投资主线，核心都是围绕重新定义 AI 工厂。
第一条：优化 AI 工厂的算力。围绕着推理算力生态，我们会重点关注推理芯片、光模块、网络互联等方面的软硬件，聚焦如何把 GPU 以外的东西更加优化，而 Cerebras 和 Groq 都是我们在这条线上布局的项目。
第二条：重新 「定位」AI 工厂。传统数据中心前期固定成本包括土地，建筑费用非常高，运营时散热也是成本居高不下。因此我们一直在根源上寻求解决路径，比如将数据中心搬到太空或者沉到海底。我们孵化了全世界第一个太空的数据中心公司 Starcloud，公司也在去年 11 月成功将英伟达 H100 GPU 送入了太空，我们的中长期目标是建立世界上第一个基于太阳能并达到 5 吉瓦规模的太空轨道数据中心。
第三条：为新的 AI 工厂寻找新的能源供给。AI 爆发的背后是数据中心对于能源的消耗指数级别的增长，而这种增长不仅限于体量，更在于能源的密度、稳定性、清洁性和灵活性。传统能源体系已难以支撑这一轮 AI 浪潮，核聚变正是这场能源危机的 「终极答案」。我们和比尔·盖茨的能源基金一起投资了世界上第一个商业上可行的聚变发电厂 Type One Energy（T1E），T1E 已经获得了美国最大的公共电力公司 TVA 的合作订单，打造可商业化的核聚变装置。
创投家：您认为 AI 基础建设还有多大的空间或者说还有多长的投资窗口期？
Esther：非常大。每当我说我要投 AI 基建，大家都会觉得这不是一个小 VC 应该投的赛道。大部分人理解 AI 基建都是囤地、建楼、买 GPU，但我认为 AI 基建并不是这些，而是我前面提到的重新定义 AI 工厂这件事，就是用第一性原理，从结果倒推设计方案，而这个事情才刚刚开始。
比如我们投的太空数据中心，这件事目前还非常早期，距离量产可能还需要 3-5 年，围绕太空数据中心，需要适配的芯片、能源、散热、网络、传输，这些与地球上的配置都是不同的，所有地球数据中心的配件都需要在太空重新再做一遍。所以说，这仅仅是这场范式革命的序曲。
创投家：您觉得 AI 应用投资和 AI 基建投资之间是怎样的关系？什么时候才是 AI 应用投资的最佳时间点？
Esther：这个问题非常好，首先我觉得现在的应用投资，绝大部分会打水漂。就像互联网时代刚开始的时候，诞生了一大批火到不行的应用和公司，但现在很多年轻人都没听说过。我们再看谷歌的诞生，它并不是互联网时代刚开始的时候就出现的，而是随着互联网 Native 一代的成长而出现的。
现在 AI 也一样，目前我们只是用人类非常局限的认知在去设想 AI 能做什么，比如做 ppt、做视频，这些其实对于 AI 来说非常简单，很快任何一个大模型都可以帮你实现。而我认为真正 AI native 的应用一定是 AI 自己设计出来的。
AI 1.0 时代，使用 AI 最多的人是科学家，因为需要研究 AI 的反馈；AI 2.0 时代，使用 AI 最多的人是我们这样的普通人，就像我们现在每天都会和 AI 对话一样；而 AI 3.0 时代，使用 AI 最多的一定是我们个人或者企业的 AI 智能体。这个智能体拥有我们所有个人数据，熟悉我们的偏好和习惯，当我们提出一个基础诉求，智能体会帮助我们将这个需求变得丰满和完整，甚至比你自己更了解你想要什么，并以此向大模型提问，最终给我们生成极为个性化和即时性的意见和建议。所以说 AI 3.0 时代，使用 AI 的就是 AI 本身。
至于什么时候是 AI 应用投资的最佳节点，我也经常在想这个问题。只能说一个应用是建立在的自行车时代还是建立在火箭时代，是完全不同的两件事。现在火箭并没有造好的情况下，在自行车上设计的应用的意义都不大。至于火箭什么时候能造好，还得看推理什么时候可以做到最快。
创投家：最后一个问题，也是大家最想知道的问题。3C 是如何做到在众多硅谷顶级 case 里都成为 Captable 上的那极少数的华人 VC 呢？
Esther：首先，「看得懂」 和 「投得进」 确实是两个不同层次的能力。这一点我们自己也有很深的体会。
相对于 AI 应用，我们专注的 AI 基础设施投资，知识门槛要高得多。比如一个推理芯片的架构瓶颈在哪里，一个光模块的技术难点怎么突破，需要什么样背景的团队来实现这些都，这要求投资人具备扎实的技术判断力和产业经验。
我本人是从产业里走出来的，不是因为 AI 火了才转行的财务投资人。你看我们投的那些项目，很多都是在创始人还没名气、没多少人看好时，我们就已经认识，并且建立了彼此的理解和信任。我们不仅懂他们在做什么，还能实际帮到他们；对接合适的资源、解决一些具体的难题，而不是只是往银行账户上打钱。
正因为我们自己创过业，所以更明白早期投资和晚期投资的区别。有些公司哪怕一开始没投，我们也会一直保持联系、提供力所能及的支持，而不是等到 IPO 前才挤进来——这一点我们觉得特别重要。
这个圈子其实很小。你自己做过公司、有过退出，创业者会更愿意和你对话；如果你还真正从零到一做出过东西，那种信任层级又会不一样。好项目从来最不缺钱，但建立这种信任门槛很高。我们之前有一个被投公司做反向尽调，甚至打电话给我大学老师，就为了确认我是不是真的一直在技术这条路上走。
最后，和创业者一样，「坚持」 很重要。这也意味着我们要准备好面对质疑，就像我们孵化太空数据中心，当时大多数人都觉得这个方向太超前了。但去年我们的实验卫星发射成功，马斯克还点赞我们项目，身边的声音马上不一样了。我不敢说自己对 AI 有特别执着的信仰，但如果我们当前所做的一切，能为人工智能的可持续发展提供一些方向与助力，那么就达到了 3C 成立的初衷。
写在最后：
从华尔街投行到 AI 初创企业，从主导 60 亿美元融资到创立 3C AGI Partners 捕获硅谷算力独角兽，王康曼用一条"非共识"的路径证明了：在 AI 革命的深水区，产业认知的深度比追风的速度更重要。当市场还在争论下一个杀手级应用何时出现时，3C 已经用两年的时间在 AI 基建的最核心地带完成了卡位。正如她所说，真正的 AI 原生应用或许要到 AI 3.0 的时代才会出现，但在那之前，先修好通往未来的路，可能比猜测终点在哪更有意义。对于这家年轻的基金而言，收获的季节或许才刚刚开始。（作者｜陶天宇，编辑｜房煜）
