獨家對話王康曼：唯一同時出現在Cerebras和Groq股東名冊上的華人VC

在幾乎所有VC都在涌向"AI應用元年"的狂歡時，一家成立剛滿兩年的基金卻反向而行，不僅將全部彈藥都傾注在“重新定義AI工廠”這件宏大的基建敘事上，更是在成立之初便押中了2025年末全球芯片算力行業熱度最高的兩家硅谷創業公司——Cerebras和Groq，并且成為唯一同時出現在他們股東名冊上的華人VC。

就在本文發稿時，OpenAI官宣與Cerebras合作采購750兆瓦算力，合同金額高達一百億美金。同時有外媒報道稱已官宣擬在2026年IPO的Cerebras正計劃融資10億美元，估值飆升至220億美元。而在2025年末，Groq被英偉達以200億美金的身價收編的消息也引爆了全球科技圈。這兩家200億美金級別的巨獸已經為這家華人VC分別帶來六倍和十幾倍的回報，而這一切都發生在24個月之內?！斑@樣的公司，這樣的估值，你們怎么拿到份額的？”這份極為“出挑”的答卷讓這家機構自己的LP們都大呼意外。

這家極具“非共識”氣質的投資機構，就是成立于2023年末的3C AGI Partners，而其背后的掌舵人正是我們今天對話的主角——王康曼（Esther WONG）。

王康曼的履歷是一部罕見的跨越大洋與行業的"雙螺旋"進化史。擁有芝加哥大學布斯商學院EMBA和紐約石溪大學政治學及經濟學雙學士學位（輔修物理學）的她，畢業后在摩根大通、中金、巴克萊、交銀國際等金融機構擔任高管，積累了20年華爾街投行經驗。2017年她突然加入商湯科技，負責組建投融資團隊并主導了公司從B輪到IPO的完整融資歷程。2023年ChatGPT爆火后，她再一次改變了人生航道，正式創立3C AGI Partners（3C）。在25年末、26年初，3C成立整2年的時間節點上，Esther用華爾街的資本嗅覺與AI產業基因的深度融合，在算力戰爭的最核心地帶完成了一系列看似不可能完成的任務。

近日，我們有幸與3C AGI Partners的創始人王康曼女士進行了一次深度的對話，不僅復盤了Cerebras和Groq這兩筆超級case的出手細節，更是深度拆解了Esther獨特的AI投資邏輯與行業觀察。由此，我們也得以一窺3C能夠在硅谷資本主導的AI基建賽道取得耀眼戰績的底層原因。

以下為創投家與王康曼的對話全文，略有刪減：關于Cerebras和Groq這兩筆投資

創投家：接觸到Cerebras是怎樣的契機呢？

Esther：我和Cerebras的接觸始于八年前（2018年），在一次朋友聚會上遇到Andrew Feldman（Cerebras的創始人）。我們交流了很久，他當時跟我說，他的目標是要挑戰英偉達，因為他并不認為GPU是用于訓練基礎模型（foundation model）的最佳方案。也就是說，在Transformer架構出現之初，他就已經在思考做基礎模型訓練需要有一個圍繞芯片的完整解決方案了。他們的方案和大多數芯片公司反其道而行，做的非常大，比我的臉還要大（笑）。同時，他也是第一個跟我提到基礎模型概念的人，要知道當時距離Chat GPT還有四年。那時候我就知道他有很大的格局，他的產品可能顛覆市場，所以一直都有持續關注。

2023年底3C成立之初，我就立馬聯系了Andrew。當時他興奮地告訴我他們最近跟中東G42簽署了合同，成為世界上最大的人工智能數據中心解決方案提供商之一。在那個項目中，他們的卡與英偉達的卡各占一半，相當于平分市場。

我替他高興之余，也跟Andrew說3C的背景，并提出希望加入他們的投資者行列。至于估值，因為認識多年，幾乎與Sam Altman 同步,所以我們也聊了一個特別理想的價格。這也成為我們基金的明星項目之一。

創投家： Cerebras能夠與英偉達掰手腕的能力是什么呢？

Esther：Cerebras從Day1開始就和別的芯片公司不一樣。他避開了行業主流的小型化、低功耗的制程內卷，而是將整個12英寸硅晶圓制成單顆芯片，在芯片上集成44GB的SRAM，將計算與內存融為一體，從而降低了芯片之間數據傳輸的需求。用56倍于傳統GPU的物理尺寸，換取數據傳輸效率的數量級提升。

再加上Cerebras增強了更適合推理計算的并行處理能力，去年他們發布Cerebras Inference為Llama 3.18B每秒提供1800個token，當時就能為Llama 3.170B每秒提供450個token的速度，比基于英偉達GPU的超大規模云快了20倍。

從成本角度來說，因為Cerebras是按照整個系統售賣的，會有一筆較大的初始投入，但由于整體效率的提升，隨著時間的推移，單位算力的平均能耗也會顯著降低。再加上所需硬件總數的減少，整個算力中心的運營成本也會顯著降低，其總擁有成本（TCO）非常有競爭力。

Cerebras也是全球少數AI芯片初創企業中商業化已經比較成功的。他們落地案例有很多，從訓練到推理，客戶包括了全球不同地區的政府和企業龍頭。所以它們經常被外媒稱作“Nvidia challenger”，這次OpenAI 的合作也認證的這一點。

創投家：為什么英偉達收購了Groq，而沒有收購Cerebras？

Esther：我只能說Cerebras的成績有目共睹，不排除有找過他們的公司，而公司選擇了上市，他們應是今年硅谷甚至全世界科技圈最期待的IPO之一了。

英偉達對Groq的收編對于Cerebras是重大利好，讓市場看清了Cerebras在專用訓練賽道上的稀缺性。Groq證明了專用推理芯片的價值，接下來的Cerebras上市，則將證明專用訓練+推理芯片的差異化價值。在國內，越模仿英偉達往往越受追捧；而在硅谷，越不像英偉達的架構，反而估值越高。

創投家：與Groq的故事是從什么時候開始的？

Esther：其實我們認識Jonathan Ross團隊也很久了。當年Ross是谷歌第一代TPU項目的領航員，深度參與了專為AI優化的芯片設計，而這個TPU芯片項目后來被用于AlphaGo擊敗李世石的圍棋比賽，為AlphaGo提供了關鍵算力支持。Ross在內部創業和離開谷歌創業之間最后選擇了后者，帶領谷歌TPU團隊10名核心成員中的7位離職，創立了Groq。

Groq非常獨特的一點在于”軟件優先“的芯片設計理念。你會發現所有硅谷的芯片公司創始人，基本都是工程背景，像黃仁勛、蘇姿豐。但是 Ross是純軟件出身，這樣的背景讓他有一種非常獨特的思維模式，永遠優先考慮實現效果，再反推硬件設計需求，這個思維模式在Groq內部就被稱為“軟件優先”（Software First），也就是用第一性原則看問題。

你很難想象，在十年前，大模型都沒有出現的時代，Ross就依據這個理念提出要做推理芯片。這也導致他曾經一度融資困難，因為在絕大部分投資人連訓練和推理都分不清的時候，他要做的事情實在有點超前。

但幸運的是，就在他們融資艱難的時間點上，ChatGPT橫空出世，大家忽然又都能理解Groq的意義了，融資也變得順利起來。

創投家：咱們是2024年底投資的Groq，為什么之前沒有投？以及這次出手的邏輯是什么呢？

Esther：其實我一直非常認可他們的理念，只是我一直沒有想清楚他們商業落地的方式。

Groq之前一直堅持著在走賣整套芯片產品的路線，但想要從英偉達的市場里切一塊蛋糕出來本就很難，試錯成本起步就需要一兩百萬美金，而且還需要相應替換一套新的軟件，加上當時AI推理應用還沒起來，如果我是客戶，我不會舍易取難的放著英偉達不用去用Groq。所以我們當時沒有投他。

而去年的出手，是因為兩個因素，第一，我們覺得AI 2.0 要來了，AI離開實驗室，到了人人可用的階段，從而推理的重要性會快速提升，第二，Groq內部有一些管理層的變化，改變了自己的商業策略，從賣硬件轉型為賣云服務的token。這一變化將客戶的試錯成本從幾百萬美金降到了幾毛錢，直接導致18個月內GroqCloud上的開發者數量激增至200萬，產生了超級開發者生態的價值，也是我們這次投資他的誘因。

創投家：您覺得英偉達收編Groq的邏輯是什么呢？是否也是因為激增的開發者生態？

Esther：其實不僅如此。英偉達在訓練市場占有九成以上的份額，地位無可撼動，但AI要真正走向普惠，戰場必然會轉移到推理，也就是模型真正干活的階段。英偉達現有的架構去做訓練固然好，但對于推理任務而言，英偉達的現有方案就顯得太慢、不夠輕。而Groq正好補齊了其算力市場“最后一塊拼圖”，從訓練到推理，英偉達從此都有了頂尖方案。

說白了，英偉達這筆并購看中的其實是Groq的三個核心籌碼：

鎖定“速度王者”：Groq的架構從底層繞過了“內存墻”，這種極速且穩定的表現，是機器人、實時翻譯等場景的剛需。拿下Groq，英偉達就在推理戰場立住了最強標桿。

加固軟件帝國：CUDA生態雖穩，但Groq的軟件棧是極少數在體系外真正長出來的對手。GroqCloud在一年內就迅速達到了100萬開發者用戶，而英偉達CUDA用7年才達10萬開發者用戶。把這套人才和技術收編，英偉達的護城河將更加難以撼動。

從賣卡轉向賣系統：Groq原生支持“整套系統”交付，這與英偉達目前推行DGX/HGX整機柜的AI工廠戰略高度契合。

當然，對于擁有600多億美元現金及等價物、且單季度即可產生200多億美元自由現金流的英偉達來說，花個200億鎖定最強推理技術，也算是劃得來的一筆交易。

創投家：英偉達的這筆“收購”對于整個算力行業來說有什么意義？

Esther：這次收購，讓AI芯片的江湖格局進一步清晰了。

首先對于HBM內存廠商而言，創新的壓力會進一步增強。Groq用的是SRAM而不是HBM，這說明AI芯片的路線并不唯一。雖然訓練端的需求還在持續增漲，但巨頭對替代路徑的認可，會讓更多資金流向內存創新。

其次對于初創芯片公司而言，真正的考驗才剛剛開始。單純想做“更快的GPU”這條路徑，基本已被老黃封死。初創公司必須證明自己在某個特定且高價值的場景中，擁有顛覆性的架構優勢才可以獲得市場的青睞。

最強AI基建投資人的煉成

創投家：我們知道您之前有過20年華爾街投行的工作經歷，為什么在2017年那個時間節點選擇加入商湯？

Esther：有兩方面的原因吧。首先是那一年我懷孕了，既是個意外之喜，也讓我開始重新思考自己人生的意義。

我認為父母應該參與融入到小朋友的世界里，而不是讓小孩融入父母的世界。世界變化萬千，固守在傳統行業顯然對我、對小孩的世界觀都是一個局限。同時，我認為如果我希望我的小孩是個喜歡學校新事物，勇于嘗試，接受挑戰的人，我就應該以身作則。

而另一方面，我從小就是好奇心特別重的人，雖然知道自己沒有耐心和能力讀博（笑），但也養成了閱讀論文的習慣。我渴望學習新事物，擴大我的認知框架，挑戰我的舒適區。而恰巧在那個時間點，我讀到了一篇改變我命運的論文，關于人類視覺第一次敗給了計算機。這篇論文的幾位作者，其中一位就是湯曉鷗老師。

我當時激動地接觸了湯老師和他的團隊，那個時候我就認定，這是一件可以改變世界的事情，不單是顛覆投行，而是改變人類生活范式的技術。所以放棄投行，加入人工智能初創企業的大隊對我來說很順理成章。

當然，這個選擇不太像是正常人懷孕時追求穩定的選擇，因為不但放棄穩定工作和收入，還加入了一家當時前景未明的創業公司，萬事要從頭學起。但是我一直覺得真正的安全感不是錢給到你的，而是如何在不停變化的世界里找到一些不變的內核，比如永遠愿意嘗試冒險的心，并在無數試錯中加強自己。我希望樹立榜樣是給孩子最好的禮物。

創投家：在商湯工作的七年給你的投資理念帶來了什么？

Esther：我認識了非常多，非常優秀的同事，伙伴，里面有科學家，工程師，產品經理，投資團隊，還有業內很多朋友。后來好些都在創業而且做的很成功，我有幸和他們走了這么一段從0 到1 的路，實在獲益良多。相比投行的20年經歷，我在商湯的這8年學到的東西，甚至第一、第二年學到的東西都要遠遠多于前者。當你親身經歷過創業的時候，財報上的每一個指標，每一個數字對于你來說都是血與淚的教訓，那種深度的理解和之前是完全不同的。

我在商湯主要負責兩件事，一是負責募資，在職期間募集了60億美金；另一件是就是負責公司的戰略投資。那個時間點上，AI 1.0已經突破了技術紅線，但是成本仍然很高，并沒有突破工業紅線。所以，我們的戰略投資旨在尋找那些最匹配AI落地的場景。而在這個過程中，其實為我后來的投資邏輯積累下了非常重要的一些認知。

第一個認知就是投資人不能愛上PPT。如果沒有在行業里面有實踐經驗和資源，一般財務投資人看到的都是市場規模和宏大前景，但如果看不懂技術難點，自然也不知道被投團隊是否把握解決問題的關鍵。之前國內百模大戰就是個很好的例子。我有幸在創業時期經歷了很多用戶或者供應商的一手反饋，讓我對技術落地的理解超越了參數層面。我們切身理解那些隱藏在數字背后、業內人士不會主動提及的痛點與風險。

第二，AI能否落地的關鍵往往不在于技術成熟度，商業化本質不是只是便宜就夠，而要看行業政策，配套是否成熟，是否威脅產業核心群體的既得利益。如果AI動了某個行業傳統運行模式的命脈，即使技術再成熟也很難迅速規模化落地，而這里的行規每個板塊都不一樣。所以AI不是終局，把AI用在行業上才是。

第三個認知就是在初創公司的成長中，如何去選擇投資時機。我們見到太多初創公司的生死，也比較熟悉哪里容易出問題。進而，我們也知道作為投資人，到底什么時候出手才是最佳時機。比如我們對Groq的判斷，最佳的投資時機一定是推理市場快被認可之前，同時加上其商業策略調整之后。

第四個認知是關于團隊。我發現所有好的團隊都有一個很重要的特質，他們要么曾經經歷過周期，失敗過，要么就有一顆非常坦然接受失敗的心。比起成功，聰明人往往從失敗學習到更多。團隊的韌性非常重要，像那種剛剛從大學里走出來的天才少年被資本眾星捧月類型的創業者，我一般是比較謹慎的。

創投家：3C AGI Partners今天的投資主線是怎樣設計的？

Esther：我們有三條投資主線，核心都是圍繞重新定義AI工廠。

第一條：優化AI工廠的算力。圍繞著推理算力生態，我們會重點關注推理芯片、光模塊、網絡互聯等方面的軟硬件，聚焦如何把GPU以外的東西更加優化，而Cerebras和Groq都是我們在這條線上布局的項目。

第二條：重新“定位”AI工廠。傳統數據中心前期固定成本包括土地，建筑費用非常高，運營時散熱也是成本居高不下。因此我們一直在根源上尋求解決路徑，比如將數據中心搬到太空或者沉到海底。我們孵化了全世界第一個太空的數據中心公司Starcloud，公司也在去年11月成功將英偉達H100 GPU送入了太空，我們的中長期目標是建立世界上第一個基于太陽能并達到5吉瓦規模的太空軌道數據中心。

第三條：為新的AI工廠尋找新的能源供給。AI爆發的背后是數據中心對于能源的消耗指數級別的增長，而這種增長不僅限于體量，更在于能源的密度、穩定性、清潔性和靈活性。傳統能源體系已難以支撐這一輪AI浪潮，核聚變正是這場能源危機的“終極答案”。我們和比爾·蓋茨的能源基金一起投資了世界上第一個商業上可行的聚變發電廠Type One Energy（T1E），T1E已經獲得了美國最大的公共電力公司TVA的合作訂單，打造可商業化的核聚變裝置。

創投家：您認為AI基礎建設還有多大的空間或者說還有多長的投資窗口期？

Esther：非常大。每當我說我要投AI基建，大家都會覺得這不是一個小VC應該投的賽道。大部分人理解AI基建都是囤地、建樓、買GPU，但我認為AI基建并不是這些，而是我前面提到的重新定義AI工廠這件事，就是用第一性原理，從結果倒推設計方案，而這個事情才剛剛開始。

比如我們投的太空數據中心，這件事目前還非常早期，距離量產可能還需要3-5年，圍繞太空數據中心，需要適配的芯片、能源、散熱、網絡、傳輸，這些與地球上的配置都是不同的，所有地球數據中心的配件都需要在太空重新再做一遍。所以說，這僅僅是這場范式革命的序曲。

創投家：您覺得AI應用投資和AI基建投資之間是怎樣的關系？什么時候才是AI應用投資的最佳時間點？

Esther：這個問題非常好，首先我覺得現在的應用投資，絕大部分會打水漂。就像互聯網時代剛開始的時候，誕生了一大批火到不行的應用和公司，但現在很多年輕人都沒聽說過。我們再看谷歌的誕生，它并不是互聯網時代剛開始的時候就出現的，而是隨著互聯網Native一代的成長而出現的。

現在AI也一樣，目前我們只是用人類非常局限的認知在去設想AI能做什么，比如做ppt、做視頻，這些其實對于AI來說非常簡單，很快任何一個大模型都可以幫你實現。而我認為真正AI native的應用一定是AI自己設計出來的。

AI 1.0時代，使用AI最多的人是科學家，因為需要研究AI的反饋；AI 2.0時代，使用AI最多的人是我們這樣的普通人，就像我們現在每天都會和AI對話一樣；而AI 3.0時代，使用AI最多的一定是我們個人或者企業的AI智能體。這個智能體擁有我們所有個人數據，熟悉我們的偏好和習慣，當我們提出一個基礎訴求，智能體會幫助我們將這個需求變得豐滿和完整，甚至比你自己更了解你想要什么，并以此向大模型提問，最終給我們生成極為個性化和即時性的意見和建議。所以說AI 3.0時代，使用AI的就是AI本身。

至于什么時候是AI應用投資的最佳節點，我也經常在想這個問題。只能說一個應用是建立在的自行車時代還是建立在火箭時代，是完全不同的兩件事。現在火箭并沒有造好的情況下，在自行車上設計的應用的意義都不大。至于火箭什么時候能造好，還得看推理什么時候可以做到最快。

創投家：最后一個問題，也是大家最想知道的問題。3C是如何做到在眾多硅谷頂級case里都成為Captable上的那極少數的華人VC呢？

Esther：首先，“看得懂”和“投得進”確實是兩個不同層次的能力。這一點我們自己也有很深的體會。

相對于AI應用，我們專注的AI基礎設施投資，知識門檻要高得多。比如一個推理芯片的架構瓶頸在哪里，一個光模塊的技術難點怎么突破，需要什么樣背景的團隊來實現這些都，這要求投資人具備扎實的技術判斷力和產業經驗。

我本人是從產業里走出來的，不是因為AI火了才轉行的財務投資人。你看我們投的那些項目，很多都是在創始人還沒名氣、沒多少人看好時，我們就已經認識，并且建立了彼此的理解和信任。我們不僅懂他們在做什么，還能實際幫到他們；對接合適的資源、解決一些具體的難題，而不是只是往銀行賬戶上打錢。

正因為我們自己創過業，所以更明白早期投資和晚期投資的區別。有些公司哪怕一開始沒投，我們也會一直保持聯系、提供力所能及的支持，而不是等到IPO前才擠進來——這一點我們覺得特別重要。

這個圈子其實很小。你自己做過公司、有過退出，創業者會更愿意和你對話；如果你還真正從零到一做出過東西，那種信任層級又會不一樣。好項目從來最不缺錢，但建立這種信任門檻很高。我們之前有一個被投公司做反向盡調，甚至打電話給我大學老師，就為了確認我是不是真的一直在技術這條路上走。

最后，和創業者一樣，“堅持”很重要。這也意味著我們要準備好面對質疑，就像我們孵化太空數據中心，當時大多數人都覺得這個方向太超前了。但去年我們的實驗衛星發射成功，馬斯克還點贊我們項目，身邊的聲音馬上不一樣了。我不敢說自己對AI有特別執著的信仰，但如果我們當前所做的一切，能為人工智能的可持續發展提供一些方向與助力，那么就達到了3C成立的初衷。

從華爾街投行到AI初創企業，從主導60億美元融資到創立3C AGI Partners捕獲硅谷算力獨角獸，王康曼用一條"非共識"的路徑證明了：在AI革命的深水區，產業認知的深度比追風的速度更重要。當市場還在爭論下一個殺手級應用何時出現時，3C已經用兩年的時間在AI基建的最核心地帶完成了卡位。正如她所說，真正的AI原生應用或許要到AI 3.0的時代才會出現，但在那之前，先修好通往未來的路，可能比猜測終點在哪更有意義。對于這家年輕的基金而言，收獲的季節或許才剛剛開始。（作者｜陶天宇，編輯｜房煜）