<p>尼古拉斯·索瓦奇认为，最佳投资需要四年的时间才能显现出明显的效果——这是他上周在 StrictlyVC 的旧金山活动上分享的想法，该活动由 TDK Ventures 共同主办。</p>
<p>这是他自 2019 年以来一直在努力证明的理论，当时他创立了这家日本电子巨头的企业风险投资部门，目前管理着 5 亿美元的资金，分布在四个基金中。AI 芯片初创公司 Groq 在去年秋季的最新融资轮中估值达 69 亿美元，是这一思维的最高调例子。</p>
<p>在 2020 年，远在生成式 AI 热潮使基础设施投资看起来显而易见之前，索瓦奇就向这家公司投资了一笔资金，该公司由乔纳森·罗斯创立——他是构建谷歌张量处理单元的工程师之一。Groq 从一开始就专注于推理：每当模型对查询做出响应时所需的计算重负。罗斯设计他的芯片时，首先构建编译器，逐步简化架构，直到如索瓦奇所描述的那样，“你不能去掉任何一个部分而让它仍然工作。”</p>
<p>这在某些人看来可能显得小众，但索瓦奇根据他对母公司限制的了解，看到了不对称性。与消费硬件不同，消费硬件有自然的上限，而推理的需求随着每个新应用和每个新模型的出现而不断增加。索瓦奇当时无法预见到，由于每个 AI 代理在数十个调用中进行计划和行动（而以前只需一个查询），推理的需求将在今年爆炸式增长。</p>
<p>但在某种程度上，罗斯也是在下注。毕竟，一家以磁带闻名的日本电子集团，表面上并不是最明显的投资合作伙伴。事实上，索瓦奇形容 TDK Ventures 的存在非常不太可能。但在两场连续的斯坦福讲座之后——一场为企业风险投资辩护，另一场列举了其失败的所有理由——索瓦奇，这位法国人通过收购加入 TDK 硅谷，尽管没有明显的立场，还是向东京总部提出了这个想法。（“我不是日本人。我不会说日语；我不住在东京。”）</p>
<p>在拒绝接受 “不” 作为答案后，他终于在 2019 年获得了批准，建立一个基金，其任务是回答一个问题：TDK 的下一个大机会是什么？什么可能会扼杀它？</p>
<p><img src="https://imageproxy.pbkrs.com/https://techcrunch.com/wp-content/uploads/2026/05/55242811031_1261bfd320_k.jpg/query-dz02ODA?x-oss-process=image/auto-orient,1/interlace,1/resize,w_1440,h_1440/quality,q_95/format,jpg" alt="" original-src="https://imageproxy.pbkrs.com/https://techcrunch.com/wp-content/uploads/2026/05/55242811031_1261bfd320_k.jpg/query-dz02ODA"/></p>
<p><strong>图片来源：</strong> Slava Blazer for TechCrunch/StrictlyVC /</p>
<p>他所组建的投资组合中，包含了一些在过去一年中变得更加引起风险投资者兴趣的技术：固态电网变压器、用于数据中心的钠离子电池、规避锂和钴地缘政治脆弱性的替代电池化学。</p>
<p>Techcrunch 活动</p>
<p>旧金山，加州 |2026 年 10 月 13-15 日</p>
<p>所有这些背后的原则是相同的：识别出四年后的瓶颈，然后找到已经在解决这个问题的创始人。</p>
<p>当然，问题是接下来会发生什么。就他而言，索瓦奇正在密切关注物理 AI——并不是所有的机器人，而是具有高度特定任务的机器人。例如，他投资组合中的 Agility Robotics 专注于在面临劳动力短缺的仓库中将物品从一个地方移动到另一个地方这一单一而平凡的任务。另一家投资组合公司，瑞士的 ANYbotics，制造适用于人类工人无法进入的危险环境的坚固机器人——这些地方的工作定义基本上是去人类无法到达的地方。其共同点是明确的目标。索瓦奇所押注的机器人并不试图做所有事情；相反，它们可靠地完成一项艰巨的任务。</p>
<p>索瓦奇还表示，他正在关注计算堆栈的再次转变。GPU 主导了训练——即教导模型的庞大并行计算。像 Groq 这样的推理芯片正在重塑模型发声时发生的事情：更快、更便宜、规模更大。现在，索瓦奇认为，CPU 即将迎来复兴。它们不是最强大的芯片，也不是最快的。但它们是最灵活的，最适合于调度的分支决策逻辑。当一个 AI 代理委派任务、检查进度并在数十个步骤中循环时，必须有某种东西来管理整个编排。这个东西，越来越多地，看起来像是 CPU。</p>
<p>还有中国。最近一份来自 Eclipse 的报告——这是他密切关注的一家风险投资公司——记录了索瓦奇所描述的 “氛围制造”——快速的、AI 辅助的物理硬件原型迭代，反映了氛围编码对软件的影响。报告发现，中国制造商正在以西方供应链尚未具备的方式压缩物理产品的设计 - 构建 - 测试周期。</p>
<p>对索瓦奇来说，这是一种瓶颈信号——而且他已经在 TDK Ventures 的各种投资中采取了行动。他表示，仍然未解决的问题是灵活性。模型的改进速度足够快，使得物理 AI 似乎不可避免；但仍然缺失的是与之匹配的物理流畅性。那些能够像其他人迭代代码一样快速迭代原子的国家和公司，将拥有制造优势。</p>

6762

TTDKY

纳斯达克半导体 ETF - First Trust

半导体 ETF - VanEck Vectors

半导体 3 倍做多 - Direxion

费城交易所 半导体 ETF - iShares

标普半导体 ETF - SPDR

动态半导体 ETF - Invesco

<p>TDK Ventures 的负责人 Nicolas Sauvage 强调了识别未来技术投资瓶颈的重要性，特别是在人工智能领域。他以自己早期对专注于推理的 AI 芯片初创公司 Groq 的投资作为关键例子。Sauvage 目前正在探索物理 AI，特别是针对特定任务设计的机器人，并预计 CPU 将因其在管理复杂 AI 过程中的灵活性而重新崛起。他还指出，中国制造业的快速进步正在超越西方能力，预示着新的投资机会</p>

<p>Nicolas Sauvage believes it takes four years for the best bets to look obvious — thinking that he shared on stage last week at StrictlyVC’s San Francisco event, which TDK Ventures co-hosted.</p>
<div class="lb-trans"><p>尼古拉斯·索瓦奇认为，最佳投资需要四年的时间才能显现出明显的效果——这是他上周在 StrictlyVC 的旧金山活动上分享的想法，该活动由 TDK Ventures 共同主办。</p>
</div><p>It’s a theory he’s been working to prove since 2019, when he founded the corporate venture arm of the Japanese electronics giant, which is now managing $500 million across four funds. The AI chip startup Groq, valued at $6.9 billion during its most recent funding round last fall, is the highest-profile example of this thinking.</p>
<div class="lb-trans"><p>这是他自 2019 年以来一直在努力证明的理论，当时他创立了这家日本电子巨头的企业风险投资部门，目前管理着 5 亿美元的资金，分布在四个基金中。AI 芯片初创公司 Groq 在去年秋季的最新融资轮中估值达 69 亿美元，是这一思维的最高调例子。</p>
</div><p>In 2020, well before the generative AI boom made infrastructure bets look obvious, Sauvage wrote a check into the company, which was founded by Jonathan Ross — one of the engineers who built Google’s Tensor Processing Units. Groq was focused from the start on inference: the computational heavy lifting that happens every time a model responds to a query. Ross had designed his chip by building the compiler first, stripping the architecture down until, as Sauvage describes it, “you can’t remove one part and have it still work.”</p>
<div class="lb-trans"><p>在 2020 年，远在生成式 AI 热潮使基础设施投资看起来显而易见之前，索瓦奇就向这家公司投资了一笔资金，该公司由乔纳森·罗斯创立——他是构建谷歌张量处理单元的工程师之一。Groq 从一开始就专注于推理：每当模型对查询做出响应时所需的计算重负。罗斯设计他的芯片时，首先构建编译器，逐步简化架构，直到如索瓦奇所描述的那样，“你不能去掉任何一个部分而让它仍然工作。”</p>
</div><p>It might have looked niche to some, but knowing what he did about his parent company’s constraints, Sauvage saw asymmetry. Unlike consumer hardware, which has a natural ceiling, demand for inference keeps compounding with every new application and every new model. Sauvage couldn’t know then that demand for inference would explode this year, thanks to every AI agent that plans and acts across dozens of calls (where a single query used to suffice).</p>
<div class="lb-trans"><p>这在某些人看来可能显得小众，但索瓦奇根据他对母公司限制的了解，看到了不对称性。与消费硬件不同，消费硬件有自然的上限，而推理的需求随着每个新应用和每个新模型的出现而不断增加。索瓦奇当时无法预见到，由于每个 AI 代理在数十个调用中进行计划和行动（而以前只需一个查询），推理的需求将在今年爆炸式增长。</p>
</div><p>But in some ways, Ross was also making a bet, too. After all, a Japanese electronics conglomerate best known for magnetic tape is not, on its face, the most obvious investing partner. In fact, Sauvage describes TDK Ventures’ own existence as very unlikely. But after two back-to-back Stanford lectures — one making the case for corporate VC, one cataloguing every reason it fails — Sauvage, who is French and joined TDK in Silicon Valley through an acquisition, pitched the idea to Tokyo headquarters despite having no obvious standing to do so. (“I’m not Japanese. I don’t speak Japanese; I don’t live in Tokyo.”)</p>
<div class="lb-trans"><p>但在某种程度上，罗斯也是在下注。毕竟，一家以磁带闻名的日本电子集团，表面上并不是最明显的投资合作伙伴。事实上，索瓦奇形容 TDK Ventures 的存在非常不太可能。但在两场连续的斯坦福讲座之后——一场为企业风险投资辩护，另一场列举了其失败的所有理由——索瓦奇，这位法国人通过收购加入 TDK 硅谷，尽管没有明显的立场，还是向东京总部提出了这个想法。（“我不是日本人。我不会说日语；我不住在东京。”）</p>
</div><p>After refusing to take no for an answer, he finally received the green light in 2019 to build a fund whose mandate was to answer one question: What’s the next big thing for TDK, and what might kill it?</p>
<div class="lb-trans"><p>在拒绝接受 “不” 作为答案后，他终于在 2019 年获得了批准，建立一个基金，其任务是回答一个问题：TDK 的下一个大机会是什么？什么可能会扼杀它？</p>
</div><p><img src="https://imageproxy.pbkrs.com/https://techcrunch.com/wp-content/uploads/2026/05/55242811031_1261bfd320_k.jpg/query-dz02ODA" alt="" original-src="https://techcrunch.com/wp-content/uploads/2026/05/55242811031_1261bfd320_k.jpg?w=680"/></p>
<p><strong>Image Credits:</strong> Slava Blazer for TechCrunch/StrictlyVC /</p>
<div class="lb-trans"><p><strong>图片来源：</strong> Slava Blazer for TechCrunch/StrictlyVC /</p>
</div><p>The portfolio he has since assembled is dotted with technologies that have become more widely interesting to VCs over the last year: solid-state grid transformers, sodium-ion batteries for data centers, alternative battery chemistries that sidestep the geopolitical fragility of lithium and cobalt.</p>
<div class="lb-trans"><p>他所组建的投资组合中，包含了一些在过去一年中变得更加引起风险投资者兴趣的技术：固态电网变压器、用于数据中心的钠离子电池、规避锂和钴地缘政治脆弱性的替代电池化学。</p>
</div><p>Techcrunch event</p>
<div class="lb-trans"><p>Techcrunch 活动</p>
</div><p>San Francisco, CA|October 13-15, 2026</p>
<div class="lb-trans"><p>旧金山，加州 |2026 年 10 月 13-15 日</p>
</div><p>The discipline behind all of it is the same: identify the bottleneck four years out, then find the founders already working on it.</p>
<div class="lb-trans"><p>所有这些背后的原则是相同的：识别出四年后的瓶颈，然后找到已经在解决这个问题的创始人。</p>
</div><p>The question, of course, is what’s next. For his part, Sauvage is watching physical AI closely — not all of robotics but robots with a highly specific job to be done. Agility Robotics, for example, in his portfolio, focuses on the single, mundane task of moving things from one place to another in warehouses facing workforce shortages. Another portfolio company, Swiss portfolio ANYbotics, builds ruggedized robots for environments too hazardous for human workers — places where the job definition is essentially to go where people can’t. The through-line is clarity of purpose. The robots Sauvage is betting on don’t try to do everything; instead, they do one hard thing reliably.</p>
<div class="lb-trans"><p>当然，问题是接下来会发生什么。就他而言，索瓦奇正在密切关注物理 AI——并不是所有的机器人，而是具有高度特定任务的机器人。例如，他投资组合中的 Agility Robotics 专注于在面临劳动力短缺的仓库中将物品从一个地方移动到另一个地方这一单一而平凡的任务。另一家投资组合公司，瑞士的 ANYbotics，制造适用于人类工人无法进入的危险环境的坚固机器人——这些地方的工作定义基本上是去人类无法到达的地方。其共同点是明确的目标。索瓦奇所押注的机器人并不试图做所有事情；相反，它们可靠地完成一项艰巨的任务。</p>
</div><p>Sauvage says he’s also watching the compute stack shift again. GPUs dominated training — the massive, parallel computation of teaching a model. Inference chips like Groq’s are reshaping what happens when that model speaks: faster, cheaper, at scale. Now, Sauvage argues, CPUs are due for a renaissance. They’re not the most powerful chips or the fastest. But they’re the most flexible and best suited to the branching, decision-making logic of orchestration. When an AI agent delegates a task, checks on its progress, and loops back across dozens of steps, something has to manage the whole choreography. That something, increasingly, looks like a CPU.</p>
<div class="lb-trans"><p>索瓦奇还表示，他正在关注计算堆栈的再次转变。GPU 主导了训练——即教导模型的庞大并行计算。像 Groq 这样的推理芯片正在重塑模型发声时发生的事情：更快、更便宜、规模更大。现在，索瓦奇认为，CPU 即将迎来复兴。它们不是最强大的芯片，也不是最快的。但它们是最灵活的，最适合于调度的分支决策逻辑。当一个 AI 代理委派任务、检查进度并在数十个步骤中循环时，必须有某种东西来管理整个编排。这个东西，越来越多地，看起来像是 CPU。</p>
</div><p>And then there’s China. A recent report from Eclipse — a venture firm he follows closely — documented what Sauvage describes as “vibe manufacturing” — the rapid, AI-assisted iteration of physical hardware prototyping, mirroring what vibe coding did for software. Chinese manufacturers, the report found, are compressing the design-build-test cycle for physical products in ways Western supply chains aren’t yet equipped to match.</p>
<div class="lb-trans"><p>还有中国。最近一份来自 Eclipse 的报告——这是他密切关注的一家风险投资公司——记录了索瓦奇所描述的 “氛围制造”——快速的、AI 辅助的物理硬件原型迭代，反映了氛围编码对软件的影响。报告发现，中国制造商正在以西方供应链尚未具备的方式压缩物理产品的设计 - 构建 - 测试周期。</p>
</div><p>For Sauvage, it’s a bottleneck signal — and one he’s already moving on with TDK Ventures’ various investments. One remaining unsolved problem, he says, is dexterity. Models are improving fast enough that physical AI feels inevitable; what’s still missing is the physical fluency to match. The countries and companies that figure out how to iterate on atoms as fast as others iterate on code will have a manufacturing advantage.</p>
<div class="lb-trans"><p>对索瓦奇来说，这是一种瓶颈信号——而且他已经在 TDK Ventures 的各种投资中采取了行动。他表示，仍然未解决的问题是灵活性。模型的改进速度足够快，使得物理 AI 似乎不可避免；但仍然缺失的是与之匹配的物理流畅性。那些能够像其他人迭代代码一样快速迭代原子的国家和公司，将拥有制造优势。</p>
</div>

Nicolas Sauvage 正在押注于人工智能中那些看似无趣的部分