<p>尼古拉斯·索瓦奇認為，最佳投資需要四年的時間才能顯現出明顯的效果——這是他上週在 StrictlyVC 的舊金山活動上分享的想法，該活動由 TDK Ventures 共同主辦。</p>
<p>這是他自 2019 年以來一直在努力證明的理論，當時他創立了這家日本電子巨頭的企業風險投資部門，目前管理着 5 億美元的資金，分佈在四個基金中。AI 芯片初創公司 Groq 在去年秋季的最新融資輪中估值達 69 億美元，是這一思維的最高調例子。</p>
<p>在 2020 年，遠在生成式 AI 熱潮使基礎設施投資看起來顯而易見之前，索瓦奇就向這家公司投資了一筆資金，該公司由喬納森·羅斯創立——他是構建谷歌張量處理單元的工程師之一。Groq 從一開始就專注於推理：每當模型對查詢做出響應時所需的計算重負。羅斯設計他的芯片時，首先構建編譯器，逐步簡化架構，直到如索瓦奇所描述的那樣，“你不能去掉任何一個部分而讓它仍然工作。”</p>
<p>這在某些人看來可能顯得小眾，但索瓦奇根據他對母公司限制的瞭解，看到了不對稱性。與消費硬件不同，消費硬件有自然的上限，而推理的需求隨着每個新應用和每個新模型的出現而不斷增加。索瓦奇當時無法預見到，由於每個 AI 代理在數十個調用中進行計劃和行動（而以前只需一個查詢），推理的需求將在今年爆炸式增長。</p>
<p>但在某種程度上，羅斯也是在下注。畢竟，一家以磁帶聞名的日本電子集團，表面上並不是最明顯的投資合作伙伴。事實上，索瓦奇形容 TDK Ventures 的存在非常不太可能。但在兩場連續的斯坦福講座之後——一場為企業風險投資辯護，另一場列舉了其失敗的所有理由——索瓦奇，這位法國人通過收購加入 TDK 硅谷，儘管沒有明顯的立場，還是向東京總部提出了這個想法。（“我不是日本人。我不會説日語；我不住在東京。”）</p>
<p>在拒絕接受 “不” 作為答案後，他終於在 2019 年獲得了批准，建立一個基金，其任務是回答一個問題：TDK 的下一個大機會是什麼？什麼可能會扼殺它？</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>圖片來源：</strong> Slava Blazer for TechCrunch/StrictlyVC /</p>
<p>他所組建的投資組合中，包含了一些在過去一年中變得更加引起風險投資者興趣的技術：固態電網變壓器、用於數據中心的鈉離子電池、規避鋰和鈷地緣政治脆弱性的替代電池化學。</p>
<p>Techcrunch 活動</p>
<p>舊金山，加州 |2026 年 10 月 13-15 日</p>
<p>所有這些背後的原則是相同的：識別出四年後的瓶頸，然後找到已經在解決這個問題的創始人。</p>
<p>當然，問題是接下來會發生什麼。就他而言，索瓦奇正在密切關注物理 AI——並不是所有的機器人，而是具有高度特定任務的機器人。例如，他投資組合中的 Agility Robotics 專注於在面臨勞動力短缺的倉庫中將物品從一個地方移動到另一個地方這一單一而平凡的任務。另一家投資組合公司，瑞士的 ANYbotics，製造適用於人類工人無法進入的危險環境的堅固機器人——這些地方的工作定義基本上是去人類無法到達的地方。其共同點是明確的目標。索瓦奇所押注的機器人並不試圖做所有事情；相反，它們可靠地完成一項艱鉅的任務。</p>
<p>索瓦奇還表示，他正在關注計算堆棧的再次轉變。GPU 主導了訓練——即教導模型的龐大並行計算。像 Groq 這樣的推理芯片正在重塑模型發聲時發生的事情：更快、更便宜、規模更大。現在，索瓦奇認為，CPU 即將迎來複興。它們不是最強大的芯片，也不是最快的。但它們是最靈活的，最適合於調度的分支決策邏輯。當一個 AI 代理委派任務、檢查進度並在數十個步驟中循環時，必須有某種東西來管理整個編排。這個東西，越來越多地，看起來像是 CPU。</p>
<p>還有中國。最近一份來自 Eclipse 的報告——這是他密切關注的一家風險投資公司——記錄了索瓦奇所描述的 “氛圍製造”——快速的、AI 輔助的物理硬件原型迭代，反映了氛圍編碼對軟件的影響。報告發現，中國製造商正在以西方供應鏈尚未具備的方式壓縮物理產品的設計 - 構建 - 測試周期。</p>
<p>對索瓦奇來説，這是一種瓶頸信號——而且他已經在 TDK Ventures 的各種投資中採取了行動。他表示，仍然未解決的問題是靈活性。模型的改進速度足夠快，使得物理 AI 似乎不可避免；但仍然缺失的是與之匹配的物理流暢性。那些能夠像其他人迭代代碼一樣快速迭代原子的國家和公司，將擁有製造優勢。</p>

6762

TTDKY

納斯達克半導體 ETF - First Trust

半導體 ETF - VanEck Vectors

半導體 3 倍做多 - Direxion

費城交易所 半導體 ETF - iShares

標普半導體 ETF - SPDR

動態半導體 ETF - Invesco

<p>TDK Ventures 的負責人 Nicolas Sauvage 強調了識別未來技術投資瓶頸的重要性，特別是在人工智能領域。他以自己早期對專注於推理的 AI 芯片初創公司 Groq 的投資作為關鍵例子。Sauvage 目前正在探索物理 AI，特別是針對特定任務設計的機器人，並預計 CPU 將因其在管理複雜 AI 過程中的靈活性而重新崛起。他還指出，中國製造業的快速進步正在超越西方能力，預示着新的投資機會</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·索瓦奇認為，最佳投資需要四年的時間才能顯現出明顯的效果——這是他上週在 StrictlyVC 的舊金山活動上分享的想法，該活動由 TDK Ventures 共同主辦。</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>這是他自 2019 年以來一直在努力證明的理論，當時他創立了這家日本電子巨頭的企業風險投資部門，目前管理着 5 億美元的資金，分佈在四個基金中。AI 芯片初創公司 Groq 在去年秋季的最新融資輪中估值達 69 億美元，是這一思維的最高調例子。</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，遠在生成式 AI 熱潮使基礎設施投資看起來顯而易見之前，索瓦奇就向這家公司投資了一筆資金，該公司由喬納森·羅斯創立——他是構建谷歌張量處理單元的工程師之一。Groq 從一開始就專注於推理：每當模型對查詢做出響應時所需的計算重負。羅斯設計他的芯片時，首先構建編譯器，逐步簡化架構，直到如索瓦奇所描述的那樣，“你不能去掉任何一個部分而讓它仍然工作。”</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>這在某些人看來可能顯得小眾，但索瓦奇根據他對母公司限制的瞭解，看到了不對稱性。與消費硬件不同，消費硬件有自然的上限，而推理的需求隨着每個新應用和每個新模型的出現而不斷增加。索瓦奇當時無法預見到，由於每個 AI 代理在數十個調用中進行計劃和行動（而以前只需一個查詢），推理的需求將在今年爆炸式增長。</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>但在某種程度上，羅斯也是在下注。畢竟，一家以磁帶聞名的日本電子集團，表面上並不是最明顯的投資合作伙伴。事實上，索瓦奇形容 TDK Ventures 的存在非常不太可能。但在兩場連續的斯坦福講座之後——一場為企業風險投資辯護，另一場列舉了其失敗的所有理由——索瓦奇，這位法國人通過收購加入 TDK 硅谷，儘管沒有明顯的立場，還是向東京總部提出了這個想法。（“我不是日本人。我不會説日語；我不住在東京。”）</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>在拒絕接受 “不” 作為答案後，他終於在 2019 年獲得了批准，建立一個基金，其任務是回答一個問題：TDK 的下一個大機會是什麼？什麼可能會扼殺它？</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>圖片來源：</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>他所組建的投資組合中，包含了一些在過去一年中變得更加引起風險投資者興趣的技術：固態電網變壓器、用於數據中心的鈉離子電池、規避鋰和鈷地緣政治脆弱性的替代電池化學。</p>
</div><p>Techcrunch event</p>
<div class="lb-trans"><p>Techcrunch 活動</p>
</div><p>San Francisco, CA|October 13-15, 2026</p>
<div class="lb-trans"><p>舊金山，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>所有這些背後的原則是相同的：識別出四年後的瓶頸，然後找到已經在解決這個問題的創始人。</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>當然，問題是接下來會發生什麼。就他而言，索瓦奇正在密切關注物理 AI——並不是所有的機器人，而是具有高度特定任務的機器人。例如，他投資組合中的 Agility Robotics 專注於在面臨勞動力短缺的倉庫中將物品從一個地方移動到另一個地方這一單一而平凡的任務。另一家投資組合公司，瑞士的 ANYbotics，製造適用於人類工人無法進入的危險環境的堅固機器人——這些地方的工作定義基本上是去人類無法到達的地方。其共同點是明確的目標。索瓦奇所押注的機器人並不試圖做所有事情；相反，它們可靠地完成一項艱鉅的任務。</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>索瓦奇還表示，他正在關注計算堆棧的再次轉變。GPU 主導了訓練——即教導模型的龐大並行計算。像 Groq 這樣的推理芯片正在重塑模型發聲時發生的事情：更快、更便宜、規模更大。現在，索瓦奇認為，CPU 即將迎來複興。它們不是最強大的芯片，也不是最快的。但它們是最靈活的，最適合於調度的分支決策邏輯。當一個 AI 代理委派任務、檢查進度並在數十個步驟中循環時，必須有某種東西來管理整個編排。這個東西，越來越多地，看起來像是 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>還有中國。最近一份來自 Eclipse 的報告——這是他密切關注的一家風險投資公司——記錄了索瓦奇所描述的 “氛圍製造”——快速的、AI 輔助的物理硬件原型迭代，反映了氛圍編碼對軟件的影響。報告發現，中國製造商正在以西方供應鏈尚未具備的方式壓縮物理產品的設計 - 構建 - 測試周期。</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>對索瓦奇來説，這是一種瓶頸信號——而且他已經在 TDK Ventures 的各種投資中採取了行動。他表示，仍然未解決的問題是靈活性。模型的改進速度足夠快，使得物理 AI 似乎不可避免；但仍然缺失的是與之匹配的物理流暢性。那些能夠像其他人迭代代碼一樣快速迭代原子的國家和公司，將擁有製造優勢。</p>
</div>

Nicolas Sauvage 正在押注於人工智能中那些看似無趣的部分