他多付十萬美金插隊搶顯示卡，然後坦白說出公司史上最大的錯
TL;DR
- 租一張 H100 一年要花三點五到五萬美金，買一張只要三萬。Speechify 算完這筆帳之後，直接自己買機櫃、租資料中心、裝液冷。
- 買硬體的隱藏成本比帳面多很多：延遲交貨你還是得付資料中心租金、貨車運送要保險、液冷設備多數機房根本還沒裝。
- NVIDIA 找上 Blackstone、BlackRock、Apollo 和 Goldman Sachs，承諾替顯示卡擔保最高兩成五的殘值，等於替 GPU 造了一個二級市場，銀行因此敢用更好的利率放款。
- Cliff 直接認錯：當年判斷 text-to-speech 的 API 遲早會變成大宗商品，所以不做 B2B，結果被 ElevenLabs 整個超車。他說這是公司史上最大的戰略失誤。
- 招人的市場正在兩極化。種子期公司現在最好招人，成長期公司最難，因為對手開得出一年一千五百萬美金的薪酬包。
- 他不用 token 排行榜管團隊，只看一件事：有沒有推上線給使用者用。
這集是誰在講話
這集 20VC 在二〇二六年九月五日播出。20VC 是 Harry Stebbings 主持的創投訪談節目，他自己也在做創投，訪談風格很直，會當面跟來賓吵架，這集就吵了不少。
來賓是 Speechify 創辦人兼執行長 Cliff Weitzman。Speechify 做的事情很單純：把文字唸出來給你聽。他自己有閱讀障礙（dyslexia）和 ADHD，十三歲搬到美國時不會英文，靠把《哈利波特》有聲書聽了二十二遍學會，大學讀 Brown 的時候寫了一個工具把課本全部唸給自己聽，那個工具後來就是 Speechify。目前產品有六千萬使用者，公司大約一百六十人，二〇一七年他因為讓網路對學習障礙者更友善而上了 Forbes 30 under 30。
節目裡反覆被提到的對手是 ElevenLabs，一家做語音合成 API 的公司，這兩年在開發者和政府市場都跑得極快。另一個是 Sierra，由 Brett Taylor 創辦，這人的履歷誇張到不太合理：做過 Google Maps、當過 Meta 的技術長、Salesforce 的共同執行長，現在還是 OpenAI 的董事。
那筆讓他決定自己買顯示卡的帳
先講最好懂的部分。
一張 H100 顯示卡買下來大概三萬美金。如果你不買，跟 GCP 租一小時的 spot instance（隨時可能被收回的臨時運算資源）大約五美金，跟 Azure 或 AWS 租大概三點五美金。乘上二十四小時、再乘三百六十五天，你一年要付三萬五到五萬。
換句話說，租一年比買下來還貴五成。而硬體保固三年，實際能用的年限遠遠不只三年。
這個算式一講出來大家都懂，但真正推他去買的其實是另一件事。他們原本租 GPU 的時候，發現工程師會捨不得用。「我一開下去就是幫公司燒掉好幾萬美金」，於是能不跑實驗就不跑。他和他弟弟想出的比喻是：假設你是 Michael Jordan，人生只在乎打進 NBA，但每次練球都要付二十美金場地費，那你的訓練量一定會被壓下來。你要的不是便宜的球館，你要的是家裡有一個籃框。
還有一個技術上的硬限制。大規模訓練需要記憶體跟一整叢 GPU 放在同一個地方（co-located），你去雲端租散裝的算力是拼不出來的。想解決這個，你得跟雲端廠簽好幾年的長約去蓋專屬叢集，那時候你既沒有省到錢，也沒有拿到控制權。
至於折舊，他的說法很直白：GPU 不是 iPhone。你家抽屜裡放五支 iPhone 沒意義，因為一次只能用一支；但如果你有十萬張顯示卡，你會同時把十萬張都用掉。舊卡跑不動最新的訓練，那就拿去做 inference（推論，也就是使用者丟一段文字進來、系統算出語音的那個過程）。Speechify 到今天還在用 K80 這種老骨董跑特定的推論任務。
Harry 在這裡直接翻臉：省的只是零點五倍，你卻要換來保險、運輸、液冷、資安一整套麻煩，這段時間 ElevenLabs 在瘋狂跑。你不是應該把力氣放在產品上嗎？
Cliff 的回答我覺得是整集最有說服力的一段：ElevenLabs 也在做同一件事，因為要訓練出好模型就是需要那組東西。真正的差別不在省錢，在於「我的團隊被限制住了多少」。他說團隊原本的移動速度只有應有的七分之一，不是人不行，是算力配不上他們的創造力。
買硬體到底有多麻煩
這段有點好笑，也很寫實。
你不會直接跟 NVIDIA 買，NVIDIA 沒空理你。最大的機櫃供應商之一是 Dell，一家大家以為在賣筆電的公司。Dell 手上的貨也不夠，你可能得從法國那批調。然後貨遲了一個月，你打電話去問法國的 Pierre 怎麼回事。
這裡有個成本一般人不會想到：GPU 遲到最貴的不是機會成本，是你已經在付資料中心的租金了。空機櫃每天都在燒錢。所以他願意每張卡多付十萬美金插隊，讓貨早四個月到。
貨在路上的時候，一輛卡車載著價值好幾棟房子的顯示卡橫跨美國。翻車、進水、濕氣過高，你就損失好幾棟房子。所以保險是必須的。
到了機房，還有散熱。空氣已經不夠用了，最新的 Rubin 系列是液冷的，但多數資料中心根本還沒有核准過液冷安裝。你得買一個叫 side car 的液冷模組推進去，再付錢請機房的人幫你裝。
他一句話收掉：做純軟體公司跟做有硬體的公司，是兩種完全不同的生意。
NVIDIA 替顯示卡造了一個「殘值地板」
這件事我覺得最值得一般人知道。
NVIDIA 找上 Blackstone、BlackRock、Apollo 和 Goldman Sachs，開了一個條件：如果你借錢給某家公司買 GPU，那家公司倒了，你手上拿著 GPU 當抵押品，NVIDIA 願意用最高兩成五的原價把卡買回去。
這等於憑空替顯示卡創造了一個有人兜底的二級市場。銀行知道最壞情況能拿回什麼，放款利率自然變好，買卡的人就更多。
Cliff 把它類比成 Elon Musk 早年做 SolarCity 的手法：他去說服 Morgan Stanley 和 Merrill Lynch，讓太陽能板的價格可以攤到三十年，用板子本身當抵押品。SolarCity 真正的發明不是太陽能，是那個貸款結構。
至於外界一直在吵的循環融資疑慮，他的立場是分開看。之前 Oracle 跟 OpenAI 之間那些操作他覺得太誇張，但 NVIDIA 這邊不一樣，因為顯示卡是有內在價值的真實資產。比特幣的內在價值你講不清楚，黃金勉強能說它是好金屬，但一張 GPU 你可以拿來算東西，放在冰島也一樣有用，只要接上網路。這個問題之前在明年五家公司要花 1.3 兆美金蓋 AI有聊過，兩邊的說法可以對照著看。
他認錯的那三分鐘
Harry 問了一句很不客氣的話：ElevenLabs 超車你，是不是你自己的錯？
Cliff 的回答沒有任何閃躲：「百分之百是我的錯，這是 Speechify 史上最大的戰略失誤。」
二〇二二年他在倫敦見過 ElevenLabs 兩位創辦人，覺得這兩個人很聰明，但不喜歡他們的策略。他的判斷是：語音合成的 API 遲早會變成大宗商品，最後每個人的電腦、甚至手機上都能跑，那你還在賣什麼？所以他決定不進這門生意。
錯的地方在哪？他說他忘了一件矽谷最核心的事：一家 AI 實驗室的重點是持續創新，第一個產品只是楔子，它的功能是把人拉進來，之後你才有機會賣別的東西。
ElevenLabs 走的路線就是這樣：先做出最好的 API，一個接一個漂亮的發表，接著做創作者工具，再做出他們最強的產品，也就是 agent。而 agent 之所以厲害，是因為買單的人從工程師變成了技術長、資訊長、執行長。他們現在跟西方主要民主國家的政府都有合作，這是從 API 那個小口子一路長出來的。
價格上的落差也講得很直接。Speechify 的定價是每一百萬字元十美金，ElevenLabs 是一百美金，OpenAI 的模型換算下來是一百九十六美金。這個「最好的東西反而最便宜」的結構，跟Factory 共同創辦人把 AI 這門生意的帳重算了一遍那集講的邏輯是同一套。
Harry 接著吐槽：那你現在跳進去，等於同時對上 ElevenLabs 和 Brett Taylor，你是要當第三名嗎？
Cliff 的回答就是這集的那句狠話：最好的輸法就是不下場。下場。
他舉的例子是 Anthropic 當了很久的老二現在不是老二了，Facebook 當年也是 Friendster 和 MySpace 之後才來的。這個市場不是贏者全拿的獨占，是寡占。而且巨頭也會掉球，OpenAI 就把語音這塊掉了，順便也把 AI 寫程式那塊掉了，現在才在追。
招人：種子期最好招，成長期最難
Harry 拋出一個很多人心裡有的焦慮：OpenAI 和 Anthropic 開的條件那麼好、又快要 IPO，新創現在是不是史上最難招人？
Cliff 直接反駁一半。
他說 Anthropic 是他看過最誇張的公司，專門挖上市公司和成功新創的技術長，而且挖技術長比挖執行長多，因為技術長對這個產品最興奮。但你要記得，那些人的年薪是一千五百萬美金起跳。一家種子輪公司本來就不可能開這個價，所以那本來就不是你的候選人。
真正被打到的是成長期公司，因為你必須跟這些怪物正面搶人。
至於種子期，他認為現在是史上最好招人的時候。理由是這半年他們的招募標準整個變了：以前很在乎你讀過多少工程書、手刻的程式碼漂不漂亮；現在最看重的是原始的技術智商。因為其他東西六個月就能教會。所以他們大量招數學奧林匹亞選手、Kaggle 得獎者、物理系和數學系的人，有些人甚至沒寫過程式。他要的是飢餓感、工作倫理和智力。
他的原話是：**看斜率，不看截距。**看這個人的成長速度，不是看他今天在哪裡。
面試方式也跟著改：第一，實作型面試，你把東西做出來，我跑單元測試看結果。第二，丟一個大型的程式庫（甚至是開源專案）給你，看你能不能讀懂、能不能改、改完弄壞了什麼。第三，你會不會指揮 agent，不會的話這個人就沒有意義。
送牛奶到門口，不然就沒有分數
Token 該怎麼管？他明確反對用排行榜，因為那會逼出一堆為了衝數字的無意義行為。
他的標準只有一條：有沒有推上線。
他給團隊的比喻是送牛奶。你做了一瓶完美的牛奶，然後把它放在路口，牛奶會壞掉。你要送到我家門口，敲門。球運到底線前沒有跨過去，不算分；球帶到籃框邊沒有放進去，不算分。所謂「進籃」就是推上生產環境、沒有 bug、使用者真的在用、而且回饋回來了。
他自己的做法很土法煉鋼：開 Zoom 會議的時候把電腦鏡頭轉過去對著自己的手機，當著整個團隊的面用產品，把過程錄下來，所有 bug 都被看見，然後把錄影丟進群組。這集錄音的那天早上，一個十九歲的工程師傳了一個 demo 給他，說「我在等三個訓練跑完，中間有點時間，就把你要的全部做完了」。
至於 token 花費，他當然會心疼。實作一個小功能燒掉一萬五千個 token 他會抓狂，真的亂花的人會被請走。但他也給了一個正向的例子：Anthropic 的長時程任務論文裡，一個跑兩週的任務燒掉一萬兩千五百美金的 token，最後產出一個更好的模型。那就是完美的花法。差別不在金額，在於你有沒有設對目標。
引用 Claude Code 的作者 Boris 的話：關鍵全在那個迴圈。給出目標、定義怎麼衡量目標，然後讓它一輪一輪跑到達標為止。
Meta 還是 SpaceX
Harry 問：只能買一家，你買誰？
Cliff 選 Meta，理由是「Elon 分心了」。
Harry 完全不同意，認為 Elon 從來沒有像現在這樣佈局完整，每個產品都有出口、彼此互相餵養。
Cliff 的分析比較細。他先把太空資料中心拿掉，說那是一個非常好的點子，但它真正的功能是讓投資人可以替 SpaceX 想像一個超大的市場規模，是從帽子裡拉出來的兔子。拿掉之後看基本面：資料中心現在最大的瓶頸是記憶體，很快會變成電力。電力要供給也要儲存，而目前最好的儲能來自 Tesla。Elon 在複雜製造這件事上是世界第一，所以他的市場規模確實更大。
但估值不一樣。Meta 本益比大約三十二倍，SpaceX 和 Tesla 都在幾百倍。而 Meta 手上有全世界最多的資料，只是被 GDPR 之類的法規綁住沒辦法好好訓練。
然後有一段很有趣的爭執。Harry 說如果 Zuckerberg 離開，Meta 股價短期反而會漲，因為會有一個正常的執行長進來說「我們是廣告公司」，不再每次上台就喊資本支出。Cliff 說這正是 Meta 現在值得買的原因：它沒有 Palantir 那種 Alex Karp 效應，沒有人在替本益比灌氣。兩人倒是一致同意，Elon 如果被拿掉，那個溢價會消失七成。
最後那段，跟做生意沒關係
節目結尾 Harry 問他最興奮的是什麼，他講的東西跟 Speechify 完全無關。
他有個家人得了嚴重的自體免疫神經發炎，六年了。他每週抽一次血送到實驗室，連續十五週，做全基因組定序、蛋白質體分析、RNA 分析，再跟六年份的每日自述資料（生活品質、情緒狀態）比對，全部丟上 GPU 叢集跑。他說他找到了一堆沒有任何醫生講得出來的東西。
這是一種所謂的孤兒病，患者太少，藥廠算不出投資報酬率所以沒人研究。他現在買了一台五千美金、放得進口袋的裝置，丟一根頭髮、一點唾液或血進去就能定序整個基因組。他打算把 Facebook 上那個病友社團的人約出來聚會，把所有人的基因組都定序，然後在 GPU 叢集上比對，找出他們之間共同的表觀遺傳線索。
他說得很篤定：「我知道我會解決這個病。」
而這一切的起點，是一個八歲學不會讀字的小孩，他爸爸只好翻開書一頁一頁唸《哈利波特》給他聽。
我覺得這集最好的地方不在 GPU 的算式，而在他把「認錯」講得那麼乾脆。一個做到六千萬使用者的創辦人，在鏡頭前說「百分之百是我的錯，這是我犯過最大的戰略失誤」，然後把錯誤的推理過程完整拆給你看。那個推理當年聽起來完全合理，這才是最可怕的地方。
想看更多這類把帳算清楚的產業筆記，歡迎訂閱 wilsonhuang.xyz。
Sources:
推薦閱讀
喜歡這篇文章嗎？
訂閱電子報，每週收到精選技術文章與產業洞察，直送你的信箱。
💌 隨時可以取消訂閱，不會收到垃圾郵件