这是一个针对专注于重建物理层的投资者的持续系列。该系列之前的采访对象是 Gigascale Capital 创始人、前 Meta 首席技术官 Mike Schroepfer 和 Playground Global 长达十年的投资者 Peter Barrett。

施耐德电气花了近两个世纪的时间适应连续的工业革命，从一家 19 世纪的钢铁和重型机械公司发展成为能源管理和自动化领域的全球领导者。现在，该公司通过其价值 10 亿美元的风险投资部门 SE Ventures 押注，人工智能与物理世界的碰撞将推动下一次转型，从数据中心和电网到机器人和工业自动化。

Amit Chaturvedy 在领导思科的企业投资后于 2022 年加入 SE Ventures，对于他来说，人工智能最大的机会远远超出了软件领域。随着计算需求给能源基础设施带来压力并加速再工业化，该公司正在支持初创公司构建支撑人工智能经济的技术——投资从数据中心基础设施和电网弹性到机器人和工业人工智能等各个领域。

Crunchbase News 采访了 Chaturvedy，讨论了这些机会在哪里出现、能源为何成为人工智能的决定性限制，以及人工智能时代如何重塑工业技术。 “我们成立的目的是弄清楚市场的走向，”他说。

随着人工智能的发展，能源和工业领域的重要性不断增强，甚至导致传统上以技术为重点的风险投资者也纷纷涌入该领域。 “如今，整个领域的稀缺资源是建设能力——建筑、房地产、能源、电力和电气化设备，”查图维迪说。

SE Ventures 的投资组合中有 8 家独角兽公司，并已退出 12 家公司，其中包括最近的 Fabric8Labs，这是一种 3D 金属打印技术，被东京电子制造商 TDK Corp 收购。

该公司通常会占据董事会席位或董事会职位，并努力为其投资组合公司带来价值。

其投资组合中约 80% 的初创公司与施耐德电气的业务部门有一定程度的商业关系。查图维迪表示，最常见的是作为合作伙伴为施耐德的客户提供服务，这是圣杯。有时它是作为供应商，尽管这仍然是一小部分用例。

在我们的谈话中，我们谈到了电力短缺、电网、劳动力培训、再工业化和著名的投资组合公司。

为了篇幅和清晰度，采访内容经过编辑。

Gené Teare：您关注哪些行业或投资？人工智能领域正在发生的事情会带来很多动力或兴趣吗？

查图维迪： 我想到了三件事，特别是在我们投资的领域与更广泛的市场结构方面。

首先，人工智能正在嵌入，你需要训练模型，无论是开源的还是专有的。模型训练已升级为推理，因此您需要人工智能基础设施。 Together AI 就是一个很好的例子。

五年后，当这个资本支出周期开始下降并且新的数据中心可能不会被创建时，数据中心效率将成为一个热门话题。今天，我们也是一家名为 Hammerhead AI 的公司的投资者，该公司专注于解决这个问题。这将是三年、五年或七年后的事。它即将到来。今天这不是问题，因为我们正处于资本支出周期的上升期。

Together AI 和 Hammerhead AI 对与施耐德电气合作非常感兴趣，因为施耐德电气是数据中心领域电气化领域的领先企业。它生产了许多进入这些数据中心的齿轮和设备。如今，整个领域的稀缺资源是建设能力：建筑物、房地产、能源、电力和电气化设备。

受人工智能出现和发展影响的另一个市场是与电网的相互作用。除了车辆电气化之外，对电网的需求还有更多，而且比我们所看到的需要在室内充电的车辆大 100 倍或 1,000 倍。过去电网无法满足这样的容量，今天当然也无法满足这些需求。

更多的项目开发商正在介入并建立可再生能源或其他类型的产能，但同样，相互作用仍然与电网有关。任何有助于增强电网弹性的事物显然都是我们值得投资的领域。

第三件事是人工智能对工业世界的变革性影响。这就是我们非常兴奋的地方。机器人技术是一个明显的领域，通用模型可以允许相同的机器人硬件执行过去不可能的多种不同任务，因为在大型语言模型出现之前，认知和推理在边缘是不可能的。

我们投资组合中的 Skild AI 等公司是机器人和人工智能交叉领域最令人兴奋的公司之一，它们是这个世界发展方向的市场领先指标。

还有一个因素是使用人工智能在现场提供更好的用例。我们的产品组合中像 Axion 这样的公司本质上是捕获保修数据，对其进行分析并将结果反馈给大公司的设计工程师。许多原始设备制造商和硬件公司都在寻找人工智能实际上具有巨大变革性的特定用例。

这就是客户所寻求的：人工智能如何为我的业务带来变革？无论哪家初创公司在转型之旅中与我合作，都将在一夜之间从 POC 转向采用。这本质上就是成功初创公司的世界。

覆盖在上面的是我们从有利位置看到和观察的汇合点。当您考虑这些工业世界需要实现的能源效率时，能源技术和工业技术必须协作并在实现能源效率的同时提供这些用例。过去的情况并非如此。能源更便宜、更容易获得。

现在工业正在起飞。人工智能的采用率越来越高。劳动力年龄越来越大，在美国不可能在一夜之间培训劳动力，所以你必须依靠人工智能。你将在工业用例中使用越来越多的人工智能，这在过去从来都不是商业必需的。

这就是人工智能世界中企业界和工业界快速碰撞的地方。

我越来越多地听到，人工智能目前的瓶颈是能源。您是否看到一些有助于解决此问题的短期解决方案？那么长期技术呢？

查图维迪： 很明显，从短期来看——这不完全是一个与能源相关的解决方案——更多的是关于代币。如果你考虑人工智能数据中心的单位经济效益，那就是代币。要生成代币，需要消耗电力。要训​​练模型或从模型进行推断，您需要大量令牌。模型越大，数据集越大，用例越复杂，代币就越多。

最终，这是一场通过现有模型廉价生产代币并消耗更少代币的战斗。这就是优化发生的地方，但更多的是在企业领域：我如何编写聪明的软件版本，让我基本上能够做到这一点？

长期的解决方案将是——实际上，也许还有一个中间层——超越代币：当我运行我的数据中心时，我可以将推理推到不同的时间点，这样我就不会消耗峰值电费吗？我可以更好地管理我的暖通空调吗？您需要冷却系统来冷却您的数据中心环境，并且有一些技术非常有效。施耐德过去也购买了一些资产。

然后，较长周期的真正目标是创造新的发电能力，希望主要通过可再生能源。这就是我认为整个可再生能源故事（至少在美国）未来变得非常有趣的地方。与可再生能源相关的是存储，我们尚未触及，但 BESS（电池储能系统）是我们非常密切关注的另一个领域。

欧洲和美国围绕再工业化展开了广泛的讨论。考虑到您所关注的工业化和能源领域，您如何看待这种情况的发展？

查图维迪： 考虑到地缘政治局势和我相信您也充分跟踪的各种其他因素，我认为美国或欧洲除了再工业化之外确实别无选择。

我们知道，在技术上，美国具有竞争优势。我们培养优秀的软件工程师，我们行动迅速，创新是美国社会的命脉。这里发生了很多创新，无论是机器人技术、更新的模型、建立数据中心、能源生产等等。当我们考虑再工业化时，这就是美国将引领的方向：培训劳动力，更自动化地做事，而圣杯是人工智能初创公司，从而实现熄灯制造设施。

现在这种可能性变得更大了。我认为，在未来三到五年内，我们永远无法取代老龄化的劳动力，并期望他们接受培训，达到与拥有 30 或 50 年经验的技术人员相同的水平。但现在，每个拥有人工智能助手的蓝领工人都有可能成为知识工人。

早些时候，我们曾经将知识工作者视为IT人员或白领工作。我认为这种情况正在改变。每个人都将成为知识工作者。从这个意义上说，人工智能将成为这样一个均衡器。不同的环境中会有不同的用例，但这不会改变业务现实。每个人都成为知识工作者。

第二件事要注意的是，并不是所有的工作都会回来。在美国，人们已经习惯了通货膨胀、生活成本和生活质量的现实，无论是基本工资、危险的环境、轮班次数还是其他什么。作为一个社会，我们做出了某些选择。我们将聪明地了解如何利用更多的人工智能和更多的机器人技术来获得我们想要的东西，而不是试图效仿其他制造业密集的地区。

但作为一个经济体，随着更多人工智能的到来，我们将在美国国内生产总值及其商品和服务的构成方面迈向不同的水平。

你认为这需要多长时间才能发挥出来？

查图维迪： 在某些行业中，这种情况已经发生，其中数据中心处于最前沿。主要是因为需求非常紧迫，而且目前数据中心领域有大量资金在发挥作用，人们愿意花钱。在资本主义社会，每个人都会追逐金钱。今天的数据中心恰好就是这样。

但在未来三到十年内，根据不同行业的资本支出更新周期，我们将看到更多原生机器人导向和原生工业自动化导向的绿地项目出现，因为人工智能已经迎头赶上。

很快，未来七到十年内每一个投产的新工厂都将具有比 30、20 或 15 年前建立的新工厂高得多的基本生产力水平。该工厂的投资回报率非常高，以至于您必须在那里扩大产能。顺便说一句，容量也将更具可扩展性。

关于重新构想或思考数据中心堆栈：在我们结束时您对此有什么想说的吗？

查图维迪： 我们专门投资于能源和工业领域的人工智能，着眼于从数据基础设施到训练和推理的整个堆栈，一直到解决现实世界用例的人工智能代理。我们还考虑了围绕该堆栈的支持层，例如多云、多法学硕士、网络安全和数据治理。

最终，每个行业都将构建自己的堆栈版本，我们相信最引人注目的公司将是那些在企业和工业环境中推动切实成果的公司。

相关 Crunchbase 查询：

插图：多姆·古兹曼