回顾我的个人经历：高中因修完所有数学和科学课程而提前毕业，从田纳西孟菲斯来到加州，在斯坦福大学学习数学与计算科学，曾在科技投行短暂工作，后加入 LoudCloud（早期云计算公司）从助理做起，经历了从 LoudCloud 到Opsware 的转型（从云服务转向云管理软件），这段经历让我深刻理解技术创业的跌宕。
2010 年我创立 Rockmail（一款社交浏览器），2013 年被雅虎收购。这段创业经历让我体会到创始人的挑战，也为后来加入 Benchmark 埋下伏笔——2008 年红杉资本的 Jim Goetz 曾建议我考虑风投，六年后这颗种子发芽，而Benchmark 的平等文化与我一拍即合。
我的首笔投资是 Confluent（基于开源项目 Kafka 的公司，现已上市），随后是 Amplitude（数据分析平台，亦上市）。从创业者到投资者的身份转换，让我更能理解“学习心态”的重要性——如 Amplitude 创始人 Spencer Skates 便是“第一性原理”的践行者，这种特质在 MIT 背景的创业者中尤为常见。
对比 90 年代互联网泡沫与当前 AI 浪潮，我认为最大差异在于：互联网是“分销机制”的革命，而 AI 是底层技术的颠覆，更接近“晶体管”式的赋能逻辑。前者解决“连接效率”，后者改变“创造本质”。正如晶体管最初不被重视，最终渗透到所有电子设备，AI 也将以更隐蔽却深远的方式重塑每个行业。
就像我们投资的 Fireworks，这家公司主要为开发者提供集成多种模型的工具，他们有一个推理云平台。创始人曾在 Facebook 负责 PyTorch 工程团队早期的规模化工作，她和一群合作者离职后创立了 Fireworks。最初公司计划做 PyTorch 云服务，但随着生成式 AI 的兴起，他们意识到需要提升抽象层级，于是转向提供各类开源模型、定制模型及模型运行服务。
事实证明，运行大型模型并非易事，而他们在这方面做得非常出色，业务规模迅速扩大，是我们投资组合中增长最快的公司之一，属于那五到六家极速增长的企业。
16.Turner Novak：或许这是个简单的问题，用户为这类服务付费的模式是怎样的？是否像支付 token 那样？我认为很多定价模式基本是基于 token 的。你认为这种模式会改变吗？
Eric Vishria：当然会。我觉得所有这些商业模式都会不断演变——从为计算资源付费到为 token 付费，未来可能还会转向其他付费形式。商业模式的最终形态会是怎样的？很难说。对于许多应用层公司，可能会基于“结果”向消费者收费。例如，Sierra 公司在客户服务领域就采用了按结果收费的模式，比如按解决工单的数量计费。这种模式很有趣，因为它跳过了对劳动力或 token 的支付，直接与业务成果挂钩。在基础设施层，收费模式可能会更底层化，但无论如何，这种模式会持续进化。