ClickHouse CEO 谈 AI 泡沫：真正的风险是收入撑不住

章节时间轴

• 0:45 开场与 ClickHouse 是什么 — 在 Craven Cottage 录制，Aaron 定义 ClickHouse：全球最流行的开源数据库，以极致查询速度和资源效率覆盖极广用例，几乎所有 AI 原生公司都在用。
• 2:18 我们在周期哪一段 — Aaron 用亲历互联网、移动、社交三轮周期作对比：这一轮的加速度前所未见，「我们这辈子没见过这种收入增速」。
• 3:04 毛利率与投资风险框架 — 低毛利可以容忍，真正的单一最大风险是收入持久性；Anthropic 两万亿 IPO 与 Claude Code 也落在低切换成本那一栏。
• 4:35 「AI 觉醒」内部邮件 — 他发信批评公司 AI 采用太慢，此后 Anthropic 消费涨到年初的 100 倍；token 预算怎么管、为什么他不怕这笔账。
• 7:40 销售产能与 Datadog / Snowflake 两条剧本 — 100 名销售对抗数千人军团，为什么先把压力压在产品工程上，PLG 之上何时叠加企业销售。
• 9:14 Benioff 十二年的教训 — 「你会高估一年能做到的，低估五年能做到的」；Salesforce 如何靠营销先造出可信度再兑现路线图。
• 10:47 六次并购与 Langfuse — 自建 vs 收购的判断标准，最近一笔是柏林的 Langfuse 切入 agent 可观测性。
• 11:33 为 agent 而非人设计软件 — agent 没有 persona、不受权限和延迟约束，查询模式不可预测；低延迟第一、效率第二，Tesla 每秒写入十亿事件。
• 14:36 安全、部署形态与回归本地 — 多部署模型（三大云 + VPC 内本地）是企业刚需，连硅谷数字原生公司都在谈搬回 on-prem。
• 16:09 Agent 的身份、预算与治理空白 — 三到五年后 agent 自主选型和采购，但今天缺授权与预算机制，这里有创业机会。
• 17:41 专用模型 vs 前沿实验室 — 两者共存，Harvey 之类垂直玩家领跑细分，但前沿实验室仍是主导；卖铲子的人不押赢家。
• 19:13 客户结构与扩张系数 — 客户定义、中位客单约 10 万美元、200%+ 净留存的来源：数仓、实时分析等原本割裂的用例合流到一个数据底座。
• 20:46 最怕的对手还没出现 — 看得见的竞争者不可怕，怕的是后视镜里那个「下一个 ClickHouse」。
• 21:32 开源与开放权重的份额之争 — 五五分预测，Snowflake/Databricks、Datadog 的类比，以及「别把 Anthropic 和 OpenAI 排除在基础设施提供商之外」。
• 23:49 开源与开放权重的区别、中国模型信任问题 — 概念澄清，企业究竟更怕谁；他不相信「后门论」，也不建议政府干预。
• 28:26 企业 AI 成熟度与销售周期压缩 — 伦敦金丝雀码头的大型金融机构采用新技术的速度前所未见，开源和 PLG 加速了这一切。
• 29:11 投资人最看错什么 — 护城河与超大云厂商重新分发开源的风险，很少有开源公司能守住。
• 30:42 Agent 时代品牌还重要吗 — 未来十年企业级架构决策仍有人在环，预算由人掌握，所以品牌投入不减。
• 31:29 烟鬼乐队与英超胸前广告 — 从 AWS re:Invent 的六万人派对到 Fulham 球衣赞助，曝光与高端接待两条 ROI 逻辑。
• 33:45 体育资产会涨到 200 亿美元吗 — 湖人 125 亿、海鹰传闻 96 亿，他相信 200 亿美元球队会出现。
• 36:06 融资哲学与投资人筛选 — 他反复砍掉投资人加注，靠 reference check 判断价值；本轮 15 亿到 250 亿的估值差异「无关紧要」。
• 38:24 10 亿 ARR 的赌局 — 两年内达成，赌 2027 年 12 月之前，当场和 Harry 立下 1000 英镑的赌注。
• 39:56 人才战与分布式组织 — 与前沿实验室抢的不是同一类人，27 国雇员、个位数流失率；接近 800 人年底破千。
• 40:43 远程办公的自我矛盾 — 他既怀念 Salesforce 天天在办公室的岁月，也认为超过一半收入和客户在美国之外的公司无法中心化管理，12–18 个月内开 16–20 个办公室。
• 43:47 最难受的阶段与定价争议 — 产品上线正撞上 ChatGPT 发布，六个月收入起不来，而他刚以难以论证的估值融了 3 亿美元；最贵的一轮和最便宜的一轮。
• 46:52 三三倍双双倍是否已死 — 0 到 1 亿美元一年是否成为新标准，他反问：这 1 亿的护城河在哪。
• 48:25 集中度到底是不是问题 — 从运营者视角，超过 10% 就是暴露；目标是可预测、可持续、有韧性的增长。
• 49:11 规模化后会自研吗 — Shopify 仍在用 Stripe；关键是持续在 ROI 和 TCO 上领先竞品。
• 49:57 要不要设内部敌人 — 公司外部的逆境已经够多，他反对人为制造内部敌意，只招极度好胜的人。
• 50:42 招聘、大学与专业选择 — 工程团队平均年龄三十五岁上下；他会让女儿上大学，但坦言软件工程四年后面对的市场高度不确定。
• 52:15 医生、律师和机器人 — 他仍要「世界上最好的医生和律师」，但认为机器人对医疗的冲击可能大于 AI，家人已经历过全自主手术。
• 53:48 快问快答 — 未来五年最常见的新职位是「AI 财务」，永不消失的职业是职业球员，Meta/Microsoft/Nvidia 三选一他娶微软。
• 55:21 泡沫论是最大的错误共识 — 他认为「AI 被高估、我们在泡沫里」这个流行判断是错的，「我们才刚开始」；但担心公众通过公开市场承担的风险暴露。
• 57:39 董事会：Peter Fenton 与 Mike Volpi — 两种截然不同的董事价值，以及那个他当年最想要却因利益冲突错过的人。
• 59:57 CEO 与父亲、婚姻的共同法则 — 认真承诺、找有经验的人取经、复制好特质；24 年婚姻教会他「这不是一条直线」和共同目标的力量。
• 62:16 为什么不上市 — 明年就能 IPO 但不急：公开市场非理性，轻微 miss 就跌 40–50%；私有市场没有做空者、员工不必天天看股价，而结构化 tender 已解决流动性。

详细内容

一、周期定位：不是泡沫，而是「才刚开始」

Harry 一开场就摊出自己的矛盾：身边最聪明的朋友告诉他「这一幕我见过」，杠杆水平疯狂、估值极度亢奋；但另一组数据——采用率和收入扩张——又指向完全相反的结论。他把这形容为两个悖论式的数据点 1:31。

Aaron 的回答是「我们才刚开始」，而依据是他的年龄带来的样本量：他完整经历过互联网、移动和社交三轮周期 2:18。但他强调这一轮质地不同——过去那几轮「要渐进得多」，而这次 agentic 体验的成熟速度和公司的增长速度都在以前所未见的加速度推进，「我们这辈子没见过这种收入增速」，agentic 应用对底层系统的压力也是史无前例的 2:18。

到节目尾声的快问快答，他把这个判断说成了本期最强的反共识观点：那个「被广泛认同但其实错误」的 AI 观点，就是「AI 被过度炒作、我们身处泡沫」55:21。他承认自己挑不出赢家和输家，但相信「赢家的价值会远远抵过输家」。

他并非无所畏惧。Harry 追问历史高位的债务水平，Aaron 说他真正担心的是公众的风险暴露——目前钱主要还是私募资本，一批投资人会赔、一批会赚大钱，这是私募市场的游戏规则；但当这些公司进入公开市场，性质就变了 56:06。Harry 推进一步：Nvidia 已经是无数美国人 401(k) 的重仓，一旦回撤就是大规模财富冲击；而「历史上从没有过 85% 的股市市值压在六家公司身上」56:52。Aaron 的回应克制：任何被推高的资产都有这个问题（他特意声明并非在说 Nvidia 被高估），可能会有某种压缩，但「回到十年前的水平极不可能」56:52。

二、真正的风险框架：毛利率不重要，收入的持久性才重要

Harry 抛出投资人最爱挑的刺：AI 公司的毛利率结构。他引用 Fireworks 的 Lin Qiao 在节目上说的 30–35% 毛利、希望未来改善 3:04。Aaron 的回答是分层的：这些公司现在「几乎有无限的资本可用」，增长又极快，所以它们可以带着让公开市场投资人无法满意的毛利运营；只要它们能展示出未来几年毛利扩张的路径，同时保持这种史无前例的增速和健康的资产负债表，那他「比五年前在传统企业软件里更不担心毛利」3:04。

那该担心什么？Harry 直接问：如果只能挑一个最大风险呢？Aaron 给的答案是收入的持久性（durability of revenue）3:50。逻辑链条很清楚：基础设施软件的切换成本很高，但 agentic 应用的切换成本可以很低；而现在模型厂商「每隔一周左右就在互相超车」，所以他会对一部分 AI 应用收入的持久性打问号 4:35。

Harry 立刻把这把刀对准了最大的名字：如果 Anthropic 以两万亿美元 IPO，而 Claude Code 是它的主要特洛伊木马，那这算不算低切换成本？Aaron 说「我会把它归到那一类」——但紧接着补了一句非常有说服力的反例：这在 ClickHouse 自己的使用上完全没体现出来，他们对 Anthropic 的支出「是年初的 100 倍」4:35。

到了 46:52 这一段，这套框架被用来回答另一个热门争论。Harry 说自己常因为一句话被骂——「三三倍双双倍已经死了」，1→3→9 的老节奏不复存在，现在要的是一年 0 到 1 亿美元。Aaron 的回答仍然回到持久性：任何一年从零冲到 1 亿美元的品类，他都会问「你有什么护城河能保住这 1 亿、防止客户跑去别处」47:38。ClickHouse 自己走的是更渐进的路径——0、1200 万、5000 万、2 亿，今年超过 5 亿美元——但他强调这在数据库世界里已经是历史最快，快过他前面提到的所有竞争公司的前三年，而且建立在极广的客户基础上，几乎没有集中度风险 47:38。

三、集中度：一个运营者眼里的 10% 红线

Harry 提出的反方观点很典型：大家会说「Mercor 90% 收入来自前沿模型厂商」，可 Nvidia 的收入不也一样集中，「对老黄好像挺管用」——所以收入集中度还算不算一个正当的投资担忧 48:25？

Aaron 明确表态：站在运营者的位置上，这是非常正当的担忧。他给了一条具体的操作红线：如果有单一客户、单一品类或单一行业占到收入 10% 以上，他就会花大量时间去想这件事，而这似乎也是行业通行的门槛——某个收入维度一旦超过 10%，你就有了暴露 48:25。他的目标函数是「可预测性、可持续性、有韧性的增长」，任何一个客户或板块出走就能造成如此负面的影响，本身就是问题 49:11。

他随即给出自家的数据来证明这条纪律是被执行的：Harvey、Sierra、Decagon、Anthropic、OpenAI 等「几乎所有建在 ClickHouse 上的 AI 公司」这一整个篮子，合计占收入不到 12%——所以「即使其中一半消失，赢家的扩张也会抵掉输家造成的损失」47:38。

顺着切换成本，Harry 提出投资人常犯的另一个错误：以为客户规模一大就会自研——到了某个体量就搬离 Elastic 自己造，到了某个体量就自建支付。但 Shopify 至今仍在用 Stripe，因为那不是它的核心业务 49:11。Aaron 认同，并把答案落到两个可量化的抓手：你必须让客户持续看到价值，也就是在 ROI 和 TCO（总体拥有成本）上始终领先竞品——运行 ClickHouse 要花多少钱，运行同类服务要花多少钱，这个差距就是你的护城河 49:57。

四、内部 AI 采用：一封「AI 觉醒」邮件与 100 倍的账单

年初 Aaron 觉得公司动作太慢，于是给全员发了一封主题为「The AI Awakening（AI 觉醒）」的邮件，直言「作为像 ClickHouse 这样领先的数据库厂商，我没看到应有的编码工具采用率」4:35。公司响应了，此后编码类应用的使用量爆炸式增长，Anthropic 支出涨到年初的 100 倍 4:35。

他对模型选择的态度很务实，也划得很清楚：Anthropic 和 OpenAI 的优势在于同时是模型提供方和 harness 提供方，开放权重模型在 harness 这一层目前落后 5:20。Harry 反问，独立难道不更好吗——不绑死在一家、可以为不同任务做最优路由？Aaron 的答案是他确实在扩大开放权重模型的使用，但限定用例：有些开放权重模型他们会用来做 code review，但不会用来交付生产代码，原因是对输出的来源／推断（output inference）有顾虑 6:07。

关于 token 预算，Harry 引用 Uber 总裁在节目上对内部 AI ROI 的怀疑态度，追问：当你鼓励大家「放开跑」，季度末的账单怎么办 6:07？Aaron 的回答是一个明确的优先级排序：他们真正在意的核心指标是收入增长。如果能维持过去三年的收入增速，而且公司本身极其高效（「有人会说我们太高效了」），那他就不会太在意花在编码 agent 上的钱——因为他们覆盖的产品面极广，路线图正在以前所未见的速度加速。而且这笔账有两个方向的安全垫：token 消耗量随时可以收紧，而 token 单价是在下降而不是上升，模型在变得更高效 6:54。「我们的收入增长比以往任何时候都快，所以这个交换我随时都做。」

在产出侧，Harry 引用他和 Jason Lemkin、Rory O'Driscoll 的周更节目里的说法：如果你还没深入到 2027 年的路线图，你就落后了 10:00。Aaron 说他们出货速度前所未有，进入新产品品类比原计划提前了两年，既有机（比如 stateless workers，本质上是无限算力，上线速度远超预期）也有无机的部分 10:47。

五、为 agent 重建软件：身份、预算与「谁来选型」

这是全场最具前瞻性的一段。Aaron 说四五年前软件是为某个组织内的具体 persona 设计的，查询模式高度可预测——你要么跑报表，要么看看板；但 agent 没有 persona 11:33。人类会按用途去用可观测性、数仓或 CRM 各自的应用，而 agent 预期自己可以横穿所有这些系统，不受权限限制，不受延迟限制，而整个体验最终由链条上最慢的那一环决定 12:18。

由此推出 agent 查询的需求排序：第一是低延迟（它们会同时对多个系统并发执行几十条 SQL），第二是效率；而最重要的特性是查询模式的不可预测性——agent 的查询远比人类的报表更具探索性 12:1813:50。Harry 试图找反面情形：随着 agent 越来越有成本意识，会不会引发价格的向下竞争？Aaron 笑着否掉了这个前提——「我不觉得 agent 会有成本意识，它们不像人类那样考虑消费和预算」13:04。真正的现实是查询体量在以史无前例的速度爆炸，逼着这些系统重新设计定价模型、消费模式和访问模式。

更关键的转折在于选型权的转移。今天你可以问 Claude 或 ChatGPT「这个用例该用什么技术」，但他在设想的未来是 agent 直接选定应用背后的基础设施栈，因此他要把 ClickHouse 定位成「下一代由 agent 而非人类构建的应用的默认数据库」13:50。这不是空想：他说如果你去问 Anthropic 为什么选了 ClickHouse，他们会告诉你，他们问了 Claude 该用什么技术做这个可观测性用例，而 Claude 推荐了 ClickHouse 16:09。Tesla 每秒向 ClickHouse 写入十亿条事件，他认为世界上没有别的技术能以传统数据库的零头成本同时做到高效摄入、高效存储和高效查询 14:36。

但缺口是治理。他说未来的常态是「agent 需要有身份，还需要有预算」——今天它们两样都没有 16:09。如果 agent 要「配置底层栈」（数据库、网络、算力、存储），它必须有授权、身份和额度。Harry 反问：这为什么不该是 harness 和模型厂商的设置项？Aaron 的理由是企业逻辑：大多数公司不会让 agent 野跑、自行决定消耗多少资源，必须有治理和监督；而现在这一层是靠人在做——有人盯着消费、监控 agentic 支出、设控制，确保它们不越权访问企业数据、不超支 16:5417:41。「往后看三到五年，这些 agent 会是完全自主的。」他直接把这句话变成了给 Harry 的投资提示：去想清楚哪些公司最有能力把 agent 造软件所需的一切给它 16:54。

六、开源、开放权重与中美之争

Harry 的问题是三年后有多少 token 走开放模型。Aaron 的「简单答案」是五五分，理由是类比：今天企业软件里开源和专有的分布本来就相当均衡 21:32。他现场用三组对照来支撑：数仓两巨头里 Snowflake 主要是封闭生态、Databricks 建在开源上，谁会更大？（Harry 两次答 Databricks）而可观测性里 Datadog 主要是专有的，开源可观测性工具是开放的——「在可观测性上我会押 Datadog 大于 Databricks」21:3222:18。他还顺手抛了个更大的判断：不要把 Anthropic 和 OpenAI 排除在核心基础设施提供商之外——今天它们不是竞争对手，但看它们进入新品类的速度，三年后覆盖的面难以想象；Harry 补充说它们已经在自研芯片了 22:18。

Harry 说主流共识是 90% 走开放、10% 走前沿——前沿模型用来攻癌症、气候变化这类极高价值但极少数的场景。Aaron 明确不同意，理由是企业侧的法律与合规条件：企业要的条款和保护（比如赔偿责任 indemnification、输出溯源）是开放权重模型、尤其是来自中国的开放权重模型给不了的，这会限制它们被采用的用例范围 23:04。他特意强调必须区分开放权重模型和开源软件两件事，ClickHouse 属于后者；开源的定义是任何人都能审查源码，按许可证修改、无需署名地部署、可商业化、可贡献、可 fork，而开源许可证在过去五年发生了显著演变 23:49。

这里出现了本期最有意思的一次交锋。Harry 说他在节目上听到的是反过来的：最大的企业更怕和前沿实验室合作，而不是怕中国开源模型，因为「零数据留存」的承诺本质上是「相信我」——有人信，很多人不信；很多公司不愿把源码发给前沿实验室 24:35。Aaron 说他每天都看到这种顾虑，包括他们自己内部——但他给出的应对不是换供应商，而是限制用例：可以用来做 code review，但不推向客户在用的生产环境 25:21。而当被追问「那你就把更敏感的数据交给中国开源模型？」，他回到自己的立场：当你需要大多数企业需要的那种法律保护时，你会想和一家前沿实验室合作；开放权重模型的安全顾虑太多 26:07。这些顾虑今天是合理的，但他认为一两年后大部分会被解决 26:07。至于「CCP 后门」的说法，他明确拒绝参与这种揣测——「觉得用了这些软件就等于参与某种见不得光的中国间谍活动，这挺荒诞的」26:0726:53。

Harry 最后问他：如果给你资本让你带头做美国的开放模型，让美国在开放生态上超越中国，你会怎么做？Aaron 的答案出人意料地干脆：他是开源和开放权重的坚定支持者，因此反对任何政府干预去限制这些技术的采用和分发；开源和开放权重是未来（可见的未来大约三到五年）——但「我个人不会拿你的钱去开发一个开放权重模型」26:5327:40。

七、增长引擎的解剖：销售、并购、护城河与「上不了台面」的品牌打法

销售是他唯一公开的遗憾。ClickHouse 大约只有 100 名背指标的销售，而收入规模远超 1 亿美元，所以人均产出相对行业均值很高 7:40。但结构性劣势是清楚的：他们对手是超大数据仓库和可观测性公司，那些公司有数千名销售，且每天只想一个用例；而 ClickHouse 的销售每天要想十个用例，一百人要对上两三千人的军团 7:40。回看两年，他唯一想改的是更早增加销售产能。为什么当初没有？因为他想让前几年的压力压在产品和工程上——他把过去十年最成功的两家基础设施软件公司提炼为 Datadog 和 Snowflake：Datadog 走 PLG 自助开发者路径（装个 agent、埋点、全程不用见销售），Snowflake 靠昂贵的销售市场费用重攻企业；他判断跟 Datadog 的剧本比跟 Snowflake 的剧本容易得多，事实证明如此，但 PLG 分发之上终究要叠加企业销售 8:27。

并购的判断标准很简单。如果他认为自家产品工程团队能在某个新领域自己创新，就让它有机地长；如果看到有创始人（团队）在 ClickHouse 之上构建、并进入他认为会成为最终数据平台一部分的品类，他就考虑无机地做 10:47。四年六笔收购，最新一笔是年初的 Langfuse（柏林，三位创始人），切入 agent 可观测性——「全世界每一家企业都会需要这项技术」11:33。

投资人最常看错的是护城河。投资人常问：我要重新分发 ClickHouse 有多难？某个超大云厂商把它做成托管服务的风险有多大？他承认这在历史上发生过——AWS、Google 或 Microsoft 拿走你的开源再以托管服务分发，于是你几乎在和自己的核心数据库竞争。他的答案是：如果你能靠自己的云服务或极难复制的专有特性维持竞争优势，护城河就成立，而「极少有开源公司做对了这件事」29:1129:57。至于他最怕的对手，答案是「还没进入市场的那一个」——看得见的竞争者他知道强项和弱点，怕的是后视镜里的技术：ClickHouse 十年前就是开源项目，被数千家公司采用但背后没有公司，于是被当成「又一个流行的开源数据库」而被轻视，然后突然爆发 20:46。所以他对内说的是：我们必须不断重新发明自己，成为那个颠覆者，以便自己颠覆自己 58:26。

品牌：agent 时代仍然重要。Harry 问，既然 Anthropic 是通过问 Claude 选中 ClickHouse 的，开发者关系和社区是不是变得不重要了？Aaron 的区分很清楚：如果你周末 vibe code 一个约会应用，agent 确实可以选栈——托管 Postgres 做事务、托管 ClickHouse 做分析；但顶级银行或电信商的大型数仓项目、可观测性负载，仍然有一个人类工程师在做架构决策（ClickHouse 还是 Snowflake 还是 Databricks，Splunk/Datadog 还是开源）——「未来十年，这个决策回路里仍然有人」30:4231:29。理由归结为一句：预算仍由人控制，而预算与技术决策相关31:29。

于是有了那些「不像基础设施公司」的动作。他和 Chainsmokers（Alex 和 Drew）合作，在 AWS re:Invent 和 Google Next 期间办演出——他的逻辑是 re:Invent 上没有一个所有人都想去的派对，只有一堆糟糕的餐厅包场和 happy hour，而他想要一个六万名工程师抢着进的派对 31:2932:14。再往上就是体育赞助：他坦言不是第一个这么做的人，很多公司都在赞助英超球队 32:14。资金来源也交代得很直白——年初完成一轮融资后又做了扩容，引入了包括 Harry、David Sacks、Michael Dell 和 JP Morgan 在内的战略投资人；「我们并不需要这笔钱，账上有 10 亿美元」，所以「还有什么比用这笔新投资人的钱去赞助一家伦敦的英超俱乐部更好的用法」32:1432:59。

赞助的价值他拆成两块：曝光（对切尔西那场全球直播，数百万观众看到品牌）和更容易量化的接待。前一晚在 Craven Cottage，20 位来自全球最大公司的预算负责人参加了米其林级别的晚宴，其中一位欧洲最大银行之一的高管专程从巴黎飞来 32:5933:45。ROI 怎么算？他说这 20 位客人一半是客户、一半是潜在客户，他可以很容易地衡量未来 12 个月从这一篮子账户拿到的支出；但要把其中多少单独归因于体育赞助则很难评估，能看到的是顶端漏斗指标（网站访问、新试用）的改善 35:1936:06。关于体育资产本身，他相信 200 亿美元的球队会出现——湖人以 125 亿成交是史上最贵的体育交易，海鹰据报 96 亿（其中还有个小插曲：ClickHouse 投资人、49 人队少数股东买了海鹰，而 Aaron 是终身 49 人队球迷，因此「不太爱看到」）33:4534:30。他给的深层理由是这种体验无法被技术复制：前一晚 28,000 名狂热球迷站着看英超开季、西南伦敦德比、切尔西对富勒姆 3–2 五个球，「你还能要求什么」35:19。Harry 加了一句共鸣：在 AI 的世界里，人们会更渴望这类现场体验，现场体验和音乐会是最能繁荣的两个领域 35:19。

八、融资、组织与「为什么不上市」

融资哲学。Harry 说他和其他投资人一样，每轮都想多投但总被 Aaron 砍额度 36:06。Aaron 把功劳归给两位联合创始人 Yury 和 Alexey——「我职业生涯里合作过的最好的工程师，差距很大」——他自己乐于做面向投资人社群的接口 36:06。评估投资人关系时，他看的是对方能带来的价值：客户介绍、背书倡导；判断方法是做 reference check，像任何其他关系一样去问对方投过的公司：和这个人合作是什么体验？他促成过哪些有价值的客户关系？在品牌曝光、招聘、和员工互动、与其他投资人协作上做得如何？这些必须全部是「是」，才开始合作 36:5337:38。他也解释了为什么对估值不那么在意：他想建一家比自己活得更久的公司，而现在很多人把融资当短期练习——追求稳定的估值台阶（对员工好、便于招聘、减少稀释、增厚资产负债表、支持前置投资，这些都成立），但他想的是 20 年后而不是 2 年后的公司；「所以我们是在 150 亿还是 250 亿融资，十年后无关紧要」37:3838:24。真正重要的是拿到对的投资人、建成有韧性的公司，以及尽快到 10 亿美元 ARR；而对这家规模的公司，最重要的指标是新客户获取——每月新增数百家 38:2419:13。

最贵与最便宜的一轮。他认为最贵的是 Coatue 和 Altimeter 联合领投、估值 20 亿美元的 B 轮：当时没有收入、没有产品、只掌握一个开源数据库、没有客户、15 名员工，「那一轮让我们背上了一个很大的靶子」，压力从此转向做出差异化产品，花了一年，是很长的一段日子 44:3345:20。最便宜的是当前这一轮（150 亿美元）；Harry 也同意，「宁愿为更多付更多，也不为更少付更少」46:06。他为高定价给出的是投资逻辑的解释：风险投资不是为你今天所处的位置定价，而是为你 12 到 18 个月后的位置定价；如果你有执行和超额完成目标的记录，你就能拿到与公开市场脱钩的倍数 44:33。他也坦白当年并不知道 AI 浪潮会以这种形式和速度到来（那是五年前），他只知道 ClickHouse 是世界上最省资源、性能最强的数据库，而数据库世界最终归结为价格和性能这两件事，ClickHouse 在两者上都有优势——所以「无论什么趋势来了，它都能满足」46:06。

最难受的阶段是产品发布之后那一刻——恰好和 ChatGPT 发布同时 43:47。他解释了为什么这很难：数据库服务不像消费服务，企业需要时间评估和采用，不会像 ChatGPT 那样两个月一亿用户。于是有了收入曲线上那段六个月的低迷期，而他当时刚以「难以论证」的估值融了 3 亿美元——没有收入，也没有产品。Harry 补刀：约 5000 万美元收入时，定价对应约 60 亿美元 43:47。如今拐点已过，4000 多家客户，收入在冲。

组织与人才。Harry 问，是不是今天已经招不到明星人才，OpenAI 和 Anthropic 直接用钱把人买走？Aaron 说这取决于你在哪个品类：如果你是旧金山的数字原生 AI 初创，环境确实极其艰难；但作为基础设施提供商，ClickHouse 找的画像不同——数据库工程师、有分布式系统经验的人，和前沿实验室要的人不一样 39:56。他们在 27 个国家雇人（葡萄牙、德国、新加坡），这是竞争优势，流失率是个位数；也做过结构化二级交易并会继续做，但频率不会像更年轻的公司那么高 39:5640:43。

远程办公这一题上他公开承认自己自我矛盾：他在 Salesforce 12 年天天在办公室，一周五六天、一天十到十二小时，那段最具塑造性的时期让他从比自己更有经验的人身上学到很多 40:43。但 ClickHouse 是疫情期间创立的，天然分布式：他在湾区、一位联合创始人在犹他、还有欧洲的同事，而他们要找的独特技能人才既不都在湾区，也不都在伦敦或纽约 41:29。如今接近 800 人、年底将破千，他们正在引入线下办公的选项，「没有强制返工令」，但确实有办公室——阿姆斯特丹的大办公室，以及伦敦、纽约、湾区，还有新加坡、悉尼、东京；员工的参与度和对办公空间的需求都在上升，12 到 18 个月内办公室会从六七个增加到 16–20 个 41:2942:14。为什么不干脆全员到办公室？他的理由是业务的地理结构：超过一半收入来自美国之外（EMEA 40%、亚洲 10%），超过一半客户在北美之外，服务跨越 36 个区域和三大云厂商——你不可能从一个地点集中管理，你需要每个时区都有人，需要和各区域的超大云厂商维持关系（他们与 AWS、Google Cloud、Azure 联合进入市场，他还飞到中国和阿里巴巴启动合作），这些都需要本地语言的人 43:01。

为什么不上市。他说「明年就可以把公司带上市，如果我们想的话」，但不急 62:16。理由分几层：一是时间尺度——他希望公司活得比自己久，那么明年上市还是五年后上市并不重要（他举例 Salesforce 2004 年上市时市值 10 亿美元）62:16；二是市场状态——「市场现在比很长时间以来都更不理性」，做上市公司挺难受，季度稍有 miss 股价就能跌 40–50%，而这对员工士气的影响是真实的 63:03。他说自己在这件事上「转了一整圈」：几年前和 Olly 吃饭时他问过同样的问题，对方说自己基本上就在运营一家上市公司；Aaron 的结论是只有两个维度不适用——员工不必每天看股价，以及没人做空你63:03。而员工流动性这个理由已经基本消失，因为结构化 tender 可以持续给员工变现 63:49。至于「上市货币便于并购」这条传统理由，他直接用两笔交易反驳：Stripe 作为私有公司以 500–600 亿美元收购 PayPal，OpenRouter 80 亿美元——这些交易传统上对私有公司是不可想象的，「所以我的问题反而是：为什么还有人要上市」63:49。Harry 给出了另一侧的答案：提升知名度、是一次融资事件、分散投资人基础、对员工士气非常好——他自己经历过两次 IPO，社区、家人、朋友、大学同学都会庆祝，很美妙；但 Aaron 提醒那不是短期的事，风光一周之后就交给了波动的股市 64:37。而 Harry 最后为公开市场辩护了一句：长期看，公开市场在价格发现上通常优于私募市场，行为更理性——私募投资人愿意为「押未来」付溢价，而公开市场给你的是你当下真实位置的定价，可能有些投机成分，但更锚定在执行和结果上 64:3765:22。

九、领导力、董事会与「五年后」

关于 Benioff 的最大教训，Aaron 的答案是那句被反复引用但他有亲历背书的话：「你会高估自己一年能达成的，低估自己五年能达成的」9:14。他 24 年前加入 Salesforce 时那是家三岁的初创，产品本质上是个「加了光环的联系人管理器」——对标当年的 ACT、GoldMine 或者一张电子表格。但 Marc 有更大的图景，宣称要打 Siebel、SAP、Oracle、Microsoft，尽管他们完全没有那样的产品线；而 Marc 作为极出色的营销者，在行业里造出了「世界上最大的公司也可以采用这项技术、而我们会按路线图逐步满足这些需求」的认知——最后他真的做到了 9:1410:00。

关于组织文化，Harry 问是否需要一个「内部敌人」。Aaron 反对在公司内部制造对立：公司外部的逆境已经足够多——竞争对手会贬损你和公司、要持续领先竞争格局、还要考虑地缘政治问题，这还没算个人生活里的波折，「那都只是工作而已，你为什么还要把这些引进公司」；他想让员工的生活变好 49:5750:42。那怎么保证战斗欲？答案是招聘——「我们只招极度好胜的人」50:42。招聘画像本身也很特别：工程组织的平均年龄在三十五岁上下，对一家产品才三岁的风投支持公司来说不同寻常；他们倾向要更有经验的人，也招应届生但会确保他们和做过多年分布式系统的人配对 50:4251:28。

董事会那一段给出了两种董事价值的对照。Peter Fenton 在他的董事会里，而这已经是他和 Peter 共事的第二家公司；他把 Peter 和同在董事会的 Mike Volpi 对比——Mike 是运营者出身，在 Cisco 干了很久、管过 corp dev，做过一百多笔并购；Peter 是职业风险投资人，塑造过技术史上一些最有影响力的公司，有极强的模式识别能力，而且是「不可思议的人才磁石」，在招聘上帮助巨大 56:5257:39。他用 Peter 的方式也很具体：他会先告诉 Peter「你是在买还是在卖」——是要说服这个人加入，还是要严格评估这个人——这会影响 Peter 如何进行那场对话 57:39。当年创业时他第一个打电话的就是 Mike 和 Peter；他也见过 a16z 的 Martin Casado，很希望他参与因为他对 ClickHouse 做的事有独特的技术理解，但对方当时有利益冲突 58:26。

快问快答里几个值得记的答案：五年后极常见但今天不存在的岗位是「AI 财务职能」，专门管理组织内部的 AI 消费和 token 资源，而这个岗位再过五年会被淘汰，因为 AI agent 会自己治理自己 53:48；永远不会被淘汰的职业是职业足球运动员 53:48；Meta / Microsoft / Nvidia 三选一，他「娶」微软（ClickHouse 支撑着微软最大的分析负载，Meta 是客户所以不忍心杀，Nvidia 和 Cerebras 都是合作方）54:36；他认为超大云厂商和前沿实验室都会成为芯片生态里非常重要的供给方 55:21。

在 AI 与人类专业的话题上，他的立场偏保守但有边界：如果有严重的医疗问题或重要的法律建议，他要找世界上最好的医生和最好的律师，「这对我个人不会改变」，不过他承认自己代表的是和 Harry 不同的一代人 53:02。Harry 反驳说自己现在大部分医疗问题都问 ChatGPT，因为医生对多数人不可负担、英国看全科要等好几个月 52:15。而 Aaron 认为对医疗行业冲击更大的可能是机器人：他有家人接受过一台完全自主完成的手术，医生只在旁监督、没有碰过器械，「我认为那就是未来」53:02。大学话题上他会让两个十几岁的女儿去读，但理由主要是人生体验；他也直接同意课程更新周期太长、更新完就已过时的批评，并补充这取决于学什么——神经科学或医学仍需要，而软件工程「四年后进入的市场高度不确定」51:2852:15。

最后是那个赌局和一个很个人的收尾。10 亿美元 ARR，他说「两年内，甚至更早」，被追问具体日期后给出 over/under 线：2027 年 12 月，他买 under；Harry 报 2028 年 2 月，Aaron 说那个时间框架他也照样买 under（现场还有一段小插曲：Harry 说「你们现在 2.5 亿」，Aaron 回「远高于此」）38:2439:11。节目结尾 Harry 承诺兑现时会汇 1000 英镑 65:22。而当被问未来三到五年最期待什么，Aaron 说他刚见过的母亲患有多发性硬化症（MS），他最期待的是那些历来无药可治的慢性病出现突破 61:30。至于 ClickHouse 五年后在哪，他说自己「会买 under」——但真正的答案是那句反复出现的话：他希望这家公司比他活得更久 62:16。

金句

我们才刚开始。年龄带来的少数好处之一就是经验——互联网、移动、社交，这些周期我都经历过；但那几轮在我的体验里要渐进得多，而这一轮正在以前所未见的速度加速。 —— Aaron Katz 2:18

如果只能说一个最大风险，那就是收入的持久性。基础设施软件的切换成本很高，但 agentic 应用的切换成本可以很低。 —— Aaron Katz 3:50

Agent 没有 persona。它们预期自己能横穿所有这些应用，不受权限限制，不受延迟限制——而体验最终由这条链上最慢的那一环定义。 —— Aaron Katz 12:18

Agent 需要有身份，还需要有预算。你怎么授权一个 agent 去消费这些服务？我们今天还没到那一步。 —— Aaron Katz 16:09

我最怕的竞争对手是那个还没进入市场的。看得见的对手就在我面前，我知道他们的强项和弱点；我担心的是从后视镜里冒出来的技术——下一个 ClickHouse。 —— Aaron Katz 20:46

那个被普遍认同却其实错误的观点，就是 AI 被过度炒作、我们身处泡沫。我挑不出赢家和输家，但赢家会远远抵过输家。 —— Aaron Katz 55:21

提到的书·产品·人物

• ClickHouse（公司/产品）：本期主角，开源 OLAP 数据库，ARR 刚过 3.5 亿美元、估值超 150 亿，主打极致查询速度与资源效率。
• Aaron Katz（人物）：ClickHouse 联合创始人兼 CEO，前 Elastic 高管，此前在 Salesforce 工作 12 年（字幕转写为 "Aaron Cass"）。
• Yury / Alexey（人物）：Aaron 的两位联合创始人，他称为「职业生涯里合作过的最好的工程师」。
• Marc Benioff / Salesforce（人物/公司）：Aaron 的 12 年老东家与导师，「高估一年、低估五年」这条教训的来源；Salesforce 2004 年上市时市值仅 10 亿美元。
• Elastic（公司）：Aaron 上一段任职，也是「规模化后是否会自研替代」讨论中的案例。
• Anthropic / Claude / Claude Code（公司/产品）：ClickHouse 的客户，也是其内部主力编码工具（支出为年初 100 倍）；Anthropic 选用 ClickHouse 是因为问了 Claude。
• OpenAI / ChatGPT（公司/产品）：客户之一；ChatGPT 发布恰逢 ClickHouse 产品上线，构成他最难受的六个月。
• Tesla（公司）：以每秒十亿条事件的吞吐写入 ClickHouse，作为极端规模的例证。
• Weights & Biases、Harvey、Sierra、Decagon（公司）：AI 原生客户，与 Anthropic、OpenAI 合计占收入不到 12%。
• Langfuse（公司）：柏林的 agent 可观测性公司，ClickHouse 今年初完成的第六笔收购。
• Snowflake / Databricks（公司）：数仓两条路线的对照（封闭生态 vs 建在开源上）；他对 Databricks 和 Ali Ghodsi 表达尊重，认为二者与 ClickHouse 是相邻市场。
• Datadog（公司）：PLG 自助开发者路径的范本，与 Snowflake 的重销售剧本对照。
• Splunk（产品）：企业可观测性负载中的现成选项之一。
• Fireworks / Lin Qiao（公司/人物）：曾在节目上说毛利 30–35%，是低毛利讨论的引子。
• Harvey / Legora（公司）：法律垂直 AI 的两家代表；Harry 是 Legora 投资人，Aaron 拒绝押赢家，只笑称「Legora 用的 ClickHouse 少一些」。
• Nvidia / Cerebras（公司）：芯片生态讨论对象，均为 ClickHouse 的业务伙伴；Nvidia 也是股市集中度讨论的核心。
• Meta / Microsoft / Satya Nadella（公司/人物）：快问快答对象，Meta 是客户、微软是重度用户（承载其最大分析负载），他几个月前见过 Satya。
• Alibaba（公司）：Aaron 亲赴中国启动的合作方。
• AWS / Google Cloud / Azure（公司）：三大联合进入市场的云伙伴，也是「开源被重新分发」风险的来源。
• The Chainsmokers（Alex 与 Drew）（人物）：在 AWS re:Invent、Google Next 期间为 ClickHouse 办演出，制造六万工程师都想去的派对。
• Fulham FC / Craven Cottage（球队/场地）：本期录制地，ClickHouse 拿下其球衣胸前广告；前一晚切尔西对富勒姆 3–2。
• David Sacks、Michael Dell、JP Morgan、Harry Stebbings（人物/机构）：本轮引入的战略投资人。
• Coatue / Altimeter（机构）：以 20 亿美元估值联合领投 B 轮，他称那是「最贵」的一轮。
• Peter Fenton / Mike Volpi / Martin Casado（人物）：前两位是他的董事（一位职业 VC、人才磁石；一位 Cisco corp dev 出身、做过百余笔并购），Casado 因当时利益冲突未能加入。
• Vinod Khosla / Seahawks / 49ers / Lakers（人物/球队）：体育资产估值讨论——湖人 125 亿成交、海鹰据报 96 亿；Khosla 是 ClickHouse 投资人。
• Stripe / PayPal / OpenRouter / Shopify（公司）：Stripe 作为私有公司以 500–600 亿美元买 PayPal、OpenRouter 80 亿，用于论证「私有公司也能做大并购」；Shopify 至今用 Stripe 用于反驳「规模化必自研」。
• Uber 总裁（人物）：曾在节目上对内部 AI 的 ROI 更为怀疑。
• Nikesh Arora（人物）：被 Harry 称为极出色的并购机器，引出买 vs 自建的讨论（字幕转写为 "Nikash Palato"）。
• Jason Lemkin / Rory O'Driscoll（人物）：Harry 每周合作的节目搭档，「若还没深入 2027 路线图就已落后」的说法来源。
• Mercor（公司）：收入高度集中于前沿模型厂商的例子。

适合谁听

想搞清楚 AI 这轮繁荣里哪些收入靠得住的投资人，以及正在为 agent 而非人类重构产品、定价和 GTM 的基础设施创业者与增长负责人。