Sequoia Capitalのパートナー、Alfred Lin氏がStanfordで語った「AI時代の作り方」― 普及ギャップ、レバレッジ、そして創業者に必要な資質
Stanford AI Clubの2026〜2027年スピーカーシリーズの初回に、Sequoia CapitalのパートナーであるAlfred Lin氏が登壇しました。Lin氏は、Sequoiaで15年以上、Airbnb、DoorDash、Citadel Securities、Ziplineなどの企業に関わってきた投資家です。それ以前はZapposの会長・COO・CFOとして、同社のAmazonへの約12億ドルでの買収を支えました。
講演は、学生による質問形式で進みました。本稿では約55分の内容を、ビジネスパーソンと投資家向けに整理します。なお、発言は書き起こしに基づく要約で、一部は文脈から補正しています。
1. 生い立ちとキャリア選択:「親の助言と正反対の道」
1-1. 虎の親と、序列の最下位だった「ビジネスパーソン」
Lin氏は、台湾で生まれ、子どもの頃にニューヨークへ移り住みました。両親はともに商業銀行員で、教育を重んじる厳しい家庭だったといいます。両親が考える職業の序列は、頂点が大学教授、次が医師、次が弁護士で、最下位が企業人でした。しかも企業で働くなら、小さな会社ではなく大企業にと言われたそうです。
Lin氏は、「そのすべてと正反対のことをした」と振り返ります。両親自身が、台湾での安定した生活を捨て、子どもの将来のために米国へ渡るリスクを取った人でした。Lin氏は、学生は大学の学位という保険があるぶん、リスクを取れる特権的な立場にいると強調しました。
1-2. 「問題には解決策があり、解決策は新たな問題を生む」
Lin氏の人生観の中心にあるのは、「世界には少しおかしなところがあり、それに気づくことがアイデアの出発点になる」という考えです。「あらゆる問題には解決策があり、あらゆる解決策は新たな問題を生む」と述べ、その連鎖の中で、自分が解き続けたい問題領域を見つけるよう促しました。
自身が関わった企業も、当時は「少し変だ」と思われた問題を扱っていたと説明します。
Link Exchange:ウェブサイト同士をつなぐという課題。Microsoftに2億6,500万ドルで売却。当時、Microsoft史上3番目の規模の買収
Tellme Networks:0800番号の自動化。クラウドの概念がない時代に自前でクラウドを構築。Microsoftに8億ドルで売却され、こちらも当時3番目の規模
Zappos:「靴はネットで売れない(試着できない)」という常識に対し、自宅に届けて試してもらう方式で解決
1-3. 「学びと、優れた人」を最大化せよ
学生が、最初のキャリアで何を選ぶべきかという質問に、Lin氏は、「正解は分からない。成功への道は複数ある」と答えました。そのうえで、若いうちは「学びを最大化すること」と「優れた人と働くこと」を基準にしてきた、と述べています。
例として、NVIDIAのJensen Huang氏を挙げました。最初の20年は今の10年とは様子が違い、評価されるのは直近の10年だが、そこに至るまで30年続けた点が重要だという趣旨です。現在、同社は時価総額が6兆ドルに迫る世界最大の企業になっています。
また、Lin氏自身は、高校時代に父とクローンPCを組み立てていたこと、「今のDellのような会社を始めたかった」ため大学に行かずに資金をもらえないかと両親に頼んだことを、笑い交じりに語りました。結局、大学、そして、PhDへ進みます。両親は、弟(現在Citadelでグローバル債券部門を率いる)がベンチャー、自分がヘッジファンドに進むと予想していたものの、実際は逆になったそうです。
2. AI時代に「技術力」の価値は変わるか
数学やコーディングがAIで急速にコモディティ化する中での技術力の価値について、Lin氏は、Sequoiaで「相反する二つの考えを同時に保つ」ことを重視していると説明しました。
数学やコーディングそのものは、コモディティ化している
しかし、「モデルがどう動くかを理解している」ことの価値は、かつてなく高い。モデルを使いこなせる人材には、高い報酬が支払われている
ただし、技術に強い人ほど「人間への理解」も持つべきだと述べました。ビジネスは最終的に約80億人を相手にしており、お金も制度を通じて人に流れるため、人文的な視点も重要だというのが同氏の見方です。
3. 起業家へのアドバイス
3-1. 価値を「創る・届ける・獲る」
まだ解くべき問題が見つかっていない学生へは、次の3段階を意識するよう助言しました。
どう価値を創るか
どう価値を届けるか
どう価値を獲る(収益化する)か
学生時代に創業しなくてもよく、20代でも50代でもよいとしつつ、友人と一緒に何かを作ってみることで、これらを学べると述べました。
3-2. DoorDashは「最初のアイデア」ではなかった
具体例として、Stanfordで生まれたDoorDashを挙げました。経営大学院と工学部、大学院生と学部生という異なる背景の4人が出会い、いくつか試した末に、全員が情熱を持てる問題にたどり着いたそうです。Lin氏は、学生にこれだけの自由を与えるStanfordの環境を評価し、Harvardでは同様の取り組みが学内の学生機関に止められた例もあると述べました。
3-3. 「機能」で終わるか、「企業」になるか
AIのデモが、毎日のように出る中で、「次のモデルに潰される機能」と「続く事業」をどう見分けるかという質問が出ました。Lin氏の答えは、次のようなものです。
初期は「2人とアイデア」だけで、防御力はない。大企業が潰す気になれば潰せる
ただし、大企業はデータセンター投資に資金を回しており、小さな機能には目を向けていない。防御力のなさを恐れすぎなくてよい
問題は次の一手。技術者は技術の説明は得意でも、ビジョンを語れないことが多い。人を長期で引きつけるにはビジョンが必要
そのうえで、Airbnbのエピソードを紹介しました。初期は、「見知らぬ人の家に泊まる」「予約確定が成立しない」「メールで48時間後に返事が来る」という脆い仕組みで、多くの人が否定したはずだといいます。Lin氏の父は、世界中どこでも同じ系列ホテルの同じ配置の部屋に泊まる人で、「変動ゼロ」が価値でした。一方、Airbnbの創業者Brian Chesky氏にとっては、それは「地域に根ざせない欠陥」でした。ある人にとっての機能は、別の人にとってのバグであり、全てがコモディティ化するAI時代でも「人と人のつながり」は残る、と述べています。
4. なぜAIは「最大のメガトレンド」なのか
4-1. 「通信」から「計算」のメガトレンドへ
Lin氏は、PC、インターネット、ブロードバンド、クラウド、モバイルと、どの時代も「その時点で最大のメガトレンド」だったと述べ、変化の加速に圧倒される感覚は、どの世代も経験してきたと語りました。そのうえで、AIが最大である理由を次のように整理しています。
産業革命は「筋力」を機械に置き換えた
インターネットやモバイルは「通信」のメガトレンドで、世界中の人をつなげた
AIは「計算(推論・思考)」のメガトレンドで、すでにつながっている約80億人と接続できるため、普及が速い
4-2. 「普及ギャップ」:AmazonはWalmartを倒していない
一方で、「メガトレンドだから一気に進む」というのは誤解だと指摘しました。Lin氏は、PhDを辞めた理由の一つがインターネットであり、当時「AmazonがWalmartを潰す」と予想したが外れた、と自虐的に語っています。
Walmartの規模は、1997年比で約30倍
Amazonの売上が、Walmartを上回ったのは昨年が初めて
技術の可能性と、一般の人への普及の間にはギャップがあり、最も動きが遅いのは「技術を使う人間」だと述べました。技術の歴史は抽象化の積み重ねで、機械語から高水準言語へ移ったように、社会に広げる作業が過小評価されている、という見方です。
4-3. 価値は「応用層」に。「ソフトウェアは死んだ」は誤り
モデルの能力と実際の利用の間には、大きな余地が残っています。Lin氏は、パートナーのPat Grady氏の言葉を借りて、応用層(拡散層)に価値があると述べました。「ソフトウェアは死んだ」という論調には否定的で、名前が何であれ、モデルと人間の間を埋める層には大きな価値があるとしています。
投資先として挙げたのは、Harvey(法律)、OpenEvidence(医療)、Profound、Rogoなどです。弁護士や医師、金融担当者は、モデルの仕組みを理解してプログラムするわけではないため、その橋渡しをする製品が価値を生む、という整理です。
4-4. 「自社のインテリジェンスを持つ」
もう一つの流れが、企業が自社データでモデルを調整し、自前の知能を持つ動きです。Lin氏は、製薬会社がオープンウェイトモデルを自社データで学習させる例を挙げ、「2〜3社のモデルだけが勝つ状態は経済として好ましくない。データを全て預ける気もない」と述べました。関連する取り組みとして、創薬モデルのChai DiscoveryやIsomorphic、開発者向けツールのLangChain、オープンウェイトモデルのReflectionなどに触れています。
Harveyが、フロンティアモデルの上で始めながら独自モデルを学習させている点を踏まえ、Lin氏は、顧客が大手法律事務所から企業内法務に広がる可能性にも触れ、「もっと野心的に考えてほしい」と呼びかけました。
5. Fire and Ice:情熱と規律の二面性
Lin氏が、Twitterで書いた「Fire and Ice(火と氷)」の考え方も紹介されました。
Fire:ビジョン、創造性、問題を解きたい情熱
Ice:製品化し、届け、対価を得るための経営の規律
Zapposは、靴から始まり、バッグ、衣類へと広がりました。Amazonも書籍から始め、書籍で利益を出し、その規律を使って音楽へ、次のカテゴリーへと広げ、「何でも屋」になった、と説明しています。規律が、より多くの情熱に挑む余力を生むという構図です。
一人で両方を持つ例がDoorDashのTony Xu氏で、ビジョンと細部の両方を見る人物だと述べました。Zapposでは、Tony Hsieh氏が「Fire」、Lin氏自身が「Ice」の役割で、自分がどちら側かを理解し、補う人を選ぶことが重要だといいます。
6. AIマネーは「循環」しているのか:Lin氏の見立て
NVIDIAが出資し、その資金でGPUが買われるという「循環」への懸念について、Lin氏は次のように答えました。
お金は、常に循環してきた。預金を貸し出す銀行システムでも、準備預金(例:20%)を残して貸し出すことで、お金には回転(velocity)がある
準備がなく、入ったお金がそのまま出るだけなら問題だが、そうではない
NVIDIAの出資は自社GPUを使ってほしいという動機はあるものの、エコシステムを育てる側面もある
そのうえで、Lin氏がより大きな懸念として挙げたのが、企業が抱える債務(レバレッジ)の量です。かつてキャッシュフローが黒字だった企業が、データセンター建設のために赤字となり、借り入れを増やしている。レバレッジは「成功させることも、壊すこともある」と述べ、問題は循環そのものよりも、システム全体の借り入れの多さだとしています。
7. 質疑応答から
7-1. 見ているのは「パッションではなくコンビクション」
プロダクトマーケットフィットの前に巨額を調達する創業者が増える中で、何を見るのかという質問に、Lin氏は、「アウトライヤー(型にはまらない人)」を好むと述べました。重視するのはコンビクション(確信)で、これは情熱や話のうまさではなく、問題を実際に調べ、深く理解していることだと言います。
例はDoorDashのTony Xu氏です。母親が飲食店で皿洗いをする姿を見て育ち、「厨房の処理能力は、客席側より常に大きい」という洞察を得ました。机上で配達サービスを考えた人ではなく、顧客の痛みを体験した人の洞察だったと述べています。
7-2. 投資家の背景による違い
投資銀行やPE出身者と事業会社出身者の違いについては、次のように整理しました。
初期投資は「創業者の質」、成長期の投資は「事業の質」を見る
投資銀行やPEの経験は、事業の質を見る力を養う。欠けがちなのは創業者への共感
自分は企業で働いた経験があり、創業者の課題を実体験として知っているため、共感を提供できる
7-3. 次世代が受け継ぐ「誤った前提」
この世代が見直すべき前提として、Lin氏は3点を挙げました。
組織設計:前世代は、多くの人がソフトウェアを書く前提で組織を作った。AI時代は、より分散的になる可能性が高い。「一人がアイデアからプロダクトと収益までを作れる」時代の大組織の姿は未解明
リーン・スタートアップ:Sequoia在籍中、シード企業の調達額は年々増え続けており、そもそも機能していたのか疑問。「人気になる理論は、物語として面白いからかもしれない」と警戒を促した
単純な物語:単純な物語は強力だが、その限界を理解しないと危うい。自分のフレームワークの「壊れる端」を知るべきだという趣旨
7-4. チェックサイズが上がっても、リターンが悪化したわけではない
小切手の額が上がり続けることへの疑問には、「アウトカムも大きくなっている」と答えました。Lin氏がSequoiaに入った頃、世界最大の時価総額企業は約4,000億ドルでした。現在はNVIDIAが5兆ドル台(講演時点で6兆ドルに迫る)に達し、15年でほぼ15倍になっています。
そのため、伝説的な企業を作ろうとする創業者が進む「距離」も15倍になり、人生の時間は増えないので、より多くをこなす必要がある、と語りました。
7-5. 規制市場と寡占への向き合い方
医療などの規制市場について、Lin氏は、「初期のスタートアップが、長く続いた寡占を壊そうとすべきではない。回り込むか、組むべきだ」と述べました。
OpenEvidenceは、何も壊しておらず、医師が好む「エビデンスに基づく」製品を作った。出版社などと提携し、論文コーパスを得た
DoorDashも、当初は大手チェーンではなく、中小の飲食店と取り組み、規模を得てから大手に広げた
大手が関心を持たない領域で戦うのが基本。それが投資家の仕事が存在する理由でもある
「AIネイティブなヘッジファンドの耐久的な優位性」を問われた際は、既存のファンドが機械学習で値付けしていない市場(例として暗号資産や無期限先物など)を狙い、「技術より市場を選べ」と助言しました。
7-6. 最初の90日は「問題」より「人」
学生創業者の最初の90日については、今後10年を共に戦いたい人を見つけ、一緒に動いて相性を確かめることを勧めました。DoorDashの創業チーム(ビジネス、マーケティング、プロダクト、エンジニア)やAirbnbの創業者3人のように、互いの強みが違うチームで、問題は後から見えてくるという考え方です。
また、大学卒業時に父から言われた言葉も紹介しました。「友人たちは優秀だが、選択肢が多すぎる」。選択肢を最適化しようとするあまり、一つのことに絞り込めなくなる、という指摘です。企業には一つの中核アイデアしかなく、10年を一つに賭けるのは怖いが、「ダメでもStanfordの学位がある」と笑いを誘いました。
7-7. 「自分はそれほど優秀ではない」
自身の強みを問われたLin氏は、「投資先のうち何度も外している。自分はそれほど優秀ではない」と答えました。強みがあるとすれば、痛みに強く、リスクの感じ方が一般と異なる点で、親から「何者にもなれない」と言われて育ったため、他人の評価を気にしなくなったと語っています。
失敗については、「失敗というものはなく、学ぶ失敗と学ばない失敗があるだけ。後者は避けよ」と述べました。メンターは一人に絞らず、父の言葉である「誰からでも学べることがある」を指針にしているそうです。
