AI 智能体、风投定价与融资热潮背后的权衡

Harry Stebbings、Jason Lemkin 和 Rory O’Driscoll 讨论 AI 助手、风险投资定价、编程工具及其背后的基础设施。对话涉及据报道的融资和 IPO 计划、个人投资观点以及 Airwallex 相关争议；节目没有独立核实这些说法。

Stebbings 首先提到据报道可能推迟的 Anthropic IPO，询问这是否表明市场疲软。O’Driscoll 提出另一种可能解释：公司可能希望更清楚地呈现最近一个季度的业绩。他强调这是自己的理解，并非知道公司如何作出决定。

嘉宾讨论等待的权衡。更新的数据可能改善向投资者讲述的故事，但多等一个月也让公司面临市场环境变化。O’Driscoll 说，乐于接受新股的市场窗口可能突然关闭；讨论没有确认提议中的日期或估值。

Stebbings 猜测，据称的延迟是否也可能反映了与潜在投资者沟通时的压力。O’Driscoll 说，管理层可能只是认为有时间等到财务数据更清晰，同时承认市场转向存在下行风险。两人都没有声称了解公司的内部讨论。

Stebbings 问，前沿模型公司面临潜在责任、又难以获得保险，是否还能上市。O’Driscoll 认为，缺少保险不一定阻止上市，财务规模和信息披露也需要考虑。这是他对假设情况的看法，并非法律结论。

O’Driscoll 说，证券发行的重点是披露风险，而非消除风险；大型公司可能有办法自行承担部分潜在责任。讨论也提及关于 AI 安全的公开表态。这些观点无法确定是否能获得保险、是否符合证券法规，或任何实际责任诉求的结果。

Lemkin 预计资金充足的公司会维持庞大法律团队，应对潜在诉讼。O’Driscoll 强调风险披露是证券发行的一项特征。两人的交流没有确定任何特定 AI 提供商的法律义务或责任，也没有确立极端 AI 后果发生的概率。

嘉宾随后讨论一份据报道的 OpenAI 预测，涉及未来巨额现金消耗和资本需求。O’Driscoll 将可能的收入增长、支出和第三方基础设施承诺描述为该预测中的数字。这些是嘉宾提出、未经核实的估计，并非经审计的财务报表或已发生的结果。

他更广泛的观点是，前沿 AI 比传统软件更依赖资本。一些基础设施支出可能出现在其他公司的资产负债表上，而非模型提供商自身的报表上。嘉宾开玩笑说，实际支出可能超过预测；他们并不知道公司最终需要多少现金。

Stebbings 把 Meta 的 Muse 作为本周重点。Lemkin 称其是强劲的消费产品和 ChatGPT 的潜在竞争对手，赞扬了助手界面和智能体功能。这是他的使用印象，并非对所有产品或当前价格进行的独立比较。

Lemkin 认为，消费级助手可以把智能体行动与普通对话问题结合在同一个界面中。他认为这种组合具有商业意义，尤其是在产品容易使用时。这一比较来自用户早期体验，不一定反映产品未来的能力或经济表现。

O’Driscoll 同意，这次发布适合 Meta 利用现有消费平台分发产品。与此前对 Meta AI 投资的怀疑相比，他认为这次产品令人鼓舞。他也谈到市值变化，但对其意义的解释是个人判断，并未证明唯一原因。

O’Driscoll 说，通过现有平台分发一款可用产品的能力可能给 Meta 带来优势。同时，他表示自己并不知道产品的经济效益。发布后获得积极反应，不能等同于证明用户会长期使用或产品能够盈利。

Lemkin 说，这个工具为他建立了一个个人 CRM，用于追踪赞助商和邮件。他认为它有用，但在销售团队协作方面仍有限制。O’Driscoll 指出，此类应用结合了模型、数据库、邮件访问和沙箱；如果广泛使用，可能消耗大量算力。

讨论转向智能体购物。Stebbings 说 Amazon 限制访问，而 Shopify 选择与该产品合作。O’Driscoll 认为，两种反应可能反映不同激励：Amazon 拥有广告业务并控制客户体验；Shopify 代表的商家则可能欢迎额外需求。

他还认为，如果智能体直接购买特定商品，平台可能失去展示广告和增加购物篮商品的机会。在他看来，Amazon 的履约网络和规模提供了谈判优势，而 Shopify 可能更在意商家增加销售及自身在支付中的作用。

这一解释不只涉及支付交易：顾客访问市场平台时可能看到推荐或赞助商品，而智能体可能绕过它们。O’Driscoll 认为，以商家为中心的平台面临不同的权衡。他将其作为激励分析，而非对私下谈判的确认。

O’Driscoll 认为，真实消费者需求会促使企业比单纯的抽象规划更快解决 API 和智能体支付问题。Lemkin 预测，只要存在替代方案，智能体就会越来越多地绕过中间商。两人同意，最终安排既取决于谈判，也取决于技术能力。

Lemkin 并未声称所有中间商都会消失；他认为，广告、追加销售或增长即使受到有限影响，也可能意义重大。他描述一个智能体在供应商涨价后提出迁移计划。O’Driscoll 也看到信息型中介面临压力，但不确定影响会致命。

O’Driscoll 指出，一个不知疲倦的智能体可以用很低的边际精力比较许多网站，可能给信息聚合型企业施压。他对影响程度的预测比 Lemkin 更谨慎。实体履约和独家供应仍可能对消费平台很重要。

O’Driscoll 认为实体基础设施和配送能力可能是 Amazon 的防线。两位嘉宾都预计，搜索成本降低会改变部分议价能力，同时承认大平台可以限制访问。他说，当大量智能体都寻求访问时，平台如何回应可能比屏蔽一家提供商复杂得多。

嘉宾介绍 Jev，一款面向开发者、用于快速分类和决策任务的工具。Lemkin 说，调整提示词后他的使用体验不错：他用它判断 SaaStr 社区中哪些人应该见面。他对速度和成本的说法只针对自己的实验，并非受控的行业基准。

Lemkin 说，自己最初尝试 Jev 时没有成功，因为提示词和用途都需要调整。缩小任务范围后，他发现分类结果有用。他强调，一个简单的是非判断不需要与完整对话回答相同的行为。

他说，这个工具只能回答范围较窄的一部分问题，不能替代撰写文本或进行复杂推理的模型。他估计，在自己的应用中，它只能处理部分模型调用。他看到的机会是避免用昂贵模型做简单分类，而不是替代所有 AI 产品。

O’Driscoll 将快速的是非回答、排名和评分与生成长文本区分为不同类型。他举例计算：如果部分支出转向便宜得多的服务，提供商可能获得一门生意，而这类工作负载的总收入却下降。数字只是情景示例，并非经过核实的预测。

O’Driscoll 的市场示例假设，只有一部分大模型调用能迁移到更简单的服务。Lemkin 对具体成本比较有不同意见，认为自己用途中的节省要大得多。两人都同意，单位价格下降意味着流入新领域的金额不一定等于被替代的支出。

嘉宾将开发者 API 的拆分与替代面向消费者的 ChatGPT 应用区分开来。开发者可以把简单决策路由给专用服务，同时继续用更大的模型处理复杂工作。O’Driscoll 预计消费者界面与软件开发者的需求将进一步分化。

Lemkin 说，要获得收益就必须逐一测试使用场景。他第一天的实验失败，后来修改提示词才奏效。他发现，在简单匹配问题上表现良好的系统，面对更细致的招聘或合作伙伴判断时仍可能做错决定。

他说，模型路由增加了另一层运营工作。尝试自动路由后，他发现自己的应用效果下降，于是改变了配置。他预计，随着团队在众多模型中选择，持续评估和质量保证会变得更加重要，即使路由承诺能降低成本。

对 Lemkin 而言，实际问题是路由系统能否可靠地为具体任务选对模型。在关键编程流程中，错误选择即便节省了 token，也可能浪费时间。他预测，更多团队需要持续评估，而非依赖单一基准。

被问到 OpenAI 和 Anthropic 可能如何回应低成本工具时，嘉宾对其激励和产品策略提出不同猜测。Lemkin 根据自己的测试批评较小模型，同时承认自己的说法有所夸张。这些是特定体验下的观点，并非对提供商内部决定或模型普遍表现的独立证据。

Stebbings 说，更大规模的种子轮让传统种子投资更困难，并提到 Jev 据报道的 4,000 万美元融资。Lemkin 指出，投资人试图通过创业者奖学金和公司成立前的项目更早认识创始人。两人都没有声称传统种子机会已经完全消失。

Lemkin 把较新的公司成立前投资项目与早期创业者奖学金相比。他认为，寻求极早期投资机会的人可能需要在公司拥有正式产品或融资轮次之前建立关系。Stebbings 和 Lemkin 对哪些项目吸引最优秀创始人有不同看法。

Lemkin 说，继续开较小支票的投资者可能需要接受更低持股比例，并依赖更大的最终结果，才能让投资组合奏效。O’Driscoll 补充说，与 2010 年相比，通胀和经济增长提高了招聘和运营所需的名义金额。

O’Driscoll 认为，今天以美元计价的一笔支票，比多年前相同名义金额能调动的资源更少。他用简化的经济比较解释种子轮规模上涨的一部分原因，同时承认市场热情和竞争也可能推高金额。

Stebbings 问，退出规模大得多，是否足以证明更高的初始支票合理。O’Driscoll 提醒不要把今天高价退出的结果直接与新一批更昂贵的投资比较：成功退出往往始于数年前、价格不同的投资。现在的投资者需要考虑未来退出估值必须达到什么水平。

嘉宾讨论一位 Menlo 投资人关于在周期顶部附近投资的提醒。O’Driscoll 将其理解为：一些已有可观收益的基金积极投资，另一些则害怕错过机会。他说，价格上涨部分可能有合理解释，但部分也可能反映迅速反转的市场情绪。

O’Driscoll 说，Menlo 的论点区分了早期投资成功的人和试图追赶的人。Stebbings 质疑这项提醒，因为 Menlo 本身也曾以高价参与融资。争议在于如何解释市场行为，并非指称某笔具体交易不当。

被问到如何把担忧转化为行动时，O’Driscoll 建议关注整个投资组合的风险敞口，而不是试图完美择时。投资者可以积极把握机会，但应考虑，如果市场恶化，过多昂贵仓位是否会威胁基金。他认为平衡和节奏需要具体判断。

Stebbings 和 Lemkin 反驳说，一般性的谨慎提醒不够可操作，尤其是成功投资人自己也曾出高价。O’Driscoll 回应，即使交易看起来像过去的成功案例，如果价格高出数倍，风险回报关系也可能完全不同。

O’Driscoll 补充说，在强劲市场中，即使明显的风险也可能被遗忘。在他的例子里，即便公司表现相近，以旧价格数倍买入类似资产也可能降低潜在回报倍数。Stebbings 坚持认为，投资者需要比认识到这一点更具体的行动。

Lemkin 问，谨慎的投资者究竟该怎么做。他回忆自己在 2021 年只做了一笔投资，认为保持选择性是可能的，虽然基金仍有部署资本的承诺。Stebbings 提出另一种做法：审视哪些现有持仓可以出售，以获得流动性。

Lemkin 担心增长较慢的“低调复利企业”的退出市场，即便这些企业的基本面良好。O’Driscoll 则不确定盈利且稳健增长的公司市场是否已经永久消失。两人都认为当前买家兴趣可能发生变化。

Stebbings 质疑，专注于传统“连续两年三倍、随后两年翻倍”增长轨迹的基金，能否与账面收益增长快得多的管理人竞争有限合伙人的资金。O’Driscoll 说，比较同一家公司早期进入价与后期轮次，可能掩盖风险和预期回报已发生多大变化。

Lemkin 认为，如果都能实现所需回报，管理人可以同时考虑异常高速增长机会和资本效率高的企业。他提醒，不应假设单一投资年份中极高的年化回报会永久持续。嘉宾没有给出保证实现的回报目标。

嘉宾同意，无论基金选择慢速复利企业还是备受关注的 AI 公司，优秀的投资选择都至关重要。Lemkin 认为，经济条件允许时管理人可以两类都做。他还说，实际回报不仅取决于报道中的估值，退出同样重要。

O’Driscoll 强调，两种策略都需要选对公司。为最好的机会支付更高价格可能合理，但如果投资者的估值假设偏差达到很大倍数，价格仍然重要。周期性估值逆转是需要考虑的风险，并不是预测每笔 AI 交易都会失败。

对于挑选种子轮和 A 轮管理人的有限合伙人，O’Driscoll 偏好在最强新机会中拥有优势的投资者。他更希望获得高持股比例，但说持续进入优秀交易可能比拒绝所有较小的初始持股更重要。他将早期投资机会与金额大得多的后期轮次区别开来。

O’Driscoll 区分了小额种子支票的风险，与仅几个月后以高得多估值投入大额资金的风险。他说，即便标的公司很有吸引力，投资者也应考虑后期价格还留下多少下行保护。战略收购只是一种可能结果。

Lemkin 说，LP 容易追逐最近的回报，而下一只成功基金事先看起来可能不按常规，因此选择新兴管理人很难。O’Driscoll 认为，过去的成功在风投中可能比在公开市场基金选择中更具持续性，但不能保证未来结果。

Lemkin 说，某一时期表现异常优秀的管理人，未来可能很难让 LP 进入；与此同时，未来成功的管理人今天的策略可能看起来很奇特。O’Driscoll 认为，在私人市场，投资机会和声誉可以强化成功。两人承认过去业绩不能解决每一项配置决定。

节目的模拟投资委员会转向 Factory。Stebbings 说，这家企业编程智能体公司正以 50 亿美元估值融资，并披露自己投资了该公司。Lemkin 看好市场方向，表示假设情况下会支持，同时指出 Stebbings 对公司了解更多。

Lemkin 说，他接触的企业买家关心数据主权和模型选择，并表达了自己对向模型提供商分享机密信息的担忧。O’Driscoll 同意，买家可能重视编程产品与模型供应商之间的分离。他们的担忧和预测不能证明任何被提及的提供商会用客户数据训练或披露客户数据。

O’Driscoll 称编程是当前 AI 价值的重要来源，希望覆盖编程、测试、审查和相关流程。他认为，即使更广泛的 AI 市场放缓，编程工具仍可能有用。这是他的投资论点和模拟委员会讨论，而非某家公司未来回报的证据。

O’Driscoll 认为，企业可能既希望在采用编程智能体时获得技术帮助，也希望供应商提供模型选择。他认为即使出现更广泛的放缓，这类需求仍可能存在。Stebbings 说 Factory 已在自己的投资组合中，因此他的观点并非来自无利益关联的观察者。

Lemkin 说，他不知道 Factory 的产品有多少采用物理隔离、本地部署或私有云。他回忆此前在企业工作时引入外部代码工具的困难，并预计数据保护仍是客户的重要问题。具体合同保障需要另行评估。

Stebbings 转向法律 AI，提到 Legora 据报道的收入和可能估值。Lemkin 说自己喜欢 Legora 和 Harvey，但担心一则有关 Harvey 负毛利率的报道；他明确指出，不知道报道是否准确，也不知道它是否代表持续时期。

Lemkin 说，如果据报道的负利润率准确且持续，他会更谨慎地考虑领投新一轮。O’Driscoll 提供另一种解释：客户大量使用可能推高短期成本，但他说自己缺乏判断该公司的事实。两人都没有核实报道中的数字。

O’Driscoll 披露，他的机构投资了另一家法律 AI 公司 GCAI。他说，即使大量使用暂时压低毛利，也可能有积极解释；同时承认自己缺乏评估特定估值所需的事实。他随后表示，不会以所说价格领投假设中的轮次。

模拟委员会考虑 Crusoe。Stebbings 将其描述为数据中心、GPU 和托管推理业务，并称其正以据报道的 309 亿美元估值融资。他还提及大量合同订单。这些交易和合同数字由主持人提出，节目没有独立确认。

Lemkin 认为，基础设施获取、客户承诺和建设设施的能力都与投资判断相关。他说，经过自己的粗略估值后，他会在假设中的价格下放弃投资。他的委员会角色属于节目形式，并非这里披露的真实投资决定。

Lemkin 强调，数据中心投资涉及预计现金流、能源和设备获取、客户协议及融资。他对模拟估值持怀疑态度的结论取决于这些假设。仅凭据报道的大量订单，不能确定某个具体项目的盈利能力。

O’Driscoll 用这个例子让周期风险更具体。他认为，与杠杆较低的软件业务相比，采用杠杆的数据中心项目可能更容易受到 AI 需求增长放缓的影响。他没有专门为 Crusoe 建模；他的担忧是投资组合对更广泛基础设施投资的敞口。

他说，自己会考察客户合同的质量和期限，以及债务融资和资金续航的可见性。与在热门市场追求最高估值相比，较低价格和足够抵御衰退的融资可能更重要。他还观察到，市场情绪可能在一天内迅速摆动。

嘉宾讨论涉及 Keith Rabois、Joe Lonsdale 和 Airwallex 的网络争议。Stebbings 披露自己是 Airwallex 投资人，也是 Rabois 的朋友；他反驳了针对公司的指控，并说相关说法随时间改变。节目没有独立证实争议指控或公司的股权结构。

Lemkin 说自己不喜欢网络攻击，但认为一些公司和买家会把与中国技术相关的风险视为商业问题。他讲述了自己对其他交易讨论的理解。这些轶事不能证明它们与 Airwallex 有关，也不能验证针对该公司的说法。

Stebbings 再次否认一个被提出的持股数字，并说自己看过股权表。Lemkin 表示自己没有反驳 Stebbings 的说法，同时认为被感知到的地缘政治风险可能影响交易。上述陈述均归属于各自发言者；节目没有提供独立文件证明任何一方的立场。

O’Driscoll 认为，政府应为商业和安全制定清晰一致的规则，而不是让投资者在社交媒体上争论广泛的政策问题。他承认美中之间仍有贸易往来，认为当前政策不够一致。这是他的政策观点，并非对法律合规性的判定。

Lemkin 从争议和 Jev 的发布中总结传播经验。他赞扬协调一致的产品宣传，并认为大公司创始人需要可信的支持者回应公开批评。他讨论的是传播策略，而不是核实针对 Airwallex 的指控是否准确。

Lemkin 说，一次有效的产品发布可以有一群支持者公开解释产品。在争议中，他认为独立支持者可以回应指控，而不让创始人独自承担。Stebbings 指出，如果投资人群体在网上的影响力不大，组织这类支持可能更困难。

Stebbings 同意支持者很重要，但指出 Airwallex 的部分主要投资人很少出现在社交媒体上。Lemkin 回应说，创始人可以在现有投资人之外建立支持网络。对话随后转向玩笑，但核心观点是，创始人的关系网络会影响公开回应的方式。

嘉宾在讨论可能的代言人并互相致谢后结束节目。节目中的公司数字、据报道交易、法律担忧和投资预测仍是参与者的说法，不应视为经过独立核实的事实，也不构成投资建议。