Gokul Rajaram 谈软件护城河、AI 产品与风险投资回报

Harry Stebbings 问 Gokul Rajaram，在 Google、Facebook、Square 和 DoorDash 的经营经历如何塑造他的投资方式。Rajaram 说，Google 教会他寻找出色的核心产品：在他看来，分销无法永远挽救薄弱的价值主张。他回忆 Gmail 最初提供的超大存储空间，以此说明令用户惊喜的产品。

Rajaram 说，在 Facebook 他认识到分销的力量，以及多人共同使用时价值提升的产品。他以 Figma 为例说明协作分享如何促进采用和防御力。他投资过 Figma，因此他的正面评价也与经济利益相关。

Rajaram 说，Square 教会他认识相邻产品。他回忆公司从支付业务扩展到约 11 款各自收入超过 5000 万美元的产品，并说关键指标变成每位商户使用的产品数量中位数。这些数字以及产品使用与留存的关系是他的回忆，并非独立核实的结果。

他将 Square Capital 描述为自然产生于支付流和商户数据的产品。在他的叙述中，有些产品贡献利润，另一些支持留存，团队应明确各自服务的目标。他认为多产品组合很重要，但这是一种观点，并非适用于所有公司的规则。

Rajaram 称 DoorDash 是他任职过的公司中最重运营的一家。他回忆，新冠疫情冲击餐厅时，DoorDash 免收了一个月的收入分成，尽管短期有财务成本。他认为这一决定及实体运营与软件的结合体现了长期执行力；这些来自他的个人叙述。

被问及 AI 是否足以解释软件股波动时，Rajaram 说他认为普遍抛售反应过度。他相信软件公司的防御力差异很大。两位发言人都提到自己持有软件投资，他对市场的判断是一种观点，并非对任何股票表现的预测。

Rajaram 借鉴 Hamilton Helmer 的观点，提出八种可能的护城河。第一种是竞争对手不易取得的专有数据；第二种是深度嵌入的工作流。他认为单靠工作流可能较弱，并比较了企业资源规划系统的深度与较轻量的客服工作流。

第三种是监管保护，包括牌照、资本要求或采购关系。Rajaram 以 Coinbase 为例，并披露自己担任该公司董事。他认为这些要求形成强大优势，这是他的商业判断，不能证明客户没有其他合法托管选择。

第四种是分销。Rajaram 回忆自己曾想使用 Xero 记账，但由于会计师偏好 QuickBooks 而转用后者；他认为会计师关系可能是 Intuit 的优势。他不知道这些关系的具体条款，单个轶事也不能证明存在独家分销。

第五种护城河是外部开发者和应用构成的生态，他以 Shopify 为例。第六种是网络效应，例如市场中客户、商户和配送员的密度，他以 DoorDash 说明。Rajaram 曾在 DoorDash 工作；这些例子表达了他对复制难度的看法。

最后两种是实体基础设施和规模带来的成本优势。他以 Amazon 和 TSMC 为例，并预测即使 AI 改进，实体资产仍可能难以复制。他建议每种护城河计一分，并认为四分以上较强；这只是非正式经验方法，不是经过验证的测量或保证。

Stebbings 在 Atlassian 和 monday.com 股价据称下跌后，用该框架分析两家公司。Rajaram 暂时认为 Atlassian 在数据、工作流和生态方面可得三分，monday.com 因工作流可得一分。这是根据有限讨论作出的快速判断，不是独立的安全性评估或股票建议。

谈到 Klaviyo 和 Shopify，Rajaram 认为，双方关系及任何优先分销的力度，比简单假设 Shopify 会开发同类产品更重要。他指出 Shopify 是投资者，但说自己不知道其推广力度有多大。他对 Shopify 计划的看法是推测，而非内部证实。

Stebbings 质疑 Rajaram 将品牌排除在外，认为技术商品化后品牌可能更重要。Rajaram 认为企业买家可能比消费者更不依赖品牌，并预测数据可迁移和产品复制会降低转换成本。这一预测存在不确定性；他没有证明所有迁移都会变得容易或没有成本。

Rajaram 以 Salesforce 为另一例，粗略给出三分，并质疑纯软件生产是否仍能形成规模护城河。他认为记录系统仍相对有吸引力，但公司必须判断价值来自数据还是工作流，并据此开发互补产品。他建议的定价和策略是假设，不是公司计划。

两人讨论股票回购可能传递的信心信号。Rajaram 认为公司和创始人买入可以表明信心，Stebbings 则质疑一名高管据称买入的意义。讨论没有确定任何公司或高管交易的原因，也没有证明回购能预测后续回报。

被问及怎样的 AI 附加功能才有效时，Rajaram 说公司应重新构思用户体验，而不只是给现有功能接上模型。他说喜欢 Notion，并建议其智能体通过使用和模型调优不断改进。他的产品评价及对竞争者的假设未经独立检验。

他以文档处理说明改变工作流的机会：产品可以在上传文档时提取有用信息，而不只是存储。他认为，随着模型能力变化，团队应重新审视每个交互。他关于可靠性的说法是宽泛印象，并非针对法律或其他敏感文件的准确率测量。

Rajaram 说 Marathon 大量投资金融科技，并认为资金流动可以通过数据、工作流和监管要求形成防御力。这是一项有直接商业利益的投资判断。对于早期软件初创公司，他寻找随时间改善的数据和真正嵌入的工作流，同时承认其他许多护城河尚难判断。

Stebbings 质疑定位狭窄的语音或客服智能体。Rajaram 说它们可能成为可行的业务，但预测单一垂直行业中的单项功能很少能支撑最大规模的成果。他更看好有意覆盖该行业更多工作流的团队，并以 ServiceTitan 为例；所引产品数量和估值只是近似数字。

两人比较广泛平台和垂直产品。Rajaram 提到 Robinhood 和 Coinbase 的收入来源，并披露自己担任 Coinbase 董事；这些公司数字是他的估计。他认为，寻求极高估值的垂直公司可能需要多款产品，并获取客户支出的更大份额。

被问及风险基金是否仍能投资垂直软件时，Rajaram 说可以，尤其当公司针对外包服务和人力支出，而不只是现有软件预算。他将向服务领域扩张描述为投资判断，并非特定公司能获得这些预算或达到某个估值的证据。

Rajaram 预测，企业可能先替代外包业务流程支出，然后对部分离职员工的岗位不再补员，最后才考虑裁员。他称 AI 服务有时更快或更便宜，但没有提供对比研究。这一顺序是他的观察和预测，并非对所有雇主的描述，也不是经过测量的就业市场影响。

Stebbings 提出私人软件公司此前估值高、增长却放缓的问题，并用自己估算的收入和增长数字举例。Rajaram 预测有些公司可能陷入困境、合并或出售给私募股权机构，另一些则可能围绕 AI 重建。访谈没有验证具体公司数字或这些可能结果。

Rajaram 认为 Intercom 和 Podium 创建了新的 AI 主导产品，并引用近似的收入增长数字。他主张领导者可能需要让现有客户迁移，即使新产品价格更低，而不是保护沉没成本。他举的例子和增长说法未经核实，访谈也没有充分分析这一方法的风险。

Stebbings 质疑今天支付高价是否已经预设未来数年非凡增长。Rajaram 回应，他的乐观情景取决于公司能否获取服务和软件支出的更大份额。这是一项存在争议的投资假设，并不能证明任何公司会达到所需收入或估值。

Rajaram 预计按席位定价不会消失，因为它让买家的使用成本更可预测。他区分提供访问权限的产品与完成工作的产品，认为后者适合按产出定价。他明确表示不知道 Harvey 的实际定价，因此合同处理的例子只是设想。

谈到风险投资人通过大型早期融资“造王”，Rajaram 说资金可以传递信号，但公司仍必须执行。他指出大型基金和小型基金玩的游戏不同。两位发言人都是投资人，对融资和基金竞争的观点反映各自职业利益。

随着高速增长越来越常见，Rajaram 认为持续性比早期惊人的收入曲线更重要。他希望看到客户或总留存率及净收入留存率，并说相较于留存差的更快增长，他更偏好强留存。公司过去收入变化的例子只是他的粗略回忆，并非审计数字。

Stebbings 问 Granola 的强留存能否抵御大型模型供应商推出竞争产品。Rajaram 同意，应结合公司实际面对的竞争和冲击来评估留存。他也说，异常好用的产品可以说服人们购买以前不会考虑的独立工具。

两人以 Granola 和 Gamma 为例，说明产品可能在现有捆绑工具之外创造需求。Rajaram 认为这些公司仍需超越单一产品，并提出相邻文档、演示文稿或网站等可能性。这些只是示例，不是已公布的路线图，也不能证明任一公司会成功。

谈到 AI 公司利润率，Rajaram 预计推理成本下降可能有帮助，但认为更重要的长期问题是有价值的产品是否赋予公司定价权。他回忆 PayPal 和市场平台经济模式变化。他的历史价格例子和预测未经独立验证，更强定价权也不保证利润率提高。

Stebbings 反驳说，在变化的市场中很难预测三至五年后的利润率。Rajaram 同意，对他而言，防御力和未来定价权的潜力比早期精确利润率更重要。两人以消费订阅和奢侈品说明，而非进行可比的财务分析。

被问及企业能否盈利地服务不那么富裕的消费者时，Rajaram 说，由于每位用户收入较低，规模以及廉价或免费的入门产品可能很重要。他提到 Robinhood，并披露对服务富裕客户的 Atlas 有投资。他的观察是可供考虑的商业模式，并非某种金融产品适合特定人士的证据。

尽管新需求难以预测，Rajaram 仍会自下而上估算市场规模。他建议细分客户、估算支付意愿、理解要解决的问题，并直接与潜在买家讨论预算。他说，大型现有客户群通常包含多个不同细分，而非一个统一市场。

他回忆，自己低估 Shopify 是因为只关注现有电商商家的数量。事后看来，他说该平台让更多人成为卖家。他将其称为非消费市场：新产品改变行为，而不只是争夺现有支出。他的回忆说明一次判断失误，不是估值预测。

Rajaram 说，如果押注成功，新行为可以产生异常大的成果；如果失败，公司也可能没有市场。讨论 Facebook 时，他认为真实身份是一项差异化因素，并回忆公司在日本抵制了放弃这一方式的压力。这些是他的历史解读，未经独立验证因果关系。

Stebbings 问如何避免过去的损失扭曲后续决策。Rajaram 认为投资人必须从第一性原理重新审视每个机会，并举出一位风险投资人在 Webvan 投资亏损后支持 Instacart 的例子。具体历史损失是他的回忆；他的教训是避免轻易否定整个类别。

谈到入场价格，Rajaram 说对于种子轮和 A 轮，真正非凡的公司有时可以克服高价格。他举出自己对 Fair 的投资，并估计有 100 至 200 倍回报。这是他的粗略说法，没有提供日期、是否实现或核实情况；价格和稀释仍会影响实际回报。

他说，即使公司增长，后期投资价格也可能更具破坏性，并以一家收入增长而估值大致持平的匿名企业说明。这个例子描述了经营进步但投资回报可能不佳的情况。金额和最终结果没有得到独立确认。

Stebbings 描述估值数亿美元的 A 轮融资，并问规模较小的基金如何保持有意义的持股比例。Rajaram 说基金不能把整个策略建立在这样的价格上，可能需要更早投资、接受不那么明显的业务进展并保持耐心。他提出的两位数持股目标是一种基金策略，而非保证。

Stebbings 质疑，可投资资金有限而单笔支票规模较大的基金能否达到持股目标。Rajaram 说 Marathon 预留约 35% 的资金，并混合进行初创、种子和 A 轮投资。他以 Lead Bank 及创始人 Jackie Reses 为例，涉及他的同事和投资关系。

Stebbings 对反复出现的独家接触创始人说法表示怀疑。Rajaram 说投资人必须提供创始人重视的东西，例如建议、分销、客户或招聘帮助。他同意最优秀的创始人可能不需要太多帮助，但认为少数关键决定可以产生影响。

对于选择基金管理人的有限合伙人，Rajaram 建议直接询问创始人为何选择某位投资人以及还有哪些选择。他建议审视近期投资，而不是接受关于人脉的笼统说法。这是他作为基金管理人的尽职调查偏好，并非经过验证的回报预测方法。

Stebbings 质疑 Marathon 预留 35% 的资金，并问增加初始投资是否更有利于多元化。Rajaram 对比了 The Trade Desk 的两位投资人；他担任该公司董事。一位侧重初始投资，另一位继续追加。他说一种方式可能使倍数最大化，另一种可能带来更多美元回报；交易细节和回报描述均为近似。

Rajaram 倾向于有选择地加倍投入，因为现有投资人可能比新投资人更了解公司和创始人。他承认过度集中的危险，并将选择概括为探索与利用：更多初始投资可以提高发现机会的可能，追加投资则增加对已识别机会的敞口。

Stebbings 说，他的第一支基金在不同时期可能以 Hopin 或 Clubhouse 命名，而现在他预计 Linear 会成为重要驱动力。两位主持人均与投资组合存在利益关系，结果仍不确定。他的例子质疑了及早识别赢家并投入预留资金是否容易。

Rajaram 回应，追加投资需要对竞争者、公司差异化原因以及优势能否在风险投资周期内持续形成判断。他认为较小的投资组合让团队有时间研究和帮助每家公司，而不必迫使合伙机构每个月都投资一家新公司。

他赞赏 Greenoaks 的集中投资方式，并提供其投资组合和成果的近似数字。这些数字是他的说法，并非独立核实的基金业绩。Stebbings 反思向成功投资人学习；Rajaram 说自己最主要向积极建设产品、服务客户的创业者学习。

Rajaram 说，他会与模型公司的人交流，了解能力变化和潜在竞争重叠。他把大公司的路线图比作一辆强大的车辆，可以碾过正处在其行进路线上的初创公司，同时留下相邻领域。这是竞争研究的比喻，不是对未来产品发布的内部证实。

他后悔见过 Vanta 创始人后仍放弃投资，因为此前已承诺投资同一领域的另一家公司。他说现在会在决定前尽量接触一个类别中的多家公司。他对最终赢家的说法是个人判断；Stebbings 也将这一机会视为错过的投资。

谈到出售，Rajaram 说他持有 Figma 投资约 13 年直至 IPO，尽管此前有变现机会。他提到此后股价面临挑战。时间线和经历是个人投资回忆，并非股票建议，也不是经过核实的已实现回报计算。

他区分投入资本倍数与考虑时间因素的内部收益率。在他看来，经历很长时间才获得的高倍数，可能对应不那么吸引人的年化回报。他认为基金应在每次流动性机会出现时，将未来回报与对有限合伙人的义务和预期相比较。

Rajaram 建议，当未来回报不再支持基金目标时至少出售部分持仓，尤其当出售能返还基金相当一部分资金时。他指出，二级市场出售可能受到公司权利和流动性约束。这是他的投资组合管理观点，依赖具体假设，并非普遍规则。

他把 Quince 描述为错过的机会：他仅因其直接面向消费者就忽略了它，没有研究产品和复购。他引用的估值和 35% 至 40% 复购率未经核实，也没有明确测量时期。他的教训是研究具体公司的差异化，而不是拒绝整个类别。

Stebbings 反驳说，优秀创始人可能从不吸引人的最初想法转型，因此以趋势判断为主的投资人可能错过他们。Rajaram 同意，广泛的种子组合可能主要押注人，而集中型组合则需要对创始人和业务都有更强信心。两种方式涉及不同风险和假设。

Rajaram 将连续创业者、首次创办消费公司的创始人和 AI 实验室研究人员描述为不同类型。他说早期投资人可以对优秀人才进行许多小额押注，而他的基金难以证明对已被定价数十亿美元的前沿实验室投资在持股经济性上合理。这些是他的投资偏好，而非对任何特定实验室未来的评估。

他说大型风险基金可以进行许多早期投资，随后将资金集中于认为最强的公司。他也描述了一些合伙人离开后，投资组合公司失去内部支持者的案例。这些轶事以及他对更多投资人独立创业的预测，并不能证明每家大型基金或每位创始人都会遇到这一问题。

在快问快答中，Rajaram 说观察到创始人难以协调和迭代后，他改变了对完全远程早期团队的看法。他现在更倾向部分线下工作，建议每周约三天。这是基于经验的偏好，并不能证明远程工作导致初创公司失败。

他建议新毕业生在创业前先到优秀公司学习两三年。被要求选择基金时，他提到 First Round Capital、Benchmark 和 Greylock，并披露自己曾是前两者的有限合伙人。他的选择反映个人关系和利益，而非独立推荐。

Rajaram 说，离开 Google 创业是他职业生涯中最困难的决定之一。他认为合作过的领导者分别擅长技术愿景、增长、设计和实体世界运营。这些是他对同事和领导者的主观评价，而非比较性业绩研究。

他说自己最大的失误之一是未能想象 Facebook 和 Google 最终的规模，并回忆多年前低得多的估值讨论。他还估计 Fitbit 上市时的价值达到其投资的 500 至 1000 倍，此后有所下降。该回报是他对特定时点未经核实的估计，不一定是实际变现所得。

Rajaram 说，有抱负的创始人将 AI 用于困难问题，让他对未来十年感到乐观。他看到更多年轻人使用 AI 工具，并说自己最近作为天使投资人投资了更多大学辍学生。他也提醒，离开学校未必适合其中大多数人；他对他们未来成功的看法具有推测性。

Stebbings 感谢 Rajaram 并结束对话。他们广泛的评估反映了在该领域有商业利益的投资人视角；访谈没有独立核实财务数字，也不能确定未来回报。