Tomasz Tunguz 谈 Theory 募资、投资集中度与 AI 投资

Harry Stebbings 欢迎 Theory Ventures 创始人、风险投资人 Tomasz Tunguz 做客，讨论基金设立、投资组合构建和 AI。这场对话发布于 2023 年 4 月。两位发言者都是投资人；Tunguz 的基金计划、投资组合案例和预测反映了他的财务利益及当时掌握的信息。

Tunguz 说，他在 Redpoint 工作约 15 年后离开，是因为希望亲自体验建立风险投资机构，并尝试不同的组织方式。他重视投资主题驱动的方法：花数月研究市场，以便更好地帮助创始人，尽管创始人对自己业务的了解更深入。

他也支持集中投资。在他看来，风险投资回报遵循幂律，基金可能通过向少数表现强劲的项目投入更多资金而获益。Theory 围绕深入研究和集中持仓而设计，这种策略既需要信念，也伴随风险。

Tunguz 说，在艰难的环境中，Theory 募资约进行了 150 场有限合伙人会议，筹得约 2.3 亿美元。他像进行软件销售一样管理流程，按照估计的成交率建立潜在投资人渠道。他回忆此前认识其中 40 至 50 位，并说约一半资金来自新关系。

他早期接触大型机构锚定投资人，希望他们的承诺及其在有限合伙人咨询委员会中的参与能让其他人安心。这些投资人还提供了推荐和建议。他说，最大的有限合伙人占基金比例不超过约 12%，这反映了他选择的分散方式。

募资材料包括过往业绩、演示文稿、个人简介、部分文章和指标。Tunguz 在会议前发送简要材料，帮助有限合伙人判断基金是否符合其投资要求，例如阶段、地域或是否愿意支持单一普通合伙人。他利用文档阅读情况了解潜在投资人的关注点。

拒绝的原因包括单一管理人基金的关键人物风险，以及对投资组合配置的不确定。他描述了分母效应：公开市场价值下跌可能使私人市场资产占比上升，而私人资产估值尚未调整。这是他对 2023 年募资市场的描述。

Theory 只进行了一次交割，但 Tunguz 不认为单次交割天然更好。交割是组织承诺和建立节奏的方法；多次交割也可能有用。Stebbings 指出，等待过久可能让口头承诺失效。

为了保持势头，Tunguz 在获得新的承诺时向潜在有限合伙人更新进展。他说，可信的进展证据可以让募资结果显得更有可能，并促成引荐。他描述的是一种销售方法，并不能证明口头承诺具有约束力。

回顾过去，他认为自己本可以更早与专业募资人员交流，也应该更早认识到某些地区需要更长准备时间。长期关系发挥了作用。他回忆，有相当一部分有限合伙人在承诺投资后才与他首次线下见面，但他没有精确计算远程与线下成交率的对比。

他说，有限合伙人详细询问了基金的商业模型：不同阶段的投资数量、失败率、持股比例和预期倍数。他建议基金管理人明确列出这些假设，而不是只依赖接触机会或叙事。

Tunguz 使用历史数据和蒙特卡洛模拟，设计了一个约含 12 至 15 家公司的投资组合。他设想基金的 40% 至 50% 或更多资金集中在前三大持仓。这些是计划配置和基于模型的判断，不能证明集中投资一定带来更高回报。

他预计初始 A 轮投资额约为 800 万至 1200 万美元，也可以灵活联合领投更大的融资轮。集中投资让基金能够向信心最高的公司投入时间和资金，但它无法独自领投每一笔规模巨大的 AI 融资。

决定是否增加持仓时，他结合市场研究、客户理解、基准比较、入场价格和可能的退出结果。他认为，推演退出估值倍数有助于保持纪律，尤其是在近期估值高峰可能让不现实假设看起来正常的时候。

他还使用受《Superforecasting》启发的条件概率方法：列出公司必须达到的里程碑，估计每一步的可能性，再考虑最终结果的范围。他举出招聘研究团队和获得后续融资等例子。这些数字只是说明性的假设，并非保证概率。

被问到更深入的市场知识是否能证明支付更高价格合理时，他在一定程度上表示同意：了解更多可能缩小不确定性并提高信心。他仍希望集中型基金获得有意义的持股比例，并说有时可以通过多个融资轮逐步建立持仓。

随着估值上升，后续增加持股会更加昂贵。Tunguz 讨论了先建立有意义的股份、再在后续轮次增加的做法，同时为所有投资组合公司预留资金，并通过尽职调查决定进一步向哪里集中。这是 Theory 拟议的策略，并非对配置或回报的保证。

他回忆 Snowflake 曾经历融资困难时期，公司支出很高，现有投资人在其中一轮提供支持。Tunguz 说，这让他认识到，当基本投资判断成立时，在顺境和困难时期持续支持公司的价值。他不确定具体轮次，因此这段叙述不应被视为经过核实的融资时间线。

Stebbings 问，主题驱动的投资人如何避免确认偏差。Tunguz 说，反复与买方交流并寻找真实需求证据至关重要。他以当时对区块链相关营销基础设施的兴趣为例：如果找不到愿意付费的客户，就应该放弃或暂时搁置这一判断。

市场时机同样要回到客户需求。Tunguz 寻找潜在客户渠道，并测试一个买方的需求能否推广到更广泛的人群。如果客户尚未准备购买，仅有一个引人入胜的未来愿景并不够。

谈到 AI 架构，他预测集成的专有系统和开放模型将共存。他设想出现能够把请求分配给不同模型的界面、让开发者更容易使用模型的平台，以及提供完整解决方案的企业服务商。这些是 2023 年的设想，并非已经确定的市场结构。

他认为训练基础模型资金密集，而应用可以服务更广泛的需求。他用一个类比：比较主要云基础设施业务与一组上市云应用的估计市值，认为两者总额相近，但基础设施价值集中在少得多的公司中。这些估计取决于他的定义，不应视为经过审计、可直接比较的总数。

Stebbings 提出企业对敏感数据的担忧。Tunguz 描述了一种架构：模型在客户环境中靠近数据运行，返回结果而不移动底层数据。他预计部分受严格监管的用户会偏好本地部署，但承认安全、合规和法律问题仍然存在。

他认为企业准备就绪方面，包括数据安全、合规和法律保护，可能形成商业机会。生成的代码和个人信息可能引发所有权与隐私问题。这些是需要调查的问题，而非法律结论。

Tunguz 预计，在新市场中，客户起初更喜欢端到端可用的捆绑解决方案，因为他们尚不知道如何评估每一层。随着需求变得清晰，他们可能用专业产品替换个别组件。这是他的市场假设，而非普遍的采用模式。

他认为企业采购方比起完整理解模型技术，更需要可靠结果和合规保障。他用人们难以画出一辆能够正常运作的自行车为例，说明熟悉与理解之间的区别。他提出的准确率和生产率水平是假设性门槛，并非实测性能保证。

被问到 AI 生成代码时，Tunguz 预测十年后占比会大幅提高，部分原因是许多程序含有共同模式。他引用经济预测，并认为生产率可能提高增长。他的数字、比较和 2023 年宏观经济解读具有推测性，不能确立未来就业或 GDP 的结果。

Stebbings 提出财富集中问题。Tunguz 说，私人市场推动创新，政府通过法律表达社会价值，承认网络效应与分配之间存在张力。这是他的政治和经济观点，而非完整的政策提议。

谈到监管，Tunguz 认为合规成本可能有利于在位企业，规则也可能产生意外影响。他建议在问题显现时逐步调整，并以航空业作类比。他的例子和政策结论是个人观点，并非完整的法律或历史分析。

他说，自己对初创公司和在位企业的看法发生了变化。Microsoft 似乎拥有分发优势，并迅速与 OpenAI 合作，但他相信优秀执行仍能帮助初创公司战胜大型企业，并举出 Notion 和 Snowflake。两位发言者在初创企业和风险投资结果上都有职业利益。

Tunguz 认为，他的前雇主 Google 在 2023 年受到对话式 AI 的挑战。他用创新者困境解读其反应，并推测查询成本可能让经济模型看起来不具吸引力。这些关于战略和未来竞争的说法是他的评估，并非内部确认。

他描述自己对语言模型逐渐变化的理解，将阅读材料学习与实践学习作比较，并讨论涌现行为。他的类比是一种简化的个人解释，并不能从技术上证明已部署模型会从每次互动中学习或像人一样行动。

Stebbings 问，当 AI 系统综合出版商的内容时，出版商如何维持业务。Tunguz 说，所有权、署名和收入分成仍未解决，并提到围绕搜索摘要已有的争议。他预计未来可能形成某些安排，但访谈没有解决版权或合理使用问题。

被问到 2023 年底宏观经济是否会改善时，他预测会恶化，并提及利率、货币供应和地缘政治风险。这是历史预测，并非对后来结果的报告。他还称赞 Adobe 当时的生成式 AI 工作，并认为企业准备就绪是一个机会。

快速问答中，他提到自己愿意投资 Founders Fund 和 Goodwater，并解释后者的消费者业务重点可以补充自己的企业软件工作。这些是个人偏好，访谈没有确立任何基金的业绩。

他把 Datadog 和 Twilio 列为自己错过的投资，并说初创公司可以创造早期难以识别的市场。他还提及对 Omni 和 MotherDuck 的投资，并说自己当时还没有看到明显的近期错误。这些评论涉及他自己的投资关系，并非已实现回报数字。

Tunguz 希望有限合伙人更公开地解释自己的目标和投资组合构建方式，让管理人了解基金是否适合。Stebbings 同意有限合伙人市场可能不透明，并希望提高透明度。

2023 年 4 月被问到 2024 年美国大选时，Tunguz 预测 Ron DeSantis 而不是特朗普会获胜，并推测法律和党内动态。他随后表达了对共和党和福利改革的看法。这些是他的政治观点和选前预测，并非后来事件的陈述。

他提到 Guy Podjarny 和 Zendesk 前首席财务官 Alan Black，认为他们的运营建议很有价值。他说 Black 经历困难市场的经验对创始人有帮助；这些是职业关系，而非独立背书。

Tunguz 把 Looker 列为自己现金回报最强的投资，并描述了他在 2012 年的判断：云数据基础设施会为新一代商业智能产品创造空间。他感谢创始人 Lloyd Tabb 早期对自己的信任。他的叙述没有提供完整、经审计的回报计算，访谈以致谢结束。