风险投资周期：AI 市场、算力与行动过快的代价

Harry Stebbings 邀请 Jason Lemkin 和 Rory O’Driscoll 讨论不断变化的风险投资市场，话题包括合伙人薪酬、软件市场规模、AI 基础设施，以及在繁荣周期中配置资本的难题。

讨论从 Everett Randle 加入 Benchmark 和风投机构之间的人才流动谈起。嘉宾考虑了薪水、股权和基金业绩分成如何影响合伙人的选择，而合伙人的回报可能需要很多年才能兑现。

投资人讨论风投薪酬是否足够透明，以及成功的合伙人可能赚多少钱。其中部分细节只是推测，并非已确认的条款；更广泛的一点是，基金利润分成可能比年薪更重要。

Lemkin 区分了账面估值和实际返还投资者的现金。他谈到一只 2017 年的基金，估计账面回报约为 5 倍，但指出实际分配尚未确立这一结果。从看似成功到回报兑现之间漫长的等待，会改变合伙人看待薪酬的方式。

Stebbings 转向 Revolut，讨论一家公司达到巨大规模时评估市场规模的难题。嘉宾谈及有关融资和估值的报道，用这家公司举例说明市场定义如何超越最初的产品。

Lemkin 说，他希望看到一家年度经常性收入达到 1 亿美元的公司仍只占不到 1% 的市场份额。这是一条投资经验法则，并非对 Revolut 的实际测量：广阔的剩余市场提供了持续增长的空间，而不必依赖拿下所有潜在客户。

O’Driscoll 认为，创始人可以从一款定位狭窄的产品出发，同时进入广阔的相邻市场。关键不是第一个功能能否单独支撑一家大公司，而是客户基础和能力能否提供一条可信的路径，让公司进入相邻产品领域。

Stebbings 强调创始人随着公司扩张而拓宽业务的能力。O’Driscoll 补充说，当地条件可能带来优势：谈到 Spotify 时，他提出欧洲的许可环境或许有助于其早期发展，而非将其视为已确立的解释。

嘉宾追问投资人究竟能在多大程度上了解未来的总体可触达市场。现有品类更容易统计，但如果产品改变行为或替代人力，历史软件预算可能无法反映它创造的需求。

Lemkin 担心垂直 AI 的热潮可能类似疫情期间的软件繁荣。当新技术促使许多潜在客户同时急于购买时，第一批客户可能带来惊人的增长，却无法证明同样的速度能持续。

Stebbings 对这个类比提出异议：疫情带来的需求有异常明确的成因和结束时间，而 AI 改变了软件的能力。分歧在于，快速采用究竟意味着持久的新市场，还是把多年的需求提前压缩到短时间内。

O’Driscoll 认为，疫情的暂时性条件与技术变革之间有重要区别。即便如此，他也警告不要简单外推最初的采用速度：实施需要投入，客户组织也需要时间吸收新的工作流程。

问题不仅是客户是否需要软件，还包括软件能否创造足够的价值，打开更大的预算。一款能消除棘手任务的应用，可能触达从来不会购买传统工具的客户；这一可能性仍需要实际采用和留存来检验。

Lemkin 再次提到一个风险：最初看似令人印象深刻的垂直市场，最终可能发现买家数量有限。早期收入可能让一笔投资看起来显而易见，却掩盖了寻找新客户、扩展产品或进入相邻工作流程的必要性。

嘉宾对比了需求广泛的横向应用与面向单一职业的产品。后者可能是优秀的生意，但风投回报取决于潜在客户数量、每个客户的价值，以及能否超越最初的使用场景。

Lemkin 认为，如果市场比预期狭窄导致增长放缓，被收购可能是合理的结果。他认为相当一部分 B2B AI 风险投资可能亏损，这是一项预测，并非已测得的结果。

投资人进一步演算市场规模。1 万名客户每年各支付 1 万美元，意味着 1 亿美元收入；同样价格下，如果客户数量大得多，机会也会大得多。这些是示例假设，并非经过核实的客户数量。

他们讨论了法律和其他专业服务领域：AI 或许能获取过去用于人力而非软件的支出。产品能否做到，取决于质量、信任和采用情况；嘉宾举出的例子属于预测，并不保证法律工作一定会如此变化。

Stebbings 提到自己投资的 Solve Intelligence，将其作为 AI 应用于专利工作的例子。他认为，成功的应用可以从特定任务起步，再向价值可观的更广泛工作流程销售；这项投资关系与他的观点有关。

话题从应用市场转向支撑这些应用的基础设施。嘉宾追问 AI 公司的经济模式能否支撑迅速增长的算力成本，以及谁最终承担长期承诺的风险。

嘉宾讨论了涉及 OpenAI、Microsoft 和 Oracle 的安排。他们对义务、融资和风险分配的讨论，是投资人对报道中交易的解读，并非对合同的审查，也不是对任何一方风险敞口的核实计算。

投资人区分了有说服力的商业理由和有保障的回报。供应商可能为了服务快速增长的市场而寻求算力，其合作伙伴则期待获得一项长期资产；但如果需求或融资的发展偏离假设，双方仍可能面临风险。

话题转向有关 Poolside 和一个与 CoreWeave 相关的拟建数据中心项目的报道，其中提到了 2 吉瓦的规模。嘉宾讨论这一规模和可能的动机，但并未证实这些产能已经运营，也没有核实合同条款。

对开发模型的初创公司来说，获取足够算力可能成为战略约束。O’Driscoll 推测，产能稀缺和大买家的在先承诺可能促使公司建设基础设施，但强调这只是可能的解释，并非经过证实的内部信息。

嘉宾设想，如果一家普通初创公司提出自建数据中心，投资人会如何反应。最初看似软件公司的投资，可能逐渐变成资本密集得多的业务，令达到现金流收支平衡所需的资金增加。

Stebbings 披露，他早期投资了创始人此前的业务，随后这笔投资转入 Poolside；他称其账面增值约为 50 倍。O’Driscoll 区分了当下寻求算力的理由与该决定最终是否理性；答案可能要多年后才能揭晓。

O’Driscoll 推测，现有产能不足可能让模型公司面临难以接受的选择：自己建设、推迟抱负，或者停止。他明确表示这只是一个假设，并指出在当前约束下看似合理的决定，之后仍可能让人后悔。

Lemkin 认为市场增长可能快于创始人最初的预期，从而使更大规模的融资成为可能。嘉宾同意预期和风险偏好都在上升，但未来能否继续获得资金仍不确定。

O’Driscoll 将 AI 基础设施与其他经历繁荣和萧条的市场作比较。供应短缺时，买家会作出承诺以确保供给；新产能上线而需求减弱时，价格可能下跌。他认为类似调整有可能发生，但时间很难预测。

Stebbings 质疑 AI 市场的萧条是否会导致资本多年离开这一领域。O’Driscoll 回应说，有用的技术与严重的投资调整可以同时存在：如果采用速度低于新建基础设施所依据的预期，泡沫可能破裂。

举例来说，造价 20 亿美元的数据中心如果需求不及预期，可能不得不以 10 亿美元出售。在这种价格下，再建一座数据中心可能就不划算了。O’Driscoll 用历史上的带宽周期解释这种机制，而不是声称这一结果必然发生。

Lemkin 描述了他正在进行的一笔早期 B2B AI 投资。它可能持续使用远超他以往投资规模的推理算力；按当前价格，这种工作负载在经济上还不可行，因此机会部分取决于算力成本下降。

Lemkin 提到另一项投资 Opus Clip，作为提高算力效率的例子。该产品早期先提供几个视频片段，客户要求后才生成更多，从而避免做用户可能不需要的工作；但他认为，未来应用仍可能消耗多得多的推理算力。

被问及这一判断是否意味着应该投资 Nvidia 时，嘉宾指出，退休账户和 QQQ 等持仓已经带来了相关敞口。问题在于投资人愿意承担多少额外的集中风险，而不是简单认定令人兴奋的技术在任何价格下都值得买入。

O’Driscoll 认为，强大的技术往往吸引过度投资，最终出现收缩。他关注的实际问题是，如何参与上涨，同时保留在低迷中生存并在之后继续投资的能力，而不是能否预测市场何时转折。

嘉宾将这种做法称为跨时间分散投资。Stebbings 说，基金募集周期再次缩短；投资太快可能让组合高度依赖同一套价格和假设，即便它持有多家不同的公司。

假设几只基金分别取得 5 倍、3 倍和 1 倍回报，整体回报不一定就是 3 倍：答案取决于各基金的相对规模。这说明连续几只基金的回报与加权计算整个组合的回报是两回事。

O’Driscoll 认为，最激进的投资人在调整前可能看起来最聪明，之后却可能损失最大。他希望承担足够的风险以受益于繁荣，同时避免风险过大，以至于市场下跌后无法继续投资。

嘉宾追问，如果风投回报落后于公开市场，有限合伙人是否会继续配置这一资产类别。O’Driscoll 说此前 5 年风投回报远低于公开市场；这是他的概括，并非适用于所有基金或所有测量周期的普遍比较。

Lemkin 补充了风投配置的运营成本：评估众多基金管理人、跟踪基金并维护关系都需要时间和人员。对风投配置占比很小的资产管理人来说，这些成本提高了投入资本所需跨越的门槛。

讨论扩展到市场周期和 AI 快速普及的后果。嘉宾思考不断变化的预期如何鼓励投资人加快行动，即便最终结果还要经过多年才能明朗。

他们还讨论了 AI 生成内容以及平台的责任。问题在于，随着工具更容易使用，公司应如何处理有害或未经授权的材料；这段交流涉及可能的风险和个人经历，并非对特定事件的司法认定。

嘉宾权衡了支持有用的创作工具与防止滥用之间的张力。他们认识到，当内容能够迅速生成和传播时，审核决策与执行会更加困难，而个人可能面临严重后果。

Stebbings 以一道假设题开启同意或不同意环节：Replit 能否在下一年年底前达到 10 亿美元年度经常性收入？Lemkin 持乐观态度，O’Driscoll 对市场规模没有把握，Stebbings 则不同意。没有人将这个目标说成已经实现的结果。

Stebbings 认为，Replit 的目标受众可能比 Lovable 更窄，并提醒说客户流失和用户群逐渐成熟可能令增长放缓。他投资了 Lovable，这与他的比较有关。

Replit 用户 Lemkin 说，在他使用的约 110 天里，其智能体有明显进步。他认为，更容易的软件创建方式会催生新的应用类别，也会让早期产品更难评估，因为制作精良的初始产品变得容易得多。

O’Driscoll 将市场问题归结为工具支出与人力支出。如果 AI 工具只是替代其他工具，增长最终可能趋于平稳；如果它们还取代了代理机构和开发工作上的支出，潜在市场就可能大得多。这是一个情景，并非对具体赢家的预测。

当被要求在持有 Deel 或 Rippling 的股份之间作选择时，O’Driscoll 最初有所犹豫，因为 Scale 投资了竞争对手 Papaya。他说薪资服务市场很大：每家雇主都必须支付员工薪水，但在美国，新供应商往往需要取代现有服务商。

O’Driscoll 认为，帮助雇主管理不同司法辖区的员工存在国际市场机会。他说 Papaya 更侧重中型和大型客户，而 Deel 从较低端市场起步，随后向上拓展。这一比较反映了他的判断及其机构的商业利益。

Lemkin 最终选择 Rippling，同时承认他不确定哪家公司最终会更有竞争壁垒。他说投资了 Deel 的 Stebbings 和 O’Driscoll 掌握他没有的信息；他的选择是个人观点，并非对两家公司未来表现的定论。

如果一家公司达到 10 亿美元年度经常性收入时仍可能被视为早期，为什么还要投资年收入只有 100 万美元的公司？Lemkin 说，他的优势在于帮助年轻企业扩大市场开拓能力，而离开自己的专长领域曾让他亏损。后期投资可能有不同的风险特征，却未必符合他的技能。

O’Driscoll 同意，早期和后期风险投资需要不同能力，尽管二者都归入同一资产类别。对年轻公司的小额投资与对成熟公司的巨额投资，时间跨度和回报来源可能截然不同。嘉宾最后指出，风投结果往往需要很长时间才能明朗。