Victor Lazarte 谈创始人、AI 与技术变革中的投资

Benchmark 普通合伙人 Victor Lazarte 与 Harry Stebbings 谈论创办 Wildlife Studios、支持创始人以及他预期的 AI 影响。Lazarte 投资过 Brex，并说他也支持了 Mercor 和 HeyGen；阅读他对这些公司和市场的判断时，应考虑这些投资利益。访谈中的数字和预测未经独立核实。

Lazarte 说，他和兄弟在巴西自筹资金创办移动游戏公司，但这并非主动选择：他们曾努力融资。他说，2011 年前后当地风险投资行业尚不发达，自己也缺乏商业经验。他记得最好的报价是用 5 万美元换取公司一半股权，他们拒绝了。

兄弟俩热爱游戏，也在寻找市场增长的证据。Lazarte 回忆，2008 年至 2009 年移动应用下载量增长了约 42 倍；他们决定开发移动游戏，自己制作了最初几款作品。这是他的回忆，并非经过核实的市场数据序列。

他关于时机的经验是研究当下哪些事情行得通，而不是完全依赖对未来的预测。他提到此前互联网和移动技术的采用趋势，并估计以算力衡量的大语言模型使用量在两年内增长约 100 倍。他称这一估计并不精确，但有方向性参考价值。

Lazarte 认为大语言模型推理的普及带来了重大的创业机会。他以 ChatGPT、Character.AI 和 Cursor 为例，称它们已有大量使用，并建议在用户已经喜爱的产品周边寻找新业务，而不必拘泥于创造完全前所未有的类别。

如果要设想一家自己最想创办的公司，他会选择开发 AI 伴侣。他预测，未来可能有一家公司与 Character.AI 的关系，类似 Facebook 与早期社交网络的关系：它将成为一款开创性产品的重要继承者。这个类比是预测，并不意味着某个特定继承者一定会出现。

他把智能体带来的转变分为三类：适应变化的现有企业、被以智能体为核心的挑战者取代的现有企业，以及新界面催生的企业。他认为，智能体可以让客户与企业互动，就像在与熟知产品并能解决问题的老板交谈。

Stebbings 问，AI 伴侣是否实际上会将其他人排除在社交生活之外，并表达了对心理健康的担忧。Lazarte 认为有可能出现一个随时在线的数字朋友。他认为财富对幸福感的影响会递减，而关系的深度很重要；但访谈并未证明 AI 伴侣能改善心理健康。

当被问及社交媒体是否已经加深人际关系时，Lazarte 说 Instagram 帮助他认识了妻子，作用是积极的，但他认为这只是触及表面。他认为朋友能帮助人们构建关于自身的叙事，让他们感到被理解。他预测，五年后 AI 对大多数人的了解可能会超过任何一个人。

Stebbings 问 Lazarte 是否希望孩子在这样的世界里成长。Lazarte 认为，AI 伴侣可以减少孤独、帮助人们与他人建立联系，而非取代面对面的朋友。他设想的系统会充分了解用户并介绍合适的人认识；这些好处与保障措施只是愿景，并非已经证明的结果。

Lazarte 回忆自己在巴西创业时认识了 Pedro Franceschi。他说 Pedro 在此前的支付公司与投资人签署协议后失去了公司控制权，而 Lazarte 虽然没有股份，仍帮助他与律师商讨。他鼓励 Pedro 去美国创业，后来投资 Brex 的种子轮并加入董事会。

他说，对 Brex 的了解影响了他支持 Mercor 的决定：后者创始人 Brandon 让他想起 Brex 创始人。Lazarte 寻找两种他认为很少同时出现的特质：思想开放和敢于提出异议。这样的创始人会带着好奇心倾听，也能自信地表达不同意见。这是他的选择标准，并非经过验证的成功公式。

他从 Yuri Milner 那里借鉴的另一个问题是：创始人如何度过一整天，尤其是空闲时间。他回忆 Pedro 出于技术好奇心研究 iPhone 网络流量并找到一种越狱方法，而 Brandon 广泛阅读商业及 Bill Gurley 的相关内容。Lazarte 相信这种内在兴趣会随时间产生复利。

他说 Brex 在推出后 18 个月达到 1 亿美元收入，而 Mercor 在他投资时的年收入为 100 万美元，11 个月后增长至超过 1 亿美元。这些是他对增长的描述；访谈没有提供完整会计期间或可比的收入定义。

Stebbings 问，年轻创始人是否需要不同类型的投资人或董事。Lazarte 说需要，并强调获得经验的重要性：他将 Mercor 的年轻创始人与 Pedro 介绍认识，后者在二十岁出头管理高速增长的公司时面临过类似挑战。董事既需要相关经验，也需要充分了解公司背景，才能有效运用经验。

Lazarte 将硅谷的实力归因于长期积累的公司建设知识和人脉网络。他用人口与公司数量的粗略比较推测，美国西海岸的创始人建立科技巨头的可能性约高出一千倍。访谈没有建立严格的概率估算，也没有控制其他因素。

他说自己每周大约会见五到十家新公司，其中只有一家左右来自主动联系他的陌生项目。他追踪的大多数机会来自与业内人士交谈和行业研究。他说，加入 Benchmark 后参与的四家公司中，三家来自这一过程，另一家则是他参与共同创办、仍处于隐身阶段的公司。

Stebbings 问，异常快速的增长是否打破了过去的 SaaS 投资手册。Lazarte 认为，过去把达到某一收入门槛视为行业领先证据的简单规则已不那么可靠：许多 AI 收入可能具有实验性质，而围绕模型搭建的薄层工作流程可能随底层模型进步而失去价值。

他检验一家 AI 公司的首要问题是：更好的模型会让业务变强还是变弱。他说收入增长仍值得关注，但他想寻找能从模型进步中增值的产品。这是一条投资启发式原则，并不能证明任何公司的护城河会持久。

Lazarte 称替代知识工作者是令人兴奋的机会，并预测 AI 可能比人类更擅长面试候选人。作为 Mercor 的投资人，他认为改进面试、从后续工作表现中学习以及建立人才市场都可能带来优势。这些是他的商业判断，并非对招聘准确性或公平性经独立验证的衡量。

Stebbings 提出外界对 Mercor 收入说法的批评。Lazarte 说相关业务确实产生收入，但这不是由年度合同支持的年度经常性收入；这一数字是收入运行率。他认为，只要人类在某些知识任务上仍优于模型，AI 实验室对专家评估人员的需求就可能持续，但这种持续性仍不确定。

他描述了一种训练过程：专家出难题并制定评分标准，模型生成答案，所得评估结果用于支持强化学习。在他的描述中，找到合格专家很困难，而 Mercor 帮助实验室完成这项工作。这是对一种方法的简化介绍，并非对所有模型训练方式的完整描述。

Stebbings 问，面对持续性较弱的收入和高企的 AI 估值，投资人获得的回报是否足以补偿风险。Lazarte 说定价需要逐案判断，称自己参与的 HeyGen 和 Mercor 特定融资轮价格便宜。当主持人质疑后来 20 亿美元的估值时，他澄清自己指的是此前参与的融资轮，不一定是那个估值。

Lazarte 预测，未来三年内创办的一家公司最终会达到 1 万亿美元价值，并认为投资一篮子当下的 AI 赢家，平均来看会有好结果。他也承认，事后会发现一些看似成功的公司价格过高。他的理由是 AI 除了争夺软件预算，还可能面向劳动支出；结果和回报仍属推测。

Stebbings 担心小团队建立高价值公司可能替代劳动支出并扩大不平等。Lazarte 同意这一转变可能造成不稳定，并估计十年后当前依靠电脑开展的知识工作可能只剩约 1%。这是他个人提出的激进预测，并非已经确立的就业估计。

Lazarte 反驳 AI 只会增强劳动者能力的说法，认为它会替代人。他仍预期更高效的公司会让整个社会受益，同时承认分配所创造财富是严重问题。访谈既没有确定替代速度，也没有确定收益会如何分配。

Stebbings 认为全民基本收入无法满足人们对目标感的需求。Lazarte 则认为，AI 财富极度集中可能通过民主政治推动再分配；他设想公民用 AI 助手评估政治人物。双方的论点都带有推测性，包括他认为此类系统能可靠识别选民利益的假设。

Lazarte 认为，与中国的竞争可能促使美国在内部存在分歧时集中精力；他说自己希望强大的 AI 由美国控制。Stebbings 认为中国在教育、基础设施和人才方面有优势；Lazarte 回应称，美国的人脉网络和现有 AI 产品仍让其处于领先地位。他们的地缘政治判断是观点，并非经过验证的排名或隐藏能力的证据。

谈到采用时间表，Lazarte 认同一个常见提醒：人们可能高估一年的变化，而低估十年的变化。尽管如此，他预测五年内日常生活将发生显著变化，并以 ChatGPT 的快速增长作为采用的例证。这是预测，而非得到保证的时间表。

他设想一款应用逐渐赢得足够信任，进而告诉人们每天该做什么，最初从锻炼或服药提醒等日常支持开始。他预测，最终用户可能会遵循影响更重大的建议。这是他的愿景，并不能证明盲目遵循 AI 系统安全或有益。

Stebbings 建议学生选择牙科或外科等动手职业，以获得就业保障。Lazarte 则建议学习计算机科学，即使未来不一定成为开发者也如此：他认为理解技术、逻辑推理和将大问题拆解为小问题的能力仍会有用。两种职业预测都无法保证未来就业。

Lazarte 说 Benchmark 参与了 Cursor 的一轮融资。当被问及公司是否必须领投某个早期融资轮时，他反对僵化的投资阶段规则，并说目标是成为重要创始人的紧密合作伙伴。Stebbings 指出，许多投资人都有类似说法；他希望自己成为创始人在遭遇困难时会致电的人。

Lazarte 认为，Benchmark 投资数量较少，部分原因是为了让合伙人有更多时间陪伴每家公司。他说外部投资人很难轻易改变公司的发展轨迹，但可以作为思考伙伴，帮助创始人接触专业知识。多年的董事会参与能积累背景知识，帮助处理重要招聘和决策。

他说，少量参投通常缺乏这种背景知识，但有时可以开启一段逐渐深入的关系。他在 Benchmark 获告知，自己的任务是帮助建设公司，而不是保留所有传统。他认为，随着风险投资发生变化，小团队和轻量流程能让适应变得更容易。

Lazarte 描述了董事会角色的变化：从重在避免损失的监督，转向支持有雄心的创始人并最大化上行空间。Stebbings 对此提出质疑：董事对股东的受托责任并不总与创始人的抱负一致。Lazarte 回答说，他在投资时评估创始人，即便有分歧通常也会努力支持对方；这是他的理念，并非法律陈述。

被问及是否曾对创始人失去信心时，Lazarte 说自己的一些天使投资结果不佳，但他从 Peter Fenton 身上学到，只要创始人愿意继续尝试，就要保持投入。他回忆一家陷入困境的公司，投资方的回应不是放弃，而是增加董事会会议频率。

他称 Benchmark 的投资流程较为轻量：合伙人必须介绍投资想法并征求同事意见，但不需要获得批准。一到十分的投票不设五分，用于了解大家的态度，而非行使否决权。即使存在分歧，主导投资的合伙人仍可继续。

展望十年后，Lazarte 希望 Benchmark 参与投资他预测可能达到万亿美元价值的众多公司。他认为公司应拓宽对适合 Benchmark 的融资轮的定义：有能力的创始人瞄准大市场时，融资额可能是 500 万美元，也可能是 2 亿美元。这些结果是预测，并非对投资组合的保证。

他说，自己在 Benchmark 的第一笔投资是从一只 6 亿美元基金中向 HeyGen 投入 5500 万美元。他认为，与公司早期帮助创始人的能力相比，基金名义规模的约束较小，并说较大投资有时可使用特殊目的投资工具。这是他对投资组合构建的看法，也披露了公司在 HeyGen 的利益。

谈到 Sierra 创始人 Bret Taylor 时，Lazarte 说 Taylor 重视与 Peter Fenton 的关系，并以交谈的形式与合伙人会面。他认为优秀的创始人能从早期聚集合适的人才中受益。这个例子体现了他对合作关系的看法，而非证明某项投资的结果。

在快问快答环节，Lazarte 称赞 Fenton 理解他人并鼓励人们敞开心扉的能力。他回忆一次晚餐后，自己感觉对一位认识多年的熟人有了更深了解，并说这样的交谈有助于建立与创始人的关系。

被要求选择一只持有十年的上市公司股票时，Lazarte 选择了 Duolingo。他预测，其语言产品可能成为涵盖更多科目的免费 AI 导师，公司也会因此变得很有价值。这是他的个人投资论点和预测，并非投资建议或经过证实的产品路线图。

谈到基金时，他说自己是 GreenOaks 的投资人，早期投资则选择 Conviction。他最后表达了自己的抱负：无论担任董事还是共同创始人，都希望成为解决教育、安全和陪伴问题的公司的重要参与者。他关于 AI 解决重大问题的说法是对未来的期望，而非已经确立的结果。