Lucas Swisher 谈 AI 成长投资、基金规模与扩张的价格

Harry Stebbings 问共同领导 Coatue 成长基金的 Lucas Swisher，上市软件股为何下跌，以及私募市场相比如何。Swisher 说，AI 让投资者质疑未来软件收入和利润的持久性。他的解释是投资者对市场情绪的解读，并非对每只股票变动原因的经验证说明。

他认为，不确定性可能使投资者不再那么愿意忽视股票薪酬，或美国通用会计准则盈利与调整后盈利之间的差异。他还说，同一家软件公司可能同时存在有说服力的 AI 乐观和悲观情景。因此，他认为部分投资者在等待更清晰的证据时离开了该行业。

评估传统企业时，Swisher 会关注收入环比增长、新增年度经常性收入和留存率。他提醒，公布的盈利数据是回顾性的，因此可能无法立即捕捉快速变化。这些建议指标是一个框架，并不能证明某家企业安全或受到威胁。

Stebbings 问，看起来便宜的上市公司是否比昂贵的私募融资轮提供更好的风险调整后机会。Swisher 说两边都可能有吸引力：低价可能反映真实问题，而只要公司增长足够，高价投资仍可能奏效。两种结果都取决于未来表现、入场价格和流动性。

Swisher 看重公开市场的流动性，但认为一些快速增长的私人公司提供了公开市场投资者无法直接买入的敞口。他以 OpenAI、Anthropic 等企业为例。Coatue 投资了讨论中的多家公司，包括 OpenAI、Anthropic、Revolut 和 OpenEvidence；这些关系与他的评价有关。

他描述了一批保持私有时间更长、开发了多种产品的大型“平台公司”。他估计十年前其中多少公司本会上市，这只是示意性判断，并非经过测量的反事实。Stebbings 指出，更长的私有阶段也扩大了成长投资者的机会。

谈到 AI 收入的持久性，Swisher 说模型领先地位可能快速变化，并认为过去的架构转型也曾挑战传统企业。他寻找能够反复重塑产品、追随新需求的团队，而不是仅依赖现有收入流。这是他的投资框架，并非对未来留存的保证。

他以 Databricks 为例，认为这家公司跨越了几波产品浪潮；他说 Coatue 自 2019 年起投资该公司。他称赞创始人将业务从最初的数据转换用途扩展出去。这是投资者对投资组合公司的评价，并非对其未来增长的独立评估。

Stebbings 描述了投资 Lovable 时，据报道公司收入在谈妥条款和完成文件之间大幅增长。Swisher 说指数增长可以快速改变表面上的估值倍数，但难点在于判断增长曲线能否持续。阶段性融资估值或快速变化的收入运行率本身都不能确立已实现回报。

Swisher 解释，Coatue 会先考察构想规模、市场需求和公司质量，再考虑估值。他举例说明 ARR 从 2,000 万美元升至 2 亿、6 亿，再到 30 亿美元，这是假设路径，并非对某家公司的预测。如果增长没有实现，价格仍会影响回报。

他说高入场价格要求投资者确信市场和公司能够变得极大。按他的说法，Coatue 过去以能否成为市值 100 亿美元的上市公司作为示例检验，如今转向考虑能否成为规模大得多、持久经营的公司。他提到的 500 亿和 1,000 亿美元都是投资情景，并非对每家投资组合公司的预期估值。

Stebbings 问，与其他选择相比，这样的投资是否最能利用资本。Swisher 重视灵活的投资授权，让基金能在不同阶段投资并比较机会。他还希望首投能为公司执行顺利后的更大规模追投留下空间；追投机会只是可能性，并非有保证的权利或有吸引力的价格。

Swisher 引用一张内部图表，称部分较高估值区间的公司后来增长十倍的比例更高。他没有提供样本、时间段、方法或对幸存者的处理，因此访谈不能确立未来回报的一般概率。他的观点是，公司规模已经很大后，仍可能进一步扩张。

被要求在市场规模和创始人质量之间选择时，Swisher 说两者都重要，但他先看市场。他认为创始人开发更多产品的能力可以随着时间扩大机会。他说，优秀创始人在狭窄市场也可能建立好公司，但要达到其策略所需的结果可能更难。

谈到价格，Swisher 说它重要，但在他的评估中往往排在最后。价格仍可能高到足以侵蚀预期回报，使他放弃机会。他说发起融资轮的投资者可能影响条款，但他的支付意愿取决于对公司执行和最终市场规模的判断。

一个定性检验是：以某一价格投资并看到公司完成目标后，他是否愿意以更高价格再次投资。他把这与只看下一次估值上调作对比。这个检验询问的是业务变得更贵后能否仍有吸引力；它不能消除稀释、时间或退出风险。

Swisher 说，与早期进行许多小额投资再选择性加码相比，Coatue 更偏好少量大额投资。他引用内部估计，认为少数私人公司占据了很大比例的企业价值。访谈没有独立记录这些数字及其覆盖范围，因此应将其视为他的示意性集中度估计。

Stebbings 指出一些大型机构持有相互竞争的公司。Swisher 说这可能让创始人感到困难，也可能使投资者更难赢得交易，尤其是直接竞争的早期企业。公司规模更大后，最初在不同市场的企业也可能扩张进入对方领域，产生需要投资者与创始人管理的冲突。

他提到 Coatue 历史上同时投资 Snowflake 和 Databricks，称两家公司起初重点不同，后来逐渐靠近。他指出 Snowflake 更早上市。这个例子说明竞争可能在投资后形成，但不能证明机构持有竞争资产时不存在冲突。

话题转向大型基金。Swisher 认为，30 亿美元的早期基金可能面临困难的持股和回报计算，因为它必须捕获相对少数巨大结果中的足够份额。他说，较小基金不必持有每家领先公司也能成功。这是他对基金构建的评估，并非实际回报计算。

他认为，如果大型私募融资轮和最终结果支持集中持仓，50 亿美元成长基金可以运作。他的简单示例是：投资 10 亿美元获得十倍毛回报，产生 100 亿美元，相当于 50 亿美元基金规模的两倍，尚未扣除费用、支出、损失及考虑其他投资。这是算术示例，不是基金回报承诺。

Swisher 预计，处理劳动相关支出的 AI 企业可能比传统软件单独产生更大的潜在结果。他说超大型基金应关注能够返还大量资本的公司，同时承认垂直软件仍可创造有价值的企业和退出。他的市场扩张论点属于预测。

被问及后期交易的三倍回报是否足够时，Swisher 说他寻找更大的上涨空间，因为其他投资可能回报更低或亏损。在两笔规模相同投资的示例中，1 倍和 5 倍平均为 3 倍毛回报，零回报和 6 倍也平均为 3 倍毛回报。基金净结果还取决于投资规模、时间、费用和支出。

他不仅希望看到实现三倍收益的合理路径，还希望有理由相信其他投资者会以更高估值买入公司。他描述了与 Coatue 公开市场团队同事讨论股票最终需求的做法。这是他的流动性纪律，并不能证明届时一定有买家或退出机会。

Swisher 说，二级市场出售可以在 IPO 前提供流动性，他理解早期基金为何使用这一方式。此类出售可能帮助一些投资者在公司保持私有时实现收益，但机会、价格和时间各不相同。他继续偏好自己认为最终能吸引大量流动性的企业。

被问及追投错误时，他说机构有时高估了市场规模或公司推出多种产品的能力。他说其投资风格通常产生较低损失率，但没有提供审计数字。他把这一经验视为提高扩张论点门槛的理由。

Stebbings 问增长不错但慢于最快 AI 企业的软件公司会怎样。Swisher 说他不知道这些公司的最终退出路径，并反对认为它们都是糟糕企业。他说它们可能创造真实利润，只是可能不符合 Coatue 的集中策略及其追求的结果。

谈到 AI 利润率，Swisher 说相同的基本商业原则仍然适用，但基础设施转型期间早期毛利率可能具有误导性。他预计推理成本、模型选择和工作负载路由会随着时间提供改善利润率的机会。成本曲线以及各公司能否获得这些好处都不确定。

他同意 AI 应用可能因支付云和模型费用而拥有低于早期软件的毛利率。Stebbings 提出，更高效的工程、销售或法律工作可能降低运营费用，并可能支持更高的营业利润率。这是一个情景，而非测量结果，也不能保证较低毛利率会被抵消。

Swisher 说，高估值、尚无收入的公司通常不在其基金策略范围内。他偏好有真实产品、需求和增长证据的企业，同时承认其他人会更早投资。他对风险回报的评估反映 Coatue 的授权，并非断言每家早期公司都估值过高。

Stebbings 描述自己在一笔种子交易中输给了一位以高得多估值提供大得多投资额的投资者。Swisher 说，更大的早期融资轮和更高价格可能使种子基金更难获得目标持股。他还认为一些 AI 企业比过去的软件初创公司需要更多资本；影响因企业而异。

投资者能否同时擅长 A 轮和 D 轮？Swisher 说这有可能，但很难，因为所需技能不同：早期投资者可能依赖反复与创始人会面，后期投资者还必须分析财务报表。他说 Coatue 在公开和私募市场使用不同专业人员，因为各领域的信息和竞争对手不同。

嘉宾辩论“造王”，即知名支持者和充足资本能否决定赢家。Swisher 说资本和有声誉的投资者可以帮助公司招聘或获得关注，但不能保证成功。在他看来，没有产品市场契合却拥有过多资金，也可能助长浪费或自满。

他将这一风险与向已展现进展、能够有效使用更多资金的成长公司投入资本区分开来。他认为一些快速增长的公司可以从额外资本中获得强劲回报，这是投资判断，并不能证明每笔大额融资都会有正回报。

Stebbings 问，如果二级市场提供流动性，Canva 或 Stripe 等大型私人公司为何还要上市。Swisher 预计许多最终会上市，理由包括获得资本、更广泛的流动性和公开市场反馈。这些是可能的好处和预测；上市也会使公司受到公开审视，节目没有确立任何具体上市计划。

Stebbings 质疑，在 AI 竞争下 Canva 是否真的是平台公司。Swisher 说它从年鉴转向在线设计和更广泛的产品组合，并称赞其早期采用 AI。Coatue 的投资利益以及他讨论的相关 AI 投资，与他的积极评价有关；产品增长说法是他的描述。

Swisher 回忆在 Kleiner Perkins 与 Mary Meeker 共事，称赞她严谨的分析和通过数据解释公司的能力。他描述职业早期建模时遇到的困难，以及如何学习用财务细节讲清楚故事。这是他的个人经验，并不是说仅凭电子表格就能预测结果。

他说数据是前提，而非全部答案。在 Databricks 的例子中，单一季度的新增 ARR 无法捕捉他和同事评估的更广泛趋势。对于低利润率 AI 公司，他尤其希望看到强留存，因为经济性和客户行为都弱时，犯错空间很小。

谈到 Mamoon Hamid，Swisher 回忆曾研究 Figma 早期客户和留存数据，并说 Hamid 识别出了拐点。他对客户名称和约 50 万美元 ARR 的回忆是近似值。Swisher 的赞赏反映了两人曾共事，并不能确立预测赢家的一般公式。

Stebbings 要他在知名基金管理人中选择。Swisher 不愿指定唯一赢家，说不同投资者和策略可能适合不同有限合伙人。他对 Meeker、Hamid、Insight 等基金的描述是受职业关系影响的个人观点，并非独立核实的排名。

被要求在 OpenAI 和 Anthropic 之间选择时，Swisher 讨论了他看到的双方优势，而没有宣布赢家。他称赞 OpenAI 的消费者分发和企业机会，也称赞 Anthropic 在编码方面的地位及跨云和芯片供应商部署的能力。Coatue 同时投资两家公司；他的比较优势和未来应用看法来自有利益关系的投资者。

他强调那些能从公司成功中受益的合作伙伴所具有的战略价值，同时承认支持公司的投资者和伙伴不会自动决定结果。嘉宾区分了拥有优势与证明某一家供应商会获胜。竞争条件和基础设施安排都可能变化。

Swisher 说，他的看法已转向相信 AI 能处理劳动相关工作并支撑大得多的结果。他把自己的信念与对采用速度的确定性区分开来。他说，即使一些 AI 公司的增长快于过去的软件企业，企业整合和部署仍然困难。

他引用公开讨论过的 Anthropic ARR 和增长数字来说明这一速度，并与早期云业务比较。这些是他在特定时间给出的数字和比较，并非独立核实的财务报表；ARR 是年化经常性指标。他预计尽管技术采用迅速，组织变化仍需要时间。

Swisher 回忆第一次见到 Harvey 创始人 Winston Weinberg，并说语言模型与法律文书工作的契合让他印象深刻。他说 Coatue 的团队错过了 A 轮，后来成为投资者。他的故事是投资组合投资者的回忆，并不能证明法律 AI 可以在没有专业人员审查的情况下运行。

他描述从 Insight 离开前往 Kleiner Perkins 是一个艰难的职业决定；他早期工作包括大量联系创始人。搬到另一家机构和另一个地区意味着离开更可预测的道路。他建议年轻人审慎考虑这类变化；这是个人职业经验，并非普遍适用的处方。

Swisher 说，旧金山可以帮助 AI 公司接触集中的人才，但不是绝对要求。他认为稀缺专家之间的竞争可以使异常高的薪酬方案有其理由。这些是他对地域和薪酬的观点，并不能证明某个具体方案会创造价值。

他回忆自己曾在专注软件指标时放弃 Anduril 的一轮融资，并说自己没有充分认识团队和更广泛的机会。这一事后例子支持他认为财务数据单独可能遗漏公司方向的观点，但事后判断并不能证明按照当时可获得的信息，原始决定是不理性的。

被问及什么让他兴奋时，Swisher 提到新的 AI 产品和未来的 OpenAI 设备。他以 OpenAI 投资者的身份发言；他的热情是个人预期，并非产品评测，也不能证明其最终功能、上市时间或成功。