Bucky Moore 谈风险投资平台、AI 与早期投资

Harry Stebbings 采访 Bucky Moore。Moore 在 Kleiner Perkins 工作七年半后宣布加入 Lightspeed Venture Partners。两人讨论大型风险投资平台、基础模型的经济性、种子轮估值和创始人选择。Moore 的说法和预测反映了他在 Lightspeed 的角色——他指出该机构投资了 Anthropic——以及他与投资组合公司的既有关系。

Moore 说他加入 Lightspeed，是为了在全球多阶段平台内从事早期企业投资。他认为超大型科技公司可能为能够开出异常大额支票并持续支持赢家的基金创造机会。他举出的未来数万亿美元结果和巨额回报只是情景，并非当前已实现结果。

他认为仅有规模还不够：大型机构必须持续接近种子投资和公司创立过程，才能保持创业直觉并赢得创始人的信任。他对这一模式的论证与他刚加入的平台的利益一致，不能证明它会超过小型基金的表现。

Stebbings 质疑资本密集型模型开发商是否是好的风险投资标的，并提到一些 Anthropic 投资人在稀释和员工支出后大约获得三点五至四倍的结果。Moore 说结果仍不确定，并承认资本开支高、现金消耗大及利润率压力。主持人的数字只是估计，并非经审计的已实现回报；Lightspeed 是 Anthropic 的投资人。

Moore 预计，在模型之上构建的消费者和企业应用将在三至五年内改变收入与利润率结构。他提到数十亿美元收入运行率下的快速增长；运行率不一定是全年已经获得的收入。他预期的改善属于预测，并不能证明支出会带来有吸引力的回报。

Stebbings 问，如果模型提供商进入产品领域，应用初创公司在哪里能建立持久价值，并提到 Windsurf 可能被收购。Moore 认为模型实验室将在编程等核心领域激烈竞争，但预计许多专业客户问题仍会留给独立公司。访谈将交易作为一种可能性提出，并未确定它已经完成。

Moore 认为投资人可以集中投资一家模型公司，也可以在多家公司之间分散投资，前提是创始人理解并接受潜在冲突。他认为两种方式各有好处，而最终赢家和回报结构仍未知。这是对该领域有投资敞口的投资人的策略讨论。

被问及是否会出现更多超大型平台基金时，他认为大型有限合伙人已经作出长期承诺，限制了他们能支持的平台数量。他提出，少数机构可能有机会参与异常大规模的融资。他也说这类机构的最终规模取决于 AI、航天和机器人如何发展，并承认自己不知道答案。

Stebbings 担心价值将集中于极少数公司。Moore 说未来出现多少超大型赢家尚不清楚，并认为机器人等早期领域可能带来超预期结果。他明确指出风险投资人倾向乐观；他们举出的公司例子和可能的市场规模都不是已确定的结果。

谈到价格，Moore 回忆一条建议：最好的公司往往看起来很贵。他说投资人必须判断一家早期公司是否真正非凡，同时承认在这一阶段更容易出错。他愿意为潜在领导者支付高价是投资判断，并不能证明高入场价会带来好回报。

Stebbings 问市场规模估算是否仍然重要。Moore 说，在替代现有产品且支出可衡量时，例如部分网络安全领域，这可能很重要。对于根本性的新产品，他认为估算非常不精确，并称创始人可以通过新用途和产品创造或扩大市场。这两种做法都是应对不确定性的方式，并不保证市场规模一定很大。

Moore 认为，依赖成熟财务模型的投资人可能被迫更晚投资，因为有前途的 AI 公司在详细经营记录出现之前就完成大额融资。这是否会改善回报尚未确定。他强调，早期投资人承担了大量不确定性，并不是因此不再需要分析。

Stebbings 认为，大型平台以小型种子基金无法匹配的高价提供超大融资轮，正在破坏种子投资。Moore 承认，有些创始人后来后悔融资过多、价格过高，因为选择空间缩小。他说自己会尽量与创始人讨论取舍，同时承认最终由创始人决定。

当公司仍在探索不确定的市场时，Moore 对超大融资轮更加谨慎。如果业务不成功，较低估值可以留下更多被收购的选择；额外的资金跑道也可能让有才能的创始人在前景疲弱的想法上工作数年。Stebbings 指出，更多现金也可能带来额外实验机会，因此取舍不是单方面的。

两人讨论投资人多快能知道一家公司是否有效，以及 AI 如何改变对早期增长势头的预期。Moore 说异常快速的收入增长可能很有吸引力，但收入的持久性和质量仍是未解决的问题。初期需求旺盛不应等同于已实现回报。

Moore 以 Glean 和 Windsurf 为企业需求强劲的例子，并认可曾参与这些投资的 Kleiner Perkins 前同事。他说高级技术领导者面临采用 AI 的压力，成功部署可能通过同行网络传播。这些例子来自前同事的投资组合关系；本文未独立测量采用率或生产力主张。

Stebbings 问，如果市场信号越来越清晰，为什么选择仍然重要。Moore 说，赢得竞争激烈的融资轮通常需要数月积累知识并与创始人建立关系；投资人必须先选择把时间花在哪里。他认为引荐和奢华招待无法取代实质性的洞察。

Moore 说领域专业化可以帮助投资人确定优先接触的创始人并理解其问题，尽管优秀的通才也存在。Stebbings 不同意专业化会改善选择，认为它更大的价值在于赢得创始人的信任。他们也指出，仅因为已经投入时间而对一个机会过度执着存在危险。

Stebbings 提出大型平台可以等到后期融资。Moore 回应说，更多项目接触机会会形成更大的筛选漏斗，使在优秀机会中选择变得困难。他说自己最大的错误来自关注市场和技术，却低估了创始人的执行力与团队质量；这是他的经验，并非系统性的业绩研究。

Moore 说自己仍对进入风险投资的资本规模持乐观态度，因为许多有前途的创始人和想法仍需要支持。Stebbings 反驳说如今每个 AI 类别似乎都很拥挤。Moore 同意竞争使早期投资更复杂，并描述一笔匿名交易中等待产品证据、最终付出更高入场价的经历。

在 AI 应用领域，Moore 目前认为技术性的 AI 专长尤其稀缺，同时仍重视领域知识。他以 Harvey 为例，说明法律和 AI 经验的结合。他对招聘和竞争的判断属于观察和预测，不能证明任何特定团队会获胜。

Stebbings 认为机构如果无法接触种子前项目，就无法在风险投资中获胜。Moore 同意大型平台需要早期工作来理解尚未成熟的公司能多快发展，并指出需要想象早期 AI 应用随着模型改善可能成为什么样。这是对风险投资实践的看法，并非每只成功基金都必须遵循的已证实要求。

他们讨论多阶段投资人在种子投资后拒绝跟投时的信号风险。Moore 说创始人和投资人应坦诚沟通，强劲的公司仍可吸引其他资本。Stebbings 强调困难的中间情况：表现参差不齐、失去机构内部支持者时，融资可能更加困难。

被问及专业种子机构与大型平台能否共存时，Moore 认为既有竞争也有合作。大型机构希望早期持有潜在赢家的股权，同时也依赖专业基金发现并培养自己错过的公司。这是多阶段机构合伙人的商业视角，并非对特定交易的承诺。

Moore 说他对模型公司收入构成的看法发生了变化。他现在预计模型之上的应用比单纯的 API 更持久，后者在他看来面临价格压力、切换和高资本需求。他提到 token 价格的大致下降幅度；访谈没有提供可比较的数据集来证明该速率。

他预测前沿实验室会越来越多地构建消费者和企业应用。对于以研究为重点的另一种做法，他讨论了将资源集中于长期工作而非短期产品需求的可能好处，同时明确表示自己不能代表创始人发言。他拒绝确认自己是否投资了 SSI。

Moore 提醒不要假设通往 AGI 的进展必然平滑上升。他说即使能力停留在现有水平，也仍可能支持有用的产品和大型业务；他也相信新的研究方法可能继续改善模型。他对当前能力和未来扩展的观点具有推测性，并取决于如何定义 AGI。

Stebbings 问企业采用技术通常是否比预期更慢。Moore 认为 AI 不同，因为高管感到采用它很紧迫，他在与 CIO 的交谈中看到了这一点。这一论点基于他的观察，并非企业采用周期的受控比较，也不是生产力提升的证明。

在快问快答中，Moore 将团队排在增长势头和市场之前，并说自己的一些错误源于因为怀疑市场而忽视增长势头。他预计金融创新将有助于解决私募市场流动性问题，但这是预测，而非已证明对每位投资人都有效的解决方案。

他认为可能出现这样的未来：小型专业机构和大型平台都持续增长，而中型基金面临压力。他称赞 Amplify Partners 的 Mike Dauber 是自己的导师，并将理想的创始人关系描述为建立在好奇心、信念以及知道何时帮忙或退后的基础上。

展望十年后，Moore 希望 Lightspeed 成为强大的全球多阶段平台，而自己能为其早期企业投资业务作出贡献。这是职业和机构目标，而非基金表现预测。