Benchmark、a16z 与人工智能时代的风投回报算术

Harry Stebbings 与 Scale Venture Partners 的 Rory O’Driscoll 和 SaaS 投资人 Jason Lemkin 讨论大型与专注型风投公司的经济模式、人工智能与就业，以及软件市场快速变化的后果。数字例子和预测反映的是 2025 年 5 月的讨论。

嘉宾首先讨论了据报道 OpenAI 可能以约 30 亿美元收购 Windsurf 的消息。他们将其视为当时流传的新闻，而非已完成的交易，并讨论大型模型供应商的分发能力可能对独立编程公司产生的影响。

O’Driscoll 说，拒绝收购报价时，需要考虑买家随后收购竞争对手会发生什么。他明确将据称针对 Cursor 的报价视为传闻，并没有声称知道其投资人或创始人做了什么决定。

Lemkin 观察到，同一家公司的投资人可能因投资时间和已出售股份的多少，对报价作出不同反应。O’Driscoll 建议创始人了解各方的处境，因为围绕退出的利益并不总是一致。

嘉宾比较投资人对退出的反应，并回顾 Instagram 和 Loom 等交易。快速收回本金、回报倍数与一笔引人关注的交易带来的声誉收益是不同结果；账面估值和报价也不必然等于分配给每位投资人的现金。

Lemkin 说，早期投资人在持仓大幅升值后可能变得厌恶风险。O’Driscoll 认为，让优秀持仓继续增长可能极其重要：一个已达 10 倍的持仓若再翻倍，就会达到 20 倍，但额外收益并无保证。

Stebbings 提出一种假设：大型多阶段机构可能在未来十年胜出，因为它们能从种子轮一直支持公司到规模巨大的私募融资。他预计会出现更多估值异常高的私人公司，但承认这是对未来的判断。

O’Driscoll 区分了赢得管理资产和交易机会，与为有限合伙人赚取足够回报。大型机构由于部署更多资本，可能接触到更多赢家；但其基金能否全部达到回报目标，是另一个问题。

对于 Scale 这样的中型机构，他预计未来几年与大型资金池竞争会让投资更困难。即使这些资金最终未能实现预期回报，短期内支付高价的能力也会改变市场。

Lemkin 说，当种子轮定价超出自己的基金所能承受的范围时，他有时会选择不竞争。嘉宾指出，大型机构可能通过早期支票建立关系，以便以后获得投入更大金额的机会。

O’Driscoll 将风投称为一种捆绑产品：能跨多个阶段投资的机构可以将早期融资作为更广泛关系的一部分。他将早期支票比作引流产品，是一种分析比喻，并不是说每家多阶段投资机构都会有意在种子轮亏钱。

Stebbings 问，投资人如今是否必须参与天使前轮，才能看到最好的 A 轮和 B 轮机会。O’Driscoll 说 Scale 正在考虑这一问题，但一家机构不应该向创始人承诺种子投资策略，除非它准备真正执行。

O’Driscoll 认为，创始人主要寻求资金和支持，而基金回报质量最终关乎有限合伙人。Stebbings 反驳说，许多创始人重视投资人投入的关注，而投资项目较少的人可能有更多精力。

讨论一项外部 A 轮投资分析时，O’Driscoll 引述称 Benchmark 约有 63 笔投资，命中率为 10%；Andreessen Horowitz 约有 454 笔投资，命中率为 2%，其中以公司达到 50 亿美元为成功门槛。他将数字归于该分析，而不是对两家机构的完整审计。

根据这些数字，他说 Benchmark 有六个此类结果，a16z 有十个：专注型机构的命中率较高，大规模策略的成功案例绝对数量更多。命中率和数量本身不能证明基金层面的回报，也不能证明专注策略造成了差异。

嘉宾提醒，这些交易来自早期不同的市场。O’Driscoll 补充说，一只基金在所有重大成功案例中所占的份额，与自己投资中有多少成为成功案例，是不同指标；依赖获得前所未有的赢家份额的策略，可能难以持续。

Stebbings 认为，若出现更多价值极高的公司，多阶段基金就可能行得通。O’Driscoll 回应说，该模式可能依赖在公司保持私有、持续增长期间投入大量资本，而不只是赢得更多 A 轮交易。两者都是预测。

Lemkin 预测人工智能取代知识工作会造成大量岗位流失，并问软件公司能捕获多少由此产生的价值。他对快速岗位流失的估计部分来自自身业务，是预测，并非对整个经济体的实测结果。

O’Driscoll 同意人工智能可能创造有价值的公司并提高效率，但不同意未来一两年会突然出现大规模失业。他预计采用和宏观经济影响需要更长时间。

Lemkin 提议就就业结果打一个 10 万美元的赌，并说他的团队在此前 90 天因人工智能减少了五个岗位。他关于人们不想工作的更广泛说法是基于个人见闻的观点，不能证明所有求职者的情况。

分歧并不在于个别任务能否自动化，而在于组织采用工具的速度、新需求能否抵消部分岗位减少，以及变化会在多大程度上扩散到科技业之外。

Stebbings 认为人工智能的传播可能比早期技术更快，因为许多用户已经有必要的使用界面。O’Driscoll 强调组织采用和历史生产率增长的约束，同时承认更大的科技行业可能加快早期采用。

O’Driscoll 认为某些行业的生产率可能大幅上升，而经济其他部分变化缓慢。Lemkin 担心客服等岗位的失业人员可能找不到同等工作；两人都无法在谈话中确定最终的劳动力市场结果。

嘉宾讨论了大学、毕业生就业和实用技能的需求。他们的评论是对劳动力市场变化及特定教育选择价值的判断，而非适用于每个学生的建议。

Stebbings 提到当时针对 Harvard 免税地位的政治威胁，并问大学捐赠基金面临压力对风投意味着什么。O’Driscoll 认为结果尚不确定，但捐赠基金仍可能因此更谨慎地作出出资承诺。

他说，新兴小型基金通常比超大型基金更依赖大学捐赠基金，因此资金压力可能强化现有的规模优势。他还认为，大学研究和毕业生对科技生态很重要。

嘉宾讨论了人工智能竞争可能损害软件公司但不将其彻底击垮的情况。企业可能继续经营，但增长放缓、定价受压或客户流失会改变其实现风投规模退出的前景。

他们讨论了关于 Decagon 估值与年度经常性收入之比的报道，并争论快速增长是否足以支撑高倍数。该倍数是报道中的融资比较和嘉宾的估值讨论，并不是投资人已实现回报的证据。

O’Driscoll 强调，风投购买的是未来巨大上涨空间的可能性，同时承认价格越高，结果对假设就越敏感。嘉宾对高速增长的人工智能应用能否保持优势存在分歧。

Lemkin 担心，即便现有产品已融入客户工作流程，新竞争对手仍可能迫使公司降价、增加客户流失并放缓销售。O’Driscoll 认为系统集成和企业关系可能带来黏性，但同意市场异常动荡。

嘉宾区分了可能较容易切换的通用开发者产品，以及嵌入复杂专业工作流程的专用软件。Stebbings 提到面向专利律师的人工智能公司 Solve，他的机构领投了其 A 轮，因此他在这个例子中有投资利益。

Lemkin 认为，即使人工智能竞争没有击垮企业，也可能使其偏离 IPO 所需的增长轨道。O’Driscoll 预测领先的企业产品最终可能进入更稳定的市场，但明确承认自己可能判断错误。

嘉宾讨论了模型能力可能持续带来颠覆。如果模型本身吸收更多应用功能，初创公司的产品可能面临新的竞争；这一变化的程度和时间仍不确定。

Stebbings 问到上市餐饮软件公司 Olo 及其出售的可能性。Lemkin 说自己对 Olo 没有形成详尽看法，但认为面临竞争压力的公司应该认真考虑可信的收购报价。

他们还讨论了据报道 DoorDash 的收购，以及 Deliveroo 获得的报价相对此前公开市场估值的溢价。他们对战略价值和英国市场定价的解读，是基于当时可得信息的观点。

最后，嘉宾回到 Josh Kopelman 提出的风投算术：每家机构都应该问自己，需要获得多少可用市场份额才能让基金模型成立。O’Driscoll 说，历史交易份额可以为雄心勃勃的假设提供冷静检验。

嘉宾区分回报倍数和持续时间：较短时间内实现资金翻倍，其年化回报可能与较长时间内更高的倍数相近。他们还强调必须看到、赢得并持有足够多的相关投资机会。

Stebbings 认为，媒体可以让投资人保持知名度，而不必仅为展示活跃度而投资；这一观点与他自己的媒体业务有关。O’Driscoll 同意机构需要找到保持相关性的方式，并说投资人必须应对当前的大规模资本市场。