Nabeel Hyatt 谈风投与人工智能的不确定性

Spark Capital 普通合伙人 Nabeel Hyatt 与 Harry Stebbings 讨论风投、创始人和人工智能。他对 Anthropic、Granola 等公司的评价体现了 Spark 的投资利益，也反映了访谈时市场存在的不确定性。

Hyatt 说，随着人工智能改变市场，投资人必须调整方法。他将能够凭足够已知信息解决的“谜题”，与情况不断变化、无法事先计算答案的“未知难题”作对比。

他认为，上一个 SaaS 周期促使行业采用标准化指标和大型项目搜寻团队。随着模型和用户行为快速变化，他相信投资人需要好奇心、判断力，以及与创始人共同面对尚无定论问题的能力。

他预计许多机构会难以改变，因为它们的组织结构和有限合伙人关系都是为早期环境建立的。这是他对竞争的判断，不能证明任何特定机构已经失败。

他偏好由小团队作出主观但审慎的投资，并为创始人提供讨论和反馈。在他看来，投资人应该使用产品、理解新兴工作流程，而不是只依靠市场传言和账面估值。

他批评那些在退出之前，就因快速估值上调和晋升而奖励初级投资人的激励机制。他描述的是对行业部分现象的看法，并非经过核实、适用于所有投资人或机构的结论。

Stebbings 将风投比作把公司包装好交给下一轮投资人。Hyatt 理解这个比喻，但并不喜欢；他认为，追逐后期投资人当前想要的东西，无法有效替代对未来的持久理解。

他说，团队扩大并不能自动覆盖激增的初创公司。相对于高频筛选漏斗，他选择关注较窄的一组机会，花更多时间理解创始人和产品。

Hyatt 说，Spark 相对较小的合伙团队形成于此前的技术变革时期，在 2021 年 SaaS 繁荣期间没有像一些同行那样积极扩张。他认为这种结构更适合当前环境；这一判断与他自己的机构有关。

嘉宾讨论了由于竞争对手愿意出更高价格和提供对创始人更有利的条款而错失交易。Hyatt 说，即使价格很高的交易也可能成功，但他拒绝接受热门交易总是好或总是坏的规则。

他会问一家公司是否具有真正的竞争优势，而不只是众多相似供应商之一。答案取决于市场和公司本身；简单比较不能确定持久价值。

Hyatt 讨论合伙与导师指导如何帮助投资人培养判断力。当市场变化时，建设性的问题和共同经验可能比单一固定的操作手册更有用。

他反思了自己在 2021 年投资繁荣时期对方法的怀疑：当时其他机构行动更快、价格上涨。他的经历展示了追随主流策略的压力，即使那种策略并不符合自己的信念。

谈到投资人提供的服务，Hyatt 认为创始人在不同时刻需要不同帮助。投资人可以倾听、质疑假设并提供背景，而不必接管创始人对公司的责任。

当对创始人的信心减弱时，他说投资人必须理解具体问题，以及公司当前需要完成的工作。讨论强调坦诚对话，也指出区分暂时困难和更根本不匹配有多难。

Hyatt 区分产品品味和执行速度。不同机会需要不同组合，而适合某个阶段的创始人也可能遇到变化后的市场，需要新的能力。

他以 Granola 为例，称创始人在早期指标尚可的情况下仍大幅改变产品。Spark 领投了该公司的融资，因此 Hyatt 的积极评价伴随着投资利益。

Hyatt 认为，在快速变化的人工智能市场中，持久价值需要持续创新，而不能假设单一产品或壁垒会无限期存在。这是他的投资判断，并不保证持续变化一定能形成防御优势。

他怀疑当初创公司可能创造新类别时，市场规模幻灯片能否提供精确答案。Spark 仍会选择自己的关注领域；他并不是说每个看似小的市场都会变大。

Hyatt 利用产品了解创始人的思考方式。他询问他们为何作出具体决策，并观察他们构建了什么，而不是只看精美的演示或电子表格是否符合模板。

他说，自己通常每天与约一到两家公司交谈，偏好先短暂会面，在双方有兴趣时再进行更长的交流。包括 Discord 和 Cruise 创始人在内的一些关系，是经过数月或数年建立的。

价格很重要，但他说支票金额、目标持股比例和公司能否有效使用资金相互关联。他担心过大的融资轮会改变招聘和激励，从而损害一家年轻公司。

Hyatt 将 Figma 列为因一轮规模很大的产品发布前融资而错过的机会。他的遗憾既关乎投资，也关乎与创始人合作的机会；访谈没有量化 Spark 未进行的交易所造成的实际损失。

他没有把主动进行二级市场交易作为主要工作，但说这类交易确实会发生。他的理由是寻找和支持早期公司已经占用有限时间；他也承认投资人最终需要流动性。

Hyatt 将人工智能初创公司分为适配、进化和革命三类。适配是给现有产品加入人工智能；进化改变工作流程；革命则创造此前不可能存在的新产品或平台。

他以 Granola、Replit 和 Descript 为工作流程变化的例子，并说 Spark 偏好更具颠覆性的进化或革命，而不是表面上添加人工智能。这些类别是讨论视角，并非对每家公司的客观排名。

Spark 是 Anthropic 的早期投资人，Hyatt 认为价值既可能归于模型供应商，也可能归于应用。他看好 Anthropic 的理由包括产品执行、直接客户关系和从使用中学习；这是有利益关系的投资人的预测。

他说，DeepSeek 没有从根本上改变他的看法：单靠资本不足以赢得基础模型竞争。他预计优秀团队会结合模型开发、产品品味和客户反馈，但没有确定哪家公司最终会领先。

Hyatt 认为，熟练用户的反馈可以帮助形成下一代产品，并以 Descript 的编辑流程为例。此类数据是否有用取决于获取和使用方式；谈话没有确定所有产品的数据访问权或结果。

谈到人工智能智能体，他担心围绕当前模型能力构建、容易复制的服务会迅速变得拥挤。他鼓励创始人选择值得多年投入的困难问题，并规划持续创新，而不是只依赖短暂套利。

他讨论了亏损和不确定性是投资的一部分，并说事实变化时必须重新审视判断。糟糕的结果或错过的交易都能帮助投资人理解最初决策及其背后的假设。

Hyatt 对欧洲目前的人工智能初创环境持怀疑态度，并认为 San Francisco 的人才和知识集中很有价值。Stebbings 反驳说，当地招聘成本和竞争很高；这段交流呈现了不同观点，并非对地区的实测排名。

当创始人问下一轮融资需要什么时，Hyatt 会先问他们想建设什么，以及未来一年什么事情可能让他们感到惊喜。他相信有说服力的故事应来自业务本身，而不是仅仅达到标准指标。

嘉宾承认，对于增长健康但速度慢于最新人工智能初创公司的软件企业，未来存在不确定性。他们没有预测这一群体的具体结果，也没有说营收翻倍就是停滞。

在快问快答中，Hyatt 说自己现在不太愿意仅依据底层模型评估人工智能公司。他还回忆父母支持自己的非传统道路，并尝试在不替孩子作决定的情况下给予指导。

他说，自己还有可能作为创始人发展另一种职业，因此能以更少的失业恐惧参与风投。他仍然承认，公司必须为有限合伙人创造回报并支持创始人。

Hyatt 将风投描述为不断变化的市场中的创造性工作，而不是只有一个正确答案的固定游戏。他鼓励投资人同时带着信念和怀疑应对不确定性。

他回忆从一位资深同事那里学到，与其试图立即衡量每天的所有结果，不如关注自己是否进行了深入思考和认真的工作。他说，享受工作并不能免除对长期投资结果的责任。

最后，Hyatt 追问风投如何才能更好地支持创新和优秀创始人。他愿意看到交易条款演变，但更希望把创始人和投资人视为致力于共同目标的人，而不是纯粹的交易关系。