AI 烧钱倍数、基础设施融资与风险投资市场

Harry Stebbings、SaaS 投资人 Jason Lemkin 和 Scale Venture Partners 普通合伙人 Rory O’Driscoll 探讨 AI 如何改变风险投资。话题包括烧钱倍数、融资、AI 基础设施所需的能源、行业整合，以及创始人公开发言的责任。

Lemkin 提到 Iconiq 的一份软件报告。他说，报告发现年度经常性收入低于 1 亿美元的 AI 原生公司自由现金流利润率为负 126%，非 AI 公司则为负 56%；但他表示，更快的增长使前者的烧钱倍数更低。这些是讨论中引用的报告数据，不是适用于所有公司的普遍统计。

烧钱倍数比较现金消耗与净新增年度经常性收入：每增加 1 美元 ARR 消耗 2 美元，就得到 2 倍的烧钱倍数。数值较低可能说明公司增加收入的效率更高，但这个数字不能证明公司盈利，也不能显示剩余现金。

Lemkin 说，AI 带来不同的成本和增长速度，包括模型调用的 token 成本，因此跨公司比较这一比率可能产生误导。他提到一家公司每月烧掉 600 万美元、同时增加 3 亿美元 ARR 的例子是假设，并非经过核实的 Lovable 业绩预测。

O’Driscoll 仍认为烧钱倍数有用，但前提是看清背后的假设。ARR 必须是真实的经常性收入；快速增长可能让客户流失看起来比之后更低；毛利率也可能变化。对资本密集的模型公司来说，这一比率还没有反映资本支出。

为了检验经常性收入是否真实，O’Driscoll 建议把报告的 ARR 增长与按美国通用会计准则确认的收入变化作比较。过去适合简单对比的 SaaS 公司，通常有相似的利润率、销售模式、客户流失和资本需求；今天不能再假定这些条件相同。

估值逻辑还取决于客户留存。假设花费 200 万美元增加 100 万美元 ARR，按 10 倍收入估值看似很划算，但如果收入一年后消失，所假定创造的价值也就随之消失。

O’Driscoll 说，仅考核增长比同时考核增长和盈利更简单。增加销售或免费用户投入可以带来额外收入，但收入未必足以证明边际成本合理。公司最终必须展示可持续的经济模式。

即使烧钱倍数很好，也不意味着银行账户有钱。高效增长理论上应该吸引融资，与实际拥有足够现金支付薪水是两回事。O’Driscoll 希望知道现金余额，尤其是公司现金只够维持不到六个月时。

Stebbings 说，一些投资组合公司的增长和烧钱指标都很强，却仍难以融资；他看到投资人追逐的公司与被忽视的公司之间出现分化。他追问，当过去看似足够好的数据不再能保证融资时，创始人应该怎么办。

O’Driscoll 认为，风投对某些交易按未来可能性定价，对另一些则按当前倍数定价。一家年收入 1500 万美元的稳健公司，如果投资人看不到通向巨大退出的路径，对特定风投可能缺乏吸引力；这是对风投激励机制的描述，并非说公司没有经济价值。

Lemkin 说，即使公司的增长超过熟悉的“三次翻三倍、两次翻两倍”模式，如果没有被视为脱颖而出的 AI 赢家，也可能融资困难。他担心有些董事会仍以早期市场为依据提供融资建议，低估了今天融资的难度。

他举出一个假设：某公司有 1500 万美元 ARR、增长 100%、烧钱倍数良好，但市场规模有限。如果有可信投资人提出合理融资，他会接受，而不是假设只要有时间和增长就一定能获得更好价格。O’Driscoll 同意应优先关注现金和资本效率。

Lemkin 认为，随着成熟软件供应商加入 AI 功能，AI 软件与非 AI 软件的界限越来越模糊。他引用一份报告的说法：94% 的上市软件公司称自己是 AI 公司；这种自我描述不能等同于对其 AI 收入的衡量。

Stebbings 说，投资人似乎不愿为与资金雄厚、知名市场领袖竞争的公司融资。他的投资组合里就有他描述为行业第二或第三的公司，因此在这个问题上有直接投资利益。

O’Driscoll 同意顶级投资人的支持是一个因素，但认为这不是自动拒绝竞争对手的理由。当潜在客户本身也获得风投支持、熟悉这些投资人时，品牌可能更重要；其他行业的买家可能远没有那么在意。

Lemkin 认为，面对新兴 AI 品类、感到紧张的企业买家可能把熟悉的领头公司当作选择捷径。他预计这种情况会逐渐平稳，但响应速度和客户信任仍可能让竞争者赢单。他举出一名客户选择 Bolt 而非 Lovable 的轶事，并非系统性的市场研究。

O’Driscoll 补充说，更大的问题可能是知名投资人的第一张支票所吸引的第二轮融资。他假设一家已有 2000 万美元的公司，由于其他投资人跟随领投人，又筹到 6000 万美元。更多资本会改变竞争格局，但资金本身不能确保赢家。

Stebbings 追问，极高的 AI 估值究竟是市场见顶，还是对更大市场的合理反应，其中包括过去用于人力的支出。O’Driscoll 提出两种情景：生产力发生巨大变化并产生巨额收入，或者技术仍有价值但伴随痛苦的估值调整。两种结果都尚未确定。

Lemkin 认为 B2B AI 仍处于早期，并描述自己使用 AI 智能体和编程工具的经历。同时，他担心投资人可能低估亏损率、付出过高价格；他认为投资人在 2020 至 2021 年对许多软件独角兽也犯了类似错误。

O’Driscoll 区分了基金失败的两种方式。投资人可能选中始终没有找到产品市场契合的公司，也可能选对优秀公司，却因入场价格太高而无法用成功项目的回报弥补其他损失。选择和价格都很重要。

Stebbings 担心，知名 AI 领袖涉及的特殊交易可能成为先例，推动入场价格越来越高。O’Driscoll 警告不要把市场状态视作永久改变；嘉宾讨论的估值示例和预测，是针对特定时点的个人判断。

嘉宾讨论 Figma 股价低于上市后的峰值，并引用录制时约 26 倍收入的估值倍数。Lemkin 说，即使一家公司非常优秀，在极高的开盘价格之后股价仍可能下跌；这些数字是历史观察，并非当前市场价格。

O’Driscoll 描述了一套以公开市场 SaaS 同行为基准的估值阶梯。他回忆，历史上约 30% 增长率对应未来十二个月收入的 6 至 7 倍；他担心如果今天更高的基准下降，以此为基础的私人市场估值也会下降。这些基准和风险判断均来自他的分析。

讨论 Klarna 和 StubHub 后，嘉宾考虑 IPO 定价。O’Driscoll 预计，遭受损失的买家会要求 IPO 价格相对可比上市公司留出更大余地。他认为市场仍可能保持开放，但定价可能更谨慎。

他们讨论拟议中的 Electronic Arts 私有化及报道中 550 亿美元的交易规模。O’Driscoll 认为应结合依赖热门作品的游戏业务来看待杠杆，而 Lemkin 质疑单靠 AI 战略能否重振增长。这些是对报道中交易的判断，并非经过核实的交易承销分析。

Stebbings 转向 OpenAI 可能的能源和数据中心需求规模，提及潜在的 1 万亿美元基础设施数字以及与国家电力容量的比较。嘉宾把这些当作情景和讨论中的计划，而非已发生的支出、可用电力或已确认的融资承诺。

O’Driscoll 说，算力需求源于公司的雄心，只要收入和资本持续支持，融资可能会继续。他怀疑这种规模可能在两三年内变得难以融资，但明确区分了技术可能行得通与为其扩张融资的经济问题。

Lemkin 想象用电需求可比大城市、现场工作人员却很少的数据中心。他认为 Altman 可能找到解决方案，包括未来能源技术的进步，但有关 AI 城市和核聚变的画面属于推测性预测，并非对已运营设施的描述。

O’Driscoll 预测，电力、建设、销售和企业采用方面的现实约束，将迫使某些基础设施预测在五年内下调。他担心的是投资计划隐含的速度，并不是断言技术没有价值。

Stebbings 问 1 万亿美元从哪里来。O’Driscoll 同意这一规模极不寻常；Lemkin 认为可能不需要达到全部目标，以较少资本放慢速度仍能继续进步。嘉宾并未确定实际融资来源或最终资本需求。

O’Driscoll 欣赏 Altman 追求宏大愿景的能力，并预测 OpenAI 将赢得 AI 领域的领先地位。他同时警告，宏大目标不应自动被视作采购订单，也不应在贷款人和供应商规划自身承诺时被当作确定收入。

他提出一种情景：OpenAI 仍然非常成功，但增长速度较慢，需要的资本支出也比最激进的计划少。在这种情况下，基础设施投资人仍可能受到影响。他提及的增长和收入数字只是示例，不是公司指引。

Stebbings 披露，Meta 是他最大的公开市场持仓，同时表示他对该公司 AI 战略的信心有所下降。嘉宾以观察者身份讨论其招聘和支出；他们对管理层和未来结果的判断属于观点，而 Stebbings 的持仓与其立场有关。

O’Driscoll 说，领导者过去的成功可以成为再次大胆押注的理由，却不能证明新押注正确。他推测，大规模 AI 投资可能令人失望，而 Instagram 和 WhatsApp 等早期成功仍可能使整体成绩十分出色。

嘉宾讨论用户注意力的竞争：花在 AI 助手上的时间，可能减少花在社交平台上的时间。他们认为，这是老牌公司可能大举投入开发新产品的原因之一，即使商业回报仍不确定。

谈到在 ChatGPT 内购物，O’Driscoll 预计平台会探索商业交易和广告，作为免费用户变现的潜在方式。Lemkin 则将这一功能视为实验，并说媒体关注不能证明它会成为重要收入来源或改变购物方式。

对于规模非常大的公司，新产品可能需要数十亿美元收入才能显著影响业务。嘉宾把这一挑战与规模大得多的假设基础设施成本进行对比，并指出 1 万亿美元相当于一千个 10 亿美元。

话题转向 Fivetran 洽谈收购 dbt Labs 的报道。嘉宾引用报道中约 4 亿美元和 1 亿美元的 ARR 数字，并推测合并后收入可能超过 5 亿美元。讨论并未确认交易已经完成。

O’Driscoll 说，如果客户群和产品相互契合，相邻产品组合在一起可能更有价值。他认为整合是风投支持的公司达到 IPO 所需规模的一条可能路径，同时承认整合和交易很困难。

Lemkin 说，共同投资人可能使私有公司合并更容易谈判。他用假设的持股比例解释：一位原本持有某公司 20% 股份的投资人，可能不愿在合并后只持有更小份额，即使合并提高了退出机会。

O’Driscoll 同意，持股比例下降可能令人觉得代价很大，但他认为，相比持有一家无法上市公司的较大股份，持有一家有能力上市公司的较小股份可能更好。他们讨论中的百分比只是示例，并非拟议交易披露的条款。

嘉宾讨论了合并投资组合公司的激励和复杂性，包括股权稀释与投资人优先权。即使一笔交易在表格上看起来有说服力，也需要持有不同利益的创始人、董事会和股东达成一致。

他们讨论互补软件产品的组合，以及简单拼凑一批增长缓慢的企业的局限。Lemkin 认为产品之间有清晰联系很重要，并对个别公司的前景作出推测；这些是他的判断，并非经过核实的经营业绩。

Stebbings 问，随着 AI 加大颠覆风险，私募股权机构是否应重新考虑收购成熟 SaaS 公司。O’Driscoll 认为投资人应明确评估这一风险，但警告说，仅因为另一种投资策略看起来有吸引力就完全转向，本身也可能是错误。

Lemkin 说，许多企业软件产品多年变化缓慢，这让其收入看起来可靠。他披露自己领投了 Pipedrive 的种子轮，并以此为例：他回忆中的产品变化速度，在 AI 市场可能已不再足够。

O’Driscoll 同意，技术变化对私募股权持有的成熟公司和初创公司都构成风险。他认为，过去可能持续多年的产品市场契合，随着模型和客户预期变化，可能变得不那么稳定。这是对未来风险的投资判断。

Lemkin 在讨论基于 API 的业务时提到其投资组合公司 RevenueCat。他认为，AI 智能体可能减少企业需要的人类软件席位，但按席位定价未必会消失。如果供应商自己提供有价值的智能体服务，客户支出也可能朝相反方向变化。

O’Driscoll 说，席位数量无需降到零，也可能变得比过去难以预测得多。嘉宾还对一份关于裁员和再培训的企业声明作出反应，批评用委婉语言描述一项令人痛苦的雇佣决定。

Stebbings 问，创始人对员工和股东的义务是否应优先于个人政治表达。O’Driscoll 起初不愿接受首席执行官必须放弃个人观点的想法，同时建议公司在对自身使命之外的问题表态前认真考虑。

O’Driscoll 承认其中的张力：一些机构角色历来要求政治克制，尽管他重视个人表达。他没有把这一取舍归结为普遍规则，并区分了公司的正式立场与领导者的个人观点。

Lemkin 说，当一条帖子可能没有达到发布者预期的效果时，他偶尔会私下联系高管。他说，他接触过的大多数人理解潜在的商业成本，但因信念强烈而愿意接受；这些个人经历并不是针对高管的普遍调查。

O’Driscoll 说，董事会对明确属于个人观点的表达追究责任时应谨慎，同时承认在假设的极端情况下，客户或员工可能离开。Lemkin 回应说，有些领导者可能明知后果仍愿意接受。

Stebbings 认为，公众注意力变化无常，争议可能很快消退。O’Driscoll 同意公众往往迅速转移注意力；讨论最终没有给所有创始人开出统一答案。