20VC 圆桌：IPO 预期、精简的 AI 创业公司与投资风险

Harry Stebbings、Jason Lemkin 和 Rory O’Driscoll 讨论了一周里关于 IPO 计划、AI 公司增长和融资的报道与故事。他们的谈话发生在预期中的 SpaceX 上市之前；讨论的交易细节和市场预测，应理解为当时的说法与预期，而非已经确认的结果。

圆桌首先讨论有关 SpaceX 发行条件的报道。Stebbings 提到可能融资 750 亿美元、估值约 1.77 万亿美元；嘉宾还讨论了据称 135 美元的固定发行价、旺盛需求和面向散户的大量配售。这些数字是拟议上市前流传的信息，并非经过独立验证的交易条款。

O’Driscoll 说，拟议发行的规模和配售方式不同寻常，令首日走势难以预测。他考虑了早期上涨和表现令人失望等多种情景，并提醒说，表面需求并不等于股票上市后会持续有买盘。

Lemkin 区分了人们对一家标志性公司上市的热情与投资者参与时支付的价格。他认为股价可能起步缓慢，之后逐步上涨；O’Driscoll 看法不同，预计一年内会下跌。两者都是预期上市前的个人预测，并非实际结果。

嘉宾讨论，确定发行价而非把初始估值推至最高，是否能扩大参与范围并影响上市后的市场。向散户大量配售可能助长热情，但也增加了不确定性：需求究竟反映长期信念，还是为了赚取即时收益？

O’Driscoll 认为拟议出售的规模会影响整个市场：其他公司考虑发行股票时，一笔异常庞大的发行可能吸走关注和资金。圆桌并未声称知道这是否会降低其他股票的需求，也无法确定影响会持续多久。

话题转向私营公司股份的持有人，以及 IPO 流动性如何传递给风险基金和有限合伙人。公司估值的新闻数字本身无法告诉投资者某只基金赚了多少：入场价格、持股比例、稀释、时机和出售能力都会影响结果。

嘉宾比较机构和散户需求，并质疑表面超额认购有多少会变成实际订单。他们区分表达兴趣与在特定价格下真正投入资金，并承认股票配售方式可能改变上市后的市场动态。

他们还讨论早期支持者、主权投资者和养老基金在大型私募轮次中的作用。O’Driscoll 纠正说，提及的机构是 Ontario Teachers，而非俄亥俄州的一只基金。这些例子来自谈话，并非对任何投资者持仓或回报的核实记录。

Lemkin 再次谈到知名公司上市的情感吸引力。圆桌认同动人的故事能够吸引买家，却对拟议价格已经包含多少预期意见不一。他们认为，企业优秀和在某个价格买入是否划算，是两个不同的问题。

嘉宾推测大型上市可能如何影响其他考虑进入公开市场的私营公司。O’Driscoll 认为，在他的经验中这一规模前所未见，同时承认交易发生前，热情、配售决定和后续价格本就存在不确定性。

Stebbings 追问嘉宾对短期价格的判断。他们没有把某种结果视为必然，而是列出不同可能，并重新讨论机构、散户和寻求流动性的持有人可能如何行动。分歧说明，仅凭公布或报道的价格，几乎无法确定未来回报。

圆桌讨论了向市场配售大量股票的困难，以及公司可能有意留出空间让市场决定价值。即便品牌很受欢迎，所需资金规模和买家构成，也可能与首日叙事一样重要。

嘉宾将话题扩展到基金及其出资人的流动性需求。退出后能分配多少，取决于何时可以卖出股份以及基金如何管理投资组合；账面估值并不等于返还给投资者的现金。

SpaceX 话题结束时，嘉宾对首日交易和长期走势仍有分歧。O’Driscoll 强调以高昂价格买入的风险，Lemkin 则更看重公司的长期潜力。两人都没有声称已经看到最终市场结果。

Stebbings 转向一则关于 OpenAI 已提交上市相关文件的报道。圆桌讨论了可能的时间安排，以及 AI 公司为何可能寻求公开市场资金，但字幕没有提供文件或材料来证实该报道。他们对动机和时间的说法只是推测，并非交易确认。

嘉宾比较前沿模型开发商与传统软件公司的资金需求。他们认为，计算基础设施支出可能使获取大规模资本尤其重要；但上市决定也涉及信息披露、时机和现有股东的偏好。

话题转向有关 OpenAI 记忆功能更新的报道。嘉宾设想，助手能够在多次对话之间保留上下文，随时间更有用地理解一个人。他们把这视为新兴产品方向，并未独立验证某个具体版本的能力或可用性。

嘉宾说，持久记忆的吸引力在于用户不必每次互动都重复自己的偏好和经历。这些上下文可能提高回答的相关性，但也带来问题：系统保留哪些信息，用户又能在多大程度上控制它们？

圆桌考虑持续保留上下文的经济性：额外处理与存储可能令更个性化的服务交付成本提高。嘉宾没有完整的成本模型，因此他们讨论的是产品取舍的假设，而非实测的单位经济效益。

针对有关 Siri 将使用 Google Gemini 的计划报道，嘉宾讨论 Apple 应采用合作伙伴的模型，还是自己构建更多技术栈。一种观点认为借助合作伙伴能务实地改善助手体验；另一种则强调核心能力依赖竞争对手的战略风险。

嘉宾认为，Apple 的设备分发能力和对用户的了解，可能让它在打造更个性化的助手时占优。但他们也强调，OpenAI 和 Google 同样在争夺用户关系。这些评估描述的是潜在优势和风险，并不能证明胜负已定。

讨论将记忆、信任和隐私与消费级 AI 的竞争联系起来。最有用的助手可能需要深入的上下文，但用户也必须能接受系统处理这些信息的方式。圆桌认为产品体验与信任关系都是竞争的重要部分。

Stebbings 提到有关 Uber 人力资源部门裁减 23% 人员及调整返办公室政策的报道，并指出公司否认 AI 是裁员原因。Lemkin 说，招聘和人力资源往往是业务放缓时最先缩减的职能之一，但公司后来有时会发现自己又需要招聘人员。

Lemkin 认为 AI 可能改善部分人力资源工作，例如审视更完整的工作记录，发现有偏见的人可能忽略的问题。他明确表示自己并非主张去掉所有人类员工。这是他对潜在用途的预期，并不能证明自动化人事决策一定更公平。

O’Driscoll 猜测，工作效率提升可能有一部分来自自动化，但怀疑 23% 的人员缩减能否简单归因于 AI。他指出另一种可能是组织原本人员过多。公司否认的说法与嘉宾的推测都不能当成已核实的裁员原因。

O’Driscoll 认为，更有意思的自动化故事是有关 Uber 尝试 robotaxi 合作的报道，包括可能在马德里推出服务。他强调部署速度比许多人预期的慢。自动驾驶可能影响大量从业者，但规模和时间仍不确定。

嘉宾设想 Uber 的两种可能未来：robotaxi 可能威胁其地位，也可能由多家技术提供商利用它的应用协调出行。O’Driscoll 认为合作可能让公司无需拥有完整技术栈也能参与，但他承认结果尚未确定。

圆桌随后讨论有关 Revolut 估值 1,150 亿美元的报道。嘉宾认为，它的增长部分源于客户对传统银行费用和服务的不满，尤其是跨境交易方面。这是他们对竞争格局的解读，谈话并未独立证实所引用的估值和比较数据。

O’Driscoll 在赞赏之外补充了一个保留意见：按他的说法，Revolut 的业务并不以长期贷款为主。他追问，如果一家高估值银行品牌较少从事传统上连接储蓄与投资的贷款业务，会产生什么影响。圆桌将其视为商业模式问题，而非对整个银行体系的结论。

Stebbings 提到创始人讲述的不愉快风险融资经历。Lemkin 回忆自己当创始人时也曾心怀怨气，包括觉得一位投资人利用会面收集竞争对手的信息。他如今建议创始人也要判断会面何时对自己有用。

Lemkin 认为融资是一种销售，潜在投资人没有承诺时，创始人需要有韧性。他区分了令人不快的拒绝与被赶出公司等影响更大的事件。他建议从过程中学习，而不是认为每次谈判失败都值得长期结怨。

O’Driscoll 同意韧性重要，但认为拒绝尤其容易让人觉得针对自己，因为创始人推销的是自己的愿景和身份。他记得那些拒绝过其基金的有限合伙人。同时，他说风险投资人必然要拒绝大多数机会，所以令人失望的答复通常是默认结果。

嘉宾讨论了关于一次历史融资会面的存在争议的说法，以及投资人应如何表达对创始团队的担忧。正如 O’Driscoll 所说，其中一名当事人否认该说法。圆桌无法确定当时发生了什么，而是借分歧探讨如何坦诚反馈又不损害信任。

O’Driscoll 说，即使经验丰富的投资人有时也会处理不好拒绝，在意识到这一点后应当道歉。Stebbings 认为，继续向前看可能比记住每次怠慢更有用。嘉宾的个人故事展示了漫长融资生涯中消化拒绝的不同方式。

Stebbings 引述报道说，Lovable 以 146 名员工达到 5 亿美元年度经常性收入，Cursor 达到 40 亿美元，并以年底达到 60 亿美元为目标。这些数字和目标来自节目讨论，并非经过审计的结果，目标也不是已经实现的业绩。

Lemkin 说，重要问题是快速增长的 AI 公司在扩大规模时能否保持精简，还是最终会增加早期软件企业常见的组织层级。他看到一些团队用较少人员推出复杂功能，认为这可能重塑员工机会和投资预期。

他认为，规模小但生产力高的团队可能获得更高薪酬，同时提供的职位总数更少。这是预测，并非已经证实的全经济范围结果。他也质疑那些要求大幅增员，却没有解释为何不能用其他方式完成工作的管理者。

O’Driscoll 提醒，比较人均收入时必须考虑不同成本。如果 AI 应用把相当一部分收入用于外部模型，就不能把同一份收入同时用于员工。他举出的 50% 至 70% 是示例，并非对所提公司成本比例的实测。

嘉宾讨论 AI 能否让小团队获得足够的杠杆，生产和销售更多产品。O’Driscoll 认为，如果公司的经济条件允许分享收益，这样的团队员工可能受益。但人均收入更高，本身不能证明利润、薪酬或工作质量如何。

圆桌在企业销售问题上存在分歧。O’Driscoll 预计，向大型组织销售仍需要庞大的销售团队，类似以往的软件周期。Lemkin 指出 AI 公司有不同的市场进入选择，认为一些创始人愿意放弃部分边际收入来保持精简。

Lemkin 认为，企业级 AI 公司或许仍需要比产品驱动型公司更多的人，同时可能达到老牌同行数倍的效率。O’Driscoll 同意商业模式存在差异。他们提到的倍数是情景设想，并非对任何具体公司的既定测量或保证。

Stebbings 比较一家 AI 创业公司与 Salesforce 的人均收入时，O’Driscoll 再次提醒，这样的比较混合了企业销售、研发和模型成本。他用粗略的 token 支出估计说明，收入除以人数本身无法衡量可比较的盈利能力或生产率。

Lemkin 预测，未来几年，一些创业公司达到同等收入水平所需人数可能约为过去的一半。他认为这比任何单次裁员公告都更重要。O’Driscoll 把这一判断与 AI 增强劳动力联系起来，但两人都没有证实预测中的就业影响一定会发生。

Stebbings 提到一项据称与马斯克有关的 Cursor 收购，并问如果达到收入目标，这是否会被证明很有远见。O’Driscoll 赞赏他所描述的整体战略，但字幕没有证实交易、条款、收入目标或所引述的基础设施数字。他的评价有条件且带有推测性。

O’Driscoll 认为，如果其他模型开发商需要算力，在需求出现前向 AI 基础设施投入资本可能变得有价值。他也区分了出售算力与成功构建前沿模型。他提到的大额客户付款和年化收入数字只是谈话中的估计，并非已核实的合同或业绩。

Stebbings 引述 Ramp 据报以 440 亿美元估值融资 7.5 亿美元，并提及年度经常性收入和自由现金流。O’Driscoll 把这一价格视为对持续增长的押注：在他看来，快速增长的金融企业可能获得不同于成熟企业的估值倍数，但增长放缓可能改变这一计算。

O’Driscoll 认为，同样的问题也适用于 Revolut：投资者必须判断私募估值隐含了多少持续增长。圆桌引用的收入和利润数字是嘉宾所述的报道数字，不能确定两家公司未来赚多少钱，也不能确定其证券价值。

Stebbings 还提到有关 AI 音乐公司 Suno 融资的报道。Lemkin 说他付费使用并喜欢该产品，但使用频率不高；如果他对费用更敏感，可能会取消订阅。他不确定报道中的估值快速上涨能否长期得到支撑。

被问及大额融资的资金从何而来时，O’Driscoll 说，风险偏好可能比可用现金的字面增加更重要：投资者有信心时会投入资金，害怕时则会撤退。他无法判断情绪何时转变，认为这个时间点不可知。

Lemkin 指出，创业公司异常快速的增长可能让投资者表现得仿佛以往所有限制都已消失。O’Driscoll 同意新技术扩大了可能性，但认为参与者可能逐渐变得更激进，直到有人过度冒险。两人描述的是一种风险，并非预测市场下跌日期。

嘉宾讨论近期一次市场下跌，对直接触发因素给出不同解释。O’Driscoll 更广泛的观点是，市场预期可能令高估值股票即使面对小幅不及预期也很脆弱。节目引用的市场数字和因果解释都是发言人的说法，而非确定的市场分析。

圆桌转向 Bending Spoons 及其据报上市的计划。Stebbings 描述其以收购驱动的业务组合，并引用收入和估值数字。Lemkin 赞赏他眼中老产品的复兴；O’Driscoll 则追问报道中的增长有多少来自收购、涨价和基础客户增长。

O’Driscoll 描述了一套做法：收购成熟产品、削减成本，并向留下的客户涨价。他说这能产生现金，但让自然用户增长难以评估。他的例子和大致价格变化是对业务的解读，并非每笔收购的核实明细。

嘉宾区分了经营良好的企业与让其投资具有吸引力的估值。O’Driscoll 质疑，以收购驱动的公司是否应获得与自然增长企业相同的增长倍数。Lemkin 对这一模式更为开放，前提是管理层能持续找到合适标的并有效执行。

Stebbings 问，这样的上市是否会挑战他们关于公司需要多大规模才能上市的假设。嘉宾对公开市场投资者是否在意增长来源意见不同，但同意收购价格、能否持续找到标的以及可持续利润，会影响这一战略的未来。

圆桌接着讨论有关 Databricks 新一轮私募融资和估值的报道。O’Driscoll 推测，资本需求更容易管理的软件公司，可能比前沿模型开发商更有条件保持私营状态。他也指出，公开市场流动性和用于收购的股票可以成为上市理由，但并未声称知道该公司的决定。

O’Driscoll 认为，公开市场资金最终可能更便宜，同时承认私人投资者目前可能为快速增长的公司提供有吸引力的条件。他还提出，拥挤的上市日程可能影响时机。这些是他对选择的假设，不是公布的时间表，也不是投资建议。

在最后一轮讨论中，Lemkin 提到有关 Microsoft 新模型的报道，并说他接触到的版本无法搜索网页。他认为这一限制提醒人们：很难预测新进入者能否跟上领先模型提供商的步伐。

O’Driscoll 认为 Microsoft 开发自己控制的能力具有战略价值，同时承认自己没有使用过这些模型。他把这项挑战与公司在其他市场的历史成败比较，追问它能否在几年内达到对客户有用的水平。他并不声称知道答案。

嘉宾还讨论开放模型能否与领先的专有系统保持足够接近，从而形成竞争压力。他们谈到中国开发商的模型以及更广泛生态的重要性，同时承认未来发布、许可和性能仍存在不确定性。

Stebbings 转述一位嘉宾的观点：模型集中可能威胁基础设施提供商；另一位嘉宾则认为出口管制促进了不同的工程方法。这些都是有明确来源的观点，并非已经证实的政策效果。圆桌以一个尚无定论的问题结束：基础模型会集中在少数提供商手中，还是能支持更广泛的竞争者？

对话以一段轻松交流结束，话题是上一期节目中的一句话。O’Driscoll 说，类似说法可能曾出现在一本较早的投资书中，他不认为自己是原作者。Stebbings 提到，这句话在听众中引发了强烈共鸣。