为什么 David 离开 Kirkland & Ellis 加入 Vista Equity Partners
我们正在进入一个新阶段，我把它称为“软件即劳动力”。我们已经能够真正创造并交付有效的数字员工给企业。以前我们做不到这一点，所以这对软件供应商来说是一个全新的机会，也创造了全新的潜在市场。以波士顿咨询公司为例，一些大型咨询公司估计，面向智能软件解决方案的服务市场规模可达 3 万亿美元。
AI 是否让软件这个类别从投资角度看根本不值得投了？
不，我认为……
你在 2003 年认识了 Vista 创始人兼 CEO Robert Smith。快进到 2014 年，那时你是全国顶尖律所之一 Kirkland & Ellis 的资深合伙人。Robert 邀请你离开律所加入 Vista，你为什么答应？
根本上说，他非常有说服力地向我阐述了软件领域的价值和机会，以及为什么 Vista 具备独特优势，能够真正把握这个机会。在 Kirkland，我参与了业务增长和团队建设；而和 Robert 再做一次这件事的机会很吸引我。我觉得他是个非常出色的人，能和他成为合作伙伴，一起踏上下一段旅程，对我很有吸引力。
老实说，我没有立刻答应，因为当时我确实非常满意。我衡量生活的一个标准是：每天早上醒来时，我开不开心？那时候我醒来时挺开心的。但我把这看作自己的下一个重大挑战，于是决定做一次很大的职业转向，进入投资领域。
当时 Vista 管理着 130 亿美元资产，有 100 名员工。Robert 是怎么描绘 Vista 未来增长空间的？那时它已经是规模较大的机构之一了。
有意思的是，他当时跟我说：“David，如果我们把事情做好，到 2025 年，管理资产规模可以达到 500 亿美元。”现在是 2026 年，我们的规模大约 1000 亿美元，可以说超出了计划。
Robert 对公司的设计非常独特。我职业生涯中见过很多公司，也代表过许多私募股权机构，遇到过不少才华横溢、很有意思的人。这是一个非常活跃、有趣的行业。但我认为 Robert 的投资方式确实独树一帜。他非常关注如何让价值创造变得可复制、可预测、可重复。他受过工程师训练，思考方式也像工程师：怎样搭建一套机制，让我们能够一再创造价值？
所以他专注于企业运营转型的核心原则，以及 Vista 可以建立哪些资源来支持这些公司完成转型。我觉得这种做法非常独特。他显然也有成功推动转型、创造价值的业绩记录。我本人也一直对科技非常着迷，能看到从互联网建设以来……
Vista 在软件公司创造价值的打法
我在 90 年代末、21 世纪初亲眼见证了互联网建设和宽带普及，这和今天的 AI 有些相似之处。我看到其中蕴藏着巨大的机会，能参与其中会非常令人兴奋。
我采访过 Triplebyte 的创始人 Eric Berry。几年前你们以超过 10 亿美元收购了这家公司，他非常认可 Vista 的打法和价值创造。作为软件领域的私募股权投资人，所谓增值具体意味着什么？
这套做法随着时间不断演进。Robert 在 2000 年开始投资时，大多数软件都部署在本地。企业会把光盘寄给客户，客户再下载更新。随着模式转向软件即服务和云端交付，本地软件时代的打法也随之演变。
但从根本上说，我们形成了一套最佳实践，回答“经营出色的软件公司会把哪些事情做好”。我们会从四个大方面看一家公司：产品和技术；市场拓展与销售；人才管理，包括如何付薪、招聘、评估员工；以及其他需要优化的运营环节，比如如何与客户签约、如何做好从报价到收款的流程，以及如何安排各职能部门来支持良好决策。
针对这四个方面，我们分别建立了一系列最佳实践，也在 Vista 内部组建了资源团队，现在称为价值创造团队。团队会和高管及资深领导者合作，向他们讲解这些实践、如何实施，以及如何衡量效果。打个比方，我们不是直接给人鱼，而是教人捕鱼。无论是增加收入还是优化成本，我们都帮助企业把机会发挥到最大。
我们评估一家企业时也会用这个视角。我们不是做金融工程的，而是企业的运营者。我们看中的公司本来就有许多优点，否则也不会想买下来；我们要找的是它还能在哪些方面提升，迈上新台阶。多数情况下，我们买入的是有增长前景的企业，接下来要思考如何加快增长、同时保持盈利。
因此，我们会先形成一套判断，明确哪些领域可以提供帮助，再和 CEO 及高级管理团队达成共识。交易完成时，我们会有一份清晰的价值创造计划，列明要和公司一起完成哪些事情，帮助它为下一阶段的增长和机会做好准备。我认为，这就是 Vista 所谓的“秘诀”……
AI 是否让软件不再值得投资？
……随着时间推移，第一是我们积累了深厚的运营经验；更重要的是，我们持续建设和发展资源，支持企业进行运营转型。如今软件创新进入 AI 新阶段，我们大幅更新了企业在 AI 世界中蓬勃发展所需的资源，这和本地部署软件时代的做法已经很不一样。这基本上就是我们的投资和价值创造方式。
本期节目由 Juniper Square 呈现，它是私募市场的运营合作伙伴。
感觉不久前我们还在谈“SaaS 末日”。这个说法很快传开，也恰逢软件股大幅下跌；私营公司可能也受到了冲击，只是它们不会每天被市场定价。AI 是否让软件这个资产类别根本不值得投资？
不。我认为今年 2 月，至少在公开市场上，曾经出现过这样一个阶段：大家不知道该如何评估某家软件公司的前景，于是选择重新估值、卖出。没有什么具体指标或基本面财务数据能说明这些公司突然变得不值钱了，更多是对未知的担忧：这项技术究竟会给机会带来什么影响？
到了 10 月，公开市场上的估值修正大部分、或者说相当一部分已经恢复。我认为，人们现在明白，从根本上说，软件对企业依然至关重要。我们投资的是面向企业的软件。更重要的是，许多企业软件公司处于很有利的位置，能够蓬勃发展，也能帮助公司利用这项技术、把它融入业务。当企业看到 AI 这种强大技术，却还在摸索如何有效部署并获得真正的投资回报时，现有软件公司很适合提供新的解决方案。AI 实际上为软件开辟了一个全新的潜在市场。
回头看，软件最初是帮助人管理人与人之间的工作流程，自动化人工流程，因此极大提升了效率。可以说，在过去 50 年里，它是全球经济中最具生产力的工具之一。软件先经历了本地部署阶段，再进入软件即服务阶段。现在我们进入一个新阶段，Roquette，我把它称为“软件即劳动力”。有了 AI 解决方案和智能体，我们能够真正创造并交付有效的数字员工给企业。以前我们做不到这一点，所以这对软件供应商来说是一个全新机会，也创造了新的潜在市场。一些大型咨询公司，比如波士顿咨询公司，估计面向智能软件解决方案的服务市场规模可达 3 万亿美元……
为什么 AI 可能引发 SaaS 公司的重大重估
……面向智能体的软件解决方案。以前并不存在这种东西。所以我认为我们正处于一个重大创新周期，就像 21 世纪初互联网兴起、人们开始意识到“等等，我们可以通过互联网交付软件”时那样。当时从本地部署软件转向互联网交付，人们在 2014、2015、2016 年左右重新评估：新的 SaaS 云模式对软件究竟是好事还是坏事？
那时候你买一个软件包要花 10 万美元，有时甚至 100 万美元，几年后还得再买一次。
没错。大家当时都在问，订阅模式和云端交付对软件到底是不是好事。市场经历了一轮重估，但最终人们意识到，云端交付实际上会扩大机会、加快增长。比如，一家本地部署软件公司可能按收入的 2.5 到 3 倍交易；如果把它转型为云服务或 SaaS 模式，估值可能达到收入的 6、7、8 倍。只要能证明转型有效，估值就会重新定价。
有意思的是，现在仍有将近 50% 的软件是本地部署。云迁移已经进行了大约 20 年，依然有大量本地软件。如今，纯本地部署方案的价值不会和云端方案相同。我们认为类似的事情也会发生在 AI 上：如果一家 SaaS 软件公司不真正利用这项技术、为客户创造新的价值主张，它的增长前景可能会暗淡，客户基础甚至可能萎缩，估值也会反映出机会不足。
它或许可以通过代码生成和其他 AI 运营方案提高利润率，但根本的增长前景会显得不那么有吸引力。Vista 很关注如何帮助旗下公司创新产品，把数字员工、智能体方案带给客户，打开新的价值主张并从中获得收入。我认为，如果你成功做到这一点……
OpenAI 和 Anthropic 会取代企业软件吗？
……我们的工作就是帮助旗下公司成功做到这一点。我认为，能够证明自己做得到的公司，其估值倍数会大幅上调。这正是我们认为的机会所在。
这个角度很有意思。大型语言模型公司也很像这样。我从 2023 年起就是 Anthropic 的投资人。Anthropic 和 OpenAI 都逐渐开始冲击服务业。有人可能会比较悲观地说，服务业是最大的潜在市场，而且已经有不少早期迹象显示它正在被颠覆。你认为软件是把这种颠覆带到服务业、夺取其中一部分市场的工具吗？还是说软件，尤其是垂直软件，会拿下整个市场？
你的问题里包含几个层面。其中一个是：这些大型语言模型公司会成为平台，还是会演变成具体产品？回顾软件的发展，早期有些软件公司成为平台，许多其他产品都构建在平台之上。你可能会问，平台公司为什么不自己做所有产品？因为这很难，需要大量工作，也需要深入了解不同垂直行业和客户需求，要大规模做到这一点并不容易。
这也是为什么如今大约有 10 万家软件公司：各家公司需要针对特定行业、工作流程或数据集积累专业知识。我认为 AI 领域也会出现类似情况。大型语言模型大体上会成为平台，应用程序则运行在这些平台之上。
同时，还有另一个趋势：开源、开放权重模型会越来越多。现在有 Anthropic 和 OpenAI 等公司的前沿模型，也会出现许多开源模型。如果把模型广义地看作“智能”，不同任务需要的智能水平不同，相应的价格理应也不同。
我常用一个比方：如果我要教自己的孩子高中代数，我不需要请一位 MIT 数学教授。让大型语言模型承担企业里的许多智能体工作，就像在本来请一位高中数学老师就够的情况下，雇了一位 MIT 教授；两者资历和培养成本不同，收费自然也不同。
总之，我们会看到平台，也会看到大量产品。问题是，这些产品会由软件公司开发，还是由别人直接在模型上构建原生应用？我认为两种情况都会发生。每一轮创新周期都会如此。作为现有技术的提供者，你处于最有利的位置，因为你已经拥有客户关系，也保存着客户的重要数据。你深入了解他们的工作流程、业务背景以及他们如何与客户互动。你掌握了这些知识，理应最有条件判断：“我可以在这里开发出能创造新价值的东西。我很了解你的业务，这些智能体或应用……
OpenAI 和 Anthropic 会取代企业软件吗？（续）
……会创造新的价值。你也知道，过去 20 年里我一直在保护你的数据安全。你信任我，因为我做这件事已经 20 年了。如果我开发出这样的产品，你理应愿意从我这里购买。我已经在你身边，你已经信任我，我们早有合作关系。我手上已经有 1000 个客户；如果我做出有意思的东西，几乎一夜之间就能推送给这 1000 家客户。
当然，不是每家公司都会创新。这正是资本主义的好处：市场充满竞争。会有人在模型上直接构建原生应用，并非从 SaaS 应用起步；他们也可能做出非常有意思、足以颠覆一些现有厂商的产品。
这和本地部署软件时代很像：有人做出了出色的云原生应用，那些没有创新的本地软件公司就被淘汰了。类似的事情还会发生。有些公司无法在这一轮创新中胜出。作为投资人和企业的受托管理者，我们的工作是确保旗下公司站在创新周期的前沿，并为它们提供所需工具、资源、知识和专业能力，帮助它们走在前面。
所以我认为未来会是多种情况并存，毕竟这是竞争激烈的市场。我个人不认为前沿模型公司会为每一种用途都开发应用，也不认为企业自己能大规模构建这些应用。数据安全问题太多，人们担心数据泄漏；还有一个问题是，究竟要把数据送到模型那里，还是把模型的智能带到企业环境里处理数据？我认为，这正是现有软件供应商能发挥重要作用的地方……
Vista 投资软件公司看重的三件事
……这让现有厂商有机会成为这项技术的成功提供者。
一会儿我们会谈数据安全。很多听众不仅投资私募市场，也投资公开市场。标普 500 里有很大一部分是软件公司。除了“七大科技股”之外，不少公司越来越偏硬件，但软件公司仍占很大比例。把具体垂直行业和软件公司的个别特点先放一边，只看一家通用但很有价值的软件公司：无论是私募还是公开市场，什么样的公司会成为 Vista 的顶级投资标的？
首先要看它提供的东西是否关乎业务命脉。人们有时会把投资回报率和业务关键性混为一谈。我可以卖给你一个投资回报很好的产品，但它未必不可或缺。市场变差时，你可能会停买，因为总得找地方削减成本。相反，如果我的产品对业务至关重要，你就不能关掉它，因为它是你经营业务的核心。
所以我们会看三点：第一，产品是否关乎业务命脉；第二，它是否深度嵌入业务工作流程；第三，它是否处理最重要的数据。历史上我们还会看各种指标来验证产品是否真的具有黏性。比如，如果产品黏性很强，客户留存率应该有 95%；如果每年流失 20% 的客户，那它显然没那么有黏性。我们会用财务指标，验证那些看起来黏性强、对业务至关重要的产品。
这一直是我们想投资的对象，因为这类业务非常持久，价值主张也很强。我们过去研究过核心软件的投资回报，通常略高于 600%。也就是说，投资软件带来的回报一直很高。我认为在 AI 这个新领域，我们有机会让解决方案创造更高水平的回报，这很令人兴奋。
这是从客户角度算的：投入 10 万美元，拿回 60 万美元。
对，而且很快就能实现。
你觉得软件行业会出现杰文斯悖论吗？也就是成本下降后，使用量反而增加？
AI 还有一点很有意思：编写软件和运营软件公司的成本应该都会下降。和任何市场一样，问题在于成本下降带来的好处有多少归公司、多少归客户，通常双方都会受益。
但根本上说，你卖的东西对客户有没有价值、能不能带来投资回报，答案是有或没有。有价值，客户就会付钱。如果我能更便宜或更快地交付，就能更快地扩大愿意购买的客户群。软件已经渗透到生活的方方面面。我认为它还会继续扩散，也会通过智能体以新的方式扩展。我不认为人们对这项技术的使用会减少，反而会增加，并且会因智能体带来新的变化。
我知道你不是宏观经济学家，但凭直觉看我自己的业务流程，处处都在提升效率。我现在用 Superhuman 处理邮件（我和它没有财务关系）……
Vista 投资软件公司看重的三件事（续）
……可惜它还是得有人审核，但它会替我起草一封得体的邮件，甚至能应付相当复杂的邮件。我看一遍，必要时再编辑。不过，这些 AI 效率似乎还没有反映在经济数据里。为什么会有这种脱节？
我从和数百位投资人的交流中了解到，优秀的投资公司不能只靠投资回报建立。能够长久发展的公司，往往擅长做好那些别人看不到的事情：运营、与有限合伙人（LP）的关系，以及决策所依据的信息质量。
AI 带来的变化是，每家公司现在都能用同样的模型，因此智能本身不再是优势，优势在于你能给模型提供什么信息。基金运营和数据整合在同一份连贯记录中的公司，才能真正让 AI 发挥作用；系统彼此割裂的公司做不到。
这就是为什么数千家普通合伙人（GP）用 Juniper Square 管理基金。Juniper Square 把基金运营、数据和管理服务整合到一套连贯记录中，让你减少管理分散系统的时间，把更多精力用于投资、服务 LP 和建设公司。本期节目由私募市场 GP 的运营合作伙伴 Juniper Square 呈现。详情请访问 junipersquare.com/howiinvest，网址是 junipersquare.com/howiinvest。
我在节目里采访的每个人都在追求同一件事：优势。越来越多时候，优势取决于你的信息。不只是拥有信息，而是在风险最高时仍能信任它。AI 每天都在替你收集更多信息，许多工具也很擅长把话说得像真的。摘要看起来很顺，但你能追溯到某份申报文件、访谈记录或促成答案的具体段落吗？还是只能相信输出时表现出的自信？
对投资人来说，这不是小问题。文件归错、来源权重不当，或者信息在检索过程中丢失上下文，这些并非罕见边缘情况，而正是决策出错的原因。AlphaSense 是专为此打造的 AI 市场情报平台。它拥有内容和检索层，汇集超过 5 亿份精选文件，从券商研究、专家访谈记录，到监管申报文件和财报电话会都有。每个答案都链接回可核验的确切来源，因为答案的质量取决于它背后的材料。使用 AlphaSense，你清楚知道依据是什么。优势属于那些能够信任信息并证明信息来源的人……
AI 如何改变软件投资尽调
亲自体验一下。请到 alpha-sense.com/howiinvest 开始免费试用。
这是个好问题。我认为目前实际获得的效率还没有大家想象的那么多，尤其是相对于成本而言。这也是我认为存在巨大机会的原因。现在大家常听到 token 使用量、把 token 用到极限以及计算支出。许多企业给员工开放一些通用解决方案，让大家尝试和实验，但它们为员工消除的摩擦，和成本相比并不算大。
如果我能真正创造出“两个你”，那会非常强大，你大概也愿意付很多钱；甚至你的妻子可能也愿意花不少钱来复制出另一个你。我认为未来的价值会在那里。
从企业角度看，每家公司都得考虑效率提升后该怎么做。比如我们旗下公司提升效率后，真正的问题是：要把效率重新投资到业务里吗？如果还有增长机会，就应该把节省下来的资源投入那些机会；如果没有，也许就应该收割现金流、把现金回报给投资人。不同公司会有不同答案，我们这个领域两种情况都会出现。
在美国企业界，我认为会逐渐看到更多效率提升。但我不是宏观经济学家。整体来看，美国在 AI 竞赛中的竞争位置相当有利，暂且不谈中国；我们很有条件继续比欧洲和其他发达国家实现更快增长。因此，即使效率提高，我们仍可能看到就业增长，因为我们能以更快速度维持增长，同时不必承受那么多通胀。
我想回到你看软件公司的标准。你刚才答得很简洁：产品黏性。AI 变化很快，你们现在会特别关注每月、甚至每周的客户群留存吗？会不会比历史黏性数据看得更重？
当然。三年前的留存率，不如三个月前的数据相关。展望未来，我们确实会更关注近期表现。我们深入了解技术，因此一方面会相对客观地判断：考虑到解决方案的性质、它处理的数据以及所在的工作流程，在智能体带来的竞争环境中，它会更持久还是更脆弱？另外，它有没有智能体带来的机会可以由我们协助实现？
所以我们既会看现有解决方案的持久性，也会看它未来扩张自身潜在市场的机会。我们认为有些公司机会很大，有些则没那么大。然后我们会用数据验证判断，特别是看近期数据、续约率……
AI 如何改变软件投资尽调（续）
……客户合同的续约率是多少？合同周期多长？客户有机会决定是否续约时，会怎么做？我们会研究续约周期和续约数据。在创新快速发生的环境里，近期续约数据肯定比四五年前、当时还没有这种变化时的数据更相关。因此我们会更看重近期数据，用它验证自己的判断。如果我们认为某个产品很持久，但数据并不支持，我们当然会尊重数据。
除了业务关键性和客户黏性之外，你们还关心什么？
我们想了解公司处理的是什么数据，这些数据有多专有、对终端客户有多大价值。这些都很关键。公司对客户业务背景了解有多深？人们谈 AI 护城河时，常会问产品是不是“记录系统”，也就是是否管理客户最重要的数据。这确实是一个因素，但不是唯一因素。即使是记录系统，也未必能长久，因为它可能缺少其他要素。
我们会看公司管理什么数据、这些数据对客户有多重要，以及它在客户工作流程和客户与其客户、员工、供应商等关键利益相关方的关系中嵌入得有多深。如果你深入了解业务背景和客户所在的垂直行业，这种知识就很难复制。你得真正身处那个行业，才能理解它如何运作。别人拿一个通用工具来做同样的事时，你可以说：“不，我深入了解这个行业及其运作方式。”如果行业受到监管，你还得理解监管环境，以及出错会有什么后果、哪些错误绝不能发生。
这些都是关键因素。人们还会讨论某个结果是否具有确定性。归根结底，大语言模型不是确定性的，而是概率性的——它们是在预测序列里的下一个字符。
是概率性的。
对，是概率性的。但企业通常不能依赖概率性结果来运营。比如我是一家保险公司，用技术给你报价，我不能只是“大致答对”；每次都必须给出准确答案，每次申请都应得到完全一致的结果。
我们投资组合里有一家叫 Duck Creek 的公司，做财产和意外险软件。他们正在开发智能体方案，自动化处理财产和意外险保单管理的一些环节。举个例子，发生承保事故后，第一步是填写“首次损失通知”表，向保险公司提供大量信息，以便评估理赔：事情在哪里发生、涉及谁；如果是车祸，还涉及哪些车辆；有没有人受伤，等等。保险公司还要判断这是不是合理理赔，还是欺诈理赔。
我们已经在 Duck Creek 构建了智能体，能完成这类首次损失通知资料收集工作的 90% 以上。过去由人工完成的工作，如今都由智能体方案处理。这些智能体不仅会填入所有……
AI 如何改变软件投资尽调（续）
……关键信息和数据，并给客户提供更顺畅的体验，不必再通过电话和人沟通。它还可以启动欺诈检测智能体，判断是否存在潜在欺诈理赔的问题。
他们可以设定处理规则：如果事故涉及人身伤害，就让人工介入；如果理赔金额超过某个数额，也要人工介入；如果出现潜在欺诈问题，同样升级给人工。这样就能识别流程中的许多环节，同时设定参数，确保人在适当的环节介入。这些正是我们深入了解财产和意外险业务、监管环境等之后，才能构建安全……
数据安全可能决定 AI 赢家
……安全可靠的智能体，能为终端客户大幅提升效率。这不是两个车库里的创业者说“我要自动化财产和意外险”就能轻易做到的，尤其是在受监管行业，事情非常复杂。作为值得信赖的现有合作伙伴，你处于最有利的位置。
假设有两家软件公司，只能选一家：一家对某个行业理解无人能及，比如一家极其懂财产和意外险的公司；另一家则和客户关系最好，是每个客户最好的朋友。你选哪一家？如何权衡？
我不确定你怎么可能做到第二种，却又不是第一种。不过根本上要看客户如何使用产品，以及他们是否觉得产品能帮助自己为客户提供最佳体验、给员工提供最有效率的平台。我要看产品如何被使用、界面如何、数据如何管理，以及它是否看起来是最好的解决方案。
最终，即使客户关系很好，产品不够好也没用。最好的产品往往会胜出。许多软件市场一开始有很多产品，随着时间推移，行业会集中到一两三家真正的赢家。如果你有好产品，行业很可能会向你集中；如果产品糟糕，即使大家都喜欢你，他们也会另交新朋友。
没错，你糟糕的产品就是别人的机会。
完全正确。
你刚提到 AI 时代最不起眼、却被低估的方面之一：数据。之前的嘉宾 David Freeburg 讲过，他把 O'Reilly 的资料放进 ChatGPT，借此做出新的科学发现；几个月后，ChatGPT 不论有意还是无意，似乎把这些数据分发给了同领域的其他公司。软件公司该如何保护数据？这看起来是未来竞争优势的重要来源之一。
我认为这确实是许多企业会通过软件应用来采用生成式 AI 的关键原因之一。现在，我们软件公司管理的是客户的数据，并负责保护这些数据，按符合客户需求的方式使用它。我们可以把智能体能力带到数据所在的安全环境中，而不是让数据离开原有环境。比如，我们不会允许大语言模型用客户数据训练；我们的做法恰恰相反。
投资人有没有新的标准或方法，可以评估一家公司是否这样做？
看大型企业在采用这项技术时遇到的困难，安全问题就是其中一个关键障碍。
这是个安全问题。
是的，CTO 和 CIO 都在说……
数据安全可能决定 AI 赢家（续）
是的，CTO 和 CIO 会说：“我必须非常谨慎地把这些技术用于我的数据，因为我得确保数据仍然留在我这里。数据是我企业的一项关键资产。如果让某个前沿模型进入我的环境，我的数据还会留在那里吗？”
对受监管行业来说，这个问题更重要。大型银行、保险公司、大型医疗机构都面临很高的风险，还要遵守 HIPAA 等规定。因此，当你把智能体方案带到数据所在的环境里时，必须弄清楚数据在哪里、会留在哪里。这是个关键问题。
我相信，许多客户会转向我们这些现有技术供应商——我们现在就负责保护他们的数据——并对我们说：“把智能体方案带给我，但要让我明白数据如何使用、如何不被使用；我要确信数据会留在我的环境中，不会被拿去训练模型，再由模型传播出去。”
所以，当我们思考前沿模型会不会包办一切，还是会有大量应用嵌入软件中时，我认为后者会发生……
这些应用使用开源模型吗？它们如何保护数据？
要看情况。有些使用开源模型；有些使用前沿模型的部分能力，但以一种不让模型训练、也不把数据带走的方式引入模型。他们采用所谓的后训练……
Vista 如何构建私募股权投资组合
……他们会调用模型的智能来协助某个流程，同时把数据保留在自己的环境里。
我未来几年最重要的论点之一是数据相关的网络安全。看起来很明显，但除了网络安全专家，似乎没什么人谈这个。你同意吗？为什么大家好像不怎么谈？
我觉得很多人都在谈，只是一般商业媒体和大众媒体报道得没那么广泛。这确实是每个人都在思考的问题。回想起 Mythos，以及当时大家对它感到非常不安，还有 Hugging Face 的实例，就能看出大家都在关注。
网络安全公司都在想如何利用这项技术跟上对手。某种程度上，网络安全领域会出现智能体对抗智能体。我认为这个问题受到相当多关注。大型企业客户确实还在摸索如何看待这些变化、如何确保数据安全；但整个科技行业都很重视。我们旗下每家公司都必须认真对待网络安全：每天、每时每刻都得做对。你可以做对一千次，但只要错一次，就会酿成大问题。这是一个零容忍的职能，也是一个零容忍的行业。
我们投资软件已经 26 年，也关注网络安全 26 年，因为保护客户数据是我们的核心工作，也是旗下每家公司必须满足的基本要求。
我刚和摩根士丹利网络安全负责人聊过。他开玩笑说，你之所以会来采访我，是因为我们还没有遭遇数据泄露。
[笑] 如果我们真的发生泄露，你就不会来采访我了。
对，他还没有遭遇泄露。
没错，不过大家总会说：“至少我目前还不知道发生过泄露。”
这很吓人。
这不是我想做的职业。
我很庆幸这不是我的日常工作。回到 Vista 的投资策略。软件领域有很多变化。考虑到 AI 和成本下降带来的动态，你们计划投资更多个别软件公司，还是减少单家公司投资、增加公司数量？你们如何考虑投资组合构建？
历来我们始终相信多元化。我们运营一系列封闭式基金，也有一些聚焦型产品；但在封闭式基金里，我们通常希望每只基金投 15 到 20 家公司。我们喜欢资产多元化，也喜欢投资年份多元化，不希望把所有资金都投在某一个……
你们喜欢把投资年份分散在多少年里？
平均而言，我们会让投资年份分散在四到六年间。
这相当合理。
我认为这对我们很有帮助，因为我们经历过不同周期。所以，处于当前创新周期时，我们不会改变这一总体做法。我们只需要保持极其严谨，并把从现有资产中学到的信息应用到新投资上。因此，当你进行投资，而且已经……
Vista 如何构建私募股权投资组合（续）
……我们身处竞争环境，很多人都声称能做和你一样的事。我认为必须谨慎，不能追逐市场势头或最新热点。我们一直很自律，清楚自己擅长什么，清楚有哪些独特专长和资源可以帮助公司发展，就应该坚持做这些事。
如果我们认为自己的参与不会对公司的前景产生实质影响，就不应该买下它。我们的做法是成为能创造价值的合作伙伴和投资人。我们不是做金融工程的，也不是挑选股票的人；如果没有价值可以贡献，就不该买这家公司。
我们对帮助旗下公司发展的能力很有信心，也不断更新资源。我有 100 多人专门协助公司进行新一代技术和 AI 转型，既包括运营方面，也包括产品和收入方面。我们要确保有合适资源，并动用整个生态系统。考虑到我们的规模，目前拥有 90 到 91 家公司，覆盖了广泛的科技领域。我们要想办法运用这些知识和经验，也要把旗下优秀高管的经验用到整个投资平台上。我认为我们很擅长借助平台帮助旗下每家公司。如果我们不认为这些能力会对一项投资产生影响，那它大概就不适合 Vista。
从被投公司使用资金的角度看，你们给它们 1 亿美元。进入 AI 时代，明年这笔资金的用途会和两年前有什么不同？它们会怎样改变支出结构？
对每家公司来说，大体有两个重要视角。第一，能否利用这些工具和技术，更有效地使用现有资源？比如用代码生成工具写出更多代码；不用大幅增加员工，也能提供更好的客户服务；或利用这些工具缩短销售周期、提高销售团队效率。我们肯定会投资并研究如何让每家公司利用这些工具、更有效地运营。
第二，我们会单独看每家公司，思考它能开发哪些对客户很有价值的生成式 AI 或 AI 产品，让客户愿意付费获取这些价值。我们会判断哪些产品创新值得投入，哪些产品开发需要追加资金。
三四年前，我们还不会考虑如何构建智能体、创造新的潜在市场，因为生成式 AI 当时才刚出现。现在这是我们高度关注的方向。这些都是需要做出的投资决策。同时，科技投资始终要管理的一个问题是……
Vista 如何构建私募股权投资组合（续）
……在创新环境中，你要问的是：你是在为了做而做，只因为某个东西看起来很酷、很新，还是它真的能给终端客户带来他们愿意付费的价值？因此，我们和旗下公司最关注的一件事就是：你实际……
从卖果汁到领导 Vista Equity Partners
……你们的产品策略是什么？为什么认为这对客户有价值、他们为什么愿意付钱？还要思考你已经深度嵌入客户及其工作流程，能在哪些环节加入 Agent X 智能体方案，为客户创造真正有价值的东西。这种战略思考非常重要。
我们为此建立了一套资源，叫作 Agent X 工厂。Vista 的一组资源人员会和旗下公司合作，帮助他们思考产品策略，也会真正动手帮他们开发产品，参与创新过程。五年前，我们当然也参与产品路线图，讨论下一批功能怎样让软件更有用、界面更好；如今我们考虑的是，如何通过交付数字员工，创造全新的潜在市场。
这很有意思，因为这在某种程度上是经济未来的缩影。我问你，如果给一家软件公司 1 亿美元，你会投在哪里？你说，以前可能会投在产品本身，让产品变得更好，无论是渐进式还是大幅改进。但现在，产品开发本身花不完这 1 亿美元；你还可以投资产品之上的服务、提升客户服务。把这两方面做好后，就能去开发新产品。企业家未来在经济中的做法也会类似。客户都满意之后，就可以去争取新客户。
完全正确。
经济学家很难把这些纳入模型，因为他们熟悉的还是很老的失业率和现有潜在市场模型，看不到杰文斯悖论。客户更满意、企业拥有更多满意客户后会发生什么？企业会开始开发以前根本做不到的新产品，因为过去效率不够。
对。我认为这项技术实际上创造了一种以前不存在的新价值主张。我以前无法给你提供数字员工，现在我能做到了。这让我们重新思考可以带来什么价值，以及怎样以客户能采用的方式，安全、可靠、确定地交付。最终客户会说：“哇，我从中获得了巨大的价值，我意识到应该把其中一部分分享给提供服务的你。”
你的经历非常特别，恐怕我采访过的客人中，能达到你这个地位的都少有这样的背景。你从美国中西部的密歇根起步，在食品行业做销售。你怎么一路成为 Vista 的总裁？
[笑] 这是个好问题，我的孩子也会这么问我。我的职业路径确实有点特别。我在一个这样的家庭长大：父母都没读完高中。父亲最初是屠夫，后来一步步成为一家食品公司的高管。我的第一份工作也是在食品公司做销售。我和兄弟们都从食品行业起步，因为家里一直就是做这一行，就像有些家庭会子承父业、进入父亲所在行业一样。
我从销售做起。我认为这是很好的职业起点，因为你必须出去卖东西，学习如何销售、如何说服别人，也要学会面对拒绝……
从卖果汁到领导 Vista Equity Partners（续）
……理解一些你的律师同行可能不太擅长的事情。对，没错。后来我决定回去读法学院时，其实不认识什么律师，只是从小有个想法：律师靠说话赚钱，而我喜欢说话，所以我应该去当律师。
后来我发现，自己确实有这方面的天赋，也很喜欢做律师。早年做销售的经历对律师工作也有帮助：既能帮我拓展业务，也让我更有说服力。我是公司律师，做了很多谈判，学习倾听和理解对方的立场，再想办法说服对方。这些能力有一些来自我之前的职业经历。
刚开始做法律工作时，我接触到了私募股权，并觉得这个领域非常有意思。我最初是为大型公司做公司法律师。有意思的是，这些公司的大多数员工在事情出错时承担的个人损失，要远大于事情顺利时能得到的好处。所以作为律师，很多工作是在解释风险、帮助公司规避风险，本质上偏防守。
接触私募股权后，我看到一群以承担风险为生的人。他们想理解风险、为风险定价，并确保承担的是负责任的风险；但作为投资人，没有任何保证，你就是要承担风险。后来我成为私募股权律师，能把自己的商业背景和法律背景结合起来，给客户提供结合商业判断的法律建议。我很享受这份工作，也做得不错，职业生涯相当顺利。
我在私募股权领域最顶尖的律所之一 Kirkland & Ellis 工作，生活很满意；后来遇到 Robert 给我的机会，于是做出重大转向。有意思的是，我旅程中的每一步都让我为下一步做好准备。每次我都会进入一个还没有完全证明自己能力的领域，但能获得机会看看自己能做到什么。我愿意接受这种机会，多少是押注自己，也想看看自己的能力上限在哪里。
这段旅程非常美好。我快要迎来结婚 30 周年，对此相当自豪。我妻子大概会告诉你，她看着我 30 年来非常努力地工作，但我一直很享受这段旅程。我特别看重感恩，也非常感激人生中遇到的机会，以及自己有能力把握这些机会。所以如今我成了金融界的资深高管，而我的职业生涯是从卖果汁开始的。
我不打算让你回到卖果汁的时候。不过，如果你能回到刚从法学院毕业、刚加入全国顶尖律所之一 Kirkland & Ellis 的时候，只能给自己一句能贯穿职业生涯的建议，你会说什么？
不要低估毅力的力量。你看到的任何有一定成就的人，都是以很高的强度努力工作过的……
从卖果汁到领导 Vista Equity Partners（续）
……长期坚持下去，这很难做到。生活总会插进各种事情。你可能会分心，也会遇到障碍。能克服这些、坚持下去，每天起床努力工作，并长期保持高水平，并不容易。
我会把这点告诉孩子们：“听着，我不是法学院毕业生里最聪明的那个人。我在 Kirkland 遇到过很多杰出的人。但我能一路走到今天，虽然有一定天赋，更多是因为我能长期保持很高的工作水准。长期专注、坚持下去的能力，我认为常常被低估了。”
David，这真是一堂大师课。非常感谢你来做客。
谢谢邀请，很高兴和你见面、共度这段时间。
恭喜你听完我和 David 的对话。如果你喜欢这期节目，一定也会喜欢我和 Cliff Asness 的对话，就在这里。