Bain Capital Ventures 为何错过了一些幂律赢家
只要走错一步，就可能把这个泡沫的顶盖掀翻，就像……你知道，2021年11月那样。
如果用棒球比赛来打比方，你觉得我们现在处在 AI 泡沫的第几局？
我从一个角度回答：如果这和其他技术浪潮类似，我们已经到了第八局。如果它只是像 SaaS 转型那样——我认为那轮转型大约从2012、2013年开始，到2021年11月以极其不同寻常的方式结束，期间受到新冠疫情、利率下降等各种因素推动——那么 AI 可能也只是技术发展史上的又一章，而不一定会彻底改变游戏规则。要是 AI 最终和 SaaS 一样，那大概不会等到2026年11月才结束；我们肯定只剩几个月、几个季度了。
你怎么解释这么多赢家被称为“估值过高”？他们有非常出色的创始人。
他们有非凡的雄心。那些让他们成为超大规模赢家的特质，当时就已经存在。许多深思熟虑的投资者看到了这些特质：比如 Collison 兄弟出众的领导力，或者 Ramp 的 Eric。他们会说：“你知道吗？为了支持这些人，我愿意在估值倍数上多付50%，因为他们的雄心格局和领导力质量都非同寻常。”不过，赢家身上还有一种现象……
Matt，我看了你们在 Bain Capital 的业绩，你们一直处于前四分位，但似乎没有取得过幂律级别的回报。为什么？
我想说，我们现在有一些尚未退出、价值还未兑现的公司，比如 Crusoe。我们领投了它的种子前轮和种子轮，这家公司最终肯定会给基金带来数倍回报。还有不少这样的例子，等它们流动性实现之后，未来我们可以再谈。问题不完全在于回报是多少——尤其近几年已经有基金产生回报，只是还没有变现——更重要的是背后的原因。
我想这一定是个很大的问题，你们内部肯定讨论过。你认为 Bain Capital 为什么会出现这种情况？
我认为回看过去，风险管理里有些成分是无意识的。每个进入风险投资并最终取得成功的人，都是带着愿意承担风险的思维框架来的。风险投资真正要做的，是寻找大胆之处，寻找不按常理出牌的创始人、不大可能出现的结果、非共识的公司和市场，甚至是那些你投资的、形态各异的人。这当然也体现了我们合伙团队的特点。
但我们脱胎于 Bain Capital。它在其他资产类别中确实有一些风险管理做法；如果你经营私募股权策略，这些做法合理而且正确。避免亏损是审慎之举；如果经营信贷策略，避免亏损更是关键。做信贷时，你不能指望靠别处的巨额收益来弥补一连串亏损……
最好的创业公司为何总显得估值过高
……固定收益领域。所以我认为，我们要问的是：在 Bain Capital Ventures 的早期，甚至中期，风险管理的某些理念是不是通过潜移默化的方式，无意识地影响了哪些交易被推进、哪些交易通过投资委员会。具体来说，我觉得关键是对估值的敏感。
所以，问题并不在于我们回避那些看起来离谱、后来却成功的项目。比如将近十年前的 Crusoe，刚开始时他们在加拿大北极地区的油田井口挖比特币。这无疑是个大胆得近乎离谱的设想，而这恰恰是我们喜欢的那类项目。
但我们过去的困难在于，当市场价格变得很高时，我们很难按市场价出手。我认为，这在一个幂律行业里是个根本性问题，因为价格多少也是一种信号，当然也可能出错。但事实上，Databricks、Stripe、Ramp 这些最终价值极高的公司，在每一轮融资时都被说成“估值过高”。如果你决定拒绝当下被认为估值过高的公司，平均来说，你就会系统性地错过那些幂律型公司。
你怎么解释那么多赢家被称为“估值过高”？
我觉得这只是语义问题。回过头看，它们其实是被低估了，对吧？
但我是说按估值倍数来看。
因为它们有非凡的创始人和非凡的雄心。那些让它们成为超大规模赢家的特质，当时就已经存在。有眼光的投资者看到了这些特质，很多有眼光的投资者都看到了：比如 Collison 兄弟非凡的领导力，或者 Ramp 的 Eric。他们会说：“为了支持这些人，我愿意在估值倍数上多付50%，因为他们的雄心格局和领导力质量都值得。”这说明市场中有一部分人确实看得准。
不过，这也引出了我们这个资产类别的另一个问题，我也想听听你的看法。如果你告诉风险投资人，所有最好的交易估值倍数都高出50%，这会导致一些反常行为。假设你的合伙人把一笔交易带到委员会，说：“我们看过应用层 AI 公司，平均估值大约是收入的20倍。我们找到一家很有意思的公司，正好也是20倍收入，价格完全合理。”按道理你应该说：“除非它是30倍，否则我们不该投。”因为我的模式识别告诉我：如果它没比市场贵50%，就不是幂律型公司。所以，只要没贵出50%，我们就应该放弃。
当然，这种话绝不会写进投资委员会章程里。但事实是，这种思维方式会让我们这个资产类别形成泡沫，因为人们心里把价格和质量联系在了一起。因此，价格越高……
现在还找得到被低估的好公司吗？
本期节目由 Juniper Square 呈现。它是私募市场的运营合作伙伴。
欧洲的 Earlybird 投资公司曾对此做过一项研究。他们发现这种价格持续性确实存在：换句话说，每一轮融资相对于可比公司都显得估值过高。也可以说，这是相对于竞争对手而言的高估。但风险投资的结果可能非常巨大，市场也很大。即使另一家竞争者理论上能带来100倍回报，而这家公司赢了只能带来75倍，选择更可能获胜的团队，仍然比选那个理论上能给你100倍、但胜算较低的团队更明智。
幂律的规律显然意味着，如果你更有把握自己投的是幂律赢家，就应该对价格极不敏感。这话没错，但显然不可能人人都判断正确。如果所有人都玩同一套游戏，而多数人其实看错了，每个人却都觉得自己押中了幂律赢家，价格就会先上涨50%。下一轮时，起点已经高了50%，大家又在此基础上再涨50%，因为他们说服了自己，认定自己投中的就是幂律赢家。这就是泡沫膨胀的方式。
当你看到一个看似便宜的标的，反应不是贪婪和兴奋，而是怀疑、排斥，那么这个市场里的价格就会不管怎样都一路走高。
我想回到我们是不是处于泡沫中的问题，因为这很重要。不过首先，有一点似乎无可否认：现在是一个共识市场。Marc Andreessen 说，已经没有被埋没的钻石了，满地都是钻石。你同意吗？
我同意这是个共识市场，但不同意已经没有被埋没的钻石了。
你怎么区分这两件事？
我观察到我们处在一个共识市场，也就是说，某家公司被加冕为赢家。这种现象有个说法，叫“造王”：可能有一家，也可能有两家，但通常会有一两家领跑公司被选定，随后资金便蜂拥而入。有些公司的策略就是投某个行业里的第一名或有机会成为第二名的公司，为了挤进前一、二名，他们几乎愿意付出任何价格；而对于尚未被赢家圈认可的公司，他们无论如何都不会投。这就是我所说的共识市场，我们现在就在其中。
我会把它与2021年区分开来。当时更像百花齐放：有些公司每周做两笔独角兽交易。被推高估值的是更广泛的一批市场标的。并不是说大家彼此有着截然不同的看法，而是各个行业不像今天这样收敛到一两家，第三名都很少见。所以，我认为现在是共识市场。但 Marc 的说法更进一步，意思是这本来就应该如此，没必要做任何……
AI 如何改变 Bain Capital Ventures 的投资策略
……除了支持当下显而易见的赢家之外，我们也看到局势更有变化。我们投了 Logora。
也是我们投的一家公司。
那太好了。我们的投资当时其实并不属于共识。我们投的时候——你们投的时候肯定也是——共识是 Harvey 已经赢了。
是。
大家觉得这家欧洲新秀只不过拿下了几个欧洲客户标杆；只是 Harvey 还没进入欧洲而已。但我们现在看到 Logora 正在追赶，在市场的一些细分领域甚至已经领先，而且它有理由享有某种后来者优势。其他市场也有类似情况，比如金融分析领域。过去那些被认为显而易见的公司，现在看起来没那么显而易见了。
所以，“没有被埋没的钻石，满地都是钻石”这种说法，采取的是静态视角。我们看到的 AI 投资局面其实极其动态：领头地位不是从高处授予、然后永远受保护的，而是持续受到挑战。
我说还有被埋没的钻石，并不是说你应该跑到爱荷华州得梅因去找下一家推理公司。这并非在地理位置或创始人类型上刻意唱反调。我认为更重要的是，对 AI 投资的动态变化保持开放心态。
如果回想 AI 市场出现之前并不存在、而现在才有的一些投资原则，有哪些原则在指导你？
我们的框架或许并非独创：对每一笔投资，我们都假设通用人工智能已经到来，或者即将到来。事实上，AI 不再只是一个项目、一个前提、一种工具，甚至不只是一个组成部分；随着时间推移，有些变化会逐渐显现，超级智能将会到来，而且会是充裕的超级智能。
问题在于，在这样的条件下，什么会胜出？在这种条件下，你想投什么类型的公司？而不是两年前那种情形：当时人们还在争论 AI 的发展方向并非问题，真正的问题是发展速度，以及它最终会不会停滞。这一直是 AI 叙事中反复出现的一部分。现在这类说法少了一些，但如果回顾过去，光看《纽约时报》就能发现，同一周不同日子发表的文章，一篇说 AI 正在停滞，是个笑话，只是随机鹦鹉，显然毫无用处；第二天又说 AI 会毁灭文明，最终接管一切。
那到底哪一种说法才是你真正确信的？还是你只是习惯性地唱衰？第一类批评如今少了但仍然存在：AI 是个笑话，只不过是聊天机器人。要说它不是一项重要技术，现在越来越难了，但还是有人试图把它贬到无足轻重的地位。我们的看法，以及大多数风险投资公司的看法，恰恰相反：如果每个观察者都知道前沿正在发生什么，他们会认为……
AI 如何改变 Bain Capital Ventures 的投资策略（续）
超级智能或许不会全面地立刻到来，但它必然会到来，而且就在未来一到三年内。这就是我们的判断。大约18个月前，随着我们形成这个视角，我们也问了你刚才问我的问题：那么接下来呢？我认为有两个主题，能够解释过去18个月我们75%的投资。
第一个是物理世界。我们一直在机器人领域大量投资。20年前，我们投过 Kiva Systems，这是最早一批仓储机器人公司之一，后来亚马逊以超过10亿美元收购了它。此后我们持续投资制造业和分销领域的机器人。过去18个月，又出现了一波令人惊叹的机器人公司的“寒武纪大爆发”，包括家用机器人，以及各种前所未有的进步。这大概占了我们业务的三分之一。
另外，从2022年底开始，我们已经投资了20家如今被称为“AI 原生服务”的公司。这里要问的是：如果你能直接在一个大型行业里竞争，而不只是向该行业出售技术——具体要看行业——那就能大幅扩展总潜在市场，也能建立更具防御性的业务，相较于模型实验室尤其如此。我们担心基础模型实验室会承受压力，去打造横向和纵向的应用层功能。
一种防御方式，是从应用层的 AI 应用走出来，转而亲自完成实际工作。我们最早的一个案例是一家叫 Reserve 的公司，它……
AI 原生服务公司为何可能胜过传统软件
Reserve 其实是个很有意思、也值得做的尝试。我是金融服务领域的投资人，所以我们梳理了金融服务的各类业务模式，问自己：如果有一台机器能神奇地读写文字，金融服务中哪些工作最容易被它取代？我们想到的是保险理赔。
理赔基本上就是一个人坐在转椅上、面对好几块屏幕工作：收到保单的出险通知后，阅读通知和保单，再把它们综合起来，做出损失评估。这正是生成式 AI 第一代最擅长做的事。于是我们和一位客户设计伙伴一起孵化这家公司，做一家 AI 原生的保险理赔公司，后来它叫 Reserve。
我们孵化公司时不会拿普通股，只投入资金、招募一位创始人，然后把全部普通股都给这位创始人。所以他才是真正的创始人。Reserve 今年收入将超过1亿美元，而这只是它完整运营的第二年，增长曲线非常惊人。
这给了我们信心。之后，正如我说的，我们又做了20笔类似投资，包括两家律所、一家自动化土方工程公司、一家居家医疗护理机构，以及六七家保险相关和其他原生服务公司。到目前为止，显然这些公司都受益于基础模型实验室的进步。我们希望自己的投资能借力这些进步，而不是与之对抗。
我正想问这个问题：到了某个阶段，先进智能会变得无比强大，什么事都能做，我们就像那篇著名文章里描写的那样，退回丛林，头上有个统治我们的主宰。在那之前，直接去做服务业务为什么能构成护城河？也请具体讲讲你们的策略与大型语言模型之间是什么关系。
这当然涉及推测。我认为这些公司理论上什么都能做，因此我们可以观察它们的激励机制。现在，OpenAI 和 Anthropic 的营收中，有很大而且还在快速增长的一部分来自大型企业。这些企业直接使用模型，或通过合作伙伴调用 API，以自动化核心业务功能。发展过程中，它们迟早要在不同节点作出选择：究竟要直接与哪些行业竞争？
举例来说，Anthropic 目前从法律行业赚了很多钱。我们从概率上判断，这会让它们不太愿意自己开一家律所。其他许多垂直行业也一样：它们从保险业赚了很多钱，这可能会阻止它们与 Travelers 竞争——Travelers 是它们的大客户——也会阻止它们与 Aon、Willis Towers Watson 竞争，因为这两家同样是大客户。
它们会觉得，光是出售基础智能，再在上面构建垂直应用、卖给企业用户，就已经有足够多的事要做了；更不用说它们还有消费业务。它们可能会把业务分成几条线来看：智能本身、垂直应用、消费产品，以及像编程工具这样的横向应用。它们或许会觉得这些还不够，还得自己开律所、居家护理机构，或土方工程公司。但我们的概率判断是，这种情况……
AI 原生服务公司为何可能胜过传统软件（续）
这条路可能还很长，也可能永远不会走到那一步。举个例子，在我长期关注的金融科技领域，人们一直在问：Google、Amazon、Facebook、Apple 这几家公司，哪一家会大举进入面向消费者的金融服务？
能力最强的一直是 Google 和 Facebook。Apple 也可以算，但它出于种种原因不喜欢使用数据，所以在金融服务领域始终非常谨慎。最有能力的是 Facebook 和 Google，但它们从未真正大举进入。它们偶尔会试水，尤其是 Google，大概每两三年就宣布一项新业务，随后又关掉。原因在于它们是广告公司，金融服务行业贡献了它们大约20%到30%的收入。直接与这个行业竞争、去招惹它，会带来真正的激励冲突。
这是因为它们算过账，觉得广告是最佳商业模式？还是因为文化上已经有一支1500人的广告团队，不能蚕食自己的业务，而且整个组织文化也不适合？到底哪个原因在起作用？
这两者彼此相关，无法分开。广告业务是它们的现金牛，也意味着这项业务拥有很强的影响力；而且从现实来看，它是历史上最好的商业模式之一，是利润率100%的业务。这两点密不可分，合起来力量很强，到目前为止也成功阻止了 Google 直接向消费者提供金融服务，尽管它有能力这么做。
它们曾经收购过我们投的一家公司，想借此进入这个行业，后来又因为这种顾虑把业务关掉。Apple 现在有信用卡。正如我说的，我觉得它们做得不够漂亮，原因是自身的顾虑和掣肘，但它们并不在乎……
算力会决定 AI 竞赛的赢家吗？
Apple 并不太专注于卖广告，所以我认为它在金融服务竞争中更敢放开手脚，因为它并不依赖这个领域。它当然会向风投公司卖一些 MacBook，但总体上，金融服务业并不是它的命脉。
Amazon 也是个很有意思的例子。十年前，它在消费支付领域有宏大计划，想成为消费者金融服务领域真正的颠覆者。是什么让计划夭折？AWS。突然间，它最有价值的业务把金融服务公司变成了核心客户。
嗯。
AWS不像 Google 的广告业务那样是现金牛，但公司的高层开始不得不认真讨论：要不要推出自己的银行产品？要不要让消费者把钱存在我们这里，我们付利息，让他们再用这些钱买我们的产品？基本上就是做 Starbucks 在它的应用里做的事。Amazon 最终从未真正这样做，尽管计划还摆在那里，因为如果你经营 AWS，摩根大通就是太有价值的客户了。后来 AWS 负责人又成了公司的 CEO。
这些就是我们从历史中观察到的利益冲突，它们让我们今天在决定把钱投向哪里时更有把握，也帮助我们预测基础模型实验室会做什么、不会做什么。我们仔细考虑后认为，例如它们不太可能自己开律所。
我采访过数百位投资人，有一点越来越清楚：优秀的投资公司不是只靠投资回报建立起来的。能够长久经营的公司，往往擅长做好多数人看不见的事情：运营、与有限合伙人的关系，以及决策所依据的信息质量。AI 改变了什么？
如今每家公司都能用到完全相同的模型，所以智能本身不再是优势，优势在于你能给模型提供什么。一家把基金运营与数据整合在同一套记录中的公司，才能真正用上 AI；使用彼此割裂系统的公司就做不到。这就是为什么数千家普通合伙人选择用 Juniper Square 管理基金。Juniper Square 把基金运营、数据和行政管理整合在一套连贯记录中，减少管理零散系统的时间，让你有更多时间投资、与有限合伙人合作、建设公司。本期节目由 Juniper Square 呈现，它是私募市场普通合伙人的运营伙伴。了解更多，请访问 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，优势取决于信息。你不只是要拥有信息，还要在利害攸关时相信它。AI 每天都替你搜集更多信息，而大多数工具很擅长把话说得像真的。摘要读起来很顺，但你能追溯到文件、文字记录或促成答案的具体段落吗？还是只能相信输出时那种笃定语气？
对投资人来说，这不是小问题。漏掉一份申报文件、错误加权某个来源，或信息在检索链路中失去上下文，这些都不是边缘情况，而是决策出错的方式。AlphaSense 是专为此打造的 AI 市场情报平台。它拥有内容：超过5亿份经过整理的文件，包括券商研究、专家访谈文字稿、监管申报和业绩电话会；它也拥有其上的检索层。因此，每个答案都能链接回准确、可核实的来源，因为答案的质量取决于它下面的信息。使用 AlphaSense，你能确切知道来源是什么。优势属于那些既能信任信息、又能证明信息可靠的人。亲自体验一下，在 alpha-sense.com/howiinvest 开始免费试用。
世界上很多最聪明的人认为，大型语言模型的瓶颈不是行业，而是算力。连 Elon 都这么说过，这也是为什么……
算力会决定 AI 竞赛的赢家吗？（续）
……他正在建造 Terrafab，还要把数据中心建到太空。你不觉得算力本身就是瓶颈吗？
这是两个不同的问题。我认为，对于 Anthropic 这样的实验室，有一个具体问题是：在算力固定的情况下，他们会把精力花在哪里？算力水平也许低到让他们根本不会考虑自己开律所，但我不认为算力会是他们不开律所的原因。
不过我承认，未来五年，不同公司获取算力的差距可能会成为最主要的战场。我认为过去五年的主要战场是人才和领导力：拥有最优秀的研究人员、最好的研究议程和最强的领导者，这些决定了谁脱颖而出。接下来情况会更机械一些：如果你拥有足够算力，能在最短时间内训练出最出色的模型，我认为这会带来不断累积的优势。
所以，三大公司之一领先，然后又被另一家赶超；与此同时 Meta 和 Google 带着它们的资源入场——这里的战略博弈是我见过最有意思的事之一。再考虑外部参与者就更复杂了：私人信贷行业、基础设施投资者、保险公司的资产负债表，以及这些资金投向何处；芯片公司如何挑选支持对象，或者不挑选、甚至收购公司来暗中与之竞争。真希望能直接买到三年后写出来的那本书。
这里面有很多层复杂性，我很想逐个深入。不过我们今天先只谈 OpenAI 和 Anthropic。它们之间的博弈论是什么？它们怎么看待在算力上的巨额投资？
它们同时在玩很多种博弈。我认为两家公司的初衷都是推动人工智能的发展，真正实现通用人工智能。随着资本主义的力量介入，这个目标已经变得有点模糊了。
这既体现在经营这些公司的个人身上——Anthropic 的情况更明显一些，OpenAI 稍弱——也体现在它们之间的竞争本身，以及人类想赢、不想屈居第二的欲望上。再加上资本结构表上那些目标明确、只想尽可能赚钱的巨额投资者。所以，我认为最初那场“谁先实现通用人工智能”的竞赛……
Anthropic 值2万亿美元吗？
……通用人工智能的竞赛已经被营收和利润的竞赛吞并，或者至少与之并行，因此两家公司的议程确实发生了变化。OpenAI 一开始在融资上更激进、更敢冒险，率先冲到了前面；Anthropic 后来在产品上追了上来，最近也赶上了获取算力的能力。
我认为 Elon 在三家公司中最擅长这场特定的游戏：既能建设数据中心，也能在人们脑海中构建宏大愿景，为巨型项目吸引巨额资本。三家中，我认为数据中心这场竞赛的优势在 Elon 一边。
OpenAI 和 Anthropic 目前在业务上有很多取舍。我觉得最近有一项消息报道不足：OpenAI 在 Codex 中开放了模型使用。OpenAI 想做很多事情：既想卖出最多的 token、销售最贵的模型，也想成为最受欢迎的编程工具。它们作了一个非常有战略性的决定：让 Codex 用户除了使用 OpenAI 的 token，还能使用开源、开放权重模型的 token，从而更高效地编程。
这和不久前的做法截然不同。那时 Cursor 被 Elon 收购，模型公司就切断了它使用自家模型的权限。现在短短几周内，至少 OpenAI 已经表明：“我们要赢得横向应用层市场，这意味着在架构上必须走向多模态。”我很喜欢这个举措，甚至觉得很聪明。我认为 Codex 仍会卖出大量 OpenAI 的 token。
这有点像微软早期的开放架构操作系统：你可以用 WordPerfect、Lotus 1-2-3 或 Freelance Graphics。但随着时间推移，市场份额转向了 Microsoft Word、Excel 和 PowerPoint，因为微软掌控着整个生态——它拥有操作系统。这是巨大优势，即便它没有以会触发监管机构、强制用户锁定的方式公开捆绑产品。我们还要看 Anthropic 会怎么做，但这些正在发生的战略落子，让这个领域特别值得关注。
硅谷现在还有个传闻，说 OpenAI 和 Anthropic 都会切断垂直应用对 API 的访问。我觉得这是种偏执的传闻，不太合逻辑，因为 API 业务是它们最大的业务。它们这样做有什么动机？一种可能是：只有通过它们自己开发的应用，才能用到前沿模型。比如 Goldman Sachs 要购买一款 AI 应用层工具，可以去找 Habia，但它拿不到 Anthropic 的 token；也可以用 Anthropic 的金融产品，直接获得那些高质量的 Anthropic token。这就是这种策略背后的逻辑。
我对此仍持怀疑态度，觉得这会是糟糕的商业决策。而且 OpenAI 刚刚展示的方向恰好相反：它选择更开放的架构，而非封闭架构。不过这些理论上的推演确实正在被讨论。作为商业史和军事史的爱好者，这些事情对我简直有致命吸引力。
我本来不想透露自己投资了 Anthropic，因为想先听听你不加过滤的看法。假设它按传闻中的2万亿美元估值上市。我并没有……
Anthropic 值2万亿美元吗？（续）
……我没有关于这件事的内幕消息。你怎么看这个估值？哪些因素会决定它究竟是高估还是低估？
如果根据公开报道的营收和营收增速来看，我觉得这个估值其实合理。这些增长前所未有——
这是因为2万亿美元这个数字太惊人，所以不得不把它定到那么高吗？
说清楚，2万亿美元这个数字确实让人震惊。但如果看底层业务的势头，暂时不管这个前所未有的名义数字，我觉得估值是合理的。假如把所有数字都去掉三个零，你会觉得：“这确实说得通。”只要这种增速能够持续，或者接近这种增速能够维持，他们就会在相当合理的时间内成长到、甚至超过这个估值。所以我完全不觉得它不合理。
投资人很难给高速增长中的公司定价，因为很难做任何预测。
这跟我们刚才说的一样，对吧？乍看之下确实像是高估了。
某个时点看起来可能高估了，但如果高速增长继续，很快又会显得低估。所以我们确实不知道。我不觉得它不合理，而且我确信市场有需求。技术上有意思的是，股权结构中有多少是由坚定持有人掌握，有多少在较弱的持有人手里。等限售期结束时，这会决定供需情况。到目前为止，SpaceX 处理得不错。但我不了解 Anthropic 股权结构的细节，不清楚过去五年没实现多少流动性的风投公司和其他投资者里，有多少人急着兑现。
还有一层激励：如果你是小股东，但这笔投资的结果一点也不小，假设你投了5000万或1亿美元，即使你觉得它被低估，也很难放弃这么大一笔钱。
对。到了向有限合伙人汇报的一年，你可能会说：“账面总回报倍数很高，但这个资产类别还没给我们现金分配。我们得开始兑现；流程就是你们给我们资金，我们再把钱返还给你们，而且确实得返还。”所以这不会让我变得悲观，我只是不了解这些弱势持有人带来的计算关系。
……短期波动。
对。不过如果股权结构里挤满了需要流动性的弱势持有人，特别是数字大到这种程度，这种影响可能持续到中期。比如理论上，假设公司有一半股东都想在上市后两年内套现。如果股价持平，那你就得再找到1万亿美元的流动性资金。这不只是估值问题，还得问现金从哪里来……
AI 智能体如何把市场扩展到80亿人之外
……这些钱从哪里来？大概不会来自短期国债，所以总得有别的来源。市场有它自己的运行规律。不过我要说明，刚才说的50%完全是猜测。我没有任何直觉认为上市后头两年有一半股东会卖出，只是我们处在前所未有的阶段，确实还不知道会怎样。
我还是很震惊：风投长期没有流动性，然后上市六个月后大家就全部解禁。这是我听过最蠢、却一直存在的模式。最近有几家公司改了做法。我们另一家投资组合公司 Cerebras 把解禁分成很多批次，有些批次只占持股的6%。
很好。
SpaceX 也采用了分批解禁。
你觉得这种做法会继续吗？你看到自己的投资组合公司在研究吗？
肯定会。我觉得不仅是分批解禁，还可以设置价格目标。2021年我们做过一次 IPO——当然我们做过很多次，其中一次特别有代表性——当时设计了非常审慎的阶梯式价格目标。只有达到目标价，而且维持一定时间、达到一定交易量，股东才能获得流动性。
这样仔细控制股票进入市场的节奏，确实可以大幅降低股价回撤风险。与其完全不让股票流通、让它们越积越多，不如早点以经过控制、分阶段的方式释放，这显然要好得多。
这件事上承销商有时不太好沟通。负责 IPO 的投资银行从监管角度来说就是承销商，这个称呼仍有实际含义，他们必须非常谨慎。
他们才是新做法失败后会被起诉的人。
没错，所以这确实……
不知道 Elon 和他的团队怎么跟银行沟通：“这是我们必须做的。”“不，你们就得这么做。”
是啊（笑）。如果 Dario 也想这么谈……
有时候标准就是这样被定下来的，然后所有人都说：“我也要 Elon 那种交易。”行业就像变魔术一样跟着变了。
我认为那会发生。也许不是每个普通 IPO 都能拿到这样的条件，但 Anthropic、OpenAI 其中一家或两家都有可能争取到类似的协议。
回到 Anthropic 的估值——这不只是因为我自己有投资，所以特别爱聊这个（笑）。我之前请来过 Coatue 负责增长业务的 Lucas Swisher，他是非常聪明的投资人。他说过一件我还在消化、也让我大吃一惊的事：尽管 OpenAI、Anthropic 等大型实验室的营收已经这么高，他仍然认为我们处于极早期。他的理由是，目前大部分收入仍来自开发者和工程师；即使在美国，工程师群体中的产品渗透率也非常低。
所以，现在推动收入的只是一个小市场中的一小部分人。等所有工程师都开始使用，然后再扩展到其他知识工作者，会发生什么？全球工程师大概只有5000万人，而地球上有80亿人。真正大量消耗 token 的只是其中很小一部分。你怎么看？在 token 使用量和 AI 普及方面，我们会不会真的还处于这么早的阶段？
我听到这个说法时，脑子里有两种相反的想法。第一种是非常强烈地赞同；而且在某个阶段，我们越来越……
AI 智能体如何把市场扩展到80亿人之外（续）
……我们的公司里，甚至已经没有人类在使用 AI，而是智能体在独立做事。所以市场上限不再是80亿人变得更高效，而可能是创造出800亿甚至8000亿个新实体。
它们彼此之间还会做交易。
对，它们会互相交易、使用工具。
还会生成新的 token。
我认为，智能体已经证明自己能够高效地完成长时间运行的任务，这第一次打破了我们对市场规模“最多80亿人”的人为限制。
我同意 Lucas 的看法，并且还想补充一点：开放权重模型。智能正在变得更充裕，也更便宜，这两者相关。价格下降后，人们更想使用、也更有能力获得智能。因此开放权重模型有很强的扩张效应；即使只看 Anthropic 旧模型的 token 价格，也比新模型便宜得多。
但产品组合如何变化、这种变化具体会在哪些应用中发生，这才是2万亿美元的问题。需求肯定会扩张，需求扩张有利于定价，但供给也在大幅扩张。前沿模型的价值到底是多少，我们还不知道。
如果2027年的前沿模型相较2026年模型的变革幅度，和2026年模型相较2025年的变革幅度一样大，那么2万亿美元肯定只是起点。我们基本上到了2025年11月、12月之前，还处于聊天机器人阶段，最多是帮你续写代码；真正独立、能长时间运行、能推理并自己写代码的智能体，是2025年冬季到2026年初才出现的。这引发了“SaaS末日”，也推动了2026年间智能体工作流的各种进步。
我不知道下一次能力跃升会是什么、什么时候到来，也不知道它会不会像从聊天机器人变成智能体一样剧烈。如果真的如此，那么尚未具备前沿能力的开放权重模型，就会成为那些高价 token 的苍白替代品。
很有意思，我们生活在一个迷因化的世界里。很多人听播客也只看15秒或30秒的片段，所以大家总想把这些范式简化成非此即彼的二元选择。但现实中有很多因素：有些是负面的，有些是正面的，有些相互作用，有些会在累积到一定程度后互相抵消。还有很多参与者和他们之间的博弈论，一个人走一步，另一个人就跟着走。你几乎会觉得需要一个 AI 模型来告诉你每个人会怎么做，以及所有 AI 模型又会怎么做。
复杂度很快就上来了。
就在今天，我还在和 Claude 讨论数据中心资本支出。我问的是：未来五年所谓的5万亿美元——我觉得这大概是市场共识的资本支出总额，不过也可能达到7万亿美元——有多少会用于扩大 AI 的使用范围，让更多人使用更多 AI；又有多少会用于提升实际功能，训练模型，让 AI 做到目前还做不到的事情？至少 Claude 的回答是……而且它回答时还特别提醒我：你得记住，我是被制造出来的……
AI 智能体如何把市场扩展到80亿人之外（续）
……由 Anthropic 制造出来，这当然会影响它的回答。不过这回答很精彩。
免责声明。
是，免责声明说得非常具体。
它还处在 IPO 静默期呢。
正是，聊天机器人也处于静默期（笑）。不过它的回答明确倾向于“提升功能”这一侧。它说，两者都有，但之所以数字是5万亿美元，而不是2万亿美元或更低，是因为要大规模训练模型，让它们能够完成前所未有的事情。这和我的直觉一致：支出不只是为了扩大 AI 的普及面和覆盖范围，实际上更是为了提升 AI 能做的事。这就是这些资本支出预算背后的原因。想到这里既让人害怕，也令人极其兴奋。
我想提出一个非主流论点。市场现在有种说法：AI 进步很快，所以旧模型已经足以完成几乎所有重要的日常任务。很多人都在重复这个说法。你刚才也提到，Anthropic 的旧模型能完成很多任务。我听到这些，也认为开源模型会发挥重要作用。但这和你先前说的、也符合资本主义现实的“赢家通吃”市场相冲突：第一名拿到70%，第二名拿20%。
我们是高估了旧模型完成这些任务的能力吗？还是说行业其实进入了博弈阶段：如果 Hertz 用 Anthropic 7.0，Avis 也必须用 Anthropic 7.0，于是旧模型就不再有价值？这真的取决于我们刚刚讨论的问题：新模型能做什么？
我不觉得事情只是这么简单，不是竞争对手之间互相跟进、攀比。我认为关键还是功能本身。
如果你告诉我，Anthropic 在2027年的一系列模型能够可靠地完成长达两个月的推理任务，那么对当前正在尝试的很多事情来说，人们别无选择，只能使用这些模型。因为它们能在药物研发、保险承保以及许多传统上由人类完成的领域里做成事情，而开放权重模型还难以把任务拆成小块来完成；后者仍然只是帮助人类做得更好，而不是取代过去专属于人的工作。
如果2027年的功能实现了巨大飞跃，那么我完全同意：今天 AI 正在做的事情，一年后会用更便宜的开放权重模型或旧模型来完成。但我们还要问，明天 AI 能让我们做什么？明天的新任务按定义始终处于前沿，因此始终需要前沿模型。价值在旧模型和前沿模型之间会如何分配？
如果 AI 已经停滞，我们已经榨取了它能带来的大部分价值，之后只剩渐进式改进，那2万亿美元确实高得离谱。但如果发展速度不必加快，只要沿着现在的轨迹继续——也就是2025到2026年的速度——那么绝对会有 Hertz……
AI 智能体如何把市场扩展到80亿人之外（续）
……Hertz 和 Avis，即使是推理能力相对一般的模型也能发挥作用。我举这两家公司为例，是因为它们不是走在技术前沿的公司，但它们有大量数据，还涉及保险等业务，都是数据密集型公司。
对。
我认为，更大的问题不是“Hertz 和 Avis 怎样才能把现有业务经营得更好？”我们在 Bain Capital 的私募股权业务中也看到了这个问题，风险投资和私募股权现在有很好的交集。问题不只是怎样让一家相对传统的公司经营得更好，而是：如今你能做什么？比如，Hertz 能不能打造出色的软件产品？或者能不能成立自己的保险子公司？
我们正处于 AI 投资泡沫中吗？
……自己开保险公司，而不是和 AXA 合作，这种想法听起来简直荒唐。我们会说：“我们又不写软件，也不制造保险产品，我们什么都不会。我们不知道怎样应对监管机构和那些必须准备的文件，内部也没有精算师，不知道如何给保险定价。”
但这时，像你这样的投资人走进会议室就会问：“Hertz 的车有没有发生过你们不知道的事故？你们有没有所有 Hertz 车辆事故的完整数据？”他们会说：“有，我们都知道，甚至精确到每一分钱的维修费用。我们知道驾驶员是谁、租期多长、那个人在哪里工作。”那你们不是最适合自己开展保险业务吗？
仅仅是必须向50个州和另外30个国家的保险监管机构提交报告，这件事用 AI 处理也轻而易举。
这些问题也都能解决。
都能解决。所以你应该摘掉眼罩，问：“我们在哪些事情上拥有得天独厚的优势，能把它做到极致？”也要放宽过去对“我们能做什么”的限制。
对传统公司而言，这确实是个非常美好的时刻。这也让我更相信，你举 Hertz 和 Avis 的例子很有代表性。乍一看，它们现在用 AI 来优化车辆调度、降低客服成本，让为数不多的程序员提高效率，或者把一部分工作从业务流程外包公司收回来。今天这些事大概用开放权重模型就能做。
但随着模型性能和能力提升，只要管理层有才干，他们很快就会开始想：“我们怎样用这些模型做过去根本想不到的事？”
或者问模型：我们应该经营什么业务？
没错，所有这些都可以问。我记得自己开始学会使用智能体时——所谓“很久以前”，也就是今年第一季度——我逼着自己快速上手。我合作的那个人每次都会问我：“你为什么问我？去问 Claude。你把我当拐杖了。你想知道的都在模型里。每次你抬头来问我，都是走错了。你不知道怎么把它连到 Box 云盘？问它怎么做，它会告诉你。”
意识到这一点非常解放人：你不需要教练、建议或培训，因为所有东西已经摆在那里。你看一个15岁的孩子使用它，就会发现他们根本不抬头，因为他们需要的一切都在那里。
回到全球大约5000万名工程师这个数字。直到2026年，写代码都需要用代码；如今，你可以用任何语言编程。理论上，80亿人都可以写代码，而一年前可能只有5000万人能做到。这是另一个还没人真正纳入计算的因素：工程师数量扩大100倍或500倍，会发生什么？
我们会得到很多没用的软件。
但也会得到很多有用的软件。
我觉得这太棒了。这就是我喜欢那些反乌托邦题材的原因——我没时间沉迷其中，而且我也无能为力。我宁愿尽情享受这些可能性，因为说实话，可能性实在太多了。
说到反乌托邦的可能性，我们之前谈到泡沫这个概念。如果你持续付出过高价格，大家又不断追逐上涨势头，迟早会出现高价买入，迟早……
我们正处于 AI 投资泡沫中吗？（续）
……泡沫就会破裂。如果用棒球比赛来打比方，你觉得 AI 泡沫现在处于第几局？
这个回答对你的播客来说可能有点令人失望，但我只能承认自己不知道。我甚至想说，没人知道，因为以前从来没有人见过这样的事情。
我换个角度回答：如果这和其他技术浪潮类似，我们已经到了第八局。只要走错一步，就可能把泡沫的顶盖掀翻，就像2021年11月那样。如果它只是一场普通的技术浪潮，比如 SaaS 转型——我认为那轮转型大约从2012、2013年开始，然后结束在……
AI 时代生存最重要的能力
……2021年11月以极其不同寻常的方式结束，期间受到新冠疫情、利率下降等因素推动。之后又经历了痛苦的18个月。如果 AI 最终像 SaaS 一样，只是技术发展史上的又一章，而非彻底改变游戏规则，那可能不会到2026年11月才结束；按我的模式识别判断，大概还剩几个月到几个季度。
你觉得这种情况的概率是多少？用百分比说？我想的是，这怎么可能发生？和其他技术不同，我常问别人：如果每个人的生产力都提高了这么多，为什么 GDP 里还看不出来？这个问题我们等会儿再谈。先假设我自己没有产生幻觉：我获得了这些生产力提升，做更多节目、做更多投资，使用的人力资源却更少，同时我们却处在泡沫里——这怎么可能？我不觉得这说得通，所以我给它的概率很小。
我觉得这已经是比较高的一端了。
所以可能投资侧有泡沫，但采用侧未必有？
没错。我确实认为这一轮风投回报被压低的可能性超过10%。但与此同时，赢家正以史无前例的规模成长。在幂律行业，即便你对投资组合中的49家公司作了糟糕决定、系统性地付了过高价格，只要其中一家押对了，最终拿到 Anthropic 25%的股份，那你依然做得不错，更重要的是，你的有限合伙人也会满意。
所以我无法有把握地判断这一轮风投回报会怎样。我能说的是，我们尽量保持投资节奏稳定，每年投资金额约5亿美元。我不觉得现在就是2021年，但你永远无法确定。而且一般来说，当你特别想加大投资时，别人也会有同样的冲动。
这就像 Stanley Druckenmiller 那句话：“没有什么东西比已经涨了40%的东西看起来更便宜。”
对，完全如此。
这真是个巨大的悖论。反过来也一样：有个东西跌了80%，哪怕基本面价值没变，看起来也像是贵了，你就想卖。
正是这些人性因素在影响我们。我们能做的只有承认它们。我们得出的结论是，必须控制投资节奏。
也就是放弃一些潜在上行空间，换取能一直留在牌桌上。
对，也避免在人性冲动驱使下，把巨额资金砸进某个最后失败的项目。这一点影响很大。有些公司把投资速度在2020到2021年间提高了三倍。那就意味着有一大批合伙人坐在董事会上，守着那些他们以极高价格投进去、可能根本不值钱的糟糕 SaaS 公司。这种人性后果远远超出这一轮基金的回报，它还会……
这是幸存者偏差的另一面。
对。
你只听得到幸存者的故事。你怎么知道自己不是运气好？你不会去想那些没能活下来的公司。
没错。所以我们最终决定，把控制节奏当作一种行为准则，用它来约束自己。这个决定确实不容易。
从不知道 AI 会走向哪里的存在主义焦虑，切换到你得操心的另一种焦虑：我想你有六个不满18岁的孩子。
是的。
所以你总得面对这个话题。我自己的第一个孩子马上就要出生。对于今天长大的孩子，在后 AI 世界里，什么技能最能让他们适应？
AI 时代生存最重要的能力（续）
……我第一个孩子快出生了。对于今天长大的孩子，什么能力最能让他们适应后 AI 世界？
我在孩子身上看到的一点是，我有六个孩子，分别18岁、15岁、13岁、9岁、9岁和7岁。他们都在做各自的事情。有些孩子具备一种硅谷常说、难以言表的特质，叫作“主动性”（agency）。这个词经常被提起，不代表它不重要。我觉得它确实是关键特质。
这能算你的功劳吗？还是他们天生如此？
我觉得更像是遗传自他们的妈妈吧。至于我们的育儿方式，我认为蒙特梭利学校是个好主意。在蒙特梭利学校，孩子一到校就可以自己选择要做什么，一天没有固定课程，这就是蒙特梭利幼儿园的特点。
我觉得这让孩子们总体上养成了一种习惯：遇到新情境时，第一反应是“我可以自己选”。每个孩子表现程度不同。但孩子越多，你越会被现实动摇：你会想“这个对一个孩子成立”，可对第二个孩子就不成立。六个孩子里能经受住考验的原则很少，因为你的先入之见会一个接一个被推翻，可能到第四个孩子时就发现那条规律根本不对。
你是说育儿方面？
对，既是关于人性，更是关于育儿。真正经受住考验的只有两条。第一，蒙特梭利幼儿园确实很好，直接送孩子去就行；无论住在哪里都能找到。第二，不要替孩子回答问题。
孩子总在提问。作为好家长，你会想：“我女儿想知道天为什么是蓝的。”但你回答这些问题并没有帮助，他们根本不会记得答案。你只要反问：“你觉得呢？你觉得天为什么是蓝的？”所以我的孩子觉得我烦透了，简直荒唐。等他们大一点，可能只想知道该在哪一站下地铁。不过，作为给新手爸爸的一条建议，我就把它推荐给你：你没有义务回答孩子的问题，而且那样并没有帮到他们。这样会让他们形成自己解决问题的思路。
对，核心就是主动性。现在这个世界需要的是：当你面对一块空白屏幕时，你会做什么？你拥有触手可及的一切工具，想做什么都可以。不知道怎么做，就问它，它会告诉你。如果你有主动性，12岁就能创业，或者写出大学水平的论文。但大多数人没有这种主动性。
我不会说自己是个很出色的父亲，不过我确实有相当大的样本量。
至少你是个经验丰富的父亲。
（笑）这两条是六个孩子一路折腾下来，唯二保留下来的原则。
我想你的孩子成长环境肯定相当优渥。你会如何把这一点纳入育儿考虑？
以前，选择风险投资这个资产类别，是避免让孩子过于优渥的一种好办法。我从90年代末到2011、2012年经营自己的风投公司，那些年日子相当拮据。所以我想，至少年纪大的孩子知道在纽约长大是什么感觉：觉得爸爸没有经营对冲基金，妈妈也没有经营对冲基金。现在风投行业回报更好，这种情况可能难一些。
不过，这问题其实不复杂。你可以回忆自己是怎么长大的。我记得自己是个公立学校的孩子，父母都是教授。我觉得只要认真想想，就能记起自己从多少匮乏、节制或优渥条件中学到了什么……
AI 时代生存最重要的能力（续）
……你曾经有幸拥有的条件，这不意味着你必须假装自己没有财富。我们的结论是，你需要建立一种合理的生活方式，即使孩子长大、自立之后，这种生活也有可能让他们负担得起。
按我们的看法，标准不能定得太高。你不能沉迷私人飞机——当然，我们本来也不会这么做——因为孩子一旦体验过某种生活并觉得那很正常，之后一辈子没有这种待遇就会觉得奇怪。度假方式、住房类型或拥有几套房子，都属于这一类。
我觉得这件事其实很有常识，大家只需要作出合理判断。
那就以这场绝对精彩的大师课作为结束。
非常感谢你来做客。
今天能和你交流，我很高兴。
恭喜你听完了我和 Matt 的对话。如果你喜欢这场访谈，一定也会喜欢这里的下一场对话。