第二次认知革命：AI 对风险投资真正意味着什么Origins Podcast

创业者获得回报，并不是因为承担“风险”（risk）。他们获得回报，是因为面对“不确定性”（uncertainty），并把这种不确定性解决掉。比如一家公司增长非常快，但商业模型还在打磨，你不知道某件事到底行不行。拿 Airbnb 来说：人们也许愿意住进陌生人的家，也许不愿意；我不知道这个概率。如果概率很高，我就有一门生意；如果概率是零，我就没有生意。所以要做的是去把这个概率弄清楚。一个人创业、测试、融资、四处试探，并建立反馈循环——如果答案最终是“可以”，这就是他们获得回报的原因。

本节目参与者表达的观点仅代表个人，不代表 LGT Capital Partners、Asylum Ventures、Magnetar Capital、QStar Capital 或其关联方。内容没有考虑任何听众具体的投资目标、财务状况或需求，也不构成推荐、要约、要约邀请、公开广告，或买卖任何投资或特定产品的建议。信息来自被认为可靠的来源，但不对准确性或完整性作保证，也不应被依赖。另类投资具有投机性，可能涉及复杂工具，并具有高度风险；讨论到的投资和策略可能发生价值波动，也不一定适合所有投资者。听众应独立作出投资决定。本播客不讨论任何具体基金。

欢迎来到 Origins。这是一档深入讨论风险投资这门生意的播客，我们会了解资本背后的人——无论 GP 还是 LP——究竟如何做决定。

我是 Nick Chirls，Asylum Ventures 合伙人。

我是你们的 LP 联合主持人 Beezer Clarkson，LGT Capital Partners 董事总经理。

今天的嘉宾是 Alec Litowitz。他创立了 Magnetar Capital——全球备受认可的多策略对冲基金之一——也是 QStar Capital 的创始人兼管理合伙人；QStar 是他的单一家族办公室和投资平台。Alec 在另类资产管理行业已经超过 30 年：从 J.P. Morgan 起步，之后成为 Citadel 四位创始合伙人之一并担任全球股票业务负责人，再从零建立 Magnetar。

在 QStar，他以两种不同方式做投资：一方面直接投资 CoreWeave、Poolside、SpaceX 等公司；另一方面作为 LP，通过 QStar 的 GP Investments 业务投资表现顶尖的 VC 和私募股权管理人。整个体系没有基金 mandate，也没有 LP 约束，而且时间视野真正足够长。

顺便谢谢你，Nick。你又带来了一位非常棒的嘉宾，真的很感谢。对我个人、也对这档节目来说，这个组合很有意思，因为 Alec 坐过桌子的每一边：他自己做过基金管理人、做过直接风险投资，也作为 LP 评估和支持基金经理。这样的视角非常少见。把这些经历串起来的，是他用 30 年发展出的一套框架——Adaptability Quotient，也就是 AQ，适应力商数。

AQ 是一套在真正的不确定性下做决策的过程：你如何思考自己的思考，如何在下注之前画出可能性，又如何实时测试和调整。Alec 在 Citadel 用过它，以它为底层方法建立 Magnetar，今天 QStar 选择投资也以它为基础。他还把这套方法写成一本书《The Adaptability Quotient》，将于 9 月 15 日出版，并通过自己的 newsletter《Early Adopters》讨论更大的影响。我们今天都会聊到。Alec，非常感谢你来到 Origins，我们很期待这次对话。

我也特别高兴来这里。谢谢邀请。

不过我还是想先听 Alec 对“上市第一天收盘价”的预测。

我们后面可能会谈到我现在要说的几个方面。我确实认为，不管公开市场还是私募市场，本质上都在解决不确定性。以 SpaceX 为例，从我投资它的时候到现在，它已经解决掉一些不确定性。当时它基本只有发射业务；Starlink 只是一种可能性，连一颗卫星都还没有送上去。问题是：它到底能不能把卫星送上去？Falcon 9 会发生什么？它能不能降低把 1 公斤载荷送入太空的成本？这些问题现在已经得到了解答。

现在我们正处在另一个边缘：你会不会说 Starship 已经“完全解决”了？我会说只是部分解决。Elon Musk 在历史上解决技术挑战的纪录相当不错。因此，即使有些东西还没有解决，人们大概也会给他一定的 benefit of the doubt：只要问题处在物理定律允许的范围内，技术层面的部分很可能最终会被解决。

对这样一家公司来说，我觉得让它上市在某种程度上是合理的。我可能记错，但我认为它累计融资总额不到 100 亿美元。换句话说，真正曾经有机会接触或持有这家公司的人非常少。我喜欢它上市的一点，恰恰是还有一些东西没有解决，而公众市场可以获得这种“尚未解决部分”的敞口。至于正确价格是多少，我觉得应该留给别人争论；它和你的时间尺度有关。

所以，如果你问我第一天会怎么样——我等会儿会回来回答，我不是完全回避——反而很难看清。通常我们会说看得越远越难预测，但这一次，我觉得预测“第一天发生什么”比思考更长期的公司形态还难。长期看，这家公司会不会是一笔好下注？参与其中是不是一件有意思的事？我的答案是：长期它会更值钱，而且它某种程度上是在给人类提供希望。所以长期我偏多。

这类发行通常会被结构化。我做资本市场业务已经二三十年了；如果结构设计得好，公司通常会被安排成有较大概率向上交易。你们可能也知道，现在已经存在某种程度的流动市场，可以看 Polymarket、Kalshi，也可以看 HyperDASH 一类地方上的未来流动 token。它们所暗示的价格大致都是上涨，也许 10% 到 20%。

我们也知道需求一直超过供给。不过这次供给量确实很大——大约 750 亿美元。所以，如果把其他变量都保持不变，我的直觉是它会上涨，但不会翻倍。

更难回答的是：它上市、周五开始交易之后，一周、两周以后会发生什么。因为这时你开始受制于市场正在担心哪些不确定性，以及这些担忧会不会“传染”到 SpaceX。SpaceX 会成为整个公开市场生态的一部分；不管这些因素理应不应该相关，市场参与者都会把它与大盘相关联。有时市场对未来现金流使用更高折现率，有时用更低折现率。在公开市场里，你就会受到这些变化无常的因素影响。

这种状态会持续到未来某些新的关键节点被解决：比如 Starship 被证明可行，发射频率上升，把 1 公斤送入太空的成本再下降一个数量级——甚至源字幕这里说的是再下降一千倍——以及我们真的把数据中心放到太空里，等等。未来有很多值得期待的 unlock。

但第一天到底怎样，我还是那句话：抱歉，虽然我有公开市场交易背景，我从来不会把太多精力用在解决“某一天会发生什么”。我更愿意往远一点看。不过如果一定要说，我的直觉还是：首日会涨一些。

我再问一个公开市场问题，然后我们进入正式访谈。主要是因为我们节目里很少有像你这样的公开市场人士，我很好奇；当然我知道你也做大量私募投资，我们后面会聊。SpaceX、OpenAI、Anthropic 都在这个夏天把供给带到市场，大家应该怎样理解总供给？会不会出现市场消化不了的问题？另一个相近的问题是：Anthropic 看起来可能会先上市，对 OpenAI 来说，“谁先去市场”到底有多重要？

先说几件事，因为这里的数学很容易被混在一起。我们倒着算。Elon Musk 大概率不会卖任何股票，而且他会持有大约 40%。所以那部分实际上不会进入市场。当然他可能拿它做融资，但我们先把它视为“不太可能成为流通供给”。

嗯。

然后，假设还有 10% 到 20%，甚至更多，最终会被被动型结构持有；它们买进去以后也很少会再流出来。所以如果这是一家 2 万亿美元市值的公司，“真正进入市场”的并不是 2 万亿美元。能高度流动交易的只是其中一部分。

你可以拿 Nvidia 举例。假设它是 5 万亿美元市值，其中多少由内部人持有？多少真正自由流通？它有非常庞大的可交易部分。所谓“供给”，本质上是任何一天里谁愿意卖。

OpenAI 的所有权相当集中，我知道 Anthropic 也一样。对 SpaceX 来说，如果只按 5% 来算，真正释放出来的也就是大约 750 亿美元。Elon 的结构设计得很聪明，核心是有一个机制去匹配、尽量平衡供给和需求。这个匹配是不是完美另说，但把“2 万亿美元市值”理解成一个 2 万亿美元的 overhang，并不是市场真正的运作方式。

粗略算一下——我没有真正做过这组数学——假设一年里有 40%、30% 的部分可以交易，拿 40% 乘 2 万亿美元，就是 8000 亿美元。Nvidia 真正受自由交易影响的市值可能还更多。做同样的分析就知道：这当然很多，我不是说它小；最终进入市场的可交易市值确实很大。但如果三家公司都按 2 万亿美元算，绝不是一下有 6 万亿美元可交易市值来到市场。那不是正确的看法。

第二个问题是 IPO 的时间顺序——

我承认有“吸收能力”的问题，但基于我刚才说的，我真的觉得这个问题被夸大了。最终每次 IPO 都只会发行一定数量的股票，剩下的会锁定。所以可能是 750 亿，再加另外两家各 750 亿、500 亿、1000 亿之类，加起来几千亿美元。很多，但称不上离谱。

所以 OpenAI 和 Anthropic 谁第一、谁第二，在我个人看来没那么重要。现在还有太多宏观因素，它们的影响会远大于“谁先上市”。这件事很适合拿来聊天，但我不觉得它是一个真正的大问题。

很好。我很高兴它们不会把股市搞坏。世界上已经够多东西坏掉了，不需要再多一个。

不，我也不觉得会。

好，那我们正式开始。Alec，你的背景非常、非常令人印象深刻。我们想听你讲，但我想先请你从职业生涯三个不同章节讲起：Citadel、Magnetar，以及现在的 QStar。回头看，这三个阶段之间有没有一条贯穿始终的主线？还是每一段都像真正跳入未知？也借这个问题让听众认识你的经历。

最好的讲法，可能是先从 Citadel 开始，然后往回走一点，再从那里往前走。这样你会发现，我职业生涯确实有三个不同阶段，但它们底下有非常明确的连接和主线。

回到我被 Citadel 雇用的那个时点，你肯定会问：“Ken 到底在想什么？”因为我根本不知道什么是对冲基金，一天交易都没做过。最开始我要做 risk arbitrage——对并购结果下注——我以前也从没做过。如果那时你考我，我可能连它是什么都说不清。所以第一个问题一定是：“Ken 为什么要招这个人？”

很多年后我才逐渐意识到，Ken 当时在我身上看到的，是一种思考方式：我已经形成了一套把事物拆开、再重新拼起来以做决策的方法。我母亲是语言学博士，后来成了精神分析师；我父亲也是精神分析师。作为两个精神分析师的儿子，家里从来不是“词就是词”“看到什么就是什么”。每一层洋葱都要剥开，表面背后总有某种 illusion，问题永远是：真正的模式是什么？表象下面是什么？这从我很小就改变了我看问题的方式。

把这种方式放到商业里也一样。我还不识字时就玩 Monopoly，因为 Monopoly 是一个可以拆解的系统。我的家庭是系统，我可以想我和兄弟们怎样在这个系统里互动；学校也是系统。

所以到了 Citadel，我被扔进 risk arb，完全不知道自己在干什么。但正因为我不知道，我没有一个已经装满“专家知识”的杯子，我拥有 beginner's mind。于是我做的就是：拆开它。这个系统到底是什么？怎样运转？怎样建立一个更好的系统，判断一项并购究竟会完成还是会破裂？

最后，我建立出一套非常出色的系统来做这件事。细节可以以后再讲。之后我又把同一套思维扩展到其他股票业务，包括 long-short equity。底层装置没变，只是应用到不同输出。

到 Magnetar 时，我问的是：世界现在发生了什么变化？有什么不确定性？我怎样造一只“更好的捕鼠器”，去解决这种不确定性，并建立系统化方法？到 QStar 也是同样。所以你回看这三个时期，会发现每一次下面都有一个系统，都存在某个尚未解决的不确定性；如果你能把它弄明白，就会因为解决了这种不确定性而获得补偿。

我只是在不同年代重复自己从小养成的方法。当然，年纪大以后会有变化，也会在一些时刻意识到更多东西；但底下还是同一个人：系统化地拆解、保持适应、通过实验去 probe、拿反馈、非常快地迭代。整条职业线的模式一直如此。

你刚写了一本新书，我想正式出版要到今年秋天，对吗？

对，9 月 15 日。

第一，书名叫《The Adaptability Quotient》，我很想知道这个概念是什么意思，我想它会把我们带到很多别的问题。第二，我也很好奇，写这本书本身让你学到了什么？

如果我不说“现在 Amazon 已经可以预订”，我的 PR 团队大概会很失望。但说真的，我一开始并没有打算写书。当我决定从 Magnetar 退下来，把公司交给两位合伙人时，我一直在思考我们面对的这个时刻——我认为这是一个非常大的 regime shift，变化极其巨大。

我试着找一些书、一些工具，帮助自己理解我们正处在什么时刻。有很多非常好的书，我也会到处推荐，但我一直找不到一本书能回答我真正的问题：如果世界持续改变，我怎样绘制地图？在一个看起来高度不确定的世界里，我究竟怎样做决定？这最终成为我写书的起点。

我读过很多很棒的书。比如《Outliers》讲一万小时，《Grit》里 Angela Duckworth 讲毅力，这些都非常有价值。但我一直找不到一本书，真正回答这样的问题：如果世界本身在变化，我应该怎么画出新的地图？在不确定性越来越高的时候，我怎样做决定？

后来我意识到，其实我过去一直在用某种方法来解决不确定性，只是从来没有把它写下来。我想，也许现在应该把它整理成一套方法。因为我们正进入一个变化速度可能超过人类既有能力更新速度的阶段。行业会变，职业会变。我们做决定时，通常依赖脑子里的一张“地图”来理解现实这块“领土”；可如果领土本身正在迅速改变，而你的地图没有跟着变，就会出问题。

这就是为什么我提出 AQ——Adaptability Quotient，适应力商数。我们都熟悉 IQ，也熟悉 EQ。IQ 当然很重要，不过我甚至会说，某种意义上它正在变得越来越“可下载”：你现在可以向 AI 调用很多过去只有高 IQ 才容易获得的分析能力，将来甚至可能有更直接的增强方式。EQ 也很重要，因为你需要理解人、和人合作。

但 IQ 和 EQ 通常都默认一个前提：你仍然在同一个框架里运作。你只是在这个框架中推理得更好，或者与人相处得更好。AQ 问的是另一件事：如果框架本身变了怎么办？如果规则、参与者、约束、机会集都在变，你是否能先意识到旧框架已经失效，然后重新绘制一张地图？

我把连续创业者当成一个很好的“对照组”。他们反复进入未来，进入一个规则书还没有写完的地方。他们不能只靠过去的经验，因为下一家公司面对的市场、技术、用户行为都可能不同。真正厉害的人，是能不断更新自己怎么看世界的人。

我把这种能力拆成几个阶段。第一是 metacognition，也就是元认知。你必须先知道：你并不是直接看见“世界本来的样子”，你是通过自己的镜头、经验、偏见和模型来看世界。第一步是尽量弄清自己的镜头是什么，并尽可能让你看到的现实接近真实。

第二，是学会用虚拟式、可能式去思考。不要只问“会发生什么”，而是先把可能路径摊开：如果 A 呢？如果 B 呢？还有没有 C？你不是为了把每条路都预测准，而是为了不被自己最先想到的那条路锁住。

第三，是实验。你不可能靠坐在房间里把未知都想明白，所以要设计能够快速给你反馈的 probe——探针。做一个小实验，看结果，然后微调；再做，再拿反馈，再调整。这样你不是一次性押注于一个庞大预测，而是在不断修正自己的地图。

我写这本书，很大程度上是想把优秀创业者脑子里那些做法“民主化”。因为当一个人的行业、工作或者商业模式被打乱时，其实每个人都在某种意义上变成了创业者。你都必须重新判断：现在规则是什么？我该往哪里走？

所以我觉得未来一个非常核心的技能，是持续地学习、忘掉旧知识，再重新学习（learn, unlearn, relearn）。而且我相信这套方法是可以学、可以教的。它当然不保证成功——没有任何方法能保证——但它至少给你一套在不确定性中行动的操作系统。

先把这个想法钉在这里，后面我们还会回来。我想顺着它问 QStar。你为什么觉得 QStar 的结构让你可以做一些在 Magnetar、Citadel 那样的机构里不那么容易做的事？尤其当你说“框架变了”的时候，QStar 到底给了你什么不同的自由度？

QStar 本质上是我的 family office。成立它有两个原因。第一个和 Magnetar 有关。我一直认为，如果一家公司在创始人离开之后就结束了，那它其实还不能算真正意义上的“企业”。我离开 Magnetar，本身就是一次检验：现在该轮到团队去发光了，也该证明这家公司在没有我的情况下仍然是一家独立运转的企业。

第二个原因更直接关系到这个时代。我离开时，大概是 2022 年夏末，还在当年 11 月的 GPT 时刻之前。我当时对 Magnetar 全体员工说，我觉得我们正在进入历史上非常独特的一个阶段：数据、算力和材料科学正在汇聚，像生物学里的“间断平衡”（punctuated equilibrium）一样，可能出现一个此前很少见的爆发式变化期。

我想亲自在场，去把这个新系统画出来。我并不知道最后会怎样表达这张地图。我可以写作，也可以投资；可能是私募市场，也可能是公开市场。我当时甚至不知道自己最终会用哪一种方式与这些判断互动。

Magnetar 的结构非常好，投资者也很好，给了我们很多追逐新机会的空间。但任何机构都会有约束，而且你的 fiduciary duty——受托责任——永远首先是对投资者。那时我想做的，是允许自己花时间阅读、吸收、跨领域寻找模式，然后在“我到底要以什么方式获得敞口”这件事上不先给自己设限制。

我不希望因为 Magnetar 的任何限制，让我在研究某个方向时受到不必要的干扰。所以现在我仍然会和他们交流我的想法，有时也会和 Magnetar 一起投资；理想情况下，这是两边最好的结合。

但最初的核心逻辑就是这两件事：一方面把 Magnetar 真正交出去，看它能不能在没有我的情况下继续繁荣；另一方面，我自己不带预设约束地去绘制我们正在进入的这个世界。

我猜 QStar 的定义还会继续演化，但如果只看今天，你会怎样描述 QStar 和它现在的策略？毕竟你已经探索了一两年，而未来又显然还有很多不确定性。

这个问题很好，而且我的答案可能和很多人对 family office 的想象不太一样。很多 family office 的运作方式有点像基金会或养老金：有若干资产“桶”，每个桶分配多少，一部分内部做，一部分外包给外部管理人。我们不是这样。

原因是我真的相信现在是一个 regime change。既然如此，那些固定的资产桶本身可能就是旧系统留下来的 artifact——历史产物。如果制度正在变，我不想先假设过去那套配置框架仍然最合理。

我们更偏主题式（thematic）、自上而下（top-down）。先问：世界正在发生哪些大变化？我们把其中一部分叫 technocentric，也就是以技术为中心。这里可以包括能源转型、合成生物学、新的金融轨道系统，以及更前沿的科学和技术：AI、量子、核聚变、太空、国防等等。

另一边我们叫 anthrocentric，也就是以人为中心。它某种程度上是对技术化世界的人类反作用：体育队、酒店和款待、音乐，以及那些人们为了共同体验而聚在一起的东西。技术越强，人们对真实共同体验的需求也可能越强。

我们认为 technocentric 和 anthrocentric 两边都有增长机会。方法仍然是先 top-down：先判断哪些主题最重要；然后再 bottom-up，去找具体资产和公司。到那一步，我们会问：怎样把这笔交易或投资做得尽可能“宽容”（forgiving）？哪里下行最小、右尾最不对称？

我不想在世界剧烈变化时，还机械地坚持旧的资产配置模型。所以长答案可以缩成一句：QStar 从主题和世界观出发，再去找最好的公司、最好的创始人，不管它在公开市场还是私募市场。我们也希望和 IQ、EQ 很高、同时足够适应变化的人站在一起。

Nick 和我都在 venture capital 世界，所以我必须问。我的理解是，你们几乎可以投资任何工具，公开、私募都可以。那有没有什么领域天然、持续地更适合 venture？还是说不同主题完全不同，有些几乎不该通过 venture 做，有些则应该做很多？我知道这只是今天的快照，未来可能会变。

对我来说，venture 的美妙之处，以及它为什么非常重要，是因为它是大量不确定性最早被解决的地方。你看今天 Anthropic、OpenAI、SpaceX，这些都还主要存在于 venture 世界。我们总爱谈 Mag Seven，但也许还应该谈一个“Mag Ten”，甚至某种 Venture 20、Venture 50——我不知道应该叫什么，但它们构成了另一个重要的公司集合。

这些公司中很多迟早都可能成为非常可行的上市公司。于是如果你问：“颠覆发生在哪里？未来在哪里？我怎样获得这个 regime change 的敞口？”那 venture 本身就是一个非常重要的入口。如果我明明能进入、也能用自己的方法分析，却先给自己加一个约束说“整个 venture 部分不要”，我不明白为什么要这样做。

当然，我可以只买所谓 picks and shovels——卖铲子的人——也可以在公开市场里表达观点。但如果创新本身发生在更早阶段，我希望能够在那里参与。不是说所有资金都要放进去，而是不要先把选择砍掉。

真正更重要的问题，不是“哪个行业应该是 public、哪个应该是 private”，而是这是什么类型的不确定性。比如 Airbnb 最早的问题是：人们到底愿不愿意住进陌生人的房子？这是一个很早、很基础的不确定性，适合在私募市场里被解决。等它被验证之后，公开市场面对的可能变成另外一些问题，比如边际旅行需求、某个城市里住一套公寓的增量价值等等。那是另一种不确定性。

所以我认为，只要你对策略和解决这个不确定性的人足够有信心，就有可能在“解决不确定性”这件事上获得超额回报。而其中总会有一部分，天然发生在非常早期、发生在 venture 世界。

我们一直在谈 risk 和 uncertainty。你今天已经很多次用了“不确定性”这个词。很多人其实把风险和不确定性当成同义词，但我知道你在书里花了很多篇幅区分它们。你能不能讲讲这两者到底有什么不同，以及你怎样用这套框架？

这点真的非常重要。我还专门写过一篇 Substack，大意就是：如果你觉得 risk 和 uncertainty 是同一个东西，请读一下，因为它们不是。更重要的是，如果你在一个本质上“不确定”的世界里，继续用处理“风险”的工具做决定，你会犯错。

为了讲清楚，我把世界简化成三种状态。第一种是风险（risk）。风险的定义是：我知道所有可能结果，也知道这些结果的概率。最简单的例子就是骰子。一个正常骰子只有 1、2、3、4、5、6 六种可能；你不知道下一次会掷出哪个数，但你知道每个结果大约是六分之一，除非它是一颗灌铅骰子。

在这种情况下，你可以给风险定价。你知道赔率，所以可以决定要不要承担它。有时你赢，有时你输，但你并没有面对某个“连可能性本身都不知道”的问题。

第二种是黑天鹅（black swan）。Nassim Taleb 在这方面写过非常好的书，我会推荐。黑天鹅的意思很简单：我既不知道所有可能性，也不知道它们的概率。COVID 就是一个很直观的例子——在它发生之前，多数人既没有把这样一场疫情真正纳入自己的可能性集合，也不知道它发生的概率。

然后中间有一个巨大的区域，这恰恰是大家常常忽略的：我知道有哪些可能结果，但不知道它们各自的概率。这就是不确定性。

去约会就是这样。你知道可能发展得很好，也可能很糟，但你不知道概率。雇一个员工也是这样。Fantasy basketball 里一个球员受伤以后复出，他可能比以前更好、一样、或者更差；可能性你知道，但概率不知道。

其实人生的大部分就是这种状态。问题在于：如果我不知道概率，我就不能老老实实地做 expected value，也不能假装 mean-variance optimization 给了我一个可靠答案。但人们还是不断把处理风险的规则硬套到不确定性上。

这并不是新概念。Frank Knight 在 1921 年就系统写过，所以它也叫 Knightian uncertainty——奈特式不确定性。他的核心观点和创业特别相关：创业者获得回报，并不是因为承担“风险”（risk）。他们获得回报，是因为面对“不确定性”（uncertainty），并把这种不确定性解决掉。

还是拿 Airbnb 举例。人们可能愿意住进陌生人的房子，也可能不愿意；我知道这两个大方向，但我不知道概率。如果这个概率很高，我有一门生意；如果它是零，我就没有。那就去把这个概率解决掉。

一家 startup 会去测试、融资、四处 probe，建立反馈回路。如果在某些条件下、用某种呈现方式，答案变成“是”，那你就在逐步解决这项不确定性。这就是创业者真正获得回报的地方。

这套框架也解释了我怎样理解自己过去在 Citadel、Magnetar，以及今天 QStar 做的事。我一直在找：有没有一套方法可以把不确定性逐步解决？我的书，本质上就是一本解决不确定性的 handbook 或 field guide，一套工具箱。

如果方法有效，过程就是：先 probe，先拿答案。当不确定性被解决到一定程度之后，它就被转化成了风险。一旦变成风险，我开始知道概率，就可以给它定价，也就可以真正下大注。

所以我会不断试、不断问、不断拿反馈。理想状态是，在别人还没弄明白之前，我已经先把关键概率弄清楚。那时我会说：“好，现在我知道了一件别人还不知道的事。”这才是我愿意把仓位做得非常大的时刻。

对创业者也是一样。一个正在解决不确定性的 founder，最好有很高的 AQ，因为他必须能 pivot，也必须能 probe。什么是 pivot？什么是 MVP？MVP 就是一个探针，而且是一个带反馈回路的探针。它们本质上都是同一件事。

能不能给一个 venture 场景里的具体例子？最好也讲一个反例：有人没有用这套框架，因此做错了什么，而不只是“他没投，所以错过了”。让它更具体一点。

可以。有一家公司，我不说名字，很多人可能会猜出来。它是一家西海岸、venture-backed 的公司，团队非常优秀，很多人来自很好的地方。他们聚集了一支很强的团队，然后形成一个判断：进入 AI 时代之后，手机不会是最终的 form factor，应该会有更好的东西。

顺便说，这个大判断未来也许是对的。可能它最终真的会发生，只是他们当时太早。但问题不在于愿景，而在于他们怎样处理不确定性。

他们没有先推出一个 MVP，也没有真正建立反馈回路。他们形成了一个意见：“我们知道正确的 form factor 是什么。”然后融资，直接把这个形态做出来。最后市场拒绝了它，表现不好，用户也不满意。

危险的地方就是：你没有通过外界把不确定性解决掉，却在脑子里说“我和我的团队已经知道答案了，我们知道大家想要什么”。那不是把不确定性解决了，只是把它假装成已经解决。

我更喜欢看到的人会不断问：“我可能哪里错了？还有什么我不知道？我怎么测试？”A/B test、MVP 都是这种工具。Pivot 也一样——我试了，这个没用，那我就试另一个。

这些不是失败，而是反馈回路。反而这才是我希望创业者做的：不断迭代，“这个不行，这个也不行，再试”。Thomas Edison 试多少次其实没那么重要，只要每一次都是浅失败（shallow failure），都在告诉你下一步怎么改。

你在 Substack 上写过，我们正处在现代历史上最重要的 regime shift 之一。前面也提过几次。你把它叫作“第二次认知革命”（the second cognitive revolution）。能讲讲这个概念吗？

我的说法是：我们正在经历的这件事，既是第四次工业革命，也是第二次认知革命。但如果要说哪一部分更重要，我其实觉得后者更重要。

那它为什么能同时是两者？要进入第二次认知革命，你首先必须先把它的物理层建出来；所以我们确实也在经历一场生产体系意义上的工业革命。

我判断一件事是不是 regime change，大致看四个、也许四个半特征。第一，生产方法、production function 发生改变。过去数字革命让我们大量生产 information；现在我们开始生产 knowledge，甚至可能开始生产 judgment。

第二，过去“稀缺”的东西和“丰裕”的东西会翻转。第三，会出现以前不存在、或者以前不重要的新瓶颈。第四，旧模型开始失效：以前能解释你所看到现象的模型，不再能解释今天正在发生的事情。

所以从“第四次工业革命”的角度，知识的生产方式本身变了。我们把能源送进系统，最后生产的是什么？传统工业更直观地生产 atoms；数字时代生产 bits；现在我们在大量生产 tokens。

这里关键的区别是，上一个时代的产物在很大程度上是固定的。A bit is a bit——一个 bit 就是一个 bit，它不会因为旁边是什么而突然改变含义。一台机器就是那台机器，一个锤子就是一个锤子，我怎么挥它是一回事，但它本身还是锤子。

可一个 token 的含义取决于上下文。更重要的是，AI 的产出是 generative 的，它在生成意义。你甚至可以向同一个 AI 问两次同一个问题，得到两个不同答案；你我只要把措辞稍微换一点，输出就会不同。

这意味着 AI 以一种过去那些革命没有做到的方式，成了系统里的一个参与者。很多人喜欢用旧历史类比：“以前见过，所以接下来一定会这样。”那种说法默认 AI 只是一个新工具。

我喜欢这样说：AI 在界面层是一个工具，但在系统层面，它是系统变化，是 regime change。我当然可以把它当工具用，觉得“很好，它改变了我的工作流程”。但它同时改变的远远不止工作流程。

想一下：当知识的成本趋近于零，会发生什么？职业会变，企业会变，很多系统都会被掀翻。把视角拉远之后，这个影响非常大。我不是为了吓人，而是在说，生产知识这一侧确实具有“第四次工业革命”的物理特征：能源、GPU、电力，这些全都是真的。

但最终你还得问一句：我们到底在生产什么？

到目前为止，人类历史上的“叙事”基本都是人类自己在参与。现在不是说我们进入了 post-human 世界，而是进入了一个不再只有人类参与叙事的世界。我们多了一个参与者，它进入了集体对话，也进入了 judgment 的形成过程。这是非常、非常不同的时刻。

所以如果你只停留在 interface 层，说“太棒了，又多了一个生产力工具”，我同意，它确实是非常强的工具。但那不是全部。系统层的后果要大得多。

那放到 venture 里，有没有一些领域现在变得“不可投资”了？我知道理论上什么都能投，我的意思是，因为这个 regime change，因为多了一个会边运行边改变系统的参与者，某些领域赚钱的概率是不是已经低到你会说它基本不值得投？如果你不想用“不可投资”这个词，也可以说有哪些地方你现在很不喜欢。

你的方向是对的。不过我会把问题再拉大一点：这不仅改变“VC 应该投什么”，还改变 venture ecosystem 本身，也就是做投资的这些人和机构。系统问题要在多个层次上看，不能只盯一层。

SaaS 就是一个很好的例子，不过 SaaS 其实只是更大问题的症状。第三次工业革命发生时，information 变得极其丰裕。信息多到我们需要 software、applications、SaaS 来帮我们组织、整理、理解它。但最后的 judgment 还在人手里：软件替我整理信息，我自己做决定。

AI 做的是相似但更进一步的颠覆。它让很多 SaaS 的生产成本迅速往下掉。以前信息本身几乎是免费的，但整理和组织信息还不便宜；现在 coding、应用开发、很多工作也开始变得极其廉价。当然，优秀工程师和普通工程师之间仍然会有巨大差距，我不是说工程能力不重要。

可整体上，很多过去稀缺的 SaaS 能力会变得丰裕。那么什么反而变稀缺？先是 judgment——判断。如果再往后推，我最终认为真正稀缺的是 agency——自主行动与选择的能力。

这就是一把双刃剑：AI 大量生产什么？你又决定怎么用这些产出？

所以回到你刚才那个“不可投资”的问题。SaaS 之所以可能变得 quote-unquote “uninvestable”，不是因为软件突然没用了，而是因为它的一部分被 commodity 化、变得太容易生产。一个东西一旦高度丰裕，它的价格往往就会向零靠近。

同样的事情也会发生在职业上。有些职能会越来越不需要人，于是你甚至可以说某些职业路径正在变成“uninvestable career”。当知识和执行能力变得随处可得、成本非常低，那些以“我拥有别人很难获得的知识或基础执行能力”为护城河的路径就会变得非常艰难。

对我来说，这不是只关乎 venture。我当然关心投资，但我也关心人。我的书某种意义上就是一个 agency repair kit——自主性修复工具包：给自己装上这套方法，去判断和规划，到底有哪些地方你有独特能力去做 AI 做不了的事情。

我对人非常乐观。顺便说，我不是 anti-AI。我觉得 AI 是极其强大的工具，应该使用。可是你怎么用它，会决定你是在增强自己（augment），还是让自己的能力萎缩（atrophy）。这条线必须非常小心。

所以如果某个领域因为 AI 变得非常丰裕，它自然就会更难产生高回报。

如果你把整个结构画出来，现在有哪些东西真正浮到你面前？从你个人和 QStar 的角度，你觉得自己怎样才能在这里有好的位置、赢或者竞争？

我先退一步。前面说 regime change，不一定只指狭义的 AI。它也可以包含 robotics、defense 等等；当然很多机器人、国防本身也越来越依赖 AI。我会暂时把“AI”当作一组变化的中心驱动，而不是说它是今天唯一发生的变化。

然后问：它会怎样改变 venture？第三次工业革命后期形成过一个很稳定的 regime：信息和计算增长，SaaS 成为一种典型应用；VC 投进去，A 轮、B 轮、C 轮，公司要么被收购、要么上市；基金一、基金二、基金三这样滚动，到基金三时前面的基金开始产生 DPI，资金再回来。大家知道这个机器大致怎么运作。

一旦发生 regime change，改变的不只是你投的公司，还包括你做投资这门生意本身。如果只看到前者，没有看到后者，你看的 scope 太小。

我把今天 venture 的变化先拆成两条轴：capital——资本轴，以及 time——时间轴。

先看资本。今天很多生产活动需要的钱太多了：购买算力、tokens、GPU、能源、基础设施，支票尺寸巨大。这已经不是传统 venture 最舒服的地盘。很多项目需要的资金量，单靠经典 VC 模型根本很难覆盖。

这种事情我过去 20 年看过至少两次。第一次是 hydraulic fracking 和 horizontal drilling。Magnetar 当时看到了生产方式、稀缺与丰裕、瓶颈一起发生变化，于是进入了那个本来没有自然资本提供者的位置，给它提供资金。

第二次是全球金融危机。银行被迫退出很多贷款活动，于是 shadow banks、private equity、大型 hedge funds 进入，填补融资真空。每一次都是：系统改变了，原来负责供给资本的人不再适配，于是新的资本提供者出现。

今天正在发生很像的事。Magnetar 在参与，BlackRock、Coatue 等其他机构也在参与。大家看到的是：“哇，这个行业资本强度非常高。”

但它不只是“资本强度高”。很多资产还有可识别的现金流。比如你要买大量 GPU 建一个 neo cloud，为什么要买？可能你手里有一份 Microsoft 的长期合同。这样它就不只是一个烧钱的科技项目，而是有一条未来现金流挂在后面。

我过去也做过类似的资产：比如为一条 pipeline 融资，它背后有 BP 的 off-take agreement，能形成一串现金流。那就意味着它既是一项可以抵押的资产，也有可分析的现金流；如果结构做得好，也许你还能分享把整个公司建起来的上行收益。

传统 VC 的强项，是帮助公司解决某些早期不确定性，并在合适时点提供资本。可当资本需求突然变得巨大，就会有别的参与者说：“这个不确定性我也会解决，我以前在别的领域做过。”于是它们也进来了。

结果之一，是 capital stack 被打开了。过去可能主要是 common equity、preferred equity、传统 venture equity；现在可以是 convertible，也可以是 straight debt，还可能有很多其他结构。像 Blackstone、BlackRock 这种机构有很多不同的资本“袖筒”，可以把更合适、更有效率的一类资金配给对应资产。

所以你看到的不只是新玩家，也是一套完全不同于过去的资本栈。它还可能改变 IRR，因为一些真正的 physical asset 从建设到成熟需要的时间，比写一段软件长得多。

再看时间轴。这里就会连到大家经常讨论的 liquidity、DPI、TVPI。Regime change 很容易把时间线彻底打乱。

传统 venture 的逻辑，是给一个团队一段时间去解决某个不确定性。等到解决到足够程度，公司就可以上市，或者被下一个买家收购。那个买家会说：“前面那一块不确定性我不想承担，但现在它已经解决了，剩下这部分我可以承担。”

公开市场通常更喜欢看到盈利，或者至少一条比较可信的盈利路径；venture 早期更愿意接受“先增长”，然后逐步验证 unit economics、客户是否真实存在、能不能在规模上做到 product-market fit。公开市场愿意看多远也有周期，有时它愿意看得很远，有时只愿意看眼前。

但过去大体存在一个分工：你先在私募阶段解决一批不确定性，然后再上市。现在的问题是，如果你在这个旧 SaaS regime 正进行到一半时，突然插入一个新的 regime change，所有人的时间表都会变得非常麻烦。

你已经看到，大型资本提供者不只做后期的大融资，它们也开始往更早期走。传统 VC 有人会不高兴，因为这会把早期估值推高。但你从那些大型机构自己的系统来看，这其实很理性。

如果你想建立一个“最好私营公司”的组合，你不会愿意错过未来最重要的那几家公司。就像你做 S&P 500 指数，不会愿意因为进入得太晚而漏掉其中一个关键成分股。所以即使早一点、贵一点，它们也愿意先建立小仓位。

那些小仓位是什么？还是我们前面讲的 probes。它们用较小成本去解决一个不确定性：到底哪一家会成为最大的 unicorn、哪一个会长到巨大的 scale？等到未来需要投入更大资本时，它们最重要的是确保自己已经在真正的赢家里。相比最终的大仓位，前期几个 probe 失败并没有那么重要。

因此大型机构往下游、往早期移动，在我看来完全理性。它们有 sector experts，有品牌，创业者知道怎样找到它们。对较小的 venture player 来说，这意味着你必须重新画生态图。

如果你坐在那里希望“一切会恢复成以前那样”，我从来没有见过这种系统级变化真正恢复原样。我不认为它会回去。但这不等于小机构没机会。你要问：我能在哪个地方提供独特价值？我怎样比别人更早解决某个不确定性？我可以更早投，可以在人还没从大公司里真正走出来之前就找到他，也可以在特定行业、特定地域建立优势。

还有一个现实问题，是很多基金被“卡”在已有 portfolio 里。你可能没有 DPI、TVPI 也不好；或者按字幕里的说法，是“没有 GPI，但 TVPI 还不错”——总之账面价值和真实现金回款之间会出现很大的张力。

我会把所谓 liquidity problem 换一种讲法。流动性，很多时候只是说：我原来拿到一笔资本，承诺在这么长的时间里解决某种不确定性。可现在 regime change 发生了，那个不确定性需要更久才能解决。于是并不是资产突然“不能变现”，而是资本的期限和解决不确定性的期限发生了错配。

我告诉投资人：“我大概在这条时间线上解决它。”于是我拿这笔资本去投相应周期的东西。现在现实告诉我周期更长，我就 quote-unquote 变得“illiquid”。

一个出口就是 secondary markets。为什么二级市场会增长？因为它让一批期限不够长的资本，把资产传给另一批能够承受更长周期的资本。第一批人也许在 disruption 之前募了钱，原来的基金期限不够；第二批人有更长久期，可以继续等不确定性被解决。说到底就是这样。

我也很喜欢看 manager 怎样思考 DPI。不是因为我个人一定急着拿回现金，而是两个原因。第一，DPI 是一种真正的“不确定性已被解决”的证明。它把不确定性变成现金：这段实验、投资、合作已经有一部分兑现，我把一美元真实地还给你。

而且它是一个真正的 mark，不是账面估值。

对，它是真实的 mark。DPI 在真正 realized 之前我们并不知道，所以它回答的是：“这东西到底是真的，还是只是纸面上的？”

第二，我喜欢那些把自己做投资这件事当成一门企业来思考的人。最终回到刚才的问题：高资本强度和这些新进入者，大概率不会很快消失。我从未见过这种变化逆转。

但小玩家仍然非常重要，而且机会可以来自很多地方：地理 niche、行业 niche、进入得更早，或者更主动使用 secondaries。如果你更早进去，持有期会被拉长；但你也许可以在后端更多用二级市场，把整体资金周期重新缩短到比较正常的长度。

可以发生很多变化。唯一没用的，是坐在那里当 resistor，说：“我不觉得这次变化有那么大。”以我的经验，这些变化具有某种不可逆性。

Alec，最后一个问题。结合今天聊的所有内容，也结合你即将出版的书，这也许是个几乎没法回答的问题：如果是今天正在这个生态里行动的 GP、LP、founder，面对这些 regime changes，你最后会给他们什么建议？

我最大的建议，其实就是书里反复说的：升级你自己的 operating system。 至少要愿意升级。

这有个有意思的类比。AI 可以看成“写在硬件之上的代码”，它给你的 mind 增加杠杆；robotics 是写在硬件上的代码，给身体增加杠杆；synthetic biology 也是某种写在生物硬件之上的代码，给身体增加杠杆。

那你的 software upgrade 在哪里？当整个 regime 在变，面对越来越大的不确定性，你怎样思考、怎样处理信息、怎样做决定，这些都需要升级。你可能必须持续学习、忘掉旧知识、再重新学习。

我觉得愿意这样做非常关键。因为这会引到我最后一个观点：当知识变得近乎免费时，稀缺的东西会变成 agency。 Agency 是你选择自己道路、为自己做决定的能力，也是你愿不愿意这样做。

这种东西通常不会有人突然从你手里夺走。当然，取决于你生活在哪里，有些地方确实会剥夺你的选择。但对很多听众来说，更常见的是你一点点把它交出去，最后自己都没有察觉。

我觉得我们已经在 social media 上做过一次类似实验。我们把 attention 交出去，希望因此变得更 connected；但在我看来，那种连接很薄，而且我们同时看到了 loneliness 上升。我不希望我们在认知层面再做一次同样的实验。

最糟的路径是：世界太复杂、太难、太 overwhelming，于是我说，“算了，我不升级自己的思考方式了。现在有一个非常流利的新 oracle，我只要不断喂问题，然后照它的答案行动。”如果这样，你最终会变成一个 avatar。

我非常相信，人类仍然拥有独特的 judgment，也仍然有创造 novelty、理解新结构的能力。AI 是在一个既有系统的数据上训练出来的，它并不知道什么时候系统本身应该被改变，也不知道人类为什么要决定改变它。这仍然是人的工作。

所以我的回答就是：保持 adaptive，继续保持适应性，使用我们作为人类所拥有的这种礼物，然后自己往前走、自己做选择。有些选择会很好，有些会很糟，但你仍然有能力选择——这可能是你拥有的最有价值的东西。

这是一个很棒的答案，也是一条很棒的建议。我会认真记住。非常感谢你来做这期节目，真的聊得太好了，我们很高兴请到你。

也谢谢你们愿意花这么多时间和我聊。

谢谢。

谢谢。

谢谢你，Alec。Cheers。

感谢收听 Origins。我们从 venture ecosystem 的视角出发，一边是我作为 GP 的视角，另一边是 Beezer 作为 LP 的视角。

记得收听下一期 bonus minisode，Nick 和我会继续拆解今天和 Alec 的对话，也会聊市场里最近发生的事情。你可以直接在这个 feed 里找到它。

如果你喜欢节目，也欢迎评分和留言。这对其他正在寻找 venture insights 的听众发现节目很有帮助。你也可以在 X 和 LinkedIn 上关注 Nick、Beezer 以及 OpenLP。

我是 Beezer Clarkson。

我是 Nick Chirls。我们很快再见。感谢收听。