开场
说实话，软件过去一直很难用，技术也常常让人头疼，动不动就出问题。现在我们终于到了一个节点，这些东西有可能真的开始好用了。人们总把这些东西当作软件，或者拿搜索来类比，其实都不是。我们才刚开始意识到它们有多强大。我觉得，最大的限制已经不再是技术，而是我们的创造力。
四种风险投资风格
你最近写到，风险投资——或者说大型私募科技市场——里大致有四类投资风格。能不能一一列出来，每类用一句话说说它的视角？
对。我做这一行已经十年了，做过几百笔交易。参加这些讨论时，我发现大家彼此并没有把话说清楚，所以我试着梳理一下：人们带着什么样的心态来投资？我觉得基本有四种。
第一种是传统金融思维：判断企业健康状况的正确指标，是它所处的市场和财务表现。这就是它的核心。
看表格、看数字。
对，比如 SaaS 指标是什么、市场有多大，然后把这些当成整个企业的代表。这种做法显然适用于成长型投资者，但现在越来越多早期、A 轮投资者也这么做。在我看来，这有点不协调。
第二种是我说的“生产性投资者”。你相信自己投的是一种生产性资产，价值由这项资产创造。你相信它在创造价值的过程中会开拓出新的市场；与此同时，你得想办法让企业逐渐把已经创造的价值变现。这样的投资尽调更关注技术路径、相邻市场、技术可能以多快的速度演进，以及它离捕获价值还有多远；还要看这支团队是不是最适合把它做出来。
第三种是“前沿投资”。我觉得这是六七十年代风险投资那种浪漫化、理想化的样子，有点“梭哈”的意思：创始人比风投更懂，他们看到了我没看到的东西，就要出去把它做出来，我凭什么质疑他们？这种投资看起来几乎像是在投资人才网络。比如 Chris Dixon：他投过益智药、Soylent、Oculus、Coinbase 和加密货币。就像把七八十年代科幻作品里的每一种设想都投一遍，不想太多。它几乎是生产性投资的强化版。
第四种，也总让我惊讶它竟然这么常见，是投机型投资者。他们甚至不在乎资产本身，只想踩准市场时点。加密货币和二级市场里就能看到这种人：他们不了解底层资产，可能也不怎么懂业务指标，只会说：“这个看起来便宜，肯定会涨。哦，市场到顶了，我要退出。”他们想做的就是择时，并不真正关心企业能不能成长。
问题在于，有了这些不同类型，你总能替任何一笔交易找理由，也总能替不投它找理由。如果你不清楚自己的信念是什么，最后就只是在为自己的偏见辩护。
如果你把自己看作专注于颠覆性技术的生产性投资者，我很喜欢这个观点：你不该盯着许多投资人常谈的那些传统指标。说说你会看什么吧。你看这么多公司，判断一家公司的技术是否真正具有颠覆性、是否是一项有价值的资产，方法是什么？
我只投计算机科学领域，而且只投基础设施。我认为基础设施这个行业有自己的形态：采购行为有特点，技术长相有特点，行业运作方式也有特点。你要做的是从技术路径出发，把它放进这个技术框架里分析。我们大致就是这么做的。具体方法有好几种，其中一种是看领先公司内部在做什么，这能让你窥见平台可能如何演进；也可能是做这件事的团队曾在别的场景里成功过，现在把经验带到了新的场景。
四种风险投资风格（续）
我觉得这是个问题：尽调能做到什么程度，才不会只是拿数字当替代指标？你可以和客户聊，看看他们会不会用；可以找找有没有规模正在增长的相邻预算，判断它们是否可能分散到这个新领域；也可以寻找愿付费的早期迹象——尽管客户还没弄清楚具体怎么买单。
我一直觉得，每一波技术浪潮都会有人担心利润率。我在云计算、移动互联网和早期互联网时期都听过这种担忧，现在大家也在担心利润率。也许客户愿意付钱、兴趣很浓，但我们还没弄清楚销售成本（COGS）和可持续的商业模式。因此你只能看一些局部指标，而不是完整指标。
我的团队里有很多技术和产品人才，不少人有博士学位。我们不会自以为比创始人更懂技术，创始人肯定比我们懂。但我们可以问：这项技术如何融入更大的平台？它如何对应客户的支出？它是否符合我们对产品黏性和防御力的理解？然后我们会看早期市场数据，并说：“传统金融投资人看到这些数字可能会吐，但这些数字确实表明客户很感兴趣、正在努力找到用法。接下来，他们能不能把这些用法做出来？”
生产性投资者能做很多这样的尽调。前沿投资者则不会做这些，他们会说：“看人。”
就是看这是不是最适合做这件疯狂事情的团队，然后直接梭哈？
你刚才说开录前还提到……
人人都误解了网络效应
开录前你说，没人真正理解网络效应。你具体指什么？
我发现，连最常用的术语大家都没有共识。网络效应就是我最爱拿来举例的词。我刚才问你，你怎么定义？
我说错了。
没有，你说的就是大约三分之一的人会给出的答案。你说的是：“产品每增加一个边际用户，产品就会变得更好。”我觉得这几乎是个同义反复，因为大多数产品多一个用户都会变好：用户能发现漏洞、给反馈，也会告诉别人。但这并不能说明产品有没有防御力。
另一些人说网络效应时，指的是这个词最初在七十年代的含义：电话网络里，用户加入后会彼此互动，互动数量超线性增长，因此可能形成自然垄断。还有人把它理解成真正的飞轮，也就是自我强化的循环。不只是产品变好，而是它会以某种方式不断自我强化。你会听到“数据网络效应”这样的说法。但即使按这个意思，你也不知道这种自我强化是超线性的还是不是，所以依然不知道它能不能形成防御力。于是，一个出现在七成融资路演材料里的常见词，创始人站在台上讲，大家却对它的意思没有共识。
那你会怎么定义？
我觉得混乱的根源不在定义，而在概念上把“形成护城河的机制”和“护城河的形状”混为一谈。形成护城河的因素有很多：品牌、规模、双边市场、网络效应。但只有当护城河具备某些特性、能抵御竞争者时，讨论它才真正有用。
如果护城河随规模超线性增长，就像经典的梅特卡夫定律网络效应，那确实很有防御力。如果它随规模次线性增长，可能根本没什么用。所以我们讨论防御力时，第一件事是别把护城河的形状和形成它的具体机制混为一谈。先说清楚护城河随规模是超线性、线性还是次线性增长。然后再看有哪些机制在起作用。
比如规模效应：公司规模扩大后，单位经济效益会改善，通常是因为它获得了定价权，或者品牌降低了获客成本。双边市场在我看来和网络效应很不一样，它主要是供需双方相互带动、自我强化。总之，机制可能有很多种，而护城河的形状是另一回事。讨论时要确认这种形状确实能带来长期防御力。
最后，这类讨论几乎不可能孤立地进行，因为我们谈的其实是竞争均衡。假如你有网络效应，竞争者可能也有；如果对方资本更多、增长更快，你的护城河形状就会受到影响。比如他们抢走客户，你的边际增长就可能放慢。我们需要先把基本概念讲清楚：别把护城河的形状和形成它的机制混为一谈，再把具体机制一项项列出来。像你刚才那种定义，对讨论没什么帮助。
能不能举例说明超线性、线性、次线性分别是什么样？
当然。人们通常认为，网络效应这个概念源自七十年代。我忘了那位经济学家的名字，他在贝尔实验室工作，注意到铁路网络和通信网络里的……
网络效应的超线性与次线性
用户之间的连接数量会随加入人数的平方增长。每多一个用户，就能和很多其他人沟通，所以连接数量的增长会超过用户数，价值也就不止线性增长。高速公路上的目的地数量、铁路上的目的地数量也是类似的。
这意味着，如果两家公司竞争，各自拿到 500 万美元融资，但其中一家稍微领先、规模稍大，那么同样的投入会让它比挑战者增长得更快。增长优势还会随时间扩大，这就是为什么最后可能形成垄断。
次线性则相反：如果我是领先者，和挑战者投入相同的钱，我的边际增长却更慢，这就是次线性。这对护城河显然很重要。两家公司竞争时，如果护城河是次线性的，挑战者总能追上领先者，因为领先者必须不断花更多钱才能继续增长。假设其他条件相同，……
Ramp 是唯一一个专为精简、提速和提升财务团队效率而打造的平台，平均每年能帮企业节省 5% 的开支，让你专注于增长。Ramp 刚刚在英国开放业务，英国企业现在也能用它的 AI 财务平台，在一个地方管理公司卡、费用、账单、审批和会计。我用 Ramp 来经营公司，你也该试试。详情见 ramp.com/invest。
Rogo 是专为金融机构打造的 AI 平台，服务全球数百家领先机构的数万名银行家和投资人。Rogo 的 AI 智能体可以自主执行公司大量工作流程：筛选交易、起草材料、联系潜在买家，以及对数据室开展尽调，同时处理好安全与合规。每项操作都会汇入 Rogo Intelligence，也就是公司的上下文层，把多年的交易经验转化为安全、受治理的机构记忆，让每笔新交易都比上一笔更有力。详情见 rogo.com/invest。
OpenAI、Cursor、Anthropic、Perplexity 和 Vercel 有个共同点：它们都在使用 WorkOS。企业要大规模采用你的产品，就得提供 SSO、SCIM、回调和审计日志等核心能力。WorkOS 可以帮上忙。你无需花几个月自己开发这些关键功能，只要调用 WorkOS API，从第一天起就能获得它们。这就是为什么许多知名 AI 团队已经运行在 WorkOS 上。WorkOS 是最快实现企业级就绪的方式，能让你继续专注于最重要的产品。访问 workos.com 开始使用。
你能举几个近期公司案例，分别对应这些不同类型吗？
我想先问一句：你觉得真正符合梅特卡夫定律、实现超线性增长的网络效应，到底有多少？
很少吧，我也说不准。
我觉得这种情况几乎从来没发生过。大家大概都会同意，电信网络算一个。我们不得不把它们拆分。LinkedIn 也可以算一个：它几乎不用怎么改变，就一直保持着社交网络的地位。GitHub 我也会列进去，它也是人与人相互连接的网络。
本质上是用户之间相互连接。
对，是用户之间的连接。所以这类例子不多，但一旦出现，往往是非常持久、价值很高的公司，这才是典型的网络效应。其他公司更可能体现的是规模效应。比如有人会说 Uber 是网络效应，我不确定它符合这个定义。它也许是双边市场，因为有司机和乘客，但即便如此，它也没有把任何一方锁定住。
护城河是否重要
所有司机都可以服务所有乘客，所有乘客也都能叫到任何司机。所以 Uber 看起来更像融资带来的规模效应：它能融到更多钱，单位经济效益也因此下降。我的更大一点的观察是：网络效应这个话题，起初更多是我个人觉得烦、想抠字眼；但我认为，大多数时候我们甚至不太值得花时间谈防御力。让我解释一下。
护城河、市场增长与颠覆性技术
以我的经验，如果你投资的市场在增长，企业通常不愿意彼此正面竞争，因为会不断出现新的空白地带，大家会去开拓别的机会。所以市场增长时，防御力只是第二、第三顺位的问题。
如果市场放慢或萎缩，它往往会自行整合，不管有没有护城河都是如此。作为投资人，我们花很多时间担心防御力，但在实践中它经常没那么重要，尤其是在我们投资的增长型市场里。AI 就是例子。我记得早期大家讨论模型时，有多少投资人说：“我绝不会投模型，它永远不会积累价值，也没有防御力。”没关系，只要市场规模大、还在增长，它就会积累大量价值。我也记得当时有人说新型云计算公司（neocloud）靠不住，收入质量很差。所以我觉得投资人会被“防御力”这个概念绕进去；在增长的市场里，这甚至不值得优先考虑。
你觉得这是不是你们这个阶段的投资人才有的特殊优势？到了后期、上市阶段，比如买 Anthropic S-1 的人，大概就得考虑防御力了。
这取决于你对市场规模的判断。如果你认为市场只开发了 0.1%，那它还有很长的路要走，价值会继续累积；如果你有流动性，可以进出市场，价值增长时也能调整仓位。我觉得风险投资的性质其实整体上都变了。
回看 Arthur Rock 那个年代，投资更像是押注前沿：人们不太考虑收入质量，也不怎么考虑防御力，关注的是人、技术和新市场。过去三十年，科技市场变得极其庞大，投资人可用的资金也多了很多，私营公司的规模也越来越大。今天一家私营公司，规模可能抵得上十年前的上市公司。在某种程度上，风投已经变成了公开市场投资者。很多进入风投行业的人也来自商学院或传统金融背景，所以他们把那套思维带了进来，但用得太早了。
金融思维用得太早。
对，传统投资和金融思维被用得太早，而且常常用错地方。我经常碰到初级投资人说：“收入质量不好。”我会说：“老兄，我们当年连互联网该怎么变现都不知道。”商业模式总是落后于颠覆性技术。
一直都是这样。
所以，如果你真心相信自己投的是颠覆性技术，第一，你就该相信它会创造总潜在市场（TAM），那为什么还担心市场规模？市场正是被它创造出来的。第二，它具有颠覆性，我们甚至还不知道定价模式是什么。想想我们从永久授权转向订阅制花了多久——那是好几年，大家一直在纠结。
我的提醒是，多数投资人应该先弄清楚自己是哪一种。如果你是金融型投资人，那就是你的世界观；但你评估的就不是技术，也不是技术的颠覆力量。你实际上只是在看收入质量。顺着这套方法走，你自然会偏向非颠覆性技术，因为一项颠覆性技术往往还没有清晰的商业模式，也不知道 TAM 有多大。
反过来说，如果你真相信自己是在投资科技，相信科技创造价值，而且你很早就这样投资……
那你就不该把这些其他因素放在前面。所以我觉得……
投资方法要自洽
问题不在于有没有一种唯一正确的投资方式——不是，各种方法都合理，也都能自圆其说。重点是别把自己的基本逻辑弄混，否则思路就会前后矛盾。比如你会说：“我是投颠覆性技术的”，结果却在找净收入留存率（NRR）表现漂亮的公司。这套思路就对不上。
AI 正在重塑计算基础设施
你怎么看现在基础设施领域的整体状况？变化显然非常快，也出现了新类型的公司，但似乎仍能分出一些层次或类别。今天的版图是什么样？
对我来说，基础设施的定义是技术上的差异化。我不会把 SaaS 或应用看作技术投资。你会觉得，投一家 SaaS 或应用公司算是在投技术吗？
不会。
对，因为那更像是在投一家企业。
是，尤其现在更像商业模式创新之类的东西。
对。作为技术创新，它得处在传统技术栈之中。基础设施的传统技术栈包括计算、网络、存储和数据库，每一层又有自己的子领域和买家。现在 AI 正在重塑这些部分，它们都受到冲击。我们还多了模型，我会把模型也看作基础设施。它们的资本需求和竞争压力，让我觉得它们更像重资产基础设施，而不是传统软件；而且它们正在颠覆上方整个应用栈。我们甚至不知道它们会不会成为一层独立的东西。你也许能把模型勉强归进软件，但传统上它们像是独立的一类，和软件不太容易放在一起看。
我认为我们正处于颠覆最剧烈的阶段。不过，支撑软件的基础设施——无论软件是用氛围编程写的，还是为了构建模型而写的——主要组成部分并没有因此改变。我们仍然会用“计算、网络、存储、数据库，再加上模型”这样的传统框架来理解它。但与此同时，变化又快得让人只能摊手。
举例来说，以前做开发工具时，会考虑人的使用体验：技术人员设计时会想“人要用这个，不能太复杂”，因此会在安全性或可靠性上做取舍。现在模型会替人操作，我们不一定还需要这样取舍。我觉得这是计算机科学基础设施一次最大的重整，可能自互联网以来最大，也可能是有史以来最大。
简单说，是不是这五个基础设施部分都在为智能体重新改造？这么说会不会过于简化？
我会分成两件事来看。第一，人们用氛围编程写出了大量软件，软件产量超过以往；这些软件得有地方运行。这和智能体本身无关，它就是普通软件。可能是智能体写的，也可能是人写的，但它仍然需要数据库和算力。这是“智能体的产物”。第二，我们正在构建以 AI 为核心的新系统，这又会怎样改变基础设施？所以，一方面要假设软件会多得多，需要运行和部署；另一方面也要考虑能创造智能体的新系统。
每一波新技术似乎都会催生新型数据库。你关注的这些领域里，是不是都因为 AI 出现了新进入者？
很多基础设施领域已经有些沉寂，但智能体能力很强，这种局面正在改变。举个例子，OLTP，也就是事务数据库，像 Oracle 这样的产品所在的领域。这是个很成熟的行业，过去没什么大变化，可能只是迁移到云上。但现在有些新公司在思考：程序员使用数据库时，难点在于数据库一直有自己的语言，出于技术原因，它们和常见编程语言很难配合。
数据库语言不能轻易改变，因为熟悉数据库的人就不知道怎么用了，还得培训整整一代程序员掌握新语言。但有了 AI，我们开始看到全新思路的数据库，特性好得多，也不必再培训所有人，因为智能体已经会用了。行业变革有路径依赖：有些领域会被新公司彻底改写，比如 OLTP 数据库五年后可能完全不同；有些领域则可能由现有企业跟上，添上几项新能力就够了。
基础设施栈的重建
网络是我特别关注的领域，我的博士就是做网络的。这个行业过去十五年一直很沉寂、很无聊；现在我们建造的集群规模极大，对性能又有非常严格的要求，于是出现了新一批网络公司。这是 Arista 之后第一次出现这样的新公司。
我们甚至看到构建网络设备所用材料在变化，光通信也开始受到关注。网络和计算领域有很多有意思的新事。比如，运行智能体需要什么抽象层？是容器、虚拟机，还是 Temporal 这样的持久化工作流？这些都在变化。我认为我们正处于颠覆最剧烈的阶段，基础设施栈中的许多部分都可能被重建。
Anthropic、前沿模型与 AI 竞争的未来
我们聊几分钟模型吧。Anthropic 的 S-1 本周出来了，能很好地了解这家公司。但比起公司本身，我更想听你对模型现状的看法：闭源和开源、公开的前沿模型和公司内部保留的模型、人才流动，以及现在还不存在但应该存在的机会。你对这些有什么想法？你觉得它们会如何演进？
我觉得最大的问题是：如果市场开始放缓，会发生什么？我们有三年的数据，看到的是一个很大、增长很快的市场。在这样的环境里，处于前沿就意味着巨大的定价权：哪怕只比下一家好一点点，也有很强的定价权。需求完全不是问题，几乎是无限的。因此最好的前沿模型往往按收入计算拿下 80% 以上的市场份额，过去三年一直如此。
但也可以说，这只是因为市场远没有饱和，大家都想用最聪明的模型。只要市场继续增长，结构上就没什么会变，而且这种情况可能还会持续很久。现在渗透率是多少？大概 1%？有人说企业渗透率有 3%，但从预算占比看只有 1% 或更低。考虑到技术这么有用，市场还大有可为。
对我来说，更有意思的问题是：如果某些领域开始饱和，会怎样？市场会转向开源吗？前沿模型的定价权会消失吗？我们在给这些公司建模时，常常没有认真考虑一个问题：如果你投资了一家模型公司，它没能很快推出下一代模型呢？假设 Anthropic 遇到挫折，六个月都没发布新模型，上一代模型还能撑多久？
时间会很短。
非常短，这和我们过去对软件的理解完全不同。过去我们总是假设产品有很长的尾部。但如果你推出一个大家都喜欢的出色模型，后来公司内部出了问题——可能是监管、技术、数据泄露，什么都有可能——结果延期三个月，那你可能会丢掉整个市场。根据我的经验，我看过很多应用公司的模型曲线和融资材料，模型的生命周期大概是三到六个月，也就是说你必须推出下一个模型。
我觉得应该把问题拆开：如果市场继续增长、没有饱和会怎样？这部分我们已经知道，因为我们有三年的数据。
三年的数据。
对。数据表明前沿模型会胜出，只要它们做出好模型。但如果某些使用场景饱和了——人们不再需要更高的智能——或者市场因为其他原因开始放慢呢？没人知道答案。我认为很可能发生这样的事：价值又大幅回流到开源模型，我们会看到从未见过的转变，因为软件一直有很长的留存尾部。
这次出差我问了很多人，软件编程任务有多少已经饱和。大家通常回答比例非常高。编程已经是最大的市场，可人们似乎还在疯狂花钱买前沿模型的 token 来写代码。这有点矛盾：如果六个月前的模型也能做，或者更便宜的模型就行，为什么还要用最贵的？
这是两个不同的说法。这个问题很好，值得仔细讨论，但得先分清楚。第一种说法是：“我不再用更多 token 了，因为我已经有足够的 token，已经自动化了 95% 的工作，没法再多自动化了。”我觉得我们确实快到这一步了。
前沿模型竞争与更广泛的应用
第二种说法是：“所以我可以换更便宜的模型。”这并不能从第一种说法推导出来。假设你我各自经营一家互相竞争的初创公司，一家叫 Martin 公司，一家叫 Patrick 公司。在竞争均衡下，你会选一个更笨的模型来和我竞争吗？
在竞争均衡下，你不会这么做。
对，你总会愿意多花十倍，买最聪明的模型。总是如此。所以这里有个悬而未决的问题：任务会不会饱和，以至于不再需要更聪明的模型？在达尔文式的经济竞争均衡里，要做到这一点很难。某些任务或许会饱和，但归根结底，你能不能更快地交付软件、把产品做得更好、在市场上胜过对手？这些竞争压力必然会把你推向更聪明的模型。
当然，增长肯定会放慢，因为你不可能一直增加 token 使用量。届时要么提高价格，要么把产品拓展到更广泛的领域。以我的经验，价格肯定能维持，因为竞争均衡会让人总想用最聪明的模型。与此同时，我们也看到这些模型正在从编程扩展到更广泛的知识工作。比如，我非常看好 Grok……
AI 的意义不止于软件
……用户。这是我最喜欢的事。我觉得我们正在看到它接管越来越多的工作。
说说你自己的体验吧。你从中学到了什么？你在用它做什么？
我最近在做的这个项目太好玩了。
我知道你在搞家庭自动化。
对，太棒了。我感觉自己一辈子都在等这项技术出现。我想要《星际迷航》那种感觉：回到家，房子会迎接我；我可以和它说话，屏幕上会出现一张脸。我想要这一整套东西。以前一直做不到，现在却变得很简单了。我用 Grok 做很多事，包括个人理财。我最大的爱好是模块化合成器，喜欢摆弄那种七十年代风格的合成器，用接线和旋钮做音乐。它也能帮我处理很多这类事情。
我现在最着迷的项目，是想让 Grokbot 在家里拥有一个实体。我跟它说：“我想让你成为住在我家里的 AI，就像《星际迷航》那样。帮我把这件事做出来。”它的回应基本就是：“买东西。”
买东西。
对，我就说：“那试试。”昨天我买了几百美元的设备，马上就会送到家，我要让它有个实体。
它买的是什么设备？
我也不知道，哈哈。是一些很奇怪的开源项目和设备。我懂一点家庭自动化，比如 Zigbee、LIFX 之类，但它选的东西非常冷门。我脑子里一直有个愿景：七十年代人们想象中的未来，房子会看着你、照顾你。我就是想要那种感觉。我一直在给它看图片、描述我的想法，希望它自己把这一切做出来。进展如何，我之后告诉你。
你在使用这项技术时还有什么体验？你的创造性用法大概属于千分之一里最靠前的那一小撮。这些体验让你觉得接下来会发生什么？
这就是未来。我觉得人们总把这些东西当成软件，其实不是；我们也总拿搜索来类比，其实也不是。我们创造出了一种通用、灵活的技术，能把许多我们一直梦想却没有技术实现的未来带到现实里。我觉得我们被对软件能力的既有想象限制住了，所以还没做出那么多这些东西。
再举个例子。我和 Fei、World Labs 合作过，那是一家很棒的公司。他们做了一个能生成 3D 场景的模型，几个月前发布了 Atlas。它不但能生成各种场景，也支持动态效果，场景会动。我意识到，我们离“走进一部电影”已经很近了。想想看——宫崎骏大概不会喜欢这个点子，但如果《千与千寻》正在播放，你戴上 VR 眼镜就能走进去，身临其境。你看过《不眠之夜》（Sleep No More）吗？
当然，看过。
为什么不能有一个 VR 版《不眠之夜》？让你走进去，整个故事就在周围展开。给听众解释一下，《不眠之夜》是一部沉浸式戏剧，演出三小时，在纽约一栋像三层酒店的建筑里上演。你在里面跑来跑去，试着弄清楚发生了什么，演的可能是《哈姆雷特》之类的故事。
我觉得我们才刚开始意识到这项技术有多强大。五六十年代那些未来想象和故事桥段，如今真的能实现了。最大的限制已经不再是技术，而是我们的创造力。我们被三十年来难用的软件给磨得……
数字世界的问题可以用资金解决
说实话，软件过去一直很糟，技术很难用，老年人讨厌它，而且经常出问题。现在我们终于到了这些东西可能真的开始好用的阶段。我对它带来的变化非常兴奋。
有个说法很诱人：就算把模型冻结在现在的能力上，仍然能实现你刚才说的那些东西。关于技术扩散我想展开聊，但在那之前，你觉得模型还缺什么？你希望模型本身怎样继续变好？
从行业整体来看，我觉得现有技术栈里，数字领域的任何问题，只要投入足够的资金，都能解决。原因是：凡是能在计算机上模拟的东西，都可以构建强化学习环境。无论是用 Blender 做 3D，还是操作通用计算机应用，或者写代码，都可以。
我觉得 AI 最有意思的宏观变化是：你可以给一个聪明的孩子指出一个问题，他就会想办法解决。也许成本很高，但至少问题能解决。过去遇到工程瓶颈，你只能卡在那里干着急；现在你可以把钱投入问题，就把它解决掉了。因此我很有把握地说，数字世界的问题都能解决，因为我们可以创建环境、用强化学习训练。任何能在电脑上做的事，AI 最终都能做。也许今天还做不到，但实现路径已经很清楚。
我不确定的是，物理世界是否遵循同样规律。你当然可以建实验室，来制作音箱之类的东西，但规模化曲线是不是一样？数据分布是不是一样？机器人、物理世界、科学和医学领域是否遵循相同规律，我完全不知道。这部分还有待突破。不过数字领域，我很有把握——这方面已经搞定了。
你怎么看最近这些安全问题和漏洞？有人把它叫作“漏洞末日”。显然我们正在进入网络安全非常有意思的时期。你怎么理解这一切？
我接受过正规的安全训练，也亲历过互联网发展早期。当时的情况比现在糟糕得多。互联网发展到这个阶段时，蠕虫病毒已经造成数十亿美元的经济损失，还攻击过关键基础设施。我记得 Windows 95——你可能太年轻了。
不，我记得。
好，想想 Windows 95。你装好系统，只要在安装程序结束前连上互联网，电脑就会被感染。
我只记得一点点。
这可不是开玩笑，机器真的会被接管，连打补丁的时间都没有。当时一片混乱、漏洞横行。每当新技术改变了计算机的运行方式和安全态势，这种情况就会发生。我们现在又到了这样的时刻。
可以参考互联网时代的经历：先混乱几年，发生真正造成损害的安全漏洞，然后行业逐渐演进。看安全问题时，通常要问：好人能不能比坏人投入更多资金？如果能——通常确实如此——最终就会找到技术解决方案。我觉得这次也会如此，而且已经能看到苗头。现在发现这些漏洞是好事，说明有人在用模型找出漏洞，让系统更安全。我认为事情的发展正如预期，最终 AI 帮助防御的结果会是：软件安全得多得多得多。
AI 的资本革命与基础设施瓶颈
能不能聊聊资本？资本市场发生了很多有意思的事。利率曲线在我们整个职业生涯里一直是一个样子，现在却变成了另一个样子。显然有很多需求被挤掉了：五年前我们愿意投资的许多公司，现在可能不会投了。
你说“需求被挤掉”是什么意思？我不确定这个词具体指什么。
我的意思是，在另一种环境下我们会投资的项目，现在因为资金成本太高而不投了。资本成本上升，是因为除了 AI 之外，其他领域的回报看起来都很低。今天早上我看了一家公司，五年前看它的融资材料，我们会觉得这是家很棒的软件公司，值得投资；现在和其他可投的项目相比，它就显得逊色了。资本本身成了整个等式里的一个关键变量和约束。我想知道你怎么看。
我在不少优秀公司的董事会任职，这些公司也面临你说的问题：它们盈利、持续增长，增速有 40%、50%、60%，但规模大概只有 3 亿、4 亿或 5 亿美元的年经常性收入。这样的公司该怎么办？规模还不足以上市，但它们是好公司。我看自己的投资组合时会想：我持有市政债券的话，还不如持有这些公司。谁会不想持有一个能增长 40% 的资产？如果你能保证这点，你也会愿意把自己的钱投进去。所以我认为这些仍然是非常好的公司。
所以，我觉得这更多是个问题，也许是我不懂行：市场会不会转变，让大家有机会接触这一类资产？它们的风险特征和 AI 非常不同。没人知道 AI 市场放缓后会怎样，可能来得快去得也快，也可能一直增长，没人真知道。投资里我见过的唯一免费午餐就是分散投资。我自己很希望有一篮子增长慢一点、但即便错过某个机会也不会消失的资产。
你心里想到的这些公司，大多数是否都面临很大的颠覆风险？我不点名，但有很多公司大致符合这种情况，面对软件越来越容易开发的趋势，看起来挺危险的。
我做基础设施。软件越多，就越需要基础设施。我们还没有用氛围编程来造数据库——如果你经营一家数据库公司，就知道这事没那么简单。
Snowflake 是你说的这类公司的一个知名例子吗？
是，Snowflake 就是很好的例子。这不只是把产品造出来那么简单，还要支持大量边缘功能、满足各种性能要求，并真正把它运维好，这都非常难。假设 Snowflake 的增长有 30% 到 40%，经济效益也不错。就我个人看，我不认为 AI 会颠覆它；或许会被数据砖（Databricks）颠覆，但那是 AI 之前就存在的竞争。
我对这些事的看法很朴素，甚至可能很天真：我觉得 AI 不会颠覆这类公司，它们是好生意。因此我认为行业会越来越想把它们打包起来，让投资者能配置这类资产。我不知道最终会是什么形式，但这很有意思。SPAC 也开始回来了。我现在会接到很多电话，都是我任职董事的好公司，有 SPAC 找上门说：“我们能帮你们上市。”所以金融市场得想办法处理这些资产。
我确实认为很多公司会被 AI 颠覆，但也有一大批不会。现在市场不知道该怎么对待它们。
我在洛杉矶开会，过去三个月里，差不多有一半会议都在谈算力。各个领域的产品都需要更多算力，才能完成目标。这也是从另一个角度问资本问题。你们管理着大量资金……
资本能否转化为增长
你们管理着很多资金，大家也都在快速部署资金。现在这些公司做事都需要大量资本。我想知道资本本身在多大程度上是瓶颈：如果突然给你们这样的基金空投一万亿美元，会是件好事吗？
很好。我之前说过，这一点很重要，值得再强调一次：AI 最大的颠覆，是你可以把资本投入问题。在科技史上，这一直做不到，因为瓶颈始终是工程能力，而工程团队无法随资金线性扩张。“人月神话”之所以叫“神话”，是有原因的。
十年前，如果五个创始人跑来找我要十亿美元，我把钱给他们，会发生什么？
钱就会放在那里。
或者公司会炸掉——他们雇一大群工程师，反而更难协调。总之，你没法光靠砸钱解决问题。但现在不一样了。
抱歉，你能解释一下“人月神话”吗？这是个很有意思的概念。
“人月神话”大意是，增加人手并不能加快工程进度，效率提升有天然上限。
提升幅度是次线性的，还会带来组织沟通等问题。这一结论来自 Fred Brooks，我想是在七十年代。他说，软件项目要赶进度时，人们会塞进更多人，结果项目反而更慢。我自己创业十年，把公司做到相当大的规模，亲身感受过：这完全是真的，工程能力就是没法无限扩张。
对我来说，退一步看，AI 带来的最大变化，堪比工业革命：我可以给二十个人十亿美元，他们能把钱用起来。
他们能从这十亿美元里赚五亿美元，还是赚二十亿美元？我不知道。但能有效地把这些钱用起来，本身就非常新，也非常有意思。资本市场得想清楚该怎么应对。Anthropic 和 OpenAI 合计融资很可能比整个下游生态加起来还多很多倍。它们已经成为把资金转化为增长的机制。
另一方面是债务，这和股权融资很不一样。我不是成长型投资人，不做公开市场，也不做债务投资，但我在一线看到的是：可用的债务快不够了。假设你是挪威主权财富基金，你会把钱借给某家不知名的新型云计算公司，还是去买国库券？我觉得资金总量不够，市场会优先给投资级公司融资，非投资级公司会更难。
所以规模优势又赢了。
没错。规模大的公司会赢，之后借债也会更容易。如果你的商业模式需要借钱，但市场上没有足够的债务资金，那就会非常难。所以，我知道你说的“资本”主要是一般的股权资金……
用来支持企业的广义资本。
我觉得流动性会很多，这方面我不太担心。债务市场我不熟，但我确实知道现在借钱更难了。结果就是，如果我们希望规模较小、非投资级的公司还能借到钱，它们就得预付款——也就是说客户也得提前付款。最后，这一切又会回到现金和资本的可获得性上，因为债务资金总量有限。
这让我想到新型实验室、新型云计算、推理服务商这些公司。你会把它们都算作基础设施吗？
这些都可以归入基础设施。所以……
NeoCloud、NeoLab 与算力供给
这些都算基础设施。你看这些类别，很多公司都融到资了，但真正达到规模的很少。
你觉得它们会怎样发展？它们应该、也会在市场里扮演什么角色？这些公司大多增长快得惊人。
我对这类公司很感兴趣，不过先把 NeoLab 放一边吧，因为这个概念最不清晰。
我把它也算进来，是因为很多公司似乎正在自己建这些东西。
它们会变成 NeoCloud。
可很多融资路演最后都变成某种“垂直整合的 token 工厂”。有些 NeoLab 从买地、买电一路做到 token，什么都自己做，听起来很奇怪。
我们得把概念分清。在我的定义里，那不算 NeoLab。所有 NeoCloud 都想成为 token 工厂。如果你的产出是基于现有模型生成的 token，那你就是 NeoCloud。
对，就是现成模型的 token。
是。它们都想走向垂直整合。我认为真正的限制不是资本或债务，而是硬件供应。
还有电力。
对，还有电力。对我来说，NeoCloud 是提供实体基础设施、最终产出 token 的公司。它们可以提供 GPU、微调服务，或者直接提供 token。你可以把它想成配有 GPU 的数据中心。
NeoLab 则是这样的公司：给我十亿美元，我们要发明一种新的模型架构。
我很喜欢很多公司的商业计划：“我们要是解决了 ASI，商业模式自然就有了。”真的就是这样。
公平地说，这就是 OpenAI 最初的论点，Anthropic 在某种程度上也是：如果你解决了智能问题，商业模式自然容易解决。对我来说，NeoLab 的核心是新架构和模型训练。他们有时也会买自己的基础设施和 GPU，但那不是他们的目标产品，也不是他们最终要卖的东西。
所以，眼下真正的限制是电力、芯片、材料。我认为，在这些约束下，80% 的需求会流向规模化供应商，另外 20% 会流向难以触达、很小众的地方。比如我认识某家 GPU 市场公司，做的是非常底层的 GPU 交易市场；他们的 GPU 有不少改装自鸡舍——农场里那些鸡棚，人们想方设法在那里提供算力。
市场太大了，总会有相当一部分需求不适合 SpaceX 这样的巨头去做。SpaceX 不会跑去搭建一个“鸡舍 GPU”的交易市场。因此我觉得最终会是这样：20% 的市场足够大，容纳各种分散的小供应商；80% 则由 SpaceX 这类规模化、同质化的大型供应商满足。
我最近听说，有人问 Larry Page 多少算力会在轨道上运行，他回答说“59%”。理由是物理规律——最终这些东西都会去太空。
有意思的是，太空数据中心的账其实算得过来，但最主要的优势只是监管。
对，因为这样可以绕开监管。
是啊。
美国单是为了阻止数据中心建设，就有五百项拟议中的立法，连德州也包括在内。要是连德州都建不了数据中心，我真不知道该怎么办了。监管压力如果持续，项目又很难破土动工——我听很多顶级数据中心从业者都这么说——那就只能去其他国家，或者去太空。
数据中心建设与市场估值
……或者去太空。
Vanta 自动化处理合规工作，让团队少花时间应付安全审查，多花时间争取客户。Vanta 能把审计准备时间缩短 82%，随时提供最新的可信证明，不必手工整理，让你更快、更顺利地成交。客户报告的投资回报率为 526%，超过 16,000 家公司在使用 Vanta，包括 Ramp、Harvey 和 Snowflake。访问 vanta.com/invest，可获得 1,000 美元优惠。
Ridgeline 是唯一一款原生 AI 投资管理平台，把前台、中台和后台整合到一个系统里。它为公司提供统一的数据平台，并用 AI 智能体自动完成开户、对账、交易后处理、合规和报告等重复工作，让团队有更多时间投资、服务客户并发展业务。Ridgeline 帮你把时间还给团队，改变公司的发展轨迹，让增长从渐进转为加速。
Ridgeline 还希望帮助资产管理和财富管理公司了解并改善增长轨迹，因此推出了交互式仪表盘，让你把自己的公司和 16,000 家同行比较。只要提交过 ADV 表格，你的公司就已经在里面。访问 ridgeline.ai/trajectory 查看公司所处位置，再和 Ridgeline 聊聊如何用现有团队做得更多。
你刚才提到有些软件公司还能增长 60%，这让我想问当前市场上的估值。作为专注于颠覆性资产的生产性投资者，即便一项颠覆性资产价值巨大、前景很好……
只要价格过高，任何资产都可能让投资回报变得很差。
市场效率、估值与风险投资
这又是一个让我很介意的问题。我不知道一个风投怎么能不相信技术会创造价值——这是我们刚才谈的第一件事。第二件事是，我不知道一个风投怎么能不相信市场有效。我们是资本主义者，难道不该相信市场有效吗？
我认为私募市场非常有效，市场会自己找到价格。我不会试图和市场对赌。很多人觉得私募市场无效，所以自己能找到别人没共识的交易。但那些交易竞争都极其激烈。我从来不是靠到处捡便宜交易赢的。我会按市场价格买，也许谈判时能争取到一点折扣，但我并不太担心价格。作为生产性投资人，我相信市场总体上很聪明，会根据风险调整后的价值给资产定价。我做的尽调会降低我承担的风险，但我不是靠低于市场价买入来获利，而是寻找风险更低的资产。
那是不是应该直接买私募市场的指数，按市场权重把整个市场都买下来？
我当然愿意，但实际上办不到。我希望能拥有每个竞争领域的指数。我的梦想是每一笔有竞争力的交易都拿 5%。
你买 Cursor 时拿 Cognition 的 5%？
哈哈。我是说，每一笔有竞争力的交易我都拿 5%。我确实非常相信私募市场有效，也相信市场共识是聪明的。既然我是资本主义者、相信市场，那如果能在每笔有成熟投资人参与的竞争性交易里拿 5%，我就很满足了。但这根本做不到：竞争关系不允许，团队承载能力也不允许。
所以投资人得想办法既不被竞争挤出去，更重要的是，不要超出我们跟进和帮助公司的能力。我会加入公司的董事会，也会深度参与，这不现实。因此，我们的做法是：每个真正有前景的领域——我们认为，如果有优秀创始人愿意拿自己的未来、机会成本和家庭财富去冒险，那就是个好领域——我们都会研究，然后判断哪个是其中最好的公司。
这意味着你要看团队、技术、变现潜力和市场增长潜力，综合评估后选出最好的一家，然后相信市场有效。这有点像指数投资，只是按市场分类来挑选。有时我们挑对，有时挑错，但这样就能覆盖那些有意思的市场。
量化投资里有个概念叫分层抽样。你可以只买指数里一小部分标的，同时把跟踪误差控制得很低。你描述的其实就是分层抽样：每个类别里挑最好、最大的一家，组合起来的表现会和整个指数类似。
对，这样就说得通了。我觉得挺有意思，早期风险投资——我没亲历过，只读过相关书籍——相信技术能创造价值，所以不会过度分析。很多时候根本没有现成的业务可以评估。我不太理解现在为什么总是担心泡沫或这或那。市场价格就是市场价格。
我和其他投资人交谈时，总觉得有很大落差：他们总在指责泡沫，但泡沫没人能预测。按定义，如果所有人都在说这是泡沫，那它大概就不是泡沫了。真正的泡沫可能是大家都在投资，因为他们相信还有上涨空间；而现在这些人又不相信私募市场有效。
私募市场会创造新的价值
大家投资是因为觉得还有上涨空间，但又说私募市场无效。记得我在风投圈被围攻那次吗？我说，前后不一致地投资很危险。我曾在 Twitter 上说，逆着共识投资很危险，因为你有后续融资风险。结果不少知名风投跳出来说：“我们做的那些交易当初都没有共识。”
我觉得这里和投资人的自尊、身份认同有关系：他们必须相信自己能像寻宝一样，找到别人没共识的交易，证明自己比别人聪明。但现实是，看我们的投资组合，带来回报的项目总体上竞争都非常激烈。所以我认为这些市场其实相当有效。
你相信私募市场有效，这一点可能和很多知名人士的观点相左。
显然和很多人都相左。
可能是所有人。还有什么观点让你觉得特别孤立？
有一个让我很抓狂，这是最后一个，我保证。
还有一件让我很抓狂的事是……
让我抓狂的是，有人认为把钱投进私募市场，并不会让私募市场的总潜在市场变大。我很喜欢红杉的 Roelof，他非常聪明，也是很好的董事会成员。你还记得他在 TechCrunch Disrupt 上的演讲吗？很多投资人都相信他说的观点——我不是想针对他，我其实非常欣赏他。他说：“风险投资不是一种资产类别，真正重要的初创公司只有 20 家。”所以如果有太多钱进来，那就是给私募市场投过了。
我觉得这太荒唐了。资本会创造机会、市场和价值。过去二十年，进入私募市场的钱多了很多，但私募市场的价值也跟着增长。现在有规模巨大的私营公司、大量投资机会，还有规模很大的退出交易。把私募市场想成固定大小、零和的领域……
就像优质资产的供给总量固定一样。
这种想法太奇怪了。我们是风投，是创造价值的人。技术会创造价值；投入更多资金，市场就会发展。你可能会惊讶，也可能不会，但我对这种思维有多普遍感到很惊讶。我常和有二十年经验的资深普通合伙人聊天，他们会说：“钱太多了。”我会问：“你在说什么？应该有更多的钱进来，应该有更大的生态系统、更多价值、更多投资。”
所以我相信，投入私募市场的钱会创造总潜在市场，也会创造可投资市场和价值。现在私募市场里可以部署资金的机会比以往任何时候都多。一个很简单的例子是，越来越多公司不上市了：如果有更多私募资金，为什么还要上市？我们都应该摆脱零和思维，相信技术会创造价值。尤其是 AI 时代，我们应该相信资本能推动技术创造价值。如果是这样，那就该把更多钱投进私募市场，让资金发挥作用，创造价值。
AI 大型并购的经验与风投的未来
如果用 NBA 总经理的话来说，你最近状态火热：Cursor、Fifth Phase、OpenRouter 这些交易接连发生，时间都很短。先恭喜你。我更想听你作为其中三笔、可能是最近几个月规模最大的战略并购的参与者，对并购学到了什么？这个市场正在发生什么？
我参与战略并购有段历史了，早在自己公司被 VMware 收购时就是如此。那笔交易金额是 12.6 亿美元，当时我觉得是最高纪录，应该超过了 David Sacks 的 Yammer。
算上所有交易，是吧？
对。当时 Catalyst 给我看过一张图，把收入倍数和退出总金额放在一起，图上有两个离群值，分别是那家公司和 Yammer，而且数值很接近。我当时还开玩笑说：“我只比他强一点点。”当时这应该是企业软件公司收入倍数最高的一笔收购。后来我参与的 Tabular 被 Databricks 收购，超过了那笔纪录；再后来是 Cursor，我认为那是史上金额最高的 acqui-hire（收购式招聘）。当然，Fei 的公司被收购也是一笔很大的交易。我参与过不少这类战略并购。
我只谈战略并购。我观察到几个规律。第一，双方通常有很深的个人共识，因为这对两边都是实实在在的风险。比如 Lisa Su 和 Fei，Michael Truell 和 Elon，或者 Alex 和 Patrick。他们往往对未来有相同愿景，思考问题的方式也相近：有人从市场角度看，有人从基础设施角度看，有人从数据角度看。通常双方之间原本就有信任和共识。
第二，要站在买方角度思考。买方买的基本上是一个进入大市场的期权。比如 VMware 收购 Nicira，可以理解为它花 10 亿美元买了一个进入 400 亿美元市场的期权。要让这笔交易说得通，公司得为买方把逻辑证明出来：先展示基础案例——我们已经有一项面向网络市场的业务，能拿到这部分预算；再展示递进步骤——你们有虚拟机，如果把我们的产品接上去，就能卖得更多，最后就能进入一个大得多的市场。既然买方买的是未来进入市场的期权，你就得把这条推导路径展示清楚。
证明递进路径是被收购公司的工作？
并购双方都得讲清楚这套逻辑：有基础案例，再有递进步骤，于是能进入更大的市场。按我的经验，这种沟通通常只有创始人，或者真正理解战略的人才能做好。这就像风险极高的企业销售。我也参与过更多像拍卖一样的并购，在那种交易里不会有这样的对话：大家只看财务指标和电子表格，把公司当成一项资产买下来。所以两者的风格完全不同。
随着技术周期越来越短，我认为战略退出会越来越多，大家有必要弄清楚这种交易是什么样。它和多数人的想象不同。很多人觉得应该请投行、办一场竞价拍卖、拿到最高价格。请投行当然可以，但以为你能像打扑克一样去和马克·扎克伯格这样的顶级掠食者对局，那是在骗自己。并购建立在信任和讲清愿景上，不是耍花招或玩牌。
Cursor 并购与谈判中的信任
你得有一种完全不同的心态，才能参与这类交易。
能不能从你的角度讲讲 Cursor 这笔交易？你参与很深，给我们讲讲来龙去脉吧。
当时我们正准备完成一轮融资，计划融几十亿美元，流程也快走完了。那时 Mythos 刚刚发布。倒推一下，做出 Mythos 可能花了 30 亿美元，当然我不知道真实成本。我们就想，如果 Cursor 要自己训练模型，就需要再融资、获得这些算力。于是战略讨论就启动了，因为能拿到那么多算力的公司不多。
这家公司也引起了很大兴趣，毕竟它的用户远比别人多，数据也远比别人多。这是个很好的例子：最后是 SpaceX 有算力，Cursor 有数据，也有一支成功开发模型的团队，而且他们已经形成了做模型和代码产品的能力。双方很契合。此外，正好有一轮融资在进行，也有助于确定这类公司的价值和价格。因此这是一笔相当直接的交易。
从 OpenRouter 或 Fei 的 World Labs 那笔交易里，你有没有学到类似的经验？有什么可以分享的，能说明战略并购的特点？
我还是回到刚才的观点。对战略并购来说，最重要的是直觉。很多投资人的直觉是：“交易要黄了，我们得耍点手段，把消息泄露给媒体，再找几家公司进来竞价。”这让我很恼火。你没意识到自己面对的是世界上最精明的一批人。你不能走到扎克伯格面前，说：“我能在扑克桌上赢你，我要把你当冤大头耍。”我开玩笑的——不，我没开玩笑。这些交易就是这样。
这些交易里的公司都非常诚信地和买方谈判；它们都是创纪录的大交易。大家没耍花招，而是知道自己的公司值多少钱，因为此前做过融资，也有市场可比案例。双方之间有很强的信任。我做过这么多交易之后发现，对于战略并购，这种方式是对的。
我也见过规模相当的交易最后告吹，就是因为有董事会成员给创始人灌输“你得提高竞争报价”“你得把消息泄露出去”之类的想法。说实话，OpenRouter 那笔交易的消息泄露让我很恼火。你注意到 World Labs 那笔没有泄露吗？
对，有意思。
没泄露是因为我们没有告诉任何人。只有我和少数几个人知道。OpenRouter 那笔则一直在泄露。有些风投以为这样能抬高价格，或者推动交易完成；但交易消息总是被泄露，这会破坏交易的稳定性。我参与过这些交易，亲眼看到泄密让交易变得不稳定。
所以这首先是一个结构性问题：投资人觉得这只是普通商品，可以玩扑克，这种直觉是错的。如果是金额巨大的战略交易，就应该以非常专业的方式对待，建立信任关系，诚信谈判，不要泄露交易消息。要记住，你的交易对手是行业里最精明的人。
风投资者的角色正在改变
这些交易里的创始人都按这种方式处理。Michael Truell 就是这样，OpenRouter 的 Alex 和 Chris 也是，Fei 那边当然也是。
你怎么看投资人的角色正在如何变化？包括你参与的许多董事会里，投资人角色具体发生了什么变化；也想听听你觉得像你这样的投资人整体上做得好不好，是否真的在帮助公司。现在风险和增长都很大，投入的资本金额也很大，投资人要监督的事情多得惊人。你怎么看投资人的角色？
风投已经不是过去的风投，初创公司生态也变了。看看现在最大的私营公司，规模已经能和二十年前的上市公司匹敌。比如 Stripe、Databricks、上市前的 SpaceX、Anduril 这些公司，都非常庞大。
问题之一是“初创公司”的含义已经变化很大，出现一片边界模糊的地带：哪些人应该像公开市场投资者那样，来投早期初创公司？我觉得有些人的直觉并不对。因此才会有这种混乱。私募市场里可能需要更清楚地区分；如果后期投资人要投更早期的公司，也许应该更了解自己的能力边界。比如你不会让我去做一家矿业公司的董事会成员。
你还记得 2021 年吗？那时会有私募股权投资人投那些现金消耗很严重的公司，我和他们一起坐在董事会里，就像让我去当矿业公司的董事会成员一样。
我完全不知道怎么用“烧钱”来分析公司。老兄，你会在这里很痛苦，因为我们要很长时间一直烧钱。
因此，模糊的边界带来了问题，因为对后期投资人来说，私营公司已经是一类真正的资产。我觉得这也是行业成长过程中的阵痛。你觉得现在的市场规模比三十年前大了多少？
一千倍。
所以行业当然得随之成熟，也自然会有更后期的投资者。但我觉得一些后期投资人有种身份认同危机：他们身处私募市场，觉得自己就是风投，于是要按早期风投的方式看待所有公司。举例来说，我绝不会去投一家后期公司，我去了能做什么？告诉他们怎么运营财务部门吗？那不是我的专长。
问题就在于传统投行、传统金融和风投之间界限模糊——这些领域当然都有自己的位置，但有时传统金融的做法会伸得太早。然后就有各种问题：并购时想办拍卖、玩各种花样；公司只有二十个人，却一味担心烧钱，或者对颠覆性技术过度关注指标。我觉得有些领域需要找回传统的、生产性的风投方式，而且市场足够大，容得下不同类型。
你第一次见创始人时的做法有没有变化？如果我十年前——你刚开始时——一周观察你见十个人，再在今天观察你见十个人，会有什么不同？你改变了和创始人初次接触的方式吗？
改变很大。我觉得多数投资人都会经历这个过程，特别是从运营岗位转过来的人：你得学会以投资人的身份倾听。
如何倾听创始人与 AI 的工业革命
你得学会问那些真正关心的问题，这样才能自己得出答案。这是很微妙的平衡。很多创始人会议在双方看来都很像表演。你不知道该问什么，就会问“你的竞争对手是谁？”结果只是为了提问而提问，并不能帮助你做决定。
特别是如果你以前做过运营，听到不同意的观点就会想去纠正问题；但那不是你的工作。我自己也还没做到完美，不过我学会了这一点。我也看到很多初级投资人进来。投资人的主要工作就是倾听，创始人会告诉你他们相信什么。你可以不同意，但那就是他们的信念。
有时他们会说：“我自己做会做得更好，所以这是笔好投资。”真正评估这种判断是门艺术。刚才说的第二件事也是一门艺术：你得根据那场会议做出决定。能问的问题很多，但有些其实不能帮你判断。比如“如果亚马逊做了怎么办？”“OpenAI 会怎么做？”这些你自己可以想明白。会议期间要知道哪些关键问题真的需要问，并把它们问出来，这很难。我觉得自己在这方面已经进步很多。
最后问个轻松的问题：现在什么最让你兴奋？我们谈了新时代技术的神奇之处，过去做不到的事，以及如今消失的瓶颈。我知道这些都让你兴奋。如果你退一步想想，为什么现在做这份工作这么有意思？你最兴奋的是什么？
我越来越相信，这是一场堪比工业革命的变革。对我来说，工业革命让世界从零和走向非零和，创造了全新的净价值。我觉得这次变化非常相似。
过去解决问题需要非常复杂的工程工作，既难又无法扩张，还得持续维护，这就是为什么软件一直那么难用。现在，很多问题变成了资本问题。我还不知道这是否适用于现实世界，但我相信最终会实现。现在，我们把问题转化成了资本配置问题，而我们就是资本配置者。所以我们处于一个非常有利、非常有战略价值的位置，能够比以往更直接地推动未来。
因为这是一个规模化资本的游戏，所以才能带来这类变化。我不认为私募市场的总潜在市场有上限，我觉得它是无限的；投入的钱越多，创造的价值就越多。所以我们处在一个非常幸运的位置，在创新链条里非常关键。我们俩能身处其中都很幸运。
我很喜欢每两年聊一次的安排。希望两年后还能再聊。我简直想象不出两年后的世界会是什么样。
到时候我们可以聊聊 Grokbox。
非常感谢你抽时间来聊。
好，谢谢你。
你知道，微小优势会随时间累积。这对投资如此，对经营公司也一样。支出系统就是你的资本配置策略，Ramp 会让它从一开始就更聪明：更好的数据、更好的决策，长期也有更好的经济效益。访问 ramp.com/invest 了解详情。
随着企业成长，Vanta 会一起扩展，自动化处理合规工作，为安全和风险管理提供统一的信息来源。访问 vanta.com/invest 了解详情。
从 OpenAI、Cursor 到 Perplexity，优秀的 AI 和软件公司都在用 WorkOS，让产品一夜之间具备企业级能力，而不是花上几个月。访问 workos.com，跳过那些不起眼的基础设施工作，专注于产品。
Ridgeline 正以真正的合作伙伴身份重新定义资产管理技术，而不只是做软件供应商。它帮助公司实现五倍增长和规模扩张，提升增长速度、运营效率和竞争优势。访问 ridgelineapps.com，看看它能为你的
节目结束
……公司。