Accel：Facebook、Cursor、Nebius、Lovable、Vercel 背后的低调投资机构Sourcery with Molly O'Shea

这一期开场先把几条最抓人的线索摆出来。Accel 在 2005 年参与了 Facebook 的 A 轮；后来微软以约 150 亿美元估值投资 Facebook 时，团队曾判断 Facebook 最终低于 200 亿美元的概率已经很小，于是继续在二级市场上买入。回头看，那时他们以为从大约 200 亿美元到 1000 亿美元已经是极好的五倍回报，但真实结果远远超过了这个判断。

另一条线索是今天的 AI 投资。开场的剪辑字幕把 Cursor、Prophetic，以及一个转写为“Debius”的名字并列在一起，随后紧接着出现“16 个月前一笔约 1.5 亿美元投资、到今天大约上涨 13 倍”的片段；后文真正展开这组数字时，谈的是 Nebius。主持人还抛出一个问题：如果市场即将迎来三家万亿美元级别的 IPO，公开市场究竟能不能吸收这么大的供给？

这些问题背后其实是一条共同主线：投资机构如何在技术平台更替、公司规模快速上移的情况下，重新校准什么叫“大机会”、什么叫“足够大的下注”。

欢迎来到 Accel。今天坐在这里的是 Arun Mathew、Miles Clements 和 Matt Weigand。你们属于 growth 团队，但我听说这个团队其实很小？

对，真正做 growth 投资的大概就是六个人。我们三个人一起工作已经差不多 15 年了。团队的一个特点是很多人都是从内部成长起来的，而不是每一代都从外面重新拼一个团队。

这也解释了我今天的第一印象。我刚刚采访过你们 early-stage 团队，所以这个笑话已经说过一次：从 South Park 街上看，这栋楼非常不起眼；但一走进来，就像“Restoration Hardware 被一堆 petunias 撞了一下”，突然非常漂亮。你们确实把“外面低调、里面认真做事”贯彻得很彻底。

这差不多就是我们希望的样子。不是靠外观或者声量告诉别人我们是谁，而是让工作本身和长期关系去说话。

我想先从 Accel 的历史讲起。对很多人来说，Accel 是硅谷最传奇的名字之一。现在公司涌到你们面前的速度可能比任何时候都快，事情变化得非常快——我本来还想说一句脏话，随后又提醒自己：这是我的节目，其实我当然可以说。我们之前还和一位做公开市场的 CIO 聊过，公司上市时的规模已经完全不同；当时最大的例子之一就是 Meta，也就是 Facebook。你们当年持有大约 10%。所以先回到这个 lore：你们虽然不是当年的投资人，但 Facebook 这笔交易到底如何塑造了 Accel？

如果把时间拉长看，我们经历的是一轮又一轮技术平台迁移。Facebook 当时是一个平台型公司，它不仅仅是一款消费产品，而是承载了一个新的生态。今天看 Anthropic、OpenAI 这样的实验室，也会有类似感受：基础能力先形成平台，然后一整层应用和商业模式在上面生长。

Accel 后来形成多阶段、多地区的投资能力，本质上也是从这些早期经验逐步长出来的。先在一个技术周期里建立真正的判断和关系，再把这种能力扩展到新的阶段、地区和公司类型，而不是一开始就把“全阶段”当作组织设计目标。

Facebook 那笔投资当时到底有多非共识？

2005 年我们做了 Facebook 的 A 轮。到 2008 年左右，我们开始有 growth vehicle，也第一次认真考虑在同一家已经很成熟的公司里继续加码。当微软在大约 150 亿美元估值上投资 Facebook 时，我们的判断是：它低于 200 亿美元的概率已经非常低，所以我们又去二级市场买了一些股份。

今天听起来，这种做法很正常——一家机构既做早期，又在 C、D 轮甚至二级市场继续投。但在当时，同一家风投机构在一家公司里跨阶段持续加注并不常见。我们当时甚至做过模型，觉得如果 Facebook 能做到 1000 亿美元，就是一次极其成功的投资：从不到 200 亿美元到 1000 亿美元，大概五倍。

结果证明，我们把终局严重低估了。它不是“五倍之后故事结束”，而是进入了一个远比我们当时模型更大的市场。这个经验后来很重要：当你遇到真正的平台级公司时，最危险的错误之一不是买得太贵，而是太早用旧世界的规模上限去约束新世界。

我们 growth 业务的早期也和 Ryan Sweeney 等前辈密切相关。那一代人给团队留下的不是某一种穿衣风格或者某一套话术，而是两个很朴素的标准：谦逊，以及肯下苦功。后来团队变了、市场变了，这两点没有变。

你们刚才提到 Ryan。大家现在看到的可能是平檐帽、jogger、Jordan 的版本，很难想象以前还有褶皱卡其裤和格子衬衫的版本。

对，外表确实升级了很多。但我们真正继承的东西不是衣柜，是那种谦逊和 hustle。你必须尊重这门手艺，也必须愿意长期做那些不那么显眼、但会积累复利的工作。

那 Facebook 呢？你们最后持有得够久吗？

不够久。

真的？

对。回头看，当然应该持有得更久。这也是长期投资里很难的一部分：你可能已经获得了一个看起来难以置信的回报，但真正伟大的公司还可以远远超出你觉得“已经够好了”的那个点。

如果把 Nebius、Cursor、Lovable 这些看起来完全不同的公司放在一起，你们背后有没有一个共同 thesis？还是说每一笔都只是独立判断？

我们是 generalist，但不是“什么都浅浅看一点”的 generalist。每个人都有自己长期钻研的区域。Arun 花很多时间在基础设施和网络安全，Matt 也深耕基础设施，Miles 更偏应用层、开发者工具。关键是既要有专长，又要保持足够的认知可塑性，允许自己在新的平台周期里重新学习。

我们很强调在第一次正式见创始人之前，先形成一个 outside-in 的观点。你不能把第一次会议当作“请创始人给我上课”。我们希望团队对市场、竞争格局、客户、产品和潜在争议点都做足准备，甚至细到非常微观的层面。这样第一次对话才可能真正产生增量。

Aneel Bhusri 是一个很典型的例子。源字幕把他的背景描述成“在 Yahoo 待了十多年、原本是 consumer internet guy”，并说他加入 Accel 时的明确 mandate 是投 consumer internet。后来 PLG 和 consumerized enterprise software 兴起，这种消费产品视角反而让他很适合判断新一代企业软件；节目还特别提到，他很早就牵头了对 Slack 的 seed investment。这里的人名与履历按源字幕翻译，个别细节不在本文做外部校正。

Sameer Gandhi 也是类似例子：他是非常活跃的 consumer investor，同时又成为我们重要的 cybersecurity investor。我们当然相信领域聚焦和 domain knowledge 非常重要，但也同样相信一个投资人要不断“repot yourself”——把自己换到新的土壤里看看。你来自别的类别，反而可能拥有那些长期只待在本类别的人没有的独特视角。

所以我们鼓励这种探索。你应该有 focus，但不能因为 focus 就排斥新的 perspective 和 idea。共同方法不是“我们只投某种商业模式”，而是：先形成独立观点，做非常扎实的准备；找到真正异常优秀的创始人；在自己有认知优势的地方下注；同时愿意在技术范式变化时重写自己的地图。

Accel 给人的感觉一直很安静。现在很多 VC 都非常会营销、做内容、在社交媒体上制造存在感。你们怎么在这种竞争里赢项目？

我更喜欢“silent partner”这个说法。我们当然尊重同行，也知道今天创始人有很多优秀机构可以选。但我们的直觉一直是：创始人应该站在前面，投资人不需要把自己变成故事的主角。

如果我们做了好工作，回报会体现出来；如果我们是好的人、好的合作伙伴，创始人会替我们说话。我们真正想积累的是这种口碑，而不是让市场每天都看到我们的 logo。

我们内部常把它说成一个很简单的等式：第一，做好工作，结果和回报会跟上；第二，做值得信任的人和合作伙伴，创始人会在你不在场的时候替你背书。

Cursor 的例子很典型。竞争这笔投资时，创始团队完全可以选更“吵”、更会造势的机构。但我们后来听到的反馈非常朴素：他们去问了别人，别人对 Accel 的评价很好。真正起作用的不是一篇“为什么我们投资 Cursor”的长文，而是过去四十多年里，一批又一批创始人的真实体验。

事实上，直到大概五到七年前，Accel 内部还有一种接近“宗教信条”的偏好：尽量做公司的第一家机构投资者。组织性格也比较内向，我们非常强调独立找项目、长期关系和自己的判断。即使现在做 growth，我们仍然觉得在大家都知道的热门公司上，你必须拿出过去的工作质量和信誉，才能获得真正的杠杆。

我们有时会觉得 VC 行业那些非常自我庆祝的融资帖有点让人尴尬。融资和投资当然重要，但故事首先应该属于创始人和公司。往后退一步，反而更符合我们对这份工作的理解。

但现在 AI 融资已经变成 logo、人才和资本的混战。你们的投资范围是不是也变得特别宽？

AI 的机会几乎横跨整条栈：芯片、neocloud、模型实验室、应用，再到系统集成和服务。我们既做早期也做 growth；早期可以是 Lovable、Decagon、Scale、Gamma 这样的公司，growth 一侧则包括 Cursor、Anthropic、Nebius。地域上又横跨硅谷、伦敦、班加罗尔。

按节目中的口径，我们在 AI 相关公司的整体敞口大约 70 亿美元。但我们的目标不是“每一层都撒一把”，而是逐层判断哪里有真正的差异化、哪里会形成持久价值，然后集中表达 conviction。

这听起来像是 LP 在挑基金经理：既要覆盖足够多的机会，又不能失去选择性。是不是实际上只有很少一批机构，组织上真的能做到从早期到 late stage、再跨多个地区和技术层？

对。理论上任何人都可以说自己“全阶段”，但真正困难的是在每个阶段都有能独立做出高质量判断的人、有足够长的关系网络，也有相匹配的资金结构。更重要的是，这些能力必须彼此交流，而不是把早期、growth、地区团队变成互不相干的孤岛。

那这也会直接影响你们今天能写多大的支票。

市场确实出现了一个很明显的现象：大量资本集中到少数 late-stage 私营公司上。但这并不意味着其他公司都停止成长，而是最强的一批公司正在以过去很少见的速度把规模拉开。

对我们来说，conviction 可以用两种方式表达。第一种是“足够早”——在一个判断还没有成为共识时就投进去；第二种是“足够大”——当公司已经证明很多东西、但你仍然认为市场低估它时，愿意把大量资本放进去。现在我们有能力一次投资 4 亿、5 亿、6 亿美元。

这和十几年前完全不是一个数量级。我们第一只 growth fund 大约只有 4.8 亿美元。今天，单笔 5 亿美元已经不再让人觉得不可想象；在极少数情况下，一家公司里累计超过 10 亿美元也可能合理。不是因为我们突然更喜欢“大数字”，而是因为公司的潜在终局规模已经发生变化。

如果一个公司在并不算特别长的持有期里有机会成为一万亿甚至数万亿美元的公司，那么原来对“合理支票大小”的经验法则就需要重写。我们今天仍然认为 AI 的潜在市场被低估，所以一件重要的事就是持续逼自己进入不舒服的区域：当能力前沿不断移动时，不要因为上一代基金的规模和记忆，就把这一代机会强行装进旧盒子。

这是不是意味着早期投资反而变得更难了？

是。现在启动一家公司的门槛很低，某些赛道里同一时间会冒出大量团队。过去那种“我能覆盖 90% 的 seed 和 Series A 机会”的想法，在很多 AI 类别里已经不现实。公司数量太多，变化也太快。

但另一方面，真正能一路跑到 late stage 的依然只是一个很小的离群值群体。所以如果你能在后期识别出这些公司，并且价格还没有完全反映它们的终局，我认为这一轮里 late-stage 私营市场的 top-quartile 回报有可能接近早期市场的 top-quartile。当然，如果看最极端的 top-decile，早期因为成本基数更低，数学上还是会不同。

这和 Brian Singerman 说过的一种思路很像：更晚一点投，把大量资金停在真正强的公司里，也可能持续跑赢。

百分之百同意。关键不是为了“早”而早，也不是为了“大”而大，而是你的进入时点、价格、公司质量和终局判断能不能同时成立。

我们之所以愿意把支票越写越大，是因为公司规模的上限在持续上移。大约十年前，公开市场上还没有一万亿美元市值的公司；五年前也只有大约五家；而今天已经有十几家，另外还有几家非常大的私营公司在等待上市。

如果过去十年的规模上移是真实的，那么下一步出现 10 万亿美元级别的公司并不是不可想象。我们当然不知道具体是哪一家、什么时候发生，但如果计算能力、AI 模型和软件渗透继续扩张，只拿今天最大的公司作为永远的天花板，会重复我们当年对 Facebook 犯过的错误。

这句话很适合当 soundbite。你们这里的水是不是也有什么秘密？我进办公室以后一直听人在讨论某种饮料，冰箱里好像还断货了。

这是我们现在的最高优先级之一：别让冰箱里的东西断货。我们还有别的可以卖给你——楼下可能还有 CrowdStrike。至于这瓶水，你可以试试。

天啊。

对吧？mind blown。它自己就能卖出去。

完全是 placebo 吧。

对，完全 placebo。别把我们的乐趣毁了。

接下来是节目赞助内容。Brex 是一体化智能财务平台，把企业卡、费用管理和银行服务放在同一个 stack 里，并用 AI agents 自动处理费用、在支出发生前执行政策、加快关账。节目中提到 Vercel、OpenAI、Anthropic、Granola、Deepgram 等公司都在使用 Brex；更多信息见 brex.com/sorcery。

另一位赞助商 Turing 用需要真实专业知识和现实判断的任务训练下一代 AI。节目称 Nvidia、Anthropic、Salesforce、Gemini 等与其合作；Turing 构建强化学习环境和基于真实运营轨迹的数据系统，为前沿实验室训练模型提供基础设施。更多信息见 turing.com/sorcery。

我们转到公开市场。你们有一家已经上市的公司 Nebius，它现在很热，而且刚宣布了一笔非常大的交易，好像是 260 亿美元？

对，我们宣布了和 Meta 的一笔大交易。先说一句，作为一个 venture investor，我真不祝愿任何人天天盯公开市场股票。现在我手机上最常打开的应用之一就是股价应用，每天 mark-to-market 实在很有压力。

但 Nebius 本身是一个非常特别的创业者故事。Arkady 之前创办了 Yandex，Yandex 在 Nasdaq 上一度做到大约 300 亿美元市值。后来俄罗斯战争爆发，很多工程师跟着 Arkady 离开俄罗斯。他手上聚集了一支很强的工程团队，也开始重新思考下一步要做什么。

Accel 的创始人之一 Jim Schwartz 把我介绍给了 Arkady，说他手上有几个可能的方向，值得聊一聊。接下来几年，我们围绕最终会变成 Nebius 的东西反复讨论。最早阶段其实还有一个有点好笑的插曲：我曾试着说服 Arkady 把他大约 30% 的 ClickHouse 股份卖给我。他非常正确地拒绝了。

但也正是在那次谈判里，我真正认识了这个人。他是我见过最“quietly humble killer”的创业者之一：极其低调、谦逊，但竞争心和执行力又非常强。他已经从 Yandex 的经历里赚到数十亿美元，正常人完全可以说“我这一生已经够了，退休吧”。但他的想法是，既然有这么一支别人很难复制的工程团队，为什么不把资源重新投入基础设施，去攻击一个新市场？

当时市场上已经有其他 neocloud，hyperscaler 也在往 GPU 基础设施里扩张。Arkady 的视野比“再做一家租 GPU 的云”大得多。他认为基础设施未来的交付方式会发生变化：并不是简单把一个超大 cluster 交给 Meta 这样的客户——尽管 Meta 的确是客户，而且我们非常高兴有这类客户——而是要重新思考，当开发者和运营型创始人通过 agents 与基础设施交互时，底层这些 primitives 应该长什么样。

过去你可能必须非常熟悉 AWS 那个巨大的产品目录，知道每一个服务怎么拼。未来，很多人可能并没有传统 GCP、AWS 后端基础设施经验，却能通过 agents 去配置和运营系统。像 inference 这样今天增长很快的工作负载，从一开始就在 Arkady 想构建的范围里。所以你现在看到的是一支非常独特的工程文化，在扩张成我们认为更耐久的“AI 时代下一代 hyperscaler”。

对不熟悉 Nebius 的人，你能不能用一句话解释它到底是什么？然后也讲讲为什么 inference 现在这么重要。Agent 越来越多、计算类型越来越复杂、产生的数据也越来越多，这一层究竟发生了什么？

最简单地说，Nebius 想构建下一代 hyperscaler，而且是垂直整合的。他们希望从数据中心本身、服务器机架设计、内部硬件团队，一直做到运行在这些基础设施之上的软件。也就是说，它不是只租一个机房、买一批 GPU 再往上加一层薄软件，而是尽可能控制整条栈。

现在大家一直在讨论：为了 AI，到底还要建多少数据中心、交付多少 GPU。这个需求既来自 training，也来自 inference。Inference 的最基本定义，就是模型训练完以后真正把价值取出来。比如你问 ChatGPT 一个问题，然后得到回答，这就是对 OpenAI 模型的一次推理调用。

Agents 会把这个需求放大很多。一个人问一个问题，可能只触发一次或少数几次推理；一个 agent 为了完成任务，可能连续规划、调用工具、检查结果、重试，于是推理需求曲线会迅速上升。如果你既拥有数据中心和 GPU 的 capacity，又控制上层软件，就更有机会在这个需求爆发时及时供给，而不是被某个单点卡住。

我们每个季度做 capacity planning，几乎每个季度都会被新的数字重新震惊。节目里举的一个例子是 Google 宣布要做十多年来第一次 equity raise，规模约 800 亿美元，用来进一步加大基础设施投入。无论这个具体例子多夸张，它说明的是同一个方向：大家一直在把原来的基础设施预测往上修。

所以我仍然觉得现在只是第一局。为了交付 AI 所需的 training 和 inference，整个行业还有大量扩容要做。Nebius 今天只是其中的一部分，但我们希望它会变成越来越大的那一部分。

我去了一天 GTC，Nebius 的营销真的无处不在，差不多每辆车上都有。我最后都被迫去查它到底是什么。旁边好像就是 SK Hynix。

对，他们那次营销确实非常有策略。

那我们再往 agentic layer 走一步。现在企业里已经出现大量新产品、新用例和极端增长。到今年年底，我们会不会开始看到真正的 agent adoption，而不只是一些乱糟糟的试验？

在回答这个很重要的问题之前，我想做一件可能很“controversial”的事：我先替 Matt 吹一下，因为他自己肯定不会吹。

今天回头看 Nebius，好像所有人都知道它很热。但大约 16 个月前，当 Matt 牵头做那笔 PIPE 投资时，完全不是这种共识状态。我觉得这非常能代表 Accel 想要的 original thinking：如果我们真的对一个类别、尤其是对一个创始人有 conviction，就应该找到合适的结构去表达，而不是被“这到底算 venture、growth 还是 public”卡住。

所以我们既可以在 Scale 这样的公司写第一张支票，也可以对 Cursor 做 growth 投资，也可以用公开市场结构投 Nebius。投资结构应该服务于判断，而不是反过来限制判断。

那笔 Nebius 投资大约是 1.5 亿美元。节目里给出的说法是，16 个月后大约涨了 13 倍。今天大家终于注意到这家公司可能有多特别，但我认为 Matt 的价值在于一年半前就看到了这一点。

而且它还有很好的散户社区、散户 app 和很强的 branding。你们需要更多 merch。

好了，继续说 agents 吧。

我觉得我们甚至可能还没进入第一局。我们在 agentic workflow 上看到的 adoption 和增长非常夸张。拿 Supabase 举例，它是很多 agent workflow 和 agent application 的后端数据库。在数亿美元规模上，它仍然以大约 350% 的速度增长，而且几乎没有传统销售团队，增长主要来自 inbound。

这太疯狂了。

更重要的是，我们才刚刚摸到表面。很多使用量其实开始来自企业内部。最初大家把 Supabase 理解成 vibe coding 的后端：你用 Lovable、Bolt 或 V0 做一个应用，再接一个 Supabase 数据库。现在我们看到企业里的员工直接用 Claude、Claude Cowork、Claude Code，甚至 Codex 构建内部应用，而后端同样落到 Supabase。

这给了我们一个很好的观察窗口。企业内部的人、agents 以及它们正在执行的 workflow，其 adoption 和重要性都在指数级上升。所以当我们再去看其他 portfolio companies 的 AI adoption 时，我反而更确信：整体仍然早得惊人。

我特别好奇这些产品到底是怎么被发现的。是不是 agent 在“帮我做个网站”“加个 feature”的过程中，自己就会推荐数据库和工具？我为什么这么问，是因为我爸最近开始 vibe coding 了。

他做了什么？高尔夫 handicap app？

不是，是一个船长日志。他是个 boater。里面有潮汐图、温度、路线，还会告诉你什么时候海面更颠，可以记录每次航程。特别可爱。我问他：“爸，你到底怎么做出来的？”他说：“我就在 Claude 里问。它告诉我可以从这几个产品里选，可以接这个数据库，然后一步一步就做出来了。”

这正是现在很有意思的地方。Claude、Codex 这类工具正在直接推荐后端产品。上一个时代大家讲 SEO——search engine optimization；这个时代开始变成 AI optimization。模型和 agents 自己正在成为下游工具与服务的分发机制。

它们往往更喜欢开发者体验和用户体验最好的产品。Supabase 很早就押了这一点。它基于 Postgres，而 Postgres 是最广泛使用的数据库体系之一，但它把使用体验做得极其简单。最早一批采用者就是它所在的 YC batch；节目里提到，现在大约 60% 的 YC 公司会选择 Supabase。

对人来说容易使用的框架，往往也更容易被 AI 使用。Vercel 的增长也有类似原因。很多人先是随便试一下 AI，然后一步步掉进 rabbit hole，最后发现自己真的可以把过去不会做的东西做出来。

Supabase 之前是不是发过一张很夸张的增长图？我记得它的大部分增长都发生在非常短的时间里。

它上周刚超过 900 万开发者。我们最初投资时还不到 100 万，那大概是上一年年初。非常大一部分增长其实发生在最近三四个月。随着 Opus 4.5 和 long-running agent execution 出现，使用量又被明显推高。

这也是为什么主题上高度聚焦的团队很有价值。我们会同时看到几家公司曲线之间的“互联”。大约一年前，有一周我们在复盘 board meeting：一边看到 Supabase 的新开发者曲线几乎冲上天，另一边又看到 Linear 的 workspace 创建量突然跳升。

我们当时讨论了一个没有真正流行起来的词，叫“agentic influence”。意思是 agents 开始替用户做下游决定：接下来创建什么 workflow、选择什么工具、把什么服务接进来。一旦你看到这一点，就会自然得出一个结论：不只要投“出现在这条流里”的公司，更要投那些真正控制 choke point、能够影响和分配这些决定的公司。

这给了我们和伙伴 Ben Fletcher、Genia 追 Lovable 的 conviction。那段讨论里还提到，团队成员在不同董事会之间交换观察：一边看到 Supabase 新开发者曲线突然陡峭上扬，另一边又在 Linear 的 board meeting 看到 workspace 创建量跳升。当一群长期看相邻公司的投资人坐在同一个房间里，同时看到相似 adoption curve 时，你会获得单看一家公司的董事会材料得不到的全局视角：下一步还有哪里应该非常 aggressive？

当时我们已经是 Vercel 的早期投资人，并且后来一次次继续加码。我们也已经投了 Cursor，所以会把 Cursor 看成下游 workflow creation 和工具推荐的一个关键 choke point。这些观察促使我们对 Cursor 做第二笔投资，也让我们更确信 Anthropic 和其他模型实验室会受益。不是只开新仓，我们也会在已有公司上 double down、triple down。

同样的逻辑把我们带得更深，进入基础设施。我们承认，在 AI 应用层早期我们比一些同行慢，因为当模型能力和权重边界快速变化时，我们担心很多应用不够 durable。但基础设施这边我们一直投入很多时间，而且还会继续。

除了 Nebius，我们会看芯片层；会看像 Scale 这样的 data labeling；也会看纯 inference 软件提供商，比如节目中提到由前 xAI inference 团队成员创办的 Radix Arc。对应用能否长期防守，市场可以争论；但到今天，一个越来越共识的判断是：我们确实被基础设施 rate-limit 了，必须继续扩大供给。

如果让我概括，我们看到三类公司获得了特别明显的 tailwind。第一类是 developer-first 的公司，尤其是那些被 AI 直接放大使用量的产品。第二类就是刚才 Matt 说的整条 AI infrastructure。第三类是 security，尤其是在节目里所说的 “Mythos” 出现之后。

网络安全也算顺风？很多人最初不是觉得 AI 会直接吃掉一批安全公司吗？

对，这正是反直觉的地方。大概六周前，市场一开始会觉得 “Mythos” 会杀掉很多安全公司。节目里举 CrowdStrike 的股价作为例子：结果反而说明，AI 能力提升和攻击面扩大对很多安全平台是顺风，而不是纯粹的替代。

尤其是当一家安全公司本身能把新的 AI security 能力整合到原生平台里时，它反而更有机会成为客户集中信任的入口。所以我们对这一类非常兴奋，也在不同 portfolio companies 里看到类似的正反馈。

我本来马上就想聊 Cyera。先问一个小问题：Radix Arc 到底怎么念？

Radix Arc。

Radix Arc。

你们两个明明念得完全不一样，谢谢。看来我要直接去问创始团队。

对，我们内部显然也有发音问题。这笔投资是 Ivan 做的。

明白了。我之前采访他，所以才会一直看到这个名字。那我们回到 cybersecurity。

我前不久和 Gili Ronen 聊过，接下来几周还会和 Cyera、Yoav 以及 Sequoia 的 Doug 做一期采访。你们当初是怎么进入 Cyera 的？也给不熟悉这家公司的人一点背景：这笔交易为什么重要？

Cyera 今天可以被理解为一家 AI security 公司，但它一开始的身份更接近 data security。Accel 以前就投过以色列的数据安全公司 Varonis，我们的伙伴 Kevin Comolli 到现在还在 Varonis 董事会，所以对这个类别并不是从零开始。

真正把 Cyera 带进来的是我们伦敦办公室的伙伴 Philippe。他每半年左右会去一次以色列，集中见当地有意思的安全公司。那次他遇到了 Yoav。投资里有一些时刻很难完全量化：你坐到一个创始人面前，很快就会感觉这个人身上有某种不一样的东西。

Yoav 来自 8200，安全背景非常扎实，但同时又是非常强的 salesperson。你跟他坐 15 分钟，会觉得他能说服你买下或者卖掉任何东西。他有一种天然的 grit，让人离开会议时会想：“这个人最后一定会做出非常厉害的东西。”

我们最后和 Doug 一起 co-lead 了 Series A，Philippe 从伦敦这边主导。公司随后走得不错，但我记得 2022 年有一个季度没有达到我们的预期。那时我们和创始团队又深入谈了一次。虽然 go-to-market 和 ARR ramp 没有完全体现产品层面的进展，但我们依然相信人和机会，于是在那个并不舒服的时点继续 lean in，用 growth fund 领投了 Series B。

那时候整个类别也远没有今天这么清晰。AI 还没有真正爆发，按节目里的回忆，甚至 ChatGPT 都还没有成为今天这种大众现象。后来大约一年，我们又领投了 Series D。所以 Cyera 最终变成了 Accel 整体金额最大的投资之一。

AI 爆发之后，data security 自然演化成了 AI security，因为数据是 AI 的燃料。节目里的判断是，Cyera 已经是市场上估值最高的私营安全公司之一，而它正处在 AI 所带来的强劲顺风里。

我跟 Gili 聊的时候也觉得很夸张。他甚至说，回头看 Wiz 可能卖得太便宜了。

看看 CrowdStrike 就知道这个市场可以有多大。

从 cybersecurity 角度看，agents 似乎正在创造近乎无限的 breach 机会。公司接入越来越多工具，新人甚至实习生加入团队以后就能马上试新产品；一旦某个环节被攻破，潜在威胁就会成倍增加。你们投的又是市场上增长最快的一批公司，它们一边上 agents、一边继续高速扩张时，到底怎么想安全？

这还是一个很未知的 frontier。AI 产生的 data exhaust 几乎难以量化。刚才我们说 AI 让“创造”民主化了：以前世界上可能只有几千万专业开发者，节目里先说了 1000 万、随后自我修正到大约 3000 万，但现在能借助 AI 构建东西的人可能是 5 亿、10 亿，甚至更多。

这些人以前没有能力写出软件、接数据库、调用基础设施，现在都可以做。所以 security 需要保护的 surface area 巨大扩张，而且还在指数级增加。与此同时，攻击者的能力也在增加。节目再次引用 “Mitha's / Mythos” 这一专名，说大约六周前的变化也让漏洞能力显著增强。

因此，安全产品的必要性只会提高。真正的问题不是“还要不要 security”，而是价值最后会集中到哪里。我不认为最终会有一千家安全公司都拿到同样的价值，更可能是少数几个平台吸走大部分价值，因为企业必须选择真正信任的平台。

节目里把 Cyera、CrowdStrike、Palo Alto 都列作可能的这一类平台。无论具体赢家是谁，可以确定的是 opportunity set 已经比以前大得多。

我们还没聊 token maxing。

你为什么笑？我们其实经常聊 token maxing。

可以叫他 Token Matt。这个梗我以后再用。

天啊。你们是不是喝了太多那种柠檬水？好，认真说。我自己也会做非常浪费 token 的事情，比如一遍遍让模型把所有 em dash 删掉。企业有没有开始讨论 token bill 太高、怎么把它压下来？这东西又不像传统 SaaS 那样简单 rate-limit。

的确有一些“阶段性的过度消费”，而且这类极端案例很容易上头条。但我和整个机构更倾向于认为，宏观趋势恰好相反：全球 token consumption 才刚开始。个别 token maxing 会被企业清理掉，可总消费量仍然会大幅上升。

我们做过一个开发者调查，问他们的 CFO 是在要求“少花一点 AI consumption”，还是“多花一点”。结果节目里给出的数字是：被要求“放开用、多花”的公司，大约是被要求削减消费的七倍。所以整体趋势并不是 CFO 全面踩刹车，而是大量组织仍然觉得使用不足。

当然，有些过度消费的案例确实很荒谬，最终一定会被限制。但这不改变总方向：更多人会把更多 workflow 迁到 AI 上，token 总量会上升。

还有一个原因是 capability frontier 进步太快。按周、按月看，今天用 AI 能做的事，都可能比三个月前多得多。在这种阶段，企业最重要的事情往往不是先把边角成本优化掉，而是先搞清楚 AI 到底能创造多少新价值。

当越来越多公司真正把 AI 标准化、深入接进 workflow，增量价值可能远大于节省几%的 token 成本。等能力前沿开始变平、行业进入更成熟的阶段，优化才会变成更核心的问题。现在还太早。

那如果一个月 token spend 到 5 亿美元，你是 bullish 还是 bearish？

非常 bullish。我觉得会远远超过这个数字。

真的？

真的，非常看多。

Token maxing 最终会不会造成严重“消化不良”，其实取决于 capability frontier。如果你相信模型智能很快会达到某个渐近上限，不再明显提升，那今天很多消费当然会显得过度，5 亿美元这类预测也未必成立。

但我没有看到很多证据说明能力提升正在显著放缓。Adoption 也还非常早。确实有少数人在 token maxing 的极端端点，但他们之所以敢这么用，是因为能力本身正在快速扩张。

真正重度消费 token、真正把今天的 AI 能力用到位的企业，现在可能仍然只占非常小的比例。如果把这种使用方式从少数先锋公司扩展到整个 enterprise、prosumer 和 consumer 生态，token 需求会像过去每一次被低估的基础设施预测一样：一开始说“我们会花 X”，下一季度就变成 X 的某个倍数，然后大家继续上调预测。

那会不会存在一个真正的 tipping point？

这是一个有点哲学的问题。推到非常远，你会讨论“机器开始运行生活里的大量事务”，甚至可以走到 Elon 那种极端想象：为了支撑计算和 token 消耗，需要去利用太阳级别的能源。也许那太远了，但最终确实有一个天然 governor——如果花出去的计算没有带来足够价值，消费就会停下来。

所以真正的约束不是一个抽象 token 数字，而是价值回报。只要 AI 继续能接管更多有价值的任务，它在生活和商业里的渗透就可以比今天深得多。

接下来是赞助内容。VCX by Fundrise 把自己描述为“private tech 的 public ticker”，希望让不同规模的投资者都能参与 venture capital，更多信息见 getvcx.com。

Public 推出了 Generated Assets。节目中的介绍是：用户可以输入一个投资主题，例如“自由现金流为正的 AI 供应链公司”或“收入同比增长超过 25% 的国防科技公司”，Public 的 AI agents 会扫描美国股票，评估标的并围绕这个 thesis 生成一个自定义指数；用户还可以查看每只股票为何入选，并在投资前与 S&P 500 做 backtest。Public 同时提供股票、债券、期权和 crypto 等产品；节目还提到资产转入时的 1% match，具体条件与披露以平台说明为准。赞助落地页为 public.com/sorcery。

另一位赞助商 Deel 提供跨国 payroll、招聘、签证等全球用工服务，节目中的落地页为 deel.com/sorcery。

你们刚才提到了 Elon，那我就顺势聊 SpaceX。你们是 Accel 的 growth team，而市场似乎正准备迎来三家万亿美元级别的 IPO。这太夸张了。公开市场能吸收吗？还是会出现很大的结构变化？

我认为 Elon 如果能让 SpaceX 很早就进入指数体系，会是一个很大的优势。无论你觉得这种安排对还是错，它都可能帮助市场承接上市后释放出来的 float。对长期投资人来说，这比未来六个月股价怎么走重要得多。

上市最初当然可能很颠簸。但我不觉得这些公司背后的 business model 本身“颠簸”。如果有机会，我反而愿意把这批公司当作一个篮子，跨很多年长期持有，而不是只用上市后几个月的 return threshold 来判断。

我还觉得这些公司终于上市是一件好事。过去这一轮私人科技公司的巨大价值增长，普通散户几乎没有机会参与。节目中提到一个说法：Elon 可能为 SpaceX IPO 预留大约 30% 给 retail investors。无论最终结构如何，这里表达的观点是，让更多普通人能参与新技术带来的价值增长，本身很重要。

我甚至认为，社会上对 AI data center 的部分反弹，也和“谁获得了好处、谁承担了成本”的不平衡有关。过去几年，我们制造了很强的 haves 与 have-nots 感受。如果这些公司进入公开市场，普通投资者终于能直接参与，社会对这轮技术周期的关系也可能发生变化。

另一个好处是公开市场会迫使这些公司持续披露财务、增长和经营表现。等更多人真实看到它们的 revenue ramp 和价值创造，AI 的经济力量也会更透明。美国资本市场的一个优势，就是有能力吸收非常大的公司和来自全球的资金。

我不认为价格会一路平滑向右上。一定会有波动，但我相信美国市场能够吸收这些公司，也会有全球投资者和散户一起参与。

Miles，前面两个人把答案说得这么满，你很难接了。

的确很难接。我觉得最初怎么定价、怎么交易，会有很多不确定性，让我想起 2020、2021 年大家争论 direct listing 和传统 IPO 的时候。上市后的前 60、90、120 天会怎样，没人真的知道。

但如果把时间拉到未来几年，我同意前面的判断：这批公司整体会非常有价值。而且让 retail 终于能参与，是一件真正重要的好事。

这个结尾已经很乐观了，但我们还没结束。最后一个问题：未来 12 个月，你们各自最期待什么？如果现在还能想得到 12 个月那么远的话。

我个人最期待的，是终于能在硅谷这个小泡泡之外，看到一些 AI 的“胜利”真正落到普通人身上。我完全理解外界对 AI 的消化不良、挫败感和担忧，也理解大家为什么会抓住各种负面情景不放。

我觉得一个原因是，今天真正把 AI 用到 frontier、因此获得非常具体价值的人仍然很少。这个情况正在快速变化。我很期待有一天，平时根本不关心我工作的非科技行业朋友，会主动打电话说：“这个东西真的让我生活里某件事效率高了很多。”

或者是健康场景：某个家人以前面对难治疗的疾病，药物长期卡在试验里，但新的 AI 工具或者研究方式让情况出现改变。这样的结果也许不一定在 12 个月里完全成熟，但我希望至少能看到 green shoots。

我们需要这种 narrative shift。硅谷每天看到的是能力进步和新的生产力可能，而很多公众看到的主要还是风险。真正可感知的现实收益，是缩小这两个世界认知差距最好的方式。

我沿着这个答案讲一个很具体的例子。我妻子是急诊医生，在 San Mateo Medical Center 工作。她最近使用了一款我介绍给她的 AI 产品，用来优化 triage，也就是病人进急诊后，怎样按严重程度排序，再把人匹配到合适的护理资源。

这个流程里原本有非常多 slack。按节目中的早期结果，这套工具让他们“100% more effective”，也就是大约把有效处理能力提高了一倍。对急诊来说，这不是抽象效率数字：很多没有医疗保险的人会把急诊当作 primary care 入口，也有人带着真正的紧急情况进来。如果你在系统还很早、远没有优化成熟时就能把处理效率提高一倍，想象一下最终的潜力。

这还只是一个行业里的一个 use case。把同样的想象放到零售、制造以及其他前沿行业，我会更相信我们面对的 opportunity set 远比今天已经看到的东西大。未来 12 个月，这些真实案例应该会越来越清晰。

我完全同意“让普通人的生活变得更好”这一点。换一个方向说，我还很期待 Accel 自己更年轻的一代成员开始真正进入舞台中央。这里所谓 generational continuity 不只发生在 partner 层，也发生在 associate 层。

团队里有些人已经在这里工作了很多年，一直 hustle、练这门 craft、每天变得更聪明。他们已经主导了一些还没有被外界充分认识的投资。我觉得未来几个月会有一批 rising stars 开始真正被市场知道。

节目里点到的名字包括 Ben Quazzo、字幕转写为 “Christie and Esserman” 的成员、Gonzo、Josh Fang、Rohan 等。还有很多人都是非常重要的贡献者。我很期待他们终于“get their flowers”，得到应有的认可。

天啊，这几个答案都太好了，最后还突然变得很 sentimental。

我就是那个 sentimental 的人。今年所有 associates 都要去跟 Miles 干了，我一点机会都没有。

除了刚才被我不小心漏掉名字的那些人。

Arun、Matt、Miles，非常感谢。今天真的很有意思，希望很快还能再来一次。

谢谢你，Molly。

也谢谢大家收听。如果喜欢这些访谈，可以订阅 sorcery.vc 的 newsletter，每周会整理重要交易和科技新闻，也会继续深入节目里的对话。Podcast 可以在 YouTube、Spotify、Apple 或其他常用平台订阅，注册链接见节目说明。