---
id: "r95bEutZUN4"
title: "硅谷 AI 热潮背后的隐秘资本紧缩"
channel: "Invest Like The Best"
host: ["Patrick O'Shaughnessy"]
guests: ["Ramtin Naimi"]
date: "2026-11-06"
updated: "2026-11-07"
duration: "49:37"
duration_seconds: 2977
source_type: "youtube"
youtube: "https://www.youtube.com/watch?v=r95bEutZUN4"
canonical: "https://pod-exp.pages.dev/r95bEutZUN4/"
transcript_jsonl: "https://pod-exp.pages.dev/r95bEutZUN4/transcript.jsonl"
language: "zh-CN"
translation: true
translated_from: "en"
timestamp_precision: "block"
topics: ["人工智能","AI 基础设施","投资","创业与经营"]
series: ["AI 投资","AI 基础设施"]
---

# 硅谷 AI 热潮背后的隐秘资本紧缩

> 中文译文，由英文原音字幕翻译整理，不是官方逐字稿；引用原话请核对英文原视频。说话人标签由整理者依上下文标注，带「未确认 / 未标注 / 不确定」等字样的标签不可靠。时间戳一般为块级（所在时间块的起点），不是逐句时间；正文自带 [hh:mm:ss] 的段落除外。

**内容提要：** Patrick O’Shaughnessy 与 Abstract Ventures 创始人 Ramtin Naimi 讨论硅谷 AI 投资热潮及其背后的资金链压力。Naimi 认为，今天的高估值部分由前所未有的产品增长和真实需求支撑，但基金部署速度、LP 流动性不足、算力支出和融资成本也在彼此放大。他比较了 2021 年与当前市场，解释种子轮估值膨胀、二级融资、NeoCloud 与 AI 实验室的资金需求，并指出数据公司可能有不同的长期商业模式。投资策略上，他强调支持优秀创始人进入尚未成为共识的市场；对于 Abstract Ventures，则主张先把现有资金投好，再按实际部署能力决定基金规模。节目最后，他给当前机会打 10 分、泡沫程度打 6.5 至 7 分，并点名多个值得关注的公司。

## [0:01] 开场：创投的终局想象

<https://pod-exp.pages.dev/r95bEutZUN4/#chapter-01> · YouTube <https://www.youtube.com/watch?v=r95bEutZUN4&t=1s>

**Ramtin Naimi：** 在硅谷，每隔几年，人们对公司最终能走到什么规模的想象就会变一次。2016 年我刚开始做早期投资时，大家看每家公司，最好的设想也就是它能做到 100 亿美元。后来，大家开始觉得一家公司的最佳结局可以值 1,000 亿美元。现在，新的标杆是一家公司有机会做到万亿美元。SpaceX、Anthropic 和 OpenAI 已经是三家万亿美元公司。我猜还可能再有两三家，不会多到四十家。

## [0:46] 当下的创投狂热

<https://pod-exp.pages.dev/r95bEutZUN4/#chapter-02> · YouTube <https://www.youtube.com/watch?v=r95bEutZUN4&t=46s>

**Patrick O'Shaughnessy：** 我们有位共同的 LP 说，跟你聊天时，他每分钟都能学到最多关于创投市场的新情况。今天我们也想重现这种交流。上次聊过 Abstract 的历史之类的大话题，这次就聚焦当下，具体到旧金山一笔笔交易。你会怎么形容现在的市场？

**Ramtin Naimi：** 节奏非常快，快得惊人。融资和后续轮次都比以往更快。有些公司刚起步就备受关注，种子轮、A 轮、B 轮都能吸引大量资金。创始人想找的 VC 机构只有那么几家，这些机构拿到的价格也更优惠。这是第一档。没拿到交易的机构，过去通常会先投一小笔、维持关系，等公司表现不错再投下一轮。2021 年有“快速跟投”：几周后，错过上一轮的人可能按两倍估值进场。现在大家会说：“这轮没赶上，但不想等下一轮。今天进场得付多少？”通常不是两倍，而是三到四倍、甚至五倍，而且和主融资同时发生。这种二级份额交易，在硅谷被戏称为“接盘档”（cuck tranche）。

有意思的是，这些公司非常烧钱，确实需要那么多资本，但又不想把所有钱都放进主融资。所以我不觉得分档融资是市场不健康的信号；对这类公司和现在的环境来说，它可能是必要的。有时你进了早期那档，别人进第二档，有时轮到你当“接盘侠”。谁说自己从没遇到过这种事，多半是在吹牛；每个人至少都碰到过一两次。

还有人像无头苍蝇一样到处跑，生怕跟不上市场，飞快地报价格；也有人很快改口，甚至撤回报价。这些多少让人想起 2021 年。眼下的速度让所有人觉得必须做点什么才能领先。拿到投资组合公司的估值上调，几乎成了跟上市场的最低要求，甚至不再让人觉得多好，只觉得自己没掉队。每隔三周，组合里有家公司进展不错，你会觉得自己做得真好；再过三周，看到没投的公司发生了什么，又觉得自己落后了。

交易、退出的速度都惊人，史上最大规模的退出也只热闹两天，大家就看下一个了。这样的节奏并非史无前例，2021 年也差不多；但今天更健康，因为创造了真实价值，公司的产品确实很厉害，增长速度也前所未见。

不过，现在的市场有一点容易误导人：这些公司的收入到底是什么性质。确实有公司同比增长十倍、十五倍、二十倍，但增长这么快的公司，收入模式往往也有特别之处。它们并非清清楚楚、纯粹的 SaaS 收入，拥有 90% 以上毛利率和按年续约的经常性收入合同。它们可能增长极快，但利润率很低甚至为负；也可能增长很快，却高度依赖少数大客户，或者……

## [4:48] 收入质量、利润率与劳动替代

<https://pod-exp.pages.dev/r95bEutZUN4/#chapter-03> · YouTube <https://www.youtube.com/watch?v=r95bEutZUN4&t=288s>

**Ramtin Naimi：** 有些公司把卖数据的收入按最近一个月乘以 12 来算年化收入；有些收入来自消费者，而不是企业客户；有些按用量收费，没有合同保障。这种情况很多。看到别人公布那些数字，增长没那么快的创始人可能会觉得自己彻底落后了。但应该拿自己的收入增长和同类型公司比较，而不是只看最高的总收入数字。数据标注公司增长很快，但毛利率只有 15% 到 20%，因为获取数据成本高。还有些公司的产品依赖基础模型提供商，利润都流向了模型公司。好的一面是，这些公司的利润率正在迅速改善。

**Patrick O'Shaughnessy：** Anthropic 说今年上半年毛利率是 85%。

**Ramtin Naimi：** 对，而且我们投的有些公司今年营收会从 2 亿增长到 7 亿，利润率也会从负 15% 升到正 35%。收入和利润率都在大幅增长。还有些垂直 SaaS 公司按营收的 100 倍估值。有人会问，公开市场 SaaS 的营收倍数只有 13 倍，怎么能比？这些公司到底是 SaaS，还是替代劳动力的业务？有人不相信劳动替代这个逻辑，但要相信它，依据是这些公司即使已经很大，年增长仍有五倍、七倍、十倍。我还没看到它们真正开始替代劳动力，但增长速度确实惊人。

比如给律所卖软件的公司。你看律所每年在软件上花多少钱，会觉得这些公司规模不会太大；可再看看律所每年花在律师助理身上的钱，就会发现这是个很大的数字。如果这些公司能拿下其中 20%，它们的规模算起来就很可观了。

## [6:46] 现在与 2021 年有何不同

<https://pod-exp.pages.dev/r95bEutZUN4/#chapter-04> · YouTube <https://www.youtube.com/watch?v=r95bEutZUN4&t=406s>

**Patrick O'Shaughnessy：** 你亲历并深度参与过 2021 年。如果把现在和那时相比，这两个看起来都很亢奋、估值都很热的市场，最大的相似点和不同点是什么？

**Ramtin Naimi：** 回头看 2021 年，那些公司本身没那么有意思，只是当时没有别的东西可比较。SaaS 公司增长三倍、五倍，大家就觉得这是行业顶尖水平。有的公司只有 800 万美元 SaaS 收入，却融出了 10 亿美元估值，市场空间还很有限。那时大家要用七年时间去想象公司如何做到 1 亿美元 ARR，这就是当时的创投，大家还觉得很兴奋。现在再看，会觉得当年那些机会实在不怎么样。

融资结构、交易数量，以及大家觉得必须跟上市场的心态，都很像 2021 年。当时有大约六个月，VC 疯狂开支票。现在问那些 VC 或 LP，回顾自己在那六个月做的投资，很多人会挠头说：“我们当时到底在想什么？”我不是说现在已经到了那个阶段；也可能现在是 2019 年而非 2021 年。但我开始看到一些当年出现过的情形：公开市场投资者正积极涌入创投。大家当时做交易有多慌，现在也有多急。2021 年后期，公司很快拿到投资意向书，之后又很快被撤回、反悔或重新谈判。过去六七八周里，我看到的报价后重新谈判的交易，比 2021 年以来任何时候都多。

最大的不同，是大家对这些公司的信心。2021 年投资人未必相信公司能在 18 到 24 个月内成为定义品类、面向全球的大公司；现在很多人是这么看的。公司找到产品市场契合点的速度前所未有。我投的公司里，有些产品我自己在频繁用。回想 2021 年投的项目，我想不出哪个是我自己在用的。现在我开始切身体会到这些产品能创造多少价值。我家人也在用其中一些产品，他们本来绝不会成为 AI 或任何科技产品的早期用户，可这些产品已经成了他们日常生活的一部分。

所以技术渗透带来了巨大的范式转变。大家真心相信，如果有个窗口期让你不能袖手旁观，那就是现在。

**Patrick O'Shaughnessy：** 能不能再往下一层，聊聊 LP 这一边，以及正在募资的基金？

## [9:46] 风投基金面临的资金压力

<https://pod-exp.pages.dev/r95bEutZUN4/#chapter-05> · YouTube <https://www.youtube.com/watch?v=r95bEutZUN4&t=586s>

**Patrick O'Shaughnessy：** 这些资金以创纪录的速度和规模流入公司。VC 也得从 LP 那里募钱，而大学捐赠基金、基金会等 LP 一直是创投行业存在的根基。大家花钱花得这么快，资金市场的源头似乎也开始追问更深层的问题。

**Ramtin Naimi：** VC 通常会为 18 到 24 个月的初始投资期募资，也就是计划用来投第一笔支票的钱；剩下的部分会预留给后续轮次，以便继续支持公司、维持持股比例。过去 18 到 24 个月里，那些大家听说过、募到创纪录规模资金的超级平台型基金，大概在同样的时间里募了两三次。它们投资的速度比原先预计快了三倍左右。

有意思的是，VC 对市场脉搏最敏锐，募资时会根据自己的组合构建模型来定规模：在一段时间里投多少家公司、每家要拿多少股份，通常是 18 到 24 个月。但所有大型机构都大幅低估了，要在这段时间拿到目标持股比例，实际需要多少资金。原因是他们想投的公司比预想的多，价格也更高；要拿到想要的股份，就得投比模型里多得多的钱。

所以他们不仅比预期更早回到市场募资，还要募更大一笔。LP 看到的是两种选择：维持持股比例，但减少押注机会；或者保持押注数量，却降低每家公司的持股。所谓“押中机会”（shots on goal），就是对自己挑公司能力的一种对冲：你需要足够多的机会，才可能选中足够多的赢家。但如果持股比例不够，收益上限也会被压低。另一种做法是坚持拿到目标持股，那就得减少这一期投资的公司数量，在想投的公司里投入更多资金。这就要求你更会挑公司，但仍有机会获得超额回报，因为你在真正看好的公司里拿到了核心仓位。

我觉得 LP 原本期待在这个周期阶段拿到更多流动性，实际却少得多。有些 LP 表面上说创投占了他们资产敞口的 35% 到 50%，可拆开看，并不是他们管理资产的 30% 到 40% 投在创投，而是管理资产的 30% 到 50% 集中在三四家公司上：SpaceX、Anthropic、OpenAI、Databricks 等。这些公司需要创造流动性，LP 才能降低自己对创投这个资产类别的敞口。真正影响 LP 的其实就那么几家公司，不是你听说过的所有公司。

如果 LP 投的基金没有大量配置 SpaceX，他们就没拿到什么流动性。能获得实质性流动性的 LP，都是投了那些重仓上述公司的基金。除此之外，LP 几乎收不回多少资金。这让那些 LP 没有投资上述公司的基金，只能为组合公司寻找新的资金来源，因为不少传统 LP 手头现金有限。你我熟悉的那些传统 LP，正是为创投生态提供资金的人。

**Patrick O'Shaughnessy：** Ramp 是唯一一个能让你的财务团队更精简的平台，……

## [13:46] 基金募资与部署速度的连锁影响

<https://pod-exp.pages.dev/r95bEutZUN4/#chapter-06> · YouTube <https://www.youtube.com/watch?v=r95bEutZUN4&t=826s>

**Patrick O'Shaughnessy：** ……更快、更好，平均每年为企业节省 5%，让你专注于增长。Ramp 现已在英国开放。如果你在英国经营企业，现在也可以用 Ramp 的 AI 财务平台，在一个地方管理卡片、开支、账单、审批和会计。我自己的公司用 Ramp，你也该试试。详情见 ramp.com/invest。

**Patrick O'Shaughnessy：** Rogo 是专为金融机构打造的 AI 平台，全球数百家领先机构的数万名银行家和投资人都在使用。Rogo 的 AI 智能体可以自主处理公司大量工作流程：筛选交易、起草模拟分析、联系潜在买家、审查数据室，同时处理好安全与合规。每项操作都会为 Rogo Intelligence（公司的上下文层）提供信息，把多年交易经验变成受治理的安全机构记忆，让每笔新交易都比上一笔做得更好。了解详情请访问 rogo.com/invest。

**Patrick O'Shaughnessy：** OpenAI、Cursor、Anthropic、Perplexity 和 Vercel 有个共同点：它们都使用 WorkOS。要让企业客户大规模采用产品，你得具备 SSO、SCIM、RBAC 和审计日志等核心能力。WorkOS 就是为此而来。你不用花几个月自己开发这些关键能力，通过 WorkOS API，第一天就能全部接入。所以你听说过的许多顶尖 AI 团队都已经在用 WorkOS。它能让产品最快具备企业级能力，让你专注于最重要的事：产品本身。访问 workos.com 开始使用。

**Patrick O'Shaughnessy：** 能不能举个基金的例子，不说名字，用大概数字说明一下基金过去的节奏，以及部署速度怎么加快？

**Ramtin Naimi：** 我知道有只基金募了 25 亿美元，7 月开始投资，告诉 LP 他们 1 月就要回来募下一只。我还听 LP 说，另一只基金九个月前募了 30 亿美元，现在又回来要募 50 亿美元。而且他们能募到。这些管理人都很优秀，会拿到他们要的规模，但这就是现在的速度和强度。

有意思的是，他们不只是比预想更快需要更多钱，这还开始影响拿到投资意向书的公司，具体体现在承诺的资金什么时候到账。过去八到十二周里，我第一次在这个周期看到 VC 给公司意向书，说：“我们想投 1.5 亿美元，可以三个月后、也就是 1 月中旬到账吗？”创始人会问：“等等，你们要三个月才能打款？”VC 会说：“不是不是，钱肯定有。”确实有，只是当前基金的钱已经承诺给现有公司，他们正在关新基金。等文件齐备、新 LP 完成接入、资本催缴额度准备好，最快也得等到 1 月中旬才能打款。

另一个公司拿到一家 VC 机构 5,000 万美元的投资意向，VC 会出其中 4,000 万美元。他们说，交割时可以先汇 500 万美元，剩下的承诺还要等八到十周才能到账。所以现在有些机构在钱还没准备好时就先承诺交易。他们最终会拿到钱，但这说明资金部署得有多快。

**Patrick O'Shaughnessy：** 再退一步看，这一切既疯狂又难以持续；不过它在给人类历史上可能最有意思的一轮技术建设提供资金，倒也可以理解。今天 Anthropic 的 S-1 文件刚出来，讨论这个话题正合时宜。最醒目的数字是，他们募了 1,400 亿美元，花了其中 100 亿，账上还剩 1,320 亿美元。烧掉 100 亿现金也相当惊人。

**Ramtin Naimi：** 是啊。

**Patrick O'Shaughnessy：** 先不管未来的承诺、负债这些，只看花了 100 亿美元，就做到现在的营收规模，同时毛利率还有 85%，这太不可思议了。所有这些会不会让你怀疑，我们是不是需要……

## [17:47] 为算力需求创新融资方式

<https://pod-exp.pages.dev/r95bEutZUN4/#chapter-07> · YouTube <https://www.youtube.com/watch?v=r95bEutZUN4&t=1067s>

**Patrick O'Shaughnessy：** ……金融产品或融资方式上有没有创新？归根结底，大家都需要这些东西，答案似乎总是算力。面对这么疯狂的行为，我们是不是在用一种已经过时的工具或融资方式，解决非常现代的问题？

**Ramtin Naimi：** 是，也不是。现在有不少新型债务工具在为公司增长融资。比如 GC 的……

**Patrick O'Shaughnessy：** 他们的 Customer Value Fund？

**Ramtin Naimi：** 对，Customer Value Fund。大意是，如果你能证明每投入 1,000 万美元就能带来 3,000 万美元营收，我们就给你钱来支持这笔投入。

**Patrick O'Shaughnessy：** 我想问的是，每种支出是不是都需要更多这类工具？很多公司是在恐慌性购买或提前囤算力。个人智能体公司也在算，为了把日活用户做到目标水平，需要花多少钱。这整个状况太疯狂了。

**Ramtin Naimi：** 确实有一些新融资方式出现。有些 VC 机构给公司提供算力，而不是现金。我们接触的很多创始人觉得这更有吸引力：如果你给的是算力，他们就愿意保证你在这一轮的份额，因为这笔钱反正也要拿去买算力。

但这样做也有复杂之处：得先拿到算力，还要确保价格划算；算力是永久提供，还是只够跑一次训练？同一批算力能重复用几次，才能弥补投入的资本？可以循环用三次、两次，还是只能用一次？每次使用又会折损多少？这些问题都不简单。除此之外，我还没看到太多其他形式。

要让新的资本结构在硅谷普及并不容易。VC 通常希望公司有干净简单的股权结构，不带特殊条款，以免公司没考虑清楚就陷入麻烦。创始人通常只想做一笔简单的股权交易，清楚自己付出了什么、换来了什么。

我觉得 GC 的 Value Creation Fund 现在做得很好，但刚推出的头几年，花了很多工夫向创始人解释为什么这产品有用、为什么适合他们。涉及融资时，创始人通常会向自己的 VC 征求意见；而 VC 一向不喜欢风险债务产品，会列出一大堆理由劝你别用。另一边就得告诉你为什么应该用，因为这是为当下的创投环境设计的新产品。

所以，针对新一代公司，融资结构总有创新空间。如果公司需要几十亿美元股权资金，而且都要花在算力上，这未必是股权资本的最佳用途。

## [20:49] 算力需求与新型 AI 实验室

<https://pod-exp.pages.dev/r95bEutZUN4/#chapter-08> · YouTube <https://www.youtube.com/watch?v=r95bEutZUN4&t=1249s>

**Patrick O'Shaughnessy：** 刚才说到这个市场很奇怪：一边是 Elon 说算力会出现大量闲置，NeoCloud 公司最近在市场上的表现也很艰难；另一边，几乎没人能拿到上一代、遑论当前一代 NVIDIA Blackwell 芯片的配额，GPU 价格似乎只会往上走。这是个很反常的时刻。想请你谈谈这些现象。

**Ramtin Naimi：** 我们经常在帮组合公司找算力，因为这不容易。很多规模最大的 NeoCloud 公司，即使我们和其中不少有联系，也不太愿意接低于 2 亿美元规模的算力订单。规模没那么大的公司只能东租一点、西租一点，但这些小单加起来也填不满市场需求。真正左右整个生态算力需求的，是超大规模云厂商、前沿模型实验室，以及那些私营、正在融资的新实验室——有的种子轮估值就超过 10 亿美元。

我认为，长期来看，只有两种情况会限制算力需求：这些公司的算力需求减少，或者这些公司更难融到钱。有一批我熟悉的公司会继续融资，因为它们是最好的资产，会拿到需要的算力和购买算力所需的全部资金。

我觉得市场里最有意思的一块，是新型 AI 实验室（neo-labs）。跟超大规模云厂商比，它们单体仍小，但合起来规模也不容忽视。起初大家以为可能只有两三家特别强，其他大概还有八九十家，融资规模从 10 亿到 50 亿美元不等。好笑的是，它们都需要大量现金。几周前我们见过一家，正在做 10 亿美元融资；我想这是它的第二轮。它准备明年把整整 10 亿美元花在一次模型训练上，还说明年全年大概还要再融 50 亿美元。

这类公司很难评估。说起来有点滑稽，评估它们做得好不好，常常只能看它们融了多少钱。它们确实会发布令人印象深刻的东西，但很难判断这些成果能否普遍复现，还是专门调校出来、只在基准测试上表现出色。这就是所谓“刷榜”：成果到底是真正突破、真的创新，还是只是在基准测试里好看、近期还无法商业化？很多公司都有巨额资金需求。接下来要看的是，它们是否都能继续融资，还是只有 50%、甚至仅 10% 能融到所需资金。

**Patrick O'Shaughnessy：** 会不会真正的瓶颈就是资本？如果资本市场干涸，算力需求的故事就会改变，仅此而已？

**Ramtin Naimi：** 有可能，而且我觉得更多是债务端，而非股权端。很多建算力设施的公司，需要的债务超过股权融资额的五到十倍。最近几周一些 NeoCloud 公司在公开市场的表现，可能会推高它们的债务成本。所以问题与其说是它们能不能融到所需股权资金来满足算力需求，不如说是它们能否以合理条款借到足够的钱，让业务还能持续下去、让这场戏继续演。

## [24:48] 十亿美元种子轮与万亿美元结局

<https://pod-exp.pages.dev/r95bEutZUN4/#chapter-09> · YouTube <https://www.youtube.com/watch?v=r95bEutZUN4&t=1488s>

**Patrick O'Shaughnessy：** 想请你谈谈种子轮这个概念。有些种子轮估值离谱，风险像种子轮，价格却像 D 轮。每个融资路演都在说新市场比以往更大、什么都可能变成 1,000 亿美元公司。你职业生涯大部分时间都在做种子投资，怎么看现在的种子轮？

**Ramtin Naimi：** 在硅谷，人们对公司最终能达到什么规模的想象，每隔几年就会变一次。2016 年我刚开始做早期投资时，大家觉得一家公司的最佳情况是做到 100 亿美元，就按这个预期定价。到了 2021 年前后，Stripe、Databricks、Airbnb、DoorDash 都接近 1,000 亿美元估值，大家就开始把每家公司都按“最好能值 1,000 亿美元”来想、来定价。结果当时真正有机会达到 1,000 亿的，除了两三家之外就没别人了，但其他公司的价格也都按这个潜力给了。

现在的标杆变成了“这家公司最好能做到万亿美元”。SpaceX、Anthropic 和 OpenAI 已经是三家万亿美元公司。我猜还会再有两三家，不会多到四十家。可现在大家又开始用万亿美元的最佳结局来衡量所有公司：如果一家公司的入场估值是 10 亿美元，它要有怎样的万亿美元结局才说得通？这种想象会改变公司估值的方式。

不过，在创投每个阶段，总能找到价格合适的好公司。通常在糟糕的基金年份表现不佳的投资人，都是把大部分资金投进了最显而易见的机会。2021 年把绝大多数钱投进最显而易见项目的 VC，往往是那些把整个组合都押在营收 100 倍估值的 SaaS 交易上的机构；现在它们大概排在那一年度基金的后四分之三。

早期投资里，如果你支持优秀创始人做人人看得懂的好点子，在市场火热时就要付高得离谱的价格。但支持优秀创始人做不那么显而易见的事，通常才是这种市场里获取超额收益的最佳办法。真正优秀的创始人不会去做糟糕的市场，只是会比别人更早进入市场。

创投有两种赚钱方式：被动反应和主动出击。选得准，被动反应能让你成为前四分之一的管理人；主动出击则有机会让你进入前 5%。主动出击，就是支持优秀创始人进入尚未显而易见的市场。想法还不热门，竞争就少，你就能按合理价格成交。

举个例子，九个月前我们种子轮投资了一家叫 Conduit 的公司，做脑机接口（BCI）。

**Patrick O'Shaughnessy：** 创始团队很厉害。

**Ramtin Naimi：** 确实很厉害。只要见过这几位创始人，都会觉得他们很聪明。但九个月前，硅谷没人太在意脑机接口这个领域。他们的做法很有意思：Neuralink 是把芯片植入大脑，直接取得高质量读数；Conduit 则通过戴在头上的设备提取大脑信息。我第一次见他们时，他们掌握的人体训练数据还不多。顺便说，他们的模型显示出数据规模效应：数据越多，就越能准确理解你的想法。比如一个人先把自己的想法打出来，设备、软件和模型就能在……准确率达到 80%……

## [28:49] 当市场开始追逐显而易见的机会

<https://pod-exp.pages.dev/r95bEutZUN4/#chapter-10> · YouTube <https://www.youtube.com/watch?v=r95bEutZUN4&t=1729s>

**Ramtin Naimi：** ……准确率能读懂他们原本想表达什么。你把模型认为他们在想什么，和他们实际打出来的文字对照，会发现意思一样，只是用词不同。现在他们已经有了 3 万小时的人体训练数据。过去八到十周，脑机接口在硅谷突然成了热门领域。Conduit 融了很大一轮，超额认购，拿到 13 份投资意向书，因为现在大家看到的是一支出色团队，做的又是人人都关心的市场。

如果他们成功，接下来会跑一次百万小时训练；如果数据规模规律成立，五到十年后，你我可能会戴一个耳边的小设备，它能理解我们的想法、和智能体沟通，还能分辨哪些想法需要执行、哪些不需要。你想到的事，智能体都在后台替你处理，你就成了世界上效率最高的人。大家这才意识到，脑机接口可能出现一家万亿美元公司；Conduit 最近一轮的价格也把这个可能性计入了估值。

这正是个例子：支持聪明的创始人，进入一个当时大家还不太感兴趣的市场。创始人只是比市场更早一步，因为聪明人往往会在市场开始关注之前就看懂市场。

Etched 的 Gavin Uberti 也是很好的例子。他见了硅谷所有优秀投资人，每个人见完都觉得他聪明。我不认为有哪个 VC 见了 Gavin 会觉得他不聪明。但很多人认定，创业公司不可能在 AI 芯片制造上胜过老牌企业，根本不可能。直到红杉给了他 100 亿美元估值，大家才突然觉得：“等等，初创公司真的可能在这个市场把老牌企业甩在身后。”之后市场上其他芯片公司也都融出惊人的估值，因为这已经成了显而易见的下注方向。可创始人在大众市场看明白之前，就已经看到了这个机会。

**Patrick O'Shaughnessy：** 如果把这些观察浓缩成一个指标，会不会是公司拿到的投资意向书数量？拿 Gavin 来说，他不是一份都没拿到，而是拿到几份——不是五十份。他见了所有 VC，只从一些优秀投资人那里拿到少量意向书。是不是理想状态是你投的公司拿到两三份、四份，而不是十五份？

**Ramtin Naimi：** 不完全是。公司拿到十五份意向书，价格肯定会很贵；只有两三份，竞争少些，估值可能合理。作为优秀投资人，你也更有机会说服创始人接受你的钱，并在公司里拿到核心持股。更重要的是，很多人愿意和一家公司见面，通常是因为创始人很出色，或者人脉里有人高度评价他。好公司要见到很多优秀投资人，背后得有不少人替创始人背书。

但如果公司见完一圈，只拿到少数几份投资意向，那多半不是大家觉得创始人不行，而是大家觉得这个机会没那么有意思。创投里的大多数机会本来都不算特别有意思，但少数机会确实很出色。正如我说的，多数 VC 是被动反应，而不是主动探索。没人愿意主动去了解一个显然特别聪明、特别出众的人，为什么决定把职业生涯至少下一个十年都投在某个方向上……

## [32:13] 创投交易的非理性定价

<https://pod-exp.pages.dev/r95bEutZUN4/#chapter-11> · YouTube <https://www.youtube.com/watch?v=r95bEutZUN4&t=1933s>

**Ramtin Naimi：** ……这个领域。

**Patrick O'Shaughnessy：** 看今天的市场，种子轮、A/B 轮早期项目和后期项目之间，有什么特别反常的地方，是你以往经历里没有见过的？

**Ramtin Naimi：** 现在的估值，需要你对公司能变成什么样有非常丰富的想象力，才能证明投资价格合理。看到 Anthropic、OpenAI 以万亿美元估值融资、准备上市时，这种想象力很容易被放大，市场让你把想象扩展到那个程度。

但现在让我想起 2021 年的一点是，连真正了解市场的人，都越来越难判断一家公司最后能按什么价格融资。在比较正常的市场里，我能跟创始人说：“如果我们出去募资，拿到几份意向书、有些谈判筹码，大概能从优质投资人那里谈到这个估值区间。”但现在我只能说：“低的话也许在这里，高的话也许在那里。”差了四倍。我对最后定价可能完全猜不准，因为市场太反复无常。有人为了不丢掉交易，会做出不理性的事，比如出价是第二高竞标者的三倍。

这部分是因为你想领投的每个创始人，心里都有想要的融资价格，往往参照一个条件相近的朋友：人家的公司在类似阶段、类似进展下，融到了某个估值。可朋友的估值可能是某个投资人的报价比第二高出价高了三倍才谈成的。于是你给创始人一个自认为很慷慨的报价，他们却觉得受了冒犯，因为能举出认识的人在相似阶段拿到了三倍、四倍的估值。

**Patrick O'Shaughnessy：** 你觉得在这种市场里，更理性的做法是不是转向另一端，投我们能深入研究的企业？你描述的状况似乎和产品、产品进展，乃至业务最终建立在哪些基础上都脱节了；剩下的好像只有名声和一场脱离实际的定价游戏。

**Ramtin Naimi：** 嗯。

**Patrick O'Shaughnessy：** 像 Databricks 这样的公司——我记得你是大股东——从这里看就容易理解得多。还有一些优秀的大公司增长也很快。面对这种疯狂，去光谱的另一端是不是更聪明？

**Ramtin Naimi：** 我想可能是……

**Patrick O'Shaughnessy：** ……那边。

**Ramtin Naimi：** 那边竞争少，你可以投大笔资金，做一个不太参与经营的投资人。这可能是比较稳妥的方式，让你确定自己持有好公司的股份。关键是，在今天的环境下给这些公司定价时，你得先想清楚自己觉得现在是 2019 年还是 2021 年。

2021 年你可能以 1,000 亿美元估值投 Stripe。Stripe 是家好公司，现在依然是，甚至可以说是最好的公司之一。如今 Stripe 估值 1,790 亿美元，这当然不错，但五年折算下来年化回报率也就 11% 到 12%。不过，这仍然强过创投基金里后 75% 的表现。投最好的公司、哪怕价格很高，也可能让你稳稳进入行业前四分之一，因为好公司往往会一直是好公司，长期不断复利增长。

不过，这种策略让我有点担心，因为最近大家都开始趋同地采用它。我看到过去 18 个月里，创投机构创纪录地集中在同一个想法上：有少数几家显而易见的好公司，可以容纳大量资金……

## [36:15] 追逐共识策略的风险

<https://pod-exp.pages.dev/r95bEutZUN4/#chapter-12> · YouTube <https://www.youtube.com/watch?v=r95bEutZUN4&t=2175s>

**Ramtin Naimi：** ……大量资金。如果 VC 能证明自己有机会投进这些明星公司，就能募到大基金，以不太参与经营的方式投入大笔资金。现在这几乎成了一种共识策略：把大钱投进去，轻松地做得不错。你可能比我更了解历史，但我想不出多少次所谓的轻松策略，长期看也确实是好策略。

所以这个市场有意思的地方在于：如果所有人都觉得某种赚钱方法很容易，那它可能就不是好方法。历史上确实有过一些被认为能轻松赚钱的策略，但我想不出哪种策略曾被如此大规模地认为是轻松赚钱。

## [36:56] AI 数据公司的机会

<https://pod-exp.pages.dev/r95bEutZUN4/#chapter-13> · YouTube <https://www.youtube.com/watch?v=r95bEutZUN4&t=2216s>

**Patrick O'Shaughnessy：** 那数据公司呢？这些年大家一直说，数据生意更像一次性交易，不像一家公司：先给模型补足海量数据，等数据齐了，需求就没了。现在这种看法似乎变了，数据公司的业务可能比人们以为的更持久、更大。你怎么看？

**Ramtin Naimi：** 对多数投资人来说，数据公司有点让人摸不着头脑。过去大家认为它们没法长期维持，因为买家最终会拿到所需的所有数据，不再需要供应商。但人们严重低估了模型开发者对数据的需求，这种需求似乎还在增加。有些公司更早看出需要什么数据，能按要求的质量交付，还会主动去收集。有些数据特别难收集，这些公司就能据此定价，利润率也会反映难度。

我看到两种做数据和机器人业务的公司。一种认为数据本身就是巨大生意，未来十年、十五年、二十年都能持续卖数据，创造数百亿美元收入。它们觉得这些公司的数据需求永远不会到头。有一批 VC 认同这种看法，想投很多数据供应商。

另一种公司觉得数据只是手段，终究会有一个上限，卖数据的规模不可能无限扩大。但它们相信，卖数据能很好地为自己的研究、训练自己的机器人模型提供资金，因为它们比别人更了解这个领域，也知道怎么采集数据。它们当然也会去融很多股权资金，同时还能把数据卖给其他模型厂商来资助研究。所以这是两派，双方对这个领域都很懂，只是对卖数据业务最终会变成什么，有完全不同的看法。

**Patrick O'Shaughnessy：** Vanta 自动处理合规，让你的团队少花时间应对安全审查，多花时间赢得客户。Vanta 能减少 82% 的审计准备工作，并即时提供最新的可信证明，省去所有手动操作，帮你更快、更顺畅地签下客户。客户报告的投资回报率为 526%，超过 16,000 家公司在用 Vanta，包括 Ramp、Harvey 和 Snowflake。访问 vanta.com/invest，可获得 1,000 美元优惠。

**Patrick O'Shaughnessy：** Ridgeline 是唯一一套 AI 原生投资管理平台，把前台、中台、后台整合在一个系统里。它为企业提供统一数据入口，并用 AI 智能体自动处理开户、对账、交易后合规和报告等重复工作，让团队能把时间花在投资、服务客户和发展业务上。Ridgeline 帮你省下的时间，可能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，因此做了一个交互式仪表盘，让你看到自己的公司和 16,000 家同行相比表现如何。如果你的公司要提交 Form ADV，数据已经在里面了。访问 ridgeline.ai/trajectory，看看公司排在哪里，再和 Ridgeline 聊聊如何让现有团队做得更多。

**Patrick O'Shaughnessy：** 新一波天使投资人会有什么影响？三家巨头上市后，员工可能变得极其富有；有些人的个人资产负债表，已经相当于大型天使基金甚至种子基金的规模。

**Ramtin Naimi：** 这会继续让硅谷成为全球创业最好的地方。我认为其他创业生态之所以没能像硅谷这样崛起，是因为硅谷里个人投资者的密度高出至少一个数量级，甚至可能高达一百倍：他们会拿自己的资产负债表，开出 10 万到 100 万美元的支票，在公司还没获得机构投资前就支持它。这种现象别处没有。

## [40:56] 天使投资与创业生态

<https://pod-exp.pages.dev/r95bEutZUN4/#chapter-14> · YouTube <https://www.youtube.com/watch?v=r95bEutZUN4&t=2456s>

**Ramtin Naimi：** ……他们开出一张 100 万美元的支票，如果亏了也不在乎。这就是硅谷的一种心态，我觉得它对创新有好处。愿意这么做的人越多，越多人通过早期天使投资赚到大钱，就越能持续推动创新。

## [41:11] Abstract Ventures 的演进

<https://pod-exp.pages.dev/r95bEutZUN4/#chapter-15> · YouTube <https://www.youtube.com/watch?v=r95bEutZUN4&t=2471s>

**Patrick O'Shaughnessy：** 我想 Abstract 肯定还会继续发展。你过去很长时间都是专注种子轮的投资人，也让 Abstract 成为创始人募资时会来拜访的种子基金之一。你们想继续专注种子轮，还是想发展成更全面的机构？

**Ramtin Naimi：** 我们已经不只做种子轮了。近几年也开始做更多风险投资阶段的项目，也就是 A 到 C 轮；我们领投过 Socket、Doctronic、Dust 等公司的 B 轮，也被动参与过 Crusoe 等公司的成长期投资。2023 年那期基金里，我想我们把 15% 左右投进了 xAI 的成立轮；我们也是 Polymarket B 轮的大投资人。

我们的规模也增长了：第一只基金是 1 亿美元，最新刚募完的是 8 亿美元。市场变化有多大，可以从 LP 对基金规模的看法看出来。2018 年我募 1 亿美元种子基金时，很多 LP 说第一只基金募这么大不合适，应该募小一点。最近这一期我募 8 亿美元，LP 反而夸我有纪律，因为我把规模控制得这么小。很有意思，2018 年 1 亿美元被认为是大基金，2026 年 8 亿美元却被认为是小基金。

回看这些年来给基金贡献绝大部分回报的最好项目，我们几乎从来不是投资额度受限——我说错了，不是缺少额度，而是缺少可投入的资金。所以我们有不少例子能证明：我们和组合公司关系很好，对它们也很有信心，但过去基金规模不够大，没法让我们领投后续融资。

创始人信任你、你们早早建立关系，在正式融资过程之外出现，报一个创始人无需再四处比价的数字，并且拿下足够份额，让创始人只需找其他投资人行使按比例跟投权（pro rata），这或许是我们继续把资本加到那些真正创造价值的持仓里的最简单办法。

我觉得不少处于我们这个阶段、正在打造创投公司的管理人，过度关注未来基金会是什么样，却没有充分关注眼下这只基金还能做成什么。我总体的看法是：把手头资金尽可能用好；等到下次募资时，你就会有比现在更多的选择。每次募资前大约六个月，我们会评估自己在市场上的位置，与上一期募资时相比如何；我们能否把更多资金投进质量相同甚至更好的公司？能否在不牺牲既有回报特征的前提下募更大的基金？如果答案是肯定的，我们才会按自己实际能部署的规模募资。

前几天有人问我，建 Abstract 以来犯过的最大错误是什么。其实每一期基金我们都募得太小。每只基金的资金规模如果翻倍，我大概还能维持相同的回报水平。对 LP 来说，回报质量会一样；对创始人来说，我们能给他们更多资金，也能更常领投，而不是做共同投资者。那会加强我们在公司的地位，也能让 Abstract 在创投生态里建立名声：不仅领投种子轮，也能领投后期融资——前提是我们有足够资金。

所以我觉得，这套模式会继续：用好手头的钱，评估自己的位置，然后在下一期基金时据此募资。

## [45:01] 市场热度评分与值得关注的公司

<https://pod-exp.pages.dev/r95bEutZUN4/#chapter-16> · YouTube <https://www.youtube.com/watch?v=r95bEutZUN4&t=2701s>

**Patrick O'Shaughnessy：** 如果我们以后定期做这期节目，我想每次最后都问同样三个问题。前两个是 1 到 10 分的评分。第一，和你自己的投资经历相比，现在能看到的公司机会有多令人兴奋？你和公司看过的项目可能比大多数人都多。第二，市场有多泡沫？10 分最泡沫，比如 2022 年初到年中可能只有 2 分。第三，你觉得现在有哪些风向标公司？说一两三家都行，别只说 Anthropic；有哪些公司值得持续关注，能帮我们理解市场正在发生什么、将会发生什么？

**Ramtin Naimi：** 说到机会，我会给 10 分。现在是我做创投快十年来，看到我们想投的公司数量最多的一期基金。机会确实是 10 分。说到泡沫，2021 年我会打 10 分；现在大概是 6.5 到 7 分。市场有泡沫，但也有很多因素能支撑这些高估值。公司增长、用户采用和产品市场契合的速度前所未有，这足以解释一部分泡沫。

如果暂时不看那些明显的近期 IPO 候选，看看我们五年后希望已经投到的新一代公司，我会把 NewLimit、Chai Discovery 和 Isomorphic Labs 排在很靠前的位置。

**Patrick O'Shaughnessy：** 生物领域。

**Ramtin Naimi：** 对，生物领域。能不能打造 AI 原生的下一代 Genentech？如果它们实现目标，市场空间可能是 5,000 亿到 1 万亿美元，甚至更大——当然前提是它们有最好的团队、最好的投资人，也能拿到实际完成目标所需的资金。这些公司很有意思。

自己拥有数据、拥有自己的知识和智能，是个独特的想法。我觉得 Applied Compute 可能是最早探索这个方向、也是目前的领头公司。很值得关注它们接下来如何执行。

还很想看几年后预测市场会发展成什么样。这些公司的增速太惊人了，而且它们甚至不是 AI 公司，是真正的消费业务。我觉得 Physical Intelligence 也非常有意思，可能成为一家数千亿美元、甚至万亿美元公司。它有出色的团队，能吸引并留住优秀人才。我一直看重的就是这点：硅谷人才不缺，但公司最难做的事，大概就是留住顶尖人才。你手下最优秀的人，随时能去任何地方工作，拿到比你提供的更高薪酬和股权。所以我看到团队里人才密度高、又有能力留住人才的公司，就会格外看好。

**Patrick O'Shaughnessy：** 很棒的三个收尾问题，以后几期可以对比。Ramtin，谢谢你来做节目。

**Ramtin Naimi：** 当然，兄弟。

**Patrick O'Shaughnessy：** 你知道微小优势会随着时间不断累积吧？投资如此，经营公司也一样。你的支出系统就是资本配置策略。Ramp 默认就让它更聪明：数据更好，决策更好，长期经济效益更好。去 ramp.com/invest 看看。

## [49:02] 片尾赞助广告

<https://pod-exp.pages.dev/r95bEutZUN4/#chapter-17> · YouTube <https://www.youtube.com/watch?v=r95bEutZUN4&t=2942s>

**Patrick O'Shaughnessy：** ……伴随企业成长，Vanta 也随之扩展，自动化处理合规，并为安全和风险管理提供统一的信息来源。了解详情请访问 vanta.com/invest。

**Patrick O'Shaughnessy：** 从 OpenAI、Cursor 到 Perplexity，顶尖 AI 和软件公司都在使用 WorkOS，让产品一夜之间具备企业级能力，不用等几个月。访问 workos.com，跳过那些不起眼的基础设施工作，专注于产品。Ridgeline 正在重新定义资产管理技术：它是真正的合作伙伴，而不只是软件供应商。它帮助企业把规模扩大五倍，实现更快增长、更聪明的运营和竞争优势。访问 ridgelineapps.com，看看它能为你的公司带来什么。
