--- id: "wL0WWg01Q3U" title: "风投正在吞食公开市场、如何挑选优秀风投，以及 AI 热潮｜Brijesh Jeevarathnam" channel: "How I Invest Podcast" host: ["David Weisburd"] guests: ["Brijesh Jeevarathnam"] date: "2026-11-02" updated: "2026-11-03" duration: "1:05:30" duration_seconds: 3930 source_type: "youtube" youtube: "https://www.youtube.com/watch?v=wL0WWg01Q3U" canonical: "https://pod-exp.pages.dev/wL0WWg01Q3U/" transcript_jsonl: "https://pod-exp.pages.dev/wL0WWg01Q3U/transcript.jsonl" language: "zh-CN" translation: true translated_from: "en" timestamp_precision: "block" topics: ["投资","创业与经营","人工智能","科技趋势"] series: ["AI 投资"] --- # 风投正在吞食公开市场、如何挑选优秀风投，以及 AI 热潮｜Brijesh Jeevarathnam > 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：** Adams Street Partners 合伙人兼基金投资全球负责人 Brijesh Jeevarathnam 分享了他们如何筛选风投管理人：看团队互补与凝聚力、投资策略和业绩记录，同时重视难以量化的驱动力、创始人关系及逆共识能力。他解释了 LP 如何通过长期关系获得信息优势，以及为何风投评价需要四五年、却可用组合构建和项目获取等早期信号持续校准。访谈还讨论私募市场扩大如何改变企业融资与上市路径、只有约 7% 的风投支持公司创造全部收益、Adams Street 如何复盘错失与误投，以及 AI 在尽调中的作用和局限。嘉宾认为 AI 仍处早期，未来的价值创造空间很大，但周期与估值仍有不确定性。 ## [0:03] 什么样的风投才称得上顶尖？ · YouTube **Brijesh Jeevarathnam：** 风投本质上是一门利用信息不对称的生意。我们有些保密信息只在内部、也就是投资团队之间分享，可以用这些信息提前一两步找到最好的公司。 **David Weisburd：** 怎么能尽早判断一个风投是不是创始人的知心人？ **Brijesh Jeevarathnam：** 一个大家常提的典型例子可能是 El Gil。他写过《增长手册》，也很受尊敬，被视为导师和公司建设者。创始人信任他，也认可他过去建设公司的本事，所以即使很早期，仍愿意让他进入股权结构。 **David Weisburd：** AI 热潮现在走到第几局了？ **Brijesh Jeevarathnam：** 我没听任何人说已经过了第五局。大家普遍认为还在前半程。偶尔我会回看 OpenAI 或 Anthropic 的演讲、新产品发布，听 Sam Altman、Dario Amodei 这些聪明人怎么说。随着时间推移，我发现连他们也很难预见事情最终会走向哪里。 我和 USV、Benchmark 聊过，他们第一次募成长基金；他们认为成长阶段依然存在幂律回报。到了公司这么后期，幂律真的还存在吗？ **David Weisburd：** 这得看具体情况。Brijesh，你在 Commonfund、现在在 Adams Street，评估顶尖私募股权和风险投资管理人已经超过二十年。如果要概括一位优秀风投管理人的特质，你会怎么说？ **Brijesh Jeevarathnam：** 优秀的风投能预见未来，能用一种看起来完全不显而易见的方式观察和思考世界。我记得 Sequoia 的优秀风投 Mike Moritz 有句名言：大家总说 Mike 独来独往，因为他总是比别人领先一步。我觉得这说法很形象地描述了他，以及其他优秀风投为什么显得不合群：他们看世界的角度和别人不一样。不是每个愿景、每个判断都会兑现，但只要有足够多的判断成真，就能建立起一组优秀公司。 第二个关键特质更偏自下而上、看人。这些优秀风投能吸引创始人、赢得他们的信任，我们有时称他们为“创始人的知心人”。他们能从根本上打动创始人，让创始人选择他们的资金，而不是其他来源。David，正如我们都知道的，最优秀的创始人有很多资金可以选。对这类创始人来说，资本基本上是种商品。所以，优秀风投能让自己成为创始人最想要的董事会成员、最想要的早期投资人。我认为这是另一项了不起的本领。 **David Weisburd：** 过会儿我想谈谈，怎样才算是创始人的知心人。不过先回到你提到的 Mike Moritz：他像独行者一样领先于人群，是个独立思考者。Mark Andreessen 有个如今很少被提起的说法：现在已经没有“藏在粗石里的钻石”，只有钻石。这个观点现在还适用吗？ **Brijesh Jeevarathnam：** Mark 的思想比我深刻得多，我对他的说法可能有点不同看法。我听过那整段讨论。我觉得他的意思是，那些“粗石里的钻石”之所以显得差一点，是有原因的：创始人不寻常、地理位置不同、投资论点已经变了，或者创始人很难合作，等等。我们看投资组合时会稍微换个角度。 ## [4:05] 什么样的风投才称得上顶尖？ · YouTube **Brijesh Jeevarathnam：** 我们会看那些真正带来回报的少数公司——之后还会再谈风投的幂律回报，也会分享一些数据。我们关心的是谁最早支持了这些公司，谁在大家开始蜂拥而至之前就投了。仅仅投中一家很有潜力的赢家还不够。关键是谁能在它还远未显露赢家相时，就投下第一轮。 ## [4:30] 风险投资在二十年间发生了哪些巨变？ · YouTube **Brijesh Jeevarathnam：** 所以从这个意义上说，那些公司就是藏在粗石里的钻石。有些优秀的风投和基金能持续做到：在一家公司的赢家身份还不明显时，率先或最早一批投进去，然后帮它成长为赢家。这是我们对 Mark 那句话的理解，稍微多了一层 nuance。即使在今天，大家担心错过机会、容易形成共识的环境里，在种子轮、A 轮等早期阶段，仍然有人逆着共识支持优秀创始人，希望他们在未来几季或几年成长起来。 **广告：** 本期节目由 Juniper Square 呈现，它是私募市场的运营合作伙伴。 **Brijesh Jeevarathnam：** 换个角度说，某个阶段可能形成了共识；但如果把时间继续往前推，推到只有两位创始人在琢磨一个想法的时候，说那里已经有共识就太荒唐了。问题是，共识究竟从什么时候开始形成？ **David Weisburd：** 很难划一道清晰的线，说从这里开始就是共识。退一步看，我们可以先谈谈今天的风投和过去有什么不同。你刚才说自己在风投和收购基金行业做管理人筛选已经二十年了，时间过得真快，这个行业也确实变了很多。现在的风投行业，据不同来源估计大概有三千到四千家机构。回到我入行的 2006 年，大约有五百家活跃机构，PitchBook 和 NVCA 的数据大致是这个量级。也就是说，机构数量增长了约八倍。 不只是机构数量增加，投进风投支持企业的资金也变多了。我记得 NVCA 说截至第三季度已经超过 5000 亿美元，这是个让人咋舌的数字。创业公司数量也增加了，我相信如今大概有四万家左右。 ## [7:23] Adams Street 如何评估风投管理人 · YouTube **David Weisburd：** 风投支持的创业公司数量也比十五到二十年前增加了八到十倍。我想说的是，风投已经不再是小规模的手艺行业。它和公开市场相比当然仍小得多，但覆盖范围、规模以及可投资的资金空间都大幅扩大了。也许我们得用不同概念来谈风投的不同阶段。 回到刚才的问题，在如今的 AI 市场里，公司究竟什么时候变成了共识标的，并不明确。A、B、C、D 轮这些字母的意义也没那么大，你知道，有些公司一年就融五轮。但总有个时点：公司可能已经找到产品市场契合，有了知名客户，净收入留存率也很高。当某个细分领域里的公司脱颖而出时，显然那已经是共识了。在那之前，无论是 AI 硬件层、基础设施层还是应用层，最早期都很难知道谁会胜出。我觉得这正是风投的魔力所在。我们是全阶段投资人，从种子期一直投到成长期，但重点仍放在早期。 **David Weisburd：** 你们今天评估风投管理人的标准，和五年前相比有很大变化吗？ **Brijesh Jeevarathnam：** 有些地方变了，但多数高层次的标准历久弥新。我们一直看重三项：风投基金的投资团队、他们采取的投资策略，以及业绩记录。三者里，业绩记录最容易量化，但它回顾的是过去。所以虽然业绩记录很重要，却往往是预测未来成功最不重要的指标。我们花很多时间看更偏“软性”的团队和策略。 团队方面，别人常问我们看什么。聪明、学术成绩好、有行业经验，这些都只是入场券，因为符合条件的人太多了。除此之外，我们看团队成员之间的化学反应和互补程度。有些团队就像一支篮球队，有中锋、控球后卫，各有不同技能；组合起来后，在竞争激烈的市场里就很难被击败。他们也能更早看见趋势：比如一位合伙人擅长与人打交道，另一位更看重数字，还有人善于分析市场和产品。我们寻找的是这种组合产生的效果，也看重成员之间的和谐。最大的风险之一，是合伙关系不和，最终破裂。 我们还会找一种很难量化的“X 因素”，有点像肩上有块“心病”。它可能来自成长经历、成长的地方，或者曾经被前一家风投基金解雇，原因很多。Lux Capital 的 Josh Wolfe 有句很棒的话：肩上有块心病的人，口袋里就能赚到钱。 ## [11:24] Adams Street 如何评估风投管理人 · YouTube **Brijesh Jeevarathnam：** 这个 X 因素很重要。优秀风投，优秀创始人也一样，当然会受经济回报和个人财富驱动，但驱动力远不止这些。他们真的想做成一些事、实现一些目标、向世界证明自己。不管怎么说，这些人会坚持下去。他们会更努力、更拼，也会击败那些没有这种 X 因素的人。 **David Weisburd：** 说到“肩上有块心病”，我能想到很多企业家，比如 Palmer Luckey、Adam Neumann。风投圈里有哪些具备这种特质的优秀投资人？ **Brijesh Jeevarathnam：** 如果你不介意，我就不点名了，但可以说几种典型情况。我们既投知名的头部管理人，也支持一些刚起步的一两人小团队。这些新团队往往是我们认识了五到十年的人，关系是长期建立的。我们了解他们的特点，除了基本条件，他们可能曾经因为自己或原公司的选择等原因，不太顺利地离开了原来的风投机构。 ## [12:45] LP 关系如何带来信息优势 · YouTube **Brijesh Jeevarathnam：** 也可能是原机构扩大了规模、调整了地理布局，让他们觉得自己无法再用原来的方式做好投资。这时他们心里会想：“我可以证明你们错了。没有某某大品牌的招牌，或某某头部机构的背书，我也能做成。”这是一种典型。 另一种是以前做过初创公司运营者，或者创业失败过的人。他们在 LP 市场募资时遇到不少困难，但有有意思的投资论点。我们认为他们有机会赢得创业者青睐，通常只募一只规模适中的基金。他们在募 LP 的过程中吃过不少苦，因此特别想证明自己也能和头部风投管理人并肩竞争。我们投这类团队不多，但也会投一些。如果能在早期找到他们，投进他们的第一、第二只基金，就能建立非常深厚的关系，因为他们不会忘记。所有 LP 他们都会忠诚相待，但最先支持他们、可以说帮他们开张的一两个关键 LP，关系尤其牢固。这也是我们喜欢早期支持的一类风投机构。 **David Weisburd：** LP 和 GP 建立良好关系，会产生什么二阶效应？ **Brijesh Jeevarathnam：** 我认为最主要的是，风投是一门信息不对称的生意。随着世界变化，这种不对称有所缩小，外面能找到的信息越来越多，包括关于创业公司的信息。不过，仍然有很多东西…… ## [14:41] 多久才能判断一个风投管理人是否优秀？ · YouTube **Brijesh Jeevarathnam：** 和大多数其他资产类别相比，风投领域的信息不对称仍然非常严重，不仅涉及风投合伙关系本身，也涉及投资组合公司。我们作为资本配置者、直接投资者和公司投资人，会尽可能多地获取这些信息，了解一些“内幕”，再决定要不要投下一只风投基金、是否继续承诺投资，或要不要跟投某家公司的下一轮融资。这种关系让我们在支持下一位管理人之前，能先看到帐篷里面的情况。 举个我们常说的例子：我们对一只风投基金是否续投，从承诺投当前这只基金的第二天就开始评估。换句话说，在对方三年后募下一只基金之前，我们已经持续尽调。我们会和圈内人、熟悉的 GP、创始人聊天，也参加社交活动，收集各种情报。我希望我们因此能比别人多掌握一成、两成、三成的信息，帮助我们更好地决定投下一只风投基金，或直接投某家正在考虑的公司。 **David Weisburd：** 做风投投资，有时候投下去才三个月就会想：“糟了，我投错了。”从 GP 的角度看，最短多久能意识到自己犯了错？ **Brijesh Jeevarathnam：** 这是个好问题。风投是反馈周期很长的生意。公开市场股票恰好相反，几天、几个月、几个季度就可能知道情况好坏。作为风投 LP，现实一点说，要四到五年，我们才有较高把握判断最初的决策质量。 当然，也有一些早期指标。我们马上就能看他们建立的投资组合，是否按策略执行，是否拿到了目标持股比例。假设他们原计划投 25 家公司，平均持股约 15%，投的是相对早期的公司；结果投了十几二十家，持股却只有 2%、5% 这么一点，那就有问题，我们需要谈谈他们的打法为什么没按预期奏效。 还有其他指标，比如团队本身的化学反应、能不能像一个整体协作。我们在创始人圈和其他 GP 那里有很多信息节点，会听到“我在那笔交易里见到这家机构，他们赢过了另一家”这样的消息。这些都是中期信号。但现实是，往往要到第四、第五年才知道。众所周知，有些基金在第四、五、六年看起来都不怎么样，但这是个离群值驱动的行业，一笔伟大的投资就能让某位管理人或某只基金重回聚光灯下，甚至进入前十分位、前四分位。 ## [18:43] 多久才能判断一个风投管理人是否优秀？ · YouTube **Brijesh Jeevarathnam：** ……获得前四分位回报。 **David Weisburd：** 关于风投能力这个问题，就是我回答 Peter Thiel 那个问题的答案：你不同意行业里其他聪明人的什么看法？很多风投会说，投一家种子期公司，要到 14 年后 IPO 时才能知道结果。我觉得把时间框架拉得这么长，简直离谱。 ## [19:07] 如何识别能赢得顶尖创始人青睐的风投 · YouTube **David Weisburd：** 我觉得这里有两个不同方面。我们之前谈过，GP 一方面得有能力拿到优质项目，另一方面得敢于逆共识。逆共识投资比如 SpaceX，过了 24 年才有结果，所以也许 14 年都不足以证明你是好投资人。但“拿项目”的能力，大概两三年、在投资期内就能判断一个人是不是特别优秀。 **Brijesh Jeevarathnam：** 你说的两点我都同意。正如我刚才所说，早期的一项检验标准就是这家风投机构是否进入了正确的圈子，也就是能看到并赢下最好的交易。难点在于，种子轮、A 轮的公司要过一段时间才真正成为赢家。因此，即使想判断今年做的某笔种子投资是不是好项目、是不是投中了该领域最优秀的创始人，也得等两三年。种子和早期投资的反馈周期仍然很长，但我完全同意你的观点：有很多中间指标可以判断某笔投资是否成功。 **David Weisburd：** 我想回到“创始人的知心人”这个说法。怎么能尽早判断一个风投是不是这样的投资人？ **Brijesh Jeevarathnam：** 这又回到我之前说的：利用我们的人脉做背景调查，和市场里的许多参与者交流。我们喜欢投资人提供的推荐名单，也特别重视名单之外的推荐。我们的网络够大，可以和创始人交谈，了解他们觉得哪些风投机构有影响力、值得合作。 大家常举的一个典型例子可能是 El Gil。我提到他，是因为他写过《增长手册》，很受尊敬，被视为导师，也是公司的建设者，能和创始人并肩工作。有些优秀投资人未必是那家公司的领域专家，但他们过去积累了创始人的信任，也有建设公司的本领，所以仍能很早就进入股权结构。 我认为关键在于能否和创始人的世界观产生共鸣，能否体谅他们正在做的事。很难说哪种人最适合做这件事：职业风投可以，曾经做过运营的人也可以。我觉得这和个性有关，也要看他是否愿意花力气，和创始人群体建立可信赖的关系。 **广告：** 我从和数百位投资人交谈中学到一件事：优秀的投资公司不只是靠投资回报建立起来的。能够长久发展的机构，在很多人看不到的事情上也做得出色：运营、与 LP 的关系，以及用于决策的信息质量。AI 带来的变化是，现在每家机构都能用同样的模型，所以智能本身不再是优势，优势在于你能给模型喂什么。一家把基金运营和数据都放在同一套连贯记录里的机构，才能真正把 AI 用起来。 ## [23:08] 如何识别能赢得顶尖创始人青睐的风投 · YouTube **广告：** 把 AI 真正用起来。一家仍在使用彼此割裂系统的机构做不到这一点。这就是为什么数千家 GP 用 Juniper Square 管理基金。Juniper Square 把基金运营、数据和行政管理整合到一套连贯记录里，让你少花时间管理互不相通的系统，多花时间投资、服务 LP、建设公司。本期节目由 Juniper Square 赞助，它是私募市场 GP 的运营合作伙伴。了解更多，请访问 junipersquare.com/howinvest。再说一次：junipersquare.com/howinvest。 **David Weisburd：** 大概从风投行业诞生、也就是 20 世纪 70 年代以来，人们就一直在争论哪种人最适合做风投：职业风投，还是从创始人转行的风投。今天怎么看？十年前、二十年前，有各式各样的优秀风投，背景都很特别。比如 Mike Moritz 做过记者，也有人以前做销售，并不是那种深度技术背景的人，但后来成了优秀风投。 我觉得现在并没有一种单一模板，但此时此刻，风投投资人的技术能力很快就会受到检验。如今的创始人通常很年轻，而且往往技术功底很深。如果你听不懂他们的语言，就很难建立联系、形成信念，进而赢得创始人青睐。所以，优秀风投的典型画像可能变窄了一点。不同职业背景的人仍然可以做好风投，但相比十五、二十年前，类型可能没那么多元了。 **David Weisburd：** 另一个略显矛盾的概念是“赢面”。很多人寻找所谓标准化的赢面。但创始人在组建股东阵容时，需要满足不同需求：可能想要有品牌的投资人、资金雄厚的投资人，或者能帮忙招到某类工程师的人。“赢面”对创业公司到底有多重要？有没有正确的赢面，还是会随创始人和行业而变化？ **Brijesh Jeevarathnam：** 我认为早期公司的“赢面”和后期公司的不一样。早期更像是在押创始人；后期有更多指标可评估，而且融资金额也更大。先说成长或后期投资：光是看到这些交易，并选出要投的公司，就需要有赢面。现在成长轮支票都很大，你知道，顶尖公司一轮融资可能拿到 5000 万、1 亿，甚至 5 亿美元。最好的公司每轮融很多钱，争取进入股东名单仍然像一场抢夺。公司一轮可能融 5 亿美元，甚至更多；现在有些公司一轮募资数百亿美元，但这类轮次仍然会被大量超额认购。 在这种情况下，赢面可能包括个人和机构的品牌。这不仅是机构的光环，也包括它能不能长期陪着公司走下去…… ## [27:11] 如何识别能赢得顶尖创始人青睐的风投 · YouTube **David Weisburd：** ……能陪伴公司多久。我们看到私募资本市场不断扩张，正在吞食过去由公开市场承担的部分功能，稍后我还想回到这点，先放在一边。所以品牌重要，或者说口袋有多深也很重要：这位投资人能不能不只现在支持我，六个月或一年后我需要下一笔成长轮融资时还能继续支持？另外，公司准备通过并购或 IPO 退出时，也可能会从这些机构中寻找合适的董事会成员。这些都是后期投资人“赢面”的特质，当然还不全面。早期则可能需要另一套赢面。能不能看到项目，可能意味着今天愿意去旧金山或别处的黑客之家，和顶尖的人一起写代码、听懂他们的语言；或者至少从根本上理解这些二十多岁、甚至更年轻的人如何看世界，并和他们建立联系。早期本质上是在押创始人。有人说过一句更好的话：优秀的创始团队加上不怎么样的点子，总能胜过平庸的创始团队加上绝妙的点子，因为事情会演变、变化、转向。赢得优秀创始人的信任和认同，是另一种技能，靠的是信任、同理心，当然也包括技术能力。这就是风投的魔力：在公司早期投一张小支票，几年后可能拿回数亿美元，甚至数十亿美元。 ## [27:43] 为什么风投正在吞食公开市场 · YouTube **David Weisburd：** ……比如黑客之家，最好的例子是 Browder Capital 的 Josh Browder。他做一人加速器，一次只辅导一个人，因为那个人住在他家里。他的秘诀之一是凌晨三点把对方叫醒，问能不能再多给些份额。我觉得这既是玩笑，也有几分认真。但这种高价值模式根本无法规模化。 有意思的是，你回答我的问题时总是在讲早期和后期。我刚请教了 AngelList 的 Eric Schwarzman，他们有大约 2.5 万家公司的数据。他们发现，没法用整个样本做通用概括或有用的数学计算，必须拆成两类资产：早期和后期。这不只是方便的分类，而像是市场里两个特性不同、在数学上都几乎不能混为一谈的部分。 **Brijesh Jeevarathnam：** 确实如此。融资轮次的字母不一定和早期、后期对应，更多要看公司的指标，甚至收入。有些领域，比如现在的 AI，收入增长曲线在很短时间内就陡得惊人。有些公司继续按这个速度增长，有些则停滞了，也就是会出现假阳性。我完全同意你的观点。甚至可以再细分，数据会是难点：不止分成两类，而是根据产品市场契合度、早期客户、单位经济效益转正等指标，分成三四个子领域。 所以，正如我一开始说的，风投已经不再是同质化资产类别。放在全球金融资产的规模里，它仍不算大，但已经细分得多得多。全球金融资产大约 300 万亿美元——我把数字取整，因为重点不是精确值，而是比例。如果把债券也算上，全球金融资产大约是 300 万亿美元…… ## [31:45] 为什么风投正在吞食公开市场 · YouTube **Brijesh Jeevarathnam：** ……股票等等。按不同数据来源，全球金融资产里约 90% 到 95% 是债券、上市债券、公开股票，也可能包括一些大宗商品。剩下 5% 到 10% 是私募市场，其中有收购基金、风投、房地产等。穿透来看，风投的占比很小，收购基金也一样，合起来不到这些金融资产的 10%。但它们增长很快。我要说的是，风投，具体来说，以及更广义的私募市场，正在吞食公开市场。 这让我想到 Marc Andreessen 大约在 2010、2011 年说的名言“软件正在吞食世界”。大概五年后，Jensen Huang 又说 AI 会吞食软件。我们认为到了 2026 年，这两件事都已发生，而且非常明显。但我觉得有件事没有得到足够关注：私募市场，尤其是风投，正在吞食公开市场。展开说说。 大约二十五、三十年前，美国有八千多家上市公司。如今数量大约减半，约四千家。与此同时，这些公司的合计市值如今约 80 万亿美元，在这段时间里增长了九到十倍。公开市场投资者仍有很多地方可以配置资金，但选择比二三十年前少了。 与此同时，风投拿走了一部分市场份额：过去公开市场投资者能参与的融资轮，如今只有风投投资人能参与。比如一家公司估值 50 亿美元、融资 2 亿美元，这种机会只对私募市场，也就是风投投资者开放。再看一些退出案例：Wiz 被以 320 亿美元收购；典型例子还有 SpaceX，最后估值大约 1.8 万亿美元。公开市场投资者理论上最早只能在几十亿美元、甚至如今难以想象的万亿美元估值进入。公司从零起步、从最初两三千万美元的种子基金投入一路创造出的价值——比如 Cursor 估值 600 亿美元，或最终达到万亿美元——都是在公开市场之外完成的。 我知道这么说有点替自己的行业说话，但我们认为，风投对机构投资者来说已经不是奢侈品，而是公开资产、公开股票敞口的必要补充。这样，投资期限长的机构才能在价值创造的不同阶段都有敞口，而不是等到第四、第五、第六局才进场。 ## [35:45] 为什么风投正在吞食公开市场 · YouTube **David Weisburd：** 完全同意。二十年前，如果亚马逊、谷歌在市值不到十亿美元时上市，你在 IPO 价买入并持有到今天，表现甚至可能超过 A 轮、B 轮投资人。显然，SpaceX 市值达到 1.75 万亿美元后，很难说它还能再涨一万倍——即使我非常看好、也持有 SpaceX。公司以 1.75 万亿美元上市后，上涨空间确实有限。 我和 Wellington 负责成长投资的 Matt Wiler 聊过这个问题，这里有两方面。你提到公开市场市值 80 万亿美元，风投管理资产大约 3.5 万亿美元，公开市场规模差不多是私募市场的二十倍。假设其他条件相同……但我认为条件并不相同。我要提出一个有点逆共识的看法：SpaceX 以约 1.75 万亿美元上市、Anthropic 据报道将以 2 万亿美元上市、OpenAI 也不得不上市，原因可能是它们已经用完了私募资本。 2026 年第一季度，75% 的全部风投资金只投给了五家公司。换句话说，如果它们每家再融资一轮、募资额翻倍，就会占到全部风投资本的 150%，早已超过 100%。 风投的现实是：创始人选择自己想要的风投；最好的创始人选择最好的风投；最好的风投再选择最好的 LP。回到创始人层面，我从没遇到过一个创始人，尤其是优秀创始人，会说：“我明天就想上市，我想接受季度财报和所有这些审视。”当然有人想敲钟庆祝一个里程碑，但我觉得 90% 以上的顶尖创始人都想让公司继续保持私有。问题是风投资金不够。所以，如果风投资产规模从 3.5 万亿美元增到 7 万亿美元，不管好坏，很多资金可能还是会被同样这五家公司吸收，让它们再多融一两轮。 ## [38:04] Adams Street 如何从最大的投资失误中学习 · YouTube **Brijesh Jeevarathnam：** 公司因为找不到私募融资才上市，这个前提我觉得一直都成立。不同的是，私募市场一路扩大了投资范围，能够容纳更大的投资金额和更长的投资期限。后期投资人的资金成本等问题，到底好不好，我们也可以再谈。但从很早期一直到 IPO 前一轮，能获得有吸引力回报、即使不是百倍也有不错风险调整后收益的机会，确实随时间扩大了。当然越接近退出，周期性就越强。 今天的风投市场毫无疑问已经很大。我刚才说过，前三个季度的投资额就超过 5000 亿美元，远高于几年前，更不用说十五、二十年前。问题是，我们该在哪里划线：私募市场里什么位置还能赚到有吸引力的风险调整后回报，什么位置的盈亏结构可能开始颠倒？ **David Weisburd：** 我还想追问你刚才说投资人不能没有风投配置这件事。我概括一下：一方面从回报看，过去五十年里，风投一直是全球回报最高的资产类别，体育球队除外——有人提醒过我这一点。如果买不起匹兹堡钢人队或纽约巨人队，那风投就是最值得持有的资产类别。 此外，年收入超过 1 亿美元的公司里，只有 13% 是上市公司，也就是 87% 仍是私有的。另一个角度是分散化：你没法只靠公开市场配置科技，科技在组合里会很少。为了让组合多元化、优化风险和回报，哪怕不考虑收益，也有理由配置风投。 你刚才谈到筛选团队的几个要素，我意识到我打断了你。你说了“肩上有块心病”和团队凝聚力。投资风投管理人时，还有什么重要的？ **Brijesh Jeevarathnam：** 三项里，团队我们谈过了：不仅要聪明、人脉广等基本条件，也要有凝聚力、互补技能，以及肩上的那块心病。第二项是业绩记录，按定义它是回顾过去的。还没谈的是投资策略：他们在这个市场的投资论点和世界观是什么？打算投哪个阶段？如何构建投资组合？他们是否拥有合适的人脉，以及在市场这部分的“赢面”？无论是种子期…… ## [41:24] 为什么只有 7% 的创业公司创造全部收益 · YouTube **Brijesh Jeevarathnam：** ……不管是早期投资还是后期写大额支票。你能想象，评估这三类因素既是艺术也是科学。你不能把它塞进 AI 模型问：“我该不该投这只基金？”评估里有很强的人际因素。我们刚才谈过反馈周期，LP 的工作反馈周期很长，所以我们得特别努力地收集反馈、调整方向。 比如 Adams Street 一年会开三到四次团队离场会或小型离场会，主要的两次在一月和六月，整个资深团队会一起讨论很多事，包括我们所谓的“反向投资组合”：三五年前错过了什么？当时我们的判断依据是什么？后来又有哪些变化？ 这行非常让人谦卑，David。投资时，我们会犯两种错：该投而没投的遗漏错误，以及不该投却投了的误投错误。我们不必投每一只好基金，但我们投的每只基金都希望它优秀；而这两种错误我们都会犯。反向投资组合记录的是错过的机会，另一种错误则是四五年后发现投错了，于是追问当时漏看了什么、此后又发生了什么变化。 一年两三次强制回顾，能磨炼我们的判断。人有近因偏差，很容易忘事；但回头看三年、五年、七年前的决策，分析做对和做错的地方，我们就找到办法，把这个漫长的反馈周期制度化，让判断每年都进步。 做 LP 不容易。你一直要想各种框架和经验法则，记住聪明人犯过的错误，然后第二天又可能得打破那些被强调几十年的规则，尤其是今天。很多事情都在变，你得判断什么在变、什么没变，什么甚至不适用于“变化或不变”这套框架。你必须从第一性原理思考，这很有挑战。 我也分享一些数据。风投和收购基金的资本配置工作变难了，单是因为机构数量多得多，辨别信号、剔除噪音都困难得多。如今美国大约有三千到四千家风投机构；十五到二十年前可能只有四五百家。我刚入行时，那五百家里很容易看出大概十到二十家特别优秀，工作与其说是挑选，不如说是争取进入。现在活跃的风投机构超过四千家。有些年份、新一轮周期里诞生的新机构，甚至比我刚入行时行业里的机构总数还多。我们要见这些新基金、认识很多新名字和优秀的人。在一个回报由少数离群值驱动的行业里，这尤其困难。 我们很幸运有四十多年的数据，从 20 世纪 70 年代起就在投风投基金和创业公司，并用这些数据作为进攻武器。我们的数据当然是专有的，能告诉我们…… ## [45:25] 为什么只有 7% 的创业公司创造全部收益 · YouTube **Brijesh Jeevarathnam：** ……风投支持的公司里，7% 创造了全部收益，剩下 93% 加起来基本没有净收益，只是噪音。当然，在投资之前没人知道是哪 7%。再往上一层看管理人：公司层面存在离群值效应，支持这些公司的基金也一样，有些可能是运气好，有些是真能找到我们前面说的“粗石中的钻石”。很难用线性规则预测 A、B、C、D 这些特质就会产生优秀风投管理人。我们得跳出框架，调整做法。 我们在美国大约投二十到三十位风投管理人，要从约四千家里挑。过去哪些三四十家顶尖机构比较明确，现在就没那么清楚了，配置人的工作变得更难。我们必须加快速度，因为这些基金很快又会回来募资。我们得扩大覆盖面，看更多基金和领域。在这个噪音更多、数据可能更少的市场里，某种程度上就像直接投资。我们的优势不只是数据，还包括团队的投资判断。投资是门生意靠人，这句老话是对的。我们有一支近四十人的团队，全职筛选管理人。有些人像我一样做了十年、十五年、二十年，模式识别需要这么长时间才能成熟。但它不是静态的，我们要随着市场不断调整。 **David Weisburd：** 我算一下：四千位管理人，四十个人，每个人要看很多机构。你们怎么利用 AI 帮忙？ **Brijesh Jeevarathnam：** 先从一个前提说起：风投投资是门与人打交道的生意，其中一部分适合用 AI，很多部分并不适合。先看漏斗顶端。我们的工作之一是追踪业绩归属，不仅要看风投机构层面，也要看到个人合伙人层面。AI 可以帮助整理个人投资业绩，但要判断一位业绩出色的人会不会三个月、六个月后离开头部机构，和谁搭档，我们现在就有几个活生生的例子。我不觉得 AI 很快能做到这些。 这需要我们身处生态系统、和人交谈，尤其要在湾区活动。你完全懂这种感受：周围都是同行。不管是孩子的高中、足球赛还是社交活动，遇到某个人就能听到新消息。这是很人际化的过程。我们得提前去到机会将要出现的地方，因为这些优秀的人创立新公司时，最好的项目往往只开放给受邀者；我们得在他们正式募资之前就找到他们。这种事 AI 帮不上忙。 ## [49:26] 为什么只有 7% 的创业公司创造全部收益 · YouTube **Brijesh Jeevarathnam：** AI 能帮忙的地方，是处理我们内部的数据。我们不断导入更多数据，这些数据散落在不同地方，而且多半是非结构化的。AI 能帮我们把线索串起来：有些信息在会议记录里，有些在季度报告里，有些在顾问委员会材料里。内容都保密，但我们需要掌握某位 GP 或某家公司的一切信息。Adams Street 内部积累的集体信息必须随时可用，AI 正在帮我们做到这一点。此外，它还能协助尽调流程，比如起草备忘录、做定量数据切片。我们才刚起步，还能用 AI 做很多事。但就挑基金和挑早期创始人而言，目前仍然是以人为中心的业务。 **David Weisburd：** 我想再问问 Adams Street 这家公司和你们的平台。你们不只投资基金，也直接投资公司。能谈谈整体策略吗？ **Brijesh Jeevarathnam：** 我们只有一项投资策略：投资快速增长、或能从市场错位与变化中获益、从而创造超额收益的公司。这项策略由五个不同团队执行，我简单说一下，再回答你的问题。 我们投资基金，这叫主基金投资业务，我就在这个团队。我们也直接投资风投支持的公司，通常是早期成长到后期；直接投资收购基金支持的公司，通常与 GP 联合投资；投资杠杆收购所需的私人信贷；第五是 LP 和 GP 的二级份额。 针对你问的这两类投资，前面谈过的信息不对称仍是优势。和五到十年前相比，优势边际上有所减弱，因为关于私营公司的数据也多了很多。但我们仍拥有一些保密信息，只在内部投资团队分享，可以利用它提前一两步找到最好的公司。我们始终和投资该公司的风投合作，从不绕过已有的风投联合投资方。我们利用与优秀管理人的关系。这也回答了你前面的问题：和 GP 关系好能带来什么？有时能得到特权信息，很多时候能获得项目渠道。这是我们的秘诀，再加上投资判断，帮助我们挑选优秀的风投公司直接投资。 如果要概括直接投资计划的论点，我前面说过，样本是数据库里的数千家公司、超过一万家：风投支持的公司里，7% 创造了全部回报。我们直接投这些公司的工作…… ## [53:29] 为什么只有 7% 的创业公司创造全部收益 · YouTube **Brijesh Jeevarathnam：** ……我们的任务是尽可能增加对那些最终可能进入这 7% 的公司的敞口。到了我们要进入的阶段，会多出几个数据点，帮助判断一家公司会不会成为赢家。当然没人能百发百中，我们也不要求百分之百命中，但会利用自己的渠道和信息，增加对正在崛起的离群赢家的投资。 **David Weisburd：** 我聊过 USV 和 Benchmark，他们第一次募成长基金，认为成长阶段仍然有幂律回报。你们直接投资这些公司，你觉得到了这么后期，幂律还真的存在吗？ **Brijesh Jeevarathnam：** 这取决于我们说的是多后期，也取决于公司的行业类别。风投行业过去没预料到退出规模能这么大。收购方面，Wiz 以 320 亿美元成交已经很惊人，后来 Cursor 的 600 亿美元又刷新纪录。我毫不怀疑未来几年还会有更大的收购。退出估值的门槛一直在抬高，IPO 也一样。 让我吃惊的是，我们现在竟然在讨论一家 IPO 公司估值超过一万亿美元。很容易忘记，大概五六年前，全球还没有公司达到这个市值；我记得 Apple 是第一家突破一万亿美元的。即使今天，全球市值超过一万亿美元的公司也就十家、十一家左右。如今一家初创公司，比如 Anthropic 或 OpenAI，可能一上市就跻身这份极短的名单，这简直难以想象。 我说这些是想表达：如果风投还能找到可触达市场规模足够大、能创造如此价值的离群公司，那么幂律在成长阶段也仍然成立。当然这里有很多前提，包括公司的 TAM、执行、公开市场和买家群体等。但我觉得这些前提并非不可能。如果能选对公司，而离群赢家的规模又这么极端，成长阶段仍可能赚到风投级别的倍数回报。 我和 Bain Capital Ventures 的 Matt Harris 也聊过这个问题。做播客的好处之一是能得到投资和税务规划建议。我在 Anthropic 的 C 轮投了钱，就问他公司估值两万亿美元时我该怎么处理持仓。他用了一个很简单的经验法则：看收入倍数时，把估值和收入都去掉最后三个零。这样一来，你不是看两万亿美元估值和 1000 亿美元收入，而是看 20 亿美元估值和 1 亿美元收入…… ## [56:35] AI 热潮现在走到第几局？ · YouTube **Brijesh Jeevarathnam：** ……这样看起来就相当合理。所以这些数字太大，容易让人觉得怎么都不可能再涨了，好像已经没有空间。但也许在两万亿美元这个位置仍有空间，也可能没有。要是公司以两万亿美元上市，那就说明——幂律怎么定义另说——幂律依然存在，仍有非零概率出现幂律回报。 **David Weisburd：** 确实如此。Anthropic 那轮融资是不是 700 亿或 800 亿美元，估值 1800 亿美元？如果这家公司下个月上市，希望交易顺利，那么早期投资者可能有十倍以上回报，大概是这个量级。考虑到最初进入时的估值，这几年前简直不可想象。 但我想把周期性和结构性分开。今天的市场有些因素显然是周期性的。未来几个季度、几年里，不只是一路向上，也可能会有所谓的正常化。但如果把视角拉长，风投能投的公司范围，不论资金规模、投资领域还是公司规模，都在结构性扩大。我认为这是结构性变化，长期还会继续，风投会继续从公开上市公司中攫取价值。虽然目前基数还小，但十年后回头看，我们可能会发现自己对这些公司的估值高低判断都错了，可能过于保守，也可能过于乐观。回想 2016 年、十年前，当时 2016、2017、2018 年的一些判断，2022 年证明其中一部分成立，也有一部分没成立。很难预测并断言我们到了结构性高点。我觉得可能只是局部高点，不确定。但私募资本市场长期肯定还有增长。 **David Weisburd：** 我必须问：AI 热潮现在打到第几局了？ **Brijesh Jeevarathnam：** 有意思，你问了我最喜欢问我们最信任的 GP 的问题之一。我来转述他们的回答。有些人说我们还在热身阶段，但没有一个人说已经过了第五局。换句话说，大家普遍认为还在前半场，可能还在赛前热身，也可能是第一局、第二局。 我有时会回头看 OpenAI 或 Anthropic 的演讲、新产品发布，听听 Sam Altman、Dario Amodei 这些聪明人怎么说。随着时间推移，我发现连他们也无法预见一切会如何发展。我的意思是，如果世界上最懂 AI 的人都无法准确预测 AI 周期走到哪一步，虽然他们大体乐观、只能判断方向，那我们也只能承认自己不知道自己不知道的东西，但很可能还有很长的路要走。 有几位 GP 提过一个判断框架：某项技术出现一个标志性时刻时…… ## [1:00:35] AI 热潮现在走到第几局？ · YouTube **Brijesh Jeevarathnam：** ……最好的例子可能是 Netscape。它是早期真正面向公众的浏览器，我记得是 1993 年、九十年代初。互联网 1.0 时代成立了很多公司，但最好的公司可以说是在四到七年后出现的，尽管期间经历了互联网泡沫。我说的是 Amazon、Google，也包括 eBay。 **David Weisburd：** 还有 Facebook。我觉得它是第十二或第十三个社交网络。 **Brijesh Jeevarathnam：** 对，没错。它是在 Friendster、MySpace 那个阶段之后出现的。如果说历史会押韵、但不会重复，那么 OpenAI 和 ChatGPT 在 2022 年第四季度出现，可以说是大约四年前 AI 的标志性时刻。AI 突然闯入了大众意识，让人觉得“天哪，它真的来了”。我们可以说，现在才刚起步，进入 Google、Amazon、Facebook 那种新公司不断诞生的阶段。未来才会见分晓，这段路不一定平坦，但围绕这波巨大浪潮还会诞生更多公司。 我觉得把一切都说成 AI 有点简单化。在我看来，AI 是建立在此前所有技术浪潮之上的。Sequoia 最近谈 AI 为什么能这么快扩张时就讲得很好，比如智能手机等分发渠道。AI 叠加了此前的浪潮，让用户采用、商业化和大规模增长的速度都前所未见。Anthropic、OpenAI 就是很好的例子。我不觉得现在已经到了后半场，后面还有很多发展。 **David Weisburd：** 我常用这个问题的另一种问法：如果 AI 是泡沫，究竟是哪部分论点错了？大家通常会说，不可能是这项技术本身毫无价值。人们可能高估了估值，或者过于乐观，但这不可能像互联网泡沫里“眼球数”那样，是个彻底虚假的泡沫。AI 不可能没有商业用途，因为每个人都能感受到生产力提升。 **Brijesh Jeevarathnam：** 对，我确实理解这个观点。要是沿用你的比喻，再加上暗光纤的问题——那些光纤到底有没有真正点亮？——至少眼下计算需求看起来远远超过供应，而且在可预见的将来都是如此。从广义应用场景看，AI 浪潮似乎还处在非常早期，所以它可能有很长的增长空间。当然，我们都知道投资里最危险的话就是“这次不一样”。但有足够多的指标表明，AI 的采用还会增加，继而带来更多商业化和价值创造。 说到这个，你第一次联系我是在第 440 期节目之前吧？你大概联系过我快十二次了。先说声抱歉，老是给你发消息。其次，你大概都不记得了。人们总担心自己是不是不够坚持，后来才发现根本没人留意，你只要继续坚持就行。所以能来参加节目，我很荣幸…… ## [1:04:36] AI 热潮现在走到第几局？ · YouTube **David Weisburd：** ……非常荣幸邀请你来节目，也谢谢你愿意参加。 **Brijesh Jeevarathnam：** David，谢谢你这么说。事实上这可能是我第一次上播客。我很感谢你所做的事，也很敬佩你的勤奋和坚持。我并不是故意让你等这么久，我没那么忙，也没那么重要。当然，你已经请过很多更资深的嘉宾了。但我真的很欣赏你打造了这样一档播客：不仅投资圈的人能听，圈外想了解投资人的思维和未来走向的人也能听。恭喜你取得成功，也谢谢你抽时间邀请我。 **David Weisburd：** 非常感谢你，Josh。谢谢。