兩位硅谷頂級投資人最新判斷：AI 正在重寫早期投資規則

你有沒有想過，風險投資這件事本身，也正在被 AI 顛覆？不是說 VC 們開始用 AI 工具做盡調，而是整個投資邏輯、判斷創始人的方式、看待市場的角度，都在發生根本性的變化。過去的 seed 投資，拼的是人脈、眼光和耐心。但現在，AI 讓創業門檻大幅下降，年輕創始人涌現的速度前所未有，大型基金開始大規模下沉到早期階段，傳統軟件公司的護城河正在被 AI 快速侵蝕。這些變化疊加在一起，讓早期投資這件事變得既比以前更有吸引力，也比以前更難做對。

最近我聽了一期質量很高的播客，主角是 A*（A Star Capital）的兩位聯合創始人 Kevin Hartz 和 Bennett Siegel。A* 是一家成立五年、管理規模達 10 億美元的早期 VC，投資過 Notion、Ramp、Decagon 等一批優秀公司。Kevin 本人也是 Eventbrite 的聯合創始人，早年作為天使投資人，押中了 PayPal、Airbnb、Pinterest、Palantir 這些名字。Bennett 之前在 Coatue（蔻圖資本）負責 venture（風險投資）業務，主導了 Ramp 和 Decagon 的早期輪次。兩個人的經歷加在一起，幾乎橫跨了過去二十年硅谷最重要的幾波技術浪潮。他們在這期播客里講了很多我覺得真正有價值的判斷，不是那種泛泛的市場觀察，而是有具體案例、有內部視角、有反共識觀點的東西。我把里面最值得深想的部分整理出來，加上自己的一些思考，分享給你。

Seed（種子輪）投資到底有多難

Kevin 和 Bennett 在播客里說了一句話，我覺得是整期節目最誠實的表達：seed is just incredibly hard。他們的意思不只是說工作量大，而是說這件事在本質上就充滿了不確定性。你投的是一個人，甚至連產品都還沒有，也沒有 roadmap，沒有收入，有時候連方向都是模糊的。你唯一能判斷的，就是這個創始人。

這種不確定性疊加上當前的市場環境，就更難了。Bennett 解釋說，過去幾年大型 multi-stage（多階段）基金紛紛下沉到 seed 階段，帶著大量資金進來"占位"。他們的邏輯其實很簡單：用少量資金買一個 option（期權），如果公司跑起來了，就在后面幾輪繼續大力跟進。這種策略對大基金來說成本極低，但對真正做 seed 的專業機構來說，競爭壓力卻大大增加了。

我對這個現象有自己的理解。大基金下沉 seed，本質上是在用規模優勢換取信息優勢。它們不一定真的懂早期投資，但它們可以用高估值、大支票把創始人吸引過來。問題是，創始人拿到更多錢，真的等于拿到了更好的結果嗎？Kevin 的回答很直接：在 2021 年那一波，Tiger Global 用最高估值、最少干涉的方式橫掃市場，結果那一批公司大多數都沒走到終點。錢多不等于活得好。這個道理聽起來簡單，但每次市場熱的時候，創始人都會忘記。

Bennett 還提到，seed 這個市場長期專注的機構其實非常少。要么是做著做著就想管更多錢，順勢變成 multi-stage；要么是投出了一兩家大公司，開始募 opportunity fund（機會基金）和 growth fund（成長基金），重心就自然偏移了。真正幾十年如一日只做 seed 的，屈指可數。這背后的原因，我認為是人性使然。人在成功之后都會想要放大規模，但放大規模往往意味著放棄初心。

大基金沖進 seed，創始人該怎么選

Kevin 在播客里用了一個很有趣的比喻。他說，一個 80 億美元的基金，如果募了 83 億和 88 億，外人根本感知不到差別，但多出來的 5 億，就是整整一個 A* 基金的體量。這 5 億如果拿去做 seed，對大基金來說幾乎是"零成本試錯"，但對專注 seed 的小機構來說，那是全部的賭注。

他們也承認，作為精品小基金，無法跟大基金比支票大小。創始人面對"$10M at $100M"（以 1 億估值融 1000 萬）和"$3M at $30M"（以 3000 萬估值融 300 萬）的選擇時，前者在賬面上顯然更誘人。多出來的 700 萬，能多招幾個人，多跑幾個月的實驗。這個吸引力是真實的。

但 Bennett 說了一句我覺得很核心的話：building a company is a marathon, not a sprint（創業是一場馬拉松，不是短跑）。低稀釋的 offer 有意義，真正的 partnership（伙伴關系）也有意義。問題是這些東西在融資過程中很難量化，很難在三天內說清楚。當市場很熱的時候，創始人往往沒有耐心聽這些，只看數字。

我自己觀察下來，這件事在國內也一模一樣。很多創始人早期最重要的決策之一，其實是選投資人，但這個決策往往是在最短時間內、信息最不充分的狀態下做出的。等到后來需要幫助的時候，才發現對方根本不懂你的業務，也沒有時間管你。選投資人，本質上是選一個要共事七到十年的人，要像對待聯合創始人一樣認真。

正在逼近的"史上最大泡沫"

Kevin 在播客里說了一句話，聽起來很大：we're headed to the mother of all bubbles（我們正在走向史上最大的泡沫）。他的意思不是說要崩，而是說這一波 AI 的規模和影響力，可能會超過 PC、互聯網、移動互聯網的任何一次。

他們兩個人給出了一個有意思的對比框架?，F在 seed 階段的估值，已經從過去的 $20M-30M post-money（融資后估值），漲到了 $40M-50M。Series A（A 輪）曾經是 $100M，現在動輒 $250M。Series B（B 輪）過去需要真實的牽引力，估值才到幾億，現在起步就是 $500M 到 $1B。整個估值體系都向上位移了，原因就是大資金的涌入和對 AI 的極度樂觀。

但 Bennett 說得很清醒：最終會有很多公司無法撐到終點。他們在自己的 portfolio（投資組合）里，已經能明顯感受到誰在建真正的 moat（護城河），誰只是在市場熱的時候蹭了一波 AI 的熱度。他說，這一波結束之后，會像互聯網泡沫之后一樣：Amazon、Google、Netflix、PayPal 這些公司都是從那個泡沫里走出來的，成了今天的萬億巨頭。AI 時代同樣會有這樣的贏家，但"贏家通吃"的另一面，是絕大多數公司的消亡。

我對這件事有自己的判斷。泡沫本身不是壞事，泡沫是資本集中涌入一個新方向的產物。問題在于，怎么在泡沫期間保持清醒，把有限的資源押注在真正有價值的地方，而不是跟風入場。對創業者來說，這個時代最大的陷阱不是融不到錢，而是在最容易融到錢的時候，做了一個方向錯誤的決策，然后發現自己被困住了。

為什么創始人越來越年輕

Kevin 和 Bennett 觀察到了一個非常有趣的現象：創始人的年齡正在快速下降?，F在一個 YC（Y Combinator）batch（批次）里，十幾歲的創始人已經不罕見了。Bennett 甚至講了一個細節：他跟一個創始人聊，對方說要去問問他的律師，結果那個律師是他媽媽。

Kevin 給出了他的解釋，我覺得非常有說服力。他說，在 AI 這個范式轉變里，你懂不懂怎么賣 SaaS（軟件即服務）、怎么搭傳統企業 go-to-market（進入市場）團隊，根本不重要，因為這些規則都在被重寫。這個時代對所有人來說都是新的，沒有人有"經驗優勢"。年輕人反而因為是這些新技術最早的使用者和受益者，比那些有二十年經驗的老 VC 和老創業者更有感知力。

這個觀察讓我想起一個更深層的問題：經驗在什么時候是資產，在什么時候是負債？在一個成熟市場里，經驗極其寶貴，因為你知道什么能成、什么會失敗，知道陷阱在哪里。但在一個范式轉變的時刻，經驗有時候反而會讓你在錯誤的框架里做判斷。一個 19 歲的創始人，沒有任何"這件事應該怎么做"的固有認知，反而能用更直覺性的方式去感知用戶需求和技術可能性。

Teal Fellows（泰爾獎學金）這個項目，Kevin 提到了不止一次。Peter Thiel 在 2010 年就開始資助大學生輟學創業，現在回頭看，那真的是極具前瞻性的一個判斷。今天，這種趨勢從小眾變成了主流。我認為，未來十年最有影響力的一批科技公司，很可能是由現在還在上高中或者剛上大學的人創立的。

"Map Talent, Not Markets"——投人不投市場

Bennett 提出了一個他們在 A* 的核心方法論：map talent, not markets（追蹤人才，而不是市場）。這句話聽起來簡單，但背后有很具體的操作邏輯。

他們的做法是持續關注高密度的人才節點。頂尖大學、YC 這樣的加速器、還有一些"特別會孵化創始人"的公司。Kevin 特別提到了 Palantir（帕蘭提爾），他說 Palantir 可能是"per capita（人均）獨角獸創始人密度"最高的公司。原因在于，Palantir 的工作模式讓每個人都要扮演 mini CEO 的角色，要自己找到 product-market fit（產品市場契合），要自己構建并推廣產品。這種訓練方式，天然篩選出了一批有創業基因的人。

Kevin 還提到，Palantir 在早期是一家有爭議的公司，選擇去那里工作本身就意味著你有一種非共識的思維方式，而這種思維方式，恰恰和創業需要的東西高度重疊。另外，Airbnb、Stripe 這類公司也出了很多優秀的創始人，但他認為那些公司跑起來太順了，反而沒有磨練出"穿墻而過"的那種勁。

Bennett 還提到了另一個新的人才來源：從 AI lab（人工智能實驗室）或 PhD 項目出來的研究員，正在成為一類全新的創始人。過去，研究員創業是個"反模式"（anti-pattern），因為學術思維和商業思維之間有很大的鴻溝。但現在出現了一批反例，讓這件事變得值得認真對待了。Bennett 說，判斷這類創始人的關鍵，是聽他們說話的方式。真正優秀的創始人，每一個詞都是經過深思熟慮的，都有明確的意圖，你能從語言的精準度里感受到他們對業務的理解深度。

我自己在接觸創業者的時候，也越來越感受到這一點。表達能力強不等于說話多，而是每一句話都有密度，聽完之后你會感覺收獲了什么東西。那種創始人，往往是真的把問題想透了，而不是在用話術包裝一個模糊的想法。這種判斷力是可以訓練的，但需要大量接觸優秀的人才能校準自己的感知。

Proprietary Deal Flow（專有交易流）的真正含義

Kevin 和 Bennett 談到了他們的一個核心競爭優勢：超過一半的 seed 投資，都是以某種形式的"準自有"方式進入的，也就是說在正式融資流程開始之前，他們已經和創始人有了某種關系。

Decagon 是他們給出的最典型案例。Kevin 早年在 Ashwin（Decagon 聯合創始人之一）的上一家公司 Helia 里做過天使投資。那家公司沒有成功，但 Kevin 一直保持關系，是 Ashwin 的長期支持者。后來 Ashwin 和 Jesse 一起創辦 Decagon 的時候，甚至還沒有明確的想法，Kevin 和 Bennett 就已經決定要投了。理由很簡單：他們知道這個團隊有多好，知道當時在 foundational model（基礎模型）之上的企業應用領域幾乎還是空白，1+1 在這個組合里大于 2。

他們的數據也印證了這一點：那一半"準自有"的投資，在回報上明顯優于"shotgun marriage"（閃婚式）的投資——也就是那種在融資流程里才第一次見面、幾天內就要做決定的投資。當然，他們不是說后者就一定不好，而是說前者的信息質量更高，波動性更低。

我理解這背后的邏輯。關系的本質，是信息的積累。在一段時間的觀察和互動之后，你對一個人的判斷，遠比面試幾次更立體，也更準確。這對創始人來說也是一樣的：選投資人，最好的方式不是在 fundraising（融資）過程中才開始接觸，而是在此之前就有過真實的交流和碰撞，看看對方在壓力下是什么反應，在認知上是否真的能幫到你。

AI Rollup（AI 并購整合）是不是偽命題

這期播客里我覺得最有爭議、也最值得深想的一段，是關于 AI rollup 的討論。所謂 AI rollup，就是用 VC 資金去收購傳統行業的存量企業，然后用 AI 進行改造，提升利潤率，再賺取回報。這個邏輯聽起來很順，但 Bennett 給出了一個非常冷靜的判斷：對 VC 來說，這是一個糟糕的資產類別。

他的邏輯是這樣的：如果你給一個創始人一億美元，他用這個錢收購了一家價值一億的公司，但你只擁有這家公司 20% 的股權。那你實際上只有 2000 萬的資產敞口。除非這家公司的價值大幅增值，否則你根本無法獲得像樣的 VC 級別回報。更重要的是，整合存量企業、改變內部文化和流程，是 PE（私募股權）做了幾十年都覺得極其困難的事，VC 在這方面并沒有任何優勢，甚至連關注 bottom line（利潤）的文化都沒有。

但他們也沒有完全否定這件事的可能性。Bennett 提到，服務型行業里那些有接近穩定收入來源的領域，比如會計、HOA（業主委員會管理）、ITSM（IT 服務管理），是相對合理的切入點，因為 AI 確實擅長替代這類勞動密集型的工作。但他的判斷是：90% 的價值來自于用對的估值買到對的資產，而這恰恰是 VC 最不擅長的事。Kevin 還補充了一個例子：Bending Spoons（彎曲湯匙），一家意大利公司，他們對存量軟件資產的整合能力確實出色。這種公司是少數例外，不是通用模式。

我對這件事的看法稍微有些不同。AI rollup 的核心假設是"AI 能快速提升存量資產的效率"，這個假設在某些場景下是成立的，但成立的前提是你對那個行業有足夠深的理解，知道 AI 能改哪些環節，改了之后能產生多大的經濟價值。盲目相信"部署 AI 就能提升利潤"是一個危險的幻覺。真正能做好這件事的人，往往是在那個行業里做過很長時間的 operator（運營者），而不是手持資本、看著一個 AI 工具就以為能改變一切的投資人。

AI 時代，傳統軟件的命運

Kevin 在播客最后說了一句讓我印象很深的話：他不記得上次聽到有創始人來推銷傳統軟件業務是什么時候了。所有人的 deck（商業計劃書）里都有 AI。

但他們對這件事的判斷比較微妙。他們認為，systems of record（記錄系統），也就是那些存儲核心業務數據的軟件，仍然有很強的粘性，不會輕易被取代。但真正面臨威脅的，是那些靠"流程"和"工作流"建立壁壘的軟件。如果一個 app 能在幾分鐘內被 vibe coding（氛圍編程，即用 AI 輔助快速編寫代碼）出來，那這個 app 原來的護城河就不存在了。

他們看好的方向，是"systems of intelligence（智能系統）"和"systems of action（行動系統）"。這兩類系統不只是存儲數據或執行固定流程，而是能夠主動理解、決策和執行。Bennett 舉了 Rippling 的例子，說這家公司是一個很好的案例：它在 GPT 之前就已經是一個成熟的軟件公司，但現在正在把 AI agent 做成真正驅動營收和利潤的核心引擎。他的判斷是：最優秀的團隊，會愿意從頭開始重新架構整個產品，而不是在原來的代碼上打補丁。

我覺得這是一個非常關鍵的分叉點。AI 時代對軟件公司提出的核心問題不是"你有沒有加 AI 功能"，而是"你的整個產品邏輯，是不是從 AI native（AI 原生）的視角重新設計的"。加了一個 AI 對話框不等于 AI 公司。真正的 AI native 軟件，是把 AI 的能力融入到產品的每一個決策節點里，改變的是用戶解決問題的路徑，而不只是交互界面的形式。

機器人與物理世界的下一個爆點

Kevin 在播客里提到了他們對硬件和機器人領域的興趣，我覺得這是這期節目里最有前瞻性的一個視角。他們的判斷是：robotics（機器人）領域還沒有迎來它的"ChatGPT 時刻"，但這個時刻正在逼近。

Kevin 的邏輯是：AI 對物理世界的影響，應該至少和對知識世界的影響一樣大，甚至可能更大。知識世界的 AI 化，讓信息處理、內容生成、決策輔助這些環節變得更高效；而物理世界的 AI 化，影響的是實體生產、物流、制造、醫療、建筑等幾乎所有有"人在現場操作"的場景。這個市場的體量，遠比知識工作要大得多。

他們目前在 portfolio 里已經有了幾家垂直機器人公司，比如 Watney Robotics，專注于數據中心的布線任務。他們的選擇邏輯很清晰：不追求大而全的水平市場，而是找高價值、任務明確、可以用技術快速替代人力的垂直場景。Kevin 說，在機器人領域他們也會犯同樣的錯誤——高估值、低商業化落地——但他們會盡量避開那些只有故事、沒有路徑的公司。

這個方向我自己也在持續關注。我認為，機器人的"ChatGPT 時刻"一旦來臨，它的爆發速度會比軟件 AI 更快。因為軟件 AI 的擴散，需要用戶習慣的改變；而機器人的擴散，是在替代那些本來就不需要"習慣改變"的人力崗位——裝配線工人、倉庫搬運工、清潔工。這些場景的需求本來就已經存在，只是現在技術終于追上來了。

我對這一切的判斷

聽完這期播客，我有幾個沉淀下來的認知，想在這里直接說出來。

這個時代最稀缺的不是資本，而是判斷力?，F在融資比任何時候都容易，但正因為如此，創始人面臨的最大風險不是融不到錢，而是在最容易拿錢的時候做了一個方向錯誤的押注。估值高不代表你做的事是對的，只代表市場此刻愿意為你的故事付溢價。

Kevin 和 Bennett 反復強調的一點，我覺得對很多人都是一個提醒：seed 階段真正的價值，不是那張支票，而是一個真正愿意陪你經歷低谷的人。這件事在市場熱的時候最難被感知，在市場冷的時候才會顯現。所以在選擇的時候，要盡量用低谷時的標準去判斷，而不是順風時的直覺。

關于年輕創始人的崛起，我的感受是：這一波不只是"年輕人比較敢"，更是一個深層的能力結構的變化。過去，創業需要的很多能力——招人、管理、銷售、融資、產品開發——有顯著的經驗壁壘。但 AI 工具的普及，正在快速壓縮這些壁壘。一個 20 歲的人，今天能用 AI 工具做到的事，五年前需要一個有十年經驗的團隊才能實現。這不是比喻，這是真實發生的能力平權。

最后一點：無論這一波泡沫最終怎么結束，從里面走出來的那幾家公司，會是定義未來二十年的企業。Kevin 說得對，PC 時代有 Apple，互聯網時代有 Google 和 Amazon，移動時代有微信和 Uber。AI 時代的那幾家公司，現在可能已經在某個 seed deck（種子輪路演材料）里了，只是我們還不知道是哪一個。這個認知，應該讓所有人保持謙遜，也保持興奮。

結尾

也歡迎大家留言討論，分享你的觀點！

覺得內容不錯的朋友能夠幫忙右下角點個贊，分享一下。您的每次分享，都是在激勵我不斷產出更好的內容。

歡迎關注深思圈，一起探索更大的世界。

- END -

兩個“特別坑”的AI產品創業方向，你知道嗎

速度將成為AI時代唯一的護城河

a16z重磅預測：Vibe coding贏者通吃？錯了，垂直專業化才是未來