AI正在将科技投资的“幂律（Power Law）分布”推向极致：资本首次能够直接转化为算力并强化企业的绝对护城河，而那些无法实现AI原生的传统SaaS资产，正面临被时代抛弃的严峻风险。

硅谷顶级风险投资机构Andreessen Horowitz（a16z）9月10日发布了一期深度访谈播客。a16z合伙人Jen Kha、成长基金合伙人David George与长期LP、Accolade Partners合伙人Aram Verdiya围绕AI时代的投资逻辑展开了一次罕见的深度对话。三人的核心判断高度一致：AI正在让"幂律效应"从风险投资的行业特征，演变为整个资本市场的系统性规律；资本配置框架、基金构建方式乃至资产类别的边界，都正在被重写。

幂律是指两个变量之间的某种特定函数关系：一个变量的变化量是另一个变量的某种幂次（次方）的倍数。它的核心特征是：“极少数的个体占据了绝大多数的资源或份额”，也就是人们常说的“长尾效应”或“二八定律”。

对话中有几个核心数据令人警醒：美国3000家VC中，只有20家在过去二十年实现了持续3倍净回报，占比不到1%；AI收入规模达到1000亿美元只用了四年，而SaaS走完同样路程花了15年；当前美国企业平均每名员工每月在AI上的支出仅为12美元，而头部1%的企业这一数字高达7000美元——这意味着AI扩散仍处于极早期。

“资本等于算力”：“极致飞轮”改变行业护城河

David George在访谈中抛出了这轮AI浪潮中最具颠覆性的判断之一：

“现在，你可以把资本砸向一家公司，它会直接复利放大这家公司的优势。这在我职业生涯中是第一次。”

他解释，传统软件时代，往一家初创公司砸太多钱反而是灾难——雇一千个人、制造协调混乱、形成重叠优先级，公司反而会“搞砸”。但AI时代不同了：“你可以把钱扔进算力，算力可以直接改善产品和业务。”

这意味着规模经济在AI市场是真实的、且会持续强化。三家前沿模型公司——SpaceX、OpenAI、Anthropic——潜在企业价值合计已达3.5万亿至5万亿美元。Jen Kha指出，令人震惊的是，在SpaceX上市前，大多数机构投资者对其几乎毫无敞口。

Aram Verdiyan则从更宏观的视角给出了自己的判断：

“AI正在攻击GDP的每一个角落——交通、劳动力、服务、资本、协调。历史上从来没有一个技术范式，同时击中30万亿美元的GDP。”

他还对AI的TAM（潜在市场规模）提出了颠覆性观点：医疗IT行业每年支出约600亿至1000亿美元，但AI实际攻击的是医疗劳动力本身——账单管理、行政流程——那是一个万亿美元级别的产业。“AI的TAM可能是传统SaaS或医疗IT的10倍以上。”

David George援引劳动力数据进一步佐证：美国经济中劳动力支出与软件支出之比大约是40比1。“这不是说劳动力会消失，而是劳动力会被重新发明。把AI等同于'下一代软件'，太低估它了。”

“死亡中间地带”：VC格局的结构性重塑

访谈中反复出现一个词："death of the middle"（中游陷阱）。

Aram Verdiyan分享了一个核心数据：在美国3000家风险投资机构中，只有20家在过去二十年实现了持续3倍净回报，占比不足1%。 他特别强调，"持续"是关键词——不需要七八支基金，但在20年周期内，你是否有3到4支实现3倍净TVPI的基金？满足这个条件的，全美只找到20家。

相比之下，剑桥数据显示，过去十年风险投资的平均回报只有1到2倍净回报——不仅不如私募股权，甚至不如公开市场，而且还要锁定资金十年。

在这个背景下，VC行业正在向两极分化：一端是真正的"小而精"——专注于细分垂直领域、或在比大基金更早阶段介入，与大机构形成互补；另一端是全生命周期的大型机构——从种子到上市全覆盖，拥有700名员工、强大运营资源。

Jen Kha明确表达了a16z的飞轮逻辑：

“我们的业务是一个飞轮。从我们是不是领域专家、能不能打动创始人出发；如果我们赢得项目、帮助公司取得更好的结果，就会形成品牌效应，新创始人想要和赢家在一起，赢家的创始人又会给其他创始人做背书——这就是飞轮的运转方式。”

David George补充道：成长期基金的成功根本上依赖早期业务——“我一直说，我们的业务从早期开始，也从早期结束。”

对于那些想通过“只做晚期”或“跳过早期”来参与AI的机构，Aram Verdiyan态度直接：“最强的晚期特许经营权，背后都有一个巨大的早期特许经营权。如果你是一家全新的晚期基金，想写一张5亿美元的支票，真的很难。“David George附和：“我经历过那个世界，确实非常难。”

如何识别真实AI牵引力？"ARR这个词正在被重新定义"

随着AI泡沫与真实需求并存，如何区分真实牵引力成为最棘手的问题之一。

Aram Verdiyan描述了一个典型场景：“一家公司从某个加速器出来，声称一个月内ARR从零做到500万。但这中间根本没有续约周期，他们是在互相销售，还把月度数字乘以12来折算ARR。”他语气犀利：“每九家这样的公司里，可能才有一家是真正有几百万真实ARR的，才是下一个Cursor。”

对此Jen Kha笑称：“我很喜欢有时候有人在帮大家'重新定义ARR的含义'，像是一个非常有帮助的公告。”

David George给出了自己的判断框架：

"市场是否在主动要求你的产品，永远是那个核心问题。 财务分析没法告诉你答案，你必须深入理解客户，和客户对话。"

他以Harvey（AI法律工具）为例：早期Harvey在头部律所拿下了一些签单，但实际使用率平平，与其他AI软件公司相比留存数据并不出彩。但推理模型落地后，完全翻转——律师从产品中获得的价值大幅提升，使用率和参与度直线上升；更关键的是，客户从担心幻觉风险转变为主动要求律师事务所使用这个产品。"这才是我们寻找的市场信号。"

传统SaaS的困境与私募股权的"AI陷阱"

与传统的软件服务（SaaS）相比，AI的渗透速度和潜在可用目标市场（TAM）呈现出指数级的爆发。

“今天，AI领域的收入已经达到了1000亿美元。SaaS花了15年才达到同样的水平，而AI只用了4年。”Aram Verdiyan给出了一个极具冲击力的数据。他指出，AI正在攻击GDP的每一个层面——交通、劳动力、服务和资本协调，“以前从来没有一种技术范式能同时触及30万亿美元的GDP。”

然而，AI的高歌猛进，却让旧时代的软件资产和重仓它们的私募股权（PE）基金如坐针毡。在2021年至2022年期间，大量传统软件公司被PE以25至32倍EBITDA的高估值杠杆收购（LBO），但这些缺乏“AI原生”能力的资产如今正面临估值缩水和流动性枯竭的危机。

Aram Verdiyan直接点破："你在2021年前以25到32倍EBITDA收购的软件资产，今天可能只值一半。" 他援引数据：2021至2022年间，杠杆收购软件交易约为2000亿至3000亿美元，带走超过2000亿美元债务；今天那些公司的估值大幅收缩，杠杆比率急剧攀升。私募信贷市场的赎回潮，正是这一逻辑的直接映射。

更严峻的是增长逻辑的倒转：Aram Verdiyan指出，"在公开市场，增长率每提升1个百分点，相当于EBITDA提升3个百分点。" 这意味着不能证明AI加速增长的公司，估值折价会非常惨烈——"很多私募股权持有的标的，既没有足够快的增长，也没有管理团队能重塑业务"。

Aram直言不讳地指出：

“你看看今天的公开市场，那个资产（传统SaaS）现在的交易价格是市销率的2倍。这不仅是估值的问题，更严重的是，这些公司可能根本找不到买家。 因为如果你今天看一家软件公司，首先想到的是：它的终极价值是什么？它能抵御AI的冲击吗？”

Jen Kha则对"AI版私募股权"的幻觉发出警告：

"仅仅把Sears放上网站，不会让它变成亚马逊。 我们看到有些公司第一件事就是上马AI客服，结果如果你不从工作流底层重建，客户流失反而加速。每一分NPS下滑都直接对应营收下滑，再叠上债务，就会螺旋式下行。"

对于试图通过简单引入AI来拯救老业务的尝试，Aram也泼了冷水：“你不能只往公司里派一个运营合伙人，然后说‘让我们在上面加点AI吧’，这根本行不通。”DG补充道，哪怕只是简单的AI客服替代，如果没有深入工作流重构，客户流失将导致净推荐值（NPS）下降，并引发收入的螺旋式下滑。

AI的真正瓶颈：不是需求，是供给

访谈最后，话题转向了一个被市场低估的角度——AI的真实瓶颈在哪里？

Aram Verdiyan断言：“AI今天的瓶颈不在需求侧，在供给侧。”供给链从左到右是：能源→电网→数据中心→芯片→前沿模型→应用。美国在芯片及以右的链条上极具优势，VC生态系统也在有力支撑。但在能源和电网基础设施层面，问题不是发电量不够，而是"速度到功率"——许可、传输、监管。其他国家每年新增可再生能源容量是美国的10倍。

“这意味着数据中心需要被彻底重新设想。旧数据中心的密度已经无法支撑新AI设施，这里存在的不是50亿、100亿的机会，而是千亿美元级别的机会。”

David George列举了他认为未来10年最可能创造巨大价值的领域：机器人、自动驾驶（全美Waymo上路数量不足一万辆）、医疗（占GDP18%，AI几乎尚未触及）、能源、制造业与国防。

"现在感觉我们在AI上已经做了很多。但十年后回头看，那些其他重大领域才刚刚开始创造价值。下一个SpaceX或OpenAI，大概率会诞生在这些领域。"

访谈全文如下（由AI辅助翻译）

第1章：Intro

Aram Verdiyan：我们研究了美国3000家风险投资公司的数据。在过去二十年里，只有20家实现了持续3倍的净回报。

David George：目前，显然幂律效应比过去10到20年的科技投资中更为极端。有史以来第一次，你可以拿着资本投入一家公司，它会不断复利放大他们的优势。

Aram Verdiyan：AI正在攻击GDP的每一个层面——交通、劳动力、服务、资本、协调。从来没有哪一种技术范式能同时冲击30万亿美元的GDP。

David George：Elon已经公开谈到了Sam那边的Grockbot。他还谈到了Astra以及一些即将推出的长期能力。

Jen Kha：你认为下一个市值达到百万亿美元的公司会是哪家？

David George：有可能是……

第2章：为什么幂定律或幂律（Power Law）不再只是风险投资领域的事

Jen Kha：欢迎回到A16Z播客。

价值创造的方式已经发生了根本性的变化。幂律曾经只是风险投资这个小众行业的一个特征，而现在它已经系统性地贯穿整个市场。 尤其是三家前沿模型公司——SpaceX、OpenAI、Anthropic——代表着大约3.5万亿到5万亿美元的潜在企业价值。令人震惊的是，在SpaceX上市之前，我们很多LP以及更广泛的机构配置者群体对它的敞口并不大。

所以我们今天将讨论：为什么投资组合构建和资产配置可能已经发生了改变，为什么幂律不再只存在于风险投资行业，以及当今价值究竟在哪里、如何实现复利增长。David George、Aram Verdiyan，感谢你们加入。

David George：很高兴来到这里。感谢邀请。

Aram Verdiyan：感谢你邀请我们。

第3章：每一个风险投资支持的IPO合并：未来走向何方？

Jen Kha：太棒了。太棒了。太棒了。好的。那么DG，如果你把过去六年所有风险投资支持的IPO加在一起，全部加在一起，未来会走向何方？

David George：目前，幂律效应明显比过去10到20年的科技投资更为极端，可能要追溯到网络效应驱动的消费类公司兴起的时候。这种情况有很多原因。规模收益递增一直是我们这个行业的一个动态规律。

显然，大家都很清楚网络效应业务如何能够实现规模收益递增，但软件业务同样可以做到，而且可以以不同的形式呈现，但是，你知道，市场上的品牌声誉、资源的积累，都提供了竞争优势，这些依然成立。但现在，尤其是对于那些实验室来说，在我的职业生涯中第一次，你可以拿资本投入到一家公司，它会不断复利放大他们的优势。这件事就像——你怎么会把一家初创公司搞砸呢？嗯，你知道，往里面砸太多钱，让他们招一千个人，然后，你知道，你就制造了各种协调问题、管理开销问题、以及相互竞争的优先级问题，然后事情就会变得一团糟，因为你无法招到足够多的人，以足够快的速度做足够多的事情。但现在情况不同了。你可以把钱砸向算力，算力可以让产品和业务变得更好。 所以对我来说，幂律效应更加极端并不令人特别惊讶。目前，规模经济在AI市场中是非常真实存在的， 我认为这种情况将会持续下去。

Jen Kha：那么，Aram，首先，你不仅仅是我们Accolade的长期LP之一，顺便提一下，距离你上次作为A16Z的员工，恰好已经整整10年了。 所以，为了庆祝你的10周年纪念，因为你去年也在，我把这个珍贵的东西带回来了。

Aram Verdiyan：哦，我的天。

David George：哦，天哪。这太棒了。

Aram Verdiyan：你为什么还留着这个？这太棒了。

Jen Kha：我们在地下室翻出来的，我们特意做了这个超大版本，就是为了留作纪念。

Aram Verdiyan：我简直不敢相信——

Jen Kha：我是从地下室找到这个的。但顺便说一句，在过去的10年里，世界发生了很多变化。你还记得吗，在那个时候，人们就已经在抱怨基金规模太大了。

Aram Verdiyan：而你们当时有一只10亿规模的基金。

Jen Kha：第一只突破10亿的基金。

David George：第一只风险投资基金？

Aram Verdiyan：正是。

Jen Kha：正是。所以，你知道，从那以后发生了很多事情。

第4章：从空白页面重新思考投资组合构建

Jen Kha： 你如何看待你的风险投资组合与私募股权投资组合之间的关系？然后还有总体上的资产配置问题。我们在来的路上聊过这个。如果你现在重新从一张白纸开始，凭借你现在所掌握的知识，你会如何做出不同的构建？

Aram Verdiyan： 是的，我们来谈谈风险投资。今天，AI领域的收入已经达到了1000亿美元。SAS花了15年才达到同样的水平。AI只用了四年就做到了，而我们在需求渗透方面甚至还远远没有接近饱和。 DG说你可以向其中大量投入资本，这种乐观情绪，是推理需求无限的体现。我们正处于一个AI正在攻击GDP每个层面的时刻——交通、劳动力服务、资本协调。 历史上从未有过一种技术范式能同时冲击30万亿美元的GDP。所以你有了增长最快的技术，它正在冲击GDP的所有部分。

因此，作为一个资产配置者，很难不主张你应该大力布局。它不是一个卫星仓位，你应该将其作为核心甚至超级核心仓位，以某种形式存在。

David George： 我非常有偏见。但如果你只是想想市场的形态以及自我入行以来它们发生了多大变化，在私募股权和成长股权领域，那大概是18年前的事了，那时这还是一个小众行业。而现在已经不是了。我一直在谈论这个，但我们的资产类别拥有5到6万亿美元的价值，围绕公司保持私有状态更长时间的动态趋势不会逆转。

Aram Verdiyan： 是的，我的意思是，你在2019年离开GA时就有了这个洞察。这是在后期阶段获得风险投资级别的回报，而这现在正在发生。它不再只是早期阶段然后你在收入达到1亿美元时IPO了。

David George： 是的，我认为顶级的退出回报过去是100亿美元，而现在大概是400亿美元。

Jen Kha： 是的，或者等到Anthropic和OpenAI上市的时候，可能很快就会达到1000亿美元。

David George： 而且，你看，这是有道理的，对吧？就像上一个周期创造了25万亿美元的新市值，其中很大一部分流向了现有巨头。

Jen Kha： 是的。

David George： 很多流向了初创公司和新兴公司。而且，你知道，每一个后续的浪潮都比前一个更大。 所以，我们的预期是，把那25万亿拿来，这个数字还会更大。

Aram Verdiyan： 我对AI的TAM（总可寻址市场）一直感到困惑，很想听听你的想法。比如医疗保健每年在医疗IT上花费600亿到1000亿美元，但AI正在冲击的是实际的劳动力以及医疗保健中正在执行的任务的价值。 那包括理赔、账单管理，那是一个万亿美元级别的产业。所以AI的TAM可能比传统SAS或医疗IT大10倍以上。那个价值是什么？那就是某项任务被执行的经济价值，那就是你在看的TAM，然后AI公司会获取一定的份额，但我们根本不知道这个TAM能有多大。就像你说的，你看每一次浪潮，现有巨头随着时间推移都会缩小10倍。所以很难估计。但我可以告诉自己，我对这些结果能有多大一直估计严重不足。

David George： 是的，我也一样。是的，劳动力。我的意思是，你看看美国经济中花在劳动力上的钱与花在软件上的钱相比，大概是40倍之多。现在重要的是，这并不意味着劳动力会消失。我认为劳动力只是会被重新发明。 所以我们最终会看到人类所做任务的某种重新想象。

但我认为这实际上正是AI的全部意义所在——你正在追逐这个不同的东西。所以把它等同于软件，说它是软件的下一个演进，是太过局限的。

Jen Kha： 我们的法律顾问经常对我们说，他说，我喜欢Harvey。我所有的客户现在都认为自己是律师了，他们实际上可以在某些话题上和我辩论，而以前他们可能会说，我不太理解这个，我就听你的吧。所以我的计费小时数反而只增加了。

是的，随着AI使用的兴起。所以所有那些使用场景可能都被大大低估了，我们甚至还不知道。

David George： 是的，它们是扩张性的。是的，这就是全部的重点。

Aram： 然后还有这整个论点，说前沿实验室会蚕食应用层，哪一层会胜出？结果发现，好像大家都在增长。

David George： 我的一个朋友做了一个播客，他描述的是类似"一切都会成功"这种观点。我描述的方式略有不同，但就是说，我们经常收到LP的问题，他们问我们，技术栈中的哪一层会成功？我有点像是，我不知道，市场会非常大。我认为现在一切都可能奏效。 当然会有很多公司失败。也可能有一些特定的类别不会成功。但我认为总体而言，认为"哦，如果开源做得好，对实验室就不利"这种零和思维太过局限了。所以我们尽量让自己摆脱这种零和思维。

第5章：为什么这个AI时代在本质上是赢家通吃

Jen Kha：把它提炼出来。因为为什么人们认为这会是赢家通吃？你知道，如果我们可以做出假设的话，上一个科技时代，在很多领域可能确实是赢家通吃。但这次感觉在本质上是不同的，因为我们正在重新奠定很多基础性的东西，所以也许可以把它提炼出来。

David George：是的，你看，赢家通吃是一种有趣的描述方式，因为如果你只是看所有领先科技公司的市值增长，有很多公司都是成功的。并不是赢家通吃。对吧？ 现在，有一个重要的区别。我们非常相信在特定类别中的幂律效应。所以赢家会占据绝大多数的市场份额和市值。而第二名就像是在争抢残羹剩饭。 但我认为我们拥有的类别数量将会大规模扩张，对吧？你知道，如果你回到20年前，CRM其实不是一个真正的类别。我的意思是，它很小，就像Siebel Systems这类东西。但你知道，现在它是一个庞大的类别。所以我认为同样的事情会发生。我们在每一个我们投资的科技市场中都见过这种情况。再说一遍，我们的方式是，在我们的业务中，我们可以承受亏损，对吧？如果我们在某个基金中的某些投资上没有亏损，那说明我们承担的风险还不够多，对吧？ 所以，如果你看我们历史上表现最好的风险投资基金，我认为亏损率大约是60%左右。

Jen Kha：是的，在早期阶段。

David George：是的，在早期阶段。而在成长阶段，亏损率会更低，但可能会在10%到20%的范围内，这是合适的。因为这样的话，我们所做的投资中，会有回报达到10倍甚至更多的。所以，如果我们做得好，我们就在每一个可信的类别中支持该类别的领先公司。如果这个类别发展得好，那我们就做得很好。如果这个类别发展得不好，那也没关系。这就是我们所承担的风险。

第6章：为什么在风险投资中保持一致性比以往任何时候都更重要

Jen Kha：其中也隐含着时机的问题。因为我知道，Aram，你和我都为此感到惋惜，我认为很多人往往会觉得在某个时间点上市场已经过热。但回过头来看，结果发现一切其实都相当便宜。但市场上也会出现一些异常情况，在那种时候可能确实如此。所以我知道你给很多你的LP建议，关于在风险投资中保持一致性的重要性，可能比任何其他资产类别都更重要，因为你根本不知道这些技术什么时候会出现。也许可以详细讲讲这个问题，因为现在有很多机构配置者实际上无法接触到很多前沿模型。现在他们正在努力追赶，在某些情况下，可能引入了一些不太好的行为，这些行为有点过于反映市场泡沫的迹象。也许可以为我们解析一下。

Aram Verdiyan：是的，我的意思是，Digi谈到的幂律的极端性，如果你作为一个配置者，在过去五到十年里没有接触到排名前五到十的公司，你在回报方面就已经大幅落后了。 让我们退一步来看。我们研究了美国3000家风险投资公司的数据，只有20家在过去二十年里实现了持续的3倍净回报。

Jen Kha：抱歉，再说一遍，20%？

David George：20家。

Aram Verdiyan：不到1%。 哇，持续的3倍净回报。这太惊人了。实际上，你不需要在那20年里有七、八支基金，关键在于你是否拥有三到四支3倍净TVPI的基金？在20年的时间里，我们发现只有20家公司做到了这一点。

在风险投资中保持一致性真的非常难。 但有趣的是，那些保持一致性的公司，在每个年份都能持续获得进入行业定义性公司的机会。当然也有例外。顺便说一句，仅仅拥有那个品牌标志是不够的，如果你是早期阶段并且拥有一支大基金，你需要持有足够多的份额。如果你是晚期阶段的DG（David George），我很好奇你是否同意，规模配置真的非常关键。所以在晚期阶段，类似风险投资的回报是可能实现的，但你最好的公司应该占你基金的5%、10%甚至更多。 这样，你实际上可以靠单一公司来回报整个基金。晚期阶段的基金回报数学以前是不存在的，但现在存在了。所以我们找到了正确的投资组合规模，那些持续获得投资机会的公司位于3000家中的前20名。所以如果你没有它们，回报的差距将会非常大。如果你没有那些公司，你得到的只是平均的风险投资回报。

如果你查看剑桥的数据，过去十年的平均风险投资回报是1到2倍的净回报。你在私募股权中会做得更好。你在公开市场中肯定也会做得更好。你根本不需要把你的钱锁定十年。

Jen Kha：是的，当然。我刚刚看到我们的朋友Endowment Eddie发的一条推文，他今天早上发的。他说，对大型风险投资基金的兴趣是由创始人驱动的，而不是LP。创始人往往更想要那种能够扩展规模、成为全生命周期投资者并帮助获取客户或招聘人才的品牌。LP们慢慢地跟上了，但大多数仍然在拖延。 因为这实际上与传统观念相悖。

Aram Verdiyan：而且回报规模更大。所以基金可以更大。在那20家中有一些例外。有一些小型公司专注于利基垂直市场，或者他们在比大型公司更早的阶段进行投资，在那个阶段与大型公司的竞争并不激烈。现在这种策略的问题是，你必须在基金规模和策略上保持一致。如果你随着时间的推移开始变大，你就会与大型公司产生竞争。我认为保持一致性会变得非常困难。

Jen Kha：中间层的消亡。我们说过，每次说到"中间层的消亡"就要喝一杯。

David George：我非常欣赏风险投资生态系统中的许多同行。但这个"中间层的消亡"……

Aram Verdiyan：你怎么定义它？比如，什么是中间层？

David George：所以我认为，就像你描述的那样，那些高度专业化的基金，你知道，一些很早就进入AI领域并拥有深厚领域专家的基金，表现得相当不错，对吧？就像他们做得很好，而且，你知道，有时他们能够快速行动。进入一些项目，或者抢占我们想做的交易份额，你知道这是现实。然后我认为还有，你知道，不管我们是什么，你知道，大型的，大规模的风险投资，对吧？从某种意义上说，我们有很多产品线，可以从种子轮一直扩展到你上市为止。我认为我们有一些同行也采用类似的策略，对吧？你知道，我想说我们是最好的，但也有其他一些人在做这件事。而介于两者之间的其他所有东西，我认为都很难竞争，原因就像 Eddie 说的那样，对吧？创始人关心什么？创始人关心的是，从他们认为能够降低自身风险的合伙人那里获取资本。 如果你只是简化来说，这是描述创始人真正关心的事情最简单的方式。当然，他们也关心合伙人这个人，对吧？就像他们在乎一个具体的人。所以你必须是一个好的参与者，诸如此类。但这就是为什么我们建立了大量资源的原因，对吧？这就是为什么我们有700名员工。这就是为什么我们把从基金中赚取的管理费投入到运营资源中，因为我们认为这将，第一，改变结果的曲线，第二，帮助我们赢得交易。 所以，你知道，当创始人选择合伙人时，通常，如果这是一个热门交易，他们会有很多选择。就像这是显示出来的偏好。正如 Eddie 所说，我们在这方面做得还不错。我同意他的观点，我们的LP来投资我们是这一切的副产品，对吧？所以，你知道，我们的业务是一个飞轮。飞轮从以下几点开始：我们是否是深度领域专家？我们是否会有正确的观点？我们能否向创始人证明我们是他或她的正确合伙人？ 如果是这样，我们就赢得了交易。如果我们能帮助改善结果，那很好。如果我们确实改善了结果，就会发生两件事。第一，我们的业务具有持续回报，部分原因是新的创始人希望与赢家在一起。 是的，对吧。就像他们想要这个，他们在乎这个，因为这有重要的品牌信号作用，对他们有连锁效应。其次，你知道，通过成为赢家的一部分并以小方式帮助他们，我们创造了一种强有力的口碑效应。创始人会告诉其他创始人，嘿，你应该和这些人合作。 所以这就是飞轮在我们业务中的运作方式。

Aram Verdiyan：有一个理论，很好奇听听你们两位的看法，就是关于Pre-seed阶段。那些估值低于2000万、3000万、4000万美元的，基金规模低于1亿美元的，他们可以与大型机构共存，因为在起步阶段，比如有七家AI公司在做类似的事情。我认为像 Andreessen 这样的大型机构会想等一两轮，直到有更多的相对确定性，因为你最不想做的事情就是投到第二名或第三名。 就像你说的，你必须投到品类赢家。所以你宁愿等那一轮，然后真正加倍押注并领投A轮或B轮。所以小型基金可以为自己开辟一个利基市场，比大型机构早一两个阶段，实际上有赢的权利。他们可以做得很好，并且与大型机构形成互补。你同意这个观点吗？

David George：是的，是的，是的，是的。而且你看，我们与整个生态系统中的种子基金有着非常健康的关系。我们自己也做种子轮，对吧？但Pre-seed肯定是，你知道，比我们通常会做的更早。我认为它更像是一个更大的、更大的大种子轮，对吧？是的，就像连续创业者，他们以前是A轮。

Jen Kha：是的，是的，是的，那确实是我们的节奏。话虽如此，你知道，我们有我们的 speed run 项目，我们今天早上刚从那里过来。我不知道，我觉得。我认为市场正在演变，因为创始人对品牌有如此强烈的偏好依附，正如 DG 所说，我们能看到所有的项目。有时对我们来说做Pre-seed和种子轮确实有意义。 所以，你知道，你有点需要那种灵活的能力。对于创始人来说，就你的观点而言，他们其实并不太在乎你的重点在哪里。他们只是想在那个轨道上。就像你会找到基金来匹配它一样。所以我认为我们可以在这个世界中共存，但我认为这也非常重要，就像我们的业务本质上是一个早期阶段的业务。我们必须第一个到达终点。我们实际上可能不会进行投资，但我们至少必须了解市场格局，才能在以后做出明智的决策。

Aram Verdiyan：所以我今天在 speedrun 与一些创始人交谈，他们非常希望留在这个轨道上。

Jen Kha：是的，对，对。这是一个新现象，10年前，这开始真正成形，更多的早期阶段的人开始做后期阶段，然后跨越整个投资链延伸，但不完全是今天这种方式。 DJ，我不知道你是否同意，就像如果没有早期阶段，然后也没有后期阶段跟进，实际上几乎不可能有效地拥有这种中期阶段的业务。

David George：是的。我是说，你看，我非常有偏见。但我认为我们作为成长基金成功的原因是因为我们的早期阶段业务。我一直都这么说，就像我们的业务始于早期阶段，也终于早期阶段。 所以，你知道，这在成长阶段为我们提供了大量优势，包括在准入、信息、知识、关系等方面。我认为，你知道，我们的早期阶段合伙人可能也会说成长业务为他们提供了好处，因为它允许我们随着时间的推移扩大规模并深化与创始人的合作关系。这有助于在早期阶段赢得交易。

Jen Kha：是的，完全正确。而且你不能，两方面都有。你不能只做早期，也不能只等到后期。 所以你之前的观点，看起来越来越多的机构正在向少数几个名字聚拢，这可能是真的。因为，你知道，再次提到这种幂律动态，但同时，几乎大多数那些所谓的标志性投资，我们必须在早期阶段获得，因为这是我们保持球权控制权并参与按比例权利乃至更多的唯一方式。所以这显然是业务...

Aram Verdiyan：我们坚定地相信，最强的后期阶段投资机构背后都有一个强大的早期阶段投资机构，就像赢得交易的能力在你拥有早期阶段投资机构时会成倍增加。 是的，就是这样。我们谈到后期阶段的规模，不管你的后期阶段基金规模有多大，如果你能在规模上将基金的5%到10%投入到一家定义品类的公司中，你能做到这一点的方式，是因为你有一个早期阶段的投资机构，在早期就与企业家和管理团队建立了关系，作为一家全新的后期阶段机构进来写一张5亿美元的支票真的很难。

David George：不，这非常难。我已经经历过那个世界了。

第7章：风险投资自2000年代以来的结构性变化

Jen Kha：从有限合伙人的角度来看，你认为风险投资从根本上来说，或许在结构上与你刚开始职业生涯时相比有哪些不同？你是怎么看待这个问题的？另外，你如何看待风险投资内部的资产配置问题，因为在考虑投资组合构建时，风险投资内部实际上也存在细分类别。

Aram Verdiyan：是的，我的意思是，用一种非常简单的方式来说，在我们看来，做风险投资有四种方式：Pre-seed阶段。可以想象一下规模低于1.5亿的基金，仅在美国就有一千家、接近两千家。然后是我们谈到的"混乱中间地带"，那里也有很多公司，不是几千家，也有几百家公司。再然后是大型机构。最后是专注于后期阶段的机构。所以一共有四种方式来参与其中。

几十年来，我们一直在投资较大的机构。我们也投资过种子阶段的公司，在"混乱中间地带"我们有选择性地投了几家，但我们没有涉足专注于后期阶段的投资。是的，原因就是我们之前谈到的那些。

那么它是如何变化的呢？人工智能实际上正在让我们的工作比以往任何时候都更难。 它让工作变得更难，是因为融资轮次普遍规模更大，速度也更快。行业内正在发生的增长势头令人困惑，而困惑的原因在于：

你可能会遇到这样一家公司——我其实很好奇听你说说这个，因为我们经常听到这种情况——一家公司从某个加速器出来，一个月内ARR从0做到了500万。 一个月。是的，那家公司还没有经历过一个完整的续约周期。但他们就凭着这个增长势头，以极高的估值倍数在融资。

而且很多时候，他们可能是在一个同期群体内部互相销售，这甚至算不上真正的ARR，但他们把月收入乘以12来计算。然而，每九家这样的公司里，就有一家真正特别的公司，有着几百万的真实ARR。 以巨大的估值，最终会成为下一个Cursor。

所以，今天要真正分辨出什么是真实的增长势头、什么不是，确实非常困难。 估值非常高。这就是为什么大型机构表现出色的原因。我实际上认为它们可以等待，或者它们对下一轮融资有足够的相对确定性，然后主导那一轮。但即便如此，也没有太多确定性。当你们投资Cursor的时候，我认为也没有太多确定性。有多少个月，人们一直在说Cursor已经死了？

Jen Kha：哦，就连收购公告发布的那天早上，人们还在说Cursor已经死了。我心想，他们刚刚宣布将以6000万美元被SpaceX收购。

Aram Verdiyan：如果我说错了请纠正我，ARR 300万，融资4亿美元，或者大概在那附近。是的，是的，大概是那样。是的，就是这样。很多人会说，这太疯狂了。他们为什么要这么做？

David George：好吧，你看，创始人的判断力是非常重要的事情，对吧？ 所以，随着时间的推移去了解创始人，花大量时间与他们相处，观察他们的思维方式——我倾向于认为，尤其是我的早期阶段合伙人在这方面相当擅长。其次，要分辨真实的与那种具有误导性的增长势头确实很难——所谓误导性，是指你无法从中获取市场信号，并不是说任何人在刻意误导。

Jen Kha：可能也有一些这种情况。

David George：是的，可能也有一些。但我要回到——

Jen Kha：我就喜欢时不时地有人出来帮忙重新定义ARR到底是什么意思。我心想，这真是一个非常有帮助的公益提示。

David George：这确实总是很有帮助。是的。但我要回到的问题是，市场是否在要求你的产品更多？ 这始终是那个关键问题，贴在我电脑屏幕上的便利贴上。

Aram Verdiyan：但是，当一家公司只运营或销售了几个月的时候，你怎么知道这一点呢？

David George：你没办法靠财务分析来做到这一点。你必须真正深入了解客户，与客户交谈。然后，你知道，就像我之前提到的关于Harvey的例子。随着时间的推移作为一个例子。对。他们在早期商业上做得非常好，因为他们很聪明，他们做了充分的研究。就像是研究加律师的组合，你知道，他们在早期就获得了一些势头，并且让一些知名律师事务所早期签约加入。但是，你知道，实际使用情况并不是很好。对。所以，如果你看看它的实际部署情况，与AI领域的一些其他软件公司相比，从留存角度来看，它看起来很平庸。不是留存，不，就是实际使用，实际使用情况。现在快进到推理模型出现之后，情况完全逆转了，你可以看到，知道，采用率绝对起飞了，对吧？所以同时发生了很多不同的事情。律师从产品中获得了更多的价值。你可以从使用情况和参与度中看到这一点。然后它变成了，因为它是高效用的使用和参与，它几乎从之前的那种状态完全翻转了，之前是"哦，我们害怕幻觉之类的问题"，变成了不，每个客户实际上都在要求律师事务所使用这个产品。所以，你知道，我认为我们寻找这样的市场。我们试图尽早抓住它们，比我们在Harvey那时更早地抓住它们。但是，你知道，这就是我们寻找的那种信号。你必须深入挖掘，对，每个人都可以做队列分析，每个人都可以查看续约数据，但是真正理解市场的纹理，以及客户在他们的替代选择中真正想要和需要什么，我认为，你知道，这就是你做决策的方式。这就是为什么拥有早期阶段的业务如此重要，因为他们在技术和产品方面钻研得最深。而且他们，你知道，他们显然在cursor中看到了这一点，他们在许多其他事情中也看到了这一点。

Aram Verdiyan：Jen，最大的阻力是什么？我的意思是，你是我认识的最多产的融资人。那么阻力是什么？

Jen Kha：你让我觉得在这家公司非常有价值地受雇。

David George：我同意你是一位多产的融资人。

第8章：我们是在接住一把下落的刀吗？当今LP的情绪

Aram Verdiyan：你从LP那里得到的关于AI现状、风险投资现状最大的阻力是什么？

Jen Kha：很多都是担忧，你知道。我们是不是在接住一把下落的刀，就像市场时机的问题，我们现在所处的位置，比如说事情是否过热，等等。 所以我们在一开始就谈了很多关于估值和潜在市场的问题。但我确实从LP那里得到很多这样的感受，他们的工作也即将发生根本性的变化。你之前提到了其中一个方面，关于AI让评估机会和基金变得更具挑战性。但另一个方面是，LP在历史上在某些方面其实并没有被激励去真正拥抱变化，对吧？你知道，这份工作的最终目标实际上与GP的风险承受能力在某种程度上是截然相反的。这只是行业的运作机制。但是，我经常说，你知道，GP可能因为错过了下一个Facebook、下一个Uber而被解雇，对吧？那是遗漏性错误，那是可以被解雇的。但LP恰恰相反，只有当你投资出问题的时候才会被解雇。 所以在某种程度上，激励结果实际上是完全相反的……

Aram Verdiyan：如果你是LP，投资IBM是不会被解雇的。

Jen Kha：正是如此。事实上，你甚至可能因为根本不投资而不被解雇。所以……

Aram Verdiyan：如果你错过了前沿模型，回到你作为LP的第一个问题，但你的表现大致跟上了基准，对吧？也许略低于基准，你还是能保住工作，对吧？

Jen Kha：是的，而且对于大多数人来说，我把基金中的基金排除在外，因为那是另一回事，但对于很多人来说，上行空间实际上对他们来说并不那么有吸引力。 所以那种"嘿，你会错过下一代潜力"的推销，这是激励错位。这实际上是相当直接的。那么，从LP的角色来看，我们接下来该怎么做？我认为我们也有重要的角色和功能。我们在谈到作为风险投资行业领导者的工作时，我们必须帮助人们了解未来的走向。其中一部分是了解如何渗透，不仅仅是在他们的风险投资配置中，而是在他们的整个投资组合中。我认为，这比仅仅说"嘿，你可能会错过下一代回报"，或者优化下一个前沿模型，或者一两家幂律公司等，要有趣得多。

Aram Verdiyan：LP所做的是渠道获取、筛选和规模配置。你可以说，你有数据来找出在3000家公司中哪20家历史上表现良好。你不会看到一致性，对吧？也许其中一半是一致的，但LP的工作也是找到下一代公司，同时继续获取最优质的资源。 所以一是获取渠道，二是筛选，三是投资组合构建和规模配置。从LP的角度来看，这是至关重要的。因为如果在3000家公司中只有20家表现良好，你应该相当集中地投资于那15到20家公司。 所以当我看到一个拥有50、60、70家风险投资公司的投资组合时，我很难想象整体投资组合能产生高于平均水平的回报。再说一次，我回到风险投资的平均水平，那实际上相对于其他资产类别——公开市场、私募股权——来说，流动性的吸引力并不够。私募股权可能在没有锁定期、没有风险投资所承担风险的情况下，给你带来1.5到2倍的净回报。你谈到了60%的亏损比率，私募股权没有这个问题。 私募股权在AI软件方面有其他问题，我们今天可以谈到。所以对于LP来说，投资组合构建和规模配置是至关重要的。我见过太多次LP或配置者找到一个有趣的基金，实际上判断正确，却只把他们基金的1%投入其中。很好，你获得了10倍回报，那只是你基金的10%回报，根本不会产生任何影响。

David George：你们认为，Jen所谈到的这种演变，在今天处于什么阶段？我知道你们有偏见，但风险投资和成长型投资在整体资本配置中的适当比例，与私募股权、公开市场、实物资产、信贷等相比，应该是多少？

Aram Verdiyan：是的，这对我来说很难回答，因为我做的全是风险投资和成长型投资。所以我会有偏见地说，应该大幅增加配置。

Jen Kha：不过我们喜欢这个答案。

Aram Verdiyan： 看看今天的公开市场。我们用"vibe coding"的方式创建了一个很好的工具，帮助我们评估AI韧性。针对上市公司，现在我们也在私募市场做同样的事，这对我们的成长型股权投资组合帮助巨大。但在SaaS公开市场中，最多只有15到20家公司的市销率超过10倍，这个数字本身就很疯狂，因为几年前还有几十家。而那些公司中，几乎每一家都在展示AI带来的增长加速。比如你在做安全监控、智能体部署等等。所以这又回到了同一个原则：如果你以某种形式与AI挂钩——而AI是GDP各组成要素中增长最快的部分——那么你就应该在投资组合中超配它。

这将对公开市场产生影响，甚至今天的私募股权在做新投资时，他们也在寻找AI原生的标的。他们不想再去买一家增长10%、依赖种子客户群的工作流软件公司。对，那种情况基本上不会再发生了。他们在寻找的是能够展示加速增长、拥有AI原生管理团队的核心系统。所以，AI这条纽带实际上贯穿了今天的每一个资产类别。而最强的参与方式之一——

我的意思是，可能是通过风险投资。但这正是选择能力、资源获取和投资组合构建至关重要的地方。

Jen Kha： 就连我们谈到的退出案例，比如Silver Lake可能收购Workday，这类事情在私募股权领域变得更加大胆——当你有能力注入AI能力并将这些公司带入未来时，这是一种选择。另一个现实是，风险投资的退出规模现在已经远远超过私募股权。我昨晚专门查了一下数据。

今年私募股权最大的退出案例是对EA的收购，大约500亿美元，还有Medline，也大约500亿美元。再看Cursor——先不算IPO——Cursor被SpaceX收购的交易规模远远超过了这些数字。所以……

Aram Verdiyan： 问题在于，看看ChatGPT之前那批私募股权的投资，你当时可能为一家增长10%到20%的软件资产支付了15到20倍的EBITDA。而今天看公开市场，那类资产的交易价格只有2倍市销率。问题不仅仅是估值，这类公司甚至可能找不到买家——因为今天你看一家软件公司，第一个想到的问题就是：它的终局价值是什么？它能抵御AI的冲击吗？证明这一点最好的方式就是有机增长加速。 我们的数据显示，在公开市场上，增长率每提升1个百分点，相当于EBITDA提升3个百分点。 对。顺便说一句，这很有意思，因为在疫情期间，大家都说"我们要盈利"，那时候是反过来的。而现在又颠倒回来了。

David George： 不不不，是2021年反过来的。对，就是那时候。之后基本上就和风险完全挂钩了，对吧？确实，和公开市场的风险高度相关。

Aram Verdiyan： 确实如此。所以很遗憾，很多私募股权的被投企业增长不够快，没有展示出加速迹象，也可能没有合适的管理团队来彻底改造业务。就像Intercom做的那样——这是个很好的例子——把创始人请回来，全面重塑业务，打造AI原生产品，做大规模，然后出售。这几乎像是在"自杀式"地颠覆自己原有的业务，而这在私募股权中是非常难做到的。

David George： 确实非常难。我不久前和那位创始人待了一段时间，在一个活动上我走过去，给了他一个大大的击掌，然后说："你做到了，兄弟。"他确实做到了。这件事真的极难做到。 现在这还是个例，但你知道，有一批真正优秀的创始人，他们在这些企业里——无论是上市公司还是私募市场——我认为他们会去尝试。我们拭目以待。

第9章：遗留SaaS问题：如何处理旧有资产

Jen Kha： 是的，不过在这个话题上，DG，因为我们有时也会遇到类似的反对意见，就像那些一直在风险投资领域并且已经配置了风险投资的人，他们也可能面临类似的问题——他们确实持有一些遗留的SaaS业务。是的，同样地，你是如何看待这些历史遗留资产的平衡问题的？

Aram Verdiyan： 让我来问你这个问题。我要借着John的问题继续问你。假设你有一家——

选一家2016年到2021年、ChatGPT出现之前那个年代的软件公司，这家公司当时还不错，但现在已经没有AI原生功能了。它没有在加速增长。它在风险投资账簿上的增速大概是30%。估值大概在10到20倍收入。它已经无法上市了。没有人愿意把它推向公开市场。Silver Lake对这类公司也不感兴趣了，一年前他们还感兴趣，但现在不了。这类公司最终会怎样？ 你知道，我们对这类公司有很多敞口。

David George： 好的，你看，我觉得这真的非常因公司而异。我这个周末和我们的一位创始人CEO在一起，他说，给我说实话，你到底觉得现在发生了什么？他还特别对我说，别给我一个"播客式的答案"——这还挺讽刺的，因为我们现在就在录播客。

我认为两件事可以同时成立：AI是我们有史以来见过的最大的一代性变革，它将颠覆各个行业；但与此同时，那些能够适应的软件公司也仍然会有一些持久的价值。

我们一直在密切关注的一件事，也是让我们对AI极度看好的原因，就是AI真正向实体经济的扩散。就拿编程来说，如果你要为普通软件公司和较慢的变革节奏描绘一个乐观的场景，你可能会说：编程领域确实被冲击了，但那其实是一种假象。编程是有完美文档记录的，它有完美的数据，是可验证的，也是可模拟的。但商业中的大多数任务并不具备这三个特点。所以，也许AI向编程以外其他知识工作的扩散会花费更长的时间。这就是为软件公司辩护的理由。其中一些公司会进化，拥有AI解决方案，改变它们的商业模式——我认为这是必须的。但这也是为什么也许事情被有些夸大了的理由。

如果你看看过去六个月许多上市SaaS公司的反应，我认为业界正在逐渐形成这样的认识。

不过，这一切都让我对AI极度看好。如果你看我们的投资组合，我们确实有一些那样的公司，但我们大约95%的净资产价值并不在那些公司里，而是在那些增长非常快、持续加速的公司里。

我认为数据显示，美国每家公司平均每名员工每月在AI上的花费是12美元。而在我们看到的数据集中，前1%的公司每名员工每月在AI上的花费高达7000美元。哇。

所以，不仅AI在编程以外的扩散十分有限，就连从消费token、真正从AI中获取实际价值的用户结构来看，我们现在也还处于非常早期的阶段。

目前，最前沿的银行大概也只是将1%的员工成本用在AI工具上。这让我非常看好的原因在于：这些是我们有史以来见过的增长最快的公司，它们每个月新增的营收超过了那些超大市值科技公司。然而，这一切可能仅仅建立在大约1000万、也许2000万、最多3000万用户的采用基础上。而美国有15亿知识工作者。我认为AI将彻底改变我们大量工作的方式。

Jen Kha：是的，Kalpers 因为没有投资于此而损失了数十亿的收益，这是众所周知的，他们现在正在弥补失去的时间。他们已经将投资组合从91%转变为58%用于风险投资，成长型投资从9%增加到43%。这两者之间可能需要一些平衡，但你知道，他们正在大力押注，但在一些历史性公司中仍然会有很多价值被积累。而且，你知道，我之前开了一些关于"弯道"的玩笑，但对于 Air Table 来说，那可能是一个很好的结果，你知道，除了他们实际上将要剥离业务中的超级代理部分，而且我认为会在其中做一些真正有趣的事情。但从整体来看，我认为很多事情都会找到归宿，而这种零和思维，我认为可能是一个陷阱，我们会建议避免这种思维。

David George：所以我们谈到了风险投资、成长型投资，我们谈到了私募股权，我们也谈到了公开市场。顺便说一句，这些所有类别的构成在过去10年里都发生了根本性的变化。我们也看到了全新类别的出现，这些类别在私募市场中可以获得，比如私人信贷，你对这些类别的相对前景有什么看法？

Aram Verdiyan：特别是在软件领域？

David George：是的，我说的是在科技领域。

Aram Verdiyan：我们所拥有的有利视角是观察私人信贷，它存在于大量私募股权软件投资组合中，规模达数千亿美元。我给你一个统计数据。看看2021年和2022年，大约发生了2到3千亿美元的软件LBO（杠杆收购）交易，其中超过2000亿美元的债务被提取出来。这些软件交易的平均估值为EBITDA的25到32倍。这些公司今天的价值可能只有当时的一半。你在信贷市场和私人信贷中看到赎回的原因正是如此。他们在关注公开市场，经历了所谓的"SaaS末日"，软件领域经历了大规模的价值修正，你可以看到估值的收缩，这意味着杠杆比率急剧上升。所以，如果你是一家对人工智能不够具有抵御能力的软件公司，我认为你在股权层面和信贷层面都面临挑战。

第10章：为什么"AI私募股权"不是万能药

Jen Kha：顺便说一句，即使是私募股权的AI版本也不是完全免疫的。我们经常谈到，你知道，就像你把西尔斯百货搬到网站上并不能让它变成亚马逊，对吧？你必须从头开始打造亚马逊才能获得那种优势。从基础架构上来说，要把它做成亚马逊，不仅仅是建个网站那么简单。在很多情况下，那些现在只是简单地注入AI的私募股权支持的公司，我们在我们自己的一些公司里也看到了这种情况——同行竞争对手会说，哦，我要做的第一件事当然是雇用AI客服人员，因为那就像是唾手可得的果实。结果发现，如果你没有真正地把工作流程整合进去，如果客户习惯了和真人交谈，你就会很快流失客户。而且每一分钱，NPS（净推荐值）的每一次下降都与营收的下降直接相关。然后你就开始陷入螺旋式下降，尤其是如果你还背负着债务的话。 所以很多时候，我们有时会听到有人说，好吧，我只要做那种AI版本的私募股权就行了。这并不是创造回报的万能药，尤其是当从技术角度来看，真正地将AI全面融入公司这件事本身就是完全不同的另一回事。

Aram Verdiyan：是的，你不能只是派一个运营合伙人去公司，然后说，我们给它加上AI就行了。这根本行不通。是的，你需要彻底地重新来过。 而且顺便说一句，如果管理团队确实具备创始人思维，这是有可能实现的，但董事会必须保持一致。是的，所有投资人都必须保持一致，而且你确实需要像我们公司那样做出一些非常艰难的决定。

David George：所以显然这是一个非常支持风险投资和成长型投资作为一个类别的群体。让我们来谈谈对它的合理反对意见，以及为什么你所承担的风险，或者说风险投资和成长型投资中存在的任何风险，可能不值得去承担的理由。

Aram Verdiyan：我的意思是，我们经常收到的反对意见是关于流动性的时间线。平均来说，一只独角兽通常要在私有状态下存续10年以上。然后你会看到所有这些后续融资轮次一个接一个地快速发生。你可能会在5、6家不同的机构里看到同一个名字。问题是，你怎么退出？所以……

Jen Kha：而且IPO实际上并不等于分配（变现）。

Aram Verdiyan：在IPO之后，你可能需要12个月、24个月甚至更长时间才能真正获得流动性，尤其是如果你在IPO时持有10%、15%的股份，如果你投资的是一家跨代际的伟大公司，那将需要很长时间。所以我们在流动性时间线方面经常收到这样的反对意见。

David George：那么对于这种反对意见，有什么反驳呢？

Aram Verdiyan：好吧，反驳意见要回到那3000家机构，其中只有20家能持续表现良好这一点上。如果你身处那些机构中的前1%，并且你投资了一个品类赢家，你要确保它真正实现复利增长。 你会想在3、4年前卖掉Stripe、Databricks或者其他那些公司吗？答案是一致的：不会。现在，这些公司中有没有可能比现在更早上市的？当然有。Anthropic最早是在2021年获得融资的，大约五年后即将上市。是的，Cursor从首次被收购，从首次获得基金融资到被收购，时间很短。是的，所以最好的风险投资机构实际上能实现基金级别的流动性回报，速度相当快，甚至可能比私募股权还要快。但这样的机构只是极少数。

Jen Kha：实际上，大约一年半前，有一件非常著名的事情，我们去找了我们基金1的LP们。那个时候，基金1已经成立了16年，我们持有一个在种子阶段就投资的Stripe的头寸。我们问所有的LP们，嘿，你们想要在这上面套现流动性吗？我们意识到，你知道，我们当初要做的工作现在已经完成了，16年了，你们想要拿回流动性吗？而那些LP们每一个人都说，不，我们宁愿让它继续复利增长。然后最终，一年后，你知道，我们决定退出，因为已经17年了。我们必须把这个流动性释放出来，我们必须结束这个基金，等等。但是，你知道，很多LP们——我认为这非常具体，取决于特定的类别，对吧？捐赠基金更愿意让它继续运行。家族办公室，坦率地说，不想要把钱拿回来，因为他们不想为此缴税。他们宁愿让它继续复利增长。 所以每个LP群体都有其特定的细微差别，很难用一把大刷子笼统地说所有人都想要同样的事情。但我也认为，就你的观点而言，最优秀的LP们——不好意思，最优秀的GP们，一路上都在制造流动性，尤其是在2021年，当很多人没有及时套现的时候，你知道，我认为那是第一个指标的一个好兆头。而在下一个周期中，关键在于你是否真的能够通过并购提前获得一些流动性，然后随着时间的推移，让潜在的赢家通过IPO上市，同时也享受充分的复利效应。

David George：是的，完全正确。

Jen Kha：我要以这个话题结束，因为我觉得这是一个很有意思的问题，你和Gavin之前来回讨论过，他不想回答下一个10万亿美元公司会是谁，但他对下一个20万亿美元市值公司会是谁非常确定。所以我要问你们两位，你们认为下一个100万亿美元市值的公司会是什么？

David George：哦，我的天哪。来了。我甚至无法想象那些事情。是的，那可能不只是一个科技周期，而是两个科技周期之后的事情。完全有可能会有全新的公司被创造出来。我认为你所说的那些能够推动10万亿美元或更多结果的市值创造，将会来自那些尚未被触及的新产品领域，对吧？所以，就像我说的，技术向企业的扩散，我们还差得远呢，对吧？你知道，一年前，大家一直在谈论消费者端，现在没人再谈消费者AI了。但消费者的最终使用场景不会是一个聊天机器人界面，那只是拟物化的版本。我们将会有一个原生版本，它将是主动式的，将代表我们完成工作，将为消费者创造大量价值，而我们在这方面几乎还没有起步。我是说，是的，有，你知道，十亿聊天用户，但那只是冰山一角。我们在机器人技术上几乎还没有起步，但我认为机器人技术将会比语言类的东西更大，而且我认为这将在未来10年内发生。我们在自动驾驶上几乎还没有起步，对吧？美国在运营的Waymo不到一万辆，自动驾驶出租车更少。而且，在这个领域还有很大的空间供其他人建设。医疗保健占GDP的18%，无论是在医疗服务交付还是在药物研发方面，我们几乎还没有触及表面。我是说，有一些公司正在努力，显示出一些早期的进展迹象，但我认为我们在未来10年取得的进展将是巨大的。然后，你知道，我们正处于一个有趣的时代，重新想象所有物理世界的事物，从国防到制造业再到数据中心。所以我看着所有这些趋势的汇聚，我想，是的，也许感觉我们已经在AI上做了很多了，但10年后，我们回头看会说，哦天哪，那些其他主要领域创造了大量的价值。所以我很兴奋，我认为下一个SpaceX、AI或OpenAI可能将会被创造出来，而且它们可能会在这些类型的领域中诞生。

Aram Verdiyan：是的，是的，我会补充一个类别。对我来说，这既是一个担忧，也是一个巨大的机遇。这也是为你的新基金做个宣传。关于你做的机会基金，我非常简单地思考，今天AI的瓶颈不在于需求端，而在于供给端。所以你有能源、电网、数据中心，然后是芯片，然后是前沿模型和应用。美国在这条链的右侧非常出色，比如芯片及其之后的部分，是的，风险投资生态系统对此支持得很好。我认为你的新基金也将真正帮助到左侧，因为美国的问题不在于能源生产，而在于通电速度。是的，那涉及到许可、输电、监管问题。其他国家每年的可再生能源容量是美国的10倍。

第11章：真正的瓶颈：数据中心、芯片与机器时代

Aram Verdiyan：所以这是一个真实存在的瓶颈。这意味着需要重新构想数据中心。你谈到密度要提升10倍以上。你不能只是把旧的数据中心改造成新的AI设施。所以这正是你们新基金可以发挥作用的地方——不是创造105亿，而是千亿级别以上的机会，真正解决这个瓶颈。

我认为这是一个真实存在的问题，因为需求不是问题所在。我听到很多有限合伙人说这像是互联网泡沫，或者像是新冠疫情时期。但事实并非如此，因为这种增长势头是真实的，不像新冠时期那样是昙花一现的收入。瓶颈可能在于供给。但如果你拥有正确的投入，比如你们现在的基金——支持那些下一代芯片公司、内存公司等等，这将是一个巨大的机会。

Jen Kha：机器时代到来了。让我们迎接机器吧。

David George：我喜欢这个说法。

Jen Kha：好的，就以这个结尾吧。非常感谢你们两位。这次真的非常有趣。

Aram Verdiyan：谢谢你。

David George：谢谢你。

Jen Kha：太棒了。再见。