9月10日，a16z 发了一期播客，节目名字起得四平八稳——《How AI Is Rewriting the Power Law of Venture Capital》（AI 如何重写风险投资的幂律）。屋里三个人聊的东西一点也不平静：a16z 合伙人 Jen Kha 主持，成长基金合伙人 David George 坐在一边，另一边是他们的长期 LP、Accolade Partners 合伙人 Aram Verdiyan——十年前他还是 a16z 的员工，这次回老东家，算是故人重逢。
聊到一半，Aram 报了一个数：美国 3000 家风投机构里，过去二十年持续做到 3 倍净回报的，只有 20 家，不到 1%。Jen 当场让他再说了一遍，确认自己没听错。而行业平均回报，过去十年只有 1 到 2 倍，钱还得锁上十年。
这一小时的对话，本质上在回答一个问题：AI 会不会把这个局面推向更极端？三个人的答案高度一致：会。而且不只是风投——从 LP 到私募股权到公开市场，整个投资行业的旧规矩正在被逐条作废。资本第一次能直接换成算力、复利放大公司的优势；AI 收入 4 年干到 1000 亿美元，SaaS 走同样路程用了 15 年；旧软件公司的账算不回来，新钱的新泡沫也识别不出来；而真正的瓶颈根本不在需求侧，在供给侧——能源、电网、数据中心。
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，幂律效应显然比过去 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。
Jen Kha（开场）：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。
Jen Kha：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。
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。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特别令人惊讶。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。
"有史以来第一次，你可以把资本砸向一家公司，而资本会复利放大这家公司的优势。"
—— David George · a16z 成长基金合伙人
Jen Kha：那么，Aram，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。为了庆祝你的 10 周年纪念，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，特地做了这个超大版本，就是为了留作纪念。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。
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。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：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。SaaS 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。
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：你在 2019 年离开 GA（General Atlantic）时就有了这个洞察——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、收入达到 1 亿美元你就 IPO 了。
David George：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：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，也有很大一部分流向了初创公司和新兴公司。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。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 SaaS 或医疗 IT 大 10 倍以上。
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。就像每次浪潮，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：我也一样。你想想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（法律 AI）。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。
随着 AI 使用的兴起，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。这就是全部的重点。
Aram Verdiyan：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。
有一个描述是类似"一切都会成功"这种观点。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。
Jen Kha：把它提炼出来。为什么人们认为这会是赢家通吃？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。
David George：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。
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。如果你回到 20 年前，CRM 其实不是一个真正的类别，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。
再说一遍，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。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：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。
Jen Kha：其中也隐含着时机的问题。Aram，你和我都为此感到惋惜。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。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。
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：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——如果你持有足够多的份额才行。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。"
—— Aram Verdiyan · Accolade Partners 合伙人
Jen Kha：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？什么是中间层？
David George：那些高度专业化的基金，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，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。然后还有大型的、大规模的风险投资——我们有很多产品线，可以从种子轮一直扩展到你上市为止。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——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。他们也关心合伙人这个人，所以在乎一个具体的人。
这就是为什么我们建立了大量资源，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。
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，因为这有重要的品牌信号作用；第二，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。这就是飞轮在我们业务中的运作方式。
Aram Verdiyan：有一个理论，好奇听听你们两位的看法：那些估值低于 2000 万、3000 万、4000 万美元的、基金规模低于 1 亿美元的基金，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，像 a16z 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。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。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。但 Pre-seed 肯定是比我们通常会做的更早，我认为它更像是一个更大的大种子轮。
Jen Kha：市场正在演变，因为创始人对品牌有如此强烈的偏好。有时对我们来说做 Pre-seed 和种子轮确实有意义。创始人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。但这也非常重要——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：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，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：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——我们的业务始于早期阶段，也终于早期阶段。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。
Jen Kha：你不能只做早期，也不能只等到后期。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。因为这种幂律动态，但同时，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。
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，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。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。
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？另外，风险投资内部实际上也存在细分类别。
Aram Verdiyan：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。
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。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——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。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——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 600 亿美元被 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。很多人会说，这太疯狂了。他们为什么要这么做？
David George：创始人的判断力是非常重要的事情。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。就像我之前提到的关于 Harvey 的例子。他们在早期商业上做得非常好，因为他们很聪明，做了充分的研究——研究加律师的组合，他们让一些知名律师事务所早期签约加入。但是，实际使用情况并不是很好。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。
现在快进到推理模型出现之后，情况完全逆转了。采用率绝对起飞了。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。然后它从那种"哦，我们害怕幻觉之类的问题"的状态，完全翻转成——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。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，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。
Aram Verdiyan：Jen，最大的阻力是什么？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。
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。我们是不是在接住一把下落的刀？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。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。
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。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。我经常说，GP 可能因为错过了下一个 Facebook、下一个 Uber 而被解雇，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。
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。
Aram Verdiyan：如果你错过了前沿模型，但你的表现大致跟上了基准，也许略低于基准，你还是能保住工作。是的，而且对于大多数人来说，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，是激励错位。
从 LP 的角色来看，我们接下来该怎么做？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（继续）：LP 所做的是渠道获取、筛选和规模配置。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，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。我再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。
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。
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，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，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。
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。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。
Aram Verdiyan（继续）：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。
Jen Kha：在这个话题上，DG，因为我们有时也会遇到类似的反对意见。那些一直在风险投资领域并且已经配置了风险投资的人，他们确实持有一些遗留的 SaaS 业务。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。假设你有一家 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：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。
"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。"
—— David George · a16z 成长基金合伙人
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 1.5 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，CalPERS（加州公务员退休基金）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，我之前开了一些关于"弯道"的玩笑，但对于 Airtable 来说，那可能是一个很好的结果——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：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？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。
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，就像你把西尔斯百货搬到网站上并不能让它变成亚马逊。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：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。你需要彻底地重新来过。而且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，所有投资人都必须保持一致，而且你确实需要做出一些非常艰难的决定。
"把西尔斯（Sears）放上网站，不会让它变成亚马逊。你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。"
—— Jen Kha · a16z 合伙人
David George：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，可能不值得去承担的理由。
Aram Verdiyan：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？
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：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。Cursor 从首次获得基金融资到被收购，时间很短。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：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，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，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。
但是，很多 LP 们——我认为这非常具体，取决于特定的类别：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 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。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。
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。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。
就像我说的，技术向企业的扩散，我们还差得远呢。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，有十亿聊天用户，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——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，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：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：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。
Aram Verdiyan：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——芯片及其之后的部分，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。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。
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——不是创造百亿级别的价值，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。
—— 整理自 The a16z Show《How AI Is Rewriting the Power Law of Venture Capital》（2026 年 9 月 10 日）。整理｜犀牛伯爵。
本文为录音整理稿，未尽之处以原播客为准。如需引用，请注明出处：犀牛伯爵 rhinocount.cn。