摘要

AI 原生增长可以让骇人的现金消耗看起来具备资本效率，但烧钱倍数已不再是即插即用的估值工具。 ICONIQ 数据显示，ARR 低于1亿美元的 AI 原生公司自由现金流率为-126%，非 AI 软件公司则为-56%；但 AI 公司的极致增长，可能让每1美元风险投资换来更多 ARR。讨论提醒，ARR 质量、隐性流失、变化中的毛利率和资本开支，都可能扭曲比较。Harry 的框架仍然适用：「所有比率都不对，但有些比率有时仍然有用。」
2025年，现金余额比漂亮的效率比率更重要，而一家只有“还不错”的1500万美元 ARR 公司，可能对 VC“价值为零”。 Jason 说，风险投资要么按“希望”定价，要么按当前倍数定价；无法可信地走向大型 IPO 的次规模公司，会失去让 VC 在意的上行期权。他给一家 ARR 为1500万美元、增长100%、有人愿意以2.5亿美元估值投资的公司建议：「现在就接受这笔交易。」
在 AI 领域，成为品类领导者更重要，因为资本、买方信任和品牌认知会共同复利，最终形成一堵资金之墙。 Ketty 的长期市场份额经验法则是：商业市场中第一名拿下67%，第二名20–30%，第三名10%；她的经营推论也很直接：「如果你不是第一名，就别按第一名的方式花钱。」一家领先投资机构投出的第一笔2000万美元，可能吸引另一批投资者追加6000万美元，让声誉优势变成一场经济实力悬殊的战争。
如今的 AI 估值，只有在软件攫取了劳动力支出的巨大份额，或市场接受一次规模巨大的重置时才站得住。 Harry 提到，ARR为2500万美元的公司估值可达50亿至100亿美元，xAI 估值300亿美元，Mistral 估值100亿美元，但几乎没有收入。讨论认为，要么生产率和收入爆发式增长，推动 OpenAI 走向2000亿至3000亿美元收入；要么当前估值将被证明错了“一个数量级”。投资者必须分别把公司选择和入场价格判断正确。
公开市场依然慷慨，但这份慷慨正是支撑私募估值的基石。 Figma 自 IPO 首日以来下跌63%至约53美元，市销率仍在26倍左右；头部上市 B2B 公司平均增长约30%，ARR 约为20倍，而历史中位数更接近未来收入的六七倍。如果这个锚回归到七八倍，「所有东西都会跟着往下漂。」
OpenAI 可能赢下 AI，但不必兑现目前围绕它所嵌入的每一项万亿美元基础设施假设。 讨论中的计划意味着，8年后能源容量可能是现在的125倍，甚至超过印度当前的供给；仅一项100亿瓦的 NVIDIA 承诺，耗电量就超过纽约市。Harry 认为 Sam Altman 正在「把这1万亿美元凭空变成现实」，但系统最终可能只走到4000亿至7000亿美元；Ketty 的区分是，愿景路线图并不等于采购订单，不能据此让所有人借钱下注。
AI 对旧 SaaS 收购模型发动了双重攻击：产品可能迅速过时，智能体也不需要人类席位。 Pipedrive 曾花4年才推出移动应用；如今，一家公司如果花这么久才交付 AI copilot，就会「彻底失去机会」；甚至产品与市场的契合，也可能随着模型变化而反复打开和关闭。Jason 自己的业务运行着12个智能体，却只需要2个 Salesforce 席位，这让静态产品和可预测的席位扩张，对风险投资和私募股权承保都不再那么可靠。

精读

1. 超高速增长让糟糕的现金利润率看起来也有效率

Jason 以 ICONIQ 的73页软件报告为起点：ARR低于1亿美元的 AI 原生公司，自由现金流率为-126%，显著差于非 AI 软件公司的-56%。但由于 AI 公司增长极快，它们的烧钱倍数仍可能更低——加力燃烧器很贵，但公司更快达到「Mach 10」。
Jason 的简化例子是：花2美元新增1美元 ARR，按10倍 ARR 估值，那么这笔支出理论上创造了10美元市值。这是「一种很奇怪的倍数，越低越好」：1倍胜过2倍，而负数可能意味着公司已经盈利。
Jason 用 Lovable 做的思想实验进一步说明了这一点：即便公司融资2亿美元后每月烧掉600万美元，只要能增加3亿美元 ARR，看起来也可能很有效率。对风险投资而言，理论吸引力在于杠杆——每烧掉1美元，就换来更多能够支撑估值的经常性收入。
这个指标仍适合比较不同规模、不同增速的公司，但讨论否定了机械使用它的做法。它过去最适用于采用按席位收费、毛利率80–90%、资本开支极少、企业客户流失率低的 SaaS 公司；这些简化条件已经不再成立。

2. ARR 质量和现金余额可以让漂亮的比率失效

Jason 拆解了第一个隐藏假设：披露的 ARR 必须是真实的。高速增长可以掩盖流失，因为公司 ARR 为200万美元时获取的客户，相对于如今1000万美元的基数已经很小；因此名义净 ARR 看起来很强，但底层客户黏性仍未得到验证。
毛利率变化会造成另一重扭曲，尤其是在 token 成本占比很高时。烧钱倍数也忽略资本开支；这对每一家 ARR 1亿美元的应用公司未必重要，但模型开发商一旦承诺投入数十亿美元算力，就显然无法忽略。现在比较不同类型的业务，会给系统引入「多得多的噪声」。
Jason 更偏好的诚实检验是 GAAP 收入：如果 ARR 据称从200万美元升至1000万美元，就要核对确认的 GAAP 收入运行率是否也出现类似的1月至12月增长。这个比率仍然有效，但必须与会计数据、客户 cohort 留存、利润率和资本开支分析结合起来。「我们已经不在堪萨斯了。」
绝对流动性会压过理论上的可融资性。漂亮的烧钱倍数说明公司创造了风险投资价值，理论上应该能融资；但银行里的现金决定公司能否活下去。Rory 反复听到创始人只展示这个比率、却不说现金余额时的反应是：「好棒，你可以有一个很棒的烧钱倍数，但周五还是可能没现金。」

3. 风险投资如今要么按希望定价，要么按当前基本面定价

Jason 的框架非常明确：「一笔交易只有2种定价方式：按希望定价，或者按倍数定价。」只要未来增长可能证明估值合理，希望就能支撑看似非理性的价格；一旦投资者退回当前基本面，次规模收入几乎没有风险投资式的期权价值。
Jason 举例说，一家收入4亿美元的公司可以按4倍收入估值，得到16亿美元估值。一家收入1500万美元、增长合理的公司可能「对 VC 价值为零」，因为今天的收入不足以支撑 IPO，而投资者也不再相信它能从这里走向一个足够大的结果。
Ketty 指出，这不代表 AI 之前的软件没有价值。今年迄今15家 IPO 中有10家几乎没有 AI 故事，近期许多 IPO 公司成立时间也接近10年。更难成立的命题，是今天按1000万美元估值资助一家公司的同时，假设它经过7或8年的复合增长最终能够 IPO。
Jason 称，仍在流传的2021年建议「几乎是在无意中带毒」。角色扮演中的公司是一家 AI 加持的杯子公司，ARR为1500万美元、增长100%、烧钱比率良好；如果一位可信投资者愿意以2.5亿美元估值领投一轮，董事会不该为了优化价格而拖延。「三倍、三倍、两倍、两倍，或者更好」已经不再保证市场需求。

4. 现金稀缺正在把好公司与可融资公司区分开

Rory 同意，一家收入翻倍的非 AI 公司仍然可以非常优秀，但吸引到的资本会少得多。他的建议是，以合理价格完成一轮融资，继续增长，并保持资本效率：创始人最终可能证明市场错了，但未来几年应该按「现金非常他妈紧张、非常稀缺」来经营。
Ketty 认为，AI 与非 AI 的区别正在消失。ICONIQ 报告称，94%的上市软件公司把自己描述为 AI 公司，大多数都会提到智能体；Adobe 则称其 AI 影响收入达到50亿美元。投资者越来越假定，每一家可信的软件公司都包含智能体或 AI 层。
这种普及并没有消除筛选，反而让筛选更加重要。市场仍在资助网络安全、金融科技、B2B 和消费公司，但仅仅贴上 AI 标签远远不够，因为资本正集中到少数被认为能够突围的公司。Jason 在讨论前面提到，70%的风险投资资金流向了不到20笔交易。

5. 王牌机构背书同时制造品牌势能和资金势能

Harry 观察到，如果公司在 Harvey 或 Abridge 这样的「王牌」领导者之后排名第二或第三，可能根本难以融资。Ketty 接受这种影响，但拒绝把它当成普遍否决项：当早期客户本身就是与硅谷关系密切的创业公司时，顶级机构背书最重要；但如果客户来自油气行业，可能几乎分不清 Sequoia 和 Kleiner Perkins。
AI 放大了品类品牌的作用，因为买方手里有了新的预算，也承受着迅速行动的压力。Ketty 举例说，一位客户在 Bolt 和 Lovable 之间做选择：两家公司都进入了考虑范围，但 Lovable 没有回电话，Bolt 则提供了人和信任。买方不会再像实施 Salesforce 那样等待5年。
Ketty 对成熟市场的经验法则非常残酷：在商业软件中，第一名可能拿下67%，第二名拿20–30%，第三名拿10%，其余公司几乎无关紧要；消费市场的集中度甚至更高。因此，公司能够占据领导地位的更窄细分市场，可能比大品类中的第四名更有价值。
王牌机构真正的优势是反身性的资本。一个从知名机构拿到2000万美元的公司，可能在3个月后再从跟投者那里拿到6000万美元。Ketty 因此修正了最初的纯粹判断：钱本身无法制造赢家，但一个有差异化的挑战者如今必须击败的，是「资金之墙」，而不只是最初那笔投资。

6. AI 估值编码了一种全有或全无的劳动力替代命题

Harry 提到的「疯狂巅峰」证据包括：ARR为2500万美元的公司估值50亿至100亿美元，xAI 估值300亿美元，Mistral 估值100亿美元，但几乎没有收入。他的另一种解释是，投资者可能仍在低估从人力预算转向软件的规模。
Harry 描述了未来5至7年的两条路径。要么 AI 创造巨大的生产率提升，OpenAI 等公司以异常快的速度达到2000亿至3000亿美元收入；要么 AI 依然重要，但估值将经历一次「让你头疼」的重估。如果没有劳动力替代，当前价格就错了一个数量级。
Jason 倾向于认为技术方向是对的，而且仍处于早期：他的团队已经用 AI 智能体替代了11个人，他认为 B2B 机会「才刚刚开始」。他担心的是组合构建——风险投资基金是否正确建模了有多少高估值独角兽可能崩溃，或无法产生风险投资回报。
讨论区分了公司选择风险和入场价格风险。Rory 警告，Alexandr Wang 的收购可能变成一个异常先例，被用来为之后的价格辩护；Jason 则引用 Irving Fisher 在1929年那句不幸的判断——市场处于「永久更高的平台」。

7. 公开市场的慷慨正在托住私募估值阶梯

Figma 同时展示了质量风险和价格风险。它自 IPO 首日以来下跌63%，股价降至约53美元，但市销率仍接近26倍。Jason 并不是说 Figma 很弱——「它已经接近最好的公司」——而是说，开盘上涨250%之后，自然会留下痛苦回撤的空间。
头部上市 B2B 公司当前按约20倍 ARR 交易，平均增长只有30%。Rory 将其与2019年之前的心理基准作对比：增长约30%，对应未来12个月收入的六七倍。那时投资者会搭建一条估值阶梯，为60%、100%或200%的增长逐步支付更高价格。
如果30%增长这一锚点因为公司创造了更多现金而确实应该更高，估值阶梯或许能维持；如果它回归七八倍，所有增长更快的私营公司参照物都会跟着下跌。Rory 把这个锚比作10年期美债：当基石价格移动时，与之相连的资产不可能毫发无伤。
Klarna 和 StubHub 交易疲软，应该让 IPO 买方要求更高折价。如果成熟的上市同业按未来收入10倍交易，新上市、尚未经过市场检验的公司可能需要按8倍、甚至如今的7倍定价来补偿风险。这可能降低卖方意愿，但 Jason 预计会出现价格调整，而不是 IPO 窗口彻底关闭。

8. EA 的550亿美元私有化交易奖励的是一项正在收缩的资产

Harry 将与 Jared Kushner 和 Silver Lake 有关的 EA 拟议550亿美元交易描述为一件重大事件。Jason 称其为历史上最大的 LBO，杠杆达到180亿美元：对于 EBITDA 约6倍的稳定工业公司而言很普通，但对一家依赖爆款的游戏公司来说十分引人注目。
Jason 肯定了 Silver Lake 过去异常强的决策，包括 Dell 私有化和收购 EMC。但他也质疑运营逻辑：EA 的业务大致持平甚至在收缩，却能拿到约5倍或6倍收入估值；而「更多 AI」本身并不能解释老牌游戏系列如何重新启动增长。
这个风险投资类比让 Jason 很兴奋。如果他能把增长约为-1%的被投公司按5倍或6倍收入卖掉，他会「直接把电子签名发给我」，根本不必争论披露细节。这笔交易有力证明，即使增长已经停止，成熟且具有标志性的资产仍然可以获得流动性。

9. OpenAI 的算力野心超出了熟悉的金融尺度

讨论认为，OpenAI 的基础设施计划意味着，8年后的能源需求大约是当前容量的125倍，可能需要超过印度今天拥有的供给。Ketty 补充说，讨论中的100亿瓦 NVIDIA 承诺，耗电量将超过纽约市。
Ketty 描绘的场景是：一个国家遍布城市大小的「Stargate」，但每个设施里只有几百名人类，却能产出相当于数十亿数字心智的工作量。「未来的城市里甚至没有人」这句话，概括了这种物理规模有多难以想象。
Harry 清晰地梳理了因果链：能源需求跟随算力需求，算力需求跟随野心。只要收入和资本持续涌入，OpenAI 以及另外5或6家有能力下注的公司，就会继续推进，直到获得「明确无误的反馈」证明这条路行不通。一次次胜利让 Sam Altman 又赢得了一次下注机会。
技术证据仍在不断改善——Claude 可以连续数小时写代码、无需人工干预就是一个例子——但 Ketty 将科学与金融分开看。从科学角度看，这个计划似乎可行；从经济学角度看，发电、数据中心部署和企业采用，可能在2或3年内构成约束。她给出的可投资表达，是在 NVIDIA 看跌期权和看涨期权之间做选择。

10. 即使万亿美元预测落空，OpenAI 仍然可以获胜

Ketty 走上了一条更冒险的判断：4或5年数据中心假设中隐含的采用速度可能过于乐观，预测将被下调。Harry 的反驳聚焦于融资规模——仅 OpenAI 的基础设施就需要1万亿美元，这远超即使严重超额认购也只有500亿美元的融资需求。
Harry 认为，Altman 正通过尽早、明确地说出需求，「把这1万亿美元凭空变成现实」。但结果不必是二元的：如果最终只有4000亿、6000亿，或者7000亿美元落地，世界可以延长 GPU 使用周期，或接受更慢的进步。GPT-5 和 Claude 4.5 已经让他每天2小时的 vibe coding 变得极其高效。
Ketty 认可这种创业机制：OpenAI 的大方向已经得到验证，「无论成为 AI 最佳公司能拿到什么奖，OpenAI 都会拿到那个奖」。Altman 执行 CEO 职责的能力超过本世纪以来的任何其他 CEO，他让公司始终跑在技术列车前面。
CFO 的限定同样重要。CEO 计划把公司规模扩大3倍，并不意味着公司应该像这个3倍结果已经确定那样买地、招人；它可以先按翻倍来规划，再随着证据出现逐步扩张。即使只有300亿美元收入、增长50–60%，OpenAI 仍然可能是一家非凡的公司，同时不需要立即投入1万亿美元资本开支。

11. Meta 有权下注200亿美元，但这不是它会赢的证明

Harry 披露 Meta 是他最大的公开市场仓位，同时表示自己对其 AI 战略的信心已经「越来越低」。Alexandr Wang 的角色、Yann LeCun 的处理方式以及团队结构，看起来不像连贯的执行方案，更像是围绕一个问题拼凑昂贵人才。
Ketty 首先批评了沟通问题：Mark Zuckerberg 可能理解这项技术，Facebook 的引擎也可能「杀不死」，但 Ketty 和 Harry 都无法解释战略究竟要走向哪里。Harry 说得更直接：这是一场不顾一切地把钱和梦想中的人才拼在一起的尝试，但组织是否有效，至今没有早期证据。
Zuckerberg 确实发表过一句类似 Altman 的意图宣言：他宁愿烧掉200亿美元营业利润并失败，也不愿让 Meta 变得无关紧要。凭借对一家拥有巨大收入和自由现金流的企业的无与伦比的控制权，这场下注无论外界是否怀疑都会发生。
Ketty 区分了赢得下一次下注机会与判断正确。Harry 表示，他愿意下注这200亿美元最终只带来很少有意义的收入，更像 Meta 的 VR 尝试，而不是 Instagram 或 WhatsApp；50%的命中率仍然可以创造惊人的回报。其生死逻辑在于注意力：在 ChatGPT 上花2小时，就意味着不会在 Facebook 上花这2小时。

12. ChatGPT 电商不可避免，但可能仍只是一个功能

Ketty 认为，直接在 ChatGPT 中购物，是不可避免的变现推进的一部分。免费用户主要可以通过向他们卖商品，或向他们卖广告来变现，而「1万亿美元不会自己把自己覆盖掉」。电商会被测试，广告很可能随后跟进。
Harry 将这次发布视为实验，而不是 ChatGPT 会成为新电商界面的证据。OpenAI 可以通过合作伙伴制造大量声量，但一项新业务至少要产生约20亿美元，才足以影响下一年的数字。更小的规模可能只是一次集成或一个功能，而不是一条业务线。
Harry 提到用户通过 Instagram 和 Pinterest 购物的反例，并质疑 ChatGPT 电商能否成为一门大生意。因此，应用业务负责人需要在2或3年内做出几条数十亿美元级收入来源——当1万亿美元包含1000个独立的10亿美元时，这并不容易。

13. Fiverr 和 DBT 展示了风险投资如何消化独角兽积压

讨论中的 Fiverr-DBT 组合在战略上相邻，可能「合在一起更好」。Fiverr 的 ARR 被讨论为约4亿美元，Contra 此前曾称其 ARR 为1亿美元；考虑到增长率，合并后业务被描述为超过5亿美元。Ketty 的初步评价只有一句：「聪明。」
规模是必要条件，因为约6700家独角兽正面临退出瓶颈。今年迄今约15家 IPO，全年可能约20家，Ketty 算出市场需要30年才能消化现有库存。两家中等规模企业合并，可能创造上市所需的临界规模。
Andreessen Horowitz 同时持有两家公司的股权，简化了计算和谈判。一个在两家公司都持有20%的投资者，可以保留对合并后实体的显著敞口；只持有其中一家20%的投资者，持股可能被稀释至8%。但正确的比较仍然是：「一家无法上市的公司20%」，对比「一家能够上市的公司8%」。
致命风险不是稀释，而是整合：把一个经营良好的20%仓位变成合并灾难中的8%。工业逻辑、CEO 的信念和合作伙伴选择，比投资者保护持股比例的愿望更重要。讨论将此与机械拼接 Clari 和 Drift 这类增速更慢的资产作了对比，即便它们在产品逻辑上看似相邻。

14. AI 同时摧毁 SaaS 产品的耐久性和席位的可预测性

Harry 问，科技型私募股权是否正在因替代风险而获得过低回报，而其他策略却能以更好的倍数吸引更多资本。Ketty 认为，收购 Pipedrive 或 Copper 类 SaaS 公司比以往更难，因为资本可以以更好的倍数流向其他地方，初创公司也越来越多地攻击既有客户基础。Harry 提醒，不要因此放弃收购转向后期少数股权投资，因为成熟专业机构在后者上更有优势；但他同意，每次承保都必须明确建模 AI 下行风险。
Ketty 指出，旧模式有一个隐藏的馈赠：商业软件产品从约2008年至2023年几乎没有变化。Pipedrive 曾花4年推出移动应用；如今，花4年交付 AI copilot 就意味着「彻底失去机会」。Jason 进一步强调了这一点。高净留存很有价值，但技术停滞让财务模型变得可靠。
新的 AI 公司也面临更高风险。Harry 指出，传统 SaaS 可以将产品与市场的契合维持10年；在 LLM 之后成立的初创公司，可能会随着基础模型改进、去年的方案过时，而不断进入和退出产品与市场的契合状态。Jason 回应说：「所以增长更高才是好事」——底层业务的稳定性更差。
席位经济正在弱化，但并未消失。Jason 运行着12个 AI 智能体，却只需要2个 Salesforce 席位；如果 Agentforce 提供这些智能体，Salesforce 最终可能收取更高费用，但今天的软件智能体并不各自需要一个许可证。Harry 以 Accenture 为例，指出人的后果非常直接：再培训对我们需要的技能而言，可能「不是一条可行路径」。

15. CEO 仍然可以发表政治言论，但公司应保持中立

Harry 的初始直觉是，成为 CEO 不应剥夺一个人发表政治观点的权利。但在公司层面，Jason 认为近期经验更支持克制：卷入文化战争的企业和大学都发现，坚持机构自身目的更有价值，这与芝加哥大学的原则相似。
Jason 随后略微修正了自己的看法。一些受信任的职位在历史上确实要求政治上的克制：1952年，据称两党都曾接触 Dwight Eisenhower，因为当时公众并不知道他的党派归属。Jason 仍反对管控明显属于个人的言论，但承认领导者的身份可能模糊个人与机构之间的界限。
Jason 提供了来自私人社交媒体干预的实际证据。他曾私下提醒约10位高管，某条帖子造成的效果可能比原意更糟；最终只有1人欢迎这次反馈。其他人都明白，这类发言可能疏远40%的客户，或让少数群体员工不满，但他们的实质回应是：「我太在乎这件事了，后果无所谓。」
这给董事会留下了一个艰难的边界问题：个人言论可能受保护，但如果它让一半客户流失，或赶走10名优秀工程师呢？Harry 最后的观察降低了实际风险——注意力移动得很快，Deel 和 Rippling，或 Elon Musk 和 Donald Trump 之间的争议，都会迅速消失在后视镜里。「继续向前走。」

（预告）Sora 2 与 AI 视频热潮、Meta Vibes 发布一周后，以及 TikTok、太阳能和 iPhone Air 的问题品味是你的护城河（Figma 的 Dylan Field）