摘要

Burn Multiple 仍然有用，但 AI 已经打破了让它看起来具有决定性的可比性。 ICONIQ 的 ARR 低于 1 亿美元企业群体显示，AI 原生企业的自由现金流利润率为 -126%，非 AI 企业为 -56%；但前者的超高速增长仍可能带来更好的 Burn Multiple。Rory O’Driscoll 警告称，报告中的 ARR、隐藏流失率、变化中的毛利率、资本开支和现金余额，都可能让这个比率失效——“你可能拥有一个很好的 Burn Multiple，但周五仍然会耗尽现金。”
对只是“还不错”的软件公司而言，融资如今是可得性决策，而不是估值优化。 Rory 说，VC 要么“基于希望”给交易定价，要么“基于倍数”定价；一家营收 1500 万美元、增速合理的公司，如果缺乏通往大型 IPO 的可信路径，可能会让 VC 认为“价值为零”。Jason Lemkin 给 ARR 1500 万美元、Burn Multiple 良好但 TAM 有限的公司的建议是：250 的报价可以接受，不要等待更高价格——Triple-Triple-Double-Double 已不再保证融资。
“造王者”融资之所以强大，是因为第一笔声望支票会吸引一堵后续资金墙。 Elad Gil 认为，靠近硅谷“造王者”会让挑战者更难融资；Harry 说，这应当被视为一个因素，而不是二元否决。一家公司从顶级机构融资 2000 万美元后，可能很快再吸引 6000 万美元，迫使挑战者证明自己击败的不只是一个竞争对手，而是“资金之墙”。Jason 的运营规则更简单：“如果你不是第一名，就不要按第一名的方式花钱。”
AI 的技术方向可能是对的，但 VC 的入场价格和公开市场 SaaS 基准可能慷慨得危险。 要么 AI 会推动企业从劳动力预算中发生深刻转移，OpenAI 等公司迅速达到 2000亿-3000亿美元营收；要么当前估值就“错了一个数量级”。Figma 较 IPO 当日高点下跌 63%，但股价 53 美元时，其交易价格仍约为营收的 26 倍；更深层的风险在于，增速 30% 的上市软件公司如今大约获得 15-20 倍估值，而历史上的 NTM 基准只有 6-7 倍。
OpenAI 可以赢得 AI 竞赛，而不必兑现其万亿美元基础设施愿景的每一美元。 拟议中的 125 倍能源扩张，需要的能源供应将超过印度当前产能；仅一座 10 GW 的 NVIDIA 建设项目，耗电量就会超过纽约市。David Friedberg 预计，融资、建设和采用约束会迫使预测下调。Chamath Palihapitiya 说，Sam Altman 正在“用意志力”让这 1 万亿美元变成现实，但系统可能止步于 4000亿或 6000亿美元——而 David Friedberg 的区分至关重要：“我们愚蠢地以为那不是比喻，以为它是一张采购订单。”
Fivetran 收购 dbt，正是清理 VC 流动性积压所需要的投资组合整合。 两家公司报告的 ARR 分别约为 4 亿美元和 1 亿美元，邻近的数据产品可能组合成一家达到 IPO 规模的企业；面对 600-700 家独角兽和年初至今约 15 家 IPO，资产合并越来越不可避免。持股取舍取决于交易结构：一家公司的 20% 可能变成合并后公司的约 8%，但 Jason 认为，“一家不会上市的公司，20% 远不如一家会上市的公司里的 8% 有吸引力。”
AI 已打破科技 PE 关于产品保持稳定、席位制经济学可预测的假设。 Jason 以 Pipedrive 为例说明旧世界：一款移动应用可能需要 4 年才能交付，而商业软件从 2008 年到 2023 年几乎没有变化。如今，随着模型演进，产品市场匹配可能消失；12 个 AI agents 可能只需要 2 个 Salesforce 席位，这让产品耐久性和 NRR 都远不再可靠。

精读

1. Burn Multiple 还在，但其隐藏假设已经失效

Jason 从 ICONIQ 的软件报告中提炼出最尖锐的发现：ARR 低于 1 亿美元的 AI 原生公司，平均自由现金流利润率为 -126%，非 AI 企业为 -56%；但它们增长极快，因此 Burn Multiple 反而更低。加力燃烧器很贵，但它们更快达到“Mach 10”。
他举的具体案例是 Lovable：假设向 Lovable 投入 2 亿美元，而它每月烧掉 600 万美元，大多数 VC 都会退缩；但如果它增加 3 亿美元 ARR，那么每新增 1 美元 ARR 消耗的资本仍然很低，VC 获得的营收杠杆就会非常惊人。
Rory 重述了计算方式：花 2 美元增加 1 美元 ARR，Burn Multiple 就是 2；如果这部分收入获得 10 倍估值，那么 2 美元烧掉的现金创造了 10 美元市场价值。“所有比率都是错的，但有些比率在某些时候仍然有用。”
如今，隐藏在指标背后的假设比结果本身更重要。ARR 可能并不持久；超高速增长可能把流失隐藏在规模小得多的上年基数中；毛利率可能正在变化；模型公司还承担了该比率无法体现的资本开支。Rory 用收入变动后的 GAAP 收入和 GAAP 运行率确认额交叉核对，但他的决定性实操测试是现金：现金跑道不足 6 个月，任何漂亮的比率都不重要。

2. 好公司应该趁投资人改变主意前完成融资

Harry 描述了一个泾渭分明的市场：拥有良好 Burn Multiple 和强劲增长的被投公司，正在漠然的市场中融资。创始人严格遵循了旧评分卡，却发现这张评分卡已经无法保证关注度。
Rory 的框架毫不留情：“交易定价只有两种方式。要么基于希望定价，要么基于倍数定价。”营收达到 4 亿美元时，基本面可以支撑估值；营收只有 1500 万美元、增长普通时，一家经营稳健的企业可能无法为 VC 提供任何有意义的上行选择。
Jason 设想了一家 ARR 1500 万美元、加入 AI 能力、TAM 有限的杯子公司。如果 Scale 愿意按 250 的估值投资，就应该接受；因为 Triple-Triple-Double-Double 让公司“无往不利”，于是等待并优化价格，是“2025 年最糟糕、最糟糕的建议”。
Rory 指出，今年约 15 家 IPO 中大约 10 家几乎没有 AI 故事，非 AI 公司显然仍然可以走通上市路径。难点在于：当资本聚焦 AI 时，如何为一家从 1000 万美元营收出发、持续复合增长 7-8 年的公司做承保。创始人应该完成合理融资、节省现金，并争取证明投资人错了的资格。

3. “造王者”创造品牌，也创造后续资金墙

Elad Gil 认为，风险投资人尤其不愿意给靠近 Harvey 或 Abridge 等硅谷“造王者”的公司融资。Harry 同意，大举融资确实可以震慑竞争者，尤其当客户本身也是 VC 支持的公司时；但他认为，“造王者”地位应当纳入风险分析，而不是作为二元否决条件。
在硅谷中心化程度较低的市场，这种效应会减弱：石油和天然气买家“几乎分不清 Sequoia 和 KP”。“造王者”地位重要，但并非决定性因素。
当紧张的 AI 买家知道自己必须采购，却无法评估供应商时，品牌格外有价值。Jason 举例说，Bolt 曾在一笔大单中击败 Lovable，因为两家公司都拥有知名度，但 Lovable 没有回电话；及时回应的真人团队成了更值得信赖的选择。“到底该买谁？”本身就是一个分销问题。
讨论随后加入了“资金墙”：一家明星投资人投入 2000 万美元，可能在数月内吸引另外 6000 万美元。单靠钱无法创造赢家——SoftBank“证明了反面”——但如今挑战者需要足够差异化，才能对抗 8000 万美元，而不只是对抗一个显赫的 Logo。

4. AI 可以是真的，但 VC 的承保仍可能是错的

Harry 提出了核心分叉：对于营收相对较小却估值 50亿-100亿美元的公司，以及种子期尚无营收却拿到数十亿美元估值的公司，市场定价是否真的荒谬？还是说，当软件支出迁移进人类劳动力预算后，今天的怀疑会显得目光短浅？Jason 的答案是，两种结果必有其一：要么 AI 带来深刻的生产率变化，OpenAI 等公司迅速达到 2000亿-3000亿美元营收；要么当前估值就“错了一个数量级”。
Elad 说，B2B AI 浪潮仍处于非常早期，其团队已经用 AI agents 替代了 11 个人。Jason 则单独表示，风险投资再次让人感觉“几乎没有风险”，仿佛行业回到了 2021 年。
David Sacks 区分了基金亏损的两条独立路径。高亏损率意味着它选中了没有产品市场匹配的公司；估值过高则意味着它选中了赢家，却支付了过高价格，无法获得回报。VC 必须同时把选公司和定价格做对，而当前基金可能正在同时削弱这两种纪律。
Harry 担心 Alexandr Wang 约 140 亿美元的结果，已经成为其他创始人关联估值达到 300 亿美元和 100亿-200亿美元的先例。David Sacks 提到 Irving Fisher 在 1929 年的判断——股票已经达到“永久更高的平台”；每当投资人听到“永久”这个词，就应该保持警惕。

5. IPO 暴跌后的公开市场 SaaS 仍然昂贵

Figma 较 IPO 当日高点下跌了 63%，至 53 美元，让受限售股锁定的 VC 只能眼看回撤。Jason 提醒，Figma 的交易价格仍约为营收的 26 倍，而领先的上市 B2B 公司平均增速约为 30%，ARR 估值约为 20 倍。“今天的市场过于慷慨”是一个合理解读。
David Sacks 心中的基准是 2019 年以前的上市软件市场中位数：增速约 30%，NTM 营收约 6-7 倍。如今同样的增速可以获得 15-20 倍估值；如果“基岩价格”回到 7-8 倍，整个私人市场估值阶梯都会随之下移。
Klarna 跌破 IPO 价格、StubHub 大幅抛售，会让新股买家要求更多保护。如果成熟的上市可比公司交易在 10 倍，新 IPO 过去需要以 8 倍定价；现在买家可能要求 7 倍。窗口仍然存在，但不愿接受折价的卖方可能会推迟上市。

6. EA 550 亿美元私有化，让一家爆款驱动型企业真正背上杠杆

David Sacks 称 EA 的 550 亿美元交易是历史上最大的 LBO，包含 180 亿美元杠杆。工业买家通常可以接受约 6 倍 EBITDA，但经常性收入驱动的制造业经济学与爆款驱动的游戏公司不同；因此，这笔债务单独看并非前所未有，放在具体背景下也绝非轻松。
Silver Lake 的参与缓解了他的担忧。他提到了 Silver Lake 对 Airbnb 的投资，尤其是 Dell-EMC 的交易序列——Dell 私有化是“一项天才之作”——并将这笔交易总结为：由“掌舵的是非常聪明的钱”，押注一家规模巨大、风险异常高的企业。

7. OpenAI 可以赢得 AI，而不必消耗完整的万亿美元愿景

Harry 描述了物理规模：OpenAI 计划在 8 年内将能源容量扩大 125 倍，最终需要的电力超过印度当前供应量，并可能仅为数据中心寻求 1 万亿美元。David Friedberg 精确指出了因果链：野心推动算力需求，算力推动能源需求。
证据不断把 David 拉向两个相反方向。据报道，Claude 可以在没有人类介入的情况下连续编程 30 小时，而 Jason Calacanis 亲自测试达到了 3 小时；技术进步支持指数级预测。金融、能源建设、数据中心落地、企业采用和软件销售则显示，隐含的 4-5 年采用曲线过于乐观。David 预计预测会下修。
Jason 描绘的画面是：一个遍布“AI 城市”的国家。已经宣布的 10 GW NVIDIA 建设项目需要的电力超过纽约市，却只雇佣数百人，同时产出相当于数十亿个数字心智的能力。他相信 Altman 可能解决核聚变和其他中间约束，但也承认这种规模难以理解。
Chamath 将 1 万亿美元视为野心，而不是最低可行结果。如果市场上只有 GPT-5 和 Claude 4 或 5，进步仍会继续；4000亿-6000亿美元可能已经足够，GPU 的使用寿命也可能从 3 年延长到 6 年。Altman 正在尽可能用意志力让这一切变成现实。
David Friedberg 的总结保留了两面性：“无论成为 AI 最佳公司的奖品是什么，OpenAI 都会拿到那座奖杯。”但有经验的 CFO 不会提前花掉 CEO 最激进预测中的资金；如果 NVIDIA 和 Oracle 的估值假设每个比喻都是一张采购订单，那么更慢、但仍然惊人的 50%-60% 增长，也会制造痛苦的连锁反应。

8. Meta 赢得了再次下注的权利，而非成功的预期

Harry 披露，Meta 是他最大的公开市场仓位，但他对其 AI 战略的信心已经“不断、不断下滑”，原因包括 Alexandr Wang、Yann LeCun 的处境，以及相互竞争团队的组织方式。OpenAI、Anthropic、Microsoft 和 Google 让混乱带来的机会成本更加突出。
Jason 不愿断言这套战略很弱，但认为相比 Altman，Zuckerberg 是糟糕得多的沟通者：投资人看不见那副厚眼镜背后的愿景将走向何方。不过，Zuckerberg 确实发表过一句 Altman 式声明：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。
Brad Gerstner 区分了获准再次下注与成功概率：过去的成功意味着 Zuckerberg“赢得了再次下注的权利”，并不意味着这次下注就是正确的。Brad 说，他愿意押注这笔支出只能带来很少有意义的营收，更像 Meta VR，而不是 Instagram 或 WhatsApp；50% 的命中率仍然可能产生极高 DPI，因为赢家的回报会淹没失败项目。
Brad 将生死攸关的机制定义为注意力，而不是略微更好的广告定向。用户在 ChatGPT 中花费 2 小时，就意味着不会在 Facebook 上花 2 小时；因此，在优化原有引擎 20 年后，Meta 必须再次创造一个重大产品。“我们就不停做狗屎，直到某种方式让人们回来和我们一起玩。”

9. ChatGPT 电商要触达数十亿用户，否则仍只是实验

Brad Gerstner 说，在 ChatGPT 内购买商品，是一组不可避免的实验之一：Google 和 OpenAI 都在探索电商协议，而免费用户最终必须被变现。随着基础设施成本接近讨论中的规模，“你可以卖东西给他们，也可以向他们卖广告。”
Jason 的保留意见在于重要性。联合公告可能带来关注，但电商可能只是一次集成，而不是 OpenAI 的前五大计划；它可能需要明年约 20 亿美元营收，才足以产生实质影响。Instagram 和 Pinterest 的既有行为也表明，发现商品并不会自动转化为结账。
Brad 回忆说，用户接受 Facebook 和 Instagram 上的广告，比接受原生购买更容易，因此广告看起来是更简单的路径。Jason 说，应用业务负责人必须在 2-3 年内创造多条数十亿美元级收入流；Brad 则强调，“1 万亿美元里有 1000 个 10 亿美元”，这揭示出一个仅仅成功的功能，相对于资本开支愿景而言贡献有多么有限。

10. Fivetran–dbt 是 VC 投资组合所需要的整合

Jason 远观之下称 Fivetran 和 dbt 是“该死的聪明且显而易见的组合”：Fivetran 最近报告的 ARR 约为 4 亿美元，dbt 约为 1 亿美元，合计超过 5 亿美元，尚未计入后续增长。两款相邻的数据产品，不应该让投资人还要追问两家公司为什么属于同一套组合。
投资组合的算术让整合不可避免。与会者提到大约 600-700 家独角兽，而年初至今只有约 15 家公司通过 IPO 大门；即使全年约有 20 家 IPO，这个积压也相当于约 30 年的供给。整合是让更多公司具备 IPO 条件所必须完成的工作之一。
Jason 指出，Andreessen Horowitz 同时担任两家公司的领投或接近领投，让双方更容易对齐。他的持股思想实验解释了冲突：一家资产中的 20% 持股，可能变成合并后公司的约 8%；而同时拥有两项资产，则更容易在表格上证明交易合理，也能减少内部阻力。
Jason 认为，“一家不会上市的公司，20% 远不如一家会上市的公司里的 8% 有吸引力。”在 IPO 门槛约为 3亿-4亿美元的情况下，价值不像平滑连续体，更像“电子能级”：低于临界规模，是痛苦的私人市场退出；超过临界规模，则拥有公开市场流动性。Rory 反驳说，如果上行空间足够大，持有合并后公司 20% 仍可能是更好的经济结果，即使合作双方的激励让决策变得困难。
更大的危险，是把一家经营良好的公司中的 20%，变成一次失败整合中的 8%。CEO 必须相信两项资产显然应该放在一起；由投资人设计的投资组合拼盘很容易酿成灾难。Jason 批评了把资金不足或正在收缩的资产硬凑在一起的版本，而 Harry 反驳说，Salesloft–Clari 式组合在产品上可能完全讲得通。合作伙伴与 CEO 的匹配是决定性因素。

11. AI 已打破科技 PE 的两个隐性假设

Harry 问，面对不断上升的替代风险，科技 PE 是否已经获得了过少的上行空间，尤其当其他公司可以用更高倍数部署更多资本时。Rory 建议不要复制后期成长投资人：公司很少能成功把自己移植进另一种投资纪律。正确回应是严格进行 AI 下行情景承保，而不是放弃控制权投资。
Jason 指出了 PE 可能低估的历史补贴：商业软件产品从 2008 年到 2023 年几乎没有变化。Pipedrive 花了 4 年推出移动应用，最终仍然实现了 10亿-15亿美元现金退出。一个 NRR 达到 140% 的模式可以充当“电子表格胶水”，买家甚至可以收购 Marketo 后把所有人都解雇。
这种稳定性已经在交易双方同时消失。 incumbent 产品面临技术过时，而 LLM 之后的创业公司会随着基础模型变化，在产品市场匹配与失配之间快速切换。一个前一年还显得无可替代的产品，可能突然看起来已经过时，这意味着高速增长只能补偿更高的不稳定性。
席位经济学进一步放大风险。Jason 运行着 12 个 agents，却只需要 2 个 Salesforce 席位；6 个 agents 可能像 6 个员工，却不需要购买 6 个许可证。Agentforce 最终可能让 Salesforce 赚得更多，但在定价改变之前，agents 攻击的正是 PE 传统建模的单位经济学——即使席位永远不会真正降到零。
Jeff Lawson 的区分让 Jason 印象深刻：Twilio 的 API 层可能受益于 AI 浪潮，而席位模式则暴露在风险之下。Rory 最后引用 Accenture 为无法再培训的员工写下的企业墓志铭：“我们正在压缩时间线退出”——这是 AI 让人类席位和软件席位同时变得可变的精致说法。

12. CEO 保留政治表达权，但对业务的伤害可能成为决定性因素

Jason Lemkin 不同意说 CEO 放弃个人政治表达，但他认为公司应当坚持自身使命，避免陷入文化战争。他提到了芝加哥大学的原则，以及 1952 年的 Eisenhower：当时两党都在争取他，因为没人知道他的政治归属。
David Sacks 的战术经验更加悲观。他曾私下提醒大约 10 位高管，某条发言产生的效果与原意不同；最终只有 1 人欢迎这条反馈。其他人都明白，自己的言论可能疏远 40% 的客户，或令少数群体员工不安，却实际上回答：“我就是如此强烈地相信这件事，我不在乎。”
David Friedberg 的边界出现在：言论导致一半客户取消，或关键员工离职；个人可以保留自己的观点，但可能已经不再适合担任 CEO。Harry 的反向提醒是注意力周期：Deel 与 Rippling 的争执，甚至 Elon Musk 与 Donald Trump 的决裂，很快就会退出前景。“继续向前走——后视镜里的东西消失得太快了。”

Ro Khanna同时批评两党：移民、科技与言论自由 Exor：从Fiat危机到Ferrari辉煌——[商业拆解，第229期]