摘要

Benchmark 最近再次失去合伙人，说明的更多是顶级个人投资人的议价权，而不是 Benchmark 的韧性。 Harry 认为，一个人能拥有“风险投资行业最顶尖的职位之一”，却仍决定这还不够，实在惊人；Jason 警告，Benchmark 的品牌依然“强得离谱”，但 Harry 认为 Victor 的关系网络、多阶段投资偏好，以及保留100% carry 的能力，都让独立出来成为理性选择。
当一位 exceptional investor 提出要求时，LP 愿意为其打破关于小基金、团队凝聚力、董事会服务和阶段纪律的长期规则。 Jason 的保留意见是：被抛弃的规则有些确已过时，但另一些可能要等下一轮下行周期才会显出价值。Elad Gil 就是这种规则豁免的体现：凭借对品类龙头的触达、从 pre-seed 到后期的选择能力，以及10至15年的战绩，他实际上可以对 LP 说：“谢谢你的建议。现在，谢谢你的钱。”
快速部署能立刻带来市场相关性，但只有正确部署才能维持这种相关性。 更多出手带来更多 deal flow 和估值上调；选错项目只会像 Tiger 和 SoftBank 那样，“短期保持相关性，长期走向失败”。更持久的模式，是把顶级早期项目来源与巨额 follow-on 结合起来——Rory 在 Thrive、Greenoaks、Founders Fund 和 Elad Gil 身上看到的正是这套打法。
Anthropic 的估值从1000亿美元上调至1500亿至1800亿美元，反映出收入重新加速以及开发者需求的异常强劲。 讨论中的路径是：去年底约10亿美元，今年达到40亿美元；这让它与 OpenAI 展开一场“残酷”的双雄竞争。Jason 的核心判断是，顶尖开发者每月可能消费8000至1万美元，而不是200美元，因为 agents 可以全天候并行工作。
Google 是小组认为执行力最强的云超大规模厂商，而 Microsoft 丢掉开发者工具领导地位，是最清晰的老牌公司失误。 Jason 暂定的交易是做多 Google、做空 Amazon：Google Cloud 规模更小但增速最快，而 AWS 看起来是超大规模厂商中掉队的那个。Microsoft 起步时拥有 GitHub Copilot，却让 Cursor 做到约9亿美元，而 Copilot 仅约5亿美元。
AI 基础设施需求尚未出现明显断裂，但资本开支的增长速度远超变现，最终必须进入损益表。 小组将约6000亿美元投资与一条约300亿美元且仍在增长的收入线进行了对比，并指出芯片最终要折旧；Jason 承认，过早做空这一逻辑，会眼睁睁看着 Nvidia 从100美元涨到170美元。“市场非理性的时间，可能比你保持偿付能力的时间更长。”
这些万亿美元级巨头确实估值昂贵，但小组认为它们在 AI 领域处于守势，而不是强大到无法撼动。 Google 已经有可用的产品；Apple“甚至没有一个能正常工作的产品”；Microsoft 买到了自己并不完全拥有的入口；Meta 则是在“对产品有着糟糕的心理需求”的驱动下烧钱。Apple 的硬件和 App Store 抽成或许能保护它，但 Harry 尽管 Apple 是其最大仓位，仍表示，如果连续5年没有增长，董事会就必须重新审视管理层。
收尾预测偏向于 Cursor 在2026年底突破40亿美元、Lovable 突破4亿美元；而 OpenAI 达到8000亿美元则让小组意见分裂。 Harry 偏向低于这一水平；Jason 则认为 GPT-5、Codex 和首款 Jony Ive 产品会推动其超过这一估值。Jason 还认为，如果 OpenAI 需要8000亿美元，深度绑定的投资人和主权资本会“把这个问题解决掉”。AI 资本开支目前已约占 GDP 的1.2%，高于此前提到的带宽投资峰值1.1%，但远低于铁路热潮的6%——这既意味着支出仍有上升空间，也意味着一次痛苦重置的空间同样存在。

精读

1. Benchmark 的人员流失，验证了个人投资人新获得的议价权

Jason 的第一原则是：当顶级 AI 研究人员为了巨额 package 在 Meta、Anthropic 等公司之间跳槽时，风险投资行业就不该期待稳定。对于正处在上升期的投资人，尽早离开可能在经济上更合理：继续留下很少能保住多少 carry，而离开的合伙人仍然必须从头开始。
Harry 将 Benchmark 的前景与行业信号分开看。Benchmark 已经存续30年，保有吸引力十足的平等 carry、无层级结构，也有能力招募替代者；真正令人震惊的是，一个人可以在“风险投资行业最顶尖的职位之一”上待两年，然后得出结论：“不，这还不够。我需要更多。”
Harry 用 Benchmark 最近的 AI 投资组合证明其机构韧性：Mccor 收入超过1亿美元，HeyGen 约1亿美元，Fireworks 约1.4亿美元，Brett Taylor 参与的 Sierra 超过1亿美元，另外还有 Manus AI 和 Lorra；这些项目在同一支基金中都被描述为持股比例达到两位数。“我怎么可能不做这支基金的 LP？”
Victor 与 Benchmark 的战略错位同样重要。Harry 将他描述为一名多阶段投资人：既想在 Brex 的 pre-seed 阶段见到创始人，也想在 HeyGen 后期开出5500万美元支票——这种自由度可能与纪律严明的 Benchmark 模式相冲突，但独立后他有机会保留由此产生的100% carry。

2. 品牌足以启动个人基金，但资本规模决定它最终能长成什么

Jason 的谨慎来自亲身经历：尽管他已经拥有 SaaStr 和 20VC 两个品牌，也收到过顶级机构的邀约，但后来他才真正体会到，机构名称在与创始人会面时能提供多大信用。“要理解你正在离开的品牌的价值”；如果没有一个高于个人名号的机构 franchise，独立会很困难。
Harry 同意这条一般规律，但认为 Victor 身处一个异常强大的硅谷关系网络，与 Sarah Guo、Elad Gil 并列。这个“关系网络的微型品牌”可以替代机构背书，吸引私人资本，并在转型期间维持 deal flow。
当个人品牌与机构品牌在功能上等价后，Harry 认为资本规模会成为更强的磁石。吸引力不只是自主权，而是可以向一家优秀公司投出10亿美元——如今独立管理人也能设想这种出手，同时保留经济利益并避开合伙机制的约束。

3. Elad Gil 揭示了 LP 理论与 LP 行为之间的差距

Jason 对 LP 的概括是：他们花了20年宣扬专注、小基金、凝聚型合伙团队和董事会层面的增值，最后却为一套完全无视这些准则的产品提供资金。成功管理人传递出的信息实际上是：“谢谢你的建议。我不打算听……现在，谢谢你的钱。”
善意的解释是，“非典型的成功胜过平庸、普通、标准化的建议”。Elad 早期投资 Airbnb 和 Stripe，能够接触最好的项目，并且持续保持选股战绩，因此 LP 有充分理性理由放弃那些模式匹配式规则：“赢家就是赢家。”
Harry 将 Elad 比作一名顶级地产开发商，专门买下最好街区里最好的房子。无论品类是 fintech、数据还是 AI，目标都是持有行业龙头；例子包括 Stripe、Databricks、OpenAI、Harvey 和 Helsing，并且要有实质性持股。
Jason 仍然保留了周期层面的警告。有些经验法则会被证明已经过时，但另一些可能包含关于专注和关键人风险的教训，只有在下行周期中才会显现；大约2010年之后成立的公司，几乎还没有一家经历完整周期并提供足够证据。

4. 部署速度先买来相关性，之后才证明投资能力

Harry 担心，“部署速度等于相关性”可能让那些坚持3年基金周期、强调时间分散的管理人处于劣势。快速投资人会持续留在创始人的考虑名单中，并不断获得热手带来的信息、项目入口和估值上调。
Jason 将这一机制归结为两种结果：快速且正确的部署，带来“短期相关性，长期回报”；快速但错误的部署，带来“短期相关性，长期失败”。只有 LP 自己能够区分持久的判断力与由近期估值上调构成的反馈循环。
Tiger 和 SoftBank 是反例。它们在2021年的支票簿带来了无处不在的项目入口，但每个有能力的早期投资人都知道哪些后期资本是“蠢钱”；当投资选择失败，相关性随即蒸发。Elad 则代表另一种情况：一份横跨早期和后期、持续10至15年的记录，为他赢得了更长的 runway。
Harry 反驳说，Tiger 并不是简单地选错了，而是“什么都投”，其中包括 OpenAI 和 Scale 等项目，这些项目仍可能挽救大量价值。Harry 的修正是，Tiger 只是押注了当时可投资的全部范围：当平均上市 SaaS 公司还能增长约70%时，把 triple-triple-double-double 公司的门槛整体下调，事后看没有当时那么鲁莽。

5. 个人领导模式在后期投资中比在 A 轮更容易规模化

Harry 将 Thrive、Greenoaks、Founders Fund 和 Elad Gil 列为最近崛起的管理人，并指出它们都以单一核心人物为主导，即使下方有强大的团队。这明显偏离了旧式风险投资合伙制的理想。
Jason 认为，早期投资中的持股要求使平等成为功能性需求，而不只是文化选择。一个合伙人如果要拿下10%至20%的持股并代表公司发声，就需要有同等权威的同事管理相邻仓位；Benchmark 之所以内化这一点，是因为由一个主导型合伙人带着一群“beta”管理集中型早期资本，结果会很糟。
后期投资允许层级存在，因为工作主要是做决策，而不是持续服务公司。投10亿美元、每笔2000万美元，需要做50个决定；如果每笔支票达到1亿美元，只需做10个决定，单个 exceptional decision-maker 的规模化能力就高得多。
相应的周期风险也更集中。后期投资人主要承担估值风险，而一旦失败，就可能“以100%相关的方式”失败。Rory 仍会保留自己的早期合伙模式，但他承认，如果2009年就知道未来15年股市会持续上涨，那么一种没有2021年过度行为的 Tiger 式策略，可能更赚钱。

6. 最好的后期 franchise，起点都是早期项目入口

Rory 将上述机构与那些从公开市场转入、把风险投资当成电子表格游戏的金融投资人区分开来。Facebook 那笔50万美元的投资是极端案例：一个隐含价值2亿至3亿美元的早期 franchise，最终可以成长为30亿美元平台，而 pooled returns 则由大额后期支票驱动。
变现循环非常强大：先以1000万美元投资发掘或接触一家公司的价值，再在 E 轮追加2亿美元。投资人因此可以沿着整个成长曲线获得回报，同时用早期信誉作为进入后期规模化投资的门票。
Rory 举的例子是，Thrive 的 Josh 和 Greenoaks 的 Neil 在公开市场崩盘期间买入 Carvana，赚取超过5亿美元；Neil 还在 seed 阶段发现了 Windsurf。Harry 对这笔接飞刀式投资的反应抓住了重点：“我认输。Neil——太强了。”

7. Anthropic 的新估值买的是收入重新加速

据报道，这一轮融资最初对应约1000亿美元估值，需求过于旺盛，估值一路上调至1500亿至1800亿美元；Rory 听说最终可能更接近区间上沿。相对于约3000亿美元的 OpenAI，这意味着偏好 Anthropic 的投资人在前一价格基础上立即获得估值上调。
Rory 关注的是衍生指标，而不是收入绝对值：如果去年底约10亿美元、今年达到40亿美元，就意味着公司在规模扩大后增长重新加速，而不是从300%降到200%再降到100%。“这些人似乎已经在规模化阶段重新加速”，如果数字准确，这是一个异常强的信号。
Jason 认为，市场结构“显然是一场残酷的双雄竞争”，其他公司要么无法交付产品，要么无法变现，要么规模太小、无足轻重。因此，Anthropic 获得的定价，是在为一个重新加速的赢家定价，而不只是另一家基础模型实验室。

8. 开发者 AI 支出可能从每月200美元升至1万美元

Jason 自己快要面对每月8000美元的 vibe coding 账单后，才意识到这一点。面对调试和复杂任务需要思考15分钟的 agents，他希望同时运行4个，甚至15个；如果消耗量增长得更快，名义上更便宜的 token 价格就失去意义。
Jason 提到 Farhan C——他以为对方是 Shopify 的 CTO——作为企业案例：公司允许开发者不设上限地使用 AI，最重度用户通过并行运行多个进程，每月消耗约1万美元。Jason 的结论是，领先科技公司的每一名优秀开发者都可能获得每月8000至1万美元的额度，因为“你的 agents 不睡觉”。
Harry 用摩尔定律质疑这一判断：推理成本下降，应该降低每名开发者的支出。Jason 的反驳是，产品能力呈指数级提升，上下文和任务范围不断扩张，而 agents 可以全天候调试、重构和构建算法；需求最终可能趋于平台期，但目前他看不到上限。
预算对比支撑了这一论点。每月花费1万美元，相比一名全包成本50万美元、可能7个月后就离职的开发者，仍然很低；即便在 Cursor 和 Lovable，顶尖人才也依然稀缺。因此 Jason 认为，开发者模型的 TAM 可能是当前水平的50倍，而不只是又一个每席4美元的 Jira 产品。

9. 使用上限是需求看多信号，即使短期毛利难看

Harry 将 Anthropic 和 Cursor 限制200美元套餐解读为：在一个尚未覆盖无限使用成本的价格上，需求已经“无限”。供应商可能收取200美元，却承担250美元 token 成本，于是在约170美元的用量附近封顶；之所以容忍眼下经济性糟糕，是因为算力成本还在持续下降。
修复会同时来自两端：明年同样被限制在170美元的工作负载，成本可能降至120美元，而供应商可以把200美元的价格上调至接近400美元。短期结果是围绕毛利率的拉扯；长期结果是，随着底层成本曲线改善，客户对产品的依赖不断加深。
Harry 将 Anthropic 最终达到2万亿美元估值的可能性抛给 Jason。Jason 不愿背书：万亿美元公司通常要触达数十亿消费者，而 NVIDIA 是开发者相关领域的特殊案例，因为它几乎垄断了最有价值的商品。尽管如此，他仍预计 Anthropic 会变得“极其有价值”。

10. Microsoft 的开发者工具领先，成了最可避免的 AI 失误

Microsoft 早期推出的 Lovable/Replit 竞品暴露了仓促决策：在 beta 阶段，用户似乎共享同一个数据库，并会收到有关存储内容的警告。Jason 认为，这更像是 Replit 和 Lovable 在6个月内逼近2亿美元后产生的恐慌，而非严肃的执行能力。
Harry 更尖锐的比较对象是 Cursor。Microsoft 早已拥有 GitHub，约5年前推出 Copilot，但据报道收入仍在5亿美元附近，而 Cursor 已达到约9亿美元。尤其严重的是，Microsoft 明明更早起步。
这一失误让“Microsoft 在 AI 上表现惊人”的叙事变得复杂。它没有自己的 frontier model，与 OpenAI 的关系也充满纠葛，同时还在追逐另一个新玩具，而核心开发者 franchise 正在失守。Sadia 曾希望“让 Google 跳起舞来”；Jason 的结论是，Google 现在看起来跳得非常好。

11. Google 领先云超大规模厂商，但无尽需求削弱了做空逻辑

如果必须做多一家、做空另一家云超大规模厂商，Jason 暂时选择 Google 对 Amazon。5年前，AWS 掌控这一品类，Azure 借助企业关系排在第二，Google Cloud 看起来可有可无；如今 Google 规模最小，却“远远是增长最快的”，而 AWS 看起来像表现最差者。
Jason 接受这一执行力排名，但不愿真正建立空头仓位。Google 拥有 TPU，Amazon 已经进入“红色警报”状态，而每一家供应商都能卖出超过自身交付能力的基础设施。Harry 观察到 Oracle 突然也具备竞争力，这进一步说明约束在供给，而不是客户不足。
Harry 担心的是约6000亿美元资本开支与一条约300亿美元且仍在增长的收入线之间的缺口。企业每年能消化的软件总量终究有限，而云超大规模厂商必须通过盈利来确认大规模基础设施折旧；随着这项费用进入损益表，Microsoft 的裁员可能部分是在保护效率。
时点让这一担忧几乎无法交易。Sequoas 的 David Khan 最终可能被证明是对的，但如果交易员过早表达这一判断，就会在 Nvidia 约100美元时做空，然后看着它涨到170美元，同时云超大规模厂商不断上调预算。“市场非理性的时间，可能比你保持偿付能力的时间更长。”

12. 这些老牌公司是寡头，却仍在新趋势后方仓促追赶

Harry 否认巨头强大到需要限制，更倾向于让市场自行修正，而不是进行“愚蠢的监管”。相关 AI 市场中有3至4家真正严肃的参与者，远未形成稳固垄断；不同细分市场的参与者包括 OpenAI、Anthropic、Google、Oracle、Microsoft、Amazon 等。
他支持寡头结构的理由是创新：这类市场更多围绕功能而非价格竞争，产品价格保持相近，并将租金回流到研发。“如果寡头不被接受，那我就退出这行风险投资”；3至4家技术能力激进的公司，可能正是投资人需要的市场结构。
Harry 将它们过去的垄断与新竞争区分开来：Apple 垄断 iPhone，Google 垄断搜索，Meta 垄断社交，Microsoft 垄断企业软件；而在新的竞争中，真正跑在前面的反而是 OpenAI 和 Anthropic。后者削弱了监管者提前干预的理由。
Harry 给出了令人印象深刻的评分表：Google“在四家中执行得最好”，因为它有一个能工作的模型；Apple 没有能工作的产品；Microsoft 买了别人的产品，却并不完全拥有它；Meta 则是在“糟糕的心理需求”驱动下购买人才。它们是“有钱、却落在新趋势后方的富人”。

13. Apple 可以挺过 AI 失误，但管理层未必值得再获得一个周期

Harry 提议对 Apple 进行的干预应当是组织层面的，而不是收购层面的：董事会应该问，管理团队是否年纪太大，已经无法抓住 AI。Apple 是他最大的仓位，过去15年也为他带来回报，但“你已经5年没有增长了”；分红和财务工程无法替代赢下下一代平台。
Jason 的反驳是，AI 可能进一步强化 Apple 的收费站。他提到，App Store 约占收入的25%、利润的40%，iPhone 加 App Store 约占收入的75%；如果更多 AI 应用通过 iOS 流量，且 Apple 继续抽取约26%，那么即使没有打造自己的模型，也可能依然很赚钱。
Harry 接受硬件业务具有长期惯性，因此这次失误不像 Google 失去搜索那样具有生死性。尚未解决的风险是：一个类似 OpenAI 的个人伴侣可能介入 Apple 与其10亿用户之间；通过产品植入实现变现可以辩护，但 Jason 警告说：“如果你不向前走，你就在走向死亡。”

14. Meta 的控制结构，允许 Zuckerberg 再花钱买一次试错机会

如果 Meta 每年投入400亿至500亿美元资本开支，那么围绕人才展开的围猎在经济上是说得通的：为少数有能力配置这笔资金的人支付10亿至50亿美元，并不显得明显过高。Harry 预计边际回报最终会转负，但也承认自己“完全不知道”这场行动已经完成了5%还是80%。
Jason 强调可逆性。Meta 可以停止行动、注销合同、继续收割广告业务并成为现金牛；一家每年产生约400亿至500亿美元自由现金流的公司，至少每8个季度就能承受“一次试错”，而它在虚拟现实上实际上已经这么做过。
更强的优势在于，Meta 和 Oracle 保有控制权。普通盈利公司受 EPS 预期束缚，几乎无法再投资，否则就会招致惩罚；但这些公司可以公开押注一代人的机会，投入原本被锁住的现金，即使股价下跌，也能免受秃鹫攻击。

15. Figma 的 IPO，在时代主题转移后为投资人兑现

Jason 预计 IPO 剧本会按设计运行：最初24至28美元的发行区间，在需求达到超额认购数倍后上调至约32至35美元，因此发行价触及上沿并在首日上涨几乎不可避免。4家风投机构各自兑现约10亿美元，很快就能重新吸引市场注意。
Harry 将这一时点与2022年9月作对比。当时 Adobe 按2021年的价格报价，在泡沫破裂后震惊了 TechCrunch Disrupt 现场的1万名观众。Figma 仍然是“S级”软件公司，但如今 Claude credits、Lovable 和 vibe coding 占据了想象力；传统 B2B 软件可能又重新变得无聊。
Harry 的结构性观察更为严厉：“我们的持有期现在已经长于科技周期。”Figma 花了约12至13年才走到公开市场，如今已经必须在 S-1 中解释如何适应 AI；几家 AI 之前成立的公司，依然可能在所属品类的风投热潮结束后创造巨额公开市场回报。
Figma Make 可能把威胁转变为设计到代码的战争。Jason 说自己6秒内就能“闻出”一个 Lovable 或 Replit 应用，因为像素保真度仍然很弱；但他也讨厌无法运行的静态 Figma 链接。最终赢家会是那个能立刻让像素级原型运行起来的产品。如今这些整合仍是合作关系，但小组怀疑12个月后它们还能否保持友好。

16. 预测偏向收入动能，也偏向主权资本驱动的估值动能

Jason 一开始选择低于目标，但后来接受了这一点：按照当前的增长速度，加上开发者支出至少翻倍，Cursor 可能从今天约10亿美元的规模，在明年底接近40亿美元。更多模型使用量也会把更多收入推向 Anthropic。
在被提及6个月内从1增长到100之后，Lovable 在明年实现4亿美元以上 ARR 几乎获得一致信心。Jason 称如果达不到目标将是“灾难性”失败，但也警告估值倍数可能压缩到足以造成 down round；Harry 则认为真正的看空情景是客户流失和订阅持续时间。
OpenAI 能否达到8000亿美元估值，让两人意见分裂。Harry 偏向低于这一水平，因为后续融资的估值跳升正在收窄；Jason 偏向高于这一水平，因为 GPT-5、Codex 和首款 Jony Ive 产品可能重新点燃市场兴奋度。Jason 的论点让 Harry 有些动摇：如果 OpenAI 需要8000亿美元，利益相关者、主权基金、认股权证和结构化条款可以“把这个问题解决掉”，即使公开市场不会接受。
上限取决于宏观经济。讨论中提到，AI 数据中心资本开支约占 GDP 的1.2%，高于互联网泡沫时期约1.1%的带宽投资峰值，但低于铁路时期的约6%；与能持续150年的铁路不同，节目将相关资产描述为一种“3年内升值”的资产。这个比较同时支持双方：支出仍可能成倍增长，但带宽、铁路和 Apollo 的类比最终都以剧烈回撤收场。

美国主导完整 AI 技术栈的计划：Sriram Krishnan 解读 45.直击人形机器人进工厂「打工」的 3 小时｜对话智元机器人