摘要

AI应用经济学打破SaaS熟悉的80%毛利率评分卡。 Randle认为，投资人应该基于终局5–7年的毛利率、毛利润倍数，以及单客户绝对毛利润进行承销：一款毛利率50%的AI产品，如果每客户贡献50万美元毛利润，可能优于毛利率75%、但每客户仅贡献20万美元毛利润的SaaS产品。他直言：“我们今天不应该把那么多注意力放在毛利率上”，尤其是高推理成本可能恰恰反映了真实的AI使用量。
Coding已经是“黄金品类”，即使Cursor的市场份额仍在下滑。 Randle估算，代码生成在约2.5年内从几乎为零增长到60–70亿美元ARR，今年还可能再增加40–50亿美元；Cursor的份额可能已从约80%降至25–30%，但它仍在服务一个大得多的市场。使用量最高的产品——包括Cursor、Claude Code和Codex——也会通过部署最快迭代，并可能“把所有人甩在身后”。
按最新报价，Randle会以5000亿美元选择OpenAI，而不是3500亿美元的Anthropic。 Anthropic在Coding和B2B商业化上仍略占优势，OpenAI则凭借Codex追回了差距；决定性资产是ChatGPT，Randle认为其增长轨迹几乎不可能被打断。他曾因非营利结构和稀释担忧，以320亿美元的估值错过OpenAI，如今预计OpenAI明年就可能成为万亿美元公司：“我只见树木，不见森林。”
Benchmark的小基金目标是最大化倍数，而不是赢下每一轮巨型融资。 Randle表示，其上一支基金最好的5笔投资按上一轮价格计，约为1笔60倍、2笔30倍和2笔20倍——ChatGPT之后的OpenAI融资没有一轮能匹敌。Benchmark因此不必买入每一家实验室，其两大北极星是成为创始人最亲近、ROI最高的合作伙伴，并为LP的创投组合带来最高的资金倍数回报。
巨型基金可以赚到巨额绝对利润，却仍无法通过创投回报测试。 Randle的论点是结构性的：“基金多大，你就得投多大”，因此70–100亿美元的基金必须开出巨额支票，而这些支票最终必然成为主要产品和组织重点。他怀疑巨型基金管理人能否可信地承诺，在相关基金组合上实现5倍净回报；Harry的反驳是，前所未有的结果或许仍能拯救这一模式，Randle接受其美元层面的可能性，但不认为倍数也必然成立。
AI的护城河仍然是技术，而不只是分发。 分发只能让公司获得构建产品的机会，但Randle认为，优秀AI产品需要稀缺人才、精细的模型管线和工作流设计，而不是在文本框旁边“接入OpenAI API”。实验室把每月20美元或200美元的体验设为基准，因此应用公司若要收取更高价格，就必须创造足够深度、能够穿越下一次模型迭代的差异化工作流价值。
绝对毛利润可能比毛利率百分比更重要。 Randle偏好的比较是：一家类似ServiceTitan的企业，每客户贡献20万美元毛利润、毛利率75%；一家AI公司每客户贡献50万美元毛利润、毛利率50%。他会选择后者，因为它覆盖了更广泛的客户关系，也获取了更多经济价值。AWS是他的类比——更低的毛利率可以与大得多的客户支出并存。
只有当应用越过实验室设定的基准，增长才是真增长。 AI公司可以在不到1年内从0增长到100，但Randle始终牢记“来得快，去得也快”。Jasper曾快速增长，随后因GPT-4让其输出看起来与ChatGPT的20美元套餐过于相似而萎缩；它后来依靠更具差异化的工作流软件实现复苏。应用公司必须超越用户直接从实验室获得的产品能力。
商品化AI基础设施可能压倒质量层面的顾虑。 Randle改变了对AI云的看法：他起初认为CoreWeave只是转售商品化算力的中间商，后来天文数字般的推理需求压倒了这一质疑。他称CoreWeave的市值约为600亿美元，Nebius约为300亿美元，公开市场相关公司合计超过1000亿美元。他仍预计CoreWeave及类似公司最终可能下跌70%，但认为需求足以支撑顺势投资。
Benchmark按基金规模进行投资，而不是追逐每一家实验室。 Randle将Conway定律应用于创投：机构会“交付”自己的基金规模、团队和结构。一支拥有50名投资人的70亿美元基金必须参与巨型融资，因为十亿美元级支票是少数能有效部署其资本产品的方式。Benchmark规模更小，可以追求集中投资和更高的潜在现金回报倍数。
持股比例是投入，合作关系和回报才是产出。 Benchmark的两大北极星，是成为每位创始人最亲近、ROI最高的合作伙伴，并在LP的创投持仓中创造最高的资金倍数回报。惯常的20%持股目标本身并不属于其中。Randle表示，即使Benchmark在Mercor的持股比例更低，只要仍是公司最具影响力的创投伙伴，也能实现卓越回报。
价格只有放在公司自身的上行空间中才有意义。 Randle的排序是人、产品、市场：人是上游引擎，产品是检验其质量的最强证据，而市场最具可替代性，因为公司可以转向。SpaceX在1500亿美元时、Rippling在2.5亿美元A轮时，以及Figma在400万美元ARR对应4亿美元估值时，都教会他去掉那些吓人的零，基于TAM、竞争地位和上行空间进行承销，而不是服从市场惯例。
模型可以检验信念，但过度详细的预测会制造虚假精确。 Randle先列出基准情景——也许就是其他投资人承销的3–5倍路径——再问自己的定性判断是否认为公司会“彻底碾压这些预测”。超过这一尺度后，模型就不再特别有用。他在2021年的《Playing Different Games》文章中预测了创投行业的分化，如今又看到“6、7个Tigers”在追求投资速度。
Tiger或许最终会被证明是正确的，但下一次崩盘仍要求生存。 Randle同意，考虑到Tiger持有Databricks和OpenAI，以及部分失败投资中的优先股保护，其最终表现可能远好于市场声誉。他预计许多AI公司会归零或下跌90%，而少数赢家将复利增长数十年。Benchmark的答案是约束基金规模、谨慎使用资本，以熬过不可避免的崩盘。
Benchmark最大的风险是停滞，而不是错过某一个周期。 Randle称，未来20年最大的威胁是停滞：Benchmark必须随着资产类别演进，同时守住两大北极星，并继续触达最优秀的创始人。他的长期乐观来自AI提高人均GDP，而人口增长正在放缓——以“继续把蛋糕做大”为基础，建立一个运转良好、零和色彩更弱的社会。

精读

1. 伟大投资人把流程变成信念

Mary Meeker的量化声誉掩盖了Randle认为她真正的天赋：她是他合作过的“最定性的投资人”。她读公司历史和预测数据时“就像在读《黑客帝国》”，看到的是一条8–10年的叙事——对DoorDash而言，不是抽象的增长率，而可能是20%的家庭每月下单。
这段经历教会他，应该用数字推动投资故事，而不是被模型困住。Meeker的序列数据让她能够想象公司最终会变成什么，把量化纪律与对采用率、用户行为和市场地位的定性判断结合起来。
在Randle看来，Peter Thiel的天才同样体现在机构设计，而不仅是选股。Founders Fund允许员工与基金并肩个人投资，形成了一项隐蔽的信念测试：如果投资人宁愿把钱放在标普500，“我们凭什么让LP拿到这个配置？”一些年轻员工甚至会使用无担保授信参与投资。
Founders Fund以高强度著称的投委会之所以有效，是因为关系足够稳固，能够容纳“毫无保留、追求完整真相”。Randle可以对Keith Rabois猛烈抨击，而不必担心层级介入；分歧更像是和兄弟姐妹争吵，而不是在政治官僚体系中周旋。

2. Mamoon Hamid通过让卓越触手可及来传授品味

Mamoon Hamid最核心的教训是，年轻投资人必须近距离见过卓越。如果早期没有接触过非凡的创始人、管理团队和董事会，他们就无法在真实环境中稳定识别这一标准，也无法要求较弱的被投团队达到同样水平。
Randle认为，Figma、Glean和Rippling有一条共同主线：面向企业的B2B软件，却拥有消费级产品体验、异常强的用户喜爱和参与度，以及能够达到相应高产品标准的团队。
Hamid的优势在于对人、产品和市场都拥有“无可挑剔的品味”，并在一个刻意收窄的优势领域内不断打磨。Hamid的指导鼓励Randle形成同样具体的品味，而不是照搬一套泛化的创投打法。
Harry也给出了夸张但精准的背书：Hamid邀请他参与一笔交易时，他告诉团队尽调已经结束——“是B2B，有点像PLG，是Mamoon”——这说明投资人多年积累的品味能够携带多大的信息价值。

3. 320亿美元错过OpenAI，成为改变Randle直觉的那一笔

Randle一开始就喜欢ChatGPT，但因为非营利结构、员工份额和可能出现的稀释看起来“真的很棘手”，最终错过了OpenAI那轮320亿美元融资。这些风险并非虚构——公司结构一度接近失稳，招募人才也带来了严重稀释——但与其前所未有的增长和效用相比，它们并不重要。
他的复盘毫不留情：“我被吓住了，只见树木，不见森林。”私募股权训练赋予了他分析纪律，却也让他在产品本身已经提供非凡证据时，过度放大了结构复杂性。
Josh Kushner对Spotify和Instagram的本能反应，如今成了Randle的反向模型：当一个产品让人感觉势不可挡时，要足够相信这种直觉，避免让次要缺陷主导决策。OpenAI仍是他最大的错失，“直到今天都很痛”。
Randle预计，OpenAI明年可能成为万亿美元公司，并且在这一估值水平融资“完全没问题”。Harry从Kushner那里学到的相关规则是：如果投资人为了迁就别人，愿意接受更少的配额，那么自身意愿被削弱本身就在说：“别做这笔交易。”

4. ChatGPT让OpenAI占据优势，Coding仍在争夺

当被要求在5000亿美元的OpenAI和3500亿美元的Anthropic之间二选一时，Randle选择了OpenAI，不过他认为两者都可能是好投资。他的下行情景分析从ChatGPT开始：他看不到什么会打断其增长轨迹，或阻止它成为未来5年最重要的消费目的地和应用。
Anthropic在B2B商业化上可能仍略占优势，因为它投入了更多时间和资源做企业销售。在Coding方面，它凭借Claude Code、Sonnet和更完整的模型组合，也仍然略领先。
但OpenAI凭借Codex“追回了大把进展”，让Coding变成短兵相接，而不再是Anthropic一边倒的优势。Randle偏好的估值逻辑，取决于ChatGPT的消费端地位，而不是OpenAI赢下每一种工作负载的判断。
对于Cursor的命运，Randle给出了诚实的非答案：“我不知道。”他反对的是把份额下滑推导为机会收缩：即使Cursor被Claude Code、Codex和Cognition抢走相对份额，它仍可能成长为一个规模大得多的绝对市场。

5. 代码生成扩张速度快于份额碎片化

随着竞争者进入，Cursor可能已从最初市场约80%的份额降至25–30%。但Randle估算，代码生成市场在约2.5年内从几乎为零扩张到60–70亿美元ARR。
他过去用“黄金品类”标准识别市场：一年新增10亿美元净ARR，规模大到多阶段基金实际上必须持有一个仓位。仅今年，Coding就可能在不同产品和服务中增加40–50亿美元。
Harry追问，AI是否会让每个品类都变成黄金品类，以及门槛是否应从10亿美元提高到100亿美元。Randle承认，AI会扩大许多市场，尤其是软件替代人工的领域，但并非全部如此：例如面向兽医的AI细分市场，可能仍缺乏足够的客户和预算。
使用量本身也具有战略意义。Randle预计，Claude Code、Codex和Cursor等产品会进步最快，因为AI产品会通过使用不断变好；那些资金充足、却还没有把产品交到开发者手中的公司，可能会迎来“一次不太愉快的觉醒”。

6. 劳动力预算要求AI公司采用新的分类体系

Randle举的具体例子，是一家由Kleiner Perkins投资、提供全天候接待员的家政服务语音AI公司。一名客户在7款ServiceTitan产品上每年支出约25万美元，而在这款刚上线的AI产品上也花费了同样金额。
这套经济模型能够成立，是因为客户可以把接待员从3人减至2人，同时实现全天候接听电话和预约，而不是只能在9点到16点工作。AI产品既降低了劳动力成本，也捕获了原本会流失的收入。
如果硬把这家公司塞进SaaS模板，就无法理解这种客户关系。Randle曾经工作的第一家公司Vista Equity Partners的CEO Robert F. Smith过去常说，SaaS“尝起来都像鸡肉”：这些企业足够相似，可以套用一套可复制的运营打法。
投资人习惯了约80%的毛利率、高80%区间的毛利留存率、120%以上的净留存率，以及很少的资本开支。AI应用把推理成本直接纳入COGS。因此，更低的毛利率可能意味着真实使用量；异常高的AI应用毛利率，反而可能意味着客户几乎没在使用AI功能。Randle希望投资人从终局经济学出发，而不是奖励一个好看但可能空洞的百分比。

7. 绝对毛利润可能比毛利率百分比更重要

Randle偏好的比较是：如果ServiceTitan每客户贡献20万美元毛利润、毛利率75%，而一家AI公司每客户贡献50万美元毛利润、毛利率50%，那么“我不在乎”后者的百分比更低。它覆盖了更广泛的客户关系，也获取了更多经济价值。
分析单位应该转向毛利润倍数和单客户绝对毛利润，同时从第一性原理出发，评估5–7年后的毛利率。训练成本和自研模型，也会进一步拉大AI公司与传统SaaS之间的差异。
AWS是他的类比。他估计AWS毛利率可能为50–60%，经营利润率约30%，但它通常是软件公司的最大支出项目，远高于Salesforce、Workday或Adobe，因为基础设施支出规模极其庞大。
2010年代初，一家营收1.5亿美元的软件公司可能会出现3000万美元、令人咋舌的AWS COGS。相比AWS的百分比毛利率，更重要的是客户在它身上支出的倍数；如果从Amazon中拆分出来，Randle认为AWS可能是一家万亿美元的独立公司。

8. 只有当应用越过实验室基准，增长才是真增长

AI公司可以在不到1年内从0增长到100，但Randle始终牢记“来得快，去得也快”。Jasper曾快速增长，随后因为早期收入缺乏足够的支撑和持久的客户价值而萎缩。
GPT-4暴露了其中的弱点：客户认为Jasper的输出与ChatGPT每月20美元提供的内容相似。Randle认为，Jasper后来通过把LLM嵌入差异化的营销工作流，而不是简单包装模型访问能力，实现了复苏。
如今，实验室产品设定了客户体验的最低基准。一款应用如果收费明显高于ChatGPT每月20美元或200美元的价格，就必须提供足够强的超额价值，才能支撑企业分发、客户留存和可持续的商业方程式。
Randle反对护城河已经整体从技术转向分发的说法。分发提供的是“构建差异化技术的权利”，但优秀AI产品仍需要稀缺人才、精心设计的模型管线和有品味的工作流整合，而不是把API塞进一个文本框。

9. AI人才和产品工艺仍是稀缺技术

经典的“七大能力”并未消失；应用扩张更快、实验室更快改善并分发自身产品，使竞争 stakes 更高。可持续增长仍取决于能够穿越一轮轮模型升级的差异化。
Randle将技术护城河重新定义为部分由人才构成的护城河。很少有人能够决定LLM应该嵌入工作流的何处、如何改善输出，以及如何让完整产品的表现足够优秀，从而胜过实验室应用。
这份稀缺性解释了为什么研究人员能拿到十亿美元级合同和“LeBron级别的薪酬”。没有这些构建者，分发或许能带来触达，但无法造出足以守住客户关系的卓越产品。
因此，Harry关于分发和数据的论点遭到直接反驳：Randle表示，护城河从根本上仍然是技术。产品质量同样是判断哪些人有能力构建它的证据。

10. 商品化AI基础设施可能压倒质量层面的顾虑

Randle对AI云的看法转变最为剧烈。他起初认为CoreWeave只是转售商品化算力的中间商，是一个结构性低毛利的经纪商，但天文数字般的推理需求压倒了这一关于业务质量的质疑。
他回忆，CoreWeave当时私募融资约30亿美元；在节目所述时点，它已成为一家市值约600亿美元的上市公司，Nebius约300亿美元，整个板块的公开市场市值超过1000亿美元，还不包括迅速成长的私营公司。
Randle仍认为，CoreWeave及类似公司某个时候“可能会下跌70%”。但早期投资人已经在从他拒绝投资的价位上涨20倍后获得流动性，这使他原本关于商品化业务的批评在经济层面失去了意义。
这个教训有意令人不适：当需求看起来像第一轮超大规模云厂商浪潮，而AI推理可能呈现更陡峭的群体增长曲线时，“有时候你就是得闭上嘴，顺着动量投资”。

11. Benchmark按基金规模进行投资，而不是追逐每一家实验室

Randle将Conway定律应用于创投：机构会“交付”自己的基金规模、团队和结构。一支拥有50名投资人的70亿美元基金必须参与巨型融资，因为十亿美元级支票是少数能有效部署其资本的方式。
Benchmark规模更小，可以玩另一种游戏。其上一支基金最领先的5笔投资按上一轮价格计，约为1笔60倍、2笔30倍和2笔20倍；Randle表示，ChatGPT发布以来，没有任何一轮OpenAI融资达到这些倍数。
Harry计算，按320亿美元估值投资OpenAI，账面涨幅可能约为12–15倍，但考虑稀释后更接近6–8倍。他将其与Benchmark在Lovable、LangChain、Sierra、Mercor和Fireworks上的持仓作比较：对于小基金而言，现金回报倍数才是产品，声望不是。
Randle承认，跳过实验室可能威胁到机构的相关性和资源获取。眼下他的反证是Benchmark与Bret Taylor等人的关系——他称其为AI应用领域的教父——以及他提到的Mercor的Brendan，后者代表AI基础设施方向。

12. 持股比例是投入，合作关系和回报才是产出

Benchmark的两大北极星，是成为每位创始人最亲近、ROI最高的合作伙伴，并在LP的创投持仓中创造最高的资金倍数回报。惯常的20%持股目标本身并不属于其中。
Harry援引一篇文章称，Benchmark在Mercor的持股约为10%，低于历史惯例。Randle回应称，更大的潜在结果意味着更多实现卓越回报的路径，同时仍能成为公司最具影响力的创投伙伴：批评者“把投入和产出混为一谈”。
Harry以Delian Asparouhov关于Benchmark解雇创始人的批评，挑战其“最佳合作伙伴”说法。Randle指出，替换创始人曾经是常规操作——Google的投资人当年立即寻找职业经理人CEO——但他也表示，如今治理方式以及董事会与创始人的关系已经显著改善。
创始人忠诚不能凌驾于法律、伦理或受托责任之上。Harry描述了一些董事会为保护创始人NPS而牺牲股权结构的情况；Randle表示同意，并补充称，伟大的创始人不需要唯唯诺诺的人，也不需要“董事会里的GPT-4o”，而需要愿意交锋、推动公司进步的成年人。

13. 价格只有放在公司自身的上行空间中才有意义

Benchmark的4位普通合伙人各代表合伙企业25%的权益，并保有各自鲜明的风格：Eric Vishria偏好从公司创立之初介入，而Randle预计自己最初会更多投资Series A、B及更后期阶段。共同约束不是阶段，而是卓越的创始人合作关系和回报潜力。
Randle承认，自己作为一名成长型投资人加入Benchmark时曾感到不安。Vishria回应称，Bill Gurley在Benchmark之前也曾是公开市场分析师；Randle还以Pat Grady为例，说明最优秀的投资人正越来越超越阶段边界，而不是被困在某个组织分类中。
他的排序是人、产品、市场。人是上游引擎，产品是判断其质量的最强证据，市场排在第三，因为它最具可替代性。团队可以转向，就像Slack一样；但一个并不卓越的创始人或产品组织则更难改变。
SpaceX在1500亿美元时教会Randle去掉那些吓人的零，比较TAM、竞争地位和上行空间。Rippling的2.5亿美元A轮、Figma在400万美元ARR对应的4亿美元估值，相对于市场惯例都看似荒谬；但如果只看相对价格，就会把这些卓越公司筛掉。

14. 模型检验信念，但巨型基金结构会重塑行为

Randle用模型列出基准情景——也许是其他成长型投资人承销的3–5倍路径——然后再问自己的定性判断是否认为公司会“彻底碾压这些预测”。超过这把尺子后，详细预测就会变成虚假精确。
Figma说明了这一陷阱：任何准确预测其最终存续时间、增长和盈利能力的模型，看起来都会像是为了通过投委会审批而人为设计。简单的市场规模测算同样失效，因为只统计设计师，忽略了产品人员和其他角色的采用。
Randle在2021年的文章《Playing Different Games》中，预测了Tiger高速度、对创始人友好、低接触的模式，与Benchmark集中、高接触、重工艺模式之间的分化。缺乏特色的中间地带成了他的“J.C. Penney基金”；Tiger受挫后，“我们又多了6、7个Tigers”。
Harry反对把Tiger的北极星套用到Thrive、Lightspeed或General Catalyst身上。Randle弱化了对Thrive的描述，但提出了一个组织测试：去问负责人、初级合伙人和助理，投资部署是否会影响晋升。当十亿美元级支票可能贡献95%的利润时，他认为这些支票必然成为主要产品。

15. 巨型基金可以赢得美元，却输掉创投回报测试

Randle接受Harry的核心反驳：OpenAI、Anthropic和Cursor可能比任何人曾经想象的都大得多，让投资人赚到巨额绝对收益。分歧在于，这是否能转化为LP期待的创投倍数。
他怀疑最大型机构的负责人能否“面不改色地”告诉LP，其按同等条件参与的基金组合能够实现5倍净回报。他认为，在80–100亿美元基金上实现4倍净回报，已经接近“违背物理定律”的规模。
LP对私营科技资产的需求，可能因为机构目前愿意用较低回报换取配置机会而推迟清算。但Randle指出，LP已经有私募股权来获得较低回报的敞口，而且流动性通常更好；创投的独特作用，是创造异常高的资金倍数回报。
在一个拥有50名投资人的平台里，第23位合伙人可能继承30个尚可的公司关系，需要做成几笔交易才能晋升，再寄希望于其中一笔带来任期保障。Randle认为，这更像投行或大型并购机构，而不是“结识真正有趣的创始人，只做最好的投资”。

16. Tiger或许会被证明是正确的，但下一次崩盘仍要求生存

Randle同意，Tiger在2021年的投资组合最终表现可能远好于其市场声誉。Databricks和OpenAI的大额持仓，加上许多失败项目中的优先股清算保护，可能让“#JusticeForJohnCurtius”不再只是玩笑。
他的条件式情景非常明确：如果Databricks成为4000–5000亿美元公司，OpenAI成为数万亿美元公司，那么Tiger的基金可能“还不错”——不是LP曾拥有过的最佳组合，但也远非一台烧钱机器。
那些过度仍然令人记忆犹新。2021年12月或2022年1月的一场迈阿密派对上，可能还有Vanilla Ice在场，Randle看着公开市场科技股下跌30–40%，想起《The Dark Knight Rises》：“Gotham正在燃烧”，而行业正在参加最后一场奢靡庆典。
今天可能与互联网泡沫周期相似：许多AI公司会归零或下跌90%，而少数真正持久的赢家将复利增长20–30年。Benchmark的答案是约束基金规模、谨慎使用资本，保留穿越崩盘的能力，而不是迫使LP逃离。

17. Benchmark最大的风险是停滞，而不是错过某一个周期

一位合伙人曾建议Randle，第一次Benchmark投资失败或许会让人获得解放：一旦项目失败、 “LP仍然喜欢我们”，也没有人被解雇，第二次决策的心理负担就会减轻。相反，早期的表面成功可能不断加剧压力。
当被问到，在曾经效力过的机构中会把钱投向哪里以获得最高现金回报时，Randle选择了Founders Fund，因为孵化项目能在购买股权变得过于竞争激烈之前获得股权。Anduril展示了可能的基金层面结果；每隔几支基金，或者每5–10年，这家公司就能孵化出一家令人难以置信的企业。
Benchmark自身必须保持动态，同时守住两大北极星。Randle称，“停滞”是未来20年最大的威胁：与最优秀创始人的关系是这个资产类别的货币，传统不能让“尾巴摇狗”。
他对未来10年的乐观判断来自宏观经济。社交媒体让资本主义把人类注意力优化成盯着屏幕，而AI可以在人口出生率下降之际提高人均GDP。沿用Peter Thiel的框架，Randle认为经济增长——“继续把蛋糕做大”——是繁荣与和谐、非零和社会的必要条件。

⚡ Google Labs 内部：打造 Gemini Coding Agent——Jed Borovik、Jules 与 AIE CODE Preview 140: 深势科技张林峰、孙伟杰：AI for Science，从开始到现在