摘要

AI 的收入证据已经摆在台面上，如今更难争论“有没有增长”，只能争论增长斜率。 Harry 引用了 Altman 的说法：OpenAI 今年 ARR 将达到200亿美元；Anthropic 预计2028年达到700亿美元；Gamma 仅用50人就实现了1亿美元收入。Rory 的判断是：“此时此刻，收入已经兑现”；真正可交易的不确定性在于明年的资本开支是800亿美元还是400亿美元，而不是需求是否存在。
Michael Burry 做空 NVIDIA 和 Palantir、规模达11亿美元的交易，方向可能正确，但仍会因为期权逼近到期日而亏损。 NVIDIA 报188美元时，Rory 以47天期限、执行价180美元的看跌期权为例，投入约9美元；股价必须跌到160美元，仓位才会翻倍，而如果跌不破执行价，投入就会全部归零。两年期看跌期权成本为50–55美元，除非 NVIDIA 跌到约150美元以下，否则仍会亏损；要实现同样的2倍回报，则必须跌破100美元。把“投资过度”的“拍脑袋胡扯播客观点”转化成一笔有明确时间窗口、能够盈利的交易，“他妈的难”。
当 AI 不再只是副驾驶，而是成为团队的一部分，软件的下一个 TAM 才会打开。 Jason 的 Replit v3 能记住此前的工作、讨论错误，并在15分钟内上线一个新的生产页面；Gamma 已经能把公司数据转化为定制化销售材料，大约10分钟完成，过去则要几周。门槛在于 AI 足够“自主、懂行且强大”，能够在人类定期检查下完成实质性工作——一旦达到这个门槛，“可触达的收入规模会非常高”。
AI 没有杀死护城河，只是把护城河变得可信的时间点进一步推迟了。 过去， incumbent 可能需要一年半甚至更久，才能决定是否复制一款产品；如今30–90天内就能做出有竞争力的复制品，因此早期收入爆发“没有过去那么有防御性”。Jason 仍然认为最终会出现一个更晚到来的“稳定平面”；Rory 则认为，只有当分销能力、工程深度和市场认可共同收窄竞争者范围后，防御性才真正出现。
后期阶段的证据降低了运营风险，但估值扩张得太快，足以吞掉这部分收益。 Rory 认为，投资概率可以从种子轮或早期 A 轮的十分之一左右，提升到 B 轮时约三分之一；Harry 则认为，算上 Codex、Claude Code、Vercel、Figma Make、Salesforce、Atlassian 及其他相邻竞争者，横向 AI 市场的胜率可能仍只有七分之一到十分之一。Harry 提到的一家公司，收入从约400–500万美元、估值2亿美元，增长到收入8000万–1亿美元、估值20亿美元，既体现了真实的去风险，也体现了共识形成后的定价。
结果分布越分散，逻辑上越需要分散投资，但持股比例的计算可能把种子基金推向机构级规模。 Jason 的例子需要最初投40笔、每笔500万美元的支票，另留2亿美元储备，再准备约1亿美元支付费用并保留灵活性——这就是一只5亿美元的“小型种子基金”。Harry 提出，更大的潜在结果允许基金持有更低比例；Fabrice 则提到一只持有100–150个仓位的 LP 基金，每笔投入10万–15万美元，并认为如果公司最终价值达到1000亿美元，那么在5000万美元估值时投入100万美元也完全可以成立。
融资已经变得残酷地二元化，而最好的融资流程在公司正式融资前就已经被培育出来。 Jason 认为市场进入了“显而易见时代”：YC、Neo 或 South Park Commons 背景，或炙手可热的 AI 原生增长，都能获得融资；传统 SaaS 则举步维艰。Harry 举的例子收入从40万美元增长到300万美元，经历了120场会议，最终只拿到一份1000万美元的投资意向书，对应4000万美元投后估值。两人的共同结论是：“运行得最好的融资流程，感觉不像一个流程”，因为在尽调开始前，几位投资人已经被提前调动起来。
公开市场给 AI 的信用，属于那些正在捕获新增预算的公司，而不是仅仅给产品加上 AI 功能的公司。 Datadog 上涨23%，符合“把东西卖给那些正在做 AI 的人”的规则；Duolingo 下跌25%，说明如果没有新的经济学逻辑，“撒一点 AI 粉”并不能换来估值溢价。Jason 给出的优先级很明确：绑定算力支出、替代人力，或用 AI 取代 incumbent 并夺走其收入。

精读

1. Sequoia 的交接，暴露了旧创投打法的压力

Harry 将 Roelof Botha 在担任掌舵人3年后离任、由 Pat Grady 和 Alfred Lin 接任，定义为一次影响格外重大的变动。Rory 从外部视角给出的判断很直接：“CEO 发生更替，总是因为出了问题。”
Rory 谨慎地没有断言 Sequoia 在 AI 上已经落后。他的判断是，机构内部可能形成了一种认知：在错过融资轮次、放弃优质公司、以及面对一个突然变得更激进的市场之后，Sequoia“本可以做得更好”。
Jason 将问题从 Sequoia 扩展到整个行业：过去10–15年里的许多投资人、高管和创始人，可能都不适合下一个10年。“旧打法已经失效”；对于不愿重新学习的人，他的建议是拿着 NVIDIA 股票，买一套海滨房产，然后退出江湖。
Harry 用“Walmart 对 Chanel”来概括结构性分化：一边是超级平台和资本高墙，另一边是 Benchmark、USV 这类专注型精品机构。将早期投资和成长期投资拆开，可能有助于专业化；但 Rory 警告，上面那个人会变成一个岌岌可危的“管理者的管理者”，越来越远离“谁打下胜仗谁吃肉”的逻辑。

2. Sequoia 的冷酷，可能比合伙制的稳定更健康

Rory 欣赏 Sequoia 不接受“因为轮到某某了，所以领导权就该归某某”的做法。如果合伙人认定必须换人，它就会采取行动，而不是为了保护一个不可触碰的人物，再拖上5到6年。
Jason 的看法没那么浪漫：合伙制天然存在功能失调，因为个人表现很少能与经济回报清晰对应。平分 carry 时一切看起来其乐融融，直到一个合伙人投中了赢家，另一个合伙人押中了巨额亏损：“匕首永远已经出鞘。”
Rory 的反驳值得保留：他并不是说匕首会消失，而是认为经济表现应该推动职业上的变化。在他看来，Sequoia 能够说出“这不奏效，我们做个改变”，既健康，也非常 Sequoia。

3. Michael Burry 的做空，是伪装成宏观判断的择时交易

Harry 引入了 Burry 被报道持有的、规模达11亿美元的 NVIDIA 和 Palantir 空头敞口。Rory 认同 AI 资本开支最终会过度、并发生修正这一大方向，但他进一步追问：这个判断能否真的转化为一笔盈利交易。
NVIDIA 报188美元时，Rory 以47天期限、12月到期、执行价180美元的看跌期权为例。每投入约9美元，NVIDIA 跌到160美元大约可以实现2倍回报，跌到100美元大约可以实现8倍；如果股价没有跌破执行价，“你会全部亏掉”。
Burry 这次异常提前披露，对 Rory 来说很关键，因为期限很短的仓位会从舆论曝光中受益。此前据报道，他总是在法律允许的最后一天提交文件；这次提前公布仓位，看起来像是在试图“把坏消息一股脑压上去”，又不直接明说地唱空这只股票。
拉长期限也不能消除难度：两年期、执行价180美元的看跌期权可能要花50–55美元，除非 NVIDIA 跌到约150美元以下，否则会亏损；要实现2倍回报，则需要跌破100美元。期权是零和博弈，对最终会发生修正的模糊判断远远不够。

4. 当前收入已经兑现，继续对抗 AI 趋势“蠢得像石头”

Harry 质疑节目反复担心 AI 收入是否会到来：据称 Altman 预计 OpenAI 今年 ARR 将达到200亿美元，Anthropic 预计2028年达到700亿美元，而 Gamma 仅用50人就实现了1亿美元收入。
相比遥远的预测，Rory 更看重当年预测在当年被不断上调。Anthropic 上调指引因此具有实际意义；CoreWeave 面临的问题是让数据中心投入运营，而不是找不到客户，这也进一步印证了算力需求。
他的结论异常绝对：“怀疑论者听起来很聪明，乐观主义者赚到了钱。”AI 可能是早期互联网以来最大的超级趋势，因此“顺势而为是唯一理性的做法，逆势而行则蠢得像石头”。
真正合理的二阶讨论在于规模。一家公司明年是花800亿美元还是400亿美元，会形成具有实质影响的差额，尽管两个数字都代表爆炸式需求；因此质疑外推，是风险管理，而不是否认趋势。

5. Gamma 和 Replit 展示了工具如何变成能创造收入的队友

Gamma 在实现1亿美元收入后，以21亿美元估值融资1亿美元。Jason 以 SaaStr 的使用场景为例：Gamma 可以调取 Salesforce 和营销自动化数据，计算某个赞助商此前带来的线索和 ROI，识别竞争者及相似公司，并在约10分钟内生成定制化销售材料，远不只是“AI PowerPoint”。
SaaStr 每月支付约100美元，即每年1200美元，用来完成过去可能依靠免费的 Google Slides 或 Microsoft Office、却需要营销运营团队花3周才能勉强做完的工作。Jason 称之为隐形 TAM 扩张。他还认为，如果 Gamma 继续向10亿美元 ARR 迈进，20倍收入估值听起来不会贵；Harry 补充说，这家公司已经盈利。
Jason 曾在125天内、没有工程师参与的情况下上线10个应用。Replit v3 是他第一个认为真正属于自己团队的 agent：它能保留约1个月的上下文，记住此前的实现选择，讨论错误，并在15分钟内把一个新想法投入生产。
他的分界线是自主性、知识储备，以及在定期监督下完成高价值实质工作的能力。Copilot 是2024年的故事，但作为付费工具并未奏效；现在的故事是 AI 终于可用；2026年的机会，则是让 AI 嵌入团队，而不只是帮助单个员工。
Jason 认为这轮爆发来自最近的能力跃迁：Gamma 成立于2020年，但直到今年才有收入；他还表示，Replit 和 Vercel 也是在模型足够强之后才真正爆发。

6. 更快的复制品把防御性推迟了，但未必让护城河归零

Harry 认为，投资人的新负担，是持续重新学习过去12个月技术上已经能做到什么，以及未来12个月将能做到什么。“我6个月前知道的东西”可能迅速失效，过时的技术判断等同于闭着眼下注。
Jason 对比了新旧响应周期：过去一家公司可能需要一年半才能决定是否值得复制某款产品，再花大约两年认真组建团队；如今一笔投资在30天内就吸引了5个复制者，其中包括一家云计算巨头。自上次采访以来，Canva 的演示产品也已经变得与 Gamma “近乎具备竞争力”。
反过来的支撑，是一个更晚出现、但仍然脆弱的“稳定平面”。Jason 认为，Replit 这样的复杂产品能够拉开差距，因为竞争对手无法复现底层 agent；曾经的早期领跑者 Bolt 已经跌至第三，并将 agent 层外包给 Claude。他还警告，公司如今必须以“996”的强度工作，因为3年的产品周期可能压缩到90天。
Harry 提出通过 Solve Intelligence 的专利工作流积累垂直数据；Jason 则指出，专利是公开的，也能被竞争对手摄取。Rory 更宽泛的规则是：种子阶段的防御性大多是想象，团队必须高速执行、保持技术领先、赢得分销，并成为市场“钦定”的赢家之一。

7. 估值问题在于：投资人是否因承担更高方差而获得了足够回报

Jason 接受在300万或500万美元投后估值时押注高风险、靠团队和速度取胜的模式，但质疑在5000万美元估值、单笔500万美元支票下是否还成立。如果创新可以被即时复制，投资人就必须问：进入价格是否足以补偿风险。
Rory 按阶段区分概率：种子轮投资人主要了解的是人；早期 A 轮时，即使有5到6家公司接近100万美元收入，成为赢家的概率仍可能只有十分之一；到了 B 轮，增长速度和竞争排序有时可以把可信的领跑者收窄到约三分之一。
Harry 借助代码生成和 vibe coding 反驳这种确定性。Cursor、Cognition、Replit、Lovable、Vercel、Codex、Claude Code、Salesforce、Atlassian 和 Figma Make 让赛道仍然是“众多选一”；一家顶级、获得风投支持的创业公司，如果最终被相邻平台击败，那它的身份毫无意义。
Rory 承认平台风险仍在，但认为信息增量依然真实。Harry 提到的一家公司，收入从约400–500万美元、估值2亿美元，增长到收入8000万–1亿美元、估值20亿美元，品类风险和执行风险都已消除；估值随后扩张，填满了这块空间，最终问题变成：TAM 是否足够大。

8. 不确定性上升，推动基金构建走向分散化

Jason 的算术从40笔种子投资开始，每笔500万美元：初始投入2亿美元，另留2亿美元储备，再准备约1亿美元支付费用并保持灵活性。因此，要同时维持持股比例和分散化，可能需要一只5亿美元的种子基金。
Harry 认为，结果分布扩大后，初始持股比例可以降低。Fabrice 随后提到一项 LP 投资：通过每笔10万–15万美元的支票持有100–150个仓位，已经实现7倍基金回报；他还认为，在公司最终价值达到1000亿美元的情况下，5000万美元估值时投入100万美元也可以成立。
Rory 指出，Harry 的回答其实默认接受了更高程度的分散化，而不是否认风险上升。退出周期更长、经营结果方差更大，逻辑上都意味着需要略多的持仓，可以通过更小的支票、更大的基金，或有意识地降低持股比例来实现。

9. 投资人会议节奏必须匹配策略和个人风格

Harry 表示，合伙制每位合伙人每周要见20家新公司；他有4位投资合伙人，意味着每周线下接触80家新公司，每年超过3500场公司会议。Jason 的回应是，与其采用这种节奏，他宁愿“把所有 carry 都还给你”。
Rory 称自己是“会议成瘾者”，因为即使是普通机会，也可能透露一条 deck 无法提供的市场洞见。他的打断式风格会跳过大部分幻灯片，直接提取运营者掌握的“关键知识内核”。
Jason 更偏好一封有力的邮件、deck、财务数据和此前5次投资人更新，现在再加上 Claude。只有真正出色的创始人，才能在这些材料之外提供足够多的信息，证明一次会面值得；如果某位创始人获得他投资的概率是0%，逼着他喝杯咖啡对双方都没有意义。

10. 最好的融资流程，在正式启动前就已经完成

Harry 认为，一位创始人在11月19日拒绝他已经准备签署的投资意向书、转而启动正式融资流程，显得很冒犯。如果他已经满足了对方提出的价格，那么在 Harry 看来，创始人其实是在为另一位合伙人做优化，应该直接说清楚。
Rory 区分了已承诺的报价和模糊的兴趣。一份真正的投资意向书值得认真考虑，但如果公司把数据依次分享给一两家尚未承诺的机构，就会形成一个“意外启动的流程”；如果对方拒绝，公司实际上已经在正式融资前输掉了一轮融资。
Jason 偏好的方式，是创始人通过持续更新和关系经营，提前培育多位投资人，等他们已经做好准备后再宣布融资。最优版本甚至不需要传统意义上的 data room：投资人既然已经想投，剩下的材料可以只是一个尽调文件，例如 Jason 标注为“Box-diligence investment 12/21/25”的案例。
Rory 的总结进一步点明了核心：“运行得最好的融资流程，感觉不像一个流程，但它确实是。”利用既有兴趣进行时间安排，可以在不明显玩弄规则的情况下形成竞争性结果；但只有足够有吸引力、业绩足够好的公司才能做到这一点。

11. 融资是二元的，而 AI 奖励新增预算，而不是新增功能

Jason 将市场称为“显而易见时代”：与 YC、Neo 或 South Park Commons 的关联，可以打开 pre-seed 关注；更后期的公司则需要炙手可热的 AI 原生定位和顶级四分位的风投增长。过去还能融资的中间地带，基本已经消失。
Harry 举的具体案例是一家传统企业 SaaS 公司，收入从40万美元增长到300万美元。它经历了120场会议，最终只收到一份投资意向书：融资1000万美元，对应4000万美元投后估值；对于一家收入增长10倍的公司，这相当于约12倍收入估值。
Datadog 则代表了相反的结果：股价上涨23%，Harry 提到“1500万美元以上的 AI 原生客户”，但没有说明具体指标。Rory 将打法概括为“把东西卖给那些正在做 AI 的人”；可观测性、交换机、路由器和互连设备都会随着前所未有的算力消耗同步扩张。
Duolingo 在季度业绩不错、但指引略显疲软后下跌25%。Jason 称这是“错误类型的 AI”：改进现有产品，如今不会获得额外认可。一家公司必须绑定算力支出、替代人力，或用 AI 夺走 incumbent 的收入。

12. Education 和 Hummingbird 展示了资本效率的两种版本

Rory 不愿把每个 AI 应用都简化为裁员。在教育领域，AI 可以给学生提供个性化教学，其体验更接近一对一辅导，而不是20人课堂；在语言学习中，真正可信的预算来源可能是已经在为真人教练付费的成年人，而不是现金紧张的公立学校。
Jason 接受产品价值，但持续追问：“预算从哪里来？”如果 AI 既不替代人力，也不捕获算力支出，就必须取代传统供应商；对于 Duolingo 这样的 incumbent，这很难，因为它可能需要蚕食自身现有收入。
Harry 最后谈到 Hummingbird 的第一笔生物科技投资 BillionToOne，该投资在 IPO 时形成约8亿美元仓位。他还提到 BillionToOne 的50亿美元估值和 Nirvana 的45亿美元估值，两者都体现了资本高效公司与集中持股的力量。
Jason 认为，一只规模达到8位数或9位数的基金还能维持持股比例，是“神级操作”；Rory 则为接受稀释辩护：投入400万美元后，持股从20%降到12%，仍然可以为基金创造惊人回报。小规模、高 MOIC 的基金，往往才是边际 LP 资金更有吸引力的归宿。

No Priors 第140期｜与 Benchling 联合创始人兼 CEO Sajith Wickramasekara 对谈 Satya Nadella——Microsoft 如何思考 AGI