a16z Growth 如何投资

摘要

• George 认为，消费级 AI 的变现天花板是个神话，历史已经证明了这一点。 私募市场投资者曾把 Facebook 和 Google 的收入上限定在「每用户20美元」；10年后，两家公司在发达国家每用户收入约为200美元。ChatGPT（大概率）达到 Google 的规模约快4倍，拥有约10亿用户，但变现用户不到5000万；交互界面将从被动响应式聊天机器人转向「主动式……长时记忆……多模态」，而最终胜出的广告形态，可能像当年的信息流广告一样难以预见。
• 对于企业级 AI，他有意扮演怀疑者。 「软件市场有4000亿美元，但白领劳动力规模巨大」这类演示「有点经不起推敲」。他的基准判断是：「90%的技术剩余都将归终端用户」，就像蒸汽机从未按照替代50名工人的价值来定价。商业模式进展最清晰的是客户支持（按结果收费）和编程（按消耗收费），其他领域「基本还没有定论」；但下一代企业级赢家仍可能比上一代大得多。
• 本期最核心的市场判断是：30%以上的增长仍未被市场充分定价。 原因在于投资者很难建模增长的持续性；2009年市场对 Apple 2013年的共识预测，在「全球覆盖度最高的公司」身上偏差达3倍，而增长率从80%降至75%再到65%，与从80%降至65%、50%、40%，会造成「估值相差3倍」。他的投资组合按美元加权增长112%，进入估值为21倍收入——「远没有 PE 里以15倍 EBITDA 买入一家增长12%的公司那么危险」。
• 大多数科技市场都是《格伦加里·格伦·罗斯》式竞争：「第一名拿凯迪拉克，第二名拿一套餐刀，第三名直接被解雇。」 绝大多数市值最终归于领导者——「Salesforce 没有第二名」。模型层是例外：它更像云计算或飞机制造，而不是航空公司，会形成多个玩家共享利润池。模型收入排名第二没有问题；但在主导性的消费聊天界面中排名第二，就不行。
• 可能投资 Waymo 的经历，是他学会摆脱电子表格束缚的关键一课。 2020年他曾反对：「这要花10年……估值会非常高。」Mark 和 Ben 回应：「不在乎……这是有史以来最大的市场。别想太多。」2020年的小额支票，到2024年底变成了更大的一笔投资，因为「消费者偏好直接拍在你脸上」——可能的 Waymo 仅用约400辆车，就在市场份额上超过了旧金山湾区约5万名 Lyft 司机。相比之下，机器人面对的是「无穷多的自由度」；他认为机器人技术成熟所需时间会长于预期。
• 风险投资已经悄然成为成熟资产类别。 全球市值最大的10家公司中有8家属于科技行业，其中7家由西海岸风险资本支持；私募市场市值约5万亿美元，10年增长10倍——接近标普500总市值的四分之一，也超过 Mag 7 的一半。与此同时，公开市场在20年间缩水一半，公开上市的软件、消费和金融科技公司中，增长30%的不到5家。稀缺资产——高增长——如今存在于私募市场。
• a16z 评估 AI 公司的方法是：拉力胜过推力、持久参与度，以及反 SaaS 时代的低毛利率。 「市场是否在要求更多你的产品？」这句话贴在他的显示器上；推理模型上线后，Harvey 的使用量出现跃升——「律师需要推理」；而在 SaaS 时代反过来，低毛利率如今反而是荣誉勋章：「我是一个 AI 产品，而且毛利率有75%……那就说明根本没人用 AI。」终局可能是毛利率50%而不是80%的公司，但只要规模足够大，差别就不重要。

精读

1. 聊天机器人不是终局——消费级 AI 的上行空间没有边界

• George 的出发点是谦逊：「我认为我们还没有找到 AI 领域真正占主导地位的产品」——尽管 ChatGPT「增长速度超过科技史上的任何产品」，达到 Google 的规模约快4倍，用户约10亿。他看到的重大转变是从被动响应走向主动行动：长时记忆、多模态，以及在你开口之前主动提供解决方案。ChatGPT「可能是最有机会」实现这一点的产品，但聊天机器人这一形态「限制太大」。
• 他最喜欢的变现历史类比是：10多年前评估 Snap 和 Twitter 时，所有人都以 Facebook 和 Google「每用户20美元……这大概就是上限」为锚。10年后，两家公司在发达国家每用户收入约200美元。ChatGPT 在10亿用户中变现的不到5000万；真正活跃的 AI 用户已经每天在这些产品上花约30分钟，相比之下，Instagram 约50分钟，TikTok 约70分钟。
• Patrick 的顿悟时刻很日常：Deep Research 为他9岁的孩子挑选棒球棒，处理长度、drop 值和规格等问题；「Google……会乱成一团。Amazon 更不可能，因为那里全是广告。」从这里出发，问题就变成了如何打造能力，让产品代替你在网上执行这些任务——这很难，Instagram 就曾发现原生购物难以落地，但购物只是其中一个品类。

2. 企业级 AI：90%的剩余归终端用户，商业模式仍未定型

• George 与同行不同的地方在于：他对消费级 AI 持共识式乐观，但「对企业级 AI 最终会采用什么商业模式略微更谨慎」。那些自信满满的演示——软件市场只有约4000亿美元，但白领劳动力规模巨大——「有点经不起推敲」。目前最成熟的定价模式出现在客户支持和编程：前者是任务边界清晰、完成情况易于分析的离散任务，可以从 Zendesk 式按席位收费转向按完成任务收费，「你知道它值多少钱」；后者则由消耗驱动，开发者行业本来就习惯于按这种方式付费。
• 他的先验判断是：「90%的技术剩余都会归终端用户。先以此为假设。」蒸汽机从未按照替代50名工人的价值来定价——竞争把价格压到资本的合理回报，用户保留了生产率提升带来的收益。iPhone 也是同样的逻辑：你实际愿意为它支付多少钱？「90%的消费者剩余可能还是低估。」即便如此，「下一代商业公司仍然可能比上一代大得多。」
• 初创公司从 incumbent 手里夺取市场，依靠的是3件事：商业模式变化、重新设计的用户界面，以及新的数据来源。变化越剧烈， incumbent 越难以反应。这正是 Decagon 在客户支持领域的投资逻辑：「胜算极其偏向他们」，因为 incumbent 很难适应商业模式变化，而新方案的性价比和速度提升了一个数量级。在 SaaS/云计算浪潮中，市场收入增长了7倍，incumbent 与初创公司大致各分一半；这次如果商业模式断裂更剧烈，市场份额应会进一步向初创公司倾斜。「我希望事情会这样发展，但还要看结果。」
• 他对 Salesforce 的描绘很能说明问题：今天的 Salesforce「基本上是一个复杂的表单检查器……用起来残酷、痛苦」。AI 时代，系统登录后会告诉你：「这5个客户值得合作……我已经起草了电话脚本……还替你采取了一系列行动。」背后依赖的是从每次互动中提取的非结构化数据，而不只是 Salesforce 现有数据库里的信息。这些新数据可能让初创公司占据优势，但 Salesforce 黏性极强的数据库仍是 incumbent 的护城河。

3. 机器人是最大的市场——也正因此，时间表纪律至关重要

• 「这些才是最大的市场机会……如果你知道它5年后一定能成功，你会把所有钱都投进去。」George 恰好认为，机器人「还要多花一点时间」。他的判断部分来自 Waymo：一辆车只需要基本保持在车道内、避免碰撞、遵守限速并找到停车位置，但 Waymo 花了10年，整个行业从 DARPA 挑战赛到今天也大约用了20年。家用机器人面对的是「无穷多的自由度」。生成式 AI 技术会压缩这条曲线，但不会把时间压缩为零。
• 在高度不确定的情况下，投资策略是：早期团队会见遍所有机器人公司，等待出现适合种子轮或 A 轮投资的团队；成长基金则等到它「真正跑通」。什么叫跑通？「我想我们看到它时就会知道」——客户主动拉走产品，而这些产品是此前从未见过的东西。

4. 自动驾驶故事：「别想太多」——以及400辆车带来的意外

• a16z 可能在2020年首次投资 Waymo；这是 Waymo 首次获得外部资本，此前完全由 Google 注资，a16z 是该轮唯一一家 VC。George 在2019年的试乘中看到了无保护左转和避让施工区域，虽然车辆曾在停车场停住并需要人工接管。他一开始反对这笔交易：「我完全不喜欢这个……这要花10年，估值会非常高。」Mark 和 Ben 回应：「不在乎。这是自动驾驶……这是有史以来最大的市场……别想太多。」最终双方妥协，先投了一笔小钱。
• 5年后，到2024年底，「消费者偏好直接拍在你脸上」——在旧金山，只要有选择，所有人都会选 Waymo——于是公司在新一轮融资中开出了大得多的支票。最关键的是，Patrick 猜测 Waymo 在旧金山运营1万辆车，因为「到处都是」。实际数量只有约400辆：这些车辆经过最优路径调度、利用率极高，却已经在市场份额上超过了湾区约5万名 Lyft 司机。

5. 真正的优势来自人：所谓「技术终结者」

• George 用一句话概括自己的投资哲学：「我愿意为伟大的公司支付公平的价格。」真正的艺术在于识别那些别人尚未看见的伟大。很多人都能建模毛利率和单位经济学；优势来自对产品、市场和人的洞察，而最难的是看人。他最喜欢的创始人类型是「技术终结者」：从技术出发，深植产品，再像海绵一样吸收商业知识。Databricks 的 Ali 是典型案例：他曾是开源项目的7名成员之一，起初甚至不是 CEO，如今「对销售运营、招聘流程和汇报线的了解，可能超过我们任何一位 CEO」。
• 同样的模式还出现在 Zuckerberg、Elon、CrowdStrike 的 George（可能是 Kurtz）、Roblox 的 Dave 身上。Dave 表面上「更安静」，但「竞争意识极强，而且真正关心市值创造」；Figma 的 Dylan 是「这个行业里最好相处的人之一」，但竞争起来「残酷、无情」。AI 一代中还有 Michael（可能来自 Cursor）和 Shiv（可能来自 Abridge）：后者是一名执业心脏科医生，从 Pittsburgh 通勤，并向 George 展示自己准备在办公室里放一张床的地方，说：「我在城里的时候，只想一直工作。」
• 反例说明关键在于创始人与市场的匹配，而不只是技术背景：Uber 的 Travis 面对的是「一场纯粹的战斗——要和市长斗、和竞争对手斗」，需要一个竞争意识极强、运营强度极高的人。总体而言，放弃投资造成的错误「非常、非常痛苦」，经济代价也高于投资失误：一笔坏交易最多亏1倍，但错过的回报可能没有上限。

6. 大多数市场都是《格伦加里·格伦·罗斯》；模型层是例外

• 公司采用的科技市场隐喻来自 Alec Baldwin 的那场戏：「第一名拿凯迪拉克，第二名拿一套餐刀，第三名直接被解雇。」他的强烈判断是：「绝大多数市值创造最终都会归于市场领导者。」同行低估了这一点，认为「第二名也会非常有生存力」——也许如此，但更多时候并不是这样。网络效应驱动的消费业务里，这一点显而易见；企业软件里不那么明显，但同样成立：「Salesforce 没有第二名……Workday 就是 Workday，ServiceNow 就是 ServiceNow。」
• 模型层看起来不同：技术变革早期，「市场往往会以我们无法预见的方式发生分化」。技术领先者不断交替超越，因此他预期模型市场会形成类似云计算行业的结构——多个玩家共享利润池——而不是简单地判断它最终属于「飞机制造还是航空公司」。飞机制造资本密集、技术生产难度高；航空公司「长期来看都会破产」。
• 为什么云计算能容纳多个赢家？「全在于市场规模——它实在太大了。」尽管合伙人 Alex Rampell 说过，「世界上最好的生意没有客户，只有人质」，云计算客户实际上得到了很好的服务（出口费用除外），云厂商也依旧是好生意。Glengarry 规则仍然成立的边界是：模型收入排名第二没有问题；「真正可能不行的，是在主导性的消费聊天界面中排第二」。

7. 风险投资成为成熟资产类别——优质增长转入私募市场

• 「我们现在已经是一个成熟行业……不再是某种小众、定制化的资产类别。」George 和 Patrick 离开大学时，全球市值最大的10家公司中只有1家或2家是科技公司；如今10家中有8家是科技公司，其中7家由西海岸风险资本支持。私募市场市值约5万亿美元，10年增长10倍——接近整个标普500市值的四分之一，也超过 Mag 7 的一半。
• 稀缺性体现在增长上：在 a16z 覆盖的公开市场范围内——软件、消费和金融科技——增长30%的公司不到5家，「这非常惊人」；与此同时，成长投资组合按美元加权增长112%。公开市场在20年间缩小了一半，小盘股公开公司的质量「远低于私募市场现有的公司」。
• 竞争格局已经呈现哑铃型：一端是拥有强大风险投资能力的大型多阶段基金——「最凶猛的竞争者……和我们在玩同一场游戏」——努力牢牢留住种子轮和 A 轮赢家；另一端是深度垂直的精品机构，像 Gucci 或 Prada 之于 a16z 的 Walmart/Amazon，包括 Nat 和 Daniel、Elad，以及他所尊重的 crossover 基金。

8. 交易在创始人打来电话前的2年里就已经赢下

• 没有什么惊心动魄的抢单故事：「成长阶段业务的现实是，我们靠多年的关系建设赢得交易。」最近，一家「市场上最好的公司之一」的创始人打来电话，说愿意直接交易、不走市场流程——「这是我多年投入的结果，两年的经营」。代价是，你可以以低于市场价格的估值获得清晰的投资机会，但问题是：「我能承受这个价格吗？」而那2年的积累，就是像已经是投资人一样帮助对方寻找候选人和客户。
• Figma 的故事是标准模板。George 2018年从 GA 加入后，发现 Peter Levine 「气得发抖」：「我们明天就得拿下……我们早期投了 GitHub，怎么会没投它？」公司发动了全场紧逼：邀请参加峰会、Mark 和 Ben 的「熊抱」、迎合 Dylan 对加密货币的兴趣，以及安排一名董事会成员。Dylan 的回答是：「到时候我会告诉你。」随后 COVID 爆发，市场崩塌，他打来电话：「现在是时候了。」
• 内部争论才是这段经历真正的教训：George 的成长团队沿用传统视角——「设计师市场没那么大……我不认为20亿美元的价格合理。」风险投资团队则「快疯了」：现代科技公司的设计师与工程师比例基本是2:1，前端工程与设计正在融合，而「把这件事理解成设计市场，视野太受限」。Ben 召集会议；George 回去睡了一觉，最终认为自己承担的唯一风险是市场规模，而不是创始人或业务质量。「你需要产品和市场洞察，否则你只会活在电子表格里，最后也死在电子表格里。」

9. 公司设计：单一拍板人、零储备、比赛录像、Yankees

• 成长基金有意拒绝投资委员会模式——「你要争取选票，烟雾散去后才得到结论」——转而采用风险投资式的单一拍板人机制：公开表达分歧，随后由一人拍板。其逻辑是，这能消除「为争取一张选票而进行政治运作」的诱惑，让风险和回报得到充分讨论。George 加入公司前，他参加的第一次「投资委员会」其实只是和 Mark、Scott 吃早餐。团队目前约10名投资人；由于早期团队会持续向其输送项目，因此刻意保持小规模。新人从第一天起就根据其对「集体投资判断的贡献」接受评估。
• 集中度方面，略超过一半的投资、约70%的资金，投向 a16z 已经持有仓位的公司——「比赛录像……不只是数字」。公司有意将储备金降到接近零，只做小额追加；每一笔大额支票「都是一笔新投资」，因为预留资金「会导致决策变得懒惰」。最大仓位包括 Databricks、SpaceX、可能是 Anduril、OpenAI、xAI、Flock Safety、Figma、Stripe、Coinbase；其中大多数由多只基金持有，既没有按行业设定目标指标，也不区分组合内外项目。
• 公司文化被明确写入制度：录用通知会附带一份签署版文化文件，Ben 亲自负责入职培训。George 对成长基金的原则包括：「这个行业有计分板，我们的预期就是赢」以及「我们是 Yankees，我们要像 Yankees 一样行事」——这指的是绩效标准，而不是傲慢。他加入前以为 Mark 和 Ben 是「半个名人——他们真的努力工作吗？」但很快发现事实完全相反：「这里竞争激烈……没人会躺在过去的功劳簿上。」至于为什么不做 buyout 基金，他的回答是：「我们所代表的一切，都是帮助下一代公司击败 incumbent……买下 incumbent，再从客户身上榨取尽可能多的价值，在文化上与我们所做的一切完全相悖。」

10. 市场为何错定增长——以及为什么2022年至2025年初会是优秀年份

• 机制很简单：「任何投资者都很难建立一个5年或10年的模型，让高增长持续下去。这不符合直觉。」没人会提前建模 Google 或 Visa 能在20年后仍保持15%—20%的增长。最有杀伤力的数据是：2009年对 Apple 2013年的共识预测偏差达3倍——而 Apple 是「全球覆盖度最高的公司」。如果建模增长率从80%降至75%再降至65%，而不是按惯常的80%→65%→50%→40%→终值衰减，结果会「造成估值相差3倍」。他的结论是：「增长超过30%时，市场仍没有充分定价增长率。」
• 组合层面的体现是：去年完成的投资，进入估值为21倍收入，按美元加权增长112%。他承认收入倍数并不完美，但仍表示：「如果我的整个职业生涯都能以21倍收入投资增长112%的公司，我会毫不犹豫。这远没有在 PE 里以15倍 EBITDA 买入一家增长12%的公司那么危险，因为增长本身会替你解决很多问题。」
• 周期位置上，最理想的组合是「产品周期早期、资本周期糟糕」——但两者很少同时出现。如果必须二选一，产品周期最重要。2021年一个没有被充分讨论的教训是：「最大的错误在于，我们其实已经处在产品周期后段，只是自己没有意识到——COVID 带来了一点假象……那些想法本身更差。」如今 LP 的问题全都在问泡沫，但他的答案是：10年后一定会出现一批伟大的公司，「我们必须在场」；2022年至2025年初「会是一个优秀的投资年份」，原因之一是公司留在私募市场的时间「长于我们的预期」。

11. 拉力胜过推力——低毛利率成为新的荣誉勋章

• 他办公室显示器上的便利贴写着：「市场是否在要求更多你的产品？」当答案为是，就会出现最特别的公司：拥有两重网络效应的 Roblox；可能是 Anduril，因为 AI 能力、可能来自 Palantir/SpaceX 校友的政府业务知识，以及「迫切的地缘政治需求」汇聚在了一起。ChatGPT 可能拥有10亿自然增长用户，但令人意外的是：「它没有网络效应——这对我们来说是更令人惊讶的事情之一。」推力型业务通常不会随着时间推移变得更容易，「规模越大，往往越难」，尤其是依赖广告的消费业务；TikTok 是例外，它从早期就激进推送，主要通过 Facebook 广告实现，这或许是 Facebook 永远都要思考的一个决定。
• AI 筛选框架有3部分。第一是获客难度：Cursor 的病毒式增长，或者 Abridge——医院系统必须被销售，但「医生非常喜欢它，因此医院迫切需要它」。第二是持久参与度，因为「有些增长只是虚晃一枪……增长很快，随后迅速回落」；推理模型上线时，Harvey 的使用量出现「跃升」——「律师需要推理，而事实证明，模型在推理方面变得非常强。」第三是毛利率，SaaS 时代70%以上的门槛如今已经反转：「我们经常听到这样的推介——‘我是一个 AI 产品，而且毛利率有75%。’我会说，那就说明根本没人用 AI。」
• 毛利率并非完全不重要——「30%和70%的毛利率差别很大，所以我们确实在意」——但投资者预期推理成本会随时间下降。即使推理已经令 token 用量激增、毛利率尚未改善，模型供应商也不会拥有足够的市场力量去挤压应用层。终局可能是：「最终它们的毛利率也许是50%，而不是80%——但影响规模和使用量可能足够大，所以没关系。」
• 从独特产品走向独特分发的飞轮是：「每一家伟大的公司，要么拥有独特产品，要么拥有独特分发。最好的公司两者兼具——产品足够独特，进而带来独特分发。」GitHub 曾向 Walmart 卖出一份40万美元的合同，「从来没有人给他们打过电话」——「如果你只是打个电话，他们会付多少钱？可能是400万美元。」Cursor 的商业拓展笔记每次都写着「立即进入 POC……立即完成销售」。后来基础设施合作伙伴 Martin 在一个100人的邮件线程里只回了句「产品市场匹配」，公司内部于是把 PMF 改称为 PFMF。