大多数风险投资基金都在玩动量游戏｜Michael Dempsey
摘要
- Dempsey 的核心警告是：大量风险投资基金都在玩动量游戏，而动量在风险投资中格外致命，因为市场没有足够规模的接盘买盘。 在公开市场，动量交易退潮通常是在仍有买盘承接的情况下下跌10–20%；但在流动性差、持续摊薄严重的私募市场，“当买盘开始走弱时，它不是走弱10%或20%，而是走弱100%”。投资“在某些36个月窗口里看起来很容易，但通常要到48个月以上才会发现它其实很难”。
- 他用数据否定了种子轮为“可识别度高的创始人”支付溢价的策略：种子估值只要不是处于最低四分位，顶级十分位结果的分布基本相同。 高价种子的亏损率并没有显著优于低价种子；Compound 规模最大的2家公司——Runway 和 Wave——的创始人“即便放到今天，也不会被认为特别容易识别”。随着 AI 降低创业门槛，他认为很难理解为什么人才来源会收窄而不是更加分散。
- 对 Compound 而言，确定性达到极致的赛道就不再可投：风险投资是“金融领域最低确信度的资产类别”，共识主题会导致模型坍塌和公司同质化。 José 认为，如今 AI 的显而易见程度大约是2024年“显而易见到极致”时的2倍；Dempsey 更愿意等待尘埃落定的窗口——他判断在2028–2030年，廉价智能会让市场大部分环节商品化，而前沿智能会创造新的机会。
- Compound 的优势正在按设计自然衰减，必须重新建立：2016–2022年仅靠理解学术研究形成的优势，如今“基本已经消失”，因为任何人都能把论文放进 ChatGPT。 新优势在于对一阶、二阶和三阶影响做出具有指向性的判断——AI 仍做不到，因为“没有任何东西让我看到 AI 能够分布外思考”——以及理解叙事如何驱动估值倍数和后期资金流，而这些恰恰是模型“非常不擅长”的地方。
- 这支公开市场基金通过投资市场误读的错位机会，试图获得类似风险投资的 IRR：面临 AI 驱动利润率压缩的软件公司，可能在推理成本下降后重新扩张利润率——据称 Pinterest 的微调开源模型运行成本只有前沿 API 的8%。 生物科技多头包括被低估的数据资产和被市场抛弃的小盘股；空头则是由叙事驱动的深科技公司，一旦出现首个证伪信号，股价可能在4到6周内下跌“40%到60%”。
- 对 Magnificent Seven 的看法是：无论是否构建前沿模型，Meta “可能是最有条件实现 AI 商业化的公司”；Google 的结构性优势——包括 GCP、模型和异常便宜的债务——让他看多；Apple 也处于有利位置。 他对 Nvidia 和存储股的确信度较低。他在2024年建立、至今未变的约30只“AI 显而易见篮子”（包括 ASML、Micron、超大规模云厂商和 Alibaba）“表现出了极其惊人的超额收益”，并认为类似 Citrini 的主题篮子可能代表主动管理的未来。
- 机器人是他判断时点严重错误的领域——2016–2018年押注可泛化深度学习策略，结果“早了8到10年”；但“这次真的不一样”，他正在支持一家隐身状态的垂直整合前沿实验室，以及 Alquist 这类垂直玩家。 对于 José 称听 Andrew Kang 说过的“从0美元到10万亿美元”的人形机器人判断，Dempsey 建议更克制地看待：人形机器人最有意义的场景，是相关成本不是人工成本而是人的生命成本——军事或工业领域；而工业机器人已经是渗透率最高的领域。
- 他的宏观判断不是单一顶部，而是“滚动泡沫”：CoreWeave 曾升至79美元，随后又回到100美元上方；Palo Alto 则一度下跌超过40%，之后向前高修复——剧烈反复是结构性的，因为所有人的止损位都是同一个20%回撤。 在卖出纪律上，Compound 的数据显示，对于高度反身性的股票，在未来12个月收入倍数创历史新高时退出，优于等回撤25%再卖——但“你可能会错过3年后的那一段上涨。我不知道”。
精读
1. 风险投资中的动量会在100%回撤时死亡
- Dempsey 对动量的定义是：“做一件事，是因为你知道短期内在价格逐步上涨时会有边际买家，而不是因为你相信这件事长期可持续。” 过去10年，所有风险资产类别的表现都不如直接买入 Nasdaq 或 S&P，因此投资者必须做到顶级十分位——而“在动量领域做到顶级十分位很难”。
- 这与公开市场不同，后者可以进行 Soros 式的反身性交易：公开市场的动量退潮时，买盘仍在，只是每次下跌10–20%。风险投资没有足够规模的流动性，同时还要面对持续摊薄和优先级复杂的资本结构——“当买盘开始走弱时，它不是走弱10%或20%，而是走弱100%”。
- 他认为，有一种与动量相邻的策略确实很好，即“Thrive 策略”：买入最好的资产，相信其终值会超过市场当前的判断。这是一种受准入限制、依赖规模经济和大额支票的投资方式——“事实上，它可能是过去5到10年风险投资中最持久的策略之一”。
2. 可识别度谬误：昂贵的种子轮并不更好
- 对于种子轮为热门创始人不惜代价下注的玩法，他认为：“认为早期阶段价格最高的东西就是最好的东西，这是一个谬误……从定量结果看，这根本不是真的。” 他引用的数据是：顶级十分位退出项目平均分布在不同种子估值区间——“除了估值最低四分位之外，其余估值区间产生的结果分布都一样”；高价种子的亏损率也没有明显优于低价种子。
- 说到创始人的可识别度，他表示：“如果你是一个很厉害的20岁年轻人、毕业于 Stanford，我从根本上并不在乎。” Compound 规模最大的2家公司——Runway 团队和 Wave 的创始人——“即便放到今天，也不会被认为特别容易识别”；他们后来最成功的项目也是如此。关于二次创业者与首次创业者的成功率数据，结论是“基本没有相关性”。
- 他最尖锐的结构性论点是：所有人一边声称 AI 降低了创造门槛，一边又声称 AI 提高了最低可行智力，因此“我觉得人才来源会真正收窄，这件事非常奇怪。我不知道还有哪种范式是进入门槛下降、人才却没有变得更加分散的”。
3. 人才池、造王者，以及为什么 Hummingbird 的玩法不适合他
- José 反驳说，如今的可识别度指的是数学奥赛型人才——Citadel 实习生群体中走出了 Hyperliquid 创始人、Alexander Wang 和 Scott Wu。Dempsey 承认，某些人才群体会在一段时间内形成能力底线：Facebook 时代，移动工程师的收购价格约为每人1000万美元；来自5个地方或 DARPA Grand Challenge 的自动驾驶团队，收购价格为每人500万–1500万美元；如今则轮到 AI 和 Neo 实验室——但“投资者最终会不会在这上面吃亏，还有待观察”。
- 在他看来，可识别度争论真正重要的问题是：“你是否相信风险投资中真的存在造王者的可能？” 因为如果可识别度能够带来超额资本优势，那么他的怀疑就没有意义。“Elon 是最好的例子。”
- 关于 Hummingbird，他认为这是真实且不同的策略：不是判断“这一届人很有意思”，而是用一套共同的方式寻找具有非对称回报的人才；它过去专门寻找难以识别、价格极低的人，但如今其他人也开始围绕这些人才布局，他们已经不再便宜。“这是一种策略……但不是我赚钱的方式。” 可识别信号“几乎就像一个滞后指标”。
4. Compound 的优势：预测未来，也预测人类
- Compound 对自己的定位是研究驱动、论点驱动的投资机构：在学术研究和研发团队的研究上“尽可能接近底层”，然后对一阶、二阶和三阶影响形成具有指向性的判断。过去10年，风险投资圈的人都对他说：“你不可能预测未来……让创始人把未来展示给你。” 他的反驳是，随着波动率和公司替代率上升，有逻辑支撑的判断反而更重要。
- José 将这一点与 Dempsey 的文章《论人性与人类》联系起来，后者批评了“世界优先”的思维方式：技术先构建一个美好的未来模型，最后才把人类塞进去。Dempsey 认同这正是 Compound 与硅谷的分歧所在：他的看法更接近 Tyler Cowen，认为“AI 不会像那些认为 GDP 增长超过30%的人所想的那样迅速扩散，因为人类就是不想要它”；而旧金山的观点是，“人类想要什么并不重要，AI 会把一切都做了”。
- 同样的人类优先视角也适用于公开市场：“很多人对这件事的看法非常简单，比如，哦，那个东西死了，软件死了——但事情并不是这样，因为最终还是人类在做决策。”
5. 确定性达到极致，对 Compound 而言就不可投资
- 2024年，他曾称 AI 已经“显而易见到极致”；José 认为，如今它的显而易见程度可能又翻了1倍。其机制在于：风险投资是“金融领域最低确信度的资产类别”，所以一旦某件事变得显而易见，价格就会指数级扩张，所有人都会构建同样的公司；在5个克隆项目中挑出种子轮阶段最好的那个，“不是我们的优势所在，也不是我们的 alpha 所在……我不会假装那是我们的优势”。
- 第二股力量来自科技本身的“模型坍塌”——人才涌向单一教条。“过去3年里，我听到的想法其实非常少，能让我觉得，哇，我以前怎么从来没想过这个……法律 AI 是一个人们已经讨论了30年的想法。”
- 其背后的纪律是：“风险投资有很大一部分，就是理解你的独特优势是什么，然后一遍遍地强化这个优势”，而不是去玩 LP 希望你玩的游戏。这条内部规则也对应他给创始人的建议：“做出这样的决策：即便公司失败，你也能因为当初做了这个决定而安然入睡。”
6. 所有机构都会衰减；ChatGPT 无法复制的优势是高阶思考
- 他的默认判断是：“所有风险投资机构都在不断衰减”，所以必须与这种衰减对抗。Compound 1.0（2016–2022年）建立在对硬科技学术研究的理解之上，而其他投资者不愿在种子轮承保这类研究。“现在世界上任何一个人都可以拿一篇学术论文，放进 ChatGPT，然后说，用一个16岁的人能听懂的方式给我解释……那个优势基本已经消失了。”
- 替代方案不是“2016年我们读过早期 GAN 论文，所以生成式 AI 一定会成为一件大事”——这在当时是一个细致的论点，放到今天却显得单薄——而是要把完整的连锁反应想清楚：早期客户是谁、竞争格局如何、相邻业务是什么，以及一家公司是否真的是你所相信的未来的最佳表达。
- 尽管 Compound 正在积极尝试，包括用嵌入空间实验压平想法分布，AI 目前仍做不到这一点，因为：“我没有看到任何东西能证明 AI 能够分布外思考。” 模型从定义上就会给出最显而易见或最可行的想法。模型也“非常不擅长”判断叙事如何影响公开市场估值倍数和后期私募资金流，这也是 Compound 发布研究的一部分原因。
7. 没有放之四海而皆准的“伟大创始人”——极客正在被商品化
- José 转述 Grad Capital 的 Abhishek 的判断：随着 AI 让超高技术能力商品化，“投资极客还剩1年”。Dempsey 部分认同：“最聪明的创始人从来不等于最好的创始人。” 最低可行智力正在上升，但“我如此支持人类，是因为我认为人类非常难以建模……我们还有一段时间，才会通过 AI 模型把人性商品化”。
- 他提出了一套与一些顶级投资者明确冲突的创始人框架：“我们不相信存在一种统一的‘伟大创始人’。我们认为，伟大创始人只适用于某些类型的企业。” 供给受限、依赖商务拓展的领域需要“更像一个野兽”——José 举的例子是，neocloud 团队要拿下数十吉瓦的可用电力土地，而不只是优化内核；而需要埋头执行的企业，则需要更稀缺的能力——“也许不被副业和随机事务分散注意力，才是人们应该重点观察的东西”。
8. 投资组合构建像一种准宗教：1/12、1/20
- José 说，Dempsey 曾告诉他，一支基金大约需要押注30个种子项目，才能抓住1到2个好项目。Dempsey 自己的命中率是：“我们每做12次决定，大约有1次是相当好的决定；每做20次，大约有1次是惊人的决定。” 他告诉 LP：“随着时间推移，我们的投资组合应该感觉越来越有风险”，因为 LP 并不总是世界走向的领先指标。教条式地集中到10家公司，意味着“5年后你会失业”。
- 心理结构才是关键：风险投资多年只有投入数据，没有产出数据，因此那些从未真正相信投入判断的第5年投资者，最终会淹没在波动中。“你不能带着内心大量的恐惧和不确定性，进入一场高风险、高赌注的游戏。” 解决办法是减少噪音，运行一套你深信不疑的输入系统——“这是一种准宗教”，但仍然要有理解边界。
- 针对 José 打破规则的冲动，目标决定启发式规则：有些 LP 会喜欢第1支基金做到10倍，然后后续做到2倍、2倍；Dempsey 想要的是“持续处于顶级十分位、同时有能力做到顶级5%或顶级1%的基金”。相关的卖出数据表明，对于高度反身性的股票，在未来12个月收入倍数创历史新高时退出，优于等到回撤25%再卖——“但你可能会错过3年后的那一段上涨。我不知道。”
9. 资金将流向何处：生物科技、材料，以及2028–2030年的 AI
- 第2支基金——他所描述的部署期从2021年延续到讨论时段结束——主要投向生物科技，也有一些 AI 和材料科学；其中最让他兴奋的是后者：从新材料合成到终端产品交付的全栈企业。Orbital Materials 是一个案例：它拥有化学基础模型，在化学合成领域处于最先进水平，并将材料做成模块化数据中心冷却产品，服务下一代 GPU。能源是相邻领域，尽管他承认这也是共识赛道。
- 关于 AI 的时点判断，他认为：“等到2028–2030年尘埃落定的动态出现后，才会是一个非常有意思的 AI 投资时点。” 届时，可行性达到极致、价格极低的智能会让一切商品化；而最前沿的智能则应该创造出新的公司。
- 商品化的机制是：24–36个月内，一部分任务可能实际上变成免费服务，也可能转移到本地运行；前沿智能则可能在少数拥有充足算力的玩家之间维持5–10年的经济溢价——但“真正把价格打下来的，只需要有一个玩家不受核心业务变现的经济动机驱动”。Google 的结构性位置，包括其债务定价甚至低于美国国债所隐含的风险水平，是“我认为全世界最有意思的事情之一”。现在去讨厌 Google，“是一件相当愚蠢的事”。
10. 为什么做公开市场基金不算越界——以及多头方向
- 他直接接受这一批评：“这是任何人对 Compound 能提出的最公平批评，除了我们可能只是一家薪酬过高、从未实现商业化的研究机构。” 他的辩护是：科技领域最具创新性的公司往往也是规模最大的公司，因此理解科技公司的完整资金流和发展阶段——例如理解 Tempus 在诊断领域做什么——会直接提升种子轮承保能力。“如今，科技投资中唯一以业绩为导向的资产类别，就是早期风险投资和公开市场。” 这支基金是封闭式结构，资金锁定多年；多头集中，空头规模更小、范围更广，目标是获得类似风险投资的 IRR，而不是主要依靠传统的 Magnificent Seven 持仓。
- 软件领域的核心判断是：按使用量收费的转型会在短期压缩利润率——如果企业将推理成本传导给客户，80–90%的毛利率可能降至50–60%的综合水平——这会让以季度为导向的市场厌恶，但也可能意味着客户内部正在采用推理服务。Pinterest 的数据点是：CEO 表示，其微调开源模型和自研模型的运行成本只有前沿 API 的8%，“非常惊人”，这为 AI 成本下降后的利润率重新扩张埋下伏笔。那些称 AI 是“骗局”的管理层，对他们而言可能缺乏吸引力。
- 生物科技多头包括“手握明显被低估的数据资产”的公司：这些资产的变现速度和规模都会远超分析师的预期；此外还有一批无人覆盖、被市场抛弃的长尾公司。主题包括实验重新加速和生物制造。明确排除的是单一资产临床试验交易——“这不是我们的优势所在”。
11. 在滚动泡沫市场中做空叙事机器
- 空头组合研究 José 归因于 Dempsey 的判断：“未来10年将是市值毁灭期。” 目标是叙事密集型深科技公司，过去主要是 SPAC，如今范围更广；包括 Compound 多年前在私募市场放弃的公司——“我们当时认为它们不是好的投资，现在仍然认为它们不是好的投资”——以及他们认为2到4年内不会存在的公司。规则包括：始终要有明确催化剂，用多种方式表达空头，绝不叠加高度相关的因子；风控必须严格，单个空头仓位必须很小，因为“我们不会反复做空某些东西，把自己扮演成英雄”。收益的不对称性在于，一旦出现第一个证伪信号，这些股票可能在4到6周内下跌“40%到60%”。
- 面对 Burry、Dalio 和 Grantham 的看空，他的框架是“永久滚动的泡沫”：没有人真正知道2028年的每股收益会是多少，因此市场信心会在剧烈反复中崩溃又重建。neocloud 的往返行情说明了这一点：Leopold Aschenbrenner 的《Situational Awareness》、Value Aligned 和其他基金都高度暴露于同一因子；CoreWeave 先涨到79美元，再回到100美元上方；Palo Alto 因一次随机的“Mythos”公告下跌超过40%，随后又向前高修复。反身性的放大器是：“如果所有人都认为回撤20%就要卖出，它就不会只回撤20%。它会回撤多得多。”
- 关于指数化与选股，2024年他建立了一个“AI 显而易见篮子”——约30只大致等权的股票，包括 ASML、Micron、超大规模云厂商和 Alibaba——“这个篮子的表现已经极其惊人地跑赢了，我整整2年都没有改变它”。主题篮子或许是主动管理的未来，Citrini 处于两者之间；但他也指出，ARK 曾是这一理念下积累资本最多的机构之一，“同时也是人类历史上亏钱最多的机构”。
- 对 Magnificent Seven，Dempsey 认为 Meta 可能是最有条件实现 AI 商业化的公司，无论它是否构建前沿模型，因为它的产品覆盖面极广，而且深度嵌入用户生活。他看多 Google 的结构性优势，包括 GCP 和 Gemini Flash 模型，也认为 Apple 处于有利位置；他对 Nvidia 和存储股的确信度较低。他预计，下一代 neocloud 之间会出现明显分化，决定因素包括能力、执行力、融资关系，以及垂直整合程度。
12. 加密货币：代币与股票趋同，AI 最能抬高加密货币的底部
- Compound 仍在基金中运行加密货币多空策略：看多“一小部分能够让代币捕获费用的项目”，预计“随着时间推移，加密货币中会出现更多幂律分布式的项目”——包括 DeFi、DePIN、部分 DeSci，以及构建在 L1 之上的协议；他仍然看多 Bitcoin。对于风险投资端，他坦率承认：“我们仍然没有看到人才大规模、激进地涌入，但我希望这种情况会改变。”
- 他的长期趋同判断是：“从长期时间尺度看，公开股票和加密代币看起来就是完全相同的资产。” 上市、获得流动性、向股东披露信息，以及承担超出一小群做市者和买家之外的责任，可能对公司有益，尽管很多创始人并不想要这一切。
- 他对加密货币最有意思的判断是：AI 提高智力下限，“对加密货币的价值提升应该大于对其他任何领域的提升”。这会让缺乏传统资历的人也能建立持久的公司，并拥有前沿智能作为助力，而不必依赖“一群在 Discord 里对着他们大喊大叫的投机者”。目前，这个行业仍受到监管怪异和行业地位低下的拖累。
13. 机器人再访、人形机器人的过度延伸，以及被忽视的无人机
- 诚实的复盘是：VR 是他最彻底判断错误的领域（“我喜欢 VR，但它就是从未真正发展起来”）；机器人则是时点判断错误——2016–2018年的投资预期深度学习能够实现可泛化的策略内学习，这是“一个错误的论点”，因此“按定义早了8到10年”。部分项目得以挽救：食品领域的 Hyphen，以及被 John Deere 收购的 SparkAI。残酷之处在于，机器人行业已经低迷时建立的关系，后来成了这个领域最重要的人脉；而这些人随后融到了 Compound 无法触及的巨额种子轮。如今，“这次真的不一样”：一家处于隐身状态、垂直整合的前沿实验室押注内部数据扩张，以及样本效率更高、成本更低的训练方式；此外还有 Alquist 这类垂直玩家，覆盖零售、数据中心和半导体，以及售价低于5000美元、能够“给人类带来杠杆”的任务型机器人。
- 关于 Andrew Kang 提出的“从0美元到10万亿美元”的人形机器人判断——José 说他听 Dempsey 称其疯狂——Dempsey 认为，人形机器人真正有意义的地方，是被替代的对象不是人工成本，而是“人的生命成本”，也就是军事或工业领域；而工业领域已经是机器人渗透最深的市场。他认为 Kang 正在使用一个已经被反复使用过的剧本，尤其是在其激励是把人吸引进一篮子公司时。
- 关于无人机战争为何仍然讨论不足，José 举了乌克兰的例子：无人机能够深入俄罗斯境内约3000公里发动袭击，并具备数量级的成本优势，军事支出也可能因此发生转移。Dempsey 所谓“非常愚蠢的话”其实并不是这句：“科幻作品很少写单向无人机袭击……艺术模仿生活，生活又模仿艺术，而这件事根本不在我们的词汇表里。” Dempsey 表示 Compound 研究过无人机防御；José 说 Delphi 也研究过，但没有形成强观点，也没有投资。“人们同时能感到兴奋的事情，终究是有限的。”
14. 平静的执着：把自省变成投资基础设施
- 关于心理治疗和迷幻药如何让他成为更好的投资者和机构建设者，他认为，触及“人生经历的边缘”能够保留人类视角——人类实际上如何进步，而不是采用“极度自闭、高度结构化、显然智识化的人类在世界中行动的方式”。针对 José 引用 Marc Andreessen 的说法、认为内在工作可能会扼杀饥饿感，他回答：“当然不是……你需要从平静出发，但要保持平静的执着。” 否则人会耗尽自己，而糟糕的投资错误正是在那种状态下发生的。
- 他最近关于科技行业在合法性和正当性上投入不足的文章，背后的道德线索是：那些身处前排、拥有特权的人不断推迟行动——“等我们50岁、60岁时，我才会考虑照顾这个世界”——与此同时，科技行业变得“更加封闭……改变不会在那里发生”。应当把人生视为一场无限游戏。José 也补充说，始于加速主义时代的科技英雄式迎合，让他开始怀疑“经济效率是不是唯一目标，而且本身就足以构成正当性”。
- 他的写作建议值得直接拿走：“你应该默认认为，自己过去写下的每一段文字，在某种程度上都令人尴尬。如果不是这样，那可能意味着你进步得还不够。” 你身边的人“总是在寻找多一点分辨率”，而有些想法之所以只能写在纸面上，是“因为那里没有人盯着你，也没有人对它作出反应”。