摘要

风投正处于“低—低”周期：AI 入场价格仍极端高企，而 IPO 和并购流动性依然稀缺。 Reggie 认为，2022–25 年没有分配回报，风投已无人问津；但 Jason 看到的淘金热甚至比 2021 年更强，并且“已经一路蔓延到高中生”。矛盾在于，几乎所有 GP 仍会在繁荣期持续出手，而承保出错的容错空间正在消失。
AI 带来的快速收入，并不自动等于可持续收入。 Lovable 据报在 3 个月内从零增长至约 $18M ARR，体现了增长速度；但 Reggie 提到，一款头像应用曾从月收入约 $250,000 飙升至 $30M，随后因 99% 流失率跌回约 $500,000。他认为，另一条更值得押注的超级趋势，是万亿美元级 B2B 类别的数字化渗透率仍低于 1%：增长更慢，但更不容易被 OpenAI 的技术栈延伸所颠覆。
基金的正确目标，是在 IRR 达到可接受水平的约束下最大化倍数，而不是不计代价地最大化 IRR。 Jason 2017 年的基金目前为 4.31x、32.56% IRR，但即便最终达到 5x、6x，甚至 8x，IRR 也可能不升反不变；Jason 认为，只要复合增长率持续高于约 20% 的门槛，继续持有仍有价值。Fabrice 的“作弊码”是在估值不再支撑 10x 时选择性做二级交易；而集中投资型管理人则认为，“1x 对我来说已经不够了”——真正的赢家应该回报基金规模的 3x。
在公共市场买家或收购方给出评分之前，私募估值都未经验证。 主持人表示，在 IPO 和并购退出寥寥无几的情况下，VC 们正在“互相批改考卷”，给彼此打 A，而“老师似乎已经罢课”。廉价私募资本让公司可以推迟接受审视；IPO 只有在创始人必须接受公共资本时才会提前，而不是因为投资人告诉他们应该上市。
如今更长的私有化持有周期，可能已经超过软件架构的有效寿命。 一位嘉宾最担心的是，每家长期保持私有的软件公司在 IPO 前都至少要经历一次生死级重构；嘉宾们也预计，网站构建器等产品的“终局衰减”会更快。这会进一步凸显那些能熬过 10–15 年马拉松、推出第二款产品并重新加速增长，而不是安于“20% 增长俱乐部”的创始人的价值。
AI 可能强化深度企业系统和垂直应用，同时压缩横向 SMB 产品。 ServiceNow 在 $12B ARR 下仍保持约 20% 增长、以 $3B 收购 Moveworks，以及 Box 将数万亿份文档变成可对话数据的机会，都说明在位企业可以利用数据和分发能力。但产品变好并不保证价值能够被提取：编程工具价格下滑、8 家资金充足的竞争者同时入场，可能把巨额客户价值转移成资本和价格战。
在当下的价格水平上，区分真正的产品—市场匹配与社交圈收入，是风投的核心工作。 嘉宾质疑，20 份来自熟人 YC 公司的合同贡献 $400,000 ARR，究竟能证明什么；10 个互不相关的客户或许才有意义，但即便 Windsurf 和 Cursor 在首次获得融资时，也还是完全不同的生意。过去的警告已经前移：投资人现在面临的是“用 Series A 的价格购买种子期风险”，估值缓冲太薄，难以掩埋错误。
地缘政治和人才地理，正从附带考量变成承保变量。 嘉宾认为，Benchmark 据报以 $500M 估值领投 Manus 的 $75M 融资，同时携带交易风险、机构风险和政治风险；另一位嘉宾则支持低成本的乌克兰国防制造，并追踪“每次击杀成本”。在公司建设上，折中方案是把研发放在人才成本约低一半的欧洲，把面向市场的销售放在买家集中的美国；但一个尚未解决的判断是，AI 是否会让顶尖工程师成为 100x 选手，同时消灭一半平庸的销售和客户支持岗位。

精读

1. AI 热潮撞上风投流动性荒

Reggie 的宏观框架是：AI 吸收了约 $100B 风投资金，从 Q1 到 Q4 翻倍，而其他类别几乎无人关注。2022 年、2023 年、2024 年以及截至 2025 年目前都没有分配回报，IPO 和并购的“水龙头”仍然关闭；这让风投成为逆向投资，但他会避开那些“永远只投 AI”的基金。
Rory 将当前市场称为艰难的“低—低象限”：新交易很贵，旧投资又无法退出。2021 年，资本容易退出，却难以低价部署；如今两边都难。他的现实检验同样直白：外部人听到 VC 抱怨不得不向创始人支付更高价格，只会回应：“没人关心我们的问题。”
Jason 看到的不是干旱，而是淘金热。4 月 7 日前后 Nasdaq 下跌约 15%，令成长型投资人恐慌了 3 天；但一家刚完成独角兽轮融资的公司，很快就收到更高价格的追加投资要约。“冲击甚至持续不到下一期 20VC 播出”，而这轮狂热如今已经包括辍学创业的 17 岁年轻人。

2. AI 的爆发式收入，可能来得快去得也快

主持人向 Reggie 发起挑战：如果要避开共识，就必须关注 Mercor 和 Lovable 这样的 AI 公司如何在几天内放大规模，而传统垂直软件从 $1M 增长到 $4M 往往需要数年。一家公司仍然需要某种超级趋势，才能把年化收入从 $1M 推向与 IPO 相关的约 $300M。
Reggie 表示，他的投资中约 9% 仍然投向 AI，重点关注差异化数据、可防御商业模式和竞争较少的类别。他用那款被遗忘的头像应用作为警示样本：月收入曾从约 $250,000 飙升至 $30M，在市场顶峰融资后遭遇 99% 流失，收入跌回约 $500,000：“这些东西的风险比人们以为的更高。”
平台延伸会进一步放大流失风险。Reggie 曾用 LangChain、Pinecone 和独立语音工具搭建 Fabric AI，但 OpenAI 发布 GPT-4o、能力大幅提升后，他直接拆掉了原有后端技术栈。他担心的是“来自正交方向的颠覆风险”：一款应用可以迅速达到 $100M ARR，也可能在模型供应商扩展能力后归零。
他看好的慢速超级趋势是 B2B 数字化。石化、砂砾等万亿美元级市场，仍缺少目录、工厂产能可视化、下单、支付、追踪和融资，数字化渗透率可能低于 1%。他偏好在 pre-seed 以约 $4M pre 投资，seed 以 $10M pre 投资，后续以约 $20M pre 投资，接受更慢的采用速度，以换取更低的颠覆风险。

3. 倍数、IRR 与时间，是衡量基金表现的不同维度

Reggie 将回报拆成 3 个变量。选股最可控：一只拥有 20 家公司的基金，可能需要其中 4 家成为伟大公司，“如果你做不到这一点，就应该丢掉工作”。进入和退出估值部分可控；退出时点最不可控，因此当 2024 年的结果仅仅拖到 2026 年时，管理人就会暴露在“IRR 侵蚀”之下。
他认为，一只优秀的 2014 年基金多获得的一轮回报，并非来自选股，而是来自 2021 年退出前的估值倍数扩张。诚实的区分很重要：管理人有时会获得并不应得的估值意外收益，有时则反过来遭受损失；延迟退出只有在经营复合增长足以抵消额外持有年份时才有帮助。
Jason 的 2017 年基金说明了衡量指标的陷阱：当前为 4.31x、32.56% IRR，但情景分析显示，即使最终达到 5x、6x 或 8x，IRR 也可能不会上升。他的 LP 表示并不在意这个区别，这引出了一个问题：既然基金表面 IRR 已经很高，管理人为什么要为了保护这个数字而放弃又一轮可观的倍数增长？
Jason 的答案是“在 IRR 约束下最大化倍数”。如果 LP 要求回报率比小盘股高约 700–800 个基点，而资产仍能以约 20% 或更高速度持续复合增长，那么为了保住基金 32% 的 IRR 而出售资产，反而可能摧毁价值。Reggie 也支持这一点：把一项你熟悉、持有 6 年的资产换成一家公司“你几乎不了解、但倍数更高”，是“风险的大幅升级”。

4. 二级交易改善流动性，但何时出售取决于组合构建

Fabrice 会在下一轮估值只支持 3x、而非他追求的 10x 时，出售赢家的一部分。竞争性融资可以由 30% primary 加 15% secondary 组成，Forge 或 SharesPost 等市场让这类交易变得可行。他过去 3 年的许多分配回报，都来自这种“卖出赢家的反 VC 策略”。
价格可能压过投资信念。2021 年，Fabrice 以接近 100x ARR 的价格出售了许多公司，因为仅仅证明这些估值合理，就需要“整个多元宇宙的每颗星星都排成一线”。嘉宾还指出，机构的流动性需求以及对未来 2 年收入的提前计入，都可能支持减持；而买家只想要显而易见的赢家，不会接手组合里的差公司。
Jason 对集中型基金的反对是：“1x 对我来说已经不够了”；他希望一个赢家能够回报基金规模的 3x。Rory 同样重视规模较小的胜利，以及那些最终接近完整基金回报的后期追加投资。表面上的悖论，其实由角色分工化解：核心赢家创造基金回报，而二级交易带来的小胜利，在 carry 已经生效后会变得非常有价值。
Fabrice 的 500 笔交易组合采用另一种方式。约 2% 的公司以平均约 4–6x 的倍数贡献第一个 1x；8% 的公司以约 8x 再贡献一个 1x；剩余 90% 的公司，包括略低于一半实现盈利的项目，贡献第三个 1x。这种分散化的“1-1-1”模型，在 28 年间实现了约 3x 和 30% IRR。

5. 风投估值是一场尚未被公共市场评分的考试

主持人质疑，市场披露的 IRR 是否根本可靠。独角兽融资和内部估值上调创造了表面价值，但没有 IPO 或并购，就没有外部反馈回路：“我们在互相批改考卷，而且所有人都说自己拿了 A。”S-1 是公司“脱光衣服”的时刻，外部人才终于能看到真实数字。
公司留在私有市场，是因为它们可以，而不是因为保持私有天然更优。嘉宾的格言是：“人们不会做他们应该做的事，只会做他们必须做的事。”当充裕且廉价的私募资本退潮，创始人会更早接受公共市场纪律，流动性周期也会向均衡水平缩短。
公共资本通常应该更便宜，因为它具备流动性；私募投资人却要被锁定 5 年。当前的倒置是“某个时间点上的荒谬”，尽管上市公司的官僚体系、激进投资人、季度预算和全面披露，都会显著恶化创始人的体验。
嘉宾区分了可行的 IPO 和惨淡的 IPO。一家收入 $150M、增长 50–70% 的公司应该能够上市；一家收入接近 $200M、增长 30% 的公司，可能只能获得流动性很差的 $600–800M 市值，以及极少的分析师覆盖。互联网泡沫顶峰期约有 350 家 IPO，上市时收入中位数仅为 $18M，明显太早；如今接近于零的 IPO 标准则太晚。

6. 15 年的私有公司马拉松，筛选出执着的创始人

仍有约 90% 的 B2B 公司在 IPO 时由创始人担任 CEO，但这段旅程正在不断拉长。创始人必须不断重塑自己，每隔 4–5 年重新接受一次“服役期”；最初的 3 年短跑变成了 10 年赛跑，如今则是一场马拉松，后面还跟着数次短跑。
Discord 和 Ironclad 的管理层离职，让主持人开始追问，创始人是否得出了“管理上市公司真糟糕”的结论。一位嘉宾认为，如果创始人喜欢扩大团队，却不喜欢华尔街，那么在 IPO 前约 12 个月离开是理性的。Reggie 则表示，替换创始人的门槛极高：存在管理局限的创始人 CEO，通常仍然胜过一位优秀但没有创始人 DNA 的职业经理人。
更长的周期反而可能让筛选变得容易，因为成功创始人必须明显异于常人——执着到把问题当成毕生事业。主持人的负面筛选标准是“20% 增长俱乐部”：收入达到 9 位数的 CEO 们互相安慰说 20% 增长已经够好了，而不是试图重新加速。

7. 软件可能在 IPO 前就已经过时

一位嘉宾最大的担忧是，“技术走向过时的生命周期，如今已经短于”私有软件的持有周期。如果这一判断成立，每家达到一定规模的公司在获得公共市场流动性前，都至少会经历一次生死级架构、业务重构或第二产品危机。Squarespace、Wix 和 Pinecone 都说明，技术周期可能带来更快的衰减。
持有私有状态 10–15 年后，普通 SaaS 尤其容易暴露。一位嘉宾描述了一家组合公司：曾在约 20% 增长附近徘徊 18 个月，在下行期继续加码工程团队，完成收购后重新回到 40% 以上。接受暂时停滞、建设下一台增长引擎的路径，区分了重新进入复合增长的公司与逐渐滑向 15%、10% 增长的公司。
Reggie 的反驳是，这取决于类别：成熟的交易平台可能从 AI 中获益，因为流动性、交易数据和运营效率已经构成护城河。垂直交易平台不一定会被取代，反而可以利用 AI 改善定价、匹配和转化漏斗；真正风险更高的是增长缓慢的横向在位者，而不是专注的创业公司在位者。
eBay 说明了这种区别。它面对的挑战并不只是团队能力不足，而是横向技术栈无法在每个类别都提供最佳工作流；Pokémon 或手袋交易平台则可以专业化。Reggie 提到 Rebag 基于图片的 AI，可以评估模型、真伪、成色和价格，形成端到端的垂直解决方案，而 eBay 单独拥有的数据并不能复现这一点。

8. AI 可能偏爱横向模型，却偏爱深度垂直应用

Reggie 预计，应用层将奖励能够解决完整保险、零售或制造工作流的超垂直产品。但在基础 LLM 层，GPT 或 ChatGPT 可能像 Google 在搜索领域那样广泛胜出：DALL-E 被整合进他已有的订阅后，能力已经足够好，以至于他不再使用 Midjourney；尽管编程领域仍可能留给 Cursor 式的专业产品。
ServiceNow 股价上涨 24%，此前其在约 $12B ARR 下实现约 20% 增长；但一位嘉宾指出，这一增速已经持续了 5–6 年。另一位嘉宾提醒，企业 CEO 往往夸大 AI 的即时影响：Salesforce 声称 Agentforce 完成了 500,000 笔交易，听起来很大，但与 SaaStr AI 的 100,000 多笔相比，差距并没有那么夸张。
一位嘉宾的竞争地图包括 3 类公司：AI 前的巨头、约从 2018 年开始建设的“AI 青少年”，以及后 LLM 时代的创业公司。ServiceNow 以约 $3B 收购 Moveworks，约相当于其市值的 1%，这是吸收“AI 青少年”、增强自身继续成为后 AI 赢家主张的一步精明交易。
Box 是更难的考验。AI 可以把此前无法搜索的数万亿份文档转化为可对话数据，嘉宾也认可 Aaron Levie 20 年来在激进投资人以及 Microsoft、Google 免费产品竞争下坚持至今的记录。但悬而未决的问题是，一款“好一个数量级的应用”能否让收入重新加速至 20–30%，还是只能守住既有特许经营权。

9. AI 价格战可能创造用户价值，却摧毁投资人价值

一位嘉宾担心的是价值创造与价值提取之间的差距：产品每天可以生成 10 亿行代码，但价格却从约 $30 降至 $15–20。另一位嘉宾认为，Windsurf 的分层定价是理性的，而不是慈善——类似 OpenAI 的免费、$200 和 $2,000 档位，因为免费或低价用户最终会流向更高价值的付费层。
Jason 将这种结构称为杠铃。低门槛进入带来营销效应和长尾用户，而企业客户可以通过由 200–400 名销售支持的 6 位数和 7 位数合同，为每个席位支付约 $60–100。即使表面起售价看起来不经济，这类收入基础也可能覆盖相当可观的 OpenAI 或 Anthropic 成本。
Reggie 仍然预计，在赢家出现之前，资本会先被摧毁。8 家资金充足的团队可能同时过度支出获客费用、压低产品价格，因为赢家通吃的市场首先奖励生存；GitHub 和 Microsoft 也有生死级理由通过 Copilot 攻击 Cursor 和 Windsurf。持久的定价权可能要等投资人先为这场战争买单后才会出现。
稀释会让表面估值产生误导。一位朋友对某模型公司的投资，估值从 $4B 上升至 $60B，但在员工股权薪酬每年约 9%、以及多轮数十亿美元融资之后，最终只实现了 3.1x 倍数。尽管如此，嘉宾仍不赞成放弃这条超级趋势：拥有过量资本的非凡技术，仍然好过完全没有技术趋势。

10. 越是要求确定性，产品—市场匹配越难精准判断

种子期框架有 3 个输入：“他妈的优秀创始人”、方向正确的市场，以及讲得通的经济模型。在早期已有收入的 Series A，投资人需要证据证明公司已经“锁定了一个可以主动捕猎的东西”；如果投资人付钱买的是产品—市场匹配，最后却要为一次彻底重置提供资金，那么最初的价格就是错的。
争议集中在 $400,000 ARR。嘉宾认为，20 家关系友好的 YC 公司各签下 $20,000 合同，反映的可能是社交距离，而不是市场拉力。创始人所在批次之外的 10 个客户，或许才能说明真正的早期匹配；投资人的职责，就是判断哪些收入是真信号。
更早进入并不能消除这个问题。Cursor 和 Windsurf 在获得种子投资时还是完全不同的生意；Windsurf 的前身 Codeium 只是在讨论前约 3 个月才重新调配工程师。那些投资本质上押注的是非凡创始人，而嘉宾怀疑，即使创始人看起来属于 S 级，这类下注大多数时候也不会奏效。
定价风险依然存在：过去 Series B 投资人担心“用 Series B 的价格购买 Series A 风险”。如今同样的错配已经出现在 Series A，投资人是在用 Series A 的价格购买种子期风险。估值留下的错误吸收空间更少，真正必须发挥作用的，是筛选能力和胜率，而不是宽松的资本市场。

11. 中国和国防投资，让机构层面的风险与交易回报并列出现

据报道，Benchmark 领投 Manus 的 $75M 融资，估值为 $500M，这笔交易引出了 3 个问题。一家位于中国的 AI 公司，可能在交易层面提供对特殊政治风险的补偿；但嘉宾也看到了机构风险——国会审查或声誉外溢——以及一个道德问题。一位嘉宾拒绝以地缘政治门外汉的身份给出结论。
一位嘉宾的立场是在亲身经历中变得坚定的。他早期投资了 Alibaba 和 Ant Financial，后来在 Jack Ma 从公众视野消失、Xi Jinping 叫停 Ant IPO 后退出。他也在 2014 年克里米亚入侵、导致企业无法获得西方资本后退出俄罗斯，并在 Erdoğan 偏离 Atatürk 原则后远离土耳其。
Fabrice 给出的组合简化逻辑是：美国约占全球 GDP 的 25%，却占软件和企业技术支出的约 50%。“如果我在拥有法治的 50% 市场里都赚不到钱”，再增加规则可能随意改变的 10%，并不会提高胜率。
一位嘉宾则在国防问题上划出了不同的道德边界：支持乌克兰创业公司，并投资 Anduril。他偏好的指标是冷酷但明确的“每次击杀成本”：乌克兰的低成本制造能力，可能提供昂贵西方系统无法提供的威慑。他承认，许多新进入国防领域的投资人只是追逐趋势的旅鼠，但即便如此，押中最终赢家的动量也可能带来回报。

12. 在人才效率最高的地方建设，在资金最集中的地方销售

一位嘉宾建议欧洲创始人在美国建设，因为约 3 亿富裕的早期采用者，让美国成为“简单模式下的人生游戏”。他认为，一家公司的美国收入达到 $100M 后，在美国本土从 $100M 增长到 $200M，比在其他地方从零做到 $100M 更容易；即使达到 $1B，这一点可能仍然成立。
欧洲的论据是：薪资更低、留任率更高、资本充足，而且 Pigment 等公司证明，创始人可以在欧洲建设、向美国销售。巴黎顶尖工程师的成本可能只有一半，并且在归属期结束后仍愿意留下。综合结论很清楚：研发可以放在任何地方，但企业级 go-to-market 仍必须主要面向美国。
一位嘉宾质疑的不是欧洲的技术能力，而是其运营节奏，引用一些创始人的说法：他们的团队无法匹配旧金山的速度。另一位嘉宾则以 Revolut 和“Project Europe”反驳。嘉宾们拒绝用平均值评判整个欧洲，但同意全球分布的例外公司不同于平均劳动力。决定节奏的是创始人，而不是护照。
AI 让分歧进一步加深。一位嘉宾表示，普通工程师的效率已经提升约 2x，而顶尖的“10x 工程师”可能变成 100x；他引用的数据是，Windsurf 的整体生产率约提升 50%，Salesforce 约 20% 的代码通过 AI 提交。他对未来 2 年的预测是绝对性的：一半平庸的销售和客户成功岗位会消失，而更大、更高强度的工程团队将投入加速的军备竞赛。

特朗普上任100天、关税冲击贸易、AI Agent与Amazon退让贸易之争（Fintwit Book Club 2025年4月）