摘要

AI 已打破支撑公开市场 SaaS 估值的年金式逻辑。 过去6个月，编程模型的进步让投资者开始质疑终值、股权激励费用的处理方式，甚至怀疑哪些产品能够存活；由于财报反映的是过去，Lucas Swisher 预计市场还会经历3–9个月的不确定期。在此之前，环比收入、净新增 ARR 和留存率是最好的观察指标——但当每家公司都能同时支持多空两套逻辑时，“为什么还要持有任何东西”？
公开市场软件在统计上可能看起来很便宜，但可投资的未来正越来越多地掌握在私募市场。 Harry Stebbings 指出，Monday.com 的收入倍数约为1.5倍，Wix 约为2.5倍，而私募轮融资的估值接近100亿美元；Swisher 则反驳称，便宜资产往往有其便宜的理由。在大约20家私募“平台型公司”中，他估计其中18家如果置于10年前的市场结构下，如今本应已经上市：“如果你想持有未来，就多少必须进入私募市场。”
对于指数级增长的公司，Coatue 把估值放到最后考虑——但前提是先证明公司正在攻打一块巨大且可扩张的市场。 Lovable 的收入在 Series A 文件完成期间从300万美元升至2000万美元，让原本看似70倍的收入倍数压缩至10倍；同样，2000万美元 ARR 对应30亿美元估值，如果收入随后变成2亿美元、6亿美元，再到30亿美元，看起来就很便宜。Swisher 表示，价格依然重要，但估值应该最后考虑。
高昂的入场价格，要求公司最终实现远超旧版“100亿美元公司测试”的结果。 对于一家 ARR 约5000万美元、投后估值50亿美元的公司，Swisher 需要相信它最终能够实现50亿美元收入、至少30%的利润率，并继续增长——这意味着市场上必须存在500亿美元收入可供争取。如今的测试是：它能否成为一家历久弥新的500亿–1000亿美元上市公司，让下一位投资者仍有机会获得3倍回报。
集中投资和持续加仓，而不是早期广撒网，才是超大成长基金经济模型成立的关键。 Swisher 表示，20家公司贡献了私募市场企业价值的80%，其中4家贡献了65%；一笔10亿美元、最终带来10倍回报的投资，单独就能为一只50亿美元基金贡献2倍回报。最好的轮次往往是“加倍下注轮”，而实现10倍回报的公司比例，反直觉地可能随市值区间上升。
规模化之后利润率很重要，但在架构迁移期，早期毛利率可能错误定价赢家。 Snowflake 早期利润率约为20%，Databricks 早期毛利率也非常低，尽管传统 SaaS 预期要求80%；随着 token 成本下降、工作负载在自研模型、前沿模型和小模型之间迁移，AI 应用的利润率可能改善。由于同时向云服务商和 LLM 供应商付费，它们的毛利率可能仍然较低，但 AI 驱动的工程、销售和法律成本下降，可能带来更高的终期经营利润率。
随着 AI 从助手转向 Agent，OpenAI 和 Anthropic 体现了不同形式的战略耐久性。 OpenAI 同时拥有强大的消费端品牌、由 Codex 驱动的企业扩张，以及 Jony Ive 设备业务带来的“未知的未知”；Anthropic 则以编程为切入点，同时支持各类云服务以及 Trainium、TPU 和 GPU，因此拥有算力和盟友。如今，Swisher 相信机器输入能够触及他12个月前还不相信的劳动力规模，但企业集成意味着采用仍需时间。

精读

1. AI 让 SaaS 的终值成为争议变量

Swisher 对公开软件遭抛售的判断，从一个已经破裂的承诺开始：SaaS 企业过去像保险公司一样被估值，凭借经常性收入和可以“永永远远”延伸的利润池获得溢价。Anthropic、OpenAI 等公司近期推出的编程模型，让投资者开始质疑这种终值逻辑，进而质疑对股权激励费用的宽松处理，以及 GAAP 与非 GAAP 盈利之间的差异。
第二重冲击是无差别的不确定性。一家设计平台完全可能通过将 AI 嵌入整个创作流程而变得更有价值，但相反的逻辑同样成立：“我现在直接在 ChatGPT 里做所有设计，那我为什么还需要这个设计工具？”当几乎每家公开市场 SaaS 公司都能同时支持这两种判断时，投资者就会把资金投向别处。
Swisher 希望看到的短期证据包括环比收入增长、净新增 ARR 上升、留存率和客户行为。这里的前提很关键：财报是对过去的回顾，而产品几乎一直在变化，因此“未来3个月、6个月、9个月，我们其实都不会真正知道”哪些公司正在被替代。
Harry 提出的机会成本问题很尖锐：Monday.com 的收入倍数接近1.5倍，Wix 约为2.5倍——按其引用的数据，Wix 市值45亿美元、收入20亿美元——看起来比接近100亿美元的私募轮更安全。Swisher 承认公开市场的流动性很有价值，但提醒说，那些看起来便宜的证券“很多时候之所以真的很便宜，是有原因的”。

2. 未来已迁移到私募平台型公司

Swisher 对公私市场的区分，重点不在表面估值倍数，而在于能否获得未来的敞口。公开市场投资者交易方便，但“很难持有未来”；如果投资者想集中押注 token 生产、前沿模型或增长最快的 AI 应用，就可能必须进入 OpenAI、Anthropic、SpaceX/xAI 以及下游私营公司。
Harry 自己想买的“股票”——Anthropic、Revolut 和 OpenEvidence——都无法在公开市场买到。Coatue 将这类龙头称为平台型公司：规模巨大、增长迅猛、产品多元，本来可以上市运营，却选择继续留在私募市场。Swisher 估计，按10年前的市场结构，今天排名前20的私募公司中，有18家大概率早已上市。
这种变化既让普通投资者面临准入问题，也给灵活的私募资本创造了机会。Swisher 不希望被一项强制性 mandate 规定每年必须投一轮 Series B；Coatue 的比喻是，一艘能够“在河上来回划行的划艇”，资金应当投向风险调整后回报最好的机会。

3. 指数级增长让价格成为最后的问题

Lovable 是通过执行压缩估值倍数的最佳案例。Harry 说，在其 Series A 融资过程中，收入从约300万美元升至2000万美元。最初约70倍收入的估值，在融资完成前已经变成10倍——这也让他开玩笑说，创始人 Anton 本该重新开启谈判。
因此，当公司的年增长达到10倍或50倍时，Coatue 会把估值放到最后才问。Swisher 举例说，2000万美元 ARR 对应30亿美元投后估值，看起来荒谬；但如果收入1年内变成2亿美元，次年变成6亿美元，最终达到30亿美元，这个估值就完全不同。真正的承保工作，是找出能够长期维持这条增长曲线的公司。
Coatue 过去内部采用的是“100亿美元上市公司测试”。更大的 AI 市场已经抬高了门槛：公司能否成长为一家历久弥新的上市公司，视阶段不同，市值可能达到500亿或1000亿美元。市场拉力必须足够强，才能让收入曲线和后续盈利路径都变得可信。
Swisher 给出的具体框架是：一家 ARR 5000万美元、投后估值50亿美元的公司，必须有可信路径实现50亿美元收入，同时拥有至少30%的利润率并继续快速增长。这意味着市场上必须存在500亿美元收入可供争取；没有超大市场这一前提，支付超大市场价格就无法自洽。

4. 最好的入场机会，为持续加仓赢得资格

Harry 追问机会成本问题：即便一家公司能从5000万美元增长到2.5亿美元，再到7.5亿美元，为什么要选它，而不是10个更简单的替代方案？Swisher 的回答是期权价值——首轮投资未必是最好的轮次，但它可以锁定后续轮次的进入资格，押注一家“最好的日子还在前面”的公司。
Jeff Horing 在 Coatue 投资逻辑中的格言是：“最好的轮次是加倍下注轮。”检验标准是定性的：如果 Coatue 以50亿美元估值投资，而公司执行出色，那么这个想法、创始人和市场是否足够强，以至于6个月后即使估值达到100亿美元，Coatue 仍会迫不及待地再次投资？
Harry 补充说，投资者低估了“下一次翻倍的容易程度”：把 Harvey 从60亿美元推到120亿美元，可能远比从0创造一家60亿美元公司容易。Swisher 的内部图表进一步显示，实现10倍回报的公司比例会随着估值区间上升，因此从100亿美元到1000亿美元的10倍增长，概率可能高于前一个区间。
这并不意味着价格无关紧要。Swisher 表示，入场估值总有一个临界点，会把回报压低到足以让投资者放弃；但对于“世代级公司”，几乎永远不会太晚。当 Coatue 发起或抢先推动一轮融资时，它也可以参与确定自己认为当前合理的价格。

5. 超大基金的数学要求集中押注超大结果

Swisher 表示，大约20家公司贡献了私募市场企业价值的80%，其中4家贡献了65%。这种分布使“广撒网、靠运气”变得危险：投资者可能选错马、把注意力放在错误的市场，也可能在错误的机会中投入时间。
他区分了30亿美元规模的风险基金和50亿美元规模的成长基金。前者必须在太多卓越结果中取得有意义的早期持股，这是一记“难打的推杆”；后者则可以利用公司更长时间留在私募市场这一事实。一笔10亿美元的投资如果实现10倍回报，就会带来100亿美元，已经相当于一只50亿美元基金的2倍毛回报。
更大的 AI 结果进一步印证了这一点。在 SaaS 浪潮中，Salesforce、Workday 和 ServiceNow 合计只贡献了几千亿美元市值，限制了基金规模的回报上限。如果 AI 用 token 替代人工输入，并触及更大的劳动力池，Swisher 预计未来会出现规模大得多的公司。对于超大基金而言，传统垂直 SaaS 即使仍是优秀生意，也未必是资本配置的最佳去处。
一笔3倍投资本身并不令人兴奋。要实现约3倍净回报和约25%的净 IRR，一个包含1倍回报项目的组合需要另一项相应的5倍回报；如果组合中有一项归零，则需要6倍；如果有一项实现2倍，则需要4倍。Swisher 必须相信，在他的3倍回报之后，下一位投资者仍能理性地承保另一个3倍回报：“必须有人坐在这只股票的另一边。”

6. 耐久性来自跨越市场，而不是守住单一产品

Databricks 展示了 Swisher 对平台型创始人的要求。自 Coatue 于2019年投资以来，他看到 Ali Ghodsi 一次次重塑公司：从 ETL 和数据转换层，到运行推理和训练模型，再到成为企业数据中心。每次转型都找到了另一条 S 曲线，而不是简单延长原有曲线。
市场与创始人不可分割，但 Swisher 仍然把市场规模放在首位。一位出色的创始人，如果身处一个没有自然扩张空间的细分市场，可能打造出精彩的第一幕，却很难继续完成第二幕、第三幕和第四幕。平台型公司则体现出“跳过一个个 TAM”的能力，不断扩大可实现的结果。
尽管 Harry 质疑 Figma 已值110亿美元、图像生成又正处于前沿模型供应商的直接路径上，Canva 仍然通过了这一测试。Canva 从年鉴业务扩展到在线设计，再进入 SaaS，随后形成约12个快速增长的产品；在 ChatGPT 出现之前，它就已经开始整合 AI——此前 Cliff Obrecht 曾联系 Coatue，讨论这一变化。
Swisher 的错误通常来自高估 TAM 或高估公司推出多款产品的能力，而不是漏看某项指标、增长乏力或团队不佳。因此，一家收入从1000万美元增长到2500万美元的体面 SaaS 公司，可能是“好公司”，却未必符合 Coatue 的策略，也未必提供清晰的终值。

7. 规模化后利润率很重要；留存率决定低利润率能否持续

Swisher 保留这一原则，但调整了它适用的时点：“规模化后，利润率很重要。”超大规模云厂商早期利润率很低，Snowflake 早期利润率约为20%，Databricks 早期也很低，尽管投资者坚持认为 SaaS 必须拥有80%的利润率。在架构迁移期，早期毛利率可能具有很强的误导性。
AI 的看多逻辑在于成本曲线持续下降。一款应用当前推理利润率为10%，可能在上个季度还是负数、前两个季度更是严重为负；随着时间推移，它可以在自有模型、前沿系统和更便宜的小模型之间调度工作负载。Swisher 预计优化会发生，但也保留一个结构性限制：AI 公司需要同时向云服务商和 LLM 供应商付费。
较低的毛利率不一定意味着较低的经营利润率。AI 可能减少工程、销售和法律团队所需的成本基础，带来高于上一代公司的经营效率。更可能出现的组合是：收入池更大、毛利率略低，但由于运营费用下降，终期经营利润率反而更高。
他的数据观同样带有限定条件：“数据是前提，不是答案。”低毛利 AI 公司必须展现极强的产品黏性和高留存率，因为它没有犯错空间；但如果投资者完全活在 Excel 里，也可能只见树木不见森林。Swisher 曾在某个季度 Databricks 的净新增 ARR 没有明显加速时犯过这种错误。

8. 资本可以助推已验证的产品市场匹配，也可能扭曲种子期经济模型

Coatue 从2021年得到的最明确教训是：没有收入、没有产品却拥有极高估值的公司，不是它的业务。Swisher 认为，无法进入成熟平台型公司的投资者，有时会转向自己 mandate 允许的市场部分；Coatue 则希望看到真实业务、快速增长、耐久性和可信的流动性路径。
Harry 展示了超大基金如何扭曲种子期经济模型：他的公司曾以1500万美元估值提供300万美元，而一家更大的投资者以1亿美元估值提供1000万美元，且没有清算优先权、没有按比例投资权，也没有其他保护条款。Swisher 认同，随着 AI 企业需要更多资本、以高于 SaaS 初创公司的更大轮次和估值出现，获取种子期持股会变得更难。
他拒绝接受字面意义上的“造王”。顶级投资者和充裕资本可以吓退竞争者；当产品市场匹配已经“疯狂强劲”时，资金可以帮助公司扩充销售能力、抓住一个正在形成的市场，从而成为重大优势。但如果没有产品市场匹配，过多资本反而可能是劣势；没有哪个投资者联盟可以直接宣布竞争已经结束。
强行喂资本的风险取决于阶段。稀缺性可以磨炼早期公司，而拥有真实牵引力且资本回报率可衡量的成长型公司，可以吸收快速连续的融资。危险出现在成长基金追逐风险投资阶段的公司时：这会让公司在底层引擎尚未形成前就产生自满情绪并过早支出。

9. 真正的判断力能看见拐点，但不会迷信表格

Mary Meeker 教会 Swisher 用几行 Excel 概括一家复杂公司，并通过数据讲故事。他早年在 Kleiner Perkins 工作时，和创始人交流的能力强于建模，结果在一次练习中“被彻底击溃”；Meeker 能在详细模型中迅速发现错误，这塑造了他对分析精度的重视。
Mamoon Hamid 则带来了互补的一课：识别业务“向上拐”的时刻。当时 Figma 的 ARR 约为50万美元，市场普遍认为 InVision 会胜出；Hamid 研究了大客户内部的留存和使用情况——Swisher 记得包括 Google、Square 和 Amazon——然后在大约30秒内做出决定：“我们投。”
Swisher 最难忘的一次创始人会面，是与 Harvey 的 Winston。语言模型擅长文本输入和文本输出，法律又是高度依赖文本的行业；Harvey 关于文档生成和分析的判断，让创始人与市场的匹配度一目了然。但 Coatue 最终仍然输掉了 Series A，这也强化了一个安慰：对于真正伟大的公司，“总会有下一轮”。
他最持久的一次错过，是 Anduril 的10亿美元融资。作为一名关注指标的 SaaS 投资者，他看到了一份糟糕的损益表，于是选择放弃，错过了创始团队、趋势的重要性以及世界正在走向何方。对他而言，这仍是把一个前提条件——财务分析——误当成答案的最清晰案例。

10. 公开市场仍能提供反馈、合法性和清晰流动性

私募公司生命周期延长后，二级市场可以提供流动性，尤其对早期基金而言如此；但 Swisher 不认为所有平台型公司都会永远留在私募市场。公开市场仍能提供真正规模的资本和真正的流动性，避免“层层叠叠”的 SPV、模糊的所有权结构以及公司自身可能并不喜欢的股权表管理。
他的第二个论点具有两面性：公开市场是“不可思议的反馈机制”。Netflix 从光盘转向流媒体的变化，很早就被分析师和公开市场投资者识别并讨论；无论某个25岁的分析师多么不完美，市场整体仍像一台称重机，帮助创始人应对另一轮架构迁移。
上市还会让一家大公司更难被“搞垮”。它的股票被纳入401(k)和指数，公开身份也带来了制度层面的保护和严谨性。因此，Swisher 最终要回答的问题很具体：他的公开市场同行，是否会比自己投资组合里的所有其他机会都更想持有这只股票？

11. 前沿模型赢家需要产品优势，也需要盟友

Swisher 不接受 Harry 强行提出的 OpenAI 与 Anthropic 二选一，但分别给出了两种看多逻辑。OpenAI 拥有非凡的消费端品牌，通过 Codex 和大型变革性部署增强企业实力；同时，收购 Jony Ive 的公司带来了一个“未知的未知”——押注一种可能需要5–10年才能显现的设备品类。
Anthropic 的逻辑始于编程，这是 Swisher 认为第一个真正爆发的 AI 用例。由于“数字世界的一切都是代码”，这一滩头阵地可以延伸到企业分析工作。为所有云服务以及 Trainium、TPU 和 GPU 构建能力，需要基础设施投入，但也能改善成本、部署灵活性，并获得稀缺算力。
Coatue 还会按照 Philippe Laffont 的框架追问：“谁会想帮你，谁会想伤害你？”Anthropic 的架构让更多交易对手有理由希望它成功。Harry 认为这听起来颇像造王；Swisher 的让步很精确：盟友“当然会有帮助”，即便他们无法保证谁最终胜出。
Swisher 在过去12个月里最大的观念变化，是对结果规模的判断：Claude Code 让他相信，市场正在从助手转向 Agent，从人工输入转向机器输入。他表示，Anthropic 在增长800%的同时达到90亿美元 ARR，而3家超大规模云厂商在相同规模下平均增长约60%；这比 SaaS 更快，但企业转型仍需要经历集成、部署和培养稳定的人类使用习惯。

Dan Sundheim 对 Anthropic、OpenAI 与 SpaceX 的下注 SWE-Bench Verified 的终结——Mia Glaese 与 Olivia Watkins，OpenAI Frontier Evals