摘要

Databricks 以 1340 亿美元估值、32倍销售额交易，可能只是“价格合理”，而非便宜。 参照案例是 Snowflake：营收同为约 40亿美元、增速 28%、估值 800亿美元、销售额倍数 20倍；Databricks 增速则为 55%，且仍在加速。Rory O’Driscoll 提出的关键事实是：大规模再加速会击穿所有估值模型——“按定义，如果它持续再加速……它就是无限有价值”，而这正是今年 Anthropic 被阶跃式重估的原因。只有约 1/3 的公司能再加速一年，能持续两年的只有 1/10。
Jason Lemkin 的直白推论是：“种子轮是给傻瓜玩的。” 按风险和时间调整后，1340 亿美元的 Databricks，或 Kleiner Perkins 投资时估值 1800亿美元的 Anthropic，可能胜过投后估值 6000万美元、需要承担 7-10 年期限风险的 Pre-C SAFE。公开市场上真正增速超过 30%的公司只有 1 家——增速 50%、盈利能力极强、销售额 80倍估值的 Palantir，因此根本没有公开数据集可用来给超高速增长定价。
大多数上市 SaaS 公司都陷入了“TAM 陷阱”：平均增速约 16%，为历史最低。 Rory 对这个谜题的解释是：CEO 们并不愚蠢；风险资本投出了太多公司，市场因此饱和——这就是他 2019 年那篇文章所说的“SaaS 饥饿游戏”。Zoom 是典型：所有需要账号的人都已经有了，“然后就结束了”。由此推导出的投资规则是：“只有 TAM 足够大时，溢价支付才有效。在有限 TAM 里，出价必须更紧。”
按席位收费正面临生存级挤压：所有公司的每名员工 ARR 都在上升，因此头部企业终究会用光席位。 HubSpot 的效率是 2021 年的 2.8倍，Salesforce 是 2倍，Microsoft 则“永久越过了员工峰值”。Jason 的比喻是：“SaaS 已经变得像日本”——这是一个很棒的经济体，但如果每个人只有 0.9 个孩子，席位总归有限。Rory 指出，效率提升或许解释了为什么 SaaS 倍数并未随增速一样大幅下跌。
安全正在成为 incumbent 的武器：Gainsight 被 Salesforce 锁了两周且没有解决时间表，Drift 在 700 人数据被下载、赎金要求覆盖 700 个组织（包括 Cloudflare）后“彻底死掉”，OpenAI 则永久移除了 Mixpanel。 Jason 认为，这可能是“企业的复仇”；Harry 则给出更犬儒的解读：先把安全当作切断第三方的理由，再销售自己的 agent 产品。
Google 在不到 10 个月内复刻了 Lovable/Replit（尽管上线时没有数据库和 OAuth），Datadog 也在 24 个月内做出了 PagerDuty 竞品，而 PagerDuty 创立于 2008 年——“现在你甚至连一年都没有了”。但 OpenAI 的 code red 被解读为“模型将无所不能”叙事的顶峰：“赢下 ChatGPT 战争，你就值 2 万亿美元。别再折腾那些小型垂直市场。”
下一轮 AI 浪潮，两人都会愿意赴约：让 AI 直接运营企业，而不是向企业销售软件。 Rory 的 Range 交易，是把财富管理、税务、信托沿着财富阶梯自动化。Jason 的亲身经历是，3 个信托耗时 11 个月，最后那位备受推崇的律师只是耸耸肩说：“我的大多数客户甚至都做不完。”如果 AI 能消除约 180万美元美国人平均退休金规模背后的摩擦，“你可以做出一家 200亿、400亿、500亿美元的公司”；而 Wealthfront 的命运正是 TAM 陷阱的警示。
快问快答的分歧值得保留：Rory 选 Lovable 胜过 Superbase（如果 vibe coding 是一个品类，前端就会拿走利润——“小赌一把还是押上全部”）；Jason 选 Superbase，因为“难题令人安心”，数据库很难被替换——“这是增长的一年，但除此之外什么都没有……明年我想要一点防御性。”

精读

1. Thrive × OpenAI：幂律效应加倍，但新闻已经过时

Rory 拉远视角看，这次合作“并不重要”，因为 24 小时后它就不再是 OpenAI 的主线新闻。真正的主线是 code red——聚焦核心业务：推迟广告、推迟医疗 agent，“不受干扰”。“Google 3 年前对他们发布了 code red，现在轮到他们反过来对 Google 发布 code red。”
Jason 对交易本身的判断是，OpenAI 投资 Thrive Holdings，“真正重要的 VC 交易就那么几笔……这是幂律效应加倍。它不仅是幂律效应，还取决于你如何安排自己的一周。”把基金变成控股公司，投入 10亿或 20亿美元，再进一步押注你有史以来最重要的第一号公司。
Rory 认为赢家是 Thrive：他们在约 700亿美元那轮融资中重仓 OpenAI，在“两年前那场大惨剧”中站在 Sam 一边，如今获得巨大的光环效应。“风险投资的全部诀窍，是我们试图假装自己很重要，但内心知道，真正重要的是最优秀的公司。”至于 OpenAI 能得到什么，“就不那么清楚了”——他知道谁在公告发布时欣喜若狂，也知道谁的反应是“哦，随便”。

2. Databricks 1340 亿美元估值：增长溢价问题的现场算例

这组对比异常干净：Snowflake 上市公司营收约 40亿美元、增速 28%、估值 800亿美元（20倍）；Databricks 传闻融资 50亿美元、估值 1340亿美元，对应 2025 年 41亿美元营收和 55% 增长。Rory 的判断是：“不便宜，但可能价格合理”——关键在于，为额外 25-30 个百分点的增速支付多少倍数；“如果这段额外增长能持续一段时间，额外增长的价值大得惊人——这是技术术语。”
公开市场可比公司帮不上忙：“真正增速超过 30%的上市公司只有 1 家”，就是 Palantir——增速 50%、盈利能力极强、销售额 80倍。Jason 认为，如果 Databricks 今天上市，它会是公开市场第二好的公司，当前价格“看起来差不多”。
真正击穿模型的是这个规模上的温和再加速——“我们以前根本没见过”。Rory 说，所有理性模型都假设增速逐步放缓；“按定义，如果它持续再加速……它就是无限有价值，因为数学就是这么算的。”基础模型难以估值，也是同一套逻辑：今年 Anthropic 在大规模业务上重新加速时，“所有人都意识到模型错了”，估值随之发生阶跃式重估。基准概率是：1/3 的公司能再加速 1 年，1/10 能再加速 2 年，而且很少有公司能从 50% 的增速基础上做到。
Jason 的结论得到 Harry 附和：“种子轮是给傻瓜玩的。”按风险和时间调整后，Databricks，或 Kleiner Perkins 以 1800亿美元估值投进 Anthropic 的交易，都可能胜过“投后估值 60亿美元的 Pre-C SAFE”，因为后者要承担 7-10 年期限风险，确定性却低得多。

3. Snowflake 对 Databricks：不是共存，而是寡头厮杀——agent 正在改变数据游戏

对于 Databricks CRO Ron Gabrisko 所说的技术领先 5 年，Rory 认为 Ron 在 AI 原生数据工作上说得没错，但“两家公司不可能和平共存。他们大概互相讨厌——事实上，我们知道他们互相讨厌，因为他们会故意把销售活动安排在同一时间。”未来 10 年，两家公司会像 SAP 和 Oracle 当年长达 20 年的竞争一样“狠狠干一场”：利润率会受损，但谁也不会倒下，因为“关系型数据库的核心价值不会消失”。
Jason 真正开放的问题是：Cursor、Lovable、Replit 这些 vibe 平台，现在都能直接访问 Snowflake 数据，而几周前还做不到。“当我可以用简单易用的 agent 访问所有数据，随心构建报告、分析和工作流时，会发生什么？我认为我们才走了这段旅程的 1%。”他不会押注反对任何一家管理海量结构化和非结构化数据的公司。

4. Agent 时代，CRM 会不会沦为哑数据库？意图不等于能力

Jason 提到 Benioff 把 2000 人投入 Agentforce，认为这就是“未来本身”；Harry 的反驳很精准：“这说明了他的意图，但不能说明他的能力。”Jason 承认，Salesforce 可能还有约 2 年时间解锁这项能力，而对 Salesforce 来说，2 年并不长——按照传统节奏，这只是一个重大版本发布周期。
Rory 判断，单应用 agent 会像 Microsoft 那样被 Salesforce 打包进产品；但如果企业希望 agent 横跨 5-6 个数据源，就会“把所有东西塞进 Snowflake，直接在上面运行 agent”，投入 500万美元和一批 Snowflake 或 Databricks，定制构建。Agentforce 可以拿到相当一部分市场，但高端市场会让系统集成商在未来 10 年赚得盆满钵满。

5. 安全成为 incumbent 的护城河——“企业的复仇”

Jason 列出的案例包括：Gainsight 被 Salesforce 锁定 2 周，“没有已知解决时间”；Drift 遭遇入侵，700 人的数据被下载，黑客按每个实例索要数百万美元，5 个月前被逐出平台，如今“彻底死掉”；OpenAI 本周永久移除了 Mixpanel。作为平台所有者，他的升级逻辑是：第一次入侵，你会把锅甩给 PE 持有的供应商；“第二次，我可能开始锁死平台；第三次，我可能会说，‘我干脆自己拥有所有 agent。’”
他的担忧可以泛化：“当 agent 到处运行、处理我们的数据时……我总体上担心我们低估了安全和数据驻留问题。”有多少董事会会议是以 AI 时代的安全问题开场？“对我来说，接近 0 次。”而普通初创公司的 SecOps 团队规模，与如今开出的支票规模完全不匹配。
Harry 把它进一步推向犬儒版本：“我用安全作为借口把你们全部切断，但你看，我这里正好有自己的 agent 产品，现在客户先生可以放心购买。”Jason 基本认同：“我认为这是最好的借口。”今年很少有 incumbent 实现实质增长，“这可能是企业复仇的一部分”。讽刺之处在于，两起入侵都来自成熟、由 PE 管理的 SaaS 公司，但真正会承受限制性政策后果的，却是新的 AI 公司。

6. Eventbrite 5 亿美元收购与 PagerDuty 问题：聪明资金认为 2 倍营收便宜得离谱

Eventbrite 以约 5亿美元成交——对应 1.5倍营收、50% 溢价。PagerDuty 市值约 10亿美元，对应 5亿美元 ARR、增速 4%。Rory 解释了上市且估值便宜时的交易机制：有人提出 50% 溢价，“律师会来给你讲董事的受托责任”；除非你能证明公司会超过这份溢价，否则“你几乎只能接受”。
看多逻辑是，把 Semrush 也算进来——它两周前被 Adobe 收购——“聪明、老练的资金”正在表达一个判断：2 倍营收便宜得离谱，“我买了”。激进的 PE 公司可以收购 PagerDuty，再接入一家热门 AI 初创公司，把增速拉回 20%，然后“看起来像个英雄”。Jason 的检验问题是：“我们还没看到 pagerduty.com 和 pagerduty.ai 神奇地合并成一个赢家，对吧？”
Rory 最尖锐的自白是：他们 10 年前看过 PagerDuty，“当时我们应该让他多付一点，因为他说得对”；IPO 后复盘发现，他们当年的模型对营收的预测“误差在 3% 以内”。“发生的一切，只是市场当时愿意为这项资产支付更多，而现在不愿意了。”真正令人恼火的是：“地球上每个运营团队都在用 PagerDuty。拜托，这里该加什么功能不是一目了然吗？赶紧做出来。”

7. TAM 陷阱：不是愚蠢，而是饱和

Jason 把自我反省直接变成了论点：“我认为大多数上市 SaaS 公司都陷入了 TAM 陷阱。”上市 SaaS 平均增速约 16%——“从来没有人增长得这么慢。”“Aaron Levie 和 Drew Houston 们怎么就没看出 TAM 陷阱？那我们其他人还有什么希望？”
Rory 的答案值得完整保留：可能根本没有答案。问题不在于 CEO 愚蠢，而在于风险资本投出了太多公司，市场因此饱和；等到你需要扩张时，另一个风险资本支持的 SaaS 公司已经占据了相邻市场。他在 2019 年把这写成了“SaaS 饥饿游戏”。Zoom 是典型案例：“所有拥有 Zoom 账号的人也都有 Team 账号，可怜的人们，然后就结束了……你必须做个新东西”；而那个显而易见的新方向——联络中心——他们没能做出来。
随之而来的组合管理规则是：“只有 TAM 足够大时，溢价支付才有效。在有限 TAM 里，出价必须更紧。”第二款产品也要比直觉认为的更早启动；复利效果最好的那家被投公司，“不断增加新产品，头 1-2 年每个产品只有几百万美元收入”，如今已经做到数亿美元。
AI 的开放问题是：它能否切入人工预算，并支持数量级更高的定价——Gamma 每月 100美元，而 Canva 是 8美元；Cursor 是 500美元，而 Jira 是 3美元？Rory 提醒，劳动价值定价一旦出现“同一款 AI 软件有 3 家供应商，而且都愿意只收 100美元”，就会迅速被侵蚀。这还没有发生——“这是个非常好的问题。”

8. 席位、日本与效率棘轮

对于 Workday 所说的席位缩减是生存问题，Jason 不断回到 Jeff Lawson 关于摆脱席位模式的警告，以及自己的数据分析：HubSpot 的营收效率是 2021 年的 2.8倍，Salesforce 是 2倍，Microsoft 则“永久越过了员工峰值”。“如果你是领导者，终究会用光席位。”因此，本期节目的核心金句是：“SaaS 已经变得像日本……这是一个很棒的经济体，但如果每个人只有 0.9 个孩子，席位总归有限。”
自 2023 年初以来，他的运营门槛已经反转：当时是“我要你增加 200% 的员工，才能实现 100% 的增长”；现在则是“我想看到你明年在员工只增长 50% 的情况下实现 100% 增长”。一个需要 50 人的 CMO，或一个还需要增加 80 人的产品负责人——“我认为该分道扬镳了。”2021 年的那套 DNA，“可能仍在绝大多数高管脑中反复回响”。
Rory 的总结是：软件按照交付的价值定价；席位只是可测量的代理指标，AWS 开始的用量模式更能追踪价值。如果 AI 完成了工作，按席位收费就变得无关紧要——Workday 可能最终采用每名被服务员工收取 X 美元，再加每名 HR 用户收取 Y 美元，但 HR 用户数量会减少。问题在于：“数座位上的屁股很容易……每次登录就是一个屁股。但当你试图衡量交付的价值时，就困难得多。”他还指出，效率提升或许解释了为什么 SaaS 倍数没有随增速一样压缩：低增长公司至少是“效率高得惊人”的公司。

9. 增长对效率——以及为什么赢家都不需要人

Jason 被问到创始人是否必须同时交出增长和效率时说：“在我投资过的增长最快的公司里，没有人真正关心利润底线。”按照可能来自 ICONIQ 的数据，增长最快的 AI 公司即便推理成本很高，烧钱倍数仍然最低，因为营收增长跑赢了算力成本。蛮力扩张的路径已经关闭：“没有强劲的自然需求和大量 AI，你不可能在 10 个月内从 1 做到 100。”也许 Larry Ellison 或 Marc Benioff 能够足够快地招到人，其他人做不到。
Rory 给出 3 类公司的地图：苦苦经营自由现金流的上市公司；和 Nvidia 一起烧钱的模型实验室——“没人会对 OpenAI 说‘要讲效率’，或者即便有人说了，他显然也没听”；以及 Gamma 这类应用层公司，它们的“增长牵引力领先于招聘能力，根本没有办法把钱花出去”。他不舒服的发现是：3 类公司都不需要人。“如果你是人，这可不是什么好消息。”他仍然是乐观派——“我认为失业这件事纯属胡扯”——但承认短期内劳动与资本的平衡更偏向资本。

10. Google 10 个月复刻 Lovable——但模型供应商的野心可能已经见顶

Jason 亲自试用了 Google 的新产品：一个 Replit/Lovable 克隆版，上线时没有数据库和 OAuth——产品本身并不惊艳，大公司“优先级总是有限”。但真正重要的是速度：Google 不到 10 个月就完成发布；Datadog 在 24 个月内推出 PagerDuty 竞品，而 PagerDuty 创立于 2008 年。“现在你甚至连一年都没有了。”如果你能在一年内从 0 做到 2亿美元，就理应招来竞争，这不是一顿免费的午餐。
Rory 的反向解读是，OpenAI 的 code red “近乎承认”核心使命需要集中 1 年时间——“你可能会听到的声音，是消费硬件产品稍微往后滑了。”董事会的逻辑是：“赢下 ChatGPT 战争，你就值 2 万亿美元。别再折腾那些可能只值几亿美元的小型垂直市场。”他的判断是：“模型将无所不能”可能已经见顶——编程可以，但不是每个垂直领域都可以。

11. 下一幕：让 AI 运营财富管理，而不是向财富管理销售软件

Rory 对 Range 的判断是：不要向财富管理机构销售软件，而是直接自动化整个业务，并沿着财富阶梯向下渗透：税务（“英国现在已经超过 50%，还在继续上升”）、遗产、申报——这些是“知道怎么做但很复杂”的工作，目前由人工昂贵地完成，却可以用 AI 极低成本地完成。普遍规律是：“每当你看到只有非常有钱的人才拥有的产品，如果能找到办法把它交到我们其他人手里，我们也都会想要。”目标客户是医生、牙医、创业者——“比什么都不做复杂，但又不是能花 2万美元请律师的那种人。”
Jason 的亲身经历强化了这个论点：3 个信托花了 11 个月，找的是一位备受硅谷推崇的信托律师；对方安慰他说：“好消息是，我的大多数客户甚至都做不完。”Morgan Stanley 真正的产品只有股票质押贷款——“他们会告诉你可以帮忙做信托，但其实不会。”如果 AI 能消除围绕美国人平均约 180万美元退休金的摩擦，“我认为你可以做出一家 200亿、400亿、500亿美元的公司。至少我会愿意去见一面。”
但他也用自己的 TAM 陷阱测试来审视这家公司：Range 会收取 8000-1万美元，而不是 3万-5万美元的“蠢货”替代方案——这不是 10 倍定价；理论上人人都能用、因此应该值 10万亿美元的 Wealthfront，在运营 17 年后仍然有真实的 TAM 上限。他给这个品类的建议是：“在证明之前，也许应该保持资本效率……如果你只证明了一半，就会完蛋。”Rory 认为这对所有创始人都非常准确：资本纪律应当与市场被认为有多火热成正比。
Rory 为慢速复利型公司辩护：Wealthfront 收取 10bps，因此需要管理 1% 费率管理人的 10 倍资产，按定义就需要 10 年；但“未来 10 年或 15 年，那一代人会变富……它会成为一台复利机器”，就像 70 年代的 Schwab。他向 Harry 发起挑战：Schwab 大约在 1982-1983 年上市，如今市值 600亿-800亿美元——“说出 5 家在 1983 年上市、如今仍是科技公司的企业。”

12. Harry 的猛烈反驳：风险投资是一场争夺相关性的游戏

Harry 直白描述新时代风险投资：LP 会被“令人难以置信的后续投资人、快速上调的融资轮和漂亮数字”吸引——“我宁愿玩这场游戏，也不想玩‘它终将发生’的游戏。”动量数据也支持他：Rory 把自己的数据向上修正——第一季度首轮独角兽中，已有 40% 完成后续融资。他最尖锐的说法是：Rory 是不是因为在 B 轮阶段“打不过” Andreessen、Founders Fund 和 Sequoia，才不得不选择那些不光鲜但能复利的公司？
Rory 的答案是两者都做，但筛选标准只有一个：大结果的确定性，因为“工程学有一条规则：你的准确度只取决于最不准确的变量”。其他一切——估值、时间——都可以调整。他认可 Peter Thiel 的版本：“真正重要的，是你能不能在这里做出一家大公司……一旦我按这个标准筛选，就不能再在阶段、行业上设任何狗屁规则。我只想要大的。”
他保留了 20 年前一位 LP 说过的创伤性金句：“不存在蓝领风险投资。”你不是按价值做选择，而是在按大结果的确定性做选择。

13. 快问快答：Lovable 与 Superbase 让全桌在风险哲学上分裂

Rory 选择 Lovable（60亿美元）胜过 Superbase（50亿美元）：vibe coding 要么是一个品类，要么不是——“如果它不是一个品类，两家公司都会完蛋”；如果它是，前端就会拿走利润（Lovable 收 20美元，再付 2美元给 Superbase）。“既然如此，还不如小赌一把，而不是押上全部。”
Jason 选择 Superbase，“因为稳定性……难题令人安心。”没错，它是“Postgres 的一个分支……这件事可以被重新做一遍——Neon 做到了，Databricks 还花了 10亿美元买下它”；但数据库极难被替换，而在经历了“增长的一年，但除此之外什么都没有”之后，他对明年的态度是：“我想要一点防御性。我真的只想要一点难得要命的问题。”

AGI时间表、57%岗位自动化风险与美国债务解法 Vol.194 产业观察36｜蚂蚁集团纪纲与李丰：一场关于具身智能、AI硬件的激辩