摘要

这是David George职业生涯中第一次，资本本身会复利式放大一家公司的优势——让幂律比过去10–20年的科技投资周期更为极端。 他的解释是：过去的失败模式是把钱砸在人头上（“雇1000个人”），最后淹没在协调问题里；如今“可以把美元砸向算力，而算力能让产品和企业变得更好”，背后是Aram Verdiyan所说的“无限的推理需求”。3家前沿公司——SpaceX、OpenAI、Anthropic——对应的潜在企业价值合计为3.5万亿美元至5万亿美元；Jen表示，在SpaceX上市前，许多LP及更广泛的机构配置者群体对SpaceX的敞口都很小。
在3,000家美国VC机构中，只有20家在20年间持续实现3x净回报，而过去10年的Cambridge平均风险投资回报仅为1–2x。 David据此对LP组合的结论是：应集中配置这15–20家机构；持有50–70家基金的LP组合不可能跑赢平均水平，而在1–2x回报下，“还不如投私募股权”，至少不用承受10年的锁定期。持续胜出的机构每个投资年度都能拿到定义品类的公司，并在后期基金中将其配置到5–10%以上的仓位，让单家公司就能贡献全基金回报。
AI的TAM是劳动力，而不是软件；美国在劳动力上的支出约为软件的40倍，因此把AI称为“软件的下一次演进”远远不够。 AI在4年内做到1000亿美元收入，SaaS用了15年，同时直面30万亿美元GDP；Aram承认：“我长期、持续低估了这些结果能够达到的规模。”
增长信号从未如此难以辨别：有些公司一个月内从0做到500万美元ARR，却没有续约周期；有些客户群彼此倒卖，甚至那根本不是ARR，只是乘以12。 这样的公司每49家里才有1家是真的——Cursor曾在约300万美元ARR时融资约4亿美元，即使在其被SpaceX以600亿美元收购的公告发布当天早上，市场还在说它已经死了。George的判断依据不是财务分析，而是他屏幕上的便利贴：“市场是否在要求你提供更多产品？”
ChatGPT之前的软件公司群体已经被困住：2021–22年以25–32倍EBITDA估值完成的2000亿至3000亿美元软件LBO，如今“价值可能只有当初的一半”，这正推动私人信贷市场出现赎回。目前只有15–20家公众SaaS公司的交易倍数高于10倍收入，而增长率每增加1个百分点，价值相当于EBITDA增加3个百分点。解决方案——Intercom由创始人主导、重建AI原生业务——本质上是“自毁现有业务”，目前仍是一个n-of-one案例；通过运营合伙人给企业外挂AI，“就是行不通”。
LP和GP的激励完全相反：GP错过下一个Facebook会被解雇；“LP投了IBM不会被解雇”，很多时候不投也不会。 错过前沿模型，只会让配置者略低于基准、但仍保住工作，这解释了敞口差距。Aram的判断是，AI应当成为“核心或超级核心”配置，而不是卫星仓位；CalPERS如今正在追回失去的时间，将公开市场配置从91%降至58%，将风险投资/成长投资从9%提高至43%。
扩散才是看多逻辑：美国企业每名员工每月在AI上的中位数支出为12美元，而前1%的企业达到7,000美元。 George为传统SaaS提出的最强辩护是，编程可能只是“一个假动作”——它有完美文档、可验证、可模拟，而“大多数业务任务不具备这3个特征”；但考虑到采用率差距，以及他们见过的增长最快的公司——在可能仅有1000万至3000万用户的基础上，每月新增收入超过大型科技公司——他仍然“超级超级超级看多”。
下一波100万亿美元市值将来自机器人（10年内“规模会超过语言模型”）、自动驾驶（美国实际运行的Waymos不到10,000辆）、医疗（占GDP的18%，几乎尚未开发），以及解决供给瓶颈。如今的聊天机器人只是消费级AI的“拟物化版本”。Aram认为，需求不是约束——“美国不是没有发电能力，而是接入电力的速度不够快”：真正的瓶颈在许可审批和输电，而其他国家每年部署的可再生能源产能是美国的10倍。

精读

1. 资本如今会复利式放大优势——幂律已变成系统性力量

Jen Kha对本期节目的概括是：幂律“过去只是风险投资这个小作坊式行业的一项特征，如今已经变成系统性的”，而3家前沿模型公司——SpaceX、OpenAI、Anthropic——对应的潜在企业价值“在3.5万亿美元至5万亿美元之间”。在SpaceX上市前，许多LP及更广泛的机构配置者群体对这些公司几乎没有敞口。
David George解释幂律为何比过去10–20年的情况更极端：规模报酬递增一直存在，但“这是我职业生涯中第一次，可以把资本投入一家公司，并让它复利式放大自身优势”。过去摧毁初创公司的经典方式，是给它砸钱、雇1000个人，最后陷入协调成本；如今“可以把美元砸向算力，而算力能让产品和企业变得更好”。
Aram Verdiyan从需求端解释这一变化：“推理需求是无限的。” AI在4年内做到1000亿美元收入，SaaS用了15年，“而我们的渗透率还远未到头”。结果规模也随之重估：头部10%的结果从约100亿美元升至约400亿美元，“等Anthropic、再到OpenAI上市时，很快可能就是1000亿美元”；上一轮周期新增的25万亿美元市值，本轮应当会超过。

2. TAM是劳动力，而不是软件——而且不是零和博弈

George谈规模时表示，美国经济在劳动力上的支出大约是软件的40倍，因此“把它等同于软件，说它只是软件的下一次演进，远远不够”。劳动力不会消失，只会被重新发明。Aram从医疗行业举例：医疗IT每年规模为600亿至1000亿美元，但AI直接打入理赔、计费、行政等任务本身，而这些属于一个1万亿美元的行业，因此AI的TAM可以达到传统SaaS的10倍以上。他承认：“我长期、持续低估了这些结果能够达到的规模。”
他们的法律顾问讲了一个扩张性案例：“我喜欢Harvey。我的客户现在都觉得自己是律师了……自从AI出现，我的计费小时数反而只增不减。”
对于最终是哪一层技术栈胜出，George给出的诚实答案是：“我不知道，市场会大到难以想象。我认为一切都有可能奏效。” 他明确反对零和解读：开源获胜不等于实验室输掉。但在任何单一品类内，幂律都极其残酷：赢家拿走绝大多数份额，“第二名只能捡残羹冷炙”。与之对应的是对亏损的容忍度：他们最好的早期基金亏损率约为60%，成长基金为10–20%；“如果我们没有亏钱……就说明承担的风险还不够”。

3. 3,000家机构、20家持续赢家：获取、配置与中间地带的消亡

Aram的数据是整期节目的锚点：3,000家美国风投机构中，只有20家——不足1%——持续实现3x净TVPI，需要在20年间连续做出3到4只3x净TVPI基金。这些持续胜出的机构“每个投资年度都能持续拿到定义品类的公司”。Cambridge数据显示，过去10年的平均风险投资回报为1–2倍：“你还不如投私募股权。投公开市场肯定更好，也没必要把资金锁定10年。”
仅有名牌还不够：早期基金必须持有足够仓位；后期基金则必须把最好的公司配置到5–10%以上，让单个仓位就能贡献全基金回报。“后期基金的回本数学过去并不存在，现在存在了。”
讨论中的结论是“中间地带消亡”：高度专业化、拥有深厚领域专家的早期AI基金表现良好，全栈平台型机构也能奏效——覆盖种子轮直至IPO；“除此之外的中间地带……都很难竞争”。Eddie的一条推文被现场读出：大型VC基金的兴趣“来自创始人，而不是LP”——创始人想要的是能够伴随公司扩大规模、覆盖全生命周期、并帮助获得客户和招聘人才的品牌。George描述的飞轮是：领域专业能力赢得交易，700名运营资源员工（管理费再投资而来）改变结果，而强力的客户背书带来回报的持续性。

4. 后期品牌建立在早期的控球权之上

George自称“非常有偏见”：“我们的业务始于早期，也终于早期。” 成长基金的获取能力、信息和关系都由早期业务导流而来。Aram从LP角度表示认同：“作为一家新进入市场的后期机构，很难直接开出5亿美元支票”；后期5–10%的集中仓位之所以存在，是因为早期品牌在多年前就建立了与创始人的关系。
Jen提出了种子前阶段的共存逻辑：当估值低于2000万–4000万美元、基金规模低于1亿美元时，小机构可以在大平台之前赢下1到2轮；大平台则会理性地在7家看起来相似的AI初创公司之间等待，直到能够领投某个品类赢家的A轮或B轮。Aram赞同共存，提到健康的种子轮关系、他们自己更大笔的种子投资以及Speedrun。他说，创始人“非常希望继续处在这个品牌的轨道上”；机构“可能最终并不投资，但至少必须理解整个版图”，才能做出明智的后期投资决策——这就是控球权的逻辑。

5. 增长迷雾：真实ARR与误导性ARR

Aram表示：“AI实际上让我们的工作比以往更难。” 融资轮更大、节奏更快，而增长信号令人困惑：一家刚从加速器出来的公司声称“一个月内从0做到500万美元ARR”，却没有续约周期；有时客户就是自己的同届公司，“这甚至不是ARR，只是乘以12”。这样的公司每49家里才有1家是真正特殊的公司，拥有几百万美元真实ARR，并最终成长为下一个Cursor。
Cursor是典型案例：约300万美元ARR时融资约4亿美元，曾遭到广泛嘲讽——“甚至在收购公告发布当天早上，人们还在说Cursor已经死了。我说，他们刚刚宣布要被SpaceX以600亿美元收购。”
当一家公司的销售历史只有几个月，George的做法是：“你不可能靠财务分析完成判断”——需要依靠创始人判断和客户质感。他屏幕上的便利贴写着：“市场是否在要求你提供更多产品？” Harvey是一个完整案例：早期商业客户品牌很强，但“使用情况并不好……很一般”；推理模型出现后，局面“彻底反转”，客户从担心幻觉变成“每一家客户都在要求律所使用这款产品”。“所有人都能做客户群分析……但理解市场的质感、理解客户真正想要什么——这才是做出决定的方式。”

6. LP激励、集中配置与流动性问题

Jen指出配置者落后的结构性原因：GP“可能因为错过下一个Facebook、下一个Uber而被解雇”——遗漏本身就足以让人丢掉工作；但“LP投了IBM不会被解雇”，甚至完全不投也可能不会被解雇。错过前沿模型，结果只是略低于基准，但工作还在。因此Aram的配置立场是：AI“不是卫星仓位，而应当是核心或超级核心”。
组合构建的结论是：3,000家机构中只有20家赢家，LP应集中配置15–20家；持有50–70家基金的组合不可能跑赢平均水平。Aram强调仓位大小同样关键，David举了一个典型失败案例：LP找到正确的基金，却只投了1%——“很好，你赚了10倍。它给你的基金贡献了10%的回报，但完全没有改变结果。” CalPERS“众所周知地错过了数十亿美元”后，将公开市场配置从91%降至58%，将风险投资/成长投资从9%提高至43%。
对于流动性的质疑及其反驳是：独角兽会保持非上市状态10年以上，而IPO并不等于现金分配，尤其是在持股10–15%的情况下，上市后还要再等12–24个月以上。但“你会希望3、4年前就卖掉Stripe、Databricks吗？答案无一例外是否定的。” Anthropic在2021年获得首轮投资，“5年后即将上市”。George讲述Fund I的经历：第16年，他们向所有LP提供其种子阶段Stripe仓位的流动性，“每一位LP都说不，我们宁愿让它继续复利”；最终基金在第17年退出。

7. ChatGPT前时代的清算：被困住的SaaS、LBO与私人信贷

George对公开市场的判断是：目前只有15–20家SaaS公司交易在10倍收入以上，“过去曾经有几十家、几十家”；而且几乎都出现了AI驱动的增长加速。他们的数据显示：“公开市场里，增长率每提高1个百分点，相当于EBITDA提高3个百分点”，这与2021年对盈利能力的关注完全相反。
被困住的那批公司来自2021–22年：当时软件LBO总额为2000亿至3000亿美元，负债超过2000亿美元，平均按25–32倍EBITDA成交；“这些公司今天的价值可能只有当初的一半。这正是私人信贷市场出现赎回的原因。” Aram向George提出假设：一家2016–21年投资年度的公司，增速30%，在风投账面上按10–20倍估值，Silver Lake如今已对它失去兴趣，而一年前还会感兴趣。George坦率回答：“现在完全没有定论……我们对这些公司也有大量敞口”，不过其公司约95%的NAV都位于正在加速的那批公司中。
扭转局面的模板非常残酷：Intercom请回创始人，重建AI原生业务并实现规模化——“这几乎等于自毁现有业务，而这在私募股权里非常难做到。” George向创始人击掌：“你做到了，伙计……但目前还是一个n-of-one案例。” 他也警告私募股权不要给AI贴标签：“把Sears放到网站上，并不会让它变成Amazon”；如果只是外挂AI客服代理，却不改变工作流，客户就会流失，NPS下滑会跟随收入下滑，债务还会让这个螺旋进一步复利。Aram说：“你不能只是派一个运营合伙人过去，然后说我们给它加上AI。”

8. 1%的扩散率，以及下一波100万亿美元市值的来源

George为变化缓慢提出的最强辩护值得保留：编程可能只是“一个假动作，对吧？编程有完美文档……可验证、可模拟。大多数业务任务都不具备这3个特征”，因此AI扩散到其他知识工作可能需要更长时间。但同一组数据也让他“超级超级超级看多”：美国企业每名员工每月的AI支出中位数为12美元，前1%的企业达到7,000美元；最先进的银行可能也只达到人力成本的1%。这些是“我们有史以来见过的增长最快的公司”，它们依靠可能仅有1000万至3000万用户，每月新增的收入就超过大型科技公司，而美国有1.5亿名劳动者。
被问到下一家100万亿美元市值公司时，George没有正面回答（“那可能还要经历2个科技周期”），但列出了尚未开发的空间：消费级AI目前的聊天机器人只是“拟物化版本”，原生版本会主动替我们完成工作；“我们在机器人领域几乎还没开始，但我认为机器人在10年内会超过语言模型”；美国实际运行的Waymos不到10,000辆；占GDP18%的医疗行业，无论医疗服务交付还是药物研发，都几乎还没有被开发。
Aram在结尾补充说，瓶颈在供给而非需求：芯片和模型上游的能源、电网及数据中心。“美国不是没有发电能力，而是接入电力的速度不够快”——许可审批、输电和监管都是约束，而其他国家每年部署的可再生能源产能是美国的10倍。这里能够创造的机会“不是100亿美元、不是500亿美元，而是1000亿美元以上”，也正因此，“这不是互联网泡沫，也不是Covid——增长信号是真实的，不是短暂的收入”。Jen最后总结：“机器时代到了。让我们把机器带进来。”

Coinbase 的万物交易所：智能体金融、稳定币与资产代币化——对话 CEO Brian Armstrong