摘要

AI领域，规模与风险之间曾经的反向关系已不再成立，靠表格做投资的打法正在失效。 Randle指出，硬科技以及部分资本密集型消费互联网企业仍是例外，但AI如今已经出现“营收远超10亿美元，却尚未证明单位经济效益”或持久差异化的公司。减值风险并未随规模下降，甚至可能上升。在最热门的AI赛道，SaaS时代的旧规则——70–90%的毛利率、没有服务负担、轻资本运营，以及清晰可读的Rule-of-40——几乎全部倒转：“FDE is the new PLG”，而高毛利率可能意味着“没人使用你的AI功能”。
许多AI收入曲线呈抛物线式增长，背后的商业模式解锁点是推理。 Randle给一家陷入变现困境的被投公司建议：别再坐在河岸边，“那边有一座该死的瀑布……瀑布就是推理”。公司之所以能从“1到30再到300”，而不是从1到3再到9，是因为它们可以围绕推理收取利润，而不是按单价乘人数收费；自SaaS以来，agents代表了最大的产品与商业模式变革。开发者过去每人每月在Cloud Code上花费3,000美元，即每名开发者36,000美元，这能把5万美元的SaaS ACV变成潜在的2,000万美元项目，甚至对部分公司达到每月5亿美元。
前沿实验室的前景取决于两种情景。 如果递归式自我改进带来“数据中心里的天才”，实验室将保有定价权，增长可能重新加速；如果能力触顶，而蒸馏让开源模型达到前沿模型95%的水平，“那对前沿实验室来说将是非常可怕的局面”——但还不至于宣判死刑，因为ChatGPT每周9亿活跃用户中的大多数“根本无法告诉你”，如果把底层模型换成5.2或类似模型，他们也察觉不出来。
Anthropic的融资可能制造一场前所未有的流动性冲击。 Randle称，如果Anthropic最终以1万亿至1.5万亿美元的公众市场估值上市，那么其在3800亿美元估值下完成的300亿美元融资，单笔交易的总回报将相当于Snowflake上市前融资的35倍。他认识一些在Anthropic投入了30亿至40亿美元的人。旧金山住房市场已经出现“按要价2倍成交……全现金”或直接用实验室股权支付的情况，他不确定整个生态是否理解如此大规模流动性的影响。
如今后期轮次的上行空间可能超过C轮，而AI从第一天起的资本需求正在重塑风险投资。 SpaceX是Randle在Kleiner的第一笔投资，当时估值已超过1,000亿美元；Starlink后来让公司彻底重生，如今其S-1业务主体是消费及B2B宽带，而非发射业务。一家新型实验室可能在尚未知道研究方向是否成立前，就需要20亿美元算力；相比之下，Airbnb在YC种子轮大约只融资了50万美元。General Catalyst和Andreessen Horowitz等机构越来越像另类资产管理公司，风险投资只是产品，而不再是公司本身。
Benchmark的反向策略是只看创始人、不按主题下注。 看似主题化的投资组合——Lagora、Sierra、LangChain、Fireworks、HeyGen、Gumloop和StarCloud——并不是从赛道筛选出发建立的。Chetan在Elon公开表达对轨道数据中心的兴趣前几周就完成了StarCloud的投资；这笔投资看中的是Philip及其团队，他们当时已经让一块GPU在太空中运行。“优秀的创始人永远不会过时”，而“现在做SaaS基金，多少有点惨”。
开源模型与前沿模型至少目前并非零和关系。 Randle的“AI妈妈测试”显示，如今他那位非技术背景母亲100%的AI需求都可以在不调用前沿模型的情况下解决。他提到Cognition曾发布一项关于后训练开源模型、处理低复杂度任务的工作，但不确定Cognition是否确实如此操作；节省幅度可能达到95%。Opus 4.5在编码上的突破之后，前沿模型需求也在快速增长。Eric Vishria的判断是：端侧推理、开源推理和专有模型都成立。

精读

1. 规模与风险关系反转

刚参加完Benchmark年度股东大会，Randle对市场情绪的判断是：整个风险投资—成长投资生态正处于失序阶段。所有人都觉得“跌是涨、涨是跌”。他的解释框架是：在软件时代，规模与重大减值风险呈反向关系，因为规模化会依次完成去风险——先验证产品市场匹配，再验证单位经济效益，接着验证TAM，最后成为市场领导者；如果跳过其中一步，“公司就会停止增长”。
出问题的地方在于：“公司营收可以远超10亿美元，却还没有证明单位经济效益……也没有持久的产品差异化。”减值风险——最坏情况是归零，但即便只是相对上一轮融资估值下调——如今看起来也不会随规模下降，“甚至可能出现规模与风险之间奇怪的正相关”。他认为，正是这种倒转，让全市场投资者都感觉风险收益范式已经无法计算。

2. 表格投资的每条黄金法则几乎都倒转了

旧时代的标准答案是：70–90%的毛利率，纯软件、没有服务或实施负担，依靠研发杠杆实现轻资本运营，以及90%以上的毛收入留存率；最终复合成一家轻资本企业，持续产生增速达到GDP数倍的自由现金流。这套模型支撑了高倍数ARR估值，而且足够清晰，以至于有些投资者只看Rule-of-40得分就会下注。
如今最热门的公司几乎把每条规则都倒过来了。“FDE is the new PLG”——“万物Palantir化”让出色的实施顾问成为热门分销策略；高毛利率可能反而是坏信号，因为“如果你的AI产品毛利率很高，那意味着没人使用你的AI功能”；为了避免被实验室挤压，应用公司开始训练自己的模型，或者至少在用户数据上做后训练，这与旧SaaS时代相比“资本开支密集得不可思议”。
令人失去方向的原因在于，这些黄金法则“是高质量公司的第一性原理构件”。当最热门的赛道从第一性原理看反而不如SaaS有吸引力时，“你不得不重新思考很多投资方法”。

3. AI公司不再“尝起来都像鸡肉”

Randle最初在Vista工作，CEO Robert Smith当时反复强调：“软件尝起来都像鸡肉，这正是它美妙的地方”——所有SaaS公司成熟后的损益表本质上都一样。AI打破了这一点：Benchmark认为正在成为AI推理云的Fireworks不拥有任何数据中心，而是租用GPU算力，并凭借降低成本和延迟的软件获得收入；Crusoe则购买电力、土地和许可，为超大规模客户建设数据中心。两家公司表面上都是推理公司，“实际上相似之处少于不同之处”，资本强度、利润率和商业模式都截然不同。
他给出的新分类法是P×Q×M。对一家AI应用公司而言，Q可能与SaaS相近，因为客户类型相同；M“几乎肯定更低——我认为99%的AI应用公司的M都低于70%”；但P可能极其庞大：推理平台能与初创公司签下9位数美元合同，而SaaS公司很少能与任何客户签下9位数美元合同。谁最理解这套分类法，只能逐案判断，但优势属于那些真正想清楚这一新分类法的创始人和投资者。

4. Benchmark的答案：从创始人出发，绝不从主题出发

在创业者刚起步时下注——“在50 Post”下注——可以绕开退出倍数和规模化后的资本效率问题：公司一旦达到那种规模和成熟度，“你的工作基本已经完成了”。商业模式会轮换，但“优秀的创始人永远不会过时”：“过去你不该碰硬科技，而现在硬科技显然成了唯一不受基础模型实验室威胁的领域。”如果现在把自己重新包装成SaaS AI基金，“做SaaS基金多少有点惨”，战略处境会更难。
从外部看，Benchmark的组合像是精心设计出的主题组合：Lagora做垂直AI，Sierra做水平AI，LangChain做开发者工具，HeyGen做专业消费者软件，StarCloud做轨道数据中心。Randle加入后才发现，“根本没有任何赛道选择的思考”；其中一些公司后来发生过转型，因此它们最终所在的赛道甚至不是Benchmark最初投资时的方向。
StarCloud就是一个典型案例：Chetan在Elon开始公开表达对轨道数据中心的热情前几周完成了投资。Randle记得自己曾在一个想不起名字的平台上看过一场访谈，其中一半内容都在讨论轨道数据中心；合伙人群聊的结论是：“这个领域马上就要火起来了。”当时团队拥有唯一一家已经让GPU在太空中运行的公司，但“这笔投资看的是人，是Philip和他的团队”。优秀创业者“总能从帽子里变出兔子”，最终开创大型新赛道。

5. 进入推理瀑布：agents是SaaS以来最大的变革

Randle曾这样辅导一家拥有庞大开发者基础、却没有商业模式的被投公司：你正拿着桶站在河岸边，“那边有一座该死的瀑布”。只有站到瀑布下面，才知道桶有没有洞、瀑布到底有多大；“你首先应该做的，就是站到瀑布下面，而瀑布就是推理”。Fal、Baseten、Modal，以及按使用量和结果收费的应用定价，都是推理变现的不同路径，解释了为什么公司可以从“1到30再到300”，而不是从“1到3再到9再到20”。有些模型只是作为经纪商薄薄地转售推理能力；另一些则像Sierra一样，以客服问题成功自动解决的结果来收费，将推理本身抽象掉。
Randle对这个词被过度营销感到不适：“当私募股权公司要求所有被投公司都说自己卖的是agents时，这个词就完了。”但他仍认为，这是SaaS诞生以来、甚至可能是技术史上最大的产品与商业模式创新，因为买方正在从“我买一份许可证”转向购买随时可调用的智能、白领劳动或经济产出。
Benchmark真正“兴奋到不行”的时刻，是发现开发者每人每月在Cloud Code上花费3,000美元；当时产品还叫Cloud CLI。这意味着每名开发者一年支出36,000美元，而SaaS时代一家公司的总ACV大约只有5万美元。对普通公司而言，这原本可能只是20万美元的项目支出，如今可能变成2,000万美元，甚至对部分公司达到每月5亿美元。

6. Gumloop与路由器论：独立供应商可以驾驭锯齿状模型

Gumloop是一款面向企业的独立第三方协作式AI-agent与自动化画布：每名员工——不只是开发者、销售或市场人员——都可以搭建类似Zapier的简单自动化流程，或完整的agent；流程可以由Slack或Microsoft Teams触发，也可以在后台运行。Cloud Cowork，以及OpenAI将Codex与ChatGPT合并成生产力产品的消息，都可能在这里催生大公司，但第三方定位很重要，因为“这些模型实际上相当锯齿化”：Gemini最擅长多模态任务，Claude通常拥有最好的编码模型——“不过现在很多人认为GPT-5.5其实已经比最新的Opus更强”——而开源模型相对于推理成本也能提供很高的价值。与此同时，一些企业甚至让员工用Opus 4.8查天气。
他的“AI妈妈测试”是：一个住在科罗拉多州城乡结合郊区、没有技术背景的母亲，需要AI完成什么，而这些事情又不能由一个成本极低的开源模型完成？两年前他还不知道答案；如今他说，母亲向AI提出的任何需求，都不需要前沿模型。
Cognition发表过相关工作。Randle不知道Cognition是训练了模型，还是做了后训练，但他认为Cognition是在内部观察到的低复杂度任务上，对一个开源模型进行了后训练。对于不需要前沿智能的任务，这可能让每次操作或查询节省95%的成本。
但这并不是零和游戏：前沿模型需求同样在快速增长。“直到Opus 4.5、直到去年冬天，我们才拥有质量惊人的编码模型”，这正是Claude Code和Anthropic收入增长的突破点。合伙人Eric Vishria的判断涵盖了需求的各个层面：端侧推理，可以；开源推理，可以；专有模型，也可以。“所有这些东西都有大量需求，而且需求正在抛物线式增长。”

7. 万亿美元级问题：数据中心里的天才，还是蒸馏挤压

Molly提出的问题是：OpenAI已经拥有巨额收入，而Anthropic此前传闻估值约450亿美元，最近又被推测为约600亿美元；当模型变得更高效后，情况会怎样？Randle给出了两种分支：如果递归式自我改进带来“数据中心里的天才”，前沿实验室将获得真正的定价权，增长可能重新加速；如果能力“绝对触顶”，而蒸馏让开源模型保持在这一上限的95%，那“对前沿实验室来说将是非常可怕的局面”。
但这还不是死刑判决：“无论ChatGPT里面有没有GPT模型，大多数ChatGPT用户都会继续使用它。”在旧金山泡沫之外，每周9亿活跃用户中的绝大多数“根本无法告诉你”，如果底层模型换成5.2或类似模型，他们也不会察觉。产品可能继续保有吸引力；真正承压的会是前沿实验室针对token收取的溢价利润。
Randle补充说：“开源推理也要花钱……总得有人运行GPU、建设数据中心并运营数据中心。”问题在于，前沿实验室究竟还能创造多高的溢价利润。

8. 资本市场重构：第一天就需要数十亿美元，后期公司重生，风险投资变成产品线

除了大家熟悉的长期保持非上市状态趋势，AI还带来了“巨大的第一天成本”：一家新实验室可能需要“20亿美元算力”来验证一个研究方向，而Airbnb在YC种子轮大约只融资了“50万美元或者类似金额”——这是“完全不同的资本市场”和融资机制。
最奇怪的倒转是：一家后期公司如今的上行空间可能远高于一家C轮公司。Randle在Kleiner Perkins的第一笔投资是SpaceX，当时估值已经超过1,000亿美元；同行问他是不是“只想要2.5倍回报”。但Starlink让公司“重新诞生”，其S-1业务主体是消费及B2B宽带，而不是发射业务。成立15年的公司仍可能“只完成了旅程的1%”，这也扩大了Benchmark愿意考虑的轮次和投资情形。
关于行业称谓，Randle坚持认为General Catalyst和Andreessen Horowitz都是另类资产管理公司，因为它们提供风险投资、成长投资、债务、健康保障和财富管理产品。ICONIQ同样同时拥有成长阶段风险投资业务和面向高净值客户的财富管理业务。“很多时候，风险投资本身没有改变，但对这些公司来说，它如今是一款产品，而不是公司本身。”

9. Anthropic流动性冲击：一轮融资相当于35轮Snowflake上市前融资

在讨论Anthropic后，Randle做了一个快速分析：过去10年最好的4笔上市前投资——Slack、DoorDash、Snowflake和Nubank——都涉及5亿至20亿美元的融资，并在大约4年后实现2–5倍回报。Snowflake约5亿美元的融资最终变成“差不多25亿美元”，所有人都满意离场。
Randle提到Anthropic的两个估值口径：一轮300亿美元融资对应3800亿美元估值，以及一则称Anthropic“刚刚以大约1万亿美元估值融资”的说法。按照其1万亿至1.5万亿美元的公众市场流动性情景，3800亿美元估值下的300亿美元融资，单笔交易的总回报将相当于35轮Snowflake上市前融资。他认识几位在Anthropic投入了“30亿至40亿美元”的人；而在疫情前，“一家普通成长基金的规模大概就是10亿美元”。
连锁影响已经在旧金山住房市场显现——“所有房子都以要价2倍成交……全现金”，或者直接用实验室股权支付——而二阶问题还在不断累积：这些变得富有的实验室员工会投资什么、创办什么，或者为了什么留下？如果流动性在5年内到来，那将冲击硅谷生活的方方面面；SpaceX则用了20多年才完成财富分配，完全不同。
结尾时，Randle提到自己的两位导师：Founders Fund的Napoleon Ta——过着“美好而简单的生活”，专注工作和家庭，不做播客，也不参加社交活动；以及Eric Vishria——“足以登上风险投资界的总统山”，在Midas榜单排名第3，却“几乎不显山露水”。他最后留下了一句值得保留的认识论式结语：“一年后我们可以回头看这期节目，而我可能每件事都判断错了。”

Nate Silver 预测：民主党拿下众议院，Newsom 正在失势，AOC 当总统？！Bloom Energy CEO：我们为何并未身处 AI 资本开支泡沫｜能源主权与电力的未来