摘要

General Catalyst 正在有意从一家创投机构重组为“一家公司”，将传统基金（Ignition、Endurance、客户价值基金、Creation）与永久持有的“转型公司”并列：通过 HatCo 持有的一家俄亥俄州医院系统、面向创始人的财富管理部门，以及 AI 咨询公司 Percepta。 Marc Bhargava 将 GC 定义为“某种意义上，全球最大的3家创投机构之一”，所有业务都在回答同一个问题：“与最多创始人合作、并最大程度帮助他们的最佳方式是什么？”
Creation 策略在上一期基金周期中投入约15亿美元孵化应用型 AI 公司，其中约一半最终转向 AI 驱动的 roll-up，通过“买下渠道、买下客户名单，以及随之而来的数据”。 GC 每个项目投入1亿–1.5亿美元，分3到4轮完成，至少领投前两轮；在这一领域，GC 已赢下9个创始人邀约中的8个，代表性项目包括 Long Lake、Udia、Titan MSP、Beacon 和 Crescendo。
筛选过程高度系统化：GC 将70个服务业细分行业映射到4个 AI 可自动化的任务篮子——客户支持/服务、数据录入、内容/文案，以及过去9个月才出现的“基础逻辑与推理”，最终只筛出10个行业，确认其中20%–30%的任务而非人员可以被自动化。 Crescendo 已经能够自动化呼叫中心50%到70%的工作，并有望将10%的 EBITDA 利润率提升至40%；Titan MSP 在6个试点中实现38%的工单自动化，随后收购了纽约 MSP 公司 RFA。
核心套利逻辑是：全球服务业市场规模达16万亿美元，而软件市场约1万亿美元；AI 可以让这些服务企业获得类似软件公司的利润率。 “一旦把人们所做的30%、40%、50%拿掉，让他们腾出手来处理难事，收入就能翻倍。”案例显示，一些 EBITDA 利润率约10%–15%的企业在成本不变的情况下，1年内可以达到约30%，因此“VC过去一直捕捞的1万亿美元池子，实际上已经扩张到数万亿美元”。
这套模式明确不是私募股权：GC 严格筛选愿意改变并实施 AI 的公司，持有周期按7到10年、目标直指 IPO；它增加工程师和 LLM 订阅等成本，而不是简单加杠杆、削减成本。最终愿景是打造“AI 原生复利公司”——下一代 TransDigm、Danaher 和 Constellation Software；预计10年后会有大量市值1000亿美元的上市公司，创始人在 IPO 时持股10%–30%，GC 理想情况下持有20%–25%。
这套策略的可交易纪律是：目标自动化比例至少30%，但“实际上我们不希望超过70%”；如果达到80%–100%，更可能由软件或 agentic 方案解决，并可能由 Google 或 Microsoft 等 incumbent 借助现有渠道推动。再叠加行业碎片化（HOA 管理“极难切入”）和客户黏性（会计、保险、MSP 等行业通常签2年合同且低流失），就构成了 roll-up 的筛选标准。
Bhargava 认为 AI roll-up 被低估，并将当前时点类比为“2016年的加密货币”：GC、Elad、Thrive 和 8VC 相信这一方向，而市场大多数只是礼貌地持怀疑态度。 一些 roll-up 公司“会做到1亿美元 EBITDA，而且成立还不到2年”，却继续保持隐身，因为“如果每年能产生数亿美元自由现金流，就不需要每3到6个月出来融资，也不需要向投资人承诺 AGI 就在拐角处”。未来1年，GC 计划更公开地阐述这一论点，并与 crossover 基金合作，为旗下公司上市做准备。

精读

1. GC 现在是“一家公司”，而不只是基金平台

Bhargava 在开场时介绍了 GC 的架构：GC 旗下打造了一批可能“永久持有”的“转型公司”——HatCo 先行孵化，随后收购了俄亥俄州一家医院系统；一个服务创始人的财富管理业务；以及 AI 咨询公司 Percepta，利用 GC 在 AI 投资中积累的全部经验，“改造 Fortune 100 企业”。与这些业务并列的是基金平台：专注早期投资的 Ignition、投资后期项目的 Endurance、帮助公司低稀释扩张的客户价值基金，以及“专门打造超常赢家”的 Creation。
其中的连接逻辑是“创始人引力”：投资组合中的创始人可以使用 GC 的财富管理部门，聘请 Percepta 帮忙搭建“自己的小模型或推理系统”，也可以把产品卖进俄亥俄州的医院系统，测试医疗科技。“与 GC 合作的方式比市场上任何其他机构都多”——Bhargava 认为，真正提升 GC 品牌的是这套飞轮，而不是某一只基金。
Creation 与转型公司板块的区别在于：Creation 孵化的公司，GC 希望在7到10年后推动其上市，通常是那些因为“没有足够资本、需要跨学科协作，或者业务比较传统、非主流”而根本不会出现的公司。

2. Roll-up 论点是一次“全方位下注”

Molly 的铺垫是：2023年初，或者“大概就是那个时候”，SaaS 经历了一个生死关头，“所有人都认为创投死了，SaaS 也死了”，而 GC 选择大举加码。Bhargava 的回答是，3条路径都可能成功：模型层——GC 在 Anthropic 上一轮和当前轮融资中都是重要投资者；SaaS 本身——“它被高估了，但 SaaS 没死”；以及第三类机会——高度碎片化的行业，先搭建 AI 原生平台，“然后去买下我们的渠道”。
Creation 的部署规模约为15亿美元，孵化项目随后分成两条路：一条是用成长资本有机扩张；另一条则“约一半情况下”会为收购提供资金。Crescendo 是典型案例：GC 找来经营呼叫中心连锁 Alorica 超过30年的 Andy Lee，与2名 CTO 组队，其中一人后来从 GC 加入公司全职工作；团队用约10个试点客户、历时1年验证了50%–70%的任务自动化，随后 GC 出资收购一家呼叫中心，目前“正稳步将10%的 EBITDA 利润率提升至40%”。
目标行业“基本不买科技产品。即便买，也会把它归类为 IT，并将支出限制在收入的2%或3%以内”——这也是 Bhargava 认为，与其单纯销售软件，不如同时买下渠道和底层业务的原因。

3. 从猴子 JPEG 到70个行业筛选表

Bhargava 回顾称，他从2016年开始进入加密行业，与 Jen 和 Greg Tusar 创办了一家公司，后来卖给 Coinbase，“如今已经成为 Coinbase Prime 的核心”；之后又以天使投资人身份投了 Harvey、Together 和 Windsurf。“如果我愿意给那些把猴子放到互联网上的人投钱，那大概也应该支持这些来自斯坦福、拥有 AI 博士学位的人。”一些连续创业者不断告诉他，真正困难的是进入那些不性感、低信任的行业——“这和 Ramp 或 Brex 向所有热门初创公司销售完全不是一回事”；Long Lake、Crescendo 等公司的创始团队也参与共同构想了 roll-up 模式。
这套系统化方法形成于1年半到2年前：GC 按照 AI 擅长的4类任务评估70个服务业细分行业——客户成功、支持与服务；数据录入与评估；内容、文案与营销（FAQ、NDA、翻译）；以及“过去9个月才出现”的基础逻辑与推理，例如保险承保建议已经“几乎能做到和人一样好”。70个行业中有60个没有过关，最终留下10个，GC 确信其中20%–30%的任务可以自动化。
Bhargava 的利润率计算方式是：保持成本基数不变，释放员工20%–30%的工作时间，用于服务更多客户、交叉销售和处理更复杂的任务。“EBITDA 利润率约10%或15%的企业，可以在1年内变成30%的 EBITDA 利润率企业。”Titan MSP 是标准模板：先用种子轮/Series A 建设产品，6个试点验证38%的自动化率，再通过第二轮融资收购 RFA，第三轮融资进行补充并购。

4. 16万亿美元 TAM，软件级利润率——按复利公司持有，而不是按 PE 资产运营

全球服务业规模约16万亿美元，软件约1万亿美元，前者是后者的“16倍”；与此同时，许多服务企业历史上接近盈亏平衡，或利润率并不高。Bhargava 的判断是，AI 可以改变这一点：剥离重复性任务后，“利润率结构会变得非常、非常像软件”，交付方式则可能由“AI 原生软件、智能体劳动力、为智能体工作的人，以及为人工作的智能体”共同构成。
退出模式是上市市场上的复利公司——TransDigm、Danaher、Constellation Software：它们收购企业、改善经营，再将自由现金流投入下一轮增长。Bhargava 的版本是“AI 原生复利公司”，驱动改善的核心从定价或采购转向自动化；他预计，“10年后，公开市场上会有大量市值1000亿美元的 AI 原生复利公司”。
反 PE 立场是明确且结构化的：没有3到5年翻倍退出的激励机制，从一开始就严格筛选愿意推动 AI 变革的企业和管理者。其关键反转在于：“你不能进场后加债、削成本。我们实际要做的是增加成本。我们会说，‘去招聘工程师。’”之所以值得投入，是因为新增成本预计会远小于新增收入。

5. 什么时候该做 Roll-up，什么时候只投 SaaS——以及如何评估业绩

在回答 Kyle Harrison 的听众提问时，Bhargava 给出了3部分筛选标准：自动化比例至少30%，但“实际上我们不希望超过70%”——超过约80%后，更可能由软件或 agentic 方案解决，Microsoft、Amazon 或 Google 等 incumbent 也可能凭借渠道优势推动这些方案；行业碎片化，使 SaaS 销售“极其缓慢”；以及客户黏性，例如 HOA 管理的2年合同，以及会计、保险和 MSP 行业的低流失率，这些特征可以帮助企业吸收实施过程中的摩擦。
分阶段的指标依次是：第一，用5–10个试点客户证明人工工时自动化达到30%；第二，拿出详细计划，将 EBITDA 利润率从15%–20%翻倍至30%–40%；第三，通过补充并购和债务控制收购进入倍数；第四，控制稀释——创始人在公司上市时应至少持有10%，理想情况下持有20%甚至30%，而 Bhargava 认为 GC 理想情况下可以持有20%–25%。Molly 的反应是：“这非常集中。”Bhargava 回答：“是，当然。”
谈到实施风险时，他引用 MIT 的一项研究称，可能有95%的 Fortune 100 企业尝试过 AI，但实施效果低下——“基本是浪费”，而且“很拼凑”。他认为，有效实施需要 AI 原生团队；理想人选可能曾在 Rippling、Scale 或 Stripe 负责应用型 AI，也可能来自 Figma 等公司，同时熟悉传统客户群体——“我们不认为世界一定会直接走向 AGI”。Anthropic 帮助判断模型的发展方向；Rocks（对标 Salesforce）、Udia（法律）和 Serval（对标 ServiceNow，上周刚走出隐身状态）等投资组合项目，则为 Percepta 的 Fortune 100 企业业务提供经验输入。

6. 关于劳动力问题：明确站在“打造更强团队”一边——但外包岗位存在例外

面对 Coatue 的 Michael Barton 关于“AI 会缩减团队”与“AI 会增强团队能力”的框架，Bhargava 明确站在后一个阵营。他举出的案例是 Hippocratic AI——GC 孵化的 AI 护士公司：在护理人员严重短缺的情况下，“1名护士可以管理5个 AI 组成的团队”。一个效率达到3倍、只需小幅加薪的人，并不一定会被解雇——“你可能反而会再招3到4个这样的人”。
他也给出了有保留的例外：“遗憾的是，一些工作可能不复存在。”最先被替代的会是外包的重复性工作，包括法律服务、呼叫中心和保险理赔，因此冲击“可能会首先落在印度、菲律宾等海外地区，甚至墨西哥”。GC 承诺探索再培训和技能重塑，包括投资相关公司。按照他的设想，丰裕意味着人人都能获得法律代理、实时会计服务，以及持续9到12个月的患者随访——这些服务在今天“没有经济可行性”。

7. 被低估、保持隐身——在 Bhargava 看来，这正是2016年的加密行业

地域分布本身就是一个信号：8或9笔交易中，有6笔在旧金山，2笔或3笔在纽约；被收购的底层企业几乎从不在这两座城市，而是分布在全美各地。这一策略也越来越全球化：Dwelli 正在英国做物业管理 roll-up，GC 已完成一笔德国会计业务交易，并在密切研究印度市场。人才上的分界线，与其说是美国对国际，不如说是旧金山湾区对其他所有地方。
Hemant Taneja 给 Bhargava 最大的经验是：要舍得出价，并尽早抓住标志性公司——1亿美元支票和100万美元种子轮支票，往往都能买到10%的股份。因此 GC 通过收购 La Famiglia、布局印度的 Venture Highway，以及由 Yuri 负责美国种子轮，持续加码种子期投资。
当被要求客观评价 roll-up 时，Bhargava 表示：“我认为它们现在被低估了……很少有人真正理解”VC 的投资池已经扩大到数万亿美元。一些 roll-up 公司“会做到1亿美元 EBITDA，而且成立还不到2年”，却继续保持沉默，恰恰因为它们不需要融资，也不需要进行“媒体巡演，向大家承诺 AGI 就在拐角处”。
他的收尾类比是：如今相信这一方向的 GC、Elad、Thrive 和 8VC，类似于他所说的2016年少数相信加密货币的机构，其中包括 USV、a16z 和 Founders Fund。市场其他参与者“只是在努力保持礼貌”。未来6个月到1年，GC 计划更公开地阐述这一论点，与更多 crossover 基金合作，并为旗下公司上市做准备。

第165期——2025年12月5日 OpenAI 拉响“红色警报”+我该用哪个模型？+《Hard Fork》评测 Slop