AI 投资框架：识别具备非凡增长潜力的初创公司

我们作为投资者的工作就是尝试预测未来。我们高谈阔论 AI 格局将如何演变，以及基于当前局势“价值会流向何处”。现实是，在这样一个 AI 的“价值捕获”不断变化、赢家格局每三个月就轮换一次的动态环境中，可以稳妥地说，关于未来，我们“已知的”远少于“未知的”。

这一点的最佳证明就是，每一个看涨论点都有一个极具说服力的看跌论点与之对应。就在 Anthropic 进行 E 轮融资（估值 610 亿美元）时，市场上的怀疑论者还在担心 API 层会迅速商品化，担心在计算和定价压力下毛利率会持续为负，担心实验室会因为必须不断重做的巨额训练成本而永远处于高消耗状态。怀疑论者担心 OpenEvidence 的估值天花板也就是一个 Doximity 级别的结局。他们坚信推理引擎会商品化。他们认为 ClickHouse 永远无法扩展到实时分析之外，因此只能局限于较小的规模。总而言之，这些善意的怀疑论者将错失 数十亿美元 的回报。

残酷的事实

我们对未来的了解远不如我们希望的那么多。在上述每一个案例中，当时看似合理的论点都与后来展开的现实背道而驰（例如，API 层并未商品化）。合理的论点充其量只能让你做出一个五五开的决策，最坏的情况则是让你在过度分析后做出一个错误决策。

新兴市场的最终市场结构，本质上就是不可知的。那么，在市场仍在形成过程中，在逻辑失效的情况下，我们该怎么办？有三种选择：1) 等待市场稳定，消除市场结构或 TAM 的风险，但同时也会错过伴随这种风险而来的代际回报。2) 尝试将旧框架应用于新市场，结果反而落入前述的“分析瘫痪”陷阱。3) 从近期成功案例中抽象出新的框架，以简化未来的决策。我将为选项 3 辩护。

异常组件的框架

以下框架适用于中后期成长型公司。A 轮和早期 B 轮公司除外。框架如下：如果一家公司拥有至少一个异常组件，就应认真考虑。如果拥有两个或以上，则应积极投入。 异常组件定义为：

异常增长：处于其同类公司中增长最快的 0.1%。
异常客户获取：拥有难以渗透的客户关系或护城河。
异常团队：不仅仅是“优秀”或“有说服力”的团队，甚至不仅仅是“技术天才”——硅谷这样的人比比皆是。筛选标准是：他们是否完成过使其跻身行业前 0.1% 的成就？
例如：Anthropic 的创始人创造了 GPT-3。RJ Scaringe 创立了 Rivian。Arkady Volozh 创立了 Yandex。Bret Taylor 就是 Bret Taylor。

这与现状相比如何？

异常框架有时会与传统成长型科技投资理念相悖，传统理念会筛选顺风、突出的价值主张和顶尖指标。在当今市场，一家公司可能在这些维度上得分很高，但缺乏异常组件，因此永远无法脱颖而出。

以下是异常组件的例子——注意，这些不全是明确实现巨大成果的例子，因为其中许多尚未退出——它们仅仅是输入指标的示例。

\表示 Meritech 投资组合公司。*

成长阶段融资时的异常增长：

注意 1：异常增长应伴随着远大的愿景。关键在于不要过度思考公司实现该愿景的可能性。

注意 2：存在“漏水桶”问题（即 NDR < 100%）的异常增长不在此列。

成长阶段融资时的异常客户获取：

Anthropic（与 Amazon 的 GTM 合作）
Abridge（与 Epic 的独特关系）
Roblox*（市场流动性）
Kalshi*（市场流动性）
Anduril（政府关系）
Palantir（政府关系）
True Anomaly*（政府关系）
Castelion（政府关系）
Mind Robotics*（与 Rivian、VW 的关系）
Lumilens*（大型超大规模云服务商）
Sierra（Bret Taylor 的关系网络）
ClickHouse（开源基础）
Vercel（开源基础）

异常团队：

Anthropic（GPT-3 创造者）
Glean（Rubrik 联合创始人）
Mind Robotics*（Rivian CEO/创始人）
OpenEvidence*（Kensho 联合创始人）
Nebius（Yandex 创始人）
Sierra（Salesforce 联合 CEO）
SSI（OpenAI 联合创始人）

注意：上述列表中缺少“异常技术护城河”这一组件，主要是因为这在当今越来越难获得。除了 SpaceX、Waymo 和 Tesla，早期成长型投资中很难找到异常技术护城河。即使是 Anthropic 的护城河，更多也与其规模、资本和先发优势有关，而非技术知识产权。

指导原则：如果公司拥有至少一个异常组件，就考虑投资；如果公司拥有 2 个或以上，则积极投入。拥有 2 个或以上的例子包括：

Anthropic（异常增长、客户获取、团队）
ClickHouse（异常增长、客户获取）
Kalshi（异常增长、客户获取）
OpenEvidence（异常增长、客户获取、团队）
Sierra（异常增长、客户获取、团队）

护城河呢？

这正是关键所在——当市场结构动荡时，很难辨别护城河。Cursor 或 Cognition 有护城河，还是只是包装？这取决于它们能在扩展产品套件时捕获并构建的企业上下文。这取决于价值有多少流向模型，多少流向驱动层。最终的市场结构尚不可知。与此同时，这些公司先扩张规模，再建立护城河。规模本身往往就是最引人注目的护城河之一，考虑到它在资本可用性、成本结构和交叉销售优势方面带来的二阶效应。

为什么这不适用于早期成长型公司？

对于早期成长型公司，这些是可预知的吗？当公司 ARR 低于 2000 万美元时，异常组件充其量只是初现端倪，通常根本不存在，尤其是对于自上而下的企业 IT 业务。预测未来对于这些投资仍然至关重要。

相反的例子有哪些？

有很多反例，即公司虽然拥有至少一个异常组件，但最终并未取得异常成果。讨论那些不成功的公司不太厚道，但可以说，每一个拥有 A+ 团队且成功的预收入成长轮融资背后，都有一大堆被过度投资、从未找到产品市场契合点的公司。

同样，许多公司取得了异常成果，但在成长轮融资时其异常组件并不明显。Cerebras 就是一个很好的例子，许多成长型投资者都错过了它。

现实是，没有任何一个放之四海而皆准的框架适用于任何投资阶段。 如果事情这么简单，2/20 的收费结构就不会存在了。然而，这是我试图理解当前格局的最佳尝试。