AI正在彻底重构风险投资的底层逻辑。从年轻创始人涌现、大基金下沉seed阶段到估值体系全面上移，传统VC方法论遭遇空前挑战。本文通过A* Capital创始人的实战洞察，揭示AI时代早期投资的三大悖论与人才追踪新范式，拆解泡沫中的真实机会与致命陷阱。

你有没有想过，风险投资这件事本身，也正在被 AI 颠覆？不是说 VC 们开始用 AI 工具做尽调，而是整个投资逻辑、判断创始人的方式、看待市场的角度，都在发生根本性的变化。过去的 seed 投资，拼的是人脉、眼光和耐心。但现在，AI 让创业门槛大幅下降，年轻创始人涌现的速度前所未有，大型基金开始大规模下沉到早期阶段，传统软件公司的护城河正在被 AI 快速侵蚀。这些变化叠加在一起，让早期投资这件事变得既比以前更有吸引力，也比以前更难做对。

最近我听了一期质量很高的播客，主角是 A*（A Star Capital）的两位联合创始人 Kevin Hartz 和 Bennett Siegel。A* 是一家成立五年、管理规模达 10 亿美元的早期 VC，投资过 Notion、Ramp、Decagon 等一批优秀公司。Kevin 本人也是 Eventbrite 的联合创始人，早年作为天使投资人，押中了 PayPal、Airbnb、Pinterest、Palantir 这些名字。Bennett 之前在 Coatue（蔻图资本）负责 venture（风险投资）业务，主导了 Ramp 和 Decagon 的早期轮次。两个人的经历加在一起，几乎横跨了过去二十年硅谷最重要的几波技术浪潮。他们在这期播客里讲了很多我觉得真正有价值的判断，不是那种泛泛的市场观察，而是有具体案例、有内部视角、有反共识观点的东西。我把里面最值得深想的部分整理出来，加上自己的一些思考，分享给你。

Seed（种子轮）投资到底有多难

Kevin 和 Bennett 在播客里说了一句话，我觉得是整期节目最诚实的表达：seed is just incredibly hard。他们的意思不只是说工作量大，而是说这件事在本质上就充满了不确定性。你投的是一个人，甚至连产品都还没有，也没有 roadmap，没有收入，有时候连方向都是模糊的。你唯一能判断的，就是这个创始人。

这种不确定性叠加上当前的市场环境，就更难了。Bennett 解释说，过去几年大型 multi-stage（多阶段）基金纷纷下沉到 seed 阶段，带着大量资金进来”占位”。他们的逻辑其实很简单：用少量资金买一个 option（期权），如果公司跑起来了，就在后面几轮继续大力跟进。这种策略对大基金来说成本极低，但对真正做 seed 的专业机构来说，竞争压力却大大增加了。

我对这个现象有自己的理解。大基金下沉 seed，本质上是在用规模优势换取信息优势。它们不一定真的懂早期投资，但它们可以用高估值、大支票把创始人吸引过来。问题是，创始人拿到更多钱，真的等于拿到了更好的结果吗？Kevin 的回答很直接：在 2021 年那一波，Tiger Global 用最高估值、最少干涉的方式横扫市场，结果那一批公司大多数都没走到终点。钱多不等于活得好。这个道理听起来简单，但每次市场热的时候，创始人都会忘记。

Bennett 还提到，seed 这个市场长期专注的机构其实非常少。要么是做着做着就想管更多钱，顺势变成 multi-stage；要么是投出了一两家大公司，开始募 opportunity fund（机会基金）和 growth fund（成长基金），重心就自然偏移了。真正几十年如一日只做 seed 的，屈指可数。这背后的原因，我认为是人性使然。人在成功之后都会想要放大规模，但放大规模往往意味着放弃初心。

大基金冲进 seed，创始人该怎么选

Kevin 在播客里用了一个很有趣的比喻。他说，一个 80 亿美元的基金，如果募了 83 亿和 88 亿，外人根本感知不到差别，但多出来的 5 亿，就是整整一个 A* 基金的体量。这 5 亿如果拿去做 seed，对大基金来说几乎是”零成本试错”，但对专注 seed 的小机构来说，那是全部的赌注。

他们也承认，作为精品小基金，无法跟大基金比支票大小。创始人面对”$10M at $100M”（以 1 亿估值融 1000 万）和”$3M at $30M”（以 3000 万估值融 300 万）的选择时，前者在账面上显然更诱人。多出来的 700 万，能多招几个人，多跑几个月的实验。这个吸引力是真实的。

但 Bennett 说了一句我觉得很核心的话：building a company is a marathon, not a sprint（创业是一场马拉松，不是短跑）。低稀释的 offer 有意义，真正的 partnership（伙伴关系）也有意义。问题是这些东西在融资过程中很难量化，很难在三天内说清楚。当市场很热的时候，创始人往往没有耐心听这些，只看数字。

我自己观察下来，这件事在国内也一模一样。很多创始人早期最重要的决策之一，其实是选投资人，但这个决策往往是在最短时间内、信息最不充分的状态下做出的。等到后来需要帮助的时候，才发现对方根本不懂你的业务，也没有时间管你。选投资人，本质上是选一个要共事七到十年的人，要像对待联合创始人一样认真。

正在逼近的”史上最大泡沫”

Kevin 在播客里说了一句话，听起来很大：we’re headed to the mother of all bubbles（我们正在走向史上最大的泡沫）。他的意思不是说要崩，而是说这一波 AI 的规模和影响力，可能会超过 PC、互联网、移动互联网的任何一次。

他们两个人给出了一个有意思的对比框架。现在 seed 阶段的估值，已经从过去的 $20M-30M post-money（融资后估值），涨到了 $40M-50M。Series A（A 轮）曾经是 $100M，现在动辄 $250M。Series B（B 轮）过去需要真实的牵引力，估值才到几亿，现在起步就是 $500M 到 $1B。整个估值体系都向上位移了，原因就是大资金的涌入和对 AI 的极度乐观。

但 Bennett 说得很清醒：最终会有很多公司无法撑到终点。他们在自己的 portfolio（投资组合）里，已经能明显感受到谁在建真正的 moat（护城河），谁只是在市场热的时候蹭了一波 AI 的热度。他说，这一波结束之后，会像互联网泡沫之后一样：Amazon、Google、Netflix、PayPal 这些公司都是从那个泡沫里走出来的，成了今天的万亿巨头。AI 时代同样会有这样的赢家，但”赢家通吃”的另一面，是绝大多数公司的消亡。

我对这件事有自己的判断。泡沫本身不是坏事，泡沫是资本集中涌入一个新方向的产物。问题在于，怎么在泡沫期间保持清醒，把有限的资源押注在真正有价值的地方，而不是跟风入场。对创业者来说，这个时代最大的陷阱不是融不到钱，而是在最容易融到钱的时候，做了一个方向错误的决策，然后发现自己被困住了。

为什么创始人越来越年轻

Kevin 和 Bennett 观察到了一个非常有趣的现象：创始人的年龄正在快速下降。现在一个 YC（Y Combinator）batch（批次）里，十几岁的创始人已经不罕见了。Bennett 甚至讲了一个细节：他跟一个创始人聊，对方说要去问问他的律师，结果那个律师是他妈妈。

Kevin 给出了他的解释，我觉得非常有说服力。他说，在 AI 这个范式转变里，你懂不懂怎么卖 SaaS（软件即服务）、怎么搭传统企业 go-to-market（进入市场）团队，根本不重要，因为这些规则都在被重写。这个时代对所有人来说都是新的，没有人有”经验优势”。年轻人反而因为是这些新技术最早的使用者和受益者，比那些有二十年经验的老 VC 和老创业者更有感知力。

这个观察让我想起一个更深层的问题：经验在什么时候是资产，在什么时候是负债？在一个成熟市场里，经验极其宝贵，因为你知道什么能成、什么会失败，知道陷阱在哪里。但在一个范式转变的时刻，经验有时候反而会让你在错误的框架里做判断。一个 19 岁的创始人，没有任何”这件事应该怎么做”的固有认知，反而能用更直觉性的方式去感知用户需求和技术可能性。

Teal Fellows（泰尔奖学金）这个项目，Kevin 提到了不止一次。Peter Thiel 在 2010 年就开始资助大学生辍学创业，现在回头看，那真的是极具前瞻性的一个判断。今天，这种趋势从小众变成了主流。我认为，未来十年最有影响力的一批科技公司，很可能是由现在还在上高中或者刚上大学的人创立的。

“Map Talent, Not Markets”——投人不投市场

Bennett 提出了一个他们在 A* 的核心方法论：map talent, not markets（追踪人才，而不是市场）。这句话听起来简单，但背后有很具体的操作逻辑。

他们的做法是持续关注高密度的人才节点。顶尖大学、YC 这样的加速器、还有一些”特别会孵化创始人”的公司。Kevin 特别提到了 Palantir（帕兰提尔），他说 Palantir 可能是”per capita（人均）独角兽创始人密度”最高的公司。原因在于，Palantir 的工作模式让每个人都要扮演 mini CEO 的角色，要自己找到 product-market fit（产品市场契合），要自己构建并推广产品。这种训练方式，天然筛选出了一批有创业基因的人。

Kevin 还提到，Palantir 在早期是一家有争议的公司，选择去那里工作本身就意味着你有一种非共识的思维方式，而这种思维方式，恰恰和创业需要的东西高度重叠。另外，Airbnb、Stripe 这类公司也出了很多优秀的创始人，但他认为那些公司跑起来太顺了，反而没有磨练出”穿墙而过”的那种劲。

Bennett 还提到了另一个新的人才来源：从 AI lab（人工智能实验室）或 PhD 项目出来的研究员，正在成为一类全新的创始人。过去，研究员创业是个”反模式”（anti-pattern），因为学术思维和商业思维之间有很大的鸿沟。但现在出现了一批反例，让这件事变得值得认真对待了。Bennett 说，判断这类创始人的关键，是听他们说话的方式。真正优秀的创始人，每一个词都是经过深思熟虑的，都有明确的意图，你能从语言的精准度里感受到他们对业务的理解深度。

我自己在接触创业者的时候，也越来越感受到这一点。表达能力强不等于说话多，而是每一句话都有密度，听完之后你会感觉收获了什么东西。那种创始人，往往是真的把问题想透了，而不是在用话术包装一个模糊的想法。这种判断力是可以训练的，但需要大量接触优秀的人才能校准自己的感知。

Proprietary Deal Flow（专有交易流）的真正含义

Kevin 和 Bennett 谈到了他们的一个核心竞争优势：超过一半的 seed 投资，都是以某种形式的”准自有”方式进入的，也就是说在正式融资流程开始之前，他们已经和创始人有了某种关系。

Decagon 是他们给出的最典型案例。Kevin 早年在 Ashwin（Decagon 联合创始人之一）的上一家公司 Helia 里做过天使投资。那家公司没有成功，但 Kevin 一直保持关系，是 Ashwin 的长期支持者。后来 Ashwin 和 Jesse 一起创办 Decagon 的时候，甚至还没有明确的想法，Kevin 和 Bennett 就已经决定要投了。理由很简单：他们知道这个团队有多好，知道当时在 foundational model（基础模型）之上的企业应用领域几乎还是空白，1+1 在这个组合里大于 2。

他们的数据也印证了这一点：那一半”准自有”的投资，在回报上明显优于”shotgun marriage”（闪婚式）的投资——也就是那种在融资流程里才第一次见面、几天内就要做决定的投资。当然，他们不是说后者就一定不好，而是说前者的信息质量更高，波动性更低。

我理解这背后的逻辑。关系的本质，是信息的积累。在一段时间的观察和互动之后，你对一个人的判断，远比面试几次更立体，也更准确。这对创始人来说也是一样的：选投资人，最好的方式不是在 fundraising（融资）过程中才开始接触，而是在此之前就有过真实的交流和碰撞，看看对方在压力下是什么反应，在认知上是否真的能帮到你。

AI Rollup（AI 并购整合）是不是伪命题

这期播客里我觉得最有争议、也最值得深想的一段，是关于 AI rollup 的讨论。所谓 AI rollup，就是用 VC 资金去收购传统行业的存量企业，然后用 AI 进行改造，提升利润率，再赚取回报。这个逻辑听起来很顺，但 Bennett 给出了一个非常冷静的判断：对 VC 来说，这是一个糟糕的资产类别。

他的逻辑是这样的：如果你给一个创始人一亿美元，他用这个钱收购了一家价值一亿的公司，但你只拥有这家公司 20% 的股权。那你实际上只有 2000 万的资产敞口。除非这家公司的价值大幅增值，否则你根本无法获得像样的 VC 级别回报。更重要的是，整合存量企业、改变内部文化和流程，是 PE（私募股权）做了几十年都觉得极其困难的事，VC 在这方面并没有任何优势，甚至连关注 bottom line（利润）的文化都没有。

但他们也没有完全否定这件事的可能性。Bennett 提到，服务型行业里那些有接近稳定收入来源的领域，比如会计、HOA（业主委员会管理）、ITSM（IT 服务管理），是相对合理的切入点，因为 AI 确实擅长替代这类劳动密集型的工作。但他的判断是：90% 的价值来自于用对的估值买到对的资产，而这恰恰是 VC 最不擅长的事。Kevin 还补充了一个例子：Bending Spoons（弯曲汤匙），一家意大利公司，他们对存量软件资产的整合能力确实出色。这种公司是少数例外，不是通用模式。

我对这件事的看法稍微有些不同。AI rollup 的核心假设是”AI 能快速提升存量资产的效率”，这个假设在某些场景下是成立的，但成立的前提是你对那个行业有足够深的理解，知道 AI 能改哪些环节，改了之后能产生多大的经济价值。盲目相信”部署 AI 就能提升利润”是一个危险的幻觉。真正能做好这件事的人，往往是在那个行业里做过很长时间的 operator（运营者），而不是手持资本、看着一个 AI 工具就以为能改变一切的投资人。

AI 时代，传统软件的命运

Kevin 在播客最后说了一句让我印象很深的话：他不记得上次听到有创始人来推销传统软件业务是什么时候了。所有人的 deck（商业计划书）里都有 AI。

但他们对这件事的判断比较微妙。他们认为，systems of record（记录系统），也就是那些存储核心业务数据的软件，仍然有很强的粘性，不会轻易被取代。但真正面临威胁的，是那些靠”流程”和”工作流”建立壁垒的软件。如果一个 app 能在几分钟内被 vibe coding（氛围编程，即用 AI 辅助快速编写代码）出来，那这个 app 原来的护城河就不存在了。

他们看好的方向，是”systems of intelligence（智能系统）”和”systems of action（行动系统）”。这两类系统不只是存储数据或执行固定流程，而是能够主动理解、决策和执行。Bennett 举了 Rippling 的例子，说这家公司是一个很好的案例：它在 GPT 之前就已经是一个成熟的软件公司，但现在正在把 AI agent 做成真正驱动营收和利润的核心引擎。他的判断是：最优秀的团队，会愿意从头开始重新架构整个产品，而不是在原来的代码上打补丁。

我觉得这是一个非常关键的分叉点。AI 时代对软件公司提出的核心问题不是”你有没有加 AI 功能”，而是”你的整个产品逻辑，是不是从 AI native（AI 原生）的视角重新设计的”。加了一个 AI 对话框不等于 AI 公司。真正的 AI native 软件，是把 AI 的能力融入到产品的每一个决策节点里，改变的是用户解决问题的路径，而不只是交互界面的形式。

机器人与物理世界的下一个爆点

Kevin 在播客里提到了他们对硬件和机器人领域的兴趣，我觉得这是这期节目里最有前瞻性的一个视角。他们的判断是：robotics（机器人）领域还没有迎来它的”ChatGPT 时刻”，但这个时刻正在逼近。

Kevin 的逻辑是：AI 对物理世界的影响，应该至少和对知识世界的影响一样大，甚至可能更大。知识世界的 AI 化，让信息处理、内容生成、决策辅助这些环节变得更高效；而物理世界的 AI 化，影响的是实体生产、物流、制造、医疗、建筑等几乎所有有”人在现场操作”的场景。这个市场的体量，远比知识工作要大得多。

他们目前在 portfolio 里已经有了几家垂直机器人公司，比如 Watney Robotics，专注于数据中心的布线任务。他们的选择逻辑很清晰：不追求大而全的水平市场，而是找高价值、任务明确、可以用技术快速替代人力的垂直场景。Kevin 说，在机器人领域他们也会犯同样的错误——高估值、低商业化落地——但他们会尽量避开那些只有故事、没有路径的公司。

这个方向我自己也在持续关注。我认为，机器人的”ChatGPT 时刻”一旦来临，它的爆发速度会比软件 AI 更快。因为软件 AI 的扩散，需要用户习惯的改变；而机器人的扩散，是在替代那些本来就不需要”习惯改变”的人力岗位——装配线工人、仓库搬运工、清洁工。这些场景的需求本来就已经存在，只是现在技术终于追上来了。

我对这一切的判断

听完这期播客，我有几个沉淀下来的认知，想在这里直接说出来。

这个时代最稀缺的不是资本，而是判断力。现在融资比任何时候都容易，但正因为如此，创始人面临的最大风险不是融不到钱，而是在最容易拿钱的时候做了一个方向错误的押注。估值高不代表你做的事是对的，只代表市场此刻愿意为你的故事付溢价。

Kevin 和 Bennett 反复强调的一点，我觉得对很多人都是一个提醒：seed 阶段真正的价值，不是那张支票，而是一个真正愿意陪你经历低谷的人。这件事在市场热的时候最难被感知，在市场冷的时候才会显现。所以在选择的时候，要尽量用低谷时的标准去判断，而不是顺风时的直觉。

关于年轻创始人的崛起，我的感受是：这一波不只是”年轻人比较敢”，更是一个深层的能力结构的变化。过去，创业需要的很多能力——招人、管理、销售、融资、产品开发——有显著的经验壁垒。但 AI 工具的普及，正在快速压缩这些壁垒。一个 20 岁的人，今天能用 AI 工具做到的事，五年前需要一个有十年经验的团队才能实现。这不是比喻，这是真实发生的能力平权。

最后一点：无论这一波泡沫最终怎么结束，从里面走出来的那几家公司，会是定义未来二十年的企业。Kevin 说得对，PC 时代有 Apple，互联网时代有 Google 和 Amazon，移动时代有微信和 Uber。AI 时代的那几家公司，现在可能已经在某个 seed deck（种子轮路演材料）里了，只是我们还不知道是哪一个。这个认知，应该让所有人保持谦逊，也保持兴奋。