传奇VC Benchmark罕见发声：规模越大越安全这条铁律，已经被AI公司彻底打破

你有没有想过，过去十几年我们判断一家软件公司好不好的所有标准，可能已经全部失效了。以前投资人心里有条铁律，规模越大，风险越低。一家公司能持续做大，说明它已经依次验证了产品市场契合度、单位经济模型、市场天花板，最后是市场领导地位。规模和风险之间是一种很干净的反比关系，越往后走越安全。但现在这条铁律可能已经反过来了。

这是 Benchmark 的 General Partner Ev Randle 最近在一次访谈里讲到的现象，我听完觉得这是我今年听到的最有冲击力的投资视角之一，想把他的核心观点和我自己的思考梳理一遍。

规模不再等于安全

Ev Randle 说，在新的 AI 范式里，你可以看到年收入超过十亿美元的公司，依然没有验证清楚自己的单位经济模型，也没有证明自己有持久的产品差异化。放在以前，这种公司根本撑不到这个规模就该死掉了。但现在它们活得好好的，而且还在继续融资、继续扩张。

他形容这种感觉是一种集体性的迷失方向，整个创投生态系统都觉得上下颠倒了。我自己也有类似的感受，过去看一家公司，只要营收曲线够陡，基本就能放心。现在营收曲线陡峭和公司安全之间，好像已经没有必然联系了，甚至隐约出现了某种正相关的诡异关系，公司越大，某种意义上风险反而没有下降，有时候感觉还在上升。这种认知上的错位，才是最让人不安的地方。

SaaS 黄金法则全部失灵

以前判断一家软件公司好不好，有五六条很清晰的指标。毛利率要高，七八十是及格，九十以上是优秀。最好卖纯软件，服务和实施的比重越低越好，这样才能规模化，毛利也才能撑住。资本开支要轻，研发投入的杠杆效应要强。留存率要高，一年流失不到一成客户才算健康。把这些指标全部叠加起来，你会得到一家轻资产、自由现金流极强、增长速度是 GDP 好几倍的公司。这套逻辑非常适合塞进 Excel，所以 Ev 管这个时代叫表格化投资的时代，甚至有像 Rule of 40 这样的单一指标，把一家公司的质量直接压缩成一个数字。

但现在最受欢迎的公司和赛道，几乎是把这五六条黄金法则全部反过来。Ev 提到一个很扎心的段子，FTE，也就是全职雇员数量，已经取代了 PLG，也就是产品驱动增长，成为最受欢迎的分发策略。以前你绝对不能在销售软件的同时雇一堆实施顾问，那样毛利会被拖垮。现在反而是好事，因为大家发现毛利率如果太高，反而说明你的 AI 功能根本没人在用，推理本身就是要烧钱的。甚至现在还流行另一个说法，如果你想不被大模型公司碾压，你就得自己训练模型，至少得在用户数据上做后训练。这意味着一家软件应用公司，得在内部搭一个研究实验室，这在以前的软件世界里是完全不可想象的资本开支。

我自己琢磨这件事的时候，觉得最讽刺的地方在于，这些黄金法则本身没有错，它们确实是判断一家公司长期能不能持续产生现金流的第一性原理。问题是，当你拿这套尺子去量现在最火的那批公司时，它们看起来反而不如传统 SaaS 健康。这就逼着每一个投资人，必须重新想清楚自己投资框架背后的底层逻辑，而不能再依赖一套现成的指标清单。

新的估值公式 P 乘以 Q 乘以 M

Ev 提出一个我觉得特别有用的框架，用经济学里最基础的 P 乘以 Q 乘以 M 来理解 AI 公司。SaaS 时代，P 是你的年合同金额，Q 是你的客户数量或者潜在市场规模，M 是毛利率，通常在七到九成之间。到了 AI 时代，Q 基本没变，卖给的还是同一批人。M 几乎肯定更低，他估计九成九的 AI 应用公司毛利率都不到七成。但 P 可以高得离谱，有些推理平台和初创公司签的是九位数的合同，这种体量的合同在传统 SaaS 世界里几乎不存在，更别说是初创公司之间的合同了。

这个框架对我的启发是，以前我们习惯用毛利率这一个变量去判断公司质量，现在必须把客单价的爆炸式增长也纳入考虑。一家毛利率不高但客单价高到离谱的公司，完全可能比一家毛利率漂亮但客单价普通的公司更值钱，这在以前是反直觉的。

推理是瀑布 不是水龙头

Ev 讲了一个比喻，我很喜欢。他说有个被投公司有海量的开发者用户和很棒的产品，但一直没想清楚商业模式。他给的建议是，你坐在河边，手里拿着个桶，一直在想怎么把桶装满，但河对岸明明有一整条瀑布。与其坐在河边发愁，不如直接走到瀑布底下去，你站到瀑布下面才知道桶有没有漏洞，桶到底够不够大。这条瀑布就是 inference，也就是模型推理本身带来的需求洪流。

他举了一个让我印象极深的数字，Claude Code 刚从命令行工具进化成现在这个产品形态的时候，他们和被投公司聊天，发现有些开发者自己每个月在 Claude Code 上花费三千美元，算下来一年就是三万六千美元一个人。以前 SaaS 时代，一份五万美元的年合同金额已经算不错了，而且通常是按整个公司算的。现在变成按每个开发者来算，而且这个数字还在持续增长。这意味着一个普通客户身上的软件支出，可能从过去的二十万美元量级，直接跳到两千万美元量级，极端情况下甚至能到每个月五亿美元。

我自己理解这件事的时候，觉得最关键的转变在于商业模式本身变了。以前是按人头乘以一个固定单价收费，现在变成了在你转售的推理成本上抽一道margin。有些公司的商业模式更薄一些，本质上是在做推理经纪人，有些公司把这件事抽象得更彻底，比如按照实际完成的客服工单结算费用，看起来跟推理没什么关系，但底层赚的钱依然来自推理。这种模式最大的好处是，它解除了过去按人头收费天然带来的增长天花板，这也是为什么你会看到这么多 AI 公司的增长曲线不是从一到三到九到二十这种正常节奏，而是直接从一跳到三十再跳到三百。

Agent 这个词被用烂了 但它代表的变革是真的

Ev 提到一件事让我会心一笑，他说每次一个词被过度营销，他就会忍不住皱眉头。FTE 是一种，Agent（智能体）也是一种。当私募股权基金开始要求自己投资组合里所有公司都得说自己卖的是 agent 的时候，这个词基本就算被用烂了。

但他紧接着说，即便这个词被滥用到这种程度，它背后代表的产品创新和商业模式创新，可能是 SaaS 时代开始以来最重要的一次。原因在于，它真正实现了把工作本身卖出去，而不是卖一个工具，你买的不再是一份软件许可，而是按需取用的智能，或者说按需取用的白领劳动力，这彻底改变了买家对软件预算的心理账户。

我觉得这段话特别值得反复琢磨。以前企业买软件，心理账户里装的是工具采购成本。现在企业买的是结果本身，这个心理账户的天花板就完全不一样了，因为你愿意为完成一件事付出的钱，理论上可以无限接近这件事本身创造的经济价值。

AI 版的妈妈测试

接下来这段我觉得是整个访谈里最实用的一段。Ev 提出一个他自创的判断标准，叫 AI 妈妈测试。他妈妈住在科罗拉多州的一个郊区小镇，不算是技术原住民，甚至不太会重置自己 iPhone 的密码。他经常问自己一个问题，妈妈真正需要用到 AI 完成的那些事情里，有多少是非用最前沿模型不可，而不能用一个便宜得多的开源模型解决的。他说两年前这个答案还不确定，现在答案基本是百分之百，他妈妈日常用到的功能，没有一个真的需要最前沿的模型。

他说你可以把这个测试套用到不同人群身上，换成一个高中生，换成某个具体行业的专业人士，答案会不一样。这取决于你的使用场景到底需不需要最顶尖的智能。市场现在确实愿意为最前沿的智能支付溢价，但经济体里有越来越大比例的任务，根本用不上接近前沿水平的模型。他还提到 Cognition 做过一个实验，把自己产品里那些任务复杂度本来就不高，但调用量很大的场景，对一个开源模型做了后训练，结果发现这些场景原本默认调用最贵的前沿模型，其实完全没必要，换成便宜模型能省下九成五的成本。

我自己的体会是，这个测试提供了一个特别朴素但有效的判断框架。当你在看一家 AI 公司的护城河时，与其问它用了什么模型，不如先问它的核心场景到底属于妈妈测试里的哪一类。属于不需要前沿智能的那一类，意味着它随时可能被开源模型和更便宜的供应商替代，定价权会被持续压缩。属于必须依赖前沿智能的那一类，才真正有机会享受到模型能力突破带来的溢价。

一万亿美元的问题

这部分是整场访谈里最让我深思的内容。Ev 说，这大概是个万亿美元级别的问题，如果把 SpaceX、OpenAI、Anthropic 这几家放在一起算，可能是个数万亿美元的问题。答案取决于接下来十几年会发生什么。如果你相信我们正走在递归自我提升的路径上，未来是数据中心里关着一堆天才模型，那么处在前沿位置的实验室，理论上会有非常强的定价权，增长还可能继续加速。

但如果模型能力在某个阶段触到了天花板，而蒸馏技术继续进步，开源模型追到前沿水平的九成五，那对前沿实验室来说会是一个相当可怕的局面。他补充说这不会是死刑判决，因为大部分 ChatGPT 用户根本分不清自己用的是哪个版本的模型，他们只是喜欢这个产品本身。但即便不是死刑判决，前沿实验室能够收取的溢价空间会被大幅压缩，因为开源推理虽然便宜，但也不是免费的，总得有人买 GPU、建数据中心、运维这些基础设施，真正的悬念是前沿模型公司还能在这中间留下多少超额利润。

我自己倾向于认为，这个问题短期内不会有清晰答案，但它解释了为什么现在几乎所有大模型公司都在拼命往应用层和产品层走，而不是单纯卖 API。如果模型本身的护城河存在被蒸馏抹平的风险，那真正能沉淀下来的价值，可能更多在产品体验和用户习惯里，而不是模型权重本身。

Anthropic 的三千八百亿美元意味着什么

Ev 做了一个我觉得很震撼的计算。他回溯了过去十年里回报最好的四笔 Pre-IPO 投资，Slack、DoorDash、Snowflake 和 Nubank，这些轮次的总规模通常在五亿到二十亿美元之间，投资人持有四年左右能拿到两到五倍回报，已经算是非常理想的结果。Snowflake 那笔 Pre-IPO 投资，五亿美元变成了二十五亿美元，放在当时已经是个惊人的数字。

而 Anthropic 这一轮三千八百亿美元的估值，如果未来上市时能到一万五千亿美元，这一轮三百亿美元融资的整体回报，大约相当于三十五个 Snowflake 那种顶级 Pre-IPO 案例叠加在一起。换句话说，一轮融资里装进去的回报潜力，相当于过去十年里最好的几笔投资案例总和的几十倍。他身边有朋友单笔在 Anthropic 里投了三到四十亿美元，这个数字放在五年前几乎不可想象，因为五年前一支成长期基金的整体规模也就十亿美元左右。

他特别提到一点，SpaceX 用了二十多年才把这种财富效应传导到整个生态系统，而这一次的速度会快得多。他举的第一个信号是旧金山的房地产市场，现在很多房子都是两倍报价成交，而且是全现金，或者干脆用实验室的股权直接置换。我自己听到这里的感受是，这种级别的流动性冲击，影响的不只是投资回报表本身，而是会重塑整个硅谷的生活方式，从员工怎么花钱，到他们接下来去创立什么公司，都会被这笔财富重新塑形。

VC 也变了

访谈里还有一段我觉得很值得拿出来单独说。Ev 提到现在很多老牌创投机构，其实早就不是传统意义上的风险投资基金了，而是变成了另类资产管理公司。它们旗下有成长期产品，有债权产品，甚至还有财富管理业务，只是因为历史习惯，大家还是统一管它们叫 venture capital。他自己写文章的时候会刻意区分，用 venture growth 这种说法来描述真正意义上的成长期投资，因为这和早期风险投资完全是两种不同的生意。

这一点对我触动挺大的。我们习惯把所有投资机构都简单归类成 VC，但实际上它们的资金结构、风险偏好、决策逻辑已经分化得很厉害。理解一家机构到底是纯早期风险投资，还是已经演变成多产品线的另类资产管理公司，可能比看它投了哪些明星项目更能帮你判断它接下来的行为模式。

我的思考

听完整场访谈，我自己最大的感受是，过去那套靠几个清晰指标就能给软件公司打分的方法论，已经不太适用于判断现在这批 AI 公司了。不是说基本面不重要了，自由现金流、durable 的护城河这些底层逻辑永远成立，而是这些指标现在被一种全新的增长曲线和商业模式彻底重塑了形态，你必须换一套坐标系去看待它们。

我尤其认同 Ev 反复强调的一点，真正穿越周期的投资逻辑，从来不是押注某个赛道或者某种商业模式，而是押注人。赛道会变得拥挤，商业模式会被颠覆，昨天还被认为不安全的硬科技，今天反而成了唯一能躲开大模型公司冲击的领域。但优秀的创业者，永远有能力在新的范式里重新找到属于自己的位置。这可能才是这场 AI 浪潮里，最值得长期相信的一条原则。

结尾

也欢迎大家留言讨论，分享你的观点！

觉得内容不错的朋友能够帮忙右下角点个赞，分享一下。您的每次分享，都是在激励我不断产出更好的内容。

欢迎关注深思圈，一起探索更大的世界。