AI时代的异类投资
我们作为投资人的工作，就是预测未来
作为投资人，我们的工作就是尽可能预测未来。
我们会不断讨论 AI 行业将如何演化，以及在当前格局下，“价值最终会沉淀到哪里”。
但现实是，在这样一个高速变化的环境中，AI 的价值捕获（value capture）始终处于流动状态，赢家几乎每三个月就会轮换一次。因此，可以肯定地说，我们对于未来真正“已知”的事情，远远少于“未知”的事情。
这一点体现在一个事实：几乎每一个看涨（Bull Case）的观点，都能找到一个同样有说服力的看空（Bear Case）。
例如，就在 Anthropic 完成 E 轮融资（估值 610 亿美元）时，市场上的怀疑者依然认为：
- API 层很快就会商品化（commoditize），没有护城河；
- 在算力成本和价格竞争压力下，毛利率会长期为负；
- AI 实验室会因为高昂且需要不断重复投入的训练成本，永远处于疯狂烧钱状态。
他们还认为：
- OpenEvidence 的天花板不过就是 Doximity 那样的规模；
- 推理引擎（Inference Engine）终究会彻底商品化；
- ClickHouse 永远不会超越实时分析（Real-time Analytics）的市场，因此最终只能成长为一家中等规模公司。
然而，把这些观点放在一起看，这些本意善意、逻辑严谨的怀疑者，最终却错过了价值数十亿美元的投资回报。
残酷的真相
事实是：
我们对未来的了解，远没有自己想象得那么多。
在上面的每一个案例中，当时最“理性”的分析，最后都和真实发生的事情背道而驰。
例如：
API 层并没有迅速商品化。
很多时候，所谓最理性的分析，最好的结果也不过是 50% 的猜对概率；最坏的情况，则是在过度分析之后，做出了错误决定。
新市场的最终格局，本来就是不可知的
新兴市场（Emerging Markets）的最终市场结构（Terminal Market Structure），从定义上来说，就是无法预测的。
那么，在市场尚未形成之前，我们应该怎么办？
作者认为，一共有三种选择。
第一种
等待市场成熟。
等市场结构稳定、TAM（总体可服务市场）确定之后再投资。
这样确实降低了风险。
但与此同时，你也会错过那些伴随着高风险而来的时代级收益（Generational Returns）。
第二种
继续用旧世界的方法分析新世界。
把过去几十年 VC 总结出来的一整套框架，硬套到 AI 身上。
结果就是：
陷入「分析瘫痪（Analysis Paralysis）」。
想得越多，越不敢下注。
第三种（作者支持）
不要执着于预测市场。
而是：
把过去成功案例中共同出现的特征抽象出来，形成一套新的判断框架。
作者接下来提出的，就是这样一个框架。
「Outlier Components（异常优势）」框架
这个框架适用于：
- Growth Stage
- 中后期成长公司
不适用于：
- Series A
- 早期 Series B
框架非常简单：
如果一家公司拥有 1 个 Outlier Component，值得认真研究。
如果拥有 2 个以上，应该积极下注（Lean In）。
Outlier Component 一：异常增长（Outlier Growth）
公司的增长速度，必须位于：
同一批公司的前 0.1%。
不是 Top 10%。
不是 Top 1%。
而是：
Top 0.1%。
Outlier Component 二：异常客户获取能力（Outlier Customer Access）
公司拥有别人很难获得的客户关系。
例如：
- 独家渠道
- 难以复制的合作伙伴
- 极深的行业关系
- 网络效应形成的市场
这些都属于别人无法轻易进入的客户资源。
Outlier Component 三：异常团队（Outlier Team）
作者强调：
这里说的，不是：
- 很聪明
- 很能讲故事
- 很会融资
- 技术很强
这些硅谷太多了。
真正的问题只有一个：
这个团队是否曾经完成过行业 Top 0.1% 的事情？
例如：
- Anthropic 创始人打造了 GPT-3
- Rivian 创始人 RJ Scaringe 建立了 Rivian
- Arkady Volozh 创建了 Yandex
- Bret Taylor 就是 Bret Taylor（他的履历本身就是品牌）
这套框架与传统 VC 有什么不同？
传统 Growth 投资，更喜欢看：
- 行业顺风（Tailwind）
- 产品价值主张（Value Proposition）
- 财务指标（Top Quartile Metrics）
但是作者认为：
今天 AI 市场里，
一家公司的这些指标都可能很好，
却仍然永远成长不到真正的大公司。
原因就在于：
它没有任何一个 Outlier Component。
Outlier Growth 的代表公司
成长阶段融资时：
- Anthropic
- Cursor
- Cognition
- ClickHouse
- fal*
- Baseten
- Fireworks
- Modal
- OpenEvidence*
- Kalshi*
- Mercor
- Sierra
- Lovable
- Harvey
- Legora
（* 表示 Meritech 投资组合。）
注意事项 1
高速增长必须对应：
足够大的愿景。
不要过度分析：
公司未来是否真的能够实现这个愿景。
注意事项 2
如果增长很快，
但是客户流失严重（NDR <100%），
则不能算 Outlier Growth。
Outlier Customer Access 的代表
例如：
- Anthropic（Amazon GTM 合作）
- Abridge（Epic 独家合作）
- 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（Rivian、大众关系）
- Lumilens（大型云厂商）
- Sierra（Bret Taylor 人脉）
- ClickHouse（OSS 社区）
- Vercel（OSS 社区）
Outlier Team 的代表
例如：
- Anthropic（GPT-3 作者）
- Glean（Rubrik 联合创始人）
- Mind Robotics（Rivian 创始团队）
- OpenEvidence（Kensho 联合创始人）
- Nebius（Yandex 创始人）
- Sierra（Salesforce 联席 CEO）
- SSI（OpenAI 联合创始人）
为什么没有「技术护城河」？
作者特别指出：
很多人会问：
为什么没有
Outlier Technical Moat？
原因很简单：
今天，
真正拥有技术护城河的公司越来越少。
除了：
- SpaceX
- Waymo
- Tesla
几乎很难再找到。
甚至：
Anthropic 的优势，
更多来自：
- 规模
- 资本
- 先发优势
而不是技术知识产权（Technical IP）。
作者给出的投资建议
如果公司拥有：
1 个 Outlier Component
→ 值得认真研究。
拥有：
2 个以上
→ 应该积极下注。
例如：
Anthropic
- Outlier Growth
- Customer Access
- Team
ClickHouse
- Growth
- Customer Access
Kalshi
- Growth
- Customer Access
OpenEvidence
- Growth
- Customer Access
- Team
Sierra
- Growth
- Customer Access
- Team
那护城河怎么办？
作者认为：
这正是重点。
因为：
市场结构还没有形成的时候，护城河本身就是看不清的。
例如：
Cursor 有没有护城河？
Cognition 有没有护城河？
还是只是 Model Wrapper？
答案是：
现在没人知道。
最终取决于：
它们未来能够围绕企业客户建立多少上下文（Context）；
能够扩展多少产品；
模型本身创造多少价值；
平台（Harness）又创造多少价值。
这些事情，
今天没人知道。
因此：
这些公司现在的策略不是：
先建立护城河。
而是：
先做大规模（Scale），再建立护城河。
事实上，
规模本身，
就是最强的护城河之一。
因为规模会进一步带来：
- 更容易融资；
- 更低成本；
- 更强交叉销售能力；
- 更大的网络效应。
为什么这套框架不适用于早期公司？
因为：
对于 ARR 低于 2000 万美元的公司来说，
所谓 Outlier Components 往往还没有真正形成。
尤其是：
ToB 企业软件公司。
因此，
在这个阶段，
投资人仍然必须大量依赖：
对未来的预测。
有没有反例？
当然有。
很多拥有 Outlier Component 的公司，
最终仍然失败。
作者没有点名，
但表示：
对于每一家成功的、尚未产生收入却融资成功的 A+ 创始团队来说，
背后还有无数家：
- 融资过度；
- 始终没有找到 PMF（产品市场契合）；
- 最终失败的公司。
另一方面，
也存在很多后来成为超级公司的企业，
在成长阶段融资时，
其实并没有明显的 Outlier Components。
例如：
Cerebras
就是许多 Growth 投资人当年忽略的案例。
总结
作者最后承认：
世界上不存在一套适用于所有投资阶段的万能框架。
如果真的存在，
VC 行业也不会采用「2/20」（2% 管理费 + 20% Carry）这样的收费模式了。
但在当前 AI 行业高度不确定、市场结构尚未定型的时代，
这是他认为最有价值、也最实用的一套投资框架。
它的核心思想可以概括为一句话：
当未来无法预测时，与其试图预测市场，不如寻找那些已经展现出“异常优势（Outlier Components）”的公司。
