盘点种子阶段
风险投资的新闻标题描述的是资金流向。更能揭示问题的指标是活跃创业公司的存量——而这一指标在种子阶段似乎正在收缩。
工作性论点
活跃的种子轮初创企业数量似乎正在萎缩，因为繁荣期后的创业批次退出速度快于新的种子轮融资对其的补充。
目标
存量
各批次种子轮公司现存数量。
峰值
2022年第三季度
模型估算的存续种子轮企业数量达到峰值。
方向
下降
AI 融资热潮未能抵消 2021 年后市场重置带来的流失。
四年前，我着手纠正创始人和投资人谈论初创公司估值时一个由来已久的误称。结果发现，这个问题比我意识到的更为棘手，而要给出恰当的修正，首先得解开几个谜题。这是两篇系列文章中的第一篇，旨在为那个答案铺路。
第一个洞见是： 处于活跃状态的种子轮初创公司数量正在萎缩。 缩减的未必是融资规模（无论是总融资额还是平均单轮规模），而是活跃的种子轮公司数量本身。
尽管 AI 热潮汹涌，如今退出数量已超过新的种子轮融资，而似乎还没有人注意到这一点。
加入 Syndicate
有数据支撑的科技经济学深度长文。全是洞见，没有噪音。
5000多名创始人、工程师和投资人正在阅读。
数据缺失
要提出这一论断，我需要有一种衡量任一时点“存活”的种子阶段公司总数的方法。令人惊讶的是，这一数据很难找到，因为并没有人持续追踪它。
这也不难理解——公司会宣布其最初的种子轮融资，可能还会公开庆祝拿到 A 轮融资，但通常不会宣布关停（颇具讽刺意味的是，这其实才是最常见的结局）。大多数公司只是悄然消亡（也就是人们所说的“ 安静离职 ”）。即便初创公司确实宣布了突然退出，PitchBook 之类的数据库也不一定会记录；而即使记录了，你也无法在总体性的“宏观”层面提取这些数据。
这就造成了数据缺失问题。这个问题并非无法绕开，但前提是必须对世界如何运转作出一些假设，从而能够较为合理地“猜测”缺失数据大致是什么样子。
在这种情况下，我需要对种子阶段公司的升级以及“死亡”/退出率作出假设。有了这些信息，我就可以依据这些升级和退出率的估算值，把过去和当前各个种子轮批次中仍然存活的公司加总起来，从而估算出仍在运营的种子阶段初创公司数量。
可观测流量
新增种子轮交易
种子轮融资告诉我们，哪些公司进入了这一总体。
部分可观测
晋级
A 轮融资表明，种子期公司何时成功走出种子阶段。
推断流量
退出与倒闭
关停和小额收购通常悄无声息，因此必须通过模型加以估算。
晋级统计
值得庆幸的是，关于晋级率还是有一些现成数据，我可以以多种方式加以利用。
我此前曾讨论过种子轮公司晋级至 A 轮的风向变化，尤其是在 2021 年繁荣期之后：
……在繁荣期完成种子轮融资的大量初创公司，如今正面临一场大崩盘……可以肯定地说，从种子轮晋级或存活到 A 轮的比率已下降逾一半。——The Series A Bust
这一点已有多个来源充分记录：
2021 年种子轮融资公司群体中，在两年内从种子轮走到 A 轮的公司比例大幅下降。
2019 年完成种子轮融资的公司中，有 27.5%在两年内进入了 A 轮。
2021 年完成种子轮融资的公司中，只有 17.6%已经“晋级”至下一轮融资。——Peter Walker（Carta）
如今很难相信，但在并不遥远的过去，曾有一段时间，超过 50%的种子轮公司都能“晋级”到 A 轮。如今这几乎难以想象，因为最近几批种子轮公司达到这一水平的趋势远低于此：
我将 S 曲线拟合到衡量种子轮转入 A 轮的各项基准指标上。这部分相对容易（是的，我知道它们并不是从零点精确起步；由于各种技术原因，这一点很难强制实现）：
不过，我还需要另外两样东西：
- 一些用于补充说明较早期 Seed 批次、而 Carta 及其他来源未予公布的信息，以及
- 某种将其锚定于 Series A 数据的方法，因为其中大部分代表 Seed 公司晋级到下一阶段。
换句话说， 我们模型所估算的晋级数量，应当与实际完成的 Series A 交易数量相对应。
我假设，所有 Series A 都“来自”某家属于此前某个批次的 Seed 公司。这并不完全准确：有些公司的首轮融资会直接就是 Series A。这种情况在更早以前比现在更常见。因此，为了保持简化，我在这里略微做了一点取巧，但我认为这是可以接受的。
我将其嵌入一个更大的统计模型中，以估算 Seed 晋级曲线随时间的演变，既匹配这两个基准，也匹配 Series A 交易的总体数据。实际上，我由此反推出在微观层面上推动宏观层面交易总量的底层各批次公司。我还对相邻批次施加了行为上“相似”的约束，以避免对数据过度拟合，导致不同批次之间出现不规则的波动。
| 输入 | 状态 | 在模型中的作用 | 主要警示因素 |
|---|---|---|---|
| 种子轮交易数量 | 观测值 | 定义了进入种子轮存量的公司流入量 | 数据覆盖永远不可能完美 |
| A 轮融资交易数量 | 观测值 | 验证模型估算的晋级数量与宏观市场活动相吻合 | 一些公司仍会跳过种子轮，直接从 A 轮开始 |
| 晋级率 | 基准化 | 决定了 Seed 轮到 A 轮曲线的形态 | 公开基准数据稀缺，且各批次之间并不均衡 |
| 关停 / 被收购 | 推算值 | 构成创业公司存量—流量核算中流出端的完整部分 | 关停往往悄无声息，因此其发生时点只能予以假定 |
这并不完美，但我在没有任何明显过拟合的情况下，仍然能够与总体数据实现相当不错的拟合：
这样做揭示出基础队列数据中的一些值得强调的有趣动态。
首先是晋级率。更准确地说：某一特定（按季度划分的）种子轮公司群体中，最终能够晋级到 A 轮的比例。下面我们可以看到这一指标随时间的变化趋势——在 2020 年初之前总体相当稳定，随后突然断崖式下跌：
根据该模型，我还可以估算一个批次的“半衰期”——即最终完成晋级的企业中，有50%实现晋级所需的时间。过去15年来，这一指标总体相当稳定，始终徘徊在6至8个季度之间。这里并没有太大变化。
最后，我估算了毕业拐点及最终饱和出现的速度，其中更高的“速度”意味着 S 曲线的弯曲程度更为激进。毕业曲线整体呈现出更为平缓的趋势，并随着时间推移而趋于温和（不必费心解读这些单位）。
以下是我估算的各届毕业曲线：
这有助于直观呈现毕业率的断崖式下滑，“前后对比”极为清晰。而新现实的形成，仅用了一个或两个季度。
不可避免之事：死亡与应税并购事件
正如我此前提到的那样，关于种子轮阶段公司的倒闭或退出，并没有明显的数据来源，因此我需要作出一些假设。
我假设，任何未能晋级至 A 轮融资的公司，都会以某种方式“退出”——要么关停，要么被收购。具体是哪种结果，对这项分析并不重要。
我进一步假设，每一批次中的公司都会沿着形状相同但终点不同的 S 曲线完成升级或退出：
- 例如，如果最终会升级的公司中有50%在第六个季度前已经完成升级，我就假设最终的退出事件（无论是被收购还是关停）中，也有一半在该时间点前发生。
- 当然，这并不完全真实——强势公司往往会比弱势公司放弃得更早拿到融资。但我认为在这里做一点近似处理是可以接受的，而且这也让我能够利用现有数据去推断我尚未掌握的数据。
这就给出了我们所需的最后一块拼图。 现在，我们已经掌握了所有流入项（新的 Seed 轮融资交易）和流出项（升级和退出）。在假设一个合理起点的前提下，我们就能估算出 Seed 阶段初创公司的活跃存量从过去到现在的变化情况。
存量与流量
把这些都理清之后，最后要做的事也是最简单的——只需在每个时间点把所有批次中“仍然存活”的公司（即尚未晋级或退出的公司）相加即可。
我得出的结果如下：
种子轮企业数量先是上升，随后见顶，继而下滑。 峰值大致出现在 2022 年第三季度，此后存续企业数量便一路断崖式下跌。
对我来说，这张图格外令人震惊的一点在于，尽管它几乎是从“晋级”数据中自然而然推导出来的，但据我所知，竟然从未有人费心把它构建出来。只要掌握了晋级数据，并对退出发生的时间作出一个合理假设，这张图就会顺理成章地呈现出来。
数据本身同样引人注目。也许是我忽略了，但我没有看到有人在讨论这样一个显而易见的经验事实：处于 Seed 阶段的公司总量正在下降。 尽管关于 AI 初创企业风险投资融资的夸张头条铺天盖地，但这股活动洪流并不足以弥补 2021 年后风险投资市场重置所流失的那部分活动。
从比率来看（即流量除以存量），模型估计，到 2024 年，仅退出一项（也就是不包括“晋级”）就已开始超过新的 Seed 融资。 每个季度，13%的活跃 Seed 初创企业正在关停或被收购 （我推测其中大多数是关停），而新的融资仅使这一池子扩大约 11%：
- 季度退出数量的上升值得关注，相较于历史常态的~6%，这一数字翻了一番
- 季度“毕业”数量虽有所下降，但似乎已触底
盘点现状
这项分析对那些在硅谷吸引眼球的头条新闻是否具有代表性提出了质疑：
- 是的——当前 AI 领域确实十分活跃，许多公司正获得融资，以正面切入这一机会。
- 与此同时，还有一大批在上一轮繁荣期获得融资的前 AI 时代公司“ 注定撑不过去 ”，而这一过程仍在整个体系中持续发酵。
尽管当前活动频繁， 处于种子轮阶段的公司总数仍在下降。
当你注意到每一家拿到融资的公司都与 AI 有关时，这一点也就不足为奇了。
- 那些本来很不错的、与 AI 无关的机会都去哪儿了？ 不可能所谓“真实”的机会集合 100%都与 AI 相关。
- 眼下必然存在大量未获得融资的机会，它们之所以拿不到钱，是因为投资人都把注意力锁定在 AI 上，同时仍在为此前所投那些与 AI 无关、处于 AI 浪潮之前、最终没有或不会成功的公司舔舐伤口。
早期创业公司的一批批队列正在被淘汰，而市场如今资助的商业模式也变得更加狭窄。这使得创业公司退出“基因池”的速度，超过了新鲜血液进入体系的速度。
这并非我最初想要发现的内容，但我很高兴偶然注意到了这一点。关于这一现象的讨论严重不足。
第二部分——那个促使我走上这条研究路径的估值误称——即将发布。
