需要自行组装
原文：Some Assembly Required
作者：David Beisel, GP @ NextView
来源：SandHill.io #299 推荐阅读 · Guides, Case Studies, and Best Practices for Operating
上个月出了一份关于 AI 驱动风险投资的长篇报告。埋在第四十页的，是我们这个行业里任何人就这场 AI 转变所发表过的最诚实的一句话；紧接着下一句，则是最不诚实的一句。
这份调研是 Andre Retterath 的 Data Driven VC Landscape 2026，业内绘制自身 AI 采用地图的最佳作品第四版：345 家机构，风险投资里最拥抱 AI 的那一批，从工作流搭建者一直到拥有内部工程团队的基金。Retterath 以此为这个领域做了一件真正的好事，值得称赞。
先说诚实的那部分。被问到是什么在拖 VC 机构的后腿时，近一半受访者点名时间和带宽，41% 点名数据质量。报告说，那些正在掉队的机构，其实已经有了正确的工具。然后是那句话：「它们没能挤出时间，把这些工具嵌入到干净数据之上的真实工作流里。」
换句话说，成为一家 AI 驱动机构的约束，是那些必须亲手重塑这家机构的合伙人的注意力。
然后，紧接着下一句：「这正是智能体工具（agentic tooling）被设计来填补的缺口。」
他找到了一个时间瓶颈，然后开出了一张工具处方。
我不认为 Retterath 在不诚实。他相信第二句话，我们这个行业里几乎所有人也都相信——这正是为什么它是这个行业最不诚实的句子，而不是他个人的。我们自己也一直在写这句话，就算不写在文章里，也写在预算里：连续第三年，大多数机构计划在技术和 AI 栈上花更多钱（报告第 21 页），做预算时仿佛整件事的修复方案都在价目表上——因为管理费买到的就是这个。
几周前我在文章 A New Engine, Not a New Paint Job 里提出过一个版本的这个论点：
「你可以买软件。你可以授权数据。你可以雇几个工程师，把他们安置在角落里。这些东西，就其本身而言，产生不了一笔更好的投资。」
报告自己的数据也同意这一点，然后它还是伸手去拿工具。
麻烦在于算术。你买来的任何东西，都不会自己安装好。一个工具必须对准干净的数据，并接入你的流程在一周里实际运转的方式。是的，其中一部分工作你确实可以花钱买：数据管道、负责技术栈的工程师。
然而最后一步是不同的，而且它不是一项单一任务。教系统理解你们这家合伙机构把什么算作一家杰出公司，只能由那些知道这家基金相信什么的人来做，而这些人就是资深合伙人。必须有人决定：哪些判断允许系统自己做，哪些仍然要交给合伙人。必须有人一笔交易接一笔交易地坐下来，看它浮出的东西，告诉它在哪家公司的解读上读错了，直到它不再读错。这些工作，没有一件是你可以把一个工程师塞进角落去完成的。无论是货架上买来的，还是内部自建的，它终究是你们自己的。所以，嵌入过程的最后一段是劳动，这劳动的定价单位是合伙人的注意力，而合伙人的注意力在工具出现之前就已经稀缺。
这个瓶颈还超出投资决策本身。报告把 AI 映射到整家机构，而在每一项职能内部，都坐着一层没有任何供应商能填补的判断：什么样的介绍值得跟进，何时介入一家陷入困境的被投公司，LP 更新里该写什么、该省略什么。你可以买每一层周围的脚手架。层本身是这家机构的品味，只有持有这种品味的人才能把它安装进去。
Retterath 自己在报告发布几个月前就做过这个论证。在一篇关于 2030 年风险投资机构的二月文章里，他认为一家机构真正的护城河是它的品味，是它的「新核心 IP」——对手买不到的那一样东西，因为它蒸馏自这家机构自己积累下来的决策。我认为他完全正确。他的文章想象这种品味被编码进一个持续学习的算法。它对谁来做编码、这要耗费他们什么，着墨较少。
一个公允的反驳是：这正是「智能体」（agentic）这个词的全部含义。昨天的软件需要接线；智能体会自己接线。也许吧，最终会。但正是在这一版报告里，它自己宣布智能体 VC 已经「从概念变成了一个品类」，三分之一的受访机构现在自称 AI 主导，而时间仍然是他们首先点名的约束。智能体被设计来填补的缺口，仍是调研所显示的缺口。任何把真正的工作委托给智能体的人，大概都能猜到为什么。智能体把规格说明前置了：工具需要配置，智能体需要被告知你相信什么。
我知道那一层判断要付出什么代价，因为我最近刚付过一次——用时间，在我个人生活的一个侧面。我的数字健康数据至少散落在十几个地方。手腕上有健身追踪器，有 Strava 应用，有一个维生素补充剂追踪器，有我轮换使用过的三款不同跑步应用，还有一个虚拟私人教练训练应用（trainwell）。有一家在线实验室公司出的血检面板，还有我自己医生出的另一套；过去几年我把病史反复键入进上述每一个系统，也键入进 ChatGPT 和 Claude；最后还有这个冬天一次小伤让我停训后，物理治疗师让我用上的康复应用。为了找到一条摆脱疼痛的路，我终于坐下来，用我能拿到的最强 AI 模型，把这一切拉进同一幅图景。机器做了我多年来一直回避的那部分：把所有数据聚合、对账，放进一个中央仓库。
这幅图景仍然花掉了我半个周日下午——我必须从日历里护住这段时间——因为真正要紧的那部分，是只有我自己才能编排、才能为未来进展做好铺垫的工作。某个早晨身体感觉不对时，该信任哪一个恢复分数。我的伤病史对这周可以安全加码到什么程度意味着什么。我相信、并且会真正执行的，是哪一套训练计划。机器给了我数字，却没有给我这些数字是为了什么。它拥有全部智能，却没有任何答案。
现在把这放大到一家合伙机构。一家基金会交给机器的历史，是交易笔记、投委会辩论、以及对每一家后来成为独角兽、当时却被放过的公司的记忆。报告把这类专有数据称为「唯一不可复制的输入」，并直说「没有任何供应商能卖出你们自己机构所积累的东西」（第 42 页）。这是对的，而且这是容易的部分。然而一堆交易数据记录的是机构决定了什么，而不是它会把怎样的推理带进一家它从未见过的公司。而那个本应学会其余部分的循环——一笔交易接一笔交易——仍然跑在人身上：当有人告诉它一次解读是错的，或当一个结果终于落地时，它才会改进；而在风险投资里，那个结果要十年后才落地，如果它落地的话。把合伙机构真正相信的东西编码进去，就是我那个周末下午在机构尺度上的版本，而其中的每一个小时，都在与一份正在谈的条款清单、或一位今天就需要回电的被投创始人竞争。
上周我提出，胜出的机构将是那些最快把自己的判断编码下来的机构。这就是那件事的代价。
AI 并没有消除风险投资的瓶颈；它只是把瓶颈挪了个位置。
稀缺的合伙人小时，过去被用在一次一次地做判断。在一家真正重建自身的机构里，同样这些小时被用来把判断编码一次，好让机器能按规模做出那些例行判断。
有些机构会现在就花费这份注意力，有意识地，以它们本可以去追的交易为代价，然后在以后不再需要它。其他所有人则会继续做调研向我们展示的那件事：不断增加预算行项目，然后等着 AI 工具自己安装自己。
本文由 RecodeX 编译自 SandHill.io #299 推荐阅读，原文链接与作者见文首；原文版权归原作者所有，译文仅供学习交流，如有异议请联系我们处理。
