毛利率还重要吗？

是的，当然

在风险投资领域，公司的毛利率表现真的还重要吗？这个问题的明确答案是：当然重要，而且是非常重要。

然而，在过去的世界里（参见：transformer 模型出现之前），风险投资美妙的地方（也有些令人担忧的地方）在于，过去 25 年多来的假设一直是可获得风投支持的业务与真正强劲的毛利率是同义词。如果你没有至少 75%的毛利率，你的业务可能就不够可扩展，不值得风险投资。而这正是风险投资者关心的：可扩展性。如果你的毛利率超过 80%，你的固定成本基础很可能会保持相对稳定，无论你的公司规模有多大。这意味着随着收入增长，你的利润增长速度甚至可以超过收入增长速度。因此，你可以将现金积极地再投资于市场开拓、研发、合作伙伴关系或其他潜在的增长杠杆。这反过来意味着你可以增长得更加迅速。在最好的情况下，这会创造出二次方增长，并产生惊人的回报。

[当然，也有一些显著的例外，比如那些采用闪电扩张策略的公司，不惜一切代价向特定问题领域投入资本并快速增长，毛利率见鬼去吧。然而，真正成功的例子只有屈指可数的几个，而且大多数都像是异类（Twilio、Spotify）。]

由于对可扩展性的需求，风险投资行业找到了一些允许超强可扩展性的商业模式，比如 SaaS 和具有强网络效应的业务。正如你可能想象的那样，这些模式允许很好的利润率。这让这些公司能够积极投入资金。反过来，即使这些公司需要筹集更多资本，这也是可以接受的，因为毛利率如此强劲。当这些公司需要从自由现金流为负转为自由现金流为正时，它们能够有效地做到这一点，因为它们是高毛利率业务，这使得商业模式更加灵活。

有一个非常新近的案例研究展示了这种自由现金流弹性产生的惊人效果。后零利率时代的科技股必须迅速开启自由现金流生成，以重新赢得投资者信任。其中许多公司确实做到了：

SaaS 公司使用收入倍数估值是有原因的，这可能就是原因所在。

除了产生灵活的毛利率之外，软件之所以很酷，是因为你构建一次，然后可以销售一百万次。这就是可扩展性的定义。

然后人工智能出现了，开始让人们思考一些有趣的问题。比如， 这对软件行业整体意味着什么 ？

[为了明确立场，我并不是软件已死的悲观主义者。我认为像 Cursor 这样的工具能够帮助编写软件，意味着世界上会有更多的软件，而更多的软件意味着会有更多的问题需要解决，这反过来又需要更多的人和其他软件工具来帮助解决这些问题。只是情况会变得既更复杂又更简单。]

但人工智能的一个奇怪之处是，利润率并不一定那么高。LLMs 很昂贵，占用大量算力。而且这绝对不是构建一次、销售百万次的场景。

但是，计算成本正在下降。我们可能还有另一个摩尔定律在起作用。根据你听信的不同说法，成本将继续下降，每年可能下降多达 10 倍。摩尔定律之所以生效，很大程度上是因为该领域存在巨大的创新经济激励。LLM 计算成本也是如此。

但即便如此，AI 的本质是每个输出都是一个新的输出（某种意义上）。而且很有可能利润率永远达不到 SaaS 级别的利润率（尽管达到也并非不可能！）。

这对风险投资意味着什么？我一直在重读《创新者的窘境》（克莱顿·克里斯滕森，真是个了不起的人！），这让我想起了以下图表：

颠覆性创新通常采用与持续性创新不同的利润率模式。对 AI 公司而言重要的价值链可能与企业 SaaS 或其他传统风投支持的公司大不相同。

AI 工具的利润率模式很可能就是与 SaaS 公司（或其他高利润率科技商业模式）不同。新进入者可以利用利润率作为机会来打入市场。此外，AI 本质上应该让企业更具可扩展性，因为它是一个通缩工具——这意味着它应该能够减少构建和运营企业所需的劳动力。人力往往是企业组织架构中最昂贵的部分。在运营利润率方面，人力资本通常是最大的成本项目。因此，即使能够边际性地减少这部分成本，对底线现金流也会产生相当大的影响。诚然，这在某种程度上是一个逻辑跳跃。但是，尽管与 SaaS 同行相比，AI 驱动公司的毛利率可能会下降或受损，但它们的运营利润率可能会大幅改善。

所以虽然毛利率可能下降（可能！），但营业利润率可能会改善。当然，这里的风险在于营业利润率比毛利率灵活性要低得多，因此在困难时期，这种人工智能公司新的费用结构可能使现金流的启动变得更加棘手，但这是日后需要解决的问题。它们也可能具有更强的网络效应，随着时间推移也能推动边际价值上升——随着更多人使用该产品，产品会变得更好，等等。

在人工智能时代，毛利率可能不再是衡量可扩展性的唯一基准。但对于创始人和投资者而言，理解你的利润率结构为什么是这样的——以及它可能如何变化——比以往任何时候都更加重要。