三十年科技回报分析：价值积累、经验教训及未来启示

本文信息来源：generativevalue

下一个市值千亿美元的公司绝不会是前一个的翻版。

这话听起来显而易见，但我们总忍不住陷入模式匹配的陷阱。总在寻找下一个谷歌/脸书/亚马逊，或是某个领域的优步、某个行业的爱彼迎，以及”任何行业都适用的 AI 代理”。

为了避免被每周的新潮流裹挟，我们必须回望历史。正如丘吉尔所言：“回首愈深远，前瞻愈长远。”

因此我决定对近代创立的大型企业进行分析。不囿于表面叙事，而是遵循数据指引，用莫布森的话来说——保持外部视角！

因果思维是一种自然而然的叙事方式。它既能有力预测未来，也能令人信服地解释过去。我们的大脑擅长编织浅显的叙事来解释周遭世界发生的一切。

第二种方法是统计思维，通常被称为外部视角。与基于因果链编织故事不同，统计方法会考察过去同类案例的实际发生情况。参照类别的结果被称为基准比率。

因此本文将深入探讨：

  1. 过去30年科技行业价值增长的数据

  2. 价值积累的启示

  3. 这些启示或许能为当今科技投资指明方向

核心观点：

  1. 下一个千亿美元市值的公司绝不会是前者的翻版

  2. 了解你参与的游戏规则：是追求本垒打、满贯全垒打，还是像《太空大灌篮》之于棒球（目标是冲出外太空）

  3. 软件如同鸡肉，80%尝起来都差不多

  4. “市场规模”可能是伟大投资者错过伟大公司的最大原因

  5. 企业往往与其所乘的技术浪潮如出一辙

  6. 不提这一点将是我的失职：永远不要低估幂律法则的力量。

另外，我们上周发布了 Felicis 初创企业征集令 ，请务必查看我们热衷投资的重点领域。

方法论说明：由于绝大部分科技价值都集中在头部企业，我筛选了 Pitchbook 中 1995 年后成立、估值超 50 亿美元的所有 IT 类公司（注：不含亚马逊、英伟达、微软和苹果）。我借助 Claude 进行了公司分类，因此数据方向性上大致准确，但具体细节可能存在偏差。

让我们开始吧。

三十年科技投资回报数据

该数据集涵盖了价值13万亿美元的财富创造、300多家企业，横跨65个（！）细分领域。点击此处查看其中最成功企业的亮点：

关于幂律分布我已无需赘言，但必须指出：排名前七的企业几乎贡献了该数据集50%的价值。

由此得出首要且最重要的结论：

1. 下一个千亿美元级企业的模样绝不会是上一个的翻版。

首先，科技的价值是由非凡之人创立的非凡公司驱动的。正因其非凡特质，模式匹配更可能让我们错失伟大公司而非捕捉到它们。

若某公司的发展路径前所未有，便难以想象。1998 年如何估算谷歌的市场规模？2004 年又如何预测 Meta？ 这根本不可能。

以当前最非凡的 AI 公司 OpenAI 为例：它最初是作为非营利研究实验室成立的，缺乏明确技术愿景，失去了联合创始人，治理结构复杂，但正朝着成为史上最重要企业之一迈进 。可谓极致非凡。

最成功的企业没有”公开可比对象”。它们独一无二。巨头企业开创品类，这正是其难以被预见的原因。

尼尔·梅塔将其描述为寻找 “极少数能为人类创造绝大部分价值的创业者”

让我们从数据切入，看看1995年以来创立的巨头企业：

这些公司要么开创了自身所在的行业，要么以某种方式极大地拓展了行业边界，实质上相当于重新定义了行业（例如特斯拉）。

按类别分析数据会得出下一个重要结论：

2. 认清你参与的游戏类型：是本垒打、满贯全垒打，还是更像《太空大灌篮》之于棒球（目标是冲出大气层）。

如果我们回顾莫布森关于基准概率的概念，我认为投资这些不同类别的企业需要采用不同的思维模型。

大部分价值由消费类公司创造（ 幂律分布占据主导）。但企业软件公司的创立数量几乎是前者的两倍。

为直观呈现，我新增了”价值密度比”（Value/Company）这一列，用以观察不同行业的幂律分布程度：

过去 30 年间，消费类企业往往呈现网络驱动型市场特征，真正赢家通吃的格局。 若恰巧投资了这些巨头之一，唯一的错误往往就是低估了它们最终能达到的规模。 尤里·米尔纳以 100 亿美元估值投资 Facebook 便是例证。

如果企业能真正将网络效应融入商业模式，增长潜力将立竿见影地提升。

硬科技公司（任何从事硬件开发的企业）具有第二高的”本垒打概率”，主要因为这类企业生存更为艰难。通常需要更多资金、更长的规模化周期、更高的产品研发难度、更易遭遇融资挑战，且更难颠覆现有行业巨头。

但若能突破这些发展瓶颈，市场机遇往往极为可观。

但消费科技和硬科技领域只能容纳少数几家公司。正因如此，企业软件已成为不断扩张的风险投资版图中完美的投资载体。

在非赢家通吃的市场中快速扩张、护城河坚固且运营成本低的企业。在拥有众多风投基金的环境里，有更多可追逐的成功案例、更成熟的市场，总体而言风险大幅降低。但若押中宝，回报依然可观。这堪称对冲这个天生极高风险行业的完美配方。

3. 软件如同鸡肉，80%尝起来都差不多。

这句话我是从 Vista Equity Partners 创始人罗伯特·史密斯那里偷来的，他说：“软件公司尝起来都像鸡肉…他们卖的是不同的产品，但 80%的所作所为基本雷同。”

如果我们观察大多数大型企业软件公司，它们通常属于以下两类之一：

  1. 基于数据库构建并具有独特工作流程的应用程序

  2. 用于构建这些应用程序的基础设施

  3. 用于保护这些应用程序的安全方案

这并不是说这些公司没有差异化优势，而是它们的差异化比表面看起来要微妙得多。销售、营销和建立心智份额的重要性，即便不高于技术差异化，至少也与之相当。

在这个软件开发日益便捷、功能几天内就能被复制、AI 编程工具不断进步的世界里，软件领域的技术护城河可能仅限于独特的数据或集成能力。

关键在于，技术差异化往往并非企业软件公司的决定性因素。

在这种背景下，我发现”GPT 封装器”的论点非常有趣——它认为人工智能应用公司只是在重新打包 LLM。绝大多数企业软件公司本质上都是 SQL（或 NoSQL）数据库，只是为特定客户群体构建了独特的工作流程。

如果我们观察近期规模最大的人工智能企业应用公司，它们都是”LLM 封装器”。但这与我们过去十年在企业软件巨头身上看到的情况完全一致，而这些公司最终都成为了市值千亿美元以上的巨头！

正如我之前提到的，企业软件比其他领域风险更低、可预测性更强。但除了横向企业软件之外，市场规模看似表面的限制其实没那么严格。”这家公司能发展到多大？”和”这个市场有多大？”是两个截然不同的问题。

4. “市场规模”可能是投资者错过伟大公司的最大原因。

如果说人类有什么不擅长应对的，那就是不确定性。而新市场带来的恰恰就是不确定性。

Palantir、Shopify、Uber 等众多公司（或多或少）都开创了前所未有的新市场。

即便试图为本质上充满不确定性的问题强加确定性，也可能导致愚蠢的行为。

以 Aswath Damodaran 和 Bill Gurley 那场著名的关于 Uber 估值的论战为例。Gurley 的结论是：Uber 的潜在市场规模可能比 Damadoran 最初估计的高出 25 倍。

我研究了2010年以来成立、在公开市场获得最高倍数回报的公司，这可以说是一个被低估的指标。

几个规律逐渐显现：

  1. 投资者低估了市场规模，尤其是对市场扩张者或垂直市场而言：Shopify、Guidewire、Zillow、AppFolio 都曾被低估。同样在私募市场，投资者也低估了 Toast、ServiceTitan 等垂直领域软件公司。

  2. 当新商业模式超越旧模式时，企业会迎来估值倍数扩张的顺风： 特斯拉（最极端的例子）以及（程度较轻的）所有上市的软件公司，与它们所挑战的现有企业相比，都经历了估值倍数的重构。 如今仅特斯拉一家市值就接近 1 万亿美元，比它刚进入市场时所有大型汽车制造商的总市值还要高出两倍多。

  3. 投资者低估了平台的力量：ServiceNow、Palo Alto、Crowdstrike、Workday、Atlassian 和 Datadog 都通过扩展产品线扩大了市场。随着软件开发变得更容易，平台之间的技术差异逐渐缩小，使得客户更倾向于选择平台而非单一解决方案。在整合时期，成为平台方是明智之选！

这并不是说市场规模不重要，而是说：人们很容易在这方面犯错。

5. 企业的命运往往与其所处的技术浪潮息息相关

如果上一节是”市场规模分析”，那么这一节就是”时机分析”。创投圈常说的”为什么是现在？”这个问题其实在问：为什么这家公司之前没被创立？现在出现了什么新变化使得这家公司得以存在？

大多数情况下，是新技术浪潮为企业诞生创造了条件。如今是人工智能时代。在此之前是互联网，然后是移动互联网，接着是互联网与移动端的融合，再后来是云计算。

我们可以从下方图表看到各行业何时诞生了市值50亿美元以上的公司：

互联网将世界连接起来，催生了聚合平台的商业模式。

移动互联网更进一步，将网络装进每个人的口袋，开启了消费市场的无限可能。

金融科技是监管催生新技术产业的罕见案例，在 2010 年代后因 《杜宾修正案》 迎来爆发式增长 。

云计算是科技史上最具颠覆性的浪潮，仅凭一张信用卡就能开发软件，无需自建数据中心。

如今在 AI 时代，哪些企业将被解放？它们又将呈现怎样的形态？

  1. AI 编程工具将云计算推向新高度，使任何人都能开发软件，不再局限于专业程序员。这将引发类似云计算带来的软件爆发式增长。

  2. 它解锁了语音和文本工作流程自动化的能力。我们已经在编程、客服和 AI 笔录领域见证了这种趋势。但这将扩展到更多更多的应用场景。

这以我们前所未见的方式拓展了软件市场。仅举一例：在这份数据集中，没有一家法律软件公司估值超过 50 亿美元。而成立仅三年的 Harvey，估值已达 50 亿美元。

关于我们正在见证的 AI 变革，Rex Woodbury 提出了一个精彩的思想实验：

我很喜欢 Alfred Lin 对移动时代与云时代的类比。在移动时代，一个很有价值的思考方式是拆解 iPhone 的各项功能，然后预测每项功能可能催生哪些公司。他举的例子是：GPS 功能让配送员可以借助谷歌地图四处送餐，从而催生了 DoorDash。

新技术浪潮为新公司开启的机遇窗口转瞬即逝，而此刻我们正见证着这些企业破土而出。

6. 那么接下来会发生什么？

上周阅读威尔·杜兰特与阿里尔·杜兰特合著的 《历史的教训》 时，我注意到这段论述： 历史嘲弄所有试图将其纳入理论框架或逻辑轨道的努力；它肆意颠覆我们的概括，打破我们制定的所有规则；历史本质上是巴洛克式的。

或许这篇文章试图将最依赖异常现象的行业套入逻辑框架，本身就是一种愚蠢的尝试！

不变的是人性。如果我们用逆向思维来分析，人类难以想象指数级增长，难以应对异常情况，也难以处理不确定性。

为了应对这种不确定性，我们最好的办法是：

  1. 了解公司类别的”基准概率”（即可能发生的情况）

  2. 了解差异化的来源（在软件领域，有时主要来自销售和市场营销）

  3. 将市场规模视为对需解决问题的第一性原理推演，而非模式匹配活动

  4. 要明白每一波企业浪潮都是独特的，难以预测，而这正是好事

史蒂夫·乔布斯曾这样评价计算机：“我认为人类与高等灵长类动物的本质区别之一在于我们会制造工具…对我而言，计算机是人类迄今构想出的最非凡工具，它相当于我们思维的自行车。”

史蒂夫说得对。计算机释放了前所未有的创造力浪潮。

而现在，我们正见证着有史以来最伟大的思维自行车。生逢其时，何其有幸。

一如既往，感谢阅读！

免责声明第二条：本文所含信息不构成投资建议，亦不应被视为投资建议。投资者在投资本文讨论的任何证券前应自行做好尽职调查。虽然我力求信息准确，但无法保证其准确性或可靠性。本文基于个人观点，应仅作此理解，而非事实陈述。本网站发布或链接的博文及其他内容，以及在社交媒体和其他平台发布的观点仅代表我个人立场，不代表 Felicis Ventures Management Company, LLC 的观点。