卢卡斯·斯威舍：掌控未来的20家公司

Lucas Swisher 是 Coatue 增长基金的联合负责人，很少参与播客节目。在与 Harry Stebbings 在 20VC 上的对话中，他阐述了一个增长阶段投资的框架，几乎将所有传统的 SaaS 指标都视为过时。他的核心观点是：我们正处于技术史上最大的价值创造事件之中，而旧的估值、利润分析和投资组合构建规则将会让你一败涂地。

本期节目

Swisher 的投资组合包括 OpenAI、Anthropic、Harvey、Canva、Deel 和 Open Evidence。他之前曾在 Kleiner Perkins 在 Mary Meeker 手下工作，职业生涯始于在 Insight Partners 担任分析师，每周给 50 位 CEO 打陌生电话，当时他年仅 19 岁。对话内容涵盖了 SaaS 估值危机、为何私人市场现在掌握着未来、如何评估以每年 10-50 倍速度增长的公司、广撒网式投资的消亡、AI 领域的利润动态、造王者是否真实存在、OpenAI 与 Anthropic 的对比，以及从他合作过的两位最优秀的投资者那里学到的经验教训。

SaaS 的终值首次受到质疑

几十年来，SaaS 公司一直被视为保险年金：具有可预测利润池的永久性收入来源。Anthropic、OpenAI 等公司的 AI 编码模型打破了这一假设。现在，投资者几乎可以为每家上市的 SaaS 公司构建一个牛市情景和一个熊市情景。

以一个设计工具为例。你可以认为它将整合 AI 以产生比以往更大的价值。或者你可以指出，人们现在只是在 ChatGPT 中创建设计。当整个行业都存在这种程度的模糊性时，大多数投资者都会直接退出。

“For the first time ever with this AI wave, people are questioning the terminal value of SaaS.” 在这次 AI 浪潮中，人们有史以来第一次开始质疑 SaaS 的终值。

Swisher 发现了两种复合动态。首先，当终值不确定时，基于股票的薪酬会计优势就会消失。其次，投资者无法区分哪些公司会受到影响。结果是整个行业的撤退。他关注的领先指标是：连续收入增长、净新增 ARR 轨迹和留存动态。但由于盈利数据具有追溯性，未来 3-9 个月的可见性非常有限。

Harry 提出了公募与私募市场套利的问题。Monday.com 的交易价格是收入的 1.5 倍。Wix 的市值为 45 亿美元，收入为 20 亿美元，交易价格是收入的 2.5 倍。与 100 亿美元的私募融资相比，这难道不是更好的风险调整吗？Swisher 的回答令人惊讶：看起来便宜的东西往往有其便宜的原因。

未来实际所在

Harry 分享了一个发人深省的观察：当被问及他最看好的三只股票时，他提到了 Anthropic、Revolut 和 Open Evidence。这些公司都没有在公开市场上上市。十年前，它们中的所有公司可能都已经在这个阶段上市了。

Swisher 用数据证实了这一趋势。全球大约存在 20 家私人“平台公司”，其中 18 家在十年前就已经上市了。它们规模庞大，增长速度远超公开市场上的任何公司，并且是多产品公司。但它们选择保持私有化。

对于公开市场投资者来说，这意味着在结构上被排除在未来之外。如果你想长期押注“代币工厂”理论，押注人类输入将变为机器输入，你必须持有私人公司的股份。公开市场为你提供了一些机会，但持久的 30% 以上的增长几乎完全存在于私人公司中。

公司保持私有化是有充分理由的，但 Swisher 认为存在限制。三种力量最终会将它们推向公开市场：大规模的真实资本（真正的流动性，而不是分层的 SPV）、公开市场作为强大的反馈机制（他引用了 Netflix 从光盘到流媒体的转型，公开分析师提供了有价值的早期压力），以及通过规模进行保护。当你是一家大型上市公司时，竞争对手或对手很难与你作对。

估值最后考虑

Coatue 的框架颠倒了传统的顺序。当一家公司以每年 10 倍或 50 倍的速度增长时，估值是他们最后尝试回答的问题。

计算如下：一家 ARR 为 2000 万美元的公司，其融资后估值为 30 亿美元，这看起来很疯狂。但如果 ARR 在第一年达到 2 亿美元，第二年达到 6 亿美元，第三年达到 30 亿美元，那么进入点实际上是很便宜的。Lovable 的案例使这一点具体化：在 A 轮融资时，收入为 300 万美元。到法律文件完成时，收入为 2000 万美元。倍数从 70 倍降至 10 倍，但价格没有变化。

“Price does matter, but I think it matters least.” 价格确实重要，但我认为它最不重要。

这种弹性方法的前提条件是：公司必须位于一个巨大的 TAM 中。Coatue 内部测试过去是“这能成为一家市值 100 亿美元的上市公司吗？”这个门槛已经提高了。现在的问题是，一家公司能否成为一家持久的市值 500-1000 亿美元以上的实体。

Swisher 的试金石非常简单：如果公司执行良好并在六个月内以两倍的估值进行融资，你是否愿意投入更多资金？如果答案是肯定的，那么当前的价格是合适的。如果你不想以 2 倍的价格投资，你也不应该以 1 倍的价格投资。

幂律比你想象的更极端

Swisher 引用了一个应该让每位投资组合经理都感到震惊的统计数据：

“20 companies have generated 80% of the enterprise value. Four companies have generated 65%.” 20 家公司创造了 80% 的企业价值。4 家公司创造了 65%。

这是整个私人市场。20 家公司，占所有企业价值的 80%。4 家公司，占 65%。这意味着：风险投资和增长投资的一切都是为了进入这些公司。没有什么能与之相提并论。

Coatue 的策略直接遵循这一点：少量投资，大额支票。广撒网式投资方法之所以失败，是因为当结果的分布如此极端时，你无法承担将时间和资源投入到错误公司的代价。

Jeff Horing（Insight Partners）告诉 Swisher，最好的融资是加倍融资。首先获得机会，然后在公司以更高的价格证明自己时部署更多资本。Brian Singerman（Founders Fund）阐述了一个补充观点：下一个翻倍远比第一个容易。Harvey 从 60 亿美元增长到 120 亿美元比一家公司从零增长到 60 亿美元容易得多。

Coatue 有一个违反直觉的内部数据集：当你向上移动市值范围时，增长 10 倍的公司的百分比实际上会增加。一家市值在 100-1000 亿美元的公司比早期阶段的公司更有可能实现 10 倍的增长。这颠覆了早期阶段意味着更高倍数的传统观念。

市场规模胜过创始人质量（几乎）

Harry 强调了这种紧张关系：你需要巨大的市场，还是需要卓越的创始人？Swisher 的回答是细致入微的，但最终是明确的：市场规模至上。

在一个小市场中拥有一位伟大的创始人，并且拥有一个不易扩张的楔子，将建立一家令人难以置信的企业。但如果没有庞大的核心市场和背后的宏观趋势，几乎不可能达到 1000 亿美元。最好的创始人不是一开始就拥有宏伟愿景的人（Swisher 和 Stebbings 都认为“创始人愿景”被高估了），而是那些能够在多个 S 曲线中重塑自己公司的人。

Databricks 是一个典型的例子。Ali Ghodsi 带领公司经历了至少四次重塑：ELT 数据转换、模型训练、所有企业数据的中心，以及现在的 AI 时代工作负载。大多数创始人在第一波浪潮中就会停止。

“You unlock the next chapter through progression and continuing.” 你通过进步和持续来解锁下一个篇章。

Canva 遵循相同的模式。Melanie Perkins 和 Cliff Obrecht 从一家年鉴业务起家，转型到线上，转向 SaaS，现在运营着一套十几个产品的套件。Swisher 指出，Cliff 在 ChatGPT 推出之前就打电话给 Coatue 讨论整合 AI，这表明了将平台公司与单一产品公司区分开来的那种预见性思维。

利润很重要，但不是你想象的那样

传统的 SaaS 要求 80% 的毛利率。Swisher 认为，将此标准应用于 AI 公司是一个类别错误。

超大规模企业早期的利润率很低。Snowflake 和 Databricks 早期的利润率很低。许多投资者错过了这些融资，因为“在 SaaS 中，你必须有 80% 的毛利率。”这些错过代价高昂。

在 AI 领域，推理成本下降得如此之快，以至于今天的利润率状况具有误导性。一家两个季度前利润率为负的公司今天可能达到 10%，并且随着它在复杂工作负载的前沿模型、日常任务的专有模型以及其他一切的廉价小型模型之间进行优化，它正朝着盈利能力迈进。

“Margin matters, but early it can be a misleading indicator.” 利润很重要，但早期它可能是一个具有误导性的指标。

关键的重新定义：AI 公司的毛利率将低于 SaaS（既要支付云成本，又要支付 LLM 成本），但它们的运营利润率实际上可能更高。AI 工具使工程、销售和法律团队的效率大大提高，以 SaaS 公司永远无法做到的方式压缩了运营支出。最终结果可能是更好的终端经济效益，尽管在输入层面的单位经济效益更差。

但对于低利润率的 AI 公司来说，有一条硬性规定。如果你的毛利率很低，那么你的留存率必须非常出色。没有犯错的余地（字面意思）。一个错误的举动，一个客户流失高峰，低利润率的企业就没有缓冲。

种子轮投资的挤压

Swisher 直言不讳：成为一名种子轮投资者从未如此困难。两种力量正在压缩经济效益。

首先，大型基金可以通过压倒性的条款来摧毁种子轮的经济效益。Harry 分享了一个案例：他的基金以 1500 万美元的投前估值提供了 300 万美元。一家大型基金以 1 亿美元的估值投入了 1000 万美元，没有清算优先权。Harry 告诉创始人接受这笔交易。

其次，AI 初创公司比 SaaS 初创公司需要更多的资本。它们的构建需要更多的资本，这意味着更大的种子轮融资，更高的估值，这意味着购买更少的股权。结构性优势在于，这些资本密集型企业在规模上可能更具防御性（下一个进入者更难），但无论如何，种子轮投资者的经济效益都会受到压缩。

对于一个 30 亿美元的种子基金来说，计算几乎是不可能的：很难在实际产生流动性的少数公司中获得足够的股权。对于 50 亿美元以上的增长基金来说，计算是可行的，因为公司保持私有化的时间更长（从而能够进行数十亿美元的单轮投资），而且 AI 时代的结果比 SaaS 产生的任何结果都大。

造王者并不真实（但它有帮助）

“I don’t think the kingmaking concept is a real thing.” 我不认为造王者的概念是真实存在的。

Swisher 区分了优势和决定论。更多的资本是一种优势，尤其是在一家公司拥有真正的产品市场契合度并且需要积极招聘时。但是，Coatue、红杉和 Kleiner 都投资一家公司意味着竞争对手游戏结束的想法？这太过分了。

一些拥有过多资本和产品市场契合度不足的公司实际上处于不利地位。没有产品市场契合度的资本会滋生自满情绪。

Philippe Laffont（Coatue 的创始人）有一个反复出现的框架：

“Who’s going to want to help you and who’s going to want to hurt you? Because that ultimately matters.” 谁会想帮助你，谁会想伤害你？因为这最终很重要。

让许多人投资于你的成功是一个强大的地位。但这并非命运。Swisher 引用了 Snowflake 和 Databricks：Coatue 是同时投资这两家公司的唯一私人投资者，而且它们最初在完全不同的领域起步，然后发展成为竞争对手。大市场自然会产生重叠的赌注。

OpenAI 与 Anthropic：两种截然不同的理论

Harry 让 Swisher 陷入困境：一美元，投资 OpenAI 还是 Anthropic？Swisher 没有选择，但对两者都进行了深入的分析。

OpenAI 的牛市情景建立在三个支柱之上。一个令人难以置信的消费者特许经营权，拥有出色的留存率和增长。通过 Codex 和编码实现新兴的企业实力。以及一张王牌：收购 Jony Ive 创造了一个类似于 SpaceX 的“未知未知”的上升向量。你如何评估 5-10 年后的硬件业务？

Anthropic 的牛市情景更具结构性。编码是一个出色的战略重点，因为它是第一个真正起飞的 AI 用例，而且由于数字世界中的一切都是代码，因此在编码方面的优势为 Anthropic 提供了所有企业分析任务的滩头阵地。

但在 Swisher 看来，最被低估的优势是 Anthropic 的基础设施战略。从第一天起，他们就设计在每个云和每个芯片平台上运行：Trainium、TPU 和 GPU。在一个计算受限的世界中，需求超过供应，能够吸收其他人无法使用的容量使它们更具成本效益，并为它们提供了其他人没有的部署灵活性。

“Who’s going to want to help you and who’s going to want to hurt you? Because that ultimately matters.” 谁会想帮助你，谁会想伤害你？因为这最终很重要。

Swisher 隐含地应用了 Laffont 的框架：Anthropic 有更多的实体希望它成功，因为它同时是每个主要云和芯片供应商的客户和合作伙伴。

数据前提

Swisher 曾在 Kleiner Perkins 为 Mary Meeker 工作。她的教训是：能够用 Excel 中的几行表达一家复杂的公司，用数据讲述故事，通过浏览第 95 个单元格来发现错误。当数据讲述其他人错过的故事时，她具有一种非凡的逆势而上的能力。

但数据有局限性。Thomas Laffont 曾在 Databricks 投资委员会期间告诉 Swisher：

“You’re missing the forest for the trees. Just because net new ARR didn’t accelerate in a quarter doesn’t mean the trend isn’t happening.” 你只见树木，不见森林。仅仅因为净新增 ARR 在一个季度没有加速，并不意味着这种趋势没有发生。

Swisher 的综合：

“Data is a prerequisite. It is not the answer.” 数据是一个前提。它不是答案。

Mamoon Hamid 向他展示了另一面。Swisher 认为 Mamoon 是 SaaS 时代最好的 A 轮投资者：Figma、Glean、Rippling、Slack。他的超能力是以几乎没有数据的情况下识别拐点。

Figma 的故事说明了这一点。当 Figma 的 ARR 为 50 万美元时，Swisher 准备了数据，而当时的共识赢家是 InVision。Mamoon 看了 30 秒，看到了 Google、Square 和 Amazon 内部的使用曲线，然后说“我们要做。”三十秒。五十万美元的 ARR。他看到了转折点。

摆脱线性道路

Swisher 职业生涯中最艰难的决定是离开 Insight Partners 加入 Kleiner Perkins。他的人生一直是一系列线性选择：SAT、哈佛、Insight。作为他几乎不认识的一家公司的唯一合伙人独自前往西海岸是他第一个真正非线性的举动。

“The safe path is so much less safe than you think. The risky path is actually less risky than you think.” 安全的道路远没有你想象的那么安全。冒险的道路实际上没有你想象的那么冒险。

他最大的投资失误：错过了 Anduril 的十亿美元融资。作为当时一位专注于 SaaS、以损益为导向的投资者，他看到了一份难看的损益表，然后就离开了。他错过了创始团队和国防科技的宏大趋势。这是他自己职业生涯中“只见树木，不见森林”的最明显例子。

在未来十年中最让他兴奋的是：产品本身。今年使用 Claude Code 改变了他对代币将真正取代人类劳动投入的信念。十二个月前，他还没有完全相信。现在他相信了。从助理世界到代理世界的转变是通过个人经验发生的，而不是通过理论论证。

“The outcomes this generation in technology are going to be so much bigger than the outcomes from the last generation.” 这一代在技术方面的成果将比上一代的成果大得多。

一些观察

这次对话最有价值的地方不是任何单一的见解，而是其框架的连贯性。Swisher 并没有提供技巧；他描述了一个在所有旧系统都在崩溃的时期进行增长投资的集成系统。

• 20 家公司创造 80% 价值的统计数据是单个最重要的数据点。 如果这是真的（Coatue 的数据是专有的，但很具体），这意味着绝大多数私人市场投资都是噪音。唯一重要的是进入这 20 家公司。
• 估值最后考虑是违反直觉的，但在内部是一致的。 如果幂律如此极端，指数增长如此之快，那么痴迷于进入倍数就是在优化错误的变量。重要的变量是你是否进入了正确的公司。
• 利润重构值得更多关注。 由于 AI 驱动的运营支出效率，毛利率较低但运营利润率较高是一个真正新颖的结构性论点。如果正确，这意味着 AI 公司在传统的 SaaS 指标上看起来会更糟，但实际上是更好的企业。
• Anthropic 的多芯片战略作为竞争优势是最被低估的见解。 大多数 AI 竞争分析都侧重于模型质量。Swisher 侧重于基础设施的可选性：谁可以使用其他人无法使用的容量？在一个供应受限的世界中，这是一个首要问题。
• 种子轮的挤压是结构性的，而不是周期性的。 更高的起始估值、更需要资本的企业以及愿意提供荒谬条款的大型基金结合在一起，从根本上压缩了种子轮的经济效益。这不是一个阶段；这是新的格局。