喝点VC｜a16z应用团队：在如今软件可被快速构建的时代，护城河的重要性反而比以往任何时候都更高

喝点VC｜a16z应用团队：在如今软件可被快速构建的时代，护城河的重要性反而比以往任何时候都更高 喝点VC｜a16z应用团队：在如今软件可被快速构建的时代，护城河的重要性反而比以往任何时候都更高 Modified February 4 比如说， MrBeast 五年前有多少订阅者，你现在直接去 YouTube 就能看到；但如果你想知道他十年前的订阅数，那才是真正具备专有价值的信息。很多时候，所谓的 “ 专有性 ” 并不是因为数据本身不公开 —— 恰恰相反，几乎所有人都可以去收集这些免费的数据 —— 而是因为价值是在时间中逐渐累积起来的。类似的例子还有很多，比如你完全可以去摩门教会查到自己的家谱信息，他们大概率也会给你，你并不一定非要为 Ancestry.com 付费；但现实是，直接用 Ancestry.com 要方便得多，也比你专门飞一趟犹他州简单得多。很多时候，人们愿意付费，并不是因为信息本身拿不到，而是因为有人已经把这些信息数字化、整理好，并以一种更容易理解、更容易使用的形式交付出来。这也正是为什么大家会选择去用 LexisNexis 。 这也是为什么人们会去使用很多这样的服务商：有时候是因为它们是市场上唯一的选择，有时候是因为它们是最好的选择，但在今天，越来越重要的一点在于 —— 它们能够直接交付一个 “ 成品 ” 。而且这对终端客户来说，反而还能省钱，因为我其实并不是真的想去买一堆 LexisNexis 的原始数据，我真正想知道的只是：这笔交易到底该不该做、该接受还是该拒绝。 为了得到这个答案，背后通常需要大量的数据补充、复杂的工作流，以及分析师的判断 —— 比如在金融服务公司里，你会雇一名反欺诈分析师来告诉你到底发生了什么，而他所依赖的 “ 原材料 ” ，正是 LexisNexis 这类信息。 但如果某家公司本身就掌握着这些独一无二的数据来源，那么从某种意义上说，这反而是一个对 incumbents 非常有利的局面，因为他们完全有能力在此基础上做出更多、更高价值的产品。 Jen Kha ： 你怎么看现在正在出现的那一类白领服务领域的 AIroll ups ，也就是把高度垂直化的软件和服务能力结合在一起的一体化公司？ Alex Rampell ： 是的，我大概在两年前写过一篇文章，标题叫《 Barbarians at the Gate 》。不过在这里， “ 野蛮人 ” 指的是那些手握 AI 、正在冲击传统行业的玩家，这个说法其实是向 20 世纪 80 年代 RJR Nabisco 那笔著名并购案以及后来写成的那本书致敬。我觉得这里面真正有意思的一点在于，我们擅长做的事情其实是：发现那种注定会改变世界的人，但他们自己一开始也未必清楚具体要怎么做，而我们相当于是买了一张 “ 深度虚值的看涨期权 ” 。与此同时，市面上也有很多私募股权公司，它们的强项在于另一套打法，比如大规模裁员、把业务外包到菲律宾之类的地方，通过各种方式压缩成本 —— 这也是当下私募股权正在重点关注的一条路径。与此同时，我们在这个领域里也确实下了一些注，只是对象都是非常、非常聪明的创业者。 但现实是，作为一名会计，真正的问题从来不是 “ 我能不能接更多客户 ” ，而是我根本招不到足够多的注册会计师来帮客户报税。最难的其实是获客 —— 你得去商会活动跑关系，过程非常艰难。你几乎不可能指望买下一家会计师事务所，然后仅仅靠所谓的成本协同，就一下子多服务一万名客户。真正可行的路径更像是：买下一家会计师事务所，花九个月时间把它整合好，再去买第二家、第三家 …… 当然，最终确实能形成价值，但你可能需要收购 200 家会计师事务所，才能拼出一家看起来很有意思的公司。而到那个时候，市场上大概率已经有一家中端市场的私募机构，按照同样的剧本操作了几百次，经验更成熟、执行也会比你更好。 另一方面，其实还有一种我们觉得非常有意思的策略： 与其自己从零搭建一个销售团队，不如直接买一个现成的。 举个例子，在债务催收这个领域，我完全可以收购一家已经上市的催收公司 —— 它有大量员工，但效率不高、合规也做得不好，经常踩法律红线。而我这边已经打造了一套自己非常相信的工具，也希望能真正 “ 自己先用起来 ” （ dogfood ）。那与其慢慢推向市场，不如先通过收购，把这个现成的组织变成我产品的第一个、也是最真实的应用场景。 我现在一个客户都没有，但我可以去收购一家收入在下滑的公司，它可能只有五个蓝筹客户，我用三倍 EBITDA 的价格把它买下来。然后我用 AI 去彻底改造这家公司，这样一来，我不需要再去买第二家、第三家、第四家了。我可以直接对外说：我们的回款率更高，我们已经有五个非常优质、非常认可我们的客户，而且价格还更低。那客户会不会愿意？当然会 —— 谁不想更省力、又更赚钱？而关键在于，我已经有真实客户作为背书了，接下来我就可以在这次收购的基础上，持续引入一千个新客户。这条路径，其实是非常有吸引力的。 所以问题就在于：你到底是在做哪一种？是那种 “ 我们要把 100 家牙科诊所 roll up 起来，然后把它们变得更好 ” 的模式，还是去 roll up 皮肤科诊所？我有个朋友就在做皮肤科诊所的 roll up 。但说实话，我并不觉得我们擅长玩这套游戏。问题在于，皮肤科诊所这种业务，你在圣卡洛斯买下一家，并不会对你在佛罗里达做任何事情产生帮助，你还是得在那边继续一家一家地买。 这和会计行业是一样的，对比之下，像债务催收这种业务是高度全国化的。你只需要买下一家公司，它就可以成为你的切入点。但这里面本质上是一个机会成本的问题：我是去雇一支销售团队慢慢卖，还是反过来想 —— 如果最好的公司拥有的是 “ 人质 ” 而不是客户，那我是不是应该直接买下一家已经停滞、甚至在萎缩的公司，因为它们根本不知道该如何应对 AI ？而且说实话，所有这些公司 —— 几乎每一家债务催收公司 —— 如果不去研究怎么用 AI ，才是真的不理性。所以这最终又回到了那个老问题： 这是创业公司与 incumbents 之间的一场正面博弈。 但这里确实存在一个很有意思的机会，我们也已经在 MSP （ managed service provider ， IT 托管服务） 这个领域做过一次布局。原因在于，现在很多事情已经不再是 “ 走进一家有 50 个人的律所办公室去修打印机 ” 了，而是把客户接入 Microsoft Office 、云系统、协作工具等，这一整套几乎都可以远程完成，本质上是一个高度数字化的体验。这是一个规模接近 1000 亿美元的市场，也因此变得更有吸引力 —— 因为我可以通过这种方式直接吸纳和服务客户，而不是必须去收购成百上千家本地化的小公司。当然我们谈论的所有这些事情，它们也适用于消费者。 从企业到消费者：同一套逻辑正在复现 图片来源： a16z Anish A ： 本质上， Consumer AI 的模式也是完全一样的。第一个也是非常重要的一点是， 传统品类正在走向 AI native ， 而且这件事已经在发生了。比如 Photoshop ，本身当然是一门非常成功的生意，但如果你是一名刚刚起步的年轻设计师，你会怎么选？你更可能去用一个从一开始就是 AI native 的 Photoshop ，而这个角色现在由 Krea 来扮演。 Krea 推出大概只有一年半左右，但它是一个非常出色的产品，把所有 AI 的基础能力都原生地整合进去了，也正因此，它正在成为很多职业早期设计师选择的第一款设计工具。所以，现有品类向 AI native 转型，这件事已经非常清晰地发生在我们眼前了。 图片来源： a16z 第二类是品类创造， ElevenLabs 就是一个非常精彩的例子。五年前，语音和音频模型这个市场几乎是不存在的，最多也就是配音演员或语音转写这样非常小众、并不那么有吸引力的细分领域。而 ElevenLabs 做的是一件野心得多的事情 —— 他们本身就是模型提供方，同时既有 consumer 的产品形态，也有 enterprise 级别的 SKU 。正因为他们做了垂直整合，才能在极短的时间内真正抓住这个机会，把一个原本不存在的市场直接做成一个全新的品类。 最后一类是专有数据。 Alex 刚才讲到专有数据，这一点对我来说非常有共鸣，因为我曾在一家以专有数据为核心的大型消费互联网公司工作了很多年，也就是 Credit Karma ，我亲眼见过这套打法是如何奏效的，而且效果非常好。我们在一项投资中也看到了它在 consumer AI 里的具体体现，那家公司叫 Slingshot 。 Slingshot 做的是 AI 心理治疗，它的数据是怎么来的？他们并不是凭空生成数据，而是从现有的治疗师入手，为这些治疗师提供一个 AI 记录工具，在治疗师与患者交流的过程中实时做笔记，然后用这些真实生成的治疗记录来训练基础模型，再基于这个模型打造一个面向消费者的产品，并直接卖给消费者。当然， OpenAI 和 ChatGPT 都非常强大，但它们并不掌握 Slingshot 所拥有的这些专有数据，因此 Slingshot 能够提供差异化明显、定价更高的产品，而且市场反馈也非常好。 所以， Alex 提到的这些观察，其实正在 consumer AI 领域一一应验，也和我们在这三个方向上的整体投资方法高度一致。 这里面有一个非常合理、也经常被问到的问题：那为什么最后不会是 OpenAI 、或者像 ElevenLabs 这样的大模型公司，甚至是那些真正拥有强大模型能力的大科技公司，比如 Google ，把所有机会都赢走呢？ 原因在于，在很多品类里， 做模型的聚合层反而比只依赖单一模型更有优势 。一个大家都很熟悉的类比是机票搜索：你从旧金山飞纽约时，用 Kayak 会比直接去看达美或联合航空要有用得多，因为 Kayak 能同时查看所有航空公司的库存，而不是只看一家。同样的逻辑也适用于 vibe coding 、创意工具等领域 —— 你真正想要的是所有模型的访问权 。这是因为不同模型各自有不同的专长，它们并不是完全可互换的，你往往希望在同一个界面里灵活调用它们。而大模型实验室或大型科技公司，从定义上来说，通常只能使用自家的第一方模型。也正因为如此，我们看到 “ 聚合层 ” 在这些场景中持续胜出，这也是 consumer AI 领域里一个非常重要的趋势和投资判断原则。 投资人视角：如何在极快变化中不押错 图片来源： a16z Alex Rampell ： 关键的一点，其实大家对这个框架都不陌生了：我们的工作是找到好机会、拿下交易、赢得投资，而在投后真正重要的是，帮助这些公司实现他们的目标。更重要的一点是，千万不要因为给了糟糕的建议、指手画脚而把事情搞砸 ——CEO 才是最清楚该怎么做的人，我们的角色是建议与支持，而不是替他们决策。我们之所以能做到这一点，是因为我们努力成为每一个所投资市场里的领导者和专家，会持续产出基准和认知，比如我们马上要发布一套非常有意思的 AI 生产力基准，专门衡量不同类别里的生成式 AI 效率表现。这类工作本身就非常有价值，也确实很酷。 团队里的每个人常用一个说法来形容我们的工作：这是一份 “ 流程中断型 ” 的工作。也就是说，只要出现一笔极其、极其、极其令人兴奋的交易，我们的默认反应就是 —— 立刻去见，放下手头所有事情。这一点从我妻子和孩子的角度来看，确实有点 “ 灾难性 ” ，因为这种情况现在几乎每周都会发生：我得取消原来的安排，因为要去和某位创业者吃饭，对方觉得自己发现的不是 “ 青春之泉 ” ，而是 “ 永动机 ”—— 至少他们自己是这么认为的。所以先去见人、先去了解，这是流程的一部分。至于真正的 “ 过程 ” ，更多是在这些高密度的接触中不断校准判断、寻找真正值得下注的例子。 总会有人做出一个 “ 取代 Salesforce 的 Salesforce” 。不是因为 Salesforce 抓住了那么多 “ 人质 ” ，而是因为一定会有人从 greenfield 出发，重新做一套 AI native 的 Salesforce—— 这并不难理解，毕竟几乎所有人都讨厌用 Salesforce 。一定会有一家新公司把这件事做得更好。那么问题就在于，我们如何确保自己有能力去发现它、选择它、赢下它，并在投后真正支持好这笔投资？ 我们的答案是：我们更相信 “ 逆向筛选 ” ，而不是 “ 正向筛选 ” 。 如果一笔交易已经在市场上晃了六个月，价格还很便宜，那大概率不是好项目，我们甚至不太想去见；我们想见的是最好的公司。而如果它真的是最好的公司，几乎所有一线风投都会想见它，都会派出最强的合伙人去争取这笔交易，赢下来本身就非常难。所以我们能做的起点，就是把认知做到极致。我们写了那篇《 The Death of Salesforce 》的文章，也拍了视频，讲为什么 AI 会重塑销售体系， Joe Schmidt 和 Marc Andreessen 团队一起做的内容，播放量达到了几十万，效果非常夸张。几乎所有人都想和他们聊。但归根结底，真正重要的是：你到底懂不懂自己在说什么。我们做过 “ 死亡、税收和 AI” ，系统性研究了税务；我们也在看陪伴型产品；最近我们还做了诸如 “Top50 企业级应用 ”“Top50 消费级应用 ” 这样的整理。有人半开玩笑、半调侃地说我们像一家 “ 用风投变现的媒体公司 ” ，但其实这里面是有方法论的 —— 所有这些事情，最终都是为了帮我们更好地发现交易、判断交易，并赢下交易。 图片来源： a16z 虽然我们经常会被 “ 流程中断 ” ，但同时我们也有一套非常高频、非常系统的内容产出和研究节奏，通过持续发布观点、深耕具体赛道，真正成为某些领域里的专家，从而找到那些处在 “ 正向选择 ” 中的创业者，也就是正在把事情做到最好的那一批人。 一个很好的例子是 RLI ，如果你去和 RLI 的 CEO Nick Copp 聊，或者问 Sema 的情况，你会发现 Mark 和 Driscoll 对这个细分领域的理解非常深入，而那次我们参与的是一个竞争极其激烈的 B 轮融资过程。回到这张图本身，核心其实很简单： 大多数公司都会面临两类共性问题，一类是如何把公司规模化、确保收入持续大于支出、把基本的经营结构跑顺；另一类则是，如何真正搭建并扩张一支高效的销售团队。 在另一边，是我刚才提到的那些内容型的 “ 生成者 ” ，比如 Mark 、 Olivia 、 Joe 、 Kimberly 和 Gabe 。就拿 Kimberly 来说吧，我可以点名表扬一下 —— 有一家叫 Decagon 的公司，就是她促成了两位联合创始人的相识； Joe 也写了很多非常出色的内容，因此吸引了大量优秀的人主动找到他。这些人通过持续输出高质量的研究和观点，不断把最优秀的创业者和项目吸引到我们面前。 我们希望确保，无论是有人离开、还是有人遇到意外、或者发生任何不可预期的情况，创业者在和我们合作时的整体体验始终是非常好的。回到这家机构最初的起点，当年我们有一个很明确的原则：只招那些真正 “ 干过事 ” 的人 —— 要么是做过高管，要么是创过业。说实话，我当初加入也是基于这个逻辑，因为不管好坏，我确实既经营过公司，也创办过公司。但后来我们意识到，找到好项目这件事，并不只依赖这一种背景。像 Olivia 这样的人，在发现优秀项目、深耕专业领域上的能力几乎是无可替代的 —— 我之前也提到过她在语音领域的专业度。所以，如果不让她站在最前线，作为 SPE 的代表去和创业者合作、去发掘这些顶级项目，那反而才是不理性的选择。 Jen Kha ： 顺着这个问题再追问一句：在这背后是否有一套流程或机制来做校验？具体来说，投资决策是如何进行的？是不是可以理解为每位合伙人都有一笔可以自主支配的投资额度，而不需要逐笔去走统一的投资审批？还是说，这套机制在不同阶段已经发生过变化？ Alex Rampell ： 如果一定要说有没有变化的话，我们其实非常强调 “ 高确定性 ” 的判断。我觉得我、 David 还有 Aisha 的核心职责，是确保整个流程是对的，因为风投里一个非常常见、几乎是本能的错误是：我年纪大了，我不用社交应用，为什么会有人想发那种阅后即焚的消息？这太蠢了，算了，不投。结果往往是，一个真正聪明、可能只有二十四岁的同事，每天都在用这个产品，认识这个创业者，非常笃定地告诉你 “ 这是我见过最棒的东西 ” ，却被一个 “ 老家伙 ” 一票否决掉了。而正确的流程并不是这样。是的，我们确实会给合伙人一定程度的自主投资额度，但更重要的是，确保不会因为个人偏好、代际差异或主观成见，而在流程上把真正好的机会扼杀掉。 我们的投资委员会更多是在确认一件事：我们是否非常确信整个流程是被严格执行过的 —— 你是否见过所有关键竞争对手，研究工作是否足够扎实，而在这些前提之下，我们往往会尊重、也会让位于那个真正 “ 身处一线 ” 的人。我们的角色只是确保流程到位、把好第二道钥匙，所以这本质上是一个 “ 双钥匙 ” 机制，而且整体是高度以信念驱动的。我知道这可能没有完全回答你的问题，但我们并不是那种所有人投票、必须凑够多少票数、再夹杂各种政治博弈的委员会模式。尤其是在种子轮阶段 —— 而我们现在其实在做很多种子投资 —— 情况会更微妙一些。对于我们主要关注的、相对较小额度的投资，我们更倾向于相信那个拥有强烈信念的人，同时确保整个端到端的流程是完整的、严谨的，并且这个判断确实来自真正懂这个领域、知道自己在做什么的专家。 Jen Kha ： 能不能谈一谈团队的演进和变化？包括你们是如何看待团队里 “ 出手投资的人 ” （ check writers ）的能力扩展的，如何评估成员的晋升路径，以及在最近几次晋升和 check writer 角色演化的背景下，未来是否还会继续引入新的成员？ Alex Rampell ： 是的，我觉得我们内部经常非常坦率地讨论的一点是： 相比单纯扩大 “ 容量 ” ，我们更想要的是杠杆。 我们的确有能力去做很多很多笔交易，但前提是 —— 如果这是一笔世界级的好交易，我们必须假设，对面的竞争者可能是红杉的合伙人、 Accel 的顶级合伙人，或者是 Greylock 的 Reid Hoffman 。如果是一笔真正优秀的交易，这些人都会非常活跃。创业者也一定会想和尽可能多的人交流，而且往往会被那些曾经创办过多十亿美元级公司的创始人所吸引 —— 这其实完全合理，也理应如此。所以如果要说我们未来可能会重点补充的一个方向，那大概是这样的人：他们曾经打造过一家接近 “ 代际级别 ” 的公司，但同时，作为投资人依然保持着非常强烈的进取心和饥饿感。 这绝对不是一份 “ 退休型 ” 的工作，恰恰相反，这是一份反退休的工作，强度大到足以把人逼到想退休的程度。有时候你真的要一天工作二十个小时。我孩子经常拿这件事取笑我，说你不就是整天和人喝咖啡吗，这也算工作？但实际上，你得喝很多咖啡，对咖啡要有极高的耐受度，然后到下午五点可能还得切换到酒精状态。这份工作真的非常辛苦。当然玩笑归玩笑，核心在于 —— 你必须有能力、也愿意去和几乎所有人见面交流。 当遇到真正顶级的机会时，难点就在于如何判断这是 “ 做错 ” （ commission error ）还是 “ 错过 ” （ omission error ）。 我们必须确保自己不会犯后者，尤其是在像 ERP 这样的赛道上 —— 如果选错了，不只是亏掉这一笔钱的问题，而是因为没投中真正的赢家，等于错失了一个巨大的、几乎无限的回报。所以我们必须始终紧跟所有关键人物，确保团队由真正的领域专家组成，是那些创业者都愿意主动来见的人。我不确定这是不是完全回答了你的问题，但我想补充的一点是：当需要去赢下一笔 “ 超级交易 ” 的时候，我们往往是一起出现的，而不是单兵作战。 我们会去 Mark 家吃顿饭， Ben 也会到场，大家一起出现，不只是这个核心团队，而是再加上一些在关键时刻能站出来、在赢交易上起到决定性作用、同时在董事会层面具备足够威望的人。这一点对我们来说非常有帮助。我们就是这样用 Brian 、用 Andy 的，我自己在很大程度上也是承担类似的角色。归根结底，我们希望尽可能拿到更多的 ownership ，而从这个角度看，未来我们可能确实需要在更资深的层级补充一些人 —— 不是为了找交易、也不是为了选交易，而是在关键时刻帮助赢下交易。当然，我们并不想把任何人当成 “ 只是帮忙赢交易的工具人 ” ，但从能力和容量的角度来看，这种角色确实非常重要。 Jen Kha ： 接下来我们这边其实有两类问题合在一起问：一类是关于 AI native 公司目前在客户留存上的一些观察，另一类是关于这类公司在做企业级销售时所需要的规模化投入和销售成本。也许 David 或 Anish 可以一起来回答这个问题。 Anish A ： 我可以先聊一聊客户留存这一点。到目前为止，我们并没有看到大量 “ 比价后频繁切换供应商 ” 的情况。我认为一个很关键的原因在于， 那些向企业销售的 AI 初创公司，必须围绕底层能力构建一个足够丰富的软件生态。 正如 David 在讲语音时提到的那样，仅仅提供 “ 语音能力 ” 本身是必要条件，但远远不构成充分条件。 真正决定留存的，是你是否在这个能力之上叠加了完整的工作流、上下游集成和持续可用的产品体验，而不是一个可以被随时替换的单点功能。 Alex Rampell ： 具体到 voice capability 这一点，我觉得结论其实很清晰： 那些围绕核心能力构建了完整、丰富产品生态的公司，客户留存明显做得更好 。另外一个重要原因是， AI 的演进速度实在太快了，很多企业客户已经不再把这些初创公司仅仅当作 “ 某一个功能的供应商 ” ，而是把它们视为整体的 AI 解决方案伙伴。他们期待这些公司帮自己理解正在发生什么、下一步该用什么、如何把新的能力真正落到业务中。由于新的 primitives 几乎每天都在出现，这些初创公司实际上在帮助客户持续向前演进，同时也帮助他们抓住由新技术带来的大量收入增长。到目前为止，至少在企业端，客户留存并不是一个问题；而在消费端，我们同样也看到了非常积极、健康的留存信号。 Ancestry.com Ancestry.com 比如说， MrBeast 五年前有多少订阅者，你现在直接去 YouTube 就能看到；但如果你想知道他十年前的订阅数，那才是真正具备专有价值的信息。很多时候，所谓的 “ 专有性 ” 并不是因为数据本身不公开 —— 恰恰相反，几乎所有人都可以去收集这些免费的数据 —— 而是因为价值是在时间中逐渐累积起来的。类似的例子还有很多，比如你完全可以去摩门教会查到自己的家谱信息，他们大概率也会给你，你并不一定非要为 Ancestry.com 付费；但现实是，直接用 Ancestry.com 要方便得多，也比你专门飞一趟犹他州简单得多。很多时候，人们愿意付费，并不是因为信息本身拿不到，而是因为有人已经把这些信息数字化、整理好，并以一种更容易理解、更容易使用的形式交付出来。这也正是为什么大家会选择去用 LexisNexis 。 Ancestry.com Ancestry.com 这也是为什么人们会去使用很多这样的服务商：有时候是因为它们是市场上唯一的选择，有时候是因为它们是最好的选择，但在今天，越来越重要的一点在于 —— 它们能够直接交付一个 “ 成品 ” 。而且这对终端客户来说，反而还能省钱，因为我其实并不是真的想去买一堆 LexisNexis 的原始数据，我真正想知道的只是：这笔交易到底该不该做、该接受还是该拒绝。 为了得到这个答案，背后通常需要大量的数据补充、复杂的工作流，以及分析师的判断 —— 比如在金融服务公司里，你会雇一名反欺诈分析师来告诉你到底发生了什么，而他所依赖的 “ 原材料 ” ，正是 LexisNexis 这类信息。 但如果某家公司本身就掌握着这些独一无二的数据来源，那么从某种意义上说，这反而是一个对 incumbents 非常有利的局面，因为他们完全有能力在此基础上做出更多、更高价值的产品。 Jen Kha ： 你怎么看现在正在出现的那一类白领服务领域的 AIroll ups ，也就是把高度垂直化的软件和服务能力结合在一起的一体化公司？ Alex Rampell ： 是的，我大概在两年前写过一篇文章，标题叫《 Barbarians at the Gate 》。不过在这里， “ 野蛮人 ” 指的是那些手握 AI 、正在冲击传统行业的玩家，这个说法其实是向 20 世纪 80 年代 RJR Nabisco 那笔著名并购案以及后来写成的那本书致敬。我觉得这里面真正有意思的一点在于，我们擅长做的事情其实是：发现那种注定会改变世界的人，但他们自己一开始也未必清楚具体要怎么做，而我们相当于是买了一张 “ 深度虚值的看涨期权 ” 。与此同时，市面上也有很多私募股权公司，它们的强项在于另一套打法，比如大规模裁员、把业务外包到菲律宾之类的地方，通过各种方式压缩成本 —— 这也是当下私募股权正在重点关注的一条路径。与此同时，我们在这个领域里也确实下了一些注，只是对象都是非常、非常聪明的创业者。 但现实是，作为一名会计，真正的问题从来不是 “ 我能不能接更多客户 ” ，而是我根本招不到足够多的注册会计师来帮客户报税。最难的其实是获客 —— 你得去商会活动跑关系，过程非常艰难。你几乎不可能指望买下一家会计师事务所，然后仅仅靠所谓的成本协同，就一下子多服务一万名客户。真正可行的路径更像是：买下一家会计师事务所，花九个月时间把它整合好，再去买第二家、第三家 …… 当然，最终确实能形成价值，但你可能需要收购 200 家会计师事务所，才能拼出一家看起来很有意思的公司。而到那个时候，市场上大概率已经有一家中端市场的私募机构，按照同样的剧本操作了几百次，经验更成熟、执行也会比你更好。 另一方面，其实还有一种我们觉得非常有意思的策略： 与其自己从零搭建一个销售团队，不如直接买一个现成的。 举个例子，在债务催收这个领域，我完全可以收购一家已经上市的催收公司 —— 它有大量员工，但效率不高、合规也做得不好，经常踩法律红线。而我这边已经打造了一套自己非常相信的工具，也希望能真正 “ 自己先用起来 ” （ dogfood ）。那与其慢慢推向市场，不如先通过收购，把这个现成的组织变成我产品的第一个、也是最真实的应用场景。 我现在一个客户都没有，但我可以去收购一家收入在下滑的公司，它可能只有五个蓝筹客户，我用三倍 EBITDA 的价格把它买下来。然后我用 AI 去彻底改造这家公司，这样一来，我不需要再去买第二家、第三家、第四家了。我可以直接对外说：我们的回款率更高，我们已经有五个非常优质、非常认可我们的客户，而且价格还更低。那客户会不会愿意？当然会 —— 谁不想更省力、又更赚钱？而关键在于，我已经有真实客户作为背书了，接下来我就可以在这次收购的基础上，持续引入一千个新客户。这条路径，其实是非常有吸引力的。 所以问题就在于：你到底是在做哪一种？是那种 “ 我们要把 100 家牙科诊所 roll up 起来，然后把它们变得更好 ” 的模式，还是去 roll up 皮肤科诊所？我有个朋友就在做皮肤科诊所的 roll up 。但说实话，我并不觉得我们擅长玩这套游戏。问题在于，皮肤科诊所这种业务，你在圣卡洛斯买下一家，并不会对你在佛罗里达做任何事情产生帮助，你还是得在那边继续一家一家地买。 这和会计行业是一样的，对比之下，像债务催收这种业务是高度全国化的。你只需要买下一家公司，它就可以成为你的切入点。但这里面本质上是一个机会成本的问题：我是去雇一支销售团队慢慢卖，还是反过来想 —— 如果最好的公司拥有的是 “ 人质 ” 而不是客户，那我是不是应该直接买下一家已经停滞、甚至在萎缩的公司，因为它们根本不知道该如何应对 AI ？而且说实话，所有这些公司 —— 几乎每一家债务催收公司 —— 如果不去研究怎么用 AI ，才是真的不理性。所以这最终又回到了那个老问题： 这是创业公司与 incumbents 之间的一场正面博弈。 但这里确实存在一个很有意思的机会，我们也已经在 MSP （ managed service provider ， IT 托管服务） 这个领域做过一次布局。原因在于，现在很多事情已经不再是 “ 走进一家有 50 个人的律所办公室去修打印机 ” 了，而是把客户接入 Microsoft Office 、云系统、协作工具等，这一整套几乎都可以远程完成，本质上是一个高度数字化的体验。这是一个规模接近 1000 亿美元的市场，也因此变得更有吸引力 —— 因为我可以通过这种方式直接吸纳和服务客户，而不是必须去收购成百上千家本地化的小公司。当然我们谈论的所有这些事情，它们也适用于消费者。 从企业到消费者：同一套逻辑正在复现 图片来源： a16z Anish A ： 本质上，