刚刚，Meta宣布以数十亿美元收购AI智能体公司Manus，这是Meta成立以来第三大收购案，仅次于WhatsApp和Scale AI。Manus创始人肖弘将出任Meta副总裁。
这不是Benchmark第一次把所投公司卖给扎克伯格。2011年，Benchmark合伙人Matt Cohler领投了Instagram的700万美元A轮融资，彼时估值仅2000万美元。14个月后，Facebook以10亿美元收购Instagram，公司估值翻了50倍。值得一提的是，Cohler本人就是Facebook最早的七名员工之一——2005年加入，担任产品副总裁直到2008年，然后跳槽Benchmark做合伙人。某种程度上，他把Facebook的产品直觉带进了Benchmark的投资判断。
如今历史重演。今年4月，Benchmark领投了Manus的B轮融资，彼时估值接近5亿美元。从投资到被Meta数十亿美元收购，不到9个月。
所以这个时间点了解一下Benchmark的投资方法论，应该会很有趣。今年7月，Benchmark现任最资深合伙人Peter Fenton做客播客节目Uncapped with Jack Altman（他是OpenAI CEO 山姆·奥特曼的弟弟），进行了一场长达77分钟的对话。
他特别提到了Manus这家公司。当他询问团队的产品路线图时，得到的回答是“今天的路线图”——因为他们每天都在发布新版本。如今回看这段对话，Fenton当时的判断已被今天的收购所印证。
每天发布，没有路线图——这正是Fenton对AI时代创业公司的核心观察：传统的产品管理逻辑已经失效，取而代之的是“发现式”的高速迭代。而更深层的问题是：在这场变革中，硅谷为什么依然是最可能诞生下一个万亿美元公司的地方？风险投资行业本身是否也需要一场进化？
Fenton的回答，从一个意想不到的地方开始——达尔文的进化论。
1. 为什么硅谷还没有被取代
“过去50年，最大的智识进步可能是把达尔文主义泛化。”Fenton开门见山。
他解释说，进化论的三个核心机制——变异、选择、遗传——不仅适用于生物系统，也适用于城市、公司、甚至整个产业生态。硅谷就是一个典型的“进化中的有机体”。
变异是第一个机制。Fenton特别强调“计划外的变异”比“计划内的变异”更重要。他举了ChatGPT的例子：OpenAI最初并没有预料到这款产品会以如此方式引爆市场，这是一种“计划外的突变”。硅谷的优势在于，它有足够的容错空间让这种突变发生，并且不会因为失败而被排斥出局。“失败被当作学费，而不是羞耻。”
选择是第二个机制。在生物进化中，选择压力来自环境；在商业生态中，选择压力来自资本、用户和市场。Fenton认为，硅谷的资本市场效率极高，能够快速识别有潜力的“突变”并给予资源倾斜。“Benchmark以前有个信念：从创立到产品上线，如果超过9个月，成功概率就会大幅下降。”
遗传是第三个机制。每一家成功的公司，都会把创业经验传递给下一代创业者。“这些经验会复利般累积在整个硅谷生态系统中。”
2021到2022年间，硅谷曾经历一段“至暗时刻”。旧金山的城市问题被无限放大，远程办公让人们觉得“世界已经去中心化”，迈阿密和奥斯汀看起来正在崛起。但Fenton认为这种担忧是多余的。“城市是人类最好的发明之一，可能仅次于语言和火。城市的寿命远超任何一家财富500强公司——公司通常50年就死了，城市可以存续数百甚至数千年。”
硅谷不是一个被设计出来的系统，也不是完全放任的混沌状态。它是一种介于两者之间的“自适应有机体”。它能够容忍内部的混乱，同时又具备某种隐性的免疫系统来纠正过度偏离的行为。
他承认，硅谷生态系统偶尔也会“跑偏”。AI领域的“末日论”与“乐观论”之争就是一个例子。但这种内部张力本身也是健康的——它代表系统在进行自我校准。
2. 中国给硅谷上的一课
播客录制前约一个半月，Benchmark的合伙人集体去了一趟中国。Fenton说，这趟行程让他们“大开眼界”。
中国的AI生态与硅谷有一个结构性差异：它不是一个“地方”，而是分布式的。杭州、上海、北京各有各的生态，而在美国和欧洲，硅谷仍然是单一的中心。
但更让Fenton印象深刻的是“群体间竞争”的强度。他用进化生物学的概念来解释：如果你想提高一个生态系统的整体适应性，最有效的方式是让多个群体彼此竞争，然后识别出最成功的那个，让其他群体继承它的优势基因，再重新开始竞争。
中国有十几家无人驾驶公司在同时厮杀。在模型开发领域，字节跳动和腾讯内部都有多个团队在用不同策略追逐同一目标——视频模型、音频模型，各路人马并行不悖。
“这是一种我们可以向中国学习的思维方式。”
硅谷当然也有竞争。Anthropic和OpenAI虽然不是在争夺完全相同的奖项，但它们的邻近性创造了一种相互激励的张力。Fenton认为，硅谷生态系统的独特之处在于，这种竞争发生在一个共享的文化背景下——餐厅里、街头偶遇时，人们聊的都是同一件事。这种高频的、非正式的交流，本身就是一种强大的进化加速器。
还有一点让Fenton印象深刻：中国在具身AI（embodied AI，即机器人等实体化的人工智能）领域的进展。因为地理上靠近制造业和机器人供应链，中国企业在这个方向上已经走出了一条自己的适应性路径，而这在硅谷还没有真正起步。
“具身机器人听起来像科幻片，但它似乎是不可避免的。只是我们不知道时间表。”他说，“它最终会进入我们的日常生活——可能从帮你叠衣服开始，一直到满足人类所有的需求。”
3. AI对创业公司意味着什么
Shopify的创始人Toby Lütke曾对Fenton说过一句话：如果AI技术在今天停止进步，光是把现有能力“收割”出来，就能创造20万亿美元的经济价值。
问题是，AI并没有停止进步。
Fenton认为，过去10到15年是一个“巨头的世界”。Meta、Google、Apple这些公司都建立在网络效应之上，增速超过30%还没有放缓的迹象。风险投资的回报率在这段时间里跑输了纳斯达克指数。
但AI带来的是一场“商业模式的错位”。这种错位的规模，Fenton认为是他职业生涯中见过的最大一次，甚至超过了SaaS（软件即服务）的出现。
当商业模式发生错位时，新的巨型公司就会诞生。Fenton预测，未来三到五年，会有三到五家市值达到万亿美元级别的公司出现，而它们在2022年之前都不存在。OpenAI已经是其中之一。
但硅谷的特点是“快速”。Benchmark曾经相信，“从创意到产品上线少于9个月”是成功的高相关因素。这种对速度的执念塑造了整个开发者的创业文化。
Fenton承认，AI时代的早期阶段可能是个例外。基础模型的研发需要大量资本和长期投入，这看起来更像传统的研发实验室而不是精益创业。但他认为，一旦走出研发阶段，应用层的竞争仍然会回归“快”。
这就是为什么他押注Manus这样的公司。传统的产品管理——访谈用户、确定需求优先级、制定路线图、让工程师按计划开发——在AI时代不再适用。取而代之的是一种“发现模式”：把产品扔进市场，观察用户反应，快速响应。
Manus就是这种模式的典型代表。
Fenton还提出了一个他在每次新投资中都会问的问题：如果基础模型在未来提升一个数量级，这家创业公司的机会是变大了还是变小了？他的判断是，超过80%的公司会发现自己的机会消失了——模型的进化会吞噬掉它们发明的东西。
能够在这个问题上给出正面答案的公司，才是值得押注的对象。
4. 巨头会不会被颠覆
Google是一个有趣的案例。AI革命的许多核心研究人员都曾在Google工作，但这场革命的最大赢家看起来并不是Google。
Fenton用“适应性地形”（adaptive landscape）来解释这个现象。当一家公司通过持续优化走到了某座山峰的顶端，它的商业模式、内部逻辑、组织惯性都已经围绕这座山峰形成了稳定的平衡。然后，市场环境发生剧变，新的山峰出现在别处。这时候，公司需要先从自己的山峰上走下来，穿过山谷，再爬上新的山峰。
“爬下山是一种灵魂出窍的体验。这是商业模式层面的恐惧。”
克里斯坦森的“创新者的窘境”（Innovator‘s Dilemma）描述的是大公司因为服务高端客户而被低端颠覆的过程。Fenton认为AI时代的挑战有所不同：大公司并非看不到新事物，真正难的是鼓起勇气从旧山峰上下来、重新攀登。
历史上成功完成这种跨越的案例很少，而且通常是由创始人来推动的。苹果推出iPhone，亚马逊推出AWS，Netflix从DVD邮寄转向流媒体——这些都是在创始人主导下完成的痛苦转型。
“你建立起来的文化、内部系统、各种阻力实在太大了。”
Fenton的判断是：巨头不会被消灭，但它们会被新一代公司超越。“我们对Meta、Google、Apple的成功表示敬意，但我们都知道，50年后它们会被超越。而做这件事的人，就在这里，就在硅谷。”
5. 风险投资行业的进化与病变
达尔文主义不仅适用于创业公司，也适用于投资它们的风险投资行业本身。
Fenton的观察是：过去十年，风投行业处于一个“营养丰富但选择压力较低”的环境。资金源源不断地流入，有限合伙人（LP）把风投作为一种制度化的资产类别来配置，即便整体回报率跑不赢纳斯达克，资金也没有显著撤离。
在这种环境下，机构天然有动力去扩大规模——募集更大的基金意味着更多的管理费。Fenton认为，这种扩张在某些情况下是健康的适应，但在另一些情况下是“癌变”。
“癌细胞存活的方式之一，是躲过免疫系统的检测。”
有限合伙人本应是整个系统的“免疫系统”，负责淘汰表现不佳的管理人。但他们似乎变得非常有耐心。Fenton把这归结为激励机制的扭曲：LP的评估周期、账面浮盈的统计方式、对品牌基金的路径依赖，都在削弱选择压力。
这并不是在批评所有大型基金。他对Andreessen Horowitz和Sequoia这样有意识地扩张、并努力为创业者提供更多资源的机构表示尊重。但他也认为，在“营养丰富”的环境里，很容易把激励机制（赚更多管理费）转化成价值观（规模化服务创业者），而这种转化未必是有意识的。
Benchmark采取了一条完全不同的路径：基金规模刻意保持在小体量，合伙人人数控制在5人左右（加减1人），每个人都是完全平等的合伙人，没有任何人对品牌或公司有“所有权”。
这种模式背后的逻辑，来自进化生物学中的“多层次选择理论”（multi-level selection）。
Fenton用大富翁游戏来打比方：通常的玩法是打败桌上的其他三个人，最大化自己的现金。但如果房间里有五张桌子，每张桌子四个人，新规则是哪张桌子在四小时后总财富最多——游戏的性质就变了。
在新规则下，你不是在跟队友竞争，而是在跟隔壁桌竞争。你会把自己的公园大道分给队友，换取他手里的另一个地产，让整张桌子的财富增长。
“Benchmark就是这样运作的。”
他讲了一个HeyGen的故事。投资接近尾声时，创始人Joshua说：“其他机构都进了我们的data room（尽调资料库）做尽调，但你们还没进。”Fenton的回答是：“进去不会有好事。”他已经从对话中判断出Joshua和团队在做的事情，进data room只会让他找出一堆问题来动摇这个判断。“我们的LP可能不喜欢听我这么说，但这就是我们的做法。”
如果他来设计一家大型基金，他会采用“群体间竞争”的模式：组建多个5到7人的小团队，让它们彼此竞争，然后把最成功团队的策略推广到其他团队。但他不想做这件事，因为他想亲自参与游戏，而不是设计游戏规则。
6. 与创始人建立关系的三种路径
播客主持人Jack Altman问了一个实际的问题：顶级创始人往往已经被市场知晓，你怎么在见到他们的时候胜出？
Fenton的回答是，首先你要见到那个人。“寿司吧转盘”上滑过来的东西，通常不是最好的寿司。那些非凡的创始人，往往是你需要主动去找的。
他把发掘创始人的方法分为三类。
第一种是成为某个领域的专家。你深耕某个赛道，成为意见领袖，让优秀的创业者主动找上门。Fred Wilson在社交网络领域就是这样做的——他在博客上持续输出，吸引了Tumblr和Twitter的创始人。这条路径的风险是，真正优秀的创业者往往比你更懂那个领域。
第二种是培养识别“非凡人类”的能力。Fenton说，他遇到某些创始人时，会有一种“oceanic feeling”（汪洋般的感觉）——一种直觉，告诉他这个人有某种超越常规的特质。
他举了Snap创始人Evan Spiegel的例子。Spiegel当时说，社交媒体剥夺了人们“在不自我审视的情况下分享”的能力，当你带着自我审视分享时，六七八岁时形成的羞耻感和被排斥的恐惧就会被激活——他想把这种能力还给人们。
“听完这番话，我有一种汪洋般的感觉。这个人一旦开始做这件事，它就会不断复利、不断成长。”
他能够回忆起过去一年里只有几次会议给他留下了这种印象。其中一次就是与Cursor创始人Michael Truell的会面。“市面上有40家编程公司，但六分钟之内你就能感受到，这个人有一种别人没有的清晰度。五分钟，足够做出决定。”
第三种是成为商业模式的专家。Fenton的前合伙人Bill Gurley就是这方面的典范。他并不是某个具体领域（比如餐饮或出行）的专家，而是“双边市场”这种商业模式的专家。无论是OpenTable还是Uber，他看到的都是网络效应的系统性激活。
这三种路径可以叠加。Fenton自己的切入点是开源软件——他在2003年投资了JBoss的创始人Marc Fleury，之后花了20多年深耕这个领域。一旦你在某个细分领域建立了实践根据地，很多东西就会变得更容易看到。
7. 胜出的关键：深度理解创始人的“为什么”
见到了优秀的创始人，下一步是说服他们选择你。
Fenton说，他早期犯过的一个错误是试图通过展示专业知识来赢得信任。“让我告诉你我在这个领域学到了什么……”这种方式在你还不安全、还在证明自己的时候很有诱惑力，但效果往往不好。因为那种“指导权”是需要通过多年合作才能赢得的。
真正有效的方式是：深度理解创始人在做的事情。这种理解要穿透表面，穿透“这是热门赛道”的判断，直抵他们的“为什么”。
“如果我真正理解了他们在做什么，而不是停留在表面层次，信任就会建立起来。”
然后，你要做的是帮助他们拓展视野。你们在对话中达成共识后，你可以说：“你有没有想过，在远处还有另一片风景？”
这种关系必须是双向的。你不能在五分钟内就说“太棒了，我要投”——即使你的内心已经做了决定。因为创始人也需要感到：这段关系是有张力的、是能让他成为更好的创业者的。
Fenton承认，这种深度关系不是每次都能建立。有些优秀的创始人，他只是觉得自己不是那个能为他们提供价值的人。反过来，有些公司可能是很好的投资标的，但关系本身不会激活他。
“我有一份‘折磨我’的名单——那些我见过、感受到了他们的非凡、却没有投资的人。Shopify的Toby就在这份名单上。”
8. 风险投资是年轻人的游戏
Fenton今年50多岁，是Benchmark现任合伙人中资历最深的一位。他说，自己正处于“在Benchmark的最后篇章”。
这是他对自己的要求，也是他从前辈那里继承的传统。
“如果你看风投行业的历史，除了软银的孙正义——他是一个完全不同的物种——很少有风险投资人在50岁之后还能保持巅峰状态。”
原因有几个。首先，人脉网络会老化。你年轻时认识的人，后来要么也老了，要么不再活跃在一线。其次，思维会僵化。你会开始说“我们当年试过，没用”，而不是用新鲜的眼光去看待可能性。
“但最大的问题是自我（ego）。”
创业者是在做一件非理性的事。他们闯入未知领域，不依赖过去的经验，不听老人家的忠告。一个50多岁的投资人，即使他满腹经验，如果他的自我让他觉得“我比你更懂”，那他就阻挡在创业者和他们的未来之间了。
Fenton说，他在Benchmark工作得越久，越想让这个机构的重心向年轻化移动。“我们的平均年龄应该更接近40岁。应该有30岁出头的合伙人，可能还有一些40多岁的，但不应该有太多我这个年龄的人。”
真正让他觉得珍贵的，不是基金的品牌，而是那种与创始人建立深度关系的机会。他还会继续做几笔投资，全身心投入，但每一笔新的承诺都意味着再往后推10年。到某个点，时间就不允许了。
FOMO（fear of missing out，错过恐惧症）是这行最折磨人的东西。每天醒来，你都有责任保持警觉：如果下一个Michael Truell出现了，而你没有跟他见面，那是不可接受的。
“但这种东西会侵蚀你。我正在期待放下它。”
9. 如何成为一名好的董事会成员
播客接近尾声时，Jack问了一个关于“董事会成员”角色的问题。
Fenton把董事会成员的职责分为三个层次：战略、结构、人员。
战略是“为什么”——我们做这件事的目的是什么？这是不应该每次董事会都变的东西，但它是所有决策的锚点。
结构是“如何实现战略的组织形态”——你搭建的机器是什么形状的？
人员是“在这个结构里的人”——他们是谁，他们是否胜任？
很多时候，董事会的讨论会从人员问题开始，然后纠缠于细节，而忘记了战略层面的校准。Fenton认为，好的董事会成员应该能够识别系统中的“失调”，并帮助CEO和团队看清它。
但在这些技术性职责之前，有一件更基本的事：帮助创业者回到他们创业的初衷。
“当我看到公司因为市场压力、规模扩张、团队问题、产品Bug而被氧化时，我首先要做的是帮他们‘去氧化’——让他们重新靠近当初的那份喜悦。因为创业本身是一件非理性的事，它是在吃玻璃，是在承受无数不确定性。如果你失去了当初的动力，那一切就没有意义了。”
他说，做好这件事的前提，是从一开始就真正理解创始人的动机。“如果你从一开始就扎根于那份对他们目标的深度理解，你就能在他们需要校准的时候帮上忙。”
一场好的董事会后，创业者应该感到“更有能量、更有意识、更有好奇心”。
“如果我这辈子做了什么，就是让他们在每次董事会后都比进来之前更好奇。”
核心问答
Q1: Peter Fenton为什么认为硅谷仍然是最可能诞生下一个万亿美元公司的地方？
Fenton用进化论的框架来解释：硅谷是一个高度适应性的生态系统，具备变异（容忍失败和计划外的创新）、选择（高效的资本市场能快速识别潜力）、遗传（创业经验代际传递）三种核心机制。更重要的是，它不是一个被设计的系统，也不是完全混乱的，而是一种介于两者之间的自适应有机体。城市比公司更长寿，这种根基性的特质让硅谷能够穿越周期。
Q2: Benchmark为什么坚持不扩大基金规模？这种模式的底层逻辑是什么？
Fenton认为，深度的创始人关系不可规模化。一个合伙人能够全身心投入的董事会席位是有限的，扩大规模意味着稀释这种深度。他用进化生物学中的“多层次选择理论”来解释：Benchmark的运作方式类似于一张大富翁桌上的队友合作——目标是让整张桌子的财富最大化，而不是内部成员相互竞争。这需要严格控制人数（5人左右）和完全平等的合伙制度。
Q3: Fenton在考察一家AI创业公司时，最核心的问题是什么？
“如果基础模型在未来提升一个数量级，这家公司的机会是变大了还是变小了？”Fenton认为，超过80%的AI创业公司在这个问题上的答案是负面的——模型的进化会吞噬掉他们目前所做的事情。只有那些能够与模型进化形成正向循环、而不是被其替代的公司，才值得投资。Manus被Meta收购，某种程度上印证了这一判断：它不只是在调用模型，而是在定义“Agent如何完成复杂任务”这个新范式。
-
他举了自己投的Quilter AI的例子。这家公司做PCB（印刷电路板）布局设计的AI，完全是自己训练的模型。“过去一年能力提升了10倍，我觉得还有一个数量级的空间。”
关键是：GPT-7不会做PCB布局。因为这不在训练数据里，模型天然做不了这件事。一旦技术成熟，护城河会非常深。
如果你想了解更多关于硅谷前沿技术动态与投资趋势的讨论，欢迎在云栈社区的开发者广场板块与大家一起交流。
发表于 2026-1-4 04:41:16
|
查看: 73|
回复: 0
