在过去十年，AI一直是VC眼中的“投资标的”；而现在，它正在悄然变成“投资方式”本身。AI不再只是资本的对象，而是资本如何流动、如何判断、如何增值的底层逻辑。这正是本文最值得推荐之处：它不是泛谈AI如何影响创投，而是第一次将AI作为VC行业内核的重写力量进行系统解读。

根据硅谷科技评论（SVTR）AI创投库，过去18个月中，有超过62%的Top 50新基金在募资文件中明确列出“AI投研能力”作为竞争优势，其中AI+金融投资赛道，全球30余家公司拿到知名机构投资，AI已从“工具选项”变为“结构性差异”的关键来源。这意味着，无论是创始人还是投资人，如果不重构自身的思维方式与工作流程，很可能将在下一轮竞争中失去位置。

在斯坦福昨晚举办的 Stanford AI and Investment Series 上，一场围绕“AI如何改变资本市场与VC”的高强度对谈呈现出前所未有的信息密度。四位风格迥异的嘉宾——Greylock的Som、Inception Studio的John Whaley、Prime Unicorn Index的数据专家Will，以及独行GP Salil——从基础模型与应用层的博弈，到私募市场的指数化，再到VC自身的投研与募资流程AI化，提供了一个观察“AI冲击VC行业内核”的横截面。

图片

一、四位嘉宾，四种视角：AI如何“进入”VC工作流？

1、Som（Greylock Partners）

作为老牌机构Greylock的核心合伙人，Som代表了VC系统中最具制度性的一环。他不止于投资AI公司，更将AI深入引入自己的投资流程——从GitHub/Twitter/LinkedIn信号挖掘潜在创始人，到帮助被投企业通过AI完成冷启动招聘。

他对基础模型抱有信心（如对Anthropic持有早期权益），但更看重价值是否最终归于“掌握用户”的应用层玩家。他反对“AI创业更省钱”的叙事，指出优秀AI初创在融资速度与规模上远超2021年高点。

2、John Whaley（Inception Studio / Stanford CS）

作为工程师出身、连续创业者与斯坦福教授，John提供的是从代码到组织结构的“底层视角”。他通过一个专为“成熟创始人”设计的72小时冲刺营来激发AI应用孵化，强调“AI代理是否能完成任务”将优先于“是否组建团队”。

他认为AI正在推动一场从“招人做事”到“先用AI做事”的范式迁移，本质上是知识工作“云化”的开始。对于功能堆砌、无付费意愿的AI项目，他直言“等待被市场清除”。

3、Will（Prime Unicorn Index）

Will的数据视角提供了清晰的资本指向：私募Top30中AI公司估值占比在两年内从约3500亿美元激增至超1.1万亿美元，前十公司吸附了86%的总估值。他将AI用于解析法律文件、重建估值曲线，甚至开发了自动化LP画像系统，模拟“AI版placement agent”。

其本职虽为癌症专项基金数据负责人，但他主导的Prime Unicorn Index正在变成AI时代的“私募标尺”。

4、Salil（Uncorrelated）

Salil是业内罕见的独立投资人，掌管的大基金GP（仅次于Elad Grill），他将“AI冲击”视为对基础设施和效率的挑战。他不投资基础模型，而押注于能把开源模型转化为“小而专”任务模型的工具链——例如可将Llama类模型压缩至十分之一体量、十倍运行速度的企业端解决方案。

他提出对VC工作流的AI化诉求清单：自动识别被投企业的关键里程碑、风险点、对标融资篮子……VC的“AI工作站”呼之欲出。

二、AI冲击VC的三条主线：从“投什么”到“怎么投”

1. 价值重分配：AI不再只是API，是新的用户主权战场

  1. API的商品化门槛不低，头部基础模型依旧保有超额利润，但长远看，价值更可能归于拥有终端用户与使用场景的一方。
  2. 应用层若能以AI重构产品交互与收费结构，就能跳脱传统SaaS路径，成为新的“十亿美元公司”孵化地。
  3. 同时，Will的数据也揭示了资本流向的真实变化——AI项目快速吸附估值与流动性，成为私募新主线。

2. 方法重构：VC从“人脉本位”转向“数据驱动+工程栈”

  1. Sourcing层面，Greylock通过开源活跃度、职业晋升、社群互动等“多模态信号”识别潜在创始人。
  2. 尽调阶段，对是否省钱、是否能商品化等命题给出数据验证，而非宏观叙事。
  3. 投后运营，AI辅助生成客户名单、触达路径与招聘候选，形成“投—招—卖”闭环。
  4. 募资环节，AI构建的LP画像系统取代传统placement agent，基金掌握主导权，降低外部依赖。

3. 工具落地：从估值流水线到组织知识图谱

  1. Will展示了估值链条的AI化路径：从州务备案文件中自动抽取轮次数据，生成估值时间序列。
  2. Salil则构想VC内部的“投资组合控制面板”：所有会议纪要、招聘、客户进展自动聚合，输出下一轮融资篮子与关键风险提示。
  3. 在VC这个典型“手工活”行业，AI的介入不是外包人力，而是内部认知栈的结构重写。

三、争议与共识：泡沫、速度与策略坐标系

尽管四位嘉宾对AI持高度认可，但三大分歧点值得关注：

  1. 泡沫共识：功能堆砌、无客户付费意愿的项目将被市场淘汰，“AI for AI's sake”不可持续。
  2. 速度分歧：Som认为AI企业落地速度远超云计算，需“多融快融”；Salil和John则认为护城河建设仍需警惕成本与 commoditization。
  3. 横/纵策略：Som看好横向软件的长期天花板，但垂直行业中的“十倍时延与成本压缩”机会更易快速兑现。

四、操作清单：AI时代的VC与创始人应如何调整路径？

对VC：

  1. 建立“工程化项目发现栈”：GitHub热度、社群口碑、职业跃迁三位一体；
  2. 尽调以“逆风观点+数据校验”取代愿景叙事；
  3. 投后执行形成闭环：用AI拉客户、招人、跑市场；
  4. 募资侧建立LP数据资产：可搜索、可外联、可转化。

对创始人：

  1. 不做AI套壳，重写“界面—架构—计费”三位一体；
  2. 提前验证客户支付意愿：POC越早越好；
  3. 拥抱开源与模型蒸馏：追求10倍效率的同时压缩成本与规模。

五、结语：AI不是工具，是VC行业的新基础设施

本场对话提供了一个清晰信号：AI不再是VC“投资什么”的问题，而是“用什么方法去投”、“由谁来投”的根本性重构。它打破了VC过往依赖直觉、人脉与Pitch Deck的模式，转向一个由数据、工程能力与自动化工具主导的新范式。

当AI真正嵌入VC的工作流中，它不只是观察者或投资对象，而成为新一代VC“操作系统”的核心代码。