买来的 126%，长出来的 3%

一家不发明产品的公司，靠五十多笔收购和四十亿美元净债务，把年化收入推到二十八亿美元。卢卡·费拉里在 Wave by Vento 的现场把这台机器拆成八个工位，也讲了为什么他敢说自己的违约概率接近零。

这一册只讲一件事：增长是买来的，还是长出来的。同一季度，Bending Spoons 的账面收入同比涨了 126%，有机增长只有 3%。这两个数字相差四十倍，而这期访谈里几乎每一个判断——该发明还是该优化、该借多少钱、SaaS 的护城河还在不在、AI 到底替掉了谁——都挂在这两个数字之间。

费拉里的版本只有一句话：买下有潜力做得更好的科技公司，把它们整合进同一套平台——同样的底层技术、同样的核心团队——用十年这样的长周期去改造，让它们更能产生现金；然后把多出来的利润加上杠杆，去买更大的公司，循环。

这套循环公司自己叫「复利周期」，从 2013 年做到现在，按官方说法从未卖掉过一项重要业务。1

主持人阿尼什·阿查里亚带来马克·安德森的说法：世上没有股票，每家公司要么是长期产生现金的债券，要么是价外期权。费拉里同意一半——他认为方向对，但话被说得太俏皮。重新加速确实发生过，比如 iPhone 与英伟达赶上 AI，可这两种都是发明加技术顺风；把同一段历史重跑十遍，八遍不会发生。

他对投资者的判断更狠：很多人不是算错数学，而是把「别人会怎么看这家公司」当成一个变量写进了方程。如果这些人假设自己永远不卖一股、只靠现金流活着，他们会做出完全不同的决定。

费拉里的决策框架是一句工程式的话：先确定目标与边界条件，再列出所有选项，然后挑最好的那个。如果你的目标就是把钱赚到最多，顺着市场的预期玩可能是聪明的；但如果目标是长期自由现金流，就没必要讨好当期的估值。

他承认 Bending Spoons 多次选择不去拿更高的当期估值——不做那些更让投资者高兴的资产和做法——因为它要优化的是自由现金流的复利速率。他的算术很朴素：倍数只是乘法里的一个因子，如果另一个因子大十倍，总结果一定更大。

这一期里最像方法论的一段。费拉里说，激进发明与渐进优化需要不同的文化、不同的人才画像，两边都想全占的公司，通常哪边都没做到极致。苹果是少见的例子：靠大发明起家，但没有牺牲运营效率。

他给激进创新的定价非常冷静：峰值更高、来得更快，但不可靠，中位结果基本是全输。谷歌是他举的另一个例子——三十年后仍然是一家被搜索定义的公司，投出去的几百亿美元并没有改变这件事。反过来，渐进优化可测量、可复利：拿到 100 的 EBITDA、改成 200、加三倍杠杆、再去买下一家，长期可能是一百倍。

费拉里说 Bending Spoons 听客户比大多数公司多，名声却更狠，因为它在变现上不留情。他把两件事分开：客户的目标、什么让他们兴奋、他们需要什么，认真问就比你知道得清楚；但「怎么做」不能听客户的，因为客户没想过，也没有能力描述理想的体验。

他的品味也不在「性感的品牌」上——AOL 在他眼里是最好的一笔收购之一，理由恰恰是它老、问题复杂、有得改。

主持人问：单产品公司的 CEO 是不是非理性地高估了出事的概率？费拉里说不是算错了 20%，而是他们讨厌中位数情形，而且应该讨厌。

他用 VC 与创业者做对照：VC 投五十家，要的是组合的总回报，希望每一家都全速撞墙；创业者只有一家公司、一条命、一份职业，全速冲会让中位数结果从「还剩点什么」变成「一无所有」。所以他给了 Bending Spoons 一个生态位定义：那些曾创新、做到规模、却没走到最高空的公司，在这里还有一次继续建的机会。他的证据是成交率——每次报价，对方要么不卖，要么卖给他们。

这是全期最可操作的一段。杠杆本身不是策略，是放大器：只要投资的期望回报高于债务成本，并且债务损失的风险可以忽略，借钱就是划算的。

他的免责声明先于结论：破产的公司当年也都很看好自己的负债。所以 Bending Spoons 给自己上了四道保险——杠杆率压在 3 倍以下（当期 2.4 倍，历史上更靠近 2）；每一年到两年把大部分债务再融资，让到期日保持在五年以外；对 100% 的债务做利率对冲，未来利息是已知数；以及在严重不利情形下也能提前还清全部债务。据此他判断违约概率「接近于零」，但仍然要求自己对任何一笔显著债务保持偏执。

他的另一句话更像给创业者的：任何可能变得巨大的项目都需要十年以上，「想赢的第一条规则是中途不要死」，多花两三年、少承担风险，比加速然后撞毁更好。

对「AI 让写软件变便宜，所以 SaaS 要完」这个流行判断，费拉里分两层回应。第一层是估值：很多 SaaS 的估值本来就荒谬，因为模型里假设 12% 的有机增长能持续十五年，而有机增长几乎从不上升。AI 只是给了人们一个借口回去改模型，重置后的估值反而更合理。

第二层是护城河：写软件一直都不贵。复制 Salesforce 不需要火箭科学，五个应届生在车库里三个月大概能做出 WeTransfer 八成的水平，而市面上已经有一百个克隆品。真正让人留下来的是别的东西——先发形成的品牌与习惯、心理上的转换成本、网络效应（Eventbrite 每月九千万人来找票）、专有数据（Komoot 知道那条路是泥的、那天下过雨）、以及规模（Airtable 多数客户一年付不到两万美元，自己养 0.2 个工程师都比订阅贵）。他的结论是：这些公司会在利润率上受损，客户获取会变难，但不会一夜融化。

针对「很多公司的市值低于它作为训练数据的价值」这个说法，费拉里的回应是数据的价格掉得极快：你写的第一篇博客，如果它是模型能拿到的第一篇，可能值一千美元；今天它值零，因为它在增量上不增加任何东西。他认为随着增量训练的回报递减，卖数据的生意也会趋近于零。

Bending Spoons 的运营系统是自己长出来的：除 Gmail、Slack、Drive 这类通用工具外，数据处理、A/B 测试、营销自动化、用户生命周期价值预测、凭证管理、招聘工具——超过五十件，全部自研且彼此原生打通。费拉里说省钱是最不重要的一点，真正的价值有两条：工具贴合自己的流程；以及能整块替换被收购公司的基础设施，比一块一块换更快。

他举的例子是 Alt-Spooner：一个住在 Slack 里的 agent，拥有和本人相同的权限与资产，可以自己去取数、缺权限就向凭证团队提申请、必要时找 IT 安全。Evernote 的一位总经理在反馈频道里直接让它查客服工单、进代码库找根因、改完代码再 ping 工程负责人复核——过去需要一串人，现在五分钟。

AI 承担的比例：客服几乎 100% 由 AI 或外部供应商处理，原来的客服经理转成设计响应流程的产品经理；数据分析里取数、清洗、作图至少 90%；写代码 94%，两年前是 0%。他的判断标准很直接：任何一家好公司现在写代码都不该低于 70% 由 AI 完成。

阿尼什问：有没有哪类决定，凭直觉比凭分析更好？费拉里不接受这个二分——数据和直觉都是输入，输入越多越好，但落笔必须用逻辑与理性。分析显示法国人更可能买，那只是「去法国」这条选项的一个输入，不是结论；灵光一闪也只是生产出了一个你本来不会考虑的选项，你要判断那份兴奋是否成立。

阿尼什引用「地狱是从未赢过，也从未退出」。费拉里说自己在这一点上很糟：Bending Spoons 之前的 Evertale 做了三年，用 AI 自动写日记，显然太早，没人用也没人付钱，他们一直推、一直转型，直到只剩二十五万到三十万美元，而其中很大一部分要靠丹麦政府的一笔退税；然后政府说这笔钱不该退、或者要十二个月后才退——公司就这样结束了。

他说，是那堆红头文件替他们做了决定，所以他给不出建议。

第一，用自己的脑子思考，为自己的决定负责——他没见过哪个领域里伟大的人不是智力上独立的。第二，往高处瞄：你一生只能做那么多事，几乎任何事情瞄得高才更可能有回报。第三，努力理性：可以有创意、有想象力、有热情，但最终用逻辑做决定。

还有一条往下走一层的要求：不要低估人才密度有多重要，也不要低估从低密度往上提有多难。

下面按节目原始顺序逐句翻译，保留说话人标签（阿尼什／卢卡／片头／片尾），不做压缩、摘要或删减。每节标题后是该节在音频里的时间码。

片头：Bending Spoons 造了一家很不一样的科技公司。买下好产品，把它们改得更好，产生更多现金，再用这些现金在更大的规模上重来一次。在 Wave by Vento 的活动现场，a16z 普通合伙人阿尼什·阿查里亚与 Bending Spoons 联合创始人兼 CEO 卢卡·费拉里坐下来，拆解这套模型背后的思考。两人讨论了一家公司在什么时候该押注激进发明、什么时候该押注持续优化，为什么卢卡把长期自由现金流排在短期估值之前，以及 Bending Spoons 怎么处理收购、债务与风险。他们还谈到：AI 是否真的让成熟软件更容易被颠覆，为什么卢卡认为很多 SaaS 的护城河依然牢固，以及 AI 已经在 Bending Spoons 内部承担了绝大部分编码与数据分析工作。

阿尼什：好，卢卡，谢谢你答应这次对谈，欢迎。 卢卡：谢谢你邀请我，是我的荣幸。 阿尼什：太好了。先给大家一点背景——我相信大家都熟悉 Bending Spoons，这是一家绝对的怪兽公司。我最喜欢这个故事的一点是，在那里工作听起来太酷了：智力上的多元程度像麦肯锡，技术上的进取又像谷歌。恭喜你做出了一家了不起的公司。 卢卡：谢谢，这些比较太抬举我们了。 阿尼什：为了少数还不太了解的人，你能不能用三十秒讲讲你们到底做什么？然后我们再进入更深入的话题。 卢卡：表面上其实很简单。我们买下科技公司，前提是我们看到有机会让它成功得多。然后我们把它整合进自己的平台——同一套底层技术、同一个核心团队——努力改造它，让它在十年这样的长周期里变得远比现在更能产生现金。如果做对了，我们就把多出来的那部分利润加上杠杆，去买更大的公司。如此循环。 阿尼什：了不起。你能点几家你们收购过的公司吗？ 卢卡：可以，Airtable、AOL、Vimeo、Eventbrite、Komoot、WeTransfer——到今天已经有五十多笔收购，这几家是比较有名的。 阿尼什：太厉害了。所以你对公司怎么被建起来、怎么走到平台期、又怎么重新开始增长，有一种很有意思的局内视角。马克·安德森说过一句俏皮话：世界上根本没有所谓的股票，每家公司要么是一张债券——在很长一段时间里稳定产生大量现金，要么是一张期权——一个价外的东西，可能成，也可能不成。卢卡，你同意这个说法吗？你觉得公司到了平台期之后还能重新加速吗？

卢卡：我觉得马克喜欢说一些有点标题党的话，我是从好的意义说的。这个说法显然过于简化，但方向是对的。确实有一些公司戏剧性地改变了自己的画像，或者重新加速。比如苹果的 iPhone，那是分水岭时刻，那是发明，我不认为有人预料到了。而如果你把这段历史重跑十遍，可能有八遍它不会发生：别人更早做出来了，或者他们从来没成功。还有最近的英伟达，走到 AI 的最前排。存在别的世界线：英伟达继续做一家电子游戏硬件、图形硬件的公司，那也是一门好生意，但显然不值几万亿美元。那是发明，但也叠加了大量技术顺风。所以它能发生，但很罕见。大体上我同意马克那句话。 阿尼什：你觉得投资者是不是会高估增长、低估利润？或者高估订阅用户数、低估生意的绝对规模？ 卢卡：看情况。有些投资者对数学的理解并不是满分十分，所以他们会算错这些东西的价值。而且不只是数学，还有不同 KPI 之间在长期里的因果关系。但很多投资者其实非常聪明。他们做的是把「别人会怎么看这门生意」也作为一个变量放进方程。如果他们假设自己永远不卖一股、永远不再发股票，只靠这门生意的现金流活着，我认为他们会做出和现在不同的决定；而现在的决定，是他们假设价值创造主要来自一次出售或者下一轮融资时才做的。所以里面有一种投机的心理，而它是非常理性的。如果你把这个因素算进去，他们在权衡各种因子时并不算不理性。你可以说整体上市场那样想是不理性的，但复杂系统里——包括市场——本来就存在一些因为历史原因形成的均衡，它们在全球、普遍意义上是低效的，可要离开那个局部最优其实很贵，而且不太可能发生。所以我认为，如果全世界都这么想，你大概是吃亏的；但既然我们已经在这里，很多投资者按这些规则来玩，可能是理性的。

阿尼什：那创始人呢？如果你是单产品公司的创始人、CEO，你觉得应该多大程度上去顺应这种被扭曲的价值归属观，多大程度上只管把利润最大化——哪怕投资人觉得他们没能从一次潜在出售里拿到完整的期权价值？ 卢卡：这就是一个待解的问题，和所有问题一样。你要搞清楚你的目标是什么、边界条件是什么，一旦清楚，就有创意地列出所有选项，挑最好的那个。所以如果你的目标——比如说——是把钱赚到最多，那么顺着那些预期走、甚至接受那些预期，可能是聪明的。只要你知道自己在追求什么、为什么做，你就是对的。但也有别的选择，它们不一定带来最大的财务结果，有时也会，取决于具体情况。你可以选择一门不依赖发股票、不依赖卖股份的生意，努力让它长期成为一台很会产出现金的机器，最终通过分红之类的方式为你创造价值；或者你可以致力于在长期把自由现金流最大化，这条路今天不会给你最高的估值，但在很远的未来会给。我觉得你可以说，我们在 Bending Spoons 多少就是这么做的。有很多次我们知道可以换个做法拿到当时更高的估值，去做更让投资者满意的事——买某一类资产，用另一种方式管理那项资产。但我们知道，至少我们非常确信，而且到目前为止历史证明我们是对的：如果我们持续优化自由现金流的复利速率，长期来看那个结果会远高于走另一条路。就算最后倍数更低，倍数也只是乘法里的一个因子；如果另一个因子大十倍，那么放心，总的结果一定更大。所以还是那句话：搞清楚你想达成什么、边界条件是什么，然后从那里往回推。 阿尼什：有意思的是，想得足够长，往往就自带很多超额收益。 卢卡：对，TikTok 就说明我们这个物种并不天生有耐心、专注、长期主义。所以如果你能做到，这本身就已经把你和别人区分开了。

阿尼什：我还想问几个问题，也许是替我们那些 CEO、创始人问的。在任何一刻，你都可以押注发明，也可以押注优化。当你们买下 Miro 或者 Evernote 这样的东西时，你们怎么决定？有经验法则吗？怎么打破平局？ 卢卡：我觉得，要把创新最大化——至少是把激进发明最大化，因为优化里面也可以很有创新，但那种阶梯式的激进创新和渐进式的优化创新是很不一样的东西——所需要的品质和心态是不同的。我的看法是，一家公司如果全押一边、牺牲另一边，大概没有做到它本可以做到的程度。比如苹果，历史上它一直更靠大发明这一边，但也没有过度牺牲优化——众所周知，蒂姆·库克非常擅长把运营做高效。正因为所需的品质、心态和文化不同，我认为你得选一个阵营：我们更像激进创新者，还是更像渐进创新者？两边都很好。但要知道自己选了哪一边，然后守住它。更激进的创新有可能更快到达更高的峰顶：如果你又做出一个 iPhone 并且真的交付了，它可能几乎一夜之间改变这家公司。或者当年的谷歌搜索。到今天，谷歌本质上仍然是谷歌搜索，难以置信——三十年后，它仍然是 80%，那仍然是它的全部。他们在各种事情上投了几百亿美元、做了各种收购，结果主要还是搜索。这就是激进创新成功时有多强大。但它不可靠：中位情况非常糟糕，基本上是全输，偶尔你对了，就赢得巨大。我认为渐进创新更可靠、更可测量，如果用对策略、放在对的情境里——就像 Bending Spoons 这样——它可以复利很长很长时间。举例来说，如果你只经营一个单产品的 SaaS，那持续优化它，最终能做的也就那么多；但如果你是在 Bending Spoons 这样的结构里，你拿到 100 的 EBITDA，把它变成 200，然后加三倍杠杆，再去买更多——这就以指数方式复利，长期可能是 100 倍。所以你是把激进创新当作主追求，还是把渐进创新当作主追求，取决于你在执行的更大策略。 阿尼什：有意思，因为我们是把激进创新供上神坛的。但按你刚才讲谷歌的逻辑，一旦你发明了谷歌，再发明一次太难了，理性上就干脆永远优化它。 卢卡：对，我觉得谷歌是被创造出来的最令人印象深刻的公司之一，我们是抱着极大的敬意在谈。你甚至可以为股东做这样一个合理论证：如果公司完全聚焦搜索、把搜索优化到极致，整体上股东会不会更好？因为谷歌显然因为做了更多事情而更大更强，但你要拿这个去和另一种可能比：把多余资本部署到别的方向上，股东能获得什么。几年前我算过，那至少是值得辩论的。两种谁更好，我说不准。 阿尼什：真的很有意思。不过我们也从谷歌那里得到了 Transformer 论文。 卢卡：没错，那是今天一切的基础。所以这个话题我完全可以站到另一边。 阿尼什：那你在管理产品组合的时候，客户反馈和客户的热爱占多大分量？

卢卡：归根到底它是关键的。你做产品是给客户做的，是客户付钱给你、给你一门生意。所以听客户想要什么是最重要的。讽刺的是，我认为 Bending Spoons 在这件事上做得比大多数公司更多，而我们的名声往往相反——看起来我们更狠地在优化，有时还会做一些惹毛客户的事。以我的经验，很多公司做东西其实主要不是因为觉得客户真的需要，而是因为觉得这件事有趣、激动人心，是热情驱动的。我们努力百分之百聚焦在给用户和客户创造价值上，然后把变现当作另一件、单独的事来做。花时间和客户待在一起、真正理解他们想达成什么、然后努力给他们，这件事你永远不会错。这不等于「怎么做」也听他们的，因为有时候客户没怎么想过，或者没有能力告诉你理想的用户体验应该长什么样。但他们的目标、什么让他们兴奋、他们需要什么，如果你认真问、认真听，他们往往比你知道得更清楚。 阿尼什：很有意思，我很同意。很多东西被建出来，故事讲得像是为客户建的，但真相是创始人做的是智力上让他兴奋的东西。这些年你对问题的品味、对机会的品味——你想收购什么样的公司——直觉有变化吗？ 卢卡：也许吧。我们都在生活里学习，做事，然后反思哪些失败了、哪些成功了。我一时想不出什么特别具体的变化。我一般会对问题本身兴奋，对找到有创意的解法兴奋；我不太被更广泛的社会认为「酷」的东西驱动。所以要说我挑公司的品味，从来不是「这是个性感的品牌」。但如果问题复杂、解决它能创造很多价值，我就会兴奋。哪怕这家公司本身——比如 AOL——感觉老、感觉是遗留资产，我其实觉得收购 AOL 极其令人兴奋，老实说是我们最令人兴奋的收购之一。

阿尼什：太好了。那我们来聊聊组合。你刚才说收购了五十家公司，对吗？ 卢卡：大约五十笔收购，到这个时点可能六十笔了。 阿尼什：难以置信。显然这个组合让你能做任何单产品 CEO 都做不到的事。你在 David Senra 的播客里谈过，说你们能去做期望值为正、上行极大的下注，而单产品 CEO 如果这么做，下行可能是丢掉自己的工作。你觉得单产品公司的 CEO 是不是非理性地高估了出错的概率？如果你回去重做一次你的单产品创业，你会改变你投资的方式吗？ 卢卡：就像我说的，我确实联合创办过一家单产品创业公司，而且我们失败了。所以显然我们承担了很多风险。简短回答是：不会。我认为有些高管团队确实严重误判了风险。但我认为他们不承担某些风险，主要原因不是算错了 20%，而是他们讨厌中位数情形。而且他们应该讨厌。这就像做 VC——你可能比我更会解释——你最终投五十家公司，你在乎的是整个组合的总回报，你可能希望每一家都以每小时一百英里的速度撞向墙，你知道穿过那扇很窄的门的那四五家会赢一百倍，其余会撞毁。如果它们走得慢一点，它们会失去赢的机会，但更可能成为某种还能持续的、还不错的生意。对你这个 VC 来说，更保守的做法是坏的，因为你的期望结果变差了，而你的中位数结果其实并没有变好多少——只是职业上更好看。但对一家单独的公司来说，虽然全速冲的期望结果是更好的，中位数结果却会糟糕得多：可能从「我还剩下点什么」变成「我一无所有」。所以对这些团队来说，不管是创业者还是职业经理人，稍微保护一下下行并不非理性。归根到底，他们只有一条命、一份职业生涯。 阿尼什：这正是我特别欣赏你们做的事，卢卡：对那些曾经很创新、也做到了规模、但也许没有一路走到最高空的卓越公司来说，它们在 Bending Spoons 这里还有机会继续建、继续创造价值。 卢卡：我认为我们是健康创新生态里非常重要、而在此之前也许缺失的一环。证据就是：每次我们向某人提出收购，要么他们选择不卖，要么他们卖给我们，而不是卖给别人。当你有这种压倒性的、可以称之为成功率的东西，说明你在某种意义上真的找到了很好的产品市场匹配——你真的在解决人们的问题。

阿尼什：确实。你讲了很多 Bending Spoons 在清晰策略和极度重视人才上的做法。但感觉信贷与资本市场也是你们成就的关键部分。能不能谈谈有效使用杠杆的经验？因为有些公司用了杠杆就出事，而你们用得很讲策略，还从中受益。 卢卡：好的。杠杆能让你更早、更快地做更多事。假设这些投资的期望回报高于债务成本，那借钱总是聪明的——但有一个很大的前提：假设债务损失的风险仍然是可以忽略的。因为一旦它变得显著，那么「多承担风险是划算的」就不再是不言自明。这里我要做一个智力上诚实的免责声明：如果你去找那些曾经破产、但在某个时点之前都没出问题的公司问，它们全都会显得对债务的使用非常乐观。我们到目前为止做得不错，甚至离出问题还差得很远，但仍然要保持谨慎，因为那些破产的人，并不是在借债时认为自己会破产。少数情况下有一些扭曲的激励，但大多数情况下他们以为自己没事，然后事情变了，就出问题了。所以我认为，承担任何显著数量的债务时，偏执一点很重要。我们给自己设了严格的自我约束：把杠杆率压在 3 倍以下，现在大约是 2.5 倍、2.4 倍；历史上它更接近 2 而不是 3。我们一直处在这样一种位置：即使在严重不利的情形下，也能在到期之前还清全部债务。我们尽量每一两年就把大部分债务再融资一次，让到期日保持在五年以上。我们对 100% 的债务做利率对冲，所以我们确切知道未来要付多少利息。我们高度分散，盈利水平很高，现金转化率很高。这一整套东西都在缓释加杠杆的风险。以我现在对风险的评估，我们违约的概率接近于零，极其、极其低。所以有这笔债比没有要好。但还是要谨慎，别过头，尤其如果你不专业、并不完全理解它的现金流后果。从小做起，积累知识，做好模型、流程和制衡，然后再多借一点。但是—— 卢卡：任何可能变得巨大的项目，大概都需要十年以上才能走到那里。而想赢、想成为那种巨大成功的第一条规则，就是中途不要死。所以我常常认为，多花两三年、但不承担或只承担极有限的风险，比加速然后撞毁更好。 阿尼什：我觉得这些都是很好的经验法则——鼓励在产品上更有野心、下更大的注，同时在信贷和债务上更谨慎。我们见过很多情况：创始人倾向于低估债务把事情搞砸的概率，尤其是当他们依赖一个细分、一个市场、一个产品、一条收入流的时候，因为边界条件可能突然改变。就算你有一个分散的组合，你也没有完全被隔离，因为分散是一个复杂的概念，取决于你是相对于什么分散。看起来分散的资产，在面对某个特定现象时可能高度相关。所以还是那句话：小心处理。它很棘手，但做对了就是巨大的助力。历史上有不少公司长期稳定地用它——博通、丹纳赫——几十年来做得极其出色，如果不用杠杆，它们根本做不到那么好。

阿尼什：有意思。我的理论是万物皆相关，不过那是另一个话题了。 卢卡：我大体同意，只是相关的程度不一定一样。 阿尼什：没错。好，我们快速聊聊护城河的持久性，这是硅谷现在最热的话题之一。一年前是「SaaS 天启」，围绕 Opus 4.5、4.6 那一波，那些名字跌了 40%。所以我也说不清大家从 SaaS 天启里得到了什么。看起来有点被夸大了，但它确实引出了一个问题：在一个用 AI 随手就能造软件的世界里，持久性到底在哪里？你怎么看？ 卢卡：我从来没有完全认同。我的看法是，SaaS 的估值在历史上大多数时候是荒谬地高的，但不是因为 AI 不是风险，而是因为它们从「按长期自由现金流的合理预期给资产定价」的角度根本讲不通。多数情况下，你只能靠这样一个投机来为那些估值辩护：你将来能以差不多的倍数卖给别人，而在此期间你增长了 50% 之类的。因为它们常常建立在这样一个假设上——现在 12% 的有机增长会持续十五年。说实话，世界变化那么快，这太疯狂了。顺便说，有机增长几乎从不上升，极少上升；按马克的说法，它通常是下降的。所以那些假设根本讲不通。现在我认为，AI 只是给了人们一个借口回去翻自己的模型，说「也许我并不完全相信那些假设，让我谨慎一点」。估值重置大体是合理的，你总可以说上下 20%，但在我看它们落到了合理的区间。至于「写软件现在更便宜了，所以这些公司完蛋了」这个风险，我从来不太买账。我买账的是「它会便宜很多，所以它们的利润率会受损」，但不是「它们完蛋了」。原因是：写软件便宜这件事已经便宜了很久。大多数重要的公司——至少值十亿美元量级的规模公司——从技术上讲复制它们产品的成本，相对于在那个市场里成为赢家或者拿到显著份额的价值，一直是可忽略的。五年前、十年前就是这样。也许你需要二十个好工程师，但复制 Salesforce 不是什么火箭科学。我们拥有 WeTransfer。如果你有五个刚毕业的聪明人，愿意在车库里干三个月，他们大概能做出一个达到 80% 水平的产品。事实是——猜怎么着——一百个团队已经这么做了，克隆品到处都是。所以大多数软件或者数字产品能成功，并不是因为复制它们很贵——它们不是 SpaceX。它们成功主要靠别的因素。第一，先发优势：有时你做出一个品牌，仅仅因为人们知道你、不知道别人。然后是习惯：人们不想费事去换——不是真正的转换成本，而是心理上的转换成本。你一家公司一年做十亿收入，换一下能省三千美元，谁愿意去承担那个时间和风险？不换是理性的。第二，网络效应。我们拥有 Eventbrite。没人去 Eventbrite 是因为全人类都没能复制一个票务平台，而是因为 Eventbrite 上每个月有九千万人来找票，所以你在这里能卖出更多；AI 可以把这件事复制一百万次，但它没有那个受众。人们去那里，是因为所有人都把活动发在那里。再比如 Komoot，你有专有数据。因为和所有这些用户的历史，我们知道某条路是泥的、那天下过雨、有条狗在叫；我们有那些拐角、那些树和转弯的照片，而这些在任何地方都找不到——卫星上没有，哪儿都没有。所以 Komoot 的路线规划其实相当复杂，聪明人随着时间也能做出来，但他们没有那些数据。还有规模优势。比如 Airtable，我们最近的收购，大多数客户一年付给 Airtable 不到两万美元，多数是大企业。哪怕有一天你能对着 agent 说一句、按个按钮，它就能把 Airtable 的代码几乎完美地复制出来——我们离那还很远，但我认为会到，也许就在未来几年——按理说，你仍然需要在公司里有个人负责确认这段代码看起来靠谱，出问题的时候去找 agent 让它修。我认为有一个很远的未来，AI 管理我们的生活和公司，没有人再工作，这很有意思，但我想大多数人会同意，那不是未来五年。只要还需要有人负责，哪怕只是 0.2 个全职软件工程师，成本仍然比你为同一件事付给 Airtable 更高。所以这是个有意思的哲学问题，但理性上你不会那么做，那很蠢。所以我认为大多数——不是全部——数字产品都被相当好地保护着。它们还是会在利润率上受损。新客户这一头，人们也许通过自己的 agent 搜索产品，而 agent 有另一套选择标准；以前人们倾向选 A 产品，现在更可能是 B 产品，那肯定会伤到 A，但不会到一夜之间融化掉的程度。那些都是市场的自然演化，就像从网页到移动端、偏好改变，也许以后是 agent 而不是人在搜索。但我们的数据是，企业在软件上的支出只占总支出的 8% 到 10%。所以你要想清楚把 AI 和 token 预算指向哪里，它大概不该是指向复制工资系统。那看起来是下行大、上行小的生意。 阿尼什：我同意。太好了。你提到专有数据，我觉得在模型领域发生这么多事情的今天，这一点其实被讨论得不够。有一种说法：很多公司的交易价格低于它们 token 的价值，也就是如果它们单纯被模型公司买去当训练数据，值那么多钱。你觉得这是真的吗？专有数据的价值变了吗？

卢卡：所以我思考得不够多，也不够懂这一块，但我要说，那个说法在我看来可能有一点误导：数据在一个新的池子里的价值会掉得非常快。就像今天我写一篇新博客发到互联网上，没人会为它付钱——它是私有的，我可能发，也可能不发。你会为它付钱吗？今天不会。可如果它是这些模型有史以来第一次能拿到、也是唯一能拿到的第一篇博客，它大概会值一千美元。现在是零，因为它在增量上对可用于训练模型的语料没有任何添加。所以是的，也许现在对「人们怎么做项目管理」这类数据有大量需求，最先卖这类数据的公司也许能赚不少钱；但我认为随着时间推移这会趋近于零，因为增量训练的质量在提升、增量训练的回报在递减。至于公司能不能把数据卖到比它企业价值更高的价钱，我没有位置来判断，我不确定。 阿尼什：有意思。我们来深入聊聊 Bending Spoons 内部用来改善和优化这些公司的「操作系统」。你能谈谈它的几个关键组件吗？哪些组件对你当年做单产品创始人最有用，哪些又是你们做组合才特有的？

卢卡：运行一家数字生意所需要的一切，几乎都是我们自研的，例外是那些非常通用的工具，比如 Gmail、Slack、Google Drive——这些我们乐意用别人造的，我们没有高度特定或个性化的需求。除此之外的一切：数据处理、A/B 测试平台、所有营销自动化、用户生命周期价值预测、凭证管理、招聘工具，这个清单可以一直列下去。看你数的方法，超过五十件内部工具。我们自己做，之所以有价值，最明显的一点是省下了供应商成本——省得相当多，但我不认为那是游戏规则改变者。真正的两个游戏规则改变者是：第一，我们把工具做得极其贴合用途、极其针对自己的需求，而且这些工具之间是原生打通的，所以整体的合力远大于你从不同供应商那里买来这些工具拼起来能达到的效果。第二，因为底层是一体化的，我们可以相当快地把一家被收购公司的基础设施整块换掉——把整个东西一次性替换，其实比「先卸掉一块、装上替代品、再和其余所有部分接起来，然后再卸一块」要快得多。当然，这对单产品公司不太相关，因为他们不需要不断买公司；但他们大概能从其中一批工具里受益。很多价值要靠对的文化和对的人才才能解锁，因为和任何工具一样，用的人差别巨大。所以取决于你说的是哪家公司，他们可能吃得到这些红利，也可能吃不到。但有些工具更自主，不需要太多人力，威力也很大。比如我们做了一个叫 Alt-Spooner 的东西——「另一个 Spooner」。它基本上就是一个住在 Slack 里的 agent，你跟它说话，它自动拥有和你一样的权限和资产：同样的 GitHub 仓库、同样的文件夹和 Drive。你可以派它替你做任何事，理论上你能做的，它都能做，而且越来越多的事它已经在做。比如你让它跑一个数据分析，它会自己去取数据；如果没有权限，它会向我们的凭证管理团队发申请，必要时还会找 IT 安全团队。拿到数据、处理、把图和结论给你。你不需要问任何人，五分钟就拿到，省下很多很多小时，更省下信息交换的大量延迟。我经历过一个很有意思的场景：我们 Evernote 的一位总经理，在一个反馈产品的频道里，直接对她的 agent 写：「我看到有这个 bug，请你去 Moros（我们的客服工具）查一下有没有别的客户报过，然后去代码库里找到根因，改好代码，并 ping 我们那位产品的工程负责人 Marko，请他去审这个修复。」然后这件事就做成了。那是过去完全不可能的效率，好上一百倍。所以这大概是我认为对所有公司都可能是巨大游戏规则改变者的一个工具。 阿尼什：听起来非常强大。你在想模型在公司内部怎么部署时，觉得有没有哪些职能在不久的将来会被模型百分之百做完？还是你把它看成一种个人生产力杠杆，就像你刚才描述的？ 卢卡：百分之百。比如客服，我们所有的客服经理都已经从「回复工单的人」转变过来了。现在这块我们几乎百分百用 AI，剩下那部分工单交给外部供应商。我们的客服经理越来越像产品经理，在设计理想的响应流程、响应规则和用户体验。而这只是开始。我们在这上面投入很重，要把它做得更好，某个时点还会包括电话支持和 WhatsApp 支持。这是 LLM 的明显强项，因为它的核心就是从一大块知识里消化、再和人交换沟通，而 LLM 训练用的数据和这类任务很相似，今天已经做得相当好。另一个 AI 承担的任务比例大幅上升的领域是数据科学、数据分析。我们的数据科学家现在做得更多了：架构、构建、写软件、为比如预算流程或者例行看板搭建工具和流程。但真正取数据、清洗数据、画图这类工作，我没有精确数字，但我相当确信至少 90% 由 AI 完成。然后是编码。两年前 0% 由 AI 写，现在——我上次查的时候——是 94%。 阿尼什：哇。 卢卡：有些公司，取决于你想多激进——如果你是一家好公司，你大概应该在 70% 到 99% 之间；但任何一家好公司现在都不该低于 70%，这是我的看法。 阿尼什：完全没有意义。我同意，所有人都该向 100% 收敛。

阿尼什：我还有几个问题，卢卡，然后就收尾。你谈过在 Bending Spoons 内部每个决定都应该以最大的理性来做，但那不一定意味着永远由数据和报表来主导。LLM 也常常会制造一种虚假的精确感。有没有某一类决定，你发现凭直觉比凭分析的结果更好？ 卢卡：我认为分析和直觉都是输入。数据是一个输入，我「感觉不对」或者「这可能很酷」的直觉也是一个输入。你要在合理范围内尽可能多地拿到输入。但我不认为人生中有哪种情况，你应该用逻辑与理性以外的东西来做决定。这不等于说，仅仅因为一个分析显示法国人更可能买这个，我们就去法国做。它只是更大讨论里的一个输入。但我认为永远没有好理由说「我们这么做是因为我感觉想这么做」。除非我们在谈休闲，那本来就是关于感受的。 阿尼什：对。 卢卡：你可以、也应该尽可能有创意、有想象力，但那些同样只是输入，是你否则不会考虑到的想法或选项。你不会仅仅因为它们是灵光一闪、你特别兴奋就选中它们。你要咀嚼它们，判断那份兴奋是否成立，如果成立，那就去做。

阿尼什：说得通。那也许替那些觉得卡住了的创始人问一个问题。有人说地狱的定义是：你既没有赢，也没有退出。创始人该怎么知道什么时候该往前走、什么时候——这当然是个很难的问题——也许你离下一个台阶只有三个月？ 卢卡：我希望我有好答案。我在这件事上大概很糟。因为在 Bending Spoons 之前的 Evertale，我们做了三年。你知道我们是怎么失败的吗？显然它行不通——我们太早想用 AI 替人自动写日记，显然行不通，人们不用，更不付钱。可我们一直推，又融了一点钱继续，转一次方向、再转一次、再转一次。后来我们大概只剩下二十五万、三十万美元，而其中很大一部分本来要靠丹麦政府的一笔退税。当时我们在丹麦，具体行政细节我记不清了，但总之我们收到政府消息：那笔退款最终不该退，或者要十二个月之后才退。基本上就是会把我们直接搞死。所以你可以说，是那堆红头文件替我们做了决定。所以我这方面很不在行，我觉得我没法给建议。 阿尼什：是官僚体系创造了 Bending Spoons。 卢卡：你是在这里第一次听到这个说法。

阿尼什：好，最后一个问题。对下一家从意大利、甚至从这一带出来的科技公司，你觉得他们该从 Bending Spoons 学到什么？又该自己思考什么？ 卢卡：他们绝对应该用自己的脑子思考，百分之百。我从没见过一个伟大的创业者、伟大的发明家、伟大的工程师、伟大的艺术家——任何领域里伟大的人——最终不是为自己的决定负责的，不是智力上独立的。但有几件事我觉得在创业和商业里几乎普遍有用。第一是野心。这当然很主观，但就我个人而言，你一生只能做那么多事，而几乎任何事情，如果你瞄得高，最终更可能是有回报的。所以往高处瞄，瞄得非常非常高——「瞄向月亮」这个说法已经被币圈的人弄得没味道了，但还是往高处瞄。第二，努力理性。你可以尽可能有创意、有想象力、有热情，但最终努力用逻辑做决定，这会把你带得远得多。顺带说，历史上一些最伟大的发明家做得就很好：乔布斯做得很好，比尔·盖茨显然做得很好，埃隆·马斯克显然做得很好，贝索斯也是。他们都是有大想法的人，但他们不会因为「这听起来太酷了，就干吧」而选择那些想法；他们看事实、看第一性原理，最后才做出决定。所以我会说：野心、理性；然后再往下走一层——千万不要低估一支人才密度极高的团队有多重要，也千万不要低估如果你一开始的人才密度很低，想把密度提上来有多难。原因有很多，我们大概没时间展开，但多数应该相当直观。 阿尼什：谢谢你，卢卡。你建了世界上最独特、最成功的公司之一。恭喜，也谢谢你今天花时间。 卢卡：是我的荣幸。

旁白：想听更多节目，请到 YouTube、Apple Podcasts 和 Spotify。在 X 上关注我们，账号是 a16z；也可以订阅我们的 Substack：a16z.substack.com。再次感谢收听，我们下一期见。 旁白：以上信息仅供教育用途，不构成买入、持有或卖出任何投资或金融产品的建议。本播客由第三方制作，可能包含付费推广广告、其他公司引用以及与 a16z 无关联的个人。这些广告、公司和个人的内容未获 AH Capital Management LLC、a16z 及其关联方的背书。信息来自发布之日被认为可靠的来源，但 a16z 不保证其准确性。