开发人工智能工具教会我的风险投资之道

从理论上看，评估一家初创公司如同执行一套算法：评估问题陈述、衡量市场规模、分析竞争格局、考察业务增长势头、分析创始人背景、进行数据测算。这是一个结构化、可重复的流程，似乎非常适合自动化。

因此，当我最初受命为我们的基金开发一款由人工智能 (AI) 驱动的项目发掘工具时，我曾以为最困难的部分会是工程技术。

我错了。

经过数月的开发和测试，我发现，风险投资 (VC) 之所以抵制自动化，并非因为投资者是保护自身地盘的技术恐惧者——恰恰相反——而是因为这项工作远比外界所见的更为微妙复杂。

以下是我对人工智能的承诺与工作的实际需求之间差距的一些感悟。

数据难题

我们先从输入数据谈起。在风险投资领域，数据是稀疏、保密、零散且时常过时的。数据库中记录的上一轮融资可能已是18个月前的事了。最新的会计与企业管制局文件所显示的，也只是公司在上一年度末的状况。

这些数据点只能反映公司过去某个时刻的快照，而无法预示其未来的走向。公司的实时发展势头，存在于与创始人的对话以及背景调查电话中，而非外部数据库里。

这是量化对冲基金非常熟悉的一个问题。大多数顶尖的量化公司都不得不利用他们能找到的任何公开市场数据，来创造自己专有的先行指标。

在风险投资领域，可用的信息更少，定性变量更多，反馈循环也极其缓慢。在公开市场，一个错误的投资逻辑可能在几周内就会受到惩罚，但在风险投资领域，这可能需要数年时间。

SEE ALSO

The challenges of an AI-powered legal industry

Beyond the dip: How VCs can bet on Indonesia’s resilience

2025 was not the year crypto died; it was the year crypto got a job

Realities that will shape the South-east Asia VC playbook for years to come

More

此外，还有异常值的问题。那些定义了一只基金年份表现的投资，几乎毫无例外地，都是任何模型都不会标记出来的项目。比如比特币的诞生、冠病疫情带来的加速发展、GPT时刻的到来等。黑天鹅事件是无法通过回测来预测的。

你无法用上一个范式的数据来训练模型，以识别下一个范式转移。鉴于这个行业在很大程度上遵循幂律法则，专业人士正是依靠这少数几笔难以捉摸的投资来为整支基金带来回报。

或许最重要的是，早期投资中最重要的信号往往根本不是定量的。它体现在创始人讲述的故事里：为什么是这个问题，为什么是这个解决方案，为什么是现在，为什么是他们。

一个引人入胜、能重塑你对市场看法的叙事，比任何电子表格都更有价值。背景胜于数据。叙事驱动市场。

主观性难题

投资判断并非应用一套一成不变的准则，而是通过多年模式识别和惨痛教训磨练出的一门技艺，并且极具个人色彩。同一个项目，可能一个合伙人选择放弃，而另一个合伙人却笃定地押注，并且两人都可能是对的。

在开发这个工具时，我们必须做出一个根本性的决定：我们应该在多大程度上将公司的标准硬编码进去，又应该在多大程度上信任一个基础模型的通用智能？

如果硬编码过多，僵化的过滤器可能会漏掉任何不符合熟悉模式的项目——而这可能恰恰是能带来最佳风险投资回报的那种逆向投资。如果过于依赖模型的黑箱推理，我们又可能失去可解释性。

此外还有小数据集的问题。一支基金实际完成交易的频率有多高？几年内可能也就几十笔。这根本算不上一个训练集——顶多算是一个样本。过去的投资备忘录也可能固守于一些不再适用的范式。例如，一个建立在软件即服务（SaaS）时代假设之上的投资逻辑，在评估人工智能原生公司时可能并不直接相关。

关系护城河

如果说数据和主观性问题理论上可以通过足够强大的工程技术来解决，那么关系问题则不然。

这里存在一个悖论：如果你的人工智能能发现这个项目，那么其他所有人的工智能也能。信息优势在系统化的那一刻便荡然无存。

风险投资中最好的项目并非通过数据浮现——它们是通过信任来传递的。创始人在融资轮公开之前，会选择要联系哪些投资者。一个联合投资人会为一个有良好合作往绩、能提供真正帮助的基金预留一个投资席位。背景调查的质量，也取决于那些能促成坦诚反馈的人际关系。

这些并非等待被颠覆的低效环节，而是一个建立在信息不对称基础上的市场的固有特征。在这个市场里，准入是靠争取来的，声誉就是通行证。

关系带来准入机会。而在这个行业，获得准入机会就是工作的大部分内容。

人工智能真正的用武之地

这并不意味着人工智能在风险投资领域没有一席之地。实际上，它已经开始重塑部分工作流程，那些对此视而不见的公司最终将被淘汰。

人工智能可以非常高效地扫描、标记和处理投资机会。一个明确的应用就是筛选收到的潜在项目，确保不会有好的公司仅仅因为没人有时间看而石沉大海。

周边的工作流程也正在被改变：能够总结和提炼关键信息的数据室代理程序；将市场分析时间从数天压缩至数小时的深度研究工具；以及围绕公司内部风格构建的 Excel、PowerPoint 和投资备忘录代理，它们可以帮助撰写初稿、进行会议纪要转录和自动化外联。

这些并非微不足道的收益。它们将人力解放出来，使其能专注于工作中最重要的部分。

那么，我们何去何从？

自我开始这个项目以来，人工智能早已超越了“辅助驾驶”的阶段。部分工作流程不再仅仅是被增强，而是实现了自动化。随着前沿模型不断达到新的高度，或许它们最终会渗透到更高层次的判断工作中。

或许这没什么不好。或许这甚至是一件好事。

正如我公司的领导们不断提醒我们的那样，投资只是工作的第一步，也是最容易的一步。之后的一切——董事会工作、与创始人的艰难对话、在减值融资轮中做出的决策、对一个人的长期押注——才是真正工作的价值所在。

如果人工智能最终能够处理项目发掘、筛选和初步分析，那么剩下的便是那些本就一直最重要的部分。或许我们不应抗拒这一点。或许这才是关键所在。

作者是 Vertex Ventures South-east Asia and India 的一名投资经理