我投了近200家公司，AI正在重写VC的底层逻辑
过去二十年，我以天使投资人和VC的身份，投了将近200家科技公司。从移动互联网到区块链，从VR到AI，我见过太多风口起落。但没有任何一次技术变革，像AI这样从根本上动摇VC行业的底层逻辑。
旧VC的三块基石，正在被AI逐一拆除
传统VC的投资逻辑建立在三个假设上：
第一，团队规模等于执行力。 投一个项目，先看团队多少人、什么背景。30人的团队比10人的"靠谱"，BAT出来的比草根创业者"稳"。
第二，烧钱换增长是必经之路。 SaaS公司烧到$100M ARR才能盈亏平衡，电商平台烧到垄断才能盈利。VC的钱就是用来"烧"的。
第三，尽调是对过去的验证。 看财报、访谈客户、研究竞品——本质上都是"回头看"。
AI把这三点全拆了。
团队规模不再重要
Midjourney，40个人，年收入近2亿美元——人均产出480万美元。WhatsApp被190亿美元收购时只有55名员工。Instagram被10亿美元收购时不到15人。
这些不是异例。我自己的经历也印证了这一点：26岁创业时，我只有几十个人，却打败了上千人的国企。那时候靠的是勤奋+工具。现在，AI就是那个"超级工具"——一个会用AI的10人团队，产能可以超过一个不用AI的100人团队。
VC的铁律被颠覆了：不是"投大团队"，而是"投会用AI的小团队"。
烧钱模式的终结
AI时代的创业公司，成本结构发生了根本变化。传统SaaS公司最大的成本是人——工程师、销售、客服。AI公司最大的成本是算力——而算力的边际成本正在以每年70%以上的速度下降。
这意味着什么？一个AI Native的创业公司，可能在$1M ARR时就已经盈利——不需要烧到$100M。当你的主要成本是GPU而不是人头，你的盈亏平衡点被彻底重构了。
这对VC意味着："投后烧钱等退出"的模式不再适用。你要投的是那些从Day 1就有正向单位经济模型的公司。
尽调从"考古"变成"预言"
传统尽调看的是历史数据——去年的收入、上季度的增长率。但AI时代的公司变化太快，去年的数据可能毫无意义。
我现在尽调一家AI公司，更关注三个问题：
- AI护城河有多深？ 模型是不是套壳？数据飞轮转起来了吗？
- Token效率有多高？ 不是"用了多少AI"，而是"每花1美元算力，产出多少收入"
- 团队的学习速度？ 在AI以周为单位进化的时代，比"你知道什么"更重要的是"你学得有多快"
一个我最近才想明白的道理
投了近200家公司之后，我发现一个规律：最成功的创业者，往往不是"最懂行业"的人，而是"最快学会用新工具"的人。
26岁那年，我不懂零售，但我懂电脑。28岁做短信应用，我不懂电信，但我懂数据。每一次跨界，我靠的不是行业经验，而是"先跳进去，用工具加速学习"。
AI时代，这个规律被放大了。今天最让我兴奋的创业者，不是那些在大厂做了十年AI的人——而是那些"用AI在完全陌生的领域里从零做到第一"的人。
Token-First：VC的下一个范式
我在内部提出了一个概念叫"Token-First"——未来的公司，核心竞争力不在于有多少员工、多少专利、多少客户，而在于你如何把算力转化为收入。
Token-First公司有三个特征：
- 收入与Token消耗正相关，但Token效率持续提升
- 人机比持续下降（每百万收入所需的人数逐年减半）
- 护城河不是数据，而是"用数据训练更好模型的速度"
作为投资人，我现在问创业者的第一个问题不是"你的TAM多大"，而是**"你的Token效率是多少？"**
二十年投资生涯教会我一件事：不要和趋势对赌。 AI不是又一个风口——它是所有风口的底层操作系统。而VC行业，正站在这台新操作系统的启动界面上。