文章核心观点 - Spark Capital作为Anthropic最早的机构投资者之一，在OpenAI如日中天时坚定押注其竞争对手，累计投入7.77亿美元，按1.5万亿美元估值测算账面回报约14倍，最初7500万美元投资潜在回报可能达80倍 [9][1] - Spark的成功并非偶然，而是基于对AI技术范式革命的系统性判断和全产业链布局，其投资逻辑强调技术判断与持续迭代能力而非静态竞争优势 [2][1][13] - AI时代风险投资的规则正在改变，传统SaaS投资中可量化的指标评估方法在AI领域失效，投资AI更像探索答案尚未写出的"谜题"而非有标准解法的"难题" [15] Spark Capital投资Anthropic的背景与过程 - Anthropic刚成立时几乎没有VC愿意投资，2021年公司没有产品、没有收入却要融资5亿美元，科学家Anjneyn Midha帮助寻找投资人时见了22家VC，21家当场拒绝，剩下一家最终也没谈成 [6][5] - 2021年5月Anthropic完成1.24亿美元A轮融资，领投方为Skype联合创始人Jaan Tallinn，其他投资者包括Facebook联合创始人Dustin Moskovitz等 [7] - 2022年4月完成5.8亿美元B轮融资，最大金主之一是后来因FTX破产而声名狼藉的Sam Bankman-Fried [8] - 2023年ChatGPT横空出世且微软向OpenAI投入巨额资金后，大多数VC仍选择观望，但Yasmin Razavi专门写了两份详细投资备忘录说服Spark其他合伙人 [8] - 2023年5月Spark领投Anthropic的4.5亿美元C轮融资，自己出资7500万美元，这是Spark历史上最大的一张支票，相当于其14亿美元成长基金规模的5%以上 [9] - 此后Spark又连续参与Anthropic五轮融资，累计投入达到7.77亿美元 [9] - Razavi从2023年3月开始担任Anthropic董事，甚至早于C轮融资正式官宣 [9] Yasmin Razavi的投资逻辑 - 第一，大模型可能代表一次真正的技术范式革命，借用科学哲学家托马斯·库恩的范式转换理论，认为过去十年深度学习、无监督学习和Transformer的发展已为LLM带来新的技术范式创造了条件 [8] - 第二，AI的应用范围将远远超过普通的软件工具，正在重新定义法律、医疗、会计、软件开发、采矿、农业等领域人类与计算机共同工作的方式 [8] - 第三，安全不仅是技术伦理，也是开发可靠AI产品的基础，特别提到Anthropic团队在Scaling Laws、RLHF以及Constitutional AI方面的研究积累 [8] - 并不认为大模型行业已被OpenAI彻底拿下，随着AI成为新的技术范式，拥有原创研究能力、能够持续迭代模型的公司仍有机会成为下一代科技巨头 [8] Spark Capital的AI全产业链布局 - 基础模型领域：除Anthropic外，还投资了AI蛋白质设计公司Profluent、机器人基础模型公司Generalist [11] - 算力层：投资了Lightmatter、MatX、Enfabrica，分别布局光互联、AI专用芯片和高性能网络互联 [11] - 基础设施层：投资了数据标注公司Scale AI、向量数据库Qdrant、模型推理平台Baseten以及AI数据中心公司Crusoe [11] - 应用层：投资了AI医疗公司Abridge、音视频编辑平台Descript、AI视频生成公司Pika以及AI会议笔记工具Granola [11] - 投资逻辑高度一致：寻找每个环节真正有能力建立长期竞争壁垒的公司 [11] Spark Capital对AI应用公司的分类框架 - 第一类Adaptation（适配）：给现有软件增加AI功能，如AI搜索、AI助手，这类产品虽能改善体验却很难仅凭AI功能形成长期壁垒 [11][12] - 第二类Evolution（进化）：利用AI重新设计工作流程，代表案例为AI医疗公司Abridge和AI会议笔记工具Granola，前者利用AI自动整理医患对话生成临床文档，后者把用户自己的记录与会议内容结合生成更符合个人需求的笔记 [12] - 第三类Revolution（革命）：AI创造出过去根本不存在的产品和市场，Spark最成功的投资主要集中在第三类以及部分第二类，对第一类简单增加AI功能的公司基本没有兴趣 [12] - 真正有价值的技术创新不只是把原来的事情做得更便宜更快，而是让用户能够完成过去无法完成的事情 [12] - AI Agent创业存在陷阱：很多公司利用大模型自动化传统人工服务通过降低成本迅速获得收入，但如果竞争对手都能调用相同的模型，今天建立的成本优势明天就可能消失 [12] - 真正的竞争壁垒必须来自产品本身以及持续积累的数据、用户反馈和工作流能力 [13] Razavi进入董事会后的价值贡献 - Razavi开始帮助公司识别哪些具体应用能创造最大商业价值 [10] - Anthropic联合创始人Daniela Amodei曾向《福布斯》透露，在Claude Code成熟之前Razavi就反复建议公司把AI编程作为一个独立的重要市场 [10] - Claude Code后来成为Anthropic增长最快的产品之一 [10] AI时代VC投资方法的反思 - Spark合伙人Nabeel Hyatt在2025年访谈中提出，过去十几年的SaaS投资越来越像一道有标准解法的数学题，投资人可通过ARR、客户留存率、销售效率、市场规模等指标评估软件公司的增长潜力 [15] - 但投资AI不行，几个月后模型会有什么能力、会出现什么产品形态、哪些岗位会被重新定义，这些问题在决策的那一刻都没有答案 [15] - Hyatt做了区分：过去VC擅长解Puzzle（已知条件下的难题），AI投资更像Mystery（答案还没被写出来的探索） [15] - 2023年任何试图用传统财务模型估算Anthropic价值的投资人都很难为一家收入有限、算力成本高昂、前面还有OpenAI的公司找到令人信服的投资理由 [15] - Spark看中的恰恰是财务模型难以衡量的东西：一支顶尖研究团队以及大模型可能创造的全新市场 [15] AI公司长期竞争壁垒的判断 - DeepSeek的出现让不少投资人质疑大模型公司投入数百亿美元训练模型究竟还能建立多大竞争优势 [16] - Hyatt并不认为巨额资本投入本身就是模型公司的唯一壁垒，相比某一代模型的领先，Spark更看重顶尖团队的技术判断以及持续执行和迭代的能力 [16] - 传统投资逻辑中那些相对静态的竞争优势在AI时代正变得越来越不可靠，企业能否持续适应变化甚至主动引领下一轮技术变革才是决定其长期价值的关键 [16][2]