老牌種子基金掌門人 David Frankel 深度訪談：AI 狂熱背後的淘汰潮、估值紀律與退出策略

David Frankel 真正講的不是“AI 泡沫會破”：而是技術革命可以完全正確，同時 95% 的公司、基金和投資人仍然可能輸掉這場戰爭

這期 20VC 於 2026 年 8 月 8 日發佈。David Frankel 是 Founder Collective 聯合創始人、General Partner，早期投資經歷覆蓋 Uber、Coupang、PillPack、Suno、Shield AI 等公司；Founder Collective 最大的特色之一，是在整個 VC 行業不斷擴張基金規模的情況下，長期堅持小型 Seed Fund 模式。

我認爲，這期訪談真正值得研究的不是一句：

AI 會崩盤。

而是四個更深的問題：

第一，爲什麼一場真正偉大的技術革命，仍然會製造巨大的投資屍體？

第二，爲什麼 VC 基金越大，有時反而越難獲得頂級回報？

第三，AI 到底會殺死哪些 SaaS，又會強化哪些 SaaS？

第四，當私人市場越來越久不 IPO 時，投資基金究竟應該追求“紙面財富”還是“現金回報”？

Frankel 的答案，本質上是一套非常傳統、甚至有些古典的資本主義原則：

價格永遠重要。所有權永遠重要。現金永遠比估值真實。技術趨勢正確，不代表你付任何價格都能賺錢。

1. 首先修正幾個你整理裏容易被放大的地方

你的整體方向基本抓得很準，但有幾個數字最好在正式稿里加上限定。

Frankel 在採訪裏確實提出，過去約25年真正長期站穩 100億美元以上估值 的美國新公司不到100家，並稱其觀察的前500家公司中位估值約26億美元。公開可檢索的節目摘要記錄了這些數字，但我沒有找到這套統計的完整樣本定義、估值日期與“可持續”的嚴格方法論。

所以正式表達最好寫：

“Frankel 根據自己的統計/觀察認爲……”

不要把它寫成美國官方統計。

第二，你材料裏寫：

“只要早期持有5%，哪怕幾億至26億美元退出，也足以 Return the Fund。”

這句話需要進一步細化。

Founder Collective 最新基金規模是 9500萬美元。如果基金在一家最終26億美元的公司退出時仍然擁有5%，對應價值約1.3億美元，確實可以單項目覆蓋整個基金本金。Founder Collective自己也公開強調，小基金戰略就是爲了讓相對較小的退出也能對基金回報產生決定性影響。

但注意：

Seed 時擁有5%，不等於退出時仍擁有5%。

後續融資會產生稀釋。

這是理解VC數學非常重要的一點。

2. 先把這筆 VC 數學真正算清楚

假設：

Founder Collective基金規模9500萬美元。

一家Seed公司最終價值26億美元。

如果退出時仍有5%：

價值約：

1.30億美元。

相當於約：

1.37×整個基金規模。

但如果經過多輪融資後只剩3%：

價值：

7800萬美元。

已經無法單獨Return the Fund。

如果剩2%：

價值：

5200萬美元。

如果公司只以5億美元出售，即使仍有5%：

也只有：

2500萬美元。

所以 Seed VC 真正的數學不是：

找一家幾十億美元公司。

而是：

Entry Price × Initial Ownership × Dilution × Exit Value。

四個變量缺一不可。

這就是爲什麼Frankel如此執着於：

• 估值；
• Ownership；
• Seed價格；
• 基金規模。

3. 這期訪談最大的投資認知：技術泡沫和技術革命完全可以同時存在

這是所有AI投資者必須理解的一句話。

很多人把世界理解成二選一：

AI是真革命。

或者：

AI是泡沫。

歷史告訴我們，完全可能同時都是。

1999年的互聯網：

是真的。

Amazon是真的。

Google後來是真的。

寬帶是真的。

電子商務是真的。

但同時：

互聯網股票泡沫也是真的。

大量公司最後歸零。

鐵路也是如此。

19世紀美國鐵路：

改變了商業、物流、城市和國家版圖。

但大量鐵路公司破產。

光纖也是。

互聯網最終消耗了難以想象的數據量。

但2000年前後大量電信基礎設施投資者仍然損失慘重。

所以：

技術需求最終增長100倍，不等於今天以任何價格投資供應商都能賺錢。

Frankel所謂“Roadkill”，真正講的就是這個。

4. 爲什麼偉大的技術革命反而特別容易製造泡沫？

因爲真正偉大的技術革命最容易產生一個危險敘事：

市場最終無限大，所以價格不重要。

一旦投資人接受這句話，估值紀律開始崩潰。

例如：

公司今天收入1000萬美元。

估值10億美元。

投資者說：

“沒有關係，它未來可能1000億美元。”

於是下一家：

收入500萬美元，估值10億美元。

再下一家：

還沒有收入，估值5億美元。

最後變成：

只要能搶到allocation，就已經算成功。

此時風險投資開始從：

投資未來現金流

逐漸變成：

投資下一輪投資者的支付意願。

這就是泡沫形成的重要機制。

5. AI時代最危險的一句話就是：“Winner太大，所以Entry Price不重要”

這是數學錯誤。

假設你投一家最終100億美元的公司。

A基金：

1億美元估值進入。

理論毛倍數：

100×。

B基金：

10億美元估值進入。

理論：

10×。

C基金：

50億美元進入。

理論：

2×。

公司完全一樣。

技術完全一樣。

創始人完全一樣。

最後結果完全一樣。

投資回報完全不同。

所以：

偉大公司 ≠ 偉大投資。

這是金融領域一個永恆原則。

Coca-Cola可以是偉大公司。

價格太貴也可能是糟糕投資。

一家平庸公司如果價格極低，也可能產生優秀投資回報。

6. 這也是爲什麼 Seed Fund 的優勢本質上是“非線性回報”

Seed基金最大的優勢不是知道得更多。

而是：

能夠在公司的價值曲線還非常低時進入。

例如：

500萬美元投後估值。

最終50億美元。

理論價值增長：

1000×。

即使經歷大量稀釋，

仍然有巨大的回報空間。

但一家大型基金在50億美元時才進去，要產生相同回報，公司需要價值：

5萬億美元。

數學完全不同。

7. 所以基金規模本身，就是一種投資策略

Founder Collective刻意把基金規模保持在1億美元以下；第五期基金爲9500萬美元。基金自己解釋得非常明確：基金規模決定基金策略，基金越大，就越需要更大的退出才能產生有意義的倍數。

這件事普通人容易忽略。

10億美元基金賺1億美元：

對基金只是10%。

5000萬美元基金賺1億美元：

就是2倍基金規模。

所以同一個項目：

對於不同規模的VC，

價值完全不同。

這解釋了爲什麼大型VC會說：

“低於100億美元的市場我們沒興趣。”

並不是公司不好。

而是：

它對基金數學沒有意義。

8. 這就是所謂 Fund Size Trap

基金第一次：

1億美元。

表現非常好。

LP說：

給你更多錢。

第二期：

3億美元。

又表現不錯。

第三期：

10億美元。

基金管理費大幅增加。

機構規模增加。

必須僱更多人。

然後爲了部署資金：

單筆投資必須越來越大。

進入階段越來越晚。

估值越來越高。

最終基金已經不再從事原來令它成功的業務。

這就是VC行業最典型的：

Strategy Drift。

成功本身改變了策略。

9. 爲什麼VC行業如此容易發生“資產管理化”？

因爲GP有兩種經濟來源：

Management Fee。

以及：

Carry。

例如：

一個10億美元基金。

假設每年管理費約2%。

就是：

2000萬美元。

即使投資回報一般，

管理公司本身仍然可以建立巨大的收入規模。

而一家9500萬美元基金：

同樣2%：

約190萬美元。

所以小基金的經濟激勵更迫使GP：

真正產生投資回報。

這也是Frankel所謂：

“Greedy for returns, not management fees”

背後的資本結構。

10. Seed市場現在最大的異常，是融資額與公司成熟度開始脫鉤

傳統Seed輪的意義是：

給團隊足夠的錢驗證 Product-Market Fit。

今天部分熱門AI項目可能在：

• 產品尚不成熟；
• 收入極低；
• PMF尚未證明；

時就融資：

800萬美元、1000萬美元甚至更多。

並獲得數千萬甚至上億美元估值。

Frankel並不認爲所有這種融資都是錯誤。

他的問題是：

你付出的價格是否已經假設公司未來一定成功？

Seed應該因爲不確定性巨大而價格低。

如果Seed已經按Series B價格投資：

投資者承擔的仍然是Seed風險，

卻拿不到Seed回報。

這就破壞了風險—收益關係。

11. 爲什麼他寧願只投50萬、100萬美元，也不一定硬搶10%？

這是很高級的一點。

傳統Seed VC強調：

Ownership target。

比如一定要：

7%、10%、12%。

問題是，當一個超級優秀團隊開出巨大Seed輪時，如果你堅持：

不給我10%我就不投，

你可能直接失去所有未來回報。

所以Frankel的調整是：

Framework重要，但Exception同樣重要。

對於極強創始人：

寧願持有1%，

也可能比：

堅持10%然後最終持有0%

更聰明。

節目公開摘要也記錄了他對降低所有權要求、以較小支票參與頂級項目的討論。

12. 但這裏真正困難的是：什麼時候該破例？

這就是VC最難學習的東西。

如果每個創業者都說：

“我是下一個OpenAI。”

然後VC都破例：

框架就沒有意義。

正確邏輯應該是：

Framework是Default。

Exception必須要求Extraordinary Evidence。

例如：

• 創始人極強；
• 技術能力罕見；
• 產品已經快速爆發；
• 用戶Retention異常；
• 口碑異常；
• 市場巨大；
• 網絡效應明顯。

只有這樣才值得打破價格紀律。

否則：

FOMO disguised as flexibility。

也就是把害怕錯過包裝成“靈活投資”。

13. 無上限 SAFE 爲什麼讓老派 Seed VC 非常不舒服？

因爲 Uncapped SAFE 本質上意味着：

我今天把錢給你，但不知道最終買多少股份。

從創始人角度：

非常方便。

從投資者角度：

風險卻已經承擔。

價格還沒鎖定。

如果下一輪極熱：

投資者的Ownership可能遠低於原先想象。

這破壞了 Seed VC 最重要的東西：

Early Risk → Meaningful Ownership。

如果你承擔最高的不確定性，

卻沒有獲得對應價格，

整個Seed數學就開始失效。

14. 但真正頂級的Seed投資，估值永遠應該排在創始人之後

Frankel的投資順序很值得學習：

先看：

• Founder；
• Market；
• Product；
• Opportunity；

最後纔看Valuation。節目摘要也記錄了這一點。

這和“價格不重要”完全不同。

正確理解是：

先決定我想不想擁有這個資產，再決定這個價格能不能買。

而不是：

因爲便宜，所以買垃圾。

便宜的0最後還是0。

15. 爲什麼 Frankel如此強調 CEO + CTO 的“Alchemy”？

早期公司最理想的組合往往是：

一個人：

Build。

另一個人：

Sell。

CTO能夠：

• 理解技術；
• 建產品；
• 快速迭代；
• 招工程人才。

CEO能夠：

• 招人；
• 融資；
• 賣產品；
• 講故事；
• 建文化；
• 處理衝突；
• 獲得客戶信任。

真正偉大的創業公司經常需要：

技術創造能力 × 社會組織能力。

只有技術沒有銷售：

可能永遠是項目。

只有銷售沒有技術：

最終可能是PPT公司。

16. 爲什麼CEO最後會越來越少“親自幹活”？

創業第一年：

CEO可能親自：

• 寫代碼；
• 跑銷售；
• 客服；
• 招聘；
• 做Pitch Deck。

但公司從：

5人 → 20人 → 100人，

CEO的工作必須改變。

他真正需要生產的東西逐漸變成：

People + Capital + Direction。

所以優秀CEO最終不是公司最好的銷售員或程序員。

而是：

製造一支比自己更強團隊的人。

Frankel在訪談中也特別強調招聘，認爲優秀CEO可能長期把大量時間投入到人才獲取。

17. 爲什麼30%—50%的CEO時間花在招聘，並不誇張？

假設一個CEO自己生產率是普通員工10倍。

仍然有限。

但如果他每年招到：

10個極強人才，

這些人又招：

100個優秀人才，

CEO開始產生：

Human Capital Leverage。

這是爲什麼頂級創始人的工作會從：

doing

逐漸變成：

recruiting people who can do.

AI時代這一點不會消失。

反而更重要。

因爲AI讓普通執行越來越便宜，

真正能設計系統、定義問題、建立組織的人更值錢。

18. “Nepo Baby”這件事，要理解成 Domain Inheritance，而不是富二代

Frankel喜歡的一類創始人是：

從小就在某個產業裏。

例如父母：

• 開藥房；
• 做HVAC；
• 做物流；
• 做製造；
• 做保險。

這種人20歲可能已經無意間積累了：

10年的行業觀察。

他知道很多外部創業者不知道的東西：

• 客戶爲什麼不換軟件；
• 行業真正怎麼賺錢；
• 哪些規定最煩；
• 哪個流程最浪費錢；
• 哪些人真正有采購權；
• 什麼產品看起來好但行業不會買。

這叫：

Earned / Inherited Domain Edge。

AI時代尤其值錢。

因爲AI可以快速複製代碼。

但很難複製：

20年行業潛知識。

19. 所以未來創業競爭可能出現一個非常有意思的組合

過去最強創業者可能是：

Stanford CS + Silicon Valley。

未來一個非常強的組合可能是：

深行業知識 + AI原生執行能力。

例如：

一個從小在父親HVAC公司長大的年輕人，

再加上Agent、視覺模型、自動報價、調度系統，

可能比一個從未真正進過施工現場的純軟件團隊，

更有機會重做整個HVAC行業。

這也是垂直AI真正巨大的機會所在。

20. 現在說“SaaS Apocalypse”太簡單

Frankel這一部分判斷我非常贊同。

AI不會平等地消滅所有SaaS。

真正需要看的是：

軟件到底處在客戶業務的哪一層？

有兩種完全不同的SaaS。

第一種：

Tool。

第二種：

System of Record / System of Workflow。

Tool容易被替代。

核心系統極難。

21. 什麼 SaaS 最危險？

例如一個產品主要功能只是：

• 寫文案；
• 總結會議；
• 改寫郵件；
• 簡單數據查詢；
• 做PPT；
• 基礎客服回覆。

如果一個通用模型加Agent可以做到：

80%—95%效果，

那麼獨立軟件存在價值會迅速降低。

客戶最終會問：

爲什麼我要額外付$50一個月？

這種產品會被：

OpenAI、Anthropic、Google、Microsoft

不斷吞噬。

22. 什麼 SaaS 最難死？

假設軟件負責：

• 醫藥研發記錄；
• 企業訂單；
• 支付賬本；
• ERP；
• 保險理賠；
• 醫療記錄；
• 供應鏈；
• 銀行核心系統。

裏面可能有：

十年曆史數據。

幾十個API。

上千員工。

大量權限。

審計記錄。

監管要求。

此時換軟件不是：

“導出CSV然後換一個App。”

而是：

企業心臟移植。

這種 SaaS 的護城河不只是產品好不好。

而是：

Switching Cost。

23. AI甚至可能強化某些老 SaaS

這是最反直覺的一點。

假設一個SaaS擁有20年的企業數據。

過去員工只能通過菜單慢慢查。

AI加入後：

員工可以直接說：

“找出過去三年利潤率下降但銷售額增長的客戶，並解釋原因。”

AI調用現有數據庫。

突然老SaaS變得好用10倍。

於是：

AI不一定殺死System of Record。

它可能把它變成：

Intelligent System of Record。

所以不要簡單做：

“AI多 → SaaS空”。

應該分析：

AI是在替代軟件，還是提高軟件已有數據資產的價值？

24. SaaS未來真正的“最後壁壘”其實不是UI

過去SaaS公司大量價值來自：

漂亮UI。

workflow。

dashboard。

AI時代UI會越來越容易複製。

真正難複製的是：

• 數據；
• 權限；
• 歷史；
• 集成；
• 合規；
• 企業關係；
• 網絡；
• 工作流狀態。

所以未來軟件估值會越來越從：

UI multiple

轉向：

Workflow ownership multiple。

誰擁有工作流，

誰擁有客戶。

25. Suno 爲什麼是一個非常重要的反例？

Frankel是Suno的早期投資者。Founder Collective在2026年3月披露，Suno已經超過 200萬付費用戶、3億美元年收入。Founder Collective當前網站還記錄了其後續融資和估值提升。

Suno重要的地方不是：

AI會寫音樂。

而是它證明：

AI消費產品可以直接創造新的用戶行爲。

用戶不關心：

Transformer是什麼。

GPU是什麼。

模型參數多少。

消費者只想：

“我能不能30秒做出一首我喜歡的歌？”

當底層AI完全消失在產品體驗後面，

AI才真正成爲消費技術。

26. 這和 Spotify 當年非常相似，但並不完全一樣

Spotify真正改變的不是：

音樂文件格式。

而是：

消費體驗。

搜索。

點一下。

馬上聽。

Suno再往前一步：

不是幫你找到音樂，而是即時製造音樂。

從：

Catalog Economy

進入：

Generative Economy。

這會改變內容產業的一個基本假設：

過去內容稀缺。

未來：

內容可能無限。

於是新的稀缺資源變成：

• 注意力；
• 品味； -身份；
• 社羣； -分發； -品牌。

27. AI消費創業最大的機會，可能不是“模型更強”，而是重新定義行爲

最偉大的消費產品通常不是：

把舊產品提高20%。

而是讓用戶做以前不會做的事情。

Uber：

不是更好的出租車App。

它改變：

人什麼時候願意叫車。

Instagram：

不是更好的相冊。

它改變：

人爲什麼拍照。

TikTok：

不是更好的YouTube。

它改變：

內容如何被發現。

Suno如果真正成爲大平臺：

最重要的不是替代Spotify。

而可能是讓過去從來不會創作音樂的人，

開始每天創作音樂。

這叫：

Market Creation。

這是消費創業最高等級。

28. Frankel 對 Secondary Market 的態度，反映了VC行業一個非常大的結構變化

Frankel稱，他從未見過當前私人公司二級市場如此活躍；一些頂級公司甚至能接近上一輪價格成交，而普通項目則可能需要折價。節目中他討論過賣出約20%持倉以形成DPI，同時繼續保留絕大多數上行空間。

爲什麼現在Secondary越來越重要？

因爲公司IPO越來越晚。

過去：

公司7年上市。

VC可以退出。

現在很多頂級公司：

10年、12年甚至更久仍是私人公司。

於是VC面臨：

賬面已經賺20倍，但LP一分錢沒收到。

這就是 TVPI 與 DPI 的巨大矛盾。

29. 一定要真正理解 TVPI 和 DPI

TVPI：

Total Value / Paid-In Capital。

可以簡單理解：

已經兌現的錢 + 賬面價值。

DPI：

Distributed / Paid-In Capital。

就是：

真正已經返還給LP的錢。

假設LP投入100萬美元。

基金說：

你的投資現在值500萬美元。

TVPI：

5×。

但一分錢沒退出。

DPI：

0×。

五年後公司估值崩掉80%。

原來的5× TVPI：

可能瞬間變成1×。

所以：

TVPI是估值。DPI是現金。

30. 爲什麼 DPI 是 VC 世界最誠實的數字？

因爲Private Market最容易出現：

Marking Problem。

一家公司上一輪：

100億美元估值。

兩年沒有融資。

基金仍然按100億計價。

但如果今天真的要出售：

可能只能60億。

甚至沒人買。

於是賬面財富和實際流動性出現巨大差距。

DPI沒有這個問題。

現金到賬：

就是到賬。

所以Frankel把DPI放在極高位置，是非常成熟的資本管理思想。

31. 但是“早點賣20%”也不是永遠正確

假設你1980年代擁有微軟。

賣掉20%。

當然仍然很富。

但如果你長期不斷賣：

會損失巨量複利。

所以 Secondary 決策真正的問題不是：

能不能賺錢？

而是：

Risk-adjusted marginal value。

如果一家公司已經：

• 佔基金60%淨值；
• 私有估值極高；
• IPO還要5年；
• 已經可以產生20×回報；

賣20%可能非常合理。

因爲它完成三件事：

1. 返還本金；
2. 降低集中風險；
3. 仍保留80%上漲空間。

這叫：

De-risk without abandoning upside。

32. “Velocity of Cash”對基金經理爲什麼這麼重要？

想象兩個基金。

A：

10年後一次性返還4倍。

B：

第4年返還1倍，

第6年又返1倍，

第9年再返2倍。

名義總倍數類似。

但B對LP價值往往更高。

因爲LP提前拿回的錢可以：

• 投新的基金；
• 買債券；
• 投股票；
• 支付自身義務。

現金有再投資價值。

這就是：

Capital Velocity。

所以真正成熟的資產管理不是隻追求最大賬面數字。

還要管理：

錢什麼時候回來。

33. 這也是爲什麼 VC 不能只看 MOIC，必須同時看 IRR

20年後賺5倍，

和5年賺5倍，

完全不是一回事。

前者年化回報大約只有：

8%左右。

後者年化：

接近38%。

所以投資最核心的三個變量是：

Money × Multiple × Time。

很多基金只宣傳：

“這個項目賺了20×。”

卻不告訴你：

用了18年。

這會嚴重誤導投資者。

34. Frankel 對 Physical AI 的判斷非常值得注意

Founder Collective 的代表性項目裏包括 Shield AI、Verkada、WHOOP 等，說明其Physical/Applied AI興趣並不是2026年突然追熱點，而是多年以前已經投資於無人系統、智能安防和可穿戴設備等方向。

這一方向的本質是：

廉價硬件 + AI智能層。

過去硬件價值來自：

機械工程。

未來：

機械部分越來越商品化。

價值逐漸向：

• 軟件；
• 數據；
• AI；
• 自主決策；

遷移。

35. 無人機是非常典型的例子

單純製造無人機：

最終可能變成低利潤製造業。

真正高價值可能來自：

無人機能夠：

• 自主導航；
• 識別目標；
• 多機協同；
• 避障；
• 決策；
• 在GPS受干擾情況下繼續運行。

此時：

Hardware只是body。

AI是brain。

這也是爲什麼Physical AI可能誕生大量非常高價值公司。

因爲它把軟件利潤率帶進現實世界。

36. 但Physical AI與純軟件相比，有一個巨大區別

Software：

複製成本接近零。

Hardware：

每多一個客戶仍然需要生產一個實體產品。

因此Physical AI公司必須解決：

• BOM；
• 製造；
• 供應鏈；
• 庫存；
• 維修；
• 售後；
• 質量控制；
• 資本開支。

所以不是：

AI + Hardware = 自動成爲好生意。

真正優秀的Physical AI企業必須做到：

硬件越來越商品化，但軟件、數據和網絡效應越來越強。

這纔有機會產生優秀經濟模型。

37. 光子計算是這期訪談最需要降溫的一部分

你整理成：

“未來10年光子芯片將全面替代傳統電芯片和傳輸。”

如果這是Frankel的方向性判斷，可以原樣保留爲他的預測。

但絕對不能把它作爲已經形成共識的技術事實。

目前光子技術最接近大規模商業化的方向之一，是：

Optical Interconnect / Silicon Photonics。

也就是先用光替代越來越難擴展的銅互連，讓GPU和數據中心之間更高速、更低能耗地搬運數據。Nature 近年的綜述也更傾向於描述一種 電子+光子的混合演進路徑，而不是未來十年電子計算全面消失。

38. 爲什麼光特別適合“搬數據”？

現代AI的瓶頸越來越不只是計算。

還有：

Data Movement。

GPU算得很快。

但GPU之間必須不斷交換數據。

電子互連會產生：

• 電阻；
• 熱量；
• 信號損失；
• 功耗。

光具有：

• 高帶寬；
• 長距離低損耗；
• 多波長並行傳輸；

等優勢。

所以最現實的路線可能首先是：

Copper → Optical Interconnect。

而不是：

GPU全部被光子計算機突然取代。

39. 光子真正進入計算本身，要解決的問題還很多

光子矩陣乘法非常有吸引力。

AI恰恰大量需要矩陣運算。

但現實系統還需要：

• Memory；
• 精度；
• 非線性運算；
• 編程；
• ADC/DAC；
• 數據轉換；
• 控制電路；
• 製造良率；
• 軟件生態。

當前研究仍明確指出，光子AI處理器在存儲、精度、系統集成和大模型映射方面存在重大工程挑戰。

因此我會把Frankel的判斷修正成：

未來十年，光子技術極可能大規模進入AI數據中心，尤其是互連；光子計算也可能承擔越來越多特定AI運算，但“全面替代電子芯片”仍然是高風險預測。

40. 更有意思的是：光子革命未必摧毀 NVIDIA，反而可能被 NVIDIA 吸收

這是技術投資經常出現的錯誤。

投資者看到：

新技術出現。

然後馬上：

老巨頭完蛋。

未必。

大型科技公司可以：

• 自研；
• 收購；
• 合作；
• 集成。

光子互連最終完全可能成爲下一代GPU系統的一部分。

也就是說：

Photonics ≠ Anti-NVIDIA。

它也可能變成：

NVIDIA system architecture的一部分。

所以尋找“下一個NVIDIA殺手”遠比現實複雜。

41. 中國問題也需要從產業鏈而不是民族敘事理解

Frankel關於中美成爲AI兩大中心的判斷，本質上是在提醒投資者：

AI競爭不是單純比較一個模型排行榜。

真正競爭的是：

• 芯片；
• 電力；
• 數據中心；
• 模型；
• 開源生態；
• 人才；
• 機器人；
• 製造；
• 生物技術；
• 供應鏈。

任何一個國家如果只在模型層領先，卻在：

能源、製造、芯片設備

上受限，

都會面臨結構性約束。

所以未來AI競爭越來越接近：

National Industrial System Competition。

而不是簡單的軟件比賽。

42. 這期訪談對普通投資者最重要的教育是：不要把“行業Beta”和“公司Alpha”混在一起

AI產業可能增長巨大。

這叫：

Sector Beta。

但你買的公司能不能賺錢：

取決於：

• 買入估值；
• 利潤率；
• 競爭；
• 市佔率；
• 稀釋；
• 資本強度；
• 技術替代。

這纔是：

Company Alpha。

例如：

航空業改變世界。

但航空公司歷史上並不一定是最優秀的長期投資對象。

互聯網改變世界。

但大量互聯網公司死亡。

AI改變世界。

也完全可能有95%的AI創業公司讓投資者虧損。

43. 對創業者而言，“Roadkill”最大的原因不一定是產品差

更可能是：

同質化。

如果1萬家公司同時做：

AI律師。

AI銷售。

AI客服。

AI招聘。

其中大量公司不是因爲AI沒用而死。

而是：

AI太有用了，所以所有人都能做。

於是：

產品差異縮小。

價格下降。

客戶獲取變貴。

利潤被壓縮。

最終市場只留下：

• 最強品牌；
• 最強分銷；
• 最強數據；
• 最深工作流；
• 最低成本；
• 最快增長的少數玩家。

這叫：

Value Creation ≠ Value Capture。

AI創造巨大價值，

並不保證每個AI公司都捕獲價值。

44. 所以AI創業最大的錯誤，是把“模型能力”誤認爲“公司護城河”

今天你比別人做得好，

可能只是因爲：

你用了最新模型。

三個月後：

所有人都能調用。

優勢歸零。

真正能留住的資產是：

• 客戶；
• 用戶習慣；
• 數據；
• 網絡效應；
• 工作流；
• 品牌；
• 渠道；
• 監管許可；
• 物理基礎設施。

因此一個AI創業者最應該問：

如果明天OpenAI把我的核心AI能力免費提供，我公司還剩下什麼？

如果答案是：

“基本什麼都沒有。”

這家公司風險極高。

45. 對 Seed VC 而言，我會把 Frankel 的方法壓縮成一個公式

不要追求：

Every Winner。

追求：

Enough ownership in a few extraordinary companies at rational prices。

因爲風險投資是冪律遊戲。

你不需要投中所有大公司。

甚至不需要投中10家。

對於一個小基金，

一兩個超級結果就可能決定全部回報。

因此：

錯過ElevenLabs，

不會殺死基金。

錯過Klaviyo，

不會殺死基金。

真正會殺死基金的是：

爲了害怕錯過，而系統性地用壞價格投資幾十家公司。

46. 這就是 Framework 最大的價值

Framework不是爲了保證你永遠正確。

而是爲了：

保證你錯誤的時候不會死。

Frankel自己承認，估值和ownership紀律讓Founder Collective錯失過一些極優秀公司；節目中談到的例子包括 ElevenLabs、Granola、Fractile，以及其他因價格或框架而錯過的項目。

但這是投資最重要的成熟：

你不能拿“我錯過了Amazon”證明任何價格都可以買。

否則下一次你會在99個垃圾公司上全部破產。

47. 這和 Warren Buffett 的思維其實非常接近

Buffett的核心並不是：

永遠不犯錯。

而是：

避免永久性資本損失。

VC看起來和價值投資完全相反：

高風險。

高增長。

沒有利潤。

但Frankel實際上是在做：

Seed-stage value investing。

核心仍然是：

• 價格；
• Margin of Safety；
• Ownership；
• 資本紀律；
• 等待；
• 不追FOMO。

只是資產從成熟公司，

換成創業公司。

48. 我認爲這期訪談最有價值的詞不是 Roadkill，而是 “Patience”

2026年的AI市場很容易讓投資者產生一種心理：

現在不投，以後就永遠沒機會。

這是泡沫時期最危險的心理。

真正頂級投資者知道：

技術革命持續：

10年、20年。

如果AI真的是這一代最大的技術浪潮，

那麼機會不會只存在：

2026年8月這一週。

未來還會出現：

• 新基礎設施；
• 新應用；
• 新硬件；
• Agent；
• Robotics；
• Healthcare；
• Energy；
• Security。

你完全不需要爲了“趕上AI”，

今天就接受任何估值。

49. 對投資者來說，這期訪談可以建立一個非常實用的“AI投資六問”

以後看到任何AI項目，可以先問：

第一，這家公司創造的價值是否依賴模型仍然稀缺？

如果模型商品化，它怎麼辦？

第二，它擁有哪一個真實的稀缺資產？

客戶？數據？渠道？牌照？網絡？

第三，進入價格已經隱含多大的未來成功？

估值是不是把未來10年都提前買完？

第四，AI效率提高以後，公司獲益還是被替代？

第五，公司能夠捕獲價值，還是隻給用戶創造價值？

第六，如果未來三年無法IPO，投資人如何獲得流動性？

這六個問題，比問：

“是不是AI公司？”

重要得多。

50. 對創業者，我會提煉成另外八條

第一，不要因爲AI火就創業，要找到真實問題。

第二，模型不是護城河。

第三，進入企業最深的工作流。

第四，真正理解你服務的垂直行業。

第五，找到CEO與技術核心之間的互補。

第六，融資越多並不自動越強。

錢也會製造錯誤激勵。

第七，不要爲了最高估值犧牲未來融資彈性。

第八，永遠考慮最終退出數學。

100億美元估值不是獎盃。

最終：

Cash returned matters。

51. 這期訪談和前面 Huang、Altman、Wang 三期放在一起，會得到一個非常完整的 AI 資本框架

黃仁勳告訴你：

Compute需求可能巨大。

Sam Altman告訴你：

Intelligence成本會持續下降。

Alexandr Wang告訴你：

Agent和智能會越來越豐富，真正稀缺的是如何組織智能。

David Frankel則補上金融市場最容易忘記的一句話：

即使前三個人全部正確，你仍然可能在投資上虧得一塌糊塗。

因爲：

Technology ≠ Company。

Company ≠ Stock。

Great Stock ≠ Great Price。

Great Startup ≠ Great Venture Investment。

這是整套邏輯的最後一環。

52. 最終的最高層判斷

我認爲Frankel真正值得學習的，不是他的“AI會Crash”預測。

Crash什麼時候發生，

沒人知道。

20VC官方甚至把他的一句話直接列成節目主題：

“Anyone Who Claims They Knew Is Full of Shit.”

也就是說，真正優秀的投資者自己都不會裝作準確知道哪家公司最終勝出。

真正應該學習的是：

在一個你確信長期極度繁榮、但短期價格已經開始瘋狂的行業裏，如何同時保持樂觀和紀律。

這纔是最難的。

真正低認知的人只有兩種：

AI都是泡沫，我什麼都不碰。

或者：

AI改變世界，所以什麼價格都可以買。

高認知的第三種思維是：

AI極有可能改變世界；正因爲它會改變世界，所以資本會瘋狂湧入、競爭會異常激烈、估值會被推高、基礎設施會過度建設、大量公司會死亡，而真正巨大的贏家仍然會從屍體中成長出來。

這纔是“Roadkill”的真正含義。

未來回頭看2024—2030年的AI創業浪潮，很可能不是：

AI到底成功還是失敗。

而是：

AI成功得遠超想象。

與此同時：

絕大多數今天號稱AI贏家的公司消失了。

就像互聯網一樣。

最後真正留給投資者的問題永遠不是：

“我有沒有看對未來？”

而是：

“我有沒有用正確的價格、正確的所有權和正確的資本結構，參與那個未來？”

這兩句話之間，就是產業預測與真正投資能力的區別。