这篇对话里，两位投资大佬Bill Gurley和Michael Mauboussin聊的是：怎么识别那些“越多人用越好用”的公司（比如网络效应），以及为什么这次AI热潮可能没那么颠覆。Gurley认为AI投资机会被提前盯上，巨头们（微软、谷歌）全都冲进来，反而让初创公司很难翻身。他重点提了三个例子：Microsoft——全线产品快速装AI，优势明显；Uber——司机越多接单越快，用户越多，正循环；CrowdStrike——安全软件共享威胁情报，规模越大越安全，客户不想用第二家。
本期《Invest Like the Best》由Benchmark合伙人Bill Gurley与Counterpoint Global的Michael Mauboussin对话，探讨规模报酬递增的不同类型、监管捕获（regulatory capture）对创新的阻碍、AI投资热潮及硬件趋势。核心观点：AI与LLM正带来市场颠覆，但投资需聚焦“边做边学”的复利效应；开放源码与创意重组具有变革潜力；风险投资生态因IPO减少及零利率环境下的资本错配而面临挑战。结论强调，理解无形资产在规模化中的作用、学习曲线效应以及能源与物理世界创新是未来关键。
Benchmark 合伙人 Bill Gurley 与 Counterpoint Global 的 Michael Mauboussin 同台对话，探讨规模报酬递增的多种类型、监管捕获对创新的阻碍、AI 投资热潮以及风险投资生态的结构性挑战。Bill Gurley 认为 AI 领域的投资机会“高度编排”，这恰恰削弱了初创企业颠覆性创新的窗口——当所有人都知道方向时，先行者通常能守住优势。
Bill Gurley 认为，本轮 AI 浪潮与历史上颠覆性创新的最大区别在于“高度编排”。历史上真正打开大门的创新窗口几乎从不被提前预知，但 AI 尤其是 LLM 被全球同步关注，这让微软、亚马逊、谷歌、Meta 等巨头从一开始就全力以赴，没有“在移动互联网时代睡着”的案例。
Gurley 强调必须区分 LLM 与广义 AI：特斯拉的自动驾驶转向纯 AI 路径是真实的突破，但完全不涉及 LLM；而 LLM 的核心强项在文本处理与代码生成，并非万能。“当人们说‘电脑空闲时会找到癌症疗法’——这出自某家基础模型公司的高层之口，但这在短期内不会发生。”
关键判断：当前 LLM 在“个人记忆”方面存在结构性缺陷。现有模型更像“高级版维基百科”，缺乏对用户个人信息的持续记忆。Gurley 认为，如果谁能解决“为每个个体调优模型”的问题（如 Apple 通过掌握手机上下文实现本地模型），将彻底改变游戏格局——他引用电影《Her》作为类比。
From Michael Mauboussin：从历史视角看，新技术通常先“附加”到现有流程中提升效率，随后才重新定义工作流。电机时代如此，互联网时代如此，AI 大概率也是如此——“现在每家公司都在谈论 AI，但真正完全整合的企业还很少。”
Michael Mauboussin 列举了五种规模报酬递增的来源：规模经济、国际贸易、学习曲线（Learning by Doing）、网络效应、以及思想重组（Recombination of Ideas）。 其中后两种是这场对话的核心。
网络效应：Gurley 的“完美商业模式”框架
Gurley 回忆，他 2003 年写的《寻找完美商业模式》一文深受 Brian Arthur 的“递增报酬理论”影响。“当更多司机加入，接单时间下降；接单时间下降，消费者价值提升；更多消费者使用，更多司机加入——这是一个对系统所有参与者都赢的循环。” 他认为这种结构极其稀缺，但一旦成立就是“不公平的竞争优势”。
他提供了一个检验标准：“如果你成为第 N+1,000 个客户，而不是第 N 个，你的价值是否变得更高？” 他举例 CrowdStrike 的安全云网络效应——共享威胁情报意味着规模最大的网络最安全，客户绝不想加入第二或第三。
Mauboussin 补充：“定价权不是关键指标，真正的关键是：你是否每天都在提升客户愿意支付的价格（Willingness to Pay）？” 如果愿意支付的价格上升而价格不变，你就在创造消费者剩余；如果未来需要提价，你也有空间。
学习曲线：Wright’s Law 的威力
Mauboussin 介绍 Wright’s Law（1930 年代提出）：每累计翻倍一次产量，单位成本下降约 20%。 圣塔菲研究所测试了 60 种技术，Wright’s Law 是预测成本下降最准的模型——太阳能电池、锂电池几乎完美拟合。“特斯拉每辆车的成本优势，根本来源就是累计产量远超对手。”
思想重组：开放源码是最好例证
Mauboussin 引用 Paul Romer（诺贝尔奖得主）的内生增长理论：创新本质上是“已有知识模块的重新组合”。 数字化使得这些模块可以快速搜索、操纵、重组。
Gurley 认为开放源码是“人类繁荣最强大的创新之一”。“在 Michael 的框架里，开放源码的边际成本为零，且没有人能阻止你使用它。” 他举出历史案例：Google 用 Android（开源）对抗 iPhone 的封闭生态，用 Kubernetes（开源）对抗 AWS 的云垄断——都是“用防守性开源打进攻性封闭”。
Bill Gurley 认为监管捕获（Regulatory Capture）是美国最被低估的结构性问题。 他引用诺贝尔奖得主 George Stigler：“随着国家老化，更多人学会如何影响华盛顿——监管变成了在位者的朋友。”
数据佐证：Dodd-Frank 法案通过后，行业竞争反而下降。“为在位者服务的监管，在过去 40 年层层叠加，我们已经无法倒车。”
生动案例：
与中国的对比：“中国可以一次性清空桌面，我们却把‘破例’当作胜利。” Gurley 认为，在核能等需要长期资本投入的领域，这个差距是巨大劣势。
Mauboussin 补充：核能是最极端的例子——“如果从零开始思考，任何火星来访者都会说：‘核能显然是人类应该大力发展的能源。’但因为我们积累了五十年的政治、情感和监管包袱，我们反而在倒退——德国就是典型。”
Michael Mauboussin 指出，风险投资行业面临“低门槛进入、高门槛退出”的结构性困境。 他引用数据：美国上市公司数量已减少 46%，企业留在私人市场更久。这导致 SEC 试图“让普通投资者也能参与私人市场”，但 Gurley 警告这可能导致“用社会保障金买下一个 Andreessen 基金”的荒谬局面。
关于 ZIRP 时代的资本错配
Mauboussin 的研究发现：在 2009-2021 年零利率期间，企业的实际行为与教科书预期完全相反。 预期：投资增加、现金减少、负债增加；实际：投资下降（无形资产除外）、现金余额上升、杠杆率下降。唯一上升的是回购——因为低利率下回购对 EPS 有明确增厚效应。
Gurley 从内部视角补充：“当所有人都理解了‘递增报酬游戏’的规则时，游戏就变味了。” 他举例 Uber/Lyft 价格战和基础模型公司的“军备竞赛”——“这些公司每年烧 1-2 亿美元，绝不可能算得过资本配置账。但他们可能无法不做——这就是陷阱。”
“错过最大的”比“避免最小的”重要一百倍
Gurley 指出，风险投资的两个错误类型不对称：“只有‘错过大的’才致命。正确判断哪些会失败几乎没有价值。” 他引用 Hendrick Bessembinder 的数据（Mauboussin 补充）：1926 年以来，美股 60% 的公司连国债收益率都跑不过，但 2% 的公司创造了 90% 的财富。
Benchmark 的应对策略：
| 标的 | 嘉宾态度 | 关键数据 |
|---|---|---|
| Microsoft | 看好其 AI 先发优势 | 全产品线快速整合 AI（Gurley 认为与移动时代形成鲜明对比） |
| Amazon | 看好其云/AI 双优势 | AWS 主导地位、参与开源地图项目 |
| 中性偏正面 | Android 开源防御策略成功；面临 Meta/Amazon 开源地图挑战 | |
| Meta | 看好其开源策略 | 参与开源地图项目；Llama 模型贡献 |
| OpenAI | 风险提示 | 年烧 1-2 亿美元（Gurley），Gurley 质疑其资本配置效率 |
| Uber | 经典案例（正面） | 价值网络中“更多司机→更短接单时间→更多用户”的完美循环 |
| CrowdStrike | 正面案例 | 安全云网络效应：共享威胁情报使规模最大者最安全 |
| Tesla | 正面案例 | 自动驾驶纯 AI 路径；Wright’s Law 成本优势 |
| Shopify | 回顾性正面 | Gurley 坦言曾因“反小企业模式”偏见错过 |
| HubSpot | 回顾性正面 | 同上 |
| Twilio | 回顾性正面 | 同上 |
| Stripe | 中性（价格高企） | 90 亿美元后估值，Gurley 认为回报不太可能达到2%尾部水平 |
| NVIDIA | 谨慎（权力集中） | 在 TSMC 生态中拥有强大议价权，对初创企业构成壁垒 |
| Apple | 中性（AI 潜力未明） | 若推出本地/个人上下文模型，可能改变游戏规则 |
| Boeing | 负面案例（监管捕获） | 总部从 Seattle → Chicago → D.C. 的隐喻 |
1. Bill Gurley：“AI 这一轮是‘高度编排’的，这恰恰削弱了颠覆性。” ——历史上颠覆性创新几乎从不被提前预知；当所有人都知道方向，在位者不会掉队。
2. Michael Mauboussin：“定价权不是关键，真正的关键是：你是否每天都在提升客户愿意支付的价格。” ——提升 Willingness to Pay 要么创造消费者剩余（护城河），要么为未来提价留出空间。
3. Bill Gurley：“错过大的，比避免小的致命一百倍。” ——风险投资只有两个错误类型，但“正确判断哪些会失败”几乎没有价值，而“错过一个大的”则是全盘皆输。
4. Michael Mauboussin：“Wright’s Law 说，每累计翻倍一次产量，成本下降 20%。这是 60 种技术中预测最准的模型。” ——太阳能、锂电池都完美拟合。特斯拉的成本优势本质是累计产量领先。
5. Bill Gurley：“开放源码是人类繁荣最强大的创新之一。” ——边际成本为零，且无法被排除使用。Google 用 Android（开源）打 iPhone（封闭），用 Kubernetes（开源）打 AWS（封闭）——都是“防守性开源”策略。
6. Michael Mauboussin：“创新本质上是已有知识模块的重新组合。” ——Paul Romer 的内生增长理论核心。数字化让这个过程的搜索和试验速度指数级提升。Matt Ridley 的比喻：“让想法做爱。”
7. Bill Gurley：“监管捕获的核心问题是——我们庆祝‘破例搬开官僚障碍’，这本身就说明我们已经把自己画进了死胡同。” ——I-95 桥 12 天修复、台积电亚利桑那工厂的“豁免”——这些例外恰恰证明常态已经不可持续。
8. Michael Mauboussin：“零利率时代，企业没有做教科书该做的事：投资没增加、现金没减少、杠杆没上升。唯一上升的是回购。” ——企业实际用 15% 的固定投融资门槛（而非真实的资本成本）做决策，这是行为金融学意义上的“锚定”。
9. Bill Gurley：“当所有人都理解了递增报酬游戏，游戏就变味了。” ——Uber/Lyft 价格战、基础模型军备竞赛都是“知道规则的人”把游戏推向极端，最终可能没人能赢。
10. Michael Mauboussin 论 Danny Kahneman：“他不仅愿意被证明错误，他主动寻找不同意见。如果有一个真理在那里，而我不再持有错误信念，我就更接近了真理。” ——这是认知上的“零基础思考”，也适用于核能、迷幻药等被政治包袱压制的领域。