#模型时代# Anthropic的1亿美金Anthology Fund怎么投、投什么、为什么由Menlo操盘｜所有VC的投资主题都是事后包装
大模型碾压产品公司，是一个比较明确的趋势。不过模型也并非摧毁一切，一个信号就是这些模型公司也做投资。所以，看模型的投资公司的投资逻辑，应该是蛮有价值的。
去年，Menlo和Anthropic就联手成立了1亿美金的Anthology Fund，专门投AI生态早期公司。Deedy Das是Menlo Ventures最新晋升的合伙人，也是企业搜索独角兽Glean的创始团队成员。Menlo Ventures管理着超过68亿美金，投出过80多家上市公司，还是Anthropic最大的机构投资人之一。Deedy Das除了是投资人外，也是X上一名KOL。
他最核心的观点可以概括为一句话：风投行业里几乎所有标志性公司，都不是从任何人的"投资主题"里长出来的。
一、Anthology Fund的运作逻辑
Menlo和Anthropic合作的Anthology Fund规模1亿美金，成立于2024年初，那时候Anthropic还不是今天的明星公司。基金的设计初衷很明确：围绕AI生态做早期投资，但刻意避免做成一个传统的CVC（企业风投基金）。执行方由Menlo负责，因为Menlo本身就是Anthropic多轮融资的最大投资人。
基金投三类公司：
• 优秀的早期AI团队，可以领投也可以跟投，最低10万美金起，上不封顶到领投整轮。这一类纯粹看团队质量。
• 对Claude生态有战略价值的公司，比如数据标注公司Turing、AI可解释性公司等，它们对Anthropic的产品链条至关重要。
• 在Claude上构建的标志性公司，不限阶段，只要是真正在用Claude做产品的好公司。
Menlo主基金的风格和Anthology很不同。Menlo是一个低产量的投资机构，每个合伙人每年甚至不到5个项目。"我们故意控制数量，因为投完之后要真的帮这些公司干活。如果你一年投五六个，两年后你手上有十几家公司要管，谁都管不好。"
Deedy特别强调了一个大多数VC不提的能力：帮公司退出。"两三年后公司发展不好，谁来帮创始人做M&A？创始人没做过这事，没见过，也没时间学。这种有时限的关键动作，是我们进场的时候。"
二、"反主题投资"：为什么VC的投资主题大多是事后包装
Deedy对"投资主题"这个概念的态度非常直接——"几乎所有VC在这件事上都在半撒谎。"
他的论据很有说服力：Khosla投OpenAI的时候，ChatGPT还不存在，没有人的主题是"LLM聊天机器人将改变世界"。投资逻辑就是"这帮人很聪明，他们做的东西可能很值钱"。Facebook也一样，没有人研究了Hi5、Orkut、Google+之后得出结论说社交网络是下一个大机会。"就是一个产品飞速增长，创始人野心很大，投资人觉得'行，这事可能成'。"
所以Deedy真正看的是什么？
1、创始人的内驱力是否真实
"我最想知道的一件事是：你做这个是因为觉得当创始人很酷吗？因为现在所有人都觉得当创始人是高地位的事。我对这种创始人没兴趣。"
他要找的是那种"放弃去OpenAI、Anthropic拿几百万年薪的机会，选择创业做自己钻研了十年的事"的人。"如果真的是你的人生使命，我会很认真地问你：为什么你关心这个？为什么你认为这能做大？"
验证方法也很实际：不是在创始人融资前两周才见面。"人在卖东西给你的时候，你很难看到真实的他。有些人销售能力很强。我更希望在你融资之前很久就认识你，聊聊你这个人是怎么回事，不聊工作也行。"
2、招人能力是最大的瓶颈
"很多创始人满足了所有条件——聪明、有使命感、技术过硬。但我看着他们心想：谁会愿意给你干活？"
Deedy说创始人需要有一点"邪教教主"的气质——能让顶级人才相信你的愿景并加入。不是所有人都有这种能力。能招人又能留人的创始人，这是第二道筛选。
3、90%的AI公司在技术上是虚的
这是整个访谈里最辛辣的部分。Deedy和同事Tim Tully都是技术出身、自己写代码的投资人，所以他们敢问"蠢问题"。
"过去一年，我看到各种buzzword轮着流行。先是所有公司都说'我们的差异化是数据飞轮反哺fine-tuning'。一年后同一批人说的变成了'我们用RL'。我问他们：你对RL了解多少？然后就沉默了。"
"如果你刨得够深，至少90%的公司，实际上就是在改一个LLM的prompt。然后把一堆他们希望未来能实现的东西包装成现在的产品。"
他说真正知道自己在说什么、技术足够深的团队极其稀少。"如果你真的懂，又在做一个有经济价值的方向，那30%的估值溢价？我百分之百愿意付。真正好公司的溢价其实远高于30%，因为竞争一旦出现，价格就不重要了，你只想赢下这个deal。"
三、AI基础设施演进的完整路线图
Deedy用非常清晰的脉络梳理了AI技术从GPT-3到今天的进化路径：
阶段一：用全部互联网数据训练大模型，发现模型能泛化到训练集之外，这是GPT-3。
阶段二：用RLHF把模型变成聊天机器人，不再随机生成文本，而是生成对话中有意义的回答。"我们基本上一夜之间通过了图灵测试。"
阶段三：Scaling Laws阶段，大家砸钱把模型做大。但发现模型大小和训练数据量成正比，而互联网数据的量级是有上限的，"你没法一夜之间把数据10倍。"
阶段四：RL世界。既然不能靠扩大模型来提升，那就买特定领域的高质量数据——编程数据、金融数据、各行业数据——用更少但更精准的数据获得领域专长。这就是Turing、Scale AI这类公司崛起的背景。
现在的核心问题是：RL能走多远？
Deedy列出了几个前沿方向：
• RL的学习范式本身有缺陷，Karpathy经常说这个问题。RL只在最终结果给奖励，不理解过程中发生了什么。"就像下棋，你只有输了才知道自己打了一盘烂棋，但你不知道哪步走坏了。"
• 数据质量和效率，怎么用更少的样本学到更多，这和人类学习方式更接近。
• Test-time compute（测试时计算）和Agent，把模型串联起来、调用外部工具，比单纯让模型"想想再回答"要强大得多。
• 记忆、可靠性、上下文窗口，模型在基本事实上应该更确定，但现在还做不到，因为没有结构性理解。
Deedy说Anthropic团队有一个他很认同的终极衡量标准：Economic Turing Test（经济图灵测试）。"我付AI一笔钱做一件事，这件事我也可以付人来做，如果我分不出区别，那就通过了测试。然后不断把这个X的金额往上推。"
四、被忽视的真正机会：无人关注的行业
"硅谷的人谈AI应用，永远只聊金融和法律，因为那是常春藤毕业生去的地方。所以有AI for finance、AI for legal。但你认识几个私募和几个律师，不代表全世界都在做这两件事。"
Deedy反复强调一个关键概念——信息不对称。AI圈关心的东西和真实世界需要的东西，两个圈的交集非常小。"谁能站在那个微小交集的最前沿，谁就很重要。"
他举了具体例子：保险经纪、卡车运输、物流。这些行业招不到人，全球出生率在下降，但这些工作依然要有人做。"你不是在赌一个AI解数学题的未来，你现在就需要这个技术。你依赖它。"
最理想的创始人画像是：在某个无聊行业长大，可能父母就在这个行业工作，对行业的低效了如指掌，同时又恰好很懂AI。"自上而下研究一个行业然后去攻它的人，有时也能成功，但最好的情况是你天然就在那个行业里。"
五、产品品味是一种被低估的壁垒
Deedy用Granola（一款会议笔记产品）作例子："没有人早上醒来说'我一定要投一家会议笔记公司'。这个品类里有无数竞品，技术上也没有什么根本性创新。但你用了Granola之后会觉得：这东西真好看，它就是能用，不需要你想太多。"
他从中引出了一个判断框架：如果你的企业产品能走PLG（产品驱动增长），那就必须走，否则PLG公司一定会吃掉你。
逻辑链条是这样的：企业销售周期极长，而技术迭代速度比你的销售周期还快。两年下来，你的收入弱，产品也变差了——因为你做了一堆讨好企业客户的妥协，同时又没跟上行业变化。"经典的RAG方案变成了Agent方案，这在技术上意味着很多东西，但很多公司的产品已经进化不了了。"
然后一个PLG产品火了，买方在企业采购会上说"嘿，我听说过这个，我们应该买这个"。就是这么简单。
六、超额融资的毒药效应
Deedy对过度融资的态度非常明确。他画了一条曲线：融资金额和速度提升的关系，一开始是正比的，融1500万能释放80%的潜力，融1亿可能到90%。"但很多时候这条曲线到某个点就开始往下掉。"
原因有几个：
钱太多的第一个副作用是成功的幻觉。"我们已经是十亿美金的公司了，我们还能失败吗？"团队不再饥饿。
第二个问题他叫"50美元午餐综合症"。开始吃好的，花钱大手大脚，工作节奏也慢了。
第三，招人反而更难了。估值已经那么高，新员工看不到多少上行空间。有些人会信，但大多数人不会。
他还指出了一个更阴暗的激励问题：有些创始人超额融资是因为可以拿到secondary（二级市场出售老股）。"创始人基本上提前退出了，然后想'反正钱已经到手了，公司好不好无所谓'。这种事我们听到过各种传闻。激励机制很差。"
"真正的生意是长期建设出来的。有很多公司有几亿美金的ARR，科技Twitter上没人知道它们是谁，就因为它们长得慢、长了十年、很无聊。"
七、X平台运营的"十诫"与一个改变人生的5分钟电话
Deedy在X上的影响力是整个访谈绕不开的话题。他说经常有身家几十亿的人来问他"怎么经营Twitter账号"，这件事本身就很荒谬。
他总结了大多数人做错的两件事：
第一，动机不对。"大多数人想要在Twitter上有影响力，本质上是想让别人听到自己的声音。这是错误的动机，而且行不通。"
第二，皮不够厚。那种从小到大一路优等生、名校、人生顺遂的人，通常受不了Twitter的残酷。"你不可能做Twitter而不被取消几次，不被人当众说最恶毒的话。"
他自己发推的唯一标准是："这条推文对某个人有用吗？有人看到之后会觉得'这还挺有用'吗？" 不满足这个标准的，90%不发。
但真正让他决定认真做内容的，是一个故事。大学时他在一个印度学生申请美国大学的Facebook群做AMA，一个女孩私信了他一长篇——她拿到了宾大的录取和全额资助，但她爸爸不让她去。Deedy说"我可以跟你爸谈谈"。一个19岁的小伙子，给人家爸爸打了5分钟电话。她爸说"我觉得你知道你在说什么，我让她去"。那个女孩现在从宾大毕业，在顶级私募工作。
"发一条消息就能改变一个人的人生，这种影响力的不对称性太大了。更多人应该去做这件事。"
总结
Deedy这期播客最有价值的地方，在于他把投资判断从抽象的"主题"拉回到了具体的人和具体的需求。不要迷信投资主题，因为标志性公司都不是从主题里长出来的；不要被技术buzzword唬住，90%的AI公司底层就是在调prompt；不要只看硅谷圈子热议的金融和法律，真正的机会在保险、物流、税务这些没人聊的行业里。
对创始人来说，最核心的信号是：如果公司明天倒闭了，你是否还会做这件事？对投资人来说，最核心的能力是：你能不能在创始人"卖"给你之前就了解这个人？
Glean创始人Arvind的那句话可能是整期播客最好的总结："在任何一个时间点，你只有一个问题需要回答。去回答那个问题就够了。别想多了。"
核心归纳
Q1: 为什么说VC的投资主题大多是事后包装？
Deedy的论据很硬：Khosla投OpenAI时没有"LLM聊天机器人"的主题，投Facebook时没有"社交网络"的主题。真正驱动决策的是"这个人很强、方向可能很大"。主题是用来给LP讲故事的，不是用来做决策的。真正的好投资更多来自对人的判断和对模糊机会的嗅觉。
Q2: 怎么判断一个AI公司是真有技术还是在讲故事？
自己写代码、用这些技术，然后不怕问"蠢问题"。"你说你用RL，具体调的什么库？用的什么框架？"刨到底层，90%的公司实际上就是在改prompt，把未来愿景包装成现在的产品。真正知道自己在说什么的团队极其稀少，值得为他们付高溢价。
Q3: AI创业最大的机会在哪里？
不在硅谷热议的金融和法律，而在没人谈论的保险经纪、卡车运输、物流、税务这些行业。这些行业招不到人、依赖技术、需求迫切，同时AI圈和这些行业的交集极小，谁能站在交集处，谁就能抓住机会。最好的创始人是天然生长在这些行业里、同时又懂AI的人。
