线性资本王淮的逆时代选择丨入局
文 | 陈之琰
编辑 | 刘旌
“不投大模型。”
刚刚见面，作为线性资本——一家以“科技”为标签的VC基金创始人，王淮就如此旗帜鲜明地对「暗涌Waves」说道。他的理由很简单：AI大模型属于大基建，不适合早期投资机构。
中国AI大模型的鏖战还在进行中，王淮的判断是否准确，暂且不好评判。但在混沌的局面里，他是少有的、观点鲜明的人。有些选择看着与时代潮流是反着来的，比如对AI大模型say no，又比如人民币募资的节奏“不要急，慢慢来”。
而与此同时，王淮决定更积极地去做另一些事：比如从2023年开始，线性资本开始在全球化上专注欧洲的机会，设立位于德国慕尼黑的办公室。还有，用自己的方式拥抱AI，拥抱年轻人。
近日，线性资本宣布推出专门为AI应用类创业公司设立的投资项目：Linear Bolt（以下简称Bolt）。
全新的技术趋势也催生了更新的投资范式。Bolt本意为“闪电”，王淮告诉「暗涌Waves」，希望借由Bolt，以一种更为轻盈的姿态来投资“处于早期阶段、面向全球市场的AI应用创业团队”。
作为一笔“专门的钱”，Bolt希望找到创业企业的典型画像是：3-4人的小型创始团队；不一定有“固定办公室”；活跃于 Instagram、X、即刻和小红书；与AI共同工作；能够实现两个月内从创意到原型、四个月内发布产品。
“和典型的‘线性投资’——关注硬科技、前沿技术与产业结合相比，Bolt关注应用，投资application builder，应用的建造者。”王淮说。
线性资本还在内部组成了一个更为年轻、能够快速反应的Bolt投资三人小组。他们负责在具体投资实践中做到三点——
第一，更灵活的投资额度。线性资本投资的典型目标范围是 300 万至 1000 万美元，对数额更大或更小的支票规模可以灵活调整。
第二，更快的决策速度。通过与创始团队的 3-4 次会议，原则上两周内做出决策，整体执行过程不超过一个月。
第三，更友好的条款。承诺提供匹配市场惯例基础上最简洁的条款。
一言以蔽之，“更轻，更快，更灵活”。
过去一个多月，Bolt已完成四笔投资，包括：AI生活记录产品“心光”、帮助求职者的原生AI工具“Final Round”、辅助海外大学生学习的copilot“Xbuddy”，以及AI驱动的语言教学平台“Cathoven”。此外，另有多个项目也已在投资进程中。
工程师出身的王淮在做投资之前，是Facebook总部第二位中国籍工程师和第一位研发经理。他笃信先进技术，以往所投的思灵机器人、地平线、神策数据等也都具有明显的科技属性。但在AI领域，技术如何找到应用场景，以及用户是否能理解和使用它，才是他更关心的问题。
最近，「暗涌Waves」和王淮聊了聊。在这里，你能看到一个典型美元VC作出的时代选择。
以下为对话——
Right Problem, Right People
「暗涌」：典型的线性deal需要经过严谨的技术论证，但Bolt项目的核心是速度和效率。这是对AI浪潮的一种妥协吗？
王淮：不能这样理解。随着模型基线智能水平的提高，越来越多AI驱动的应用（AI-empowered Application）出现，虽然在模型调优上有一定的技术挑战，但是这些应用中大部分核心能力由AI大模型提供，因此技术判断当中我们把更多时间用在关心团队做了什么，判断的是团队能力和产品方向，以及团队是否能快速找到产品和市场的契合。
与此同时，能利用好AI的开发者，对资源和资本的使用效率能力比过去大幅度提高。这意味着，他们只需要更少的资本就可以验证产品和实现目标，因此他们在融资的偏好方面也会发生变化。
所以，Bolt 的设立是我们要用合适的投资方式、投资团队配置来拥抱这个变化。
「暗涌」：AI应用创业的关键点是什么？
王淮：和移动互联网发展初期类似，AI应用在早期一定会呈现工具化的特点。长期来看，要形成粘性和复购，最关键的问题是：如何打破工具链，形成数据上的积累。
我认为，未来要提升AI应用的壁垒要注重积累三种数据，来增强用户粘性：第一，contextual data，上下文数据，AI对于语境的理解；第二，personal data，个性化数据，AI对于使用者的理解；第三，collaborative data，合作化数据，AI应用应处在工作流和交互中，而不是作为工具独立存在。
「暗涌」：应用是中国创业者更擅长的事？
王淮：经过互联网这些年，中国积累了最好的产品经理、最“卷”的工程师，这对于AI应用的创业都是有利的。但Bolt希望投资具有全球视野的、年轻创业者，他们的市场不一定仅仅在中国。
过去几十年的发展积累，我们有很多具备国际化视野和开拓能力的人才，这类人才了解全球化的应用如何做、如何运营。其次，互联网、移动互联网让全球范围内直接触达更多用户成为可能。加上，全球电子支付的普及，让全世界的人为一个通用型的应用付费成为可能，市场与市场的壁垒在虚拟世界中被打破了。随之而来，一个基于互联网和移动互联网传播的商业化应用，它从第一天起就有可能成为一个global native app。
与此同时，在AI的赋能下，应用可以进行全新的、大幅升级。以前实现的是“信息和人的匹配”，更多的是“寻找和匹配”，现在是AI让全世界到目前为止积累的知识体系压缩在模型中，不再是寻找信息，而是“生成”，所带来的效率和创意都有可能比过去更上一个台阶。因此，我们觉得这是时代赋予的机会。
「暗涌」：移动互联网形成的经验是，to C应用会经历“烧钱换市场”、最终“赢者通吃”的过程。这也会是AI应用的商业路径吗？
王淮：我觉得不会，AI应用不是烧钱换市场，也不会出现赢者通吃的局面。
第一是成本划不来，原来的to C应用，用户数量到达一定规模之后，服务下一个用户的单个成本并不高。因此需要的是规模化。但是在AI领域，每次服务一个用户，它需要的成本是线性递增的，因为每一次都在消耗 token，一开始压缩入模型的世界知识反而是固定成本。
第二是原来to C应用更同质化，单个用户的粘性并不高。因此用价格获客很重要，资本的作用很大。但在AI领域，模型能力有差异，但是这种差异会被上下文数据、个人数据、合作数据的量级不同给拉大。当然，这三类数据的沉淀肯定是要依赖资本，但是否别人的资本更多就一定能把你的用户吸引走，我觉得是要比移动互联网时代更难的。
第三，以前烧钱换市场更多指的是流量，它的商业模式是广告，或者电商卖货。但AI应用是要回答问题、给人提供服务，而不是流量变现，这个时候烧钱换市场没有意义。它的重点在于把产品做好，沉淀用户的数据，模型打磨好，让用户能在这里用得深，同时付费，因为付费用户为价值买单，羊毛出在羊身上，我觉得这是比较合理和稳健的方式。
「暗涌」：Bolt强调一种“更轻，更快，更灵活”的投资方式。这在当下投资AI应用上为何重要？
王淮：Bolt是针对AI应用的一笔专门的钱。原来线性强调的是TPF，technology problem fit，但在AI应用这件事上，技术门槛并不高，因为核心技术是由大模型提供的。但应用层对创始人想法的要求是更高的，对快速动作、快速组队的要求也更高。经过了几次决策流程我们发现了原来做法的问题，所以决定，只要找到right problem、right people，找到了就投，不要折腾那么多事。
「暗涌」：ChatGPT在2022年底出现后，后续AI相关的创业呈现激增的趋势。为什么直到现在才推出Bolt？
王淮：Bolt如果放在去年上半年去推出可能都不会有很合适的创业机会出现，那个时候很多能力都不具备。去年下半年开始，基础设施大模型能力、元工具链（比如模型内调用外部成熟能力等）都在成熟。我认为，时机到了。
随着越来越多的能力具备了，workflow、application会变得真实有用。从to C的维度去看，会有AI应用来升级每个人的技能包，而从to B的维度去看，AI应用带来的会是真正的新质生产力。
「暗涌」：未来如何去评价Bolt最终有没有成功？
王淮：我希望未来Bolt投出的几十个项目中，最后能够做出AI-native的super global app，对应1-2个十亿美元以上的公司。这其实就是Bolt成功的体现了。
唱个反调
「暗涌」：在早期美元基金中，线性一家AI大模型也没投，为什么？
王淮：AI大模型是一种基础设施，它对资金的要求特别高。现在，在还没有财务回报的时候价格战已经打响了，这样的资金体量要求对早期投资机构并不友好。过去这些年，线性一直对这样的“价格战”持冷静态度。而且线性的强项是对AI这套技术本身的理解。看了一圈，我们确实觉得与其在对早期投机构不友好的大模型价格上比拼，不如把资源投入到我们自己更擅长的地方。
「暗涌」：那在AI领域，线性希望挣到什么样的钱？
王淮：大家对AI大模型能力谈得那么多，在工作、生活中需要解决问题的方法中有哪些真正被AI替代了吗？比如订酒店这个场景，至今没有一个AI应用产品和服务可以把比价、选择、个性化要求、执行这件事给用户压缩掉。而这种机会，是线性希望去参与的。
我们还是希望去挣认知里的钱，即便未来失败了，那是因为我们的认知没有到位，而不是因为胆子不够大。
「暗涌」：目前来看，应用公司的天花板肯定是远低于大模型，如何向LP解释你的这个投资决策？
王淮：我们会经常和LP交流，在持续交流过程中其实累积了信任和理解。
具体到Bolt，因为单笔金额灵活、数量会比较多，我告诉LP，可以把Bolt看成一个一揽子计划（basket），最终的总体投资额（包括后续加码）会在2000万到5000万美元。这些项目中最终能几个有在contextual data、personal data、collaborative data这三个方面实现积累并且与时俱进的团队，最终的收益也不会差。而且，未来应用公司创造的总价值会远超过大模型。
「暗涌」：围绕AI大模型的资本大战是不是美元基金的“过激反应”？
王淮：肯定有FOMO（fear of missing out）心理在，同时，绝大多数投资人也是希望自己能参与到这波全新浪潮里的。
另外一个事实是，在目前的市场环境下，经过2021-2022年的集中募资，客观上美元基金的资金存量还是有且有一定数量的，只是大家出手极度谨慎。这一年AI大模型的投资热潮其实从侧面佐证了这一点。
「暗涌」：在谈论技术型投资时，是否能押对技术路线被认为是分辨投资机构实力很重要的一部分。在AI领域，技术路线上的分歧是否没有那么大？
王淮：我们非常关注底层模型的创新，也认为在技术底层还是会有很多创新的可能，比如一定不会只是单一大模型的更大更快更强，也会有很多创新发生在多模态，专家网络协同，黑盒白盒模型，端侧AI等等方向上。未来必然去迭代的技术性方向，包括AI与硬件尤其是智能机器人领域的结合，线性仍然非常关注，但单笔资金投入会比较大。
对于共识，我的看法是要尊重共识，并利用好共识。做早期投资，要在共识形成之前或形成初期提早下注。如果一个投资人对于未来的view在后来成为了共识，那共识就是让你成功的好机会。所以，要拥抱共识。但不能follow共识。比如说今天还投云端大模型，那就是follow共识嘛。
一家投资机构，短期能看到的是“烈度”，很多人都想要轰轰烈烈的，但长期总归还是要看持久度的。
「暗涌」：“All in 技术”其实是线性在行业中一个很鲜明的标签。今天你仍然坚持这一点吗？
王淮：线性从来不用“all in”这个词，从骨子里我也很厌恶这个词。事实上，我们也不会all in任何一个单点技术。我们相信的β是：以AI为代表的前沿科技，去改造各个产业，最终实现生产力的提升。
玩什么游戏？
「暗涌」：你前面提到，头部美元基金其实不缺钱，但这两年我们感受到美元基金非常强的焦虑。焦虑的原因是什么？
王淮：投不出去是个问题，投砸了也是个问题；募美元是个问题，募人民币也是个问题；退出是个问题，管理还是个问题。所以，募、投、管、退，基本上都有问题。
美元基金短期还不缺钱，这是还没到生死线。但大家内心都是焦虑的。
「暗涌」：可直到今天线性虽然是双币，但是以美元为主，对人民币募资的想法是什么？
王淮：线性有人民币的经验，针对新一期人民币基金，也就是线性五期人民币基金，也有很多人民币投资人主动接触我们合作，其中也包括比较主流的出资类型的钱，我们目前的考虑是慢慢来，不着急，同时把手上还有的钱先投好。我是个工程师出身的人，最想做的事是将先进技术转化为生活中、产业上能充分应用、家喻户晓的东西。
用游戏打个比方，到底是玩策略游戏，还是玩角色扮演？每个机构都有自己的选择和侧重。
「暗涌」：中国市场里不乏两个游戏都投入在玩的玩家。
王淮：当然，也的确有人玩得好，但每个人都有自己的能力边界。有意愿干的事不见得有能力干。线性是典型工程师背景的VC，我们喜欢干什么、擅长干什么会想得比大多数人更早。
「暗涌」：从去年开始，线性在积极布局欧洲。
王淮：是的。欧洲是一个投资的bug，我们觉得欧洲技术+中国规模化+全球市场会有很大的机会。
世界上有唯二的两个统一大市场——美国和中国，也只有这两个地方有支持创业创新的private market。美国硅谷聚集了80%全世界最好的创业者，也聚集了最多的投资机构。作为一家中国VC想要在美国投到最优质的创业者是很困难的。
去看欧洲，在科技水平上，欧洲与美国是流通打平的。美国是去生产化的，更偏AI这一类信息技术，而欧洲有非常长的生产历史，那里的技术是向高精尖去探索的。
中国有三大红利：制造业红利、工程师红利和人才红利。在这个基础上，用欧洲最好的技术加上中国红利是有机会做到全球市场的。类似我们之前投资的思灵机器人，未来我们也希望从中提炼出核心要素，再以独特的方式去复制。虽然每一个成功都是不一样的，但背后的关键要素是有global能力的基金能够去抓住的。
「暗涌」：全球化似乎也已经是美元基金的共识了。
王淮：我们的策略叫：China amplified global arbitrage strategy，简单来说就是“立足中国，全球套利”。我们希望能利用中国的三大红利在全球市场获利。因为如果脱离了中国能力的核心主体，我们在海外除了有点钱之外，没有任何其他的特殊竞争力。
有这些考虑之外，线性在历史上还投资了思灵机器人、迪视医疗等一批创始人在欧洲读书、工作，并在当地或回国创业的公司。所以，2023年和2024年我们去欧洲拜访了很多高校和实验室，和当地学生、当地创业社团举办活动进一步加深了解，更加明确了我们可以利用中国的三大红利，帮助欧洲的初创企业发展，甚至在后续轮募资上也可以与中国有全球化投资能力的基金合作，以及利用我们在硅谷的人脉协助他们获得美国的投资、进入美国市场。因此，总的来说，关于全球化这个方向，线性重点关注的是在中国能做全球化市场的创业者，而在海外的投资重点则在欧洲。