硅谷老牌风投机构Benchmark的合伙人Ev Randle在6月29日播出的播客《Sourcery with Molly O'Shea》中，对生成式AI时代的投资估值体系发出了根本性挑战。他直言，整个风投和成长期投资生态正经历“方向感丧失”，根源在于风险与规模的传统反向关系已经崩溃。

在传统软件投资范式下，初创企业随着规模扩大，会依次消除产品市场契合度、单位经济学和市场天花板的风险，公司越大越安全。但Randle指出，AI时代出现了“营收远超10亿美元，却未证明单位经济学或持久差异化”的企业。规模增长不仅未降低风险，反而可能使估值大幅缩水的风险与规模呈正相关。

这一判断的背后，是SaaS黄金法则的全面逆转。过去，高毛利率、纯软件交付、轻资产、产品驱动增长是衡量优质公司的“北极星指标”，并衍生出“40法则”等量化标准。但在AI语境下，这些指标几乎反向运行。

Randle以三大核心变化说明：第一，分发策略从产品驱动转向人力密集型服务，高度依赖实施顾问的“Palantir化”成为标配，拉低毛利率。第二，毛利率逻辑被颠覆——AI推理成本高昂，高频使用必然压低毛利率，高毛利反而意味着无人使用AI功能。第三，资本密集度飙升，为建立护城河防御大模型厂商，AI软件公司需自建研究实验室训练模型，带来前所未有的GPU资本支出，打破了过去轻资产定律。

面对旧框架失效，Randle提出了新的AI估值模型：P（价格）× Q（数量）× M（毛利率）。与传统SaaS相比，AI应用的毛利率几乎肯定低于传统SaaS的70%，但客单价却能达到惊人高度。他透露，投资组合中的开发者每人每月在Claude Code上花费3000美元，折合每位开发者每年3.6万美元。一些推理平台与初创公司签下高达九位数（上亿美元）的合同，这在SaaS公司中极其罕见。

这种变化源于买家心态的根本转变：从“购买软件许可证”转向“按需购买智力或白领劳动力”。企业的软件预算上限被彻底打开，过去一个客户贡献20万美元营收，现在可能变成每个普通客户带来2000万美元营收，甚至对某些巨头是每月5亿美元。

在AI基础设施层面，Randle用“瀑布”比喻当前巨大的推理需求，称基于推理的商业模式让营收增长曲线从过去的“1-3-9-20”变成极其陡峭的“1-20-100”或“1-30-300”。但前沿大模型厂商正面临严峻的定价权考验。他提出“AI老妈测试”：对普通用户而言，100%的日常需求可被极具成本效益的开源模型满足。如果开源模型达到前沿模型95%的能力，将极大削弱前沿实验室收取溢价的能力；反之，若前沿实验室能实现递归自我改进，则将拥有极强定价权。这被称为决定AI赛道走向的“数万亿美元问题”。

在资金端，AI的资本密集型特征和公司长期私有化趋势，正在改变风投行业形态。Randle以Anthropic为例进行冲击力十足的推算：如果Anthropic以1.5万亿美元估值上市并获得流动性，将产生相当于Snowflake Pre-IPO轮35倍的回报——在单一一轮融资中实现35个Snowflake级别的回报。他透露，有些基金在单一AI公司中投入高达30至40亿美元，并可能在不到5年内获得5倍回报。这种财富创造速度和规模，将对硅谷生态产生巨大冲击。

面对市场剧变，Randle对风投行业的结构性演变给出直接判断：行业最大问题是用“风投”一词描述本质上完全不同的两类机构。他认为General Catalyst和Andreessen Horowitz已是另类资产管理机构，而非传统风投公司——它们有成长期产品、债务产品、医疗保险产品、财富管理产品，风投只是众多产品之一。而Benchmark仍坚持“不投赛道，只投人”的核心哲学，认为伟大的创始人永远不会过时，商业模式却会流行或过气。

这场深度对话勾勒出AI时代资本市场正在经历的根本性重构：估值标尺从可预测的财务模型，转向对技术护城河、推理经济规模与创始人远见的综合押注。对于投资者而言，理解这套新逻辑的运转方式，已成为参与AI产业资本博弈的前提。