托马斯·库维利尔，RTP Global 合伙人（美国和欧洲）- 采访系列

托马斯·库维利尔，RTP Global 合伙人（美国和欧洲），是一位位于纽约的投资者，专注于支持美国和欧洲的创始人，他们正在建立具有定义性质的公司。他特别喜欢那些由亲身经历解决现实世界问题的创业者，而不是那些仅仅为了创办一家公司而创业的人。托马斯拥有计算机科学和统计学的背景，他投资于从种子轮到A轮的技术强大的团队，通常投资1百万美元到1千万美元。他的投资经验涵盖了整个公司生命周期，从早期风险投资到增长和晚期收购，这得益于他在旧金山、纽约、伦敦、柏林和巴黎等主要全球科技中心的工作经验，并带来了强大的跨大西洋视角对于技术、人才和市场。他还精通法语、普通话和日语。

RTP Global 是一家全球早期风险投资公司，投资于北美、欧洲和亚洲的技术驱动型公司。该公司成立于2000年，专注于支持雄心勃勃的创始人在种子轮和A轮阶段，拥有包括Datadog、Delivery Hero和Cred在内的成功投资记录。RTP Global遵循长期投资理念，通常会在多年内支持公司，并将过去成功的资本重新投资于新的创业项目。其全球存在和网络使创始人能够在国际上扩大业务，而其行业焦点涵盖了人工智能、金融科技、SaaS和数据基础设施等领域。

您曾投资过多家AI本土创业公司，包括工作流程编排平台（如Kestra）、机器人数据平台（如Mecka AI）和垂直SaaS公司（如Archy和DualEntry）。根据您在这些不同领域的投资经验，您目前看到什么样的AI创业公司正在获得真正的关注?

一个有趣的模式可以在成功的AI创业公司背后的创始人身上看到。我越来越多地看到那些由亲身经历解决传统行业痛点（可能是ERP系统或笨拙的软件）而产生的AI本土解决方案的创业者。还有另一群创业者，他们发现了一个机会来破坏传统行业的某个方面，并围绕这一点建立自己的公司。趋势是，AI本土创始人的新一代正在出现。

值得注意的是，动力正在整个领域内产生。曾经被认为是“不可侵犯”的重型行业，如机器人和政府服务，现在可以被破坏，并且对风险投资来说是可行的。

像Anthropic这样的大型模型提供商最近的发布引发了关于垂直AI创业公司是否仍然具有可防御的护城河的辩论。你如何看待基础模型和应用层公司之间的关系演变?

Anthropic的发布确实对创业生态系统构成了威胁，但我们需要精确。为中小企业和非监管行业提供SaaS的公司容易受到攻击。他们没有基础模型公司无法突破的护城河，只要后者拥有有效的表面级工具。

但是，表面级工具的吸引力只延伸到一定程度。在监管行业中，复杂的工作流程最适合具有与行业特定工具深度集成的AI应用程序，这些应用程序由对其行业有深入了解的团队设计。提供此类应用程序的垂直AI创业公司确实具有可防御的护城河，可以经受住风暴。

您曾经提到，一些B轮和C轮的AI创业公司可能会面临结构性挑战，原因是基础模型的快速进步。这些公司做了什么样的架构错误，年轻的创业公司应该从中吸取什么教训?

B轮和C轮的AI创业公司面临的问题是，他们的产品本质上是与LLM进行接口的仪表盘，只有少数几个底层集成。这些公司在过去几年中迅速获得了业余爱好者和企业的采用，并筹集了大量资金。但是，快进到今天，基础模型玩家们已经准备好挑战他们的商业模式。

对于新创始人来说，教训是不要过于依赖任何感知到的技术护城河或历史上的客户锁定。AI辅助软件开发和业务扩张使得今天的突破可能成为明天的商品产品。围绕仍然难以复制的特征建立护城河——集成深度、行业特定专业知识和蓬勃发展的用户社区——是一个更好的选择。

当您今天评估AI创业公司时，什么构成了可防御性？是专有数据、工作流集成、监管复杂性、分销还是其他完全不同的东西?

我会说，是的，这些都是重要的。我无法强调足够的集成深度。我们谈论的是与100多个行业特定工具和应用程序集成的深度，这是很难被取代的。

如上所述，我认为基础模型对垂直行业的推进只能延伸到一定程度。监管行业和其关键工作流程对于基础模型来说过于复杂，这正是AI创业公司可以填补并建立可防御业务的最佳机会。

除了您列出的内容之外，我还会添加用户留存和社区建设仍然是可防御性的重要组成部分。由于产品很好且使用起来很愉快而产生的真正用户忠诚度很难建立，但也很难被破坏。

许多投资者现在认为AI领域的技术护城河正在缩小。您同意这种观点吗？如果同意，新的竞争优势形式是什么?

这是一个事实，技术护城河正在缩小。如果您的产品可以在周末内建立，那么您就没有技术护城河——而且使用AI的可能性在周末内不断变得更加复杂。

在软件很容易被替换的世界中，客户忠诚度因出色的用户体验而变得至关重要。

从风险投资的角度来看，您在今天的AI公司创始人中寻找什么样的品质？是否有特定的特征、经验或思维方式在您决定支持创始人时脱颖而出?

对我来说，首要的特质是对最终客户有清晰的认识。当创始人对客户了如指掌，并且知道如何将产品融入客户的现实中时，其他重要的AI公司建设元素——如深厚的行业专业知识——就会自然到位。

其他重要的品质是产品导向的创始人形象和强大的个人网络，包括可能在未来成为客户的企业决策者。

您投资了运营于监管行业的公司，例如保险、医疗保健和金融服务。您为什么认为监管行业可能为AI创业公司提供更强的长期机会?

像医疗保健、制药、金融服务、保险和公共部门这样的行业非常适合从头开始为每个行业的需求和工作流程而打造的AI创业公司。LLM和代理AI的影响如此革命性，它不会“绕过”那些历史上对技术采用速度较慢的行业。

这些行业对于创业公司来说如此有吸引力，因为它们仍然被无法轻易为AI转型的传统软件巨头所主导。如前所述，它们也不适合基础模型的破坏。

最近有越来越多的讨论关于中期AI公司可能会出现一波并购的可能性。您看到什么样的信号表明并购可能会在接下来的两年内加速?

最明显的信号是估值压缩与现金压力同时发生。许多中期AI公司在2021-2023年峰值倍数时筹集资金，现在面临着如果再次进入市场就会面临下调估值的局面，这使得战略收购突然变得比令人尴尬的重新定价更有吸引力。在收购方，超级大规模公司和大型平台公司在过去两年中一直在整合AI能力，现在意识到内部建立一切比购买具有差异化的分销或专有数据资产更慢。

第二个信号是人才和数据护城河的动态：随着基础模型的商品化加速，防御性价值越来越多地体现在专有训练数据和上市策略中，而不是模型架构本身——这正是acqui-hires和战略整合可以高效捕获的内容。

最后，监管环境正在变得更加宽松；当前的美国政府已经发出更轻的反垄断姿态的信号，这消除了大型战略公司之前对交易审查的顾虑。将所有这些因素放在一起，你就有了有动力的卖家、有动力的买家和更清晰的监管跑道：这种组合在历史上通常会引发一波并购潮。

AI创业公司可以快速获得早期动力，有时比前几代SaaS公司更快地获得第一百万美元的收入。但是，超越这一点似乎是许多创业公司挣扎的地方。是什么因素让一些公司突破，而其他公司停滞不前?

区分AI创始人达到收入天花板和那些一再突破里程碑的创始人之间的分界线是上市速度。由用户社区反馈循环引导的功能和产品的交付。不再犹豫全球增长。做出正确的销售招聘。无懈可击的分销渠道。这些是区别AI创业公司的上市速度的关键要素。

展望未来三到五年，您目前最看好哪些类型的AI创业公司？您认为哪些类别已经变得过于拥挤或脆弱?

我对AI在医疗保健和制药领域（充满复杂且高度监管的工作流程，可以被破坏）、工业领域（技术破坏仍有很长的路要走）以及金融领域（尤其是合规和ERP）带来的可能性感到兴奋。

面向中小企业的高级AI产品的市场已经饱和，这是创业公司脆弱的领域。这也适用于任何具有容易复制的产品的AI创业公司。技术护城河不再可靠。一般来说，技术护城河仍然有很长的路要走（尤其是合规和会计/ERP），金融领域也是如此。