尽管市场上关于AI泡沫的讨论越来越多,红杉资本坚持认为其投资策略不会受到市场狂热的影响。
"市场有涨有跌,但我们的策略始终保持一致。我们总是在寻找有想法构建世代企业的杰出创始人,"红杉资本早期投资团队合伙人博戈米尔·巴尔坎斯基表示。
为了证明这种一致性,红杉资本周一宣布了两只新基金,规模几乎与大约三年前推出的基金相当:一只7.5亿美元的早期基金,专门投资A轮初创公司,以及一只2亿美元的种子基金。
这些基金是在这家传奇公司经历动荡时期后推出的。2021年,红杉将其结构重组为一个由特定策略"子基金"支持的常青主基金,主要是为了让公司能够在投资组合公司IPO后长期持有股票。该公司在2022年底遭受了重大财务损失,当其在加密货币交易所FTX的投资失败时损失超过2亿美元,随后在2023年与印度和中国分部分离。
这家知名公司曾在Airbnb、谷歌、英伟达和Stripe的初期阶段投资,现在正将近期的挑战抛在身后,回归其核心目标:在创业的最早阶段投资有前途的创始人。
巴尔坎斯基强调了这一使命:"我们的抱负一直是,也将继续是尽早识别这些创始人;撸起袖子,积极参与他们的公司建设之旅。"
随着AI初创公司估值飙升,红杉希望利用新基金投资那些在创业之旅开始阶段最有前途的创始人。这种策略使公司能够以低价格获得投资机会,同时锁定可观的股权份额。
这种早期投资重点对该公司来说现在更加重要。随着估值以前所未有的速度飙升,早期进入是锁定较低价格和获得大量股份的关键。
这种方法正在取得成效:红杉对Clay、Harvey、n8n、Sierra和Temporal的种子轮和A轮投资在AI热潮中已经获得了数倍增值。
即使拥有著名的A轮投资历史,巴尔坎斯基明确表示,红杉旨在通过更早投资来捍卫其传统:"我们有着与公司在最早期阶段合作的惊人记录和传统,这在今天将被归类为前种子轮。"
他强调了公司的早期判断力:红杉最近向安全测试公司Xbow、AI可靠性工程师Traversal和DeepSeek替代方案Reflection AI写出了第一张支票——所有这些公司此后都以更高估值筹集了大量资金。该公司表示,它在幕后帮助的方式包括招募前Databricks首席营收官加入Xbow董事会,为Traversal联系了30多个潜在客户,并安排Reflection AI与英伟达的黄仁勋会面,直接促成了这家芯片制造商5亿美元的投资。
即使取得了这些近期成功,红杉仍然专注于维护其作为硅谷顶级投资者五十年传统。为了确保这种心态持续下去,该公司新装修的办公室设有一面墙,每位投资者都亲手写下了这个提醒:"我们的价值仅取决于下一笔投资的好坏。"
Q&A
Q1:红杉资本新推出的基金规模有多大?主要投资什么?
A:红杉资本推出了两只新基金,总计9.5亿美元:一只7.5亿美元的早期基金专门投资A轮初创公司,以及一只2亿美元的种子基金。这些基金主要用于在AI热潮中投资最有前途的早期创业者。
Q2:红杉资本为什么强调早期投资策略?
A:随着AI初创公司估值飙升,早期进入是锁定较低价格和获得大量股份的关键。红杉希望在创业者刚开始创业时就投资他们,这样能以低价格获得投资机会,同时锁定可观的股权份额。
Q3:红杉资本最近的AI投资表现如何?
A:红杉的早期投资策略正在取得成效,其对Clay、Harvey、n8n、Sierra和Temporal的种子轮和A轮投资在AI热潮中已经获得了数倍增值。最近还投资了Xbow、Traversal和Reflection AI等公司,这些公司后来都以更高估值筹集了大量资金。
好文章,需要你的鼓励
尽管全球企业AI投资在2024年达到2523亿美元,但MIT研究显示95%的企业仍未从生成式AI投资中获得回报。专家预测2026年将成为转折点,企业将从试点阶段转向实际部署。关键在于CEO精准识别高影响领域,推进AI代理技术应用,并加强员工AI能力培训。Forrester预测30%大型企业将实施强制AI培训,而Gartner预计到2028年15%日常工作决策将由AI自主完成。
这项由北京大学等机构联合完成的研究,开发了名为GraphLocator的智能软件问题诊断系统,通过构建代码依赖图和因果问题图,能够像医生诊断疾病一样精确定位软件问题的根源。在三个大型数据集的测试中,该系统比现有方法平均提高了19.49%的召回率和11.89%的精确率,特别在处理复杂的跨模块问题时表现优异,为软件维护效率的提升开辟了新路径。
2026年软件行业将迎来定价模式的根本性变革,从传统按席位收费转向基于结果的付费模式。AI正在重塑整个软件经济学,企业IT预算的12-15%已投入AI领域。这一转变要求建立明确的成功衡量指标,如Zendesk以"自动化解决方案"为标准。未来将出现更精简的工程团队,80%的工程师需要为AI驱动的角色提升技能,同时需要重新设计软件开发和部署流程以适应AI优先的工作流程。
这项由德国达姆施塔特工业大学领导的国际研究团队首次发现,当前最先进的专家混合模型AI系统存在严重安全漏洞。通过开发GateBreaker攻击框架,研究人员证明仅需关闭约3%的特定神经元,就能让AI的攻击成功率从7.4%暴增至64.9%。该研究揭示了专家混合模型安全机制过度集中的根本缺陷,为AI安全领域敲响了警钟。