Carta 資料顯示，2017 年成立的 VC 基金中位數九年只返還 0.37 倍現金，前 10% 才勉強超過本金；同時巨型基金 82.7%–89.5% 倉位壓在 AI，新興管理人投異類的比例是它們的兩倍。
（前情提要：比特幣 11 萬美元，加密 VC 卻快沒了）
（背景補充：基金越大回報越差？微基金＋SPV 正在成為 VC 新標配）
創辦人常把 VC 當成耐心資本，但 Venture Curator 的最新調查揭露，多數基金成立九年後連本金都沒還給 LP；與此同時，巨型基金把近九成倉位押在 AI，真正敢投異類的反而是新興管理人。
新興 VC 在投更多不尋常的創業公司，而 AI 支出在 7 萬多家企業之間差異巨大。
風險投資圈向來信奉「異類」哲學。少數冷門公司貢獻了絕大多數回報，所以照理說，團隊最大、人脈最廣、資金最多的機構最該找到這些標的。
但 Odin 的 Dan Grey 基於 Dealroom 資料的新研究表明，如今最不可能押注「非主流」標的的，恰恰是最大型機構。
Grey 對五家巨型基金（a16z、General Catalyst、Lightspeed、NEA 和 Accel）在 2023 至 2025 年種子輪投資組閤中的每家公司，以及一組精選的頂級新興管理人，按稀有程度進行了打分。稀有度是從業務（產業、模式、客戶、地域）和技術兩個維度，對照 2018 年至 2025 年所有獲種子輪融資的公司來衡量的。最不尋常的五分之一被算作異類。
新興管理人有 24.7% 的可評分種子輪資金流向異類（198 個中有 49 個）。巨型基金僅投入 11.5%（278 個中有 32 個）。大約是兩倍的差距。
這不代表每家小基金都愛逆向操作。很多新興管理人和巨型基金一樣重倉 AI：Conviction 是 100% AI，South Park Commons 是 93.5%。差距來自那些有不同任務的專業型基金，比如 Lowercarbon 只有 18.8% 投 AI，Multicoin 只有 15.4%。
這就是為什麼組合配置很重要。若把五家新興管理人的投資組合合併，集中度平均下降 22.6%。把五家巨型基金合在一起，只下降 2.0%，因為五家全都已經在 82.7% 到 89.5% 的 AI 倉位之間。在 462 種可能的新興管理人組閤中，只有 2 種沒能跑贏巨型基金組。
這件事的重要性超出了組合統計的範疇。關於融資風險的研究一直認為，投資人是否預期後續資金可用，決定了哪些實驗能拿到第一張支票。Odin 謹慎地表示，其資料並不能證明這一機制。但如果最大的資金池只投那些已經被廣泛認為可投的專案，那麼在這個共識之外的公司就只能依賴別人來下第一注。
那麼這是否意味著新興管理人更擅長挑選贏家？
巨型基金 82.7% 押 AI：異類被放棄
不是。「異類」在這裡指的是在獲投公司中罕見，並不代表更具創新性，也不代表更可能成功。把創始人背景加入評分後，差距縮小到 19.8% 對 14.4%。新興管理人這一組是一個精選的樣本，不代表整個市場。而且小基金也有自己的羊群時刻：區塊鏈在它們早期輪次中佔 46.7%，後來降到 20.9%。
這正是投資人需要小心的地方。
如果你的論點是回報來自異類，那麼再配一家名牌基金，大部分只是增加了同樣的押注。一籃子真正不同任務的基金才能增加範圍。但僅憑範圍並不構成開支票的理由。Odin 自己的測試是：一隻基金能為你的現有組合補充什麼缺失的東西，以什麼費用和附帶權益，稀釋後的持股比例是多少，後續融資風險如何。
真正的問題不是哪家基金最大。問題是哪些基金真正在看別人沒在看的地方，因為從資料來看，這份名單越來越不是同一批人。
創辦人總是被教育：VC 是耐心資本。風險投資是馬拉松，基金成立的意義就是等待大結局，股權表上沒有誰急著要現金。
但 Carta 的 2026 年第二季度 VC 基金業績報告的新資料表明，不少基金的耐心已瀕臨極限，因為它們大多數仍沒把自己的投資人的錢還回去。
Carta 追蹤了淨 DPI，即基金實際返還給 LP 的現金佔 LP 投入每一美元的比例，覆蓋了大約 3000 隻在 2017 年至 2026 年間開始投資的美國風險投資基金。
2017 年開始投資的基金現在大約有九年了，接近典型的十年基金生命週期的末尾。中位數基金只返還了 0.37 倍的現金。即使是前四分之一分位的基金也只有 0.70 倍。只有前 10% 返還了超過 LP 投入的金額，達到 1.37 倍。
更年輕的基金情況更糟。2018 年基金的中位數返還了 0.15 倍，2019 年基金的中位數是 0.04 倍，也就是七年後一美元只拿回 4 美分。
帳面價值確實存在。2017 年基金的中位數賬面價值是 1.72 倍，但其中只有大約五分之一以現金形式返還。剩下的仍然鎖在那些還沒有被出售或上市的私人公司裡。
9 年只還 0.37 倍：LP 的錢卡在紙面
還有第二個細節解釋了為什麼從外部很難看清這一點。這些基金大多數確實返還了一些錢：86% 的 2017 年基金和 70.4% 的 2018 年基金至少返還了部分現金。所以幾乎每支基金都能告訴自己的 LP，分配已經開始了。但很少有基金能說它們把錢還回去了。
那麼創始人為什麼要在乎自己投資人的基金帳本呢？
因為你投資人的基金時鐘，和你公司的時鐘並不一樣。一隻接近到期、還欠著 LP 真金白銀、又正在募下一期基金的基金，有很強的動力儘早拿到流動性。這種壓力可能會表現為推動你早點出售、在二級市場賣掉它的股份，或者在你下一輪融資時對繼續注資更加謹慎。
而這就是創始人需要小心的地方。
這些都不意味著你的投資人會做出對你不利的事。基金可以延長存續期，很多頂級機構也有充分理由繼續支援自己的贏家。Carta 的資料只顯示了現金缺口，不代表每隻基金會怎麼行動。但給你開出支票的那隻基金的年份，現在已經是一個真實變數，而不是腳註。一個從 2017 或 2018 年基金裡出手的合夥人，和一個從全新的 2025 年基金裡出手的合夥人，處境完全不同。
真正的風險不是你的投資人需要流動性。而是你不知道你的錢來自哪隻基金、它還欠自己的出資人多少現金，以及這一點會如何影響他們在你下一輪融資或退出上給出的建議。
大多數 AI 報道都盯著前沿：每家實驗室最新、最聰明、最貴的模型。但 Theory Ventures 的 Tomasz Tunguz 提出了一個論點：真正重要的市場是中間層級，而支出資料也支援這一點。
中間層級已經拿走了大約 40% 的 AI 支出和 30% 的 token 用量。
相比之下，前沿模型的部分很薄。Anthropic 最強的模型 Fable 5.1，在發布頭 12 天裡只佔閘道器支出的 3.7%。它的前代最高達到 13.2%，然後在 Opus 5 以一半價格發布後一個月，跌到了 4.9%。在大型企業帳戶中，前沿模型的 token 消費佔比從 8 月初的 53% 降到了 9 月的 45%。
價格戰也正是在這個層級展開。9 月 Anthropic 對新模型降價時，OpenAI 大約 90 分鐘後就跟進降價。在那次降價之前，Opus 系列連續四個版本的定價都維持在每百萬 token 輸入 5 美元、輸出 25 美元。在低端，OpenAI 在 7 月把 Luna 的價格砍了 80%，9 月又砍了 50%。
前 10% 才回本：多數基金仍在裝睡
三股力量持續壓著中間層級的價格往下走：
實驗室之間的競爭。實驗室現在會在幾小時內跟進彼此的降價，而不是幾個季度。
開放權重模型。在公布資料的閘道器上，開放模型跑著大部分 token 量，價格比閉源模型的混合價格低 86%。
微調。基於開放權重模型 Kimi K2.5 微調的 Cursor Composer 2，比起此前的自研模型，總成本降低了 86%。Harvey 把每個 cell 的成本相對 Sonnet 5 降低了 55%，同時得分還高於 Fable 5。
這種情況持續發生是結構性的。企業需要 AI 做的事，比如總結一份合同或給一張工單分類，年復一年幾乎不變。而能滿足這個門檻的智慧成本卻在快速下降。所以能透過一個固定要求的層級，每個季度都在變便宜，而大多數真實工作都落在這一層，而不是前沿。
需求看起來不像一座前沿在頂端的金字塔，更像一條中間很粗的鐘形曲線。買家關心的是每美元能買到多少智慧，而不是峰值能力。懸而未決的問題是，這個中間市場最終會不會變成大宗商品。如果會，整個 AI 市場的經濟學也會隨之改變。
對於任何在這些模型之上做產品的人來說，值得問一句：你的產品真正需要的是哪個層級。為中間層級的工作付前沿模型的價格，現在是最好丟掉的一種利潤。
問大多數創始人在 AI 上花了多少，你會得到一個很自信的數字：ChatGPT 和 Claude 的席位、Cursor 帳單、不斷增長的 API 費用，加起來一個月幾千美元。這聽起來很精確，但其實不是。因為它把三種完全沒有共同點的支出加在了一起，唯一的共同點只是供應商類別。
Ramp 覆蓋 7 萬多家美國企業的支付資料顯示，「使用 AI」這件事已經變得多分裂。
中位數公司每名員工每月花 11.38 美元。前 10% 花 611 美元。
AI 價格戰 90 分鐘跟進：中間市場主場
前 1% 花 7,449 美元，差不多是中位數的 650 倍。而當 Ramp 把這些支出和 Revelio Labs 覆蓋 21,559 家公司的勞動力記錄做關聯後，發現高支出的公司兩年間員工人數增長了 10.2%，其中入門級崗位招聘增加了 12%。
低強度使用者的資料完全沒有顯著變化。
所以多花點。但花在哪？
大多數創始人拿 AI 帳單和自己的軟體預算比，因為這些費用在帳單上和 Figma、Notion 排在一起。這是錯的分母。越來越多的 AI 支出替代的不是軟體，而是人。一個客服 agent 的對照物是客服崗位，而不是你的 SaaS 套件。
拿一家典型的種子階段公司算一下：12 個人，每月工資成本約 18 萬美元，AI 支出每月 4 千美元。對比軟體預算，4 千美元看起來很重。對比工資成本，它只有 2.2%。同一個數字，結論完全相反。
解決方法是把 AI 預算拆成三塊，每一塊都用自己的基準去評估：
工資線 AI（客服、SDR 和程式設計 agent）對照的是你沒招的那個人的薪水。如果你說不出那個崗位是什麼，它就不該歸到這一類。
生產力線 AI（席位、筆記和寫作工具）看的是使用率。如果使用率到第二個月就衰減了，就取消掉。
成本線 AI（產品內部的 token 和 API 呼叫）看的是 10 倍體量下的毛利率，而且它必須放在你賬上的 COGS 裡。
把三類混在一起，每個訊號都會互相抵消。席位上的超支讓總額看起來很臃腫，於是創始人就對 agent 上剋制，而那恰恰是回報所在。前 1% 的贏家不是因為花得多，而是因為他們的支出是分好類的：在 AI 替代人力的地方下重注，在只是加速人的地方嚴格剋制，在產品內部的地方盯住毛利。
量子融資 49 億、營收 14 億：盡調呢？
我們拆解了完整的排序方法，包括一套 30 分鐘的審計流程，你可以這週就用它來核對自己的帳單，詳見《你的 AI 支出到底應該拿什麼做基準？》
你可能會以為，最難的技術應該接受最嚴格的審查。一臺量子計算機、一座核聚變反應堆或一種新的晶片架構，要麼符合物理定律能跑通，要麼不能，而驗證這一點需要真正的專業能力。
但 PostQuantum 的 Marin Ivezic 認為，實際情況恰恰相反：交易越大、技術含量越高，越不可能有獨立的人去核實科學上是否站得住腳。
這並非因為投資人變懶了。幾個結構性變化疊加在了一起。
專家層消失了。
過去，投資人能從銀行研究團隊獲得獨立的技術判斷，這些團隊僱有專業分析師。2018 年歐洲 MiFID II 規則要求研究費用與交易費用分開支付，這一模式隨之收縮。據報道，歐洲股票研究規模下降了約 20%，主要銀行的專業分析師人數也減少了。
專家網路如今已是約 25 億美元的生意，填補了部分空白。但它只有在你知道該問哪位專家、該問什麼問題時才有效。在前沿領域，這恰恰是通才型投資人不具備的知識。
資金流向了通才。
2025 年，私募量子投資達到 49 億美元，增長 192%。最大的投資方是貝萊德和輝達，而非專門的量子基金。主權財富基金和養老金也在越來越多地參與這類輪次，一項針對主權基金的調查發現，58% 的機構缺乏領投一筆交易所需的資源。無法自行做技術審查的資本，最終只能依賴別人的判斷。
領投方的名頭取代了審查。
LP 自保指南：獨立技術審查比品牌重要
一家有聲望的領投方為跟投的所有人做了信用背書。跟投方預設領投方已經核實過物理上的可行性，但他們看不到那份審查，也無法確認它真的發生過。有些輪次甚至連這個都沒有：Quantinuum 的 6 億美元融資完全沒有具名的領投方。
截止期限和羊群效應讓速度壓過了審查。
2023 年底，美國基金手裡積壓著創紀錄的 3116 億美元未投出資金。一個面臨配置壓力的基金經理，加入一筆熱門交易比拖慢它更有收益。而且和同行一起錯，對聲譽的損害遠小於獨自出錯。
深科技沒有強制檢查點。
生物科技是很好的對照。FDA 的審批流程迫使每個階段的資料公開，因此產業圍繞這一點建立了一整套盡調規範：科學顧問委員會、專業評審人、分階段檢查。
量子領域沒有同等的關卡。這篇文章能找到的針對大型量子公司最嚴格的技術審查，來自澳大利亞政府，是透過資訊公開申請才披露的，而不是來自任何投資方。
結果清楚地體現在數字裡。
2025 年私募量子投資為 49 億美元，而整個量子計算產業的總營收約為 14 億美元。三家 2021 年透過 SPAC 上市的量子公司，曾預測 2025 年合計營收約 12 億美元，實際交付約 1.38 億美元。而且做了一些最紮實核實工作的，是空頭，不是投資人。
這種事如何收場，早有先例。2006 年到 2011 年間，風投向清潔技術投入超過 250 億美元，虧損過半。研究那一輪週期的學者當時就警告，沒有硬體經驗的養老金和主權基金，會是下一批給這類公司掏錢的人。
提出的解決方案很簡單：在跟投一筆超過一定規模的深科技輪次之前，LP 應當要求一份獨立的技術可行性審查，這份審查不能由基金委託，也不能由創始人挑選。需要說明的是，作者本人投資量子初創公司，並經營一家提供此類審查服務的公司。但核心觀點依然成立：在深科技領域，股權表上的一個標誌已經悄悄取代了技術核查，而在這樣的支票金額面前，幾週的獨立審查費用算不了什麼。
