我们的宣言
我们专注投资于那些致力于解决复杂科学或工程难题的杰出人才，他们通常聚焦于最具挑战性的技术问题。
PART 01 —— 引言
问题
Founders Fund 的战略聚焦于两个目标：
- 探索支持技术发展的有效路径（技术是驱动工业世界增长的底层力量）；
- 为 Founders Fund 的投资人获取卓越回报。
与许多其他机构相比，我们更有动力去寻找这些问题的答案，因为 Founders Fund 的合伙人和员工本身就是基金中最大的出资方（传统做法通常要求普通合伙人出资占基金总额的 1%，这一比例被称为“GP commitment（普通合伙人出资）”，但这一术语本身往往掩盖了实际激励机制的差异）。而在 Founders Fund，我们自身出资占管理资本的比例为 20%。
从 1960 年代到 1990 年代，风险投资一度被视为是同时实现技术创新与资本回报的理想路径。但自 1999 年以来，该行业整体呈现出回报率下滑的趋势 —— 无论是平均值还是中位数，均为负数，仅有少数基金表现出色。那么，这一转变背后的原因是什么？
风险投资的漫长噩梦
若要深入理解风险投资为何在近几十年整体回报乏力，最具洞察力的路径莫过于以其黄金时代的投资组合为视角，重新定义“未来”的内涵。将过去与现在的典型投资项目进行对比，有助于揭示行业结构性变化的根源。以 1960 年代为例，风险投资与刚刚起步的半导体行业密不可分（如 Intel，它既是最早的一批投资项目，也是迄今最成功的风险投资之一）。
进入 1970 年代，风险投资的关注重点扩展至计算机硬件与软件；到了 1980 年代，第一批生物技术、移动通信及网络企业开始获得资本支持；到了 1990 年代，风险投资进一步涉足了各种形态的互联网公司。
尽管今天看来这些成功案例似乎理所当然，甚至不足为奇，但在其诞生之初，这些产业与企业所承载的设想和突破性尝试，无不体现出非凡的远见与雄心。
尽管当时这些技术看起来“至少在理论上可行”，但其最终能否成功落地并转化为可盈利的商业模式，始终充满不确定性，缺乏任何明确的保障。
以 1967 年惠普开发袖珍计算器为例，公司内部对该产品的商业可行性存有严重疑虑，最终由创始人亲自干预才使该产品得以延续。
此外，在 1970 年代中期，当 IBM 和 DEC 等主流计算机公司的高层仍公开质疑个人是否“真正需要或愿意拥有一台计算机”，甚至对计算机是否有可能“小于一辆大众汽车”表示怀疑时，对 Microsoft 和 Apple 的早期投资无疑显得极为大胆。同样，1976 年 Genentech 成立之际，重组 DNA 技术尚处于萌芽阶段，距其最初问世还不到五年。当时业内普遍不相信胰岛素或人类生长激素可以被克隆并实现商业化生产，更何况由一家初创企业完成这一突破。然而，风险投资者仍选择支持这些公司，因为他们相信未来将出现跨越式发展。正是基于这种对长远回报的信念，风险资本愿意承担真正意义上的技术风险。
从 1990 年代末期开始，风险投资组合开始呈现出另一种对未来的设想。有些公司依旧支持变革性技术（如搜索、移动通信），但整体投资方向逐渐从颠覆性转向解决渐进式，甚至是虚假问题（如 Kozmo.com 送巧克力到办公室）。这种模式在一段时间内奏效了，得益于当时庞大的股市泡沫。实际上，这种策略在当时也非常合理，即便这些公司最终会一文不值，但它们却也创造了风险投资史上最辉煌的回报。
随着时间推移，市场上也出现了新的泡沫现象 —— 包括收购泡沫、二级市场泡沫等 —— 这些确实为少数成功“搭上顺风车”的风险投资人带来了可观回报。然而，这些机会正变得愈发稀缺，市场环境也变得更加严苛。大量沿用 1990 年代末投资逻辑的风险投资机构面对当下复杂的局势，往往只能交出低迷的成绩单。风险投资也因此逐步从“未来的构建者”退化为“微观功能与边缘模块的资助者”。从财务层面看，其盈利能力显著下滑：过去十年间，行业中排名靠后 50% 的基金，其回报大多持平或为负。
Founders Fund 认为，风险投资由原本支持变革性技术的资本，逐步演变为以犬儒主义（cynical）与渐进主义为导向的投资模式，是导致其衰退的根本原因。
若将风险投资过去十年的表现疲软单纯地归因于宏观经济环境的下行，这无疑忽略了该行业在前四十年中所展现出的跨周期韧性与稳健回报的历史，也忽视了前 20% 头部基金持续实现超额收益的事实。真正的问题不在于外部条件恶化，而在于风险投资所配置的标的方向发生了根本性变化。因此，其回报结构也随之改变。
并非所有依赖电力驱动的产品都应被归类为“科技”
并非所有科技都具备真正的技术含量。以 Pong 游戏与协和式客机为例，二者在技术深度上有着本质区别；Intel 的微处理器代表突破性的工程创新，而 Pets.com 的在线宠物食品销售则显得可有可无。然而，一些曾被质疑为“伪技术”的公司，比如 Amazon 和 Facebook，确实解决了极具挑战性的技术难题。Amazon 不仅推动了智能推荐系统的成熟，还通过高效的物流体系，让用户几乎可以在任何时间下单，并在次日收货；Facebook 则构建了处理海量社交关系的算法框架，建立起蓬勃的开发者生态，使用户能够轻松管理其线上社交网络。这些技术创新同样重要。虽然互联网不再是创业的“处女地”，但“互联网红利已被榨干”的观点并不成立。很多失败的互联网企业，其真正的问题在于未能深入挖掘互联网技术的潜力与结构优势。
互联网无疑是人类历史上最具革命性的技术之一。若我们仅以 X 射线在鞋店中用作荧光检测仪的早期应用为参照，便草率判断其无前景，那无疑低估了其技术潜力。同样，90 年代末的互联网泡沫并不应成为我们否定这一技术长期价值的依据。
从长期来看，市场终将揭示伪技术与缺乏实质价值的公司，这也意味着投资此类项目本质上风险极高。 尽管偶尔有人能凭借时机踩中泡沫、实现可观的回报，但这种现象更接近于“运气”。
此外，这还关乎投资者的价值观和声誉。
真正具备技术深度的公司往往能够创造稳定、可持续的回报，从而大幅降低“择时”对投资成败的决定性影响。以 Webvan.com 为例，其资本机会窗口极其短暂，仅以“数月”计；而像 Intel 这样的企业，则能够提供跨越“数十年”的增长潜力。由此可见，投资者应将目光聚焦于那些具有真技术的企业。
我们是否真的走到了一个缺乏“真技术”可投的时代？
我们是否已经走到了科技的尽头？在零售全面线上化之后，是否还存在值得探索的“下一个前沿”？发达国家的经济是否已然进入增长停滞的新常态？这些疑问促使我们回顾历史中对“未来”的设想，并重新评估风险投资是否仍能在某些尚未被充分开发的领域。
1958 年，福特推出了核动力概念车 Nucleon，外观酷似一辆装备核反应堆的 El Camino。虽然从今天的角度看，它显得几乎荒唐，但放在彼时的历史语境中并不全然荒诞：1954 年，美国第一艘核动力潜艇“鹦鹉螺号”刚刚下水；距离第一颗原子弹的试爆也仅过去十年。尽管 Nucleon 更多是一种市场营销的噱头，但它仍体现出那个时代对未来技术的乐观主义与想象力边界的突破。
十年后的 1968 年，Arthur C. Clarke 发表了对未来技术的著名预测，认为商业化的太空旅行与具备初步智能的机器将成为现实。虽然《2001：太空漫游》是一部科幻作品，但在那个技术飞速进展的时代背景下，它所描绘的未来并未被视为遥不可及。毕竟，阿姆斯特朗即将踏上月球，而集成电路刚刚问世，人类正身处一场科技飞跃的临界点。
1960 年代对未来的想象，虽看似遥远，但并未被当时的人们视为幻想，他们相信这样的未来终将到来。而对比今日，我们却将混合动力汽车或廉价航空视为重大突破，却轻率地否定当年关于核动力交通与载人深空航行的想象。这种转变不仅显得保守，甚至透露出某种文化上的退却。我们今日所焦灼等待的“未来”，其实正是 1960 年代人们热切期盼的场景。只不过，那个“未来”已经迟到了半个世纪。
尽管过去数十年内，计算与通信技术取得了显著进展（即便 Windows 2000 仍与 HAL 9000 相距甚远），互联网的发展更是远超其设计者的预期。然而，许多 20 世纪中叶被广泛设想的“未来场景”仍未变为现实。其中一个核心原因在于，这些技术未能像半导体与电子工业那样持续获得资本市场的系统性支持。我们认为，推动此类被低估领域的技术走向产业化，将是捕捉未来结构性投资机会的关键路径之一。
PART 02 —— 航空航天与交通
1961 年，Alan Shepard 成为首位进入太空的美国人；1969 年，Neil Armstrong 成为第一个踏上月球的人类。但自 1972 年阿波罗计划结束以来，人类再未重返月球。2011 年，美国执行了最后一次航天飞机发射任务，这也标志着这个曾率先开展载人航天计划的国家，首次失去了将宇航员送入太空的能力。对于一个曾被视为“未来象征”的行业而言，太空探索如今的境况，实在令人唏嘘。
当前限制太空资源广泛利用的关键制约因素，是将物资送入轨道的成本居高不下。根据不同轨道类型，目前的平均发射成本约为每公斤 19,000 美元，而该水平自 1960 年代以来几乎未见根本性改变。在这一价格区间内，太空运输呈现出高度刚性的需求曲线：政府机构与通信运营商等“必须上去”的参与者依然持续发射，而大多数商业与科研用途则因成本门槛而难以进入轨道经济。若运输成本能够实现数量级的下降，太空经济的规模化潜能与产业扩展能力将迎来根本性转折。
设想一下：如果每次开车前往 Apple Store 的花费高达 500 美元，即便消费电子产品的性能每年都在显著提升，用户更换设备的频率也必然会显著下降。反之，若前往 Best Buy、健身房或上班的出行成本大幅降低，人们对相关产品与服务的消费频率自然会随之上升。正因如此，我们认为降低轨道发射成本本身不仅是一项具有巨大价值的商业行为，更是释放整个太空产业潜能的关键前提，其影响可比肩历史上铁路贯通美国西部所引发的经济跃迁。NASA 曾指出，若发射成本下降一个数量级，太空商业市场将出现显著扩张。SpaceX 正在推动这一趋势，其可重复使用火箭技术有望实现数量级的成本压缩。这不仅使其自身商业模式具备高度价值，更有望为整个太空生态系统注入前所未有的活力。
如果这一突破最终得以实现，我们将真正具备在太空领域大展拳脚的能力 —— 从通信、能源发电、到微重力高精度制造 —— 但要让这些愿景成为现实，仍需依赖一个关键因素：有远见的投资人愿意为真正的技术创新买单。
另一个重要方向是：克服“克服距离的束缚”。更便宜、更高效的交通方式，一直是推动全球贸易扩展与财富增长的关键驱动力。在过去的两个世纪，交通技术一直在不断进步。不幸的是，过去三十年交通技术没有取得根本性的突破（如飞机上的 DVD 设备，这些改进并不具有革命性），跨大西洋航班的飞行时间自工业革命以来首次出现逆向延长。
PART 03 —— 生物科技
在过去 60 年间，医学领域迎来了两项具有根本性意义的技术突破：1952 年 DNA 双螺旋结构的发现，以及 20 世纪 60 年代信息技术的兴起。理论上，将生命本源的解码能力与日益强大的计算资源结合，理应大幅延长人类寿命并提升生命质量。但现实是全球人均寿命的增速正在减缓，部分地区甚至出现倒退迹象。更令人担忧的是，每年获得批准的新药数量，特别是那些具有里程碑意义、通过 FDA 加速审批通道的新药，已远低于过去 25 年的平均水平。值得强调的是，这一现象并不意味着生物技术领域缺乏变革潜力，而是表明其巨大潜能尚未被有效释放。
事实上，生物科技领域已经实现过一次深远的技术革命，未来也完全有可能再次引领新一轮的变革。
自 1953 年 Watson 与 Crick 揭示 DNA 双螺旋结构起，不到二十五年时间，风险投资人 Robert Swanson 便与生化学家 Herbert Boyer 联手创办了 Genentech，并在短时间内成功合成胰岛素，成本远低于外界预期。到了 1980 年代，在 AIDS 患者群体的压力下，FDA 推动了审批流程的大幅提速，批准了大量针对多种疾病的重要新药。大量针对多种重大疾病的重要药物得以快速上市。在这段时期，生物医药领域无论在技术创新能力，还是在监管响应效率方面，均实现了显著跃升，然而，这场技术与体制的“双重革命”并未延续至今。
当前，生物科技行业面临三大核心挑战（或是对投资者而言的三大主要障碍）：数据稀缺、资本密集，以及药物发现方式仍高度依赖经验主义，近乎“中世纪”水准。首当其冲的是基因测序的问题，作为发展基因疗法的基础，现有测序技术仍普遍存在速度慢、成本高、精度不足等问题。
目前，以荧光法为基础的主流测序技术在解析大规模基因组方面仍存在显著局限，解码覆盖率约为 95%，同时面临成本高昂和处理周期过长等问题。其次是资本密集问题，在临床前阶段，尤其是在人体或动物试验启动前，企业通常难以明确评估药物候选物的有效性，哪怕辅以计算建模，也难以规避巨额成本。最后，当前的药物发现流程在很大程度上仍依赖于启发式试验与假设验证，缺乏系统性和可重复性。同时，生物科研领域尚未建立起高效的数据共享机制，阻碍了跨机构知识交流与研究协同。如若有企业能够有效应对上述瓶颈，不仅将在技术路径上实现突破，更有潜力在资本效率和社会价值两个维度带来重大回报。
PART 04 —— 先进机器与软件
我们对计算硬件的指数级进步早已耳熟能详：摩尔定律指出晶体管密度每两年翻倍；克赖德Kryder’s law描述了存储容量的快速扩张；Butters’law则指出数据传输速率正持续提升。然而，与硬件相比，软件的发展显得步履蹒跚。但与之相比，软件功能的发展速度则明显滞后。尽管衡量软件“进步”存在主观性，但从使用体验来看，其“易用性”与“实用性”仍远远滞后于硬件性能的提升。任何使用过 Bloomberg 或 LexisNexis 系统的人都深有体会：我们已经能够高效收集海量数据，但在如何有效利用这些数据方面，依然存在巨大落差。一个直观的观察角度，是将芯片性能的提升速度与社会整体生产率增长幅度进行对比。尽管硬件计算能力不断突破，相关成果却在宏观生产率数据中鲜有体现。这表明，软件系统可能正逐渐掉队，成为制约技术红利释放的瓶颈。
我们距离真正意义上的 General AI 仍有很长的路要走 —— 这一现实，恐怕会令三十年前的未来主义者大为震惊。
实际上，直到最近，我们甚至难以找到一个真正稳定、可靠的操作系统。在不谈“宏大叙事”的前提下，至少我们应当拥有更强大、更易用的数据分析工具。当前，大多数数据分析平台依然复杂晦涩，用户往往需要掌握特定平台语言与接口，学习曲线陡峭。然而，即使付出高昂的使用成本，分析结果的质量却仍然难以令人满意。我们已积累了海量数据资源，但能真正将其转化为结构性洞察的人却寥寥无几，且分析能力本身也十分有限。
在更高一层的技术维度上，机器人技术同样是一个“远未及格”的领域。尽管工业机器人在特定场景下（如汽车零部件焊接）已展现出高度成熟性，但其部署成本依然居高不下、适用范围有限。大量研发力量集中在仿人机器人形态的“炫技性展示”，如具备拟人表情或演奏能力的机器人。这类产品虽具视觉吸引力，但实际用途极为有限，且并未解决真正困难的问题，如灵活行走等基础能力。目前极少有企业将资源集中于大规模、标准化、低成本的通用机器人系统，而这恰恰是“机器人革命”能够真正发生的必要前提。
General AI 被广泛认为是计算技术演化的最终目标。 虽然我们距离真正实现通用 AI 仍有不小距离，但某些具备类人智能特征的子领域系统已展现出显著进展。例如，语音识别技术已广泛应用并表现优异，而计算机视觉仍处于不断追赶的阶段。更进一步，机器学习正逐步拓展人工智能的应用边界。从更强大的游戏智能体到辅助诊断的 Watson 医疗系统，机器学习技术正在为多种复杂任务带来新的可能性。
尽管构建人工智能系统所需的计算基础设施已基本就绪，但当前整个 AI 领域仍普遍面临资本支持不足的局面。这一现象在科技史中极为罕见，甚至可谓具有讽刺意味.因为即便不考虑通用人工智能的远景，仅就当下 AI 系统在各行业的成熟与商用潜力而言，其带来的经济回报与结构性影响可能已构成现代史上最重要、最具商业价值的技术转型之一。
PART 05 —— 能源
财富水平与能源消耗之间存在高度正相关关系。无论二者的因果机制如何，一个更加富裕与物质充裕的未来社会，其能源总需求势必走高。然而，传统能源体系面临诸多结构性问题，包括地缘政治摩擦、环境外部性成本，甚至在化石燃料方面还存在明确的地质极限。理论上，替代能源应当是一个巨大的增长机会。但现实却令人警醒：能源的真实获取成本不仅没有下降，反而呈持续上升趋势，这表明我们在“以更低成本获取更多能源”这一核心命题上，仍进展甚微。
当然，能源成本上升可能由多种因素共同驱动，包括外部性内部化效应。然而，从技术发展的基本规律来看，真正的技术进步应当体现在能源成本的逐步下降：这可能表现为新型能源单位成本的持续降低，或是在同等成本下显著减少环境负担，抑或二者兼具。
大量资金已投入到清洁技术领域。研究表明，聚焦于“能效提升”的投资项目通常具有较高的财务回报率。然而，那些真正致力于“新型能源生产”的投资项目，多数未能实现预期的收益目标，这一现象值得进一步深入探讨。
我们认为，问题的根源在于这些公司选择了错误的战略模型 —— 他们的目标往往是“让产品接近传统能源的水准”，而不是像 Amazon 那样，通过“远远优于传统模式”的创新，让用户主动转向新型能源产品。
举个例子：假如 Amazon.com 的商品价格和购物便利性仅略优于线下零售店，你还会用它吗？大概率不会。正是因为其商品种类丰富、购买便捷性远超传统商店，Amazon 才赢得了用户的青睐。能源转型也面临同样的逻辑。我们需要的是成本更低、规模更大、性能甚至优于传统能源的替代方案。然而，现实是，大多数企业仍在对现有替代能源技术（如风能和太阳能）进行边际优化。这些路径受到物理极限的制约，注定无法满足未来日益增长的能源需求。我们并不否认突破性能源技术的可能性，我们只是尚未找到这种解决方案。
PART 06 —— 互联网
如今在风险投资圈流行着一句话：“互联网已死。”但讽刺的是，风投资本配置正高度集中于少数几家大型消费互联网平台，或对其进行区域性与功能性复制的创业项目。这种唱衰互联网的观点存在一个根本误区 —— 互联网本身是人类历史上最具变革力的技术之一。我们大规模商业化互联网的历史不过二十年，现在就断言它“已到尽头”，无异于在电灯刚发明时就说“电力没什么前途”。
企业如 Facebook、Spotify 与 YouTube 的崛起充分说明，互联网的演化仍在持续深化，早期失败案例如 Pets.com 并不能代表这一行业的最终走向。
云计算及相关基础设施的迅猛发展，显著降低了企业的创建与运营成本，从而提升了风险投资的潜在回报空间。在我们看来，那些最具前景的互联网公司通常呈现出两个显著特征：其一，它们将互联网视为可被构建与演化的技术栈，而非抽象的“平台”理念；其二，它们能够清晰理解并高效实现信息传递效率向经济价值的转化。 这类企业的形态与今日主导互联网格局的巨头可能截然不同，真正伟大的公司，往往具有“独一无二的本质。
PART 07 —— 结论
我们的清单远非如此。历史上最伟大的公司，往往是那些创造出全新行业的企业，而从投资角度来看，那些最具前景的企业通常具备以下几个共同特征：
- 它们并不受欢迎（热门项目往往估值过高，例如市值数百亿美元的 Groupon）；
- 它们难以评估（正因如此，也更容易被忽视）；
- 它们存在技术风险，但这些风险是可以克服的；
- 一旦成功，其技术将具备极高价值。
我们无法确切预测这些公司将以何种形态出现，但可以肯定的是，它们大概率会具备上述关键特征。 事实上，许多创业者往往比我们更敏锐地察觉到什么才是真正具有未来价值的事物。
并非所有“真技术公司”都能带来巨额收益
即便是一项伟大的技术，也不一定能为发明者或投资者带来商业回报。Nikola Tesla 就是典型例子，在我们的经验中，谁来运营这家公司至关重要。哪怕你真的发明了“更好的老鼠夹”，市场也不会自动找上门。Shockley Semiconductor、Fairchild Semiconductor 和 Intel 都在技术上取得了突破，但最终实现腾飞的只有 Intel，前两家公司因为管理不善而沦为“陪跑者”。
技术很重要，但团队同样是关键。
值得注意的是：企业在成长过程中不仅可能因创始人治理能力不足而受限，也可能因风险投资方的过度干预而陷入管理失衡。在追求“成熟运营”与制度化治理的名义下，部分投资机构倾向于在投后阶段强化控制权，甚至直接撤换创始人。据行业数据估算，在融资完成后的三年内，约有50%的初创企业创始人被迫离开 CEO 岗位。Founders Fund 一直坚持相反的做法：我们投资的是我们信任的创始团队，而不是一个等着我们去接管的公司。我们的数据也显示 —— 保留优秀创始人的公司，往往能获得更高的整体回报。
事实上，我们常通过设立特殊投票权结构等方式，帮助创始人保留对公司的控制权 —— 正如 Peter Thiel 当年坚定支持 Mark Zuckerberg 一样。在我们看来，这是一种符合常识的做法。因为任何优秀的创业者，在公司早期都不可能准确预测商业模式将如何演化。因此，当投资一家初创企业时，真正投的是那些具备愿景与适应能力的人。既然如此，就没有理由在投后阶段主动削弱这项最重要的资产。
同样地，也没有理由强迫一家初创公司长期死守最初的业务模型。企业的演进是正常现象，而在早期阶段调整商业模式，绝不是软弱或失败的象征。PayPal 就是一个典型案例 —— 它经历了五次重大业务迭代，才最终找到真正奏效的路径。我们从不期待一家公司在起步阶段就能确定最优模型；也不认为“改变”是一种负面信号。事实上，最强大的头脑，往往是那些愿意接受新信息、愿意修正方向的人。
瞄准“全垒打”，其实没有想象的那么冒险
风险投资的回报往往高度依赖于少数几家“超级独角兽”企业，辅以一些中等规模的成功案例和大量的失败项目。一家仅专注于开发单一产品（如 iPhone 应用）的“小目标”公司，几乎不可能成长为像 Oracle 那样的行业巨头。因此，我们认为，投资组合中的绝大部分资金应当流向那些拥有大胆愿景并瞄准巨大市场潜力的企业。
这么做的理由有几个：首先，市场上已经有太多资本在追逐“中庸项目” —— 那些看起来更稳妥、风险更低的企业。但正因为资金过度集中，其估值水平被系统性抬高，导致未来回报空间被压缩。从资产组合视角看，预期回报下降实则增加了组合的不确定性与风险敞口。其次，缺乏远大目标与技术野心的企业，难以在本质上推动产业结构或社会系统的变革。
我们相信，风险投资的根本使命在于：通过支持推动积极技术变革的企业，实现可持续的资本回报。
还有一个看似悖论的事实：真正追求颠覆式创新的公司，其实更容易获得成功。原因在于那些“看起来容易实现”的目标，比如开发一款 iPhone 上的跳棋游戏，本身技术门槛就不高，缺乏壁垒和护城河。这类市场通常也不够大，难以支撑一家具备退出价值的公司。更关键的是，我们坚信：最聪明、最具创造力的工程师，通常被那些最具挑战性的问题所吸引。在一个技术人才就是核心竞争力的时代，这一点至关重要。
最优秀的创始人，往往胸怀“改变世界”的宏大志向，但在不少投资人眼中，这种愿景被视为“天真”甚至“可笑”。他们更倾向于支持那些能快速变现的项目，比如“猫奴专属社交网络”，这听起来既轻松又有流量。而去治愈癌症、打击恐怖主义或重构人类知识体系，则显得“太远”“太难”。然而现实是：创业从来都不容易，几乎所有初创公司都要面对长工时、低薪酬、高竞争的压力，即使是最坚定的团队也会在过程中感到疲惫和动摇。
那些最终能够坚持到最后的创业者，往往拥有近乎“救世主”般的信念 —— 他们真心相信，自己的公司能够让世界变得更好，是否所有人都认可他们的“世界历史地位”其实并不重要。关键在于，只要创始人能把这份信念传递给团队，项目成功的可能性就大幅提高。SpaceX 的工程师们并非只是为了年终奖而工作 —— 支撑他们熬过第 1,000 个通宵的，是“商业化太空、殖民外星”的宏大梦想。Apple 的 Steve Jobs、Palantir 的程序员、新药公司的研究者，皆是如此。在创业初期，创始人完全可以赚到一笔可观的财富（甚至在投资人回本之前），但如果想把一家估值 5,000 万美元的公司带到 500 亿美元，没有清晰、坚定、充满能量的愿景，是不可能做到的。那些“眼神发光”的创始人，并不是风险本身，他们正是我们真正的希望所在。
与众不同，才可能成功
人们常说：“非主流投资，胜于随大流。”这听起来像是逆向思维的口号，但有没有依据可循？直接验证不容易，但有一条间接证据非常有力：风投行业中，尾部 80% 的基金几乎都在亏钱。显然，“主流模型”并未带来理想结果，更关键的是，即便这些共识投资项目最终成功，由于市场早已将乐观预期计入估值，实际回报空间也被大幅压缩。更为严峻的是，当前共识主导下的多数项目不仅无法兑现回报预期，其基本业务路径亦未实现可行性突破。
那么，“与众不同”到底意味着什么？它不是简单地“和大多数人反着来”，那只是披着反叛外衣的共识思维，在传统逻辑前面加了一个负号而已。真正的“与众不同”，意味着独立思考，独立思考的代价是显而易见的：它意味着你不能依赖大众的背书，也意味着你做出的判断，很可能会与主流观点格格不入。
对“惊世骇俗”型企业的投资，本质上是一种对现有市场范式与估值逻辑的挑战。这类投资行为在过去十年的风险资本生态中相对罕见，也正因为它们存在失败的可能性，才意味着它们至少还有成功的可能。
有些事情，只有亲手做一场实验，才能知道答案
有些事情，是无法预知的。风险投资本身就需要一个漫长的成熟周期，而这一过程常常受到宏观经济、监管政策、市场情绪等各种外部变量的干扰 —— 一切似乎都被“过度决定”了。此外，这个行业的信息披露并不透明，缺乏可靠的数据体系。我们确实掌握了一些“无效模式”的证据（主流模型正在失灵），也看到了不少“可能有效”的线索，但我们并没有完美的数据，来证明我们就该把钱投给那些愿意直面技术难题的聪明人。从这个角度看，我们和初创企业其实处于同一个境地：信息永远不完整，未来始终不可知。SpaceX 失败了三次才迎来第一次成功；PayPal 试过五种业务模型才找到方向；Facebook 的每一次功能演化也不是都立刻奏效。但即便如此，我们仍必须 —— 亲自做一场实验。
我们相信，这种投资方法不仅更有可能带来出色的回报，更是创造社会价值最快的路径。因此，我们将继续坚定地支持那些富有天赋、专注于解决真正难题的创业者。我们将始终以尊重的态度与他们并肩同行，并满怀希望地走向未来。
以上内容翻译自 Bruce Gibney 的《What happened to the future?》，如需原文，请与我们联系。WF Research 是以第一性原理为基础的专业顾问服务机构，欢迎关注和留言！
微信号：Alexqjl
