科技创业成功需要创业者和投资人的良好合作:一家科技创业公司(Start-up)必须具有技术和市场的独特洞察, 同时,这个洞察能通过产品落地,能把一个创意变成一个有收入和利润的公司,取决于创业形态以及投资人在这个过程里扮演的角色。
最近我观察研究了中美科技创业,提出了科技创业的三范式——创业者如何和投资人合作。以下我用“数据中台”作为例子,比较中美科技创业在这个产品上的差异。
在讨论具体范式之前,有必要先厘清一个基本问题:投资人和创业者之间,究竟谁在构思,谁在执行?
传统风险投资体系里,这个分工似乎很清晰:创业者提出想法,投资人评估想法、提供资本,然后退到董事会席位上做旁观者。这个分工模型隐含一个假设——洞察永远诞生于创业者一侧,投资人的价值仅限于资本和资源。
然而投资人和创业者之间的差别不在于谁更聪明或者谁更有判断力,而在于两者站在完全不同的观察位置上:
创业者站在一个具体场景的内部——他可能是某个行业的从业者,也可能只是对某种产品体验有强烈直觉,这个位置的优势是“深”,看得清某个具体切面里的所有细节。
而投资人则站在一个相对较广的视角上——单独看每家公司,他懂得不如创始人深,但如果把投资人的投资组合以及它浸淫的行业跑道叠加起来看,他能看到单一创始人都看不到的横向规律。
这个视角差异,决定了投资人在不同类型的创业机会里,能扮演的角色是完全不同的:在某些领域,投资人的横向视角并没有价值,因为洞察的稀缺性来自个体的深度,这时候投资人唯一正确的角色就是识别并押注对的人;而在另一些领域,投资人的横向视角恰恰是最稀缺的材料,这时候投资人可以,也应该,从旁观者变成共同构思者,甚至先于创始人提出方向,再去找人执行。
苹果、Facebook、今日头条/抖音,这些公司的创业起点都不是市场调研报告,而是创始人对“人应该如何使用一个东西”或者“人内心深处想要什么”的直觉判断和个人信念。乔布斯不是通过用户访谈发现大家想要触摸屏手机,扎克伯格最初也不是在解决一个被清晰表达出来的社交需求,张一鸣做信息分发的直觉也很难被用户调查证实。
这也能验证为什么很多大公司要内部孵化出来面向消费者的数字化创新,用委员会式的决策几乎总是失败的——Google、Facebook 内部孵化的多款社交尝试、大公司“敏捷创新实验室”(前些年欧美大公司都爱搞这种内部创新模式,咨询公司甚至提供辅助服务,例如 BCG 的 Digital Venture)几乎没有成功的。就是因为创意直觉没法靠投票达成共识,一旦决策权分散,产品就会被磨成一个想讨所有人好、但是就不讨市场好的四不像。
在这种范式下,投资人要保持克制,唯一正确的动作是押注创业者的判断力,然后退到董事会席位上,不要插手产品方向。
这种范式的创始人真正在特定行业里干过活,是行业里的内部人:他知道半导体设计流程里哪个环节是效率瓶颈,知道建筑工地项目经理每天在工地上的协调工作真正用什么工具在做,知道律所合伙人不会承认但确实存在的收费潜规则。
Veeva(医药行业CRM)、Procore(建筑项目管理软件)这类公司的创始人,几乎都是行业老兵出身,而不是外行凭空找了个赛道就扎进去。这类公司早期最难获得的不是技术,而是第一批愿意陪你磨合产品应用的天使客户——而这批客户往往就来自创始人过去在这个行业里积累的人脉和信任。一个纯技术背景、没有行业履历的人,很难在冷启动阶段拿到这种信任。
这类创业的特点是:深,但窄。它没法被横向复制到别的细分行业,行业里的隐性规则往往就是靠人情、经验。
投资人是资本和管理经验的提供者,但核心洞察必须由创始人自己拥有,投资人很难越俎代庖去构思产品方向。
讲这个范式前,我先解释下垂直(Vertical)和水平(Horizontal)的概念。前些年我写过这个话题:
前者用作于某一个具体行业或场景,产品深度嵌入这个行业的业务流程和专业术语里。例如专为建筑工地设计的项目管理软件,并不同于通用项目管理软件或者企业管理软件,对特定行业里的业务用户极其有用,因为产品里编码了外行看不懂的流程规则、合规要求、专业术语。
而水平产品则服务跨行业、跨场景的通用需求,很大程度上是构成垂直产品的开发底座或技术组件,例如数据库、云存储、身份认证系统、流程管理系统、可观测性平台等,它的技术功能通用,不具有行业特性。其产品护城河来自技术壁垒和规模效应——用的公司越多,产品打磨得越好,边际成本越低,越难被替代或超越。
这种科技创业的洞察不来自于某个创始人,而属于行业观察者。它不靠某个人的个人直觉或者某个人的行业履历,而靠样本量。见过的公司越多、看过的运维日志和工程痛点越多,聚合出来的洞察就越可靠。这正是为什么这类公司往往由连续创业者或者深度参与被司运营的投资机构发现,例如美国领先的 Venture Studio,投资人是看着自己的组合公司在可观测性、数据平台、AI 应用上面,存在着共通的、连续的痛点,所以能够产生系列的创业洞察。
相对于范式二那种深潜行业内部的知识,这类洞察的特点是宽,但相对浅,需要对多家企业内部到底哪里卡壳,有系统性的横向聚合能力。
在这种模式下,投资人可以从评估者变成构思者的模式——投资人凭借跨组合视角先构思产品方向,再招募执行力强的产品团队和技术团队去落地,这里比拼的不是某个人不可复制的判断力或行业人脉,而是谁能把一个已经被验证的通用痛点做扎实。
这就是美国风险科技创业投资特有的 venture studio 模式,它不同于孵化器、加速器,也不用于传统 VC:
前两种范式在中美并没有太大差异,但第三种“聚合型”却在中国鲜有成功,这可能能解释为何中国的企业软件领域中,少有突破性公司出现。
范式一在中国处于强势:抖音、小红书、拼多多的成功证明,中国市场里创始人个人直觉驱动的消费级产品,依然是最活跃、最能诞生世界级公司的领域,
范式二在中国相对薄弱:在中国,垂直行业SaaS的付费意愿和行业数字化基础设施成熟度上的历史基础弱于美国,最近几年在制造业、医疗等领域在逐步补课,商业逻辑和美国基本一致。
最大的差异是范式三。我认为这种范式显示了中美科技创投的环境差异,具备表现在三个相互制约的因素:
Venture Studio模式要求被投资人找来的行业老兵,作为驻场企业家(Entrepreneur-in-residence)及联合创始人,接受“这不是我的idea、我是被招募来执行”的身份——这在硅谷连续创业者文化里被广泛接受,执行力和判断力本身就是可反复变现的资产。
但在中国,创始人等同于自己从零开始构想业务创意,顶尖人才一旦具备能挑大梁的能力,普遍选择自己控股创业,而不是接受投资人构思的方向去执行。即便是国内一些接近深度孵化的案例,例如最近广受关注的真格基金与Manus团队合作,最终决策权依然稳稳握在创始人手里,投资人仍居建议者角色。
疫情后国内风险投资和股权投资环境发生了巨变,国资LP主导、考核周期短,导致顶尖人才在要不要让渡控制权上算账:让渡控制权换来的不是多年不被追短期回报的耐心资本,而是随时可能因指标不达标被叫停换人、甚至因为对赌协议导致股转债的风险。对创业者来说,既没有长期自主权承诺,又没有短期确定性保护,理性选择自然是自己控股、自己说了算。
聚合型洞察靠的是跨组合样本量——投资人见过的公司越多、水平痛点复现次数越多,洞察越可靠。但这个机制要成立,前提是市场里已经存在一批广泛使用标准化水平SaaS产品的企业。中国企业软件市场付费文化偏弱、习惯定制化而非标准化产品,导致:没有足够多的公司真正把水平SaaS用起来→没有可供VC横向观察和聚合的样本→ VC自己也构思不出可靠的水平产品方向。
三者还互为因果,在中国,若要改变这个局面,需要某个环节先冒险破局才能撬动整体:
范式三最成功的案例是Snowflake,这个产品如果在中国的技术语境下就是“数据中台”,然而中国的“数据中台”被互联网公司炒作起来,虽然红极一时,至今却搞得一地鸡毛,没有出现任何一家成功的创业公司。同样作为水平类 SaaS,跟提供数据中台产品的云服务巨头微软Azure和亚马逊AWS竞争的 Snowflake,可以说是过去十多年美国最成功的科技创业公司:
史上最大的企业软件IPO:2020年上市时市值一度达到700亿美元,是当时软件行业规模最大的IPO,吸引了伯克希尔哈撒韦和Salesforce这类通常不碰科技新股的机构参与认购。
营收增长曲线亿美元,中间没有一年是下滑或停滞的,这种连续多年高速且没有中断的增长曲线,在企业软件行业里是很罕见的。
对早期投资人的回报堪称传奇:SHV是美国Venture Studio模式的代表,Snowflake 是他们采用范式三构建的创业公司,从不到2亿美元的早期投入变成上市后价值超百亿美元持股的投资,成为硅谷传奇,直到今天 SHV 仍是 Snowflake 最大股东,而且从 Snowflake 生态里,持续构造新公司。
AI时代保持增长:截至2026年4月的过去12个月营收已经达到50亿美元,同比增长31%,最新一个季度营收同比增长33.5%,明显超出华尔街预期,AI相关产品线(Snowflake Intelligence)的采用账户数环比翻倍以上,这说明公司并没有随着数据仓库赛道的红利见顶而失速,反而在AI浪潮里找到了新的增长引擎。
Snowflake就是范式三的典型样本,我在 2019 年底曾经访问过硅谷的 Snowflake 总部,并跟核心人员进行了交流:
这家公司的起源不是创始人先有了idea再找投资,而是彻底反过来的:SHV合伙人Mike Speiser先说服了两位前Oracle工程师Benoit Dageville和Thierry Cruanes出来创业,Speiser自己出任公司的创始CEO,并主导了500万美元的A轮融资,让两位技术创始人可以专心做产品,业务和管理层面完全由投资人亲自下场打理。
Dageville后来回忆说“我们从没把这当成在建一家公司,我们只是想做一个云产品,公司本身是个附带品”,这句话印证了范式三的本质:技术洞察来自创始人,但“这值得做成一家公司、现在就该做”这个判断来自投资人。
值得注意的是,Speiser之前投资Pure Storage时看到了闪存技术的机会,“我有了做一家存储公司和一家数据库公司的想法”——数据库公司(也就是Snowflake)是后来才做的,而且是建立在同样的闪存存储技术判断之上。
这正是跨组合聚合的范式三投资思想:Speiser不是因为遇到一个具体客户抱怨才做Snowflake,而是横向看到存储技术的范式转移,会同时催生存储层和数据层两个机会,先后孵化了两家公司去分别占领这两个机会点。
把Snowflake和另一家美国的数据中台产品Databricks放在一起看,两者创业路径不同,但成功的市场土壤高度重合:
1.存在一个已经在付费、但体验很差的成熟市场。美国企业为Teradata、Oracle Exadata、Netezza这类数据仓库产品付费已经付了几十年,这是一个真实存在、规模巨大、存在明显用户痛点的付费市场。Snowflake不需要教育市场为什么要为数据平台付费,它只需要证明“我们比你现在用的这个性能更好、价格更便宜、使用更灵活”。只需要开展替代型销售,而不是说服客户接受一个全新的付钱逻辑。
2.这是纯技术问题,不是组织政治问题。Snowflake要解决的是存储和计算能力解耦、按用量付费的技术架构问题——这个问题不涉及“数据归谁管、哪个部门该为数据标准、数据质量负责”这类企业内部所谓“数据治理”的权力博弈,是一个可以被一套标准化代码彻底解决、不需要为每个客户单独走咨询梳理、政治协调的问题。
3.产品从第一天起就是为任意客户设计的标准化产品,不是先给一家公司定制再对外推广。Snowflake跑在AWS/Azure/GCP这些已经商品化的云基础设施之上,客户接入几乎是自助式的,不需要大量定制开发和长期驻场实施——这保证了边际成本随客户数增长而下降,而不是像国内的数据中台那样,每接一个客户就要重新做一遍。
4.招募顶尖技术人才。Dageville和Cruanes是四十多岁、经验极深的前Oracle资深工程师,愿意接受一个投资人主导业务、自己专心做技术这样的分工,这是技术人员愿意放弃控制权,换取更高成功概率的理性权衡。
没有现成的付费市场,而是自上而下造出来的概念。中国企业在中台出现之前,并没有一个成熟的、大规模为数据仓库软件付费的市场——大部分公司要么用开源方案自己攒,要么根本没有这个预算项。中台的兴起是互联网公司阿里巴巴内部业务的组织架构经验,被集成商包装成产品对外推销,属于先造概念、再找需求,而不是Snowflake那种已有真实付费痛点,做一个更好的替代品。
技术问题和组织政治问题被捆在了一起:中台最终失败的核心症结之一,是它变成了一个内部权力部门——前台业务线必须用它、还要为它付内部转移价格,这本质上是组织治理问题,不是纯技术问题。一个标准化SaaS产品可以解决存储计算怎么解耦的技术问题,但解决不了“哪个部门该拥有数据主权、数据治理该怎么搞这种组织政治问题。中国的数据中台从一开始就把这两类完全不同性质的问题捆在一起卖,导致它注定没法被做成一个可复制、可标准化的水平产品。
客户定制化开发,背离SaaS模式:前面已经提到,大批做中台的公司最终都成了甲方或者系统集成方的定制外包,中国的数据中台从来没有真正跑通标准化产品、边际成本递减的产品道路。
云厂商的利益冲突:Snowflake 商业模式能成立的前提之一,是它可以作为一个中立的第三方,跑在AWS/Azure/GCP之上做存储计算解耦的抽象层,云厂商即便有自己的竞品(Redshift、BigQuery),也不至于直接卡死第三方生态。而在中国,阿里云、腾讯云、华为云本身就极度希望把数据平台这块高毛利业务留在自己体系内,加上很多中国企业出于安全合规考虑本就深度绑定单一云厂商,一个独立的跨云数据平台公司在中国面临的生态阻力远大于美国同行。
投资人和技术人才匮乏:我几乎认识前些年国内所有数据中台的创始团队,坦白说,中国的风险投资机构的投资人很少有连续创业背景已经产业界的商业背景,因而就没有投资人先看到水平聚合的技术机会,敢于亲自下场当创始CEO,而数据可相关的顶尖技术专家更倾向于留在大厂或者自己创业控股,而不是接受被某个投资人招募的角色。
欢迎大家来注册 2026 年 KPro 年度盛会,我会谈 #企业知识开源 跟科技创投的关系。2026第二届上海AI应用生态大会将于9月在沪举行