即刻App年轻人的同好社区
下载
一起做投资人
创业者、投资人对行业的心得分享，机构的分析报告等
91418人已经加入
- 最近开始对基金好奇，于是密集听了几期红杉历届掌门人的播客，想知道这家硅谷最头牌的 VC 是如何运转、如何决策的？
毕竟，大多数顶级 VC 都会随着创始人的老去而变得平庸，但红杉是极少数完成了四代平稳权力交接的机构，并且在这 50 年里，几乎从未错过任何一个时代的球王，从半导体的仙童、个人电脑的苹果、互联网的谷歌，到移动时代的 WhatsApp、字节，以及现在的 OpenAI 等等。
记录一些有意思的点：
1. 红杉内部记录了十几年来每一次投资的投票情况（0-10分）。回顾这些数据，他们发现了一个非常有趣的结论：一个项目是有 “强烈共识” 还是有 “巨大争议”，对于结果好坏，毫不相关。
真正重要的是，是否有人有着强烈的 Conviction。比起一屋子人都通过的 6 分项目，红杉更想要那种有人投 9 分、有人投 2 分的项目。
(这背后的原理可能是，VC 作为风险投资，往往要以出人意料的方式构建未来。如果所有人都能达成共识，通常意味着这个东西太像过去已知的事物了，立刻就会被市场充分定价和竞争，而那些真正的颠覆性机会，在最开始的时候往往很难理解，甚至不合逻辑。极低的分数代表它的风险，极高的分数代表它的潜力。)
2. 红杉对团队的考核分为两个部分：
(1) 每年 6 月有一轮价值观评估。
评估个人行为是否符合团队的四个核心价值观：
- Aggressive but humble：既有野心，又非常谦逊。
- Demanding and supportive：既严苛，又乐于助人
- Strong under scrutiny：在高强度的辩论和压力下也能坚持逻辑和判断。
- High give-a-shit and zero bullshit：对所做的事情极度认真在乎，且行事极度坦诚直接。
(P.s. 很喜欢红杉抽象出的这一套 values，很具体，且有张力，它要求一个人能在对立统一的特质中寻找平衡。有点像菲茨杰拉德的那句名言，所谓聪明人就是脑子里有两套截然相反的观念，且能并行不悖)
(2) 每年 12 月有一轮能力评估:
评估每个人在投资价值链五个环节（Sourcing → Picking → Winning → Building → Harvesting）中的能力水平。
整体来讲，红杉认为自己在 Winning 上的能力最强，能拿 9 分。
(这里，他们自认为当与其它顶尖 VC 竞争时，红杉拿下创始人的 secret sauce 是：花大量时间去理解创始人想成为什么样的人，然后把这种理解反馈给对方，让创始人感到深深地被看见。
与之对应的，最大的错误就是急于推销，拼命告诉创始人红杉有多牛，这很难真正打动对方。）
另外，红杉认为自己在 Picking 上做得最差，只能打 6 分。
(不过，之所以 Picking 这么差，倒也不是红杉能力不行，核心是因为 VC 做的是 Outliers 生意，而每一个真正的 outlier 都是独一无二的，会打破所有既定规则，很难真的总结出一套 pattern 来系统化地识别)
3. 红杉有一个非常恐怖的自研 CRM 系统。 每当他们遇到一位顶级的人才，且帮了 ta 一个忙时，就会请求对方回答一个问题：“在你的领域里，你认识的最聪明的 5 个 peers 是谁？”。
他们把这些回答录入系统，追踪了整整 10 年。
这就像是给整个硅谷的顶级人才做了一个 PageRank。这样，当某个不知名的创业公司冒出来时，如果在系统里能 track 到好几个 founding team members 的名字，就已经是一个大的 Buy Signal 了。
4. 红杉做复盘时发现，所有严重的错误决策（无论是投错还是错过），如果连续追问 5 个“为什么”，最终原因从来不是计算错误，而是心理陷阱。
为此，他们总结了 40 种思维偏误。其中最常见的一个是 "Separation of Church and State (政教分离)" ，也就是要把 “追逐项目的快感” 和 “冷静的投资决策” 分开。人很容易在追逐的过程中爱上对方，导致失去了客观评估风险的能力。(招人，恋爱也是同理）
5. 红杉新晋掌门人 Pat grady 说他从红杉教父 Doug Leone 身上学到了顶级销售的本质，那就是极致的透明度。
比如，在谈判价格时，Doug 从不绕弯子，而是会直说：你想付 X，我想付 0.5X，不如我们 0.75X 成交，大家共同忍受一点不舒服，怎么样？
在相处中，越简单、直接、透明，越能快速建立信任，而当人们信任你时，生活和商业都会变得容易许多。
事实上，Doug 认为红杉最核心的竞争力之一，就是沟通成本极低。在与他沟通时，永远不需要寻找任何第二层或第三层的隐含意思。你得到的永远是现实，不存在背后的潜台词。
(极度坦诚直接，似乎是很多 great founder 身上的共同特质，从 Ray Dalio，到乔布斯、Elon Musk...
@曲凯 @陈皮皮屁 身上这个点也能超越 99.9% 的人……这是我会怀念42章经的一个地方。)
6. Pat Grady 还分享了一个他最常与创业者产生分歧的点：Fewer Better Things。
当一个初创公司想做一个新东西时，Pat 通常认为更好的资源利用方式都是——把已有的东西做得更好。
他有一个常常引用的概念，叫做 「The Chicken Issue」：Chick-fil-A（以鸡肉汉堡闻名的快餐店）的老板肯定想过，如果在菜单里加上牛肉汉堡，客户群肯定会扩大。但代价是，这就模糊了它作为「鸡肉专家」的身份。
把核心功能点做到极致，才是最关键的。绝大多数公司都死于想做的太多，而不是太少。
7. 最后，很多很多红杉的访谈都提到，红杉之所以是红杉，最大的原因是他们一直保有的 Desperation (想不到准确的中文翻译，紧迫感？）
红杉喜欢找那些受过伤、急于证明自己的人。
Doug Leone 回忆自己 11 岁移民美国时，因为不会橄榄球、不爱洗澡（意大利习惯）被同龄人疯狂霸凌。这种在性格养成期经历的痛苦，让他产生了一种“我要赢”的强烈渴望。
红杉内部其实一直在寻找这类人——那些不适应群体、有深深不安全感的人。他认为，把这些有天赋，本性善良但有某种心理缺口的人聚集在一起，建立一个信任圈，会爆发极其恐怖的战斗力。
并且，他们内部也会通过一些机制来自我施压，比如每年一起做 Pre-mortem (事前验尸)，推演红杉未来 10 年倒闭的原因。
Doug Leone 有一句非常出名的话，读了让人怅然若失，大意是：
我可以给我的孩子世界上任何东西，除了那件造就了我的东西——一种不拼命就会被淘汰的焦虑感。407 40200 - 段永平最新持仓：10倍加仓英伟达，越跌越买拼多多
段永平的H&H International截至 2025 年底的 13F 终于出来了。
和大家简单分享下最新的持仓，核心变动如下：
1、英伟达 (NVDA)：大笔买入。仓位从 Q3 的仅 60 万股暴增至 723 万股，持仓市值翻了 10 倍以上，直接成为第三大重仓。
2、拼多多 (PDD)：越跌越买，大幅加仓。股价从 Q3 的 $132 跌至 Q4 的 $113 左右，段永平加仓了近 300 万股 (+35%)。
3、伯克希尔 (BRK.B)：防御。大幅增持近 200 万股，将其作为第二大压舱石。
4、苹果 (AAPL)：减持。减持了约 247 万股，可能是用卖苹果的钱来买英伟达、伯克希尔和拼多多。
p1是2025Q4 vs 2025 Q3
p2是13F原件
25 06 - @王二鹅ERE 咱别写文章了，去当AI创业界的勇哥连线吧：
你的产品为啥没人来啊？
用户凭什么不刷抖音不刷小红书，偏要来刷你？
你凭什么认为AI分身就是未来趋势啊？啊？因为你觉得群友搬的屎不健康？
我滴妈？投资人只是到你公司样板间考察了一圈，当场就签约加盟交了3000万？
来360度转一圈，看看你的产品选址？我滴妈，这个赛道压根没有客流啊
那就好好告个别吧……25 73 - 美元基金投资人在硅谷见了20多位大厂和明星创业公司的员工，我有哪些Learnings？
看完CES，我在硅谷逗留了一周，约见了20多名在谷歌，open ai，meta，特斯拉，physical intelligence ，skild ai等大厂和明星创业公司的员工，几点learnings总结如下，
1. 谷歌gemini3大获成功最关键的因素是pre-training(涉及模型架构比如多宽多深和训练recipe等)，谷歌拥有最好的pre-training和AI infra，scaling law继续起作用。对gemini技术贡献角度看cto koray，创始人sergey，以及jeff dean留下的强大infra底蕴起的作用都比hasabbis大。hasabbis醉心ai4science。
2. Open AI拥有最好的mid/post training团队和积累，reasoning RL mid training还有很多可以做。内部还有很多可以提升的方向，模型能力还有很多可以提升的空间并不迷茫。
3. 顶尖大模型参数量已经突破5万亿，xAI据说在train 8万亿参数的模型。
4. Meta的AI infra 远不如谷歌，挖过去的天才有时候也觉得巧妇难为无米之炊。新的大模型已经预训练完毕，还没到gemini3水平，但会强调个性化。1季度见分晓。
5. 特斯拉机器人是公认领先梯队，并不认为需要VLA，VA加端到端神经网络就可以，机器人训练数据范式转为视频数据为主。
6. 特斯拉robotaxi难在运营，无线充电，清洗，调度等。纯神经网络驱动下限不如waymo rule-based 兜底安全，但上限会更高。目标德州小量内测去掉安全员，加州带安全员先上量。
7. 世界模型观点分歧，一半的人认为为时尚早，但大部分都认同是未来方向。一部分认为已经可以逐渐落地，甚至latent space simulate推理可以融入到端侧规控中。47 813
