--- author: Best Partners TV date: '2026-01-05' guest: '' layout: post.njk source: https://www.youtube.com/watch?v=GRZon4ZWExM speaker: Best Partners TV title: "Benchmark合伙人Peter Fenton深度解析：Manus投资逻辑与AI时代的进化论" summary: "本期节目深入剖析Meta收购Manus背后的关键推手——Benchmark合伙人Peter Fenton的投资哲学。Fenton结合达尔文进化论，阐述了AI时代“发现式迭代”的创业法则，对比了中美AI生态的差异与互补，并批判性地反思了风投行业的“病变”与代际传承，为AI创业者提供了教科书级的战略洞察。" area: "finance-wealth" # Must select ONE from the provided list category: "business-entrepreneurship" # Must select ONE from the provided list based on project: [] tags: - "venture-capital" - "evolutionary-theory" - "startup-strategy" - "ai-ecosystem" - "agentic-workflow" people: - "Peter Fenton" companies_orgs: - "Benchmark" - "Manus" products_models: [] media_books: [] status: evergreen --- 大家好，这里是最佳拍档。前面一期节目我们介绍了 Meta 收购 Manus 的相关新闻，今天这期节目我们再把焦点转向这场交易的关键投资方 **Benchmark**，以及它的核心合伙人 **Peter Fenton**（彼得·芬顿）。Peter Fenton 是硅谷风投圈的传奇人物，他出生于一九七二年，毕业于斯坦福大学，拿到了哲学学士学位和 MBA 学位，在校期间还当选为 Phi Beta Kappa 荣誉学会成员和 Arjay Miller 学者，学术背景相当扎实。在加入 Benchmark 之前，他曾经在贝恩公司开启职业生涯，还曾是 Virage 公司的早期员工，之后在 Accel Partners 担任了七年合伙人。二零零六年正式加入 Benchmark 后，从二零零七年开始，Peter Fenton 就常年登上福布斯 Midas 榜——这是全球最顶尖的风险投资人榜单，二零一五年更是拿到了榜单第二名的成绩。 他的投资履历堪称星光熠熠：早期投资 **Twitter** 时，这家公司只有 25 名员工；二零零六年他就押注 **Yelp**；在开源技术领域，他投资的 **JBoss** 被 Red Hat 收购，**SpringSource** 和 **Zimbra** 被 VMware 收购。有意思的是，Zimbra 被 VMware 收购的那天，正好也是 Facebook 收购芬顿投资的 Friendfeed 的日子。此外，他还领投了 Wily Technology（后被 CA 收购）、Reactivity（被思科收购）、Coremetrics（被 IBM 收购）、Xensource（被思杰 Citrix 收购）。甚至在二零一四年十二月，他投资的 Hortonworks 和 New Relic 两家公司同一天上市，被业内称为风投史上最不寻常的日子之一。这样一位资深投资人，在二零二五年七月做客了由 Sam Altman 的弟弟 Jack Altman 主持的播客节目，详细分享了他对 Manus 的投资判断以及对 AI 时代创业、硅谷竞争力的思考。这些内容堪称 AI 投资的教科书级方法论。 ### 进化论视角：AI时代的发现式迭代 Fenton 在播客中提到，当时他问 **Manus** 团队产品的路线图是什么，团队的回答是：“这是今天的路线图”，因为他们每天都在发布新的版本。这个回答让他立刻意识到，Manus 的迭代模式完全符合他对 AI 时代创业公司的判断，那就是传统的产品管理逻辑已经失效了。过去的产品管理是先访谈用户、确定需求的优先级、制定详细的路线图，再让工程师按计划开发。但是在 AI 时代，市场变化得太快，用户需求也在快速迭代，必须采用“发现式迭代”的方式：把产品扔进市场，观察用户的反应，然后以最快的速度调整。每天发布新的版本，就是这种模式的极致体现。 而支撑这种判断的底层逻辑，Fenton 用了一个意想不到的理论：**达尔文的进化论**（Darwinism）。他认为，过去五十年最大的智识进步之一，就是把达尔文主义泛化到了生物系统之外，比如城市、公司、产业生态。而硅谷就是一个典型的进化中的有机体，它具备进化论的三个核心机制： * **变异 (Mutation)**：Fenton 特别强调，计划外的变异比计划内的变异更重要。最典型的例子就是 **ChatGPT**，OpenAI 最初并没有预料到这款产品会以如此的方式引爆市场，它是一种计划外的突变。而硅谷的优势在于，它有足够的容错空间让这种突变发生。在这里，失败不会被视为羞耻，而是被当作学费。比如一家初创公司尝试新的 AI 方向失败了，创始人不会被行业所排斥，反而可能因为积累的经验被其他公司邀请加入。这种对失败的包容，让硅谷能够不断诞生各种非共识的创新。 * **选择 (Selection)**：在生物进化中，选择的压力来自于环境；而在商业生态中，选择的压力来自于资本、用户和市场。Fenton 认为，硅谷的资本市场效率极高，它能够快速识别有潜力的突变，并且给予资源倾斜。Benchmark 内部甚至有一个信念：如果一家公司从创立到产品上线超过 9 个月，成功概率就会大幅下降。这种对速度的追求，本质上是为了让产品更快接受市场的选择。早上线一天，就能早一天获得用户的反馈，早一天调整方向。在 AI 这种快速迭代的领域，速度往往就是生死线。 * **遗传 (Heredity)**：每一家成功的公司都会把自己的创业经验传递给下一代的创业者。比如 Google 的早期员工后来创办了很多优秀的 AI 公司，Facebook 的前员工也在社交、企业服务等领域开疆拓土。这些经验不是孤立的，而是像复利一样累积在整个硅谷生态系统中。比如如何组建技术团队、如何平衡产品与商业化、如何应对巨头的竞争，这些隐性知识通过人脉网络和行业交流不断的传递，让新一代创业者少走很多弯路。 基于这种进化论的视角，Fenton 进一步解释了为什么在经历过二零二一年到二零二二年的至暗时刻后，他依然坚信硅谷不可替代。他认为城市是人类最好的发明之一，可能仅次于语言和火。公司的寿命通常只有五十年，而城市可以存续几百甚至几千年。硅谷不是一个被设计出来的系统，也不是完全放任的混沌状态，而是介于两者之间的一个自适应的有机体。它能够容忍内部的混乱，比如偶尔出现的泡沫概念炒作，但是同时又有某种隐性的免疫系统来纠正过度偏离的行为。比如当 AI 领域出现末日论和乐观论的激烈争论时，这种内部张力本身就是健康的，它代表系统在进行自我校准，避免走向极端。 ### 生态对比：硅谷的适应性与中国的群体进化 不过，Fenton 也坦然承认，硅谷并非是完美的，它也在从其他地区的 AI 生态中学习，比如中国。这期播客录制前的一个半月，Benchmark 的合伙人团队集体去了一趟中国，这次行程让他们大开眼界，也看到了很多硅谷可以借鉴的地方。 第一个核心发现是中国 AI 生态的**分布式特性**。Fenton 观察到，中国的 AI 生态不是一个单一的地方，而是分散在杭州、上海、北京等多个城市，每个城市都有自己的侧重点。比如杭州依托阿里巴巴等企业在电商 AI、云计算 AI 领域有优势；上海在金融 AI、工业 AI 方面进展突出；北京则聚集了大量 AI 初创公司和科研机构。而在美国和欧洲，硅谷仍然是绝对的单一中心。这种分布式的结构让中国 AI 生态能在不同领域同时突破，避免了单点依赖的风险。 第二个让他印象深刻的，是中国 AI 领域**群体间竞争的强度**。他用进化生物学的概念来解释：如果你想提高一个生态系统的整体适应性，最有效的方式就是让多个群体之间彼此竞争，然后识别出最成功的那个，让其他群体继承它的优势基因，再重新开始竞争。在中国，光是无人驾驶领域就有十几家公司在同时厮杀，每家公司都在快速迭代技术、优化产品。而在 AI 模型开发领域，字节跳动、腾讯这样的大公司内部甚至有多个团队用不同的策略在追逐同一个目标，各路人马并行不悖，内部竞争的激烈程度不亚于外部。Fenton 直言，这是一种硅谷可以向中国学习的思维方式。当然，硅谷也有自己的竞争优势，它的竞争发生在一个共享的文化背景下。比如 **Anthropic** 和 **OpenAI**，虽然不是在直接竞争完全相同的赛道，但是它们的团队成员经常会在餐厅偶遇，在行业会议上交流，大家聊的都是同一件事：如何推动 AI 技术的进步、如何解决 AI 安全的问题。这种竞争中的协作，让硅谷的创新能够保持一定的方向一致性，避免过度内耗。 第三个让 Fenton 关注的，是中国在**具身智能**（Embodied AI）领域的进展。他提到，中国因为地理上靠近制造业基地和机器人供应链，很多 AI 公司在具身智能的方向上已经走出了自己的适应性路径。比如家用服务机器人、工业巡检机器人，不仅技术的成熟度高，还实现了规模化量产。而在硅谷，具身智能还停留在实验室或者小规模的试点阶段，距离商业化还有不小的差距。Fenton 认为，具身机器人听起来像科幻片，但它似乎是不可避免的，只是我们不知道时间表。它最终会进入我们的日常生活，可能从帮你叠衣服开始，一直到满足人类所有的需求。 ### 商业错位：万亿级机会与速度法则 聊完了硅谷和中国的 AI 生态，我们再回到 AI 创业本身。Fenton 认为，AI 给创业公司带来的最大机会是**商业模式的错位**，而这种错位的规模是他职业生涯中见过最大的，甚至超过了 SaaS 的出现。**Shopify** 的创始人托比·吕特克（Tobi Lütke）曾经对 Fenton 说过一句话：“如果 AI 技术在今天停止进步，光是把现有的能力收割出来，就能创造 20 万亿美元的经济价值。”但是关键在于，AI 并没有停止进步。大模型的能力每几个月就会提升一个台阶，这意味着商业模式的错位会持续加剧，而新的巨型公司往往就诞生在这种错位中。Fenton 预测，未来三到五年，会有三到五家市值达到万亿美元级别的公司出现，而这些公司在二零二二年之前都不存在。 不过，他也强调硅谷的核心优势依然是“快”。Benchmark 一直坚信，从创意到产品上线少于 9 个月是成功的高相关因素。这种对速度的执念也塑造了整个硅谷的创业文化。当然，AI 时代的早期阶段可能是个例外，基础模型的研发需要大量的资本和长期投入，比如训练一个千亿参数的大模型可能需要几亿美元的算力成本，还要耗时数年，这更像是传统的研究实验室而不是精益创业。但是 Fenton 认为，一旦走出基础研发阶段，进入应用层的竞争，“快”依然是核心竞争力。这也是他为什么会押注 Manus 这样的公司——它们不做基础模型，而是聚焦于 **Agent**（智能体）这种应用形态，用发现式迭代快速抢占市场。 在 Fenton 看来，判断一家 AI 创业公司是否值得投资，有一个核心问题必须问到：**如果基础模型在未来提升一个数量级，这家公司的机会是变大了还是变小了？** 他的判断是，超过 80% 的 AI 创业公司在这个问题上的答案会是“变小”，因为大模型的进化会直接吞噬掉它们现在做的事情。比如有些公司做 AI 文案生成，如果未来 GPT-7 能比它们的产品生成更精准、更多样的文案，那这些公司的价值就会消失。但是如果一家公司做的是基于 AI 的 PCB 电路板布局设计，大模型提升后反而能让它的设计效率更高、错误率更低，因为 PCB 的布局设计需要专业的工程知识，不在大模型的通用训练数据里，大模型的进步只能成为它的助力而不是替代。所以，只有那些能在这个问题上给出“机会变大”答案的公司，才是真正值得押注的。Manus 就是如此，Manus 的核心价值不是调用大模型，而是定义 Agent 如何完成复杂任务，包括如何拆解任务、如何选择工具、如何处理异常、如何交付结果。这些能力是独立于基础模型的，基础模型越强大，Manus 的任务执行效率就越高，价值也就越大。 关于巨头是否会被颠覆的问题，Fenton 用**适应性地形理论**（Adaptive Landscape）来解释。他说，一家公司通过持续优化最终会走到某座山峰的顶端，这座山峰就是它的核心业务（比如 Google 的搜索）。此时，它的商业模式、内部逻辑、组织惯性都已经围绕着这座山峰形成了稳定的平衡。但是当市场环境发生剧变的时候，新的山峰会出现在别处，这家公司就需要先从自己的山峰上走下来，穿过山谷，再爬上新的山峰。“爬下山是一种灵魂出窍的体验，这是商业模式层面的恐惧。”Fenton 这样形容道。我们熟悉的“创新者的窘境”描述的是大公司因为服务高端客户而被低端的创新所颠覆，但是 AI 时代的挑战更难。大公司不是看不到新的机会，而是没有勇气从旧的山峰上走下来。历史上成功完成这种跨越的案例很少，而且几乎都是由创始人推动的，比如乔布斯主导苹果推出 iPhone 放弃了当时盈利的 iPod 业务，贝佐斯推动亚马逊推出 AWS，里德·哈斯廷斯带领 Netflix 从 DVD 邮寄转向流媒体。这些转型都伴随着巨大的痛苦，因为你建立起来的文化、内部系统、各种阻力实在太大了。Fenton 的判断是，巨头不会被消灭，但是它们会被新一代的公司超越。 ### 资本的病变与投资人的自我修养 除了 AI 创业，Fenton 还聊到了风险投资行业自身的进化与病变。在他看来，达尔文主义同样适用于风投行业。过去十年，风投行业处于一个“营养丰富但是选择压力较低”的环境。全球资金源源不断地流入风投领域，有限合伙人（**LP**）把风投作为一种制度化的资产类别来配置，即使很多风投基金的回报率跑不赢纳斯达克指数，资金也没有显著撤离。在这种环境下，很多风投机构天然有动力扩大规模，因为募集更大的基金意味着能收取更多的管理费。Fenton 认为，这种扩张在某些情况下是健康的，但是在另一些情况下就是“癌变”。癌细胞存活的方式之一是躲过免疫系统的检测，而 LP 本来应该是风投行业的免疫系统，负责淘汰表现不佳的管理人，但是现在他们变得非常有耐心。Fenton 把这种现象归结为激励机制的扭曲：LP 的评估周期太长（通常要三到五年），账面浮盈的统计方式容易掩盖真实的业绩，对品牌基金的路径依赖让他们不愿轻易更换合作机构。这些因素都削弱了对风投机构的选择压力。 Benchmark 采取了一条完全不同的路径：刻意保持小的基金规模，合伙人人数控制在 5 人左右，每个人都是完全平等的合伙人，没有任何人拥有品牌或者公司的所有权。这种模式的底层逻辑来自进化生物学中的**多层次选择理论**（Multi-level Selection Theory）。简单来说，就是群体利益优先于个体利益。Fenton 用大富翁游戏打了个比方：通常的玩法是打败桌上的其他三个人，最大化自己的现金；但是如果房间里有五张桌子，每张桌子四个人，新规则是“哪张桌子在四小时后总财富最多，哪张桌子就赢”。这样一来，游戏的性质就改变了。此时，你不会跟队友竞争，反而会把自己的公园大道地产分给队友，换取他手里的另一个地产，让整张桌子的财富总和增长。Benchmark 就是这样运作的，它们关注的是整个团队的投资回报，而不是单个合伙人的业绩。 作为顶级的风投合伙人，Fenton 分享了他发掘优秀创始人的三种路径： 1. **成为某个领域的专家**：深耕一个赛道，成为行业内的意见领袖，让优秀的创业者主动找上门。比如 **Fred Wilson** 在社交网络领域的持续输出吸引了 Tumblr 和 Twitter 的创始人。但要注意，不能靠说教赢得信任，而是要靠共鸣。 2. **培养识别“非凡人类”的能力**：Fenton 说，他遇到某些创始人时会有一种“汪洋般的感觉”（Oceanic Feeling）。这是一种直觉，告诉他这个人有某种超越常规的特质，能把一件事情做到极致。他举了 **Snap** 创始人埃文·斯皮格尔（Evan Spiegel）的例子，以及最近和 **Cursor** 创始人迈克尔·特鲁尔（Michael Truell）的会面——“六分钟之内你就能感受到，这个人有一种别人没有的清晰度”。 3. **成为商业模式的专家**：Fenton 的前合伙人 **Bill Gurley** 就是这方面的典范，他是双边市场模式的专家，能快速判断项目是否具备网络效应（如 Uber、OpenTable）。而 Fenton 自己的切入点是开源软件，他花了 20 多年深耕这个领域，建立了实践根据地。 最后，Fenton 谈到了董事会成员的角色。他把职责分为三个层次：**战略（Strategy）、结构（Structure）、人员（People）**。战略是“为什么”，是所有决策的锚点；结构是“如何实现战略的组织形态”；人员是“在这个结构里的人”。Fenton 发现，很多董事会讨论都纠缠于人员细节，而忘记了战略层面的校准。他认为，好的董事会成员应该能够识别系统中的失调，比如战略和结构不匹配。但在这些技术性职责之前，更重要的是帮助创业者“去氧化”，让他们重新靠近当初创业的那份喜悦。创业本身是在“吃玻璃”，如果创始人失去了动力，所有的调整都没有意义。 作为一位 50 多岁的资深投资人，Fenton 坦诚地表示风险投资是年轻人的游戏。他正处于在 Benchmark 的最后篇章，因为人脉网络会老化，思维会僵化，而最大的问题是“自我”——如果因为经验丰富就觉得比创业者更懂，就会成为障碍。他希望 Benchmark 的重心向年轻化移动，团队平均年龄应更接近 40 岁。尽管如此，他依然珍惜与创始人建立深度关系的机会，但他也清楚，每一笔新的投资承诺都意味着要再往后推 10 年。对于投资这行来说，“错过恐惧症”是最折磨人的东西，但他正在期待放下它的那天。 讲到这里，我们再回头看 Meta 收购 Manus 这件事，就能理解它背后的多重意义。对于肖弘和他的团队来说，这是对他们坚持做通用 Agent 的认可；对于 Benchmark 来说，这是他们“发现式迭代”投资逻辑的又一次验证；而对于整个 AI 行业来说，这标志着 Agent 赛道从概念走向商业验证。硅谷的高效资本、容错文化，中国的分布式生态、群体竞争，都在为 AI 时代的创新提供动力。未来三到五年，AI 领域还会有更多的 Manus 出现，也会有更多的资本奇迹、技术突破。感谢收看本期视频，我们下期再见。