a16z们正在吞噬种子轮：20家顶级VC十年数据全拆解

原文作者： Pavel Prata

原文编译： 深潮 TechFlow

导读： 管理规模超 100 亿美元的巨型基金正以前所未有的速度涌入种子轮。Murph Capital 拉取了 Harmonic 的数据，对 20 家顶级巨型基金在 SaaS 时代、零利率时代和 AI 时代三个周期的早期投资行为做了拆解。结论并不简单：巨型基金的种子轮转化率确实是市场平均的 3.7-4.2 倍，但当它们放量部署时，这个优势会被迅速稀释。对新兴管理人来说，生存空间仍然存在，但必须选对赛道。

一个月前，我发了一条推文，问了一个简单的问题：巨型基金真的在接管种子轮，还是只是感觉如此？6.5 万次浏览和几百条私信之后，很明显这个问题戳中了痛点。

新兴管理人（Emerging Manager，以下简称 EM）写信来说他们感受到了压力，但没法量化；LP 问：如果 a16z 和 Sequoia 已经下场，投种子基金还有意义吗？巨型基金的 GP 自己也想知道，竞争对手到底在早期阶段部署了多激进。

@pavelprata 发推：巨型基金真的在接管种子轮吗？我决定研究全球最大 VC 基金（100 亿美元以上 AUM）在早期阶段的行为，回答一个简单问题：EM 该担心自己的结构性优势吗？

很快形成了广泛共识，我基本同意：

• 巨型基金确实大幅增加了种子轮配置，过去十年大约增长了 3 倍
• 市场足够大、足够分散，它们的份额仍然相对较小，主要集中在头部四分位
• 它们的核心动机不是即时的资本回报，而是提前触达人才、获取高信噪比的数据，把错过下一个世代级机会的风险降到最低

但共识只是起点。大方向背后有一幅更有趣、更不均匀的图景，不看数据根本看不到。

所以我们拉了 Harmonic 的数据，收集了 20 家巨型基金在三个时代（SaaS、零利率、AI）的表现，试图诚实地回答：种子轮市场到底发生了什么？巨型基金究竟在往哪走？这对定价产生了什么影响？EM 是否真有理由担心？

直觉 vs. 数据

先说研究框架。

我们依赖公开情报，配合 Harmonic 提供的实时数据（覆盖 3000 万家以上公司和 1.9 亿人）。时间线上，我们分析了过去十年，分为三个时代：

• SaaS 时代（2015-2019）： 5 年正常市场周期。云、SaaS、交易平台和金融科技是主流叙事，利率正常，市场有纪律。
• 零利率时代（2020-2022）： 3 年零利率政策。资本几乎免费，各路投资人涌入早期寻求收益，Tiger Global 和 SoftBank 似乎出现在每一轮有意义的融资中。种子轮市场严重过热，但方式混乱，缺乏结构性逻辑。
• AI 时代（2023-2026）： 从 ChatGPT 发布到今天。一场巨大的技术冲击，催生了一类新公司，对它们来说，超大种子轮已成常态。

技术上我们关注种子轮，但实际操作中纳入了 Pre-Seed 和 Seed Extension。原因很简单：这些早期阶段的界限经常模糊或变动，硬要精确切分反而不诚实。

进入正题。坦白说，开始研究之前，我就有强烈的直觉：巨型基金在早期阶段的雷达上出现得越来越频繁。这种直觉很大程度上来自社交媒体，a16z、General Catalyst 和 Sequoia 的 logo 越来越高频地出现在种子轮公告中，每次都伴随着高调的媒体攻势。数据证实了这一点：

• 2026 年前 6 个月，a16z 参与了大约 48 笔种子轮交易，领投了其中 46%。这是系统性的种子策略，不是零星下注。
• 最突出的是支票大小：a16z 领投轮次的中位数是 1050 万美元，这个数字更像经典的 A 轮，而不是传统种子轮。
• 如果加上 General Catalyst 和 Sequoia，这 3 家巨头在短短 5.5 个月内完成了 87 笔种子交易，平均 每 1.5 个工作日就做一笔早期投资。

@a16z 发推：我们很荣幸领投 Westmag 的种子轮。投资整个硬件堆栈的一个被低估的优势，是能第一手接触到困扰工业基础的供应链挑战……

与此同时，Carta 的最新数据显示，从估值角度看，种子轮估值正在快速膨胀。虽然有人可能认为这只是少数激进玩家的结果，但大多数 EM 的基金数学仍然迫使他们在中位数附近或以下运作，以获得足够的初始持股并维持可行的回报路径。

巨型基金的逻辑完全不同。凭借累积 AUM、品牌溢价和优质项目流，价格纪律不再是真正的约束。这种落差正在把市场撕裂成两个截然不同的层级，我们大致称之为「经典种子轮」和「超级种子轮」：

• 种子轮估值的第 90 百分位在 2026 年 Q1 飙升到 9370 万美元，比四年前几乎翻倍
• 过去一年，中位数以上的估值至少上涨了 53%
• 底部几乎没动：第 25 百分位从 1800 万美元缓慢爬到 2270 万美元

@PeterJ_Walker 发推：前 5% 的种子轮估值现在经常突破 1.75 亿美元，过去 12 个月翻了 3 倍。就有那么一点 2021 年的荒唐味道（即使作为 AI 信仰者也这么觉得）。

但所有这些仍然是间接证据，指出了一个大方向，却没有给出早期市场到底在发生什么、巨型基金的存在到底有多系统化的确定性答案。

正因如此，我们决定深入挖掘。我们分析了每家基金在三个时代的个体动态，拆解它们的行为模式，以及这种转变最终对 EM 意味着什么。

拆解交易机器

图注：20 家巨型基金在三个时代的早期交易数量对比

看平均数，SaaS 时代一家典型的巨型基金每年完成 10.6 笔早期交易。到 AI 时代，跳到了 23.9 笔，整个队列平均增长 2.37 倍。

最有意思的是零利率结束之后发生了什么。如果这种增长纯粹是免费资金的副产品，加息后应该逆转。但在我们数据集的 20 家基金中，AI 时代的年均交易数量与零利率时代几乎持平：23.9 对 24.3。事实上，只有 3 家基金缩减了早期投资节奏。这证明转变是结构性的，尽管少数异常值拉高了总体数据：

• a16z：16.6 → 49.7 → 76.8 笔/年
• General Catalyst：15.2 → 33.0 → 62.1 笔/年
• Khosla Ventures：14.6 → 21.0 → 30.9 笔/年

这背后至少有三个根本驱动因素：

AI 时代的公司天生成本更高。 GPU 基础设施、数据管道、年薪 30-50 万美元的研究科学家，创造了完全不同的基线成本。SaaS 时代 50 万美元能搞定的事（两个工程师加 AWS），AI 时代需要 200-500 万美元。扩大的中位支票部分反映的是真实研发开支，不只是估值膨胀。而且 SaaS 时代的早期本质上是探索性的（允许创始人迭代、转型、花几年寻找 PMF），AI 的先发优势窗口短得多。如果你的模型跑通了，你会迅速甩开竞争，这个窗口关得更快。

对创始人的争夺转移了定价权。 在革命性技术周期的初期，高能力搭配顶级人才价值连城。最好的 AI 创始人在种子阶段就能在 a16z、Sequoia 和 Lightspeed 之间选择，搭建一个能帮助他们在更短时间内融到更大下一轮的股东表。很多时候，定价权从投资人转移到了创始人手中：轮次变大不是因为公司客观上需要更多资本，而是因为创始人可以要求并得到。

基金规模的数学很说明问题。 我们队列中 前 5 家基金的合计 AUM 从约 340 亿美元增长到 2490 亿美元，十年翻了约 7 倍。与此同时，它们的种子交易数量只增长了 2-4 倍。AUM 的扩张速度远快于种子活动，种子支票在这些基金的投资组合中占比反而更小了。

拿 a16z 来说：2015 年管理规模约 40 亿美元，现在管理 900 亿美元（算上最新的 150 亿美元募资，VC 历史最大单笔）。一张 600 万美元的种子支票在 900 亿 AUM 中只占 0.01%。数学上，基金没有任何动力去为每一百万的估值讨价还价。反过来，在一个日益集中的市场中，错过世代级机会的风险是灾难性的。

因此我们可以高度自信地说：AI 时代巨型基金涌入种子轮，不是免费资金时代的投机行为，而是一个战略使命。巨量资本涌入巨型基金，同时出现了一批值得在最早期就争夺的新型公司和人才，两者同时推动了这一转变。

基于增速的分组分析

图注：20 家基金按增速轨迹分组

零利率时代，数据集中所有 20 家巨型基金都加大了早期交易，没有例外。疫情后美联储降息至接近零，大规模 LP 资本涌入 VC 口袋，2021 年美国 VC 总募资额达到惊人的 1695 亿美元。

手握巨额干火药（dry powder），一部分巨型基金下沉到种子阶段试水；另一部分主动从晚期轮次（当时估值极度膨胀）退出，同样转向下游。

但到了 AI 时代，利率稳定在 5% 以上，市场高度分化。宏观分歧将基金分成了三条行为路线：

加速者

AI 时代的交易量甚至超过零利率时期：

• a16z（75.3 笔/年）
• General Catalyst（61.5 笔/年）
• Khosla Ventures（31.5 笔/年）

这些基金不只是在廉价资金消失后继续留在种子阶段，而是加倍下注，激进地扩大了存在。

稳定者

AI 时代交易量略低于零利率峰值，但仍远高于 SaaS 时代：

• Sequoia（19.6 → 49.3 → 50.6）
• Accel（15.2 → 43.3 → 34.7）
• Lightspeed（11.6 → 41.7 → 32.1）

零利率的飙升已经见顶回落，但基线活动永久性地抬高到了历史水平的 2-3 倍。回不去了。

纪律型

三个时代稳步增长：

• Bessemer（9.4 → 23.0 → 20.9）
• Lux（7.2 → 14.3 → 14.7）
• Index Ventures（10.0 → 23.3 → 17.6）

它们避开了零利率的飙升和 AI 的爆发，但基线已经永久上移。SaaS 时代每年 10 笔，现在稳定在 15-21 笔。

唯一的例外是三家基金：Founders Fund、NEA 和 Greylock。它们从 SaaS 到 AI 时代要么减少、要么持平了早期活动。

Founders Fund 可能是唯一一家做出了哲学性主动选择的机构。Peter Thiel 深受吉拉尔模仿理论影响的逆向框架，把拥挤的市场共识视为明确的信号去别处寻找机会。所以当其他 17 家巨型基金冲向种子阶段时，Founders Fund 反其道而行，转向大额、集中的晚期赌注，把资本注入 OpenAI、Databricks、Anduril 这类世代级异常值。

Greylock 仍然深度忠于「第一张支票」的传统，但选择打高集中度的牌。它不搞流水线交易机器，而是聚焦更少、更高信念的赌注，有时甚至直接在自己办公室里孵化公司。

NEA 的大型多阶段使命让它的种子波动更难单独分析，缺乏硬数据我们不做推测。

核心配置 vs. 副业

图注：各基金早期交易占总投资比例变化

绝对数字回答不了一个关键问题：对这些巨头来说，种子轮是副业，还是核心战略？

一家基金一年做 30 笔种子，但如果同时做 200 笔 A 到 D 轮，种子只占 15%。反过来，如果 30 笔种子出自 60 笔总投资，种子占 50%。

15% 意味着侦查项目、个别合伙人的宠物项目、廉价期权。50% 意味着战略使命：专门团队、机构化流程、大规模部署机器。

这就是为什么我们第三个（可能也是最有揭示力的）视角，追踪每家巨型基金投入早期生态的确切比例：

20 家基金中有 16 家，AI 时代的早期配置比例创下历史新高。 SaaS 时代，一家典型巨型基金将 20-30% 的交易量导向种子。AI 时代，这个基线飙升到 35-50%。

三个案例特别有说服力：

Sequoia：彻底转型。 这是我们整个数据集中最戏剧性的战略转向。SaaS 时代，Sequoia 的早期投资占比不到五分之一，它主要是 A/B+ 轮的霸主，零星做战术性的种子赌注。到 AI 时代，近一半的交易都在早期，上升了 30 个百分点。

General Catalyst：V 形曲线。 SaaS 时代 GC 已经偏重早期，占 38%。零利率时代降到 30%，和同行一样追逐免费资金驱动的成长期收益。但 AI 时代触发了急剧反转，升到 47%。这是有意识的、激进的回归早期投资，峰值比以往更高。

a16z：稳定基线后 AI 跳升。 a16z 的独特之处在于，SaaS 和零利率时代的早期配置完美持平在 31.2%。当其他基金在零利率时代混乱地下沉时，a16z 保持了结构平衡。然后 AI 时代来了，猛然跳到 42.5%。

这组拆解很重要，因为 LP 经常从巨型基金那里听到一个熟悉的叙事：「我们偶尔遇到非凡创始团队时会开一张种子支票。」数据证明这套话术已死。

Sequoia 的种子占比 49%，GC 占 47%，a16z 占 42%。巨型基金已经把核心引擎转向种子阶段，并用专门团队、定制化内部通道和自有加速器项目（如 a16z Speedrun 和 Sequoia Arc）将这一转变武器化。

对 EM 来说，这提供了至关重要但令人清醒的背景：你的日常竞争已经远远超出了隔壁 5000 万美元精品基金。今天你在争夺配额时，对手是 100-900 亿美元 AUM 的巨头，它们已经把 40-50% 的机构交易机器对准了你的赛道。

要真正理解这种压力的机制，还得叠加一个关键指标：支票和轮次规模。

传统种子 vs. 超级种子

图注：巨型基金参与的种子轮中位数 vs. 美国种子轮市场中位数

我们此前强调的一个核心主题是种子阶段的分裂。看这个裂痕最好的方式是看每个时代的中位轮次规模，并与整个美国「种子指数」（市场整体中位数）做基准比较。

• AI 时代，有巨型基金在股东表上的美国种子轮中位数是 620 万美元
• 市场整体中位数只有 140 万美元。差距是 4.4 倍

巨型基金根本不参与「平均」种子轮，它们系统性地在市场的头部四分位运作。

更有意思的是这个倍差在三个宏观周期中保持稳定：SaaS 时代 4.8 倍，零利率 4.5 倍，AI 时代 4.3 倍。巨型基金并没有相对市场其他部分加速通胀，它们只是一直存在于一个完全不同的价格层级。

换个角度看，市场第 75 百分位（400 万美元）是巨型基金的入场基线。它们的中位轮次（620 万美元）稳稳坐在整个美国种子生态 P75 之上，按定义，这些巨头被限制在规模排名前 25% 的交易中。

但当我们把中位数和平均数叠在一起看时，事情变得更有趣。

图注：各基金中位数 vs. 平均数对比，揭示双轨策略

中位数反映一家基金的「典型」交易，平均数被异常值严重拉偏。两者之间的价差清晰地代理了一家基金的策略到底有多「双轨」：它是激进地同时玩超级种子的双引擎模型，还是在单一价格层级均匀运作？

从这个视角看，队列清晰地裂成两类。

双轨型（价差 3 倍以上）

• Index（中位数 820 万，平均 3430 万，4.2 倍价差）
• Lux（600 万 vs. 3170 万，5.3 倍）
• Lightspeed（680 万 vs. 3080 万，4.5 倍）
• Accel（500 万 vs. 2600 万，5.2 倍）
• a16z（600 万 vs. 2180 万，3.6 倍）
• Sequoia（500 万 vs. 1740 万，3.5 倍）

这些基金同时在两张桌子上玩：量大的经典种子轮（500-800 万美元），加上高度精选的超级种子（5000 万 - 5 亿美元以上），后者把统计平均值拉上了天。那些「1 亿美元种子轮！」的 TechCrunch 标题不反映日常现实，它们的典型交易实际上小 4-5 倍。

均质型（价差低于 2.5 倍）

• Greylock（690 万 vs. 1330 万，1.9 倍）
• Founders Fund（700 万 vs. 1200 万，1.7 倍）
• CRV（750 万 vs. 1080 万，1.4 倍）
• 8VC（660 万 vs. 870 万，1.3 倍）
• NEA（700 万 vs. 740 万，1.1 倍）

这类基金的中位数和平均数紧密跟踪，没有超大轮次的长尾。它们一致地在 500-800 万美元的价格区间内部署，没有大的异常值。

双轨型基金占据标题，制造了种子轮已经变成 3000 万美元以上游戏的幻觉。但数据反驳了这一点：即使是最双轨的机构，典型交易也稳稳落在 500-800 万美元区间。超级种子只是分布的长尾，不是中心。

对 EM 来说，真正的竞争压力来自均质型——GC、Khosla、Bessemer、Greylock。这些机构系统性地在 500-800 万美元区间执行，不被超级种子分心。双轨型基金在标题上更吓人，但在日常竞争中威胁更小。它们的一部分时间花在超级种子市场，那是 EM 本来就不会竞争的地方。

种子市场的分裂跟抽象的轮次通胀关系不大。我们正在目睹两个完全独立的生态系统在「种子轮」这个单一标签下诞生：超级种子（2000 万美元以上）属于双轨平台，传统种子（300-800 万美元）是巨型基金和 EM 仍然碰撞的地方。唯一的区别是，挤在这个经典区间的多阶段巨头数量翻倍了。

谁在定价，谁在搭车？

图注：各基金领投率与领投数量对比

参与和领投是根本不同的两件事。

一家基金在 600 万美元的轮次中投了 50 万美元的小支票，只是跟投者，股东表上的乘客。领投那一轮的基金才是在定估值、定条款、决定谁能进入联合投资的人。是领投方最终决定了 EM 还有没有空间。

那么，在巨型基金执行的所有种子交易中，有多大比例是它们实际领投的？

我把这些机构拆成四个类型：

信念领投型——高领投率 + 高交易量

• Khosla（60%，19 笔领投/年）
• Lightspeed（63%，21 笔领投/年）
• Accel（54%，20 笔领投/年）

这是对 EM 最危险的群体。部署激进，而且要求坐主驾。Lightspeed 每年领投 21 笔种子轮、63% 的领投率，它在系统性地主导早期定价。如果一个 EM 在争夺同一家公司，争的就是领投权。

量大型——高交易量，中等领投率

• a16z（51%，40 笔领投/年）
• General Catalyst（53%，33 笔领投/年）
• Sequoia（36%，19 笔领投/年）

这些巨头在绝对领投数量上占据主导，即使百分比领投率更低。它们领投管道中最好的公司，其余的拿被动头寸。对 EM 来说是双重威胁：即使巨型基金没有领投，它出现在股东表上也会严重影响信号效应和后续融资动态。

精选领投型——高领投率，低交易量

• EQT（82%，7 笔/年）
• Craft Ventures（76%，8 笔/年）
• Index Ventures（67%，12 笔/年）
• Founders Fund（61%，10 笔/年）
• Greylock（58%，6 笔/年）

这些基金领投了绝大多数交易，但保持高纪律、低速度。纯信念驱动：如果开支票，几乎一定要管这一轮。在总体市场量上威胁较小，但在任何它们进入的具体交易中，几乎一定会拿下领投位。

网络型——低领投率

• 8VC（38%，9 笔/年）
• Amplify（39%，4 笔/年）
• Sequoia（36%，19 笔/年）
• Bessemer（44%，9 笔/年）

这些机构选择跟投的频率远高于领投。它们在种子阶段的角色围绕网络、信号和买期权，而不是确立市场定价。对 EM 来说是威胁最小的类型，因为它们很少挤掉领投位。

一个有趣的发现：两家按绝对早期活动量算最大的基金，AI 时代的领投率最低：a16z 51%，Sequoia 36%。而且两者的领投率都比 SaaS 时代下降了（a16z 从 67%，Sequoia 从 52%）。

解释很简单：当你每年做 77 笔或 51 笔交易时，物理上不可能每一笔都领投。一部分交易自然转向侦察赌注、跟投和由他人领投的联合投资。在这个体量上，交易量和领投率是明确的权衡。

但在绝对数字上，它们仍然主导战场：a16z 每年领投约 40 笔早期交易，GC 约 33 笔。这比名单上一半基金的总早期交易量加起来还多。

总体来看，AI 时代大多数基金的领投率呈上升趋势。20 家基金中有 13 家的 AI 时代领投率高于 SaaS 时代：

图注：SaaS 时代 vs. AI 时代各基金领投率变化

巨型基金正在更频繁地领投。比如 Greylock，SaaS 时代每四笔种子只领投一笔，AI 时代超过了一半。它们从被动的「被邀请才参与」，彻底转向了主动的「我来组这一轮」。

LP 做基金尽调时必须牢记这个现实。当然，EM 喜欢在募资 PPT 上堆满巨型基金的 logo，旁边写上「我们与 xxx 共同投资」。但这个动态实际上可以作为一个关键信号，定义 LP 到底在认购什么类型的风险投资产品。

如果 LP 问：「你去年领投了多少轮？其中多少轮的另一个领投方是巨型基金？」答案如果是「我们经常和 a16z 或 GC 共同投资」，那这不是结构性优势，而是对巨型基金项目流的严重依赖。这不一定是坏策略，但一旦考虑到更大的轮次规模、膨胀的估值以及因缺乏定价权和领投能力而被稀释的持股目标，底层基金数学会发生剧变。

反过来，如果答案是「我们领投的恰好是巨型基金不碰的轮次，或者我们在它们注意到之前很久就到了」——这才是 EM 真正的、可防御的优势所在。

压力最大的地方

图注：按赛道分布的巨型基金早期活动

以上关于交易动态、轮次通胀和领投率的分析，描述的是巨型基金的总体情况。但现实中，一个 EM 很少投资于「种子整体」，它们投的是特定赛道，而赛道选择往往正是它们的核心优势。所以下一个逻辑问题是：巨型基金到底去了哪里？

从这个视角看，它们的足迹比总体统计暗示的要集中得多。

不出意料，企业 AI 与自动化、AI 基础设施与开发者工具两个赛道主导了领投率和总交易数。两者合计 538 家公司，占整个数据集全部早期活动的 42%。20 家巨型基金全部同时活跃在这两个赛道。背后有三个核心驱动：

市场规模。 企业在生成式 AI 上的支出从 2023 年的 17 亿美元飙升到 2025 年的 370 亿美元，两年内暴增超过 20 倍。企业 AI 已经占据全球 SaaS 市场的 6%，扩张速度超过历史上任何软件品类。

速度。 AI 时代的时间动态前所未有。SaaS 时代的增长模型是 T2D3（三倍、三倍、两倍、两倍、两倍），顶级 AI 原生公司的增长框架是 Q2T3（四倍、四倍、三倍、三倍、三倍）。对基金来说，种子阶段的入场窗口关得更快。犹豫 12-18 个月可能意味着错过整个软件品类。

性能异常值。 Lovable 在 8 个月内达到 1 亿美元 ARR，又在 4 个月内翻倍到 2 亿美元，超过了 OpenAI、Cursor 和历史上所有其他软件公司。到 2026 年 5 月，Sacra 估计 Lovable 的年化收入已突破 5 亿美元。Cursor 以 293 亿美元估值融了 23 亿美元。Anthropic 的年化收入从 2024 年底的约 10 亿美元加速到 2026 年 2 月的 140 亿、4 月的 300 亿、5 月的 470 亿，同时以 9650 亿美元估值融了 650 亿。所有这些公司三年前要么不存在，要么完全默默无闻。

对投 AI 的 EM 来说，这意味着几乎每家巨型基金都在你的后院打猎。手握无限资本，这些巨头不受轮次定价约束，可以激进地领投并最大化持股目标。新基金管理人的生存取决于深度领域专长、对高密度创始人网络的独家触达，以及在创始人连 pitch deck 都没有的阶段就下注的能力。

还有一个关键细节：增长最快的 AI 公司（所谓的「AI 超新星」）平均毛利率仅约 25%，故意牺牲单位经济学来抢市场份额。更传统的「流星」平均毛利也只有 60% 左右，仍远低于经典 SaaS 的 70-85% 基准。

这意味着企业 AI 目前是一个营收增速远超盈利能力的赛道。投资人本质上在认购未来经济学，而非当前利润率。巨型基金凭深口袋和长期限可以轻松承受这种结构性赌注。但一个管理 2500-7500 万美元工具的 EM，如果未来单位经济学的兑现时间比市场预期更长，就会陷入根本性的脆弱境地。

图注：各赛道轮次规模中位数 vs. 平均数

AI 基础设施与开发者工具在轮次结构上值得特别关注。基金层面观察到的双轨行为，在这个赛道表现得最尖锐：中位轮次 680 万美元，平均数飙到 4800 万美元，7 倍价差。

这个巨大的差值说明该赛道充斥着 1 亿美元以上的超级种子，拉高了统计平均数。这正是「5000 万美元种子轮」标题的温床，给旁观者制造了严重扭曲的典型交易印象。

对比之下，Commerce & GTM 的价差只有 1.4 倍，Healthcare 2.0 倍。离 AI 核心越远，轮次格局越均质。

两个赛道的行为与实际规模不成比例：

网络安全： 只有 76 家公司，但领投率高达 62%，是所有主要赛道中最高的。配合 700 万美元的中位轮次（数据集中最高之一），巨型基金在近三分之二的交易中主导了定价。

国防与航空航天： 更小的足迹（34 家公司），但领投率破纪录达到 66%。不过 20 家巨型基金中只有 12 家活跃，说明是少数几家高信念玩家的集中下注，而不是平台级的系统性压力。

还有一些赛道相对不拥挤：气候与能源（26 家公司，12 家活跃基金）、物流（24 家公司，13 家活跃基金），以及 PropTech、EdTech、Legal、HR 等传统赛道。

在这些赛道拥有深度领域专长的 EM 完全逃脱了平台碾压。对手不是 20 家大平台，而是 8-12 家机构，每年定价 2-3 笔交易，完全不同的游戏。

这对 LP 来说是一个重要的实操启示：对 EM 正确的尽调问题必须转向它们参与的具体赛道，因为赛道选择决定了竞争的本质，以及需要什么类型的差异化才能赢。

巨型基金的种子轮值这个溢价吗？

图注：巨型基金支持 vs. 市场整体的种子轮到 B 轮转化率

整篇研究到目前为止，我们只展示了硬币的一面：巨型基金入侵种子轮，做更多交易，更频繁地领投，运作在 EM 的价格区间。

但有一个问题我们一直推到现在，它可能是整个研究最关键的问题：这套打法真的管用吗？

是，巨型基金开更大的支票，参与的轮次比市场中位数大 4.4 倍，把 40-50% 的交易活动导向早期，领投超过一半的种子交易。但如果它们在种子阶段投的公司生存率并不比市场平均高，那我们描绘的一切不过是估值膨胀，没有实际价值。

反过来，如果巨型基金支持的种子公司走到 B 轮的比例显著高于市场，整个叙事就翻转了。那种场景下，巨型基金不只是「接管种子轮」，而是让种子轮变得更好了。LP 就该问：「为什么不把资本集中到覆盖种子的巨型基金，然后在后续轮次加倍，在一家机构内捕获整个市场生命周期？」

为此我们算了一个直截了当的指标：在特定时代融了种子轮的公司中，有多大比例后来走到了 B 轮？两组对比：市场整体 vs. 股东表上有至少一家巨型基金的种子公司。

我们聚焦 SaaS 时代和零利率时代（AI 时代的公司太年轻）。结果很明确，但有细微差别。

• SaaS 时代： 60,110 家融了种子的公司中，9.8% 走到了 B 轮。有巨型基金参与的 940 家中，这个数字跳到 36.7%，是 3.7 倍。
• 零利率时代： 趋势一致：市场 3.9%，巨型基金 16.5%，差距扩大到 4.2 倍。

巨型基金把种子轮转化为 B 轮的能力比市场平均高 3.7-4.2 倍。更重要的是，这个差距在扩大。在零利率时代全市场转化率暴跌的过热环境中，巨型基金的质量筛选反而变得更有价值了。

但下结论之前，得拆解为什么转化率这么高。有几个结构性驱动因素，可以统称为强大的信号效应：

• 精英 A 轮项目流： 顶级 A 轮投资人主动寻求与机构级、重量级种子领投方共同投资
• 内部跟投能力： 巨型基金有深口袋，可以为自己的种子组合公司内部领投 A 轮或 B 轮
• 品牌驱动的人才获取： 顶级工程师看到「Sequoia 投资」或「a16z 投资」的标签，招聘摩擦显著降低
• 媒体分发优势： 更大的 PR 杠杆带来更多潜在企业客户的主动接触

因此必须认识到，转化率中很大一部分不是巨型基金「选对了」的结果，而是巨型基金帮助公司成为了正确的选择。对 LP 来说，这是一个清晰信号：巨型基金在种子阶段的增值不只是「选股」，而是真正的「平台即产品」。

图注：各基金 SaaS 时代 vs. 零利率时代的种子到 B 轮转化率

但硬币有另一面。当我们越过总体数据、审视每家机构时，一个令人不安的模式浮现：15 家样本量足够的基金中（每个时代 10 笔以上种子），14 家的转化率从 SaaS 到零利率时代暴跌。下降幅度在 10 到 25 个百分点：

• Lux：51% → 19%
• Sequoia：46% → 14%
• a16z：42% → 16%
• Index：45% → 25%

相关性直接：零利率时代放量最猛的基金，转化率跌得最惨。Sequoia 交易量翻了三倍（20 到约 50 笔/年），转化率从 46% 崩到 14%。Lightspeed 放量四倍（12 到 42 笔/年），转化率从 31% 跌到 11%。

唯一的例外是 Greylock，转化率反而从 29% 跳到 44%。不是偶然：Greylock 是唯一一家在零利率时代保持交易量基本持平的机构（11.0 到 11.3 笔/年）。更少的交易产出了更高的命中率。交易量纪律直接等于投资组合质量。

这组转化数据同时验证和复杂化了我们的整个叙事。

一方面，它证明巨型基金确实在种子阶段产生了实际效果。3.7 倍的转化率溢价既非偶然也非数据伪迹。早期获得巨型基金支持的公司确实存活和增长得更好。对 LP 来说是有力论据：品牌、网络和平台资源带来了可衡量的价值。

但另一方面，交易量和质量始终处于张力中。今天 AI 时代，巨型基金的种子交易量正在破纪录。如果零利率的模式重演，转化率将不可避免地被侵蚀。唯一的问题是侵蚀多少。AI 时代这些巨头的平台效应和信号优势，是否足以抵消大规模部署节奏带来的稀释？

3-5 年后会有确定性答案。但历史数据给出了一个清醒的警告：巨型基金已经证明了它们在低交易量下能选出赢家。它们尚未证明能在规模化下做到这一点。

恰恰是在这个缺口中——已证实的过去和未经验证的现在之间的空间——准备好少做、但做得更好的 EM 的真正机会才存在。

危险指数

图注：20 家巨型基金对新兴管理人的「危险指数」排名

收尾部分，我们做了一件有争议的事：建了一个危险指数（Danger Index）。

这是一个基于数据的排名，衡量哪些巨型基金对 EM 构成真正的竞争威胁。我们锚定三个支柱：

交易量： AI 时代每年的绝对早期交易数量。越高，EM 在实际操作中撞上它们的频率越高。

战略承诺度： 早期阶段占基金总投资活动的百分比。45% 说明这是核心战略，配有专门团队和机构化流程。20% 说明是副业，基金随时可能缩减转回后期。

价格重叠度： 基金参与轮次的中位规模。这可能是最关键的因素。在 800-1000 万美元轮次中的巨型基金主要与其他多阶段巨头竞争。但在 400-500 万美元区间运作的巨型基金，直接与 EM 竞争——这正是 5000 万到 1 亿美元种子基金部署资本的甜蜜区。

每个因素打 0-10 分，最终危险分是三者之和，满分 30。

结果出乎意料。四家机构落入第一梯队（最大威胁）：General Catalyst、a16z、Sequoia 和 Accel。

• 这四家同时每年完成 37-83 笔早期交易，将 39%-50% 的总投资活动配置到种子阶段，并且在 440-540 万美元的轮次区间运作——直接命中 EM 的领地。
• 违反直觉的是，GC 排在 a16z 前面，尽管 a16z 的绝对交易量更高（83 vs. 65）。差异在于 GC 完美同步了三个风险向量：高速度、本梯队最高的早期配置比例（48%），以及 500 万美元的中位轮次——正好落在 EM 定价甜蜜区的中心。a16z 的价位稍高（540 万中位数），早期集中度略低（43%）。差距微妙，但统计上有意义。
• Sequoia 排第三也出乎意料。它在前 5 大基金中领投率最低（36%），跟投的频率远超领投。但中位轮次只有 460 万美元——大型平台中最低的。它在系统性地买入（以巨型基金标准衡量的）更便宜的轮次。
• 相反，Index Ventures 出人意料地低落在第三梯队，尽管保持每年 19 笔和 66% 的领投率。原因？840 万美元的中位轮次。Index 完全在传统 EM 区间之上运作。
• 同样的结构性逻辑适用于 Founders Fund（780 万中位数）和 Greylock（700 万中位数），都稳稳坐在第三梯队。它们有明确的早期足迹，但没有挤入大多数 EM 争夺生存的价格生态。

危险指数不是 EM 的死刑判决。我们把它看作雷区地图。

它把整篇宏观研究浓缩成一个实操性的高风险问题：「哪些第一梯队平台正在你的确切价格区间和赛道打猎？」

如果答案是「GC 和 a16z，两家都投 AI 软件，两家都在 400-600 万的轮次中入场」，那 EM 必须向 LP 清晰地表述：什么具体优势让你能赢过两家每年在你后院合计做 150 笔种子的机构？

如果答案是「没有第一梯队巨头，我领投 200-300 万美元的气候科技」，那是完全不同的对话。危险指数表明，那个赛道的机构压力在结构上更低，深度领域专长本身就可以作为高度可防御的优势。

核心要点

• 巨型基金平均从 SaaS 时代的每年 10.6 笔早期交易增长到 AI 时代的 23.9 笔。20 家中只有 3 家缩减。这是结构性转变，不是周期性的。
• 种子轮估值急剧分化。2026 年 Q1 第 90 百分位达到 9370 万美元，四年翻了近一倍。第 25 百分位同期仅从 1800 万升到 2270 万美元。
• AI 时代有巨型基金的种子轮中位数是 620 万美元，市场整体 140 万美元，4.4 倍差距在三个时代保持稳定。
• 20 家基金中 16 家，AI 时代的早期配置比例创历史新高。典型巨型基金从 SaaS 时代的 20-30% 升到现在的 35-50%。
• 20 家基金中 13 家现在比 SaaS 时代领投更多种子轮。Greylock 从 24% 升到 58%。被动跟投姿态正被结构化的领投打法取代。
• 42% 的巨型基金早期活动集中在两个赛道：企业 AI 与自动化、AI 基础设施与开发者工具。所有 20 家基金同时活跃于这两个赛道。
• 巨型基金支持的种子公司走到 B 轮的比例是市场整体的 3.7-4.2 倍。但 15 家样本量足够的基金中，14 家的转化率从 SaaS 到零利率时代大幅下跌——跌幅最大的恰好是放量最猛的。
• Greylock 在零利率时代保持交易量持平，是唯一转化率实际提高的基金。交易量纪律等于投资组合质量。
• 危险指数将 GC、a16z、Sequoia 和 Accel 列入第一梯队——唯一同时满足高速度、39-50% 早期配置比例和低于 550 万美元中位轮次的四家基金，直接落在 EM 的定价甜蜜区。
• 气候与能源、物流、PropTech 和 EdTech 等传统赛道在结构上仍然不拥挤——只有 8-13 家巨型基金活跃（AI 赛道是 20 家），领投率远低于品类平均。

结论

巨型基金入侵早期市场不是某个技术周期的临时异常，而是风险投资底层运作方式的永久性重新校准。

当多阶段巨头继续用数百亿美元吸收种子生态的头部四分位时，试图在它们的高速、深口袋游戏中击败它们是数学上的死胡同。但数据揭示了它们看似完美铠甲上的一个关键裂缝——大规模部署量与投资组合转化质量之间不可逃避的张力。

在 AI 时代，EM 的真正优势不再是努力做大机构交易机器，也不是盲目追逐第一梯队平台制定定价规则的热门品类。而是赛道选择的严格纪律、耐心认购巨型基金常常忽视的复杂未来单位经济学，以及在多阶段平台还没注意到它们存在之前，保持小规模、高聚焦、与创始人深度绑定的勇气。

在一个越来越崇尚纯粹规模的风投生态中，EM 的终极反策略是掌握绝对纪律的溢价，而不是匹配巨头的交易量。