風投巨頭押注AI改造傳統服務業：General Catalyst投入15億美元，目標實現軟件級利潤率

　　風險投資界正在醞釀一場新的投資革命。多家頂級VC堅信他們找到了下一個重大投資機會：利用AI技術將傳統勞動密集型服務企業改造成具有軟件級利潤率的高效機器。

　　領軍這一趨勢的是General Catalyst，該公司從最新募集資金中撥出 15 億美元，專門用于其"創造戰略"。這一策略的核心是在特定垂直領域孵化AI原生軟件公司，然后將這些公司作為收購平臺，買入同行業的成熟企業及其客戶群。GC目前已在法律服務、IT管理等七個行業進行投資布局，計劃最終擴展至 20 個細分領域。

　　General Catalyst負責相關業務的Marc Bhargava在接受TechCrunch采訪時表示："全球服務業年收入規模達 16 萬億美元，相比之下，全球軟件業僅有 1 萬億美元。"他指出，軟件投資的魅力一直在于其更高的利潤率，"當軟件規模化時，邊際成本極低而邊際收入卻很可觀。"

　　Bhargava認為，如果能夠自動化服務業務，通過AI技術處理30%到50%的公司業務，甚至在呼叫中心等場景中實現70%核心任務的自動化，那么投資回報將變得極具吸引力。

　　這一策略似乎正在奏效。以General Catalyst投資組合中的Titan MSP為例，該投資公司分兩輪提供了 7400 萬美元資金，幫助該公司為托管服務提供商開發AI工具，隨后收購了知名IT服務公司RFA。Bhargava表示，通過試點項目，Titan證明了能夠自動化典型MSP任務的38%。該公司現在計劃利用提升的利潤率采用經典的滾雪球策略收購更多MSP企業。

　　類似地，該公司還孵化了專注于企業內部法務部門的Eudia，而非傳統律師事務所。Eudia已簽約雪佛龍、西南航空和Stripe等財富 100 強客戶，提供基于AI的固定費用法律服務，而非傳統的按小時計費模式。該公司最近收購了替代法律服務提供商Johnson Hanna以擴大業務范圍。

　　Bhargava解釋說，General Catalyst的目標是至少將收購公司的EBITDA利潤率翻倍。

　　這家投資巨頭并非孤軍作戰。風投公司Mayfield專門撥出 1 億美元用于"AI團隊成員"投資，包括IT咨詢初創公司Gruve。該公司收購了一家價值 500 萬美元的安全咨詢公司，在六個月內將其收入增長至 1500 萬美元，同時實現了80%的毛利率。

　　Mayfield董事總經理Navin Chaddha今年夏天對TechCrunch表示："如果80%的工作由AI完成，就能實現80%到90%的毛利率。綜合利潤率可達60%到70%，產生20%到30%的凈收入。"

　　獨立投資者Elad Gil三年來一直在追求類似策略，支持收購成熟企業并用AI進行改造的公司。Gil在今年春季接受TechCrunch采訪時表示："如果你擁有資產，就能比僅作為供應商銷售軟件更快速地進行轉型。"

　　然而，早期預警信號表明，這種服務業變革可能比VC預期的更加復雜。斯坦福社交媒體實驗室和BetterUp實驗室最近的一項研究調查了 1150 名各行業全職員工，發現40%的員工因為研究人員稱之為"工作垃圾"的AI生成工作而承擔更多任務——這些工作看似精良但缺乏實質內容，為同事創造了更多工作和麻煩。

　　這一趨勢正在對組織造成損失。參與調查的員工表示，他們平均花費近兩小時處理每個工作垃圾實例，包括首先解讀內容、決定是否退回，以及經常需要自己修復問題。

　　基于參與者估計的時間投入和自報薪資，調查作者估計工作垃圾每人每月造成 186 美元的隱性成本。他們在新的《哈佛商業評論》文章中寫道："對于擁有 1 萬名員工的組織，考慮到工作垃圾的估計普及程度...這意味著每年超過 900 萬美元的生產力損失。"

　　Bhargava反駁了AI被過度炒作的觀點，認為這些實施失敗實際上驗證了General Catalyst的方法。他說："我認為這顯示了機會所在，即將AI技術應用于這些業務并非易事。如果所有財富 100 強企業都能簡單地引入咨詢公司，應用一些AI，與OpenAI簽訂合同就能轉型業務，那么我們的理論基礎就不那么牢固了。但現實是，用AI轉型公司真的很難。"

　　他指出AI技術復雜性是最關鍵的缺失環節。"有很多不同的技術，各自擅長不同領域。你真的需要來自Rippling、Ramp、Figma和Scale等公司的應用AI工程師，他們使用過不同模型，理解其細微差別，知道哪些適合什么用途，懂得如何將其包裝成軟件。"

　　這種復雜性正是General Catalyst將AI專家與行業專家配對從零開始構建公司策略合理性的體現。

　　然而，不可否認的是，工作垃圾威脅在某種程度上會削弱該策略的核心經濟邏輯。即使創建了控股公司作為起點，如果被收購公司按照AI效率理論減少員工，他們將缺乏足夠人手來捕捉和糾正AI生成的錯誤。如果公司維持當前人員配置來處理問題AI輸出產生的額外工作，VC期待的巨大利潤率增長可能永遠無法實現。

　　這些情形理論上應該減緩VC滾雪球策略核心的擴張計劃，并可能削弱這些交易對他們的吸引力。但現實是，僅憑一兩項研究很難讓大多數硅谷投資者放慢腳步。

　　事實上，由于通常收購具有現有現金流的企業，General Catalyst表示其"創造戰略"公司已經盈利——這明顯偏離了傳統VC支持高增長、燒錢初創公司的做法。這對于為多年虧損企業買單的風投公司有限合伙人來說可能也是受歡迎的變化。

　　Bhargava表示："只要AI技術持續改進，我們看到對模型的大規模投資和改進，我認為會有越來越多的行業需要我們幫助孵化公司。"