投资人怎么评估一个 AI 创业公司？
上一篇《「新西兰版大众点评」，值不值得做？》的结尾，胜梅May 用一个投资人框架给整场辩论收了尾：Market / Team / Defensibility。那三条来自她 8 月 19 日听的一场分享——奥克兰大学 Old Government House 举行的 Auckland AI & Entrepreneurship Event（奥大 StrongAI Lab 主办，主题正是「新西兰怎么把 AI 研究变成真正能规模化的公司」），其中第三场演讲：How Investors Underwrite Research-Heavy Startups。今天早上，她把这场分享的完整材料发了过来——六张现场拍的幻灯片，和一份用 Otter 自动整理的讲座纪要：
「我觉得这几张比较有质量的，来自 Ice House Mason Bleakley 的分享。」 —— 胜梅May
分享者 Mason Bleakley 是 Icehouse Ventures 的 Principal。Icehouse Ventures 是奥克兰最活跃的风险投资机构之一，投资组合从企业 SaaS（比如做品牌追踪的 Tracksuit）一直铺到深科技——核聚变（OpenStar）、火箭动力飞行器（Dawn Aerospace）都在其中。这篇文章把六张幻灯片和纪要里的内容合在一起整理成文，补全上一篇只露了个头的那套框架。
通用框架：三个支柱，十二个问题
拆开看，投资人评估一个早期公司时问的其实就是十二个问题，分属三个支柱。第一个支柱是 Market（市场），占了六问：
第二个支柱 Founders & Team（创始人与团队），四问。注意第一问问的不是能力，而是认知：
第三个支柱 Defensibility（护城河）最短，只有两问——但按纪要里的说法，这恰恰是投资人花时间最多的地方：
纪要里还补了一层市场支柱的量化含义：早期投资人找的是还在增长的市场，因为他们需要种子阶段的投资有拿到 50 倍回报的可能——风投的回报是靠极少数赢家把其他所有亏损都赚回来的，一个天花板不高的市场，从结构上就进不了他们的名单。
AI 公司：同样三个支柱，另加一层追问
讲座的后半段是给 AI 创业公司的「增补包」——三个支柱各加了一张幻灯片。有意思的是，AI 没有改变框架本身，改变的是每个支柱下追问的深度。
市场维度，关键问题从「市场有多大」变成了「AI 把它变多大」：
重点不是这个市场今天有多大，而是 AI 把它扩大了多少。
AI-native 是从底层就围绕 AI 建的产品（幻灯片举的例子是 Harvey、Perplexity）；AI-enabled 是在旧产品上加 AI 功能（比如给 CRM 挂个 AI 插件）。两类公司的估值逻辑完全不同。
竞争加剧正把 AI 创业公司推向高度聚焦的利基市场——聚焦没错，但聚焦之后天花板还够不够高，是必须先想清楚的问题。
团队维度，核心问题浓缩成一句：这个团队能不能在一个全新的市场里执行？权重压在四件事上：
模型迭代太快，每个月都有新 API 出现——上一代「慢工出细活」的节奏在这个市场里是致命的。
对「该做什么」有独特洞察——这条和通用框架里的 Unique insight 一脉相承。
当写代码本身不再稀缺，产品的判断力和审美成了新的稀缺资源。这可能是整场分享里最「2026」的一条。
在一个人人都能做出能用产品的市场里，分发能力和产品能力同样重要。
护城河维度，幻灯片开头先撂了一句大实话：AI is notoriously hard to defend——AI 是出了名的难防守。然后给出五种真正有效的护城河：
拥有别人拿不到的独特数据源。
自己的核心技术，而不是套一层别人的 API。
借力已有的工作流或网络——产品长在客户已经在用的东西里。
窄而深的 AI，做通用大模型不会专门去做的那一段。
用户用得越多，数据越好，产品越强——问自己一句：用户的使用是否在持续生成更好的数据？
对照上一篇讨论里 Arthur 那句「扎根用户，建立人与人的连接，这是无法被蒸馏的」——五条护城河里至少有三条（专有数据、分发优势、强化循环）都指向同一个方向：壁垒不在模型里，在你和用户的关系里。
一家大学 spinout 的资本旅程
讲座还用一家虚构公司走了一遍新西兰深科技公司的理想融资路径。这条路径对俱乐部里在大学做研究、或者手上有技术想商业化的成员，参考价值最直接：
从大学（比如 University of Auckland）license 知识产权成立公司，第一笔钱来自 Outset Ventures、Pacific Channel、Bridgewest 这类深科技基金。纪要里有个提醒：大学股份占比过高，反而会妨碍公司后续拿到风投。
做出 MVP，靠 design partner（首批深度共建的客户）拿到早期收入，把「学术上可行」变成「商业上有人买单」。
product-market fit 和商业飞轮跑通后，成长基金和 crossover 基金进场，把验证过的模式规模化。
被超大规模科技公司并购，或去 Nasdaq 这样的国际交易所 IPO。新西兰本地退出渠道有限，绝大多数流动性事件发生在美国和英国市场。
理想路径之外，讲座也给了一个「真实世界」的对照案例——Vessev（纪要里转写成了 Vessel）：最初做水翼货船，技术路线走不通，经历 down round 和老股东的过桥融资死里逃生，最后转型电动水翼渡轮才做了起来。框架是直线，公司是曲线。
新西兰的创投盘子有多大
按纪要记录的讲座数据：新西兰创投行业管理的资金规模，从 2014 年的不到 1 亿纽币增长到今天的约 25 亿；大学 spinout 板块的总价值六年里从 13 亿涨到 40 亿；国际风投正越来越多地进入新西兰市场。另一边，纪要也记下了讲座对 AI 大盘的判断：全球 AI 投资仍在猛涨，资本正从应用层向基础设施层和运营层转移。
AI 帮你记住，消化还得靠自己
最后值得一记的，是胜梅May 发完材料后补的那句话：
「我也是用 otter 自动整理的，但其实还需要自己消化。」 —— 胜梅May
这句提醒在我们整理时得到了印证：Otter 的纪要把好几个专有名词听错了——Icehouse Ventures 被写成「ISOS Ventures」，电动渡轮公司 Vessev 变成「Vessel」，Dawn Aerospace 变成「Dawn Aeroflet」，核聚变公司 OpenStar 变成「OpenStyle」。本文中的机构与公司名均已按公开资料校正。自动纪要工具能帮你留住一场讲座的信息，但归属、数字、专有名词这些关键细节，仍然需要人来核对——这也正是「自己消化」的意思。
先搞懂几个词
- TAM（Total Addressable Market）
- 潜在市场总规模——如果拿下所有可能的客户，这门生意一年能有多大。AI 时代投资人更关心它的变化率：AI 是否正在让原本做不了的需求变成可做的市场。
- AI-native / AI-enabled
- AI-native：产品从第一天起就围绕 AI 构建，没有 AI 就不存在；AI-enabled：在既有产品上叠加 AI 功能。前者估值想象空间大，后者往往被视为防守动作。
- Design partner（设计合作伙伴）
- 产品早期深度参与共建的首批客户：一边付费或试用，一边帮你定义产品该长成什么样。早期收入和真实需求的主要来源。
- Down round（估值下调融资）
- 新一轮融资估值低于上一轮。通常意味着公司遇到了麻烦，但处理得当也可以是活下来的代价——Vessev 就是这样撑到转型成功的。
- University spinout（大学衍生公司）
- 基于大学科研成果成立的公司，通常需要从大学 license 知识产权。新西兰增长最快的深科技公司来源之一。
- Crossover fund（跨界基金）
- 同时投一二级市场的基金，通常在公司接近 IPO 的中后期轮次进场。