AI估值算不过账，加拿大风投开始换打法

多伦多DiscoveryX大会上周上演了一场罕见的公开分歧——三位加拿大顶级风投对"AI是否在泡沫中"各执一词，却在一点上惊人一致：现在的估值数学，根本对不上账。

McRock Capital合伙人Udit Bhatnagar的原话是："I think the math is not mathing at this moment." 这句话精准概括了当下AI投资的集体焦虑：既然AI承诺让创业更快更便宜，为什么融资轮次反而越滚越大？

泡沫派 vs 非泡沫派：一场没有赢家的辩论

IRV Fund管理合伙人Neha Khera的态度最尖锐。「I think we're in a huge bubble, and I think it's going to burst very soon.」她的论据很具体：标普500约45%的市值依赖AI相关股票，但即便是OpenAI这样的巨头，用户增长和收入指标也未达预期，盈利更是遥遥无期。

Khera抛出了一个让在场所有人沉默的问题：如果OpenAI的解决方案只是再融1000亿美元，那这算什么商业模式？

「AI [and] LLMs have to become profitable business models, and that is not happening today.」

Wittington Ventures合伙人Zeeshan Ali则站在对立面。他承认部分AI投资定价"极高"且缺乏基本面，但拒绝接受"泡沫"标签。「I think there is tremendous room to grow, and I think we're at the start of something [with] potential in many different industries.」

Bhatnagar试图调和两者：行业确实存在"过载"（overload），但AI的价值证明仍处于极早期。

算不过账的根源：基础设施烧钱与叙事脱节

三位风投的分歧背后，是一个被数据验证的共同困境——AI公司在基础设施和算力上的支出规模史无前例。

Google、Microsoft、Amazon上周刚公布的云计算业务大幅增长，正是这笔支出的直接受益者。但Bhatnagar指出了一个叙事裂缝：「If it were true [that AI is] more frugal, that whole narrative is not tying up at some level.」

更便宜的开发成本，更大的融资需求。这个悖论正在重塑风投的决策逻辑。

大轮融资的"引力扭曲"效应

OpenAI等巨头的巨额融资正在产生Bhatnagar所说的"扭曲基准"（skewing the benchmarks）现象。

这些超级轮次向早期AI创业公司传递了危险信号：你不需要证明解决的问题足够大，不需要验证产品市场匹配度（product-market fit），只要贴上AI标签，估值就能对标独角兽。

Ali补充了一个更深层的变化：这种引力正在改变"谁能参与哪一轮游戏"（changing who gets to play in what rounds）。传统上由特定阶段基金主导的投资序列，现在被跨界资本打乱——成长期基金下沉抢早期项目，对冲基金直接冲进A轮。

加拿大风投的应对清单：五个正在发生的转变

基于三位合伙人的现场讨论，可以梳理出加拿大风投机构正在调整的具体策略：

一、从"AI优先"回归"问题优先"

Khera的质疑直指核心：OpenAI们尚未证明的，恰恰是创业公司最容易伪装的部分——你解决的问题真的值得这个估值吗？

多家加拿大基金开始要求被投企业剥离AI叙事，先用传统指标验证需求真实性。一位未具名的多伦多GP透露，他们内部将"AI-native"重新定义为"AI-enhanced"，一字之差，估值模型完全不同。

二、对"算力叙事"启动独立尽调

当云厂商的财报成为AI投资的反向指标，聪明的钱开始建立自己的算力成本模型。Bhatnagar提到，McRock Capital现在会单独评估创业公司的推理成本曲线，而非采信其提供的"随规模下降"承诺。

这个转变的残酷性在于：很多AI应用的单位经济模型（unit economics）在独立核算后并不成立。

三、拒绝被超级轮次绑架估值

Ali描述的"引力扭曲"正在催生一种防御性策略——主动回避与OpenAI、Anthropic等同一赛道的早期项目，或要求显著估值折扣。

IRV Fund的做法更具攻击性：Khera团队建立了一个"泡沫指数"，追踪特定AI细分领域的融资密度与商业成果比值，超过阈值自动触发冷静期。

四、押注"AI基础设施的卖铲人"

既然算力支出确定性地流向云厂商，部分加拿大风投选择不赌应用层，转而投资让AI更便宜、更高效的工具层。

Bhatnagar所在的McRock Capital专注工业物联网，其逻辑是：实体经济的AI改造比消费级应用有更清晰的ROI测算标准。工厂不会为"可能有用"的LLM买单，但会为"确定省成本"的预测性维护付费。

五、缩短持有周期，提前锁定退出

这是Khera"即将破裂"判断的直接影响。IRV Fund近期条款中出现更多"早期回购权"和"里程碑对赌"，将基金周期从传统的7-10年压缩至5年以内。

一位参会的天使投资人私下表示："我们不再假设下一轮融资必然存在。如果这轮就是最后一轮，估值能不能撑住？"

为什么这件事值得科技从业者关注

加拿大风投市场的特殊性在于其"夹层"位置——既有美国资本的流动性溢出，又保持着对估值纪律的相对保守。当这个群体的共识从"追逐AI"转向"算不过账"，信号意义远超地域边界。

对25-40岁的科技从业者而言，三个直接影响正在浮现：

第一，融资环境的分化将加剧。拥有清晰单位经济模型的AI应用仍能获得溢价，但"AI概念+模糊场景"的组合将迅速失宠。这意味着产品、工程、增长团队需要更紧密地协作，在更短时间内证明付费转化。

第二，人才市场的定价权可能转移。当风投对"AI人才溢价"变得谨慎，拥有行业know-how的复合型人才，将比纯算法背景更受青睐。Bhatnagar提到的工业场景，正是这类人才的典型去向。

第三，云厂商的财报将成为创业公司的先行指标。Google、Microsoft、Amazon的云计算增速若放缓，可能预示整个AI基础设施层的资本开支周期见顶——这比任何风投的公开表态都更早揭示趋势。

DiscoveryX的这场辩论没有结论，但三位合伙人的分歧本身即是信息：当最乐观的人也承认"定价极高、缺乏基本面"，最悲观的人也同意"处于早期、潜力巨大"，中间地带的策略调整就成了必然。

对于正在AI领域创业或求职的人，Khera的那句警告或许是最实用的备忘——「I don't want the bubble to pop, but I think this is not sustainable.」

没人希望泡沫破裂。但当数学开始不算数，提前换算法的人，至少不会是被最后一棒砸中的那个。