研究框架：三个时代的划分
Murph Capital基于Harmonic提供的实时数据（覆盖3000万家公司及1.9亿人），将过去十年VC的早期投资行为划分为三个时代：SaaS时代（约2015-2019年，以云计算和软件为投资主线）、零利率时代（约2020-2022年，量化宽松导致LP资本大规模涌入）以及AI时代（约2023年至今，以大模型和生成式AI为核心）。分析对象为20家管理规模超过100亿美元的巨型基金，包括a16z、红杉资本（Sequoia）、General Catalyst（GC）、Accel等。
巨型基金大幅加码种子轮：交易量与结构转变
数据证实了直观感受：巨型基金在种子轮的出现频率大幅提高。SaaS时代，一家典型巨型基金年均完成10.6笔早期交易；至AI时代，这一数字跃升至23.9笔，增长2.37倍。更关键的是，零利率时代结束后，交易量并未像许多预期那样收缩：AI时代的年均早期交易数量（23.9）与零利率时代（24.3）几乎持平。仅有3家基金缩减了早期投资节奏，证明这一转变是结构性的而非短期投机。
背后有三个核心驱动因素：首先，AI原生公司天生成本更高——GPU基础设施、数据管道及年薪30-50万美元的研究科学家使初始投入从SaaS时代的50万美元提升至200-500万美元。其次，创始人定价权转移：顶级AI创始人在种子阶段就能在多家巨头之间选择，轮次规模被推高。第三，基金规模膨胀：分析队列的前5家基金合计AUM从约340亿美元增长至2490亿美元（十年约7倍），但种子交易量仅增长2-4倍，使得种子支票在总投资中的占比反而下降。以a16z为例，其管理规模从2015年的40亿美元扩展到目前的900亿美元，一张600万美元的种子支票仅占AUM的0.01%，基金没有任何动机为估值讨价还价。
基金分层：三大行为路线
不同基金的早期策略在AI时代出现了明显分化，可归纳为三条行为路线：第一类是AI爆发型——AI时代交易量甚至超过零利率峰值，典型代表为a16z（年均75.3笔）、General Catalyst（61.5笔）、Khosla Ventures（31.5笔）。这些基金在廉价资金消失后继续加倍下注。第二类是回归基线型——AI时代交易量略低于零利率峰值，但仍远高于SaaS时代，LightSpeed、Accel等属于此类。第三类是稳步增长型——如Bessemer（9.4→23.0→20.9）、Lux（7.2→14.3→14.7），它们避开了零利率飙升和AI爆发，但基线已永久上移。唯一的例外是Founders Fund，其在AI时代反而减少早期活动，转向大额后期赌注（如OpenAI、Databricks），体现了逆向策略。
种子轮份额从副业变核心战略
绝对交易量之外，早期投资占基金总投资的比例更能反映战略决心。20家基金中有16家在AI时代的早期配置比例创下历史新高：SaaS时代典型比例是20-30%，AI时代跃升至35-50%。三个案例尤为突出：Sequoia发生了最戏剧性的战略转向，早期占比从SaaS时代的不到20%升至AI时代的近50%；General Catalyst呈现V形曲线，AI时代达到47%；a16z在SaaS和零利率时代均稳定在31.2%，AI时代猛跳至42.5%。这些数据击穿了“偶尔开张种子支票”的传统叙事——巨头已将核心引擎转向种子阶段，并配备了专门团队和加速器项目（如a16z Speedrun、Sequoia Arc）。
双轨策略与均质型竞争：中位数与平均数的裂痕
巨型基金参与的种子轮中位数（约620万美元）是美国整体种子中位数的4.3倍（AI时代），且这一倍差在三个时代保持稳定。但当我们将中位数与平均数对比时，发现基金分化成两类：双轨型（价差3倍以上，如Index、Lightspeed、a16z）同时玩“经典种子轮”（500-800万美元）和“超级种子”（5000万-5亿美元）；均质型（如GC、Khosla、Bessemer）的中位数和平均数紧密跟随，系统性地在500-800万美元区间执行。对新兴管理人（EM）来说，双轨型基金的超级种子交易不构成直接竞争，但均质型基金每天都在同样的价格区间争抢项目。
领投率与定价权：谁在真正主导早期市场
参与和领投是两回事。巨型基金在领投率上同样提升：AI时代20家基金中有13家的领投率高于SaaS时代。对EM威胁最大的群体是信念领投型——高领投率+高交易量，如Khosla（领投率60%，年均领投19笔）、Lightspeed（63%，21笔）、Accel（54%，20笔）。它们不仅部署激进，而且要求主导早期定价。a16z和Sequoia虽然绝对领投数量极大（a16z年均领投约40笔），但领投率反而从SaaS时代下降了（a16z从67%降至51%，Sequoia从52%降至36%），部分交易转为跟投。对EM而言，能否领投、领投是否与巨头合作，直接决定了基金数学的吸引力。
赛道分化：AI主导，但网络安全与国防高领投率
巨型基金的活动高度集中于少数赛道。企业AI与自动化、AI基础设施与开发者工具两个赛道占全部早期活动的42%，20家基金全部活跃其中。逻辑在于市场规模（企业AI支出从2023年的17亿美元飙升至2025年的370亿美元）、速度（AI公司增长框架从SaaS的T2D3变为Q2T3）以及性能异常值（Lovable 8个月达到1亿美元ARR）。值得注意的是，网络安全赛道虽然只有76家公司，但领投率高达62%，中位轮次700万美元，定价权高度集中；国防与航空航天领投率66%，但仅12家基金活跃。相对不拥挤的赛道包括气候与能源（26家公司，12家基金）、物流（24家，13家基金）以及PropTech、EdTech等传统领域。EM在这些赛道拥有深度专长时可以避开平台碾压。
转化率：3.7倍优势背后的交易量与质量张力
巨型基金支持的种子公司走向B轮的比例是市场平均的3.7-4.2倍（SaaS和零利率时代数据），且这一差距在零利率过热期反而扩大。优势来自强大的信号效应：品牌背书、后续融资便利、网络接入和运营支持。然而，当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，14家的转化率从SaaS时代到零利率时代暴跌10-25个百分点。相关性直接——放量最猛的基金转化率跌得最惨：Sequoia交易量增长3倍（20→52笔/年），转化率从46%崩至14%；Lightspeed放量4倍，转化率从31%降至11%。唯一例外是Greylock，其保持交易量不变（11笔/年），转化率反从29%升至44%。这证明：交易量与质量始终存在张力。AI时代巨型基金正处于破纪录的部署节奏中，历史警告其转化率可能被侵蚀。
危险指数：哪些巨型基金对新兴管理人威胁最大
基于交易量、战略承诺度（早期占比）、价格重叠度三个维度构建0-10分的危险指数（满分30），最终识别出对EM威胁最大的第一梯队：General Catalyst（30分满）、a16z（29分）、Sequoia（28分）、Accel（27分）。这些基金同时在AI软件、400-600万美元轮次中大规模运作。若EM的赛道与价格区间与它们重叠，必须向LP清晰说明自身的差异化优势。反之，若EM专注于气候、物流等第一梯队基金较少覆盖的赛道，危险指数显著降低，深度专长本身即可形成护城河。
新兴管理人的反策略
巨型基金入侵种子轮不是周期性的临时现象，而是风险投资底层运作方式的永久性再校准。试图在规模化游戏中与巨头对抗是数学上的死胡同。数据揭示了它们的致命裂缝：大规模部署与转化质量之间不可逃避的张力。EM的真正优势在于赛道选择的严格纪律、耐心认购被忽视的复杂单位经济学以及在巨头注意到之前完成深度绑定。在一个崇尚纯规模的风投生态中，绝对纪律的溢价而非匹配巨头交易量，才是EM的终极反策略。