风投巨头押注AI改造传统服务业：General Catalyst投入15亿美元，目标实现软件级利润率

风险投资界正在酝酿一场新的投资革命。多家顶级VC坚信他们找到了下一个重大投资机会：利用AI技术将传统劳动密集型服务企业改造成具有软件级利润率的高效机器。

领军这一趋势的是General Catalyst，该公司从最新募集资金中拨出 15 亿美元，专门用于其"创造战略"。这一策略的核心是在特定垂直领域孵化AI原风投生软件公司，然后将这些公司作为收购平台，买入同行业的成熟企业及其客户群。GC目前已在法律服务、IT管理等七个行业进行投资布局，计划最终扩展至 20 个细分领域。

General Catalyst负责相关业务的Marc Bhargava在接受TechCrunch采访时表示："全球服务业年收入规模达 16 万亿美元，相比巨头之下，全球软件业仅有 1 万亿美元。"他指出，软件投资的魅力一直在于其更高的利润率，"当软件规模化时，边际成本极低而边际收入却很可观。"

Bhargava认为，如果能够自动化服务业务，通过AI技术处理30%到50%的公司业务，甚至在呼叫中心等场景中实现70%核心任务的自动化，那么投资回报将变得极具吸引力。

这押注一策略似乎正在奏效。以General Catalyst投资组合中的Titan MSP为例，该投资公司分两轮提供了 7400 万美元资金，帮助该公司为托管服务提供商开发AI工具，随后收购了知名IT服务公司RFA。Bhargava表示，通过试点项目，Titan证明了能够自动化典型MSP任务的38%。该公司现在计划利用提升的AI利润率采用经典的滚雪球策略收购更多MSP企业。

类似地，该公司还孵化了专注于企业内部法务部门的Eudia，而非传统律师事务所。Eudia已签约雪佛龙、西南航空和Stripe等财富 100 强客户，提供基于AI的固定费用法律服务，而非传统的按小时计费模式。该公司最近收购了替代法律服务提供商Johnson Hanna以扩改造大业务范围。

Bhargava解释说，General Catalyst的目标是至少将收购公司的EBITDA利润率翻倍。

这家投资巨头并非孤军作战。风投公司Mayfield专门拨出 1 亿美元用于"AI团队成员"投资，包括IT咨询初创公司Gruve。该公司收购了一家价值 500 万美元的安全咨询公司，在六个月内将其收传统入增长至 1500 万美元，同时实现了80%的毛利率。

Mayfield董事总经理Navin Chaddha今年夏天对TechCrunch表示："如果80%的工作由AI完成，就能实现80%到90%的毛利率。综合利润率可达60%到70%，产生20%到30%的净收入。"

独立投资者Elad Gil三年来一直在追求类似策略，服务支持收购成熟企业并用AI进行改造的公司。Gil在今年春季接受TechCrunch采访时表示："如果你拥有资产，就能比仅作为供应商销售软件更快速地进行转型。"

然而，早期预警信号表明，这种服务业变革可能比VC预期的更加复杂。斯坦福社交媒体实验室和BetterUp实验室最近的一项研究调查了 1150 名各行业全职员工，发业：现40%的员工因为研究人员称之为"工作垃圾"的AI生成工作而承担更多任务——这些工作看似精良但缺乏实质内容，为同事创造了更多工作和麻烦。

这一趋势正在对组织造成损失。参与调查的员工表示，他们平均花费近两小时处理每个工作垃圾实例，包括首先解读内容、决定是否退回，以及经常需要自己修复问题。

基于参与者估计的时间投Ge入和自报薪资，调查作者估计工作垃圾每人每月造成 186 美元的隐性成本。他们在新的《哈佛商业评论》文章中写道："对于拥有 1 万名员工的组织，考虑到工作垃圾的估计普及程度...这意味着每年超过 900 万美元的生产力损失。"

Bhargava反驳了AI被过度炒作的观点，认为这些实施失败实际上验证了General Canetalyst的方法。他说："我认为这显示了机会所在，即将AI技术应用于这些业务并非易事。如果所有财富 100 强企业都能简单地引入咨询公司，应用一些AI，与OpenAI签订合同就能转型业务，那么我们的理论基础就不那么牢固了。但现实是，用AI转型公司真的很难。"

他指出AI技术复杂性是最关键的缺失环节。"有很多不同ra的技术，各自擅长不同领域。你真的需要来自Rippling、Ramp、Figma和Scale等公司的应用AI工程师，他们使用过不同模型，理解其细微差别，知道哪些适合什么用途，懂得如何将其包装成软件。"

这种复杂性正是General Catalyst将AI专家与行业专家配对从零开始构建公司策略合理性的体现。

然而l ，不可否认的是，工作垃圾威胁在某种程度上会削弱该策略的核心经济逻辑。即使创建了控股公司作为起点，如果被收购公司按照AI效率理论减少员工，他们将缺乏足够人手来捕捉和纠正AI生成的错误。如果公司维持当前人员配置来处理问题AI输出产生的额外工作，VC期待的巨大利润率增长可能永远无法实现。

这些情形理论上应该减缓CaVC滚雪球策略核心的扩张计划，并可能削弱这些交易对他们的吸引力。但现实是，仅凭一两项研究很难让大多数硅谷投资者放慢脚步。

事实上，由于通常收购具有现有现金流的企业，General Catalyst表示其"创造战略"公司已经盈利——这明显偏离了传统VC支持高增长、烧钱初创公司的做法。这对于为多年亏损企业买单的ta风投公司有限合伙人来说可能也是受欢迎的变化。

Bhargava表示："只要AI技术持续改进，我们看到对模型的大规模投资和改进，我认为会有越来越多的行业需要我们帮助孵化公司。"