揭秘VC行业内的「潜规则」,常听的“投资回报高达几十倍”竟然是障眼法?丨什么鬼

简介: 如何才能获得更高的投资回报率(IRR)?投资机构内部又是如何运转的?.....最近投投突然对此类问题产生了浓厚的兴趣,相信不止投投一人如此,许多创业者、甚至投资人也会对此抱有好奇。于是今天投投便找来了崔欣欣先生一篇有关VC行业内的分析文章,仔细阅读完后,让人直呼大涨学问。文中崔欣欣先生用简洁的言语将投资回报率(IRR)及投资机构的运作、「精益投资」等原本晦涩的内容,分析的非常透彻直白。

      如何才能获得更高的投资回报率(IRR)?投资机构内部又是如何运转的?.....最近投投突然对此类问题产生了浓厚的兴趣,相信不止投投一人如此,许多创业者、甚至投资人也会对此抱有好奇。于是今天投投便找来了崔欣欣先生一篇有关VC行业内的分析文章,仔细阅读完后,让人直呼大涨学问。文中崔欣欣先生用简洁的言语将投资回报率(IRR)及投资机构的运作、「精益投资」等原本晦涩的内容,分析的非常透彻直白。

      崔欣欣先生拥有9年的风险投资经验,投资的案例包括黄太吉、伏牛堂、凯叔讲故事、爱空间、兔狗装修、完美环球影视等多家优秀的企业。

1、投资遵循幂次法则

      我们经常能听到投资牛人被介绍或者自我介绍的时候说“某人投资过某某项目,投资回报高达二十倍!”

      可是你从来不会听说“某人管理的VC基金给他的LP带来了超过十倍的回报!” 据统计VC行业基金年化回报率(IRR)一般在15%~30%之间。

      这到底咋回事呀?

      《从0到1》这本书里有一段这样的话:“风险投资的回报并不遵循正态分布,而是遵循幂次法则:一小部分公司完胜其他所有公司……成功基金的最佳投资所获的回报要等于或超过其他所有投资对象的总和。”

      如果从上面这幅图你还不能找到答案,那就接着看下图表格吧,这是模拟的一个极其优秀的VC基金的资金分布以及项目给予的投资回报表格:

      按照上表简单测算,6倍回报相当于7年IRR30%,在行业内已经属于登峰造极。假设这支基金投资10个项目,每个项目投资基金总额10%的资金,需要投中三个十倍以上回报的项目,三个项目能以5倍的溢价售出,三个项目可能是不温不火最终由创始人回购退出,只允许一个项目失败。

      聪明如你一定会想,要提高回报很简单呀,多投中几个十倍以上回报的公司就好了呀!可是谈何容易,业内某知名VC大牛透露,自己甚至一度研究相面术,可是经自己事后验证,对提高命中率没啥帮助。

      许多大牛在分享投资经验时,也常常在谈类似于「十投,十不投」的总结。

      「十投」是说符合某十个特征的项目就可以投,说的是如何提高命中率;而「十不投」是说发现项目呈现某种特征时就不能投,降低投中失败项目的风险。可是无论如何总结,依然难以百发百中。

2、VC行业的「潜规则」

      按照上表虚拟数据,在十倍以上回报的项目有30%,已经是相当了不起的命中率了。更何况传统VC基于风险控制的理念和自身经营的规律,还有这样的一些「潜规则」:

1)、单个项目不超过基金总额的10%;

  在许多VC基金里,这几乎是一个铁律,避免投资人因头脑发热而把资金一股脑全砸到一个项目上,即使有时候投资人对一个项目再有把握,也轻易不敢违反这条规则,因为一旦赔了整个基金血本无归,个人的投资生涯也就告一段落了。

2)、专注于某个投资阶段;

      业内同行初次见面一般除了互相问对方专注的行业领域以外,还会问“您的基金一般投资那个阶段呀?” 为什么这么问?因为确实在创业项目不同的阶段,投资人要关注的风险问题完全不同,尽职调查要关注的问题重点不同,因此对投资团队的能力侧重和资源配备要求也不相同,故而有此一问。

3)、基金业的盈利模式与募投管退四阶段;

      对VC较为了解的你应该知道,基金管理团队的收入来源有两个,一是管理费,二是管理收益(即业绩提成)。说得不好听,管理费可以说是旱涝保收,但其实基本全都用来养团队以及支付各项灯油火蜡了;真正驱动投资人过着比「创业狗」(尽管绝大部分投资人和创业者一样乐在其中)都不如的生活的,除了激动人心的过程和成就感,还有大额的管理收益。

      管理收益也是确保基金管理人和LP利益一致的最有效机制。但是管理收益一般较为滞后,至少得5年吧。可是团队自身发展也需要更多的投入,怎么办呢?

总不能等五年后才扩张团队呀?

      于是很自然的,基金一般都会在成立后的两年左右时间内完成投资期,以便于发起成立下一个基金,这样管理人就可以获得多个基金的管理费收入,用于扩充团队、机构 自身的发展,投资团队也可以有资金继续投资新项目。

      尤其是人民币基金,由于某种原因,在国外惯用的Call-Capital方式在国内不太行得通,因此人民币VC一般都会一次到位或者最多分两期到位,如果不在两年内完成投资期,出资人也会有意见。

     以上这些规则,充分确保了基金能够在有效控制风险的基础上,给予出资人合理的回报,同时也兼顾了基金管理团队自身的成长。而另一方面也是局限VC基金回报率的「罪魁祸首」。

      限制单个项目的投资上限,使得鸡蛋不会全砸在一个篮子里,但同时也限制了不能集中资金在最好的项目上;专注于某阶段的投资,即使项目后续还有超过十倍的发展潜力,由于估值已经较高、投资额较大,也不能继续追加投资,甚至即使想投资而此时基金投资期已经结束。(你可能会反驳说那如果同时管理一个早期基金和一个中晚期基金不就行了吗?是的,可一般不同基金的LP结构会有所不同,这时候恐怕也会遇到某种质疑,你懂的。)

3、VC的挑战

      据Spoke Intelligence和VB Profile今年1月份发布的数据,目前全球有229个独角兽(估值超过10亿美元的公司),其中有21家公司的估值超过100亿美元。

      而如果细看这些独角兽公司所从事的业务,不难发现这样的一个事实:由移动互联网推动的,以「互联网+」为代表的一系列创新的涌现、繁荣、以至于局部泡沫,标志着互联网对传统经济结构的渗透已经到了毛细血管级别,同时也已经宣告互联网变革的奇点来临。

      身处这样的时代,不能说不是投资人的幸福!可是,尚且不说VC自身正在面临的「股权众筹」、「供应链融资」等等金融创新的挑战,VC如何在独角兽快速崛起的时代把握住投资机会都是个严峻的问题。

      无论是过去常说的看趋势投「赛道」,又或者是「狙击手」式的贵精不贵多,似乎都不是一个最佳选择。 

      因为企业从0到1的速度更快,按照投赛道的早期投资策略,投资必然会更加分散,即使投中一个独角兽,基金整体回报依然很难提高;而用狙击手的策略也越来越不容易,可能还没等研究明白呢企业已经快速提高估值完成了新一轮的融资。

4、「精益投资」的出现

      在这个快速而又充满不确定性的时代,创新企业越来越多采用「精益创业」的低成本试错、快速迭代的方法论。这个方法论是不是可以平移到基金自身的运营呢?我们试试看结果会如何:

      解释一下:假设我们把基金分成三七两部分,30%资金依然按照原来的投资逻辑选项目,另外70%用来「补刀」,对已投资的项目中显露出「兽角」的黑马主动在其下一轮融资中占据主导位置,让优秀者更优秀,对发展不如预期的项目则不再追加投资,结果如何?基金回报竟然高达11.72倍!

      你可能说,数字游戏而已,能做到吗?

      首先,过去确实做不到!

      在工业时代,一个项目发展的相对缓慢,基本上一两年的预测还是管用的,投资后一年内项目基本上不会有质的变化。而在互联网时代,这个事情突然变成了可能,现在越来越多新创公司在种子期投资后的一年内拿到了千万美元级别的大额A轮融资。

      第二,按照传统VC的路子玩也做不到!

      等到「兽角」露出来时,基金已经完成投资期,想投资都没钱了;又或者是由于单个项目的投资上限,不可能在一个项目上砸基金总额的30%!

      结合前文总结一下,如果要实现「精益投资」的策略,必须同时具备以下四个个条件:

1)在一个独角兽迅速崛起的时代;

2)有一支专业且高效率的团队,这个团队不仅专业而且还必须对早期项目投资有丰富经验,同时也具备对中后期项目的评估体系和判断能力;

3)大量优质项目源的获取能力,能够在大约一年的时间里快速完成20-30个项目的初次投资;

4)基金设计合理,恰当的基金规模,同时必须摈弃传统VC的某些「潜规则」和旧观念。我们分享投资管理的「分享共赢」基金,就完全是按照这个这个思路来设计打造。

除了这四点,还需要许多运营细节的配套安排,有机会再撰文系统的交流。

相关文章
|
Java 数据库连接 Go
如何在Spring Boot应用中使用Nacos实现动态更新数据源
如何在Spring Boot应用中使用Nacos实现动态更新数据源
1226 0
|
8月前
|
机器学习/深度学习 数据采集 人工智能
基于生成式物理引擎的AI模型训练方法论
本文探讨了基于生成式物理引擎的AI模型训练方法论,旨在解决传统数据采集高成本、低效率的问题。生成式物理引擎结合物理建模与生成模型(如GAN、Diffusion),可模拟现实世界的力学规律,生成高质量、多样化的虚拟数据。文章介绍了其关键技术,包括神经网络物理建模、扩散模型场景生成及强化学习应用,并分析了其在机器人学习、数据增强和通用智能体训练中的实践价值。未来,随着可微物理引擎、跨模态生成等技术发展,生成式物理引擎将助力AI从静态监督学习迈向动态交互式世界建模,推动通用人工智能的实现。
469 57
基于生成式物理引擎的AI模型训练方法论
|
2月前
|
监控 API Docker
MinerU Docker 部署指南:PDF 结构化解析服务实践
MinerU 是面向开发者与科研用户的 PDF 结构化解析工具,支持将复杂版式、公式符号的科技文献精准转为 Markdown/JSON 等机器可读格式。基于“书生·浦语”大模型预训练需求研发,2.7.0 版本引入 hybrid 后端,融合 pipeline 与 VLM 优势,提升解析精度与多语言 OCR 能力。支持 Docker 部署,提供 vLLM 加速、API 服务与 Gradio 界面,开箱即用,助力科研数据高效处理。
451 1
|
8月前
|
5G Linux 网络架构
一款简单纯粹的在线测速工具 - 免费开源 | 基于LibreSpeed开源项目开发
龙腾测速网是由龙毅基于开源项目LibreSpeed美化开发的免费在线测速工具,界面简洁、功能纯粹,支持所有现代浏览器。提供上传下载速度、延迟、抖动等网络信息,测速结果精准稳定,可自动保存并导出历史记录。适用于Windows、macOS、Linux系统,无需安装,打开网页即可使用,是判断网络问题的实用工具。项目完全开源,可自由二次开发。
819 0
|
7月前
|
存储 人工智能 JavaScript
小米AI眼镜是值不值得买,看完就知道
2025年6月26日,小米正式发布首款AI眼镜,售价1999元起。搭载高通AR1芯片与恒玄2700,配备1200万摄像头、5麦克风阵列,支持录音转写、同声传译、卡路里识别等功能。可选电致变色镜片,双指轻划0.2秒变色。4GB+32GB存储组合,续航约50分钟。外观致敬Meta RayBan,经典百搭。虽定价略高,但功能丰富,适合有智能穿戴需求的用户。
|
7月前
|
缓存 监控 搜索推荐
全面解析301重定向:从原理到实践指南
301重定向是一种永久性网页跳转技术,用于将旧URL自动跳转到新URL,同时传递90-99%的SEO权重。适用于域名更换、结构调整、HTTP升级HTTPS等场景,能有效保留搜索排名和用户体验。常见实现方式包括Apache、Nginx服务器配置及编程语言控制。实施时应避免多级跳转,保持原页面可访问至少60天,并通过工具验证与监控效果。
529 7
|
8月前
|
前端开发 JavaScript 关系型数据库
终于找到它了,别再等客户提需求才开始找,开发者必备!这个开源HR工具竟然能替代市面上90%的人事系统,还能免费商用!
Frappe HR 是一款开源、现代化的人力资源与薪资管理软件,基于 Frappe 框架构建,提供员工全生命周期管理、请假考勤、费用报销、绩效管理和薪资税务处理等功能。支持移动应用和多种部署方式(托管或本地),技术架构稳定且可扩展。相比同类项目,Frappe HR 具备高度自定义能力与成本效益,适合各规模企业。项目地址:https://github.com/frappe/hrms。
702 2
|
12月前
|
SQL 关系型数据库 MySQL
MySQL 中的全文索引:强大的文本搜索利器
MySQL 的全文索引是一种用于快速搜索大量文本数据的特殊索引。它通过对文本内容进行分析(如分词、去除停用词等)并构建倒排索引,实现高效查找。创建全文索引使用 `CREATE FULLTEXT INDEX`,搜索时使用 `MATCH AGAINST` 语句。适用于 `CHAR`、`VARCHAR`、`TEXT` 等字段,但需注意性能影响和正确使用搜索语法。
578 22
|
持续交付 Python
如何在Python中自动解决模块和包的依赖冲突?
完全自动解决所有依赖冲突可能并不总是可行,特别是在复杂的项目中。有时候仍然需要人工干预和判断。自动解决的方法主要是提供辅助和便捷,但不能完全替代人工的分析和决策😉。
|
算法 C++
2022年第十三届蓝桥杯大赛C/C++语言B组省赛题解
2022年第十三届蓝桥杯大赛C/C++语言B组省赛题解
364 5