首个AI投资人来了！10万美金投资AI电商代理，仅3分钟完成签约

你能想到，有一天AI也能干投资吗？

这不是幻想，而是现实。

当传统VC需要数周完成尽职调查时，全球第一个AI投资人No Cap已经向电商AI代理公司Wonder Family投资10万美元，还推荐了5个潜在投资人。

完成整个投资决策，No Cap只用了几天，打款签约更是在3分钟内就完成了。

过去，投资机构依赖的“认知复利”正在遭遇AI算力的降维打击。这也给投资行业带来了新的变化：在AI时代，越来越多的小型VC开始崛起。

这个细节揭示了一个更深刻的趋势：

AI智能的提升正在彻底改变传统专业化分工的组织形式。当AI系统能够胜任多个职能时，组织规模将被进一步压缩。

全球首个AI投资人出手了！

这个号称世界上第一个AI天使投资人的No Cap，由Jeff wilson、Alexander Nevedovsky 和 Slava Solonitsyn打造，并在最近拿到了YC的投资。

No Cap号称是通过一个“No Cap Mafia”社区训练出来的。在这个社区里，No Cap会接受很多公司创始人的指导，目前已经有超过60位创始人（他们都是YC的校友）参与其中。他们总共融了近10亿美金，建立了数百家公司，并实现了数十次退出。

现在，No Cap已经完成了第一笔投资。它投资的第一个项目叫Wonder Family。

Wonder Family是一家开发电子商务团队AI代理的公司，他们希望通过AI代理把电商运营的工资成本下降1000倍，将产品上市时间缩短2倍。

今年2月，Wonder Family CEO阿特姆·戈德曼曾宣称，用这个AI代理建立的一个电商品牌已经带来了50万美元的收入。在整个过程中，从市场机会识别到产品优化，再到寻找供应商，甚至到最后在亚马逊、沃尔玛等平台上架，全部由AI代理完成。

更夸张的是，No Cap从接触项目到做出投资决策只花了几天时间。

No Cap背后的团队称，整个过程从初次接触到签署SAFE协议（（YC在2014年发明的标准版投资合约）仅用了几天时间。而最后的签约过程仅用了3分钟。

No Cap团队还公布了最后三分钟的签约视频。在视频中，我们能够看到，No Cap在3分钟内签署了SAFE，电汇了10万美元，并给公司介绍给了五位新投资者。

而当得知公司还需要一位CMO时，No Cap甚至还为他提供了潜在高管的线索。

根据No Cap团队设想，No Cap的价值在于，给创业者提供接入顶级创始人网络的机会，帮助他们融资、业务发展、招聘、公关市场等服务。

不过目前这个产品还没有对外公开。不过，它已经在Product Hunt上拿到了第三的排名，联合创始人AlexanderNevedovsky说，48小时他们获得了40万次浏览量和2500次的请求(跟No Cap Pitch项目)。

/ 02 /

工作替代背后，组织正在快速压缩

从短期看，虽然No Cap完全取代投资人进行决策，基本不现实。

但这至少代表了一种新的方向：当AI带来无限智能，以前需要依靠人来做的事，越来越多被AI替代。这事放在看似智力密度最高的VC行业也同样成立。

这种替代趋势所带来的直接影响是，在AI时代，组织规模被极大压缩了。

这一点，乌鸦君曾经写过一篇文章。大致意思是：在AI时代，小团队正在创造越来越多的商业奇迹。

比如，Cursor用了21个月，就从0做到了年收入1亿美元，但公司只有30个人；Bolt做到2000万美元只花了2个月，同样只有15人；Midjourney用了2年做到2亿美元，公司人数只有49人；

事实上，团队压缩的趋势在投资行业也同样存在。

那就是一大波投资人纷纷离开之前的VC，并创立比较小但更加垂直专注的VC。根据TC的一个统计，过去一年，已经有数十位大机构的合伙人离开。

比如，今年年初，美国知名VC机构Sequoia Capital的合伙人Matt Miller（马特·米勒）宣布离职，并将成立个人品牌的Solo VC。

而在这之前，Greylock Partners的管理合伙人Sarah Guo成立的Conviction，团队也主打一个短小精干。截至目前，团队规模也只有5人。

投资人纷纷辞职单干，固然是被AI产业机会所吸引，但也离不开AI对工作效率的提升，尤其在研究和尽调等信息处理环节。

而组织压缩背后是工作模式的变化。

在传统组织架构中，往往极度依赖所谓的专业化分工，同部门负责设计、分析、执行等环节。但当AI系统能够胜任多个职能时，成为“通才”的时候，这种模式可能不再必要。

这样一来，对人数规模的要求自然也大大降低了。虽然人数要求变少了，但也对人才提出了更高的要求。

微软和卡内基梅隆大学对319名知识工作者的调查，揭示了AI如何改变“批判性思维”的内涵。这个研究的结论是，AI工具正从三个维度重塑人类的工作方式：从收集信息到验证信息，从解决问题到整合AI输出，从执行任务到监督任务。

这意味着，虽然人类把相当大的一部分工作让渡给AI，但实际流程中的作用不仅没有因为工作量减少而边缘化，反而变得更为关键。

原因很简单，验证、整合和监督，对人的综合能力要求更高，需要人从更高维度上对信息进行判断和处理。

毕竟，在一个“确定性和不确定性混合的世界”中，最终承担决策结果的还得是人。

文/林白

PS：如果你对AI大模型领域有独特的看法，欢迎扫码加入我们的大模型交流群。