合伙人 Martin Mignot 首次复盘：伟大创始人比宏大市场更值钱，错过 Spotify 的教训是“偏见比无知更贵”，而欧洲若想诞生 AI 巨头，必须跨过资本密度、市场分裂、人才外流三道槛。读完这篇，你会看懂顶级 VC 的底层逻辑，也明白为什么下一个 OpenAI 仍大概率不在欧洲。

在全球资本市场上，Index Ventures 正处在高光时刻。过去三个月，他们相继完成了 Wiz 以 320 亿美元出售、Scale 以 149 亿美元出售，并作为最大投资方推动 Figma 成功 IPO。

除去这些退出案例，Index 还是 Roblox、Revolut、Adyen 和 Datadog 的最大或第二大股东，几乎覆盖了全球最具代表性的成长型科技公司：

Index 基金合伙人 Martin Mignot 就创始人特质以及 Spotify 投资案例留下的长期阴影做出了反思，并指出欧洲与美国创始人在心态与行动上的差异，提出欧洲如果要想孕育一个全球性的 AI 巨头，必须解决资本密度、市场分散与人才流动的结构性问题。

创始人特质比市场规模更重要

在早期投资中，创始人的个人特质往往比市场规模更具决定性。很多人会从 TAM 出发，认为只有巨大的市场才值得创业，但现实中真正能打破格局的企业，往往来自一开始并不显眼的领域。一个优秀创始人能把看似狭小的市场做大，而一个平庸的创始人即使站在庞大市场，也很可能一事无成。

过去二十年中，最具代表性的例子就是 Adyen。在线支付在 2006 年并不被视为巨大的市场，当时已经有 Paypal 等成熟公司存在。但 Adyen 创始团队极度专注于产品执行，从第一天起就为商户提供全球化的支付通道。靠着持续的迭代和高效的执行力，公司逐渐成长为一家价值数百亿美元的全球支付巨头。这证明了市场大小从来不是决定成败的核心，创始人的格局和执行力才是关键。

Figma 也印证了这一逻辑。在最初，设计软件市场看似已经被 Adobe 完全垄断，新进入者的机会微乎其微。但 Figma 创始人凭借技术突破和产品体验的差异化，硬是在这样一个成熟市场中撕开了缺口。随着协作功能的加入，Figma 的使用场景不断扩大，最终成长为全球设计平台的代表。

相反，许多“巨大市场”的案例却证明了另一面。共享出行一度被视为千亿美元级市场，无数创业者涌入，但真正能长期存活并实现规模化盈利的企业屈指可数。在线教育、食品外卖同样如此，赛道足够大，但多数公司在烧钱竞争中倒下。市场规模再大，如果创始人无法构建长期护城河，最终结果依然是失败。

这种差异的根本在于创始人的特质。强烈的使命感、对产品的极致追求，以及在逆境中不断突破的韧性，是投资人最看重的品质。与其纠结市场的绝对大小，不如判断创始人是否具备扩展边界的能力。伟大的创始人能够重新定义行业，甚至创造出原本不存在的市场。

在投资逻辑中，这意味着早期的判断必须从“人”出发，而非单纯的市场数据。最值得押注的项目，往往是那些创始人展现出超强驱动力和愿景感的公司，即使他们起步的赛道看似不够庞大。

Spotify 的遗憾与投资偏见

在投资判断中，过去的经验往往会带来偏差。音乐流媒体就是一个典型例子。Index 曾因投资过 Last.fm 而对音乐产业持悲观看法，认为唱片公司掌控过多权力，创业公司几乎没有生存空间。

正因如此，在遇到 Spotify 时，即便创始人条件出色、产品体验优异，依旧多次错失机会。Spotify 成为 Index 历史上最具代表性的遗憾。

类似的偏见不仅来自失败投资，也可能源于成功案例。金融科技领域的 Revolut 就形成了另一种路径依赖。由于 Revolut 的增长表现极其突出，团队在审视其他新兴银行或支付公司时，常常不自觉地拿它作为参照，进而得出“没有更优解”的结论。成功案例会让投资人产生一种错觉：行业赢家已经出现，其他公司不再值得投入。

市场时机同样容易加深偏见。法国在智能手机普及之前曾有创业者尝试外卖配送，受限于定位和通信条件，效率极低，完全无法规模化。等到智能手机成熟，Deliveroo 这样的模式才真正成立。由此形成的教训是，市场时机的重要性不可忽视，但过早的失败不应成为否定整个赛道的理由。

微出行行业经历了类似的过程。Cowboy、Lime 等公司曾面对供应链、硬件成本和公共交通补贴的多重挑战，使得模式看起来不具可持续性。然而几年之后，随着市场接受度提高和基础设施改善，行业逐渐出现了真正的赢家。即使在高度不确定的行业，也总有少数公司能突破重围。

早期投资中，毛利率往往是争议焦点。Revolut 在种子阶段就曾因外汇业务毛利率过低而遭遇质疑，Snowflake 也在早期面临同样问题。但随着规模扩大和基础设施优化，毛利率逐渐改善。在早期阶段，低毛利率几乎从来不是致命问题，真正的关键在于产品是否具备增长潜力。

这点在 AI 应用公司身上表现得尤为突出。大型语言模型的服务成本在初期很高，毛利率不足，但随着算力价格下降和系统迭代，几年之内完全可能被扭转。如果因为当前的毛利率问题而放弃投资，长期潜力就会被错失。关注增长和市场接受度，比过早计较毛利率更重要。

投资偏见往往来自过度依赖理性分析。经验和逻辑推演虽然能降低错误，却也容易成为束缚。当面对杰出的创始人和正在积累真实用户动能的产品时，最合理的做法往往是少一些怀疑，多一些直觉。

欧洲与美国创始人的差别

在创始人群体的比较中，欧洲与美国呈现出显著差异。首先在野心层面，美国创始人往往从一开始就设定了全球化的目标，他们的叙事框架和市场愿景天然是面向世界的。相比之下，欧洲创始人更倾向于从本土市场出发，先解决局部问题，再逐渐扩展到其他国家。这种思维差异决定了公司发展的路径，美国企业更容易在早期便占据大规模市场，而欧洲企业则常常在扩张速度上落后一步。

资金环境的差异也加剧了这种鸿沟。美国长期拥有深厚的风险资本市场，早期和成长期投资的资金供给充足，创始人更容易获得大规模融资，从而快速扩张。而欧洲的资本市场相对保守，大额融资机会稀缺，导致创始人在扩张节奏和资源调配上受到限制。即使在项目潜力相当的情况下，欧洲公司往往需要更多时间去争取同等规模的市场份额。

在文化层面，美国创始人普遍具备更强的自信和说服力，他们善于讲故事，能够把一个未成熟的构想包装成面向未来的巨大机会，吸引投资人和人才加入。欧洲创始人则更务实，注重产品与技术本身，倾向于先证明价值，再扩大叙事。这种差异让美国公司更容易在资本市场获得超额关注，而欧洲公司则更依赖长期的执行力去赢得认可。

监管和市场环境也是不可忽视的因素。欧洲市场高度分散，不同国家在语言、法规、消费者习惯等方面存在明显差异。创始人在跨国扩展时，需要投入大量精力去适应各地市场的复杂性。而美国作为一个统一的大市场，企业可以在单一市场内实现规模化，再以强大的基础进入全球。正因如此，欧洲创始人常常在本土被困于多重挑战，而美国创始人则能更快地走向国际舞台。

这种差异也体现在公司治理上。美国公司更容易吸引国际化的管理团队，从而在不同阶段保持高效的组织能力。欧洲公司虽然人才质量并不逊色，但在高管团队的国际化程度上往往不及美国同行。长远来看，这种组织层面的差距，会放大成企业成长曲线的差别。

不过，这并不意味着欧洲缺乏成功的创业者。像 Revolut、Adyen、Spotify 这样的公司，证明了即便在环境不利的情况下，依然可以诞生具有全球竞争力的企业。欧洲创始人往往在韧性和执行力上更胜一筹，他们能够在艰难环境中不断迭代，最终打造出长期价值。

美国创始人与欧洲创始人的差别，本质上是环境塑造与文化导向的不同。美国模式强调速度、资本与叙事，欧洲模式则强调韧性、执行与长期主义。这两种模式各有优劣，但在全球竞争加速的今天，差距依然明显存在。

欧洲能否诞生一个 AI 巨头

关于欧洲能否诞生一家全球领先的 AI 公司，这个问题在资本与创业圈被频繁讨论。答案并非简单的乐观或悲观，而是需要结合产业格局、资金环境和人才结构来分析。

首先在资金层面，AI 巨头的形成需要极高的资本密度。模型训练、算力采购、顶尖团队引进，这些都意味着数十亿甚至数百亿美元的长期投入。美国之所以能孕育 OpenAI、Anthropic、xAI 等企业，根本原因是有足够多的深口袋资金支持。而欧洲长期以来在大规模成长型资本供给上不足，即便有优秀的初创公司，也往往在成长关键期缺乏足够融资。没有资本密度，就难以支撑一个 AI 企业走到全球领先的规模。

其次是生态和市场。美国拥有统一的大市场和与之配套的企业采购能力，大公司愿意快速尝试新技术，并形成飞轮效应。而欧洲市场高度分散，不同国家在语言、法规、数据隐私等方面存在显著差异，这让一家初创公司很难以统一节奏扩张，市场的阻力被成倍放大。即使公司有技术优势，也往往在规模化速度上落后。

人才的流动也对结果产生决定性影响。美国集中了最顶尖的 AI 人才，从学术界、研究实验室到商业公司，都形成了全球最密集的人才网络。很多在欧洲培养的优秀研究者，最终选择前往美国加入大模型企业或科研机构。欧洲要想孕育巨头，必须解决人才外流的问题，并在本地形成长期留存和吸引机制。

不过，欧洲并非没有优势。首先在基础研究领域，欧洲的学术力量依旧强大，像 DeepMind 就是源自伦敦的科研环境，足以证明欧洲有孕育顶级 AI 科研成果的土壤。其次在监管和数据隐私上，欧洲处于全球领先地位，企业更有机会在合规和可信赖的框架下，构建差异化的竞争壁垒。如果未来 AI 企业必须在安全与合规方面达到更高要求，欧洲模式可能会转化为战略优势。

目前欧洲最具潜力的候选者来自几个方向：一类是金融科技与 AI 的结合，比如 Revolut 这样的公司，在用户规模和数据基础上已经具备潜力，如果能深度引入 AI，有可能向全球性平台进化；另一类是垂直领域的 AI 应用公司，在医疗、能源、制造等领域，欧洲有着深厚的产业基础，如果能利用 AI 提升效率和生产力，或许能在特定领域建立起全球领先地位。

但整体而言，欧洲要想真正诞生一家可与美国抗衡的 AI 巨头，还需要在三个方面发生根本性突破：其一是资本规模的跨越，从数亿美元到数十亿美元的投入，必须有本地资金支持，而不仅依赖跨境资本；其二是市场一体化的提速，降低跨国扩展的摩擦成本；其三是人才体系的完善，让研究者和创业者有理由在欧洲长期扎根。

如果这些条件能够部分满足，欧洲完全有机会孕育一家 AI 巨头；但在现阶段，差距依旧显著，美国的领先优势短期内难以撼动。 这既是欧洲创业者面临的挑战，也是他们未来可能创造历史的机会。