Keyboard shortcuts

Press ← or → to navigate between chapters

Press S or / to search in the book

Press ? to show this help

Press Esc to hide this help

第 17 章 · Due Diligence：四维深尽调

核心命题：AI 项目 DD 必须是「技术 / 市场 / 团队 / 数据」四维同时深入——任何一维浅，整个判断就错。 决策框架：「天际铁三角」+ 100 项尽调 checklist。

17.1 张倩的「天际铁三角」

「我做 AI 投资 10 多年，最后归纳为『天际铁三角』：

  1. 抓需求 / 市场刚需——这个赛道客户是不是真的需要？
  2. 技术与产品竞争力——这家公司的技术 / 产品是否有持续优势？
  3. 人——团队能不能熬过 5-10 年？

三者缺一不可。但比这三条更关键的，是判断赛道的爆发时机——你判断对了，但时机不对，等于白做。」[1]

铁三角 + 时机 = 4 维深尽调。

17.2 四维深尽调的具体动作

维度 1：技术尽调

核心问题：

  • 模型 / 算法是否真的有差异化？
  • 工程实现是否可扩展？
  • 数据来源是否合规且独家？
  • 推理 / 训练成本结构？

具体动作：

  1. 核心团队 1-on-1 技术深谈（2-3 小时，挑战他们的技术决策）；
  2. 代码 review（如果是开源项目，看 commit 质量；闭源项目要求 code walk-through）；
  3. 架构图 review（让创始人画 system architecture）；
  4. 第三方专家咨询（找 1-2 位非利益相关学者验证）；
  5. benchmark 对比（要求公司在公开 benchmark 上 reproduce 结果）。

红旗信号：

  • 技术 PPT 看起来漂亮但代码仓库空荡荡；
  • 创始人不能解释自己 system 的关键决策；
  • benchmark 结果无法复现；
  • 「我们的模型比 OpenAI 好」类无证据声称。

维度 2：市场尽调

核心问题：

  • TAM 多大？
  • 客户付费意愿真实吗？
  • 竞争格局如何？
  • 监管 / 政策风险？

具体动作：

  1. TAM 计算 review（让创始人解释 TAM 计算逻辑，挑战假设）；
  2. 客户访谈（直接和 5-10 个潜在客户 / 已有客户聊）；
  3. 竞争对手深扫（列出 Top 10 竞争对手，逐一对比）；
  4. 行业专家咨询（找垂直行业的资深从业者 sense check）；
  5. 政策风险评估（与法律顾问聊监管动态）。

红旗信号：

  • TAM 计算「乘以中国市场 1.4 亿」——简单粗暴的口径；
  • 客户访谈中没有人愿意付钱；
  • 「我们没有竞争对手」——通常说明对市场不了解；
  • 监管不确定的赛道（如 AI 教育、AI 医疗、AI 金融）。

维度 3：团队尽调

核心问题：

  • 创始人是否符合「7 维骑师画像」（详见第 3 章）？
  • 团队是否稳定？
  • 关键岗位是否齐备？
  • 团队动力是什么？

具体动作：

  1. 创始人深度面谈（3-5 次，至少包括一次跨城市 / 跨国家面谈）；
  2. 背景调查（前公司同事 / 前合伙人 reference call，至少 5 个）；
  3. 核心团队全员见面（不只创始人，要见 CTO / VP Engineering / VP Sales）；
  4. 价值观对齐（创始人的长期愿景是否符合你的基金的判断）；
  5. 股权结构 review（创始人 + 早期员工股权占比合理吗？）。

红旗信号：

  • 创始人多次 pivot 但讲不出清晰逻辑；
  • 核心团队中有人离职（特别是技术 lead）；
  • 股权过度稀释（创始人 < 30% 在 A 轮已经是问题）；
  • Reference 中负面评价超过 1 条。

维度 4：数据尽调

核心问题：

  • 用户 / 营收数据真实吗？
  • 单位经济（unit economics）是否健康？
  • 增长曲线是否可持续？

具体动作：

  1. 数据访问授权（直接看 Mixpanel / Amplitude / Stripe 后台）；
  2. 单位经济模型（让创始人提供详细的 LTV / CAC / payback period）；
  3. 同期数据对比（和行业 benchmark 对比）；
  4. 第三方审计（聘请独立审计师做财务尽调）；
  5. 场景模拟（如果增长持续 / 减速 / 反转，公司表现如何？）。

红旗信号：

  • 创始人不愿意 share 数据后台访问；
  • 数据「断点」（某月突然增长 500%，无合理解释）；
  • LTV / CAC < 3（行业不健康）；
  • payback period > 24 个月（资金压力大）。

17.3 100 项 AI 项目尽调清单

把四维细化为 100 项可勾选 checklist：

技术（25 项）

  1. 核心创始人有 transformer / RL 真实工作？
  2. 团队中有 NeurIPS / ICML 一作？
  3. 模型架构是否原创？
  4. 训练数据来源合规？
  5. 训练数据规模？
  6. 数据是否独家？
  7. 微调策略？
  8. 推理优化（vLLM / SGLang）？
  9. 算力来源？
  10. 算力成本占营收比例？
  11. 模型 benchmark 是否可复现？
  12. 模型是否开源？
  13. system architecture 可扩展？
  14. 工程团队规模合理？
  15. 代码 review 质量？
  16. CI/CD 完善？
  17. 监控 / 可观测性？
  18. 安全 / 合规审计？
  19. 技术债务评估？
  20. 下一代技术 roadmap？
  21. 专利布局？
  22. 学术合作？
  23. 开源贡献度？
  24. 工具链选择合理？
  25. 技术风险评估？

市场（25 项）

  1. TAM 计算合理？
  2. SAM / SOM 清晰？
  3. 客户购买流程合理？
  4. 已有付费客户？
  5. NPS / CSAT 高？
  6. 客户分散度？
  7. 客户续约率？
  8. 销售周期合理？
  9. 竞争对手 Top 10 列出？
  10. 竞争差异化清晰？
  11. 监管风险评估？
  12. 政策动态跟踪？
  13. 国际化潜力？
  14. 数据合规（GDPR / 中国数据安全法）？
  15. 行业 trend 数据？
  16. 替代品分析（不只直接竞争对手）？
  17. 客户访谈 ≥ 5 个？
  18. 行业专家访谈 ≥ 3 个？
  19. 销售模式（self-serve / sales-led）？
  20. 定价策略？
  21. 客户预算来源（budget owner）？
  22. 销售周期 vs payback period 匹配？
  23. 客户的「第一个 100 万 ARR」路径清晰？
  24. 客户「Reference customer」名单？
  25. 行业 SI 关系？

团队（25 项）

  1. 创始人技术深度（按第 3 章 7 维评估）？
  2. 创始人速度（产品迭代频率）？
  3. 创始人学习能力？
  4. 创始人长期主义？
  5. 联合创始人多元性（技术 + 商业）？
  6. CTO / VP Engineering 实力？
  7. VP Sales / GTM 实力？
  8. 核心团队 stick rate 5 年+？
  9. Reference call 5 个以上？
  10. 前公司同事评价？
  11. 价值观对齐？
  12. 股权结构合理？
  13. ESOP 设计合理？
  14. 招聘 pipeline 健康？
  15. 团队规模 vs 阶段匹配？
  16. 团队远程 / on-site 文化？
  17. 多元性（性别 / 国籍 / 背景）？
  18. 团队稳定性（关键人离职率）？
  19. 创始人对外沟通能力？
  20. 创始人危机处理能力？
  21. 创始人健康 / 精神状态？
  22. 团队和投资人关系？
  23. 创始人对 LP 的态度？
  24. 团队冲突解决机制？
  25. 治理结构合理？

数据（25 项）

  1. 用户增长曲线？
  2. 留存曲线（cohort retention）？
  3. 付费转化率？
  4. ARPU？
  5. NRR？
  6. 月营收增速？
  7. ARR 规模？
  8. 单位经济（LTV / CAC）？
  9. payback period？
  10. 现金消耗（burn rate）？
  11. runway 充足？
  12. 客户增长 vs 营收增长匹配？
  13. 数据后台访问授权？
  14. 数据「断点」解释？
  15. 季度环比 vs 年度同比？
  16. Top 1 客户营收占比 < 30%？
  17. 客户行业分散？
  18. 销售管道（pipeline）健康？
  19. closed-won 比例？
  20. 财务审计完整？
  21. 税务合规？
  22. 知识产权清晰（无侵权）？
  23. 数据隐私合规？
  24. 网络安全审计？
  25. 应急预案 / 灾备？

评分

每项 0-3 分（fail / poor / good / excellent）：

  • 240+ 分（300 满分）：A 级项目，强烈推荐
  • 180-239 分：B 级，选择性
  • <180 分：高风险，pass

17.4 一份完整 DD 报告示例（节选）

为了让 DD 流程更具体，给一个示例（匿名化处理）：

项目：某 AI Agent 公司（垂直法律赛道） 轮次：Pre-A，融资 1500 万人民币，估值 8000 万人民币 DD 周期：4 周

Executive Summary

  • 建议：投资（A- 级）
  • 核心论点：
    • 技术：创始人是法律 + AI 双背景（罕见组合）
    • 市场：法律 SaaS TAM 中国 50 亿人民币，AI Agent 切走 30% 在 5 年内
    • 团队：创始人 + CTO 合作 8 年（前 LegalTech 公司）
    • 数据：3 个 LOI（顶级律所）+ 月营收 10 万人民币（早期）
  • 风险：
    • 销售周期长（律所 6-9 个月）
    • 监管不确定（最高法 AI 司法应用规定 2026 年讨论）

详细 DD 评分（300 满分）

  • 技术维度：68/75 分（A 级）
  • 市场维度：56/75 分（B+ 级）
  • 团队维度：72/75 分（A 级）
  • 数据维度：48/75 分（B 级，但项目阶段早）
  • 总分：244/300 = A- 级

关键风险

  • 销售周期长 vs runway 短（需要 18 个月内见 PMF，否则需要 bridge）
  • 监管动态不确定（建议 hold 部分股权直到 2026 年监管落地）

投资条件

  • 1500 万 + 24 个月 runway
  • 董事会 1 席
  • 季度数据汇报

17.5 反例与陷阱

陷阱 1：「走过场」DD

很多 VC 在 hot deal 时「简化 DD」——技术只看 PPT、市场只看 BP、团队只见创始人 1 次。这是为高估值付费。

正确做法：所有项目都做完整 DD，无论时间多紧。如果时间真的紧，宁可错过。

陷阱 2：「确认偏见」

看了创始人觉得「他真厉害」，DD 时只看证明这个判断的信息。正确做法：DD 时主动找「反对自己判断」的证据。

陷阱 3：信任他人 DD

「X 基金已经 DD 过了，我们就跳过」——这是错误。不同基金的判断标准不同，跟随他人 DD 等于放弃自己的 alpha。

陷阱 4：忽视数据访问

「创始人不愿意给数据后台访问」——这本身就是大红旗。真实数据的项目，创始人会主动给访问。如果不给，要么是没数据，要么是数据有问题。

17.6 落地清单

给 VC 投资人

  1. 建立完整 DD checklist：基于 100 项 + 自定义；
  2. 每个项目至少 4 周 DD：不要为 hot deal 省时间；
  3. 多人 DD：不要让 1 人独自完成所有维度；
  4. 第三方专家：技术 + 市场 + 法律各 1 位独立顾问；
  5. DD 报告标准化：每个项目同样格式，便于团队 review。

给 AI 创业者

  1. 主动 facilitate DD：给 VC 数据后台、code walk-through、客户访谈机会；
  2. 准备 Reference list：5-10 个前公司同事 + 客户的联系方式；
  3. 不要包装数据：会被发现，信任崩塌；
  4. 接受深度技术面试：好 VC 会让你解释 system design——这是好事。

给 LP

  1. 看 GP 的 DD 流程：要求 GP 展示一份 anonymized DD 报告样本；
  2. 看 DD 时长：好 GP 平均 DD 周期 4-6 周。

17.7 DD 的 5 个关键节点

完整 DD 周期 4-6 周。每个阶段都有「生死节点」：

节点 1：DD Kick-off（第 1 天）

  • 团队角色分工（谁负责技术、谁负责市场、谁负责团队）
  • 期望产出（DD memo 格式）
  • 时间节奏（每周一次进度同步）

节点 2：技术 deep dive（第 1 周）

  • 创始人 + 核心技术 1-on-1（2-3 小时）
  • Code walk-through（1-2 小时）
  • 第三方专家咨询（1-2 位）

节点 3：客户访谈（第 2 周）

  • 5-10 个客户 / 潜在客户访谈
  • 每个 30-60 分钟
  • 关键问题：「没有这个产品你怎么办？」

节点 4：财务 / 数据审查（第 3 周）

  • 数据后台访问
  • 单位经济模型
  • 第三方审计（如必要）

节点 5：综合评估 + IC（第 4 周）

  • DD memo 撰写（10-30 页）
  • IC 会议
  • Term sheet 谈判

任何节点超期 1 周以上，重新评估时间表。

17.8 DD 的「最后一英里」

很多 DD 在前 80% 顺利，死在最后 20%——三个常见原因：

原因 1：估值谈判崩裂

DD 完成后估值谈不拢——因为 DD 期间没沟通预期。

正确做法：DD 第 1 周就和创始人预定一个估值区间。如果 DD 顺利，按上限；不顺利，按下限或 pass。

原因 2：尽调发现 deal-breaker

例如发现：

  • 创始人有未披露的债务 / 诉讼
  • 公司有未披露的 IP 纠纷
  • 关键客户合同即将到期 / 流失
  • 团队中有人即将离职

正确做法：DD memo 最后一节专门写 deal-breaker，每个 deal-breaker 标注「确认 / 待确认 / 已澄清」。

原因 3：LP / GP 内部分歧

DD 完成后，GP 觉得应该投，但 LP 反对（或反之）。

正确做法：DD 期间就和关键 LP / GP 沟通，避免最后 surprise。

17.9 DD 报告的标准化模板

天际资本等顶级 VC 的 DD 报告通常有标准化模板。简化版本：

# DD 报告：[公司名]
## Executive Summary（1 页）
- 建议（投 / pass / 待定）
- 核心论点（3-5 条）
- 关键风险（3-5 条）
- 投资条件

## 1. 公司概况（2 页）
- 创立时间、地点
- 核心产品 / 服务
- 团队构成
- 当前融资状况

## 2. 技术尽调（5-10 页）
- 模型 / 算法分析
- 工程 / 架构 review
- 数据来源 / 合规
- 第三方专家意见

## 3. 市场尽调（5-10 页）
- TAM / SAM / SOM 分析
- 竞争格局
- 客户访谈摘要
- 监管 / 政策评估

## 4. 团队尽调（3-5 页）
- 创始人画像
- 核心团队评估
- Reference call 摘要
- 股权结构

## 5. 数据 / 财务（5-10 页）
- KPI 趋势
- 单位经济
- 现金 / runway
- 财务审计要点

## 6. 综合评估（2-3 页）
- 100 项 checklist 评分
- SWOT 分析
- 投资 vs 不投资的对比

## 7. 投资建议（1-2 页）
- Term sheet 关键条款
- 投后管理计划
- 风险应对预案

## 附录
- 完整数据 dump
- 客户访谈记录
- Reference call 记录
- 法律 / 财务尽调清单

17.10 「Reverse DD」：让创业者评估你

DD 是双向的。优秀创业者会反向尽调 VC。

如果你是 VC，主动 facilitate reverse DD：

  1. 公开 portfolio：让创业者看你过去投过什么
  2. 介绍 portfolio CEO：让他们和你的 portfolio CEO 直接聊
  3. 分享决策流程：你的 IC 怎么开？多久做决策？
  4. 沟通投后期望：你打算如何参与？董事会角色？
  5. 讨论分歧场景：如果未来有分歧，怎么处理？

优秀创业者一定会做 reverse DD——如果他不做，可能是没经验或经验不足。

本章小结

「天际铁三角」+ 时机 = AI 项目 4 维深尽调。

4 维：技术、市场、团队、数据——任何一维浅，整个判断就错。

100 项尽调清单（25 + 25 + 25 + 25），300 分满分制。

4 个陷阱：走过场 DD、确认偏见、信任他人 DD、忽视数据访问。

引用

  • [1] 新浪财经 (2025-09-07)：雷军和张一鸣背后的女人
  • [2] Secrets of Sand Hill Road (Scott Kupor) — DD 流程标准
  • [3] Bessemer / a16z DD framework 公开资源