申宝配资华人创业者打造＂首个AI原生投行＂：1200万美元A轮背后的商业逻辑

华人创业者打造的“首个AI原生投行”OffDeal申宝配资，刚刚完成了1200万美元的A轮融资，估值达到1亿美元。这家投行的商业模式彻底颠覆了传统华尔街的投资银行模式，通过AI技术重构了投行业务流程，专注于服务那些被传统投行忽视的小企业。本文将深入探讨OffDeal如何利用AI技术解决小企业并购的结构性困境，以及其商业模式背后的深层逻辑和未来金融科技发展的新方向。

你有没有想过，华尔街那套古老的投资银行模式可能已经彻底过时了？

一个 25 岁的年轻人 Sam Mielke，从一所中西部公立大学毕业，在明尼阿波利斯一家没人听过的小投行干过几年，今年却有望靠 AI 辅助卖出十几家公司赚到 200 万美元奖金。他正在颠覆的，是那个被精英门第和严格等级制度定义了几十年的华尔街行业。

这不是什么励志鸡汤故事，而是正在真实发生的行业变革。

OffDeal 刚刚完成了由 Radical Ventures 领投的 1200 万美元 A 轮融资，估值达到 1 亿美元，他们给自己的定位很清晰：世界首家 AI 原生投资银行，要做”小企业的高盛”。

我一直在思考 AI 对传统金融服务的冲击会有多深。

大部分人关注的是 AI 如何替代金融分析师的工作，但我发现 OffDeal 代表的趋势更加根本：他们不是简单地用 AI 工具来提升效率，而是从零开始重新构想投资银行应该是什么样子。创始人 Ori Eldarov 在 RBC 工作了六年，在纽约和伦敦都待过，后来去哈佛商学院就是想出来创业做科技公司。

他看到的问题很清楚：传统投行的层级制度分析师、副总裁、董事、董事总经理创造了错误的激励机制，特别是中层员工被迫玩政治游戏来证明自己的存在价值。所以 OffDeal 在某种程度上，就是要用技术解决投资银行这个根深蒂固的文化问题。

他们的思路很大胆：如果用最新的生成式 AI 和 AI agent 技术，直接砍掉传统 4-5 人团队中的大部分人员，让剩下的银行家专注于最有趣、最有价值的人工任务，然后拿走不成比例的经济回报，会怎么样？

我观察到的一个现象是，美国有 3300 万小企业，但真正能接受投行服务的其实只有很小一部分。OffDeal 瞄准的是年收入在 1000 万到 1 亿美元、EBITDA 在 100 万到 1000 万美元之间的公司。这个规模说不大不大，说不小不小，但恰恰是传统中等市场专业公司都不愿意定期服务的空白地带，因为典型的传统银行团队需要的费用结构根本不划算。

OffDeal 的客户包括铺装公司、暖通空调服务商、废物管理运输公司，甚至还有一家匹克球场运营商。我觉得这些看似不起眼的小企业，实际上构成了美国经济的重要支柱，雇佣了将近一半的美国劳动力，创造了 44% 的国家 GDP，但他们在出售企业时的选择却极其有限。

小企业并购的结构性困境

我一直很困惑一个现象：为什么那些大公司可以找高盛这样的顶级投行来安排收购，获得最好的价格，但华尔街巨头却不屑于处理 2500 万美元以下的交易？

答案其实很简单，就是经济学。

传统的投行模式需要庞大的团队，复杂的层级结构，昂贵的办公场所，这些固定成本分摊到小额交易上就完全不划算。

一个典型的投行团队可能需要分析师做基础研究、副总裁管理项目、董事对接客户、董事总经理最终拍板，每个人都要分一杯羹，所以交易规模太小根本覆盖不了成本。

这就造成了一个巨大的市场空白。

小企业主想卖公司时，选择非常有限：要么找小企业经纪人，要么传给子女，要么干脆直接关门。

小企业经纪人的服务质量参差不齐，很多时候就是在各种网站上挂个信息，等着买家上门。而对于那些花了几十年心血建立起来的企业，这种随意的处理方式显然不够。

我见过太多小企业主，他们对自己的企业有深厚感情，希望找到真正理解这个行业的买家，而不是那些只看财务数据的私募基金。

OffDeal 的联合创始人 Alston Lin 之前是 Meta 的工程师，他们发现了一个关键问题：在卖方并购中最重要的任务实际上是策划合适的潜在买家群体，让他们提交竞价以支持激烈的拍卖。

但对于小企业来说这是最难的，因为这个买家群体超出了任何单个银行家的知识范围。

用 Radical Ventures 的 Ryan Shannon 的话说，这”感觉像是一个无法解决的问题”。传统方法下，银行家的个人关系网和行业知识决定了能找到多少潜在买家，但这种方法在面对数以万计的细分行业和复杂的匹配需求时就显得力不从心了。

我认为这个问题的根源在于信息不对称和匹配效率低下。

美国有超过 200 万家符合收购标准的小企业，同时有数万家企业和投资机构在寻找收购目标，但他们之间缺乏有效的连接机制。传统的商业经纪人通常只有本地或区域性的关系网，无法触及全国范围的潜在买家。而那些有全国性资源的大型投行又不愿意为小额交易投入资源。

这就像是一个巨大的供需匹配问题申宝配资，需要技术手段来解决。

更关键的是，很多最佳的收购方实际上是同行业的其他小企业，他们可能比这个企业大两三倍，但他们通常没有专门的并购或企业发展团队，不会主动浏览各种交易平台，只有当有人直接联系他们时，他们才会认真考虑收购机会。

AI agent 如何重构投行业务流程

看过 OffDeal 的运作模式后，我最震撼的是他们对 AI agent 的应用深度。

这不是简单地用 ChatGPT 来写写报告，而是构建了一个完整的智能化业务流程。他们首先建立了一个包含 200 万家美国企业的数据库，这个数字是怎么来的呢？大致就是全美年收入在 50 万到 1 亿美元之间的企业数量，这是他们认为的核心服务范围。

要知道，美国总共有 3300 万小企业，但如果你快速算一下，只有 200 万家在他们的目标范围内，去掉超小和超大的，真正可卖的可能只有 100 万家左右。

这意味着大约每 30 家企业中只有 1 家是可以在中低端市场交易的。

他们的第一个技术突破是用大语言模型来构建这个数据库。传统的数据供应商可能会吹嘘说他们有 3 亿个数据点或 2 亿个数据点，但实际上根本没有那么多真正的目标企业。要么是包含了全球数据，要么是同一家公司的多个决策者被重复计算。

OffDeal 的方法更实在：他们的 AI agent 会物理访问每家公司的网站，浏览不同页面，寻找所需信息。它会分析这些信息是否回答了问题，直到满意为止才转向下一家企业。这就像是让一个分析师手动浏览每家公司网站，仔细分类他们做什么业务一样，只不过这个分析师是 AI，可以处理 200 万家企业。

我特别感兴趣的是他们如何解决搜索和匹配问题。你会觉得搜索是个已经解决的问题，我们都用 Google，都用 Ctrl+F，但实际上这是个绝对的技术难题。

OffDeal 必须构建自己的推荐引擎，能够理解当我们说”家庭服务”或”建筑服务”或”设施维护”时到底意味着什么。他们使用的是嵌入模型，这让他们能够基于概念理解来处理搜索查询，找出概念上相似的公司。比如，如果你搜索工业清洁或高压清洗企业，系统还会显示做冰爆、化学清洁、干式喷砂、砂爆等相关业务的公司，因为这些通常与那个关键词相关联。

但真正让我印象深刻的是他们对整个业务流程的重构。一旦有了这个数据基础，他们还要判断应该联系哪些企业主。

这涉及到一些意向信号的分析：企业主年龄、妻子是否退休、孩子是否离开大学、是否最近从企业所在地搬家、是否拥有多个企业等等。

所有这些都是通过软件完成的。然后是内部运营的自动化，每个销售线索都经过充分研究，销售人员会得到定制的通话脚本。他们会联系那些他们认为企业可卖、卖方意向高的人，尽可能地让一切都朝着正确的方向发展。

电话效果好，对方想见面，接下来呢？

有一系列管理任务要做：安排日历、更新 CRM、确保发送提醒和通知。因为这些小企业主不用 Cal.ly，不用 Zoom，他们用电话。

所有这些都被自动化了，他们基本上不需要任何虚拟助手或支持人员。他们所谓的”AI 管理者”监督企业主和 OffDeal 之间的所有对外和对内活动，帮助决定最佳行动方案。

在实际的并购执行方面，虽然顾问需要陪伴企业主完成整个过程，向他们解释运作方式，但之后仍有很多细节工作：制作财务模型和宣传册、准备买家名单、准备最可能被问到的问题，所有这些都通过另外的 AI agent 实现了自动化。甚至连初步估值、交易管理、保密协议这些让人最头疼的事情，他们都构建了一个平台让买家可以在应用内完成所有操作，不需要去 DocuSign 或其他地方。

商业模式创新背后的深层逻辑

我一直在思考 OffDeal 商业模式的创新性。他们收取 5% 的固定成功费，但没有预付费用，这与传统投行的收费结构形成鲜明对比。很多传统的卖方顾问会收取大额的预付费用，比如 25-50 万美元，这实际上是他们损益表的主要驱动因素，而不是成功费。

Eldarov 对这种做法很反感，他说一些公司即使觉得企业卖不掉也会接手，因为可以收取预付费用，企业主感觉被套牢了。如果卖掉了就是额外收益，如果卖不掉就通过这些不可卖企业的承诺费来弥补所有失败的交易。

相比之下，OffDeal 的模式更像大型华尔街银行：完全基于成功收费。他们只收取很小的”麻烦费”让企业主有一些参与感，但这基本上可以忽略不计，每月几百美元而已。这种收费结构意味着他们必须对接受的客户非常挑剔。Eldarov 说他和四分之三的企业主交谈后，都会建议他们现在不要卖。这种诚实的建议实际上让企业主更加信任他们，因为其他所有人都在告诉他们今天就卖。

更有趣的是他们对银行家激励机制的重新设计。传统投行的银行家拿固定薪水加奖金，奖金通常基于整个团队的表现。但在 OffDeal，像 Sam Mielke 这样的董事总经理拿 10 万美元底薪，然后从他负责的每笔交易费用中抽取固定的 20%。20% 乘以 5% 的公司交易费用，意味着每笔交易银行家能拿到 1% 的交易金额作为奖金。这种直接与个人业绩挂钩的模式，让银行家的积极性完全不一样。

从规模经济角度看，这个模式很有想象空间。

如果技术真的有效，OffDeal 应该就是一台机器。

到目前为止，他们用不到 10 名员工（其中 3 名是银行家）完成或接近完成了大约 10 笔交易。

到 2027 年底，OffDeal 希望实现 1 亿美元的年收入，完成 100 笔交易。他们的银行家应该能同时处理 7-10 笔交易，目标是通过 AI 辅助的销售流程平均只需 4 个月就完成一笔交易。银行家不需要去客户办公室，通常不参加尽职调查访问或电话会议，依靠律师处理意向书和购买协议。

我觉得这种模式的核心在于重新定义了”规模”的概念。传统投行追求的是交易规模越大越好，因为费用是按比例收取的，大交易的边际成本并不高多少。

但 OffDeal 追求的是交易数量的规模化，通过技术手段降低每笔交易的服务成本，让原本不经济的小额交易变得有利可图。

按照 Eldarov 的计算，一家 1 亿美元收入的传统投行营业利润率大约 25%（60% 薪酬比例和 15% 非薪酬费用），估值可能是 5 亿美元。而 OffDeal 凭借更高的利润率、增长前景和技术资产价值，至少值 10 亿美元。

人机协作的新范式

看 OffDeal 的运作方式，我发现他们找到了一个很巧妙的人机协作平衡点。不是简单地用 AI 替代人工，而是让 AI 处理所有繁琐的分析和管理工作，把人类解放出来专注于最有价值的关系建设和战略咨询。

Sam Mielke 现在每周工作 60-80 小时，但他的时间都花在了有趣的事情上：在拍卖中制造竞争性紧张氛围，帮助企业评估出价。

后者可能是个复杂任务，因为买家会提出不同的融资条件和对价形式。

我觉得这种模式最大的价值在于让服务变得更加人性化。

OffDeal 的一个客户 Steve Barnes 出售亚利桑那州的蒙特梭利学校时，OffDeal 找到的买家最终支付的价格比他个人接触获得的价格高出 40%。但除了技术优势，Barnes 还得到了 Eldarov 的”白手套”服务，在拍卖达到高峰时，他可以随时给 Eldarov 打电话。

Eldarov 把银行家的工作描述为”兼职治疗师”，这很形象地说明了在这种生命中最重要的交易中，人与人之间的情感支持有多么关键。

我观察到一个有趣的现象：虽然 OffDeal 在招银行家的职位上收到了数百份简历，很多来自知名华尔街投行，但 Sam Mielke 这样非传统背景的银行家反而可能更适合这种新模式。他把投行”目标学校”招聘方式形容为”荒谬”和”荒唐”，认为那种只从几所大学招收大部分培训生的做法需要改变。

他一直在研究 Joe Consdale 和 Sam Lessin 创立的人力资源初创公司 Meritfirst，该公司专注于”构建精英基础设施”。在某种程度上，Mielke 找到了他一直想要的精英工作，既有个人成就感，又有相应的薪酬结构。

但我也看到这种模式面临的挑战。有创始人质疑 OffDeal 是否能大规模运作，小企业往往更复杂，交易更容易出现问题或陷入泥潭。这种担心不是没有道理的。小企业的财务状况通常不如大企业规范，可能存在各种隐藏问题。

企业主的情感因素也更复杂，毕竟这可能是他们一生中最重要的一笔交易。AI 能处理标准化的分析工作，但面对千变万化的具体情况，人类的判断和应变能力仍然不可替代。关键是找到合适的平衡点，让 AI 承担它最擅长的部分，让人类专注于最需要情商和经验的部分。

对未来金融科技发展的思考

回顾整个 OffDeal 的故事，我感到最震撼的是他们展现出的系统性思维。这不是简单地在现有流程中加入一些 AI 工具，而是从零开始重新设计整个投资银行的运作方式。他们证明了一个重要观点：在 AI 时代，最大的机会不是改进现有产品，而是重新定义整个行业应该如何运作。我一直在思考这种”AI 原生”理念对其他行业的启发意义。

我觉得 OffDeal 最聪明的地方在于他们没有试图构建一个平台然后授权给其他投行使用。Eldarov 说得很清楚：通过收取卖方 5% 的费用，我能赚到的钱远比卖软件多得多。更重要的是，他认为这个行业需要一家更加以卖方为友的并购公司。

现有很多激励机制是完全错位的，当人们收取大额预付费用时，这实际上是他们损益表的主要驱动因素，而不是成功费。我不想指名道姓批评竞争对手，但确实有一些知名公司会接受任何业务，即使他们认为不可能卖掉，因为他们会收取 2.5-5 万美元的预付费用，企业主觉得被套牢了。如果卖掉了就是额外收益，但他们只是在这些不可卖企业上收取承诺费来弥补所有失败的交易。

这让我想到一个更广泛的问题：AI 对传统专业服务的冲击将如何演进？我认为我们会看到两种截然不同的路径。一种是像 OffDeal 这样的完全重构模式，从零开始构建AI原生的服务公司。另一种是传统公司试图在现有基础上集成 AI 工具。

从 OffDeal 的经验看，第二种路径面临巨大挑战，不仅有技术难度，更有组织和文化阻力。当你有 20 名员工投入了血汗和眼泪到现有的数百万行代码中，要让他们接受”我们要删除所有这些，从头重写”是非常困难的推销。

我也看到这种模式面临的挑战和局限。小企业交易确实比大企业交易更复杂、更容易出问题。企业主的情感因素更强，财务状况可能不够规范，隐藏问题更多。

AI 擅长处理标准化、可预测的任务，但面对千变万化的具体情况，人类的判断和应变能力仍然不可替代。关键是找到合适的人机协作边界，让 AI 承担它最擅长的部分，让人类专注于最需要情商和经验的部分。

从更宏观的角度看，OffDeal 代表的趋势可能会重塑整个小企业生态系统。美国有数百万小企业主即将退休，他们建立的企业如果不能顺利传承或出售，将对经济造成巨大损失。传统的解决方案——找小企业经纪人、传给子女、或者直接关门——都不够理想。OffDeal 这样的 AI 原生服务商提供了第四种选择：专业的、可负担的、全国性的并购服务。这不仅能帮助企业主实现资产价值，也能让优质企业得到更好的发展。

最后，我想说 OffDeal 的成功给了我们一个重要启示：在思考 AI 对行业的影响时，我们不应该局限于”AI 如何改进现有流程”，而应该问”如果用 AI 从零开始构建这个行业，会是什么样？”这种思维方式可能会在更多领域催生出颠覆性的创新。OffDeal 只是开始，我相信我们将看到更多 AI 原生的专业服务公司出现，它们不是在老系统上打补丁，而是在重新定义什么是可能的。这种变革的深度和广度，可能会超出我们现在的想象。

本文由人人都是产品经理作者【深思圈】，微信公众号：【深思圈】，原创/授权发布于人人都是产品经理，未经许可，禁止转载。

题图来自Unsplash申宝配资，基于 CC0 协议。

尚红网提示：文章来自网络，不代表本站观点。