VC 自己寫 Code：Build cost 歸零如何改寫創投規則

上年見到一個場景，我到今日仲記得。

一個 pre-seed founder 喺 fundraising pitch 度 Show 咗個 product demo——一個用 AI 幫你用自然語言寫 SQL query 嘅工具——成個 presentation 做得好靚，有 onboarding flow、有 error handling、有 usage analytics dashboard。佢話佢 team 六個人做咗六個月，burn 咗大約 $2M 嘅 seed funding。

同一日晏晝，我同一個做 VC 嘅朋友食飯，佢隨手開咗個 Claude Code session，用咗三個 AI agent 并行做野——一個寫 backend、一個砌 frontend、一個搞 infra——48 小時之內出咗一個功能上完全覆蓋到嘅 prototype。total cost：$800 嘅 API credits。

$2M vs $800。六個月 vs 48 小時。六個人 team vs 一個用 AI agent 嘅人。

呢個差距唔係 incremental improvement，而係幾個 order of magnitude 嘅結構性斷層。而佢會徹底改寫創投嘅遊戲規則——尤其係喺香港呢個資本密集但人才成本高企嘅市場。

Build Cost 歸零：VC 嘅投資邏輯仲企得穩？

傳統 VC 嘅核心 thesis 建基於一個假設：要驗證一個 startup idea，你需要一筆 significant 嘅前期資本——一般嚟講 $500K 到 $2M——去 build 個 MVP、做 product-market fit、然後先出去 raise Series A。

呢個假設喺過去二十年都成立，因為 software development 係 labor-intensive，而 top engineers 嘅 cost 喺全球市場都係向上。所以你會見到 VC 成日講「team is everything」、「founder-market fit」、「我們 invest in the jockey, not the horse」——呢啲講法背後其實係一個 reality：既然 build cost 咁高，你只能靠賭團隊嘅 execution ability 去对冲風險。

但當 build cost 趨近於零——或者更準確咁講，趨近於 API call 嘅邊際成本——成個風險模型就變咗。

試諗下：如果一個 VC 自己可以用 AI agents 喺一個 weekend 入面砌出同 startup 個 MVP 一樣嘅 product，佢對「early stage investment thesis」嘅理解會點變？佢會開始問：「你哋 team 嘅 marginal value 係乜？如果我用 $800 同 48 小時就做到你六個人六個月嘅 output，咁你哋嘅 ‘execution premium’ 喺邊？」

呢個問題唔係講笑。2025 年到 2026 年，我親眼見到愈來愈多 VC 開始自己「寫 code」——唔係做 production-grade product，而係用 AI agent 去做 due diligence 嘅一種新方法：唔係睇 pitch deck、唔係做 reference call，而係直接砌個 prototype 出嚟，睇下個 startup 嘅 product 有幾難做。如果 48 小時就砌到個 clone，咁呢間 startup 嘅技術 moat 等於零。

Founder 嘅新護城河：由 Code 轉向 Data & Distribution

咁 founder 應該點應對？好簡單：唔好再擺「我哋嘅 technology 好勁」做你嘅核心護城河。因為喺 AI agent 嘅時代，「technology」已經 rapidly commoditizing。

真正嘅 defensibility 開始轉向三個嘢：

第一，Data moat。 你嘅 product 可以好容易被 clone，但你积累落嚟嘅 domain-specific data—user behavior data、workflow data、feedback loops—係 AI agent 喺一個 weekend 入面複製唔到嘅。呢啲 data 需要時間、需要真實用戶、需要 regulatory barrier 去累積。香港做金融科技或醫療科技嘅 startup 喺呢方面其實有優勢，因為亞洲市場嘅 data 同歐美市場好唔同，local knowledge 本身就係一個 barrier。

第二，Distribution moat。 如果你已經有咗一個 user base、有 network effect、有 GTM motion，咁你嘅 value 唔係喺你個 codebase 度，而係喺你點樣 reach 同 retain 用戶。Sales 同 marketing 嘅技能—尤其係 B2B 嘅 enterprise sales—係 AI agent 暫時好難取代嘅。香港 founder 喺跨境 business development 方面一直有優勢，呢個係要繼續放大嘅 point。

第三，Vertical depth。 純 horizontal 嘅 SaaS product 係最容易被 AI agent 複製嘅。但如果你做嘅係一個 deeply integrated vertical solution—例如話同香港某個 regulatory body 嘅系統對接、或者同本地銀行嘅 core banking system 整合—呢啲 integration complexity 本身就係一條 natural moat。AI agent 可以寫 code，但無辦法幫你 negotiate 同 HSBC 嘅 API access agreement。

香港創業者嘅策略性機會

喺呢個 build cost 歸零嘅世界入面，香港 founder 其實有一個幾 unique 嘅窗口。

香港嘅傳統弱點一向係「market too small for VC-scale returns」，而強項係「capital availability」同「cross-border connectivity」。以前呢個組合好尷尬—你有一堆錢但無一個夠大嘅 domestic market 去 deploy。

但當 build cost 跌到 $800 級別，「試多幾次」嘅策略變得極之 affordable。你可以用一個 weekend 去 validate 一個 idea、用 $5K 去做三個唔同嘅 market entry嘗試、用 AI agent 去 parallel build 幾個 product variant 然後睇邊個 stick。

我見到香港有幾間新嘅「VC studio」已經開始用呢個 model：唔係 pass 咗一大堆 pitch deck 然後揀一間嚟 invest，而係自己用 AI agent 快速 prototype 一堆 ideas、用 data 去 filter、然後再揾 domain expert founder 去 scale。呢個「prototype-first investment」嘅 model 以前係行唔通嘅，因為 prototype 太貴。而家 prototype 嘅 cost 跌到幾乎唔值錢，成個 flow 就合理咗。

對 Founder 嘅具體行動建議

如果你係一個香港嘅 early stage founder，我建議你認真考慮以下幾點：

其一，重新審視你嘅 pitch。如果你嘅核心論述係「我哋嘅 technology 好先進」，咁你最好準備好答呢個問題：「如果我用 AI agent 一個 weekend 砌到個類似嘅嘢，你點 defend？」而答案絕對唔應該係「佢哋做唔到我哋嘅 quality」—因為 quality gap 正在以每月嘅速度收窄。

其二，用 AI agent 大幅壓縮你嘅 build cycle。唔好再等六個月先出 MVP。一個 weekend 出 V1、一個星期出 V2、三個星期先開始同 real users 傾。你 burn 嘅唔應該係 cash，而係 learning velocity。喺 build cost 趨近於零嘅世界入面，learning speed 係唯一仲值錢嘅嘢。

其三，Invest heavily in things AI agents can’t do。呢個 list 越來越短，但仲有幾樣嘢係堅守嘅：真人嘅 sales relationship、deep domain expertise 累積、regulatory navigation、同埋—最重要嘅—幫你嘅用戶 manage change。AI agent 可以寫 feature，但佢無辦法同你嘅 enterprise customer 坐低慢慢傾「你哋個 workflow 點解咁樣行、點樣先會肯轉」。

Build cost 歸零唔係末日，而係一個 redistribution。以前 capital 係 bottleneck，而家 attention 同 domain insight 係 bottleneck。邊個最快適應呢個新 reality，邊個就係下一個十年嘅贏家。