私募市场情报战升温：AI 时代，VC 的 alpha 从哪里来？

风投一向是信息生意。优势往往在于时机：创始人先告诉前同事，而不是先更新资料；新公司开始招人，早于它出现在数据库里；投资人在融资公布前就开始关注某个团队。

这种优势很重要，因为风投回报高度集中。2026 年牛津学术研究引用的数据显示，在一个长期 LP 数据集中，4.5% 的投资金额贡献了约 60% 的回报。[1] 因此错过少数几家卓越公司，就能影响整只基金。但早期发现它们只是问题的一部分。投资人还需要形成信念、拿到额度、获得有意义的持股，并在几年里保持正确。

私募市场数据行业现在越来越靠近公司诞生的那一刻。PitchBook、Crunchbase、Dealroom、Tracxn 和 CB Insights 仍是交易、基金、估值和公司历史的核心记录系统。PitchBook 在 2026 年第二季度实现 1.747 亿美元收入，折合年化收入近 7 亿美元。[2] 新平台不是在取代这一层。它们是在用更快更新、行为数据和早于传统公司记录出现的信号来延伸这一层。

三个变化最突出。

第一，Harmonic、Specter 等公司在构建持续更新的公司和人物图谱，而不是主要依赖定期更新的资料。第二，专门产品在寻找更早的行为信号。Evertrace 追踪创始人形成的指标，包括公司注册、技术活动、研究和域名。Frontrun 监控选定风投在 X 上的关注图谱变化。第三，API 和模型上下文协议（MCP）正在把这些数据搬进基金自己的软件和 AI 工作流。Crustdata 代表这个市场的基础设施端，而 Affinity 补充来自邮件、日历和 CRM 活动的第一方关系数据。

采用是可见的，但投资超额收益的证据并不明显。Harmonic 说数百个风投团队使用其平台，Specter 报告超过 300 家投资机构，Evertrace 超过 200 家基金，Affinity 超过 3300 家私募资本机构。上市公司 Tracxn 披露 2026 财年拥有 2289 个客户账户。[3][4][5][6] 这些数字大多来自公司自报。供应商很少披露其模型挖掘出的完整公司集合，因此精确率、召回率、误报率和单个线索的经济价值都很难评估。

没有任何单一信号本身足够。员工离职可能很早但含糊。公司注册客观但常见。GitHub 活动在开发者主导的市场有价值，但在其他领域相关性有限。招聘速度和员工迁移提供更广泛的信号，而收入、客户和使用数据往往更有决策价值，但来得更晚。当几位可信的行业专家同时关注同一家公司时，投资人注意力可以提供早期迹象，尽管这个信号依赖平台，且可能自我强化。

最强的防御性来源很可能藏在数据栈更深处：事后无法重建的历史时间序列、跨人和公司的准确实体解析、有权限的第一方基金数据，以及通过 CRM 系统、API 和智能体的分发。公开数据未必是专有的。但五年正确打时间戳的变更历史可以成为专有资产。

AI 更可能让这些基础设施更容易被查询，而不是消除对它们的需要。随着研究、分类和工作流成本下降，干净的数据、来源和机构背景变得更有价值。投资判断、额度和关系仍然不是简单的自动化层能解决的。

可能的结果是，一个更广泛的私募市场情报市场会出现，而不是独立的寻找项目软件品类。成熟数据库会增加发现和预测功能。CRM 将成为编排层。大型机构会把外部数据流与专有数据及内部评分系统结合，小型基金则依赖整合产品加少数专业信号。

到 2030 年，用自然语言在公司、人物、行为和关系数据中寻找项目可能会成为常规。完全自主的投资选择可信度较低。风投中稀缺的投入仍然是判断、额度、信任和持股。

合作伙伴亮点

在 insights4vc，我们关注那些为新兴市场类别构建基础设施的团队。

Umia 正在为原生代币项目开发一种新的运营模式。该平台把募资、法律设立、资金管理和治理整合进一个系统，让项目从第一天起就能以更清晰的结构和更可问责的决策启动。

了解更多 Umia 信息，请联系 [email protected]

1. 风投一直是一门信息生意

寻找风投项目要从基金数学开始。回报集中到一两个投资就能决定整只基金的表现。因此漏掉正确创始人的代价异常高：错过对的人，可能比改进几十个普通项目的分析更重要。

这并不意味着把最大项目流当作目标。更多公司可能意味着更多噪音、更少注意力和更弱的关系。目标是提高看到符合基金定位的公司的概率，同时保留足够时间评估它们并争取额度。寻找项目软件只有在改善这个等式或降低这样做的成本时才有用。

经济回报可能非常可观。设想一只 1 亿美元的种子基金，目标是持股 10%。如果更早发现能让你持有 10% 而不是 5% 的股份，而这家公司最终以 20 亿美元退出，那么在不考虑稀释、追加投资和业绩分成前，毛差额是 1 亿美元。但抓住这种优势的概率很小。一个产生 500 条无关线索、消耗分析师时间且不改善额度的信号，可能毁掉价值而不是创造价值。

早期发现的期望价值可以表示为：

识别出最终异类公司的概率 × 基金能行动并赢下的概率 × 增加的持股或价格优势 × 最终结果，再减去数据、软件和注意力成本。

早期发现在额度稀缺的地方最重要：精英连续创业者、快速成形的融资轮和新兴技术集群。它在后期投资、验证周期长的资本密集型行业，或由银行家和广泛拍卖中介的流程中不太重要。太早联系创始人，却没有可信的接触理由，也可能适得其反。

与此同时，机会集合变得更难人工监控。Dealroom 的 2026 生态系统工作覆盖 77 个国家、超过 325 个城市。Startup Genome 研究数百个生态系统中的数百万家公司。[7] NVCA 记录 2025 年美国风险投资交易超过 15000 笔。[8] Dealroom 追踪约 4900 家活跃的专注型 VC 公司。若计入企业、加速器和交叉投资者，活跃投资者约 9500 家。[9]

现在可观察活动量超过任何合伙人网络能持续处理的范围。项目获取问题不再只是信息获取，而是决定哪些信息值得关注。

2. 从名片夹到私募市场数据库

传统风险投资获取项目一直依赖多个渠道。个人网络连接投资者与创始人、运营者、天使投资人、律师、银行家、有限合伙人和被投公司高管。大学、加速器、演示日和会议集中了发现环节。推荐和主动投递则让基金触达直接网络之外。

这些渠道仍然有价值，因为它们承载背景和信任，而不只是名字。它们的弱点是覆盖面。网络反映地理、职业历史和社会结构。活动是周期性的。主动投递通常只在创始人决定融资后才出现。推荐可能代表质量，也可能只代表人脉强。

私募市场数据库解决另一个问题：让公司、交易、投资者和基金可大规模检索。PitchBook、Crunchbase、Dealroom、Tracxn 和 CB Insights 在实体能被识别时最有用。识别途径包括公司名、域名、融资或投资者关系。PitchBook 报告覆盖 1290 万家公司、320 万笔交易和 17.1 万只基金。Crunchbase 表示每年处理 3000 万条经核验的更新。Tracxn 追踪数百万家公司及财务和股权结构数据。[10][11][12]

关系平台增加了另一层。Affinity、4Degrees 和自研系统整理对话、笔记、持股和暖路径。公司数据库能识别哪家创业公司符合投资主题。关系图谱能显示谁可以触达它，以及公司已经知道什么。

这些类别正日益重叠。成熟数据库正在增加预测评分和 AI 研究。发现型产品正在积累历史记录。CRM 正在整合外部数据和智能体。边界在融合，但底层问题仍然不同。

3. 创业公司信息时间线与风险情报栈

一家创业公司是逐渐变得可见的。早在融资公告之前，就可能出现创始人离职、新法律实体或域名注册。也可能出现 GitHub 活动、早期招聘或投资者网络变化。每个新增信号都会降低不确定性，但通常以牺牲提前期为代价。

这种权衡很直接：信号置信度通常随早期性下降而上升。离开实验室的研究员可能创业、加入其他团队或留在学术界。新注册的实体可能是控股公司。注册的域名可能永远不会上线。在最早阶段，软件是对可能尚不存在的公司假设进行排序。一旦企业开始招聘、推出产品或产生吸引力，被衡量对象就清晰得多。

这条时间线催生了多个重叠的风险情报层，而不是单一的新软件类别。

创始人意图与公司成立前情报

Evertrace 是最专注的专家。Harmonic 和 Specter 也监控创始人动向和早期公司形成。信号包括注册信息、就业变动、技术活动、研究、资助和域名。

投资者关注情报

Frontrun 监控 X 上选定投资者关注图谱的变化。Specter 将投资者兴趣纳入更广泛的数据集。这些产品把相关投资者行为视为实体值得关注的信号，而不是公司质量的证明。

持续公司情报

Harmonic 和 Specter 维护持续更新的公司和人物图谱。Dealroom、Tracxn、Crunchbase 和 CB Insights 正通过警报、增长指标、预测评分和 AI 研究朝同一方向发展。与传统数据库的区别越来越在于刷新率和数据架构，而不是清晰的类别边界。

私募市场数据基础设施

Crustdata、People Data Labs、Coresignal 和 Aviato 提供 API、批量数据集和智能体就绪访问。它们服务自建项目获取系统的公司。Grata 和 SourceScrub 提供类似的程序化访问，更侧重私募股权和并购。权衡是控制力与复杂度：买方获得灵活性，但要负责实体解析、评分和工作流设计。

关系情报

Affinity 和 4Degrees 利用经授权的沟通记录和机构历史。Attio 提供更灵活的 AI 原生 CRM，带 API 和 MCP，但需要为风险投资工作流做更多配置。这一层尤其具有防御性，因为竞争对手无法买到其他基金的会议历史、笔记或介绍路径。

成熟私募市场平台

PitchBook 仍是规模意义上的记录系统。Dealroom 在创业生态和区域合作方面较强。Tracxn 强在全球化分类体系和结构化公司研究。Crunchbase 强在贡献者和使用网络。CB Insights 强在市场研究和预测评分。

这些层越来越像一个架构在运行：

外部数据流 + 基金 CRM、邮件、日历和笔记 + 实体图谱 + 信号模型 + LLM 或智能体 + 人类投资工作流

这个技术栈大部分已经可以组装。更难的问题不太可见：跨来源匹配同一个人或公司，保留准确的历史时间戳，获得可靠的结果标签。还要维护底层数据使用权，以及建立真正对信号采取行动的投资流程。

界面正变得更容易构建。底层数据和连接的质量仍然是约束。

4. 创始人检测：在公司存在之前找到它们

创始人检测把风险投资获取项目推到最早节点：公司尚未完全成型或公开可见之前。

Evertrace 于 2024 年在哥本哈根成立，是该类别中最典型的专家之一。该公司称超过 200 家 VC 基金使用其平台监控信号。信号包括工商注册、GitHub 活动、专利、研究、资助、域名、应用商店、Product Hunt 和社交平台。[5] 它在公开报道的 2025 年一轮融资中至少筹集了 60 万美元。[13]

价值来自组合弱信号，而不是依赖任何单一事件。一位资深研究员可能离开公司，与前同事注册新实体，创建技术组织并注册域名。这些行动单独看都不具有决定性。合在一起，它们可以成为进一步关注的理由。

这种方法在深科技、AI 和高校相关投资中尤其适用。研究产出和技术活动往往远早于商业进展显现。

其局限是结构性的。注册数据覆盖因国家而异，职业头衔多为自报。域名或公司记录可能延迟、被掩盖或被复用。GitHub 在开源和开发者主导的市场中信息丰富。但在生物技术、工业制造或许多企业服务领域，其作用小得多。

还存在建模风险。基于历史风投结果训练的系统可能过度偏好熟悉模式，包括知名雇主、大学和成熟创业中心。过于依赖创始人原型的模型，可能复制投资人想摆脱的偏见。

因此，创始人发现最好被当作排序系统，而非预测引擎。关键问题不是软件能否识别每一家未来公司，而是它能否比现有渠道更早，持续筛出数量可控的优质线索。

有用指标包括每周头部线索的精确率、地理与行业覆盖，以及首次投资人审查时间。还包括转化为高质量创始人对话的比例。目前公开证据更多体现采用率与工作流效用，而非已证明的投资回报。

极致早期还有一个现实限制。尚未公开公司的创始人，可能不会对基于推断意图的自动触达反应良好。更好的用法通常是先识别相关信号，再通过可信关系或明确理由接触。

因此，创始人发现与关系情报更互补而非竞争。一个决定关注谁，另一个判断基金是否以及如何接触他们。

5. 投资人关注度作为另类数据

投资人关注度提供了另一种早期信号。前提很简单：在融资公开前，投资人能通过可观察行为透露信息。关注某位创始人、与新公司建立联系，或多个行业专家聚集在同一账户，可能意味着幕后有事发生。

单一关注说明不了什么。相关投资人在短期内集中行动更有信息量，尤其是当他们对公司所在行业具备专业知识时。

Frontrun 是围绕这一想法最明确的专业产品。该产品称其追踪超过 2,000 名风投投资人在 X 上的关注图谱。它识别小型或未发布账号周围的关注集中，然后解析创始人并分类公司。Starter 套餐每月 49 美元，可追踪 100 个账号；99 美元的 Pro 套餐覆盖 250 个，并增加 API 和 MCP 访问。[14] 这使它更像专业信号源，而非机构级私募市场数据库。

该公司还持续发布其声称在融资公告前识别出的初创公司记录。2026 年 7 月，Frontrun 报告了 46 轮此类融资，平均提前 83 天，后续融资总额 23.6 亿美元。[15] 例子包括 Orthogonal，在 430 万美元融资前 213 天被标记。Ornn 在 a16z 领投的 3300 万美元融资前 162 天被标记。naturalpay 在 Forerunner 领投的 3000 万美元 A 轮前 159 天被标记。

这一区别很重要。公开记录显示，投资人关注信号可能早于公开融资公告。但它没有披露系统标记的全部公司。没有公开分母说明有多少信号没有下文，有多少公司投资人早已知晓，或对某只基金无关。

缺少这个分母，数据就无法证明预测准确率或投资 alpha。它展示的是提前时间，而非使用该信号的基金能否持续做出更好投资。

观察者本身的质量也很重要。一位安全领域投资人关注早期安全公司，比一位通才做同样的事更有信息量。两位独立专家可能比来自同一社交圈的十位投资人更有用。因此，有效的关注度模型需要加权行业专长、独立性和时机，而不只是统计关注数。

该信号也存在平台风险。Frontrun 严重依赖 X，而 X 的 API 访问和定价可能变化，尤其是商用场景。[17][18] 关注行为本身也可能产生反身性。如果投资人知道自己的关注被监控，他们可能推迟、隐藏或委托这一行为。被广泛盯上的信号可能变得不再有效。

因此，投资人关注度更适合被看作优先级排序层，而非衡量公司质量的独立指标。与创始人变动、招聘、公司活动和基金自身关系数据结合时，其价值会更高。

持久优势来自识别正确的观察者、维护长期带时间戳的历史，并证明关注信号能提供增量信息，超过招聘增长、加速器参与或一般社交热度等更简单指标。

6. 持续更新的私有公司情报

风投数据更大的变化可能是持续刻画，而非在公司成立前预测公司。新平台不再维护定期更新的公司档案，而是追踪团队、产品、网络和商业信号如何随时间变化。

Harmonic 称其追踪超过 3500 万家公司、1.95 亿人，覆盖从注册到规模化。它结合企业画像、团队数据、历史变化和网络背景。[3] 其平台将外部公司数据与 LinkedIn 人脉、邮件、日历和 CRM 活动连接。它现在还包含 AI 研究代理 Scout，同时提供 API、批量数据和 MCP 访问。Harmonic 已融资 3000 万美元，并称数百个风投团队在使用该产品。[19]

Specter 在更广泛的图谱上采取类似方法。该公司报告覆盖超 5000 万家公司、5 亿人和 30 万名投资人。信号涵盖交易、人才、收入、新闻和投资人兴趣。[4] 它提供 API、批量数据和 MCP 访问，并与 Affinity、Attio 和 Salesforce 集成，称超过 300 家投资机构使用该平台。

两者更适合被理解为持续更新的知识图谱，而非初创公司档案数据库。这一区别很重要。传统搜索可能识别欧洲基础设施公司。而实时图谱可以接着问：这些公司中，哪些上季度新增了两位资深编译器工程师，开源活动上升，且尚未进入基金的项目管道。

这需要的不仅是收集大量数据。实体解析是核心技术难题之一。一家公司可能有法人实体、商号、域名、GitHub 组织和 X 账号。同一位创始人也可能身兼多个重叠职务。融资事件可能以不同日期、币种和公司名称出现。一次错误的关联，可能把多个准确观察变成一个错误结论。而 AI 界面可能让这个错误看起来更有说服力。

成熟的私募市场平台也在转向同一模式。Dealroom 现在将公司数据与信号、警报、AI 研究和 MCP 接入相结合。高级方案每年 14,500 美元起，MCP 层级为 20,000 美元。[20] Crunchbase 表示每周更新 1500 万个预测信号，并称能预测 84% 的融资事件，但公布数字没有显示相应的误报率。[11] CB Insights 早已通过 Mosaic 纳入预测评分。

Synaptic 在技术栈中处于类似但偏后期的位置。该平台最初在 Vy Capital 内部开发，结合招聘速度、网络热度、产品评价等另类信号和公司层面数据，识别正在获得动能的私营企业。它较少关注公司成立时的发现，更多在公司有可见运营足迹后衡量加速情况，因此尤其适用于成长型、交叉型和投资组合监控工作流。

静态数据库与持续情报之间的界限因此正在收窄。原本是新平台差异化的特点，正成为私募市场数据的标准功能。

竞争问题正从谁拥有最大的公司数据库，转向谁能维护最干净的历史记录，记录公司、人员和网络如何随时间变化。