别把技术尽职调查做成走流程：我踩过3个亿的坑才摸透的真相

上次跟一个做半导体投资的老伙计喝酒，他拍桌子说去年投的那家做车规MCU的公司，尽调的时候只看了PPT上的流片参数，结果量产的时候良率只有7%，两个亿直接打了水漂。

说真的，现在整个创投圈都在往硬科技赛道挤，所有人都在喊“投早投硬投科技”，但真的能把技术尽职调查做扎实的机构，十家里头挑不出三家。大部分人所谓的尽调，就是走个过场——找个行业专家来聊两个小时，对着创始人的PPT问几个不痛不痒的问题，最后出一份几十页的模板报告，就敢拍板投几个亿。

别被专利墙唬住：技术尽调最容易踩的第一个坑

我上次碰到个做脑机接口的团队，办公室里整了一整面墙的专利证书，红本本摞得比前台的装饰花瓶还高，创始人上来就说自己团队有130多项自主专利，技术壁垒拉满。

我们的人没急着信，蹲在会议室里翻了整整一下午的专利资料，结果发现大半是外观专利和针对现有产品的小改进，真正覆盖核心信号采集电极的那项专利，居然是创始人在之前任职的上市公司的职务发明，现在人家上市公司的法务已经发了两次律师函，团队为了不影响融资，愣是把这事瞒得严严实实，尽调资料里提都没提。

很多人尽调的时候一看到专利数量多就松口气，觉得这就是技术壁垒。错了。核心专利的权属、保护期、权利要求覆盖范围，才是真正要抠的细节——你得算清楚，这项专利能不能挡住竞争对手的抄袭，剩余保护期够不够覆盖公司的商业化周期，有没有跟高校或者前雇主的权属纠纷。之前有家做固态电池的公司，核心专利是创始人读博期间跟导师共有的，公司成立的时候根本没跟学校签正式的转让协议，等融资到B轮了，学校找上门要分70%的商业化收益，直接把整个估值逻辑干碎。

真的坑。

代码不是看行数：技术尽调要扒到最底层的脏数据

现在做软件、做大模型、做AI应用的创业团队，最擅长的就是现场演示——屏幕一放，输入个测试问题，3秒出一个漂亮的结果，台下的投资人看得眼睛都直了，当场就想打款。

别信。

去年我们看了一家做工业视觉缺陷检测的团队，演示的时候不管什么金属表面的划痕、焊缝瑕疵，模型都能精准识别，准确率吹到了99.8%。结果我们拉着团队去合作工厂的生产线上测，把带现场噪音的传感器数据输进去，模型直接输出乱码。后来扒了他们的训练数据集才知道，所有的训练样本都是网上爬的公开数据集，根本没有自己在真实生产场景积累的一手数据，演示用的都是提前调好的测试集。

我们现在做这类项目的尽调，根本不看现场演示的效果——直接要代码仓库的全量提交记录，看核心模块的代码提交频率，看测试覆盖率有多少，看有没有大量没做合规声明的第三方开源代码，看过去一年的故障复盘记录。之前碰到个做SaaS的团队，核心系统的测试覆盖率不到10%，意味着每改一行代码，有九成的概率会出线上故障，这种公司就算营收涨得再快，我们都不敢投。

很多人觉得看代码是技术人员的事，其实根本不是。你就问他三个问题：你们系统上次出重大故障是啥时候？花了多久修好？当时的根因是什么？如果对方支支吾吾说不出来，那铁定是平时根本没做系统复盘，整个平台的稳定性全靠运气撑着。

别拿实验室数据当量产能力：硬科技尽调的生死线

现在很多硬科技创业团队的创始人，都是高校出来的科研能手，做实验室实验是一把好手，一提到商业化就两眼放光，说只要拿到融资，半年就能把产能拉满，把成本降到行业平均水平的70%。

真的吗？我见过太多团队，实验室里做100片小尺寸的实验样品，成功率能到100%，结果真的开了生产线，一天出1000片大尺寸的产品，良率直接掉到20%，光调整工艺参数就花了快两年，烧了三个多亿，最后还是没达到商业化的要求。

我们现在看硬科技项目，根本不看实验室的测试报告——直接去他的量产车间待三天，看连续72小时的量产良率数据，看供应链是不是真的能稳定供货，看客户是不是真的掏了真金白银的预付款，不是那种只盖个章的“意向合作”框架协议。之前有家做车载激光雷达的公司，给的客户意向订单有十几个亿，结果我们挨个打电话核实，人家说就是跟创始人吃了顿饭，聊了下合作的可能性，根本没签正式合同，更别说打预付款了。

离谱吧？

不过话说回来，技术尽调也不是要把创业公司往死里挑错，毕竟没有哪个早期公司是完美的。关键是要分清楚，哪些问题是可以靠融资后的钱慢慢解决的，哪些问题是从根上就烂了的——比如有根本性权属纠纷的专利，比如没有真实场景积累的数据集，比如连量产工艺都没摸透就敢吹成本比行业低30%，这些问题，你投多少钱进去都救不回来。

前几天跟那个踩了两个亿坑的老伙计吃饭，他说现在他们机构做尽调，不管创始人多会讲故事，先把所有核心的资料扒三层皮——专利查权属，代码查提交记录，生产查连续良率，客户查真实的付款凭证。半年下来，投出去的项目踩坑率直接降了七成。

你看。

哪有什么复杂的方法论。

无非是别偷懒，别被PPT上的漂亮数字晃花了眼而已。