融资反稀释条款：创业者的护身符

可视化演示

稀释的本质：蛋糕为何越切越小

奶茶铺最好的时候，你手里的股权蛋糕只有 100 块：你切 60 块，林姨切 20 块，还有 20 块留给未来的核心员工（期权池）。三份加起来，你自然是绝对大股东。可王总要进来，意味着蛋糕得重新切——公司发行 60 万股新股，蛋糕从 100 块变成 160 块。你一块没少吃，可占比从 60% 悄悄掉到 37.5%，这就是融资稀释。

在商业世界里，稀释不是贬义词，它是扩张的代价。公司缺钱，就用增发新股的方式换真金白银，老股东的绝对股数不变，但相对比例被冲淡。就像一锅汤，加水越多，原来的味道越淡。理解稀释，是看懂一切反稀释条款的前提。

老投资人林姨最怕这种事。她投钱时公司小，拿 20% 很简单；一旦蛋糕变大，她 20% 的“话语权”就缩水了。她当然不甘心。于是，她要求在公司章程或投资协议里写一张“保价券”——也就是反稀释条款，把故事推向下一幕。

触发条件：保价协议何时生效

手机保价有个铁的前提：手机降价了才会退差价。反稀释条款也一样，它不会无缘无故启动，只有公司后来融资时的股价比上一轮更便宜，老投资人才能把“保价券”拿出来。股价变便宜的那一轮，行业里叫“降价轮”（Down Round）。

降价轮通常发生在市场寒冬或概念退烧时。对 AI 创业公司来说尤其常见：ChatGPT 热潮时估值被炒上天，资本一冷，下一轮估值可能不升反降。比如我们故事里的 AI 奶茶铺，上一轮每股 1.0 元，这一轮王总只肯按 0.5 元/股入股——每股价格只有原来的六成不到，降价轮的警报瞬间拉响。

如何判断是否触发？不用看复杂的投前、投后术语，只需比较两个数字：本轮新发行价与上一轮发行价。只要新价低于旧价，比值小于 1，保价条款自动生效。

触发之后，老投资人不会客气。林姨拿着 term sheet 找到你，说：“按条款，我该补股了。”这时候你才发现，保价券背后还藏着两种截然不同的“补差价”规则——完全棘轮和加权平均。刀锋与棉花的差别，就此展开。

完全棘轮：最锋利的全额保价

完全棘轮就像是商家最豪横的保价承诺：无论你的手机买了一个月还是一天，也不管现在店里来了多少新顾客，只要官方降价，立刻按最新最低价把差价全额退给你。林姨当初 20 万元买 20 万股，每股 1.0 元；现在新价 0.5 元，于是她的 20 万元突然“升值”成 40 万股的购买力。

机制上，完全棘轮做了一件事：把老投资人的“转换价”直接重置为新发行价。转换价可以理解为老投资人折算股份时用的单位成本，成本越低，同样的钱能换到的股份越多。重置之后，林姨的股数从 20 万股翻倍到 40 万股，公司需要额外印出 20 万股送给她，而多印的这部分股份，代价由创始人和其他股东一起承担。

你算了一下账，倒吸一口凉气：自己的持股从 37.5% 掉到 33.3%，林姨反而从 12.5% 涨到 22.2%。创始人被“代偿”了两轮稀释。更要命的是，完全棘轮的苛刻名声会吓退后面的投资人——谁敢进一家随时可能被老股东吸走股权的公司？这把刀太锋利，砍伤创始人的同时，也砍伤了公司。

加权平均：更温和的折中补偿

加权平均则是另一种保价哲学：商家说，我可以补差价，但要看你买了多少、新顾客买了多少，按比例折中来补。你买得早买得少，新顾客买得多，补的自然少一些。换算到股权世界，就是加权平均反稀释，它不像完全棘轮那样咄咄逼人，而是把新旧两拨投资人的购买成本放在一起“匀一匀”。

公式看起来有点唬人，但直觉很简单：把老投资人的原价和新投资人的新价，按各自股数加权求一个新均价，作为老投资人新的转换价。新转换价比原价低、但比新价高，老投资人拿到一部分补偿。

用广义口径算下来，林姨的 20 万股可以折算成约 24.6 万股，只需补发约 4.6 万股。你的持股从 37.5% 只降到 36.4%，仅损失 1.1 个百分点。比起完全棘轮的 4.2 个百分点，加权平均简直是春风化雨。这也是它成为硅谷标准配置的根本原因——既安抚了老投资人，又不至于把创始人逼到墙角。

双轨对决：同为保价，天差地别

同一场降价轮，三种命运。就好像同是保价，一家店“全价退差价”，一家店“按比例折中退”，顾客的感受天差地别。把三种情形放在一张桌上，老投资人和创始人的利益博弈立刻一目了然。

| 情形 | 老投资人持股 | 创始人持股 | 需补发股份 |

|---|---|---|---|

| 无保护 | 12.5% | 37.5% | 0 |

| 加权平均（广义） | 约 15.0% | 约 36.4% | 约 4.6 万股 |

| 完全棘轮 | 22.2% | 33.3% | 20 万股 |

对老投资人而言，完全棘轮当然是“最香的保价”，因为自己的份额几乎回到融资前；但代价是创始人被摊薄出局、士气涣散，后续融资无人敢接。加权平均则是“有分寸的保价”，老投资人拿回一部分损失，创始人还能保留继续奋斗的激励。

现实世界里，完全棘轮很少成为最终条款，更多时候是谈判起点。成熟的风险投资人明白：条款是用来管理风险的，不是用来惩罚创始人的。如果一上来就要求完全棘轮，反而暴露了自己对公司的长期发展没有信心。真正聪明的交易，会找一个让桌上所有人都愿意继续加注的平衡点。

谈判桌上：创业者的防御术

签保价协议之前，聪明的买家会把“差价怎么补、补多少、什么情况不补”问得清清楚楚。融资也一样，天使轮签 term sheet 时，创始人往往被拿钱的喜悦冲昏头脑，完全忽略藏在几十页文件角落里的反稀释条款，直到降价轮到来才追悔莫及。这堂课的最后一节，就是教你如何在谈判桌上武装自己。

防御清单有三条。第一，优先争取广义加权平均，它是行业主流，对创始人最友好；如果对方坚持要完全棘轮，至少加“例外条款”，比如公司合并、战略投资等特殊增发不触发反稀释。第二，问清楚 O 的口径——期权池算不算进去？狭义口径会让转换价更低，创始人会被稀释得更狠。第三，签约前让专业律师把关，并且用量化工具把三种情形的股权比例算给双方看，数据摆在桌上，情绪就淡了。

对 AI 创业者来说，这还有一层特殊意义：AI 公司最容易靠“故事”拿到高估值，也最容易被市场冷热落差划出降价轮。越是热门赛道，越要在晴天修屋顶——趁估值高的时候把条款谈温和，远比融资失败后再补救容易得多。

一杯 AI 奶茶的融资历险记到这里就讲完了。反稀释条款不是投资人的武器，而是创始人与投资人共同的风险管理工具：投资人需要安全感，创始人需要控制权。理解它的运作逻辑，你才不会在融资狂欢中稀里糊涂地交出最珍贵的股权。

AI 应用场景

Python 演示

class Company:    # 公司实体, 记录创始人、天使、期权池股份和每股价格    def __init__(self, founder, angel, esop, price):        self.founder = founder        self.angel = angel        self.esop = esop        self.price = price     def total_shares(self):        # 融资前完全稀释口径的总股数        return self.founder + self.angel + self.esop     def stakes(self, founder, angel, esop, vc):        # 计算各方持股比例        total = founder + angel + esop + vc        return {            "founder": founder / total * 100,            "angel": angel / total * 100,            "esop": esop / total * 100,            "vc": vc / total * 100,        }  def weighted_price(old_price, outstanding, invest, new_price):    # 加权平均反稀释: 返回折中后的新转换价    n_old = invest / old_price    n_new = invest / new_price    return old_price * (outstanding + n_old) / (outstanding + n_new)  def run_scenario(co, invest, new_price, broad=True):    vc_shares = invest / new_price     # 无保护: 老股东直接承受稀释    no_protect = co.stakes(co.founder, co.angel, co.esop, vc_shares)     # 有保护: 先求新转换价再算补股    if broad:        outstanding = co.total_shares()    else:        outstanding = co.founder + co.angel    p_new = weighted_price(co.price, outstanding, invest, new_price)    angel_after = co.angel * co.price / p_new    extra = angel_after - co.angel    with_protect = co.stakes(co.founder, angel_after, co.esop, vc_shares)    return no_protect, with_protect, p_new, extra  def main():    co = Company(founder=600000, angel=200000, esop=200000, price=1.0)    invest = 300000    new_price = 0.5     for broad in (True, False):        no_p, with_p, p_new, extra = run_scenario(co, invest, new_price, broad)        kind = "broad" if broad else "narrow"        print(kind, "new price:", round(p_new, 4), "extra:", round(extra))        print("  no protect :", {k: round(v, 1) for k, v in no_p.items()})        print("  protected  :", {k: round(v, 1) for k, v in with_p.items()})     print("full ratchet new price:", new_price)    angel_full = co.angel * co.price / new_price    extra_full = angel_full - co.angel    full_stakes = co.stakes(co.founder, angel_full, co.esop, invest / new_price)    print("full ratchet extra:", round(extra_full))    print("full ratchet :", {k: round(v, 1) for k, v in full_stakes.items()})  main()

1. class Company:定义一个公司实体，记录创始人、天使、期权池三方的股份数和每股价格，相当于奶茶店的基本盘。
2. def total_shares(self)计算当前总股本，也就是“蛋糕总块数”，广义口径的 O 就来自这里。
3. def weighted_price(old_price, outstanding, invest, new_price)加权平均公式的核心实现，返回折中后的新转换价。
4. vc_shares = invest / new_price新投资人本轮获得的股数，30 万元按 0.5 元买进，立刻拿到 60 万股。
5. no_protect = co.stakes(...)模拟完全没有保价时的各方占比，作为对比基准。
6. angel_after = co.angel * co.price / p_new老股东按新转换价把原股份“放大”，这就是保价补偿的数学本质。
7. for broad in (True, False)同时跑“广义”和“狭义”两种口径，用同一份数据看哪种对创始人更友好。
8. print("full ratchet ...")单独输出完全棘轮的结果，和加权平均形成鲜明对比。

常见误区

面试题