Subscribe
Share
Share
Embed
完整版1小时50分钟：https://youtu.be/BseWUBpOHY4
2017—2018 年，当不少出资人还把 AI 看成“不靠谱、太烧钱”的赛道，周楠参与筹备的一支 AI 基金，待投项目里已经有 OpenAI、Databricks 和 Cerebras。基金最终没有募成，这些机会也就这样错过。在那前后，她早期投资了 Cerebras；几年后，又参与了 Scale AI 投资。她由此形成了一条很硬的投资纪律：一定要在共识形成之前下注；等所有人都看懂，往往只剩更高的价格和更小的空间。
但“在共识之前看见”并不等于凭感觉押注。周楠会看非常具体的信号：为什么八十多位创始工程师、六十多位博士愿意再次追随 Cerebras 创始人；自动驾驶退潮之后，Scale AI 如何迅速转向公共部门；Alexander Wang 又如何用一段 28 分钟的视频，把公司的历史、客户迭代与未来愿景讲清楚。所谓投资直觉，背后其实是对工程、市场、团队和执行风险的一层层拆解。
这期对话也回答了几个创业者更直接的问题：技术团队很强，为什么 VC 可能五分钟就决定不投？AI Agent 即使能赚钱，为什么仍未必是一家适合风险投资的公司？垂直数据不再天然构成优势之后，真正的机会为什么更可能藏在完整、复杂、高价值的工作流里？机器人怎样跨过 Demo、部署、数据闭环与 ROI 之间的鸿沟？以及大厂技术人创业，最容易犯的三个错误是什么？
嘉宾：
周楠：硅谷科技投资人。录制本期时任高通创投投资合伙人；曾在百度从事 AI 与芯片投资，是 Cerebras 早期投资人，并参与 Scale AI 投资。
章节：
00:00 精彩预告
00:47 为什么共识形成以后再下注已经太晚
04:49 基金规模如何决定投资打法
06:43 十年前注意到 Scale AI，为什么没有立刻投
10:30 Scale AI 如何穿越自动驾驶退潮
14:48 Cerebras：Transformer 之前的算力下注
20:38 投资直觉如何经由风险拆解验证
22:32 什么才是足够大、足够难的问题
25:31 技术很强，为什么 VC 五分钟就会拒绝
30:09 OpenAI、Databricks 与那支没募成的基金
36:53 垂直 Agent 真正还剩什么机会
39:15 Physical AI：Demo、部署与数据闭环
42:32 Token 如何改写硬件商业模式
44:40 能赚钱的产品，为什么未必值得 VC 投
45:35 从 Demo 到量产：什么是“暂时的 PMF”
47:12 这一轮 AI 接近收割，下一个周期在哪里
52:44 为什么正确的建议也可能毫无用处
55:26 大厂技术人创业的三个误区
57:48 什么样的创始人真正 coachable
59:42 不追热点，AI 时代谁不容易被淘汰
1:00:41 现在还该创业吗？一定要拿 VC 钱吗
1:01:50 怎样讲出能打动一线 VC 的故事
#AI投资 #创业 #风险投资 #OpenAI #ScaleAI
欢迎加入我创办的AI社区「超线性学院」，里面已经有两万多AI Builders，700多个项目。在里面，你能看到最新的技术进展，和不同背景的人如何用AI解决自己的问题。我在腾讯、美团、小红书等公司的企业培训，在社区里也可以免费看。
访问 https://www.superlinear.academy，或搜索App超线性学院。
《课代表立正》是一档关于AI、职业与商业的中文播客。这里既有与AI研究者、科技创业者、一线管理者和真实实践者的深度对话，也有课代表立正对产品、增长、创业与职业选择的亲身复盘。我们不只追逐新工具，更关心：当AI改变能力和成本，个人与组织怎样重新设计工作，把判断和本事做成真正进入现实、值得留下的作品。
主播课代表立正，本名孙煜征，康奈尔大学经济学博士、Superlinear Academy创始人。曾任Amazon经济学家、Meta数据科学家和腾讯IEG副总监，也是OpenAI收购团队早期成员。2020年以来完成200+场公开对话，跨平台关注者400K+。
加入Superlinear Academy免费社区，与2万+成员一起交流；这里已有700+真实项目与实践分享：
https://www.superlinear.academy/
了解立正与更多作品：
https://www.lizheng.ai/
我们今天是在跟Nan
是高通创投的投资合伙人
主要聊两个话题
但是我们其实更多的还是聊故事
一个是硅谷的创投游戏
到底是怎么玩的
他可能和大家想的很不一样
起码我跟你聊的时候
就发现和我想的很不一样
或者说如果是一个你觉得产品还不错
你是怎么打入这个圈子
因为我们有也会听说过一些人抱怨
就是我的产品很好
但是为什么我投VC VC也不要我
跟投资人聊
然后投资人也不理我
那说明这里边是有一个门道
对外大家是不知道的
所以我们可以先聊聊这个门道
再接下来呢
你的一个thesis
其实很贯穿的就是软件和硬件
一直focus在人工智能
但是这个软件和硬件
尤其现在人工智能
感觉就是软件一片繁荣
但是硬件可能都是在布局和投资
和成长的阶段
恰恰相反
今年开始软件就很惨
SaaS就很惨
哦确实 反而是硬件做算力的
做compute的这一些就很火
就是今年的软件
我觉得SaaS
这些股票尤其的比较惨吧
确实今天看你的那个LinkedIn
我还看你repost了
那个Conviction的founder
的一篇文章
对我repost完
我还没有来得及好好看
他的意思就是说
呀现在创投圈
觉得好像软件都没什么好做的
然后所有东西都是NVIDIA和Anthropic
是是
就今年的AI投资非常难
像去年的时候
因为我个人的投资逻辑就是说
一定要在形成共识之前下注
哪怕这个窗口非常短
你也一定要在共识的
哪怕这个非常短的前窗口下注
你不能在到达共识才下注
因为你如果到达共识再下注
那你就等着被割韭菜
这个是我自己的
一个非常严格的投资逻辑
就虽然大家说你在CVC做投资
你可以不要去那么关注
这个financial return
但是这个是我觉得
我给我自己的一个非常高的
严格的要求
就是你不能说去追高
你一定要在形成共识前
有自己的investment thesis
就是你看到这样的一个趋势
然后你觉得值得下注的一个点是什么
然后你在形成共识之前
哪怕这个窗口只有短短两三个月
你要抓住这个窗口去下注
2025年(口误)的窗口大概是2到3个月
2024年的窗口
我觉得还有3到6个月
而今年的窗口几乎就没有窗口
今年就是已经是完全共识了
所以你会看到
很多AI的项目的估值是非常高的
尤其是new labs
你可以投的东西也不是很多
因为你如果要投general-purpose agent
它可能会被像OpenAI、Anthropic
这一些大的Frontier lab给吃掉
另外就是
如果你想投一些vertical AI agent
它也可能会被这种Frontier lab给吃掉
比如说你如果想做一个finance agent
或者你想做一个services的agent
其实这些Anthropic都在做
所以你说哦
如果我就是做一个vertical AI agent
那其实也很危险
所以对于
投资人来讲就特别不好投
所以你会看到说今年的现象就是大多数的钱
一级市场的钱都在涌入winner category、winner define
就是像Anthropic这样的SPV
做的一个又一个非常的火爆的
大家都想去把钱下注在这些winner上面
包括OpenAI
包括SpaceX
还有包括像什么Databricks
往这个中晚期的企业去下注
反而是成了今年VC投资的一个趋势
觉得自己是很echo with
不好意思
我可能说的英文比较多
没有问题
因为在美国很久工作很久
很多中文忘记了
就是我会对于Sarah Guo这篇文章的前半部分
就比较共鸣
就是感觉确实是
好像找不到一些特别明显的趋势
去进行投资
那怎么办呢
这是一个有办法的事情
还是一个没有办法的事情
其实不能说没有
也是有的
就是你会有一些观察吧
就是我自己也有一些观察
怎么说呢
就是掘地三尺
做一些调研
也会觉得有一些趋势是可以去赌的
当然可能是比较小的一些return
市场级就这种特别大的return的这种公司
我在这个时候觉得
可能也是人云亦云
就是像physical AI
机器人这个方向
或者一些再偏硬件的方向
比如说新的compute呀
比如说ASIC compute呀
能够针对inference这个场景的
一些新型的compute
我觉得也是可以下注的
但是这个
就是需要你对技术有相当敏锐的判断
相反是general-purpose agent
或vertical AI agent
我会比较谨慎一些
你其实代表的是
美国最主流的投资机构
然后你进的呢
也是最头部的这些deals
然后你看的呢
基本上
也是瞄准着市场上最大的机会去看
基本上这样对吧
我觉得可能我代表的是CVC吧
因为我在高通创投也差不多六年多了
因为你站在一个
尤其这么大一个芯片公司
会看到很多不同的一些产业视角
技术视角等等
偏硬科技或偏硬件方面的一些投资
相比financial VC来说
我们会有一些产业上的反馈
我们会有一圈企业里的这种
技术的高管呀
或者周围的这些朋友圈
也会有一些反馈给我们
所以这样的话
可能我觉得
我在跟一些financial VC相比的话
会形成一些比较不一样的
甚至比较前瞻的一些技术判断
但是我刚刚说
就是大家去找什么样的deal
因为我们会想
就是有一些可能小一点的VC
它会关注那些更小的deal
是的是的
如果你的VC的规模比较小的话
比如说现在很多emerging GP
他们的第一支fund都是20到30个million
那他可能就可以去下注一些
比较小的案子
期待这个公司会有一个比较快的M&A这种
这也是一种打法
就是他可以投很多小而美的公司
我觉得这也是可以的
就是一些小的infra company
但是如果你的这个管理的资金
规模很大的话
比如说你上亿美金或者是200个million
300个million以上的这种
那你就要瞄准这个winner去打
因为你不可能说
我一个基金投几十个以上的项目
你可能作为一个基金的GP
你就投大概二十几个项目就撑死了
因为你还要管它去陪伴这个公司成长
所以就注定了
你必须是有一个非常前瞻性的
investment thesis
然后去下注这个winner
直观一点的理解的话
就是比如说YC的公司
你们大多数是不看的
YC的公司
我觉得要非常谨慎的去看
就是你要有一定的直觉
因为YC的公司实在是太多了
我是很久没有去看YC的公司了
但是我也回忆起我在十年前的时候
当时看到了一些YC的公司
我当时很早就看上了Scale AI
那我就想说
YC公司确实很多
但是如果你作为投资人
对这个技术趋势有一定的判断力的话
或者你对founder有一些的判断力的话
有一些直觉的话
能够去瞄准到一些还不错的标的
那就比如说像十年前
那个时候
我也是通过看YC一些录像的回放
看到了Alexander Wang
因为那个时候我在百度的时候
就已经意识到
这个data非常重要
对于模型训练
尤其是说自动驾驶这个方向
它需要非常丰富的数据非常
好的高质量的数据
被打过标签的数据
那像Scale AI
当时好像就是这么一个解决方案
就想干这个事
我就觉得
这个founder虽然年纪很轻
可是他的商业头脑非常敏锐
而且你能感觉到他特别的聪明
当然这个公司我那个时候也没有投哈
我也是等到了2019年
20年才开始对他持续的去关注
就会发现说
这个聪明的founder
就是我们作为投资人
我们会有一个funnel
就像一个漏斗一样
我们会把那些我们想要关注的人
放在我们的漏斗里
然后持续看他怎么成长
然后你就会发现说
这个创始人就是一路成长
一些他的判断和他的一些行为
和他怎么去让这个公司长大
都可以能够有迹可循
说他就是一个非常聪明
非常有执行力的founder
然后我在2022、2023年
相继都propose要去投这家公司
然后最后终于投成了
投Scale AI对这个就是一个
我长期持续关注的一个founder
那可能如果当时我有一个自己的基金
或者是说
如果当时百度能够投这种比较小的
写一个比较小的check size我可能还是会去写的
你就可以更早期的去投他
拿到一个更高倍数的回报了
对但是就是again
这个取决于你管的资金的规模对吧
如果就是说你的这个基金像百度或高通这样的战投
你也很难说
我就是从YC的一堆案子里面
投一个份小的check
它这个不符合战投的一个投资逻辑
但是如果你是做一个自己的基金
或者是你是自己是一个GP
管一个20到50个million之间的
这样的一个基金规模
那其实你是可以从YC这样公司里
去选择一些投资标的的
但我觉得
就这里
一定要有一个比较强的直觉的判断力
我其实非常喜欢徐新老师的一句话
就是徐新老师他在挑选创业者的时候
他就是非常看重说
这个创业者有没有killer instinct就是杀手的直觉
我就非常认同这个
我觉得我在挑创业者的时候
我也有这样的一个倾向吧
当然
可能我去识别人家杀手直觉的能力
远远不到徐新老师的这种甄别力
和判断力
但是这个也是我觉得一个我的一个投资原则
同时我觉得作为投资人
本身也要有一定的直觉
你会发现
往往非常优秀的投资人
他都是有相当敏锐的直觉的
因为他需要去捕捉到
在当时非常混沌不堪的一些技术的这种现象里
最前瞻的一个技术的改变力是什么
就是你要有一定的非常大的敏锐度
去把握这个技术的一个范式的改变
(有)敏锐度去把握这个founder
然后你要能够去通过
不断的去追踪这个公司
然后去修正你的这个判断
然后让你的这个判断逻辑
不断不断的去调整
这样的话你的投资逻辑
才能够在日复一日
年复一年的这种投资活动上
能够得到提升
我觉得你这两个词用的都很有意思
一个是instinct
一个是
中文说的可能有点啰嗦
不不不这是很重要
因为很多人会觉得
投资是一个有钱就行
或者你有access就行
或者说你可能要做很多调研
然后有很多逻辑
但是你强调的词反而是instinct和intuition
对吧就是本能和直觉
所以说这个killer instinct
就是这个杀手的本能
和你刚刚所说的这个直觉
能不能给我们各举一个具体的例子
就是什么样是杀手的本能
这个很抽象
怎么讲呢
很难去...跟我们描述一个故事吧
就是你在一个人身上
看到了一个这种杀手本能
或者你当时Alexandr Wang
你是看到了他什么
他怎么在那么多人中脱颖而出
我在他第二阶段的时候
就觉得他非常的具有商业敏锐度
因为Scale AI早期
是给自动驾驶的公司提供数据标注
然后它在2021年
22年就有那么一段时间的时候
自动驾驶不行了
你还记得吗
就是自动驾驶
它从16年17年的时候开始很火
你会看到
那个时候
很多的VC下注了一些自动驾驶的公司
不管是它的就是传感器也好
还是这种软硬结合方案也好
就是有很多资本堆叠起来的
自动驾驶公司
然后一旦他没有资本
他们就会需要买数据对吧所以那个时候
Scale AI的业务是长得很好的
结果到2021年22年的时候
Scale AI其实就面临着一个自动驾驶
有点像是这个投资或泡沫
或有点小小崩盘的这么一个局面
那他的客户已经就变少了
所以他面临的这个困局
他怎么突破的呢
他就是敏锐的察觉到
就是说美国的这些政府
或者public sector
他一些AI的项目
需要去做一些data的infra数据层面的一些服务工作
他就把自己立刻调整成一个
我去帮美国这些政府搞定这些
项目的一个模式吧
而且他的行动非常快
他也抓到了非常需要抓住的人
Eric Schmidt当时是他的一个mentor
他也抓住了很关键的人帮他去站台
他那段时间
public sector的那些订单量就涨得非常好
尤其在疫情的那段时间
我觉得
这个是让他公司上了第二级台阶
那他就是敏锐的抓住了这点
我那个时候就感觉到
这个小伙子的直觉力和行动力
非常的不一般
而且那个时候我有个很好的朋友
刚好也拿到了Scale AI的offer
他还在问我说
这个offer和另外一家公司应该去哪
我就说你应该去Scale AI
然后他说你不觉得这公司已经很贵了吗
那时候估值已经是好像将近7个billion了
我说我觉得这个公司
上限是非常非常高的
因为这个founder
我觉得是我见过的founder中
最sharp
最有智慧
而且执行力超强的一个人
后来我这个朋友就去了
当然我这朋友也非常非常优秀
非常能干
他就也赶上了一个后面Scale AI
在这个大模型时代的一个腾飞
所以你就看到这个创始人
所有的机遇都能抓住
所有的机遇都能执行好
知行合一
我觉得这样的创始人是非常的少见的
我也就是碰巧
因为在人工智能这个领域
瞄到了这样的一个人
他一直在我的雷达上
我一直在关注他
我就觉得他一定能成事
后来Scale被Meta收是200 billion
是吗
没有没有
他被Meta收是29个billion
应该是
对sorry一个数量级
对29个billion
这个案例还是挺有意思的
我们再多深挖一下
你说他的mentor是
Eric Schmidt谷歌的前CEO是吗
对对one of the mentors他可能也不少mentor
which I don't know maybe
怎么做到的
这么一个年轻的小伙子
而且他的公司一开始也不是那么大
对吧然后又是一个走下坡路的公司
而且你很明显他到了Meta以后
搞定小扎也是搞定的非常好
这个是怎么做到的
我觉得他非常有vision
他的一些前瞻性的判断
和他的一些很敏锐的这种把一个
前瞻性会发生的东西
讲清楚的能力非常的厉害
他在融那个F轮的时候
他录了一个28分钟的
一个投资人的presentation
因为他也不可能说这么多投资人
想投他的一个一个去pitch也不可能对吧
他录了一段28分钟的视频
这个28分钟的视频中的信息量
就是非常的大
然后我就很震惊
他能够在这么短的时间内
把这个公司的前因后果
整个就是因缘际会
怎么去在AI中开始投几个阶段怎么投
产品是怎么样
定位是什么
为什么后面AI的这个时代
需要这么一个data infra
那时候还是二三年二四年的时候吧
当时大多数投资人
那个时候差不多就刚刚认同Scaling Law
还不知道AGI什么时候来
但他就已经非常的大胆的预测了
AGI的一个方向跟时间表
我当时看完那个视频以后
我是真觉得
这个小伙子不得了
就是把这个让人感觉好像有点
捉摸不透的一个技术概念
讲的非常清楚
而且把这个远景
也绘制的非常的远大
然后让投资人还能看到
就是说他怎么从这一步到达那一部
他怎么能够让Scale AI
通过Scale AI的这些产品的迭代
他的客户的迭代
他现在有的客户
未来的客户
他几块业务线
他是怎么去把这个机会抓住的
讲的非常好
他的这个整个逻辑思维
storytelling眼界vision
在这28分钟内
你能够发现
这是顶级的一个公司的founder
而且这么年轻的年纪
那真的是前途无量
不是说我是个三十几岁
四十几岁
他是个28岁的人啊
那个时候
我觉得这个案例很好
再举一个案例就是你觉得一个非常优秀的创业者
我觉得可能一个比较明显
刚好就是我自己的home run
就是Cerebras
这个案例是我十年前在百度投的
这个案例
它是一个芯片公司对吧
它是一个做系统级芯片的公司
而且它的芯片架构非常具有颠覆性
它是把八十几个芯片在一个晶圆上
Wafer上面无缝互联然后去
加速当时的深度学习的一个训练的速度
它是在Transformer出来之前做的
那个时候
因为百度的美国人工智能研究院
非常的前沿嘛
那个时候百度美研已经发现了
Scaling Law的一些蛛丝马迹吧
就通过那个DeepSpeech model的一个论文
当时这个论文也是Dario写的
他和另外几个百度前同事他们写的
因为当时我是从投行这边
加入到百度的
所以我当时也在恶补很多
关于人工智能的知识
我就记得很清楚
那几个研究员就跟我说
未来的模型会非常非常大
需要很多很多的数据
如果模型要持续迭代的话
就需要非常非常强的算力
而现在这个算力就是不行
现在一六年的时候
只有英伟达GPU
能够去用来训练人工智能的模型
那如果说以后的模型
有这么大的对算力的需求的话
要不就是
除非英伟达能够成为一个非常厉害的算力的芯片
那个时候英伟达其实它在十年前
因为它是一个做游戏的
这种显卡的芯片嘛
所以那时候做深度学习的训练
还不是说那么的理想
当时英伟达这些年它的迭代
它整个这个系统非常的厉害对吧
这我们就不提中间这些发生的事情了
但当年当时那个时候
我们的一个认知就是
如果以后
人工智能
需要这么多算力的话
那就是要不就是英伟达很牛逼
但英伟达如果牛逼起来
那它就垄断
所以不能让他一个人垄断的话
那我们就要去投资新的芯片的架构
所以我是基于在那样的一个认知下
开始去满大街去找一个什么样的
更具有颠覆性的芯片架构的
那那个时候真的就是在共识前
很多很多很多很多年了
然后后来我就是在满大街找的过程中
找了好几家
然后Cerebras就刚好的是其中一家
然后我就开始去做尽调
这个尽调过程是非常非常技术化的
非常多的细节在里面
非常多的技术细节这里不赘述了
就是你要去验证说
它的这个架构能不能work
另外就是说
里面这么多的系统级的风险
它是怎么去拆解的
我可以说一下
就是为什么我当时看上这家公司
从这么多家芯片公司里面选了这家
带着当时的百度的一些核心的研究员
去做尽调
是因为我看到了这家公司
founder非常的厉害
就Andrew Feldman在当年就显示出了
非常卓越的一些创业者的素质
他的前一家公司叫SeaMicro
被AMD收购了
然后收购完之后呢
跟他当年一起创业的
所有的那些co-founder们
都又加入了他来做这家新公司
然后当时公司才成立一年
里面有80多个founding engineer
你想才一年他就招到了80多个人
而且都是他以前跟他一起工作过的人
这80多个人里面有60多个以上全是PhD
大家平时说资本密度比较集中
那我就觉得这家公司就是集了
我在硅谷能够看见的最聪明的
一群做硬件做系统做软件的人
去构架这么一个颠覆性的芯片
六七十个PhD
那真的是太厉害了
这个公司的人才密度就非常的厉害
那这个founder
也很了不起
能够在一个初创公司里面
我觉得10年前大家对风险的
承受度不像现在这么高
现在AI很多年轻人出来创业
而那个时候那么多
的厉害的人能够去
承担这个风险
加入这样一个非常具有颠覆性
但是也是高风险的创业公司
去做这件事情
去实现这个vision
就有这样的一个conviction
我觉得这个founder一定是很了不起的
虽然那个时候我很年轻
但是强烈的直觉告诉我
他一定有几把刷子
所以我就当时带着百度的
一些研究员就开始做尽调
然后一路做尽调下去
让我们当时的一些conviction更加强
就投了这个公司
但是这个公司在后面成长的过程中
它也遇到很多挑战
它并没有想象中的
能够成功的这么快
我们当时所有看到的
一些系统和工程上的风险
后面都有出现
但是这个founder就是能够在这样
的一个逆境中去带领这个公司
克服了很多的困难去成长
他的founding team几乎就
没有什么特别多离职的
你就没有看到说觉得
公司好像有困难了
这些人就拍拍屁股走人
没有看到这样的情况
所以我觉得这个创始人
还有这个公司的愿景
还有他们的团队都是很了不起的
刚开始做的时候就能招到这么多人
已经很厉害了
而且他怎么认识这么多人的
七八十个人的这种级别
他不可能跟七八十个人都是好朋友吧
因为他创业的时候年纪也不小了
也应该有40多岁了吧
所以那些人都是跟他在前一个公司
前前一个公司都共事过的
那这个就足见他的这个人很靠谱
很有人品
你刚刚说到了
就是有founder优秀的素质
你可不可以帮大家列举出来
你看中的这个founder的素质都有哪些
我觉得尤其是投硬件或
软硬件结合的这些founder
一定是要去解决一个足够难
足够大的问题
就是他能够看到说我这个问题要去
解决的一个市场痛点是足够大的
比如说当时Cerebras它要去解决的
就是人工智能的这个模型的训练
他会预见到
预判到说未来十年这个模型会很大
需要很多的算力
他预见到了这一点
可能当时百度的一些人工智能的
这些专家们也预见到了这一点
但这个在当时可能并不是一个共识
就当时很多VC还是觉得说
并不知道AI什么时候能够爆发
看不见这个时间表
我还记得当时我自己的一个对于
2025年的人工智能芯片的
一个市场预期只有25个billion
而你想想现在2025年
NVIDIA的估值都多少对吧
但是我是在2016年的那个
时间节点去预测了2025年
我记得我当时这个预测出来的时候
身边人还跟我说
你这个太aggressive了吧
2016年的时候
英伟达的市值都还非常非常低
我记不得多少
但挺低的可能就
小几十个billion不到吧
然后我就当时就预测
2025年是一个这么大一个提升
很多人是不敢相信的
但你现在从今天回头看
你就发现AI崛起的速度
是远超你的想象的
这个市场也是远超你想象的大
所以我觉得这个Scaling Law
它是有一个指数级的增加效应的
可能刚刚扯远了
回到你刚才的问题
就是说回到这个founder本人的身上
founder能够去解决一个足够大的问题
但是他解决问题的方法
就是说他能够把他的
这个怎么去解决这个问题
拆解到非常细的颗粒度
比如说当时Cerebras那个founder
我在尽调这个风险的时候
我是拆解得非常非常细的
就对我来讲
我有一个直觉在founder上面
这个是我作为投资人
的一个本能的素质对吧
但是第二我要是形成conviction
我需要像是去验证一个假设一样
我要去把它的风险
一个一个拆解出来
看看这个风险能不能被解决
然后我也同时在考验说
这个创业者有没有
深思熟虑过这所有的风险点
他要去怎么解决
因为创业路上九死一生
你所有的风险点最后都
可能变成压死你的稻草
所以你有没有把这所有的
风险点一个一个拆解出来
去详细地去思考过
你要怎么解决它
当时Andrew Feldman是把所有的
风险点都拆解到非常细
讲得非常清楚
所以我觉得这样的
founder就是又有vision
又有真正的
落地的这种经验
就那个时候芯片它还没有出来
但是他已经知道说他要
怎么去把这个东西做出来
而且他面临的风险是什么
就是一个非常系统级别的去把
所有的关键点都拆解出来的能力
我觉得这个很重要
所以就是说
我的直觉一定不是拍脑袋的
我有一个直觉
但是我去验证我的直觉的时候
我是遵循了第一性原理
的一点一点去拆解的
对这里边homework很重要
咱们上次访谈的时候也讲过
就是你在这里边
说实话你的工作非常的辛苦
我是不想要你那个工作的哈哈
对实在是太卷了
挺辛苦的
投完还要管这么多公司
尤其在高通这种CVC里面
高通的投资是一定要
上董事会观察席的
就board observer
所以就是你投多少公司得管多少公司
就真的是还蛮辛苦的
对就要做很多很多的案头工作
然后包括跟人的聊天
然后你还要去提升你的直觉等等
刚才的两个点
一个是解决一个足够难的问题
第二呢就是真的想清楚了
然后排清楚了这里面的风险点
但是第一个我觉得
大家普遍有很多误解
比如说一个创业者说
我要做下一个Facebook
我要做下一个微信
他觉得这个是一个立志高远
然后是做一个解决足够难的问题
我能不能用这个案例让你
来再进一步的阐述一下
你说解决一个足够难的问题到底是什么意思
我说的这个算不算
那一定不是下一个微信或下一个Facebook
因为它已经有了
你除非觉得现在微信和Facebook
有什么重大问题让你觉得不好用
你要解决的一个问题一定
是目前没有解决方案的
但是同时
这个市场未来会足够大
就是你要有一个前瞻性的视角
就是我要解决的这个问题是未来3到5年
5到10年的一个问题
然后我的这个解决方案足够的
比现在所有市场上的都优秀
还要回答为什么是我
为什么我能做到它
然后还有就是我要怎么做
这些都要讲清楚
我觉得这几个逻辑就不管是你对于
投早期还是投成长期都是一样的
我们如果倒回去看
其他的一些创业者
可能我们会觉得
比尔盖茨也是草根的呀
扎克伯格也是草根的呀
埃隆·马斯克也是草根的呀
没有什么一定是他的原因
那这个为什么是我
怎么回答呢
在这个阶段
那这个不一样
为什么是我
一定是你有一个强大
的愿力和动力去做它
当你的愿力足够强大的时候
你去阐述说
为什么我对这个
市场有这样的一个预判
为什么我要做的
这件事情是足够难
你会讲得非常convincing
那同时你把这两个问题回答好
你就在回答为什么是我
因为没有人能够有你这样的vision
或者是能有你这样的
一个解决方案和执行力
我觉得这些能够相当的从
一些你的看事情的角度和
方式上能够反映出来
如果是个年轻的创业者
这个问题可能不是那么好回答
所以VC就会bet on一个说OK
我觉得这个年轻人足够有潜力
比如说当年的Scale AI就是这样
Alexander Wang在创业的时候才19岁
那就回到Cerebras这个案例
Andrew Feldman创业的时候已经40多岁了
他已经有过很多很成功的案例
所以为什么是我这个问题
就觉得很容易就解决
就是为什么是我
这就是你了我觉得
就只有他
就大概率就是你
你有胆量去做
然后你愿意去花时间做
然后你也有足够的能力
去募资并把它做出来
投资人对这个founder
对这件事情都有conviction
为什么他有足够的能力募资
这个其实已经很明显了呀
因为他当时第一
他看到了这个市场的潜力
他讲得很清楚
第二他的这个芯片的构架
这个方案足够具有颠覆性
而他这个团队能够把
这个颠覆性的芯片做出来
第三他把这个风险点拆解得非常好
这几个点讲明白了
我觉得愿意形成这个
conviction的投资人就会给他钱
我为什么问这个问题
在他身上很明显
但是我觉得平移到另外一个人身上
可能具备他的所有
条件也不一定那么明显
就是有很多技术同学
他可能觉得自己的技术很优秀
有具备这样条件的人
募不到钱
who is that person哈哈哈
不不不很多时候对自己就会
有这样的一个bubble嘛
那这种情况下
他以为自己的技术非常厉害
他以为自己解决的问题是一个很前瞻性的
很重要的问题
他会觉得自己明明技术很厉害了
但是自己的募资能力不够强
那我觉得如果他募不到钱的话
可能是他对自己的认知判断有误
他觉得自己的vision也很远
技术也够强
想做出来这个东西也够厉害
那就是他的故事没有讲好
故事没有讲好
这里面反映出很多点
就是他的逻辑是有问题的
你面对投资人
投资人都是身经百战的人
比如说你如果来跟我pitch
如果这个投资人有十几年的经验
那他很快就能够判断出来说
你的这个视角
是不是一个正确的视角
或者是有一个经过
深思熟虑的一个视角
具有前瞻性的视角
投资人会问很多问题
投资人是非常会问问题的
通过这几个问题
如果这个founder他没有回答足够好
或者说这几个问题
显示出来他想得不够深
有点想当然
那当然就是5分钟内就被毙掉了
都没有下一个再讲的机会了
所以我觉得founder在去pitch之前
也需要对自己有个清晰的认知
你是不是把这个事情想清楚想透了
你的愿力是不是足够大
然后是不是能够让投资人看到
就是说是你可以把这事做成
然后你是不是
能够去召集到一些跟你
志同道合的founding team一起做这件事情
我觉得founder很重要的几个能力
就是讲故事的能力招人的能力
还有融资的能力
就是早期的founder来讲
要不然你也活不到A轮嘛对不对
稍稍替founders们挑战一下你
你似乎预设了投资人是比一个菜鸟founder
更懂这个事情能不能做成的
你觉得是这样吗
那我觉得他面对的
是什么样投资人了
我觉得一些一线的VC
或者是一线的CVC投资人
他并不一定就是说
懂这个技术的细节对吧
因为永远都是这个founder
一定是这件事情最懂的人
但是投资人可以通过问问题
看看这个founder的思维方式
想的东西对不对
你要做的这件事情
你想要去解决的这个问题
这个市场领域够不够大
同时也会通过一些提问的蛛丝马迹
能够看出来这个人
是不是一个很scrappy的founder呀
很hustling的founder呀
能不能把这事做成
能不能成事的一个founder
光是有一个vision
你技术很强
跟你能不能落地
这个已经能够把
很多的公司给拍掉了
你一定要能够把这事做成才行
而这个能不能把事做成
也是投资人对他的一个预判
我发现我们刚刚
又讲出来几个创始人的核心素质对吧
就是hustling scrappy
能把东西落地
on top of他要再解决
一个足够大的问题
才能把这个风险点给想清楚
你觉得还有没有additional的
一些素质是投资人看重的
我觉得这几个就还挺重要的
如果真的都具备的话
可能真的就是直接写check了对
因为最近data center
芯片互联
这些方向也很重要嘛
然后我也在data center这个领域里面
也聊了一些创业者吧
我也聊到过
就像你讲的
技术非常厉害
非常有远见
他这个东西能解决一个很大很大的
data center里面一个互联的问题
就是这样一个
我觉得在技术上
在资历上都是超级棒的创业者
我给他打5A吧
但是我在跟他聊的过程中
会比较担心他的执行能力
通过一些问问题的
包括对他的一些感觉和
他的一些性格的判断
就觉得这个人可能
挺温和的或干嘛的
尤其在硬件的这种创业中
founder还是要有相当的执行能力的
然后我对他的一个判断就是说
你如果要去融一个比较
规模的seed round或者A轮
你要有一个在商业层面的一个co-founder
把前端的一些落地
这些operation的事给你做了
在能够找到这样的co-founder情况下
你有相当的概率能够拿到VC的钱
这样的founder
可能有经验的VC
虽然我不懂他那个技术是怎么做到
我就必须非常诚实的说
他讲的里面的一些什么光互联
就是非常technical的东西
我能够知道他是懂
我通过他跟我讲故事我知道
他真的有这个实力
但是同时我作为投资人判断
我也能够看到
可能这样的一个founder
在一些落地的上面
他会需要一个更强的合伙人
就跟他很互补的合伙人
我就会建议他说
你要找到一个这样的co-founder
以后你再去募资
你的成功概率会大很多
咱们讲到这的话
就继续讲你刚刚说的那个非共识
你通过你的intuition去看这些founder呢
尤其是你要在技术上做一个判断是吧
就是这个正确的非共识一定也是
跟你的investment thesis非常相关的
刚你说的就是这种优秀
的founder是非常闪耀的
所有的可能一线的VC
跟他一聊就觉得OK
可以给你写check了
那所以说大家会判断错吗
因为投资本身就是
一个小成功率的东西
所以说你投的这个人
他没有把那个东西做出来
不见得你当时做了一个错误的决定对吧
我更想知道的就是在这个
过程中共识是怎么形成的
然后你在这中间又是怎么样子
先人一步的去找到那个正确的非共识
这可能是我想问的问题
我觉得非共识一定是你
作为一个一级市场投资人
经过对这个领域多年的一些深耕的
对一些事情的一些预判吧
共识是怎么形成
那一定是说这个市场
技术到了一个拐点
然后这个共识就形成了
那比如说我在2017年18年
在百度工作那些年
我中间有一段时间我是出来
跟我的前老板想募一个AI的基金
当时我们聊了很多的LP吧
包括institutional
一些大公司
包括中美的都有
但那个时候当然也有
一些地缘政治的原因
这个基金没做起来
这是后话
但是明显就能够感觉到
那个时候我就聊的一些LP
他们就对于AI这个赛道
觉得这是个非常不靠谱的赛道
那是完全的一个非共识
我记得当时我带着
我的deal book去募资
当时OpenAI在我deal pipeline上
Databricks在deal pipeline上
Databricks其实2017年融资很困难的
就是这些公司在当时都是非共识
没有一个LP买账
我觉得我可能当时没有那个命吧
这个基金就没有募起来
当时其实Cerebras也在我的deal pipeline上
因为我当时想说
虽然我17年投了
但是18年19年还可以继续加投
然后就没有人觉得这个AI
的赛道能够那么快起来
而且就算能够慢慢起来
也是个非常
重资产的赛道
就是你要去花钱去铺这些Infra对吧
那啥时候才有拐点
那VC就不愿意去这么早下注
当时我们在百度的美研预测
一个像Wikipedia这样级别聪明的模型
出来的时间大概是2025年
这个我还记得非常清楚
是当时那些研究员们给我的
一个大概的一个年份的预判
当时让我觉得这个事情在加速呢
就是在2022年ChatGPT出来的时候
我当时就是脑子里
猛地就感觉被打了一顿
就是说哇
这个东西已经比我想象中快了三年
然后我那个时候就开始意识到说
这个已经进入了一个拐点时代
然后那个拐点时代到来的时候
很多VC就把握住了机会
像Menlo
还有像当时我MBA同学Sarah Guo
也出来做conviction
就是会有那么一部分
嗅觉很敏锐的投资人
在拐点刚刚形成的时候
立刻下注
我觉得那个时候是
你的赢面最大的时候
因为你度过了那段
很艰难的非共识期
因为非共识期的时候
公司要成长
你需要去给它烧钱对吧
然后你在拐点刚刚快要出来的时候
那时候下注其实是挺好的一个时机
就那个时候你从非共识到
共识的窗口会比较短一些
那那个时候其实我
当时就感觉到了AI infra
比如说那个时候能够解决
模型胡说八道的就是什么RAG对吧
一些fine-tuning或者inference as a service
一些比较浅层的AI infra
然后这些公司你会看到
2024年25年有一波收购潮
然后再接着就是像视频模型
像一些inference as a service
还有就是那个时候我已经很
笃定的能够看到AI agent会出来
所以那个时候我其实在很早的时候
我就推动想投那个Genspark
当然还有Manus
这些就是早一点发现的一些公司
再到后面
就是你会发现这个阶段能够看到的公司
它已经快要进入共识阶段了
就是进入一个爆发点了
那这个时候其实下注很好的时候
我再倒回去
叙述一下
就是你在17年18年的时候对吧
跟钱老板去募资
所谓的deal pipeline上有OpenAI
就是说如果我募到了这个基金
我就可以投进OpenAI
但是那个时候LP们不看好
LP们不给你这个钱
对 那岂不就是又有了就是
一些创始人的叙事嘛
就是你看VC们不懂嘛
VC们看不到这个东西的价值嘛
所以说OpenAI这样的公司在
那个时候也融不到钱嘛
因为可能当时OpenAI它
产品线也不是很清晰
那个时候在尝试不同的东西
他的公司的logo其实是一个
像六边形战士一样的那种对吧
他其实当时就是在
尝试五六个不同的东西
语言模型是他尝试其中一个
那个时候我把它放在那个deal pipeline上
也是当时Sam Altman他跟
百度当年的president陆奇
其实那个时候他们关系还挺好
然后当年百度应该
也是YC的一个支持方
所以Sam Altman一直都是我觉得
这个founder
这个人很年轻
就跟我就是有点像同龄的吧
就觉得这么年轻的
一个人又这么有vision
想干一件这么伟大的事情
又是AI这个方向
如果能够募到资
就可以支持一下
说实话我当时没有特别多去想这个案子的回报率
就是觉得说这个人很厉害
应该去投一下
Databricks是当时一个非常遗憾的错过
因为我是2017年在Andreessen的年会上
当时Andreessen他们的GP给我
发了一两百个公司
说你选一个公司
你想聊的
我就从那一堆公司中选了Databricks
就可能是一种命运的指引吧
我就跟当时的founder聊了好几次
我就还挺喜欢他们做的那个data
的这种warehouse的一种理念的
就他们会针对一些low-tech的company
去build一个data infra
可惜当时我把这个公司
带到当时百度去讲的时候
大家就觉得它有点太low-tech了
不符合当时百度想投
前端AI的一个投资逻辑
这个案子就没有能够成功的去上会
但它也确实在我当时想要去
融资的那个基金的deal pipeline里面
我觉得我对它是有conviction
它虽然可能不符合一个
非常前瞻的人工智能AI lab
的这样的一个投资逻辑
但这个公司
一定是非常有市场的
所以我对它有这样的一个预判
当然后面事实证明
这个预判还是挺正确的
所以也挺可惜的当时
一些判断没有能够在那个时候
成功地募集基金能够把他投掉
投资人嘛
每个投资人都会有很多的anti-portfolio
就是他们的遗憾
不止我一个
很多投资人都是这样
几乎所有的都
而且越厉害的投资人越有这种
就是他总是会
就会有anti-portfolio对吧
就好像那个
我记得是哪个红杉投资人
他的anti-portfolio是字节
然后他就出来做了那个
是叫五源吧
是不是五源那家基金
对我记得中国有一个
投资人是这样子的
我(也)记得有这样的一个
对对对对
就包括Sarah Guo她本人在
Greylock也有很多的anti-portfolio
所以她就是
一怒冲冠一下就
出来做自己的基金了
时间点也非常非常的好
那我们正好顺着这个话题
想帮大家了解一下现在硅谷
投资大家的consensus是什么样子
现在的investment theses
就是硅谷的人现在在投什么呢
今年其实非常的共识
就今年大家看的东西
一窝蜂的都是一样的
像机器人这个赛道
physical AI
还有像这个
world model呀
就世界模型这个领域
应该是现在很火的一个赛道吧
因为毕竟就是说
你做agent的话
agent的一些
不管是general-purpose agent
还是说垂直领域的一些agent
大家都很担心它会被
大模型公司给吃掉
等等这句话我觉得不是
一个大家都知道的事情
也就是说垂直agent
或者说是这种AI的subsector吧
因为有一个人来问
就是未来哪些AI的
subsector还适合VC去投
是不是这句话的意思
就是说已经都不投了
那倒也不是
我觉得这些subsector就vertical sector
比如说医疗
比如说药物研发
或者是金融领域
还是可以投的
但是要去寻找那种能够去自动化
比较复杂工作流程的这种AI agent
如果你只是说develop一个产品
基于一个模型的套壳去
你就是拿到一些垂直行业的数据
可能一两年前你会觉得说哦
我有这个行业的domain knowledge或数据
会形成一个护城河
但现在已经不行了
因为这些大模型公司它
可以去生成一些synthetic data
它也可以去找到这些人
去给它进行数据的标注
所以这些数据
已经不能够成为护城河了
可能之后成为护城河的
反而是某个领域的一个
非常高价值链的工作流
比如说在医疗领域
如果说你有一个工作流能够去把
比如说从你去找医生看病
到看病中间流程的这种
病例的记录
然后到最后你去给患者一些建议
再去帮他辅助他去比如说拿药
这我只是举个例子
就你把整个流程都打通
复杂的流程都打通
那可能这样的一个
agent是比较有价值的
Frontier model可能在这个domain knowledge
它可能会成为一个非常厉害的医生
或者是非常厉害的
一个药物研发的专家
可是你的工作流它还没有办法
完完全全地去automate
所以就是如果你能够
从这个角度去下手
这几个垂直领域还是
有机会可以去投的
就是模型是很好的大脑
但是动手还是需要动
然后模型可以编程
但是很多东西也不是
光靠编程就能解决的
对对对需要有一个动手
但是动手如果是模型也能动
那你也没机会
你可能要动的是这种更加
高价值链上的一些更复杂
的一些工作流的动手
是如果模型编程就可以搞定的话
那肯定也是没有机会的
对对对
总之就是这个大模型
能力水涨船高之后
很多逻辑都变了
那你会觉得软件这件事还有前途吗
或者说是做一个产品创业
这件事还有什么机会吗
软件可能挺难的
因为我没有去看软件哈
所以也不要去把我的意见
当做影响你们的一个因素
我自己觉得
作为投资人
我可能不会去看软件
我会看一些更加infra层面的东西
因为软件也不是我本身特别擅长的
所以不擅长的东西我就
不发表扰乱大家心智的意见了
好呀那你在硬件这里边
你刚刚说了机器人
physical AI、world model都是比较overloaded的词
那你在这里边
你觉得什么东西是大家觉得厉害
其实已经证实了不那么厉害
然后有什么你觉得是
其实已经挺厉害了的
今年的world model确实是
很多的创业公司在做
我自己可能会比较关注的
方向就是这个数据的形成
因为目前数据还是非常稀缺的
对于机器人领域来讲
而且有的时候数据需要在
一个能够落地的场景下
所以我觉得比如说
humanoid人形机器人
如果你是Demo很厉害
我们在CES上看到很多
Demo很厉害的机器人
他可能是认为有人在
远程遥操这样的一个结果
那我觉得关键点是你能不能落地
找到一个落地场景
真的把它落下来
然后去在这个落地场景下收集数据
然后让这个数据去对它的
这个机器人大脑或者是它的
软硬件的这种integration进行迭代
我觉得有一个真实的落地场景
在落地场景下得到的
这种数据其实挺重要的
所以我觉得真正的deployment
有一点点被忽视
大家太多的去讲说哦
我这个训练模型的方法论是什么
我要不要多去引入语言模型
还是说我要多去用
这个vision language model
还是我两个结合
还是我抛弃一个
怎么怎么样
你会听到有很多这样的讨论
我觉得这个讨论是有必要
但是真的你要去找到一个
让你的机器人能打磨到一个
可以真的去落地的一个场景很重要
还有一点就是我自己
可能在修正的一点吧
就是我觉得data是很重要的
就是你会现在看到
很多做世界模型的公司
或者是做一些数据生成的公司
帮助机器人领域去搞数据
你会发现诶
他们其实现在ARR涨得很快
因为真的这些融了
很多钱的机器人公司
他很缺数据
所以他的ARR也都是通过这些
融到很多钱的机器人公司来的
因为他们要去买数据训练模型
然后你现在看到一个暂时的繁荣场景
去采数据的这些公司很挣钱
但是我觉得或许有一天
你会有一个公司可以去
develop个生成数据的这样一个模型
这样可能才是一个终极的解决方案
而不是说你去满大街的采数据
你要是能够生成一个能够真正
懂物理世界的这么一个模型
然后去自动生成数据
我觉得这样的一个解决方案
可能是更加第一性原理的
我就觉得说
如果你去投这种光是能够帮你
采集机器人数据的这种公司要小心
你要看它背后是不是能够去有一个
自己的数据引擎去生成这些数据
而不是说我硬生生去买
硬件去在各种场景下去采集
这个技术话题稍稍挑战一下
或者深聊一下
一个能自动生成
数据的这种世界模型
我们就用世界模型去叫它就好了
但是如果我们有了这个以后
我们也不需要数据了
相当于这个问题已经解决了
有点鸡生蛋蛋生鸡是吧
有可能会这样对
就是我们想要能做到
这个世界模型的前提是我们掌握了
这个世界的analytical solution
我觉得这可能是一个迭代的过程
就是你可能有一个这样初级的
可能1.0、2.0版本的世界模型
生成这样的一些数据
然后这个数据在现实的
落地中不断地去修复
然后你这个数据变成了
一个3.0、4.0版本的数据
反过来又回来迭代
你的这个世界模型
让它变成了一个4.0、5.0
版本的世界模型
所以它们之间可能是
在相互进步的这样子
就是理论引导实验
实验然后修正理论
对对对对
但我自己还是觉得这个领域应该
会出现像Scale AI这样的一个公司
就像当年Scale AI给
语言模型提供了数据
会有一个像Scale AI这样的数据引擎
给world model机器人去
提供这种高质量的数据
可能不止Scale AI一个
会有好几个
那这就有一个问题了
软件投资人看的是ARR
就是recurring revenue
那硬件投资人看的是什么呢
我觉得现在的一些
Benchmark都在被改写
比如说你现在看的这些模型公司
Frontier Labs对吧
就是看它的token的消耗量了
包括inference token的这种throughput
像Anthropic这个API
你的credit一直在爆对不对
你作为一个用户
你不停地在加码
其实这个商业模型已经在转变了
因为你不停地需要去烧token
那你的硬件的这个Infra
也在不停地往上涨
可能这个硬件会从纯卖硬件
变成去构建一个系统
基于这个系统上你的inference
或者是token的消耗量去收费
所以是一个使用量的这种proxy
大概这种感觉
诶但是所有的硬件公司
都可以被这样抽象吗
我觉得一定是有系统级
能力的这种硬件公司
像Cerebras它现在
如果你去看它的招股书
它就已经不是说我卖一个芯片
我卖一个wafer-scale芯片它不是
它是卖一个inference的这么一个系统
它有自己的data center
帮助客户去运行inference的
这样的一个workload
跟OpenAI签这样一个单
它其实是一个系统级别的很大的
一个收费的这么一个项目
比如说你这个项目能够交付的话
它这个收入应该是
可持续性一直往下走的
软件时代的收费模式
它是说我有固定的数
我一个月
20美金200美金
但是这个
我们现在其实已经
相当于在一个AGI的时代下了
可能过了两年
那那个时候人类可能对于
模型去产生intelligence
的依赖会更大
那你的token就是你的input token
output token会更多
那你消耗的算力会更多
你对Infra的要求也就更高
所以我觉得系统层面就变成了硬件
加系统还有Infra的这么一个模式
收费框架会比软件时代
的收费框架更有吸引力
就是基于你的usage
基于你对智能的
依赖程度和产出需要
那感觉这里边的价值都
被硬件公司给吃掉了
硬件公司吃掉
我觉得硬件公司
系统级别
模型公司会吃掉很大部分
infra cloud这些会吃掉很大部分
剩下的application的创业者
就分不到什么东西了
汤都喝不上
哈哈如果你能打造出来一个爆款
那应该还是可以的
我还是觉得AI agent呢
有很多的机会
你可能会出现很多
的这种agentic的developer
打造一个产品
但它不一定是个公司
它不一定是venture-backable的
它可能就是说
我本来要打造这样一个产品
我以前需要一个团队
我现在一个人就行了
我用不同的AI工具去做
当然这些人打造这个AI agent
这些developer或者是一个小的公司
他希望这个账能算得过来
那就是你的这个
inference的cost要能够下来
所以我为什么觉得
我其实还是比较喜欢投Infra
如果你有一个Infra的一个产品
能够把你的inference cost弄下来
那这些去提供agentic AI的这些
服务的或者产品的这些创业者
是不是就能够有比较大的毛利空间
因为不然的话
你就一直在给
Anthropic在给Frontier model在付费对吧
大家Fable出来了以后
群里的很多人已经说完了完了
遭不住了
用一用就直接到头了
那我这边再问一个
关于硬件的问题
就是比如说我们在CES上看到那么多Demo
走出来的公司呢
是很少的
从Demo到量产中间死掉的公司的共性
你觉得主要是什么
就是不能落地
他没有办法找到一个足够多的
能够向客户demonstrate足够大
的ROI回报率进行落地的
我记得在疫情的时候
那段时间你记不记得
仓储物流机器人很火
觉得说大家以后都不出去shopping了
美国绝大多数的都是e-commerce
电子商务
其实因为你要看美国电子商务的
普及率比中国它是要低很多的
然后疫情的时候
大家都不出去shopping了
都要网上网购
但其实美国人很多
网购也是从Amazon上网购
碎片化的这种e-commerce的一些business
它其实
没有你想象中这么多
但疫情的时候他们
确实有一个爆发的体量
当时就有很多什么grocery shopping
买菜呀需要去进行仓储物流自动化
就有很多很多这样的startup出来
然后最后都死了
就是疫情一过
美国人民又回到了以前的
一种生活工作模式上去
一些小电商都没有了
因为那段时间你去建造了一些
仓储物流自动化的一些机器人
也都不行了
而且那些机器人都是在大语言模型
就是这个vision language model出来之前构建的
就他们的这个Infra本身也比较落后
所以这批公司死了一大堆
他当时有一个暂时的product market fit
但是一旦一个
现象级的事情过去之后
这个product market就没有了
你的这个市场就不足够大了
然后你又要去把它进行落地
又需要去跟很多的这种
local的一些IT去进行configure
去进行调试
就很麻烦
ROI也很难去demonstrate
那个时候的这种仓储物流机器人
现在能活下来就没有几个
共性可能就是还是错判了需求
再就是没有办法落地
就是那个东西看上去好像很厉害
其实是不行的
是的是的
我这再问两个关于VC行业和
大家对这个VC的一个了解吧
就是第一
你刚刚也提到了
24年的共识窗口可能是3-6个月
25年可能是两三个月
今年就几乎没有了
那你觉得VC这个行当还make sense吗
是make sense的
通常当你共识窗口没有的时候
就是第一阶段的发展到了顶峰
所以你会看到今年其实
一些大的玩家要收割
像OpenAI还有Anthropic都要上市了嘛
这就说明第一阶段的
爆发到了一个顶峰
你也可以说可能是个小泡沫要进行破裂的时候
但是我不认为AI这个泡沫会破裂
只是说这个阶段你刚好
到了一个收割的阶段
下一个阶段的爆发期可能
就是从这个阶段收割出来的公司
里面成长出来的一些
技术曲线的一些突破
就是你有一些技术曲线的一些大的突破
然后你再到一个技术的拐点
找到市场
我觉得下一个cycle可能正在形成中
但这一个cycle差不多已经到头了对
那你觉得VC在这个时代
你是投硬件的VC
这可能没什么区别
但是像投软件的VC
大家可能觉得VC本身的
做法可能也要有改变了
因为好像整个软件都
不是那么make sense了
对
我觉得他们可能要更加的去
投一些比较AI native的founder
能够去把这些AI的工具用起来
然后就像我刚刚讲的
在一些垂直行业去
找一些比较高价值的工作流
然后这个工作流又能够足够
覆盖这个行业比较大的一个场景
像我刚刚说医疗金融
其实它都有非常复杂的工作流去做
以前的软件公司可能就是
这些工作流中的一个工具
但是这些工具现在都被AI替代了
所以你就要找新的创业公司
就是非常AI native的这些founder
他能够去用好这些AI的工具
然后去构建一个复杂的工作流
用里面的一些special know-how
去构建一个工作流
听起来你是对未来有
这么一个investment theses
嗯哼 是的是的
尤其是对于Infra
你会持续地关注和持续地bet
那除了这个Infra之外
你还有没有什么其他的investment theses
我是挺看好Physical AI的
就是世界模型机器人这个方向
可不可以跟我们解释一下
这里边你觉得比较能
早期落地的应用是什么
是自动驾驶那是那
对对对 那炒菜机器人还是啥嘞
自动驾驶已经过去了我觉得可能是
advanced manufacturing
就是一些能够在工业场景下落地的机器人
尤其是美国
因为我觉得现在美国
可能它有一个战略目标
就是说能把这种生产场景带回到美国来
就是让美国重新
具有一个生产的能力
觉得可能就是说在美国的话会有一些
能够在生产车间落地的
机器人会能够先跑起来
但是我有这么一个想法
其实我是在初中的时候去参观意大利
那个时候我爸在国内做瓶盖
然后他的一个工厂
里边可能是1,000个员工
然后意大利的那个
瓶盖工厂产量比他多
但是整个工厂里面有三个员工
就感觉制造业本身
已经高度自动化了
尤其这种
资本密集的发达国家
那在这种情况下
AI真的能帮助很多吗
感觉人已经是很少了
然后人已经做的是那种高难度
非常难以被AI解决的这种东西了
那这种时候
physical AI它的落地
或者说它的空间有这么大吗
我觉得瓶盖这个事情可能是
它比较简单的一些生产场景
可能它有更加落地场景的是
一些复杂的工业的生产场景
比如说汽车的制造业
还有像一些化工化学的这种制造业
我觉得哪怕是仓储物流
的这种机器人的环境
也还是需要真正能落地的
这种工业级别机器人的
这个环节我必须要澄清
就是我还没有开始去仔细研究
但我感觉这个它可能会
形成像自动驾驶一样
过段时间它也会有一个拐点的到来
这个拐点的到来会是
一个什么样的标志性事件
就是这个机器人能够去通过
一个比较复杂的图灵测试吧
在某个任务场景下
好然后我最后一个问题就是
你的这个印象派油画了
你来说一下你的这个爱好吧
这个爱好是怎么回事
我为什么会问这个
因为我是特别粉Paul Graham
他的文章我几乎都看了
他写了一本书就是《黑客与画家：计算机时代的大智慧》
他讲了很多东西都是
拿这个画画做比喻
所以说我不知道这个东西是不是
画画和投资就是有一些联系在的
我觉得好像科学跟艺术
它总是有一定的联系的
有一段时间确实是在画油画
但是我必须承认我很久没有画
工作忙有小孩以后就封笔了
但是在百度工作那段期间
我还是花了挺多时间
周末去画一些油画这种
我觉得在画印象派的时候
跟你投资有点像
就是你画印象派的画的时候
你总是
有大概这么一个印象
就好像你有一个hypothesis一样
你有一个thesis
但是你下笔的时候
你可能不知道它大概会成为什么样
但是你有一个假设
然后你就是在不停的点点点点点
的过程中去论证这个假设
所以我就觉得在画油画的过程中
它对我摒除杂念是一种很好的锻炼
我觉得它像一个冥想的过程一样
哦说到这里
我其实是一个比较多进行冥想的人
很多投资人都有一个冥想的习惯
这个可能是我最近这几年形成的一个习惯
有时间我会进行一些
20分钟的这种冥想
让自己的一些
杂念排除掉
因为投资里面会有很多很多的杂念
今天看了这个
要觉得错过那个
或者你过度地掉入一个公司
对它深入地探究
那你可能花错时间了
Attention Is All You Need
但是你需要把你的
attention花在正确的事情上
所以我就感觉在做
meditation这件事情上
能够在一定程度上帮助我去把
attention从不必要的事情上拉过来
不能说每次都能拉得回来
但真的是可以让人
去清除掉一些杂念
你觉得你
常常清除掉的杂念
除了去关注不该关注的公司
还会有什么样的杂念
可能去过多干涉
创始人怎么去做公司吧
因为我是一个蛮负责任的投资人
我不得不说
就是我可能在大概
七八个公司上做董事会观察员了
就board observer
然后每次就是感觉
可能有点关心过度吧
就是会希望说公司做得好
然后就会给他们很多意见
这个是我在早期做
投资的时候一种风格
我就觉得我一定要跟你成长
但是后来我发现诶其实
人家懂得比你多
你不需要去过度的关注
或者是你觉得这个founder
很年轻很green的时候
你总是希望把你所有的经验
看到所有的这些教训都灌输给它
有一句话就是
你如果自己觉不到悟不到那就不是你的
我硬去给你塞
你也觉悟不到
你也不会去执行
你也不会去内化它
所以后来我就发现说
当我发现某个被投公司
出现不好的苗头的时候
或者是他要犯错的时候
我也就点到为止
因为我觉得过多的干预
或者你把正确答案塞给他
他是不一定会去执行的
因为他没有领悟到
放下助人情结
对对对
放下这种一定要让这个事情完美化
或者让他能够去按照一个
正确的方法去做的情结
就是他自己吃了什么经验教训
他自己会学到的
我这个最近也有很多
就是我老婆特别不喜欢unsolicited advice
我也意识到了
就是很多时候我给别人advice
就是觉得别人想的是错的
我想的是对的
然后我现在
对谁都很少给advice了
对其实有的时候我觉得就是在创投圈吧
因为很多founder他们很有技术的背景
比如说现在一些researcher这些
但他们在商业领域上
或哪怕在法律层面上
知识真的是欠缺的
然后有时候你给他们意见
其实这个意见真的是对的意见
因为他们就是欠缺这个经验
但是他不觉得你说的是对
他可能觉得说你是在干扰我
那这个时候你就得闭嘴了
就是即使你知道你300%是对的
那他也得自己去经过这个教训
他才能学到
什么东西都不如自己
学到的教训来得真切
人教人教不会
事教事一教就会
没错没错
对对对我这个经历过很多
这种类似的事情了
所以就学会了不去操心
这样自己也能每天多睡一个小时
赞
有一个问题是
董事观察员有什么条件
是占股前几吗
一个是就是说你的这个基金或者
是你本人在创始人心目中的分量
你如果是个头部的CVC
那你可能投的金额也不会少
你会占据相当一定的股份
那这种情况下
如果你要求要做董事会观察员
founder应该也会答应
但这个确实就是你要在这个过程中
和founder建立很好的信任关系
他能够认可你的价值
认可你平台的价值
成为董事会观察员
双重价值都很重要
一个是你基金平台的价值
不管是CVC还是VC
同时还有你个人的价值因为
他可以说我让你的VC
当董事会观察员
但我不让你当
我可能想让一个更加有经验
的合伙人去当董事会观察员
这个都是经常发生的
最后两个问题是给观众的建议
第一个问题就是大厂人想要
去进入VC或者跟VC打交道吧
你觉得最大的认知误区是什么
那要看你跟VC打交道是为了什么
是为了要
融资嘛
我要创业了
然后要跟VC打交道
我觉得有一个误区
应该就是说觉得自己的技术很牛
我想想
我好像前段时间确实在两三年前
有聊到过一个大厂很出色的一个leader
他最后没有募资成功
我觉得他就是
他当时有一套非常
厉害的一个技术吧
就关于在模型创新上面的
可是他应用场景想的不够深远
就是因为那个时候已经
有很多大模型跑在很前面了嘛
你的一个另外一种模型范式的创新
你有什么地方能够比这个大模型的
目前的player要好
我觉得就是他没有
把应用场景想清楚
你就是拿着锤子找钉子这个事
你光是打造一把很厉害的斧头
但是你的市场不够大
或者你没有想清楚
你没有想到会有什么样的市场就不行
你能够把一个足够大的
市场去讲清楚就很重要
这个就可以拿到founding
但你如果讲不清楚
你只是说
哦我这样的一个real-time learning
或干嘛的
这个做成会很厉害那so what
你想去tackle什么样的一个场景
为什么这个场景大模型做不了
要把你的vision想透透的
想得很清楚
还有一个认知误区
就是估值越高越好
我觉得现在有很多的
创始人就是卯着高估值去哈
最近也亲身经历一些例子
就是说可能本来谈好的一个估值
他突然又觉得说我要一个更高的估值
然后就是一直在跟你掰扯估值这个事
我觉得估值一定不是越高越好的
因为
你现在很多很厉害的
一些new labs这种很高的估值
那可能是确实因为
这个founder本人很厉害
这种特别厉害的founder你是很少的
就是这种比如说research里面的大牛
市场会给他追高一个估值
那是因为他的名声的Premium在里面
比如说Yann LeCun的公司吧
AMI一出来就是多少个billion的估值
比如说你是DeepMind的一个
比较厉害的一个researcher或干嘛出来
你就不一定能够
达到那个估值的预期
但是你如果一直就是说我
就只选择给我估值最高的一个VC
我觉得这个是个比较危险的行为
危险在哪呢
危险在你的下一轮
你最后不能够迭代得很快
或者是你不能融到下一轮
你的这个估值就会被断崖式下跌
那刚刚说到了就是
大家的这个误区
你觉得以你打交道
这么多创始人的经验来看
你觉得创始人自己能
很快的转过弯来吗
还是他一般会有这个认知盲区
就坚持很久
我觉得要看创始人的悟性
悟性高的创始人能够转过弯来
这就是所谓的叫coachable的创始人
就是通常这个创始人
是不是coachable是很难观察到的
我也曾经在一些我觉得很优秀
的创始人身上花了很多时间
尝试去coaching他们
他嘴上说yes yes yes
但是他最后实际上没有落地
可能甚至相反的
coachable的创始人是可以领悟到的
进行去修正
不是很coachable的创始人
那就会unfortunately可能会
自己也浪费时间
同时也会浪费一些投资人的时间
你现在有没有一个看这个人
是否coachable的更好的tell了
或者说是一个直觉了
我觉得有一定的直觉
但是也有犯错的概率
就比如说他是不是在一些
关键时点给你一些surprise这种
然后这个surprise是你没有想到的
你会发现说诶
之前跟你说的
你不是都听进去了吗
怎么到关键时候你又犯同样的错误
我有遇到过这样的情况
例子比较少吧
10个里面有一个
但你会发现诶
真的就是
直觉不可能永远都是对的
就一定会有一些错误的地方
那肯定了
看人这件事太难了
然后人也很善于伪装自己
所以说选老公选老婆那么容易看走眼
没错没错对对对
描述一下coachable是个什么样的
coachable的样子应该是说
他主动问你一个问题
然后你就会跟他去讲
讲完以后他会做一些反思
他会做一些实践
再回过来问你
他会主动地去修正自己
而不是说你在那
一遍一遍不停地跟他说
他在那点头说嗯嗯嗯yes yes yes
这种就不一定是coachable的
当然还有一种就是完全不coachable
就是你跟他说
你要怎么怎么样怎么怎么样
他直接给你push back说你是错的
那这种就完全不coachable
当然这种就是如果你能力非常强也行对吧
就像Elon Musk
他一定是不coachable的
但这样的founder你不需要去coach他
就是他不coachable
你也不需要去coach
有这样的一种
就coachable有两种
就是你需要coach和不需要coach
你不需要coach一定是最牛逼的founder
你需要coach又不coachable
那这种就不行
他一定就只能通过
经验教训去给自己买单
好还有没有认知误区
你说是这种founder的认知误区吗
就是大厂技术人创业吧
这个可能是我们频道最多的
OK我觉得就是不要去追热点
所谓的什么AI agent很火
或者是什么real-time learning很火
你就要去追这个热点
你可能追这个热点就已经来不及了
这都是给很久以前就在
这儿深耕的人准备的机会
对对对就是你要有一个
自己深耕的一个领域
还有没有
误区
好像差不多了吧
最后一个建议就是在AI时代
什么样的人不会被淘汰
你觉得大家应该成为什么样的人
能够用AI工具
而且能够有系统性思维的人
不会被AI淘汰
就是你现在会发现GPT或Claude已经
非常的善于帮你解决问题了
所以你要做一个迅速学习
并且能够善于发问的人
去构架一个框架的人
就是说我要去解决
一个什么样的问题
然后我这个问题拆解成
一个系统性的一个问题
然后让AI去给你赋能
然后你同时要会用很多的工具
这样的人我觉得不太容易被替代
想问的一个问题是
现在大家还应该去创业吗
不要盲目创业
你的创业点子真的就是
你有一个很强的vision
你有很大的愿力
然后你这个事情
能够解决很大的问题
你再出来创业
不要为了创业而创业
你看好不拿VC钱的创业方式吗
我觉得是可以的
你像那个Surge AI
就是不拿VC的钱就创业了呀
就是Scale AI的这个竞争对手
Edwin Chen他就是没怎么拿过VC的钱
就直接出来创业了
对有这样的底气和勇气和能力
当然是不拿VC钱最好了
那怎么办
self-funding
这完全是可以的呀
他自己去搓出来一个
很厉害的解决方案
像Surge当时的那个data engine
他其实当时的一个
很大的客户是Anthropic
就是在reinforcement learning
方向上的一个data engine
就他产品交付能力很强
而且他们
也有一些系统化的一些产品
细节我不知道
因为我投了Scale AI
所以Surge AI他就不理我了
但是我知道他们的那个产品的质量
他们数据的质量交付是非常高的
那这就是Edwin自己
在这埋头苦干了几年
手搓出来的一个产品
他可能一两年不拿工资
把所有的他的知识都放在这个上面
那很好那一出来就是个爆款级产品
那就是有这个大厂
成为你的客户去用
去给你买单
好的好的好的感谢
我在想其实也有一些人
他们想说去哪可以联系到你
我记得我们之前也聊过
就是你其实是帮助到了一些中国的创业者
去refine他们的pitch吧
就他们可能不知道怎么样子讲
一个硅谷的投资人认可的故事
是的是的
我有过给这些创业者有一些coaching
但是我的bar挺高的
因为从一个实际情况来讲
因为我的工作也很忙
然后我也有小朋友要照顾
coach一些创始人也是就是挤时间
所以我就会觉得说
这个时间也确实只能花在一些
比较优秀的创始人身上
确实有一个比较高的bar
我一般比较take一些reference吧
就是比如说一个很好投资人朋友他
可能筛过一轮了
这个创始人从国内来的
想在美国落地
然后我可能看一下
我觉得我大概有时间有精力去coach
我就会去coach
如果我觉得我没有时间精力
或者我觉得他的方向不太适合
或他个人的这个profile不太适合
我就不一定是适合他的这个coach
那说不定以后还应该约你
就是把这些大家常犯的错误
需要被coach的这些点给大家说一下
这样可能比较scalable地去帮助到
可以可以
我们以后可以再开一个直播讲这个事情
因为我觉得storytelling是非常重要的
就是我确实之前我听
一些founder pitch的时候
他pitch完二三十分钟
我大概会给他10分钟的时间
给他做一个storytelling的coaching
这个可能是我的一个专长吧
就这个是在Qualcomm Ventures
在这6年被练出来的
因为我们的运作模式
有点像Benchmark这个VC
所以6个合伙人
就是我们每个人都是
投融管退要很能打
就是在这种情况下
你怎么能够去识别优秀的创始人
包括给他们一些指点
包括我们自己也接受了
很强的storytelling的这种coaching
所以这个可能是我一直的以来的一个长板吧
就这个对我来讲
这个点帮我引到了很多案子
就是说这个founder如果
是个很强的技术founder
可是他storytelling差那么一点火候
我也好像确实可以在很短的时间内
能够发现他哪里需要去改进
然后很快就给他一些反馈
然后他们通常会觉得很有帮助
这个我们也可以以后有时间
再开一个session去举些例子
或者是一些实时的一些创始人
可能你筛一些过来
然后他可以进行一个
10分钟20分钟的pitch
哦太棒了
那我应该在社区里边
过段时间再说吧
最近确实比较忙
起码约上一个小时的时间
看他三四个四五个
给一些实时的
我觉得这个会很棒
甚至我自己卖课
我觉得我都需要这样的coach
在做这件事的时候
我知道你去讲一个更好的
故事的这个杠杆有多大
可以说是最大的杠杆了
是的是的
非常大杠杆
而且不同的VC
可能因为我跟一些一线的VC
刚好在一个董事会上面
比如说红杉的Doug Leone
还有Khosla Ventures的Vinod Khosla
我们都在一个board上面
在一个board上面这么多年
你就会发现说诶
这些大佬他们喜欢听什么样的故事
能够打动他们
他们有他们自己的套路
然后我刚好就是大概
看到他们这样的一些套路
我大概就知道说哦
你如果去跟Vinod去pitch的时候
你要怎么讲
你去跟红杉pitch时候
就是美国的红杉去pitch时候
你要怎么讲
会有这么一个大概的感觉
好的非常感谢
那就提前约一下你的时间
如果说想去听Nan的
storytelling的session的话
想报名的话就来Superlinear Academy吧
去分享一下你的projects
然后在里边多多建立你的profile
这样的话我们到时候
有这个活动的时候
筛选的时候就会多一些你的background
可以帮助我们来筛选
那非常感谢Nan今天跟大家的直播
今天非常谢谢你的时间
好谢谢课代表
好
拜拜