# 2026年，硅谷创投，几乎不看AI应用了？｜硅谷一线投资人周楠 - Channel: [课代表立正](https://www.youtube.com/channel/UC_5lJHgnMP_lb_VpIiXV0hQ) - Published: 2026-09-02 - Source video: [Watch on YouTube](https://youtube.com/watch?v=my_lMhlKLVk) - Read on ReadTube: https://www.read.tube/p/videos/my_lMhlKLVk - Language: Simplified Chinese ## Summary **硅谷风投转向硬科技** 硅谷人工智能风投正从软件应用转向硬件、算力、机器人和复杂工作流，因为通用及垂直智能体都可能被头部模型公司替代。Nan认为，投资人必须在共识形成前发现技术拐点，并用持续研究和风险拆解验证直觉。优秀创始人不仅要解决未来足够大且尚无成熟方案的问题，还要具备愿景、执行、招募、融资和讲故事的能力。未来能脱颖而出的创业者和从业者，需要善用人工智能工具、具备系统性思维，并避免盲目追热点或为了创业而创业。 当前人工智能风投已进入高度共识阶段，通用智能体和垂直智能体都面临被 OpenAI、Anthropic 等前沿模型公司吞并的风险。过去投资人可以在共识形成前拥有数月下注窗口，如今资金更多涌向 Anthropic、OpenAI、SpaceX、Databricks 等头部赢家及中晚期项目。Nan认为，仍值得关注的非共识方向包括物理人工智能、机器人、新型推理算力和专用芯片，但这要求投资人具备真正的技术判断力，而不是追逐已经拥挤的热点。对于软件投资，机会并非完全消失，而是转向能够自动化医疗、金融等领域高价值复杂工作流的人工智能原生公司；仅凭行业数据或模型套壳形成的护城河已经不够稳固。 ## Article ### 硅谷创投的非共识下注逻辑 我们今天是在跟 Nan 聊。他是高通创投（Qualcomm Ventures）的投资合伙人。我们主要聊两个话题，但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，它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的项目，你是怎么打入这个圈子的？因为我们也会听说过一些人的抱怨：我的产品很好，但是为什么我投风险投资，风险投资也不要我？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。 接下来，你的一个投资论点其实很贯穿，就是软件和硬件一直都聚焦在人工智能。但是这个软件和硬件，尤其是现在的人工智能，感觉就是软件一片繁荣，但是硬件可能都在布局和投资、和成长的阶段，恰恰相反，今年开始软件就很惨，软件即服务就很惨。 确实，反而是硬件，做算力、做计算的这些就很火。就是今年的软件，我觉得软件即服务这些股票尤其比较惨。 确实。今天看你的那个领英（LinkedIn），我还看你转发了 Conviction 创始人的一篇文章。 对，我转发完还没有来得及好好看。他的意思就是说，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。就是今年的人工智能投资非常难。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，你也一定要在共识形成之前，哪怕这个前置窗口非常短，也要下注。你不能等到达成共识才下注，因为如果你到达共识再下注，那你就等着被割韭菜。 这是我自己的一个非常严格的投资逻辑。虽然大家说你在企业创投做投资，可以不要那么关注财务回报，但是这是我给自己提出的一个非常高、非常严格的要求：你不能去追高。你一定要在形成共识前，有自己的投资论点。你看到这样的一个趋势，然后你觉得值得下注的点是什么；接着在形成共识之前，哪怕这个窗口只有短短两三个月，你也要抓住这个窗口去下注。 2025年的窗口大概是两到三个月。2024年的窗口，我觉得还有三到六个月。而今年的窗口几乎就没有窗口，今年已经是完全共识了。所以你会看到，很多人工智能项目的估值非常高，尤其是新实验室。你可以投的东西也不是很多，因为如果你要投通用型智能代理，它可能会被 OpenAI、Anthropic 这一些大的前沿实验室吃掉。 另外，如果你想投一些垂直领域的人工智能代理，它也可能会被这种前沿实验室吃掉。比如说你如果想做一个金融代理，或者你想做一个服务代理，其实 Anthropic 都在做。所以你说，如果我就是做一个垂直领域的人工智能代理，那其实也很危险。对于投资人来讲，就特别不好投。 所以你会看到，今年的现象就是，大多数一级市场的钱都在涌入赢家类别、赢家定义，也就是像 Anthropic 这样的特殊目的载体，做的一个又一个项目都非常火爆。大家都想把钱下注在这些赢家上面，包括 OpenAI，包括 SpaceX，还有像 Databricks 这样的公司。往这些中晚期企业去下注，反而成了今年风险投资的一个趋势。 觉得自己是很有共鸣。不好意思，我可能说的英文比较多。 没有问题，没有问题。 因为在美国工作很久了，很多中文忘记了。就是我会对于 Sarah Guo 这篇文章的前半部分比较有共鸣，感觉确实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？ 其实不能说没有办法，也是有的。就是你会有一些观察吧。我自己也有一些观察。怎么说呢？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回报。市场级的、特别大的回报的公司，我在这个时候觉得，可能也是人云亦云。 比如说实体人工智能、机器人这个方向，或者一些再偏硬件的方向，比如新的算力，比如能够针对推理场景的专用集成电路算力，以及一些新型的算力，我觉得也是可以下注的。但是这需要你对技术有相当敏锐的判断。相反，对于通用型智能代理或者垂直领域的人工智能代理，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，然后你进入的也是最头部的这些交易，你看的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企业创投吧。因为我在高通创投也差不多六年多了。你站在一个尤其这么大的芯片公司，会看到很多不同的产业视角、技术视角等等。偏硬科技或偏硬件方面的一些投资，相比财务型风险投资来说，我们会有一些产业上的反馈。我们会有一圈企业里的技术高管，或者周围的这些朋友圈，也会给我们一些反馈。 所以这样的话，我觉得我在跟一些财务型风险投资相比时，会形成一些比较不一样、甚至比较前瞻的技术判断。但是我刚刚说，大家去找什么样的交易，因为我们会想，有一些可能小一点的风险投资机构，它会关注那些更小的交易。 是的，是的。如果你的风险投资规模比较小，比如说现在很多新兴普通合伙人，他们的第一支基金都是两千万到三千万美元，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并购。这也是一种打法：他可以投很多小而美的公司。我觉得这也是可以的，就是一些小的基础设施公司。 但是如果你的这个管理资金规模很大的话，比如说你有上亿美元，或者是两亿美元、三亿美元以上，那你就要瞄准这个赢家去打。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普通合伙人，就投大概二十几个项目就撑死了，因为你还要管理它、陪伴这个公司成长。 所以这就注定了，你必须有一个非常前瞻性的投资论点，然后去下注这个赢家。 更直观一点理解的话，比如说，YC 的公司你们大多数是不看的。 YC 的公司，我觉得要非常谨慎地去看。你要有一定的直觉，因为 YC 的公司实在是太多了。 ### 创始人直觉与长期跟踪 我已经很久没有去看 YC 的公司了，但我也回忆起十年前的情况。当时我看到了一些 YC 的公司，也很早就看上了 Scale AI。 我当时就在想，YC 的公司确实很多，但是，如果你作为投资人，对技术趋势有一定的判断力，或者对创始人有一些判断力，有一些直觉，能够瞄准到一些还不错的标的，那就有机会找到真正值得关注的公司。 比如十年前，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（Baidu）的时候，就已经意识到数据对于模型训练非常重要，尤其是自动驾驶这个方向，需要非常丰富、非常好的高质量数据，需要被打过标签的数据。Scale AI 当时好像就是这么一个解决方案，就是想做这件事。 我就觉得，这个创始人虽然年纪很轻，可是他的商业头脑非常敏锐，而且你能感觉到他特别聪明。当然，这个公司我那个时候也没有投。我也是等到了 2019 年、2020 年，才开始持续关注他。 你会发现，这个聪明的创始人，就是我们作为投资人会有一个漏斗。我们会把那些我们想要关注的人放在漏斗里，然后持续看他怎么成长。然后你就会发现，这个创始人就是一路成长，他的一些判断、他的一些行为，以及他怎么去让这个公司长大，都可以有迹可循。可以看出，他就是一个非常聪明、非常有执行力的创始人。 然后在 2022 年、2023 年，我相继都提议要去投这家公司，最后终于投成了。投资 Scale AI，对我来说就是一个长期持续关注一个创始人的结果。 如果当时我有一个自己的基金，或者当时百度能够投这种比较小的、写一个比较小的支票金额，我可能还是会去写的。这样你就可以更早期地去投他，拿到一个更高倍数的回报了。 但是，这又取决于你管理的资金规模，对吧？如果你的基金像百度或高通（Qualcomm）这样的战略投资基金，你也很难说，我就是从 YC 的一堆项目里面投一份小的支票金额，因为这不符合战略投资的投资逻辑。 但是，如果你是做一个自己的基金，或者你自己是一个普通合伙人，管理着 2000 万到 5000 万美元之间这样一个规模的基金，那其实你是可以从 YC 这样的公司里去选择一些投资标的的。 #### 杀手直觉与投资判断 但我觉得，这里一定要有一个比较强的直觉和判断力。我其实非常喜欢徐新老师的一句话。徐新老师在挑选创业者的时候，非常看重这个创业者有没有“杀手直觉”，就是杀手的直觉。 我非常认同这一点。我觉得我在挑选创业者的时候，也有这样的一个倾向。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，但这也是我觉得自己的一个投资原则。 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，他们都有相当敏锐的直觉。因为他需要在当时非常混沌不堪的技术现象里，捕捉到最前瞻的一个技术改变力是什么。你要有非常大的敏锐度，去把握技术范式的改变，也要有敏锐度去把握这个创始人。 然后你要能够通过不断追踪这个公司，去修正你的判断，让你的判断逻辑不断不断地调整。这样的话，你的投资逻辑才能够在日复一日、年复一年的投资活动上得到提升。 我觉得你刚才说的这两个词都很有意思，一个是“本能”，一个是直觉。中文说的可能有点啰嗦。 “不不不，这是很重要的。因为很多人会觉得，投资是有钱就行，或者有资源渠道就行，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本能和直觉，对吧？就是本能和直觉。所以说，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？什么样的是杀手的本能？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这种杀手本能，或者当时你看 Alexander Wang，你是看到了他什么？他怎么在那么多人中脱颖而出？” #### Alexander Wang 的商业敏锐度 我在他的第二阶段，就觉得他非常具有商业敏锐度。 因为 Scale AI 早期是给自动驾驶公司提供数据标注。然后在 2021 年、2022 年，有那么一段时间，自动驾驶不行了。你还记得吗？自动驾驶从 2016 年、2017 年的时候开始很火。你会看到，那时候很多风险投资机构下注了一些自动驾驶公司，不管是传感器也好，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。 一旦没有资本，他们就会需要买数据，对吧？所以那个时候 Scale AI 的业务增长得很好。 结果到 2021 年、2022 年的时候，Scale AI 其实就面临着一个自动驾驶投资泡沫，或者说有点小小崩盘的局面。它的客户已经变少了。 所以它面临的这个困局，怎么突破的呢？它敏锐地察觉到，美国政府或者公共部门的一些人工智能项目，需要做一些数据基础设施、数据层面的服务工作。于是它就立刻把自己调整成一种模式：去帮美国政府把这些项目搞定。 而且它的行动非常快，也抓住了非常需要抓住的人。Eric Schmidt 当时是它的导师，它也抓住了关键的人帮它站台。那段时间，它在公共部门的订单量增长得非常好，尤其是在疫情期间。 我觉得，这让它的公司上了第二级台阶。它就是敏锐地抓住了这一点。那个时候我就感觉到，这个小伙子的直觉力和行动力非常不一般。 而且那个时候我有一个很好的朋友，刚好也拿到了 Scale AI 的录用机会。他还在问我，这个录用机会和另外一家公司应该去哪儿。我就说，你应该去 Scale AI。 然后他说，你不觉得这家公司已经很贵了吗？那时候它的估值好像已经将近 70 亿美元了。 我说，我觉得这个公司的上限非常非常高，因为我觉得，这个创始人是我见过的创始人中最敏锐、最有智慧的。 ### 顶级创始人与颠覆性芯片 而且，他还是一个执行力超强的人。后来，我这个朋友就去了。当然，我这个朋友也非常非常优秀，非常能干。他也赶上了后来 Scale AI 在大模型时代的腾飞。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 AI 被 Meta 收购是 2000 亿美元，是吗？ 没有没有，他被 Meta 收购是 290 亿美元，应该是。对不起，是一个数量级的错误，是 290 亿美元。 这个案例还是挺有意思的，我们再多深挖一下。你说他的导师是 Eric Schmidt，谷歌（Google）的前首席执行官，是吗？ 对，对，他可能有不少导师，其中一位是 Eric Schmidt，其他的我不知道。一个这么年轻的小伙子，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。而且很明显，他到了 Meta 以后，把 Mark Zuckerberg 也搞定得非常好。这个是怎么做到的？ 我觉得他非常有愿景。他的一些前瞻性判断，以及他非常敏锐地把某个即将发生的、具有前瞻性的事情讲清楚的能力，非常厉害。 他在融资 F 轮的时候，录了一个 28 分钟的投资人演示。因为他也不可能让这么多想投资他的投资人一个个去听他现场推介，对吧？所以他录了一段 28 分钟的视频。这个 28 分钟的视频信息量非常大。 我当时非常震惊：他能够在这么短的时间内，把这家公司的前因后果、整个因缘际会讲清楚，包括他是怎么开始进入人工智能领域的，经历了几个阶段，分别是怎么投资的，产品是什么样的，定位是什么，以及为什么在后来的人工智能时代，需要这样一个数据基础设施。 那时候还是 2023 年、2024 年左右。当时大多数投资人差不多才刚刚认同规模定律，还不知道通用人工智能什么时候会到来，但他就已经非常大胆地预测了通用人工智能的发展方向和时间表。 我当时看完那个视频以后，真觉得这个小伙子不得了。他把这个让人感觉好像有点捉摸不透的技术概念讲得非常清楚，而且把远景也绘制得非常远大。然后，他还能让投资人看到，他怎么从这一步走到那一步；他怎么通过 Scale AI 的产品迭代、客户迭代，以及他现在已有的客户、未来的客户和几条业务线，去把这个机会抓住。 他讲得非常好。他整个的逻辑思维、讲故事的能力、眼界和愿景，在这 28 分钟内都能够让你发现：这是一个顶级公司的创始人，而且年纪还这么年轻，真的是前途无量。不是说他是三十几岁、四十几岁的人，他是一个 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。我觉得可能有一个比较明显的案例，刚好就是我自己的全垒打，就是 Cerebras。 这个案例是我十年前在百度（Baidu）投资的。它是一家芯片公司，对吧？它是一家做系统级芯片的公司，而且它的芯片架构非常具有颠覆性：它把八十几个芯片放在一个晶圆上，在晶圆上无缝互联，然后去加速当时深度学习的训练速度。 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前沿，百度美研已经发现了规模定律的一些蛛丝马迹。这个发现是通过 DeepSpeech 模型的一篇论文得出的。当时这篇论文也是 Dario 和另外几位百度前同事一起写的。 因为当时我是从投行加入百度的，所以那时候也在恶补很多人工智能方面的知识。我记得很清楚，那几个研究员跟我说，未来的模型会非常非常大，需要非常非常多的数据。如果模型要持续迭代，就需要非常非常强的算力，而当时的算力是不够的。 2016 年的时候，只有英伟达（NVIDIA）的图形处理器能够用来训练人工智能模型。如果以后的模型有这么大的算力需求，要不就是英伟达能够成为一家非常厉害的算力芯片公司。 那个时候，英伟达其实还是一家做游戏显卡芯片的公司，所以那时用它做深度学习训练，还不是那么理想。后来这些年，英伟达不断迭代，它的整个系统变得非常厉害，对吧？中间发生的这些事情我们就不提了。 但当年我们的认知就是：如果以后人工智能需要这么多算力，那要不就是英伟达变得非常强；但如果英伟达变得非常强，它就会垄断。既然不能让它一个人垄断，那我们就要去投资新的芯片架构。 所以，我就是基于那样的一个认知，开始满大街去寻找一种更具有颠覆性的芯片架构。那个时候，距离形成共识还有很多很多很多很多年。后来，我在满大街寻找的过程中找了好几家，Cerebras 恰好就是其中一家。 ### 硬件创始人与技术尽调 然后我就开始去做尽职调查。这个尽职调查过程非常、非常技术化，里面有非常多的细节，也有非常多的技术细节，这里就不赘述了。你要去验证它的架构能不能正常运行，另外还要看里面这么多系统级的风险，它是怎么去拆解的。 我可以说一下，为什么我当时看上了这家公司，为什么从这么多芯片公司里面选了这家，并且带着当时百度（Baidu）的一些核心研究员去做尽职调查。 是因为我看到了这家公司的创始人非常厉害。Andrew Feldman 在当年就显示出了非常卓越的一些创业者素质。他的前一家公司叫 SeaMicro，被 AMD 收购了。收购完成之后，跟他当年一起创业的所有联合创始人，又都加入了他，来做这家新公司。 当时公司才成立一年，里面已经有八十多名创始工程师。你想，公司才成立一年，他就招到了八十多个人，而且都是以前跟他一起工作过的人。这八十多个人里面，六十多个以上全是博士。 大家平时说资本密度比较集中，那我就觉得，这家公司就是集中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。六七十个博士，那真的是太厉害了。这个公司的人才密度就非常厉害。 这个创始人也很了不起。他能够在一个初创公司里面做到这一点，我觉得十年前大家对风险的承受度不像现在这么高。现在很多年轻人做人工智能创业，而那个时候，那么多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、但同时也是高风险的创业公司，去做这件事情，去实现这个愿景，并且有这样的信念，我觉得这个创始人一定是很了不起的。 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。所以我当时就带着百度的一些研究员开始做尽职调查，然后一路做尽职调查下去，让我们当时的一些信念变得更加强烈，最后就投了这家公司。 但是这家公司在后面成长的过程中，也遇到了很多挑战。它并没有像想象中那样能够成功得这么快。我们当时所看到的一些系统和工程上的风险，后面都有出现。但是这个创始人就是能够在这样的逆境中带领公司，克服很多困难，让公司继续成长。 他的创始团队几乎没有什么特别多的离职。你没有看到公司好像遇到困难了，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、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？七八十个人这个级别，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，应该也有四十多岁了吧。所以，那些人都是跟他在前一个公司、前前一个公司共事过的。 这就足见这个人很靠谱，很有人品。 #### 我看中的创始人素质 你刚刚说到了创始人优秀的素质。你可不可以帮大家列举一下，你看中的这个创始人的素质都有哪些？ 我觉得，尤其是投硬件，或者投软硬件结合的这些创始人，一定要去解决一个足够难、足够大的问题。也就是说，他能够看到：我现在要解决的这个问题，它所对应的市场痛点是足够大的。 比如说，当时 Cerebras 要去解决的，就是人工智能模型训练的问题。它预见到、预判到，未来十年这个模型会变得很大，需要很多算力。他预见到了这一点。可能当时百度的一些人工智能专家也预见到了这一点，但这在当时可能并不是一个共识。 当时很多风险投资机构还是觉得，并不知道人工智能什么时候能够爆发，也看不见这个时间表。我还记得，当时我自己对 2025 年人工智能芯片市场的预期，只有 250 亿美元。 你想想现在 2025 年 NVIDIA 的估值都多少了，对吧？但是，我是在 2016 年那个时间节点去预测 2025 年的。我记得当时这个预测出来的时候，身边的人还跟我说：“你这个太激进了吧？” 2016 年的时候，NVIDIA 的市值都还非常、非常低。我记不得具体是多少，但挺低的，可能就是不到几百亿美元吧。然后我当时就预测，2025 年会是这么大一个提升。很多人是不敢相信的。 但你现在从今天回头看，就会发现人工智能崛起的速度远超你的想象，这个市场也远超你想象的大。所以我觉得，这个缩放定律是有一个指数级增加效应的。 可能刚刚扯远了。回到你刚才的问题，回到这个创始人本人身上：创始人能够去解决一个足够大的问题，但是他解决问题的方法，是能够把“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 的那个创始人，我在尽职调查这个风险的时候，就拆解得非常、非常细。对我来讲，我对创始人有一个直觉，这也是我作为投资人的一种本能素质，对吧？ ### 投资判断与创业者说服力 但第二点是，如果我要形成投资信念，我需要像验证一个假设一样，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。同时，我也在考验这个创业者有没有深思熟虑过所有这些风险点，以及他要怎么解决这些风险。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，你有没有把所有风险点一个一个拆解出来，详细地思考过要怎么解决它？ 当时，Andrew Feldman把所有风险点都拆解得非常细，讲得非常清楚。所以我觉得，这样的创业者就是既有愿景，又有真正落地的经验。那个时候芯片还没有出来，但他已经知道要怎么把这个东西做出来，而且知道他面临的风险是什么。这是一种非常系统地把所有关键点拆解出来的能力，我觉得这很重要。 所以，我的直觉一定不是拍脑袋。我有一个直觉，但是我去验证我的直觉时，是遵循第一性原理，一点一点去拆解的。对，这里面案头研究很重要。咱们上次访谈的时候也讲过，说实话，你在这里面的工作非常辛苦。 我是不想要你那个工作的，哈哈。 对，实在是太卷了，挺辛苦的。投资之后还要管这么多公司，尤其是在高通（Qualcomm）这种企业风险投资部门里面，高通的投资是一定要上董事会观察席的，也就是董事会观察员。所以你投多少家公司，就得管多少家公司，真的是蛮辛苦的。 对，就要做很多很多的案头工作，然后包括跟人聊天，还要去提升你的直觉，等等。 刚才说的两个点，第一个是解决一个足够难的问题，第二个是真正想清楚了，然后把里面的风险点排清楚了。但是第一个点，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。”他觉得这是一种立志高远，然后是要解决一个足够难的问题。 我能不能用这个案例，让你来进一步阐述一下，你说的“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。除非你觉得现在的微信和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。 你要有一个前瞻性的视角：我要解决的这个问题，是未来三到五年、五到十年的一个问题。然后，我的这个解决方案要足够优秀，超过现在市场上的所有方案。你还要回答“为什么是我”“为什么我能做到它”，以及“我要怎么做”。这些都要讲清楚。 我觉得，这几个逻辑不管是对于投早期，还是投成长期，都是一样的。 我们如果倒回去看其他一些创业者，可能会觉得，比尔·盖茨（Bill Gates）也是草根，扎克伯格（Mark Zuckerberg）也是草根，埃隆·马斯克（Elon Musk）也是草根，好像没有什么一定是他的原因。那“为什么是我”这个问题，要怎么回答呢？ 在这个阶段，这个问题是不一样的。“为什么是我”，一定是因为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，你去阐述为什么你对这个市场有这样的一个预判，为什么你要做的这件事情足够难，你会讲得非常有说服力。 同时，你把这两个问题回答好，就是在回答“为什么是我”。因为没有人能够有你这样的愿景，或者有你这样的解决方案和执行力。我觉得，这些都能够相当程度地从你看事情的角度和方式上反映出来。 如果是一个年轻的创业者，这个问题可能不是那么好回答。所以风险投资机构就会押注这样一个判断：“好，我觉得这个年轻人足够有潜力。”比如当年的Scale AI就是这样。Alexander Wang创业的时候才十九岁。 那就回到Cerebras这个案例。Andrew Feldman创业的时候已经四十多岁了，他已经有过很多很成功的案例。所以，“为什么是我”这个问题，就觉得很容易解决：为什么是我？这就是你了。我觉得，只有他，大概率就是你。你有胆量去做，然后你愿意花时间去做，同时你也有足够的能力去募资并把它做出来。 投资人对这个创业者、对这件事情都有投资信念。为什么他有足够的能力募资？这个其实已经很明显了： 1. 第一，他看到了这个市场的潜力，而且讲得很清楚。 2. 第二，他的芯片架构和方案足够具有颠覆性，而他的团队能够把这个颠覆性的芯片做出来。 3. 第三，他把风险点拆解得非常好。 这几个点讲明白了，我觉得，愿意形成投资信念的投资人就会给他钱。 我为什么问这个问题？在他身上，这些东西很明显。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，也不一定会那么明显。 有很多技术同学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——这是谁啊，哈哈？ 不，不，很多时候人对自己就会有这样的一个泡泡嘛。这种情况下，他以为自己的技术非常厉害，以为自己解决的问题是一个很前瞻性、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，可能是他对自己的认知判断有误。他觉得自己的愿景也很远，技术也够强，想做出来的这个东西也够厉害，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，而投资人都是身经百战的人。比如说，如果你来跟我做融资推介，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：你的这个视角是不是一个正确的视角，或者是不是一个经过深思熟虑的、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，如果这个创业者没有回答得足够好，或者说，这几个问题显示出他想得不够深，有点想当然，那当然就是五分钟内被否决了，连下一个继续讲的机会都没有。 所以我觉得，创业者在去做融资推介之前，也需要对自己有一个清晰的认知：你是不是把这件事情想清楚、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，是你可以把这件事情做成。 ### 投资人如何识别可成事的创始人 你是不是还能够召集到一些跟你志同道合的创始团队，一起做这件事情？我觉得，创始人很重要的几个能力，就是讲故事的能力、招人的能力，还有融资的能力。对早期创始人来讲，要不然你也活不到甲轮，对不对？ 稍稍替创始人们挑战一下你：你似乎预设了投资人是比一个菜鸟创始人更懂这个事情能不能做成的。你觉得是这样吗？ 我觉得，这取决于他面对的是什么样的投资人。一些一线风险投资机构或者一线企业风险投资人，并不一定懂这个技术的细节，对吧？因为永远都是这个创始人一定是这件事情最懂的人。但是，投资人可以通过问问题，看看这个创始人的思维方式，看看他想的东西对不对：你要做的这件事情，你想要去解决的这个问题，以及这个市场领域够不够大。 同时，投资人也会通过一些提问中的蛛丝马迹，看出来这个人是不是一个很能在有限资源下解决问题的创始人，是不是一个很拼命、很勤奋、很能把事情往前推动的创始人，是不是一个能够把这件事做成、能够成事的创始人。 光是有一个愿景，技术很强，跟你能不能落地，这已经能够把很多公司给筛掉了。你一定要能够把这件事做成才行，而这个能不能把事情做成，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？就是能拼命推进、能够在有限资源下解决问题、能把东西落地；在这个基础上，他还要再解决一个足够大的问题，才能把这个风险点给想清楚。你觉得还有没有其他一些素质，是投资人看重的？ 我觉得这几个就已经挺重要的。如果真的都具备的话，可能真的就是直接写支票了。 #### 技术能力之外的执行判断 因为最近数据中心、芯片互联这些方向也很重要。我也在数据中心这个领域里面聊了一些创业者，也聊到过这样的人：技术非常厉害，非常有远见，他做的东西能够解决数据中心里面一个很大很大的互联问题。 这是一个我觉得在技术上、在资历上都超级棒的创业者，我给他打五个甲的评价。但是我在跟他聊的过程中，会比较担心他的执行能力。通过一些提问，包括对他的感觉，以及对他性格的判断，就觉得这个人可能挺温和，或者有类似的特点。尤其是在硬件创业中，创始人还是要有相当的执行能力的。 然后我对他的一个判断就是：如果你要去融一个比较大规模的种子轮或者甲轮，你要有一个在商业层面的联合创始人，把前端的一些落地工作、这些运营的事情替你做了。在能够找到这样的联合创始人的情况下，你有相当大的概率能够拿到风险投资机构的钱。 这样的创始人，可能有经验的风险投资人——虽然我不懂他的技术具体是怎么做到的——我必须非常诚实地说，他讲到的什么光互联之类的东西，是非常技术化的内容。我能够知道他是懂的。我通过他跟我讲故事，知道他真的有这个实力。但是同时，作为投资人，我也能够看到，这样的一个创始人在一些落地工作上，可能需要一个更强、跟他非常互补的合伙人。 我就会建议他说：你要找到一个这样的联合创始人，之后再去募资，你的成功概率会大很多。 #### 共识与正确的非共识 咱们讲到这里，就继续讲你刚刚说的那个“非共识”。你通过直觉去看这些创始人，尤其是要在技术上做一个判断，对吧？这个正确的非共识，一定也跟你的投资判断框架非常相关。 刚才你说的这种优秀创始人是非常闪耀的，所有可能的一线风险投资机构跟他一聊，就觉得可以，可以给你写支票了。那大家会判断错吗？因为投资本身就是一个小成功率的东西，所以你投的这个人没有把那个东西做出来，不见得你当时就做了一个错误的决定，对吧？ 我更想知道的是，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先人一步，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深耕，对一些事情形成的一些预判。 共识是怎么形成的？那一定是说，市场和技术到了一个拐点，然后这个共识就形成了。 比如说，我在二〇一七年、二〇一八年在百度工作那些年，中间有一段时间，我出来跟我的前老板想募一个人工智能基金。当时我们聊了很多有限合伙人，包括机构、一些大公司，中美两边的都有。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，那个时候我聊的一些有限合伙人，他们对于人工智能这个赛道，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交易簿去募资，当时 OpenAI 在我的交易管线上，Databricks 也在我的交易管线上。Databricks 其实在二〇一七年融资很困难。就是这些公司在当时都是非共识，没有一个有限合伙人买账。 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 也在我的交易管线上，因为我当时想，虽然我二〇一七年投了，但是二〇一八年、二〇一九年还可以继续加投。 然后，没有人觉得人工智能这个赛道能够那么快起来。而且就算能够慢慢起来，也是一个非常重资产的赛道，就是你要花钱去铺这些基础设施，对吧？那什么时候才有拐点？风险投资机构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，出来的时间大概是二〇二五年。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年份的预判。 当时让我觉得这件事情在加速，就是在二〇二二年 ChatGPT 出来的时候。我当时就是脑子里猛地感觉被打了一顿：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，这已经进入了一个拐点时代。而那个拐点时代到来的时候，很多风险投资机构就把握住了机会。像 Menlo，还有像当时我的工商管理硕士同学 Sarah Guo，也出来做坚定下注的投资。 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。 ### 非共识窗口与人工智能赛道变迁 因为在非共识时期，公司要成长，你需要给它烧钱，对吧？然后在拐点刚刚快要出来的时候下注，其实是挺好的一个时机。那个时候，从非共识到共识的窗口会比较短一些。 那时候我其实已经感觉到了人工智能基础设施。比如，那个时候能够解决模型胡说八道的是什么？是检索增强生成，对吧？还有一些微调，或者推理即服务，一些比较浅层的人工智能基础设施。然后你会看到，这些公司在2024年、2025年有一波收购潮。 接着就是视频模型、一些推理即服务。还有就是，那个时候我已经很笃定地能够看到人工智能智能体会出来。所以那个时候，其实在很早的时候，我就推动想投Genspark，当然还有Manus。这些都是更早发现的一些公司。 再到后面，你会发现，这个阶段能够看到的公司已经快要进入共识阶段了，就是进入一个爆发点了。这个时候其实是下注很好的时候。 #### 早期看好的人工智能公司 我再倒回去叙述一下。你在2017年、2018年的时候，对吧？跟钱老板去募资，所谓的投资项目管线上有OpenAI。就是说，如果我募到了这个基金，我就可以投进OpenAI。但是那个时候有限合伙人不看好，有限合伙人不给你这个钱。 那岂不就是又有了一些创始人的叙事？就是你看，风险投资机构不懂，风险投资机构看不到这个东西的价值。所以说，OpenAI这样的公司在那个时候也融不到钱。因为可能当时OpenAI的产品线也不是很清晰，那个时候在尝试不同的东西。 它的公司标志其实是一个像六边形战士一样的那种，对吧？它当时其实就是在尝试五六个不同的东西，语言模型是它尝试的其中一个。 那个时候我把它放在那个投资项目管线上，也是因为当时Sam Altman跟百度（Baidu）当年的总裁陆奇（Qi Lu），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，这个创始人、这个人很年轻，就跟我有点像同龄的吧。就觉得这么年轻的一个人，又这么有愿景，想干一件这么伟大的事情，又是人工智能这个方向。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，就是觉得这个人很厉害，应该去投一下。 #### 错过Databricks 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他们的普通合伙人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，可能是一种命运的指引吧。我就跟当时的创始人聊了好几次。我还挺喜欢他们做的那个数据仓库的理念的：他们会针对一些低技术公司的需求，去构建一个数据基础设施。 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低技术了，不符合当时百度想投前端人工智能的一个投资逻辑。这个案子就没有能够成功地上会。 但它也确实在我当时想要去融资的那个基金的投资项目管线里面。我觉得我对它是有判断和信念的。它虽然可能不符合一个非常前瞻的人工智能实验室这样的投资逻辑，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、能够把它投掉，也挺可惜的。 投资人嘛，每个投资人都会有很多反投资组合，就是他们的遗憾。不止我一个，很多投资人都是这样，几乎所有人都是。而且越厉害的投资人，越有这种反投资组合。他总是会有，对吧？ 就好像那个——我记得是哪个红杉投资人，他的反投资组合是字节。然后他就出来做了那个，是叫五源（5Y Capital）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。 这也包括Sarah Guo本人在Greylock也有很多反投资组合。所以她就是一怒冲冠一下，就出来做自己的基金了。时间点也非常非常好。 #### 当前的硅谷投资共识 那我们正好顺着这个话题，想帮大家了解一下，现在硅谷投资人的共识是什么样子。现在的投资论点，就是硅谷的人现在在投什么呢？ 今年其实非常共识。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、物理人工智能，还有世界模型。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，你做智能体的话，不管是通用型智能体，还是垂直领域的一些智能体，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，垂直智能体，或者说这种人工智能的子赛道——因为有一个人来问，未来哪些人工智能子赛道还适合风险投资机构去投？是不是这句话的意思，就是已经都不投了？ 那倒也不是。我觉得这些子赛道，也就是垂直领域，比如说医疗、药物研发，或者是金融领域，还是可以投的。 ### 机器人数据与硬件投资逻辑 但要去寻找那种能够自动化比较复杂工作流程的人工智能智能体。如果你只是说开发一个产品，基于一个模型做套壳，或者只是拿到一些垂直行业的数据，可能一两年前你会觉得：“我有这个行业的领域知识或数据，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可以生成一些合成数据，也可以找到这些人去给它们进行数据标注。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，反而是某个领域中非常高价值链的工作流。比如说在医疗领域，如果你有一个工作流，能够把从你去找医生看病，到看病中间流程中的病例记录，再到最后给患者一些建议，然后再辅助他去拿药——这我只是举个例子——就是把整个流程都打通，把复杂的流程都打通，那可能这样的一个智能体是比较有价值的。 前沿模型在这个领域知识上，可能会成为一个非常厉害的医生，或者是一个非常厉害的药物研发专家，可是你的工作流还没有办法完完全全地自动化。所以，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投的。 模型是很好的大脑，但是动手还是需要动。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，需要有一个动手的环节。但是如果动手也能由模型完成，那你也没机会。你可能要动的是这种更加高价值链上的、更复杂的一些工作流。 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，这个大模型的能力水涨船高之后，很多逻辑都变了。 #### 软件创业与基础设施 那你会觉得软件这件事还有前途吗？或者说，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，所以也不要把我的意见当作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。我会看一些更加基础设施层面的东西，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会扰乱大家心智的意见了。 #### 机器人领域的真实部署 好，那你在硬件这里边，刚刚说了机器人、物理人工智能、世界模型都是比较被过度使用的词。那在这里边，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的？然后有什么是你觉得其实已经挺厉害了的？ 今年的世界模型确实是很多创业公司在做。我自己可能会比较关注的方向，就是数据的形成。因为目前对于机器人领域来讲，数据还是非常稀缺的，而且有的时候数据需要在一个能够落地的场景下产生。 所以我觉得，比如说人形机器人，如果只是演示很厉害——我们在消费电子展上看到很多演示很厉害的机器人——它可能是有人在远程遥操作之后的结果。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，然后在这个落地场景下收集数据，再让这个数据去推动它的机器人大脑，或者它的软硬件集成进行迭代。 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，真正的部署有一点点被忽视了。大家太多地去讨论：“我的训练模型方法论是什么？我要不要多引入语言模型？还是说我要多用视觉语言模型？还是我两个结合？还是我抛弃一个？”你会听到有很多这样的讨论。 我觉得这个讨论是有必要的，但是真的要去找到一个让你的机器人能够打磨到可以真正落地的场景，这很重要。 #### 数据引擎与世界模型 还有一点就是，我自己可能正在修正的一点：我觉得数据是很重要的。你现在会看到很多做世界模型的公司，或者做一些数据生成、帮助机器人领域搞数据的公司。你会发现，他们现在的经常性收入其实涨得很快，因为那些融了很多钱的机器人公司真的很缺数据。 所以，他们的经常性收入也都是来自这些融到很多钱的机器人公司，因为这些机器人公司要买数据来训练模型。然后你现在看到一个暂时的繁荣场景：采数据的这些公司很挣钱。 但是我觉得，或许有一天会有一家公司，能够开发出一个生成数据的模型，这可能才是一个终极的解决方案，而不是说你去满大街地采数据。你要是能够生成一个真正懂物理世界的模型，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，如果你去投这种光是能够帮你采集机器人数据的公司，要小心。你要看它背后是不是能够有一个自己的数据引擎去生成这些数据，而不是说我硬生生地去买硬件，再到各种场景下去采集数据。 #### 世界模型的迭代过程 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世界模型，我们就用“世界模型”去叫它好了。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，就是我们想要做到这个世界模型的前提，是我们掌握了这个世界的解析解。我觉得这可能是一个迭代的过程。 你可能先有一个这样的、初级的，可能是1.0、2.0版本的世界模型，用它生成这样的一些数据。然后这些数据在现实的落地中不断地被修复，接着这些数据变成3.0、4.0版本的数据，反过来又回来迭代你的世界模型，让它变成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，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，之后会有一个像 Scale AI 这样的数据引擎，给世界模型和机器人提供这种高质量的数据。可能不止 Scale AI 一个，会有好几个。 #### 硬件投资人的衡量标准 那这就有一个问题了：软件投资人看的是经常性收入，也就是持续性收入；那硬件投资人看的是什么呢？ 我觉得现在的一些基准指标都在被改写。比如说，你现在看这些模型公司，前沿实验室，对吧？就是看它的令牌消耗量了，包括推理令牌的吞吐量。 ### 系统级硬件与智能体机会 像 Anthropic 这样的应用程序接口，你的额度一直在暴增，对不对？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令牌；与此同时，你的硬件基础设施也在不停地往上涨。可能硬件会从纯粹卖硬件，变成去构建一个系统，基于这个系统上的推理，或者基于令牌的消耗量去收费。所以，大概是一种使用量代理的感觉。 但是，所有的硬件公司都可以被这样抽象吗？我觉得，一定要有系统级能力的硬件公司。像 Cerebras，它现在如果你去看它的招股书，就已经不是说“我卖一个芯片”，也不是“我卖一个晶圆级芯片”，而是卖一个推理系统。它有自己的数据中心，帮助客户去运行推理这样的工作负载。 它跟 OpenAI 签这样一个单子，其实是一个系统级别的、很大的收费项目。比如说，你这个项目能够交付的话，它的收入应该是可持续地一直往下走的。 软件时代的收费模式，是说我有固定的数：我一个月 20 美元，或者 200 美元。但是，我们现在其实已经相当于进入一个通用人工智能的时代了。可能过了两年，到那个时候，人类对于模型去产生智能的依赖会更大。那你的输入令牌、输出令牌会更多，你消耗的算力会更多，你对基础设施的要求也就更高。 所以我觉得，系统层面就变成了“硬件加系统再加基础设施”这么一个模式。这个收费框架会比软件时代的收费框架更有吸引力，就是基于你的使用量，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、系统级别的模型公司会吃掉很大部分，基础设施、云这些会吃掉很大部分。剩下的应用层创业者，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，人工智能智能体有很多机会。你可能会出现很多这种智能体开发者，打造一个产品，但它不一定是个公司，它不一定是适合风险投资支持的。它可能就是说：“我本来要打造这样一个产品，以前需要一个团队，我现在一个人就行了。我用不同的人工智能工具去做。” 当然，这些打造人工智能智能体的开发者，或者一个小的公司，他希望这个账能算得过来，那就是你的推理成本要能够降下来。所以我为什么觉得，我其实还是比较喜欢投基础设施。如果你有一个基础设施产品，能够把你的推理成本降下来，那这些去提供智能体人工智能的这些 ### 具身智能的落地与创投周期 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、前沿模型付费，对吧？大家在 Fable 出来了以后，群里的很多人已经说：“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。比如说我们在 CES 上看到那么多演示，真正走出来的公司是很少的。从演示到量产中间死掉的公司，它们的共性，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大的、能够向客户证明足够大投资回报率的场景进行落地。 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。大家觉得，以后大家都不出去购物了，美国绝大多数都会是电子商务。其实因为你要看，美国电子商务的普及率比中国要低很多。然后疫情的时候，大家都不出去购物了，都要网上购物。 但其实美国人很多网购也是从 Amazon 上网购，碎片化的电子商务业务其实没有你想象中这么多。但疫情的时候，它们确实有一个爆发的体量。当时就有很多买菜之类的事情，需要去进行仓储物流自动化，所以就有很多很多这样的初创公司出来。 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机器人，也都不行了。而且那些机器人都是在大语言模型，也就是视觉语言模型出来之前构建的，它们的基础设施本身也比较落后，所以这批公司死了一大堆。 它当时有一个暂时的产品市场匹配，但是一旦一个现象级的事情过去之后，这个产品市场就没有了，你的市场就不足够大了。然后你又要去把它进行落地，又需要去跟很多本地的信息技术团队进行配置、进行调试，就很麻烦，投资回报率也很难去证明。 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。 #### 创投行业是否仍然有意义 是的，是的。我再问两个关于风险投资行业，以及大家对这个行业的了解的问题。 第一，你刚刚也提到了，二〇二四年的共识窗口可能是三到六个月，二〇二五年可能是两三个月，今年就几乎没有了。那你觉得风险投资这个行当还讲得通吗？ 是讲得通的。通常当你的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，可能是一个小泡沫要进行破裂的时候。 但是我不认为人工智能这个泡沫会破裂，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突破。就是你有一些技术曲线的大的突破，然后你再到一个技术的拐点，找到市场。 我觉得下一个周期可能正在形成中，但这一个周期差不多已经到头了。 那你觉得风险投资在这个时代——你是投硬件的风险投资，这可能没什么区别——但是像投软件的风险投资，大家可能觉得风险投资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讲得通了。 对。我觉得他们可能要更加去投资一些比较人工智能原生的创始人，能够去把这些人工智能工具用起来。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。 像我刚刚说的医疗、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人工智能替代了。所以你就要找新的创业公司，就是非常人工智能原生的这些创始人。他能够去用好这些人工智能工具，然后去构建一个复杂的工作流，用里面的一些特殊知识去构建一个工作流。 听起来你是对未来有这么一个投资论点。 嗯，是的，是的。尤其是对于基础设施，你会持续地关注和持续地下注。 那除了这个基础设施之外，你还有没有什么其他的投资论点？ #### 具身智能与先进制造 我是挺看好具身智能的，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？ 对，对，对。 那炒菜机器人还是啥？ 自动驾驶已经过去了。我觉得可能是先进制造，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。 我觉得可能就是说，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，那时候我爸在国内做瓶盖，然后他的一个工厂里边可能有一千个员工。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，尤其是这种资本密集的发达国家。 那在这种情况下，人工智能真的能帮助很多吗？感觉人已经是很少了，然后人已经做的是那种高难度、非常难以被人工智能解决的这种东西了。那这种时候，具身智能它的落地，或者说它的空间，有这么大吗？ 我觉得瓶盖这个事情可能是比较简单的一些生产场景。可能它有更加落地的场景，是一些复杂的工业生产场景，比如说汽车制造业，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。 #### 印象派油画爱好 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。 ### 绘画冥想与投资边界 之所以会问这个，是因为我特别喜欢 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》（Hackers & Painters: Big Ideas from the Computer Age）。他讲了很多东西，都是拿画画做比喻。所以我不知道，画画和投资是不是有一些联系。我觉得，好像科学跟艺术总是有一定的联系。 有一段时间我确实在画油画，但是我必须承认，我已经很久没有画了。工作忙了、有小孩以后，就封笔了。但是在百度（Baidu）工作那段期间，我还是花了挺多时间，周末去画一些油画。 #### 从印象派绘画到投资判断 我觉得，在画印象派的时候，跟投资有点像。你画印象派的画时，总是先有大概这么一个印象，就好像你有一个假设一样，你有一个论点。但是你下笔的时候，可能不知道它大概会成为什么样，可是你有一个假设。然后你就是在不停地“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。 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二十分钟的冥想，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，就觉得错过那个；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。正如《Attention Is All You Need》这个标题所说的，注意力就是你所需要的一切，但是你需要把你的注意力花在正确的事情上。 所以我就感觉，做冥想这件事情，能够在一定程度上帮助我把注意力从不必要的事情上拉回来。不能说每次都能拉得回来，但真的是可以让人清除掉一些杂念。 #### 放下过度干预创始人的冲动 除了去关注不该关注的公司之外，可能还会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，我可能大概在七八个公司上做董事会观察员。每次就是感觉，可能有点关心过度了：会希望公司做得好，然后就会给他们很多意见。 这是我在早期做投资时的一种风格。我就觉得，我一定要跟你成长。但是后来我发现，其实人家懂得比你多，你不需要去过度关注。或者是你觉得这个创始人很年轻、很稚嫩的时候，总是希望把你所有的经验、看到的所有教训都灌输给他。 有一句话就是：如果你自己觉不到、悟不到，那就不是你的。我硬要给你塞，你也觉悟不到，你也不会去执行，也不会去内化它。 所以后来我就发现，当我发现某个被投公司出现不好的苗头，或者它要犯错的时候，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，他不一定会去执行，因为他没有领悟到。 “放下助人情结。” 对，放下这种一定要让事情完美化，或者让他能够按照一个正确的方法去做的情结。他自己吃了什么经验教训，自己会学到的。 我最近也有很多类似的经历。我老婆特别不喜欢未经请求的建议，我也意识到了。很多时候我给别人建议，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建议了。 #### 让创始人自己经历教训 有的时候我觉得，在创投圈里，很多创始人有很强的技术背景，比如现在一些研究人员，但是他们在商业领域，或者哪怕在法律层面上，知识确实是欠缺的。 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的，可能觉得你是在干扰他。那这个时候你就得闭嘴了。 即使你知道自己百分之三百是对的，他也得自己经过这个教训，才能学到东西。什么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。 对，我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。 #### 成为董事会观察员的条件 成为董事会观察员，是不是有占股比例之类的条件？ 一个是，你的基金或者你本人，在创始人心目中的分量。如果你是一个头部的企业风险投资机构，那你可能投的金额也不会少，会占据相当一定的股份。在这种情况下，如果你要求做董事会观察员，创始人应该也会答应。 但这确实意味着，在这个过程中，你要和创始人建立很好的信任关系，让他能够认可你的价值，也认可你平台的价值。 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，不管是企业风险投资机构还是风险投资机构；同时还有你个人的价值。 因为他可以说：“我让你的风险投资机构当董事会观察员，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。” 这种情况都是经常发生的。 ### 大厂创业者的融资误区 #### 技术很强，不等于市场足够大 最后两个问题是给观众的建议。 第一个问题是，大厂人想要进入风险投资行业，或者跟风险投资机构打交道，你觉得最大的认知误区是什么？ 那要看你跟风险投资机构打交道是为了什么。如果是为了融资——“我要创业了，然后要跟风险投资机构打交道”——我觉得有一个误区，就是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领导者。他最后没有募资成功。我觉得他当时有一套非常厉害的技术，是关于模型创新的，可是他对应用场景想得不够深远。 就是因为那个时候已经有很多大模型跑在很前面了。你的另外一种模型范式创新，有什么地方能够比目前这些大模型玩家做得更好？我觉得他没有把应用场景想清楚。 你就是拿着锤子找钉子。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、没有想到会有什么样的市场，那就不行。你能够把一个足够大的市场讲清楚，就很重要，这样就可以拿到融资。 但如果你讲不清楚，你只是说：“哦，我这样的一个实时学习，或者什么东西，做成会很厉害。”那又怎样？你想要解决什么样的场景？为什么这个场景是大模型做不了的？要把你的愿景想透，想得很清楚。 #### 估值不是越高越好 还有一个认知误区，就是估值越高越好。 我觉得现在有很多创始人就是卯着高估值去争取。最近也亲身经历了一些例子：可能本来谈好的一个估值，他突然又觉得：“我要一个更高的估值。”然后就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。因为现在很多很厉害的新实验室，估值非常高，那可能确实是因为创始人本人很厉害。这种特别厉害的创始人是很少的，比如说研究领域的大牛，市场会给他追高一个估值，那是因为他的名声溢价在里面。 比如说 Yann LeCun 的公司 AMI，一出来就是多少个十亿美元的估值。比如说你是 DeepMind 的一个比较厉害的研究人员，或者从那里出来的人，你就不一定能够达到那个估值预期。 但是，如果你一直说“我只选择给我估值最高的一个风险投资机构”，我觉得这是个比较危险的行为。 危险在哪呢？危险在你的下一轮。如果你最后不能够迭代得很快，或者不能融到下一轮，你的估值就会断崖式下跌。 #### 创始人是否能够被指导 刚刚说到了大家的这些误区。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地转过弯来吗？还是他一般会有这个认知盲区，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“可指导型”创始人。 通常这个创始人是不是可指导型，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，尝试去指导他们。他嘴上说：“是，是，是。”但是他最后实际上没有落地，可能甚至相反。 可指导型的创始人是可以领悟到，然后进行修正的。不太可指导的创始人，那就很遗憾，可能会自己浪费时间，同时也会浪费一些投资人的时间。 你现在有没有一个判断这个人是否可指导的更好的信号，或者说是一种直觉？ 我觉得有一定的直觉，但是也有犯错的概率。比如说，他是不是会在一些关键时点给你一些意外，而这个意外是你没有想到的。你会发现：“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，十个里面有一个。但你会发现，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，而且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。 #### 可指导型创始人的表现 描述一下可指导型创始人是什么样的。 可指导型的样子应该是：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，会做一些实践，再回来问你。他会主动地去修正自己。 而不是说你在那里一遍一遍不停地跟他说，他在那里点头：“嗯，嗯，嗯，是，是，是。”这种就不一定是可指导型的。 当然，还有一种就是完全不可指导型的。就是你跟他说：“你要怎么怎么样，怎么怎么样。”他直接反驳你，说：“你是错的。”那这种就完全不可指导。 当然，如果这种人的能力非常强，也行，对吧？就像 Elon Musk，他一定是不需要被指导的。但这样的创始人你不需要去指导他。他不可指导，你也不需要去指导。 这里面有两种情况：一种是需要指导，另一种是不需要指导。你不需要指导的，一定是最厉害的创始人；你需要指导，但又不可指导的，那这种就不行。他一定只能通过经验教训，去给自己买单。 ### 人工智能时代的创业选择 #### 不要盲目追逐热点 还有没有认知误区？你说的是这种创始人的认知误区吗？就是大厂技术人创业吧，这可能是我们频道里最多的。 我觉得就是**不要去追热点**。所谓什么人工智能代理很火，或者什么实时学习很火，你就要去追这个热点，你可能追这个热点就已经来不及了。这些都是给很久以前就在这里深耕的人准备的机会。 对，对，对。就是你要有一个自己深耕的领域。 还有没有误区？好像差不多了吧。 #### 什么样的人不会被人工智能淘汰 最后一个建议就是，在人工智能时代，什么样的人不会被淘汰？你觉得大家应该成为什么样的人？ 能够用人工智能工具，而且能够有系统性思维的人，不会被人工智能淘汰。 你现在会发现，GPT或Claude已经非常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，然后我把这个问题拆解成一个系统性的一个问题，再让人工智能去给你赋能。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。 #### 不要为了创业而创业 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：你有一个很强的愿景，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。 你看好不拿风险投资的钱的创业方式吗？ 我觉得是可以的。你像那个Surge AI，就是不拿风险投资的钱就创业了呀。就是Scale AI的这个竞争对手Edwin Chen，他就是没怎么拿过风险投资的钱，直接出来创业了。 对，有这样的底气、勇气和能力，当然是不拿风险投资的钱最好了。 那怎么办？自筹资金？ 这完全是可以的呀。他自己去做出来一个很厉害的解决方案，像Surge AI当时的那个数据引擎，他其实当时的一个很大的客户是Anthropic，就是在强化学习方向上的一个数据引擎。他的产品交付能力很强，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，亲手做出来的一个产品。他可能一两年不拿工资，把所有他的知识都放在这个上面。那很好，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…… ### 创始人路演与故事打磨 主持人：他们想知道可以去哪里联系到你。我记得我们之前也聊过，你其实帮助过一些中国创业者打磨他们的路演，对吧？他们可能不知道应该怎样讲一个能够被硅谷投资人认可的故事。 Nan：是的。我之前确实给过一些创业者辅导。不过我的标准挺高，因为从实际情况来讲，我的工作也很忙，而且我还有小朋友要照顾。给一些创始人做辅导，也是在挤时间，所以我会觉得，这个时间确实只能花在一些比较优秀的创始人身上，确实会有一个比较高的标准。 我一般会比较看重推荐。比如有一位很好的投资人朋友，可能已经筛选过一轮了，知道这个创始人是从中国来的，想在美国落地。然后我可能再看一下，如果我觉得自己大概有时间、有精力去辅导，我就会去辅导；如果我觉得自己没有时间和精力，或者觉得他的方向不太适合，或者他个人的背景不太适合，我也不一定是适合他的那个人。 主持人：那说不定以后还应该约你，把大家常犯的错误、那些需要被辅导的地方给大家讲一下。这样可能可以用一种更具规模化的方式去帮助大家。 Nan：可以，可以。我们以后可以再开一个直播，专门讲这个事情。因为我觉得，讲故事是非常重要的。我之前听一些创始人做路演，他讲完二三十分钟以后，我大概会再给他十分钟的时间，帮他做故事表达方面的辅导。这可能算是我的一个专长吧。 这个专长是在 Qualcomm Ventures 的六年里练出来的。因为我们的运作模式有点像 Benchmark 这家风险投资机构。六个合伙人，每个人都必须在投资、融资、管理和退出这些环节上都很能打。在这种情况下，你怎么识别优秀的创始人，怎么给他们一些指点，包括我们自己也接受过非常强的故事表达辅导，所以这可能一直以来都是我的一个长板。 对我来讲，这个能力帮我引来了很多项目。就是说，如果这个创始人是一个很强的技术型创始人，可是他的故事表达还差那么一点火候，我确实好像能够在很短的时间内发现他哪里需要改进，然后很快给他一些反馈。他们通常会觉得这些反馈很有帮助。 这个事情我们以后有时间，也可以再开一个专场，举一些例子。或者筛选一些真实的创始人过来，让他们进行十分钟、二十分钟的路演。 主持人：太棒了。那我应该过段时间再在社区里说吧。最近确实比较忙。至少可以约上一个小时的时间，看三四个、四五个创始人的路演，然后给一些实时反馈。我觉得这会很棒。甚至我自己在卖课程，我都觉得自己需要这样的辅导。 在做这件事的时候，我知道把一个更好的故事讲出来，杠杆有多大。可以说，这是最大的杠杆了。 Nan：是的，是非常大的杠杆。而且不同的风险投资机构，可能会有不同的偏好。因为我刚好和一些一线风险投资机构的投资人一起在同一个董事会任职。比如红杉（Sequoia Capital）的 Doug Leone，还有 Khosla Ventures 的 Vinod Khosla，我们都在同一个董事会上。 在同一个董事会上共事这么多年，你就会发现，这些大佬喜欢听什么样的故事，什么样的故事能够打动他们。他们有他们自己的套路。我刚好能够看到他们的一些套路，所以大概就知道：如果你要去向 Vinod 做路演，你应该怎么讲；如果你要去向美国的红杉（Sequoia Capital）做路演，你应该怎么讲。大概会有这么一种感觉。 主持人：好的，非常感谢。那就提前约一下你的时间。如果想听 Nan 的故事表达辅导课程，想报名的话，就来 Superlinear Academy 吧。去分享一下你的项目，然后在里面多多建立你的个人资料。这样到时候有这个活动、进行筛选的时候，我们就能多了解一些你的背景，也可以帮助我们进行筛选。 非常感谢 Nan 今天和大家进行直播，也非常谢谢你今天的时间。 好，谢谢课代表。好，拜拜。