2026年，硅谷创投，几乎不看AI应用了？｜硅谷一线投资人周楠

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 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

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