不追热点但求深度思考的OnBoard! 又来啦！转眼间 OpenAI 轰轰烈烈的开发者日 (OpenAI DevDay) 已经过去一个多月了。这一个月也发生了太多事情。但是除却各种大瓜和八卦，DevDay 实打实是行业里相当重要的标志性事件。这次的涉及的，不仅是API大幅成本下降、API更新，还有GPT Store, Assistant API, 多模态等等重磅的上新。我们在devday 三周后，邀请了Monica 非常期待的四位嘉宾，在经历了这一段时间的消化和观察沉淀之后，一起聊聊他们不同角度的思考! Hello World, who is OnBoard!? 这次的嘉宾，既有RPA头部公司来也科技的联合创始人兼CTO，也有真格基金EIR、经历两轮AI创业热潮的创业者视角，也有美团智能硬件负责人的软硬结合机会思考，还有来自 Google Deepmind 的研究员 Eric，从模型和技术的角度，解读 DevDay 中agent相关的更新。 真的是非常精彩纷呈，又是一次接近两个小时火花飞溅的讨论。本期录制的时候，Google Gemini 还没有发布，但是回头来看，我们对多模态的讨论还是完全适用的！ Enjoy! 嘉宾介绍 Peak, 真格基金 EIR（入驻企业家），Magi 创始人 胡一川，来也科技联合创始人 & CTO Eric Li，Google Deepmind 高级研究员 孙洋，美团智能硬件LLM 负责人 OnBoard! 主持： Monica：美元VC投资人，前 AWS 硅谷团队+ AI 创业公司打工人，公众号M小姐研习录 (ID: MissMStudy) 主理人 | 即刻：莫妮卡同学 我们都聊了什么 01:34 嘉宾自我介绍，如何进入AI领域的，最近看到的有意思的AI产品 11:38 OpenAI Devday 的观感：有什么让你印象深刻的更新？与网上评论相比，有哪些被高估和低估了 12:38 Peak: 为什么说GPT store 被高估了，GPT Builder 其实很有借鉴意义 14:27 GPT store 跟一个 App store 的差距在哪里？OpenAI 未来会如何构建 app store? 19:32 胡一川：为什么说 GPT4 Turbo 被低估了？ 21:40 价格和 context window 为什么重要？技术角度要持续提升，有哪些难点？ 29:53 Eric: 为什么不成熟的 GPT store 是一个好的决策 33:27 孙杨：为什么说 GPT store 短期高估，长期被低估？为什么说Function call, JSON return 被低估了？ 39:01 DevDay 中与 Agent 相关的更新有什么亮点？对于创业公司有什么挑战，有什么机会？ 53:05 美团的LLM相关尝试，有哪些落地的场景？ 58:36 为什么不同的LLM作为 agent 的基座，效果会差别这么大？我们是否需要针对 agent 的基础模型？ 64:13 DevDay 的更新，对于创业公司有什么影响？哪些公司会受到比较大的影响？ 82:03 如何看待 Q* 的传闻？合成数据会对 LLM 生态产生怎样的影响？ 86:50 GPT-4v 为代表的多模态能力使用感受如何？有可能带来怎样的新机会？ 95:41 多模态能力的实现有怎样的技术路径？不同技术路径的核心差异和难点是什么？ 98:55 经历了“上一波”AI的创业者，对于这一次的AI创业热潮，看到哪些异同？给其他创业者怎样的建议？ 105:27 未来1-3年，最期待AI领域发生哪些变化？ 重点词汇 * OpenAI Devday * GPT Store * Assistant API * Context length * LUI: Linguistic User Interface 我们提到的公司 * AI Pin by Humane * Langchain: Build context-aware, reasoning applications with LangChain’s flexible abstractions and AI-first toolkit. * Fixie AI: The fastest way to build conversational AI agents * Imbue: build AI systems that can reason * Character AI: bringing to life the science-fiction dream of open-ended conversations and collaborations with computers. 参考文章 * devday.openai.com * openai.com * openai.com * Peak 提到的论文：Retrieval meets Long Context Large Language Models * Fixie: www.fixie.ai * Imbue 的融资：imbue.com 欢迎关注M小姐的微信公众号，了解更多中美软件、AI与创业投资的干货内容！ M小姐研习录 (ID: MissMStudy) 大家的点赞、评论、转发是对我们最好的鼓励！ 如果你能在小宇宙上点个赞，Apple Podcasts 上给个五星好评，就能让更多的朋友看到我们努力制作的内容，打赏请我们喝杯咖啡，就给你比心！ 有任何心得和建议，也欢迎在评论区跟我们互动~

两位主播在美国期间认识了许多在SaaS代表性公司的早期中国员工，这一期非常荣幸邀请到在 Notion 和 Figma 的两位朋友，李孟颖和王仲禹，聊聊两位加入两家公司的初衷和背后的故事。 Hello world, who is onboard? 对于关注美国软件市场的小伙伴们来说，Notion 和 Figma 如雷贯耳，我们简单介绍一下。 Notion 是一个在线办公与协作平台。公司成立于 2012 年，经过近十年，它从一个笔记应用发展为集成了项目管理、任务管理和团队协作等多种场景的平台，如今全球已经超过 3,000 万用户。公司在 2021 年底完成了一轮 2.5 亿美元的C轮融资，投后估值高达 103 亿美元。早在 2022 年 11 月，Notion 发布了基于 GPT 打造的 Notion AI, 是最早推出 AI 功能的公司之一。 Figma 是一款基于浏览器的UI设计与协作平台。公司也是成立于 2012 年。2022 年 9 月上市公司 Adobe 曾宣布以高达 200 亿美元的价格收购 Figma（近期因反垄断等问题被终止），公司当时 ARR 达到 4 亿美金。在今年 6 月，Figma 以宣布收购 Diagram 的方式进军 AI，帮助用户更加智能地激发设计灵感、提供设计建议和降低设计门槛。 在近两小时的交流（和下图两位嘉宾风格迥异的背景图）中，我们也得以窥见，两家看起来非常相似以 Product-led Growth（PLG） 为代表的公司，在近几年展现出非常不同的发展方式和管理风格，以及在 AI 热潮下不一样的“冷思考”。 大家 Enjoy！ 嘉宾介绍： 李孟颖：Notion 数据科学团队成员，负责管理产品增长、市场和财务数据分析，同时也是一名天使投资人和A16Z的 scout。曾在 Meta 负责内容创收和广告产品组的数据分析团队。 王仲禹： Figma 首位移动工程师（现参与 Figma Gen AI 的工作），前 Uber Driver Experience / Uber Elevate 移动工程师，前 Google 工程师。 OnBoard! 主持 Monica：美元VC投资人，前 AWS 硅谷团队+ AI 创业公司打工人，公众号M小姐研习录 (ID: MissMStudy) 主理人 | 即刻：莫妮卡同学 高宁：前SaaS及科技投资人，Global SaaS 社区 Linkloud 发起人，公众号我思锅我在 (ID: thinkxcloud) 主理人。| 即刻：High寧 我们都聊了什么： 02:17 两位嘉宾自我介绍以及关于自己的 fun fact。 11:45 选择在早期加入初创公司时最主要的原因是什么？ 17:26 Notion 高速发展三年的里程碑以及背后数据科学扮演怎样的角色？ 23:50 Notion 在社交媒体上做了哪些推广以及孟颖做了哪些数据工作来支持增长？ 28:50 对于初创公司，早期需要有哪些基础的数据分析工具？ 30:42 Figma 发展过程中的里程碑以及仲禹加入移动产品组的经历。 37:46 收入增长 20 倍后，为什么对 Figma 来说 PLG 仍然是重要的增长动力？ 41:17 具体说明数据科学团队是如何参与 Notion 各项业务运营的。 48:22 在用户 Onboarding 环节孟颖是如何通过数据实验来提升注册转化？ 54:08 Figma 内部产品迭代的决策流程以及 FigJam 是如何诞生的。 62:13 什么时候 Figma 会考虑收购来而不是自研来增强自身产品？ 65:54 如果遇到产品迭代不顺利时，内部又是如何决策的？ 68:43 随着企业客户增加，两家公司是如何平衡 SMB 和大企业间的需求？ 76:07 为什么 Figma 的 Config 大会对用户社区是一个巨大推动？ 82:02 对 Notion 非常重要的“大使计划”现在发展到怎样规模？ 86:44 两家公司如何看待与微软等相关大厂的竞争？ 94:04 Notion AI 是如何快速从一个 MVP 到现在的产品形态？ 101:09 为什么 Figma 对 AI 的态度和策略与 Notion 截然不同？ 108:54 在集成 AI 的过程中比较大的挑战是什么？以及近期还会关注什么新技术？ 114:58 力挺远程办公，Figma 的创始人 Dylan 是怎样的性格以及如何体现在公司文化上？ 119:17 为什么 Notion 却不支持远程，以及创始人 Ivan 是怎样的风格？ 121:42 快问快答！ 提到的公司或产品： * Adobe * Diagram * Stripe * Slack * Dropbox * Snowflake * Hex * Jupiter * Tableau * Statsig * Airtable * Loop * OpenAI * Anthropic * Apple Vision Pro 重点词汇： * Data science: 数据科学 * Page of page: 页面嵌套等功能 * Drag and drop：拖拉拽等功能 * FigJam: Figma 推出的白板产品 * Pros and cons: 利弊 * Philosophy: 理念 * Project management: 项目管理 * User journey: 用户旅程 * Metric: 指标 * Influencer: 网红 * Onboarding: 用户上手引导 * Drop off this flow: 流程上流失 * IC: Independent Contributor, 公司里只贡献代码非管理的工程师 * SLG: Sales-led Growth，需要销售推动为主的增长模式 * Hypothesis: 假设 * Completion rate: 完成率 * North star: 北极星指标 * Community: 社区 * Enterprise: 企业级客户 * Ambassador program: 大使计划 * Accelarator: 加速器 * Iteration: 迭代 * Remote: 远程（办公） 嘉宾推荐的书籍及播客： * Atlas of the Heart * Latent Space 别忘了！同步关注两位 Host 的微信公众号，看更多干货内容哦： * Monica：美元VC投资人，前 AWS 硅谷团队+ AI 创业公司打工人，公众号M小姐研习录 (ID: MissMStudy) 主理人 | 即刻：莫妮卡同学 * 高宁：前SaaS及科技投资人，Global SaaS社区 Linkloud 发起人，公众号我思锅我在 (ID: thinkxcloud) 主理人。| 即刻：High寧 大家的点赞、评论、转发是对我们最好的鼓励！ 如果你用 Apple Podcasts 收听，也请给我们一个五星好评，这对我们非常重要。感恩！

转眼就到了12月，回顾今年Onboard 的主题词，真的非AI和大模型莫属了。借着本周技术博客月和上周 ChatGPT发布一周年的契机，我们决定邀请横跨中美的一级和二级市场投资人，做一个AI的年度回顾，投资思考和未来展望。 本期播客是参与 #2023技术播客节 共创共建的一期内容。12月4日至8日，每天围绕一个主题，带来8～11期的内容，更多详情也可关注官网 podfest.tech，或者微信公众号、即刻、X搜索「2023技术播客节」，欢迎大家多多关注，一键多连！ Hello world, who is OnBoard!? 在AI日新月异发展的几个月，两位主播也有机会在美国待了一段时间，身临其境地感受了硅谷创新腹地的氛围。这次的两位嘉宾，都在中美两地穿梭，视角又各有不同。一位是在对冲基金深度跟踪美股市场的 Stella Huang，另一位是之前做客过OnBoard!的前 Opendoor 数据科学负责人杜磊，这次以硅谷早期VC的身份返场。 我们从红杉资本提出的 生成式AI 下半场 (Second Act) 的概念开始，回顾了这白驹过隙的一年印象深刻的事件，探讨了宏观市场和经济的影响，又深入聊了许多AI行业创业者和投资人最关心的问题： 什么是AI 产品的核心竞争力？ 什么是 GPT 之上的 thick wrapper? 如何思考创业公司和现有巨头的竞争？ 生成式AI会带来哪些B端和C端的创新机会？ …… 很多问题，我们也没有答案。但是将阶段性的思考分享出来，抛砖引玉。如果你也对AI创业的话题感兴趣，欢迎在公众号后台联系两位主播，我们希望邀请到更多朋友，不同的视角，不同的探索，相同的未来憧憬。 未来不是推演出来的，是前仆后继的创造者缔造出来的。 又是一次超长的闲聊，希望你 Enjoy! 嘉宾介绍 杜磊：曾在房地产科技上市公司Opendoor担任数据科学负责人，后来联创了DeFi初创公司Huma Finance。现在作为Sancus Ventures的合伙人，专注在AI和区块链基础设施，大数据，开源和企业软件等领域。 Stella: 现美元对冲基金科技行业投资人，前百度战略部门。 OnBoard! 主持 Monica：美元VC投资人，前 AWS 硅谷团队+ AI 创业公司打工人，公众号M小姐研习录 (ID: MissMStudy) 主理人 | 即刻：莫妮卡同学 GN：前SaaS及科技投资人，Global SaaS 社区 Linkloud 发起人，公众号我思锅我在 (ID: thinkxcloud) 主理人。| 即刻：High寧 我们聊了什么 02:07 两位嘉宾自我介绍，今年最喜欢的AI产品（除了 ChatGPT!） 04:44 如何理解红杉报告中提出的“AI进入了 Act Two” 的判断？AI时代应该与移动互联网或者工业革命对比吗？ 19:39 AI 创业公司 Writer 如何用“重”的产品构造GPT之上的壁垒，超越Jasper? 26:50 ChatGPT 发布一周年依赖，有哪些你觉得最有里程碑意义的事件？ 35:25 中美宏观经济环境如何影响一二级市场的投资？我们对未来资本环境有何预期？对创业者意味着什么？ 47:35 AI创造的价值，哪些是现有大公司的机会，哪些是创业公司的机会？ 67:13 什么是 AI 公司的护城河？真的是数据飞轮吗？ 79:25 GPT Wrapper 就没有价值吗？什么是“厚”的产品价值？一个新产品如何成为“事实标准”？ 92:07 ToC 产品出现 killer app 了吗？垂直领域的 ToB 产品落地速度，是否低于预期？ 102:56 Agent 实际落地情况如何？有哪些困难和初步进展？ 117:01 多模态：GPT-4v展现的多模态能力带来了什么惊喜？未来多模态能有什么场景？ 118:29 年末回顾，你对于AI的观点比起年初，经历了哪些变化？对明年有什么期待？ 提到的公司 * Anyscale * Sambanova * Modular * Chegg * Harvey AI * Jasper AI * Writer * Monterey AI * Notion * Twilio * Confluent * Snowflake * Sakana * Extend AI * Induced AI 参考文章 * www.sequoiacap.com * www.sequoiacap.com * writer.com * www.maginative.com * a16z.com 别忘了！同步关注两位 Host 的微信公众号，看更多干货内容哦： * Monica：美元VC投资人，前 AWS 硅谷团队+AI创业公司打工人，公众号M小姐研习录 (ID: MissMStudy) 主理人 | 即刻：莫妮卡同学 * GN：前SaaS及科技投资人，Global SaaS社区 Linkloud 发起人，公众号我思锅我在 (ID: thinkxcloud) 主理人。| 即刻：High寧 大家的点赞、评论、转发是对我们最好的鼓励！ 如果你用 Apple Podcasts 收听，也请给我们一个五星好评，这对我们非常重要。感恩！ 关于「2023 技术播客节」 缘起于2022仲夏时节技术播客之间的梦幻联动，我们感受到了社区共创共建的力量。今年我们再接再厉，集结了30+播客、5大出品人、25+社区，希望拉动更多技术生态的内容创作者，一起用声音来表达，建设自家技术影响力，推动更高粘性、更深互联、更持久共鸣的用户社区构建。

好久不见！OnBoard! 回来啦！这一期又是考验听力的全英文访谈。这次，我们跟亲历者聊聊，今年AI领域最受瞩目的一笔10亿美金的并购：Databricks 今年6月以13亿美金的“天价”，收购了当时成立2年的大语言模型（LMM）基础设施创业公司 MosaicML。 Hello World, who is OnBoard!? 可以说，这是今年最受关注的AI领域收购之一了，之后AI 基础设施领域的巨头和创业公司，都被这次收购推动，开始了融资和产品迭代的热潮。收购的时候，MosaicML 仅有60多人，但是已经推出了 MPT 7B, 30B 两个开源大语言模型，总下载量超过330万。也是最早一批推出开源LLM的公司之一。 这次访谈，Monica 不仅邀请到了 MosaicML 联合创始人、CTO，Hanlin Tang, 还邀请到还有之前来OnBoard! 做过客的非常专业的硅谷成长期投资人， Sapphire Ventures 合伙人，Casber Wang，我们得以从创始人和投资人的视角，一起解读这个有里程碑意义的收购，以及对于生成式AI，AI infra 核心竞争力和未来格局等等话题进行非常有意思的探讨。 准备好你的英语听力，enjoy! 嘉宾介绍 Hanlin Tang (@hanlintang), 现Databricks Neural Networks CTO, 前 MosaicML co-founder & CTO, Intel AI Lab Senior Director, Nervana (2016.9 被Intel 4亿美金收购）创始团队成员 Casber Wang (@CasberW), Sapphire Ventures 合伙人，专注data, infra, 安全等领域，投资了Auth0, JumpCloud, StarTree 等。Sapphire Ventures 是一家资产管理总额超过110亿美金的全球风险投资基金。 Onboard！主持：Monica（推特：@Monica_XieY）：美元VC投资人，前 AWS 硅谷团队+AI创业公司打工人，公众号：M小姐研习录 (ID: MissMStudy) 主理人 | 即刻：莫妮卡同学 我们都聊了什么 01:57 两位嘉宾自我介绍，Hanlin 最近感兴趣的AI产品，以及Casber 最近在AI领域的投资 08:40 LLM 的到来对传统 MLOps 公司有什么影响 14:13 MosaicML 介绍，2021年如何发现这个创业机会的 17:28 ChatGPT 发布以来，MosaicML 经历了哪些重要的里程碑事件，行业有哪些重要变化 21:41 MosaicML 早期客户是哪些公司？ 22:55 MosaicML 的几个重要产品决定：一开始为什么要做开源？ 26:43 创业公司应该如何思考是否要开源？ 34:36 MosaicML 如何做开源商业化？商业化模式如何演进？ 37:17 如何思考 LLM serving 和训练平台的产品竞争力和差异性？MosaicML 的平台如何在探索中演进？ 42:32 MosaicML 为何推出自己的开源LLM？ 45:39 客户如何选择LLM？常见的问题是什么？有什么常见的误解？ 51:11 开源和闭源LLM格局会如何演进？如何影响LLM周边的生态？我们能从云计算生态发展历史中学到什么 58:39 客户如何衡量LLM的performance? 客户需要的是怎样的服务？ 62:06 LLM 会如何改变SaaS 生态？为什么说我们低估了数据对新的平台的意义？ 70:52 为什么说提高LLM 训练效率和成本没有 silver bullet? 做成本优化的公司如何设计商业模式？ 82:00 企业如何思考是否要自己训练LLM？还是在已有模型上 fine tune? 89:23 MosaicML 被 Databricks 收购之后会有哪些变化？下一个聚焦的点是什么？ 91:32 Casber 作为投资人，如何看待 Databricks 对 MosaicML 的收购？对未来行业有什么影响？ 95:44 Hanlin 创业以来对于行业的观点有过什么改变？过去和未来有什么值得关注的变化？ 108:52 如果坐时光机到5年后，你最想问的问题是什么？ 提到的公司 * MosaicML * Databricks * Weights & Bias * FlowGPT 参考文章 * www.mosaicml.com * www.youtube.com * www.latent.space * blog.replit.com * www.databricks.com * www.latent.space 欢迎关注M小姐的微信公众号，了解更多中美软件、AI与创业投资的干货内容！ M小姐研习录 (ID: MissMStudy) 大家的点赞、评论、转发是对我们最好的鼓励！ 如果你能在小宇宙上点个赞，Apple Podcasts 上给个五星好评，就能让更多的朋友看到我们努力制作的内容，打赏请我们喝杯咖啡，就给你比心！ 有任何心得和建议，也欢迎在评论区跟我们互动~

OnBoard! 又一期与硅谷一线投资人的访谈来了！这一次邀请到的是Monica 的好朋友，也是硅谷最顶尖的风险投资基金之一，Andreessen Horowitz, 也就是大家常说的 a16z 的投资合伙人 Jennifer Li！ Hello World, who is OnBoard!? Jennifer 是一位来自产业界的投资人，原来在独角兽创业公司 AppDynamics 担任PM的她，转型投资人之后，在a16z 的6年里一直专注企业软件、大数据、开源等领域。关注这个方向的创业者和从业者，或许很多人都读过 Jennifer 在a16z 网站上撰写的多篇非常深度的分析文章，包括开源商业化，Modern Data Archiecture 等等。她投资的公司包括大数据领域耳熟能详的 dbt, Motherduck, AI领域最火的公司之一 Elevenlabs 等等。 Jennifer 是硅谷一线基金中为数不多的华人投资合伙人，难得有机会跟 Jennifer 聊一聊她视角，深入剖析她投资 dbt 的过程，对大数据和infra领域的研究，对当下市场和未来机会的思考。这次两个多小时的访谈，Jennifer 的分享超级无私有诚意，绝对值得二刷。 嘉宾长期在北美工作生活，夹杂英文在所难免，不接受抱怨！Enjoy! 嘉宾介绍 Jennifer Li （推特：@JenniferHli）, 硅谷顶尖风险投资机构 Andreessen Horowitz (a16z) 投资合伙人，专注于 data infra, 开源，开发者工具，协作应用等。加入 a16z 之前，Jennifer 曾经是 AI 创业公司 Solvvy 和 被 Cisco $3.7Bn 收购的 AppDynamics 的产品经理。 Onboard！主持：Monica（推特：@Monica_XieY）：美元VC投资人，前 AWS 硅谷团队+AI创业公司打工人，公众号：M小姐研习录 (ID: MissMStudy) 主理人 | 即刻：莫妮卡同学 我们都聊了什么 01:45 Jennifer 进入风险投资的职业转型，为什么说a16z 是一家独特的风险投资机构 08:43 a16z 如何用庞大的运营机构为被投企业提供价值 11:41 Jennifer 复盘如何在A轮发现40亿美金的开源独角兽 dbt 19:17 dbt 是做什么的？dbt 崛起背后是怎样的大趋势？ 21:44 在早期如何识别一个切入点很小的开源工具的商业价值？ 27:59 dbt 如何实现产品线延伸？ 33:24 dbt 的开源商业化路径是怎样的？开源工具如何实现商业成功？ 42:27 a16z 如何思考 data infra 的投资逻辑，如何理解这个领域所经历的产业周期？ 46:25 现在创立一家 data infra 公司还有机会吗？未来几年的看点在哪里？ 52:50 投资 dbt 时候遇到什么挑战和质疑？ 56:09 不同阶段的创业公司，尤其在早期，如何判断投资价值？投资人有哪些常问的问题？ 62:16 投资人对于不同阶段的创始人，重点在观察什么？ 66:42 近年剧烈变化的资本市场，对于早期 data infra 公司的估值有什么影响？早期投资人的估值判断依据有什么？ 74:41 infra 公司的商业化路径应该如何规划？ARR 真的那么重要吗？ 79:02 infra 领域最近有什么被高估和被低估的方向？ 84:28 这一次的AI浪潮跟“上一波”有什么核心差异？Jennifer 关注的AI投资主题是什么？ 93:03 AI 时代的应用价值是什么？AI 应用是否需要做自己的模型？ 101:47 Jennifer 在AI领域主要关注哪些重要的趋势？ 109:10 如何看待热潮中的AI公司早期增长可能存在的噪音？ 114:49 我们还需要一个新的大语言模型公司吗？ 117:25 早期公司如何找到共创客户（design partner）？什么是好的共创客户？ 120:00 快问快答！ 我们提到的内容 * dbt: dbt™ is a SQL-first transformation workflow that lets teams quickly and collaboratively deploy analytics code following software engineering best practices like modularity, portability, CI/CD, and documentation. Now anyone on the data team can safely contribute to production-grade data pipelines. * Coalese: dbt 的年度大会 * Fivetran: Fivetran is the trusted platform that extracts loads and transforms the world's data. * Snowflake * Motherduck * Retool * OpenAI * Anthropic * Jasper AI * Martin Casado * Ben Horowitz * Jennifer 推荐的书：The Mom Test: How to talk to customers & learn if your business is a good idea when everyone is lying to you, by Rob Fitzpatrick * Jennifer 推荐的书：Tomorrow, and Tomorrow, and Tomorrow: A novel, by Gabrielle Zevin 词汇注释 * ELT (Extract, Load, Transform): 一种数据集成过程，其中原始数据被提取，加载到数据存储系统中，然后在存储中进行转换。 * ETL (Extract, Transform, Load): 一种新的数据集成过程，其中原始数据被提取，转换为结构化格式，然后加载到数据存储系统中 * Data transformation: : 数据转换是将数据从一种格式或结构转换为另一种的过程，通常是为了使其更适合分析或适应特定的数据库或应用程序 * Data pipeline: 数据管道是一组将数据从一个系统移动并处理到另一个系统的过程，通常涉及ETL等阶段。 * Analytics engineering: applies software engineering best practices to analytics code * Low hanging fruit: 最容易解决的任务或问题 * Traction: 初创公司或新产品在获得市场接受、客户或达到某些里程碑方面的可衡量的进展 * Product Market Fit (PMF): 当一个产品满足真正的市场需求并满足强烈的市场需求时，表明该产品已经找到了目标受众并满足了他们的需求 * Pave the way forward: 为未来的进展或发展创造一条路径或奠定基础，使后续的行动或创新变得更容易 参考文章 * Emerging Architectures for Modern Data Infrastructure: 2020 | Andreessen Horowitz * Emerging Architectures for Modern Data Infrastructure | Andreessen Horowitz * Open Source: From Community to Commercialization | Andreessen Horowitz * a16z 为何投资 dbt * a16z 为何投资 motherduck * A Framework for Finding A Design Partner | Andreessen Horowitz * Bottom Up Pricing & Packaging: Let the User Journey Be Your Guide | Andreessen Horowitz 欢迎关注M小姐的微信公众号，了解更多中美软件、AI与创业投资的干货内容！ M小姐研习录 (ID: MissMStudy) 如果你能在小宇宙上点个赞，Apple Podcasts 上给个五星好评，就能让更多的朋友看到我们努力制作的内容，打赏请我们喝杯咖啡，就给你比心！ 有任何心得和建议，也欢迎在评论区跟我们互动~

AI 上新不止！这一次我们回归到与创业公司的深度访谈，这期我们请来了一位在 AI 热潮中高速发展，产品也得到国内不少用户认可的初创公司创始人，美国新一代生产力工具 Gamma 的联合创始人兼 CEO Grant Lee。 Hello World, who is OnBoard!? Gamma 最开始定位像 Notion 一样用模块或卡片方式帮助人们更高效创建 PPT。在今年集成 AI 功能后，产品现在可以让用户直接以对话或上传源文档等方式，任意撰写和开发创意，成为能更高效展示创意的视觉内容生成工具。 公司成立于 2020 年，总部位于旧金山湾区。团队于 2021 年 8 月推出了 beta 版，并于去年底正式发布，如今已拥有数百万用户。Gamma 于 2021 年完成了 Accel 领投的 700 万美金天使轮融资后，在今年又获得了 A 轮融资。 Grant Lee 作为 SaaS 领域的连续创业者，我们和他从公司及产品诞生，聊到 AI 对用户创意和使用上的巨大改变，最后作为两个孩子的父亲，他也谈到 AI 对下一代在生活和工作的影响，都给我们带来很多启发。 还未体验产品的朋友，赶快点击：https://gamma.app/，尝试一下吧！ 播客逐字稿同步上线，搭配收听效果更佳：OnBoard!独家｜对话Gamma创始人：拆解产品-1到0方法论与定价策略；AI如何重塑Gamma，解锁潜在需求与创造力！ 欢迎多提建议，Enjoy！ 嘉宾介绍 Grant Lee, Gamma 联合创始人兼CEO，曾在两家 SaaS 公司 ClearBrain（被上市公司Amplitude收购） 和 Optimizely 担任高管，毕业于斯坦福大学本科及研究生。 OnBoard! 主持：Monica：美元VC投资人，前 AWS 硅谷团队+ AI 创业公司打工人，公众号M小姐研习录 (ID: MissMStudy) 主理人 | 即刻：莫妮卡同学 OnBoard! 主持：GN：前SaaS及科技投资人，Global SaaS 社区 Linkloud 发起人，公众号我思锅我在 (ID: thinkxcloud) 主理人。| 即刻：High寧 我们都聊了什么 00:01:24 Gamma是什么以及Grant为何会创立Gamma？ 00:02:51 Grant个人过往经历及一个自己的有趣故事。 00:03:58 Grant连续SaaS创业的经历对创立Gamma的帮助。 00:05:49 Gamma现在到什么阶段以及经历了哪些里程碑？ 00:08:59 如何看待“视觉传递”产品的历史以及Gamma诞生的机会？ 00:12:17 在早期，如何验证产品概念和需求是足够普遍的？ 00:14:33 刚开始有哪些用户反馈是意料之外的以及对早期设计的影响？ 00:16:54 早期拓展用户采取了哪些市场拓展策略（GTM）？ 00:19:38 早期如何准确设计并传递产品价值（Product message）？ 00:22:11 跟早期相比，现在Gamma在价值定位上做了哪些调整？ 00:24:27 Gamma是如何验证Product-Market-Fit（PMF) 的？ 00:27:13 如何看待收费以及Grant背后的思考。 00:29:28 在进行付费调研时有哪些有意思的发现？ 00:33:55 Grant看来在收费策略里创始人最容易犯的错误。 00:35:32 Gamma产品是如何结合AI的以及背后是怎样的思考？ 00:39:32 在设计AI功能的过程中遇到了哪些挑战？ 00:42:16 用户画像在这个过程中经历了哪些变化？ 00:44:32 在集成AI的时候技术选择上经历了哪些思考？ 00:48:06 为什么做一款好的AI产品远比做炫酷Demo难多了？ 00:50:17 产品迭代中如何协调基本功能和AI的优先级？ 00:52:23 未来我们真的还需要PowerPoint吗？ 00:54:23 AI会进一步解构Office这样的一站式生产力套件吗？ 00:56:45 为什么Grant认为现在最大的竞争对手是“用户行为”的迁移？ 00:58:22 还有哪些技术趋势或用户行为变化是Grant最关注的？ 01:00:39 在全球化上Grant有哪些有意思的发现和规划？ 01:03:48 在AI的影响下，不同地区的用户行为有什么变化吗？ 01:06:48 同时Gamma是如何引导用户接受并开始使用AI的？ 01:08:26 近期Gamma在功能上将有哪些重要迭代以及未来还有哪些突破？ 01:11:52 在社区建设上Gamma有哪些最佳实践？ 01:13:41 最后，Grant如何对待现在来自企业级客户的需求？ 01:15:27 快问快答！精彩的书籍推荐以及作为孩子父亲，如何看待AI对下一代的影响？ 我们聊到的公司 * Notion：一站式办公协作平台 * Canva：图像创作工具 * Beautiful：演示文稿工具 * Pitch：演示文稿工具 * Optimizely：数字营销体验管理平台 * Salesforce：营销CRM * Airtable：表格管理工具 嘉宾推荐的书 * Shoe Dog * All the Light We Cannot See 别忘了！同步关注两位 Host 的微信公众号，看更多干货内容哦： * Monica：美元VC投资人，前 AWS 硅谷团队+AI创业公司打工人，公众号M小姐研习录 (ID: MissMStudy) 主理人 | 即刻：莫妮卡同学 * GN：前SaaS及科技投资人，Global SaaS社区 Linkloud 发起人，公众号我思锅我在 (ID: thinkxcloud) 主理人。| 即刻：High寧 大家的点赞、评论、转发是对我们最好的鼓励！ 如果你用 Apple Podcasts 收听，也请给我们一个五星好评，这对我们非常重要。感恩！

近3小时的硅谷AI重磅嘉宾现场对谈，下集光速奉上！如果你还没有听过上一期，赶紧去补课！ Hello World, who is OnBoard!? 简单介绍一下这次Monica 期待已久的嘉宾组合！ 两位都在OpenAI工作过的技术大牛，包括Nvidia资深研究员 Jim Fan, 除了对生成式agents 和机器人的具身智能有深度研究外，他的Twitter 连 Jeff bezos 都关注，是AI领域全球范围内的顶级大V。另一位嘉宾戴涵俊，Google Deepmind 的资深研究员，也是 Google 新一代大语言模型的深度参与者。最后，兼任主持和嘉宾的硅谷上市公司华人高管，硅谷徐老师, 每次来 Onboard! 串台都大受好评。 这是三个小时播客的第二部分。上一期的内容，我们深度讨论了最近AI领域最火的话题，Generative Agents, 生成式代理。这一期更是精彩纷呈，包含了AI领域更多核心话题，包括多模态大模型的研究进展，具备具身智能 embodied AI 的机器人如何打造，AI对saas的影响，我们对未来AI的商业和社会畅想等等。真的是非常尽兴的讨论，你也可以拿起笔记本做笔记了。 几位嘉宾都是长期在美国工作生活，夹杂英文在所难免，不接受抱怨。Enjoy! 嘉宾介绍 * Jim Fan（推特：@DrJimFan），Nvidia 高级 AI 研究科学家，曾在OpenAI工作，Stanford PhD 李飞飞实验室 * 戴涵俊（推特：@hanjundai），Google Deepmind 资深研究员，深度参与 Google 大语言模型项目，曾在OpenAI工作，Georgia Tech PhD * 硅谷徐老师（推特：@h0wie_xu），硅谷连续创业者、人工智能高管、斯坦福商学院客座讲师，「科技早知道」主播 ｜微信公众号：硅谷云｜ AI博客：howiexu.substack.com * 主持：Monica（推特：@Monica_XieY）：美元VC投资人，前 AWS 硅谷团队+AI创业公司打工人，公众号：M小姐研习录 (ID: MissMStudy) 主理人 | 即刻：莫妮卡同学 我们都聊了什么 01:55 为什么 Jim 觉得 Llama 2 作为语言模型，对于多模态模型和机器人有重大推动 05:24 Hanjun 解读多模态大模型的两种实现方式 07:47 多模态大模型只是解锁了新的场景，还是能更大提升大模型本身的智能？如何理解大模型的智能？ 12:34 为什么说机器人的多模态问题更有挑战？ 16:35 处理多模态训练数据有哪些难点？ 18:12 大模型训练还需要哪些工具？Infra/tooling 有哪些机会？ 19:51 亲历OpenAI 的经历回顾和感受：2016-2020，OpenAI 都发生了什么 25:11 OpenAI 近年的发展，哪个时刻震撼了你？ 34:20 为什么说 Evaluation 是大语言模型最被低估的挑战之一？ 39:54 未来1年和未来10年，你最期待人工智能领域带来什么？ 46:17 我们自己和下一代应该如何为未来做准备？ 59:33 有趣的 closing 和未来展望：被 Jeff Bezos 关注是什么感觉？！ 我们提到的内容 * Llama 2: Meta 开源的大语言模型 * Jim Fan 对于Llama 2 的解读 * OpenAI 赢得DOTA 游戏比赛 * LSTM (Long Short-term Memory) * Jim Fan 对大猩猩玩Minecraft 的解读 * DALL-E 2: DALL·E 2 is an AI system that can create realistic images and art from a description in natural language (by OpenAI) * CLIP: Connecting text and image * ImageNET: an image dataset organized according to the WordNet hierarchy. * AlexNET: ImageNet Classification with Deep Convolutional Neural Networks 重点词汇 * RLHF (Reinforcement Learning with Human Feedback): 人类反馈的强化学习 - 一种AI模型通过人类反馈与传统的强化学习结合来学习的方法。 * Fine tuning: 微调 - 在特定的数据集上进一步训练预训练的机器学习模型，使其适应特定任务的过程。 * Hallucination: 幻觉 - 在AI中，指的是模型生成不在输入中的信息，可能导致输出不准确。 * Multi-modal model: 多模态模型 - 能够理解和处理多种类型数据（如文本、图像和声音）的模型。 * Auto regressive model: 自回归模型 - 一种统计模型，它使用一个变量的过去值来预测其未来值。 * Diffusion model: 扩散模型 - 用于描述信息、疾病或创新等东西如何在群体中传播的模型。 * Tokenize: 分词 - 将文本分解成更小的部分（如单词或子词）的过程，通常在文本处理或自然语言处理中使用。 * Intuitive physics: 直观物理 - 人类对物理现象的直观理解，例如物体如何移动或互相碰撞。 * Embodied AI: 具体化的人工智能 - 通过物理或虚拟的身体与环境互动的AI系统，例如机器人或虚拟代理。 * CVPR (Computer Vision and Pattern Recognition): 计算机视觉和模式识别 - 专门研究计算机如何“看”并从图像或视频中理解内容的领域。 * Walkaround: 绕行 - 解决问题或障碍的方法 欢迎关注M小姐的微信公众号，了解更多中美软件、AI与创业投资的干货内容！ M小姐研习录 (ID: MissMStudy) 大家的点赞、评论、转发是对我们最好的鼓励！ 如果你能在小宇宙上点个赞，Apple Podcasts 上给个五星好评，就能让更多的朋友看到我们努力制作的内容，打赏请我们喝杯咖啡，就给你比心！ 有任何心得和建议，也欢迎在评论区跟我们互动~

承诺大家的大波AI上新来啦！这次的嘉宾是Monica一直期待的重磅组合，能听到AI领域如此一线的核心从业者的分享，真是太难得了。这次在硅谷创新腹地，毗邻 Stanford 的 Palo Alto 线下录制, 不知不觉就聊了近三个小时，我们分成上下期，方便大家收听！ Hello World, who is OnBoard!? 两位AI研究者都在OpenAI 工作过。Nvidia 资深研究员 Jim Fan，是Twitter 上AI领域的顶尖KOL，连亚马逊的创始人 Jeff Bezos 都在关注，几乎每一条twitter 分析都是必读文章。戴涵俊是Google Deepmind 的资深研究员，更是Google 大语言模型的深度参与者。再次来串台的硅谷上市公司华人高管，硅谷徐老师, 持续高质量输出。 上期的内容，我们围绕最近AI领域最火的话题，Generative Agents（生成式智能体）。两位AI研究员都对这个领域有最一线的研究和实践经验，我们深入探讨了从AutoGPT开始，Generative Agents 从技术到应用，都有哪些新的进展、技术和场景的挑战，由此延伸到开源与闭源大语言模型的竞争格局。 跟EP35 Monica 与另一位AI研究员符尧的访谈对比听听就发现，Generative Agents 这个前沿领域，显然还有很多尚未有共识的地方。 下一期，我们会讨论更多AI领域核心话题，包括多模态模型，机器人应用落地，AI对saas的影响，LLM发展史，未来畅想等等，更是不容错过。赶紧关注Onboard! 几位嘉宾都是长期在美国工作生活，夹杂英文在所难免，不接受抱怨。Enjoy! 嘉宾介绍 Jim Fan（推特：@DrJimFan），Nvidia 高级 AI 研究科学家，曾在OpenAI工作，Stanford PhD 李飞飞实验室 戴涵俊（推特：@hanjundai），Google Deepmind 资深研究员，深度参与 Google 大语言模型项目，曾在OpenAI工作，Georgia Tech PhD 硅谷徐老师（推特：@h0wie_xu），硅谷连续创业者、人工智能高管、斯坦福商学院客座讲师，「科技早知道」主播 ｜微信公众号：硅谷云｜ AI博客：howiexu.substack.com 主持：Monica（推特：Monica_XieY）：美元VC投资人，前 AWS 硅谷团队+AI创业公司打工人，公众号：M小姐研习录 (ID: MissMStudy) 主理人 | 即刻：莫妮卡同学 在粗糙简陋的 studio 顺利完成3小时录制！ Hanjun 的霸气车牌！ 我们都聊了什么 02:50 几位嘉宾自我介绍，最近看到了什么有意思的AI项目 05:51 Hanjun @Google Deepmind: 最近发表的 speculative decoding 工作如何提升模型速度 09:14 Jim Fan @Nvidia: 为什么AI agents 是值得关注的方向，基于agents 有什么应用 12:42 什么是 AI agents? 好的 Agents 需要怎样的核心能力 16:54 企业场景落地 AI Agents 应用，主要有哪些挑战？ 25:18 AI Agents 目前落地的挑战，是由底层基础模型的能力决定的吗？ 35:56 如何看待目前 AI Agents 不同的实现方式？Adept AI 的形态会被取代吗？ 39:57 未来工具使用更多是 AI agents 来完成，对于应用生态意味着什么？ 48:18 Llama 2 开源对于LLM生态意味着什么？底层基础模型会赢家通吃吗？ 56:58 如何理解开源和闭源模型的壁垒？ 68:24 我们需要领域专有模型吗？ 我们提到的内容 * Hanjun 提到的论文：Accelerating Large Language Model Decoding with Speculative Sampling * Jim 的论文: Voyager: An Open-Ended Embodied Agent with Large Language Models * Jim 提到的论文：Generative Agents: Interactive Simulacra of Human Behavior * 开源项目 Auto-GPT: An experimental open-source attempt to make GPT-4 fully autonomous * Llama 2: Meta 开源的大语言模型 * Adept.ai: a new way to use computers. Transformer 论文作者创办 * Character AI * Jim 提到的基于大语言模型的游戏：病娇AI女友 * MPT-7B (MosaicML Pretrained Transformer): MosaicML 发布的可商用开源大语言模型 * Anthropic: Transformer 论文作者创立的大语言模型公司 * Harvey：为律所设计的生成式AI工具 * 讨论 Google 等大厂LLM竞争壁垒的文章 ($$)：Google "We Have No Moat, And Neither Does OpenAI" 重点词汇 * RLHF (Reinforcement Learning with Human Feedback): 人类反馈的强化学习 - 一种AI模型通过人类反馈与传统的强化学习结合来学习的方法。 * Fine tuning: 微调 - 在特定的数据集上进一步训练预训练的机器学习模型，使其适应特定任务的过程。 * Hallucination: 幻觉 - 在AI中，指的是模型生成不在输入中的信息，可能导致输出不准确。 * Multi-modal model: 多模态模型 - 能够理解和处理多种类型数据（如文本、图像和声音）的模型。 * Embodied AI: 具体化的人工智能 - 通过物理或虚拟的身体与环境互动的AI系统，例如机器人或虚拟代理。 * Quantization: 量化 - 限制用于表示数字的位数的过程，有助于减小机器学习模型的大小并加速计算。 * Mixture-of-experts (MoE): 专家混合模型 - 一种机器学习方法，其中模型的不同部分专门处理不同类型的数据或任务。 * Inference: 推断 - 已训练的AI模型基于所提供的数据预测结果的过程。 * Reasoning: 推理能力 - AI系统根据信息或一组事实得出结论的能力。 * NPC (Non-Player Character): 非玩家角色 * RPA (Robotic Process Automation): 机器人流程自动化 * First class citizen: 一等公民 欢迎关注M小姐的微信公众号，了解更多中美软件、AI与创业投资的干货内容！ M小姐研习录 (ID: MissMStudy) 大家的点赞、评论、转发是对我们最好的鼓励！ 如果你能在小宇宙上点个赞，Apple Podcasts 上给个五星好评，就能让更多的朋友看到我们努力制作的内容，打赏请我们喝杯咖啡，就给你比心！ 有任何心得和建议，也欢迎在评论区跟我们互动~

好久不见，祝大家端午安康！聊了这么多AI技术，是时候聊聊更实际的问题：AI产品如何在海外做增长？ 近年来，我们看到越来越多的中国软件创业公司，尤其是最近涌现的 AI 应用类公司，都会考虑以国际市场作为第一站。PLG，产品驱动增长，也是大多数海外AI产品采用的增长和商业化模式。技术在变，Go-To-Market 的很多经验，万变不离其宗，或许可以让大家在探索的路上少走一些弯路。 Hello World, who is OnBoard!? 今天这位嘉宾，就是Monica 一直想要邀请来的硅谷软件领域的实战派大牛，Hila Qu。Hila 原来在大名鼎鼎的开源上市公司 GitLab 担任 Head of growth, 增长负责人。Gitlab之前，Hila也在硅谷几个不同阶段的ToB, ToC公司，担任过核心增长职位。 硅谷最一线的创新公司是怎么实践PLG的，Hila 大概是最有发言权的人之一了。Gitlab从开源产品到收入超过4亿美金的上市公司，更是PLG的典范。这次与Hila长达两个多小时的对话，全都是一线实战干货： ToB, ToC 产品增长有什么不同？ 怎样的公司和产品适合PLG？ PLG模式需要怎样的销售？ 如何打造围绕产品的增长团队？ 产品早期数据分析体系如何搭建…… 真的可以拿出笔记本了。Enjoy! 嘉宾介绍 Hila Qu（Twitter @HilaQu）, 前 Gitlab 增长总监，从0到1搭建增长体系。曾任硅谷Fintech 独角兽 Acorn 增长副总裁。现在，Hila 是硅谷顶尖产品与增长培训平台 Reforge 入驻企业家（EIR），也是独立企业增长顾问，服务企业包括 Nord Security, Replit StreamNative 等。 Hila 的 LinkedIn, 公众号：兜里有糖甜, Medium Email: hui.qu.2009 艾特 gmail.com 我们都聊了什么 01:57 Hila 的职业之路，从ToC 到ToB 公司做增长如何转型 05:39 正本清源，Hila 如何定义PLG？为什么说 PLG 不只是传统的 Growth hacking （增长黑客）？ 08:10 ToC 产品的增长与 SaaS 公司 PLG 有哪些核心差异？为什么说对于 SaaS 公司，获客只是“增长”的第一步？ 12:42 怎样的产品适合采用 PLG ？ 16:19 为什么 PLG 需要好的产品 onboarding 体验与销售两条腿走路？ 21:41 公司的不同阶段，如何平衡大客户需求与 PLG 增长知之间的优先级？ 27:41 给创始人的 PLG 101：怎样是一个完整的PLG 增长体系流程？ 33:53 什么是产品体验的 Aha Moment？如何设计一个好的 Aha Moment? 有什么常见的误区？Gitlab 如何定义 golden user journey? 43:40 企业发展不同阶段，PLG 产品的数据体系如何搭建？ 48:30 收费：什么时候开始收费？为什么说收费体系的建立是一个动态过程？ 57:48 SaaS 产品定价如何设计和跟踪？我们能从 Netflix 上学到什么？ 61:44 Gitlab 的实践分析：如何设计实验？从activation 到 retention, 如何确定用户流程中的北极星指标？ 68:47 什么是获客中的 PQL (Product Qualified Leads)? 什么是好的 PQL？ 74:54 什么是一个好的增长实验？早期数据不足的时候，如何设计实验？ 79:47 如何从0到1搭建增长团队？Head of Growth 入职第一件事应该做什么？ 87:37 搭建产品数据分析体系，有哪些常见的挑战和误区？ 90:02 招聘，招聘！什么是适合 PLG 的增长和销售人才？应该具备哪些能力？ 96:55 AI 它又来了：如何识别产品早期的“噪音用户”？ 99:41 Hila 提供哪些 PLG 相关的咨询服务？如何与你的增长顾问有效沟通？ 104:07 快问快答！Hila 推荐了一本童书？！ 我们推荐的内容 * Hila Qu 的公众号：兜里有糖甜 * Hila 的书：《硅谷增长黑客实战笔记》 * Hila 推荐的书：The Almanack of Naval Ravikant: A Guide to Wealth and Happiness * Hila 推荐的书：Someday * Hila Qu:【万字长文】SaaS增长新趋势：产品驱动增长PLG * Hila 的英文文章：Five steps to starting your PLG motion * Hila 的英文访谈: The ultimate guide to adding a PLG motion | Hila Qu (Reforge, GitLab) * Lenny's Newsletter 参考文章 * 草根SaaS产品：如何定价，打包，涨价？ * 45张PPT了解《硅谷增长黑客实战笔记》 * GitLab's Hila Qu on What B2B Companies Can Learn About Growth from B2C - OpenView * Hila Qu (GitLab): B2B vs. B2C Growth * How to Build A Growth Model (Part 1) * How to Build A Growth Model (Part 2) 别忘了，关注M小姐的微信公众号，了解更多中美软件、AI与创业投资的干货内容！ M小姐研习录 (ID: MissMStudy) 大家的点赞、评论、转发是对我们最好的鼓励！ 如果你能在小宇宙上点个赞，Apple Podcasts 上给个五星好评，就能让更多的朋友看到我们努力制作的内容，打赏请我们喝杯咖啡，就给你比心！ 有任何心得和建议，也欢迎在评论区跟我们互动~

新的一期 OnBoard! 的创始人深度访谈来啦！打造面向全球市场的 SaaS 公司，正在成为越来越多中国 SaaS 公司关注的话题。诞生于香港、壮大于深圳、服务于全球的 AfterShip，就是这里面不得不提的一个标杆。 Hello World, who is OnBoard!? AfterShip 成立于 2012 年，是一家服务国际电商的 B2B SaaS 公司，从第一天成立起就面向国际市场，业务今已遍布北美、欧洲、亚洲等世界各地，团队成员来自全球不同国家的 20 多个城市。客户包括 eBay、Wish、Shopee 等国际电商平台，以及 Anker、Watsons、EcoFlow 等 17,000 多家品牌。2021 年，公司获 Tiger Global 领投 6,600 万美金的 B 轮融资，刷新电商 SaaS 赛道 B 轮融资记录。公司旗下有 AfterShip Tracking（物流查询）, Email（邮件营销）, Returns（退换货管理）, Shipping（多物流商发货）等产品矩阵，涵盖售前售后各个环节。 今年正是 AfterShip 成立的第 11 个年头，趁着创始人 Teddy 回国，我们来到 AfterShip 的深圳总部，在据说由设计过 Meta 总部的设计师一手打造的“海景空间”里，完成了现场录制。Teddy非常认真和细致地跟我们分享了这个漫长过程中的教训、收获和展望。 * 为什么要从中小客户开始做起？ * 如何在一开始打造了一个20人14个国籍的团队？ * 为什么早期开发人员都要自己学会做电商？ * 为什么在看似发展顺利的时候选择融资？ * 整合多产品线的过程中，有哪些产品和组织上的挑战？ 从产品和客户的全球化，到团队和组织的国际化，作为国内 Global SaaS 的先行者，Teddy 无数细节的坦诚分享，一定是你能听到的、少有的原汁原味的创业故事。 你会感受到 Teddy 非常细节控的风格，当然还有，Teddy 努力了很久还是港味浓浓的普通话~哈哈！ 话不多说，大家Enjoy！ 对了，播客可以打赏你知道嘛~！☕☕☕🥂 我们都聊了什么 * 03:37 Teddy个人成长经历介绍，以及创立AfterShip的故事。 * 06:52 为什么在创立公司前做电商卖家的时候，Teddy选择看似小众的“欧洲”市场？ * 09:19 什么时候决定从解决自己痛点到真正做一家软件公司？ * 12:39 为什么刚开始Teddy就决定把公司做成一个“可持续的生意”？ * 18:00 刚开始做的时候遇到了哪些挑战？ * 20:01 回过头看，AfterShip的十年经历了哪三个重要阶段？ * 25:09 为什么在Teddy看来SaaS本质其实是在卖“服务”？ * 28:27 如何通过产品向客户传递行业的“最佳实践”？ * 34:23 AfterShip现在的团队规模以及如何维持人人都在“一线”的文化？ * 39:10 从自己的需求出发，后面是如何找到产品的PMF？ * 44:28 为什么“选对客户”是产品全球化在0到1过程中最重要的事情？ * 47:47 什么时候开始服务中大型客户以及如何进行需求的取舍？ * 51:17 回过头来看，为什么早期服务SMB是了解全球市场的最佳路径？ * 53:56 逐步做中大型客户的时候对产品和组织产生了什么变化？ * 56:12 为什么在主动触达大客户的过程中发现市场空间被打开了？ * 60:34 为什么真正做全球市场的时候发现“时差”是第一个意想不到的问题？ * 66:03 总结服务企业级客户的过程，还有哪些最佳实践以及可以改变的地方？ * 71:00 做到现在，为什么Teddy依旧觉得电商SaaS市场仍然有很大空间？ * 76:31 回想创业当年，哪些事情是刚开始需要想清楚，哪些可以“模糊正确”？ * 79:28 为什么SaaS“出海”和全球化是不一样的概念？ * 82:52 如何从Day 1就打造全球化的团队？招聘中有什么原则？ * 94:27 为什么刚开始“不出名”反而能招到来自14个不同国家的人才？ * 100:01 在全球化扩张的过程中，如何通过建立影响力吸引全球高级人才？ * 103:36 为什么现在Teddy还会给每位入职员工分享自己的成长经历？ * 106:25 回到运营策略上，产品如何在全球市场做冷启动？ * 112:04 到主动推广阶段，有什么有效经验介绍产品和方案？ * 118:02 为什么产品尽早开始收费是商业化中最重要的收获？ * 122:25 如今在发展多产品矩阵的时候，做了哪些取舍和原则？ * 130:44 如何判断需求是一个“功能”而非“产品”？ * 134:15 在多产品品牌整合的过程中，为什么最大的挑战依旧回到团队和组织？ * 140:37 在品牌效应被放大的时候，如何保持单个产品团队能力一直“在线”？ * 145:55 在多产品矩阵下，如何同样简单清晰地向客户传递产品信息并且做好Onboarding？ * 149:19 放眼AfterShip的未来，为什么Teddy最关心依然是公司本身和组织文化？ * 154:14 过去一两年，对组织和公司做过最重要的决定是什么？ * 158:00 如何看待AI以及内部有哪些讨论和展望？ * 165:38 为什么Teddy会提出SaaS初创公司的融资标准，以及在当下标准应当更“严格”？ * 171:49 快问快答！还聊到了Teddy的个人公众号SaaS 102 为什么不是101！ 重点词汇 * SEO：Search Engine Optimization，搜索引擎优化 * Subscription：订阅制 * Sustainable business：可持续的生意 * Natural ranking：（搜索后）自然排名 * Customer expectation：客户预期 * Entry barrier：进入门槛 * Onboarding：用户上手 * Customization：定制化 * Data breach：数据泄露 * Email marketing：邮件营销 * Founding team：创始团队 * LTV/CAC：衡量SaaS健康度的指标之一，客户生命周期 / 获客成本 嘉宾推荐的内容 * 《Rework：重来》 * 《富爸爸，穷爸爸》 参考文章 * Teddy的个人公众号：SaaS 102（ID: SaaS_102） * 37signals - 这家上个世纪成立的 SaaS 公司给了我们哪些启示？ * 十年经验总结：国际 SaaS 创业的 9 条建议 * SaaS 102 | 为什么 SaaS 产品不应该害怕收费？ * AfterShip 十周年演讲全文：创业是一场赢得信任，创造价值的修行 * 对话 AfterShip 陈龙生：很少公司因为一件事做十年而死 * SaaS 资本寒冬？市场缺的不是钱，缺的是好产品 最后，AfterShip正在高速发展，求贤若渴，感兴趣的朋友请戳：查看更多职位 别忘了！同步关注两位 Host 的微信公众号，看更多干货内容哦： * Monica：美元VC投资人，前 AWS 硅谷团队+AI创业公司打工人，公众号M小姐研习录 (ID: MissMStudy) 主理人 | 即刻：莫妮卡同学 * GN：前SaaS及科技投资人，Global SaaS社区 Linkloud 发起人，公众号我思锅我在 (ID: thinkxcloud) 主理人。| 即刻：High寧 大家的点赞、评论、转发是对我们最好的鼓励！希望你分享给对这个话题感兴趣的朋友哦~ 如果你用 Apple Podcasts 收听，也请给我们一个五星好评，这对我们非常重要。感恩！

今天又是一期关于AI的硬核讨论！这次依旧是 AI 领域的核心话题之一：GPT 是否能带领我们通向 AGI (Artificial General Intelligence, 通用人工智能）？如何评估和理解 AI 的能力？大模型范式下，我们如何定义智能？这些问题，至今没有标准的答案。大模型加上 HuggingGPT, AutoGPT 一系列 generative agents（生成式代理） 之后，给各个行业甚至整个社会带来什么改变？我们这期的嘉宾，来自中美学术界与产业界，绝对难得的一线视角。 Hello World, who is OnBoard!? 这是 OnBoard! 与科技早知道又一期合作节目，我和大家都非常喜欢的硅谷徐老师，与来自微软研究院两篇刷屏论文的作者，以及中国AI独角兽研发总监一起，深度探讨最值得你关心的几个AI领域核心命题。相信你听完这一期，会对人工智能的能与不能，希望与挑战，有不一样的认识。 长达3小时的谈话，即使知道短一些的版本会更容易传播，但是Monica 还让大家听到更多原汁原味的讨论，所以尽量保留了更多内容。 相信这些干货，值得你的时间。Enjoy! 对了，播客可以打赏你知道嘛~！☕☕☕🥂 嘉宾介绍 * 硅谷徐老师，硅谷连续创业者、人工智能高管、斯坦福商学院客座讲师，「科技早知道」主播 ｜推特：@h0wie_xu｜ 微信公众号：硅谷云｜ AI博客：howiexu.substack.com * 谭旭，微软亚洲研究院 高级研究员，主要研究方向为生成式人工智能及其在语言/语音/音乐生成中的应用，《MSRA researcher, HuggingGPT》作者之一 * 张弋，微软亚洲研究院 高级研究员，主要研究方向为通用人工智能的物理、数学，《Microsoft researcher，Sparks of AGI》 论文作者之一 * 红博士，某 AI 公司研发总监，研究方向：计算机视觉、数据压缩、通用人工智能。公众号：红博士说 * 主持：Monica：美元VC投资人，前 AWS 硅谷团队+AI创业公司打工人，公众号：M小姐研习录 (ID: MissMStudy) 主理人 | 即刻：莫妮卡同学 我们都聊了什么 01:41 嘉宾自我介绍，最近关注的AI研究（及Monica的隐藏小Update!） 07:48 第一视角解读微软刷屏论文：Sparks of Artificial General Intelligence: Early experiments with GPT-4 13:25 GPT4 是 AGI 吗？ 18:42 对于这篇AGI论文常见的误解：为什么这是比公开 GPT4更强的模型？ 21:48 为什么GPT4 没有视觉训练数据，却能够理解图片？ 26:46 GPT4 达到高中生水平了吗？为什么能比 ChatGPT 提高这么多？ 31:26 大模型的 Hallucination（幻觉）要如何解决？业界有哪些尝试？ 44:59 大模型要实现AGI，还有哪些挑战？为什么“思考太快了”是一种局限？ 56:57 火爆全网的 HuggingGPT: 研究背景、运作机制、与 AutoGPT 和 ChatGPT Plugin 的异同？ 65:30 我们需要不同领域的 foundation model （基础模型）吗？ 72:27 HuggingGPT 和 AutoGPT 技术成熟了吗？为什么需要专家生态？ 78:05 为什么说 ChatGPT Plugin 的本质是 OpenAI 在收集数据？ 85:21 中国的大模型公司如何追赶 OpenAI? 90:05 大模型能处理的 Context Length (背景信息长度）是能力瓶颈吗？要如何突破？ 96:11 如何理解 context length 对于大模型能力的重要性？需要对模型架构本身做改变吗？ 103:53 为什么说AI创新要赢得市场，生态可能比技术更重要？ 106:04 AI技术应用落地的现状如何？有什么机会和挑战？ 113:34 AI创业公司应该优先服务500强大客户吗？ 118:56 企业会如何使用AI：调用 API 还是本地部署？有哪些决定因素？ 122:21 AI 应用创业有哪些方向？为什么说要关注 mission impossible (不可能的任务）？ 130:15 嘉宾眼里，AI 最让人兴奋的未来是什么？ 免责：节目中的观点都是嘉宾和主持人个人观点，不代表所在机构观点，亦不构成任何投资建议。 参考文章 * 论文 《GPT-4，通用人工智能的火花》 * Language models can explain neurons in language models * Draw a unicorn in TikZ 🦄 * ChatGPT cost a fortune to make with OpenAI's losses growing to $540 million last year, report says * Scaling Transformer to 1M tokens and beyond with RMT * ChatGPT当“律师”！全球法律巨头「律商联讯」推出Lexis+ AI™ * 通用人工智能时代到来了：尽管 AGI 不完美，人类也会犯错 欢迎关注M小姐的微信公众号，了解更多中美软件、AI与创业投资的干货内容！ M小姐研习录 (ID: MissMStudy) 大家的点赞、评论、转发是对我们最好的鼓励！ 如果你能在小宇宙上点个赞，Apple Podcasts 上给个五星好评，就能让更多的朋友看到我们努力制作的内容，打赏请我们喝杯咖啡，就给你比心！ 有任何心得和建议，也欢迎在评论区跟我们互动~

这一期是 OnBoard! 的 bonus 番外篇，两位主播来走心地跟大家聊聊 OnBoard! 诞生以来的历程、思考与心得。不知不觉，OnBoard! 居然已经诞生了1年多的时间，确切的说，是13个月。回头来看，我们都没有想到，这充满动荡的一年，我们居然已经录制了整整30期播客，也就是不到两周就有一期播客（把自己都惊艳到！） Hello World, Welcome OnBoard! 在这个特殊的时间点，两位主播在北京的一个茶馆里，跟大家侃侃而谈心路历程，包括： * 录制30期深度访谈播客，我们的收获与心得 * 我们经常收到的听友和朋友们的问题：比如，如何用爱发电？ * 两位主播最近的新动向 * 我们在一线对创业投资市场的观察 * 当然，还有避不开的AI：AI如何改变 SaaS，变与不变，现在与未来？ * 推荐我们平时听得最多的国内外播客 * 最后！还有Monica 给大家录制的一个小彩蛋~ 这里有个小插曲，本来我们还想很有仪式感地录 OnBoard! 第一期视频，但是无奈一时兴起，连设备都没有准备好，用来录制的手机居然录到一半内存满了…后续咱们还是剪辑一些花絮，供大家消遣吧！ 同时，也要感谢看到我们朋友圈的自嘲之后，主动提出赞助设备的听众！爱你们！ 希望这次聊天，能让我们彼此走得更近一些~Enjoy! 关于主播 Monica：美元VC投资人，前 AWS 硅谷团队+AI创业公司打工人，公众号M小姐研习录 (ID: MissMStudy) 主理人 | 即刻：莫妮卡同学 GN：前SaaS及科技投资人，Global SaaS社区Linkloud发起人，公众号我思锅我在 (ID: thinkxcloud) 主理人。| 即刻：High 宁 PS 我们简陋的、一时兴起的录制现场： 我们都聊了什么？ 04:41 两位主播先分享近况以及最近印象深刻的一件事（果然是AI！） 14:20 答听众问之：当初为什么做播客？ 18:24 答听众问之：做一期播客的过程以及需要多长时间？ 20:53 答听众问之：做播客对我们的工作和生活有什么帮助？ 27:12 回过头看，OnBoard!的定位是什么，“PMF”在哪里？ 35:20 回顾前面30期，令主播印象最深刻的是哪几期节目？ 44:40 为什么录制过程中最特别的环节是“提纲准备”？ 47:41 做播客后对我们职业或生活有没有带来改变甚至“惊喜”？ 55:51 两位主播常听的播客清单大公开！还有两个“fun fact”！ 73:37 做了很多期AI节目，主播自己在用什么AI工具“改善”生活？ 80:18 接着再分享几个创业公司“活用”AI工具的案例。 85:12 主播自己比较期待或关注的AI公司有哪些？ 96:13 关于AI里的新机会和未来到底在哪里？ 103:42 这一波火热的AI投资里是否真的会诞生下一个“Facebook”或“谷歌”？ 108:53 为什么我们需要关注AI或AGI的社会影响？ 111:30 最后，两位主播展望对后面播客内容的规划和一点小小的“呼吁”！ 120:16 别忘了，还有Monica准备的彩蛋，Enjoy！ 提到的AI公司或产品 * Snpid * Character.ai * Stabiliby.ai * Perplexity.ai * POE * Notion AI * Rewind * Jasper.ai * Midjourney * Zapier 我们的播客和书籍推荐 * 《纳瓦尔宝典》：纳瓦尔宝典 * The Tim Ferriss Show：tim.blog * Invest Like the Best：podcasts.apple.com * All-In with Chamath, Jason, Sacks & Friedberg：podcasts.apple.com * Talk RL：TalkRL: The Reinforcement Learning Podcast * The Robert Brains：The Robot Brains Podcast with Pieter Abbeel * Eye on AI：www.eye-on.ai * Lex Fridman：lexfridman.com * SaaStr：www.saastr.com * In Depth：review.firstround.com * Acquired：www.acquired.fm * Software Engineering Daily：softwareengineeringdaily.com * Data Engineering Show：www.dataengineeringshow.com * Open Source Underdogs：opensourceunderdogs.com * No Priors：podcasts.apple.com 重点词汇 * Stable Diffusion * Google Bard * PaLM（Pathways Language Model） * Foundation model：基础模型 * Setback：挫折 * Market specialist： 市场专员 * Copywriter：文案作者 * Algorithm：算法 * UBI：Univerasl Basic Income，全民基本收入 * Social post：发布在社交网络上的帖子 * AGI： Artificial General Intelligence，通用人工智能 * Packaging：产品功能组合包装 * Retention：留存 * Pricing：定价 * Enterprise readiness：达到企业级可用标准/状态 * Version control：版本控制 别忘了！同步关注两位 Host 的微信公众号，看更多干货内容： M小姐研习录 (ID: MissMStudy) by Monica 我思锅我在 (ID: thinkxcloud) by GN 大家的点赞、评论、转发是对我们最好的鼓励！希望你分享给对这个话题感兴趣的朋友哦~ 如果你用 Apple Podcasts 收听，也请给我们一个五星好评，这对我们非常重要。感恩！