6月21日TSVC举办了《打造下一个独角兽》讲座第42讲。如何投资初创科技公司？想成为科技领域的天使投资人？想了解背后的判断逻辑与实操方法？本次活动特别邀请了《聪明投资者》的联合创始人范恩洁对话硅谷基金TSVC联合创始人张于庆与夏淳博士，分享他们15年来投中10家独角兽和5家上市公司的天使投资方法论与心法。无论你是有志入场的新手，还是希望机构化、家族化发展的投资者，本次分享都将带来启发。 嘉宾： 张于庆（Eugene Zhang）先生是硅谷著名的种子轮投资人，在担任天使基金合伙人七年后，于2010年联合创立了硅谷首支由大陆华人移民创办的种子轮基金TSVC（原名TEEC Angel Fund）。他主导了超过160笔种子轮投资，投出了10家独角兽企业（估值10亿美元以上）和5家上市公司，包括Zoom、Ginkgo Bioworks、Carta等。他是Zoom的第一张机构投资者支票的签署者，被誉为硅谷种子轮独角兽猎手。张先生还是硅谷一位成功的连续创业者，创办了芯片设计工具公司JEDA，以及硅谷首家由大陆华人移民创办的创业孵化器Innospring。他是主流芯片设计验证语言Vera的共同发明人，也是金融科技和加密货币领域的早期投资者之一。他积极参与并支持青年学生和创业者的各类组织，担任清华思源计划、清华大学苏世民学者项目和领航导师计划的导师。他曾任清华企业家俱乐部（TEEC）董事会成员和北美分会会长。此外，他是硅谷慈善基金TSVC Giving Fund的共同创始人，华源科技协会HYSTA 董事。张先生毕业于清华大学电子系，并拥有雪城大学（Syracuse University）通信工程硕士学位。 夏淳博士是TSVC联合创始合伙人，硅谷成功的系列创业家。曾先后创办三家科技公司，研发销售世界上最早的个性化营销系统，以及国际领先的边缘容器技术。他曾任IT行业一代巨头Sun Microsystems首席架构师，是早期云计算技术奠基者之一。除了云计算、芯片、人工智能、智能制造等硬科技投资，夏淳博士在设计和创意领域颇有造诣，并且对社交媒体和社群经济的跨界文化有深入研究。夏淳博士是清华企业家协会(TEEC)创始会员之一，曾任北美分会首任主席。自2001年，他长年服务于青年学生的培养辅导，持续担任清华大学思源计划导师、清华创业孵化器x-lab的创业导师、清华创+逆向创新中心主任，并在硅谷创建了激励青年学生创新创业的公益基金TSVC Giving Fund。夏淳博士是清华大学电子工程学士及计算机硕士，并在美国UIUC大学获得计算机博士。 范恩洁是聪明投资者联合创始人，拥有23年中国基⾦业从业经历，最早一批证券专业媒体⼈，并著有《大话基经》一书；曾任职中国最早成立的公募基金管理公司——国泰基⾦品牌及营销总监；受聘为中国基⾦业协会投教委秘书⻓。2016年创办聪明投资者，2018年受中国基金业协会委托担任基金行业20周年书籍《基金》一书策划及主创。 以下为正文： 04:23 TSVC实际上已经成立15年了。当我们审视每一个长期稳定的创投团队时，会发现它的背后往往都有一段彼此成就的故事。所以，第一个问题想问问两位，当初决定创办TSVC时，你们的起心动念是什么？回顾这十几年的合作历程，是否有哪些关键的人物和节点，如同接力棒一般，将信任一路传递下来？ 夏博士表示，这要回到2010年，那时金融危机刚刚过去，经济开始缓过来了。当时，他受到硅谷清华校友会SVTN的邀请，为一个清华校友的创业俱乐部提供辅导。因为他和Eugene都是清华企业家协会TEEC最早的会员，资历较深，所以就参与了进来。那时候完全是做公益，每周都会举办活动，非常热闹，参与者不仅有清华校友，还有来自其他学校的人。做着做着，大家都有了融资需求，但是他对天使投资完全不了解，于是想到了他上铺的兄弟张于庆。他知道Eugene在天使基金领域非常活跃，已经在一个天使基金做了七年的GP，经验丰富且人脉深厚，因此先请Eugene帮忙引入一些资源。 在这个过程中，他们不知不觉走上了“被创业”的道路。大家开始称他们为TEEC Angel，因为他们都是清华企业家协会的。鉴于Eugene的经验丰富，他们决定正式成立一支基金。后面也会说道，就是在基金的投资策略和利益分配上，都是Eugene打的基础，而且这一框架在过去的15年里从未改变。 Eugene表示，刚才夏博士提到了上下铺，他们还挺有缘分的。到目前，在上次毕业40年校庆时也比较少见，他们三位General Partner早在1980年就在学校结识了，这是比较难得的。能够一起共事，这也是非常好的缘分。 回到主持人刚才问到的问题，他再补充一下关于起源和信任的事。回到2010年之前，他曾在思科Juniper工作过。想想看，他以前的工作都是由以前的同事介绍的，有时可能也有一些运气成分。之后他自己创业开公司的时候，和现在的情况大不相同，现在投资人可以说是随处可见，那时并不是这样。所以他们只能找身边的人，找的其中一位就是以前共事过的人，当时叫Juniper Networks，它于1999年上市，曾经估值达到700亿美元。他们就去找这家公司的高管投资他的公司，当然他们自己也出资。另外一位就是找走在他们创业前面的华人，主要像周先生，他投资了很多清华的成功企业家，还有像陈五福这样的台湾学长，直到今天他仍是TSVC基金的投资人和顾问。 所以想想他们所做的事情，他们已经做了15年了，实际上他们也起到了一个承接的作用。他们算是大陆新一代移民到美国的人，自然而然地，他们把自己定位为承接台湾成功华人创业和投资的群体，他们算是较年轻的一部分，那现在肯定还起到了承上启下的作用。 范恩洁表示，她听完之后的感受，就是有一群可靠的人，有一种正确的信任关系。然后就像刚才夏博士提到的“被创业”那样，大家被推着走到了今天。如今回头看这十几年，TSVC 其实已经投中了十家独角兽项目，其中还包括像 Zoom 这样的超级独角兽。这个“被创业”的成果其实相当丰硕。 10:16 那么在你们看来，一家专注于种子轮的基金，其最根本的核心竞争力是什么呢？或者说，如果用一句话来概括TSVC选中独角兽的秘诀，会是什么呢？ 夏博士表示，实际上他们运用了中国古代的成功学“天时、地利、人和”，这一点大家都容易理解。的确，要在种子轮就投中独角兽，似乎不太可能。在较早的时候，因为是Eugene带领投资了ZOOM，夏博士就在想这会不会是蒙对的。最开始可能确实有运气成分，但后来随着投资项目增多，他自己也在不断琢磨，其实最早是Eugene总结出了他的投资经验，后来为了方便内部沟通，他们内部也不断地培训，对这些经验进行梳理，发现用“天时、地利、人和”来解释最为合适。 天时指的是市场上的时机窗口，这个窗口特别重要。对于天使投资人而言，如果风口已经起来了、大浪已经过来了，此时再进行投资就为时已晚，因此必须提前一点。不过，过早行动也是不行的，所以必须踩准点。对他们来说，最具挑战性的事情是发现新的赛道。因为当赛道已经起来的时候，他们已经错过了。这就如同搭乘火车，最好在第一站上车，最迟也得在第二站上车。若等到A轮、B轮，那就不是他们该参与的阶段了。由此可见，把握时机非常关键。 不过，其中也存在一些规律。他们为何特别喜欢投资科技类项目呢？原因在于科技的许多趋势早在十年前就在学术界或业界露出了端倪。就拿他自己来说，1996年他就开始在Sun从事云计算相关工作。当时招聘他的总监就表示，他们所做的是十年后的东西。所以，实际上这些趋势是有迹可循的。只要身处这个行业，大家就能获取相关信息。尽管把握时机对他们有难度，但也并非毫无头绪，他们还是有一定认知的。 地利，指的是产品，这里也包含了技术。产品的定位非常重要，因为定位绝对决定你的地位。当下大的趋势，比如AI，发展势头很好，机器人等领域也前景光明。但关键在于，你究竟要做什么。如果是做红海市场里面的，那会很艰难，还是应该做蓝海领域。同时，产品要具备护城河，要特别注重确定自身的唯一性，这都是非常重要的。最后要说的是，在他们进行投资时，有时候在一开始很难做出判断。其中难点在于PMF，也就是产品是否适应市场。一般而言，对于创业来说，实现产品与市场的契合是一件非常具有挑战的事情，必须不断进行调试。 就拿Zoom来说，Eugene投资的时候，当时团队只有三人，他们跑来表示要在Facebook上开发视频聊天功能，这是他们的第一步。但PMF在一年后很快转向了企业市场。TSVC当时就预测到了这一点，还提醒他们做面向消费者的业务可能不太稳妥，做企业业务或许能成功，事实果然如此。所以，这整个过程都表明，具体的定位是非常关键的。 人和，相对比较直观，但并非指这个人一团和气、大家不吵架就可以了。实际上，它更强调的是这个人的团队协作能力，包括洞见、执行力、影响力等各个方面。关于这方面，之后有机会再多探讨一些。 14:38 我们通常所说的“天时地利人和”，听起来像是一句老话，但你们却将它转化为了实打实的投资方法论。不过，我仍想追问一下，从你们在实战中的观察来看，这三项中哪一项最容易被高估，哪一项又最容易被忽视呢？ Eugene表示，刚才夏博士总结得很不错。从顺序上而言，如果不用那三句话，用投资人的术语来讲，实际上就是团队、市场潜力，以及公司所做产品的技术或产品本身，这就是选择时需要考量的三个要素。毕竟是早期投资，到最后真正最重要的，其实还是人。有了合适的人，就能在另外两个方面进行适应和调整。 那讲到哪一个会被高估或低估呢？根据他们的经验，比较容易被高估的，尤其是对于他们清华学技术出身的人来说，从概率分布来讲，更多是纯粹的技术，比如有专利之类的，这些往往容易被高估。而容易被低估的，则是团队，或者说是创始人的团队构成，以及团队中所需具备的一些更有助于成功的因素。 因字数限制，更多内容请收听音频 欢迎关注“TSVC”微信公众号观看视频，了解更多早期创投相关话题的干货内容！ 加入日常交流群请看海报左下角二维码，添加TSVC小助手，获取更多分享。

5月31日TSVC举办了《打造下一个独角兽》讲座第41讲。地缘政治和贸易战的重重危机，孕育着一个千载难逢的万亿商机。“美国制造”正在解构全球供应链，重构新型的科技主导的全球化。制造业的重新洗牌，给科技公司创造了哪些机会？面临怎样的挑战？究竟谁能赢在先机？请随美国第一家纯本土电池电解液厂的创始人和投资人一起来探讨在这股浪潮中，“出海”与“入局”的实操门道。 嘉宾： 王学军博士，Automat Solutions, Inc.联合创始人兼首席运营官，拥有超过25年硅谷高科技行业经验，长期专注于电池电解液、AI机器人材料研发与高通量自动化技术。现带领团队开发美国本土首个高性能电解液AI-Robotics材料发现平台，获得美国国家科学基金会（NSF）、加州能源委员会（CEC）及美国能源部（DOE）多项科研项目资助。王博士曾创办Eutomation, Inc.，专注于新材料与环境测试领域的自动化高通量系统开发；在Freeslate Inc.期间，三年内开拓东亚市场，创造两千万美元销售额，荣膺公司年度最佳业绩奖；在Symyx Technologies任职多年，领导技术团队开发高通量材料研发系统与企业软件。他曾任美国华美半导体协会（CASPA）主席，推动中美高科技产业深度交流合作。王博士毕业于北京大学物理系，获美国雪城大学物理学博士、计算机工程与物理硕士学位，拥有多项美国发明专利与核物理、材料科学领域学术成果。 夏淳博士是TSVC联合创始合伙人，硅谷成功的系列创业家。曾先后创办三家科技公司，研发销售世界上最早的个性化营销系统，以及国际领先的边缘容器技术。他曾任IT行业一代巨头Sun Microsystems首席架构师，是早期云计算技术奠基者之一。除了云计算、芯片、人工智能、智能制造等硬科技投资，夏淳博士在设计和创意领域颇有造诣，并且对社交媒体和社群经济的跨界文化有深入研究。夏淳博士是清华企业家协会(TEEC)创始会员之一，曾任北美分会首任主席。自2001年，他长年服务于青年学生的培养辅导，持续担任清华大学思源计划导师、清华创业孵化器x-lab的创业导师、清华创+逆向创新中心主任，并在硅谷创建了激励青年学生创新创业的公益基金TSVC Giving Fund。夏淳博士是清华大学电子工程学士及计算机硕士，并在美国UIUC大学获得计算机博士。 以下为正文： 04:02 夏老师最近发表了一篇题为《抢占“美国制造”的新风口：科技如何重塑制造，制造如何重构全球化》的博客文章。能否请夏老师简单概括一下博客中的几个主要观点呢？ 夏博士表达了感激之情，感谢各位朋友今天来参与本次活动，并向主持人李博士致以谢意。这一篇简短的博客是随活动宣传资料一同发布，主要提出了两个相对新颖的观点。第一个观点是，制造业会被科技重新塑造，即科技会推动制造业上一个新的台阶，不论我们将它称之为制造2.0还是其他什么名称。第二个观点是，全球化也将迎来新的格局。过去，他对此还比较悲观，认为全球化已经消失，取而代之的是逆全球化或半球化。但现在，他认为又是一个新的格局，他们对此充满信心，认为这是一个特别好的机会。 首先为什么说制造业会被重新塑造。观察第一个现象，美国一直声称要重建工厂，但你考虑一下工人在哪，这是一个很明显的问题，这在美国是不现实的。使用现有的劳动力，与中国的工人竞争是不切实际的。更严重的是，我们关注年轻一代，主要是看00后。他们正处于适工年龄，但00后不愿意进入工厂。这不仅是美国面临的问题，中国也是一样。中国的00后宁愿选择送外卖，也不愿进工厂工作。以前很多女孩从湖南、四川等地方前往广东去打工，现在也难以招到，也都变得非常困难。00后不愿进工厂，这是一个特别大的问题。 接下来，当你考虑将工厂转移到东南亚，甚至非洲时，你必须意识到事情并非那么简单。在中国，长三角和珠三角能够成为世界级制造基地,人的素质是关键因素。你不能简单地认为转移到东南亚就能解决问题。在中国，你去东北或西南地区试试看，你会发现情况截然不同。人与人之间存在差异。因此，他们认为这是一个特别大的驱动力，即能不能少用人。正如Charlene之前提到的，TSVC正在全力布局物理人工智能（physical AI），即AI与机器人应用于制造业，这是一个特别重要的方向。这一方向将导致大量无人工厂和黑灯工厂的出现。今天，他们将介绍Automat，它本质上也是一个无人工厂。 另外，在国内制造业领域，夏博士曾经在好多年前调研了200家工厂，并进行了深入的交流。大家对趋势都有明确的认识，即随着未来无人化以后，你就想象一下，工厂就是一个大的机器人，整个工厂的形态就是集装箱。如果一个集装箱不够，我们可以将十个甚至多个集装箱组合在一起。你哪里需要一个工厂，只需将集装箱往那摆放好即可。每个集装箱内部将是一个复杂而庞大的机器人，与现在用机械手取代人工的方式不同，未来的工厂将不再按照人的逻辑和方式操作，而是完全自动化，这就是未来。 在未来，其中还有一条特别重要，即高度自动化以后将会出现所谓的大规模定制。这个工厂与过去的概念不同，因为现在的工厂追求高利润率和高效率，往往生产出成千上万甚至数十亿个完全相同的产品。例如，在芯片制造业中，一旦出货量达到十亿级别，产品就是白菜价。然而，未来的产品可以实现个性化定制，满足每个客户的独特需求。以特斯拉工厂为例，如果你有机会参观其生产线，你会看到屋顶上移动的产线，每辆车都是不一样的。这种高度自动化的能力使得大规模定制成为可能。因此，大家必须把握这一机会。未来的制造业不是说像今天的工厂，你把工人替换为机器人那么简单。未来的工厂可能只是一些集装箱，里面没有人，这是一个特别重要的趋势。 在这个大趋势中，夏博士想谈谈大约三年前，TSVC投资了Automat。当时，他们基于一个早期的判断，认为制造业会有一个新的趋势。他们为何选择投资Automat呢？首先，Automat是由科技主导的，它的科技称为AI for science。Automat专注于利用人工智能发现化学电池电解液的配方，它做得是非常早了。关于Automat的核心技术，夏博士并不精通，这需要让王博士在稍后为大家详细介绍。简单来说，就是利用AI不断生成新的配方，并通过高通量实验室的装置，筛选出最佳配方。这就是基本概念。 在投资时，他们与创始人讨论了商业模式。他们考虑，仅仅出售配方的盈利空间是有限的。以可口可乐为例，它并非仅仅通过出售配方盈利，而是自己将可乐销售到全球。因此，在投资Automat时，他们共同策划，除了研发化学配方，Automat也生产。当时他们就决定建立自己的工厂，实现大规模定制，根据客户需求定制产品，并直接作为供应商进行生产。他们的目标是成为美国最领先的、最先进的一个电池材料研发和具有制造产能的公司。 12:02 那王博士我们想来问一下，科技赋能制造，作为Automat的创始人，Automat怎样做到高效定制？因为Automat是一个科技公司，而硅谷的科技公司通常都不会有工厂，当时Automat为什么要建厂？ 王博士首先对主办方TSVC组织了今天的节目表示感谢,他感到非常荣幸能与夏博士以及其他各位共同探讨美国制造业的机会。他非常支持夏博士的观点，即真正的现代制造业实际上是技术推动的。在谈论这些话题时，他也想简单介绍一下Automat公司的成长历程，因为这与话题相关。Automat成立于2019年，他本人一直致力于高通量自动化技术的研究。当时，这种技术已经在材料研发领域得到了广泛应用，而AI技术正处于风起云涌的阶段。几位创始人认为，如果能将AI与高通量技术结合起来，用于新材料的开发，必将极大地加快新材料走入市场的速度。因此，他们决定成立Automat公司。当时他们成立公司的宗旨是建立一个人工智能与高通量技术相结合的平台，利用这个平台开发新材料。他们选择的第一个材料就是电解液。 那么，为什么选择电解液呢？原因在于他们认为电解液材料非常适合人工智能加高通量平台来一起研发。可能在座的各位对电解液了解不多。电解液主要包含三大化学成分：锂盐、溶剂和添加剂。每类成分中又包含多种不同的化学成分。例如，锂盐有六氟磷酸铝、LiFSI、LiTFSI等；溶剂有DMC、DEC、EMC等；至于添加剂，更是有几百种。想象一下，如果每类组分有十种不同的化学成分，每种化学成分有十种不同的配方组合，那么它的排列组合数量将达到十的30次方。若采用传统方法，想要穷尽它的整个空间找到最好的材料，几乎是不可能的。然而，将人工智能与高通量技术相结合，正好可以发挥其效率。 那么，AI的作用体现在哪里呢？AI能够利用已有的数据，通过构建自己的平台，例如他们在电池领域根据现有数据开发的AI算法，在无穷无尽的空间中，它能够提供方向性的指导，并预测可能的最佳配方组合。此外，结合高通量自动化技术，可以在实验室快速生成高质量的数据，这些数据又可以返回来给AI后，AI能够利用更丰富的内容进行更优化、更精确的预测。如此循环往复，基本上能够穷尽整个搜索空间，找到满足不同客户需求的电解液产品。 从这个角度来看，他们最初的想法是建立一个平台。随后，TSVC的介入为他们提供了许多介绍和分析。他们逐渐意识到，在当前的美国市场中，有很多新的技术公司正在开发不同的电池技术，包括锂流电池、锂金属电池、硅基电池和锌电池等。这些电池都需要与之相匹配的电解液配方。那么他们的技术恰好能够迅速开发出满足客户需求的电解液配方。然而，在这个过程中，他们也注意到美国本土市场对电解液的需求量巨大。 在与客户的合作中，客户在验证了他们的电解液配方后，也向他们提出了需求，希望他们能够提供批量的电解液产品。为此，他们与TSVC合作进行了市场调研。他们发现，到2030年，电解液的需求量将达到60万吨以上，而2024年美国本土的出货量只有七万吨，且主要由韩国公司和一家日本公司供应。这里存在一个巨大的缺口。基于市场情况和Automat的技术与客户的结合，他们认为这是一个巨大的商机。因此，他们从一个科技材料研发平台转型，不仅能够研发产品，还能为客户提供一体化的产品。在过去几年中，通过积累客户，他们可以看到这是一个非常大的优势。 18:37 参观实验室和工厂环节： Charlene:众所周知，Automat是一家科技公司，同时还设有工厂。因此，我们能不能邀请观众一起参观一下Automat的研发实验室和工厂呢？请问王博士是否方便安排一下？ 王博士:当然可以，我今天在公司里，我也让工厂员工参与进来。他们正好在开发一些产品，我正好在实验室里带领大家参观。 Charlene: 我们在等王博士到他的实验室，正好可以带着大家就是看一看这个实验室和工厂。Automat是美国第一家纯本土电池电解液的工厂。现在的生产能力是多少来着？ 夏博士: 是五百吨，规模是很小的，因此这相当于是一个中试生产线。由于规模小，我们能在加州做，所以它是一个硅谷的工厂。这个很神奇，我原来没想到硅谷能有工厂。 Charlene:这是你们的实验室？ 王博士:（用手机摄像头分享）现在给大家看的是我们的实验室，大家可以看到实验室里有各种各样的机械手，高通量设备。 夏博士:你照近一点，你那个手套箱玻璃里面能看到什么？给大家看一看。 Charlene:这也是TSVC投资的一家公司,已经上市了。 夏博士：这个是Opentrons,是我们的portfolio,你看在我们Zoom的背景图片上有。 Charlene：对，这是一家独角兽公司，我们在种子轮阶段就已经进行了投资。 因字数限制，更多内容请收听音频 欢迎关注“TSVC”微信公众号观看视频，了解更多早期创投相关话题的干货内容！ 加入日常交流群请看海报左下角二维码，添加TSVC小助手，获取更多分享。

4月26日TSVC举办了《打造下一个独角兽》讲座第40讲。大模型技术的发展推动了AI Agent的迅速崛起，掀起了在各行各业的革命，同时催生出万亿赛道。然而AI Agent概念狂欢之下的现实有何内幕？怎么构建更稳健的Agent架构？哪些行业拥有其商业落地的时机和土壤？请随三位行业专家和公司创始人，从实践+技术+商业落地角度一起来扒一扒AI Agent。 嘉宾： 董爱国先生是一位资深技术高管、连续创业者及行业顾问，在硅谷拥有超过25年的软件产品开发与团队管理经验，曾带领多个AI/机器学习驱动的产品从零到一落地，并在初创企业与顶级科技公司领导数人到数百人的团队。他目前担任三百人的PropTech初创公司Tripalink的技术负责人，带领产品、设计、工程、数据与 AI 团队，致力于通过AI重塑住宅物业管理，提升业主收益并优化租户体验。此前，他是Celential.ai的创始人兼CEO/CTO，该公司专注于AI招聘解决方案，后被Wellfound（原AngelList Talent）收购。他还曾任Lattice Engines的工程副总裁，该公司是预测性营销领域的领导者。董先生曾在Salesforce和VMware等全球领先的软件公司担任重要职位，并参与了多个成功创业项目，包括Provilla（被收购）、DemandTec（上市）、Metreo（被收购）和Viador（上市）。他是清华大学最年轻的入学者，年仅12 岁半即被录取。 武军辰博士, Co-founder and CEO of Menos AI。Menos AI是一家总部位于硅谷的人工智能初创公司，由多家硅谷知名风投机构投资，专注于生成式人工智能（Generative AI）在金融和资产管理领域的应用，目前服务于多家全球顶级对冲基金和家族办公室。武军辰博士拥有超过十年的全球对冲基金投资与管理经验，曾任美国北方信托（Northern Trust）首席量化投资官（Head of Quant Analytics）。北方信托成立于1889年，资产管理规模超过1万亿美元，是全球最大的对冲基金服务提供商之一，基金托管资产超过14万亿美元。他曾为桥水（Bridgewater）、城堡（Citadel）等全球知名对冲基金、养老基金和主权财富基金提供资产组合管理和风险管理服务。此外，武博士曾任职于波士顿的一家量化对冲基金，担任风险投资组合经理，负责管理30亿美元的多策略对冲基金投资组合风险对冲。武军辰博士毕业于美国西北大学（Northwestern University），获得博士学位，并持有CFA特许金融分析师资格。 唐磊博士是Fabi.ai的联合创始人兼首席技术官（CTO）。Fabi.ai是一个数据分析平台，旨在赋能所有用户，轻松探索数据、构建分析工作流与智能代理。他在构建机器学习与人工智能系统方面拥有数十年的丰富经验，所研发的技术被广泛应用于多个实际场景。在加入 Fabi.ai之前，唐磊曾任 Lyft 的数据科学总监，领导增长战略并孵化多项创新产品，为公司成功上市及新冠疫情期间的业务恢复做出了重要贡献。在此之前，他担任 Clari 的首席数据科学家，该公司由红杉资本（Sequoia Capital）投资，唐磊带领团队构建了 B2B 销售预测与分析的机器学习模型。他的职业经历还包括在WalmartLabs和Yahoo! Labs的重要岗位，专注于推荐系统、广告投放与精准营销等方向。唐磊拥有亚利桑那州立大学计算机科学博士学位及复旦大学学士学位。他著有一本专著，发表论文和专利超过30篇，总引用次数超过11,000次。 以下为正文： 董先生非常感谢TSVC和AI Vanguard Collective共同举办的此次活动。他提到，今天是美国的周五晚上，而在中国是周六的早晨，他对于大家能够抽出宝贵时间参与活动表示衷心的感谢。董先生指出，AI目前是一个热门话题，自从两年前ChatGPT出来后，AI就成为街头巷尾热议的焦点。从去年开始，AI agent的概念也逐渐升温，许多人认为今年将是AI agent大放异彩的一年。他相信在座的各位对此都抱有浓厚的兴趣，并希望今晚大家能享受这段时光，并从中有所收获。同时，他对唐博士和武博士能够参与此次活动表示感谢，他们作为在美国的创业者，不仅拥有丰富的行业经验，还具备实际操作AI agent的实践经验。董先生本人也参与过众多AI项目，并且Charlene已经简要介绍过这些项目，包括一些AI agent的应用案例。因此，他希望从商业和技术两个角度进行深入探讨，以便大家都能有所收获。现在将开始活动，首先从商业角度提出几个问题，邀请两位嘉宾共同探讨，并适时穿插技术方面的讨论。 08:29 从商业方面，AI agent正成为热议话题，几乎每个人和公司都在讨论它，我想请两位嘉宾来谈谈实际情况，有哪些应用场景已经得到了实际验证？ 武博士表示，他可以简短快速地与大家分享一下，首先简单自我介绍一下，正如Charlene之前所介绍的，过去十多年一直在对冲基金行业打拼，也算是在华尔街摸爬滚打，去年他深刻感受到AI是一个彻底且巨大的机遇，于是满怀激情地投身于这个行业。他意识到，未来无论是做quant、金融还是量化领域，许多工作都将被AI取代。与其等待AI取代我们的工作，不如主动去开发AI，迅速加入这个领域。加入后，他发现了与Andrew刚才提到的一样，AI应用目前非常热门，但他们认为，尽管如此仍存在一定的差距。观察到，金融行业的分析师每年能获得数十万甚至上百万美元的收入，他们相信能够开发出与之同等质量的AI agent，可能很快就能为公司创造同等的利润。然而，真正实施时却发现，金融企业在决定购买并使用AI agent时，会有很多顾虑，即便是几万元的投入，他们也会深思熟虑。这实际上揭示了许多问题。他认为，这正是AI agent理想与现实之间的差距，从开发原型到实际应用，存在许多鸿沟。认为目前，最大的鸿沟主要存在于大众认知中的所谓消费者水平的AI agent，与他们正在开发的2b的agent之间，存在显著差异。 最近国内有一家名为Manus AI的公司引起了不少关注，许多人好奇地问他是否与他们Menos AI有关。他澄清说，那并非他们的项目，但他确实对他们的成就表示赞赏。Manus专注于开发通用型人工智能，解决日常问题，例如安排旅行或管理日常事务，他们可能会使用日历、电子邮件等日常工具，这属于通用型人工智能的应用范畴。相比之下，Menos专注于金融行业这一特定领域，致力于开发面向企业级的应用程序，即所谓的2B型应用。 他们自己总结出一个显著的区别，即一个是failure critical，另一个是success critical。具体来说，Manus非常成功，因为在使用这种通用人工智能应用时，你可能尝试十次，有两次它给出了令人惊艳的答案，这足以让你记住它，并愿意与朋友分享。然而，当他们继续开发此类应用时，即便成功了一次，但在实际生产和生活中，尤其是在他们正在开发的投资过程中，它必须有我们称之为big stake in terms of your AI results。在这种情况下，你不能只尝试十次，而必须使用九十至一百次，99.999次，它必须准确无误。因此，如何实现商用级别的准确性和可靠性，认为这是一个巨大的挑战。 接着，他以自身为例说明，很荣幸地成为TSVC的合作伙伴。他经常需要向投资者阐述，尽管Manus已经流行起来，他们却还未如此。总结原因在于，开发这类通用的商业人工智能，仿佛在沙滩上作画，迅速而必须充满浪漫色彩，追求美感。然而，他们从事的2b商业级项目，却像是在岩石上雕刻文字，必须缓慢而精确，并且要确保后续工具的完善与清晰。因此，他个人认为，在商业应用落地时存在一个巨大的差距。 唐博士认为，您的观点确实很有见地。先简要介绍一下自己的经历：自从在美国获得博士学位后，便一直致力于机器学习科学的研究。在他的领导下，团队面临的一个主要挑战是每天都有各种各样的业务问题，例如市场运营销售的项目经理会提出问题，请求他们帮忙查看数据或进行分析。你也知道，数据团队通常人数有限，而这类请求却源源不断，他们很难在短时间内满足所有需求。因此，作为负责人，经常不得不拒绝一些请求，或者简单地判断哪些问题需要优先解决。随着AI技术的出现，他意识到AI在很大程度上能够帮助他们解决这些问题。这也是他们创立Fabi.ai的初衷。从Fabi这个名字可以看出，取名“fast business intelligence”，意在让公司内的每个人都能迅速获得数据洞察，这是他们最初的目标。然而，在实际应用中，确实经历了一些曲折。 最初，他们开发了一个完全本地化的解决方案，即一个AI agent。用户可以直接提问，而这个Agent能够访问公司成千上万的数据库表，并生成SQL查询，然后将结果反馈给用户。这个想法是在大约两年前提出的，当时GPT技术刚刚问世，这个方案看起来很自然，因为需求和技术都相对成熟。但随后发现，在实际操作中遇到了重大难题，企业级数据非常复杂。举个例子，如果我想了解公司的营收情况，可能会发现有五六十张表都与营收相关，那么究竟应该使用哪一张呢？在这种情况下，即使AI技术再先进，也难以理解公司的业务逻辑或数据结构。这是他们在实践中遇到的一个方面。 同时，还需关注另一个层面，即我们旨在解决的具体应用究竟是什么？他个人认为，如果问题仅能通过C语言来解决，那么这些问题通常对公司而言并不至关重要。因为很多时候，C语言能做的只是从数据库中提取数据，而真正需要解决的可能是更深层的问题。例如，CEO可能会提出疑问，为何我们公司的市场份额持续下滑？我们应如何阻止这种趋势？这才是公司真正关心的商业问题。因此，我们需要从数据库中提取数据后进行更深入的分析，可能还需要借助CF或机器学习模型进行预测，最终提出一个假设性的解决方案。接下来，就是他们公司可以采取的具体行动。 实际上，对于公司业务至关重要的，是需要进行深入的分析。因此，他们从最初的no agent模式，转变成了更倾向于成为像一个平台或助手的角色，以便快速有效地构建数据分析工作流和代理。想象一下，现在我们更倾向于构建像标志或核心价值陈述那样的东西，这样你就能迅速构建出能够解答与公司业务密切相关问题的系统。因此，在构建你的业务Agent时，应当回归本源，思考你真正想要解决的问题是什么？对于公司、企业或用户来说，这是不是一个关键问题。 因字数限制，更多内容请收听音频 欢迎关注“TSVC”微信公众号观看视频，了解更多早期创投相关话题的干货内容！ 加入日常交流群请看海报左下角二维码，添加TSVC小助手，获取更多分享。

3月29日TSVC举办了《打造下一个独角兽》讲座第39讲。今天讲座的话题是iPhone Made in USA。“将iPhone生产带回美国”一直会被认为是美国制造业回流的象征。传统上，由于较低的劳动力成本和成熟的产业生态系统，亚洲一直是外包制造的首选。然而，近年来智能制造的突破——特别是先进机器人技术和具身智能（Embodied AI）的发展——正在挑战这一模式。今天请来硅谷ZOOM投资人和eBots创始人共同聊聊美国制造业本土化的三大挑战，以及在美国制造业回归潮中的创业机会和投资布局。 嘉宾： 张于庆先生2010年创办TSVC，硅谷第一家大陆华人的种子基金。曾创建芯片设计工具公司Jeda，以及硅谷第一家华人创业孵化器Innospring。作为TSVC的掌门人，他主导了160 多个种子轮投资，其中包括5个IPO， 10个独角兽，他还是ZOOM获得的第一家机构投资者支票的签署人，在硅谷华人种子轮投资人中业绩保持第一。张于庆先生积极服务于青年学生成长及创业创新者的各种组织曾任清华企业家协会TEEC的理事会成员，TEEC北美分会主席。他还是硅谷公益基金TSVC Giving Fund的创始人。张于庆毕业于清华大学电子系，在Syracuse University获得硕士学位。 徐征博士是一位连续创业者、投资者和公司高管。他是eBots Inc的创始人兼首席执行官，该公司是一家专注于精密制造的智能机器人创新和制造企业。他曾是Silevo Inc的首席执行官和联合创始人，该公司致力于高效光伏电池和组件的研发和大规模生产。Silevo成功地被特斯拉旗下的SolarCity公司收购。徐博士在太阳能和半导体行业有丰富的经验。他领导开发了商业规模上能效最高的光伏组件。他在美国和中国建设了高能效光伏电池组件大规模生产线。 徐博士还主导了各种尖端半导体设备的开发（如物理气相沉积、化学气相沉积、原子层沉积、电化学镀膜等）和商业化。在担任全球最大的半导体设备制造商Applied Materials, Inc全球副总裁和金属沉积事业部总经理期间，取得了数十亿美元的年度销售收入。他开创并领导了铜薄膜工艺技术和设备的研发，实现了整个半导体行业芯片性能全面提升和降低成本。徐博士还担任一家快速成长的半导体设备公司的董事顾问，纳斯达克：ACMR。 徐博士在加利福尼亚大学圣巴巴拉分校获得材料科学博士学位。他还拥有日本大阪大学的电气工程博士学位。他在中国浙江大学获得了半导体物理和器件学士学位。徐博士持有104项美国专利。 以下为正文： 06:01 首先，想与Eugene探讨一下，您近期撰写了题为“iPhone Made in USA”的文章。传统印象中，电子产品制造通常发生在中国和东南亚的工厂流水线，您能否简要地向我们说明，是什么促使您撰写这篇文章的呢？ Eugene表示，当时撰写这篇文章是在今年的2月4日，距离现在已经有一段时间了，实际上需要坦诚地讲，仍处于草稿阶段，文章内容写得比较粗略。之所以写这篇文章，与我们今天讨论的主题息息相关，这得益于与徐博士的相识以及与eBots公司的接触，正是eBots所从事的事业为撰写此篇文章提供了基础，在交流过程中，或许这个构思源自徐博士，因此Eugene是以此为背景撰写了这篇文章。 目前大家都关注到，苹果公司宣布将在未来四年内在美国投资超过5000亿美元，该消息是在2月23日之后公布的，而Eugene所写的文章时间为2月4日，所以早期投资人需要抓住机遇。然而，这5000亿美元并非全部用于iPhone的生产，其中一部分被称为Advanced Manufacturing，这也代表了风向。同时，我们大家知道还有台积电，包括韩国的Hyundai，还有日本的Honda这一系列。统计数据显示，截至目前，今年宣布的投资总额约为1.7万亿美元，这些投资与美国的经济活动紧密相关，因此，我们在这个大背景下，也能观察到宏观政策的一些动量效应。 “iPhone Made in USA”无疑是属于消费类电子产品，其成本自然至关重要。过去，人们并不太关注生产地，哪里成本低就选择在哪里生产。然而，随着供应链问题的出现，其他电子产品的生产地选择变得具有更深远的战略意义。基于这样的背景，人们开始思考，我们所强调的这一点非常重要。后面徐博士将会详细描述eBots公司如何在iPhone的美国生产过程中，解决了其中最为棘手的问题，而后续的步骤则相对容易一些。 另一个观点，之所以提出这个议题，与他们作为早期技术投资人的身份紧密相关。这也是TSVC能够持续15年专注于早期投资的原因，必须对市场趋势有所预判，需要预见未来的动向，洞察市场和整体趋势的发展方向。在这前提下，几年前，包括苹果公司首席执行官Tim Cook在内的众多人士都在讨论，苹果公司宣称供应链的问题已经得到解决，并计划将部分生产线迁移到美国，这显然是不切实际的。因为当时的库存全球化就已经解决了这一问题，实现了成本最低、物流最优的模式，这是最优的解决方案。所以，他们声称问题已经解决，游戏已经结束，这显然是不可能的。 那么，撰写这篇文章的另一个初衷，是在于大多数人认为，这个赛道似乎完全没有成功的可能，这类情况在我们的日常生活中屡见不鲜。以SpaceX公司为例，它在大多数人认为不可能实现的时刻诞生了。当然，这件事情尚未成为现实，但我们对此抱有信心，因此这篇文章也是基于这样的信念撰写的。 12:10 在您的文章中也提到了美国制造业本土化所面临的挑战，能否请您进一步详细描述？之后我们再向徐博士提问。 Eugene指出，这个挑战显然与生产成本有关，尤其是硬件方面，例如芯片等。此外，与生产直接相关的成本更为关键，芯片成本所占比例较大。然而，组装成本也是不可忽视的一部分，尽管它并不是最重要的。简单来讲，其中一点涉及是否拥有熟练工人，另一点则是熟练工人的成本问题。实际上，在美国这两点是缺失的。尽管新政府宣布今年二月份新增了一万个生产岗位，从数字上看生产确实有所改善。然而，熟练工人及其成本的影响依旧显著。因此，在这两点缺失的情况下，美国的生产环境并不适宜。 为什么现在出现了这种可能性？关键在于这里的自动化技术。自动化意味着在某种程度上，熟练的工人可能变得不再必需，从长远来看，自动化将引发竞争，我们暂且不谈这种极端观点，还有其他因素，比如其他一些不能轻易转移、成本高昂的东西，整个产业链都在紧密相连，这些都是一系列问题。当然，这非常复杂，但最终如果实现了，你可以将其视为一个电费问题，美国的电费并不比其他国家高。我们也清楚，在台积电的工厂，他们在“Made in USA”的主题下，原本有三个工厂，现在宣布将再增加三个，这将促使整个供应链的参与者都进行迁移。所以今天没有不等于明天没有，我们今天依靠eBots完成了这一最艰难的任务，未来不能排除其他部分也可能被转移，这样就可能构建起一个供应链，并且结合高度自动化的发展趋势。 15:37 针对美国制造业本土化的难度，作为一位成功退出的创业者，第二次创业时为什么会选择这一方向？目前创业的公司成立时的初衷是什么？技术思路是如何规划的？期待徐博士能够继续这个话题。 徐博士认为，国民经济的均衡发展非常重要，不应所有人都投身于金融或服务业。他强调，一个完整的生活体系始于制造，从农业到工业，只有生产出产品，销售和分销才能随之发展，进而推动国民经济的更高层次进步。由于自己在制造业拥有丰富的背景，博士毕业后在Applied Materials从事半导体芯片制造设备工作长达15年，这段经历为他提供了宝贵的制造经验。随后，做solar energy工作，并与特斯拉合作建立大型工厂。对他而言，制造业似乎从未淡出他的视野，反而规模越来越大，大型工厂逐渐演变成巨型工厂。因此，他意识到第二次创业选择制造业的原因：首先，制造业是国民经济的基石；其次，他个人的经历让他对制造业有了深刻地理解。他提出，制造业的一个关键挑战是如何利用人的灵巧性制造机器人，以替代像穿针引线一样需要精细操作的生产环节。 18:54 您是否可以简要地介绍一下您的创业公司eBots，包括它的产品和应用情况呢？ 徐博士强调，eBots产品的核心优势在于融合了现代具身智能与传统机器人技术，以实现柔性、多用途和精密制造，之前提到的智能手机仅是众多应用之一。实际上，eBots主要应用于精密和桌面装配任务，涉及电子和医疗器械等多个领域。目前，客户群体更加广泛，他们认为eBots能够实现精密柔性制造，许多应用都体现了这种柔性。例如，有客户从事数据中心服务器的生产，服务器上的锂线连接可能多达数百条。这些连接若由人工完成，错误率极高，因此他们希望使用机器人来提高效率，这是一个全新的应用领域。再比如汽车行业，虽然eBots之前并未特别关注，但汽车行业的需求却主动找上门来。他们表示，随着电动车的兴起，内部电子元件的连接需求大幅增加，传统的工业机器人已无法满足需求，必须采用更先进的技术。因此，随着技术平台的发展，类似于树木从根部长出叶子和果实，eBots的应用范围也在不断扩展，甚至已经进入半导体设备制造行业，技术专注于手、眼的协调配合，通过具身智能实现手与眼的协同工作，这种能力在各个行业中都是必需的。 21:17 您之前提到，在制造业领域，用机器替代人力的可能性很大。那么有哪些工种的替代过程会比较困难？能否举一些实例？如果eBots在这一领域取得进展，它的潜在市场会如何？ 徐博士强调，目前生产线上的上下料环节相对简单，机器人执行此类工作已能轻松应对。然而，真正的挑战在于柔性与精密组装那部分，他们称之为“unmet market or unmet demand”（尚未满足的市场需求）。做startup的话，首先，避免与他人进行同质化竞争，必须专注于那些他人难以完成的任务。其次，市场需求量要足够大且利润丰厚，这样初创企业才能生存。在难度较大的领域中，柔性组装占据了重要位置。人的灵巧性，即手指与眼睛的协调，是一个柔性过程。例如，拾取棉花线时，其形状会变化，而针孔又极小，如何将其穿过需要精确的视觉和自动化的手眼配合。实际上，在组装小型精密物品时，如手表、耳机或智能手机，操作者需要借助放大镜来进行，这对视力是一个考验。但是，通过计算机视觉技术，结合高精度视觉系统和AI反馈，可以更高效地完成这些任务，不再依赖放大镜。 此外，柔性方面，正如他之前提到的，铝线等材料在电子产品中极为常见。目前，他们面临众多应用场景，客户纷纷排队等待演示，询问这是否可行，那是否可行。实际上，市场需求远超eBots公司初创时的预期。 因字数限制，更多内容请收听音频 欢迎关注“TSVC”微信公众号观看视频，了解更多早期创投相关话题的干货内容！ 加入日常交流群请看海报左下角二维码，添加TSVC小助手，获取更多分享。

2月22日TSVC举办了《打造下一个独角兽》讲座第38讲。DeepSeek的横空出世再次将AI模型的效率问题推到了风口浪尖。DS是怎么做到低成本、高性能的？目前AI需要跨越三个数量级才能达到人类智能的效率，有没有可能突围AI效率困境？在哪些特定应用场景下高效AI小模型可以率先突围？请随TSVC创始合伙人夏淳与模型算法专家陈羽北教授的炉边对话来一起探讨这些问题吧！ 嘉宾： 陈羽北，加州大学戴维斯分校电子与计算机工程系助理教授。本科毕业于清华大学电子系，博士师从加州大学伯克利分校计算神经科学专家Bruno Olshausen教授，博士后师从纽约大学深度学习专家Yann LeCun教授。研究方向为无监督学习与计算神经科学，主要探索人脑及机器学习中无监督学习的基本原理。博士期间获得美国自然科学研究生奖学金，研究工作获得2023年国际表征学习大会(ICLR)杰出论文提名，2020年在硅谷联合创办人工智能公司Aizip.ai。 夏淳博士是TSVC联合创始合伙人，硅谷成功的系列创业家。曾先后创办三家科技公司，研发销售世界上最早的个性化营销系统，以及国际领先的边缘容器技术。他曾任IT行业一代巨头Sun Microsystems首席架构师，是早期云计算技术奠基者之一。除了云计算、芯片、人工智能、智能制造等硬科技投资，夏淳博士在设计和创意领域颇有造诣，并且对社交媒体和社群经济的跨界文化有深入研究。夏淳博士是清华企业家协会（TEEC）创始会员之一，曾任北美分会首任主席。自2001年，他长年服务于青年学生的培养辅导，持续担任清华大学思源计划导师、清华创业孵化器x-lab的创业导师、清华创+逆向创新中心主任，并在硅谷创建了激励青年学生创新创业的公益基金TSVC Giving Fund。夏淳博士是清华大学电子工程学士及计算机硕士，并在美国UIUC大学获得计算机博士。 以下为正文： 03:04 今天参加本次活动的朋友们都比较踊跃，对于DeepSeek有很大的兴趣。在2024年12月的时候，TSVC在LinkedIn就发布过一个帖子，当时DeepSeek还没完全炒热，TSVC便已经关注到它。他们之所以关注这件事，是因为在两年以前，TSVC就清楚有效率的问题。这是从TSVC投资的Aizip陈教授那里学到的，并了解到该公司是专门解决效率方面的问题，这是一个全新的赛道，他们为此非常兴奋。那么DeepSeek这一路走来，证明了这个方向的重要性和成功性。 04:10 陈教授，从你的角度观察，DeepSeek为什么会聚焦到AI的效率问题？这个大背景是什么情况？因为你是长期在学术界多年，那么关于效率方面学术界是什么时候就开始研究了？ 陈教授指出，关于效率的问题，可以从多个角度进行探讨。第一，对于大模型来讲，效率会直接翻译成它的价格，如果效率很低，价格就会很高。对于大模型公司，不仅是提供自己独立平台上的应用，还提供AI的API接口，它的每一次计算，每个token所要花费的算力，会直接翻译成它的价格。对于DeepSeek这样的公司，既做大模型同时也做小模型，这点非常重要，因为既要提供服务和应用，还需要首先考虑到效率的问题。 第二，大模型每次训练已经变得非常贵了，以DeepSeek的一次训练计算，V3模型高达500多万美金，基本上价格是按照一至两美元一小时，用A100大概是一美元一小时，如果是H100在两美元一小时。通常数量比较小，拿到的价格还要再高一些。那么，如果可以提高它的效率，每一次训练的价格也会下降许多。一次训练需要花费500万美金，训练多次它的价格也会相应地增长，所以效率很重要。 除此之外，对DeepSeek的关注度比较高的一点，除了V3模型是去年12月发布的，还有这次的R1模型，其中主打推理和规划的能力。一旦使用在处理问题，其本质是搜索问题，那么搜索其实是非常贵的，如果搜索效率低，开销就增大。举个简单的例子，用DeepSeek R1来解数学题，随便列出一道题365×34-3+8÷2＝767，并对模型说“请加上一对括号，使得这个公式变成正确的”，那么这个模型会去搜索，如果问题稍微复杂一些，更多时候它需要搜索到十五分钟，这样一个问题会用到十万个token，甚至可能更多，如果它的效率很低，那么在使用的过程中，它的开销也会大幅度增加。对于一个商业化的产品，提高效率和降低价格是非常重要的。 从学术界的角度来讲，效率也是非常引人入胜的问题。看自然智能，是指人类和一些动物所具有的智能。相比现在的AI大模型，实际上从功耗或是模型的尺寸，以及从学习的效率来讲，大概都有三个数量级的差距，甚至可能更多。因此，不管是从商业还是从学术的价值来讲，效率都是一个至关重要的问题。而且在早期工业革命时，效率也是一个核心问题，当蒸汽机的第一次出现，它以前的功耗和今天机器的效率作对比，也是将近差三个数量级的。 夏博士补充道，在他的印象中，AI的学术界关注效率方面的问题，斯坦福在研究模型压缩方面至少超过十年了。 陈教授指出，关于压缩方面的问题其实并不是最近发生的，早在1989年，蒙特利尔大学教授，也是魁北克省Mila人工智能研究所的科学主任的Yoshua Bengio 教授，参与发表了一篇很有意思的文章《Optimal Brain Damage》，压缩模型从而减少它的一些参数，使得它的精度不变。应该是在80年代末，90年代初就在研究相关问题了。现在AI的逐渐发展，使得模型压缩变成了一个很有用的技术。但模型压缩仅是一小部分，除了模型压缩以外，还有一系列的问题需要攻克。 10:11 大家比较关心的DeepSeek取得的这些成就证明了哪些方法是有效的？记得陈教授原来讲过AI有三种效率，具体是哪三种？DeepSeek的效率又体现在哪一类？夏博士最早是在去年夏天关注到MoE，并有机会遇到李开复，说他们公司零一就是用了MoE模型取得超高的效率，这是最早了解到MoE完全可以与当时的OpenAI o1大模型相比，这是一个挺好的方向。请陈教授讲讲三个提高效率的方向。 陈教授表示，他对DeepSeek的了解有限，有更多人可能更早的时候就关注他们了，也知道他们一直在发表文章，但真正开始关注是从最近的V3模型开始，他认为V3的结果已经做得非常好了。具体而言，DeepSeek做了两件不错的事情。第一件，是整体的MoE模型，在不同expert上面的load balance不是很均衡，在这个问题上做了一些工作，使得它的load balance变得比较均衡。第二件，是DeepSeek一直在探索模型的结构上是否有可改进的空间，超过一般的注意力机制，V3模型做了一个latent space的Multi Token Attention，这个Meta之前也做过类似的工作，对于效率也有很大的提高。并且前不久，发布了稀疏注意力机制，这个可能要进一步地提高它的效率。 当你做了这两件事情以后，其实都是对模型的结构以及运算load balance做出的一些改进，非常有效地使得MoE它可以获得更好的性能。除此之外，还做了一些底层的事情，对于AI团队来讲永远都是两部分，一个是算法部分，一个是系统部分，两者缺一不可。从早年Google的时期，人们就意识到相关问题，计算和AI算法同样重要。这个逻辑与当年的Google对于Transformer架构的结构支持表现出了相似性，如果同样使用CUDA的kernel支持的话，效率就会非常低。对于做了结构上的改进以后，硬件的使用效率就会较差，所以DeepSeek在改进架构的同时，有一个非常强大的系统团队可以做到写底层代码，把改进后的架构依然做得高效。使得在V3的大模型上就已经获得了相当不错的成绩，而v3是个6000多亿参数的大模型。 最近把DeepSeek推到了风口浪尖上实际上是R1，做了比较直观的搜索功能，基本上是用了自己定义对于数学问题的推理能力。对于数学问题可以非常方便地设立奖励函数，这是一件讨巧的事，主要满足以下两个要求：一个是格式的正确性；第二个是与正确答案完全一样，并且可以计算出正确答案。因此，这两种是最简单的奖励机制。在这基础之上加入思考机制，让模型本身有思考的过程，犹如加了一块白板基本就有推理能力。 他认为，由于V3模型的能力已经足够好，使得在搜索的过程中精度比较高，可以做到自发的方式进行搜索，来获得比较好的推理能力。至于怎么做，又是一个非常简单的方法，对于每一个问题设置100条答案，再从这里面寻找是否有答对的迹象，从这些答对的情况下做出反馈。奖励函数实际上是比较直观的，所以可以用自发的方式。如果看training code一开始的起点不是零，而是有10%左右已经是比较高了，对于盲猜或者直接出100条这样的方式，已经有如此高的概率，其实是把稀疏奖励的问题几乎绕过去了。这是第二个取得的推理能力。 第三个除了推理能力以外，对于R1的小模型还做了蒸馏技术，把大模型的能力通过知识蒸馏技术用在小模型上，这点很有意思。证明在DeepSeek的大模型上，虽然用小模型无法用自发的方式学习到推理能力，但是如果把结果给你，小模型实际上是可以学到，很好的推理能力。让它自己去盲猜，自发方式不好做，因为本身小的模型不够好，但是可以用大模型的方式把正确的答案蒸馏到更小的模型中，并且实现推理能力，他认为这是可以去做的。 夏博士表示，这些都是非常明显的，并且收获了很好的结果。顺着这点往下讲的就是做出R1的小模型了，那么Aizip是聚焦在小模型以及微模型方面，TSVC基金在两年前就开始布局，认为这是一个全新的赛道，在AI领域关注效率的问题，并追求模型的小型化是一个重要趋势。 因字数限制，更多内容请收听音频 欢迎关注“TSVC“微信公众号观看视频，了解更多早期创投相关话题的干货内容！ 加入日常交流群请看海报右下角二维码，添加TSVC小助手，获取更多分享。

1月11日TSVC举办了《打造下一个独角兽》讲座第37讲。制造业机器换人最难换的工位难在哪里？如何做到绣娘一样的“眼到、心到、手到“的灵巧细活？TSVC连续介绍了具身智能在机器换人中大显身手，本期TSVC硅谷访谈厅来与eBots创始人和投资人聊聊远胜人类的精细灵巧机器人，如何赢得世界上最难搞的制造业客户。 嘉宾： 徐博士是一位连续创业者、投资者和公司高管。他是eBots Inc的创始人兼首席执行官，该公司是一家专注于精密制造的智能机器人创新和制造企业。他曾是Silevo Inc的首席执行官和联合创始人，该公司致力于高效光伏电池和组件的研发和大规模生产。Silevo成功地被特斯拉旗下的SolarCity公司收购。 徐博士在太阳能和半导体行业有丰富的经验。他领导开发了商业规模上能效最高的光伏组件。他在美国和中国建设了高能效光伏电池组件大规模生产线。徐博士还主导了各种尖端半导体设备的开发（如物理气相沉积、化学气相沉积、原子层沉积、电化学镀膜等）和商业化。在担任全球最大的半导体设备制造商Applied Materials, Inc全球副总裁和金属沉积事业部总经理期间，取得了数十亿美元的年度销售收入。他开创并领导了铜薄膜工艺技术和设备的研发，实现了整个半导体行业芯片性能全面提升和降低成本。徐博士还担任一家快速成长的半导体设备公司的董事顾问，纳斯达克：ACMR。他还是硅谷知名风险投资公司TSVC的投资合伙人。 徐博士在加利福尼亚大学圣巴巴拉分校获得材料科学博士学位。他还拥有日本大阪大学的电气工程博士学位。他在中国浙江大学获得了半导体物理和器件学士学位。徐博士持有104项美国专利。 夏淳博士是TSVC联合创始合伙人，硅谷成功的系列创业家。曾先后创办三家科技公司，研发销售世界上最早的个性化营销系统，以及国际领先的边缘容器技术。他曾任IT行业一代巨头Sun Microsystems首席架构师，是早期云计算技术奠基者之一。除了云计算、芯片、人工智能、智能制造等硬科技投资，夏淳博士在设计和创意领域颇有造诣，并且对社交媒体和社群经济的跨界文化有深入研究。 夏淳博士是清华企业家协会（TEEC）创始会员之一，曾任北美分会首任主席。自2001年，他长年服务于青年学生的培养辅导，持续担任清华大学思源计划导师、清华创业孵化器x-lab的创业导师、清华创+逆向创新中心主任，并在硅谷创建了激励青年学生创新创业的公益基金TSVC Giving Fund。 夏淳博士是清华大学电子工程学士及计算机硕士，并在美国UIUC大学获得计算机博士。 以下为正文： 04:32 看徐博士的简历，一个是材料科学博士，一个是电气工程博士，都是非常硬核的博士，工作经历从半导体材料到光伏电池的研发和生产，现在又到制造业的机器人，跨度非常大，我们想了解您是个什么样的人？在生活中有什么爱好？能够有如此旺盛的精力。 徐博士表示，爱好也是为了丰富生活，例如他喜欢登山，曾经到过珠峰，同时也喜欢游泳，还爱好骑自行车，周末出去骑个60英里之类的，跟朋友的社交活动会相约去打网球，有各式各样的兴趣爱好丰富自己的生活。 05:53 从第一家Silevo公司成功退出后，因为什么原因激励自己第二次创业？ 徐博士表示，在创业的道路上，创业公司的盈利能力是一个至关重要的问题。但是他认为创业不仅仅是为了实现个人价值，更是为了解决社会问题和满足人们的需求，并能够对社会做出积极的贡献。所以，第一次创业是跟环保相关的，新能源高效太阳能；第二次创业，是因为看到了许多3C电子厂的工人们，他们的整体工作环境非常艰苦，虽然做出来的每部手机都很漂亮。正因为如此，他认为应该把这些生产线进行全面的自动化改造，使得这些工人们能够从生产线上解放出来，再回到大学里去实现他们的梦想。 07:20 请徐博士简单介绍一下eBots是做什么的公司？ 徐博士表示，eBots实际上是AI智能机器人公司，主要用于智能装备制造领域。在过去八至十年间，AI与机器人的结合经历了从理论到实践的转变，使得它能够真正达到手、眼、脑协调配合的程度，呼应我们今天主题所讲的眼到、心到、手到，能够达到灵巧以及精密制造。 08:21 TSVC也有一系列关于具身智能在机器换人中大显身手，但是在制造业里，哪些工位的难度是最大的？哪些工人是最后才能被取代的？为什么？ 徐博士表示，实际上在开创eBots公司之前，在深圳待了很长一段时间，走访了多家企业。其中最难的工位，第一个，是柔性化以及可变形性，这方面的技术难度非常高。例如像头发丝一样细的射频电缆，还有许多电子元件里各种各样的导线、插头、插座之类的都是需要人工操作。传统的机器人，还没有达到像灵巧的绣娘一样去做这件事情，它完全是依靠人类的双手去完成这些较复杂的任务。 第二个，非标准自动化设备确实在一定程度上替代了人工，但是做到一定程度时，发现非标准自动化设备已经无法再去替代人工，如较复杂多任务的装配工作，许多工作需要两只手配合在一起才能完成的装配工作。例如在某些装配行业里，每个工位要完成7步到15步的装配工作，机械臂点对点的编码通常涉及定义机器人目标点的数据结构，因为它每做一步，中间就需要做逻辑的判断，决定下一步该怎么做，而且它的位置是在不断地移动，也就是必须一个目标检测，以及事后估计等等这些工作，使得它能够完成多步骤、多任务的指令，并且是无法分解的一些动作。 第三个，是我们今天所讲的灵巧和精密的机器人，现阶段市场上售卖的6轴机械臂能够完成各种重复性动作，可以达到20微米，因为它只做一件事情，从a到b，再从b回到a。但在实际的整条生产装配以及组装过程当中，它的工作不仅限于从a到b，可能是从a到c、d、e、f等等，还需要在整体的操作空间里进行作业。因此，提到一个概念叫“绝对精度”，而现有的6轴机器人，在没有视觉或没有AI模型引导的情况下，它的绝对精度在500微米到一毫米之间，对于一些精密组装的电子产品，例如手机、手表等等是无法去做这件事的。所以，目前机器换人，归纳总结有三种工位是非常具有挑战性的，但实际上还有很多。 eBots正是找到了装配线上的痛点，总结三种工位来针对性地解决这些问题，能够真正做到机器换人。这些也是客户非常苦恼的痛点，eBots把产品提供给客户，并且解决客户在目前为止很难逾越的一个难点。 13:16 想问一下夏老师，因为TSVC关注具身智能的投资已经很久了，在这个过程中一直在讲具身智能如何在机器换人中大显身手，作为投资人，替代这些工位的市场价值如何？为什么要替换？ 夏博士指出，这是一个很好的问题。首先，替代这些工位与未来的工人群体息息相关，制造业对于他来说并不陌生，曾经在中国长三角、珠三角地区调研了200多家工厂。现阶段，年轻人已不再愿意进入工厂工作，包括在工厂中老一辈工人退休后，年轻人也不愿意接替他们的工作，导致工位空置，这是一件非常令人苦恼的事情。除此之外，人的因素中会受到情绪的影响，相对来说缺乏稳定性，容易导致生产的产品质量出现良莠不齐的情况。还有一些与劳动强度有关，许多工位由工人去做非常辛苦，越是辛苦的工位，也就意味着再去招下一代的工人去替补变得非常困难。随着用工难和招工难问题的日益严峻，自动化技术的价值不断升高，成为众多企业应对挑战的重要策略。除中国以外，尤其是回到TSVC一直主张的美国制造onshore，首先要把工人的问题解决好，这点至关重要，所以很多因素是与工人有着直接性的关联。 16:03 徐博士的eBots发现了这个痛点并且去解决，技术难点在哪里？用通俗易懂的话来解释一下。 徐博士指出，从技术角度观察操作工是如何工作的，首先，眼睛能够很敏锐地捕捉到东西，第一个难点，是需要克服的3D视觉问题，成像时间如果需要一秒或两秒钟的时间会比较慢，对于精密要求非常高，能够看到比头发丝更为细微的东西，这些都是精密灵巧的组装。其次，速度要非常快，基本能够达到实时的效果，可以实时指导机器人两只手的运动，达到真正的精密且可靠的装配工作。 第二个难点，可靠性非常重要，许多训练AI模型我们都知道，模型过度自信导致漏报，过度自卑导致谎报，都会失信。把这些东西都组合在一起之后，发现在生产线上会出现判断失误或动作失误的情况，结果造成良率的损失，而在生产上做的都是高附加值产品。 eBots与许多客户都有合作，基本上每个客户都表示良率达到99.95以上，最终他们的希望值是要达到99.9995，也就是5个9后面再有一个5的良率水平，所以这也是一个超高难点。AI模型，既要有随机性又要有确定性，确定性的可靠性还要很高，随机性可以使多用途方面，模型能够像操作工一样自主学习很多东西，但是一旦操作工被放在某个工位上的时候，必须能够非常可靠地完成任务，不会造成任何的失误。另外，在工厂里，生产线周期确实很短，时间就是金钱，因此提高生产效率是至关重要的。 eBots智能机器人，具备在不同的工位上移动作业，就像操作工一样的给他布置任务后就可以去做，这是通用性能方面。另外，灵巧与高精度，像绣娘一样拿起来一个很微小的东西就可以做起来。下面播放视频进行演示，eBots是如何很灵巧地去做这些小东西的。 演示环节： 现在给大家一个基本的感官认识，这是一个基本的技能训练，两个机械臂的前端是镊子，在互相交替地来回传递东西，实际上工位上的动作非常多，通过深度学习，把机器人训练成可以抓取东西。例如在工厂里，细如发丝的0.6毫米的射频天线用在手机上，无序地放在一个容器里，机器人可以找到一个最佳点抓取起来，一个动作一个训练，可以使小东西能够灵活地进行，而且可以24小时不分昼夜地运行，这是一个很重要的动作，相当于人的两只手抓着两把镊子在干活。 23:15 问一下夏老师，TSVC作为eBots种子轮投资人是看中了什么？为什么要投eBots？ 夏博士表示，TSVC基金是做早期种子轮的投资，利用独角兽三要素“天时、地利、人和”三个方面。“天时”指市场宏观的时机，有需求就会有市场，在美国，劳动力短缺的问题依然严峻，工人需求变得更加旺盛。实际上，许多操作工对技能有一定的要求，像绣娘一样，不是任何一个人都可以去做这件事，哪怕训练都不一定能够做好，还是存在一定的难度。这是市场端开始的好时机，现在正是需要有这样的解决方案。 “地利”是讲产品定位。做的产品，做的机器人用在什么方面？例如一般作为装料、卸料、码垛的机器人做的人非常多。TSVC之所以看中徐博士的eBots，因为他挑选了一个基本上是机器人里难度最高的精密加工，针对柔性。TSVC进行投资时分析，像绣娘一样做类似于穿针引线的活，传统的机器人根本做不到，确实是要求眼到、心到、手到，这些都能够无间的配合。同时还了解到，它的精确度已经超越了人类，精度达到22微米，即0.02毫米，这是非常高的精度，已经达到了微雕的层次，而且它是柔性的，这项技术的难度可想而知。 “人和”是看徐博士本人，他本人非常愿意接受高难度挑战，因为他过去在大公司里已经做到了高管，以及第一次的创业公司也很成功地被特斯拉并购，并且在特斯拉也工作过一段时间，他的职业生涯已经是很成功了。那么，在这之后他还愿意接受高难度挑战，的确令人钦佩。这类创始人有愿意挑战自己的勇气，并且有强烈的自我信念，一定会比原来在大公司做VP时还要难，一定比之前做新能源的公司难度还要大，所以非常看好eBots公司，他们认为一般的创始人很难坚持下去，既要坚持多年，还需持续地付出很多努力，而且更重要的是，创业难度增大后更能静下心来打磨产品，这点也是夏博士非常欣赏的。因为真正的好产品，能够进到工厂里使用在生产线上做高精密的零件加工，这绝不是短时间内就能够做到的，必然是经过了长时间的潜心打磨。 因字数限制，更多内容请收听音频 欢迎关注“TSVC“微信公众号观看视频，了解更多早期创投相关话题的干货内容！ 加入日常交流群请看海报右下角二维码，添加TSVC小助手，获取更多分享。

11月16日TSVC举办了《打造下一个独角兽》讲座第35讲。很快川普要在美墨边境把非法移民拦住，农场的劳动力短缺问题火上浇油。Beagle的农业机器人必将大显身手。怎样让传统的不能再传统的农场拥抱前沿AI技术？如何做到高利润高成长？本次访谈Beagle的创始人方洋博士，同时分享两年前TSVC为什么会看中并投资Beagle。 嘉宾： 方洋博士是Beagle Technology公司的创始人和CEO，专注于人工智能和机器人技术在农业生产方面的应用。在创办Beagle Technology公司之前，方洋博士是Veridis AI的联合创始人和CEO。Veridis AI是2017年最早在加州Livermore地区给大规模葡萄园提供无人剪草拖拉机的公司。方洋博士对农业和科技的结合有深入的研究。方洋博士在医疗器械和汽车电子方面工作多年，积累了大量复杂环境中的工程落地经验。方洋博士是中国科技大学自动化系学士，在美国密歇根州立大学获得电子工程和计算机博士。 夏淳博士是TSVC联合创始人，硅谷成功的系列创业家。曾先后创办三家科技公司，研发销售世界上最早的个性化营销系统，以及国际领先的边缘容器技术。他曾任IT行业一代巨头Sun Microsystems首席架构师，是早期云计算技术奠基者之一。除了云计算、芯片、人工智能、智能制造等硬科技投资，夏淳博士在设计和创意领域颇有造诣，并且对社交媒体和社群经济的跨界文化有深入研究。 夏淳博士是清华企业家协会(TEEC)创始会员之一，曾任北美分会首任主席。自2001年，他长年服务于青年学生的培养辅导，持续担任清华大学思源计划导师、清华创业孵化器x-lab的创业导师、清华创+逆向创新中心主任，并在硅谷创建了激励青年学生创新创业的公益基金TSVC Giving Fund。 夏淳博士是清华大学电子工程学士及计算机硕士，并在美国UIUC大学获得计算机博士。 讲座目录： 01 活动概要 02 为何不选择设计人形机器人？ 03 实现机器替代人力，是否考虑构建无人农场提高工作效率？ 04 为什么选择做农业？ 05 为什么选择投资农业？ 06 Beagle的具体定位是什么？技术有哪些独特之处？ 07 Beagle起步都是tier1客户，在销售方面，短期与长期的利弊是什么？ 08 对于传统农业，如何利用传统的销售渠道实现高利润和高增长？ 09 作为Beagle种子轮的投资人，您如何利用中国供应链提供帮助？ 10 未来的Beagle公司的发展有何规划和愿景？有哪些方面可以与观众进行合作？ 以下为正文： 03:12 活动海报上展示的是一台Beagle的机器人，其外观完全看不到任何人类的特征。在人形具身智能特别火的时候，两位嘉宾能否分享一下，为何不选择设计人形机器人？ 方博士指出，具身智能并不意味着必须具备“身”字所暗示的人形特征。实际上，具身智能更多地指的是AI和机器人的软件系统，在与物理世界的环境发生交互的情况下，能够产生各种应用。那么，为什么具身智能Beagle的产品看起来并非人形呢？在农业领域，如果将产品设计成人形，这本身会导致很多问题，而客户所寻求的并非此类解决方案。实际上，是将人工智能以及机器人软件集成，并重新整合到传统的农机中，从而提升其智能化水平，使其变得像活动海报上的机器人一样。通过这种方式，将传统农机改造成二轴机器人，可以大幅度减少对劳动力的需求。因此，具身智能不是因为有一个“身”字就一定是人形。 夏博士补充道，他们最近成功完成了一项私募基金投资于具身智能的项目。他们还邀请了方博士以及同行业的创业者们去分享，同时也有来自垂直领域的投资人参与，他们带来了丰富的行业知识。大家普遍认为，人形机器人目前仍处于早期阶段。尽管许多大型公司取得了一定的进展，但要实现能够有效解决实际问题的产品，仍需要一些时间。快速实现应用落地，仍需依赖于垂直行业的深入参与。方博士将为大家提供更详尽的介绍。 夏博士之前看过一个关于农业的有趣视频，展示了一个人形机器人，它一手抓着麦子，另一手挥舞镰刀进行收割。这让他想起了小时候接受的教育，那时介绍的是现代化的苏联康拜因联合收割机，那是30年代的事了。经过了100年的发展，如今在农田中，没有任何机械采用人形机器人那种一手抓麦穗一手挥镰刀的工作方式，取而代之的是配备24把大型剪刀的机械，它们可以同时高效地运作，其效率远超人形机器人，这确实是一个有意思的现象。 06:20 既然Beagle致力于开发机器人，以实现机器替代人力，是否应该考虑构建一个无人农场？那么，在漆黑的夜晚下，机器人也能高效地在田地干活，这是否意味着工作效率会更高？ 方博士表示，他同样期望无人农场的概念最终能够实现，然而，从当前的情况来看，这一目标在短期内难以达成。以收割蔬菜为例，在农场中，收割完毕的蔬菜需立即进入冷冻舱进行冷冻，然后在次日被运送到沃尔玛及其他零售卖场。若要实现无人农场，不仅收割过程需要自动化，后续进入冷冻舱也必须自动化，同时，运输卡车的配送也必须同步晚上输送。实际上，这涉及很多的供应链问题，非单一环节所能独立解决。因此，农场并不一定非要实现无人农场。此外，例如在特朗普当选后，方博士第二天就接到了客户的电话，询问项目的最新进展以及何时能进行演示。鉴于在美国农场用工大约有50%是非法移民，这对农场主而言，无疑是一个巨大的压力。 夏博士补充道，工厂环境具有一定的限制性。例如，出于安全的考虑，工厂被铁栅栏围墙所环绕，禁止无关人员进入。此外，工厂地面平整，机器人无需使用双足或四足行走，其设计完全适应了机器人的运转。然而，一旦涉及农田干活，情况就变得复杂了。 09:25 方博士以前是中科大自动化系，之后到密歇根州立大学完成了计算机的博士学位。那么，您为什么选择做农业？请分享您创业的历程。 方洋博士强调，TSVC为他们提供了很大的支持。夏博士同样具有工程师背景，这使得他们之间能够产生共鸣。他最初萌生创业的想法是在2017年，当时自动驾驶技术比较火爆。由于他所在的公司即将被收购，加之工作内容单一，他便产生了创业的念头。从工程师的视角来看，既然自动驾驶技术已经实现，那么开发自动驾驶拖拉机似乎更为简单。他和他的合伙人最初在北加州的Livermore地区，向大型葡萄园的农场主展示了剪葡萄枝的自动化过程。在这一过程中，他们遇到了许多挑战，并逐渐对农场和客户有了更深入的了解。他本人喜欢那些具有颠覆性的行业，在频繁与客户接触的过程中，他意识到客户急需帮助。这些客户最终就像朋友一样，有时甚至主动寻求解决方案，因此他对客户群体抱有深厚的感情。尽管在第一次创业经历中遇到了问题，但在第二次创业时，他依然选择了相同的领域。第一次创业的初衷更多是出于个人想要创业的冲动；而第二次创业，则是在深入了解市场需求和市场化的前提下，需要考虑更多的因素。 12:37 夏博士为什么选择投资农业？ 夏博士指出，早在两年前，TSVC便开始在具身智能领域积极布局，当时该领域尚未形成。鉴于AI从计算机视觉到大模型已有一定的成熟度，开始实现落地成为可能。首先，针对他们较为熟悉的工业领域，早在2016年甚至更早，夏淳博士曾指导阿丘科技进行质量检验，并对200家工厂进行了深入调研。在农业领域，遵循投资原则，以发现未来独角兽的三要素”天时、地利、人和”为核心。 “天时”代表着市场中出现的重大机遇，技术上已经达到了一定的成熟度，最关键的是美国农场正面临劳动力短缺的问题。在投资阶段，拜登政府实施了驱逐非法移民的政策，这表明依赖非法移民作为劳动力来源的不可持续性。从宏观趋势来看，年轻人已不再愿意从事农业工作，包括在工厂中老一辈工人退休后，年轻人也不愿意接替他们的工作。因此，“天时”代表了一个巨大的机遇，农民的人口结构存在显著的缺口，农场主对劳动力的需求十分迫切。 在“地利”方面，需求催生产品。作为基金，他们每年要看成千上万个项目，关注农业领域也比较多。例如，物联网技术利用传感器监测土壤湿度，预测降雨情况；同时，通过分析卫星图像和遥感数据，能够预测农作物产量及潜在的自然灾害等。然而，这些项目往往难以实现大规模发展，因为所有他们评估的项目都必须通过独角兽测试，以评估其成为未来独角兽的可能性有多少以及能否达到相应的规模。从产品定位的角度来看，机器换人这件事更为可靠，也更容易扩展。 夏博士与Charlene曾一同前往葡萄园，目睹了方博士的拖拉机在田间高效运转，他们对亲眼见到方博士的产品定位过程感到非常高兴。一个关键因素在于Beagle专注于高附加值农作物，而在农业项目中，那些低附加值的产品，如玉米和大豆，往往很难挣钱。然而，方博士制造的机械却相当巧妙。起初，他专注于葡萄方面，这是一个收益更为可观的方向。在TSVC进行投资时，方博士已经明确表示，他计划未来会转向蔬菜，选择的都是那些盈利较大的方向。 “人和”指团队方面，方博士不仅是一位技术专家，更重要的是，他的初创企业展现出了成长的历程，他在农业方面也非常有热情。夏博士特别印象深刻的是，方博士能够准确把握到客户的痛点，并在抓住痛点后狠下功夫，一定要把产品做好，这对于一位创业者来说是很重要的素质。因此，从人的角度来看，他们认为方博士做这些事很用心。此外，还有一个例子也打动了夏博士，在投资之后，方博士有一台样机做好后拿到客户那里进行测试，测试之后客户说样机留下来，他要一直用下去。夏博士投了这么多项目，这还是他第一次听到最好的PMF故事。总体而言，农民还是很淳朴，给他讲天花乱坠的故事，比如说AI或者大模型他们根本听不明白，而通过机械设备的演示，他们能够直观地看到实际效果。 方博士补充道，在向客户介绍Beagle产品技术时，他有时不使用“AI”这一词语。例如，他会称之为智能相机。对于客户而言，只要产品能够正常运作，无论是AI技术还是被称为智能相机，并不重要。采用“智能相机”的说法，在销售过程中更容易被客户理解，从而有助于产品的推广。 因字数限制，更多内容请收听音频 欢迎关注“TSVC“微信公众号观看视频，了解更多早期创投相关话题的干货内容！ 加入日常交流群请看海报右下角二维码，添加TSVC小助手，获取更多分享。

12月14日TSVC举办了《打造下一个独角兽》讲座第36讲。种子基金必须像创业公司一样，第一个发现全新赛道并勇敢布局， 否则待到赛道火热时，已经错失最佳投资时机。本期请TSVC的两位联合创始人回味14年来发现新赛道的激动与不安，展望2025及未来三至五年可能出现新的投资方向。 嘉宾： 张于庆先生2010年创办TSVC，硅谷第一家大陆华人的种子基金。曾创建芯片设计工具公司Jeda，以及硅谷第一家华人创业孵化器Innospring。作为TSVC的掌门人，他主导了多个TSVC的独角兽投资，包括Zoom，Ginkgo Bioworks，Carta等，是ZOOM获得的第一家机构投资者支票的签署人，在硅谷华人种子轮投资人中业绩保持第一。张于庆先生积极服务于青年学生成长及创业创新者的各种组织，曾任清华企业家协会TEEC的理事会成员，TEEC北美分会主席。他还是硅谷公益基金TSVC Giving Fund的创始人。张于庆毕业于清华大学电子系，在SyracuseUniversity获得硕士学位。 夏淳博士是TSVC联合创始人，硅谷成功的系列创业家。曾先后创办三家科技公司，研发销售世界上最早的个性化营销系统，以及国际领先的边缘容器技术。他曾任IT行业一代巨头Sun Microsystems首席架构师，是早期云计算技术奠基者之一。除了云计算、芯片、人工智能、智能制造等硬科技投资，夏淳博士在设计和创意领域颇有造诣，并且对社交媒体和社群经济的跨界文化有深入研究。夏淳博士是清华企业家协会(TEEC)创始会员之一，曾任北美分会首任主席。自2001年，他长年服务于青年学生的培养辅导，持续担任清华大学思源计划导师、清华创业孵化器x-lab的创业导师、清华创+逆向创新中心主任，并在硅谷创建了激励青年学生创新创业的公益基金TSVC Giving Fund. 夏淳博士是清华大学电子工程学士及计算机硕士，并在美国UIUC大学获得计算机博士。 主持人： Lynn Duan是硅谷创业社群AI+创始人，AI+是一个致力于深度探索人工智能在各垂直领域中的价值的AI创业社群。AI+至今已经连接了1500+创始人，200+投资人和企业伙伴。 讲座目录： 01 活动概要 02 请先回忆一下去年年底做的展望和预测？ 03 明年2025年，什么样的机会让我们创始人大幅度入场？ 04 对技术方面有哪些预测？ 05 之前避开了什么样的赛道？什么样的赛道是不能跟风的？ 06 TSVC投中了什么赛道，又有哪些赛道未能达到预期？ 07 现在入局AI到底能投一些什么样的赛道？ 以下为正文： 03:07 TSVC每年都会举办一期对于明年的展望，请先回忆一下去年年底做的展望和预测？ 夏博士表示，从2022年开始，TSVC每年举办年终总结活动，这是第三年，其中产生了很多有意思的内容。2023年因为AI逐渐火爆的程度，他们从AI方面选了三个方向去做预测：第一个方向是具身智能，TSVC之前也投资了多个项目，有做工业机器人的eBots和做农业的Beagle，还有跟人形有关做灵巧手的Dexmate，这些方面都有布局。第二个方向是Collaborative Multi-Agent，因为AI Agent今年非常火爆，关于Multi-agent看到有一些项目，但是在多个Agent的系统中如何与其他Agent协作，现在基本上还没有看到，还处于发展阶段。第三个方向，去年预测的Affective Computing，即情感计算，主要是为了给AI加上情商的能力，现在还是没什么人去做，所以我们再看看到了明年会如何发展。 Lynn表示，刚才夏淳老师说的这三大趋势，其中有两个今年是非常火爆的，也看到很多人在做。并且情感计算Affective Computing，是通过AI的基建差不多完成之后，再着手的项目，所谓入场券的角色。两位老师对于去年的展望，到今年来看是很成功的，因为现在有很多新的硅谷的项目，已经开始大幅度入场了。 05:27 明年2025年，什么样的机会让我们创始人大幅度入场，请Eugene和夏老师一起分享一下。 Eugene从各个行业关心的事件，结合个人的一些看法，总结了十条观点： 第一个观点，是人们都熟悉的，2021年多数人都要投资的SaaS行业。迄今为止，SaaS行业的高速成长阶段已经进入尾声，甚至已经进入终结。把一个标准化的产品，卖给成百上千甚至上万的企业客户，这个高速成长的时代已经结束了。 第二个观点，是AI Agent具有更高的价值，其中有两个关键词“提供服务”和“结果”。“提供服务”这一词语过去显得较为廉价，公司的估值就会有所降低。但现在会发生巨大的变化，高估值会通过服务和结果来获得，每个客户将会得到独一无二，个性化专有的产品服务。 第三个观点，实际上是讲到了夏老师也提及多次的，在美国生产这件事是否可以做？在美国有一些早期的项目，能够把“美国制造”变成现实，估计在2025年会在动力电池供应链里发生早期成功的迹象。 第四个观点，从概念上认为以前不可能的事情，例如iphone在美国本土制造，在2025年会从概念上不可能的事情转变为可能，需要有创业公司的具身智能机器人，来完成自动化制造的事情。 第五个观点，AI会让很多低利润业务转变为高利润业务。例如企业雇用了很多工人，原来利润是20%，通过AI优化后，利润能够达到60%至70%，这是一个非常大的变化。以前商业化不可想象，理论上的不可能实现的，会转变为可能。另外，对于原本高利润业务的软件公司，利润达到70%以上，之后会变得更高。当然投资人会更加喜欢，股票也会更高，同时也会带来负面效果，其中会面临一些困难和挑战。 第六个观点，新涌现的成功的创业公司会用智能体出售服务，甚至销售结果。去年预测时偏理论居多，但是2025年很多公司会真正为出售服务创造收入的价值。例如在法律技术方面，可以帮助律师事务所提高工作效率；做电子商务的公司，可以帮助销售业绩的增长从中赚取提成。原本一个月销售100万，用了AI之后需要销售200万，如果做不到AI就不具备这一价值。AI的真谛，是要把效果带给客户，你才有可能与客户一起来分享业绩增长中的提成。假设销售产品，用10万的成本赚取200万的收益，那么所有人都可以去做，这是在AI之下就有可能发生的，现阶段已经看到有公司在往这方面的商业模式上行走，相信2025年会从理论变为现实。 第七个观点，在医疗领域中，AI比人类医生能够更好地做出准确的诊断，同样也是在出售结果。现阶段，专家用传统的诊疗方式无法做出的诊断，而AI的解决办法可以帮助病人更好地做出诊断。例如肺癌，AI通过深度学习，可以做出准确的病情诊断。 第八个观点，还是回到了法律技术，按照传统，一位律师的咨询服务是按照小时来付费，这点也会进入尾声。例如一位律师的咨询服务每小时收费1500元，客户在这期间并不清楚到底需要多少小时完成一个项目。之所以会这样，一定是有人用了AI以后能够提高十倍的效率，并且通过小团队就能够做到，采取这种模式可以根据项目情况，而不是根据十位律师每个人的时间，只要有人做出这一产品，整个商业模式会被彻底颠覆，所以一些律师事务所会用AI大幅度降低收费并提高工作效率，这是对法律部门变化的一个判断。 第九个观点，以上讲的几点AI的预测，势必会带来很大的挑战，人们即将面临失业。但这一挑战是在个人的职业生涯当中会出现的问题，同时又会创造另一个机会。例如有了AI之后，原来需要十个人完成的一件事，现在仅需要两个人，在这项工作或者这个游戏中，如何能够成为其中的两个人，这点至关重要。从另一个角度思考，在十个人的团队里被AI化以后，怎么能够成长为其中的两个人，而不被替代。例如高级软件工程师在工作中起到监督协调作用，做出判断并减少失误的职责，通过工作中的实践不断地积累经验，但是真正写代码的需求量大幅度降低，如果中间没有锻炼的机会，就晋升不到至高级软件工程师的职位，上升路径被切断。 另一个例子是律师事务所，一开始是资历较浅的律师，将来上升为合伙人，合伙人要能够应对各种情况，以及具有丰富的行业经验，客户才愿意支付昂贵的咨询费用。但是AI化之后，从低到高的成长空间，中间这一层的路径被彻底切断，这也是非常可怕的事情。具体通过什么办法来解决这一问题，暂时还没有得出答案，但是会在很多行业发生，这种职业成长的危机会变成现实。 另外，AI的接受程度在大范围内呈现出不同的趋势，也许从开始到之后的3～5年，最大的阻力会来自人类。他们认为工作都被AI取代了，失业率升高，会出现很大的阻力。例如，码头的工人使用自动化机械会受到很大的阻力，或者在SaaS公司，利润已经达到90%，利用AI可以使利润更高，股票增长更快，但工人人数并没有增长。这一现象将对社会产生负面影响，这点也是值得大家探讨的。 第十个观点，多数人都很关心移民政策，新上任的特朗普政府对移民会有什么政策，新的留学生是否能够到美国？这方面可以大胆地猜测一下，现政府里存在两派制，一派较保守不希望外国人的加入，另一派是希望VC可以进入政府，只要能够取得高学历就可获得绿卡，这两派后面也会很快地进入到非常重要的对抗中。马斯克的移民政策会得到特朗普政府的支持，也会往好的方向发展，他们作为新一代的移民，会持续看到之后的发展。 最后加一个观点，在这一情况下，2025年的股市会是牛市，公司利润会越来越高，同时会有更少的条例被约束，股票市场更加看好，尤其是比特币会创新高，也许超过20万美元。 Lynn表示，刚才Eugene老师已经基本把主要的赛道，包括几大领域，以及一级二级全都覆盖了。其实Eugene老师说的预测，她个人认为TSVC确实是看了很多项目，经历了几个周期。她之前是做SaaS的，Eugene老师刚刚说那几点也非常赞同。现在高速增长期已经结束，接下来是靠非标准化的产品服务和结果这两项去取胜。作为一个在SaaS做了五年的人来说，这五年的区间，还是没有看到从增长到衰落的这一步。但是回看之前的15年，能够看到完整的SaaS的爆发性增长，到现在逐渐停滞，变为平原化的曲线，所以也印证了Eugene老师的预测。 因字数限制，更多内容请收听音频 欢迎关注“TSVC“微信公众号观看视频，了解更多早期创投相关话题的干货内容！ 加入日常交流群请看海报右下角二维码，添加TSVC小助手，获取更多分享。

10月26日TSVC举办了《打造下一个独角兽》讲座第34讲。当前AI的泡沫化突出表现在商业化落地的困难，然而具身智能把AI通过机器人运用到物理空间，在机器换人，缓解劳动力短缺方面立竿见影，商业上迅速落地产生效益。然而机器换人在技术上挑战极大，尤其是机器换人手。本讲座解析具身智能在“机器换人”中的核心挑战，分享前沿应用案例，展望具身智能未来发展的无限可能。 嘉宾： 陈涛是Dexmate 联合创始人，麻省理工学院(MIT)博士,卡内基梅隆大学(CMU)硕士,师从Skild.AI创始人Abhinav Gupta教授。十余年机器人研发经验, 是应用强化学习控制足式机器人和机器人灵巧手操作, 以及AI在跨硬件平台机器人上的通用模型开发的先驱研究者之一。在灵巧手领域贡献多项开创性成果,首篇一作论文荣获机器人顶级会议CoRL 2021最佳论文奖,第二篇一作论文发表于机器人顶尖期刊科学杂志子刊《Science Robotics》。 夏淳博士是TSVC联合创始人，硅谷成功的系列创业家。曾先后创办三家科技公司，研发销售世界上最早的个性化营销系统，以及国际领先的边缘容器技术。他曾任IT行业一代巨头Sun Microsystems首席架构师，是早期云计算技术奠基者之一。除了云计算、芯片、人工智能、智能制造等硬科技投资，夏淳博士在设计和创意领域颇有造诣，并且对社交媒体和社群经济的跨界文化有深入研究。夏淳博士是清华企业家协会(TEEC)创始会员之一，曾任北美分会首任主席。自2001年，他长年服务于青年学生的培养辅导，持续担任清华大学思源计划导师、清华创业孵化器x-lab的创业导师、清华创+逆向创新中心主任，并在硅谷创建了激励青年学生创新创业的公益基金TSVC Giving Fund. 夏淳博士是清华大学电子工程学士及计算机硕士，并在美国UIUC大学获得计算机博士。 讲座目录： 01 活动概要 02 为什么具身智能现在这么火爆？ 03 目前市场上的具身智能，哪些公司或产品具有代表性？ 04 之后研发的机器人都会聚焦在人形上吗？ 05 解决实际性问题，其中有哪些挑战？ 06 当前市场上的灵巧手发展到什么程度？ 07 从技术角度讲，有哪些秘密来源可以真正做到灵巧？ 以下为正文： 我们感谢今天到场的每一位观众，我们非常高兴每个月都能和大家聊一聊近期发生的新鲜事。最近，连着几期的活动都在聊具身智能。为什么具身智能又变得炙手可热了？从TSVC基金的投资视角来看，AI还存在一定的泡沫现象。去年，我们看了非常多偏底层的AI项目，但这些项目距离落地还存在一定的差距。即便是那些能够商业化并迅速产生收益的应用，也面临着诸多挑战，目前仍处于探索阶段。但反过来看具身智能的领域就很有意思，可以利用技术，通过机器人的方式运用在物理空间，有立竿见影的效果。TSVC基金投资的机器换人的项目，受到了投资者的热烈追捧。相比之下，有些项目坚持了两年左右，很难再增长并且盈利，这个时候再去看具身智能的领域，机会大很多。接下来，请陈博士为我们分享他的见解。 05:12 从一个创业者的视角来看，为什么具身智能现在这么火爆？实际上，早在十年前，我们就已经听说过“Embodied AI”这一术语。 陈涛博士指出，“Embodied AI”这一概念不仅在十几年前就已存在，实际上，早在2019年他刚开始读博时，MIT就已专门成立了名为“Embodied AI”的研究组。该研究组由几个实验室整合组成，包含计算机视觉、触觉、机器人、计算机图形等多个领域的研究。目前，当我们谈论“Embodied AI”，我们通常指的是AI系统如何跟物理世界发生交互；这与像ChatGPT这样的模型形成鲜明对比，后者更多的是虚拟世界中的交互。然而，当AI系统与真实物理世界发生交互时，例如，如何让AI系统帮忙打开一扇门，这类技术被称为具身智能。 那么，为何在过去几年特别火爆呢？从市场的角度来看，当前劳动力短缺的问题日益加剧。未来几年，全球平均每六名员工中可能就将有一位是年长的员工。这一趋势无疑将导致在特定应用场景中难以招募到员工，同时对需求端的影响尤为突出。 从供给端方面，有三点原因：第一，硬件成本快速下降，以2016年中美（国际）机器人挑战赛为例，当时有很多全球顶尖的机器人团队参赛，包括麻省理工学院和卡耐基梅隆大学等顶尖学校都派出精英团队，做了一个类人形机器人，当时的造价都在百万美金以上。如今，情况大不一样，可以利用非常丰富的供应链，造出几万美金的一个人形机器人，这对商业落地来说是一个先决条件。第二，会有一些头部公司起到推波助澜的作用。例如，马斯克的顶级科技公司推出的人形机器人Optimus，正对此领域有推动作用。第三，非常重要的原因在于AI智能，这其中有一部分是生成式AI，人们接触的也比较多，与文生图、文生视频，或者像ChatGPT这类的技术比较接近。此外，机器人领域还有一些未知的AI技术的进步，如仿真器的大幅加快，强化学习在机器人里的应用日益成熟，以及模仿学习的算法和架构的不断完善，共同推动了具身智能的爆发。 夏淳博士表示，我们TSVC一直讲的创业成功的独角兽三要素，即“天时、地利、人和”，当前是“天时”非常好的时机点。 09:20 说说目前市场上的具身智能，帮助我们理解。哪些公司或产品具有代表性？ 陈涛博士指出，近一两年来，中美和欧洲的许多公司开始涉足具身智能领域，其应用范围较广，这不仅限于人形机器人，还包括类人形机器人，以及各种足式机器人和无人机搭载AI的算法。例如，在特斯拉的We Robot发布会上，公司展示了名为Optimus的Tesla人形机器人，并展示了最先进的灵巧手，其自由度达到20多个维度，近乎接近于人手，这是硬件研发非常具有代表性的公司。 此外，具身智能更偏软件类的，目前在美国有几个知名的公司。首先是Physical Intelligence，他们研发的AI模型几乎能够适配所有硬件，能够控制UR机器人、Franka机器人、宇树机器人以及Fourier机器人等，这些机器人的研究方向都能被他们的AI模型所控制。这类公司的特点是专注于软件和AI模型，而不涉及硬件，硬件通常通过供应商购买。这两类是具有代表性的公司。 夏淳博士表示，目前市场上似乎存在一种普遍的误解，即具身智能几乎都是人形的，刚才陈博士也说明并非都是人形。TSVC自己所投的项目中，实际上非人形机器人反而盈利性更高，它们通常服务于特定的垂直市场。例如，在农业领域的应用，使用人形机器人去割麦子，一手割麦一手拿镰刀，效率非常低。相比之下，采用机器人拖拉机一路开过去，配备24把大剪刀一起运作，可以实现飞快的速度。这是一个较清晰的例子。 12:18 之后研发的机器人都会聚焦在人形上吗？还是会有怎样的发展方向？现在的热点都在人形机器人上。 陈涛博士指出，其中有一些理性因素，也有一些非理性因素。我们人类会自然而然地去喜欢一个人形机器人，如果让机器人帮忙做家务，我们更希望它是一个人形机器人的形态，这是感性层面的倾向。从应用层面来看，机器人是人形或者非人形，并没有那么重要，关键还是要把需要做的事情给完成。举个例子，工业革命之所以成为重大转折点，并对生产效率产生深远影响，并非因为人的生产力变高，而是因为人类开始利用机器，从而提高了整体的生产力，人类擅长使用各种工具来提高效率，并不意味着人类本身具备这些效率。 从落地角度来看，肯定会存在很多适用于不同垂直领域特殊专用的机械。这些机械从前设计用于执行单一任务，但随着时间的推移，它们已经发展到能在其领域内完成多项任务。在未来，这些机械并不会仅限于人形机器人的形态。举个例子，人们去做体力劳动时，会借助各类工具来辅助完成工作，因为很多事情若不借助工具根本完成不了，这正是机器具有的价值。这些工具就会顺其自然地整合到机器中，而不需要先通过造一个类人形机器人再去学会使用这些工具。从落地的角度来看，非人形机器人的使用价值更大，它们可以更好地满足实际需求和适应各种工作场景。 14:30 具身智能其本质是能够提高效率，解决实际性问题，能够落地的一些工具。其中有哪些挑战？为什么灵巧手会成为瓶颈？如果没有做好的话会阻碍我们的发展。 陈涛博士指出，Dexmate团队在过去的研究中，涉足了机器人的多个领域。最早是机器人导航，这项技术模拟了人类眼睛的功能，能够识别周围环境里的布局，从而让机器人能够移动；后来他们的研究重点转向了四足机器人控制，这类似于人类的腿；最后做到了手部。这些研究方向转变的原因如下： 从技术成熟度，机器人导航和机器人足式控制的技术成熟度越来越高。从整体应用价值来看，假如机器人不具备操作能力，即没有高效的“手”，在很多落地场景中，它将无法提供最大的经济价值。以工厂巡航为例，虽然无人机和自主机器人都是可行的选择。但是碰到一扇门，它们便会有阻碍过不去，其中最需要的能力在于整体的操作能力，即遇到新状况能够有应对办法。甚至，机器人的前面有障碍物挡住了去路，它可以主动地把这件事情解决，而不是依赖外部帮助或对环境进行改造。因此，从落地场景来说，操作能力的经济价值是至关重要的。 另外，现阶段工厂里的流水线，许多环节已经实现了自动化。特别是在汽车制造工厂，工业自动化程度极高。然而，在某些环节，我们仍然可以看到人工的存在。雇佣人员不是因为人类有非常灵活的脚，而是因为人类有一双非常灵活的手，可以去做机器还做不了的事情，因此，下一步机器换人的重点在于，使机器人能够拥有像人手一样非常灵活的操作末端。 因字数限制，更多内容请收听音频 欢迎关注“TSVC“微信公众号观看视频，了解更多早期创投相关话题的干货内容！ 加入日常交流群请看海报右下角二维码，添加TSVC小助手，获取更多分享。

9月28日TSVC举办了《打造下一个独角兽》讲座第33讲。当AI大模型如火如荼之时，你是否知道，AI小模型和微小模型聚集起来，要远大于大模型。小模型和微小模型使得AI无所不在，哪怕是没有网络的地方。同时，AI小模型以极低的成本和最小的能耗，触达物理世界的各个角落。让我们跟随TSVC创始合伙人夏老师与“CNN之父”LeCun的高徒陈羽北教授的一对一对话来体验AI小模型的魅力！ 嘉宾： 陈羽北，加州大学戴维斯分校电子与计算机工程系助理教授。本科毕业于清华大学电子系，博士师从加州大学伯克利分校计算神经科学专家Bruno Olshausen教授，博士后师从纽约大学深度学习专家Yann LeCun教授。研究方向为无监督学习与计算神经科学，主要探索人脑及机器学习中无监督学习的基本原理。博士期间获得美国自然科学研究生奖学金，研究工作获得2023年国际表征学习大会(ICLR)杰出论文提名，2020年在硅谷联合创办人工智能公司Aizip.ai。 夏淳博士是TSVC联合创始人，硅谷成功的系列创业家。曾先后创办三家科技公司，研发销售世界上最早的个性化营销系统，以及国际领先的边缘容器技术。他曾任IT行业一代巨头Sun Microsystems首席架构师，是早期云计算技术奠基者之一。除了云计算、芯片、人工智能、智能制造等硬科技投资，夏淳博士在设计和创意领域颇有造诣，并且对社交媒体和社群经济的跨界文化有深入研究。夏淳博士是清华企业家协会(TEEC)创始会员之一，曾任北美分会首任主席。自2001年，他长年服务于青年学生的培养辅导，持续担任清华大学思源计划导师、清华创业孵化器x-lab的创业导师、清华创+逆向创新中心主任，并在硅谷创建了激励青年学生创新创业的公益基金TSVC Giving Fund. 夏淳博士是清华大学电子工程学士及计算机硕士，并在美国UIUC大学获得计算机博士。 讲座目录： 01 活动概要 02 为什么小模型和微模型变得重要？ 03 有人在做6B、7B大的模型，算是小模型吗？ 04 为什么还需要做小模型？小模型擅长解决哪类的问题？ 05 小模型究竟能做些什么？ 06 什么是AI Agent？为什么要把它做在设备上？ 07 演示过程 08 现在演示的模型到底是多大？运行的硬件大概是多少钱？ 09 用一句话概括Aizip的特色 10 AI的四种效率具体是指什么？ 以下为正文： TSVC作为种子轮基金，其核心要素在于回归商业本质，于赛道形成之前提前布局，预测未来的发展趋势。在AI大模型如火如荼的发展势头下，我们早期就察觉到另一个被忽视的赛道——小模型。当前，大模型已经发展到足够大的规模，小模型的需求也随之凸显。因此，我们在一两年前就开始布局，投资Aizip做小模型的方向。我们认为，这是一个新颖且重要的发展趋势。既然AI大模型的发展如此火热，已经广为人知，大家也开始拥抱AI，那么为什么小模型如此重要呢？接下来，让我们先请教陈教授。 01:35 请问模型做到多小算是小模型？微型模型小到什么程度算是微型模型？ 陈羽北表示，理论上模型可以做到无限小，例如自然界中最小的生物之一--能在水中迅速游动的草履虫，它是一种单细胞生物。在智能领域，他认为模型同样可以实现无限小。那么，一个关键问题随之而来：模型究竟小到什么程度它还是有用的？他希望做出来不仅仅是小，而且这些模型还应具备实际应用价值，这才是真正合理的一个小模型。假如做出来的小模型没有用处，那其实是没有意义的。 根据Aizip的经验，实现最小可使用的模型，其尺寸大约为8KB，即8000字节，这样的模型能够识别人们各种各样的身体活动。例如，它能够识别走路、上楼梯或跳跃等步态的物理活动。尽管其功能非常有限，但模型尺寸确实非常小。而且，即便模型的标准较小，在部署到真实世界时，仍能保持非常高的精确度。因此，这种极限小且高效的模型，可以实现仅几KB的大小。 当然，未来是否能够开发出更小的模型，使其能够执行类似草履虫的有趣功能，这还有待进一步探索。实际上，高效模型的定义是一个范围，到极限小的模型能做的事情也就非常有限。在Aizip看来，高效模型的范围可以从几KB到几GB。他们所探索的，是在每一类不同尺寸下，不同计算量的模型能够注入多少智能的问题。 04:15 经常听到有人在做6B、7B这么大的模型，这个规模在您看是仍然在大模型里面，还是已经算是小模型了？ 陈羽北指出，对于LLaMa-7B这类模型，他的看法是相对的，取决于跟谁比较。从Aizip的视角来看，这几乎是他们所构建模型尺寸的上限。目前，他们所专注的范畴是在尺寸的上限部分，因此，所有小于7B的模型，无论尺寸如何，他们都会进行研究。然而，存在一个核心问题：在给定模型尺寸、算力和内存的情况下，我们能注入多少智能？这是他们正在研究的问题。当你明确了所有限制后，这个模型能够注入多少智能，并在现实世界中达到多高的性能？他认为这是他们正在推进的事。他还认为，许多在7B以下的工作和研究都属于高效模型，只不过他们专注于一个特定范围，将智能推向极限，从几KB到几GB，他们都会研究这样的问题。 06:17 有了这些大模型以后，我们为什么还需要做小模型？小模型擅长解决哪类的问题？ 陈羽北表示，这是一个很好的问题。在回答这个问题时，他想从最初的愿景出发。这个愿景不仅仅关注经济效益，而是坚信未来将是大模型和小模型共存的时代。例如，电影《黑客帝国》中的母体、《2001太空漫游》中的HAL 9000，以及《生化危机》中的超级人工智能小女孩“红后”。这些超级人工智能的存在，让我们相信未来不会只有一个超级智能，而是它们将融入每个人的生活中，你可以真正地拥有它，而不是被它所控制。 例如，我们日常使用的谷歌地图等出行软件，人们对它们的依赖性日益增强。你越是依赖它们，就越会发现自己的选择权逐渐丧失，取而代之的是超级计算机的决策。每天的行车路线往往不是我们自己选择的，而是由机器帮助我们决定的。他相信，随着AI技术的不断发展，未来不应该只存在大型的超级系统，而是应该有无数的小智能。这些小智能可能不及大系统强大，但它们无疑将成为未来的一部分。因此，在这样的愿景下，他们创立了Aizip，致力于将AI做得更加小巧、高效。 如果回到一个没有如此高标准、不那么抽象的愿景，他认为许多经济效益可以从自然界中获得启发。大家现在将大模型称为LLaMa，实际上它是一种羊驼，一种庞大的生物。如果放眼自然界，我们会发现许多不同级别的生物，从小到一只草履虫，有时不禁让人思考，草履虫是否也有自己的思想？再大一些的生物如跳蛛，以及更大的生物如蜜蜂，一直到羊驼，再到人类的智能。我认为智能具有多种不同的尺度，因此他们进行的AI研究和应用，实际上也可以存在不同的尺度。 人工智能也是一样，许多人所依赖的智能实际上并不需要极高的智能参与。例如，在许多物体识别的场景中，可能在视觉皮层V4区，在这些IT神经元上，主要的识别过程已经完成，只有在涉及复杂处理时，才需要一些更高级的智能行为。就智能而言，他认为对于许多日常所需的智能，比如识别是否有人，识别是否有包裹，以及从声音中去除噪声等，这些智能的小模型可能能够做到与大模型几乎没有差别。 举一个非常现实的例子，如果现在让一个小学生做加减法，可能做得还不如他好，尽管自己接受了另外20年的专业培养，复杂程度稍微高一点，但在这样简单的任务上，他并不会比一个小学生做得更好。因此，从他们的观察来看，很多人工智能的应用也是如此，对于许多基本任务，小智能可以做得很好。随之带来一个问题，什么样的智能可以被高效地处理？我们能够把它做得有多么的高效？也许未来是把简单的智能放在用高效的模型来处理，它也能做到足够好，剩下一些更复杂的交给这些更强的智能来处理，这也许是未来的一个发展方向。 11:16 陈教授刚才从生物界的各个规模的生物，一直讲到人类，这些比喻都非常生动形象。然而，仅依靠比喻是不够的，我们还需要实际观察AI系统究竟是怎样的。请Aizip为我们展示一下，目前在实验室已经研发出能够正常运作，并且可以应用于日常生活的系统。这个小模型究竟能做些什么？ 陈羽北将先举几个简单的例子，随后邀请Aizip的团队成员万维尔进行演示。万维尔最近从斯坦福的Philip Wang实验室毕业后加入Aizip，目前负责语言模型的研发工作。他将展示一个极其高效的设备人工智能辅助。在此之前，先讲一些已经有的例子。自2020年Aizip成立以来，至今已有四年，在这期间开发了成百上千种不同的模型。每个月，有数百万台搭载我们生产的AI模型的设备在全球范围内投入使用。 例如，在耳机中应用的降噪技术，可以开发出超级高效的算法，精准地分离人声与噪声。这使得用户能够只听到自己的声音，而忽略其他人的声音。此外，耳机还具备语音识别功能，能够识别关键词，并执行唤醒指令，甚至进行模糊语音识别。实际上，这些功能可以集成在一个非常小巧的设备中。或者把你想做音乐的歌唱出来，声音就被设备接收，输出的就只有音乐声，没有人声。这样就可以做一个极限高效的人工智能的模型，把这里面所有的人声过滤掉，因为人声和噪声的区别，就可以把所有的人声去掉，最终只保留音乐声。这就像随时可以去唱卡拉OK一样方便。 像这种应用Aizip做了成百上千，而且不仅仅是声音了，还包括持续性地做人们行为的检测、异常的检测，以及在视觉领域对不同目标的检测和对各种物体的识别等。此外，这些应用的标准不仅体现在演示层面，更重要的是它们能够通过数百万次的现实世界测试，成功应用于实际设备中。 现在给大家准备了一个现场做人工智能代理的演示，由维尔介绍它里面集成了ASR，集成了 TBS所有的语音，作为一个你完全可以拥有的设备上的个人协助，可以使用做一些指令等等。现在维尔会来做讲解，再到实机上进行演示。 因字数限制，更多内容请收听音频 欢迎关注“TSVC“微信公众号观看视频，了解更多早期创投相关话题的干货内容！ 加入日常交流群请看海报右下角，添加TSVC小助手，获取更多分享。

TSVC和硅谷华彩的起源： TSVC基金的诞生是源于公益活动。2010年初，TSVC的创始人Eugene张于庆先生和夏淳博士，每周为硅谷华人创业者提供公益性的创业辅导。从不成熟的创业构想，再到产品优化，后来又到团队建设，随着创业者逐渐有了融资的需求，创业导师们也自然而然地成为了天使投资人。聚集在这里的创业者们，也就促成了硅谷首家大陆华人种子轮风险基金的成立。由于创始人同时也是清华企业家协会TEEC的创始会员，他们召集了一批同样优秀的企业，富有行业经验的TEEC会员担任创业导师，创业者们将这个基金称为TEEC Angel Fund，这也就是TSVC最初的基金名称。 TSVC秉持服务华人社区的公益精神，因此许多华人创业者会来这里跟我们认亲，其中包括2011年刚创立Zoom的Eric Yuan，TSVC成为Zoom第一家机构投资人。在这些年里，我们非常幸运地结识了一批像Eric这样优秀的创业者，从种子轮阶段投资了5家成功的上市公司和9家独角兽企业。在种子轮投资独角兽的企业排名中，TSVC在投资界名列前茅。作为华人圈的头部基金，移民社区是我们的生态体系。硅谷华彩这个节目也是TSVC秉持初心发起的活动之一。TSVC创始合伙人Eugene，发现越来越多的年轻人想要创业，但是在这条荆棘丛生的道路上有了很多意想不到的困难，所以，他就想通过深度访谈呈现一系列杰出华人创业者的故事，可以给大家一些启发。 受邀嘉宾均为美国上市公司独角兽企业的创始人，或者年营收超过一亿美元的创业和创始人。华彩系列不仅深入挖掘这些移民创业者面临的独特挑战，还邀请嘉宾分享他们的经验、创业路径和心得。我们希望这些成功的华人企业家的真实故事和感悟，能够为年轻一代移民树立榜样，激励正在创业或者在创业道路上的勇士们，开启华人下一个创业者，在硅谷的下一个高峰。 这次活动，我们非常荣幸请到了陈五福先生。陈先生17年间创办了16家科技公司，被誉为硅谷公认的创业之神，其中包括1994年上市后又被通讯巨头朗讯收购的Cascade Communications，被Cisco收购的Ardent Communications，以及1999年被北方电讯（Nortel）收购的Shasta Networks。今天让我们随着TSVC创始合伙人Eugene一对一深度对话陈五福先生，来经历一段从身无分文的留学生，到身价超过十亿硅谷华人创业之神激动人心的故事。 Eugene张于庆先生，是硅谷业绩翘楚的种子投资人。在积累七年天使基金GP经验后，于2010年联合创办了硅谷第一家大陆华人种子基金TSVC（原名TEEC Angel Fund）。作为TSVC的掌门人，他领导参与了160多个投资案例，从种子轮中投中了5家上市公司和9家独角兽，包括大家耳熟能详的Zoom，Gingo Bioworks，Carta等等。他同时也是签下Zoom第一张机构投资者支票的签署人，成为硅谷业绩榜首的种子轮独角兽捕手。那我们就正式开始，把场子交还给Eugene，期待你们的对话。 讲座目录： 01 此次活动概要，嘉宾介绍 02 中文名字“五福”的含义，当时考进台大的经历 03 创业这件事的种子是什么时候种下的？ 04 创办第一家公司是否有创始团队？ 05 在当时的时期组建团队的心得体会？ 06 后续的创业是否都是别人让你创业的？ 07 在启动那些公司的时候，后面就直接成为CEO吗? 08 后面再创业的时候，投资人是不是非常想追您的项目，从而使得融资过程变得较为顺畅呢？ 09 从融资的角度来看，您当时已经回到了硅谷，那之后，这些公司都是一些大型风险投资公司投的吗？ 10 您在团队构建方面积累了哪些经验？能否为创业者们提供一些建议？ 以下为正文： Eugene表示，硅谷华彩系列已顺利推进至第三集。不久前，他碰见了几位华彩系列的忠实粉丝，给了他很大的鼓励，在这里表示感谢。今天这一集比较特殊，这主要基于两点：其一，今天的嘉宾可以被当之无愧地称为硅谷创业之神，若以英文命名，便是“legendary serial entrepreneur(传奇的连续创业者）”。他认为这是一个比较合适的翻译，因为“serial entrepreneur”本身即代表稀有的创业精英，而前缀“legendary”的加入，就更能增加今天这一集的特殊性。 其二，今天我们要跨越一个高科技的时代，借此机会给年轻观众介绍一些历史。回到1990年的互联网时代，大多数观众对互联网软件公司如雅虎等已耳熟能详。然而，还有一个非常重要的部分，那就是互联网的硬件公司，这正是今天我们要讲的相关主题——硬件公司和系统公司。提及至今仍然活跃的公司，如Cisco、Juniper等，它们不仅是互联网的坚实基石，更是推动业务发展的强大赋能者。还有专注于服务器领域的公司，如Super Micro等，同样也属于这一类，它们之间存在着紧密的相关性。 下面，请允许我来介绍一下本次华彩系列的嘉宾——传奇连续创业者陈五福先生。他是有“硅谷创业之神”之称的美国知名华人创业家，是一名成功的网络通讯创业家和风险投资家，是公认的网络界的领袖人物。从1986年起，陈五福先生创办了16家公司都获得成功。在这个过程当中，也获得了很多的荣誉。比如他被称为“硅谷的传奇人物”，并被《红鲱鱼》创投杂志评为“2000年十大企业家”之一；《福布斯》杂志多次将他评为美国百大风险投资人之一；还曾登上《华尔街日报》头版，被称为创业活动中的“孵化者”；《光阅读》杂志称陈五福先生为通讯领域“最具影响力的人物”。 如今，五福先生在做很多创业孵化的工作，同时也是很多项目VC基金的投资人，他经常来往于中国台湾和美国。一句话总结，这十几年里创办了十几家公司，从以往的记录来看，这是很难被超越的，它代表了一个非常特殊的时代。 11:18 您的中文名字“五福”有什么含义？当时在大陆80年代初考取清华、北大是很了不起的事，请给观众介绍一下当时考进台大的经历？ 陈五福表示，五福名字的由来，是因为他是家里的第五个男孩子，生下来的时候刚好是家里第一个吃到牛奶的人。在当年女孩子是不受重视的，算起来家里总共有11个孩子，按照年龄他排名第十，男孩子里排名第五。说到考进台大，也不是很容易就能考上的，也是经过了几轮考试，算起来周期还比较顺利。在当时的年代，台湾都宣导“来台大，去美国”，他也是顺着大潮流这样走，但是考进台大的比例是很小的，他很幸运，以当时的环境多数家庭都是务农，贫穷贫苦属于普遍现象。在这种情况下能够有机会考进台大，说明台湾的教育系统还是公平的。最重要的是这些人能够获得教育的机会，能够脱离原本的环境。 13:25 想进一步地了解，创业这件事的种子是什么时候种下的？ 陈五福表示，这是一个至关重要又特殊的时刻。事实上是在伯克利的博士考试失利以后，觉得自己没有机会拿诺贝尔奖，所以才决定走上创业的道路。以前认为自己的英文考试笔试方面都没有问题，而且在台湾时的英文考试都很好，还在高中时期联考中英文得满分。但是他在美国第一次留学，下飞机在洛杉矶机场，听不懂美国人讲什么，当时觉得自己的表达能力，以及听力比较欠缺。在伯克利考试测试是口试，觉得对自己很不利，所以决定从伯克利出来去外面历练一下，把语言训练好了再回来拿PhD，结果出去后就没有再回去。 他选择加入了一家规模较小的公司，并找到了一份与众不同的工作——销售支援。在大多数人眼中，技术人才通常会选择研发岗位，但他却渴望贴近市场，因此选择了这份与销售紧密相关的工作。因为伯克利大学的名牌很响亮，人们普遍认为他技术过硬，因此他顺利获得了这个销售支援的职位。 在担任销售支援期间，他紧密跟随销售员，与顾客频繁接触，就是想提升一下语言方面。有一天晚上，一位销售员跟他吃晚饭时说：“你现在的工作虽然能维持生计，但难以让你过上优越的生活”。他进一步解释道：“我们做这个生意都是在餐桌上就决定了，但在后边的详细情况并不会很清楚”。这个就是他说的叫“货币弦理论与弦有关，你越接近货币，就越容易得到它”。因为这句话，回家后开始思考如何更直接地接触并获取财富。 他工作的公司是在一家银行隔壁，这让他感觉自己与金钱的距离近在咫尺，但却又遥不可及。作为一位移民，他深知自己在文化背景、资金、经验和人脉方面的不足。然而，这些困难并没有让他退缩，反而激发了他的斗志。他开始深入思考自己的未来之路，并最终决定投资自己十年的青春来创业。 在那个时代背景下，他并没有足够的资本立即启动创业计划。但他坚信，只要付出足够的努力和时间，就一定能够实现自己的梦想。于是，他毅然决然地踏上了创业之路，开始了漫长的准备过程。在后续的创业历程中，他利用夜晚时间参加了夜校，并成功完成了MBA课程的学习。诚然，许多科技型公司是以技术人才为核心构建的，但创办一家成功的科技公司，绝不仅仅依赖于技术层面，而是需要广泛涉猎各个领域的知识，实现全方位的了解与掌握。 因字数限制，更多内容请收听音频 欢迎关注“TSVC”的微信公众号，了解更多早期创投相关话题的干货内容！ 加入日常交流群请看海报右下角，添加TSVC小助手，获取更多分享。

8月24日TSVC举办了《打造下一个独角兽》讲座第32讲。这次活动由TSVC主办，协办方包括WeShine和美国华人生物医药科技协会（CBA）费城分会，我们有幸邀请到TSVC合伙人王黎晟炉边对话Angle Health联合创始人兼CEO Ty Wang，探讨和揭秘AI在大健康领域如何落地？又如何给企业带来创造性的商业模式？ 嘉宾： Ty Wang在创立Angle Health之前，Ty在Palantir领导了新销售、产品项目试点，并参与了该公司一些最大的部署项目。Ty的职业生涯始于公共服务，包括为美国政府的多个国内外机构担任外国联络员。他拥有华盛顿大学圣路易斯分校的电气工程和系统工程学位，辅修计算机科学，并在《核医学杂志》《癌症研究与治疗技术》和其他科学期刊上发表过论文。 王黎晟是TSVC合伙人，MIT工程学硕士，复旦大学本科。加入TSVC前是美国领先深科技投资平台Propel（x）的联合创始人和MIT Alumni Angels的联合创始人，参与了100多个深科技项目的投资。之前有在头部科技公司及华尔街15年多与软件开发及金融投资相关的经验。在任TSVC合伙人同时，他也是Berkeley Skydeck和TechStars的创业导师。 讲座目录： 01 活动概要 02 Angle Health是做什么的？创业的初衷是什么？ 03 在Angle Health的业务中，AI是否扮演着关键角色？ 04 未来几年AI将如何改变保险业的发展？哪些地方AI技术还没达到？ 05 Angle Health是如何实现低成本同时提供良好医疗服务的呢？ 06 Angle的商业模式与Oscar有何不同呢？ 07 对于那些尚未达到这一阶段的创业者，能否分享一些经验呢？ 08 Angle Health已在27个州开展业务。对于居住在其他未覆盖州的潜在客户，该如何解决？ 09 TSVC在AI领域的投资原则是什么？TSVC为何在Angle Health很早期的时候就决定进行投资？ 以下为正文： TSVC在医疗保健领域投资了多家成功的企业。今天，我们邀请Angle Health来，原因有二：首先，他们解决了重大问题；其次，他们在人工智能应用方面取得了显著进展，AI已成为他们核心的工具，为他们构建了竞争壁垒。Angle Health最近取得了显著成就，从税收和账户管理的角度来看，实现了约三倍的增长。我们对此感到非常自豪，因为Angle Health是我们投资组合中的一员。在增长的过程中，Angle Health无疑采取了某些措施，赢得了客户的极大满意。 03:32 请Ty简单地介绍一下Angle Health是做什么的？同时，请分享一下创业的初衷，为何选择开展这项事业？ Ty表示，首先衷心感谢TSVC，作为Angle Health的投资人，一直给予的大力支持，Ty同时对来参加本次活动的观众表示感谢。回想当初TSVC在Angle Health早期阶段时就进行了投资，那时公司完全没有收入，如今，公司已经实现了几个亿的收入，发展得非常好。 那么，为什么开始考虑创业并涉足这一领域呢？原因在于Ty曾在美国一家大型上市公司Palantir工作，该公司是最早利用人工智能进行数据方面的分析服务，服务对象包括政府和500强上市公司。在与多家健康保险公司合作的过程中，他发现这些公司非常传统，虽然可以提供大量数据，但要利用这些数据去进行改变是非常困难的，这是因为这些公司内部存在很多问题，比如数据方面，系统方面，或者是人员方面。因此，Ty 认为与其辛苦地通过数据分析和人工智能去改造这些传统公司，不如直接创建一个由数据和人工智能驱动的健康保险公司。 Angle Health专注于为中小型企业提供一站式医疗解决方案，彻底重建了类似于健康计划或健康保险的技术架构。实际上，它与传统健康保险是没有区别的，客户难以发现其中的差距。许多创业者都清楚，初创企业或小型企业购买保险往往价格昂贵，而且保险公司会有各种各样的原因拒绝承保，因此，Ty及其团队在创业之初便思考，若能从科技角度出发，从头开始端到端，全部都考虑到数据，考虑到AI来建的话，可以提高保险承保准确率。这样不仅可以降低赔偿率，还能为中小型企业的客户大幅降低费用。因此，Angle Health通过技术手段解决了传统保险行业的许多问题。 除此之外，作为一家保险公司，它还会提供额外价值的技术服务。例如，保险以外的核心金融产品和医疗保健产品。这些产品可能在美国的观众会比较熟悉，保险里面的一些小的部件它全部都会做，所以完全是端到端的，不管您需要何种服务，它都能利用技术提供灵活的保险解决方案。 12:28 在Angle Health的业务中，AI是否扮演着关键角色？您如何看待AI在未来几年对健康保险的影响？ Ty指出，AI是公司核心的业务模式，那么，为什么它相较于传统的大型保险公司更有竞争力？实际上，很多的保险公司都是规模庞大，创立时间也比较久，它们的数据分布在不同的系统中，这些系统在交互时往往会出现问题。从公司成立之初，Ty及其团队就致力于将所有技术基础设施，包括数据库，整合为一个统一的整体。这样一来，在写保险的时候，能够迅速确定被保险人或公司面临的风险。在这个过程当中，他们的数据优势和快速反应能力尤为突出。很多人会有这样的经历，办理保险手续耗时很长，在等待的这段时间其实是没有保险的。 而Angle Health能够在短短48小时内为客户提供答复，这一点至关重要，因为它极大地提升了客户体验。这主要归功于高效的数据整合能力，每当有新客户上线，新的保险数据便能持续输入到其AI模型中。这确保了在写保险方案的过程中效率更高，错误率更低。因为保险主要是看失误率，越精准失误率就越低，进而使得公司盈利能力更强，客户体验也更好。 18:36 未来几年AI将如何改变保险业的发展？你谈到了人工智能的好处，并且已经部署了这些，但是这里还缺少什么？哪些地方AI技术还没达到，可以帮助提高他们的应用？ Ty表示，现在AI已经让他们公司变得更好了，跟他们同样体量，投保的保险费是几个亿美元。按照公司的员工人数来说，跟同样体量的保险公司相比，其他的竞争对手都有数百名员工主要从事运营，而Angle Health只有70几名全职员工。团队的大部分成员都是研发人员，从事工程、产品管理、数据科学之类的工作，所以他们已经用AI减少了很多人工的部分。其中，一部分是因为以前很多需要人做的部分它不需要，在数据采集，包括数据分析，包括像保险业这些方面。另一部分，同时也在用一些GAI的东西，虽然还没有完全自动化地去做这些东西。 因为保险，包括医疗，不像ChatGPT人工对话，出了问题大家也会一笑而过，不是什么大问题。但是对于健康保险来说，包括诊断，如果保险越准确、越高效，诊断也就很准确，治疗也很准确，最后保险的保费就会低。这些流程在保险的整个自动化的过程当中，其实有很多的东西还都没有做到自动化，不能确切地说是95%，它需要有99.9%的准确性，所以现在AI还没有做到这种程度。但是Ty认为，因为他们是完全数据化的技术栈，而数据化的采集对他们来说，如果AI来取代人工可以更加的自动化，那他们应该是走在比较前沿的。 25:30 在保险领域，保险公司和客户都希望降低成本。尽管许多客户是创业者，希望员工健康并拥有优质医疗保险，但同时希望支付更少的费用。然而，费用越低，员工获得的保险保障就越少。这是一个难题，因为传统保险公司未能解决这一问题。Angle Health是如何实现低成本同时提供良好医疗服务的呢？ Ty指出，他们之所以能够与大多数大型保险公司竞争，是因为这些大型保险公司通常是上市公司，当下的市场环境想尽办法挤压利润。利润越高作为上市公司的股价，以及各方面都会有些短期的利益在里面。然而，短期利益与长期利益之间存在显著的冲突。 以一个例子来说明，当医生建议你进行某项治疗时，保险公司会认为成本过高或其他原因而拒绝提供保险，或者认为该治疗不适合你的情况。而像Ty的Angle Health这样的公司，它有很多数据去做分析。例如，如果你现在进行保险，办理速度非常快，而传统企业的保险速度较慢，效率也较低。在这种情况下，提供保险或支付医疗费用，确保病人能够及时获得最佳医疗服务，对保险公司来说，可以预防病人可能出现的后遗症或并发症，从而在长远来看是有益的。 从这个角度来看，一方面，数字驱动人工智能可以告诉他们在哪种情况下应采取何种行动，相对来说，优化的东西跟传统的大型保险公司优化的东西会不一样，长期与短期的对比，一个是数据，一个是以经验为主，因此在这一方面，他们表现得更为出色；另一方面，正是由于他们这样的做法，使得所有客户都非常满意，病人也获得了更好的医疗服务，同时费用更优惠，同时他的员工更健康。 33:35 在这一领域，众所周知，存在一些竞争者，例如Oscar Health，他们已经经营了十多年，并在大约三年前通过SPAC成功上市。经过多年的努力，他们即将实现盈利，表现相当出色。那么，Angle的商业模式与Oscar有何不同呢？ Ty指出，与Oscar Health的不同之处在于，Oscar直接向个人销售保险。对于中国的朋友们来说，这可能不太熟悉。在美国，保险分为两种类型。一种是个人保险，适用于自由职业者或其他未通过公司进行保险的情况。在美国，大多数公司不提供保险，或者个人需要自行寻找保险公司。另一种是政府提供的保险，例如Medicare。Oscar Health专注于直接面向消费者to C的市场，它直接向那些不是通过雇主或公司购买保险的个人销售保险，这是一个与众不同的赛道。 Angle的业务本质上是to B的，例如服务于已经成立的公司。当这些公司需要为员工购买保险时，Angle主要与这类企业客户群体互动。实际上，Angle 并不直接参与销售，而是通过保险经纪人来操作。在美国，保险经纪人扮演着重要的角色，他们代表多家保险公司销售保险产品。这种模式使得 Angle 的市场和销售成本保持在较低水平。由于Angle的竞争主要集中在客户体验和成本控制上，这促使公司实现了快速增长，并且运营效率高。 40:01 保险在美国和国内均受到严格的监管。在美国，保险公司必须与各州的监管机构合作，以获取相应的许可。例如，Angle Health已在27个州开展业务，并积累了丰富的与监管机构互动的经验。对于那些尚未达到这一阶段的创业者，能否分享一些经验呢？ Ty指出，对于创业者而言，频繁与监管机构打交道是一个重大挑战。首先，在资金和人脉有限的情况下，必须考虑选择哪个州或地区更有利于通过监管。Angle之前是在加州，但最终选择犹他州，因为在犹他州，对于初创公司来说，监管环境可能较为宽松。此外，面对监管机构频繁变更政策的情况，如保险和金融行业，创业者必须与监管机构保持良好的互动和沟通。在这种情况下，埋头苦干并不是明智之举，而是要与监管机构建立良好的关系，以减少未来可能出现的问题。在这方面，Angle Health做得相当出色。 46:07 Angle Health已在27个州开展业务。那么，对于那些居住在尚未覆盖的其他州、渴望享受经济实惠且服务周到的保险的潜在客户，他们应该如何是好呢？ Ty指出，目前Angle Health在27个州拥有自己的保险公司身份。至于其他州，他们通过不同的方式提供服务，具体细节就不展开描述了。不过，对客户而言，这些差异并不明显。展望未来，到明年九月份，Angle Health计划在美国各地都能以保险公司的身份直接服务客户。 因字数限制，更多内容请收听音频 欢迎关注“TSVC“微信公众号观看视频，了解更多早期创投相关话题的干货内容！ 加入日常交流群请看海报右下角，添加TSVC小助手，获取更多分享。