12月16日TSVC举办了《打造下一个独角兽》讲座第47讲。AI 正在发生什么：繁荣、泡沫，还是新周期起点？制造业回到美国会如何重塑科技与供应链？TSVC合伙人年度对话——回顾2025，看清2026。 嘉宾： 张于庆（Eugene Zhang），TSVC联合创始合伙人，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Syracuse University获得硕士学位。 王黎晟目前是TSVC 管理合伙人，这是一家领先的早期科技风险投资机构，因成为Zoom、Carta、Ginkgo Bioworks和D-Matrix等公司的首家机构投资者而闻名。在加入TSVC之前，王黎晟在美国联合创立并管理深科技风险投资与另类投资平台Propel(x)。他还是Newton Fund的联合创始人兼管理合伙人，该基金隶属于Propel(x)。在创办Propel(x)之前，黎晟还共同创立了麻省理工学院旧金山湾区校友天使投资人组织（MIT Alumni Angels group in the SF Bay Area）。在其从事风险投资约十年间，他代表MIT Angels、Propel(x)、Newton Fund及TSVC参与了超过100项深科技风险投资。在投身风险投资之前，王黎晟也拥有十余年银行业的经验，并曾是微软上海办事处初创期的首批工程师之一。他拥有复旦大学学士学位及麻省理工学院技术与政策硕士学位。 正文： 04:57 Charlene表示，从2022年开始，TSVC每年都会举办年终总结和展望活动，这已是第四年了。2023年，因为AI大模型的火爆程度，TSVC从AI领域选择了三个方向进行预测，包括具身智能、协作多智能体系统以及情感计算。这三大趋势在过去两年非常火爆，欢迎大家关注TSVC公众号查阅往年的预测回顾文。 05:36 现在，我们用十分钟时间对Eugene去年所做的十大预测进行总结。Eugene，您还记得去年的总结吗？ Eugene表示，他可以为大家简单做个回顾。正值年末，大家一定都对即将到来的新一年有所期望，也好奇明年的此时会有哪些变化。因此，他想分享一些观点，供大家参考。关于2025年，他主要提出了十点预测。特别值得注意的是，我们已经迎来了AI时代。 第一条预测是指，AI时代来了以后，标准化产品SaaS曾是硅谷最热门的一个赛道，2021年华尔街投资者纷纷追捧。然而他们当时得出的预测是，这一赛道的增长已达到尽头。我们将通过一个简单案例来说明这一预测，关于SaaS发展已到顶点的判断，后续还会围绕这一主题提供更多深入分析。从行业领导者角度而言，Salesforce作为该领域最大的公司无疑是领军企业，其股票代码为CRM。值得注意的是，这与我们常说的“big six”有很大不同，该公司年初至今的回报率为负23%。这一数据确实印证了之前的预测，表明SaaS到头了。 第二条预测也与SaaS相关，即服务模式正从一个标准化产品向服务和成果转型。他认为这一转变已经广泛展开。基于以上两点，Eugene不自谦地给自己各打一分。 第三条预测是指在美国制造的前提下，现任特朗普政府，无论各方对其政治观点褒贬如何，所推出的“美丽法案”在7月4日公布后，对该行业产生了重大影响。当时他们预测美国制造有成功的迹象，但这条道路实际上仍然漫长。不过，这一判断应该是准确的。好，这三条预测他都给自己打了满分，总共十分中看看最终能得多少分？ 第四条预测，他们当时提到iPhone有可能回归美国生产。他认为这在长期来看可能会实现，这是一个具有代表性的案例，具有一定的可行性，但实际上并未取得实质性进展，可能比Eugene设想的时间更为长远。因此这一条他不给自己打分，即零分。这条预测虽然长期来看前景广阔，但在这一年中并未取得太多实质性的进展。 第五条预测是AI将推动垂直领域应用的发展，使传统的低利润业务转变为高利润业务。这一点他们已经非常明确，因此他们给自己打了一分。 第六条预测实际上也有所关联，即AI将改变服务模式，例如在法律领域，公司不再按小时收费，而是提供结果，并根据业绩收费。这种模式已经得到了许多公司的验证，因此他们也给自己打了一分。 第七条预测是AI在医疗领域比人做得更好。尽管在药物研发或某些癌症治疗方面还没有取得重大突破，但在数据分析方面，AI已经展现出强大的渗透力和深度应用，因此他们也给自己打了一分。 第八条预测是律师行业收费模式的转变，从按小时收费转向按项目收费。这一点也已经落实，因此他们也给自己打了一分。 第九条预测比较复杂，涉及就业问题，还没有成为主流新闻。预计未来这一趋势将会显现，例如一个十人团队可能需要缩减至两人。然而，由于这一预测还没有落实，因此这条预测不得分。尽管如此，我们注意到微软和亚马逊已裁减大量员工，百分之百是AI取代所致。尽管如此，他们仍不为此项预测打分。 其他预测中有一条很有趣。当时他们曾就此展开辩论，他记得马斯克当时还没有退出特朗普政府。他相信马斯克的移民政策将会保留。如今，尽管马斯克已出局，但他的移民政策仍有多位硅谷人士在推动。因此，他们并未看到政策的完全逆转，而是处于中间状态，所以他们难以为这一条预测打分。 最后一条预测关于比特币突破20万美元的预测，与当前现实离得很远，因此得分为零。总体而言，他去年的十项预测中，大约能达到八分，即80分的准确率。 在此做一总结，因为说过的话需要回顾，不能说过就忘，然后再提出新的观点。许多观众此时来到这个节目，希望获取他们真实的想法，他们也借此机会对自己进行客观评估。 13:16 想邀请黎晟也来发表意见，因为这个分数是你自己给自己的评价。Eugene 2025年的清单有十项，你也有自己的清单，那么你有什么看法或评论吗？ 王黎晟表示，简单讲两点，因为去年没有参与这项活动，觉得这个过程挺有趣。首先，许多预测已经得到验证。其次，一些看似不准确的预测，实际上可能是前瞻性的，将2027年的预测提前至去年进行了分享。另外，他认为如果查看这份清单，去年确实是大家对大模型和AI非常兴奋的一年。但审视他们的预测，则相对较为务实，他们没有跟风讨论大多数人关注的AGI何时到来，而是更关注作为投资人如何获利，作为创业者如何在这场AI浪潮中把握商机，而非仅仅关注那些虚无缥缈且遥不可及的目标。他认为这也是TSVC的DNA所在。 14:30 那我们就赶快回到2026年的预测话题吧。这一次Eugene给出了几个预测？好像是八个。 Eugene表示，是的，他有八个。首先，他认为2026年肯定会更加特殊。大家总是说下一年可能会特别特殊，但他感觉2026年可能会更加特殊，会有更大的变化。到明年这个时候，他们很多预测可能会有更大的偏差，或者某些事情的发展速度可能会超出预期。存在两种可能，这两种情况处于极端的两端。 刚才黎晟也提到了，他们在讨论AI时都有一个大前提，那就是他们没有去讲super intelligence。如果观众对这个话题特别感兴趣，比如超级智能到来后人要做什么、人的命运如何等等，这些暂时不在他们的讨论范围内。因此，今天的讨论主要聚焦于—不知道大家是否使用相同的术语——他们将其称为Narrow AI的领域，也就是说，AI主要是为了帮助人类、创造价值。当然，它也可能带来负面结果，但这并非假设AI能够完全超越人类后给我们带来的影响，这是未来的话题，说不定到明年那个时候，他们可以探讨是否已经成熟。 基于这一假设，他们的第一条预测是，今年年底可能还没有特别突出的头条新闻，相关报道虽有但还没大规模涌现。正如Eugene之前提到的亚马逊的消息，并未成为许多主流新闻。但到明年，可能由于影响特别大，这将成为一个广泛关注的话题，尤其是对白领阶层，主要是知识工作者造成巨大冲击，影响相当显著。根据他们投资的一些项目及其发展轨迹，可以肯定到明年，这种变化将达到相当规模。虽然还没有成为主流，但变化量会相当可观。过去一两年，人们可能还在初步探索和观察一些迹象，到明年可能会有实质性的发展。这就是AI对就业市场带来的冲击。 第二条实际是与第一条相关的，同样属于AI对就业市场的冲击。这意味着，包括顶尖学府如斯坦福和伯克利在内的毕业生中，将有相当比例的学生面临就业困难。如今他已经听到许多朋友表示，情况已与几年前大不相同，斯坦福和伯克利的CS专业毕业生找工作都变得困难。虽然目前这还只是少数人的讨论，但到明年可能会有更多人都在谈论这个问题。 再次回到之前讨论过的SaaS这个话题。他的预测是，总体SaaS收入将会有实质性的减少，主要是指传统SaaS公司的总收入，预计在2026年实现。而那些AI Native公司，如之前提到的Salesforce，人们可能会问，为什么它们自身不能实现AI转型呢？确实，传统上，这种自我颠覆的做法困难，因为公司需要先摧毁自己的现有业务，其中存在许多固有障碍。 接下来是第四条，AI Native公司将非常积极地抓住市场机遇，部署智能代理，正如他们之前提到的提供结果那样。在这方面，它们将取得更多进展。 第五条预测同样是围绕这一主题，从更实质性的角度展开。正如去年所提到的低利润率，现在需要更精确地量化分析。在部分非常具体的传统行业中，由于应用了AI，原本仅有10%利润率的企业业务模式得到了显著改善。这类业务虽然基于知识库，但并非蓝领工作，而是劳动密集型的工作。由于自动化软件无法胜任如此智能的任务，仍需人工完成，因此这类业务的利润率通常仅在10%至20%之间。然而，AI来了以后，这一利润率有望提升至70%至80%。以保险经纪人为例，这便是AI落地应用的典型场景之一。以往，这类工作依赖电话沟通和表格填写，流程复杂且每个案例都各不相同。现在，AI能够接管那些过去难以实现的功能，实现自动化替代。 第六条预测是，无论您对这项“大美丽法案”持反对还是支持态度，特朗普提出的这项OBBB法案将为Onshore带来非常显著的变化。他们已经观察到许多公司已着手相关工作。预计到2026年，许多企业将真正站稳脚跟并开始蓬勃发展。这一前景基于以下前提：多年来，当我们讨论Onshore时，绝大多数人都认为这是不可能实现的。他经常与大家探讨这一话题时，大家一开始就断言这是不可能的，认为应该彻底放弃这种想法。然而，根据他们亲身经历的案例，他们看到了这项政策带来的实际影响。当然，并非所有企业都能取得成功，但他们可以确定这项法案将为它所涵盖的领域，包括能源、半导体和国防相关产业，带来实质性的变化，促使大量供应链落地。 第七条就更加具体，例如在电池或能源存储等领域将获得大量生产机会并取得成绩。这一点与第六条紧密相关，是对特定行业更为精准地预测，即在中国以外的供应链将得到实质性的开发与发展。 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。

11月22日TSVC举办了《打造下一个独角兽》讲座第46讲。AI时代，由于传统体力劳动和脑力劳动大量被机器取代，我们都要经历人生格局的大洗牌。不甘淘汰的出路在于直面未来，即后AI时代人类的巨大精神需求。以“心力劳动”为基点，硅谷华人最成功的种子基金TSVC创始合伙人夏淳博士与合光公益基金会创始人久美上师联袂，描绘万亿级的身心灵新兴产业的新机遇。 嘉宾： 久美师，InLight合光国际中心创始人、合光公益基金会发起人，在科技风卷全球之时，提出要帮助现代人在AI推进的人类新浪潮中，回归内在平静与生命智慧的人类愿景。曾是全国政协委员、中国时尚业与女性力量代表人物，并获联合国“杰出青年企业家成就奖”等国际荣誉。在事业巅峰时，毅然选择四年深度闭关修行，领悟生命与智慧的本源。后融合东方禅修、现代心理学与生命科学，开创出适合现代人的身心灵教育体系，并在世界多个能量场建立修学中心，为斯坦福、哈佛、清北等名校及众多硅谷企业授课讲学。 夏淳博士是TSVC联合创始合伙人，是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。 以下正文： 03:06 夏博士指出，今天讨论的话题是面向未来的，并非回顾过去的二十年，而是着眼于未来三到五年的发展。所谓“后AI时代”其实已经启动，并非要等十年之后。为何如此说？原因在于，今年的毕业生已经开始面临就业难题，这正是AI对人类社会带来的巨大冲击的体现。这种影响已然显现。面对这种不利局面，我们必须深入思考其具体影响，并探讨如何有效应对。这便是今天讨论的核心。 04:12 PPT环节 夏博士表示，今天的内容非常精彩，因为这个内容，他和久美师在刚刚过去的星期天于哈佛进行了首次演讲。这次首讲深受哈佛同学们的欢迎。活动结束后，大家纷纷散去，但都认为这是一个很有意义的话题——后AI时代到底会怎么样？他们做出了一个预测：一个万亿级的身心灵产业就会产生。因此，大家应当积极投身其中，不再是找不到工作而无所事事，而将面临重大的机遇，每个人都将迎来重要的时刻。 刚才已经向大家介绍了TSVC基金，原名Teec Angel Fund，实际上是从硅谷清华联网，也就是硅谷清华校友会起步的。他们始终追求一个单纯的目标：因为在创业初期，第一张支票往往最难获得，也是最需要帮助的时候，这无异于雪中送炭。他们专注于为创业者提供种子轮融资，即在初次创业时给予他们第一张支票。 然而，他们的目标并非仅仅是做公益、撒钱而不问结果。他们绝对希望每一家公司都能长大，最终成为独角兽。这是他们唯一的KPI，始终如一地追求——从第一张支票投出独角兽。截至目前，他们已经成功投出了11个独角兽，而第12个和第13个也很快会有。虽然这个数字看似不多，但他们在业界的排名却是第一。此外，他们并非只是单纯地写支票，而是与创业者并肩作战，提供大量辅导和支持。这种辅导并非一开始就定位为公益，而是全程陪跑，助力创业者不断壮大。作为一家种子基金，只要培育出一家独角兽企业，就已经是极大的成功。而他们的平均成绩是两家，这无疑是一门非常赚钱的生意，并且他们做得相当出色。因此，他们对此项工作充满了动力。 这里面有一个关键点，之所以提到这里，是为了探讨如何让你的创业项目成为独角兽，以及他们为何会选择投资你，并相信你能成为独角兽。关键在于，你必须避开当前最热的热点。比如，目前Agent成为热点，大家都一哄而上做Agent，在夏博士看来，这种情况下你几乎不可能成为独角兽。你需要去做那些大家还摸不着头脑的事情，就根本就没听说过这个事，并且尽早布局，提前两三年甚至三五年。唯有如此，你才有可能胜出。TSVC就专注于这项工作，提前3到5年预测新的赛道。他们一直以来都是这样做的，总是着眼于下一个风口。今天大家热议的话题，其实都是他们三四年前就已经投资并布局完毕的。所以，今天将分享一个新的布局，探讨下一个新的赛道。 那这个赛道是如何形成的呢？其实，它就是从夏博士这儿。他从2006年就开始对一个方向特别感兴趣，现在可以称之为“技术人类学”。也就是说，我们硅谷所发明的这些技术，究竟会对我们的社会产生怎样的影响？对整个文明又将带来何种影响？这是他特别关心的话题。 举一个例子，大家都很熟悉：自从手机上有了导航后，绝大多数人已经不再认路了，对空间的概念也逐渐模糊。比如，从现在的Los Altos出去，很多人对东南西北具体哪个东西在哪的方位已经没有清晰地认识。就像他去波士顿，虽然去过多次，但真的对那里的空间毫无概念。这种空间感的丧失，正是因为导航的普及。这就是技术使得我们原本具备的一些能力逐渐消失。设想一下，如果原始人在过去外出打猎或逃命时迷失方向，无法回到自己的洞穴，那基本上是死路一条。因此，这就是一个非常明显的事情。 那么，让我们梳理一下，看看过去农业的发展。农业是一种技术，究竟带来了什么？首先，农业使人类历史上第一次实现了粮食的储存，这是农业的独特能力，因为它可以实现规模化生产。粮食储存之后，又带来了什么呢？显然，人口得以增长，进而产生了城市或城邦。还有一个重要的产生，那就是规模化的军队。以前，人们之间的争斗不过是部落间的冲突，一个洞穴里的人与另一个山洞里的人，最多也就是十几人或几十人的小规模战斗。以秦朝灭赵国为例，白起一次就坑杀了40万赵军，这个数字相当于今天一个小城市的人口被消灭，这是过去的历史事件。 再来看工业革命，工业革命对社会的影响深远，推动了城市化和现代化，催生了资本主义，同时也引发了马克思所说的异化问题，以及两次世界大战，这些都是技术带来的结果。如今，我们最熟悉的莫过于互联网、手机和数字化技术，以及由此衍生的所有社交媒体。它们带来的负面影响是什么呢？主要是信息过载和注意力危机。韩炳哲，一位韩裔德国哲学家，对此进行了深入研究，称之为“倦怠社会”。这些技术对人类的影响深远，属于技术人类学的范畴。 总的来说，60年前就有学者对此进行了深入研究。Marshall McLuhan总结道：人类在创造技术的同时，也被技术所塑造。技术会改变人类，就像今天，我们已经失去了空间感，连路都搞不清楚，这已经成为现实。 那么，我们进一步分析，按照这种研究方法去探讨，这一轮AI革命是如何改变人的？因为技术是由人发明的，AI也不例外。那么，AI又是如何改造人的呢？这种改造始于劳动。我们从劳动的角度出发，因为劳动是研究社会和经济的一个基本框架。中国人最熟悉的马克思主义，不就是围绕劳动展开的吗？甚至整个美国的文科教育也是以“labor”为核心。谈到劳动对人类进化的意义，首先当然是作为生存手段，这是毫无疑问的。没有劳动，连基本的吃喝都无法解决。更重要的是，从社会学角度来看，劳动是实现自我价值的重要途径，不仅仅是满足基本生活需求，更是实现个人身份和社会价值的关键。通过劳动，你在大厂里可能已经成为某个“principal”或“director”，拥有了一定的头衔。就像夏博士，通过自身的努力，成为硅谷的资深投资人，这些都是有社会地位的。 那么，我们关键要关注的是在AI时代，尤其是现在所讨论的，预测未来3-5年的事情——后AI时代。因为现在已经进入后AI时代，最大的问题是劳动的缺失。他们投资了许多机器人项目，这些项目能够将体力劳动通过机器替代人力，无论是在农业还是工厂中，他们都有大量项目可以完全替代人工。 此外，更多的AI项目，包括大家可能正在从事的工作，实际上在某种程度上是在消灭自己，即脑力劳动也在被逐步取代。因为我们拥有许多AI应用，比如在硅谷最为明显的Cursor，这导致许多刚毕业的CS学生就业困难。找不到工作就意味着失业，进而使人感到自身无用。这种无用的感觉直接影响到人的自我价值，因为我们认为劳动对人具有重要意义，劳动在人类学上具有其独特的价值。若失去了劳动，生存和生命的意义便会受到质疑。你以为躺平会很舒服吗？这是一个严峻的问题。这个问题导致他们预测，根据技术人类学的发展脉络，将会出现一种心力劳动。这意味着生命意义的重构。 具体来说，体力劳动和脑力劳动分别承担了不同的职能，而心力劳动则要做什么样的事情，这个是自然就产生的。因为劳动被取代后，人们最需要的是内在的心智精神。有趣的是，你的劳动工具很有意思，这一点一会儿请久美师为大家详细讲解。夏博士之前也不懂，直到去久美师那里学习禅修后才明白。劳动工具不用买，自己的身体就是最好的工具，呼吸、意识等都与人的内在紧密相关。其目标在于生成意义，保持心灵平衡。因为我们现在缺乏劳动，未来更需要弥补这一缺失。这正是后AI社会最为迫切的需求。 那么，一个很重要的点是心力劳动，目前它是AI无法替代的。我们知道，体力劳动已被AI取代，脑力劳动也逐渐被AI接替，但心力劳动，即人的修心层面，却是无法被替代的。为什么？因为这一方面的劳动，实质上是灵性层面的。在座的各位，如果曾有过修行或冥想体验的朋友，都会有这样的感受：这是一种非常神奇的体验，与其他感受截然不同，极为奇妙。 关于这种自我感知的体验，夏博士可以非常负责任地告诉大家，他在清华大学本科学习的是电子系，随后是计算机系，博士阶段也是计算机系。他非常清楚芯片内的晶体管是没有灵性、没有灵觉的，它仅能控制电子的运动，不具备任何奇妙的灵性内容。由于AI是由机器制造的，大家不断扩展AI的应用范围。然而，正因为晶体管缺乏灵性，只要人涉足这一领域，就永远不会被AI取代。简而言之，如果你发现某个领域人类能够打败AI，能够打败机器，那必定是灵性的领域，这一点毫无疑问。 所以，我们再深入探讨一下这个产业的形成过程。为何在后AI时代，我们如此需要心力劳动？有了这种劳动，又凭什么说会催生一个万亿级的产业？其实，这个问题的答案并不复杂。我们可以从一个现成的产业——运动健身产业的形成来寻找线索。 运动健身产业非常有趣，它也是技术人类学的鲜明案例。技术的进步消除了体力劳动，而在过去，无论是务农还是从事其他体力活，人们每天都在活动、运动，且常常累得筋疲力尽。然而，当体力劳动被剥夺后，人们开始难以适应。毕竟，人类的进化经历了数十万年，甚至可能上百万年，而体力劳动的消失仅发生在近一两百年的时间内，人类的身体并未进化到能够适应这种变化。因此，如果肌肉缺乏训练，就会逐渐萎缩，并且还会引发一系列文明病。人体并非为静坐而设计，于是，一种补偿机制应运而生，这就是运动健身产业的起源。技术人类学可以清晰地解释这一现象：技术消除了我们的一部分劳动，但人类尚未进化到无需体力活动的阶段，因此，运动健身成了一个新兴产业。 众所周知，运动健身产业在短短不到一百年的时间里，已发展成为规模庞大的万亿美元级产业，且形式多样、颇具吸引力。看看现在，在座的许多人可能都穿着像lululemon这样的有点贵的运动服饰。过去，人们做体力活有工资，都嫌累，都不愿意干；如今，却愿意花费大量工资购买可能并非必需的运动装备和设施。 所以我们在探讨脑力劳动时，道理是一样的。人类的进化并非突然发生，不可能因为停止脑力劳动，人类就能继续进化。如果一个人完全不动脑筋，不使用大脑，这是非常可怕的，等同于彻底躺平，这种状态非常可怕。因此，我们需要一个身心灵产业的诞生。他将此与娱乐业进行比较，因为娱乐业也是一个可以类比推论的产业。 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。

10月25日TSVC举办了《打造下一个独角兽》讲座第45讲。当今机器人在制造业遍地开花，让工厂的“四肢”更加强健。然而工厂的“大脑”仍然严重缺位。本期嘉宾从特斯拉辞职创业，致力于用 AI 填补这一关键空白。创始人与投资人将共同探讨——如何重构智能制造的中枢，重新定义未来工厂。 嘉宾： 高智韬是 IndustrialMind.ai 的联合创始人兼 CEO，拥有近二十年横跨中、美、欧三大制造业核心中心的丰富经验。他曾担任特斯拉上海超级工厂制造业 AI 与数字化转型负责人，主导工厂从零起步到建成全球最先进智能工厂的全过程。如今，他正带领 IndustrialMind.ai 与多家世界五百强企业合作，打造全球首个 AI 生产工程师，加速推动制造业的智能化与数字化升级。 李昊林是 IndustrialMind.ai 的联合创始人兼首席商务官（CBO），拥有加州大学伯克利分校MBA学位，并在特斯拉中美两大核心市场工作逾十年，在特斯拉期间，他带领市场与销售团队实现数十亿美元的营收增长，积累了丰富的市场拓展、销售体系建设与规模化管理经验。如今，他负责推动 IndustrialMind.ai 的全球战略与商业落地，携手世界五百强制造企业，共同推进制造业的智能化与数字化转型。 夏淳博士是TSVC创始合伙人和管理合伙人，是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。 以下正文： 04:19 夏博士表示，他特别惊讶，今天参加这个活动居然有150人。他原以为讲工厂、讲制造业的主题会比较冷门。因为像他这样在硅谷做投资的人，在中国看过200家工厂的恐怕找不出几个，或许只有他一个。他对制造业情有独钟，走访过太多工厂。但他一直有个强烈的好奇心：特斯拉无疑是制造业的灯塔和标杆，可惜他没有机会进入特斯拉工厂内部参观。只有在Fremont工厂购车时，他去看了一眼，那对方当然不会讲太多信息。 05:07 你们二位从特斯拉走出来，这让夏博士深感神往。在他看来，特斯拉如同大神级的全球制造业灯塔。请问你们认为是什么原因使它能够成为制造业的领军者？ 高智韬表示，夏老师对制造业有着非常深刻的理解，见过很多制造业企业。而他自己在中国、美国和德国的制造业都积累了一定的工作经验。在他看来，特斯拉最直接的特征是它在做一个全新的制造业公司。相比之下，上一代制造业企业，如那些德国公司，往往拥有几十年甚至上百年的历史。特斯拉的一个大区别在于，它在最开始的时候就没有打算模仿传统制造业。从理念上讲，特斯拉并不追求简单地复制过去的工厂模式或应用所谓的“最佳实践”，而是从第一性原理出发。例如，他在欧洲看到的一些老牌企业，它们在全球建厂时总是希望复制其在欧洲的标准。然而，特斯拉在上海建厂时，完全不考虑它原来的地方有多好，而是从地形原理出发，思考如何在此地做到最好。这种方式从一开始就为发展提供了肥沃的土壤，使得上限有机会大幅提升，而不是上限原来就在那里。因此，这成了一个非常重要的初始原因。 具体而言，大家可以明显看到特斯拉同时拥有很好的IT和数字化基因，很出色的AI基因。作为一家硅谷企业，同时又是一家制造业公司，特斯拉拥有特别扎实的数字化基础。凭借这样的基础，在AI和数据方面自然能够发挥得很好。再加上这一批人在当前时间点，始终遵循马斯克的第一性原理进行工作，他们普遍持有一种不设上限的态度。每个人给自己设定了一个非常高的目标，并且其中有一部分目标明确“一定要把自己干掉”，尤其是对于这些在公司内从事制造业与AI结合工作的人来说。他们希望看到的是，尽管目前他们承担着重要任务，但他们的目标就是创造某种东西，从而实现“把自己干掉”。结合这些经历，从Steven的个人体会来看，他认为最开始基因上就设定了很高的上限，然后过程中不断利用AI的这些手段逐步达到这一上限，因此目前取得了非常显著的成效。 李昊林表示，Steven刚提到了这个话题，他正好可以借此机会向在线的所有朋友们解释一下，什么叫作“我们的工作是为了把自己干掉”。大家今天可能对特斯拉的汽车有所了解，你们会知道，如今的车能在上海工厂以非常高的效率生产，大约每30到35秒就能造出一台车，并且成本非常低。这背后凝聚了许多人的工作成果，他们自发地想要打破自己之前的经验和改变行业固有的做事方法。一个典型的例子就是它们的压铸技术，英文称为Gigacasting。他相信很多朋友可能已经听说过，这方面可以说从五年前被行业认为不太可能实现，到如今已被全球所有先进的汽车生产商采纳。 简单举个例子，传统的汽车底盘大型金属结构件，需要先用冲压方式一个个压制成型，然后再将这些部件焊接在一起，就像用胶水黏合一样。这个过程涉及大量步骤，比如整个底盘可能需要70多个零件，需要用胶水再逐一粘合，而这个黏合过程还存在良率问题，有些人做得好，有些人做得不好。特斯拉内部有人提出，为什么不能像中国的月饼模具那样，把所有材料，尤其是铝合金，放入模具中一压成型呢？当时行业专家认为这几乎不可能，因为当时所需的压力可能是5000吨以上，可能现在达到一万吨。这个案例非常典型，也是他们许多同事，包括Steven参与的一个项目。在这个过程中，他们需要去攻坚，如何将模具一压成型，从最初的个位数良率，即造100个零件中只有三四个合格，提升到后来最多也只能达到十个。然而，他们有能力将合格率提升至95%以上。 当时负责这项工作的人，Steven是与谁合作呢？他是在与钣金冲压领域的前辈高手合作。这位高手在工厂住了三个月，从某种意义上说，他几乎抹去了自己过去20年积累的所有经验，因为那些经验在以后将不再需要，都先进了。这就好比大家普遍使用手机支付后，小偷无法再偷现金，道理是一样的。因此，这实际上是一个典型案例，展示了特斯拉的员工在思考方式和目标设定上，都不会被过去的经验和模式所限制，去思考和解决问题。 夏博士表示，确实非常精彩，他深感启发。早就听闻第一性原理，但没想到在工厂中竟能将其运用得如此极致，确实当之无愧，它就是一座灯塔。这无疑是大家学习的榜样。 10:53 夏博士表示，你们二位下决心地从世界最牛的工厂辞职，选择创业，这显然是因为看到了一个巨大的机会。TSVC已比较多地布局于“机器换人”领域的创业公司，投资了多家机器人公司，这些机器人公司应用于各种产线。例如，像ebots这样的公司，能够完成苹果手机制造中高精密装配环节，有效替代了大量女工。这无疑是一种比较时髦的做法。那么，你们为何没有去赶时髦，投身于机器人领域呢？毕竟，特斯拉的机器人肯定是顶尖的。 当然，正如刚才提到的，已经了解到，其中还涉及许多超前的先进工艺。你们的定位是“工业大脑”，这在夏博士看来非常有趣，也是当时触动他的地方。毕竟，这是第一次听说，你们无疑处于领先地位。能否分享一下，你们为何选择做工业大脑？特斯拉是如何做的？究竟什么是工业大脑，能否为大家详细解释一下？ 高智韬表示，正如夏老师所讲，很多事情都涉及一个时机问题。他认为2025年无疑是通过AI改变制造业的最佳时机，没有之一。回顾过去，他们亲身经历了工业4.0时代。当工业4.0这一词发布时，他正好在德国，亲眼见证了它从零到一，再到全球范围的推广，无论是德国还是中国，大家都在积极探索如何实施工业4.0。然而，如今他完整地经历了这一周期，发现工业4.0实际上已经彻底失败。 他们与许多顶尖的世界500强德国企业合作，经常与这些企业的一把手或制造业高层进行深入交流。大家普遍认为，工业4.0现在已成为一个失败的口号。关键问题在于，上一代技术并未能像技术飞轮那样运转：即技术初现端倪，逐步应用于实践，这些应用促使技术更加成熟，成本随之降低，进而创造更多需求。遗憾的是，这一飞轮并未真正转动起来，导致如今大家普遍认为该技术已过时和失败，甚至在许多场景中，尽管已经应用，却未能达到预期的效果。然而，在生成式AI的时代，他们发现能够很好地实现规模化扩展，这一点稍后可以详细探讨。 在这个时间点上，这实际上是一个非常领先的理念。回顾他们过去在特斯拉所做的工作，他们结合了传统AI与生成式AI，这些混合策略确实帮助解决了许多制造难题。例如，刚才提到的压铸问题便是其中之一。最初，在2020年时，他们还助力电池和电驱等工厂实现了突破性的飞跃。他们发现了一个严重的问题：制造良率低，设备问题频发。传统工程师花费大量时间寻找问题，却难以找到问题所在。然而，当他们用上大规模AI和数据后，便发现影响效率的根本因素其实隐藏在某些未被察觉的工艺环节或供应链环节，那他们能够有效解决这些问题。此时，他们深刻体会到，AI真的并非像过去的工业4.0那样依赖IoT、硬件以及广泛的连接，而是通过硬件与软件的结合来解决问题。而现在，他们清楚地看到，AI能够创造巨大的价值，解决很多问题。因此，从时间维度来看，大家正处于一个新旧技术交替的阶段。 另一点值得注意的是，当前正值全球重新重视制造业的时期。他的体会是，在2015年至2018年那几年间，制造业似乎逐渐变得不那么受重视，而互联网和其他金融领域则在蓬勃发展，吸引了大量人才涌向那些所谓更fancy的行业。然而，现在我们观察到越来越多的人回流到制造业，重新在这一领域寻找更多机会。全球范围内，无论是美国、中国，还是他们常提及的新加坡，甚至欧洲，都普遍认为制造业是非常重要的，都希望将核心制造流程掌握在自己手中。 然而，这一时期也面临一个很严重的问题。他们看到，当前美国的CAPEX投入，出现了巨大的增长，从原先的平稳状态突然翻了好几倍，欧洲和中国也是如此。但工程师的数量却无法突然翻倍。比如，他的孩子未来可能成为工程师，但许多上一辈的子女已不再选择这一职业，他们在高中或大学时便选择了其他道路。重新培养工程师需要从十几岁开始，不可能有那么多的工程师。不过，他们认为硬件的机器人是一个很好的解决方案。只要投入资金，制造出机器人，便能有效解决这一问题。因此，当前他们所处的时间点，是新旧技术交替的节点，迎来了对新技术的巨大需求，这无疑是一个非常好的时机，甚至可以说是最好的，没有之一。相较于2013年12月时的工业4.0，现在更是一个好的时间。 那在这个时间点，他们要做的更多是大脑，为什么不是身体呢？原因依旧，他认为身体的需求相对更容易满足。目前中国的工业产能实际上是相当充足的，只要他的机器人设计好了，产能提升会很快。然而，培养一名工程师却是一个长期且困难的过程。他们现在所采用的技术就是所谓的“工业大脑”，它应当具备工程师的工作能力。它能完成工程师原本能够胜任的任务，而对于工程师难以实现的工作，它也未必能做到。 这种“工程师”的特点体现在以下几个方面：首先，它能够洞察当前工业现场的状况，了解零件的具体形态。其次，通过接触更多的数据和现状，现在的模型能准确把握工程师的工作方式，再加上自身的思考能力，它既能实时掌握当前情况，也能理解过去的知识背景。因此，它能够真正像工业工程师一样进行决策。目前它们能够覆盖的流程是：当设计接近完成时，它会像工程师一样思考，例如针对一款手机或杯子，如何制定制造方案，如何设计制造流程，如何监控生产过程，以及如何应对并改进出现的问题。就像一位真正的工程师一样，能够全面完成整个环节。这就是他认为的真正的“工业大脑”。 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。

7月12日，TSVC举办了“硅谷华彩”系列第四期活动。他曾把 Iterable 做到十亿美金估值，也曾被董事会解职。他是创始人、行动者，也是一位反思者。本次对谈，Eugene Zhang 深入对话 Justin Zhu：聊创业的光与影，聊身为亚裔的挑战，聊硅谷的pattern matching 正在杀死创新，也聊一位 CEO 被“重启”后的自我成长与再创业。 嘉宾 Justin Zhu，他是企业级人工智能客户关系管理平台Mithra的创始人及CEO。此前，他曾担任估值高达20亿美元的B2C客户关系管理公司Iterable的联合创始人及CEO，成功将公司的年经常性收入（ARR）从0提升至超过1亿美元。2021年，在反亚裔仇恨犯罪激增期间，Justin Zhu联合创立了致力于反对亚裔歧视的民权组织“Stand with Asian Americans”。 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。 硅谷华彩系列 华彩系列由TSVC发起，深度采访一系列杰出的美国华人创业者的系列访谈。受邀嘉宾均是美国上市公司，独角兽公司的创始人或是营收超过一亿美元的创业企业创始人。华彩系列更将深入挖掘这些移民创业者独特的挑战，在邀嘉宾也将分享他们的经验、路径和心得。我们希望这些成功华人移民企业家的真实故事和感悟能为年轻一代华人移民树立榜样，激励更多勇敢地准备创业或正站在创业路上的勇士。开启下一个属于华人创业者在硅谷的高光时刻。 正文： 05:34 刚才那个Charlene介绍了你公司做到了20亿美元等情况。那我们或许要先往回走一点，你最早在2007年考进了CMU，在这之前的一些背景，能否跟大家分享一下，你是如何考入这所非常难考取的大学的？ Justin表示，他出生在上海。小时候，他爸爸很早就在上海开了一家电脑店，所以他小时候就已经接触到电脑了，当时用电脑大多是玩游戏，从来没有编过程序。八岁时，他移民到了加拿大，在那里待了四年后，又前往费城。他对电脑产生兴趣，主要是为了玩游戏，想知道如何把游戏玩得更好。出于这个原因，他开始深入研究程序，也对电脑产生了浓厚的兴趣。 他对电脑感兴趣，还因为他从上海移民到国外后，遭受了很多人的欺负。刚移民时，有三个人欺负他们这些亚裔移民。而且他搬来搬去，大多数地方都是白人，很难交到新朋友，所以他很多时间都在网上与人交流。 他从加拿大搬到美国上学时，对美国的学校体系不太了解。刚开始，他学的班都是最低水平的大学预科课程。九年级时，学校每四年会举办一次数学竞赛，他获得了第三名。有人问他：“你怎么在最低水平的九年级数学课上呢？”他说：“我也不知道，这看起来是大学预科课程。”过了几年，到了考大学的时候，他的分数也不是最高的，但他觉得写的essay，也就是关于他自己的故事，可能起到了重要作用。 在美国，前年有一起“哈佛平权法案”。从这个哈佛案可以看出，如果亚裔人想进入哈佛，SAT分数要比白人高140分，这太不合理了。很多亚裔学生分数都很高，但哈佛可能觉得亚裔学生太多不太好。所以对他们来说，分数必须很高，但这其实不应该是这样的。不过，他们会更看重你的essay。现在这个案子已经结束了，哈佛不应该有平权行动。在加州的伯克利以及加州的州立学校，从1996年以后就没有平权措施了，但他们会通过你的essay来了解你是不是中国人、是不是移民以及你的背景情况。所以Justin觉得，他能进入CMU，一是因为他写的故事，二是运气好，毕竟他的分数不是很高。 10:06 Eugene：当时你在加拿大，和加州距离挺远的。那我们先跳到你后来的经历，你2007年上大学，我记得2009年夏天，大概是大三的时候，你做了两份实习工作。 Justin：我大三只做了一份实习，是在谷歌的实习。 Eugene：在谷歌实习是2010年，那之前还有别的实习吗？ Justin：有的，2009年我在那个DC，他们主要从事卫星相关工作。 Eugene：所以你大三就开始实习了，对吧？那时候挺早的，不像现在，大学生实习这么普遍。 Justin：那时候学计算机的人都想找实习机会。 Eugene：后来到了2010年，你大三时去了谷歌做实习生。之后在2011年至2013年，你加入了Twitter，工作了两年多。这段经历有没有什么可以跟我们分享一下？ Justin表示，他是第一个加入Twitter的应届大学毕业生。此前，Twitter招聘的员工年纪普遍偏大。那时，除了一个没上大学的19岁的伙伴，他是最年轻的。当时，Twitter只有300多名员工，且发展迅猛。当时他看到这是一家初创公司，有很多可以学习的地方。他们在工程领域做的产品都是开源的，他觉得如果他在那里做出了好的产品，也可能会被开源并持续发挥作用。 他加入Twitter时，就感觉到这是他唯一一个当员工的公司，所以他渴望学习很多东西。他会研读每个团队的设计文档，探究为什么在Twitter有这么多的软件，他们创建了许多不同的数据库和开源项目，为什么要写这么多内容，还有这么多团队参与其中。他想了解是否有好的创意能发展成一家公司。 他在Twitter工作了两年。第一年，他主要在基础设施团队，第二年，他加入了增长团队。当时，很多人注册了Twitter，但使用几天后就不再回来。因此，他们思考如何利用人工智能，比如通过邮件和移动通知等方式将他们召回。当时，最早的增长团队出现在 Facebook，所以他们向Facebook学习，组建了自己的增长团队。在增长团队期间，他搭建了一个增长平台。这个平台会收集许多不同团队的机器学习推荐和创意，并将这些内容整合到电子邮件和移动消息中。这个系统对Twitter的活跃用户数量产生了相当大的影响。 他还注意到，其他一些硅谷的大的初创公司，如Pinterest等，也组建了增长团队，并且招聘了大量工程师。这让他觉得增长团队可以发展成为一项独立的服务，因为很少有公司有能力招聘足够多的人来搭建自己的增长平台。这个发现给了他灵感，促使他创办了自己的第一家公司。 14:22我还是要再往前走一下。当时你去Twitter，你觉得这家公司特别年轻，对吧？当时你在选择工作的时候，有没有什么其他的选择？是直接选择了 Twitter，还是放弃了其他机会，专门挑了 Twitter？ Justin表示，那时他可以去谷歌、微软、亚马逊等很多公司。但他觉得当时twitter规模还很小，只有300多人，他去面试时才100多人，几个月时间就发展到300多人，发展速度很快。而且他们使用一种名为Scala的编程语言，这是一种函数式编程语言，他个人还挺喜欢函数式编程的。他认为这是一种非常优雅的语言，所以他也有兴趣学习这门语言。此外，他感觉twitter这款产品很有意思，不像Facebook，Facebook主要面向你的朋友，twitter是一个非常开放的平台，他当时从未使用过，但他觉得它很有趣，他能从中学习到很多东西。 基于这些原因，他选择了twitter。而且他一直觉得这是他唯一一个当员工的公司，所以他想多学些东西。他曾在谷歌实习过，谷歌存在的问题是他们做的东西，一般性公司不会去买，因为这个层次的公司很多东西都已经完成。所以在大公司里，你只是一个微不足道的小员工。而在twitter，当时团队规模还比较小，工程部门可能只有100人。他刚加入时，直接向工程副总裁汇报，而工程副总裁向首席执行官汇报。这种情况在谷歌是不可能出现的。 Eugene表示，你或许太谦虚了，毕竟他自己听到你当时这事儿很容易，所有的工作机会都拿到手了，后来你去了推特。之后你在那工作了两年零两个月，然后就离开了。很少有人知道自己打工生涯的第一份工作会是最后一份工作，这一点相当特别。 16:51你能分享下你之后到Iterable你去创业那个触发点吗？你在twitter看到了growth的机会，觉得可以将其应用到其他领域，那究竟是哪件事促使你真正下定决心开始创业呢？ Justin表示，首先，在团队待了两年后，他已经做了不少产品，他觉得很难再学到新东西。其次，一开始他直接向副总裁汇报，副总裁再直接向CEO汇报。然而两年后，公司规模扩大后，他的上级增加到了六位经理，上面一下子多了六个人，很多会议等事务变得相当浪费时间。所以，他对继续留在那里工作提不起太大兴趣。 他在这两年里积累了软件开发的经验，有信心独立开展相关工作。同时，他也意识到自己需要学习如何做生意，而这些在Twitter是学不到的，他必须亲自实践。而且，那时他还年轻，心想即便失败了，他还能重新开始，也可以回到Twitter或其他地方，问题不大。既然有这样的机会，又看到了这个方向，他觉得自己应该去试一试。 18:08 Eugene表示，下面他来总结一下。可能Justin也记不太清楚了。他刚才翻了一下，那先从最简单的fundraising历史开始，和大家一起重温这段记忆。2013年，当时是在accelerator，也就是孵化器incubator，这样一段经历。到了2015年1月，进行了种子轮融资，融资金额是120万美元。他们TEEC Angel Fund很有幸，在2013年就进行了投资，那可是很早的时候。而且他们投资时的估值，不知道你是否还记得，是500万美元。所以大家都知道，如果在座的朋友们了解创业历程，如今的估值和2013年相比，存在一定的增长，大家可以做个参考。这是Justin的第一次创业。 打个比方，就像用Apple来类比一样。一位有抱负且工作两年的年轻人在硅谷创业，在当下这个阶段，既没有产品，也没有客户，那么他的公司会有怎样的估值呢？这可以当作一种通胀计算，或者从其他角度考量。 实际上，一年之后，也就是 2016 年，你完成了 A 轮融资，融资金额为 800 万美元。10 个月后，你又完成了 B 轮融资，融资金额达到 2200 万美元，当时公司估值超过 1 亿美元。不到两年，也就是 2018 年，你再次融资 5000 万美元，此时公司估值达到 2.6 亿美元。又过了一年，你完成了 D 轮融资，融资金额为 6000 万美元，那时公司估值超过了 5 亿美元。Eugene记得大概在 2019 年，参加了你的派对，你举办了一场小型音乐会或者类似的节日派对。到了 2021 年，你进行了 E 轮融资，后面就是一段非常独特的经历。当时融资金额为 2 亿美元，公司估值达到 21 亿美元。刚才 Charlene 也提到过这段融资历史。这段融资历史代表了公司的高速成长，这无疑与业务的发展紧密相连，非常独特。可以说，这是一段充满发展动力的历史。 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30日TSVC举办了《打造下一个独角兽》讲座第43讲。全球贸易风云再起，跨境电商首当其冲。平台难选、利润被挤、库存爆仓？别慌！从选品、选市场到仓储与供应链优化，这一仗怎么打，打哪里，全靠脑子和策略！我们请来了 Gaatu 创始人 & 投资人，带你拆解关税战下跨境电商的“生门”与“死穴”——局势再卷，也有人逆风翻盘！ 嘉宾： 浦玉斌（Ben Pu）先生是 ShipSage Inc. 的联合创始人兼首席执行官。ShipSage 是一家领先的电商物流及仓配服务公司。在创办 ShipSage 之前，Ben于 2011 年共同创立了 Gaatu Inc.，这是一家专注于汽车后市场零部件及家居用品的电商分销服务公司，现已发展为一支全球超过 200 人的团队，并孵化出多个直面消费者（DTC）的品牌。 凭借深厚的技术背景，Ben 在初创企业的增长、运营扩展以及电商、供应链和汽车行业的战略管理方面拥有丰富的经验。职业生涯早期，Ben 曾任 eBay B2B Marketplace 及 eBay Motors 解决方案架构师。他拥有马萨诸塞大学达特茅斯分校电气与计算机工程硕士学位，以及厦门大学水声学专业的硕士与学士学位。 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13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。 正文： 04:19 Eugene表示，可能有些朋友是再次来到TSVC这个公益节目，这一期又轮到他来主持。今天大家讨论的题目，他认为非常有意思。尽管跨境电商属于一个相对传统甚至存在上千年的贸易领域，但在世界格局风云变幻的今天，尤其是近几年，它受到了极大的影响。因此，这个话题非常值得大家深入探讨。 在进入正题之前，他想介绍一下Ben。他们是相识已久的朋友，从他2011年创业至今，已经走过很长一段路。如今，Ben是ShipSage的CEO，正如人们常说的“十年磨一剑”，经过这么多年的发展，公司销售额上亿，并且实现了可观的盈利。这便是在Ben的带领下，公司如今所取得的成就。 05:54 在开启这场所谓的关税讨论之前，我想把时间回溯到最初，简单聊一聊。回顾一下，Ben，当初你和另外两位创始人一同成立公司，能否向我们的观众简单介绍一下当时的背景？ Ben表示，很开心能和大家分享他的一些经验或经历。Eugene提到的第一个问题，是关于创始人团队是如何组建的。实际上，2011年Gaatu团队有三位创始人。他是怎么找到另外两位创始人的呢？其实是一个很偶然的机会。他去深圳参加了第一届海贸会，不知道在座的各位是否了解，2011年11月举办了中国第一届海贸会。他当时去参加那个贸易展，也就是电商展，在展会上碰到了另外两位创始人，他觉得这真的是机缘巧合。当然，经过这十几年的时间证明，他们彼此都没有看错人。非常巧合的是，之前大家都互不相识，就在那个展会上遇见了，然后他们便开启了十几年的创业之路。 Eugene表示，听起来像是一次非常成功的“配对”。合作过程中难免会有不同意见，但三个人能够一直走到今天，确实非常不容易。 07:39 Ben，你当时是从eBay离职之后去深圳的吗？能不能再补充一下这段经历？比如在eBay负责什么业务，最初是怎么想到要创业的？ Ben表示，确实如此，他已经从eBay离职了。他在eBay的最后一份工作是在eBay Motors担任首席工程师，负责汽车零件适配方面的工作。离职后，他便想开展一些与汽车零配件电商相关的业务。尽管他是工程师出身，但一直从事电商工作，后来又涉足汽车零部件行业。他觉得汽车零部件的适配工作对于普通卖家来说难度较大，特别是他们发现中国的工厂一直专注于B2B业务。所以他们最初的想法是帮助这些制造商打通ToC的销售渠道。当然，那时这个方向还处于比较早期的阶段。 Eugene表示，他记得当时在eBay上“auto”这一品类肯定排在首位。后来亚马逊发展势头强劲，因为它成了汽车配件领域最大的市场平台。 09:17 今天大家已经提到并了解到了 Gaatu，此外还有一个品牌叫 ShipSage。截至今天，经过十多年的努力，公司取得了显著的发展，根基十分稳固，属于自然增长式发展，也就是无需依赖外部资金，能够自我盈利。那么，你能否为大家大致介绍一下Gaatu 和 ShipSage 这两个业务的现状呢？ Ben表示，他可以回顾一下，从创业之初，大概在2011年年底到2012年年初，他们三个人就开始涉足汽车零件领域，确切地说，是在线上开展跨境电商业务。在从事电商业务的过程中，他们一直思索如何提升效率并实现规模化。因此，他们从零开始搭建软件系统。这些年来，他们实际上已将整套电商流程数字化，开发了ERP、供应链管理系统、仓储管理软件，以及BI工具等。在2013 - 2014年，他们开始为汽车零件工厂提供M2C（Manufacturer to Consumer）服务。到了2020年左右，也就是疫情期间，他们将整套供应链的仓配能力开放给其他卖家。 归根结底，他们整个创业过程是一个能力积累和沉淀的过程。2020年是一个契机，他们开始将fulfillment能力开放给其他卖家，并成立了一家名为ShipSage的子公司。截至目前，他们有一家公司，两块业务，各自独立运营，拥有两套团队。也就是说，他们希望电商团队专注于电商业务，而ShipSage则专注于fulfillment服务。 Eugene补充强调，尽管当时他们是一家刚刚涉足跨境电商的公司，但实际上很早就开始构建相关软件系统了。这些系统就像一个引擎，在背后支撑着公司的发展。不管这套软件系统或智能系统叫什么，它最初是供公司内部使用的。到了2020年，这套系统成熟了，他们就将其开放给了其他公司。所以，虽然从表面看是一家商业公司，但真正为公司赋能的是技术。 12:51 Eugene表示，现在他要换个话题，来聊聊过去十几年里，物流这个传统行业中与投资人相关的话题。他觉得这挺有意思的，就去查了查。不知道在座的听众中有多少人了解，下面，他举几个比较熟悉的例子。 比如说第一家公司，他想提及的是Flexport，这是一家位于旧金山的公司。它在2019年年底获得了来自软银的10亿美元融资，又于2022年3月再次融资近10亿美元，累计融资超过20亿美元。它主要从事货运代理业务，尤其是海运业务。 另一家公司是位于西雅图的Convoy。2018年，该公司融资1.85亿美元；2019年，又成功融资4亿美元，融资金额很大。Convoy主要专注于与车运输相关的物流业务，在这方面融了大量资金。 还有一家风格稍有不同的公司似乎来自纽约，其融资情况更为惊人。2021年，大家都清楚这个时间节点，它累计融资25亿美元。它采用的商业模式是整合其他商家，追求协同效应，即实现1+1大于2的效果。 截至目前，你或许会好奇为何当时会有如此巨额的资金涌入这三家公司，对吧？这当然与当时的经济背景密切相关，当时利率较低，货币增发，资金成本相对较低。如今，除了Flexport仍保持着相对良好的运营状态，另外两家几乎已退出市场，想必投资者未能获得预期回报。这便是这几家公司大量融资背后的大致背景。 15:45 刚才提到这三个公司融了这么多钱，其中只有一个还在运营，另外两个都倒闭了，针对这种情况你有什么心得能和大家分享呢？ Ben表示，如果你有1亿美元，把它给这些创业者中的任何一个人，他想99个人都会说要收下，对吧？肯定会的。因为他也希望能有2亿美元、3亿美元，然后把公司做大做强。但当然，他认为，做跨境电商，它本质上是一门生意。也就是说，你要从各个方面去考量，无论是整个供应链，还是市场情况，你必须清楚自己的利润率在哪里，毛利率是多少，你要知道公司的成长点在哪里，钱都花到哪里去了。从采购、市场营销到整个供应链的管理，你的效率如何，你一定要心中有数。如果不清楚这些，即便融到了很多钱，也只是白白浪费掉。 因此，他们公司还是相对比较低调和保守。公司可以说是由IT男创立的，他们都是整天盯着数据。看到数据后，如果发现毛利率不够，他们就会思考是否要逐步砍掉某个品类，是否要引进其他品类。在选品方面，他们能看到每周、每月某些产品的毛利率。所以他们希望通过数据实现精细化运营，这样企业才能长久发展。所以他觉得，说到底条条大路通罗马，但你还得清楚自己的能力在哪里，长处是什么，如何打造自己的竞争壁垒，或者说如何发挥自身优势，走出一条适合自己的路。 Eugene从投资人角度补充道，在商业领域，至少在这个相关赛道里，物流总体规模约数万亿美元。许多公司规模已经很大，但截至目前，在物流行业中，很少有公司的市场份额能超过5%。不过，有一个最根本的要点，他觉得这些投资人都会领悟到，从他的角度来看，这一点更加凸显，即这个赛道的本质是要盈利。这听起来是个非常简单的道理——生意要赚钱，就像Ben刚才提到的，始终关注盈利数据，不做不赚钱的生意。 但这么简单的道理，为什么前几年大家在很大程度上都忘了呢？这是因为资金充裕给大家带来了错觉。进行投资时，会投入大量资金，却对盈利底线缺乏理解。因为资金充足，就觉得未来还会有更多资金，所以暂且不考虑盈利底线。一旦资金链断裂，很多公司立刻就会出现问题。实际上，这个原则适用于任何情况，只是时间问题，投资人终究会回过头来关注这个问题。就像刚才提到的那几家公司都犯了过度烧钱的错误，在那样的背景下，才导致了如今的结果。 20:43 Eugene表示，在这个赛道上，Ben他们从2011年至今，一路走来可谓风风雨雨，着实不平凡，至少经历了极为剧烈的动荡。例如，2018年美国特朗普政府首次实施关税政策；到了疫情期间，全球物流格局发生了巨大变化。突然间，大家仿佛每天都在过圣诞节，疯狂购物，导致整个洛杉矶港口拥堵不堪。同时，资金大量发放，物流公司似乎一夜之间就要发大财了。然而，形势急转直下，大家很快意识到，并非每天都是“圣诞节”，因为实际需求并没有那么大。 接下来，他们需要花更多时间探讨当下的关税问题。这个过程实在是疯狂，如果公司没有一定的应对能力，很可能在这个过程中被淘汰。只不过那些倒闭的公司无人会写文章悼念，就是这么现实。 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。

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。