2月17日TSVC举办了《打造下一个独角兽》讲座第26讲。TSVC对话被投企业句子互动创始人兼CEO李佳芮 — 微软人工智能最具价值专家 (AI MVP)；「福布斯」30 Under 30；中关村 30 Under 30；36氪 36 under 36 S级创业者；RCEP U35 科创青年领袖；2021 科创中国·青年创业者；中文首本对话式 AI 图书《Chatbot 从 0 到 1》作者。 嘉宾： 李佳芮，句子互动公司创始人兼CEO 讲座目录： 01 活动概要 02 大模型上半场是什么？什么是非任性创业者？ 03 《Chatbot从0到1》，这本书讲了什么？ 04 生成式AI和大语言模型为创业带来了哪些机遇？这波创业浪潮和过往有哪些不同？ 05 句子互动的产品的核心应用场景是什么？当时是如何捕捉到这个市场的？ 06 在2023年，觉得遇到的困难和收获有哪些？ 07 国内很多公司都想要出海，体会到的挫折、收获都有什么？ 08 大家如果想去听你的公开课或者买你的书，有什么渠道？ 以下为正文： 02:35 请简短的回顾一下，大模型上半场是什么？什么是非任性创业者？ 大模型上半场通常是指以大模型为代表的基建，下半场更多指的是偏应用的落地。 回顾大模型的上半场，核心是以ChatGPT为首的大语言模型，掀起了整个大模型基础设施建设的浪潮。时间再往前推，2020年6月GPT-3开启了通用人工智能AGI的序幕。因为在此之前，大部分的AI都是专用系统或者专用任务。比如以前我做的聊天机器人，也就是早期分类器定义的AI，Chatbot要定义domain ，intent，不停地要去做分类。核心是到底要解决什么领域的问题，或者有什么意图。这些都是需要一直做训练的。而GPT-3第一次让AI可以解决通用性的问题了，所以说GPT-3开启了通用人工智能时代的序幕。 2022年11月底ChatGPT发布，后面的故事大家都知道了，不管是海外的各个大模型，比如ChatGPT、Claude和LLaMA等，还是国内的各种国产大模型，包括智谱AI，百川智能等都在不停地涌现出来。 ChatGPT仅仅是基建的开始，一直到去年23年的下半年，从开始的尝鲜到落地再到产生疑问：它到底能给人解决什么问题？大家在使用后发现它确实很厉害，但是当需要解决具体垂直领域问题的时候，它却并没有那么强，经常会一本正经地胡说八道。哪怕是可能最简单的需求，大模型都没有办法很好地去满足，这背后有一些是数据和生态的问题。但是追根究底大模型还是要能够解决实际的问题，这才是最重要的，所以就到了大模型的下半场，也就是应用。 大众或者市场更多还是希望做一些产品化或者商业化的事情，看大模型到底能解决什么问题。所以有人说ChatGPT的发布是iphone时刻到来，而iphone只是第一步，真正让移动互联网改变我们的生活的，是 iphone或者安卓里边成千上百个影响我们生活的App，是整个生态的完善。所以说大模型的下半场更多是应用落地的时代。 应用的落地包括各种Agent，我们内部定义是数字员工，以前是聊天机器人，其实在我看来它们没有太大区别，核心都是在现实生活中解决实际的问题。还做了很多数字家庭医生，数字销售，数字老师等等，去解决数字员工真正落地能够解决的问题。 我认为Agent解决实际的问题，需要四个通用的能力：第一是通用大模型的能力；第二是垂直领域的知识；第三比较重要的是必须有专属业务的SOP，有自己的一套标准规范；第四需要通过RPA和外界世界做连接。我们也在做这样的事情。 [图片] 所以通用大模型固然是非常重要的，但是大模型并不是全部。 07:00 听说疫情期间佳芮写了一本书《Chatbot从0到1》，给我们大家大概讲一讲这本书讲了什么？ 我在2020年的疫情期间出了这本书的第一版，去年出了第二版。这本书主要内容是讲如何从0到1做聊天机器人的落地。最开始的契机是因为8年前我联合创立的一个开源框架叫 Wechaty。然后在五年前，我和百度共同做了一套对话式AI系列课程，现在还在百度AI的官网上。因为这一套视频课出版社找到我，问我是否有意愿把视频的内容写成书，所以三年前疫情期间，我完成了这本书的第一版，首次提出了Chatbot的生命周期，希望为Chatbot从业的同行业者和决策者提供一份指南。 后来到了2022年大模型的上半场，ChatGPT的横空出世让大家对聊天机器人的讨论又变得非常热烈。当时的情况和我之前做视频课，包括出书的感觉很像，大家对技术浪潮的来临，以及对技术背后的黑科技都很感兴趣。那时候出版社又找到我，我当时就觉得可以把这本书里再多加一些大模型和ChatGPT的部分，就出了第二版。 [图片] 这本书核心讲的是应用落地，怎么从 0 到 1 搭建一个聊天机器人，就像我们今天活动的标题一样“非任性创业者”提到的。之前听到身边很多人说，如果自己不是一个研究了很久的大模型算法，或者在各种厉害的会议发表过论文的人，那怎么抓住这一波浪潮的？其实我想表达的是，抓住浪潮不一定非需要搞论文才能抓住，这波浪潮需要各种各样的人，不要被黑科技吓到，今天你用 iphone 其实你也不会明白底层系统。 我的这本书就是面向“非任性创业者”的，我提出如何搭建 Chatbot ，并提出了 Chatbot 的八大生命周期，其实是在第一版八大生命周期的基础上做了优化，主要是把 prompt 撰写更新进来了。八大生命周期包括：需求分析，流程设计，数据处理，prompt撰写，系统搭建，系统测评，平台渠道集成和运营反馈。因为是一个周期，运用反馈之后又回到下面的需求分析。 [图片] 我认为做聊天机器人，或者说做大模型应用落地，更多不只是技术问题，是产品的问题，是一个非常系统性的工程。 我觉得今天和几年前深度学习刚刚火起来的时候，大家的感觉是一样的，认为它是纯粹的技术工程，尤其是有很多非常 fancy 的词语，包括 Agent 刚开始出来的时候大家都觉得很 fancy，其实我觉得没有那么 fancy，只是被各种技术术语给影响了，忽略了产品设计和用户需求的理解，这才是最重要的。其实 80%更多的是产品工程，20%才是技术工程，甚至大模型今天可能只有 10%是跟纯技术工程相关的。 之前跟一个朋友聊天，说有谁在 ChatGPT 出来之前真正的在做大模型，所以哪怕他可能看起来一直在做 MLP 一直在做技术，但是大家对大模型没有那么多的了解和积累。接下来如果在应用落地的时候足够快，和客户走得足够近，其实还是能够抓住这一波浪潮的。所以这本书主要讲的是我对聊天机器人理解的经验，能让大家变得更专业，并且培养一些产品思维等等，毕竟我觉得现在只是开始，离它的落地还有很远。 11:30 既然聊到了AI这波浪潮，认为现在生成式AI和大语言模型为创业带来了哪些机遇？这波创业浪潮和过往有哪些不同？ 这里要分两块来讲。比较泛的方面，大语言模型一方面极大地提高了生产力；另一方面，对于初创公司来说，大语言模型极大地降低了做事的难度。有了大语言模型，如果学习能力稍微强一点，一个人或者几个人是可以快速搭建出一个MVP的。 比如我之前做过一次分享，AI如何去助力一个人开展跨境电商业务？从供应商选择、营销素材准备，自动化运营等方面，都可以在AI的帮助下，又省钱又专业地开始业务。比如原来人们要写文案、设计图、做官网都需要找到专业的人来做，今天就可以用大模型来做。虽然今天做的和资深从业者比较仍然有一定差距，但是可以帮助创业者早期验证一个MVP的可行性。随着AI变得越来越强大和全面，未来可以完成更多，基本可以用AI搭建一个雏形，跑通后再陆续去邀请更多专业的人来做。所以从0到1其实是变得更简单了。 我认为在AI时代，未来大模型会越来越强，我们将会看到公司变得越来越小，但是产品的影响力却可以很大，未来几个人的独角兽公司都会变成可能，这也是大模型带给我们巨大的变化。 包括我做播客的时候，有一期和FlowGPT的创始人聊，他的一句话我印象深刻，他说：“当大模型无限放大你的创造力和生产力的时候，限制你的只有想象力”。所以未来劳动密集型的公司也会越来越少，逐渐从以人驱动，变成以算法和算力驱动。从这个角度来讲，AI可能会取代一大批人，但是它也会给小公司和个人带来前所未有的机遇。 另一方面，从我自己做了SaaS软件的角度来看，我认为未来企业的工作流是可以被AI重塑的。现在所有的SaaS都是非常反人类的，包括我们自己做的这套系统。比如我要完成一次群发任务，就需要按照SaaS软件设计者的设计思路，完成一个复杂的任务，这个过程中可能需要点击20-40次。听起来这好像是一个非常简单的任务，但是你可能要选素材选人，又要做各种各样的设置。其实对于老板来说，让员工去做一个群发任务，可能一句话就可以把这件事解决了。未来我认为应该是能做到一句话就把这个事儿给办了的。 我们现在看到可能点击需要成本，其实这背后更多的是使用成本和培训成本。如果你不教客户，不告诉他怎么去做，可能这件事就没办法解决，尤其在企业服务的领域。这也是为什么说SaaS有的时候，更多销售的还是方法论，而且更多需要的是后面的培训。 今天我们聊SaaS的呈现，往好了说是我产品做得比较厚，有壁垒，所以比较复杂。另外一方面，我觉得其实是在给一个很差的人机交互在找借口，人机交互本身就应该是简单的，很多时候就应该是一句话把事儿给办了。包括今天我们看到很火的Agent，它能够自主地去决策，自主地去做任务的拆分，自主地去做执行，把一些业务做成一些工作流的分解，这些都应该是被AI驱动的。 比如一个营销人员，以后他只需要说：“帮我给在抖音上下单的付费客户，推送抖音活动的优惠券”，系统就应该会自动从电商平台同步数据到CRM平台，自动分析客户人群，识别不同类型的客户并打标签，自动创建文案和要推送商品图片，自动地创建任务等等。 我认为这才是真正的SaaS的下一代，才是真正的AI重塑工作流。这里的机会是非常多的，句子互动现在也在做这样的事情。 说回到创业浪潮，我认为浪潮分为大浪潮和小浪潮，这一波AI，是像移动互联网一样的大浪潮，或者说现在AI模型已经变成了foundation model，是一个基础架构级的基础设施，它未来会成为像电力一样的基础设施。 我之前听过一个特别有意思的例子：在100多年前，那个时候的电烤面包机，它的插头其实是一个灯头。为什么呢？因为在100多年前的那个时间节点，人们也都在畅想未来会怎么样。那个时候的工程师畅想的是：以后所有家庭都会用电，用电来干什么？来点灯泡。当时他们还不知道未来还会有电冰箱、洗衣机。当出现了面包机以后也需要用电，就把电烤面包机接到灯的电源上。那晚上需要用怎么办呢？就有人把插头设计成了灯头。 一开始，人们都以为要做发电的事，就跟现在一样，做大模型，做云计算，结果发现最后这些会收拢成为国家的关键基础设施，仅有几家公司有资格来做。但是会有很多人，用电的能力去把人类的衣食住行，或者是把柴米油盐，全都给它，那个时候叫电子化、电器化。现在在大模型之上，依然也有很多这样的机会。 包括iPhone最早出来的时候，大家都会在手机上下载手电筒、壁纸，今天大家就不会再去下载了。对于大模型能做哪些事儿，大家可能现在都没有办法看的非常清楚，但未来它的想象空间一定是巨大的，肯定比前几年的各种小浪潮要大很多，可能会是一个非常持久，巨大的从底层改变的浪潮。 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举办了《打造下一个独角兽》讲座第25讲。2024年的CES是疫情后的回暖，在AI的盛宴下及中企占参展企业四分之一的热闹中看到了什么磕绊？请随TSVC联合创始合伙人夏淳博士和TSVC投资企业AIZip联合创始人加州大学戴维斯分校的陈羽北教授来透过现象聊本质。 嘉宾： 陈羽北博士，加州大学戴维斯分校助理教授，AIZip联合创始人 夏淳博士，TSVC联合创始人 我们都聊了什么 00:00 活动概要 嘉宾介绍 04:15 为什么说CES的AI化是个尴尬？ 11:54 作为AI生成模型的专家和AI公司的创业者，怎么找到一条独特的路径脱颖而出？怎么才是一个真正的AI公司？ 19:24 AIZip应该怎么面对开源模型的冲击？ 24:35 作为参展公司，可以分享一下现场的参展感受？ 30:23 在现场的时候，看到有中国的高管团吗？ 31:45 今年回归参展的中企和疫情前有什么不同？讲一讲你的感受？ 34:00 请主持人Charlene你先来讲一讲，因为你过去经常去CES，觉得过去和现在比较，由于不参展或者缺位，到底是怎么样的情况？ 37:14 那些参展的企业，他们是不是那些真正有出海需求的企业呢？他们是怎么做宣传的？ 49:24 公司内部如果想要自研落地，是不是在研发大模型的阶段，就要建立和实际业务更匹配的评估手段来评估模型的能力，而不是使用开源的Benchmark? 52:36 AI产品的路径会分叉成中美两个不同方向发展吗？ 54:58 在学术界，就现在AI的发展，中美之间是怎么样的？有没有一个主次，还是说不同？ 56:04 在AI这种特别高层次的敏感的领域，地缘政治对学术界有没有影响？ 59:06 智能家居存在着使用体验的问题，如果AI介入的话，会对消费电子产品或者智能家居产品有什么影响？ 1:05:36 今年看到很多出圈的机器人演示，那么今年算是机器人的爆发点吗？ 1:07:34 人工智能和人工智能在应用场景方面如何结合才能创造出最自然的使用体验？ 1:09:42 从学术角度如何看待AI的发展，以及近期的一些发展和机会？ 提到的公司/项目 以下为讲座正文及音频： 我们也知道2024年的CES是疫情后的回暖，那么在热闹的大秀场下，我们能够看到两个现象，一个是AI化，一个是去中国化。首先我们来谈一下CES的AI化，这次两位嘉宾都是去了CES的现场，问一下夏老师，为什么说CES的AI化是个尴尬，这是不是和去年10月份TSVC请来雷鸣老师，和您在TSVC讲座上讲的TSVC主张去AI化是一个意思，还是有什么其他想法？ TSVC联合创始人夏淳博士表示，关于CES具体产品层面的报导非常多，视频也很精彩，所以就不再重复这些产品的报导，更多还是希望能够透过现象看本质，跟大家做一些分享和探讨。TSVC去年讲去AI化，和今年讲CES的AI化是一个尴尬，道理都是一样的。最近一年多AI的火爆，我们认为也是一个大泡沫，首先还是得益于ChatGPT的热度，ChatGPT准确说是2022年11月底推出来的，到了12月呈爆发式增长，在计算机的历史上，是用户增长最快的一个应用，立刻传遍全世界。 但是有一点需要注意到，ChatGPT是一个语言的大模型，那么一旦涉及到和语言无关的应用，预期的智能是达不到的。当然现在还有它自身的问题，比如幻觉，但是CES里面很多产品，比如扫地机器人，甚至于三星的冰箱，还有各种各样的汽车产品，语言仅在这些应用里面占很少的部分，并不是最核心最本质的，语言大模型没有特别大的影响，这就产生了一个尴尬。因为以ChatGPT 的惯性来看CES，ChatGPT已经很神奇了，甚至有人会说，再继续做到ChatGPT 5就进入了AGI，会威胁人类的安全等等，但CES展品变成消灭人类的武器，这个距离还差的很远，因此，这件事我们认为是一个尴尬。也就是多数CES的产品尽管贴上一个AI的标签，实际上，它是前GPT时代的那种AI的水平，没有实质上的突破，很多人还是希望看到后GPT时代的高度智能，这是一个挺大的落差。 第二方面讲我们的感觉，本质上讲我们去CES不是看软件的，CES根本就不是一个软件展，而是消费电子，应该说都是硬件，那硬件很多方面都是能够动起来的产品，我们觉得现在AI领域里面特别火爆，大家特别关注的具身智能embodiedAI，包括这次CES也展出了很多机器人，在具身智能方面，还处于初级阶段。从前GPT时代，进入后GPT时代的转折点，而embodied AI方面，单纯靠语言模型的突破远远不够。也就是在语言之外，这个智能还是差得很远，这点在我看来也是蛮失落的，这也是一个尴尬。关于这方面夏淳博士表示并不是那么在行，今天很荣幸能够请到陈教授，陈教授是AI的大专家，包括主持人Charlene也是AI的博士，是NLP的大专家，在这方面都很有发言权。 另一方面，我们看到很多CES的产品都在打AI的标签，这样就导致了大量的同质化，而AI本身也没有做得很透彻，还是一个同质化的产品。过去TSVC提倡去AI化，要回归商业本质，做什么样的产品，本质上讲是最能够反映产品的能力。例如展会里有一个能识别鸟类的望远镜，里面有AI的能力，这个也许用不到大模型，还是蛮实惠的。 TSVC在去年讲去AI化，是说在2000年的时候，所有的公司都标榜我是一个互联网公司，直到今天可以说所有的企业基本上都有一个网站，但没有人会说我是一个互联网公司，而真正的互联网公司，只有谷歌或者百度有资格去说。比如一家餐馆会有一个网站，但这个不叫互联网公司，所以我们要让AI回归到商业的本质，这是我们所说的去AI化。 问一下陈教授，这次CES最关键的词就是AI，现在很多公司都在提AI，都说外行看热闹，内行看门道，那陈教授您作为AI生成模型的专家和AI公司的创业者，是否能谈一谈AI公司如何能避免同质化，而找到一条独特的路径脱颖而出？就像刚才夏老师讲的，大家都说自己是AI公司，我怎么能够和别人不一样，怎么才是一个真正的AI公司？ 陈羽北教授表示，其实在回答这个问题之前，首先应该提一下，作为AIZip它有一个非常有代表性的，就是把AI赋予到各个万物上，在设备极小的情况下，都可以把有用的AI能力赋予到这些设备上，这就势必导致，以AIZip来讲的话，很多时候他们做的AI都是离线的智能，就是它并不需要云的能力，这点相对来讲有一点特殊性。其实他觉得这是件好事，在CES上大家都在体验AI，同时这也是他们第一次参展，觉得很有意思的就是，今年大家对AI的需求明显的增加了。当然同质化的一个原因，感觉大家展示的这些AI的能力，有点像从原来的一些实验室评测Benchmark的能力，真正用来打造产品，本质上它的商业价值是怎么样的，有时候是存疑的。 第二点，他觉得这些很多工作，真正进入到现实世界，robust其实做的不太好。展示概念就是需要在AI的能力里，做两类工作，一类是赚眼球的工作，另一类是卖产品的工作，觉得都挺有价值的。但是赚眼球的工作最好是概念非常新颖，而不是大家都有的概念，大家都提了一个语言模型，我也有一个语言模型，这个其实是没有太大的区分度。另一类工作是实实在在的，而不是搞概念，更多的是做出来的东西，能够进入到实际的产品，在现实世界里能够非常可靠地使用，其实用户也不会听太多这样的概念，而是觉得这个产品用了觉得很好，不会退货。所以很多时候，AI的能力在大家展出的这些能力并没有，这两者都不靠，从概念上来讲，大部分都不够新，从robust来讲也不够。 所以作为一个AI的公司的话，其实应该重视两点：第一点，如果提一个概念化AI的技术，是否可以提出一些新的技术。比如在AIZip，我们提的一个新的技术，可用于多种能力的方式来生产各种各样的AI模型，也就是我们提的AI设计自动化，这其实有点像硅谷在90年代有很多的芯片领域，会产生很多的进展。依靠EDA的技术，会产生各种各样的发展，使得芯片的设计变得非常高效。但AI作为一个相对来讲不是那么成熟的产业，能否设计一系列的自动化工具，使得我们在设计人工智能模型的效率显著增加。另一方面从做模型的角度来讲，希望能够远远的超出基准和演示。相对来讲，有时候大家说高中生就可以做很多的模型，确实也是这样，拿一个开源模型就能跑一跑。但是从Benchmark到Demo再到现实世界，这种robust是差了很多个数量级的，还是有相当大的区分度，从这两个角度来讲的话，作为一个AI的公司都是可以做出一定的区分度。 另外，陈羽北教授认为离线智能，一定会有非常大的需求和空间，不管将来的设备如何发展，离线智能一定会占大部分。假如一个卧室里，有四个摄像头对着你，还有20个麦克风，并且所有的数据都传输到云端上，然后我告诉你，这是大公司提供的，绝对安全，人们还是存疑的。 夏淳博士从产品方面，针对陈教授所说的再发挥一下，刚才听陈教授讲完以后，给他一个体会。他对AIZip也比较熟悉，我们今天一谈AI往往都是被大模型概念包围，觉得大模型是必须的，这个非常神奇，尤其是GPT之后，再到了AGI好像造出神了，其实这个距离还差的很远。那么比较现实的，尤其针对CES能够把各种各样的产品用AI武装起来的路径，我觉得AIZip还是走出一个很有意思很有价值的路径，我们不一定要做大模型，而是可以做很多小模型，甚至是微小的模型，因为AIZip的能力是可以把一个模型缩小到一个很小的单片机里面，而这个单片机可能不到一美元，特别便宜，因为这样的价格，再加上它也不需要网络，使得这个智能可以完全固化在一个设备里，就是刚才陈教授说的AI是可以离线可以离网的，这个AI是无所不在的。 因为任何一个物体，只要有这样的芯片，有这样的模型，它就具备AI的能力，而这种AI相对来说比较特定，所以这种模型怎么去做，又是一个挺大的挑战。AIZip是蛮有意思的，在我理解它有一套自己的大模型的方法，也是在做生成，但是它AI生成的是小模型，这点很独特，在我看来是目前世界上第一个来做这样的工作，可以生很多的小模型，智能程度可以非常非常高。 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举办了《打造下一个独角兽》讲座第24讲。一年前2022的岁末，正值chatGPT火爆登场，TSVC预判了multi-agent多智能体的兴起，今年agent果然成为了AI新赛道。TSVC的portfolio怎么决定的？对于2024的新赛道有什么预测？对于新的创业者，有什么建议呢？大家一起来听听吧。 嘉宾： 张于庆， TSVC联合创始人 夏淳博士，TSVC联合创始人 我们都聊了什么 00:00 活动概要 嘉宾介绍 07:35 您在2010年TSVC开始成立之前就已经在管理天使基金了，那么也是最早进入金融科技投资的华人投资者之一，也看了很多美国的泡沫经济，那么根据今年的经济环境还有经济背景，您是否有一些什么回顾，还有一些反思，那么又对于明年的金融环境有些什么看法？ 13:48 您刚才谈到了IPO的市场现在2023年不太好，您比较看好，从IPO的市场上来讲是24年有可能恢复，还是要到25年？ 15:17 刚才您说的VC的估值刚刚回来，您能不能再稍微阐述一下VC和平常IPO的市场可能是不太一样的估值。 18:03 您对VC这个行业的周期性，包括投资、融资的退出您怎么看？明年VC的行情是很好，还是有可能面临洗牌，有一些变动。 27:07 觉得现在AI公司是不是估值都比较高，还有没有值得投的AI公司？ 25:46 TSVC在制造业出海这方面有过深入的参与，而且提前了一两年的布局，能否介绍一下背后的投资逻辑，有没有一些投资案例，就像国内要想出海的企业，在目前的地缘政治比较紧张的情况下，应该如何布局？ 31:35 在美国建厂，是不是投资成本要很大？作为VC跟软件公司来比的话，是不是要投入更大的资金？ 33:11 TSVC过去布局了AIGC、生成媒体、多智能体，那么能否介绍一下TSVC在AI和应用领域的投资逻辑？ 47:20 想请夏老师把您刚才的投资理念跟你们平时经常讲的天时、地利、人和以及其他的投资理念，能不能提高到一个战略上，看看你们投资的理念、标准是怎么来决定的？ 52:53 现在投资的阶段是不是风险非常高？那在投资的过程中，你们期望的投资回报率是多少？ 54:43 怎么样的标准叫做独角兽的标准？ 58:30 对于明年，你们有些什么期望值？给大家提供什么建议？ 1:02:31 2024、2025年哪些领域最具有投资潜力？如果选标的的话，哪三条标准比较重要？ 1:05:14 请问对于convertible note和对赌上市条款怎么看？ 1:06:59 对于有些可能是学生，也有可能就是连续创业者，怎么样能够找到像你们一样的VC？ 01:09:26 有些是学生投资者，或者是创业者，或者是持续创业者，或者是有成功经历的，你们是否有preference？ 01:12:02 高利率对于你们所投的子公司有什么重大影响没有？如何提早的规避高利率所带来的负面影响? 01:14:20 能评论一下新能源电池的机会吗？这个宁德时代产能过剩的问题怎么解决？创业公司有什么机会？ 01:19:44 请夏老师再稍微把“去AI”简单介绍一下，因为是不是你觉得已经时间过了或者估值过高了？ 01:24:19 目前看到一些像Pika这样的，他们是小团队做大事情，四个人就搞得估值很高。那您觉得这个会将来成为一个常态吗？ 01:25:55 总结 提到的公司/项目 • ARM芯片公司 • 互联网物流 Instacart • federal reserve美联储 • Tiger Global基金 • Axial基金 • Automat电解液研发 • 家庭储能 • Lex Machina • agent智能体 • chatGPT • 情感计算affective computing • 多智能体multi agent • 具身智能embodied intelligence • eBots • Tesla • Powerwall • Lex Machina公司 • Zoom公司 • Shopify公司 • Carta公司 您在2010年TSVC开始成立之前就已经在管理天使基金了，那么也是最早进入金融科技投资的华人投资者之一，也看了很多美国的泡沫经济，那么根据今年的经济环境还有经济背景，您是否有一些什么回顾，还有一些反思，那么又对于明年的金融环境有些什么看法？ 张于庆表示，这是个很大的问题，毕竟我在湾区超过32年了，刚开始到湾区的时候是1991年，处于低谷期，到了2000年就叫.com（互联网泡沫），股票涨得很厉害，后面就是2008年的金融危机，那最近的经济环境还谈不上是危机，只是因为2021年一些标志性的特殊事件。这是经过了几个这样的周期。 回看23年，我觉得它属于一个调整期，可以总结为compound surprise。大家都知道2021年发生的事情，估值到了顶峰，那23年初的时候都觉得一定会有经济衰退。在做投资做创业，不管任何人都逃不出宏观经济的影响。第一个是预计会有经济萧条，实际上并没有发生，看来现在概率变得比较低。第二个，因为没有发生，到了23年中6-7月份的时候，大家对经济还挺看好的，通货膨胀也开始有往下走的迹象，开始还有点乐观，整个VC行业，首先乐观的源泉就是IPO的市场，非常重要。那么经过将近两年的寒冬期，也没有公司能够上市，直到现在等来了三个公司上市，第一个叫ARM是做芯片的公司，是与软银的故事，这个公司的芯片都是按照百万计算的，因为华尔街的投行很多年都没赚钱了，员工也裁了不少，所以希望等着这一笔赚钱后要退出。另外一家上市的是互联网物流 Instacart，还有一家也上市了，结果上市以后表现都很差，所以投行们又是心中一凉，总结23年的大形势就是：里里外外未预料的事件发生了。 对于24年，我想还是要从VC的角度，可能在座的很多人在做投资，都是一环扣一环的。VC这个行业实际上21年是高估值，慢慢经过两年的时间，才调整到我们VC做早期种子轮的投资估值，23年下半年价值的调整，从统计上来说刚刚到位。因为21年之后，融资的速度也不是那么快的，大家都有滞后，从小公司融资的角度，估值的调整刚刚变成一个事实，所以24-25年从创业者的角度，跟之前两年的时间点相比，如果还没有融钱，准备创业的时间点应该挺好的。 您刚才谈到了IPO的市场现在2023年不太好，您比较看好，从IPO的市场上来讲是24年有可能恢复，还是要到25年？ 张于庆表示，在90年代初的时候会有疑问，觉得为什么利息跟高科技股票挂钩？从宏观上来说，federal reserve美联储就基本上放出了信号不会再涨利息，这个利息是非常要命的事，对于高科技公司的成长，利息就是资金的成本，是一个非常重要的因素。在整体大环境下看2024年会有所放松，会比较看好。上市方面，第一轮上市的公司一定是不能亏钱很多的公司，质量比较高，而且第一步还能出来，就有可能在2024年的上半年发生。 刚才您说的VC的估值刚刚回来，您能不能再稍微阐述一下VC和平常IPO的市场可能是不太一样的估值。 张于庆表示，是不太一样，因为我们投的公司和早期VC投的公司，需要经过9-10年的周期，开始投的公司一直到IPO，没有3年就能上市的，所以整个的影响非常重要。就是市场能够推出IPO，或者并购也活跃了以后，整个VC行业才能滚动起来。从经济周期来说，最近VC有个概念叫vintage，比如说2000年成立的基金就叫vintage 2000年，那一年的基金业绩统计上来说是特别糟糕的，就等于是现在的2021年，在那一年做的基金投了很多公司，并且都投在高点上。 我们基金是在2010成立的，在2020年时，大家做10年的统计数据，有很多人说VC这个行业作为一个资产配置已经没有价值了，因为2000年基金回报都低于public market，但是过了2-3年以后马上就回来了，所以02和03年基金就表现的特别出色。那反过来推论现在的周期，就等于是21年投了很多项目的基金，消息不太好，但如果在24-25年出手，从统计上是这么一个关系，IPO的健康就会给VC增加更多的弹药，整个行业就会更加活跃起来。估值方面，健康的IPO不等于是回到20年的高估值，公司融资的估值还是会以调整之后的价钱，而不会参照21年的价钱，不问价钱的时期不可能回来了，因为印钱的机器已经停止了，有可能会降低利息，但是印钱一时之间也不太可能了。 您对VC这个行业的周期性，包括投资、融资的退出您怎么看？明年VC的行情是很好，还是有可能面临洗牌，有一些变动。 张于庆表示，实际上VC不是一年就能出业绩的，通常投资需要2-3年，业绩也是有滞后的，在2021年投了很多高估值的公司，有可能经过两年以后数字才能出来，在这期间也会有洗牌。那我就讲现在还没有变成事实而是我个人的体验，我在2000年的时候差不多投了十几个VC，到今天再看，大概只有一两个还活着的，很多都是2000年做的基金，正好是大家兴趣最高的时候，觉得做VC都是能赚钱的。（坏消息的）报道还要再滞后一些，有可能今年会有不少的基金因为各种因素不一定能够继续做下去，这是一方面。 另外一方面大家融资估值更加健康，留在这里面的人就会有更多的机会。我举个VC行业在2020年发展得多么疯狂的例子。曾经在2010年的时候，成立的 Tiger Global，20亿美金的基金，这已经觉得是天大的数字了。到了2021年的Tiger Global，一年之内融了两个基金，一个是60亿美金，一个是120亿美金。到今天大家都会意识到，原来VC的钱也是融来的，那投资人就会知道，一家基金20亿美金以上是很难有很好的回报，除非IPO的股市一直呈现向上走的趋势，但都是不持续的，所以20亿美金以上的VC基金是不可能带来很好的回报。现在Tiger Global最新的基金就做了20亿美金，最新的Axial做了一期基金，它也跟上一期一样在6亿美金的范围。其实在几个亿美元是比较好的，并不是VC越做越大就越好，只是一个时间问题会回来做修正。 另外，准备融资的创业者，如果是2021年融了很多钱，一定要靠这些钱把公司变成盈利的公司，这点非常重要，因为估值非常高，不然就会面临估值往下走，这也是很常见的，过去也是发生了很多次，因为就会有这么一个循环的周期，很多公司都是2021年估值上不去。从初创公司的角度，大家应该更关注的是现在的估值，而不是用2021年朋友融资的估值来做参考，在这个时间点，给将来准备创业的初创公司一个建议。 觉得现在AI公司是不是估值都比较高，还有没有值得投的AI公司？ 张于庆表示，其实AI这个赛道也正好有一年多了，因为股市大跌，好多基金从账面上来看都很危险，VC都找不到新亮点。其实做VC的本能首先要乐观，对待事情不能用失败的风险来解释他的行为，所以AI带来很大技术上的突破，确实是很让人振奋，大家就会一拥而上。像很多是早期的初创公司，什么都没有，也有背景很好的公司，拿着5000万美元估值或者上亿的资金都来投这个项目，这也是历史的重演，这里面有些公司会成功发展出来，更多公司就会泡汤。我认为现在的市场是有一定的调整，变得更加健康，大家主要看实际的商业模式。除非有些特例，比如说有著名的斯坦福教授之类的这种，发表过很多学术文章，到现在还会看到很多人来追捧和投资，就会造成高估值，但这个是极少数的。 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。

TSVC举办了《打造下一个独角兽》讲座第23讲。本次讨论从点到面，从宏观策略到具体投资创业的案例，来探讨在新能源领域的投资创业的机会和挑战。 嘉宾： 徐征博士，TSVC风险合伙人，eBots及Silevo首席执行官、联合创始人 傅建明博士，Suntint及Silevo 联合创始人，美国能源部评审委员会成员 夏淳博士，TSVC联合创始人 我们都聊了什么 00:00 活动概要 嘉宾介绍 02:33 当前大家都在讨论的新能源包括了哪几类？有哪些主要的技术环节？请傅博士给我们科普一下，当前新能源领域有哪些值得关注的投资方向，从近期到10年的远景有哪些赛道可以布局？ 07:46 从创业者的角度，傅博士觉得在这些领域有哪些值得关注的投资创新？ 11:03 请徐博士来讲一下这么多的技术环节和应用领域，在投资方向与赛道上，目前比较突出的，有哪些值得关注的新能源代表性的企业或者创业公司，举例分析一下他们的机遇和挑战。 18:51 我们知道 TSVC在能源投资领域一直都在布局，请问夏淳博士TSVC在能源领域投资聚焦了哪些赛道？背后的投资逻辑是什么？机会在哪里？如何判断这个项目的潜力？用一些具体案例来说明一下。 30:03 傅博士您现在还在担任美国能源部评审专家，请您介绍一下，美国新能源战略性策略的理解，还有美国政府在这种大背景下有哪些激励政策，这些政策对能源领域各个赛道的创业和投资会起到一个什么样的作用？ 36:50 结合新能源领域的独特性，国内新能源制造业在当前地缘政治及产业生态下该如何布局？ 50:21 徐博士和傅博士曾经是合作伙伴，成功地创立了Silevo公司，任ceo和cto两位创始人。你们也是新能源领域的成功创业者，能不能讲一下你们的故事?结合你们自身的经历，来聊一聊该领域创业和其他的高科技领域创业有什么共同点和不同点？在进行投资和创业时，会有什么样独特的挑战和机遇？ 56:35 各位专家有没有一些建议帮助我们在新能源投资中降低风险并增加回报？ 57:42 请问哪些因素可能影响新能源投资的回报率，以及如何制定有效的风险管理策略？ 59:47 和其他发电方式相比，比如水电，页岩气发电，核电，太阳能发电，那么目前来说太阳能发电是目前最便宜的吗？ 01:00:23 电池结构件类似科达利这种领域还有没有新的投资机会？窗口有没有关闭？ 01:02:36 TSVC投资绿色能源方面的芯片公司吗？ 01:03:15 能介绍一下永磁电机发电相关情况吗？ 01:05:04 请问各位老师看好用天然气发电给矿机算力机使用吗？ 01:05:42 各位老师好，我是ALEX Yang，目前在宾大读研，对于新能源、ESG和 Climate Tech都很感兴趣，之前有读过一些2004至2008年时期的 Bubble，在各位看来，我们有什么从当年学到的经验呢？ 01:08:05 和太阳能板搭配的家用储能电池，目前是十年寿命，大概8000刀一块电池，未来比如五年内性能有提升空间吗？价格有下降空间吗？ 01:10:16 如果我作为一个有产能能力的中国企业家，怎么去找能转移方向的企业进行合作，能够出海并且出海后运营的很好，达到赚钱的目的呢？ 提到的公司/项目 • 新能源：太阳能、风能、核能 • 光伏 • 锂电池 • 开源大型模型 • 云计算 • 上市公司Quantum Scape • 固态电解液 • Automat专门做电解液化学配方的公司 • H2U专门研究绿色氢能源 • Franklin家庭储能 • 碳排放 当前大家都在讨论的新能源包括了哪几类？有哪些主要的技术环节？请傅博士给我们科普一下，当前新能源领域有哪些值得关注的投资方向，从近期到10年的远景有哪些赛道可以布局？ 傅建明博士表示，新能源这些词儿有时候都是混着用的，新能源，可再生能源，还有密切相关的是说如何控制全球的天气环境。新能源一般讲有太阳能、风能，其实核能也是可再生能源，还有海洋的波浪，以及用作生物燃料，氢能这些都算是新能源。其中，有很多重要的环节，第一是怎样去收集这个能源？比如说有光伏，或者是集热器，仅从太阳能利用率来讲的话，就有很多种不同的方式。然后集热或者集能了以后，再下一步就是怎么样去储存，以及传输和利用，在这些环节上面都会有机会。像太阳能我就不多说了，大家都比较熟悉。在光伏领域，国内现在已经处于世界领先，无论是产能还是技术方面，还有在风能方面中国也是一个制造大国。未来为了把太阳能的利用更加低廉和高效，这个方向的技术还在不断地推进。 能源的储存有几个方面：一个是说，这么多的可再生能源上网了以后，有时候不太稳定，时间上也有不确定性，所以需要有在上网的网上面有一种储存，用电池，也谈到过用水库，或者其他的一些方法储存能量。比如最典型的就是锂电池的发展，这方面最开始发明于美国，后来慢慢发扬光大，中国的锂电池制造业继续发展的话，在提高效率和能量密度方面，也是一个关注的方向。另外提到的环境中很重要的一点，就是怎么提高转换效率，因为无论是使用像电机、机器人，还有储存，以及从太阳能的转化为直流电源转化为交流电源，这里面用的逆变器的各个方面，都会用到半导体，我们现在用的更多的是第三代半导体，碳化硅、氮化钾这些会用更加高频的效应，变得更加高效，所以这个方面可以有效的提升转换效率，这也是个很重要的环节。 从创业者的角度，傅博士觉得在这些领域有哪些值得关注的投资创新？ 傅建明博士表示，各个领域都会有一些新的，那就讲我比较熟悉的一些地方。像光伏，我们现在用的光伏主要是以硅为基底，这个硅基的制造其实也消耗蛮多的能量，现在有一种新的，比如用其他薄膜的方式，可能会有更高的效率，未来这些也是一个关注的方向。锂电池未来的发展，一个是需要有更高的能量密度，更长的寿命，因为锂电池使用寿命也是很重要的一个方面，再有一个就是充电和放电的速度怎么样去提高。还有转换环节相关的，现在碳化硅还没有得到非常广泛的利用，很重要的一点是因为它的价格过高。讲得更细一点的话，就是这里面需要的晶体，本身的生长速度就太慢了，现在有很多公司都想用一种新的方式解决这些细节的问题。实际上在光伏领域，我们中国的公司在抠细节的各个方面有最新的创新，已经发挥到极致。在其它领域，我们也需要进一步地关注，就像刚才讲的几个环节。 现在美国这些创新公司，其中也有很多是偏向于管理或者是财务，或者是如何做营销和销售，以及如何把这些能源有效的与世界联系起来，让管理销售环节更加高效，比较容易的就能找到你的客户，然后去管理整个能源系统这些创新方向，这些方面也有很多创新的机会。 请徐博士来讲一下这么多的技术环节和应用领域，在投资方向与赛道上，目前比较突出的，有哪些值得关注的新能源代表性的企业或者创业公司，举例分析一下他们的机遇和挑战。 智慧基石资本的创始合伙人雷鸣表示，大多数创业者一直以来都选择使用大厂的基础设施解决方案，而很少有人自己尝试构建基础设施。比如，在早期，创业者可能会使用一些建站工具，后来则转向使用开源系统，而现在则采用开源大型模型和提供API的解决方案。根据雷鸣的观点，这种转变是合理的，因为像OS级别的并非一般人可以做。就云计算而言，我们确实看到了一些云计算创业企业，但最终，全球最大的云计算服务仍由那些最早开始进入这个领域的巨头公司垄断。 徐征博士表示，我们现在讲的是能源，实际上从物理原理来讲，能源既不能产生也不能消失，能源只是可以从一种形式转化成另外一种形式，所以并不是说谁用了多少能源，从能量守恒定理，整个宇宙能源是一个常数。那商业方向在哪里呢？就在把能源从一种形式转换成另外一种形式，这就是市场机遇。比如一百年前大家把太阳的能源，石油燃烧变成热能，机械再发电，汽车动力等等不同形式进行能量转换。而现在，主要的问题就是大气污染造成的全球变暖，其主要原因就是二氧化碳排放量太大，所以各个领域都在说去碳化，要把整个碳从能源结构上面给消除掉，那碳的能源实际上还是从太阳来的，几亿年前形成的化石燃料，从石油、煤，或者天然气的形式固定下来，这个能源又被我们给释放出来供大家使用，现在碳回到大气当中，对环境造成很大的污染，对整个人类的文明受到很大的影响。那现在，我们不要用碳回到最原始的，太阳能变成碳转换成能源，直接利用太阳能光伏电池，从过去15年一直到现在，光伏发电是非常容易获取，最便宜的一种手段。 那现在看总体的碳排放量的几个领域，第一个是光伏使用的发电；第二个是汽车，希望电动汽车充的电都是风能发的电；第三个最大排放量，就是工业以及商业建筑的取暖，还有工业合成的化工，或者钢铁工业等等，这些地方需要用到好多碳的加热，也是一个很大的碳排放，这部分现在还没有很好的解决办法，大家可以往这方面想下面的机会是什么。很多人说工业造成污染的那部分，用绿色的氢能来替代，也就是用太阳光伏来电解水，然后产生的氢能，或者用太阳能热分解水，直接把水分解产生氢能源等等。然后还有就是保留的取暖方式就是烧煤，或者天然气取暖，这些都是碳排放量。从宏观来讲，我们必须要考虑一个问题，怎么在人类活动的过程当中，使得能源的来源和碳分开，因为人类活动就需要能源，包括原始社会的时候，吃也是一个能源的来源，这将是一个很大的挑战。 我们所说的机会，随着社会的发展大家都要买车，买车就意味着碳的排放量不断的增加，像美国现在碳排放量实际上是减少了，中国或者其它发展中国家的碳排放量一直在增加，那怎么使得碳排放量减少？就是发电和交通这两大部分，发电的话用光伏，需要储存起来，而电池储存很重要的就是使得电网的稳定。另外一项技术就是高压直流输电，这种高压输电的距离很长，可以从中国的大西北一直输到北京或华东地区到上海等等，或者欧洲的话，从撒哈拉大沙漠里面建太阳能电站，可以直接输到德国去等等。这不只是能源的输送非常有效，而且它很大的程度上使得太阳能不再受天候的影响，使能源可以进行全球性的输送，跟现有的输电电网对比有很大的区别。 当然如果使得电网稳定的话，一个方法是电池，另一个方法是氢能，但是电池储电的时间不是很长，要时间长的话，另外可能要用氢能，把电变成氢能再通过燃料电池去发电，但是这个效率比较低，因为电变成氢能效率只有60%都不到，燃料电池的效率也就60%，算出来转换效率就在40%以上的，是不值得去做的。现在主体投资的一些重要的公司，我觉得固体电池是一个很大的挑战，同时也是一个非常有前景的项目，因为它使得电动汽车的充电速度可以非常快，不用再等一个小时，可能10分钟就充完了，同时可以达到500英里以上很长的航程。在硅谷很多公司都在做，做到最大的上市公司Quantum Scape，当初的市值达到500亿美元，现在少一点了，30-40亿美元，还是非常瞩目，大家都对他很看好。那固体电池其中最核心的就是固态电解液，它使得固体电池能够变成现实。 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。

TSVC举办了《打造下一个独角兽》讲座第22讲。本次活动从创业角度和投资角度来谈AI热以及带来的机遇和挑战，也会对未来的AI创业投资做出展望。 嘉宾： 夏淳博士，TSVC联合创始人 雷鸣，智慧基石资本创始合伙人 我们都聊了什么 00:00 活动概要 嘉宾介绍 04:32 两位老师觉得人工智能技术的革命发展有怎样的演进逻辑？与之相关的AI投资逻辑又是怎么样的？那对比过去十年，最大的技术革命移动互联网来说，AI投资和移动互联网的投资又有什么样的异同？ 21:43 从创业者的角度，两位老师觉得更具体而言，现在的AI时代，有哪些创业机会对创业者是有价值的？TSVC经常讲 preGPT和postGPT的概念，从这两个阶段来看，现在我们开始有哪些以前根本不存在机会全新的在我们面前打开，创业者可以去探索，两位老师对创业者有没有什么这方面的建议和指导？ 35:45 现在AI Infrastructure被很多大厂垄断，那对于一些创业者来说，如何突破一些他们所受到的束缚，能更好地去探索创业机会? 45:09 从投资者的角度来看，比如TSVC提早布局了AIGC、生成媒体、multi-agent，那么目前预测会有哪些下一波的热点？ 54:57 当所有的项目都打上AI标签，现在是个“去AI化”的时候了，我们如何在AI泡沫中保持清醒？ 提到的公司/项目 • AI • AlphaGo • Facebook • 腾讯 • chatGPT • GPT 4 • TMD • BAT • 抖音 • 拼多多 • Amazon • Netflix • preGPT • postGPT • Copilot • multi-agent • OpenAI • Snowflake 两位老师觉得人工智能技术的革命发展有怎样的演进逻辑？与之相关的AI投资逻辑又是怎么样的？那对比过去十年，最大的技术革命移动互联网来说，AI投资和移动互联网的投资又有什么样的异同？ 智慧基石资本的创始合伙人雷鸣表示，AI从2012年计算机视觉的突破开始，其实映射的是深度学习技术，到2016年的AlphaGo得到大众的认可，还有就是最近的chatGPT，这其中有几个问题：第一，要分析AI到底解决了什么问题？互联网从基础的经济学上来讲，任何一个企业，任何一个需求，它都有供给侧和需求方。比如人要吃饭，那人是需求方，餐厅就是供给方，任何一家企业都是要解决其中一些问题，而互联网当年发展到现在，它最重要的是解决连接问题。比如还有一些企业连接人和人，就有Facebook和中国的腾讯，连接人和信息，人和商品，人和服务，人和音视频娱乐等等。 那么互联网它是一个信息传递的高速公路，它使得供给侧和需求方能够更有效更快的连接，这是它在经济学的本质。但是我们也看到，像互联网金融、医疗、农业、工业等等，其实互联网对这些产业的改变是微乎其微的。为什么会这样呢？因为这些产业里边，连接不构成它最关键的成分。互联网医疗最重要的是要有好的医生，并不是把病人连接到医生那里就可以，医生的资源其实非常稀缺，即便病人知道这个医生的医术很好，但是医生的精力是有限的，所以最好的医生也没有时间给病人看病。当它的供给侧非常稀缺的时候，连接就不能实现，这些所有的连接生效都是在供给侧充裕的时候，这是一个匹配问题，当供给侧稀缺的时候，它就不是匹配问题，所以AI更多的是解决供给侧的质量和成本问题。 比如我在国内创建的深入医疗，正在做的事情就是解决医生看X光片、CT核磁片的事情，因此在医疗方面仅仅解决了一小块。那么将来如果病人有片子让AI看和让专业的放射科医生看，AI做的跟专业的一样好，那这个时候就会觉得它是AI系统，所以它是充裕的，没有稀缺问题，稀缺了我们就加几个算力卡就可以了，然后就不稀缺了。如果将来真的有AI医生，一个是解决稀缺问题，第二个是解决质量问题，现在很多医生的水平都不同，如果将来AI做得非常好，同样质量的医生都是最好的。但是很多人会认为，做不到或者要很久，当然这是另外一个问题，做不到的情况随着时间的推移，我个人觉得还是非常有信心能做到的，从医疗、教育，到工业的机器人自动生产线，再到无人农业等等，有很多东西AI是可以解决供给侧的质量问题，可以替代一些重复性的工作。第一是成本会迅速下降，因为所有的服务业，人是主要成本。第二是质量会一直提升，而且是统一标准质量。我们平时不太喜欢就是去看医生，A医生人好看得好，明天这医生可能他去了其他地方，再换一个医生又觉得不太好。所以AI如果能解决供给侧问题的话，它的市场几乎会触及任何一个产业，机会非常多。 什么时候解决什么问题做什么事情？就是刚才说的AI技术的引进，过去来看AI的起点是计算机视觉的突破，但是很多人把它叫人工智能，我经常说它不大算人工智能，因为动物的视觉可能比人还强，把它叫动物智能也可以，但chatGPT基本可以认为是人工智能，你会看到它跟人交流，很多知识面非常宽广。所以chatGPT现在来看我会把它归结为，第一它确实是强人工智能的开端，无论将来怎么定义，它跟强人工智能都是有关系的，其中一部分是像个盲人，它没有视觉，只是听了万卷书；另一部分，它比较像个文科脑，很多时候不能精确地做事情。 最近创业应该聚焦的方向，如果一个大学毕业文科生的第一份工作，或者经过一两个月培训可以做的工作，那chatGPT和GPT 4一定程度上是可以承担的，比如做一些初级的文案、客服，咨询等等。但是要求极其精确的，比如医疗、法律之类的，这些创业系统让我的律师使用后，反馈说还是不行，比如法律方面能够反馈基本95%都正确，但是那5%的错误不能让人放心，因为律师是要承担责任的，因此我的律师还是得把文件全部看一遍，这个步骤就不能节省。 往后还有一些重大的突破有三个阶段：第一阶段，是文科再加上理科脑，也就是说像AlphaGo下棋这种很精确的东西他能做好，这样的话像法律、工程师、设计之类的，它就可以承担比较多的工作，而不是只出点主意，这个阶段不一定哪个先出现，但这是一个可能突破的方向。第二阶段，可能突破的就是文本加视觉，就是这个AI它有了眼睛，它会对真实世界的具象化理解更多。比如在生产线各个地方就可以看到这个东西，然后理解，并且实时处理，这个会打开一个非常大的空间。第三阶段，是说它能够操作自己，就是全天候机器人的概念，表示AI全理解了，但是它还要对现实世界有个输出。如果这个做好了之后，基本上可以覆盖几乎所有的蓝领工作，所以这些都是巨大的突破。当然再往后的突破，假如真的强人工智能还会创新，还会为自己出主意，做实验，解决量子力学问题，这些就想的更远一些了，但是更具象化的可能是我刚才讲这些。 还有一个跟移动互联网对比的话题，其实我更愿意跟互联网对比，移动互联网发展起来之后，其实没有创造太多的机会，真正发展起来是同一时期中国的TMD，但是互联网它的周期很长，从最开始95年左右的门户，到2000年左右向中国的BAT起来叫垂直化，2005年之后又出了宽带，然后到2010年左右的移动互联网，所以更多是宏大的互联网时期，出现了很多机会，到2015年就是移动宽带，抖音、拼多多的出现。从客观上来讲，在美国既没有抖音，也没有拼多多，所以整体来讲，我们经常把创业叫做“技术支持”，就是在技术成熟的时候，你做它就行，在不成熟的时候，做出来的东西总是不能让人满意。比如没有宽带的话，去做流式媒体就不太不可能，所以2005年的时候有宽带才有音视频流媒体服务，没有宽带是不存在这种服务的。早期只能先用百度搜一搜，再用迅雷下载，之后用播放器播出，它是一个循序渐进的过程。但是后来有了宽带，就是一站式服务，用户喜欢一站式服务，这很重要。 所以要去思考，现有的技术突破对于这个应用来讲是不是足够好，如果你认为在短期内足够好，那你就去做，如果发现不是，其实很多时候是非常辛苦的。像自然语言以前也有很多创业公司在做，但一直做的都不怎么样，就是因为技术不够好，但是现在chatGPT出来之后，后面就会做得还可以。 夏淳博士很赞同雷老师刚才讲的，很多都是非常本质性的，讲得很深刻也非常重要。既然涉及到投资逻辑，我想把思路再强化一下，我们要看整体的宏观大环境，创业者在创业时也要注意到当时的经济环境。在美国来看，今天的AI和2000年的互联网比较相似，那个时候整体的经济状况都不错，股市也特别好，很多创业公司拿了很多钱，上市也非常快，导致一个巨大的泡沫，然后很快就覆灭了。那现在AI也是，至少前几年的股市也是好的一塌糊涂，热钱非常多，很多公司都融到钱了，也不追求商业模式，只要做AI的出去贴个标签都是很火爆的，这个泡沫还是挺严重的，所以这点都很相似。 在美国，移动互联网那个时候实际上比较惨，07年是第一部智能手机出现，08年金融危机，后面几年一直处在经济萧条期，所以雷鸣老师也是讲，很多有意思的东西，当时并没有那么突出，因为整体经济还处在萧条期，拿那个时候来对比就会出现一个现象，就是热钱多的时候公司是多，但绝大部分公司都破产了，从互联网角度来说存活率是非常非常低的。我们和雷老师都是亲身经历了这个过程，雷老师是百度的联合创始人，做的非常成功，是非常了不得的事情。 现在拿美国来对比，看今天存活下来非常成功的大公司，比如Google，跟百度都是相似的，还有Amazon和Netflix，其中有一个特点大家要注意到，它是真正的颠覆式的创新。我跟雷老师都是做早期种子轮的投资，当然我们的野心比较大，都希望能投到下一个颠覆性的，能够改写历史的创业公司。这里面都有一个共性，就是今天存活下来做得好的大公司，它都不是把过去的报纸、电视、出租录像影碟商店的延续，所以有时候我自己也感到挺悲伤的，就是看到大量泡沫里面的公司，就是在做这种报纸、电视、出租录像影碟这件事情，这个出发点就是错的。所以提醒创业者，你需要寻找究竟怎么去能够有颠覆性的创新，和原来是不一样的东西。我再举一个例子，比如我前几天刚看了一个AI项目，就是给网站做自动生成的，我是觉得在AI的时代，有这么多智能代理或智能体，以后可能我们就不需要看网站了。 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

TSVC举办了《打造下一个独角兽》讲座第21讲。当全球化步入半球化，本土化透过有限开放的国际资源整合正在形成国际合作的新格局。本期TSVC聚焦美国的制造业本土化，连接中国的制造业出海，直视本土化的种种挑战：关税、市场、建厂、运营、供应链、劳动力、资金、竞争环境等等，以及如何面对最大的文化挑战。进而探讨制造业美国本土化的策略与资源：文化适应、价值重塑、科技优势、资本优势、政策优势、地域优势等。 嘉宾： 夏淳博士，TSVC联合创始人 崔苑，AIM CEO 我们都聊了什么 00:00 活动概要 合作方介绍 嘉宾介绍 04:16 美国为什么需要制造业回归？美国制造业本土化所面临的挑战？ 07:39 美国制造业的本土化，给中国的企业带来了什么样的机会？ 15:29 TSVC针对Onshore的投资理念和投资逻辑是什么？ 18:48 请崔老师分享一下，这三年中国企业制造业做的一些具体出海的案例。 29:11 TSVC也投资过一些具体的案例做美国制造，请夏老师来分享一下。 35:45 请有实战经验的崔老师分享一下，这几年中国企业出海建厂遇到的挑战有哪些方面？ 49:34 对于您的橱柜公司，最大的挑战是当地员工雇用颇具挑战性。因为是需要本地雇佣员工，成本是比起把它移到其他国家是提高的，该行业是否因为美国对中国的进口关税50%，它搬到美国的商业成本才成立？ 54:13 制造业美国本土化有什么体系化的策略？ 1:02:58 AIM有提供一个体系化的美国本土化的策略吗？ 1:10:28 怎么界定是本土企业还是非本土企业？作为中国公司在美国注册公司设厂，这个公司算中资公司还是美国本土公司？美国本土公司定义对企业股东有没有美国公民比例的要求？ 1:11:20 请问两位专家对印刷线路板在美国建厂的看法？是不是一个好的产业，怎么选址？如果在美国AIM是不是也可以提供这种服务？ 1:13:08 对于同类型的产品公司，中国公司搬来美国和美国本土同类型公司的优势是什么？ 1:14:57 光伏行业，太阳能发电板在美国制造是否可行？ 1:16:48 AIM针对想搬到美国企业的咨询服务的报价区间大概是多少？具体提供哪些大项的服务？ 1:18:58 可以去墨西哥设厂吗？就是把制造业开到墨西哥，然后再运到美国，出口美国，这个优势和与在美国本土制造有什么比较？ 1:20:50 我们是来自texas的商业地产经纪人，承接了一些国内出海企业落地美国的办公室和厂房及仓库的租赁业务，但是因为我们不是制造业背景，为了更好地为这些出海企业落地服务，我们需要做哪些方面的知识储备才能更好地帮到，留住他们？德州和全美其他州相比，针对制造型企业有哪些独有的优势？和墨西哥相比有哪些劣势和优势？ 提到的公司/项目 • 制造业回归 • 跨境电商 • eBay Auto • AIM • Shein • Outer • Temu • RTA概念 • Adornus • Automat • 特斯拉 • GM • 宁德时代 • 福特 • RPA 美国为什么需要制造业回归？美国制造业本土化所面临的挑战？ TSVC联合创始人夏淳博士表示，制造业本土化是基金这几年一直特别关注的方向，我们认为这是一个潜在的新赛道，无论是美国讲制造业回归Onshore，还是中国制造业企业的出海，原因大家都比较明白，不用多说。为什么美国要发展制造业？其实就是发展实体经济，其中还是有很多地缘政治的问题，由过去的全球化，现在进入半球化。 那么目前美国要发展制造业，让制造业回归，它所面临的挑战其实还挺明显的。从根本上讲，美国制造业长年空心化，但并不是没有制造业，有很多先进高端的制造业，比如航空还有军工这些都是存在的，但是相当多的制造业都转移到了中国，长年的制造业空心化的问题也带来了一些恶果。第一非常明显，就是供应链不齐全，现在在美国已经找不到能够制造螺丝钉的工厂了，没人做这个事情。第二是工厂里面的技术工人或者熟练工人非常缺乏。第三个方面，要发展制造业，除了这些基础设施以外，很重要的是工厂的设备，这些设备其实美国也很少在生产。那么目前在中国，这方面的装备制造发展得非常快。比如说我之前看到过苏州有不少的工厂是做装备制造的，这个我们都很有优势，这些是美国目前遇到的比较明显的三个挑战。 美国制造业的本土化，给中国的企业带来了什么样的机会？ AIM CEO崔苑表示，实际上美国前30年的国际化，把很多低端的和劳动力密集型的制造业一直在外迁，搬迁到东南亚和以中国为主的国家，导致了美国现在可能仍然是世界上最大的进口国，主要进口的还是以低端的劳动力密集型的产品为主。这么多年来，中国作为美国最大的贸易逆差国，是美国全球化最大的受益者。据我们统计，以美国2019年的平均数据为例，全年总进口额大概是2.7万亿美元，其中从中国进口大概有8000亿美金，基本上还都是以劳动力密集型产品为主，比如基本的生活用品、消费品，还有低技术含量的产品为主。 这导致对美国最大的影响，首先是供应链不完整，在疫情期间就尤其的明显。比如像口罩以及基础的生活用品，由于疫情的原因导致供应链中断，对很多供应商来说是一个挑战，大部分东西都要从国际上进口，对国家的经济运营还是有一定的影响和威胁。其次，因为低端制造和劳动力密集型的企业外迁，导致劳动力的人口失业率上升。这方面目前来说有两个问题：第一，相当一部分人口这方面的工作是不存在的，比如对一些劳动力技能培训不是很高，或者说有基础技能的这些人的市场非常有限。第二，反之的是另外一个问题，就是如果制造业要回归，那么这方面的人员又是非常稀缺的，实际上是机会，也是对制造业回归一个很大的挑战。 那么全球化，把低端制造劳动力密集型企业的外迁，最大的受益方实际上是中国，所以这类制造型企业大部分是在中国。那么对我们中国的参与者和国内人来看，中国的制造业在这些年发展的非常好，我们一直认为，确实是因为它得益于有一个很大的国际市场来提供机会。其实大家都知道，任何一个东西说得再好，没有人买，没有人消费，那也不可能持续下去，作为企业来说，有营收才能维持企业的运营，这是最基础的一件事情。 现在国内有很多企业在低端劳动力密集型的制造业上做得非常好，产业链齐全，无论从产品、技术、设备、管理和运营上，形成了一套很强的竞争团队的优势和体系。不过内卷地非常厉害，那为什么卷？我们觉得一个是内部因素，但最重要的还是外部因素，就是现在市场有限。如果有一个很好的市场，大家一直增长很快，也就没必要去卷，只要尽量满足市场需求就可以了。可是现在就是因为市场有了限制，有了萎缩，大家只能靠互相卷互相拼来抢占市场。所以现在是外部因素和内部因素加上美国本土因素，对我们中国的制造型企业来说，是一个千载难逢的机会，就是走出去把厂搬到美国，是顺理成章，顺应潮流，也是非常难得的一个机遇。 这就是为什么我们AIM的中文名称叫美国智造，智是智慧的智，公司这几年着力于来做的事情，就是可以帮助中国的企业去美国落地生根，拓展市场，不管是你们现在正在做的市场，还是你们想去探索一个新的市场，这是我们美国智造公司正在做的事情。 TSVC针对Onshore的投资理念和投资逻辑是什么？ 夏淳博士表示，这个问题很有意思，其实和我们整体的市场环境相关。我们针对中国企业的出海很多年前就有过投资项目，那个时候基本上很多都是一些消费品出海，还都是在中国生产，拿到美国去卖货，所以从本质上讲是跨境电商，直到现在还是很火爆，这个是目前出海我们见到最多的。跨境电商这种类型，我记得在7、8年以前有一个创业者是卖汽车配件的，他原来在eBay Auto做汽车板块方面的业务，在做的过程中发现中国生产了很多的汽车配件不是给修车行用的，而是给美国DIY自己改装汽车用的。比如我自己，原来在美国是穷学生，汽车换机油都是自己动手干，一直到现在还养成这个习惯。因为美国消费者是有DIY的市场，它就可以跟国内这类企业合作，出海就是帮助把很多这方面的零配件集中在仓库里面，这些是属于跨境电商的类型。 那么这些年发展特别好的，包括服装类Shein，户外家具Outer，美国版的拼多多Temu，还有更多的就是亚马逊上的各种各样的卖家，这类很明显都是属于贸易型的。那另外一类，我们现在更有兴趣的就是美国本土化制造，是目前觉得更有发展机会，更有前途的，就不是简单的只是一个外贸的电商，而是说确实是在美国制造了。 主持人：也就是说我们TSVC在这个领域感兴趣的主要是制造业？ 夏淳博士：对，因为制造业和贸易比较，它有更深刻的一些影响，从经济的体量，还有在本土化能够植根经济发展的体量，这些性质是不一样的，和单纯的贸易还是有所区别。 请崔老师分享一下，这三年中国企业制造业做的一些具体出海的案例。 AIM 公司CEO崔苑表示，这三年我们AIM致力于扶持这两家企业，从中国直接搬迁到美国落地，就像我们刚才讲到的，作为美国本土制造业回归，它还是面临着很多的挑战。美国本地缺技术，缺产品，缺上游的供应链，更缺比较成熟有一定经验的管理团队，那么在制造业一切从零开始，确实是一个非常非常大的挑战，我们认为也是不太现实的问题。如果中国的企业有一定的机会，和美国本地的支持直接到美国，就解决了这四大问题中的三个，这样的话会有产品、技术和设备，也会有一个合适的管理团队。 举一个比较具体的例子，这几年，我们一直跟一个在中国生产厨房橱柜的公司合作，把他们在中国的整条生产线搬迁到了美国，帮助落地的同时并拓展市场。这家橱柜企业当时在中国，是一个面向美国出口的生产工厂，生产后做整体的包装。当前橱柜行业的橱柜有几种形式，一种是我们大家比较熟悉的全屋定制，把所有的东西都先做好，直接搬到使用区域安装就好了，但是这种形式在国际性贸易就不太现实。第一，它的体积会很大，导致运输成本增加，产品到了美国之后，本身的产品价格再加上运输成本，售卖价格就会非常高。第二，定制还有一个周期的问题，产品设计好之后，委托中国的企业生产后再运回美国，这个周期至少是3-4个月，甚至长达半年，那么对于用户来说，是不太愿意接受这么长时间的等待，导致国际化生产只能限制在某一特定的产品范围内，所以那个时候，这类企业发明了一个叫RTA的概念，全称是ready to assemble，中文叫“组装式家具”。 那么这个概念的做法，是生产出来的橱柜，并不是一个真正的橱柜，而是由各个木板、四边、门，包括抽屉也是以板的形式，把它整体包装成一个比较薄的盒子，包装里面基本上没有任何的空间浪费，再把它运到美国之后在当地组装。这种做法会有两个问题：第一，这种形式不太可能进入所谓定制的领域，因为周期的局限性，时间会比较长。第二，对产品的质量控制比较难，橱柜做好了是一个很精细的家具，虽说是日常使用，但是大家也都希望家里用的所有东西，是一个艺术品的展示，没有划痕，没有磕碰，东西也做得非常严丝合缝。但是如果这种产品拿到美国去，由第三方或是自己的公司去组装，一定会有磕碰甚至有划痕，这种问题是避免不了的。综上这两个主要的原因，这种类型的国际性的工厂作为供应商，基本上只能做一个很局限性的产品范围。其实即使只做很局限性的产品，对中国企业来说也是一个非常香的市场，因为市场也足够大。但是从18年贸易战开始，美国对中国开展反倾销，中国的企业往美国出口要加50%-80%的惩罚性关税，导致产品成本增加，所以当时中国企业面临一个非常现实的问题，就是对美国进口商的成本，要承担这方面价格的提升。 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

TSVC举办了《打造下一个独角兽》讲座二十讲，教授跟工业界以及投资人之间的关系处理如何才能更好的兼容？学术界的科研成果如何成功转化？教授创业公司的人员及股权如何更合理的安排分配？针对这一系列问题，我们荣幸的邀请到夏淳博士，权晓泓教授和王黎晟先生，来听听他们分享一些针对教授群体创业的建议。 嘉宾： 夏淳博士，TSVC联合创始人 权晓泓教授，SJSU商学院创业领域教授 王黎晟，TSVC合伙人 我们都聊了什么 00:00 活动概要 合作方介绍 嘉宾介绍 07:18 TSVC有一套非常有意思的天时、地利、人和的分析体系来寻找独角兽，是否可以用这套体系来分享一下对教授学术界创业的看法？ 28:11 从资本圈怎么去看这个问题，当你们见到教授创业的项目，你们的印象和感受是什么？ 38:29 除了技术方面，教授或者说学术界做科研的人员，如果说他们创业有哪些优势？ 43:38 教授不一定要全职的去创业，可以通过当顾问或者个人获得公司的科技股权。从这个角度讲，您认为这点是否可以作为教授的一个优势？ 43:37 对于教授来讲，不管是经验也好，或者说建议也好，什么是比较好的一个时机，什么时候可以关注并且投入一些行动？ 53:00 大多数教授都有过向国家向政府申请科研基金的经验，但是想要进一步商业化，自然就会转向更多的投资机构。请比较简短的给这些教授一些启发或者建议，从什么时候开始？ 55:48 教授的学生或者是跟自己一起过来的人，是不是非常好的创业合伙人？ 1:02:58 在咱们中国人的文化里面，一日为师终身为父的概念还比较深，当学生回来再去领导自己多少年前的导师，在实操上面会有这样的问题吗？ 0:07:54 从教授的角度，怎么能自我提高一下这方面的修养？ 1:11:44 问CBA和TSVC有没有在南加州的团体？ 1:13:33 科研团队中教授，博士，等各种层级的人在共同创业时，该如何早期布局以避免冲突？团队本身所有人虽然都很和善，但想规避风险或者寻求一种最佳实践。 1:16:30 这也是跟分配有关的问题，教授或者任何人的股权在确定后就不能改变了吗？ 1:19:14 请问投资人会更倾向于投年轻教授，还是年长的教授？ 1:20:20 创业团队中如果有不同工作身份的人，该怎么做到利益分配？ 提到的公司/项目 • Zoom • ChatGPT • OpenAI • MIPS Computer Systems公司 • Ginkgo Bioworks • AIZip TSVC有一套非常有意思的天时、地利、人和的分析体系来寻找独角兽，是否可以用这套体系来分享一下对教授学术界创业的看法？ TSVC联合创始人夏淳博士表示，有许多朋友询问当初TSVC是如何投资Zoom的。在尚处于种子轮的Zoom创业初期，TSVC联合创始人张于庆就投资了该公司，当时，Zoom初创时叫Saasbee，只有三位成员，是个“三无”公司，无产品、无客户、无营收，那么为何能够下决心写下25万美元的支票？TSVC创办时叫TEEC Angel Fund，核心IP正是TSVC一贯运用的种子轮发展成为独角兽的三要素。TSVC从种子轮开始就要预见到公司的潜力，将这一成功归结为中国古代的成功学理念，即天时、地利、人和，天时指的是市场，地利是指产品和技术，人和指的是创业团队。 “天时”，“天”是指个人或机构无法营造的市场大势，它的到来非常重要，我们要把握这个时机。而“时”则是机遇的时间窗口，因为这个“天时”是有窗口期的，它并不是永远存在的，我们必须要抓住它。关于天时，有很多例子，比如新冠疫情，这并不是某个公司或个人能够控制的，它是一种灾难性的事件，但是它规模化地改变了人们的认知和行为。人们开始远程办公，进入虚拟的生活。去年年底，ChatGPT突然掀起一波热潮。其实这并不是OpenAI一家公司可以完全操控的，而是因为当时的时机成熟了，人们开始意识到AI的潜力和价值，进而推动了AI市场的繁荣。 “地利”，“地”指的所占据的地盘，而“利”则是要寻找最有利的落脚点，地利主要是要用产品来确定你的地位，来确定你究竟在什么地方发展，同时，技术也是可以帮助你确定地利的。“人和”，人指的是创业团队。有些人会误解，认为只要大家不吵架，一团和气就是“人和”，这是不对的。而“人和”在传统文化里的含义是指一种全面的和谐状态，就是人与天和，人与地合，人与人和。这实际上是我们祖先的智慧，人们能够与周围的环境、时间和空间和谐相处。因此，它关键在于能谋事，能做事，能成事。“天时、地利、人和”三个要素，其中，人是最重要的，其次是地利，最后是天时，这个理论中的三个要素在孙子兵法中也有体现。 夏淳博士谈到学术界创业，用独角兽三要素进行了分析。其中，天时是一个非常大的挑战，因为学术界普遍太超前。1992年，他在UIUC研究超级计算的芯片处理器时，开题时，导师给他定了一个研究10年后芯片的题目。当时夏淳博士构想的芯片有16个核，时钟频率为1Ghz。然而到了1995年，他才买到时钟频率为75mhz、CPU只有一个核的电脑。因此，学术界研究肯定是要做十年、二十年以后的东西，往往处于超前的状态，面临一个合适时机的挑战。即便成果具有前瞻性，如果过于超前，往往难以得到市场的认可。这是学术界创业面临的普遍问题。 地利方面，产品定位是一个对学术界创业者来说更具有挑战性的问题。在学术界做研究时，他们关注的是技术方面，而并非产品。本质上，学术研究没有产品概念、产品意识。因此，学术界创业者往往缺乏该产品方面的经验，需要克服这个缺陷。此外，在拥有产品之后，他们还需要考虑产品在市场的定位，即产品是处于竞争激烈的红海市场还是还未被占领的蓝海市场，同时也需要考虑时机是否合适。这些问题都是具有挑战性的。 人和方面，在学术圈里面，大家就是一个小生态。一个导师带着几个学生就形成一个团队。他们拥有很强的科研实力，在学术界中所向披靡，可以打败竞争对手，他们可以在学术界中取得很高的成就。但是，作为商业公司，他们缺乏将技术转化为产品的工程经验，缺乏生产、运营、营销、销售、服务和资本运作等方面的经验。这些都是需要学习和改进的短板。然而，这时如果你去现学，有点太耽误时间，教授们更应该集中精力在科研方面进行聚焦。因此，他们需要组建一个互补的团队，来弥补这些商业团队所需的技能和经验。 San Jose State University商学院创业领域的权晓泓教授表示，从教授和投资人的角度来看，这两个群体有很多不同之处。从宏观层面来看，需要了解这两个群体的差异。首先，两个群体的目标可能不尽相同。投资人主要关注资本回报和获得盈利，但是从教授创业的角度来看，其实有三种不同的目标。第一种是追求盈利，与投资人的观点是相同的。“赚钱为主”的公司往往盈利性也比较好。第二种是追求声誉，尤其是在著名大学中，很多教授在这方面还是很看重的。这种目标会使创业公司的增长率相对较高，但有时候会不计成本的扩张。它的增长率如果是以外面的声誉为一个目标的话，那么它的增长率会相对是比较好。第三种是追求内在价值实现，即追求个人价值和社会影响力。这些公司的生存率往往很高，但很难成为独角兽公司，也不容易获得高速增长。因此，每个群体或个人的成功标准不同，有不同的追求和重点，因此有不同的创业目标和策略。 因此，刚开始投资者和教授之间的沟通，至少要了解彼此的目标，这是最基本的要素。如果目标不一致，可能就不必谈很多了。另外，宏观的环境对于大学教授和外面公司的创业，也会有很大的不同。大学的创业，它实际上是有个大学生态系统，大学创业的生态系统包括院系的支持、学校层面的支持和是否有成熟的技术转移办公室等因素。这些因素都会对大学创业的发展起到很大的影响。 从学术角度来讲，研究大学教授创业的成功与否，我们可以将其分为形成阶段、增长阶段和相对成功阶段。在形成阶段，制度因素起到了至关重要的作用，这与外面的公司有所不同，外边没有复杂的大学生态系统。做事的方式也会不同。投资者需要看你的团队、营销、技术，管理等等。而大学教授通常都是独立的个体，具有技术领先性。在管理方面，一些教授具备一定的管理经验，但也有很多教授缺乏相关经验。对于管理实验室这类工作，跟管理一个团队又有不同。因为教授本身具有很高的知名度，所以博士、博士后等学生需要尊重教授，这如果理念不同的话，学生难以与教授在平等角度上进行探讨。 因此，从管理的角度来看，大学教授团队的价值观、理念和思维模式与业界团队存在很大的不同。然而，在教授团队创业的早期阶段，引进业界有经验的人才可能会面临特定的挑战。由于教授本身聚焦于学术，且具备独立性和固执性，教授团队和业界团队很难很快地相合。因此，在创业初期，寻找业界有经验的并不是非常必要。但是，在团队增长阶段和相对成功阶段，与业界的联系就变得不可或缺了。 从资本圈怎么去看待这个问题，当你们见到教授创业的项目，你们的印象和感受是什么？ TSVC合伙人王黎胜认为，第一稍微乐观一点，教授创业也有成功的。从资本以及他切身体验了和教授一起工作的经验来看，他认为教授创业的可能性可能会比其他类型的创业公司高一些。教授创业一般有两种情况，一种是教授全身心地投入，这种情况下也有成功的案例。但是一般来说，教授很少担任CEO的职务，而是担任CMO、CSO或CTO等职务。 另一种教授创业方式是分散风险的方法。在这种情况下，教授作为创始人，在不同的公司中拥有比较小的股份。这种方式更多地是从顾问的角度参与企业，因为教授很忙，要带学生、写论文、做演讲等工作，而且大多数教授都自己的活都忙不过来。这种方式也有较高的成功率，因为教授可以将精力放在让实验室产出更多有价值的东西上，教授可以为多个公司提供技术咨询和建议，而且股份虽然不多，但每个公司中都有，总有一些公司会成功。这种方式也更容易处理与实际创业者的关系。 有些教授会因为自己是创始人，可能会存在公司控制权过大的问题。他会说我会做很多事情，但是，后来会发觉没有时间，无法全身心地投入到企业中。会出现教授让一个他信任的学生来做CEO的情况，而学生会花大量的时间去工作，那慢慢的教授的贡献就减少了。这会导致公司内部股权结构的不平衡。因此，在这种情况下，需要确立团队角色和责任分工，确保每个人都有明确的角色和责任，确保相互信任和平衡，并为公司的成功做出贡献。我们在进行投资决策时，需要深度分析教授在团队中的角色和股份，以确保投资方向得以平衡和稳定。 最后一个方面涉及到人才招聘。众所周知，CEO的职责包括融资和企业发展方向等多个方面。在人才招聘过程中，很多情况下教授创业往往倾向于雇佣自己比较信任的人。然而，这些人是否最合适去创业或者担任 CEO 的角色，还需要商榷。这种做法有时候会限制公司成长的速度和质量。重要的是，对于创业公司来说，技术不是唯一的关键因素。技术只是其中的一部分，有时候技术投入比例可能只占公司总的投入的三分之一，以至于一半以上的成败决定因素是由公司员工和其他方面造成的。因此，如果在招聘过程中选错了人，那么公司就很难成为成功的创业公司。 除了技术方面，教授或者学术界做科研的人员，他们创业有哪些优势？ 夏淳博士认为，教授作为创业者有很多优势。从科研角度来看，教授能够推动科技的发展。科技的进步是人类文明发展的重要推动力。每时每刻都有新技术涌现，而科技是真正持续不断创新的，其他的很多非技术性的内容，即使看起来很新，其实几千年前就已经存在了。夏博士提到了一个例子，就是硅谷众多辉煌历史中的一个。1981年，斯坦福大学的John Hennessy教授在计算机系发起了一个名为MIPS的科研计划。三年后，他创立了MIPS Computer Systems公司，后来伯克利的和David Peterson教授加入，打下了现代芯片的坚实基础。现代芯片的奠基性技术创新绝对是改写人类文明史的颠覆性创新，Hennessy教授为此获得了图灵奖（计算机界的诺贝尔奖）。这也证明了，许多新技术都源自于学术界的研究。 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

TSVC举办了《打造下一个独角兽》讲座十九讲，从AI游戏到元宇宙，自动驾驶到智能化大数据中心，AI应用正在快速扩展。但这一切都离不开强大的算力支持。摩尔定律即将达到极限，我们需要寻找新的算力突破。本次TSVC讲座将探讨后摩尔时代的算力革新和产业链的变化。 嘉宾： 夏淳博士，TSVC联合创始人 夏任新，Untether AI，硬件工程副总裁 我们都聊了什么 00:00 活动概要 嘉宾介绍 03:20 什么是算力？算力在AI应用中的重要性有哪些？ 08:32 现在决定算力的因素有哪些？ 13:05 为什么AI非常依靠并且消耗算力？AI的运算有什么特征? CPU、GPU、FPGA以及ASIC区别有哪些？ 17:54 不管是芯片的技术路线，以及说大厂有大厂的做法，小厂有小厂的打法，是不是能够点评一下当前这几家大厂各自的优势以及近几年出现的一些像Untether AI比较头部的芯片公司？ 32:50 现在看起来好像是NVIDIA一家独大，但是GPU其实用起来也没有那么好用，但是现在AI大势所趋，大家都在用GPU，觉得之后会是什么样的格局？ 38:00 请问老师们怎么看AMD ROCM的发展，和NVIDIA CUDA在开源和闭源上优劣势的比较? 42:37 这是一家创业公司，在研发相关的加速软件，他们比较好奇的是，觉得完全靠芯片设计过于定制化了，两位老师觉得怎么样才能跟得上高速迭代？是不是也跟软件的设计和软件的优化有关联？ 50:30 这是一家创业公司，在研发相关的加速软件，他们比较好奇的是，觉得完全靠芯片设计过于定制化了，两位老师觉得怎么样才能跟得上高速迭代？是不是也跟软件的设计和软件的优化有关联？ 1:01:13 请问两位嘉宾，ARM CPU授权和RISC-V开源相比，从投资人的角度更愿意投哪个方向？ 提到的公司/项目 • Trillion Operations Per Second（TOPS） • Frames Per Second • Queries Per Second • Untether AI • EDA领域 • Cadence • 芯片 • SiFive • 伯克利 • 开源CPU • GPU • 英特尔 • ARM • RISC-V • Altera • FPGA • UIUC • memory hierarchy • 存储墙 • 阿姆达尔定律（Amdahl's law） • multi-issue多并发 • out-of-order execution乱序执行 • 卷积神经网络（CNN） • NVIDIA • ASIC（即专用芯片） • Google的TPU • Tensor张量 • AMD • ROCM 什么是算力？算力在AI应用中的重要性有哪些？ TSVC联合创始人夏淳博士科普了算力的基本概念。算力是指每秒钟处理器可以执行多少次运算。在过去，人们通常使用每秒百万指令（MIPS）来衡量算力。但随着AI时代的到来，计算速度越来越快，所以现在使用每秒万亿次操作（TOPS）来计量算力。因此，算力的定义就是单位时间内能够执行的操作次数。由此可见，算力越高越好。计算机的发展历史也证明，无论算力做得有多大，都会被消耗殆尽，算力永远都不够用。 Untether AI硬件工程副总裁夏任新表示，如今我们通常用Trillion Operations Per Second（TOPS）来衡量计算机的算力。但事实上，这个operation本身的概念比较模糊，因为每家公司在架构和设计方面的操作定义都不同。因此，最终的衡量方法可能还是看最后的结果，比如对于图像处理，需要关注Frames Per Second；对于语音等应用场景，则需关注Queries Per Second，当然准确度也是非常重要的。总的来说，算力的概念简单来说就是TOPS，但是更深入的讨论会发现这个话题非常复杂。 夏淳博士表示邀请夏任新来讲解这个话题非常合适，因为他目前是在Untether任职，这是一家做AI算力的推理芯片的初创公司。此前，他在EDA领域的巨头Cadence做CEO的幕僚长，并非仅仅是芯片开发工具，而更加注重整个芯片系统未来发展的战略。因为现在的EDA公司也已经不仅仅是卖芯片设计工具，而是更深层次地思考行业发展的前景。在这之前，夏任新曾在SiFive任职。虽然SiFive可能并不为大众所熟知，但在业界却非常重要，因为这是伯克利研究团队David Patterson教授推广的开源CPU。CPU一直由英特尔和ARM主导的市场格局，如果开源CPU能够兴起，将成为一个巨大的颠覆者，那就是RISC-V，SiFive则是开源RISC-V商业化的公司。在那里，夏任新负责整个芯片的工程实现，可以说是非常重要的职位。夏任新也曾在Altera工作，该公司也在芯片行业举足轻重，它专注于FPGA技术的开发。这在芯片领域中具有非常关键的作用，因此他的这种背景对于讨论芯片行业非常相关。夏淳博士在自己的博士学位中研究的方向是计算机体系结构，而在UIUC的研究小组则专注于memory hierarchy的研究。这使得他具备了深入探讨算力的能力。 现在决定算力的因素有哪些？ 夏淳博士指出，研究算力和计算机架构的人都知道存储墙是一个普遍存在的问题。存储墙是指从存储读取数据时会遇到的速度瓶颈，像是有一堵墙阻挡了数据的流动。我们都知道，普通处理器通常按照一个clock节拍来运行，一个节拍执行一条指令。这个节拍的速度可能是千兆赫兹。也就是说，CPU的运行速度就是根据这个clock速度来衡量的。但是在某些任务中，如果需要从内存中读取数据，可能需要花费数千个或数百万个clock节拍周期来完成。这个过程非常耗时和成本高昂，这就是内存墙的问题，它严重影响了整个系统运行的效率。 关于速度方面，在整个行业中，有一种被称为阿姆达尔定律（Amdahl's law）的法则，它原理类似于木桶原理。如果你的系统中存在短板，你的算力就会卡在该处，比如内存存储速度不足，那么整个系统的计算速度就会受到影响。因此，解决存储速度过慢的问题很关键。 另一个重要的因素是如何并行。这个并行性可在不同的层次上实现，有一种是叫指令级并行性。也就是说，系统能否同时执行多条指令，以加快处理速度。在专业里面这是所谓的multi-issue多并发、out-of-order execution乱序执行，在今天所有的芯片设计中，基本上内部都有这样的指令级并行构造。在AI领域，可以采用更多的方法来增加并行性。一种常见的方法是利用多核。此外，还可以使用多个芯片来协同工作，以进一步提高处理速度和并行性。现在看到的AI通常使用成千上万个芯片和主机板组合起来运行。通过这些方法，可以大幅提高AI系统的运行速度和效率。 Untether AI的硬件工程副总裁夏任新指出，今天的AI技术主要通过神经网络来实现，其中一个重要特点是其高度并行的架构。因此，存储墙成为了一个更加突出的问题。那现在解决的方案，其实跟传统的CPU应该是不太一样的。因为传统的CPU里面所谓的memory hierarchy就是加高速缓冲存储器，要加几级高速缓冲存储器，每级高速缓冲存储器尽量做大。那现在做AI加速或者神经网络加速，需要大规模并行计算，同时需要大规模并行的存储存取数据，而要避免出现数据瓶颈。如果能实现数十亿到百亿参数级别的并行计算是非常重要的。 为什么AI非常依靠并且消耗算力？AI的运算有什么特征? CPU、GPU、FPGA以及ASIC区别有哪些？ Untether AI的硬件工程副总裁夏任新指出，传统的处理器，如CPU和GPU，主要基于指令执行来实现计算。换句话说，我们编写软件并将其编译为计算机可执行代码后，会逐条执行这些代码并在计算机上运行。因此，处理器的性能一般按照指令执行速度来衡量。如每秒可以执行多少条指令等。 但从AI的角度来看，解决问题的方法有很多不同的方法。如果不用传统的架构，这个指令的概念就比较模糊了。因为最终看的是完成任务所需的时间，而不是处理指令的数量。举例来说，对于与计算机视觉相关的卷积神经网络（CNN），其主要计算任务是以矩阵乘法为主。在实现中，可以分解成多个计算指令去执行或者可以并行。另外，有些公司也会设计专门的电路来处理某些特定的计算任务。对于这种情况，指令的数量已经不再重要，而更注重的是加速器能否高效地、并行地完成矩阵乘法等任务。因此，我们最终需要以实际效果作为衡量AI加速器的标准。例如，加速器在每秒钟内能够处理多少张图片或者自动驾驶能同时支持多少个摄像头，并能支持多少帧率。这是比较重要的一个指标。至于具体的operation，那就很难说了，因为每家的一条指令，里面的实际动作都不太一样。 不管是芯片的技术路线，以及说大厂有大厂的做法，小厂有小厂的打法，是不是能够点评一下当前这几家大厂各自的优势以及近几年出现的一些像Untether AI比较头部的芯片公司？ 夏任新表示，现在做AI的技术，真的像八仙过海，各显神通，每家每户他们的做法，他们的解决方案都不太一样。其实最终还是要从CPU开始讲起，因为大家都觉得CPU没有办法做AI，这太复杂了或者太贵了，效率太低了，这些的确都是的。但CPU的优势在于它们能够应用于多种任务。现在的AI任务仍然主要在CPU上处理，所以不能忽略CPU在整个计算架构中的重要性。因此，包括英特尔、AMD和RISC-V等处理器制造商，都在考虑如何在CPU下处理AI计算任务。特别是RISC-V作为一个开源的处理器架构，在这方面上，它会通过向量扩展和特殊指令等方式执行。同时，整个平台还是保持在一个传统的处理器下。 第二类就是GPU，GPU可以作为TPU等其他加速器的一部分，这些就是所谓的大规模并行计算引擎。这是很大的一个范围。但它们的基本原理仍然是Load-Store Computing，即把数据拿进来做一些处理，再把数据送出去，但是面临存储墙的问题。NVIDIA是当今最大的GPU加速器制造商，只是价格高昂、功耗大。但是大家没办法，所以还得要用它，所以现在的情况是这样的。 第三类是FPGA，它的优势是非常灵活，也可以实现大规模并行计算。在某些情况下，FPGA的效率甚至比GPU更高，功耗效率可以达到GPU的两倍左右。然而，FPGA编写程序的难度较高，这是FPGA的主要短板之一。此外，FPGA的运算能力仍然受限制。FPGA的设计初衷是为了可编程逻辑，而不是为了进行运算。 另一个大的领域是ASIC（即专用芯片），有很多公司都在推出针对特定市场的ASIC，例如自动驾驶或计算机视觉。当然，定制ASIC的效率是最高的。然而，设计一个ASIC需要很长的时间，因为AI和神经网络的发展速度非常快。例如，前不久ChatGPT才问世，但在其之前，这个概念根本不存在。如果您打算定制一个ASIC，当您设计出来时，市场和应用可能已经不需要了。比如您设计一款针对LSTM或RNN的ASIC，或者做唤醒词的语音AI芯片，但等您将做出来时，ChatGPT已经问世，这意味着您的ASIC可能已经失效了。因此，定制ASIC的风险也非常高。 最终，仍然需要开发一种比较通用的架构，这就是为什么CPU和GPU仍然比较占优势的原因。然而，它们存在一个很大的内存瓶颈。较先进的架构则尝试在内存上直接进行计算，因为神经网络所需要的主要是大量的存储。这是一个比较新的架构，大致可以分为In-Memory和Near-Memory Computing。这意味着尽可能将运算放在存储器旁边进行，因为神经网络主要是将大量数据存储在存储器中，如果可以在原地进行计算，将是最高效的方法。 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，添加TSVC小助手

TSVC举办了《打造下一个独角兽》讲座十八讲，AI的可解释性、偏见、不实信息、隐私问题、和可靠性问题依旧困扰着行业；利用AI诈骗的案件层出不穷；AI对人类社会的工作生活方方面面的影响也才刚刚开始显现。面对AI的种种机遇和挑战，我们何去何从？TSVC和MIT CEO有幸邀请到TSVC合伙人、Stratifyd.Inc创始人Derek Wang博士、网络安全专家和前亚利桑那州立大学副教授黄迪江博士、和Mammoth Cyber联合创始人、首席技术官程泳晖先生，来与我们分享和探讨。 嘉宾： 汪晓宇，Dr. Derek Wang，TSVC Partner 黄迪江，Dr. Dijiang Huang，网络安全专家 程泳晖，Yonghui Cheng，Co-founder and CTO at Mammoth Cyber 我们都聊了什么 00:00 活动概要 01:05 活动主办方介绍 04:42 AI Security主要在解决什么问题，大概有哪些主要的研究方向? 10:53 AI privacy 要解决什么问题，都有哪些技术以及前沿的研究？ 18:41 现在AI的大模型应用普及，它会给我们带来什么新的挑战？包括对于你们公司现在的安全产品提出了什么新的要求？ 22:48 隐私在长期会如何影响到大模型的落地商用？ 28:56 很多企业里面,大家都不知道数据是什么，比如说数据的名字、标注都没有做好，之前可能大家没有特别有兴趣去做这个事情。那现在是不是会有更多的动力，包括这块其实有很多企业是不是会得到更好的关注? 32:19 合成数据可以解决25年的数据缺失问题吗？ 34:44 回到行业应用从外维度来讲，包括医疗金融这些领域，他们有很多自己行业非常好的数据，包括有很多doorman knowledge，他们可能没有大厂，包括OpenAI这种技术算力，嘉宾们觉得这两个方面之后会是什么样的关系？包括现在有很多大模型私有部署的创业企业，从这些角度来讲想听听大家看法。 40:40 刚才一开始嘉宾也介绍了一下偏见这方面的内容，其实就在之前ML就是一个长期的话题。包括美国有很多研究，当时是说用machine learning的模型去派遣警力，包括去做一些医疗教育的决策，当时讨论说会有一些公平方面的社会问题。那么从大语言模型来讲，嘉宾觉得跟传统的ML的偏见有什么不同？ 48:06 最近其实有很多尝试，包括用GPT4来解释GPT2，有思维链turn of tree，希望大家能看到LLM的推理逻辑，大家怎么看这块儿是不是足够？还有哪些可解释性的问题待解决？ 58:31 我们之前聊了很多数据层面，那么从训练层面，有人讲说要限制训练的能源，限制电力，包括模型层面，Sam Altman 提出说要限制ikvvt的模型，可能限制比如超过多少参数量的模型，或者是限制模型的产出，包括是不是从API这几个方面限制，大家有什么想分享一下？ 1:06:00 说到创业，在这方面会有别的什么创业机会？最开始黄老师提到可能在芯片上会有一些新的机会。 1:10:04 这个大模型或者AI到底有没有自己意识？他会不会独立于人类，甚至跟人类做一个一对。 提到的公司/项目 • AI Security • 隐私和安全 • LLM • 生成合成数据 • 机密计算 • chatGPT • DLP（数据泄露防护） • AGI • CrowdStrike • Charlotte人工智能系统 • Facebook • LLaMA • 大型语言模型技术LLM • LLaMa.cpp • health care的company • BCBS Blue Shield Blue Cross • Self-Instruct模型 • ML • Alpha Go • Nvidia AI Security主要在解决什么问题，大概有哪些主要的研究方向? 就AI Security而言，TSVC Partner，Derek Wang表示他可能也是一个从应用层面往里面去看的这样一个学术。Security主要解决问题，他想从三个层面来讲解。首先是个人层面，任何一个个人层面来讲，AI Security上很大的一个挑战是隐私，包括个人隐私和它对数据收取的一个过程。这种隐私和风险对个人层面带来的影响可以直接涉及到种族歧视等问题，并且可能会导致个人信息受到极度的暴露，创造了许多钻空子的机会，例如窃取个人信息来进行欺诈等。随着大语言模型等技术的出现，这种网络信息欺诈行为会变得更加多样化，这些都是通过AI技术对个人层面安全进行攻击的一个过程。 其次是公司层面，同时也是TSVC基金看的一个方向。现在主要的大型企业和创业公司所关注的不仅是个人隐私层面的保护，而是对个人隐私做出提升。从群体的角度来看，像很多大银行，每个部门大约有1000个AI模型。在这个层面上，企业对于AI模型本身的数据丢失保护，即模型的数据不想被其他人知道，因为这些数据是企业内部的数据。但是现在，越来越多的攻击手段正在应用于数据窃取，这将直接将企业数据带走。这就成为一个很大的问题。对于企业而言，数据的积累包括模型训练是一个非常重要的过程，无论模型是开源还是闭源，企业的数据与模型可能都会成为攻击的目标。对于企业级别而言，实际上存在一种攻击方式，即攻击者通过破解手段绕过模型的安全措施打开模型。这种攻击方式会使得模型的算法和数据被第三方获取。在企业成绩上，这种流失知识产权和内部数据的情况会导致更多的信任和安全问题。而且，随着LLM的出现，恶意代码放入模型中的情况也越来越多。 最后，这个层面是比较大的，就是政府层面，政府层面就有更大的社会影响力。比如他跟Dr. Wenwen Dou(UNCC) 正在从事虚假信息和误导信息的研究。在这个领域，对于政府来说，它最害怕的是使用大语言模型技术，可以制作虚拟视频和声音，将知名政治人物如拜登或特朗普的形象放在其中，并通过技术手段操纵其表现和言论。这种技术很容易被用于制造虚假信息和误导信息，给公众带来深远的影响。尤其是在2024年选举期间，这种情况可能会更加严重。Derek表示，他今早看到一些新闻，大约1.5亿美元的资金可能被用于制造虚假信息和误导信息。AI Security其实更多的是用于防范不法分子的这么一个前提。 所以从TSVC基金的角度来看，AI安全领域有三个主要方向：如何保护个人信息、企业信息和模型数据的安全；最终是如何保护政府的，减少社会的媒体乱象。这三个大的方向，是TSVC基金正在看的一个角度。 AI privacy 要解决什么问题，都有哪些技术以及前沿的研究？ 网络安全专家黄迪江博士认为，实际上隐私和安全是非常紧密相关。但在看待隐私计算时，人们常常将其与安全混淆，难以分清两者的具体区别。他提供了一个简单的方式来说明，隐私计算实际上解决的是隐私数据的保护问题，涉及到数据可信度的问题，即谁能访问和查看数据。在这个意义上，隐私计算和安全之间具备可行性上的类似之处，但隐私计算它的最终的被攻击的结果是和安全是有一些微微小的区别。 从安全的视角来看，攻击的结果可能会导致系统数据的暴露或不可用等直接后果。而隐私计算的结果则可能是通过一个间接的过程实现的，尤其是在数据暴露后，如果这些数据被恶意利用，它才会真正造成不良的影响。因此，通常情况下，一般用户在谈论隐私计算时很难区分隐私和安全两个方面之间的区别。 从技术角度来看，LLM的隐私可以分为两个阶段。第一个阶段是数据训练阶段，在这个阶段，我们使用什么样的数据非常重要。通常来说，这个阶段包含几个步骤。其中第一步是数据源步骤，我们可以使用掩码技术对数据进行隐藏，以隐藏一些重要的关键信息。在这个阶段，我们可以自然地去除一些敏感信息。 还有可以通过生成合成数据等方案，比如说通过对抗网络，可以根据现有的数据生成一些合成数据，它的训练结果可能和真实数据训练结果也是类似的。在训练过程中，可以通过模糊化数据信息，人为地加入噪音等方式来较好地保护数据的隐私。这样的做法可能会导致模型训练结果不够准确，可能会有一定的误差。在某些应用场景中，这种方法会影响用户体验。例如，在使用手机自动联想输入法等功能时，由于加入了差分隐私的方式，使用模糊输入推荐的准确度可能会下降，和几年前没有加入这个差分隐私的这种方式，实际上用户体验差了很多。 在隐私计算领域，还有一些传统的技术方案可以实现数据安全和隐私保护。比如，最近联合国专门发布了隐私计算的一些相对来说正常技术，可以分为三个方面。首先，基于算法方面的技术，比如多方安全计算和加密等技术，是通过算法的方式来实现数据安全和隐私保护的。通过运用这些技术，单方或多方能够计算出结果，同时而不暴露数据本身的内容是通过这个算法方式来实现。其次，通过体系结构方面的技术，比如联邦计算等技术，可以将数据分为多份或切分模型，以一个可信方对数据参数汇总分发、从而对数据源进行保护。这种方式使得多方能够对数据安全地进行计算，确保了数据隐私的保护。 那么另一种方式的话是通过机密计算，机密计算是一种通过硬件实现数据隐私保护的方式。你可以创建一个可信域，你对数据进行实际的操作，在这种方式下，可信域和不可信域被划分出来，而操作只会在可信域内进行，这可以确保数据的安全性。但实际上，机密计算在实际场景中还存在信任性的问题，如果无法解决这个问题，那么无论使用什么技术，最终都会存在优缺点。我们可以看到实际上基于机密计算的效率相对是比较高的。而基于算法类的方式的话，实际上它的性能各方面有很大的制约，所以在进行数据训练的时候，使用多方计算等方式，实际上效率是非常低的，尤其是在大模型训练下的话，可能会造成一些问题。 另一个阶段就是使用阶段。使用阶段如果模型建立了以后，有没有办法在模型使用的时候，对用户的进行一些保护，比如可以采用多方计算、同态加密等方式来对用户的查询信息进行保护，同时在数据生成阶段，也可以通过filter等方式去除敏感信息，从而实现数据隐私保护。然而，即使使用了这些保护措施，还是可能会出现一些漏网之鱼，因为隐私计算本身也是一个非常非常复杂的这个领域。 现在AI的大模型应用普及，它会给我们带来什么新的挑战？包括对于你们公司现在的安全产品提出了什么新的要求？ Appaegis Inc联合创始人程泳晖先生表示，这的确是一个全新的挑战。那他们公司做的产品主要是为了方便员工远程办公，无论是在家还是混合办公场所，他们都可以通过该公司的软件远程访问内部数据或应用。但是最近很多客户都在问，如何允许员工使用chatGPT，但又担心员工会将公司内部文件或数据外泄。能不能提供数据扫描和监控服务，以保证用户数据的安全性。那就是说他们也是在看这方面的需求。 有些公司可能会采用简单粗暴的方法，比如限制访问某些网站来保护网络安全，但这种方法并不一定有效。即使你在公司的计算机上不能访问某些网站，但是员工还是可以在他们的手机或其他电脑上访问，甚至经过我们系统去给它过滤的话，也是能够过滤一部分，但是我们也不可能说在所有的情况下都可以去扫描，因为有的时候他也是用个人的计算机去访问，这是企业用户最关心的问题，从网络安全角度，这是DLP（数据泄露防护）这方面的内容。 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，添加TSVC小助手

TSVC举办了《打造下一个独角兽》讲座十七讲，创业与投资都充满了风险，成功之路崎岖坎坷，路途难于预判，但是失败的原因和路径却昭然可数，失败的确定性总是远大于成功的确定性。本次座谈，硅谷早期风险投资机构TSVC的两位联合创始人特别来分享2010年以来踩过的十个坑。 嘉宾： 张于庆，TSVC创始合伙人 夏淳博士，TSVC创始合伙人 我们都聊了什么 00:00 活动概要 04:15 “戒跟风” 14:38 “戒逆天” 21:45 “戒独行” 27:58 “戒不专” 34:18 “戒不公” 40:59 “戒帮派” 46:46 “戒轻率” 48:46 “戒吝啬” 51:36 “戒无名” 53:04 “戒失德” 提到的公司/项目 • 摩西的十诫的概念 • Zoom • Ginkgo Bioworks • Carta • Opentrons • Womply • AI • DeepMotion • Onshore • eClub • Netscreen • Webex 活动概要 今年是TSVC基金创立的第十三个年头。就像许多创业公司一样，TSVC基金在这个过程中经历了行业洗牌、科技变革、技术升级以及团队交替。作为一个有着创业基因的基金，在过去十年多的历程中，与众多创业公司一起积累了宝贵的经验和教训。为此，我们请来了TSVC的两位联合创始人张于庆和夏淳，谈一谈在这些年里，TSVC从创立到现在的历程与成长。 这次讲座讨论的是一个“老话题”，因为两位创始人经常会在外面做活动时被问到创业的心得体会，以及这个过程中可能会遇到哪些坎坷。因此，利用这个机会做一个简单的总结，总结出了“十戒”。这些“十戒”是参考了摩西的十诫的概念，找出了创业中最常见的十个问题。尽管每个成功的公司都有其独特的成功之路，但失败的路径却可以预测。这个“十戒”是TSVC基金针对自身经验的一个总结，因为基金和创业公司很相似，他们相信这些经验同样可以适用于创业。 “戒跟风” 在“十戒”中，第一戒是“戒跟风”。夏淳博士表示，创业和种子轮投资都是不容易的，如果一件事情已经非常火爆，再去做就已经太晚了。对于种子轮投资来说，如果选择的市场已经非常热门，再进入也会太晚了。因此，对于基金来说，非常感谢联合创始人张于庆，因为他在投资方面拥有丰富经验。在创建基金之前，张于庆就确定了基本的投资逻辑：一定要在赛道形成之前、在还没有被炒热之前、还在冷门的时候就进行布局，提前预见未来的市场趋势。正是由于这个投资策略，TSVC在种子轮投资中投资了Zoom、GinkgoBioworks、Carta、Opentrons和Womply等独角兽，也因此能够取得出色的业绩。TSVC从种子轮投中独角兽，目前命中率算下来TSVC排名是业界第一名。 TSVC联合创始人张于庆表示，跟风这个概念很有意思。现在大家肯定无法避免跟随最热门的趋势，例如，现在很多人都在谈论AI等热门话题。从行业发展的角度来看，大趋势的确带来了许多机会，因此很多人都希望参与其中。这是有道理的。然而，对于每个参与者来说，每个人都需要精挑细选，找到自己的独特机会，看看自己在哪个领域有先发优势，找到自己能够赢得胜利的独特点。因此，虽然这个行业正在快速发展，可能会有几家公司脱颖而出，但关键在于你有没有足够的特殊之处成为赢家。通过跟风，我们能够看到前所未有大浪潮正在来临，这比自动驾驶等其他热门话题更为猛烈。从投资角度来说，需要找到那些避免了过度竞争的公司和领域，因为过度竞争可能会导致资源的分配不均，最终导致所有公司都无法取得成功。因此，在当前这个时期，大家都想去做一件事，就需要更加谨慎地思考自己的机会，并找到自己与众不同的地方。 回到之前提到的TSVC投资的一系列公司，表现都非常优秀。例如Carta，是最早的投资人容易看走眼的地方，这是因为大多数早期投资人只看到了当时市场上的一个小角落，并没有深入了解创始人的独特特点，以及他们顺藤摸瓜、开拓市场的能力。这是许多投资者常见的错误，也很难自行意识到。我们需要凭借自己的想象力和深度交流，来发现潜在的公司和创业者，找到他们的独特之处和市场的空白点。正是因为Carta的创始人有独特的特点，TSVC相信他们未来的潜力，尽管（投资时）眼前的生意规模不大，但我们看到了它能够成为巨大市场的可能性。 TSVC联合创始人夏淳博士表示，跟风创业往往会让创业者陷入红海市场的激烈竞争中，而对于创业者和种子轮投资人来说，寻找新的蓝海市场才是最明智的选择。因此，TSVC最近一段时间一直在认真思考，如何在当前热点中寻找新的潜在赛道。例如，在AIGC领域，我们预测生成媒体有着巨大的发展前景，会是个未来赛道，并积极投资于这个领域。TSVC实际上早在五年前，在AIGC成为赛道之前就开始投资AIGC的项目，例如DeepMotion。此外，TSVC也看好制造业回流到美国这一趋势，认为Onshore会是个新赛道，已经进行了一系列布局和投资，尽管Onshore是一个全新的概念，目前还没有得到普及。在投资过程中，夏博士也汲取了教训。比如，他曾主导过一项社交媒体的项目，虽然很有意思，但处于热门赛道，市场上竞争太激烈，使得这个项目难以突围。 “戒逆天” 第二戒是“戒逆天”。夏淳博士表示，创业者不应单纯追求技术上的颠覆性创新，而是要考虑市场和经济规律等因素，避免逆势而行，违背宏观规律。虽然很多创业者都希望像Zoom那样一开始只有几个人，最终成为超级独角兽，但是除了技术上的创新之外，还需要考虑到其他方面的因素。经济周期需要特别注意，预测和适应经济波动，是成为创业成功的重要因素之一。作为联合创始人，张于庆和夏淳已经经历了四个经济周期，TSVC基金的成立时间正好是在2008年金融危机之后，也是在下行期的情况下成立的。现在，我们正处在一个正在进行中的下行期中，总体来说，可以用“低进高出”的原则来进行种子轮投资和创业。在经济周期处于低谷时，正是进场的良机，等到经济逐渐回暖、爬坡时，就属于高点，这时可以考虑退出获得更高的回报。TSVC基金做了五期，在第一期和第二期处于经济周期的低谷时期，投资业绩表现不错。目前第五期也处于经济周期的低谷，他们也预期是一个很好的一个机会。相比之下，第三期处于经济回暖时期，投资速度偏快，投资项目偏多，项目质量下降，会是教训。 对于刚刚创业或已经创业一段时间的企业来说，TSVC联合创始人张于庆表示，每个人的做法都可能不太一样，在融资方面需要根据实际情况进行自我定位。如果环境好，信心足够，高估值也会得到更多投资人的信任和青睐，你也没有必要说可以再降低一点估值。但是如果企业处于困难时期，业绩不足以支撑高估值，那么需要接受现实，保持灵活性，根据实际情况调整估值。这也是企业的一个基本考量。 退出的时机也非常重要。有时候，这完全超出了个人的控制。在退出的过程中，个人的努力和公司的努力起到了最基本的作用，但是估值高低确实有很多外在的因素的影响。此外，运气因素也不能忽略，确实会在退出时产生影响。从基金的角度来看，退出时需要具备纪律性。我们不能指望最后握着公司上市股票依然能够涨到最高点。这种想法不现实，也不可行。没有任何人能够完全做到这一点。 对于创业者来说，在创业的过程中需要拥有一定的灵活性。如果面对的资金已经快用完，必须能做出非常困难的决定，这是非常非常重要的。创业是一个多年的旅程，有时候会赶上好时机，需要充分利用，有时候市场不稳定，需要及时调整和适应，这就需要具备灵活性的特质。在创业旅程中，很少有公司一帆风顺的。因此，不能只是追求高估值而高兴，高兴一两年后可能就会陷入平稳或者低迷。只有那些能够爬出来的胜利者，才能真正获得成功。因此，第一轮融资估值高并不意味着一定没有问题，需要继续努力，才能够最终成功。 “戒独行” 第三个戒是“戒独行”，夏淳博士表示，这意味着作为一个创业公司，包括专注于种子轮投资的基金，在自己的生态系统中生存和发展非常重要，因此，必须建立自己的圈子。实际上，社交圈非常非常重要，这是你生存的土壤。因为TSVC基金本身就是建立在一个社交圈子的基础上，这与基金的起源有关。在2010年1月份的时候，他们作为清华的校友，被硅谷清华联网组织约请来给校友做一些公益活动，并帮助清华校友的创业俱乐部eClub开展活动。当时先找到了夏博士，他作为清华企业家协会TEEC的创会老会员，动员了一批会员来给大家来办讲座，从公益活动开始，讲座越来越有趣，参与的人群也变得越来越广泛，不仅仅是清华校友，而是包括北大、科大、交大、浙大以及其他学校的校友。在这个过程中，一些创业者陆续发现自己需要融资。夏淳就找了大学室友张于庆，因为他做过天使基金的GP，有经验有资源，于是策划了这个基金。也因为这些创业投资活动是TEEC会员在张罗，校友就管他们叫TEEC Angle，因此TSVC在2010年初创时叫TEECAngel Fund。 在这个创业投资的圈子里，其中有两个代表性的圈子是Netscreen和Webex，它们都是由大陆华人创办的上市公司，从这两家公司的华人雇员里，产出了二代、三代甚至是第四代的创业者。TSVC基金目前已经投资了200多家公司，这些创始人们也成为了这个圈子中的一员。除了这些创业者外，还有不少来自本地大公司大厂以及各个大学的华人工程师、大学教授、博士生等等，这些人也是创投圈子中的一部分。 作为一个教训，基金在初期可能过于强调了清华的标签，尤其是像清华企业家协会TEEC样的标签，这给人们一种误解，好像只是清华的一个校友团体，这并不利于圈子的扩大。 Eugene表示，一个组织要想长久发展，需要有一个远见的眼光。起初只是一些社交公益性的活动，但是随着时间的推移，很快发展成为一个专业的机构。尽管TSVC基金在做公益性的活动上也做了很多，但是我们不能忘记这是一个专业的组织，必须按照专业的规则和商业的模式来运作。当初取名是因为大家都是清华企业家协会的会员。但是，随着时间的推移，会员数量迅速增长，绝大部分的会员并没有直接参与基金的运作。这也说明当初的眼光不够远见。因此，一个组织在制定名字时，需要考虑到长远的因素，尽可能做一些长远的计划。现在就是叫TSVC，跟TEEC一个非盈利的机构来做区分。很多企业都希望能够使用一些知名高校的名字为自己加分，但这是短期行为，不能够长久获得持续的发展。我们不能脱离整个社群来发展，也不能依赖某一个特定的机构或组织来发展。因此，戒独行，要清晰明确定位和发展方向，不能过于泛泛而谈或盲目追随某个机构。 “戒不专” 第四戒是“戒不专”是非常重要的，特别是在投资领域。夏淳博士表示，一个成功的创业公司需要创始人非常专注和全力以赴地投入进去，同样的，一个成功的投资机构也需要其GP非常专注地投入进去。过去，TSVC基金在一二三期中只有Eugene一位GP全职负责，这对于基金的发展会有一些限制，尤其到了三期，兼职的新手膨胀太快，影响业绩。第四期开始，四位GP全职投入，兼职的Venture Partner则强调专业组合配置，这种改变在投资领域中具有非常大的影响，使得TSVC基金的业绩得到了很大的改观。因此，要在专业化方面不断努力和改进，确保GP专业化和全力以赴，以取得更好的业绩。 从创业的角度来看，Eugene表示，创业是非常艰辛的过程，创业是自己的选择，不是投资人的要求。只有当创始人觉得这个事情确实是他最想要做的，并且准备全心全力去投入到这个事情里面，才有可能达成成功。如果创始人觉得自己不足以全职投入，这个原因可以是各种各样的，但是这个事情实际上是他自己的决定。如果他觉得不全职投入是不可避免的，那么他需要考虑是否适合创业。事实上，创始人需要花费大量的时间和精力来完成各种任务，一个人无法完成所有工作，即使他非常聪明，这个事情也是不可能的。因此，创始人需要全职投入，并且需要吸引更多的人加入，才有可能帮助公司取得成功。这是一个最基本的要素和条件。 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，添加TSVC小助手

TSVC举办了《打造下一个独角兽》讲座十六讲，onshore 是offshore 的反义词，即制造业回归到美国。美国制造是当前美国国策，出台了一系列政策。与此同时，大洋彼岸的企业纷纷出海，在逆全球化局势中形成奇幻景观。率先发现新赛道是TSVC的决胜之道，我们坚信，onshore是下一个巨大的赛道。本期TSVC的两位创始合伙人及被投公司Automat Solution创始人一起来深入探讨。 嘉宾： 张于庆，TSVC创始合伙人 夏淳博士，TSVC创始合伙人 王晓亮博士，CEO & 创始人, Automat Solutions 我们都聊了什么 00:00 大致说明当下美国制造业的现状以及政策，合作方介绍 03:32 介绍TSVC的投资方向及领域 05:42 从个人成功的投资经历，对于Onshore这个新赛道是如何感觉到的？ 16:26 Automat具体是做什么的？ 18:20 全球动力电池的生产产能的90%以上是中国造的。电解液从中国运过来就可以了，为什么Automat还要在美国开工厂？在电池行业里面，政策到底是一个什么要素？ 22:54 经常有不同制造业的企业家来到TSVC座谈，来探讨机会，其中有很多都是和美国制造业的激励政策相关的。能不能分享一下，你所了解的相关的一些政策？ 27:28 Onshore这件事情对TSVC来说投资产生什么样的机会，如何参与，如何去操作？ 34:00 Automat建厂现在是一个什么样的操作？像国内的朋友都是在积极寻求出海机会，Automat也接触了一些要出海的朋友，究竟未来会是什么样的合作方式？ Q/A问答： 44:33 目前美国电池制造行业中的自动化程度是不是比较高？ 46:45 在美国建厂后，可以结合当地的高科技，有产能的中国企业如何才能在美国找到对应的高科技技术？TSVC在当中可以起到什么样的作用？ 50:52 已经有一家在中国有制造能力的企业，想到美国开厂如何开始？ 52:37 是否有投资机器人在制造业应用的初创公司的计划？ 54:58 像机械臂是制造技术类的公司，如果分别把开发团队放在国内，但是公司在美国这样会有什么问题？ 59:00 请问Automat的竞争优势在哪里？是否有在寻找中国制造业方面的企业合作？在寻求哪些方面的合作伙伴？比如资金、技术或者设备。 提到的公司/项目 • Automat Solution • Zoom • Ginkgo Bioworks • Quanergy • Onshore • 特斯拉 • 比亚迪 • 宁德时代 • RPA自动化 • Al技术 • 锂电池材料 • 电解液 • 固态电解质 • DOE(能源部) • 通胀消减法案IRA • 人工智能科技与材料科学 • 高通量机器人 • Beagle • 仓储机器人 • AGI通用人工智能 介绍TSVC的投资方向及领域 作为一家专注于种子轮投资的基金，TSVC致力于发掘和投资早期的创新项目。实际上，TSVC在Zoom最早期作为第一个基金投入其中。这项投资发生在2011年，是当时作为GP的张于庆主导负责的项目。2010年基金成立时，张于庆是唯一做过GP有天使投资经验的合伙人，他具有很高的敏锐度。例如，在合成生物学这个赛道还没有形成之前，TSVC在2012年就投资了Ginkgo Bioworks， 现在被业界誉为合成生物学的第一股。另外，像Quanergy这样的项目，在自动驾驶赛道形成之前，TSVC就已经投资了红外激光雷达技术。这些案例强调了TSVC作为种子轮投资，必须保持敏锐的洞察力，在赛道形成之前就预先布局。如果赛道已经形成，就可能太晚了。过去的两年中，TSVC一直密切关注Onshore，它在快速发展，TSVC已经发现了一个新的、具有潜力的未来赛道。 从个人成功的投资经历，对于Onshore这个新赛道是如何感觉到的？ 关于Onshore，TSVC创始合伙人张于庆表示，过去的公司不是在真空发生的。他们通过与很多业界人士交流，发现了三个关键的数据点，于是预测这是否是未来的趋势和可能发生的事情。 从宏观角度来看，首先，美国一直是一个制造业强国，从福特时代以来就凭借着制造业崛起。第一个数据是index of US manufacture production capacity可以用来衡量生产的水平。数据显示，生产的峰值出现在2000年左右，之后持平或略微下降。所以那时美国就不再强调生产。这可能与全球化相关，因为在此之前，美国经历了一个快速上升的时期。第二个数据，production US factory，在2020年出现了负增长，而在2021年和2022年则出现了增长。具体来说，2020年的负增长率达到了6%，而2021年增长了近6%，并且2022年预计增长3%。这表明美国的工厂生产产量连续两年出现了正增长。第三个数据，construction spending，这个指标通常包括房地产、制造业等建筑方面的支出。这个数据显示，在2020年之前，该指标一直在增长。然而，在疫情期间，该指标出现了跌幅，但在2022年，该指标将再次增长，预计增长了近30%。通过这些数据的变化表明整体经济动态发生了变化。过去的几年中，随着大量资金的轻易获取，越来越多的人开始寻找简单而高收益的方式，这在华尔街精英中尤其常见，这些资金的到来，对某些市场的泡沫化产生了负面效应。 从美国角度来看，我们正在进入一个新的周期。在新的周期中，美国将注重整体的生产。他们已经看到一些早期数据表明，这个周期即将开始。新的周期可能不止10年，可能是20年甚至30年。在这样的经济大势下，许多像Automat这样的自动化公司等都将发挥重要作用。比如说现在三大巨头公司，包括特斯拉、比亚迪和宁德时代，他们都产生了巨大的利润。这些公司的市值也达到了惊人的规模一一宁德时代估值最高，达到了1.3万亿美元，比亚迪估值为7450亿美元，而特斯拉也接近6000亿美元。它们与软件公司不同，这些公司需要更长的时间来发展和研发，但它们所产生的影响力，却是世界级的，所以我们正处于一个新的经济周期之中，今天就来跟大家探讨围绕这个主题来看看我们的机会。 除去地缘政治因素，TSVC创始合伙人夏淳博士对当前形势的观察也很有意思，RPA自动化正成为一个重要驱动力，带来了大量的机会。因为美国制造业中的一个特别严重的问题就是劳动力短缺以及劳动力成本高昂。然而，这些年来，智能制造技术的突飞猛进给人们带来了新的希望，最先进的Al大模型和机器人的结合尤其是最近几个月，Al技术的发展飞速，可以看到TSVC也在积极布局。两年前，他与张于庆曾经有过一次讨论，他们共同认识的一位朋友是芝加哥大学经济学博士，他的两位导师都是诺贝尔奖获得者，非常厉害。他曾经从事高端咨询业务，在2020年疫情期间遇到他，他告诉夏博士他正在做一件有趣的事情，他把中国的饮料罐装生产线输送到美国，成本是日本和德国制造生产的1/10。他卖美国一半价钱，这个生意很好做。他说像这样先进的罐装生产线，美国根本无法生产出来，产业链已经完全缺失。这是一个很大的产业空白。类似这样的故事一直在发生。差不多两年前，夏博士的另一个熟人也把制造橱柜的工厂搬到了美国，这个生意也很红火。过去几年，美国在疫情期间，人们大量装修房子，需求量很大。但是你需要的橱柜往往要等上六个月才能拿到，因为美国供应链出现了问题，这带来了很多不便。总的来说 ，大家可以看到制造业正在回流。 Automat具体是做什么的？ Automat创始人王晓亮博士表示，Automat是美国本土的一家锂电池材料公司，致力于研发和生产高性能的锂电池电解液和固态电解质。正如Eugene提到三个估值的公司，都是和Automat做电池直接相关的。在美国，尤其是在电动汽车市场上，Automat正感受着市场及政策的加持。它们已经与十余家美国客户开展了合作，并获得了美国能源部的项目资助，目前正在大规模筹备电解液的生产线，旨在成为美国品牌最大的电解液的公司。 全球动力电池的生产产能90%以上是中国制造。其实电解液从中国运过来就可以，为什么Automat还要在美国开工厂？在电池行业里面，政策到底有哪些要素？ Automat创始人王晓亮博士分享了两个与政策相关的事情。首先是拜登政府的基建计划。该计划的一个具体内容是，通过美国能源部资助一批美国本土电池产业链各个环节的公司，从矿物的开采到电芯制造、电池组装以及回收。大约半年前，DOE（能源部）资助了首批19家公司，每个公司或项目的平均资助金额为一亿美元。目前，DOE正在进行第二批基建计划，收集相关项目和公司。Automat也在积极布局，因此这是从政策角度看到美国电池行业发展的一个机会。 另一个机会，即通胀消减法案IRA。他的理解是，通过市场端的补贴方式推动需求，降低新技术(如新能源)进入市场的门槛。在电动汽车领域，对于每辆新车而言，具体补贴总额为7500美元，对于二手车大约是5000美元。其中7500美元被分为两个类别，其中一半是针对电动汽车中的电池组，该补贴与电池组中的电芯、各种部件等有关。例如，如果今年的目标是使40%的部件美国本土化，可以获得3750美元的补贴。另一半3750美元是用于针对电池中的关键矿物(包括锂、镍、钨、锰等)，如果该领域达到一定程度的本土化百分比，可以获得相应的3750美元的补贴。该比例逐年上升。因此，这也是从市场和政府来拉动美国电动汽车和整个储能产业的发展。 从市场角度来看，电动汽车的走势已经开始。去年，美国电动汽车占新车销售量的6%。以中国和欧洲为例，电动汽车销售量呈现出一条直线上升的趋势。因此，从这个趋势来看，美国电动汽车市场也呈现出了腾飞的迹象，必然带动本土化的整个供应链的发展。 经常有不同制造业的企业家来到TSVC座谈探讨机会，其中有很多都是和美国制造业的激励政策相关的。请分享一下，你所了解的一些相关政策？ TSVC创始合伙人张于庆表示，总的来说，这个政策称为“通胀消减法案”，与通货膨胀并没有直接关系。实际上，它涉及到能源产业的各个方面的一些税收政策。如果在这一产业链中，企业能够直接或间接受益于这些政策，那么对于公司就没有特定的限制，TSVC也接触过很多国内的公司，有生产能源产品的企业，储能，太阳能，逆变器等等。因此，许多企业探讨如何利用政策在美国建立生产型公司，这一种通常都是产品研发已经完成，主要是看重美国这个市场。我们也会与这些企业进一步合作，探讨如何落地。 夏淳博士认为政策非常有意思的一点是，在新能源和动力电池这个领域，哪怕厂建起来，还没有形成销售，IRA就已经可以在返税上面补贴了。因此，这个激励力度非常大，可以鼓励企业来投资建设工厂，扩大销售规模。张于庆表示美国的制度和国内有所不同，是由议员和律师们制定和解释的。因此，它的细节部分需要请律师进行审核，确保准确性。例如，企业生产太阳能板和电池，就一定能够获得税收补贴。此外，有些政策并不关心具体的国籍，只要是在美国生产即可，这也是他们所了解到的信息。 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，添加TSVC小助手 大家的点赞、评论、转发是对我们最好的鼓励！希望分享给这个话题感兴趣的朋友哦~如果你有希望我们聊的话题，希望我们邀请的访谈嘉宾，都欢迎在留言中告诉我们。

TSVC举办了《打造下一个独角兽》讲座十五讲，AIGC最近已成为了创投圈毋庸置疑的热点，而当AIGC红得发紫的时候，各式各样的生成工具也开始卷起来。相信许多人都和TSVC一样在思考，AIGC应用的下一个独角兽机会在哪里？这次讨论，我们用Marshall McLuhan的媒体理论，探讨AIGC的媒体化，指出生成媒体及其生成文化将是生成工具的必然结果和巨大机遇。由于游戏拥有相对最复杂的媒体技术，我们特意邀请了两位游戏领域的资深创业者，以游戏为案例，深入剖析生成媒体的种种可能。 嘉宾： 夏淳博士，TSVC创始合伙人及管理合伙人 张黎利， 游戏领域资深创业者 Kevin，TSVC portfolio 公司DeepMotion 联合创始人及CEO 我们都聊了什么 00:00 主办方TSVC×MITCEO介绍 05:23 在AIGC的技术大潮下，站在投资人的角度思考，下一个独角兽会从哪里产生？ 07:20 生成媒体的机会为什么比生成技术本身都要大？ 10:53 运用媒体的理论，探究用什么样的方式去发现是什么样的机制，可以找到什么样的机会？ 16:16 利用媒体的四个效应，从游戏角度出发，增强效应在哪些地方增强了？ 25:32 是否认为淘汰效应其实把一些制作者、原画师给淘汰了？ 27:39 像逼真的动画是不是就是一种恢复效应？ 29:08 觉得游戏发展到逆转效应会是什么样的？做AIGC新的产品有什么启发？ Q/A问答： 36:34 AIGC是生产工具的变革，会带来哪些生产关系的转化和升级？ 38:05 鉴于AIGC生成内容系统已经能够在文本，图像，视频，音频等多个领域生成，我们是否可以将它整合在一起，以创造全新的多模态内容？这将如何影响现有的媒体形式？ 44:53 AI生成内容系统是否可以用于创造新的虚拟艺术家或者创意团队，以进行创意产业中的写作和创作，这种方法是否能够提高人类的创意和创造力？ 48:39 需要大型公司才能制作的3A大作，只需要中型甚至小型团队就能完成，是不是说以后AIGC牵扯到的领域，企业之间的竞争会更加激烈？在这种情况下，企业的内在价值和优势该如何去界定？ 54:54 chatGPT的知识从网络上来，本质上还是人类在教它，那么请问AI距离自己学习，自己探索，自己生存知识还有多远的距离？ 1:00:17 请问三位嘉宾能否脑洞大开分享一下五年设想，AI生成这样的发展的态势持续五年，我们的生活会有什么巨大的变化？ 提到的公司/项目 • Twitter • Instagram • AIGC • chatGPT • RPG游戏 • Disco Elysium 极乐迪斯科 • DeepMotion • 暴雪 • ROBLOX • 魔兽世界 • AI生成 • 3D • UGC • hashtag 在AIGC的技术大潮下，站在投资人的角度思考，下一个独角兽会从哪里产生？ TSVC联合创始人夏淳博士表示，AIGC作为生成技术，从创业或者投资方面，技术栈整体分为三个层次，底层是算力，中层是大模型，顶层是应用层。底层和中层门槛儿比较高，做的人也会比较少，相对来说更加小众；门槛儿比较低的，适合多数创业者的还是做应用层，而应用层的机会非常大，有非常广阔的天地。作为TSVC基金的投资人，要以发现下一个独角兽为目标，总是希望创业公司的规模做得越大越好。因为他自己创过业，所以很清楚创业过程中需要付出很多，然而公司最终做大做小，付出的代价差不多，当然要做大。 生成媒体的机会为什么比生成技术本身都要大？ TSVC联合创始人夏淳博士认为，讲到媒体的范畴，就要跨出技术的圈子，延伸到文化领域。假设现在才发明了印刷技术，你去创业，你可以创办个印刷厂替代很多抄书匠，你也可以创办出版社出版书籍，或者创办个报社发行报纸。显然，作为出版商或办报纸，比创办印刷厂的生意能做大得太多。再举个例子，智能手机发明之后，改变了大家的生活方式，同时带来很多移动媒体的机会，比如twitter, Instagram，与单纯的移动技术相比，其价值和收益的量级完全是不一样的，所以讲AIGC百倍的机会是在媒体方面。 其实早在60年代，多伦多大学技术与文化研究中心的主任、媒体理论家Marshall McLuhan，专门研究过技术和人类的生存方式。虽说这个学问是60年代的，但在当时，是属于后现代思想比较密集和活跃的时期，直到现在我们还在享受60年代的思想成果。当时的媒体理论很精彩，有一句名言流传甚广，意思是说：我们打造了工具，而后工具又打造了我们，或者说我们又被工具而打造。这句话很好理解，我们现在正在用的手机是人类发明的工具，可以打电话，也可以运行app，还可以随身携带，但是我们的生活也同样被手机给绑架，手机成为了我们生活中的一部分，人类变成低头族，由此形成的手机文化是大家每天亲身经历的，所以这就是技术和媒体的作用和关系。 运用媒体的理论，探究用什么样的方式去发现是什么样的机制，可以找到什么样的机会？ Marshall McLuhan提出了媒体定律，包括四种媒体效应，刚好前几天夏淳博士写了一篇短小的博客，讲chatGPT，利用Marshall McLuhan的四种效应来分析。第一个是增强效应，扩展人的体验和能力。例如电视可以将遥远地方发生的事件带到我们的面前，人不用到达实际地点就可以了解世界各地的事物。 第二个是淘汰效应，新的技术产生新的媒体以后，使过去媒体失去效用被淘汰。例如，随着数字音乐的普及，CD碟片的销量逐渐下降，CD碟片店也逐渐关闭。第三个是恢复效应，媒体使过去的文化和思想重新浮现，并得到新的解释和意义。例如，CD碟片被淘汰之后，胶片唱片和唱机成为了一种颇为流行的收藏文化。第四个是逆转效应，是说媒体发挥到极致的时候就会发生逆转，会有一些意想不到的事情发生。例如，通过社交媒体，可以更容易地和很遥远的亲朋好友拉近距离取得联系，甚至跟不认识的人交往，但也导致一些人，因为社交媒体的便利可以足不出户，在现实生活中的社交减少，造成这些人的孤独和失落。 这四个效应给了大家很好的分析框架，如果单纯看技术方面，思维有局限性。一旦跨界到媒体分析，技术作用在人身上，发生的文化效应是什么？这才是我们把握创业机会的一些思考方向。 利用媒体的四个效应，从游戏角度出发，增强效应在哪些地方增强了？ 游戏领域资深创业者张黎利表示，游戏中最典型的类型是讲故事的RPG游戏，RPG也是一种媒体，它跟小说和电影最大的区别，就是游戏有更强的代入感，玩家可以作为主人公体验整体的故事，但是这么多年行业里一直有个很大的问题，就是很难改变整体游戏本身的主线剧情走向。一般传统的RPG游戏前面有分支选择，这个不是特别重要，真正有影响的，是在游戏快结束或者结局之前，有一个大的选择，最后这样做主要是考虑到制作成本。包括几年以前获得大奖的游戏，英文叫Disco Elysium，中文叫极乐迪斯科，之所以获得大奖，有很多方面是对它精神的肯定，其中光台词脚本就写了100多万字，100多万字的概念是指环王全系列小说的文字量的两倍以上，像这种不计成本去做一个让玩家代入感和选择权更强的游戏，在当时的商业角度来说是非常不合算的一件事儿。 现在有了AIGC以后，首先，RPG游戏有大量的台词制作会大大地降低，将来可以是动态生成，可视化的效果会更好。其次，人物效果方面的成本大幅度降低，同时玩家的体验感会更强，对故事的流程有真正的实力感，代入感随之增强。最后，对制作人员技术方面的要求也会大幅下降，新类型的游戏会诞生大量利用AIGC去生成的游戏，带来了很多创业机会。 DeepMotion联合创始人Kevin，通过以前在暴雪和ROBLOX等游戏公司工作过，就以魔兽世界和ROBLOX这种实力比较强的公司，粗浅的做一些探讨。认为AIGC对游戏的开发有巨大的影响，首先，魔兽世界中最重大的资源制作，是游戏里的虚拟世界，其中的资源是海量的，在十年前魔兽世界最火爆的时候，主要是因为游戏容量非常丰富和巨大，有数百人的创作团队在维持。每做一个扩展差不多需要两年时间更新内容，更新完内容之后，一些玩家一个月就能把游戏全部通关，对于创作者是一种压力，无形中创作者和内容消费者之间存在了竞争。如果大型网游能够用AIGC过程化的方式，会对整体的生成内容有巨大推动作用。其次，类似于魔兽世界的大型网游，需要有高端的3A团队才能制作，之后就会逐渐地有中小型团队甚至个人可以通过AIGC的方式去产生。最后，原来不可能由个人团队做的大型的虚拟世界，之后都可以通过AIGC生成出来，所以是会取代原来的大型团队，让很多中小型的团队都可以去生产大型网游的这类游戏。 是否认为淘汰效应其实把一些制作者、原画师给淘汰了？ Kevin 表示，其实是不可避免的，对于艺术创作方面，原画师有些是做动画师的，都是属于比较重复性的工作，其实DeepMotion自身就是有很典型的淘汰性，淘汰别人原来的做法，因为动作都是自动生成的。淘汰效应就是因为使用了DeepMotion 的AIGC的动画产生技术之后，非专业人员只要花几分钟时间，从图像或者一段视频自动生成一段动画。从内容创作的角度讲，新一代的内容创造者淘汰了一批上一代的技术性很强的创作者，现在变得更加灵活，让普通的视频内容制作者，都可以参与到3D游戏动画制作过程当中，这是淘汰效应的必然反应。 张黎利表示，首先淘汰的是一些不采用新技术的制作者，同时对制作商、发行商也会有淘汰，跳出电子RPG游戏类型，也会影响到线下游戏，发行主要是想体验游戏本身的故事，原来需要真人配合，现在用AIGC体验会更好，还有对一些传统的小说和电影或者童话绘本，这些讲故事的东西也会有一定的淘汰性。 像逼真的动画是不是就是一种恢复效应？ Kevin 表示，像逼真的动画确实是恢复效应的一种体验，现在的服务可以把用户的一张照片，用几秒钟的时间生成3D的真人形象。列举一个“复活”服务，之前看到很多例子，可以在语言和声音方面复活，但是现在，只要拿本人原来的照片，包括动画和人的动作都可以复活，这样可以使得几十年前的老人，或者是以前的名人，还有已经去世的故人都可以重新恢复，变成再重新与我们进行交互。 张黎利表示，之前70年代流行的RPG类型，一位主持人在讲话，几个朋友坐在下面参加，他认为这个游戏可能很快会恢复出来，假如现在再去做游戏，就很想去恢复这件事情，在年轻时候做过的事情，但是因为年龄大找不到朋友，或者没有那么多朋友，但是在游戏中听一位主持人讲故事，这个感觉其实是比可视化的东西更有意思，有些传统的游戏形式可以通过新的技术再实现出来，这是恢复效应。 觉得游戏发展到逆转效应会是什么样的？做AIGC新的产品有什么启发？ 张黎利认为，因为有了AIGC以后，优质内容是海量的，但是作为消费者的注意力是有限的，当大量优质内容出现时如何选择，也是一个很困难的问题，同时也是一个创业机会。另一方面，假如在虚拟世界待得时间太长，每一个游戏，每一个生成的媒体都很好，在里面花费大量时间的时候，会很难在现实生活中面对面的与人建立起良好的社交，这也是会出现的一些逆转效应。 DeepMotion联合创始人Kevin表示，原来有很多人自己是网红，表演各种各样的娱乐节目，但是现在可以通过AIGC的方式生成一个数字人，这个数字人活灵活现，什么都像真人一样逼真，这其实就会取代很多原来用真人演员表演的工作。现在会趋于虚拟化、数字化。它的好处是，原来无法做出的动作，现在都可以表演出来，而且容貌也非常好看，更能满足用户的各种需求。同时也取代了一些职业表演的哑剧，原来这些演员可以靠真实面貌，真实动作去谋生的传统表演的专业就会缺失。所以从这个角度来看也是有得有失，在将来数字化的世界里，传统表演和传统艺术这些形态会逐渐消失，会失去逆转一部分以前的艺术形式，这也是很难避免的一种趋势。 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！ 搜索：TSVC 大家的点赞、评论、转发是对我们最好的鼓励！希望分享给这个话题感兴趣的朋友哦~如果你有希望我们聊的话题，希望我们邀请的访谈嘉宾，都欢迎在留言中告诉我们。