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

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

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

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

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

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

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

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

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

7月20日TSVC举办了《打造下一个独角兽》讲座第31讲。资本在降温，最近AI泡沫将破的吹哨人也纷纷出场。做算力和大模型很烧钱，但AI应用有望率先自我造血。当前AI应用是何景观？哪类应用在创收？AI应用层如何落地生长？如何在同质化中找到PMF？ 嘉宾： 朱铁斌是连续创业者，拥有丰富的海外产品运营增长经验，担任多家知名公司的出海顾问，实操过几十款产品的从0到1出海全过程，曾出版过《15个酷应用玩转树莓派》、《一本书玩转Midjourney》和《一本书玩转出海》等作品，科技自媒体深思圈和SenseAI的主理人，也是出海社群Magineer的发起人，全网粉丝超20万。 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 AI应用在宏观上如何分类？哪些应用能赚钱，哪些不赚钱？ 03 根据刚才的四个分类再点评怎么来赚钱？ 04 分享如何去赚钱？ 05 B端市场上有哪些旺盛的需求，有哪些比较领先的公司和产品？ 06 现在是加入AI初创公司的好时机吗？ 07 PDF.AI会不会生存不下去？ 08 对安全方面AI投资项目有哪些？目前有什么案例? 09 C端的音频、视频、图片的应用是不是太多了？ 10 AI Agent 做直播带货怎么样？ 以下为正文： 今天的活动采用夏淳博士对Leo进行“炉边访谈”的形式，深入探讨“AI泡沫将破，AI公司的商业化何去何从”的议题。TSVC基金从投资视角审视宏观经济全局，指出当前还处于下行期，尽管已历经长时间的支撑，但还是有很多的不确定因素。 就AI泡沫而言，最近美国红杉资本合伙人David Cahn发表了题为《AI’s $600B Question》的文章，文章中对AI算力表示质疑，指出AI领域虽预计投入高达六千亿美元，但其实AI赚的钱可能不会超过一百亿美元。因为我们知道OpenAI的业绩有十多亿美元还算是不错的，其他多数公司的业绩都不理想，投入产出严重失衡。此外，华尔街高盛财团的Allison Nathan也在其Top of Mind专栏中发表文章，预测AI整体投入可能会有一万亿美元，她更在一些访谈里坦言，未来十年内，美国的生产力增长或将仅为0.5%，GDP增长也仅约0.9%，这一预测数据较为悲观。 夏淳博士认为实际情况相较于所提及的数据而言，实则更为乐观，然而，总体的投入和产出却严重失衡，在这种情况下，显然都是一个泡沫的问题。夏淳博士他们当年都是经历过第一次互联网泡沫，尤其是在.com时期，光通讯领域便是一个因过度投资而催生泡沫的鲜明例证，最终泡沫破灭。 关于这个问题，去年11月的讲座活动，夏淳博士和百度七君子雷鸣老师共同探讨了“去AI化”的议题。其本质上是向我们自身及广大听众传达一种冷静理性的态度，针对当前AI领域存在的泡沫现象，倡导我们要以冷静的视角进行审视。在这一宏观背景下，我们需要认真地思考，在泡沫即将要戳破或者有人认为已经戳破之际，我们怎么能够找到赚钱的AI，当然应用是最快的方式。 在此，这个话题引到了我们今天请来的访谈嘉宾朱铁斌Leo。其实我们中国把一项技术做落地，怎么去赚钱这方面绝对是领先于美国的。尽管在前沿科技领域，如大模型、算力、芯片等方面，硅谷展现出了卓越的领先地位，但在技术的实际应用与盈利方面，中国则展现出了更为显著的优势。这一点在文娱领域尤为明显，TikTok（抖音）的出海以及后续兴起的短剧热潮，这些都为此提供了有力的证明，预示着未来将会有更多类似的成功案例出现。 Leo是一直在中国观察整体AI应用的走向，积极参与指导创业项目如何有效进入市场。在此过程中，他深知PMF (Product Market Fit)对于项目生死存亡的重要性，因此他的工作极具价值。基于这些原因，TSVC基金特别邀请Leo来，就以下几个关键方面与大家进行深入分享：第一，目前AI应用是何景观？第二，应用如何赚钱？第三，应用如何分类？这些方面Leo在他的自媒体《深思圈》做过很深入的研究。 TSVC之所以向Leo发出邀请，主要基于以下两方面原因。首先，夏淳博士作为Leo的早期粉丝，持续关注，对Leo所撰写的高质量文章尤为赞赏。其次，Leo不是纸上谈兵，而是能实操，亲自参与市场运作及产品与市场需求契合度的深入分析。这些宝贵经验具有很高的分享价值。 09:25 AI应用的落地是能挣到钱的，那AI应用在宏观上如何分类？哪些应用是能赚钱的，哪些是不赚钱的？ LEO表示，目前整个AI类的应用有四种分类方式： 第一种分类，根据产品使用的模型区分。一类，是基于大模型，比如可以基于OpenAI，Claude等等这些大模型，在此基础上去做的应用。另一类，是基于图像、视频或者音频模型开发的产品，这些模型相对会更小一些。基于这类模型做的产品往往都是自研的模型。比如AI生成图片，像MidJourney和Ideogram等等，或者直接基于开源的stable diffusion去做一些图像生成类的产品。还有视频生成类的产品，像PIKA，Runway等等都是基于自己的视频模型。前段时间Stability它开源了自己的stable video diffusion的视频模型，也有相应的视频生成的产品出来。音频模型的话是前段时间爆火的Suno.ai，它能够直接根据用户的prompt去生成对应的音频内容。 在第一种分类方式下面的产品，比如基于大模型的，往往会变成Copilot或者Agent的形式。在这下面又会有一种新的分类，这个分类主要是基于原来的某个SaaS里面去嵌入AI的功能，可能是SaaS+AI这样的一种分类，这种分类方式对于做海外的产品来讲比较普遍。因为过去5—10年，国内主要是做移动互联网app类的产品，面向的主要也是C端市场。但在海外过去十年，主要是云化的过程，面向2B的SaaS是创业的主流，主要根据某一个具体的问题，做对应的解决相应的一些SaaS的产品。所以在海外做AI类产品的时候会面临的一个问题，就是可以在原有的SaaS基础上去叠加生成式AI的能力。这一块比较典型的应用，比如最早的Notion，它原来是生产力SaaS的一个典范，在很早期的时候就推出了Notion AI的功能，在原有的整个block文档的基础上，方便用户快速地借助生成式AI的能力去做生成，包括去做一些总结和分析。像类似的比如craft，微软的就更不用说了，都是在很早期就集成了对应的AI能力，这个相当于是一个Copilot。 第二种分类，是AI Native的一些应用，这个更多讲的是Agent的概念，这类的产品相当于是把原来的SaaS做迭代。最近看到Foundation Capital和a16z都提了一个概念”Service as a Software，大家都知道SaaS讲的是“Software-as-a-Service”，即用软件及服务。未来生成式AI类的产品可能可以做到，原来需要到别人软件上去操作，去实现整个的pipeline，可以直接用Agent去代替，把服务变成软件或者说Agent。这是AI Native一些应用类的产品，这种划分形式的具体差异或者表现方式会体现在进入市场的策略上。 第三种分类，是根据B端和C端这两个方向。B端类还是原来的SaaS类的应用，比如SaaS+AI，或者是做AI Native的一些Agent的应用，但主要是面向B端的场景。C端类的应用可以分成两个：一个是C端偏生产力方向的应用，比如比较火的SpeakAI等等，做C端教育类的更多的是帮助学生提高效率，或者是帮助个人去找工作等等。另一个是C端娱乐项的，比如Midjourney很多人会用它去生成各种各样有意思的图片。包括Lancer比如拍一个照，可以根据它的AI Filter去生成各种各样的头像图片；还有前段时间比较火的remini等等。还有陪伴类的，比如Character.AI，还有Replika等等，这些都是C端娱乐项的一些应用。 第四种分类，是根据软硬件区分。其实绝大多数产品都是软件类的。还有比较火的是AI硬件的赛道，比如前段时间比较火的AI Pin，还有国内团队在海外做的Rabbit R1等等。这些AI硬件类的产品，包括还有一些比较小的，比如一个叫 Plaud的产品，本质上是一个录音笔，但是把ChatGPT给集成进去，可以根据录音快速地帮助人做总结和分析。这类应用还有Meta和雷朋联手推出的智能眼镜，没有AR的功能，但是可以直接通过语音的方式，通过眼镜上的摄像头去做一些交互等等。 Leo觉得AI硬件类也是非常有意思的产品类别，包括他跟国内一些投资人交流的时候，投资人觉得国内有出海计划做硬件类会比较有优势。其实一点，是因为人没有在海外，做一些SaaS偏B端的方向没有办法很好地SLG。硬件类的话，国内之前已经有大量的外贸，包括独立出海整体的基础设施已经很完善，只需要通过渠道把产品卖出去即可。另一点是在供给侧，国内整体硬件的研发，包括制作成本等等都有一定的优势，所以很多投资人目前看好的方向反而是在AI硬件这一块。而且很多投资人都会关注，AI软件型的产品核心壁垒究竟会在哪里？硬件类的产品其实也可以很好地回答这样的问题，只要用户购买你的硬件，后续持续订阅的方式始终是在硬件上的，就不需要去担心壁垒的问题，也不需要去担心大模型可能会在某个阶段把你的功能给吃掉这样的问题。这是大概从四种方式去对这类产品做的划分。 夏淳博士认为Leo的这四个分类非常精辟，而且思考的方向和投资不一样的地方，是真的从赚钱的角度去思考，投资是从花钱的角度思考。TSVC基金投资的方向第一是算力的芯片，第二是模型，还有一个比较冷僻的方向是AI的安全方面。安全在英文里面有两个概念，safety和security这两者还是有区别的，TSVC投资的这三个领域非常小众。那么刚才Leo说的是TSVC另外两个投资的大方向，一个是应用类，另一个是Agent，这两个方向本质上都是偏应用，最接地气挣钱就快，尤其回应我们的主题，泡沫之后如何生存，而且活得好，首先能站得住，再把钱赚了，不要被打倒，等做大了以后躺赢了的过程。 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。

6月21日TSVC举办了《打造下一个独角兽》讲座第30讲。如果教育和职业是每位年轻学子的人生投资。升大学，选专业，以及选择职业赛道到底有没有投资逻辑？在AI都可以写代码的瞬息万变的时代，哪些底层逻辑是保持不变的？毕业季来听听投资人青年导师，有着四位优秀女儿的教师及新泽西公校副校长怎么说。 嘉宾： 苗娟博士是北师大外国教育史硕士，美国教育管理学博士。在美国纽约和新泽西公立学校做教师、副校长34年，深受家长和师生爱戴。苗博士有四位优秀的女儿。她在公众号《苗博士和四个女儿们》发表了近300篇文章，介绍分析女儿们以及她的学生们的小学，公立私立初中高中，私立寄宿高中，三所藤校，及职场的种种经历，言简意赅，丰富细腻，有近2万粉丝。最近几年，应读者家长要求，苗博士提供教育、升学和职业咨询，为数百学生家长答疑解惑，指导进入梦校。 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 AI将会替代哪些人类的工作岗位？我们如何确保竞争力，不被AI所替代？ 03 面临职业选择的阶段会给什么样的辅导和建议？ 04 这两年高科技就业市场很低迷，在职业发展方向上，您能给年轻人什么建议来应对？ 05 在科技高速发展的时代，择校选专业和毕业后的职业规划不一致，如何看待这个问题？ 06 创业者有年轻化的趋势，毕业后就创业有什么利弊以及建议？ 07 进入职场到底怎么能够做到成功呢？ 以下为正文： 02:38 夏老师，作为一位经验丰富的投资人和青年导师，您能从投资人的视角和青年导师的立场为我们解答一下问题吗？当前，我们已步入一个AI能够编写代码的年代，AI将会替代哪些人类的工作岗位？在这个日新月异的大时代，关于人生投资的哪些底层逻辑是我们应当把握的，以确保我们在这样的环境下仍能保持竞争力，不被AI所替代？ 夏博士指出，之所以有这个话题，一方面是每年的毕业季他们都会讲一讲，因为经常被问到跟教育相关的问题。另一方面，鉴于TSVC有14年的丰富历史，到每年的毕业季都会带实习生，已经超过十年了，每次实习期结束以后，最后摸索下来，TSVC都会问同学们一个问题，你对投资是否有一个基本的概念呢？投资作为人生的技能你是否有感悟呢？让实习生自己思考这个问题。 夏博士认为，投资实际上是一种生存或者生活的技能，因为每个人每天都是在做各种各样的投资，所以很容易地把升学，职业发展，生活很多方面都可以理解成一个投资行为。用我们积累这么多年投资的经验来看，这个话题可以延展很多值得大家探讨。并不是说他们自己就有什么特别好的结论，但是可以激发大家的思维，尤其是这些年轻的学生，还有家长，在考虑这件事情就可以从不同的角度。 对于学生来说，大学里没有任何一位教授去教你怎么去做投资。但实际上各种各样的事情，比如说自己牺牲掉一些娱乐时间，少打一些游戏，这些时间投资在什么地方，这都是需要思考的。TSVC每年新来的实习生，他也是习惯先提问，带着问题来实习，人生的投资是一个什么样的投资逻辑。 现在我们来回答主持人Charlene提出的问题，我们面临的是AI技术的广泛应用及其所带来的职场变革，从投资的角度来看，这一现象具有深远的影响。夏博士作为TSVC基金中负责AI投资领域的专家，将AI对职场的影响归为以下三类： 第一类是已经发生的，生成式的AI或者叫AIGC。它的开端是去年12月ChatGPT横空出世，大家都在用一直到现在。之后就有大量的生成图片，甚至现在还有生成视频、音频、图像等内容，这件事情会大量地取代入门级水平的白领工作。那么夏博士特别欣赏他的老朋友，之前一起做过活动的雷鸣老师，他是百度的创始人之一，他们过去一起讲过‘去AI化’的相关话题。 雷鸣老师讲，一个大学本科毕业的文科生步入社会，比如做一些文案的工作，写个报告之类的这是很常见的。这些工作显然是最容易被ChatGPT给取代的，如果今天要让ChatGPT帮你去解析数学题还没那么准，但是写文案之类的确实是已经取代了。今天看技术发展得特别快，已经可以做一些简单的编程写程序，所以对一些学计算机专业的学生其实也有冲击，简单的编程不见得比AI更强。他们也投资过用AI来做化学实验的项目，对于电池新配方的研发速度非常快，预测新的配方，生成新的配方，再自动地去做实验，比人工要快100倍。 包括他们投的和看到的一些项目，还有做生物实验的，这些初级的都是受影响的。还有更明显更直观的是一些美术生学的插画，哪怕你认为自己的素描、油画、水粉什么的都画得很好，其实做出来的话不见得拼得过AI的生成，以及做视频做动画，这些初级的应该都是受影响。这是第一类已经发生的生成式AI。 第二类是刚刚起来正在进行时的Agent，中文有人把它翻译成代理，也有人把它翻译成智能体。Agent它是有一些特定的任务，和AI的Agent有相当高的智能可以做一些具体的指令。现在Agent的技术发展得很快，他们也投过这样的项目叫collaborative multi-agent，是指协同式多智能体的一种技术，这种技术不只是做单一的事情，而是多个任务可以协同工作。这样的技术发展起来特别适合流程化或者程式化的，一步一步地去做程式化的白领工作。就像刚才说的生成式写一篇文章，过去实习生到TSVC都会去写博客，还需要找个母语是英文的人去做审阅修改。而现在可以全部都用ChatGPT生成，语法都不会有问题，这件事比较简单现在已经做到了。 还有看到他们自己投资的很多垂直领域的项目，比如客服中心，财务会计，金融服务，包括法务法律方面，大家用这种方法可以把流程跑通。它的能力已经接近于一些中等经验水平，再继续做3-5年能够跟人匹敌，甚至比人做得更好。当然跟一些骨灰级特别厉害的老手，可能AI还是比不过，所以这一类对大家的工作影响也是很大的。 再讲第三类是即将要发生的，今天还没有，但是大家可以预测。因为现在AI大模型很厉害，一出手就是700亿的参数，甚至还有更大已经到万亿级了。它把所有的数据全部都吃掉，只要是人类能够用语言表达的数据全部都吃掉，导致一个很神奇的结果，一个AI大模型把所有的知识装进去以后，变成了一个专家的集合。这个AI就有点像一所大学，比如教微积分是一位教授，过两天上物理课还是同一位教授，再去学人类学，心理学都是同一个人。 现在正在有人研究这件事，怎么能够让这么多的专家协调在一起工作。这个有点像我们所了解的，比如医院里面有专家会诊，从不同的领域，不同的专业背景，大家在一起来解决问题。现在对AI来说完全不是问题，因为AI自己就等于是成千上万个专家，而且专业水平非常高，它又是医生懂医学，同时懂工程，什么都会什么都懂，它把所有的论文文献都读过了，并且都有一定的理解力，这件事情下一步应该也是挺可怕的。 对我们有什么直接的影响呢？今天我们还是非常努力地同时读个双学位。比如夏博士原来本科学的是无线电系，硕士的时候改学软件计算机科学。后面假设你再学点其他什么学科，同时想跨学科掌握很多的专业，可能真的拼不过AI，这个都是对我们的影响。这件事情正在做还没有发生，但是有一天一定会发生，这样的确会给我们带来危机感。 讲到人生的投资逻辑，如何以不变应万变？TSVC基金从2010年成立开始一直坚持到现在的，用中国古代的智慧来归纳就很容易讲，即“天时，地利，人和”。 第一，“天时”是指我们在投资的时候要看市场的大趋势，这一理念同样适用于人生投资的视角。在此，我们关注的并非项目投资策略本身，而是技术变革如何塑造并影响人类需求的大趋势。这件事夏博士喜欢引用一位专门研究技术和文化之间的关系，技术如何影响改变人类生活的一位学者Marshall McLuhan。他有一个观点：人类因为有了技术，技术就变成了工具。AI就是工具，人类会被工具改造，意思是说，就像今天我们基本上每个人都是低头族，随时拿着手机。同时人类也会改造工具。从AI的角度来看，有哪些是人类被AI改造的，还有哪些是人类如何运用AI去改造我们的生活。宏观看这两个方面，这确实是一个巨大的机遇。 第二，“地利”是指定位，你究竟要做什么事？如果一位年轻的学子毕业以后要进入职场，可以把自己比作一个产品，公司的雇主看我是一个产品，那我这个产品究竟有什么功能，能做什么事，能够给公司，给大家带来什么好处，是这么一个概念。这个时候你自己作为一个产品，其实可以理解成两个方面： 一方面，作为人类在AI的时代，如何运用好这个工具。当人类被工具改造了，你能否驾驭这个工具？AI来了以后，无论是已经发生的，还是正在发生以及将要发生的，看着挺可怕，但是不管AI怎么变，你怎么去使用AI的工具，这件事绝对值得大家下功夫的，而且它特别适合年轻人，一代更比一代强，这个时候你的老板，你的父母那一辈已经不如你了，这是年轻人的优势，学东西很快，所以如何跟AI去竞争，那你就用它，这是一个方面。 另一方面，我们怎么去改造工具。因为AI它全是由数据喂养起来的，而且AI今天能读到的东西是你能够在图书馆里读到的，这些AI都读过了。有哪些数据是AI还没有看到的，你只要能够去找到AI没有看到的那些数据，你就是赢家。 那么找什么样的数据是AI没有看到的？往往是做AI没做过的事情。比如这次夏博士来请教苗博士学习一些东西，这些东西有可能是她自身的体验并没有被发表过，AI从来没有读到过，她是第一次说，聊完了以后这些数据我们是第一次获得，这样就等于是把AI的工具丰富起来了。这件事儿可能是跟AI竞争的时候能够赢的地方，所以如何使用AI，如何通过数据去改造AI，这是你能做的事。 第三，“人和”其实是讲人的要素，在这种情况下能够突出人的软实力就变得尤为重要。过去在学校学习很多知识，或是上了很多专业课。但我们今天讲人的软实力，尤其和人打交道的能力变得越来越重要。有太多例行性的工作，前面也说AI有了Agent以后都比人做得好，很多数据也是你跟别人聊天聊出来的，因为AI有隐私，它不知道的事情还有太多可以发生，所以“人和”方面，人的要素就变得尤其重要。总之，以不变应万变是中国古代的智慧，“天时，地利，人和”从这三个方面可以总是让自己处在不败之地。 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。

5月18日TSVC举办了《打造下一个独角兽》讲座第29讲。随着科学技术的不断进步，‘返老还童’这一概念已不再仅仅属于科幻。从基因编辑到细胞重编程，再到老化机制的干预，现代医学和生物科技正在向我们展示延缓甚至逆转衰老的可能性。在全球范围内，关于衰老逆转的研究正引起越来越多的关注，许多顶尖科学家和研究机构都在努力解锁人类长寿的秘密。那么，我们离真正的‘返老还童’还有多远？目前的科研进展如何？哪些新技术和疗法最有潜力实现年轻化？未来在这一领域的发展趋势将如何？这些突破性的研究成果对社会、伦理和个人将产生哪些影响？在本期讲座中TSVC请来了两位领域内的顶尖专家深入探讨这些问题。 嘉宾： 王建新博士，是ImmuOn Therapeutics 和 IOVaxis Therapeutics 的联合创始人及CEO，专注于开发针对癌症和致癌病毒的成人疫苗。他在中国药科大学毕业后，在意大利获得博士学位，并在亚利桑那大学进行博士后研究。曾在墨尔本联邦血清实验室及其子公司Mimotopes工作，并在Chiron及诺华公司担任要职。王博士发表过40多篇科研论文和专利，曾任国际生物分子筛选学会董事和实验室自动化与筛选学会候选主席。王博士是中美生物制药协会(CABS)的创会主席，并担任《生物制药工业趋势》主编，同时是《医药经济新闻》的长期专栏作家。 何为无博士，ETP致和道康基金创始合伙人，Human Longevity Inc. 执行董事长，百嘉医疗董事长。何博士曾先后在美国梅奥诊所(Mayo Clinic)、哈佛大学附属麻省总医院(MGH)完成了博士后研究工作，发表超过30篇研究文献，并且是32项专利的发明人。2000年，何博士创立了专注于生命科学领域的风险投资公司，至今已投资和创办了120多家公司，其中包括20多家上市公司和数家独角兽企业。 讲座目录： 01 活动概要 02 什么是衰老？衰老的定义究竟是什么？ 03 近年在生物医学领域有哪些重大进展？ 04 普通人的健康管理应该怎么样去做？ 05 我们每个人具体要做什么检查以及频率是多少？ 06 对于抗老神药二甲双胍怎么看？ 07 如何保护血管？ 08 酒要尽量少喝吗？ 以下为正文： 04:25 请王博士来给我们回答什么是衰老？以及根据最新的科学和技术的发展，衰老的定义究竟是什么？ 王博士的公司主要做成人的免疫预防和治疗，这个领域涉及很多关于抗衰老及健康长寿的问题。他在医药经济报写专栏的时候，除了主要讲免疫之外，有很多是关于抗衰老的，所以对这个领域有所接触。他认为自己还是需要不断地学习，以前对于这个题目一直保持谨慎。他曾经开玩笑说，世界上两种药最难卖，一个是健康药，一个长寿药，世界上也有两个报告最难做，一个是健康，一个是长寿。之前有一位很著名的卖营养健康药的国际连锁店的老总50几岁走了，还有不久前国内一位著名的养生专家60几岁也走了，所以要进入这个领域，甚至谈相关的话题，都不是一件很容易的事。 抗衰老及长寿，对我们中国人来说是一个千年的话题。2000多年前著名的屈原，他有一篇长诗叫《天问》总共提出了170多个问题。其中也有一个问题是关于长寿的，“延年不死，寿何所止”是指大家都想长生不老，但人寿到底有多少。这个问题不但表现出我们对长寿的愿望，而且也表现出在这个时候我们就开始探索相关的问题了。但是很可惜地说，2000年以后我们还不一定有很好的回答。怎么讲长寿的定义，王博士想分成几个问题来给大家聊一聊。 第一什么是衰老，中文是两个字，一个老一个衰，“老”指的是年龄，但并不是一般的泛指，人到50-60岁以后才可以称老，是高龄。“衰”是在高龄期间，身体功能的逐渐衰退，还不是一般性的衰退，基本上是一个全面性的衰退，但这两个字也不能完全包括，其中还有一个“病”字应该包括，由于高龄，由于功能衰退，导致的重大特点就是有更多的老年病，“老、衰、病”这是人衰老的三个关键因素。英文讲比较简单是age，所以不会涉及一些敏感词，现在国内的人也不太愿意叫老人家，我们也会越来越正视用词的准确性，衰老可能变成高龄，比如高龄研究，高龄健康，高龄疾病等等，用比较中性一点的词语。 不过今天在这我们还讲衰老，那么衰老是什么时候发生的，历来大家持有不同观点，有一种比较绝对的，认为衰老是从我们一出生就开始的，生长和衰老是贯穿我们生命中的两条线，这两条线的交叉和盛衰决定了我们一生。有一句话是说“人一出生就踏上了走向死亡之路”，但实际上衰老并不是那么早。他更倾向于阶段性的说法，这种说法把人生分为两个阶段：前一部分叫做有意义的生命，后一部分是延长生物的生命。 前一部分有意义的生命，也包括两部分：一部分是生长和成熟阶段，从出生到20几岁的阶段，这个阶段生命意义是完成成熟的个体。另一部分，是20几岁至60岁的阶段，叫做生殖生命阶段。从生理学上来讲，这个时间的生命意义主要是传宗接代。在传宗接代任务结束后，再进入延长生命阶段，这个阶段可以认为是衰老的开始和衰老的延续。比较现实的说法，应该在结束生殖生命之后，开始一段功能衰退以致到死亡的过程。 这个分段也暗含了一个衰老的机制。几年前的国产动画片“哪吒”，主人公哪吒说了一句话“我命由我不由天”，其实我们生命的问题也可以说“我命由我也由天”。那么很难驳斥一个观点，我们的生命是由基因所控制的，基因设定了一个程序，从一个受精卵一步步地发育成一个婴儿，从婴儿长成一个成熟的青年，这个过程中出任何问题都是不行的。因此，如果基因中有这么完美的一个程序，那么它应该也有一个程序来引导我们走向衰亡。 事实上，在细胞水平上也曾经提出过叫做程序性的死亡，大家知道抗免疫药PD-1，programmed death-1。他认为这个定义有点过，实际上T细胞表面，它有两类信号，一类是刺激，一类是抑制。PD-1是抑制，T细胞最终是相结合还是抑制，还是得看这两派相互对抗的结果，所以它是否是一个死亡程序的操控者，这点还是有待争议的。 而且我们谈的衰老不是细胞水平，它是从分子开始，细胞开始，到组织器官，乃至中枢对机体的调控全方位的衰退，所以很难确定人体内确实有整体性衰老的调控机制。现在研究时用了很多分子靶点，比如关于代谢的。基因在我们生产过程中就已经发起作用，并且一直在生长。虽然很难决断认为有另外一个部门来管“衰”，但这一点就是它最大的弱点。因此，并没有找到有这样一个调控的信号。 同时程序性衰老有两个悖论：一个悖论，如果人基因的本身需要让自己无限制扩散的话，那投资在一个健康的人身上，让他长期生存乃至永生，不是更加经济合算。另一个悖论，如果真的有一个小型仪器戴在人的头顶推动计划，我们就衰了，它死亡的话，那么这个结果是否会玉石俱焚呢。所以这是两个悖论。 王博士比较倾向于另外一种不是主流的观点认为比较合理。即衰老并不是一个既定程序，它是在人生长到60岁之后系统失去了支持和调控，发生的一种消耗性磨损的过程，但并不属于消耗性磨损，而是消耗性磨损导致的各种疾病。这个原因就像买了一辆新车，一开始厂家有保险以及有商业保险，等多年以后保险费太贵不保了，旧车开到哪天算一天。所以王博士认为人没有衰老的程序，并不等于基因对人没有控制，基因对我们人的生命做了三个期限的限制。 第一，人到20岁很重要的生长因子生长激素降低释放，到了年龄就不再生长，这是第一个事实。 第二，人到45-55岁无论男女，生殖功能开始大幅下降，在女性当中尤为明显，女性的性激素在这个阶段是断崖式地下降。这也是最近在相亲市场上大龄女孩子为什么出嫁困难，是因为生理限制。而男性较为缓慢，但是男性性功能也是大幅减弱。这是基因确定下来人寿的第二个事实。 那么前两个阶段之后，我们就自由延长不是很好吗，基因在这里设定了第三个事实，这个实验是细胞分裂的宗旨。这是王博士对衰老的理解。 Jianan概括了王博士的讲解，要点如下：对衰老和死亡的看法就是消耗性的磨损所导致的疾病，以及接下来的这三个点。 17:00 这些年来在生物医学领域有哪些重大进展，可能会根本性地改变我们对老化过程的理解和管理？ 何博士来分享他们管理的Human Longevity这家公司在做的一些工作。现在我们人是生活在一个百花齐放，百家争鸣，长寿科技的年代。如果是生活在200年前，可能什么新发现都没有，但是现在的科技越来越发达，一会儿是CRISPR，一会是基因疗法，以及有各种各样的疗法。从他这十多年来做Human Longevity这家公司的经验来看，认为现在最重要的，并且大家在这个年代都能用得上的科技是精准医疗。通过基因检测以及各种各样的影像科技，每一个人都能够提前10年，20年，30年知道自己的健康风险。 王博士对这方面一直很感兴趣，基于他小时候一起跟外婆长大，外婆到了63岁得了晚期子宫颈癌，从检查出病情到离世大概只有两个多月时间。但是我们今天都知道子宫颈癌实际上是HPV病毒导致的。从被感染要经过20—30年时间，才会得最后晚期的子宫颈癌。如果你一直不知道，等到知道的时候已经是晚期了，那就太晚了。所以用他个人一句话来解释，精准医疗对预防个体化的重大疾病，是我们这一代人最能享受的长寿科技。 现在有大量的科技有很多问题，比如像哈佛大学教授David Sinclair在做NAD，用换器官，或干细胞，或是用年轻人的血清在做很多实验。NAD它在老鼠身上的实验做得很成功，到目前为止，并没有看到人类的长期临床数据证明它对人是有用的。但从精准医疗科技的角度来讲，已经有大量的证据。比如100年前，为什么人的平均寿命只有三四十岁，因为100年前，大部分人最大的健康风险其实是传染病，很多小孩五岁六岁就被传染病感染，或是得了肺结核病等等。 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。

4月27日TSVC举办了《打造下一个独角兽》讲座第28讲。当全球化由于地缘政治因素逐渐步入半球化，美国的制造业本土化，而大洋彼岸的中国企业在纷纷出海寻求更大的全球性市场。美国制造成为了当前美国国策，并出台了一系列的激励政策。但如何在美国onshore的大潮中进行实操，落实到如何在美国建厂并有效地进行生产？在本期讲座中TSVC请来了两位拥有30多年实战经验的老兵来手把手教你如何在美国建厂：选址，建厂，仓储运输，环评，招聘，培训，管理和运营，供应链，资金及资本运作，市场和渠道，关税，政策限制等等。 嘉宾： 潘诚，Automat CEO 潘诚拥有超过三十年在美国与亚洲两地创立公司及建立完善运营体系的完整历练，其中包括：建立生产基地，国际物流与清关体系，产品库存管理及维修保用体系，市场销售及代理商体系，申办政府部门各种许可证并对标合规）各种检查，建立作业标准及员工安全培训制度。曾创办广州思特博机电设备有限公司，渤海联合动力有限公司，STB Group(加州)，SDT Distribution（德州），并成为卡特，康明斯，奔驰等著名公司供应商。2022年加入Automat，现任CEO至今。三十年来潘先生不断带领公司扩大与提升亚洲与美国生产供应能力，成为北美最大工业电池进口商与贴牌商，拥有加州及德州两个生产，库存与维修服务基地，客户涵盖许多世界著名品牌。 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 傅建明博士是半导体和可再生能源的成功企业家和创新者。傅博士是Suntint公司的联合创始人和顾问，专注于智能窗户技术。他曾是Silevo公司的联合创始人兼首席技术官，该公司生产高效率太阳能电池，于2014年被特斯拉旗下的SolarCity公司收购。此外，傅博士还是半导体设备领域的专家，曾在Applied Materials公司服务13年，拥有众多专利和发明（担任物理气相沉积事业部总经理）。他还曾担任多家OLED、电子设备和设备制造公司的顾问委员会成员。他帮助Atlantic Bridge Venture公司投资了多家半导体公司，如奥地利的Semsysco设备制造公司（后被Lam Research公司收购）和瑞典的GaN公司SweGaN。傅博士继续通过担任美国能源部Solar Energy Technology Office（SETO）评审专家来支持可再生能源行业。傅博士毕业于宾夕法尼亚州立大学，获得物理学博士学位，是90多项美国专利的发明者。 讲座目录： 01 活动概要 02 建厂过程中遇到了哪些没有预想到的问题，又是如何解决的？ 03 中美建厂主要的差别在哪里？为什么在美国建厂？ 04 之前总结的方法论是不是可以套用到现在？原来的经验和现在地缘政治下的建厂是否有关系？ 05 相对成本是什么？ 06 请问Automat它是做什么的？ 以下为正文： 03:56 潘老师在中美两地都有创办工厂，并且有运营工厂的相关经验，首先请潘老师简单介绍一下，在美国第一次建厂的经历，现在回过头来看，遇到了哪些没有预想到的问题，又是如何解决的？ 潘老师指出，这个问题问得很深刻，他是1985年来美国的将近40年了。当时在美国市场投资，跟现在的时空环境完全不一样，那个年代国内还很穷很落后，不可比的事情太多了。如果是回到30多年前起步的话，跟现在的情况完全不一样，我们还是多分享现在，不要忆苦思甜。如果今天国内的企业家要走出来，机会和条件跟过去不能比较。我个人是保持积极的心态，鼓励大家勇敢地走出来。 如果是中国人在美国这边创办工厂，遇到最主要的是法律问题，以及社会的认知度，跟我们的价值观完全不一样。还有社会制度的区别，我们的行事风格跟处理问题的方式有很大的差异。首先需要自我调整，我们不能改变美国，只能改变自己。把我们自己的心态也好，前期的准备工作，跟做事情的方式做一些改变。其实并不难，这样能够更容易适应美国这个社会。 07:02 傅老师在美国创建和运营过制造业相关的公司，也是多家电子设备与设备制造公司的顾问委员会成员。请傅老师简单地介绍一下您的经历。中美建厂主要的差别在哪里？如果不存在地缘政治，是否就不应该在美国建厂？为什么在美国建厂？ 傅老师表示，我跟潘老师一样，也是30多年前来的美国。从学校毕业以后，就在半导体设备大厂工作，现在Applied Materials的应用材料在全世界还是排名第一第二的设备公司。 在这家公司工作了13年积累了一些经验，对于美国现有的法律和人员的管理有一些了解。以及我跟我的合伙人都是高级管理人员，在人事管理各个方面的经验就会多一些。当时从Applied Materials出来以后，到了光伏公司先做一些研发的工作，第一次设为量产，再到国内的杭州萧山建立第一个小批量的量产线，后来到美国加州和纽约州进一步扩展，建立规模稍大一些的厂。 从以往的经历来看中美建厂的区别，在美国的建设费用比较高，周期长。在中国建厂，虽然前期需要做一些准备工作，但是建立起来的过程非常快。我们是建立类似于泛半导体的工厂，会牵涉到一些有害气体，有毒气体等的处理和排放。这点在中美两国对于环境的保护都是非常重视的。而且在美国，从设计到工程建设以及环保方面，建立起来的费用要更高一些。 如果没有地缘政治的考量，是否有必要到美国来建厂？这个问题大致的回答是肯定的，但是也会有一些问题。例如福耀玻璃也在美国建立工厂，像玻璃这种行业运费需要花很多钱，它本身的价值没有那么高。有一些行业，其它费用高的时候，在美国建厂是有利的。总体来讲，整个供应链以及营运费用，还有劳务成本的差异，如果没有政策为基础，是没有太大的必要。 11:31 潘老师现在创建和运营工厂，以现在Automat公司为例子来跟我们分享一下，在建厂中遇到的困难，之前总结的方法论是不是可以套用到现在？原来的经验和现在地缘政治下的建厂是否有关系？ 潘老师指出，有原来的经验当然对现在非常有帮助，但是世界一直在变化，政治环境也都在变化。像现在Automat正在加州建立一个中试线的工厂，马上在德州建立一个万吨的厂。其中遇到的第一个问题是美国的签证，原定的计划跟合约是设备的安装调试由国内的生产厂负责。但是签证拿不到，而且签证预约的时间非常长，作为一项投资时间是非常重要的，不能够投资以后，为了等签证把项目空等几个月甚至是一年。 之前我们有一个同行，曾经创造过记录，租用了全世界最大的乌克兰的大型运输机，把整套锂电池的生产设备空运来美国。当时轰动一时，但最后的结局非常的痛苦。当然是因为新冠还有签证的问题，国内的团队一直出不来，花了很大的价钱把设备运过来，硬生生的空摆了四年，损失非常大。 在美国的这些年打下了很好的基础，各方面有很好的关系，可以解决一些问题。中国人说关系，美国也有关系，国会议员都在帮我们，希望我们的签证能够尽快办下来。如果国内的朋友计划未来要出海，我是鼓励先把签证的问题解决好，甚至是把绿卡解决了，这样会好办很多。 地缘政治要不要再来美国投资？我个人的观点，即使中美关系不如像过去一样那么好，依然有一些行业是值得出来投资的。最重要的是考虑成本的问题，是相对成本，而不是绝对成本，相对成本可能在美国更有优势。 15:19 请问潘老师指的相对成本是什么？ 潘老师表示，如果直接比对建立一个厂房，每平方米或者每平方尺单位面积的造价，美国要多少，中国要多少，有些时候这些没有可比性。不过现在国内的土地也不便宜，我在国内也有好几家厂，也知道现在国内土建跟土地的费用已经不便宜了，有些地方甚至比美国还要贵很多。像Automat现在的选址就选在了德州，那里的地皮价格比美国加州，或者比国内三线的地区还要便宜，所以这点需要做一个综合的考量。 一般人可能没有深度的去做比较，美国的运费非常贵。假设生产一部电脑或者一台电视机，中国可能要花50块美金，在美国可能要花100块美金，这只是一个初步的比较。实际上一个产品运到了美国之后，分布在商业渠道上产生的运输费用，还有客户服务维修保养的费用，就远远超出了一开始的预算。 也许很多人没有遇到过这种问题，也没有做过这个预算。像我在美国30多年，已经在两个地区建立了三条完全不同类型的产品线。潘老师深有体会，有很多东西表面上在美国建厂组装，可能成本比在国内高，但是可以得到很多意想不到的优势。 第一，有一些原材料像能源，美国比中国便宜，化工类的产品，美国基本上比中国便宜。这个化工是指化学的石化，相关的原材料比中国要便宜，这是优势。 第二，美国有很多保护主义，千万不要认为这里是自由贸易。其实美国有很多政府以及地方上的采购，都明确地要求是美国的产品，而且美国人的心目中也有一个心态，叫支持美国本土的产品。如果在美国落地，在美国当地的产品，销售会更好做，客户服务也会更好做。同时政治压力也小，政治压力即使没有中美贸易战，美国的国会也是一个无形的压力锅，给很多企业造成很大的压力，如果是美国本土的，那就没有什么问题。 19:52 给听众一个背景知识。请问Automat它是做什么的？为什么像签证签不到都可以请到国会议员去帮你，能不能给我们一点背景知识？ 潘老师指出，Automat是一个高科技公司，美国要振兴制造业，这个时间点正好吻合了美国现在的市场需求，给各个新能源电池做配方，这个产品在过去美国是没有的。Automat的背景是有两位创始人，一位是用AI人工智能生成配方，另一位是用高通量机器人验证配方，两位创始人结合在一起能够用最快的速度研发新配方，满足客户特殊的需要。 这里所说的电池不仅仅是电动汽车的电池，是有各种各样特殊的电池。举个例子，比如航空的电池，航空电池不仅仅是我们所看到的无人飞机，未来商用飞机也有可能用电池来驱动，而不用发动机了。这些每一个不同的背景，对产品都有特殊的要求，我们正在做配方。公司诞生的背景是因为有需求，特别是美国没有电池的供应链。大家都知道乌克兰战争以后非常的震撼，美国是全世界最大的电池消耗国，但是没有自己的供应链，所以美国政府花费很大的资金来支持新能源行业。我们也算是赶上了一个最好的时机。 另外，国会议员是我们在美国这几十年积攒下来的人脉，对社会做出了一定的贡献。能够跟他们直接对上话，彼此也有信任度，也知道我们在做的事情对社会非常重要。这点是他们一直在背后支持我们，帮助我们的缘由。 还有一点，现在表面上是中美脱钩，中美的关系紧张，但是美国政府非常的清醒，他知道自己要什么。中国的设备装备的制造业，它的技术和成熟度，以及加工的速度和成本，目前在很多领域还没有其他国家能够替代中国。举个例子，新能源做锂电池专用的设备，专用的工艺装备，中国做得又快又便宜又好，而且非常的成熟。中国的市场一直都在使用，而且不断地在改进。这在美国是不限制的，而且是欢迎设备进来，把母鸡搬过来在美国这边生蛋。 24:20 主持人Charlene插播一个背景知识，有听众会产生疑问，TSVC是种子轮基金，为什么会关心制造业和在美国建厂的问题？ 稍微解释一下，我们TSVC作为种子轮投资的基金，总是要在新赛道形成之前洞见新的商机。如果赛道已经形成，对我们来说下手就已经太晚了。所以TSVC从前两年就相信Onshore美国制造是未来的新赛道。与中国发展制造业的根本不同之处在于，美国从高科技出发，当技术需要产能的支撑来变现的时候，而又不能直接使用中国的产能，就要考虑在美国建厂。这也就是我们在投资时会评估产能的必要性和可行性。 刚才两位嘉宾讲解为什么有了产能才能让科技公司如虎添翼。Automat本身是一个科技公司，跟产能相结合，能给资本带来更大的回报。这会远远高于单纯一个实验室或者单纯一个工厂。这个投资逻辑在TSVC我们称之为顶天立地。听众中如果有人对在美国建厂，或者是制造业出海都可以联系我们TSVC，我们会非常愿意分享在这个赛道上积累的一些经验和教训。 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。

4月13日TSVC举办了《硅谷华彩》系列第二集。在科技界，有一家由华人创业者吴雷(LarryWu)创立的公司，它低调而务实，不为太多人所知悉。然而，在2022年，大健云仓(GigaCloud)带着持续高增长和亮眼财报，低调地敲响了纳斯达克的钟声，宣告了这个沉寂已久的科技独角兽的崛起。大健云仓的低调源自吴雷"慢就是快"的经营理念。在瞬息万变的科技行业，唯有脚踏实地、深耕细作，才能建立起长久而稳固的根基。正是凭借这种属于华人创业者特有的韧性和专注，大健云仓得以在B2B仓储物流领域突破重围。吴雷作为公司的掌舵者，从新东方教育在线的首任CEO，到东方标准人力资源公司的创办人，再到大健云仓的掌舵者，多次经历了创业转型，也经历了不同行业的时代变迁。 嘉宾：吴雷 Larry，大健云仓(GigaCloud) 创始人、董事长 吴雷现任大健云仓创始人、董事长。曾为中国青年企业家协会会员，北京大学公共政策研究所研究员。 Larry曾担任新东方教育在线首任CEO，及职业教育公司总经理。2006年，开始自己的创业之路，创办了东方标准人力资源控股有限公司，从职业教育切入人力资源市场。同年，接受DCM的投资。将公司从人力资源公司转型，并在日本开展电商业务。通过并购，将业务发展到英国市场。收购面向美国的B2C电商平台康普集团（Comptree International Limited），进一步将业务扩大到美国市场，由此正式进军美国市场。向海外拓展的过程中，逐渐将主营业务由人力资源服务转向大件商品的跨境B2B交易服务。 2021年2月，Larry将控股公司从东方标准更名为GigaCloud Technology Inc（大健云仓）。2022年8月带领大健云仓登陆纳斯达克，股票代码GCT。Larry毕业于美国耶鲁大学商学院MBA。 采访：张于庆 Eugene Zhang，TSVC联合创始人 张于庆先生是TSVC联合创始人，硅谷成功创业家。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。他是芯片设计主流验证语言Vera 的发明者，也是最早进入Fintech 和Crypto领域的资深投资人之一。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。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，是清华思源计划导师、清华苏世民学院导师、硅谷领航计划导师，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。 张于庆先生上世纪八十年代毕业于清华大学电子系，在Syracuse University获得通信工程硕士学位。 讲座目录： 01 活动概要，举办系列活动的初心 02 创办“硅谷华彩”系列节目的初衷 03 认为自己是不是天生的创业者？ 04 创业的起点是2006年，但是很快转账日本，当时你感觉这是什么生意？ 05 刚开始挺赚钱的，后面怎么发生了变化？ 06 两个关键词是“大件”和“非标”，沿着这个方向一直往下走，后面是如何发展的？ 07 新的模式的净利润是否要比原来旧的净利润要高？ 以下为正文： 05:55 张于庆先生给大家简单的介绍，创办“硅谷华彩”系列节目的初衷： 前者的“硅谷”在这里有三层意思：第一泛指北美；第二代表科技；第三代表创业。 后者的“华彩”有两层含义：第一层代表如同音乐里华丽的片段，闪亮发光的故事；另一层代表华人创业者的风采，针对华人的新移民。 做系列节目的初衷，是因为Eugene来湾区已经有30多年，代表最早的新移民。Eugene深有感触，觉得后面这十年可能是华人在美国和北美这块土地上创业的黄金期。在这样的愿景之下，来做这个系列节目。我们的目标是要做十年，记载之后十年的历史。当然也更希望，在我们的听众里有年轻人，几年之后能够重新返回这个节目，有幸被我们采访。这是Eugene的愿望。 下面Eugene介绍一下Larry。 之前主持人Allen已经介绍了Larry的背景，大健云仓(GigaCloud)的创始人，他获得联大的学位，在美国耶鲁大学商学院获得MBA，2006年成立了这家公司。起初Eugene只是表面上了解到这家公司，觉得这是一家15年磨一剑的公司，后来慢慢才知道这其中有很多曲折的故事。 2022年大建云仓(GigaCloud)登陆纳斯达克上市，因为Larry的公司不在硅谷，所以几乎没有太多人知道，包括Eugene在内。他做了进一步的了解之后，把创业者分为两类：一类是硅谷典型的技术型创业者；Larry属于另外一类，非典型的创业者。 举例说明，比如我们TSVC投资一家做机器人的公司，机器人是为了做精准制造的，创业者的技术能力很强，选定树立方向以后，朝着目标不断前进，直至出成果。如果客户要求机器人的指标提高，创业者的目标也会提高，方向非常明确。另外刚才Ellen提到的，现在家喻户晓的Zoom创始人Eric Yuan，他做Zoom也是属于这一类，很难想象当时2011年Zoom成立之初，做视频会议再转做其他的产品。 而Larry这一类，我觉得有点像是摸着石头过河。意思是说：虽然在上市之前有16年的历史，但是在这过程中也摸了好几块石头，越摸越大，到最后摸的是金子。但是不摸第一块石头，就摸不到第二块，更摸不到后面的金子。 在正式进入主题之前，Eugene跟Larry的渊源，以一个简单的小故事给大家做个介绍。 Eugene认识一位很有才华的年轻人，他曾经在大厂管理资产超过十亿，他是数据科学家，也做了很长时间的投资。在2021年，他跟我讲，他把Warren Buffett的书全部读完了，觉得很有心得，认为自己对价值投资已经很有把握了。我说既然这样，那我就放点钱给你来管。当时显然运气是不好的，2021年的下半年是最差的排名。其实大家知道在投资的过程中亏损50%都是非常正常的。 但在不久之前，突然发现回报很好，得到意料之外的惊喜。有一个叫GigaCloud还是做贸易的公司，大件商品的跨境B2B交易服务。2022至2023年有50%的成长，每个季度的净利增长达到40%，净利润有14%，Eugene感到非常惊喜。一家贸易公司能够做到如此程度是非常少见的，因为这个原因，后来结识了Larry。现在这位年轻人，他对大健云仓的股票GCT了如指掌，全美国比他更了解这家公司的人不超过三个。 现在我们进入主题，相信今天GigaCloud的历程，有一天一定会有人写进MBA的案例里。所以今天主要不讲关于MBA，会涉及到一些技术性的问题，我们围绕从2006年摸第一块石头来讲起。 13:35 在2006启动公司之前是新东方在线的CEO，从0到1，以当时的背景，认为自己是不是天生的创业者？跟大家分享一下。 Larry有幸能有机会跟美国的华人创业者交流，那么直截了当回答这个问题答案的话，他认为自己不是一个天生的创业者，关于创业者除了斯坦福之外，好像没有一个商学院是专门培养创业者的。尤其在这个领域没有几个人创业的，但是有做投资的，真正去做企业的其实非常少。所以在真正创业之前，他都没有想过自己有一天会成为一名创业者。因为机缘巧合，一是当时他加入新东方之后管理过两个板块：一个是新东方在线，一个是新东方执教。 一部分原因是当时新东方上市的前后，同时新东方准备做战略的聚焦在语言培训上，业务进行精简，其实跟今天的新东方的业务丰富度不太一样。另一部分原因，参与了新东方整个的上市过程。当时也是大家正当年，有工作的热情时候，说下一站做一些什么有意思的事情呢？那是不是自己也来试一试。 所以在这两个背景之下，特别偶然的走上了这条道路。当然新东方陆续有一些人出来是做教育行业为主的，前后在美国上市的应该有四五家公司，都是新东方那一波的管理人员。所以回答这个问题，觉得不是特别偶然的走上了这条路的。 16:12 创业起点是2006年，但是很快转换战场在日本，当时你感觉这是什么生意？ Larry表示，在2006年，软件外包在中国是个很大的生意，全行业都在向印度学习。认为中国的IT业在未来当中，软件外包一定是重要的板块。而且也连续出现了几家软件外包的上市公司，基本上都是以美国市场为重点。因为他在新东方管过职业教育，而当时职业教育的重点又是做IT相关的技术培训，所以在有创业机会的时候，思考什么是他们可以利用的独特的资源。 对他来说，在新东方内部，语言培训是他们的看家业务，外贸市场除了印度之外，还有很多国家都要想做。而且美国以外的很多国家都讲英文，但日本的国家以外没人讲日语，所以如果要做日本的外包，语言的技能是需要补充的模块。 当时既然有资源培训语言，也有资源培训技术。讲的更细节一些，日本的IT产业发展的比较早，所以很多技术，反倒相比较中国应用的主流技术有点陈旧，所以在技术上是有差异的。怎么有针对性的在语言和技术上做技能的准备，去开展外包业务，这是一个独特的切入思路。其实是从资源和市场为起点，构建了前端包含技能培训，在技能培训之后去做日本市场外包的模型。同时在筹备阶段就开始接触一些投资人。正好我们的投资人DCM也成功投资了另外一家软件外包公司，刚刚在美国上市，他们对于这方面比较有感觉。这家外包公司针对的是美国市场，我就提出一个新的市场，而且是一个新的切入方式，更容易有共鸣。 跟刚才问题相关的，他并不觉得自己有能够承担风险的个性。而是设计好商业模式，拿到投资，才从新东方出来的。那个时候认为全副武装都到牙齿了，在有市场，有资金的情况下，才下定决心成为一名创业者。 Eugene说，这还真是大实话，之前这点小细节我还不知道，当时DCM投的是外包的。 20:37 这是开始摸的第一块石头。我想在这之后经过了很多变化，才变成今天的B2B的大件生意，跟我们大家分享一下，可能刚开始挺赚钱的，后面是怎么发生了变化？ Larry表示，公司从开始创业到后面应该是经历过两次巨大的变化。一次是从外包转做电商。另一次，是从电商更具体到B2B的电商。 第一次变化的背景其实很简单，在2008-2009年金融危机中，我们的市场受到了非常大的打击。日本的外包业务一落千丈，又拿了投资人的钱，所以寻找跟我们IT过往经历相关的业务方向，看到美国正好有电商外包的模型，逐渐注意到的电商。当时有一家电商外包公司上市，现在应该已经退市了。可以想象成是Shopify的服务模式，因为Shopify其实做的是产品模式，通过建站、运营，只是还没有升级到产品阶段。 当时注意到这家公司，认为跟我们的业务接近，才准备走这条路。但是发现电商外包的市场在日本太小了。通过我们学习的过程，了解到在中国有一点供应链上的优势，于是走上电商这条路的。给后来的业务转型，树立了一个重要的里程碑。 Larry强调，从2011年开始，正式走上电商这条路，彻底退出软件人才的培训和外包业务，把原来的资产做处置。2011至2013年之间，售卖过各种各样的东西，他们卖过衣服，卖过墨盒，卖过SD卡等等。直到2013年上半年，突然发现一个品类做到了之前都不曾想到的水平，完全没有任何预期，无意中成为了日本线上旅行箱的最大卖家，当时我们都非常惊讶。 我们团队所有人没有任何旅行箱的经验，甚至我们自己从个人情感或者是生活经历上，可能跟卖的IT相关的周边产品，心理上还能更接近一些。这个旅行箱到底是从何而来？当时决定做一个总结。这个决定，奠定了公司未来直至现在整体业务的切入点。一方面，我们为什么能成为日本线上旅行箱最大的卖家呢？其实是卖的旅行箱比其它东西都“大”很多。 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。

3月23日TSVC举办了《打造下一个独角兽》讲座第27讲。今年一月份随着斯坦福大学—华人研究团队在平台X上展示了样样“精通”的mobile ALOHA 家务机器人的视频，关于机器人在具有泛能力的通用和高度专用两个发展方向的讨论也达到了前所未有的热度。但归根结底，如何让具身智能（Embodied AI）通过软硬件结合的系统在真实的物理环境下执行各种各样的任务才是关键。 嘉宾： 方洋博士，BeagleTechnology 创始人、CEO 徐征博士，eBots及Silevo首席执行官、联合创始人，TSVC投资合伙人 讲座目录： 01 活动概要 02 科普什么叫具身智能机器人？应用是什么？ 03 对人形机器人落地的展望？哪些场景会先落地，取决于哪些关键技术的成熟？ 04 现在这些机器人的创业投资应该聚焦在哪些方面？解决哪些问题？ 05 两位创始人展示的作品，创业时的机器人的关键落地点在哪里？最后的产品形态是什么样的？以及技术的难点在哪？ 06 对于未来产品有什么规划？公司整体的发展方向和展望是什么？ 以下为正文： 03:47 今年年初Aloha团队做出的机器人，迅速引爆了全球性的舆论，所以请给大家科普一下什么叫具身智能机器人？比如它的应用是什么，以及有需要的哪些技术关键和突破点？ 方洋博士表示，实际上具身智能机器人的定义也比较直接，是一个软硬件结合的智能体，在真实的环境下去执行各种各样的任务，讲得通俗易懂一些，即机器人直接接触物理世界。 我觉得在这点上，我们更多强调的是在智能方面，而不是机器人身上。因为机器人本身是一个载体，虽然这个载体很重要，但是如果连最简单的马达控制不好，硬件不好的话也不行。比如人形机器人倒立行走，这些也是很关键的地方，但这些问题相对比较底层，在过去的十几年里已经有了长足的发展。 我认为现在更多的应该放在智能方面，现在对于我们来说算力够了，模型也逐渐越来越大，有更多的理解力了，关键是理解和学习新任务的能力。比如像我们的投资人是Pieter Abbeel，他是伯克利人工智能和机器人方面的教授，是深度学习和深度模仿学习方面的专家。他做的事情，比如用神经网络去做机械手的控制，以及自动的学习如何处理仓库里的拣取和摆放。现在更多需要强调的是放在智能方面。 我认为现在大家要尝试的突破有三点： 首先，在接触物理环境会比虚拟世界的纯粹软件更复杂，即长尾事件。是指总会有一些意想不到的事情，碰到这种状况怎么处理，如何有效的快速迭代，这是一个关键。 第二，环境是不断变化的，我们每次出去的环境不可能完全像电脑重启100次都是一样的，只要出去肯定会有变化，如何学习和适应环境。这是第二个很重要的地方。 第三，实际上也是大家说得不多，但是我觉得非常重要的，智能体要让它知道有未知的领域，如果不清楚自己不知道这件事情，就会去做“蠢”事情，如果是一个纯软件问题，它不会产生太大的问题。但是接触物理世界去做“蠢”事情，结果发生的事情就会很麻烦。 07:00 虽然现在机器人很热，但是图灵奖得主 Yann LeCun教授最近在访谈中给人形机器人浇了点冷水，他认为现在人形机器人仍然看不到很好的机器解决方案，也许要等到十年后才能有起色。您从市场以及落地的角度是否同意这位教授的冷水呢？以及能不能谈一谈您对人形机器人落地的展望？比如哪些场景会先落地，哪些可能是后面慢慢来，取决于哪些关键技术的成熟？ 徐征博士表示，机器人的关键还是它智能方面的平台要突破，至于机器人的载体，不管是什么样的机器人。是手臂也好，手也好，眼睛也好，或者两条腿会走路等等，这都是一个智能体的体现。现在大家对人形机器人很热，认为AGI通用人工智能放在人形机器人身上，人形机器人将会像人一样智能，所以我完全同意Yann LeCun教授的意见，这完全需要一个漫长的时间。 其实很重要的一点，要真正所谓的AGI将会遇到很多的角落案例，而这些角落案例是很难通过强化学习或者训练等等来解决的问题。 另外一点，作为真正的人类，他的进化过程是需要经过非常漫长的历史长河，整个基因才进化到目前的位置，而不只是具备重复学习的能力。现在我们所谓的强化学习等等这些，说穿了它是一个经验主义的公式，也就是凭经验在办事。 但是对于人类，它还有很强的一些逻辑推理的东西，尤其是归纳以及抽象的思维，把广义的大量的数据当中以非常抽象的模型呈现出来，然后在抽象的基础上还要进行创 新等等。以目前的人工智能水平，用人类智商来比较相当于是会走路了，这对于一岁小孩来讲会走路是很寻常的事情，这对人类来讲并不稀奇。 我最近产生好奇，就用ChatGPT跟它聊天，我问了一句很简单的话，“机器人的智商是多少”，它回答“机器人没有智商”。所以我想还是要把这两个概念区分一下，一个概念叫“智力”，另一个概念叫“技能”。实际上机器人它所具备的大量的是，人类掌握了机器人的技能，而人的大脑带来的是与生俱来的能力。如果人形机器人需要达到这种水平，我觉得也会有很长的一段路要走。 还有一个比较好的应用场景，我觉得人形机器人可以做一些低端的工作，比如在家里面的厨房整理一些东西，这些可以凭经验就足够了。另外就是它的个人系统，在你需要帮忙的时候能够帮忙，作为护理等等。 但是我觉得很重要的一点，是需要解决安全网的问题。现在机器人手臂还是涉及到很大的安全问题，工厂里面的机器人都是被关在笼子里的。即使现在有Cobot，实际上也并不是很安全，如果机器人的手掌打在人的脸上，实际上也会遭到伤害。所以除了智力以外，机器人的安全关注和超越安全，还有很大的涉及，你的机器人的不需要别人的帮助，然后植入病毒在里面造成整个机器人非常奇怪的行为。 12:58 在机器人研究领域来说，人形通用还有很长的路要走，具有具身智能的专用机器人，已经屡屡在真实物理环境下广泛使用。像您二位作为这个领域的创业者，是如何促使开始在这个领域进行创业的，比如说现在这些机器人的创业投资应该聚焦在哪些方面？解决哪些问题？ 方洋博士表示，首先回答第一个问题，为什么选择这个方面？我之前实际上是在医疗仪器和汽车行业工作，源于我个人的兴趣，对于涉及民生和比较基础的方面是很感兴趣的。以及我所居住的地方离农业的环境比较接近，所以大概在2017年开始去探索一些农业方面的应用。 当时发现人工智能和机器人方面，很适合解决一些人不想做又繁琐的事情，同时它又应该是涉及民生涉及比较重要的方面，但是又没有人去做，所以这个市场就会比较清晰的呈现出来。 另外，在落地的时候要很好的考虑，机器人方面什么事情容错率高。在纯粹软件或者AI方面，比如之前AI在Youtube上面看一只猫或者一只狗，错了一点没有太大关系。但是真正机器人去触碰物理世界的时候，容错率的包容度是不会给你太高的。但是你也不能保证百分之百都对，从什么事情的容错率高这些方面去想。 我始终会考虑比较多的方面，我们Beagle Technology公司坚持一个原则，希望有人在旁边去监督机器的执行。因为这样，我们去市场方面就会比较快，而不需要等到最后研发阶段把所有的长尾效应都解决以后再去落地。 如何不改变太多现在的工作流程。实际上，人能改变一个物理环境里现实的已经有的设置是很困难的一件事情。其中有很多的因素，如果能够考虑不要改变现在太多的工作流程，并且尽量的去解决那些繁琐单调，但是又必不可少的一些问题，所以当时我们就选择了这项大型技术。 我们现在做的事情，实际上是把机器人AI软件放在农业装备上面，这些农业装备就变成智能装备，它能大幅度提高效率又能很快的减少人员。同时又充分利用比如像拖拉机和驾驶员，因为他们是一个很好的载体，可以帮助我们解决多种情况，边界问题以及长尾问题，同时又是很好的搭档，并且整个工作流程又不改变。 所以我希望从这个方面来回答一下，首先它是否可以解决一个重要的问题，我觉得最好是繁琐但是又涉及民生，还有考虑容错率高的问题，这些更容易进入市场。同时是否有人能够做出超级轻便的机器，并且不要改变太多整体的工作流，不然从市场上的接受程度会变得很慢。 17:00 徐博士您是怎么从太阳能电池领域转到工业领域的？ 徐博士说，刚才方博士谈了农业，我这里是做工业的，在我整个职业生涯当中，搭建了好多所大型工厂，在建工厂的过程当中最终是想要做自动化。一般大型工厂人员太多管理比较困难，同时又需要提高业绩，这两方面都成问题，所以通常它是需要一种自动化。 但是看到这个所谓的机械臂，从1960年开始一直到现在也是走过了很漫长的路。实际上它在工厂里面自动化的普及率不是很高，机器人的应用面还是很少。据数据统计，使用最多的国家是日本，在一万名员工当中，所用到的机器人在工厂里面也就是1000台，将近10%的水平。 那大家就会问了，是不是机器人太贵了？其实不是，实际上机器人现在很便宜，尤其是六轴的机械臂在中国生产非常便宜，其原因是缺乏智能化。当时我花了很多时间去深圳工厂里面做调研，基本上覆盖所有的手机厂、电子装配厂。其中发现很重要的一点，为什么需要人做，而机器人做不了。这是一个手眼脑协调的过程，也就是人形机器人上半身的手、眼睛、大脑，而且两只手要协调起来做。如果能够做到这样动作的话，它的应用面将会非常非常广，这就是一般轻工业桌面装备具备的所有应用场景。 而这个场景，实际上不是人愿意做的。在工厂里面看到这些工人们工作的持久性都不好，移交率也很高，1年有20%的人员更替率。可以想象，一家工厂里面可能有几十万人，在这基础上的20%造成人力资源失衡。最后变成了工人入职和离职都可以完全是自动化。 回过头来讲，为什么很多人会离开，因为觉得在流水线上做工作枯燥且乏味，他宁愿去送外卖，送东西，或者去做服务员等等。人的本性是希望跟人打交道，而不是整天跟机器打交道。 正如刚才方博士所说，人不愿意做这件事情，对机器人来讲是一个最好的切入点。这个机器人它的操作水准是一个专用的机器人，是能够做到触碰物理世界的需求。 尤其在工厂里面容错率非常非常低。同时我们也是做了不少时间，刚开始我们很高兴超过了97%。厂长一个冷水泼过来，他说你在讲什么话？我们工厂里面需要的可靠性是99.995以上。他说你做到4个9以后再把机器抬过来我们可以做评估，所以最终是要达到这种水平。最后我们达到了，工厂厂长就开绿灯了，并表示现在我们工厂可以做评估做试运行，所以在跟物理世界的结束过程当中，可靠性非常重要。 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。