硅谷的“会议季”与 YC Demo Day

主持人: 刚才说这周社交能量枯竭。每次在暑假开始之前这段时间，就是旧金山的 Conference（会议）季节，会有非常多的科技公司在开大会。上周是 AI Engineer World Fair，同时 Snowflake 在开自己的企业峰会；这周是 Databricks 开 AI 大会。同时，昨天我们刚刚开完 Y Combinator (YC) 春季的 Demo Day。YC 今年变成一年四季四个 Quarter 都有 Batch（批次）了，每个 Batch 会出 150 家左右的创业公司。所以我们二人都社交能量枯竭啊。要不先讲讲你去 YC Demo Day 吧，很多小伙伴可能对这个东西挺好奇的，讲讲这 150 个项目你有什么感受？

嘉宾: 150 个项目说实话已经看不过来了。所以现在我们都是用 AI 来看的。我们从去年开始就做了一套 AI 系统，会把所有的 YC 公司数据都爬回来，然后用 AI Agent 去做分析，给我 Prescreen（预筛选）出来一些值得继续关注的。

主持人: 你们 Fund（基金）的方向是什么？

嘉宾: 我们 Fund 的方向主要是在 Software Infrastructure（软件基础设施）这一块儿，就是所谓的“卖铲子”的生意。我们更关注我们投资的公司能不能变成接下来十年，整个 Software Ecosystem 里边很重要的 Building Block。我们在寻找最有用的 Lego pieces（乐高积木）。

主持人: 像我们这个 Style Six 算吗？

嘉宾: 那你们当然算，Very important pieces, the pillar of the industry（行业的支柱）。

主持人: 哈哈哈，要感谢 Stacy Sponsor 这期视频。

嘉宾: 在我们这个 Season 下面一共有那么多家公司，我们就挨个看过去聊一下。但是说实话，到了像昨天这样 YC Demo Day 的时候，大家去到现场，会有上千的投资人和三五百的 Founder 聚集在一起。在这个时刻，其实已经过了投资的时候了。对于投资人来说，Demo Day 这一天的所有 Interaction（互动），尤其和 Founder 的互动，主要是一个查缺补漏的过程。因为对于 YC 公司来说，真正投资的窗口是在两周之前。

主持人: 两周之前？这么快的吗？我以为是两个月之前这样的。

嘉宾: 两个月之前他是不让你投的。YC 的整个 Playbook 是围绕着怎么去制造 Investor 的 FOMO（错失恐惧症）情绪来的。所以打从这些项目进入 YC 开始，他们就会进入一个不太会接受外来融资的状态，会封闭开发、做 Go-to-market 两个月。然后在 Demo Day 之前几周的时间，他们会开放融资。

目前 YC 给整体公司的建议通常是：你们先按照比如 2,000 万美元的估值，先尝试融个 200 万美元。如果这个公司做得非常好，能在一周内把这 200 万都融完，他接着会再开放一个新的 Tranche（批次）。这个 Tranche 可能会变成按照 3,500 万美元的估值，再额外融 150 万美元。等于说在 YC 毕业的时候，他们会先把 Seed（种子轮）融掉，如果融得非常好，再把 Seed Plus 融掉。

你会发现每个 YC Batch 里面最好的公司，或者最抢手的公司，通常会在 Demo Day 之前起码一周就已经结束了所有的融资过程。所以到了 Demo Day 这一天，主要的融资其实已经结束了。

主持人: 我打一个不恰当的比方，感觉特别像古代青楼选秀，或者 KTV 选公主这种感觉，好的都已经轮不到你挑了。

嘉宾: 哈哈哈，但是其实大家都是小孩子，所以是不是会长成倾国倾城你也不知道。所以在 YC Demo Day 的这几周时间里，这么密集地去看几百个公司并做大决定，说实话多数时候 Herd Mentality（羊群心理）还是会很严重的。到底在接下来一年、三年、五年，这个公司会成长成什么样是很难讲的。

投资人与开发者的“非共识”

主持人: 那你就讲讲你在这里边的感受吧。你 Screen 了一些，做了很多 Research，又有这么久的投资背景。我想抓着你昨天的一些体感，有没有一些比较具体的、或者非共识的东西？我记得你一年前分享过关于 Writer 的非共识观点，这一年也得到了验证。

嘉宾: Writer 是我个人早先的一个投资，刚刚变成了一个很大的 Unicorn（独角兽）。投 Writer 的时候，整个 AI 生态还没开始，那个时候完全是在投资一个很好的 Founder。之后他们也快速证明了好的 Founder 确实能在新的 Cycle 里找到不一样的机会。

现在如果看一些非共识的观察，我觉得投资人圈子是一个巨大的 Echo Chamber（回音室）。所有人都会去寻找一些非共识的 Insight，但这些 Insight 很快又会在这个圈子里传播、增幅，变成新一波的共识。Peter Thiel 在《Zero to One》里最喜欢问“你有什么非共识的观点”，但真正基于 First Principle（第一性原理）的非共识观点是非常少见的。多数情况下，所谓的非共识其实是一个更 Exclusive（排他性）的小圈子里的共识。这个所谓的非共识，其实更多的是一种 Access（准入），而不是独立性思考。

在投资人圈子里，现在大家觉得是共识但在外界还处于非共识状态的观点，可能更多是围绕着 MCP (Model Context Protocol)。在投资人圈子里会普遍觉得 MCP 会是下一步的巨大增长。但是在工程和 Hacker 的圈子里，会觉得 MCP 是一个很好玩的新方向，但并不是很确定。

主持人: 我刚“哇”一下是因为我们已经过了这个阶段。你记得亚哥在 24 年底的时候，我们当时讲 AI 的四五次迭代，第四次是用的 MCP，第五次是用 Cursor。后来 MCP 很火，亚哥还专门写了文章，我们还出了一个 30 分钟的 Lightning course，先用 MCP 把东西做了，再人为制造一些 Bug，告诉大家 MCP 是多么难以调试。

嘉宾: 我觉得 MCP 很有价值，生态支持非常好，但我认为它的底层设计还是有一些巨大的 Flaw（缺陷）在，所以我还是持一些怀疑态度。当大家有怀疑态度的时候才是投资的机会，一旦变成共识，这个东西就太贵了。

这里面涉及到一个问题：到底投资人社区的观点更超前，还是 Builder 社区的观点更超前？在这个具体的例子上，我觉得像亚哥、像咱们社区的很多 Builder，在 AI 开发应用的最前沿得到的很多直接观感，会比投资人社区更进一步。

比如前两天咱们聊过的“Video as a Database” (GitHub Ripple)。投资人社区刚刚开始传播这个很有意思的想法：把巨大的文本库压缩成二维码，变成视频文件，利用视频的高级压缩算法来极致压缩尺寸，然后通过视频进度条来索引文档。这个事情在 GitHub 上有很好的传播，投资人社区目前处于“有一个新鲜事”的阶段。但是我们在 Builder 社区讨论这事的时候，亚哥一年前就已经尝试过，并分析了它的优劣势以及为什么没有继续做下去。我们发现其他群友也测试过，发现性能上有很多严重缺陷。这是一个典型的 Hacker 和 Builder 社群跑在 Investor 前面的过程。

创业者画像的代际变迁：从 B2B 老兵到 00 后

主持人: 你们这个圈子这一年发生了什么比较重要的观念革新，或者关注的事情？

嘉宾: 我注意到的一个很有意思的趋势是 Founder 的 Demographic（人口统计特征）在急剧变化。

在 AI 周期最早先的时候，抢先拿到大资金的首先是深耕很久的 AI Researcher。AI Research 的争夺很快结束后，立刻转化成了有丰富创业经验、Go-to-market 经验的 ToB 创业者大规模进入市场。大家主要围绕着“用 AI 做更好的企业服务”，比如生产力工具、会议记录、Sales & Marketing、内部 Workflow 整合。那个时期需要的创业者是那种真的吃过见过、在大企业里做过 Top-down 采购流程、知道怎么跟 Head of Engineering 聊的成熟创业者。

但是从去年下半年到今年开始，很明显的趋势是成本降低到了可以开始做 ToC，创业者正在变得越来越年轻。年轻到我们三个月前刚投了一个团队，现在都处于大学二年级，做了一个教育类的产品，刚刚被接纳要去下一个 YC Batch。

主持人: 能描述一下这些创业者的画像吗？他们和普通大学生有什么不一样？

嘉宾: 这个团队是三个心思很活跃、动手能力非常强的印度小哥。他们从小就做很多尝试，做各种各样的软件产品，也有构建社区的经验。在开始这段创业之前，他们频繁参加各种 Hackathon，发布开源项目。他们基于自己作为学生的直观经验做了一个教育产品。虽然年轻，但其实已经是连续独立开发者了。

我们在尽调的过程中，有非常多的对话是关于“你们会不会真的有决心去 Drop out（退学）”。因为在美国亚裔家庭非常看重教育，本科辍学还是很有压力的。

另外一个例子是上一期 YC，两个大四的学生做了一个面向政府的 ToG 项目。这两个创业者在美国政府的某个委员会里实习，帮助做内部软件系统，发现了很多低效的现实。于是他们做了一个简单的 AI-powered、AI-native 的面向政府的软件系统，居然找到了 Go-to-market 的机会，非常快地做到了 30 万美元左右的年化 Revenue。

这很让人吃惊，几个还没毕业的学生，不是做简单的校园 ToC 产品，而是做面向政府的产品，而且州政府也愿意花钱采购。这说明 AI 的生产力解放和 Go-to-market 的机会已经打开了。

主持人: 我发现 AI 拉平了很多经验和技术方面的积累。很多之前要花非常多年时间去积累的东西，突然变得没有用了，或者 Free 了。

嘉宾: 对，一个大学生甚至高中生，可以跟一个有 10 年经验的工程师在近乎一样的起跑线上开始工作。而且反而没有很多认知上的包袱。

主持人: “认知上的包袱”这个词用得很好。我后来发现这个认知包袱是跟自己的 Identity（身份认同）很相关。如果抛弃我原来所有的东西从零开始，其实面对一个非常大的身份挑战。

嘉宾: 是的，这也是某种意义上的沉没成本。我们花了这么多年建立起“我是 Machine Learning 专家”、“我精通算法”的 Identity，突然这些东西变得没用了。而其实真正扎实的、有意义的东西还在自己身上。在这里面的 Gap，可能是找到真正本质上的竞争优势到底是什么。

元能力与 AI 时代的“日心说”

嘉宾: 我们之前聊过，重要的是寻找所谓的“元能力”。在所有的技能之下，真正本质的、能够一直 Compound（复利）的能力到底是什么？假使我们做一个工程师，很多以前的技能都不在了，但是我们系统性思考的能力、定义问题的能力、作为开发者的审美，这些都会变成我们在面对问题时的判断力。

一个更好的开发者、设计师或创业者，本质上的能力就是做决定的能力。这个东西学校从来不教，但其实是最重要的。你学各种生物、化学、数学，最后是为了培养 Meta-learning 的 Skill，比如批判性思维。

主持人: 有人会提出一个挑战，说 AI 是一个智能的挑战，不是一个工具的挑战。我之前觉得 AI 就是个工具，后来读了很多神经科学的研究，发现人类智能确实没什么特殊的。我把这个比成 AI 时代的“日心说”——之前我们觉得地球是宇宙中心，后来发现不是；之前我们觉得人类智能是特殊的，现在发现其实不是。当人类大脑只是一个生物计算机，而电子计算机在灵性上都超越你的时候，会不会有 "This time is different"？

嘉宾: 我特别同意我们的智能没啥特别的。前段时间看《Nexus》这本书，作者讨论说我们永远有一个 Information Network。之前这个网络上的节点都是人的智能，现在很多节点已经是 Algorithm 或者是 AI 了。

但是 "This time is the same"。即使硅基智能变得跟人很相似或者更强，也无非是在这个 Network 里多了很多异质的节点。我们协作的方式并没有变化。以前是从 IC (Individual Contributor) 变成 Manager 管理团队的人类智能；现在我们每个人在用 AI 的时候，无非是变成了一个 Silicon Intelligence Manager。

前段时间有一些很有意思的实验，关于怎么提高一个 Swarm of Agents 的表现。大家发现最有效的组合是：一个不需要那么多 Parameter、比较弱但没有被严格 Align 过、非常 Assertive（自信）、敢做决定的智能去做 Master Agent，统领很多 Parameter 非常多、像 PhD 一样的智能去做 Execution。

这跟现实中太相似了。做一个反应很慢、计算能力很弱、但是有很强感性和决断力的智能体，去管理很多具体的 Agent。谁说我们不能变成这个领导很多内行的“外行”呢？

从团队协作到“超级个体”：Cursor 作为外脑

主持人: 你一直站在信息的前沿，这一年你意识到什么比较重要的事情？

嘉宾: 这一年里，我意识到我变得比以前更“I”了（指 MBTI 中的内向，或指独立）。以前工作需要一个很大的团队，基金会请很多分析师。但这一年以来，我发现大量的 Busy work 已经被 AI 取代了。

作为一个投资人，我们的工作就是主动摄取大量信息，形成框架和 Thesis，做出决策。今年以来，我发现我跟 Cursor 工作的时间要远远超过跟其他软件系统或者人在一起的时间。Cursor 变成了我的外脑。

具体的用法是：我不再用 Cursor 写 Code 了，Cursor 变成了一个信息的 Knowledge Base。我所有吸纳到的信息，都会直接保存到我自己本地的一个 Vault 里。传统的 CRM 是一个很复杂的数据库系统，但我现在完全构建了一个 Agent-based 的外脑。

比如我把一个长篇的文章或者会议记录扔进 Cursor，说：“嘿，把这个东西给我整理成 CRM 的一个 Item。” Cursor 会按照我提前写好的 Prompt，去寻找会议记录里提到的所有公司、基金、人，然后在所有的 Record 里做 Update。我知道这个过程只要 15 秒，这对我来说是一个捕获的过程。但这事如果在 CRM 里干，我要服务 CRM，我要手动寻找 Record，点点点。

在这个过程里，我发现个人正在逐渐变成以前想都不敢想的“超级个体”。我不再需要一个团队了，我自己和我的 Cursor 就是一个很大的团队。Cursor 也从一个简单的 Coding tool 变成了未来的 Knowledge Operation System。

主持人: 这事我觉得还挺 Profound 的。按道理讲，AI 的好处是通用，能解决长尾需求，但集中需求按道理是被 GUI、被专门开发的工具解决得很好的。但是你会因为什么而放弃那些专门为了解决你这个问题的软件？

嘉宾: AI 作为一种工具，跟之前时代的工具最大的区别就是它是一个极度灵活、非常 Robust 的 Interface。

传统的软件必须有确定性。当你基于确定性去构建一个软件系统的时候，你等于在制造一个非常蠢的 AI。一旦一件事情被压缩成了一个极度 Consistent 的软件，你也被它的 Opinion 局限在了它的使用范式里。比如 CRM 软件，为了获得 PLG (Product-led Growth) 的广域适应性，牺牲了大量的灵活度。

为了服务这些软件，我们变成了“人肉 Agent”。大量的 Fake work（伪工作）、会议、跨部门 Coordination、Spec、Meeting Notes 产生了。这些 Fake work 是用来弥补我们本质上信息整理和处理能力的不足。我们制造出了 CRM 这样的官僚系统，是因为我们脑子记不住 2,000 个人。

现在我们有一个无限的、便宜的信息整理能力出现了，那大量的这种官僚工作就不需要了。

“伪工作”的消失与未来十年的组织变革

嘉宾: 工作的组织形式是按照软件被塑造的。

• 软件 1.0 时代：公司有 IT 部门，软件是定制化的（Windows 时代）。
• 软件 2.0 时代：IT 部门被外包变成了 SaaS 公司。企业内部的执行层变成了“胶水层”，每个运营需要对接几十个外部 SaaS 的 Lego pieces。为了把这些乐高拼在一起，创造出了大量的 Busy work。运营在做类似“标注”性质的判断，把信息从系统 A 搬运到系统 B。
• 软件 3.0 时代：AI 系统正在替换掉很多白领的“假工作”。

我们看到很多大厂在裁员，本质上是高层问中层：“你是要 Headcount 还是要算力？”中层说：“我不需要更多 Headcount 了，你给我更多的 GPU，我可以干更大的事情。”于是底层的执行层工作机会开始被削减。

主持人: 徐老师在 2022 年的访谈里讲的 Exactly 就是这件事情。去思考公司里哪些人是可以被 AI 替换掉的，稍稍 Extrapolate 一下 AI 的能力，就发现很多人是可以被替换的。

嘉宾: 这个过程一定会发生。大量的执行层工作会消失，并且会被转化到 AI 公司里面去，变成 AI 能力的一部分。

在接下来十年的时间里，AI 的能力还不足以做完整的交付。多数的 AI 公司还是 Human-led 的。我相信在原来的执行层里，会有很多有行业背景知识的“超级个体”，会被吸纳到外部供应商里。

就像以前 IT 系统里的精英变成了 SaaS 创业者，原来在公司执行层的超级个体，会变成新的 AI-native 软件公司的创业者，或者这里的超级员工。极少量的人就可以支撑整个行业。原来医疗行业可能需要几万个运营，迁移到 AI-native 公司后，几个人就可以支持几万个公司。

主持人: 所以如果有朋友有志于创业做这一类事情的时候，希望你们和我们联系。

嘉宾: 对。接下来的话，会有一个不一样的“万众创业潮”。前两天的 AI Engineer 大会里有一个专门的主题赛道叫 Tiny Teams。我们看到非常多的独立开发、一个人的团队、三五个人的团队，正在做出非常大的事情。

在这个时代，真正确定性的机会就是大量的使用 AI，不计成本地使用，去寻找到怎么能和 AI 结合变成一个“超级个体”。不管你是创业，还是在现在的岗位上变成一个 Future-proof 的个体，这都是现在唯一确定性应该做的事。