开场与背景介绍

课代表: 大家声音 ok 吗？等一下嘉宾上线。黑杰克说课代表新婚快乐，但我已经结婚三年了，娃都两岁了。今天是七点开始，大家听声音 ok 吗？声音 ok 的话跟我说一下，感谢陈然送的人气票。嘉宾来了。

Nan Zhou: Hello，课代表大家好。我第一次用这个 APP，这个直播就只是直播，不会有后面再录下来或什么的，对吧？

课代表: 我们两个是录播的，然后直播有回放，但是直播回放可以拿掉。如果你不想要那个回放的话。所以我们在直播间会说一些可能不能录的东西，就直接说它剪掉了。

Nan Zhou: 对，因为我也不知道会说什么，万一 compliance 的人不是很 align 就不太好。

课代表: 确实，咱们上次那个访谈是一半以上都删掉了。

Nan Zhou: 对，因为你聊的时候觉得这个可以说一说，然后聊下去就发现不能过我们公司的 compliance。当时是因为我刚生完小孩，脑子没有过就说了。

课代表: 也是以后就多了很多媒体经验。非常感谢，我们这直播已经开始了，我们就可以直接开始录了。今天大家也过来，现在 YouTube 里面是21个人，小红书上是15个人，我们就慢慢开始聊。我们要先做一下介绍，你现在还是 高通创投 (Qualcomm Ventures) 的合伙人是吧？

Nan Zhou: 对，应该算 Partner 和 Director。

课代表: 在此之前，你是沃顿商学院毕业，然后是百度美国投资负责人，对吧？

Nan Zhou: 那个时候是在2016年到2019年，在百度的美国人工智能研究院，负责百度在美国针对人工智能方向的投资。主要是帮助这些 Researcher 找他们项目的落地，或者是他们在训练模型当中需要用到的一些工具。当时还有一个非常重要的投资主题就是 AI Compute (算力)。在十年前那么早的时候，百度就已经看到了非常深远的格局，开始在那边布局了。

课代表: 所以说百度当时还是很有远见的。你之前投的一家公司 IPO 了，快40倍的回报，可以给大家介绍一下吗？

Nan Zhou: 这个公司叫 Cerebras。这是我当时在百度独立挖掘、做尽调，然后作为 C 轮领投做的一个比较大的案子。相当于十年前下注，九年前完成的投资，过了这么多年完成了收割。很幸运十年后看到它成为了一个伟大的公司，从投资人角度上来讲回报也非常好。

课代表: 确实看出来了，VC 投资是一个需要很长时间的事。

Nan Zhou: 是非常漫长的过程，非常孤独、漫长，熬得住、耐得住性子才行。中间但凡熬不住，可能就想把这个公司在二级市场卖掉了。做 VC 如果基金的周期只有6到8年，而硬件项目通常要8到10年才能看到回报。如果没有耐心可能在 Secondary Market 就把股份卖掉了。真的就是错过了非常大的一个回报。

寻找非共识的窗口

课代表: 我们今天主要聊两个话题：一个是硅谷的创投游戏到底是怎么玩的？另外就是关于软件和硬件，现在人工智能感觉软件一片繁荣，但是硬件可能都在布局和成长阶段？

Nan Zhou: 恰恰相反。今年开始软件都很惨，SaaS 很惨，反而是硬件做算力、做 Compute 的这些很火。今年 SaaS 股票尤其惨。

课代表: 我今天看你的 LinkedIn，转发了 Conviction 创始人的文章，他的意思就是现在创投圈觉得软件没什么好做的，所有东西都是 Nvidia 和 Anthropic。

Nan Zhou: 是的。今年的 AI 投资非常难。我个人的投资逻辑是一定要在形成共识之前下注，哪怕窗口非常短，你不能到达共识才下注，那样就等着被割韭菜。虽然在 CVC 做投资可以不那么关注财务回报，但我对自己要求很高。2015年的窗口大概两三个月，2023年的窗口有三到六个月，而今年几乎没有窗口，已经是完全共识了。 很多 AI 项目估值非常高，尤其是 New Labs。如果你投 General Purpose Agent 或 Vertical AI Agent，很可能会被 OpenAI 和 Anthropic 这些前沿实验室吃掉。比如你想做 Finance 或 Science 的 Agent，其实 Anthropic 都在做。 所以今年一级市场的钱都在涌入 Category Winner，像 Anthropic 这样的 SPV 项目非常火爆。大家都想把钱下注在赢家身上，比如 OpenAI、SpaceX、Databricks。往中晚期下注反而成了今年 VC 投资的趋势。

课代表: 那怎么办呢？这是一个有办法的事情吗？

Nan Zhou: 其实也是有的。掘地三尺做调研，也会觉得有一些趋势可以赌。比如 Physical AI、机器人方向，或者偏硬件方向，像新型的 ASIC Compute，专门针对 Inference 场景的芯片。这需要对技术有相当敏锐的判断。

顶级创始人的特质

课代表: 刚才说到你代表美国主流的投资机构，瞄准最大的机会。有些小 VC 会关注小一点的案子，但是你可能关注更大规模的？

Nan Zhou: 如果你管理的基金规模比较小，比如很多 Emerging GP 的第一支基金是2000万到3000万美元，可以投一些小案子，期待它很快被并购。但如果你的基金规模在几亿美元以上，你就必须瞄准 Winner 去打。因为一个基金合伙人撑死只能投二十几个项目去陪伴成长。所以你必须要有前瞻性的判断去下注赢家。

课代表: 所以 Y Combinator (YC) 的公司你们大多数是不看的？

Nan Zhou: YC 的公司要非常谨慎去看，需要有一定的直觉，因为实在太多了。十年前我也是通过看 YC 录像的回放，看到了 Scale AI 的创始人 Alexandr Wang。那个时候我在百度就已经意识到数据对于自动驾驶模型训练非常重要。当时 Scale AI 就是想干数据标注的事。我当时觉得这个 Founder 虽然年轻，但商业头脑敏锐、非常聪明。

课代表: Scale AI 后来发展得很好。你当时在他身上看到了什么素质？

Nan Zhou: 他的商业敏锐度极强。Scale AI 早期是给自动驾驶公司提供数据标注，但2021年、2022年左右，自动驾驶行业不行了，客户变少了。他敏锐地察觉到美国政府等 Public Sector 也需要很多 AI 数据服务，他立刻整了一套模式，而且行动非常快。他还找了前谷歌 CEO Eric Schmidt 帮他站台。那段时间他的 Public Sector 订单涨得非常好，让公司上了第二级台阶。你会发现他是一个极具智慧和执行力的人，能够抓住所有机遇，知行合一。 他融 F 轮的时候，录了一段28分钟的投资人 Presentation。信息量非常大，在很短时间内把公司的前因后果、怎么踩中 AI 浪潮、产品定位、未来为什么需要极大的数据 Scaling 讲得非常清楚。当时大家对 Scaling Law 还是半信半疑，他就已经大胆预测了 AGI 的时间表。你看完视频就会觉得这是一个顶级的创业者。

课代表: 你刚刚提到了“杀手本能”和“直觉”。除了 Alexandr Wang，还有没有其他具体的案例？

Nan Zhou: 我投的 Cerebras 也是一个例子。它是做系统级芯片的，架构非常具有颠覆性：把80几个芯片在一个晶圆上无缝互联，加速深度学习训练。这是在 Transformer 出来之前做的。当时我们在百度的认知是：未来的模型会非常大，需要极高算力。如果不希望英伟达一家独大，就要投资新架构芯片。我在找的过程中看到了 Cerebras，其创始人 Andrew Feldman 展现出了卓越的创业者素质。 他之前的公司 SeaMicro 被 AMD 收购了。这次创业不到一年，他就招到了80多个以前共事过的工程师，其中60多个全是 PhD。人才密度极高。而且他能详细拆解所有技术和工程上的风险点。创业路上九死一生，所有的风险点最后都可能变成压死你的稻草。他把风险点想得非常细致，说明他既有 Vision 又有落地经验。在公司流片遇到波折时，他的核心团队几乎没有离职的。

课代表: 你觉得投资人看重创始人的哪些核心素质？

Nan Zhou: 第一个是一定要解决一个足够难、足够大的问题。这个问题目前没有好的解决方案，但未来三到五年市场足够大。第二个是能把这个宏大愿景拆解成非常细颗粒度的执行步骤，并且深思熟虑过所有的风险点。除此之外，创始人还需要有 Hustling（拼搏拼命）和 Scrappy（敢打敢拼）的精神。对于技术很强但商业落地偏弱的创始人，我会建议他找一个在商业上很强的 Co-founder，这样拿到 VC 钱的概率会大很多。

VC 的遗憾与拐点

课代表: 每个投资人都会有遗憾错过的项目吧？

Nan Zhou: 几乎所有厉害的投资人都有。2017年在 Andreessen Horowitz (a16z) 的年会上，我跟 Databricks 的创始人聊了几次，我很喜欢他们针对 Low Tech 公司打造 Data Warehouse 的理念。但我把案子带回百度时，大家觉得有点太 Low，不符合当时百度投前沿 AI 的逻辑，所以没上会。当时也没有人觉得 AI 赛道能这么快起来，觉得它重资产，非共识期太难熬。

课代表: 后来共识是怎么形成的？

Nan Zhou: 2022年 ChatGPT 出来的时候，我脑子里感觉猛地被打了一棍，这东西比我想象中快了三年。那说明已经进入拐点了。很多嗅觉敏锐的投资人，比如 Sarah Guo，在拐点刚形成时下注，赢面最大。因为你度过了那段艰难的非共识期。

CVC 与商业模式演进

课代表: 创始人拿传统 VC 的钱和拿 CVC 的钱有什么区别？

Nan Zhou: 以前大家觉得 CVC 只是做战略投资，但其实美国有些头部 CVC 比如 Intel Capital 和 Qualcomm Ventures 非常厉害。头部 CVC 既追求财务回报，又要跟母公司形成战略协同。尤其在现在的 AGI 时代，算力是最稀缺的资源。所有 AI 创业公司都需要耗算力，此时芯片领域的 CVC 就非常有价值。比如 Nvidia 的 VC 部门这几年非常火，他们在很多明星项目里写很大的 Check。

课代表: 软件投资看 ARR，硬件公司看什么呢？

Nan Zhou: 现在的商业模型在改变。模型公司看 Token 消耗量，Cerebras 这样的硬件公司也不是单纯卖芯片，而是卖 Inference 系统。他们有自己的 Data Center，帮客户运行工作负载。这就变成了硬件加系统的收费模式。基于对智能的依赖程度和产出需要收费，这个模式比软件时代的固定订阅更有吸引力。

物理世界的 AI 投资

课代表: 你之前提到很看好 Physical AI，你觉得比较能早期落地的应用是什么？

Nan Zhou: 我觉得可能是 Advanced Manufacturing，比如在工业场景下落地的机器人。美国现在的战略目标是把生产制造带回美国，所以在汽车制造、化工或者复杂的仓储物流环境，工业级别的机器人会先跑起来。它会像自动驾驶一样，过段时间就会迎来拐点。

课代表: 现在有很多做世界模型 (World Model) 的公司，你怎么看？

Nan Zhou: 机器人领域现在非常缺数据。很多做机器人数据的公司 ARR 涨得很快。但我认为这只是暂时的繁荣。终极解决方案应该是出现一个能真正懂物理世界、自动生成高质量数据的世界模型，通过它在现实场景中不断落地修正，形成数据飞轮。这个领域一定会出现像 Scale AI 这样的公司。

给创业者的建议

课代表: 大厂技术人出来创业，最大的认知误区是什么？

Nan Zhou: 最大的误区是拿着技术找场景，也就是拿着锤子找钉子。比如有很厉害的模型创新，但应用场景想得不够深远。现在大模型跑在前面，如果你没有想清楚为什么你的场景大模型做不了，就很难拿到融资。 另一个误区是估值越高越好。如果拿了过高估值，下一轮融不到资，估值就会断崖式下跌。此外，千万不要盲目去追热点，而是要在自己深耕的领域解决真实问题。

课代表: 你觉得什么样的人不会被 AI 淘汰？

Nan Zhou: 能够熟练使用 AI 工具，并且具备系统性思维的人。现在的 AI 已经很善于解决问题了，你需要做的是构架问题框架，把复杂问题拆解，然后让 AI 给你赋能。

课代表: 创始人需不需要听投资人的指导？

Nan Zhou: 优秀的创始人需要是 Coachable（可教导）的。他会主动提问，听取建议后去反思实践，然后自我修正。如果投资人发现创始人不听建议，有时候也只能放下助人情结，让他们自己去经历教训，因为什么都不如自己学到教训来得真切。当然，像 Elon Musk 这种不需要 Coach 的顶级天才例外。

课代表: 感谢楠今天的分享。

Nan Zhou: 谢谢课代表。