# 生成式艺术

共 372 篇相关文章

风险投资中的网络效应:强信号如何创造复利效益 全球动态
Dec 08, 2025

风险投资中的网络效应:强信号如何创造复利效益

本文信息来源:scotthartley 在布鲁克林,离百老汇海滨只有一个街区的地方,有一家威廉斯堡的老店叫 Diner。它最令人感到亲切的特色之一是这里没有二维码菜单,也不能数字点餐。只有传统的方式。取而代之的是,女服务员通常会手里拿着马克笔,和你一起挤进卡座,直接在白色的牛皮纸桌布上写下当天的菜品选项。牡蛎、当日生鱼片、他们著名的汉堡,全用速记法草草写就。 除了那位女服务员,坐在我对面的是加泰罗尼亚的博学家兼设计师 Matias Corea。在将 Behance 以 1.5 亿美元卖给 Adobe 之前,是他一手创办了这家公司,随后他便一头扎进了爵士乐,并不惜骑着摩托车穿越各个大洲 。他不仅写了这本精装图画书来记录那些跨越大陆的冒险(以及摔车的糗事),还拿它作为这些经历的见证。 我是刚从某个忘记名字的地方搭红眼航班回来的,晚上 8 点,Matias 和我的夜生活才刚刚开始。在畅聊了三个小时的哲学、政治、设计、爵士乐、摩托车和创业公司之后,我们霸占了那支马克笔,开始在桌布上交流想法,最后话题终于汇聚到了科技上。食物早已吃光,马提尼酒杯被推到一旁,在一堆叮当作响的玻璃杯中,灵感在不断流淌。 Matias 狂热地画了一连串短线,紧接着是一连串长线,或者是那些离群值。“这就是商业,”他目光坚定地透过黑框眼镜盯着我说,“而这就是艺术,”他指着那些像摩天大楼一样突兀地耸立在其他线条之中的离群线说道。“伟大的艺术,天才之作;它们总是与众不同。”当我们在这个想法上即兴发挥时,我的思绪转向了风险投资,这是我过去 15 年的工作,也是我观察世界的镜头。“有趣的是,”我说,“很多那些代表离群值的线条彼此都认识。天才之间会交流心得,当你把这一点放大时,你会得到**巨大的**信号。”我们当时思考的是协作,是伟大的乐队,伟大的艺术家。但同时,也是伟大的企业家。知道什么是真实的信号本身就是一种渠道优势,这至关重要。 在 Everywhere Ventures,我们首先是一个创始人社区,其次才是一家风险投资公司。我们的数百位有限合伙人,以及我们在各个基金中的投资人,本身就是创始人。他们是图表中的那些尖峰。他们是那些抛弃传统商业生活去投身艺术创作、去解决难题、去极度深入钻研某个想法或某个行业的人。伟大的艺术,就像伟大的科技一样,多少带点无政府主义色彩。也就是反偶像崇拜。 所谓的“尖峰特质”(Spikiness)并不意味着你上过哈佛,或者曾在麦肯锡工作。这些都不是这种特质的体现;这些是主流认可的标志,不仅与我们所讨论的内容背道而驰,甚至是完全对立的。某个领域的卓越,或者说尖峰特质,关乎的不是特权。它关乎的是一种岁月的包浆、一种经过千锤百炼后的精纯,就像滚筒里的岩石,直到所有的棱角都被磨平,最终在特定领域透出一种坚韧不拔的毅力与光泽。它可以是麦当娜,是安迪·沃霍尔,或者是埃隆·马斯克。它也关乎魅力与真实,关乎对愿景的绝对忠诚,以至于你能从“商业”世界中抽身而出,变得离经叛道。而这些尖峰的幅度就是信号,当它们在协作中倍增时,就会产生复利效应。魅力、毅力、岁月的包浆、真实、信念,这些都是复合信号。 当我们一边涂涂画画一边交谈时,我开始思考我们当中的任何一个人该如何去制造运气。运气是倾听直觉的副产品,而直觉是一种模式识别——识别那些脱颖而出、打破现状的事物,并将其与世界观相融合。当这些因素叠加在一起,当我们真正用心倾听时,噪音中就会出现某种信号。 假装我们在做统计学研究,我们开始讨论高斯分布,也就是钟形曲线。中位数是中点,也是平均值,即第 50 百分位。在中位数处将两个信号相乘,就像把一个 ½ 的视角乘以另一个 ½ 的视角。这并没有太多优势,也不会产生什么复利效应。但是,当你开始思考将偏离均值一个、两个或三个标准差的两个输入相乘会是什么样子时,你就会开始看到复合的尖峰特质或噪音中的信号所带来的影响。你会开始发现,离群值的信号真的会产生复利效应。 如果我们在每个问题领域或行业中与数十家公司交流,并通过信赖那些我们认为在该领域曲线上偏离平均值几个标准差的信号来进行尽职调查,我们就能开始放大这些信号。我们开始看到某些事物在图表中作为峰值清晰地凸显出来,如同钟形曲线极右端的点。我常说:“如果你要做心脏手术,你应该去问一位心脏外科医生,为了他们自己的手术会找谁主刀。”这就是一种复合信号。 红杉资本的 Alfred Lin 曾提到,他们每开出一张支票,就要与 1,000 位企业家交流 。他们寻找的是非同凡响的创始人或 CEO,那些被他们视为并非普通、并非优秀、并非卓越,而是异类的人才。这些是千里挑一的建设者,处于他们所解决的问题、所构建的技术或所追求的理念的最前沿。 正如 Matias 所言,这些人是真正的“艺术家”。诚然,CEO 们也是在建立旨在实现可持续发展的公司,这意味着他们要产生利润、价值并创造巨大的财富,因此称他们为“非商业化”有些虚伪,但这是我们使用的词汇。他们是在“玩这种游戏”和社会意义上的“非商业化”,即不循规蹈矩和维持现状。他们是游戏规则的改变者、类别的创造者、梦想家和建设者。 作为一名创业者、一名艺术家、一名风险投资人,你该如何倾听通过各种渠道输入的信息,并从中区分出有用的“信号”和无用的“噪音”?你要如何精心筛选你的信息来源,让周围的每个人都成为他们各自天才领域的“精金美玉”?然后,你要如何学会对这纷繁的输入进行归类,从而明白在什么时候该听取哪些建议?我认为,如果你能做到这一点,你就能开始去伪存真,让你身边的大创意能够得到更强的回响与放大,进而创造出属于你自己的好运气。 表面上看,我们成立 Everywhere Ventures 并不是为了这个目的,但我们确实有一个假设:静态的合作关系无法跟上动态创新的规模扩展。创新是一个前沿阵地,是一个移动的目标,是一套随着当下的工具和时代精神而变化的有机的思想体系,因此,唯一能跟上步伐的投入,是那些随着前沿阵地一同动态发展的投入。我们向身为创业者的有限合伙人(LP)募资,是因为我们认为他们的价值在于他们的声音,而非他们的资金。我们在处理入站交易和尽职调查时会听取他们的意见,并参考他们的观点来完善我们自己对大机会和市场的看法。信号就是基石。 如果你是一名创业者,向风险投资人(VC)推介的最佳方式,就是通过一位在那个天才领域中被 VC 深深信任为专家和信号源的人进行介绍。这无关乎圈内人的特权游戏、裙带关系,也无关乎你毕业于哪所学校;关键在于让自己处于那种锋芒的中心,让所有的信号都在告诉别人去倾听、去关注,甚至可能去开出那一千张支票。你住在地图上的哪个位置并不重要,你的背景也无关紧要。我们都可以创造属于自己的运气。 围绕你充满热情的领域打造自己,并让自己置身于该领域最有价值、最受尊重的信号之中,美好的事情就会随之发生。 —

深度学习
Dec 04, 2025

若论及 AI 数据中心,我们真的在重蹈电信业崩盘的覆辙吗?

本文信息来源:martinalderson 我不断听到有人将 AI 数据中心的繁荣与 2000 年代的电信业崩盘相提并论。这种相似之处似乎显而易见——数十亿美元的基础设施支出,对过度建设的担忧,以及迫在眉睫的泡沫预警。但是,当我真正仔细核算数据时,却发现其基本面截然不同。 我无意预测未来是否会发生崩盘或回调。我只想探讨的是,如果更详细地审视历史,这种与电信业的比较是否真的站得住脚。 电信业崩盘的真实经过 首先让我讲讲 2000 年代电信业崩盘实际上是什么样子的,因为细节至关重要。首先是巨额的资本支出——在 1995 到 2000 年间,用于铺设 8000 万到 9000 万英里光纤的资金约为 2 万亿美元 。经通胀调整后,这相当于超过 4 万亿美元,即按 2025 年美元计算,每年接近 1 万亿美元。 到 2002 年, 这些光纤中只有 2.7% 被使用 。 这种局面是如何造成的?除了许多公司涉及纯粹的证券欺诈外,还源于对供需关系的灾难性误判。电信公司的 CEO 们声称互联网流量每 3-4 个月就翻一番。 但实际上, 流量大约每 12 个月才翻一番 。这是对需求增长 4 倍的高估,而且这种误差每年都在复利累积。这种错误的假设驱动了大规模的举债过度建设。如果你连续 3 年每年都高估 4 倍,到最后你的预估将偏差 256 倍。 对这些公司来说更糟糕的是,随着光收发器技术取得了巨大突破,在接下来的十年里,同一根光纤传输的流量增加了 10 万倍。波分复用(WDM multiplexing)就是一个例子,它允许在同一条物理光纤线路上复用多个载波信号。1995 年,最先进的技术只有 4-8 个载波。到了 […]

大模型内核
Nov 26, 2025

伊利亚·萨茨克维尔——我们正从规模化时代迈向研究时代

本文信息来源:dwarkesh “这些模型在泛化能力上不知何故比人类差得多。这是一个非常根本的问题。” 伊利亚和我讨论了 SSI 的策略、预训练的问题、如何改进人工智能模型的泛化能力,以及如何确保 AGI 顺利发展。 [videopress gnzC1jXN] 在 YouTube 观看;在 Apple Podcasts 或 Spotify 收听。 时间戳 (00:00:00) – 解释模型的不规则性 (00:09:39) – 情感与价值函数 (00:18:49) – 我们在扩展什么? (00:25:13) – 为什么人类比模型拥有更好的泛化能力 (00:35:45) – 直击超级智能 (00:46:47) – SSI 的模型将从部署中学习 (00:55:07) – 对齐 (01:18:13) – “我们正处于一个以研究为核心的时代” (01:29:23) – 自我博弈与多智能体 (01:32:42) – 研究品味 文字记录 00:00:00 – 解释模型的不稳定性 伊利亚·苏茨克维 00:00:00 你知道最疯狂的是什么吗?所有这一切都是真实的。 德瓦尔凯什·帕特尔 00:00:04 什么意思? Ilya Sutskever 00:00:05 你不觉得吗? 所有这些人工智能的东西,所有这些湾区……它正在发生。这难道不是科幻小说里的情节吗? […]

深度学习
Nov 11, 2025

ORE 协议:在 Solana 上重塑数字价值的新范式

[videopress IefMABlL] 🧩 一、项目本质:Solana 原生「Proof of Stake + Proof of Play」挖矿经济系统 ORE 是一种 Solana 原生数字资产(store of value)协议,具有以下特征: 非团队预留、零预挖(Fair Launch) 总量上限 500 万枚 ORE 协议自动生成、分发和销毁,无中心化管理者 所有产出和销毁都通过链上智能合约自动执行 换句话说,ORE 是一个完全链上自治的、带博弈机制的“挖矿游戏”,你用 SOL 参与,每轮都可能赢得 ORE 奖励,也可能失去你下注的部分 SOL。 ⚙️ 二、核心机制拆解 1️⃣ Mining — 挖矿机制 每一轮为期 1 分钟。系统生成一个 5×5 的方格矿区(25个格子),每个玩家可以在不同格子上部署 SOL。 每个格子相当于一个“区块(block)” 你下注的 SOL 越多,占比越高,中奖概率越大 每轮结束后,Solana 上的随机数生成器选出一个 winning block 奖励分配逻辑: 中奖格的矿工获得当轮的 1 […]

数据整合的漫漫征途:要分析数据,你必须先将其汇集到一处 全球动态
Nov 11, 2025

数据整合的漫漫征途:要分析数据,你必须先将其汇集到一处

本文信息来源:sarahconstantin Midjourney,“第四次工业革命数字化转型” 我喜欢发发牢骚,因为这是我在工作中学到的东西,却从未见过有人明确地写出来。 在工业或制造业背景下,计算机技术领域充斥着一堆流行词:“ 数字化转型 ”、“ 第四次工业革命 ”、“ 工业物联网 ”。 这些东西到底意味着什么? 它们到底有没有意义? 答案是肯定的 ,它们指的是将公司所有数据录入计算机以便进行分析的过程 。 这是进行任何“人工智能”甚至基本统计分析的先决条件;在开始应用复杂的算法之前,你需要将数据集中到一个地方,并以表格形式呈现。 等等,他们还没做这个吗? 半导体工厂中的每台机器可能都将数据存储在本地。操作一台机器的团队可能无法看到下一台机器的数据。 在制造业中,许多重要数据并不在计算机上。 有些数据根本没有数字化,而是以纸质形式存在:实验室笔记本、质量保证报告、工单等。 其他数据则是“勉强数字化”,以这些文档的扫描 PDF 形式存在。这对于保存记录来说没问题,但无法搜索或进行统计分析。(据我所知,一家主要的航空航天制造商将所有飞机质量测试结果都以填写好的手写表格的扫描 PDF 形式保存。想象一下,要从中整理出质量性能趋势是多么困难!) 还有一些数据则被隔离在工厂车间的机器内部。现代化的自动化机器可以生成大量数据——传感器测量值、执行器运动日志和工艺设置变化——但这些数据实际上存储在那台机器中 ,且仅限于那台机器。 近百年来,制造工艺工程师一直在利用数据来指导工厂运营,通常采用一种名为统计过程控制的框架。然而,在实践中,生成和收集的数据远多于实际使用的数据。只有少数过程变量被跟踪、优化和/或用作调整生产过程的输入;其余的都是“数据废气”,被忽略甚至可能被删除。原则上,“多余”的数据可能与设施的性能相关,但没有人知道如何关联,也没有能力去发现。 这就是为什么制造/工业公司通常会对“使用人工智能”来优化其运营的提议持怀疑态度。要“使用人工智能”,你需要围绕一个大数据集构建模型。而他们没有那个数据集 。 通常情况下,你不能指望走进一家工厂就能找到一个单一的数据集,其中包含“所有机器从头到尾的所有过程日志”。 此外,即使数据集确实存在,通常也不会有最基本的内置工具来分析它。在一个异常现代的制造初创公司中,其操作模式可能是“将数据集导出为.csv 格式,并使用 Excel 对其进行基本统计分析。” 为什么数据集成如此困难 为了获得一个可以“进行人工智能处理”(甚至“进行基本统计/数据分析”)的标准化数据集,你需要: 获取数据 将数据数字化(如果相关) 标准化/“清理”数据 建立计算基础设施以存储、查询和提供数据   数据访问协商,又名请让我做你付钱让我做的工作 获取数据是一个棘手的人类问题。 也就是说, 人们不想给你。 当你向一家大公司销售软件时,达成一笔数百万美元的交易,比获得交付成品软件工具所需的实际数据访问权限要容易得多,这并非不寻常。 为什么? 部分原因是出于安全考虑。通常会有严格的 IT 政策规定哪些数据可以与外部人员共享,以及哪些网络权限是合规的。 例如,在半导体行业,每个人都理所当然地对工业间谍活动感到偏执。他们不会把他们的工厂数据“放到云端”。他们可能有完全气隙隔离的设施,其中没有任何东西连接到开放互联网。他们不希望正在生产的芯片图像或生产过程的细节落入“不法分子”手中。 其他行业也有类似的担忧,担心泄露商业机密、客户详情或其他敏感信息。你将不得不满足大量的安全要求,才能将敏感数据从“受保护区域”1 中取出并放到你的电脑上,或者让你的电脑获批安装到“受保护区域”中。 有时,遵守数据共享的安全要求很简单;但公司越大,你就越有可能遇到来自不同部门的多个 IT 政策,而且这些政策之间越有可能相互矛盾,或者根本无法与任何大规模数据集成兼容。2 我曾与一家公司合作,该公司要求甚至连潜在供应商在销售尚未完成之前,就得自掏腰包花费超过 100 万美元,建造一个特殊的、超安全的房间来存储他们的数据。安全要求可能非常严格。 然后,还有一些更“政治性”或“个人性”的原因,导致公司难以将大量数据集中到一处。 有时,人们担心“大数据”工具会取代他们的工作,或者让他们的表现看起来很糟糕,于是他们试图阻挠这个过程。 有时,部门之间存在竞争,导致一个部门的人不愿意与另一个部门共享数据。 有时,人们只是很忙,从工作日中抽出时间为供应商做设置是一种不便。 处理数据访问协商中的“人的问题”是一项巨大的、劳动密集型的麻烦,并且所需的工作量几乎与您尝试收集的数据量呈线性增长。 Palantir Technologies 现在正拥抱“AI”标签,但当我还在那里工作(2016-2017 […]

早期创始人应了解的薪酬知识:可以打破的规则(以及一些你确实应该遵守的规则) 全球动态
Oct 27, 2025

早期创始人应了解的薪酬知识:可以打破的规则(以及一些你确实应该遵守的规则)

本文信息来源:firstround 关于如何构建薪酬体系的建议不胜枚举。本文将通过 Clay、谷歌和 Instacart 的见解,告诉你哪些建议适用于你。 关于员工薪酬,似乎同时存在着许多规则,又似乎没有多少规则。基准、结构、可以问和不可以问的问题——早期创始人大多需要自己摸索,为他们的首批员工制定出他们认为最合理的薪酬方案。 目标很简单:尽可能招募到最优秀的人才。但实现这个目标的过程却远不透明。 你的录用通知书中的股权和现金部分应该如何构成?不同的职位是否应该采用不同的薪酬策略?作为一家如此早期的公司,你是否需要一个薪酬策略?这些都是创始人在递出录用通知书之前会问自己的问题。 在 The Review,我们相信最好的经验教训来自于那些亲身实践并乐于分享经验的人。因此,我们汇集了行业领袖的宝贵见解,他们曾在世界上一些顶尖公司建立并扩展了薪酬策略。我们将他们的建议分为你可以随意忽略的所谓“规则”,以及那些确实值得遵循的规则。 我们的专家团队包括: 凯特琳·诺普 (Kaitlyn Knopp),Pequity(曾任职于 Instacart 和 Google) 瓦伦·阿南德 (Varun Anand),Clay 卡萨尔·尤尼斯 (Qasar Younis),Applied Intuition Colleen McCreary,Confluent(前身为 Credit Karma) Tyler Hogge,Pelion (前身为 Divvy 和 Wealthfront) Stephanie Berner,Smartsheet(前身为 Atlassian) Udi Nir(前身为 Instacart 和 eBay) Molly Graham,Glue Club(前 Facebook 和 Quip 员工) 打破常规 谈到薪酬,有很多建议需要筛选——并非所有都适用于早期阶段。适用于拥有数百甚至数千名员工的公司的做法,不一定适用于一个十人团队。以下是一些作为早期创始人可以考虑忽略的常见智慧。 为吸引顶尖人才而过度给予股权 这是最古老的创业公司薪酬策略之一:宣传公司的上涨潜力,并利用股权吸引最优秀的人才。在谈判中,候选人会将其视为薪酬方案的一部分,并且通常会期望公司越早期,股权比例越高——特别是如果你试图说服他们放弃当前职位的稳定,转而押注你和你的公司。但根据 Kaitlyn Knopp 的说法,她曾在 Instacart、Cruise 和 Google 等公司建立薪酬体系,现在是人力资源自动化平台 Pequity 的联合创始人,创始人不应该认为他们必须倾其所有。 “我看到很多早期创始人,因为他们急需人才,所以在谈判桌上给出大量的股权——因为他们往往负担不起高额现金,”Knopp 说。“但要记住,这个阶段是短暂的。是的,你确实需要那些人才,但仅仅给予某人公司股权,你已经付出了很多。” Knopp 建议,作为经验法则,你的前十名员工的股权总额不应超过总股权池的 10%。 她指出,即使这样也可能过于激进。“这假设你给每个人 1%。从这个角度来看,一家非常晚期的成长型公司可能会给新聘的 CEO 1%。所以,早期给某人提供这么多股权是非常多的。” Knopp 警告不要想当然地认为那些早期股份会随着时间的推移而稀释,以至于它们几乎无关紧要。“这些决定会回来困扰你。我曾与不同的组织合作过,它们在员工人数非常少的情况下,就完全分配了整个股权期权池。他们不得不从投资者和创始人那里收回股权。这不是一个愉快的经历。” 她的建议是:明确你的薪酬理念(下文将详细阐述),并坚持下去。“你拥有的影响力比你想象的要大。” 教育候选人了解股权可以帮助他们理解其价值,无论是现在还是在未来两、五年或十年。这是莫莉·格雷厄姆的观点,她曾帮助 Facebook 和 Quip 构建薪酬体系 。 “无论走进来的员工有多聪明,许多人都不明白如何评估他们的股权,”她说。“在 Facebook,我们制定了一份股权理解指南,并在发出录用通知时提供给员工。这做起来很简单,却能让员工对我们提供的录用通知感到更满意。” […]

Alpha VC 与 Beta VC:现代风险投资的两种竞争逻辑 全球动态
Oct 27, 2025

Alpha VC 与 Beta VC:现代风险投资的两种竞争逻辑

本文信息来源:thegeneralpartnership 在过去的几周里,我一直在思考风险投资行业,以及我在 TheGP 的工作与大型多阶段平台公司内部发生的事情有着根本性的不同。我们都被称为风险投资家,但我们所做的事情以及我们做事的方式是如此不同,我认为我们中的一个(或者可能我们两个)需要一个新的名称。 在大型平台公司中,市场曝光是目标,而生存取决于能否达到基金规模所需的年度部署速度。重要的衡量标准是投资金额或交易数量,这取决于与创始人会面的次数以及公司将资本投入符合当前理念的公司中的能力。 在 TheGP,我们的方法是集中式的。我们的回报和“汗水股权”模式取决于找到拥有独特世界观的稀有创始人,花时间了解是什么塑造了这种世界观,然后帮助他们进行建设。每年,我们只建立少数几个深度合作关系——帮助创始人招聘、交付产品并找到他们的第一批客户,以便他们能够做出职业生涯中最好的工作。当这种情况发生时,一家世代相传的公司就有可能诞生。 一个月前,这被质疑为 “逆向投资与共识投资”。历史上,这种讨论出现在专注于特定阶段的基金和多阶段基金之间争夺创始人关注的辩论中,也出现在行业专业基金和平台团队在扩展到加密货币、生物科技和国防等新投资领域时的辩论中。 一位老朋友兼资深有限合伙人最初塑造了我对这个问题的看法,这影响了我们在 TheGP 的投资方法。2021 年,当丹和我考虑我们新公司的战略时,这位有限合伙人告诉我一句话,让我铭记在心:“无论你创建的基金规模或投资组合规模如何,风险基金的现实是回报将集中在一到三个赢家身上。作为有限合伙人,我的职责是分散投资,无论你多么集中——所以如果一位管理人选择集中投资组合,甚至将整个基金投资于一家公司,那是管理人的风险,而不是我的。你越认为自己是对的,就越应该愿意集中投资,但要知道,如果你集中投资时错了,后续基金将很难募集。” 在经典的投资术语中,“你越认为自己是对的”就是阿尔法——它是基金经理跑赢市场的能力。如果你认为自己的技能是在市场中挑选资产,那么你就会制定策略来最大化阿尔法。你将自己定位为在市场中获得所需资产的敞口,并优化与较小投资组合的深度合作,将资本规模化以垂直资助市场中这一狭窄的子集。成功意味着投资资本获得高倍回报。 如果你认为自己的技能不在于判断正确,而在于获得进入理想资产类别或整个市场细分领域的机会,那么你就会制定策略来锁定贝塔。贝塔策略寻求广泛接触投资,以在目标市场中实现覆盖。贝塔策略需要通过更大的投资组合实现多元化,并扩大资本规模以锁定市场覆盖的广度。成功意味着业绩与市场基准保持一致。 公司的阿尔法与贝塔策略选择会影响三个群体: 创始人 普通合伙人 有限合伙人 成功始于了解正在进行的游戏。对于创始人、投资者和有限合伙人来说,在 Alpha VC 合作关系和 Beta VC 合作关系中都可能找到成功。关键在于了解你正在与哪种类型的合作关系打交道,并确保投资策略和由此产生的战术运营风格符合你的需求。 Alpha VC 与 Beta VC (致创始人) 作为创始人,你可以选择与哪位投资者合作,了解他们的策略至关重要,因为它将决定你与他们建立何种合作关系。 阿尔法投资者会投资于信念、逆向思维者和被误解的事物,以此作为获得超常回报的途径。这些投资者相信,无中生有可以成就一番事业,而一番事业可以带来一万倍的回报,从而定义他们的职业生涯。阿尔法风投通常投资组合较小,他们可能会表现出令人费解的好奇心,深入探究细节,并要求投入时间来全面了解业务。在方法和机会上持有强烈观点可能会导致围绕投资决策展开不愉快的对话,但在建立合作关系后,也能带来更强的协同效应。对阿尔法风投来说,每一项投资都很重要,积极参与公司的成功是他们的首要任务。投资者会将其宣传为“深度支持”,但这种合作关系可能会很紧张,甚至随着时间的推移,可能与创始团队产生冲突。 贝塔投资者遵循覆盖模型,并利用市场地图进行导航。他们寻求广泛接触共识性机会,通过大型基金和庞大团队来创造优势。投资者被部署以高效识别符合公司叙事的机会,并通过贝塔风投具有明显优势的融资策略来强化这些机会。创始人可以快速获得大量资金的决策,且对价格敏感度有限。贝塔风投合伙人以高速度处理交易,投资后不太可能深入参与。“合作关系”看起来要么是将支持请求交给平台团队,要么是创始人建设时被动等待结果。这限制了他们对你业务的影响,无论是负面的还是积极的。 然而,将资本获取视为竞争优势的观点将塑造你的公司,并可能在你的组织规模超越业务发展时,对投资者产生一种令人不安的依赖。结果,你的公司基因将围绕资本作为解决挑战的主要方案。 **Alpha VC vs Beta VC** *致普通合伙人* 普通合伙人(GP)在其公司创建的体系内运作,他们的工作因成功是来自创造阿尔法(Alpha)还是获取贝塔(Beta)而大相径庭。 Alpha VC 非常适合那些独立且不愿受人管理的特立独行者。这些投资者自我驱动,不担心在摸索过程中短期内犯错。Alpha VC 定义自己的关注点,掌控自己的时间,并受强烈的求知欲驱动去追逐感兴趣的领域。需要明确的是,追逐激情可能会导致灾难性的资本配置决策,从而缩短职业生涯。成功在于少数几次巨大的胜利,即对世界的独立、逆向观点迅速成为无可争议的共识,并产生足够大的影响。Alpha VC 的特点是团队规模小、顶层人员多,即使对于极具天赋的人来说,也常常难以进入,而那些对 Alpha VC 感兴趣的人往往会因此缺乏机会而创办独立基金。 Beta VC 机构的组织结构类似于资产管理公司。这些机构是多层级的,通常是孤立的,具有决策和控制矩阵。最高层的人员专注于公司建设,通常需要停止花费大量时间与创始人或初级投资者在一起。世界被划分为各个领域,每个团队的绩效都建立在董事总经理认为代表机会的类别、主题和论点之上。Beta VC […]

这不是1999年:别再称之为泡沫了 商业洞察
Oct 27, 2025

这不是1999年:别再称之为泡沫了

本文信息来源:startupstechvc 互联网时代是微薄的收入和宏大的故事。而今天,是数万亿美元的收入、真实的资本支出和物理限制。人工智能是基础设施,而非炒作。 你仔细审视数据、基础设施和潜在需求,这种类比就会彻底站不住脚。 20世纪90年代末,核心是首次实现**连接**。估值超出了现实,因为互联网似乎是不可避免的,即使那些公司并非如此。今天的人工智能浪潮则是在一个完全互联的世界之上叠加**智能**。引领这一建设的公司已经规模庞大、盈利丰厚,并用运营现金流而非投机资本为下一阶段提供资金。 1️⃣ 营收与规模:彼时微末,如今庞大 在互联网泡沫鼎盛时期,数据呈现出惊人的不对称。互联网股票市值约为 4500 亿美元 ,但其营收仅为 210 亿美元 ,亏损却超过 60 亿美元 。当时许多“顶级”互联网公司——Webvan、Pets.com、Commerce One——年销售额在 2500 万至 4 亿美元之间,但其烧钱速度却是销售额的数倍。 快进到今天,对比令人震惊: 亚马逊 :营收 6380 亿美元,营业收入 680 亿美元 苹果 :营收 3910 亿美元,营业收入超 1140 亿美元 微软 :营收 2820 亿美元,营业收入超 1000 亿美元 Alphabet:营收 3180 亿美元,营业收入 960 亿美元 Meta:营收 1640 亿美元,营业利润率 43% 英伟达 :营收 1300 亿美元,毛利率超 70%,同比增长 114% 总的来说,这些顶级平台每年的总收入超过 1.7 万亿美元 ,其中多条业务线(云、广告、服务、设备)各自的收入都达到或超过 1000 亿美元。仅云业务一项,每个平台的收入就超过 1000 亿美元。多家公司的广告收入也超过 1000 亿美元。而且,这些业务在庞大的基数上仍然保持着两位数的增长率 。 1999年,故事宏大而利润微薄。如今,在人工智能浪潮全面爆发之前,利润已经非常可观。 2️⃣ […]

a16z 举办 50 位创作者活动后的 7 点洞察 全球动态
Oct 01, 2025

a16z 举办 50 位创作者活动后的 7 点洞察

本文信息来源:internetempires 昨晚,我与科技周团队在 a16z 共同接待了大约 50 位创作者。 我们有梗图大师、TikToker、生活方式影响者、电影视频创作者、Substack 写手、时事通讯运营者、播客主、Youtuber、社交媒体负责人等等。 互联网建设者们济济一堂。 在这篇文章中,你将看到我从数十次对话中总结出的7点心得。 a16z 和 Tech Week 团队 1. 每个人都在建立邮件列表 即使是那些对 TikTok 或 IG 短视频了如指掌的人,也把电子邮件视为他们业务的支柱。 有些人利用活动来吸引新订阅者。另一些人则投放付费广告、制作引流磁铁,或者使用 ManyChat 将 IG 私信转化为列表增长引擎。 发布频率并不那么重要。 有些人每周发布一次,每月发布一次,每季度发布一次,甚至是不定期发布。 重要的是所有权。 每位创作者似乎都渴望一种直接、持久的方式来触达他们的受众,而不依赖于算法变化。 2. 线下活动比以往任何时候都更受欢迎 一些创作者花费数年时间在不同平台上建立数字受众、社区和粉丝。 现在,他们正在寻找建立线下联系的方式。 播客主正在举办现场录制活动。 社交媒体创作者正在组织私人晚宴、本地聚会,甚至是度假活动。 这些不仅仅是“粉丝活动”——它们是建立更深层次关系、信任和更高价值合作的渠道。 线上到线下的飞轮效应很强劲。 3. 赞助正在被打包 人们似乎正在摆脱一次性广告交易模式。 在我看来,这是明智之举。 将他们的时事通讯 + 播客 + 社交媒体动态 + 线下活动打包成捆绑赞助。 我打算借鉴这个模式。 (如果你想与我合作,请回复此邮件) 这种模式对创作者更有利:收入更可预测,谈判更少,关系更长久,并且能更好地与跨平台受众整合。 这对品牌也更好:一种关系,多渠道覆盖,大量可重复利用的内容,以及比传统枯燥广告位更具创意的合作方式。 这种转变感觉像是行业的一个成熟点。 […]

人工智能原生世界中的生物制造 商业洞察
Sep 29, 2025

人工智能原生世界中的生物制造

本文信息来源:acrewcapital 将时间与成本效率提升 10 倍以上 作者:Kunaal Patel 和 Acrew Capital 团队 Press enter or click to view image in full size 执行摘要 生物制剂的生产,从单克隆抗体到疫苗,都依赖活细胞来生产复杂的治疗性蛋白质。上游细胞培养或下游纯化中的微小变化都可能影响安全性、效力和质量,使本应是常规批次的生产变成代价高昂的失败。从开发到生产的交接(技术转移)以及从实验室到商业规模的系统性放大仍然是一个长达12个月以上的瓶颈。每一个失败的批次不仅延误了患者的用药,还会产生数百万美元的处置、根本原因分析和返工成本。 生物制剂制造每年花费超过 1200 亿美元 ,迫切需要更智能、更快、更可预测的流程。人工智能赋能的平台能够自动化技术转移协议并预测批次失败,有望使这一流程现代化——有可能将时间线缩短一个数量级,并显著降低运营开支。 为什么选择人工智能? 最新一波的深度学习方法,即 LLMs,已经从两个方面改变了这个领域: 计算。 参数扩展提供了计算能力,能够以前所未有的规模摄取、清理和建模多变量的非结构化和结构化数据。 下一词元预测。 具体来说,每个“词元”代表制造过程中的一个离散状态,例如给定时间点的 pH 值、溶解氧读数、搅拌器速度、细胞密度或营养浓度曲线。通过将这些参数编码为时间序列,基于 Transformer 的模型可以学习状态之间的概率关系,并使用下一词元预测来预测过程漂移、预判偏差并推荐实时调整。这种方法有效地“自动完成”了最佳制造运行。 我们相信, 专注于技术转移自动化和批次失败预测的 AI 赋能过程优化/改进平台代表了一个引人注目的机会,可以通过将时间效率和成本效率提高 10 倍以上来使生物制造现代化。 问题:基本的放大挑战 生物制剂制造放大是价值 $4481 亿美元的生物制药市场中一个关键的“死亡之谷”,有前景的疗法往往因制造挑战而非功效或安全性问题而失败。与小分子药物不同,生物制剂是在活体系统中生产的,这在从实验室(5-10 升)到商业生产(2,000-20,000 升)的放大过程中带来了巨大的复杂性。经济风险巨大——设施建设成本为 $200-500 百万美元,在早期放大尝试中,产量每减半,单位成本和批次失败率就会增加: 流体动力学变化 :随着生物反应器体积的增加,混合模式、剪切应力和气体传输动力学都会发生显著变化。这些物理变化直接影响细胞代谢、生长速率和蛋白质表达。 传热传质问题 :大型容器的表面积与体积比不同,导致散热和营养/氧气分布曲线发生变化,这会显著改变细胞行为。 过程控制复杂性 :随着规模的扩大,维持一致的 pH 值、溶解氧、温度和营养水平变得异常困难。 细胞系敏感性 :用于生物制剂生产的哺乳动物细胞系对环境条件极其敏感,即使是微小的偏差也可能引发应激反应,从而改变蛋白质结构或质量。 生物工艺可变性 :生命系统表现出固有的生物可变性,这种可变性在放大过程中会加剧,使得工艺重现性极具挑战性。 Press enter or click to view image in full size […]

SaaS 捕鲸:围绕百万美元平均 ACV 的规模化增长 商业洞察
Sep 17, 2025

SaaS 捕鲸:围绕百万美元平均 ACV 的规模化增长

本文信息来源:startupstash 借用 Paul Simon 那首老歌的说法,达到 1 亿美元年度经常性收入(ARR)的方法可能有五十种。在企业软件创始人和投资者中,最受青睐的方式是客户群的平均年度合同价值(ACV)达到 10 万美元,同时具备从单个客户每年获得 100 万美元收入的能力。 在之前一篇关于中端市场 SaaS 的文章中,我探讨了一类选择“轻量出拳”的玩家——他们专注于中型企业,因此往往在以企业客户为中心的同行阴影下运营。 本文将聚光灯转向另一类较少被探讨的群体——那些追求客户群平均 ACV 达到 100 万美元或以上的“捕鲸者”。 近年来,我与几家这样的重量级企业合作过:Earnix、FundGuard、LocusView、Novidea 和 Shield。以下是一些关于如何成功“猎鲸”的见解。 “猎鲸型”SaaS 模式的核心特征 平均年度合同价值(ACV)达 100 万美元的 SaaS 公司可谓凤毛麟角。它们数量稀少,大多提供针对复杂且高度监管行业的垂直解决方案。前面提到的公司活跃于金融服务和工业领域,而 Veeva(ACV 150 万美元)和 Epic Systems(900 万美元)来自医疗健康行业,Palantir(400 万美元)则服务于国防领域。 要在这种追求中取得成功,“创始人与市场的契合度”成为关键优势——结合了深厚的行业专业知识和在目标市场中建立的稳固人脉。即便是该领域中罕见的横向玩家 ServiceNow(130 万美元)和 Workday(70 万美元),其创始人也都是拥有数十年经验的行业老将,分别在 49 岁和 65 岁时创办了这些公司。 高平均 ACV 的另一面是客户基础较小。能够每年支付 100 万美元的买家数量有限,而对于垂直领域的解决方案,这个数量更是少之又少。反映这一动态,竞争格局也相对狭窄。这催生了一个独特的特征:与大多数企业软件公司不同,许多“捕鲸者”是以研发驱动而非销售驱动的组织。在我收集的成长阶段捕鲸公司数据集中(见下文),研发支出中位数占收入的 53%,而销售与市场(S&M)费用仅占 35%。 客户集中度是捕鲸者长期面临的挑战,几乎没有太多对冲手段。唯一真正的解决办法是实现规模化,让集中度随时间自然下降。然而,即便是数据集中表现最出色的公司,在收入接近 1 亿美元时,仍有 10% 的收入依赖于单一客户。 幸运的是,显著的客户流失很少见。在我所见过的唯一一次重大流失案例中,失去的收入很快就被其他客户的扩张所抵消。捕鲸型企业受益于极高的总收入留存率(GRR)和净收入留存率(NRR),其前四分位数的分界值分别为 […]

商业洞察
Sep 17, 2025

烧钱之罪

本文信息来源:startuphacks 初创公司失败的原因有很多很多。这是常有的事。 Paul Graham 曾著名地指出,大多数初创公司是“自杀”而非“他杀”,意思是说,杀死公司的往往不是竞争对手,而是创始人自己。 创始人可能会分崩离析,或者执行不力。更多时候,创始人无法打造出足够让客户愿意购买的好产品。如果创始人有技术背景但缺乏商业能力,他们可能能做出产品,但在销售上会举步维艰。 在所有自我造成的初创公司死亡方式中,我认为烧钱是最致命的罪。 烧钱通常不会发生在 Pre-Seed 阶段,甚至 Seed 阶段,但在 A 轮甚至 B 轮融资后可能会明显出现。 那么会发生什么呢? 简单来说,创始人的支出远远超过了他们所产生的收入。 他们雇佣的工程师和销售人员数量超过了收入所能支撑的水平。 一开始,他们会将支出提升到每月几十万美元,然后到 50 万美元,有时甚至达到 100 万美元或更多。 但由于收入滞后——而且通常差距很大—— 支出就变成了烧钱 。 而这种在真正实现产品与市场匹配之前,或在形成可复制的销售模式之前就持续大规模烧钱的做法,正是导致企业失败的原因。 事实是,要赚钱就必须花钱。要实现规模化,确实需要更多的产品和更多的销售。 但创业的艺术在于以避免巨额消耗的方式来运作。 而且很大程度上,这也是行业文化——我们刚完成一轮大额融资,就得去招聘、投入市场营销、销售——我们必须花掉这些钱。 是的,但是…… 问题在于,资金是燃料,但很多早期初创公司并没有足够的条件来加速前进。 第二个问题是,建立一套可重复的销售体系非常困难,需要大量的技能和时间。而且,当产品尚未完全准备好时(这在初创公司中很常见),难度会更大。 第三,你并不真正知道什么时候会在增长上遇到瓶颈,或者市场会发生转变。 你可能会连续几个季度表现出色,但接下来就会有一个不太理想的季度。错过一个季度的目标——也许还可以接受——但如果连续错过两到三个季度,就必须非常谨慎地控制支出。 初创公司的规模化非常复杂,而花钱是一门艺术。 我见过一些创始人基本上无视经营的艺术,只是一味花钱。这些创始人觉得自己的工作就是花掉他们筹到的钱。这是一个严重的错误。 当这些创始人意识到自己可能会没钱时,他们的本能反应是去筹集更多资金。这是一个更大的错误。 创始人的工作是建立一个能够运转的企业,而不是筹钱和花钱。融资只是手段——它是必要的恶——但当你想清楚时,它确实是恶。 最优秀的创始人从不把钱花在无关紧要的事情上;他们从不浪费资金。最优秀的创始人是资本的卓越管理者,他们才是真正的创业艺术家。 每一次我看到创业者筹集了过多资金并迅速烧钱,故事的结局都很糟糕。无论你多少次告诉这些创业者停一停、反思一下、不要急着花钱,他们似乎都听不进去。他们以“增长”的名义花钱,然后才发现资金快要耗尽,又想继续融资。 我参与过的最成功的创业历程,都是那些精打细算、甚至有点吝啬的创始人。他们不喜欢花钱,更讨厌烧钱。这类创始人往往先找到突破口,再建立可重复的销售模式,最后才真正实现整个业务的规模化。