最近跟随锦秋基金的“Scale With AI”硅谷行，我在那边待了 10 天时间 ，于我个人而言有很多收获 ，这也是我最近 7 年来再次去硅谷。
就像我在朋友圈所说，这次在硅谷真是各种巧遇 ，很多在国内没见上甚至快 10 年没见过的朋友 ，都在那边的一些活动或者聚会上意外地碰上了。
期间跟硅谷那边的 VC 投资人、创业者 、高校学生/研究学者以及大厂从业者进行了大量交流 。
一 、宏观感受：硅谷仍然是人才、资本以及创新的聚集地
由于信息量太多我有选择性地说一些个人感受，整体而言 ，硅谷仍然跟我 10 年前第一次去的时候非常类似 ，这是一个人才 、资本 、创新等各种要素的聚集地，各种信息在这里的流动速度非常快 。
仅仅是这 10 天时间 ，我在那边见过的国内创始人和投资人可能比我在国内一年见得都要多上 10 倍。虽然前几年情况我不太清楚 ，但很多人说 AI 让硅谷再次回到了 10 年前的样子，湾区在重新崛起 ，我的感受是类似的 。
无论是我见过的创业者、投资人 、高校学生还是大厂的人 ，大家对 AI 时代的未来都充满了信心，这是一个比互联网时代具有 10 倍甚至 100 倍级机会的时代 。互联网的加持，让各种信息的流动得到了极大加速 ，而很多机会就诞生于这些信息的高速流动过程中。
比方说几乎所有来分享的嘉宾都希望能招到合适的人才 ，即使整个大环境面临各种裁员；一些聚会交流过程中可能就谈成了一些合作，idea 碰撞的过程中可能就有斯坦福的学生决定辍学创业了 。虽然这些是小概率事件 ，不过有意思的是我在这次的 10 天行程中都还亲眼见证了 。
尽管整个创投环境在发生一些变化 ，但是创业者的理想主义色彩仍然相对比较浓一些，大家对商业化没有想象中的那么迫切 ，特别是早期阶段。
二 、这波 AI 创业的门槛相对是比较高的
我印象比较深的一点是 ，创业的门槛其实是比较高的 。在与大家的交流过程中，无论是做硬件、AI 大模型还是 AI 应用甚至做 VC 的 ，大家探讨的东西都还是比较细节 ，非常的技术化和学术化，说着说着就会引用某个 Paper 论文的结论和数据 ，这和互联网那一波的创业还是有很大差别 。
从业者对学术最新研究的关注度在我看来可能是历史最高 ，特别是最前沿的技术领域表现最为明显，比方说 AI 机器人 、大模型甚至 AI 编程等领域。
这同样反映在高校的学术研究和大厂内部的研究以及创投实践结合得非常密切，资金 、人才、知识在这几个环节流通的这个机制仍然非常高效 。
但各种 AI 基础设施的不断完善 ，也让“创业 ”的门槛在降低和普及 ，让创业越来越成为一种生活方式 。
三 、文字是通往智能的捷径
大模型这块我不是特别熟悉，大部分聊的都是共识的东西 ，比方说 Pre-Training 在现有架构下基本上都认为已经结束。不过有几个观点比较有意思：文字是通往智能的捷径 ，视频和文字之间的效率差距是几百倍。不同模态的对齐，目前还没有形成共识；
另外 ，对于合成数据的使用 ，目前也还没有形成共识，比方说大模型生成数据然后训练小的模型是可行的 ，但反过来就比较难 。在视频这块 ，目前的问题是，生成视频对于轨迹不精确 ，很难体现物理规律 。
四 、AI 机器人的 ChatGPT 时刻还远未到来
AI 与机器人的结合 ，是我这次印象比较深刻的一部分，目前大火的 AI 人形机器人，在大部分从业者看来 ，还远没有到类似 AI 的 ChatGPT 时刻 ，而最大的阻碍就是数据。
这个领域的数据闭环还没找到可靠路径，核心原因在于 ，机器人需要在物理世界中精确完成任务 ，而不是仅通过虚拟语言来做各种生成 。但物理世界的数据，目前不仅获取很难 ，行业也比较缺乏统一的数据共享和激励机制 。
机器人的“关键时刻 ”需要满足几个条件：
通用型：能够适应不同任务和环境；
可靠性：在真实世界中具有较高的成功率；
可扩展性：能通过数据和任务不断迭代和优化。
在跟从事相关研究的学者的交流过程中 ，谈到了机器人的范化（Generalization）的难点：
环境复杂性：家庭环境、工业环境的多样性和动态变化；
物理交互问题：比方说很简单的一个开门动作就涉及到了门的重量、角度差异 、磨损等物理特性；
人机交互的不确定性：人类行为的不可预测性对机器人提出了更高的要求 。
在实际中，就像扫地机器人 ，现在也没有能处理所有场景的机器人 。一些看似非常简单的任务比方说扫地或者做饭 ，由于环境的复杂性和动态性，其范化要求也非常高。
当然这也带来了很多新的机会 ，那就是让机器人专注于某个特定任务 ，而不是追求全面的人类能力，即使你选择某个非常细分的领域，仍然有非常大的机会 。
就像美国是一个非常多群体多族群的国家 ，每一个族群都有很多不同的特殊情况 ，因此做一个解决所有人的范化解决方案同样不可能，所以很多创业公司会把大公司的解决方案放到某个细分领域也能做得非常好 。
很多做机器人的创业者 ，就选择了某些非常特定的场景 ，通过产品化实现数据采集的闭环，同时这些特定场景的解决方案也比较容易做商业化。
另外 ，无论是在跟学界 、投资人还是创业者的交流过程中 ，大家都认为中国在机器人这块的供应链优势非常明显，一位美国本土 VC 投资人认为美国基本上没有赶上的机会了 ，因为关于这块的整个制造链条 ，美国啥都没有了 。
五、2025 年的主要投资机会仍然是在AI应用
跟 SaaS 时代一样，普遍仍然认为在美国基本上没有 Killer Apps for everyone ，大家习惯于在不同的场景中使用不同功能的 App ，关键是让用户体验尽可能的无障碍 。
但 AI 公司作为一个新物种，和之前的 SaaS 很不一样，一旦找到 PMF ，其收入的增长会非常快 ，可能完全就是爆发式增长。
这点其实我们能非常明显地感受到，像 2024 年我关注过的一些 AI 编程 、法律 AI 、AI 教育以及 AI 搜索引擎等领域的公司 ，在找到 PMF 后其收入都实现了爆炸式的增长。
另一个现象是 ，大企业里对 AI 产品的消费决策部门在发生变化，一些之前往往是控制成本的部门比方说财务和 HR人事等 ，现在反而对 AI 产品的消费有极大激情 ，这背后原因是这些之前往往依靠人来做的事情，现在逐渐可以通过 AI 来做的 ，并且更加高效 。
因此在 AI 时代 ，越是人工成本贵的领域，越容易被 AI 取代 ，也是 AI 最容易切入的领域 ，而那些人工成本本身就很低的领域，用 AI 反而没什么竞争力 。
六、AI让硬件和软件强行绑定起来
AI 与硬件的结合也是大家非常关注的一个领域，除了上面提到的 AI 机器人 ，越来越多其它场景的 AI 硬件产品在冒出来 ，而 AI 对硬件来说，核心是让商业模式开始发生了改变：它让硬件与软件强行绑定了起来 ，产品销售到用户手里后 ，可以持续收费，实现 Recrring。
这和我之前所说的“新一波硬件+订阅公司兴起”的现象非常类似 ，在当前这个时间点上 ，大家认为技术的变化已经到了创业的实践点，特别是 AI 可以把人类有用的信息学习到 ，并且 Scale 起来 ，这让模型具有了实时性，开始走向拟人化 。
让模型走向拟人化 ，那么大量的对话式智能硬件就可以产生 ，比方说陪伴的生命感更容易被触动到，进而产生了大量的陪伴类宠物产品 。
另外，传统的扫地机器人本质上是对自动驾驶产品的边界拓展 ，但麦克风+摄像头+AI 的结合可能就会产生完全不一样的产品。
对于大厂来说 ，硬件是一个新的数据入口，这也让大厂成为这波 AI 硬件的先行者 ，比方说当下正上演百镜大战的智能眼镜这个领域《CES 上最火的 AI 眼镜 ，竟然是中国美瞳一哥做的》 。
七 、几句让我印象深刻的话
在这次与一些美国本土 VC 投资人的单独交流过程中，他们有一些让我印象非常深刻的话：
中美创业者最大区别：Co-founder 不是 Equal Partner；
将自己的产品融入你客户的工作流程 ，哪怕只是其中很小很小的一个环节；
将 AI 应用到那些很少有人注意到的传统行业 ，你获得的收益可能会更好；
最好的信号，就是从用户听到是不是真的值得做 。
最后想说的是 ，其实在一些领域 ，我们是有非常大的优势的，比方说机器人 、供应链、C 端应用包括现在逐渐展露头角的大模型 ，但是各种内卷让整个链条赚不到钱 ，或者说最后只能赚到非常少的一部分钱，我觉得这种卷是非常不健康的，如果我们哪天的内卷能变成是一种向上而非向下 ，当价格战不再是第一个竞争策略 ，当成本的下降主要来自技术的进步而非降低产业链的利润时，或许整个行业会。
