跟Zara聊AI: 后DeepSeek时代，中国创业者如何把握时代机遇
01:08:29 Share

Hello 欢迎来到这一期的出海和吼人出海和吼人是一档由千岩传媒制作的播客节目我们专注于海外文化创业动态和科技趋势通过对话聊天的方式呈现与之有关的故事和观察我觉得 DeepSeek 对于应用创业者是一个巨大的利好尤其是非技术背景的创业者尤其是中国应用出海创业者这是非常非常好的一件事情就是我们真正进入了 AI 应用层创业的黄金时代

100 个人里面可能有 99 个人是陪跑的其实有的时候我觉得是需要这种氛围的有的时候可能你觉得 99 个人都不靠谱但最后可能 10 个人都最后 turn out to be really 靠谱因为他们在这个里面他们也被股东精心在里面去学习

其实每一波科技革新的浪潮之中其实文科生都特别容易焦虑但现在回看来说就是其实每一个技术革新之中就是真的帮或者说文科生的这个答案或者说出路其实都是一样的就是说我们怎么去思考怎么去解决怎么去了解一个比较 contextual 的或者说比较 qualitative 的一个问题

大家好,欢迎来到出海合伙人今天我们非常开心邀请到了一位跨越科技与文化连接中美两地的重量级嘉宾 ZaraZara 是一位 AI 从业者目前居住在硅谷任职于一家知名科技公司她的职业与生活经历非常丰富多彩跨越多个国家与领域本科她毕业于哈佛大学曾主理播客组织进化论同时她还是硅谷计算机历史博物馆的讲解员

今天我们将和 Zara 深入探讨她在中美两地丰富的 AI 科技和出海经验在节目的最后 Zara 还会带我们回顾计算机历史聊聊那些塑造今日 AI 发展的关键时刻如果你是一位 AI 创业者或者对科技的演变充满好奇相信这部分内容一定会给你带来不少启发那我们欢迎 Zara

Hello 大家好然后今天跟我一起主持的呢还有 LisaZara 刚刚给你简单的介绍了一下你再自我补充一下不好意思对对对我一直穿梭在中国和硅谷之间因为我本科是在美国读的然后我毕业之后先是在湾区工作在一家风险投资基金然后又回到了国内做风险投资然后那个时候做了很多事情是帮助

美国创投圈的人理解中国互联网是怎么 work 的然后后来我回国之后又做了很多帮助中国的产品出海的工作然后两年前又从中国搬回了硅谷所以就是来回像乒乓球一样的所以我平时也聊了非常多出海的创业者包括大厂的朋友包括对于中美的两个 AI 的 ecosystem 以及现在 AI 创业怎么做就是平时会思考的比较多吧嗯

所以我觉得 Zara 其实是有好几个就是相当于切片式看待硅谷的这个时间应该是大学毕业之后现在硅谷然后然后最近又来了硅谷那你觉得这两个时间段间隔了大概有七八年的时间那对我想问问你觉得这两段时间去对比的话你觉得有没有什么比较明显的变化

挺不一样的就是 1718 年那个时候就还是移动互联网的那个浪潮嘛然后那个时候其实中国是比较领先的或者说硅谷的创投圈的人还是对中国非常感兴趣的包括

中国的很多明星公司都是移动互联网的明星公司都是在那个时候起来的所以那个时候中美之间频繁的交流还是蛮多的然后现在首先移动互联网变成了 AI 就是现在龟舞就是真的是你随便去个咖啡厅你所有人都在聊 AI

就是从早到晚只聊 AI 然后另外就是中美关系发生很大的变化但这个东西在这两周发生了很大变化两周前大家还对中国的 AI 没有那么感兴趣就是大家都觉得美国是在 AI 领域绝对的领先然后全球最领先的 AI 公司都在美国都在硅谷但是 DeepSeek 出来之后这个肯定已经有变化了就现在大家对中国的 AI 肯定是

非常非常高的兴趣但是这个一个 narrative 的变化就是现在中美两国是一个非常对立的状态所以大家谈起中国的时候还是作为一个 adversary 的这么一个故事线而不是像之前那样我们是不是可以互相学习好神奇啊其实我觉得像 Zara 上一段在硅谷的时候应该算是我觉得最好的时候吧那个时候我觉得经济大家整个也都比较乐观也算是移动互联网其实比较

怎么讲最乐观的一段时间吧然后在此之后可能就比较急转直下但是在那个时候你见证了这个乐观你觉得到现在今天其实这么一个比较敏感的时间你觉得像这样中美之间沟通的桥梁包括其实咱们可能两星期连前聊到现在其实又变了你怎么看待这样的一个中美之间沟通桥梁这么一个角色

对我觉得如果单纯做桥梁本身意义没有那么大了就是如果你做的只是一个 information arbitrage 就是给中国讲美国怎么 work 或者给美国讲中国怎么 work 就可能我觉得更有意义的事情是你把

全球两个最大的科技的 ecosystem 整合起来作为你的 data point 去做决策因为我们在中美都待过的人就是你的一个独特的优势是你在全球最大的两个科技系统下和创投圈都有了解所以你见过的东西更多比如说什么样的产品是可以 work 的什么样的创业 idea 是 work 的

然后你不仅有一个市场的 data point 你有两个市场 data point 所以我觉得这个对于你做事这个决策是够有帮助的而不是单纯是在两个系统之间传递信息其实我觉得 Zara 刚才提那个特别有意思就是我自己感触特别深因为其实很长一段时间里面我都觉得天哪就是帮中国的公司在海外去发声很困难因为大家天然的关注度就低你要不然就是你公司本身足够强

或者你的产品足够强但是就是 China 就是中国这个点从来不会是去世中的一部分我觉得 Deep Seek 这个出来了之后是一个非常大的转变首先它验证了硅谷还是崇尚技术的就是你只要技术牛逼不管你是中国人美国人印度人就是 Nobody cares 你只要技术真的牛逼

大家还是会觉得就是你就非常厉害并且大家真的会用你的产品像 DeepSeek 虽然就大家都知道他这个中国的产品他也没有藏着掖着但是他还是冲上了 App Store 第一名包括很多美国的企业客户也都在往 DeepSeek 迁移

当然因为它是 open source 所以它可以就是部署在自己服务器等等所以它可以确保数据安全等等但是就至少向我们证明就是科技如果你是真正一个 paradigm shift 或者真正的是一个足够炸裂的东西它是不分国界的就是大家不会因为你是一个中国的东西就歧视你或者不去用你的东西

我是想问因为正好也聊到 deep seek 以及说就算是在有这个非常强的这个 tensionZara 自己身处在硅谷感觉到就是大家的舆论以及说反响是一个什么样的对其实我觉得这些大家网上看到的东西都差不多我觉得没有因为我在硅谷就会看到不一样的东西其实我觉得现在中国社交媒体对于硅谷言论是完全拿捏就是

你看现在中国的那个讲 AI 的公众号下面全是推特截图就是基本上我觉得没有特别多差别就基本上我看的东西跟国内的大家看到的东西我觉得都差都是那些但是可能大家的 interpretation 会有不一样然后我个人来讲我最开心的一件事情除了见证一个就是来自中国的 AI 公司能引起这么大轰动另一个就是我觉得 DeepSeek 对于应用创业者是一个巨大的利好

尤其是非技术背景的创业者尤其是中国应用出海创业者这个非常非常好的一件事情就是我们真正进入了 AI 应用层创业的黄金时代因为像一两年前就是 Perplexity 的 CEOAlvin 一直有一个观点就是他说他之所以不做模型就专注做应用是因为他觉得大模型迟早会 commoditize

就是这个成本会不断的降低然后他觉得做模型没有壁垒做应用才有壁垒虽然那个时候大家都管他叫 gbt rapper 但是他就坚持做 rapper 然后今天他验证他是完全正确的就是模型真的被 commoditize 他成本真的降到足够低所以如果你今天比如说

比如说你上周做个应用你可能还要想一想这个是不是推理成本太高了或者说模型是不是太贵了等等现在可能这些你都不用太担心了你就是放开手去做应用就好了并且你可以做出非常非常多创新的场景而且我觉得尤其是对于这种

非技术背景的创业者来说非常有优势因为你如果做的不是模型的话其实你更多的是需要对场景和用户的洞察我觉得这个是中国移动互联网这个时代培养出来的很多古典产品经理最擅长的事情

古典产品经理我觉得这个词真的好搞笑就是时代真的发展太快了就是稍微过个七八年过去你就已经成为了古典产品经理那我就不好意思我就想插一句那你觉得现在新时代的产品经理是什么样子的

对就是我觉得基于 AI 做的产品跟以前移动回来网产品一个最大的区别就是你利用的那个底层技术是在不断变化的比如你做个移动 APP 至少你知道这个底层的这个 App Store 或者一个 iPhone 那个基础设施大概它几年是不会变的就是

你用的那些变成的手段等等它都是就在那摆着你就直接用就好了但是现在可能你做了一个东西一个月之后就是发了一个新的模型然后所有东西你都要重新想一遍或者说就是你用的这个底层技术它每个月都有新的进展

都不是以年为单位是以月为单位就是我那天看了一个 OpenAI 的产品负责人的访谈他经常愿意开一个玩笑他说他们经常有他们有个企业客户问他说你能不能下次出新模型前六个月跟我打个招呼然后那个 OpenAI 产品负责人说我也想知道就是连他自己都不知道他们 OpenAI 下一个模型什么时候出来就甚至可能连研究员也不一定知道所以当我们在用一个

快速发展快速变化的底层技术做创新的时候这个跟以前是很不一样的一个做事方法比如说我觉得它特别像冲浪对就是很多人之前那个上一波就是做 AI 应用不是很多人会很怕 OpenAI 发新模型因为他们觉得下一个 GPD 出来那我这个公司就死了当时有一个玩笑就是说每次 OpenAI 新发一个模型 YC 公司就死掉一大半对但是

实际上你应该做的是每次新发模型你觉得就像过年了一样特别开心因为你终于可以用更先进的技术去解决你真的要解决问题所以我觉得它像冲浪是因为你怎么能站在那个浪尖让它把你拖上去而不是被打死在沙滩上

对就是这也是为什么我非常看好 vertical 的创新就是垂直领域的创新而不是上来就做特别通用的 horizontal 的产品就是什么样的产品是模型越强大你的产品就越强大而不是模型越强大你产品就越没用了那一定是 vertical 足够垂直足够具体的场景然后

而且我觉得对于中国出海创业者来说大概率是 2C 的因为 2B 还是对于出海难度还是太高了尤其是对于可能在海外工作生活经验没有那么久的 Founder 来讲它的确对于 GTMA 包括这些社会关系要求是非常高的但是我觉得 2C 是非常有耻的因为

其实美国的 2C 整体是不如中国的就中国的这个 2C 是非常强的但是美国 2B 是非常强的所以如果你想把两边的优势结合起来那就是用最先进的 AI 技术去做垂直领域的 C 端应用我认为

聊到这个就是 Zara 提到就是现在可能做更好的 vertical 是一个更好的方向其实我们在对接很多的 AI 出海客户的时候一个挺强的感受可能目前能想到的很多场景都有挺多 players 在里面了那对于一些初创公司在这里面还有没有说有可能再去这种已有的这些 vertical 里面建立壁垒还是应该去换一个思维去开拓这个更好的一个 market share 呢

对我觉得世界上其实没有新问题就是解决问题的手段是不断的有新的东西出现但是问题永远是那些问题就像当时福特说我问用户要什么他们只会说更快的马但是他发明了汽车其实马和汽车都是解决人类要走得更快的问题它听起来是两个不同问题实际上是一个古老的问题

所以我觉得我们要用 AI 创业我们应该做的是用新技术去解决老问题而不是用老技术解决或者是这个虚构的问题对就是然后这块我举个例子咱们之前也聊过就是硅谷现在特别火的一个 AI 创业公司叫 Granola AI 他们是做会议基要的然后一说起 AI 会议基要大家马上脑海里浮现就至少 10 家就是

做这个赛道的创业公司包括像 zoom 啊 google meet 那些会议软件也都做了类似的 AI 的机要产品所以你看似这是一个几乎已经没有任何创新空间的领域或者说你一个创业公司进去可能就几乎很难获客了嗯就是现在大家心知已经被那么多产品占领了对但是这个 Granola 现在就非常非常火口碑也特别特别好

诶 滚轴网算是一个后起之秀吗是后起之秀对它也就是这几个月才出来的纯创业公司它是一个连续创业者它之前做了一个教育就是美国版的拍照搜集然后被 Google 收购了然后它从 Google 出来然后想做一个基于 AI 的创业公司然后选了会议的这个切入点然后我就很好奇嘛然后我就去用了一下然后你就发现其他的会议机要产品大家都用过基本上就是

AI 给你生成一个逐字稿然后它可能基于大模型给你做一个 summary 告诉你这个会上发生了什么或者你下一步 to do 是什么然后再好一点的你可以做一个 reg 就是基于这个会议内容可以做一个问答这个是大部分 AI 会议基调产品的功能

但是它这个就非常不一样就是你开启了一个会议之后你面前摆的是一个 note pad 就是一个像笔记本一样然后 AI 在你的 background 里还是在给你记竹子稿但是同时呢你也会记一些你脑海里冒出来的想法因为其实大家平时开会的时候你其实在记两样东西一样是别人在说什么另外一样东西是你脑子里想出了什么所以 Granola 相当于给人和 AI 做了一个很好的分工

他让 AI 去做那个记别人说什么这件事然后让人来专注记你脑海里想了什么这件事而且你不需要记得很完整就可能就是只言片语或者是一些也不用关心什么语法呀拼写之类你就是记就好了就是一些 bullet points 可以很草的那种然后在会议结束之后

这个产品会把你的这些潦草的想法和 AI 的竹子稿整理起来帮你结合起来生成一个非常好的回忆基要这个就是它最大的 killer feature 然后大家非常非常喜欢这个功能但是你去看它这个产品的壁垒是什么它用的模型也都是大家在用的模型它的 AI 绝对不是它的壁垒

对它的壁垒是它对于会议机要这件事的理解以及它对人和 AI 之间怎么配合的理解绝大部分的会议机要产品背后的一个产品哲学是 AI 要帮你把整个会议机要都写完

然后你就啥也不用干了但是他背后的理念是 AI 有 AI 的分工人去专注做人该做的事情 AI 去做 AI 该做的事情然后我们把这两个整合起来这是他的一个理念所以他不想改变你原来的工作流他是想把你原来的工作流给你 supercharge 然后让你能专注会议本身而不是记会计要这件事情所以然后我去把那个创始人所有的访谈听了一遍他上过好几个播客节目

对然后你会发现他他说我想做一个有灵魂的产品他觉得做 AI 产品不能只去听用户反馈或者只看数据就是产品经理必须要有自己的一个 intuition 和他的一个一个产品哲学在里面对然后我觉得这是一个很好的就是 AI 应用创新的一个典范吧

就是在一个看似已经没有什么空间的赛道里如果你用一个完全不同的产品哲学来做一件事情还是会有空间对我再补充一下他们那个周流存达到 70%就是非常非常不可思议对

就是用了基本上就不会再走了只要是有这个需求的人对而且他们最近又加了一个特别好玩的功能就是他又加了一个实时的问答就比如说你跟别人开会的时候突然走神了两分钟我们都有过这种经历反正走神之后可以回来问 AI 说 what did I miss 然后他还有一个还有一个 prompt 是 make me sound smart 就是你可以让 AI 帮你

你可以问我下一句说点什么能让我听起来很牛逼就非常符合人心非常人心而且感觉他们现在已经 on the track 就是这条越来越人性化的路每一个都击中大家的把心这种感觉

对对你说这个东西它是不是一个壁垒但就是如果只让它碰到一个功能是这样子的那可能这不算它的壁垒但如果它这个 philosophy 就是深深的印在这个公司的基因里面那我觉得这就是它的壁垒

所以我觉得现在就回到这个问题我觉得其实 Zara 之前也在很多别的地方有提到就是说到底什么样的人才在这个时代才是真正有前景的换句话说我记得 Zara 之前在 LinkedIn 上有发表过类似就是咱们文科生在这个时代里面到底有没有用武之地我觉得你刚才讲的这些就是一个非常生动的案例告诉我们其实文科生不仅有用武之地而且可能在有一些地方有着非常重要的这个

举足轻重的作用吧在一些新的应用场景的这个挖掘上面

嗯对我会用文科上去概括所有就是非 AI 技术背景的人吧就不也不一定是非得是学这个人文专业的我认为所有就我我指的更多比如说所谓的 non-technical 对这个这个画像然后我觉得一个比较好的 AI 创业团队的组合是一个技术专家加一个领域专家就是那个领域是你用 AI 去解决的那个问题嗯

然后比如如果你要做 AI 教育那就是一个懂 AI 技术的人加一个懂教育的人但是我觉得这个 Domain Expert 现在非常非常的关键因为 AI 不是目的本身它只是实现目的的一个手段那你去 AI 要解决那个问题是什么这个人是要更懂那个问题的然后这个也是我认为 Non-Technical

在 AI 时代发挥的最大的价值就是如果技术背景的人才是锤子的专家那么非技术背景的人才就是钉子的专家因为大部分 AI 产品就是在技术发展早期都是锤子找钉子的状态所以你怎么去找到那个钉子

首先你也要非常了解这个领域了解用户了解需求他们的现状第二你还是要了解技术但是这个懂技术不是说你要自己变得 technical 而是要有 technical literacy 这两个东西的区别就是 technical 指的是你真正能亲自上手这个携带码或者穿一个模型什么的那个可能绝大部分人是没有相关背景是非常难做到的

但是你能做到的是你要理解这个技术的边界在哪你能理解它能实现什么效果比如说你每天上手用各种模型你知道比如说 O1 跟 GBD4 是什么区别或者说 O1 适合解决什么问题 GBD4 适合解决什么问题然后现在模型适合什么场景能解决比较好什么场景还不够好但是六个月之后就足够好了

就是你要理解这个的发展趋势发展速度以及这个大家比如说最前沿的研究员他们在演一个功课什么课题等等这个东西也不需要你去读一个 machine learning PhD 就是你只需要比如说关注 AI 最新的动态并且真正的上手去使用最新的产品和模型

我觉得这个是更重要的所以对于非技术背景的人来说我觉得一手抓用户和应用场景一手抓 technical literacy 如果这两个都有的话会是一个非常好的画像对 刚才讲到这个就让我想到其实每一波科技革新的浪潮之中其实文科生都特别容易焦虑

但现在回看来说就是其实每一个技术革新之中就是真的帮就或者说文科生的这个答案或者说出路其实都是一样的是说我们怎么去思考怎么去解决我们去了解一个比较 contextual 的或者说比较 qualitative 的一个问题

其实每一波技术革新里面我们都能看到这个其实是非常核心的一块比如说计算机这一波的技术革新里面最后走出来的几家公司 Apple 微软它都是非常强的这种需要有人性就是理解人性服务人性服从人性这一方面的思考和

问题的解决能力它才走到今天我相信就硬去比技术的话那可能就是在那一波里面会是像 IBM 这样的公司然后慢慢就被更懂得去设计更懂得去怎么把这个产品做好的公司去被取代了嗯

对我举几个例子比如说大家觉得 Steve Jobs 和 Sam Allman 是文科生还是理科生就是他俩绝对不是传统意义上的理科生就是 Steve Jobs 其实 Apple 最早期的技术突破都是 Steve Wozniak 完成的并不是 Steve Jobs 完成就是他自己的技术背景其实并没有那么硬核但是他非常擅长把技术翻译成一个大众真正能用起来的产品并且把这个价值传递出去

然后 Sam Allman 他虽然也是做过一些他辍学前也学过一些 CS 也做过一些 AI 研究但是他的 formal training 并不是什么 AI PhD 但是他也传了一个巨大的局就是吸引了世界上最前沿的 researcher 去实现一些技术突破所以首先我觉得文科生和理科生的边界在不断的变得模糊尤其是有了 AI 之后

现在非常非常多的 AI coding app 可以让你不写一句代码就能搭出很多可用的产品所以做产品不再是理科生的特权任何人都可以做产品做软件然后第二就是要想实现一个技术革命我们需要的人才画像是非常多元的我们需要的人才画像

我们需要厉害的研究员工程师去突破技术的边界但是我们也需要像 Sam 这样能传举的人有商业 sense 的人去想一个什么样的 business model 我真的能把这个东西卖出去能达到一个市场我们也需要像

Steve Jobs 这种 communicator 和 product manager 去把它翻译成一个产品和很好的一个故事所以这些画像都是需要的不是说我们只需要研究员或者工程师所以我觉得大家就是想清楚这个时代需要什么以及我这个画像的人在这个时代里能扮演的角色是什么

对其实我我前几天刚还看了一个我觉得可能大家也也都有看过那个那个 steve jobs 的一个访谈就别人问他就是你觉得 ultimately 你觉得苹果成功呃最重要的因素是什么然后他说 it's taste 是啊是啊就是品味嘛对对对

对但我就觉得 Taste 这个东西它翻译起来应该也很微妙它肯定也不只是一个审美它就是一个对你说的这个 translation 吧对真正有 Taste 的人一定是理解技术的因为你理解技术了你才能知道技术能实现什么效果你才能给大家超越他们预期的东西就还是回到我们说那个福特问用户要什么他们只会说更快的码但是因为福特懂技术他知道我们可以给他汽车

就是你有 taste 的前提是你知道技术最前沿的发展是什么样的就是你能从前沿的一大堆各种各样神神奇奇能实现的东西里面挑选出来一些能够 wrap 起来包装起来最让人觉得就是激动人心的东西出来对因为我觉得在一个新的技术量上出来的时候你肯定不能问用户他们想要什么因为用户也不知道他能要什么他用户是没有想象力的他

他不知道这个技术还可以实现这种效果但是你是知道的所以我们去做用户访谈的时候也不是说问你要什么而是说而是真正了解用户现状是什么样的他们现在是怎么做这件事情然后你再把这个现状

跟你觉得技术六个月以后能实现的效果结合起来还不是技术今天的效果是六个月以后的效果因为这个东西变化太快了所以你还要大概预测一下这个之后会怎么发展然后关于这个怎么预测我觉得那个 Granola 的 Founder 有一个很好的建议也是我在他访谈里听到的他说他会去看现在最贵最前沿的模型能实现什么效果

然后把这个做到产品里虽然很贵但是这个东西几个月以后一定会变得很便宜而且他说这个是创业公司独有的优势就是 Jeff Bezos 说过一句话叫 Your margin is my opportunity 然后那个 Granola founder 说 Your marginal cost is my opportunity 就是传统的软件是你服务 100 个人跟你服务 1 万个人的成本没有特别大的区别

但是现在有大模型之后你服务一万个人的 API 靠的那个成本非常非常高就是你用户越多你的成本越高所以这个对于大厂是非常不利的就如果你是 Google 你想要给你一亿用户都加上 AI 你这成本会非常非常高的

但是如果你是一个创业公司你可能只有一万个用户你就可以给他们上最好的模型然后你的 bet 就是三个月以后这个成本一定会下降然后你这个用户心智就占领住了对我觉得他这个思维模式特别好这个确实这就是可能这就是一个现在时代里面最好的对于他反而现在变得 startup friendly

从应用层的角度来讲真的就是你越想你越 lean 然后你越能 innovate 这个就是你的一个特别好的 edge 而且大家一定要相信成本会降下来就是不要把今天的成本当做是未来的成本我觉得我们今天录这个播客它更有意义就可能几周之前其实还没有 DeepSick

可能说这个事情大家还觉得哎不一定吧那现在他就直接实实在在的出来一个是真的太神奇了而且我其实觉得之前就是我咱们可能也聊过就是说呃其实中国和硅谷还是有一点差距在于之前的 ai 的 accessibility 不一样就之前其实大家都说差 GPT 差 GPT 但是其实就我观察包括咱们身边很多就是比如说创投圈的人包括一些啊科技厂的员工那我发现其实在这里面其实差 GPT 的应用率也没有咱们想象中的那么高

就是因为我知道我前一段我也在硅谷我就发现其实真的是大家 day to day 使用 AI 的频率是非常高的而且每个人都会进化出来自己的一套使用方法和使用的这个偏好但是现在马上就打脸了现在有了 DeepSick 出来我觉得哇塞那现在就是现在连我这次过年回家连我爸都在使用 DeepSick 了哈哈哈

所以我觉得天哪这个 gap 已经不存在了其实现在可能咱们每个人只要打开手机下载一下 DeepSick 马上就能开始使用起来很前沿很尖端的这个 AI 对它是第一个中美都能用的模型就之前是中国有中国的模型美国有美国的模型都是不互通的

然后 DeepSix 是第一个中外都可以用然后就很厉害对比如说它在中英翻译这件事上我觉得简直成精了就是简直就是全球最好用的翻译软件就一点几番味都没有是啊其实我觉得 ChaiJPT 的中文不是特别好不管是它的那个语音还是说你平时你跟它对话的时候就是文字对话的时候都不太好可能 DeepSix 在这块但是就是我

我也在想就是你觉得后面 DeepSick 会被美国禁掉吗我今天早上看到新闻说美国的海军已经把它禁掉了就是因为我也不是研究地缘政治的所以政策这块我也不是特别了解对但是我觉得至少让我比较开心的是看到它在 App Store 能排第一名因为这个说明不仅 AI 权的人用普通大众就是那些根本不关心 AI 的人也开始用起来了

我觉得这是一个非常强的事情就是你可以禁掉但是你也没有办法阻挡它真的是一个很好的产品就是大家真的想用这个产品是而且它的成本放在这我觉得可能你觉得会不会有一些比如说之前是接 Tri-GPT API 的公司转向去接 DeepSeek 已经有了已经有一些了我看到嗯

因为他们就会很快的能够降低成本太神奇了我觉得这一波真的是它变得越来越普及了然后我其实回到刚才我提到的那个点就是说我觉得国内和硅谷其实使用 AI 方面还是有挺多 preference 上面的不同的比如说我发现硅谷的人更愿意用 cloud

然后但我在国内我从来没有用过 Cloud 我就是一直用 Tri-GPT 然后包括我之前听 Zara 讲过你自己有固定的每一个东西每一个使用场景你会选择不一样的 AI 这个你能给我们讲一讲吗对我日常用的比较多的就是现在主要 DeepSeek 最多了 DeepSeek 之前是 Tri-GPT CloudGoogle Gemini 有时候也会用还有 Perplexity 然后浏览器上就是 Monica 插件

还有一个 google 的 notebook OIM 对这些是我平时会定期就是高频使用的然后 perplexity 就是当做日常的问答引擎就取代了 google 基本上然后 cloud 我觉得他是一个很好的心理咨询师就如果你有什么想法或者你今天不太开心就找他聊聊他情商非常高对

然后 Cloud 的写作能力也非常非常强比如说我平时在写一个英文的 newsletter 在 substack 上是关于 AI 的然后其实如果没有 Cloud 我可能就不会开这个 newsletter 因为我之前写作的工作流失我会有很多想法然后会写在我的 notes 那个 app 上但是就可能没有那么有条理就是一些 notes

然后我要把这些 notes 整理成一个可以发表的文章是需要我挺长时间的可能需要一个小时一篇文章但是有了 cloud 之后我在 cloud 上开了一个 project 然后这个 project 就是告诉他我的背景信息比如说我这个 substack 是讲什么的受众是谁我的写作风格是什么样的然后我每次就在 project 里开一个新的 thread 就可以了然后我就直接把我这些 notes 丢给他然后他就能给我返回一个写得非常非常棒的文章

基本上我改两三句话就能直接发表了所以原来一个我可能需要 40 到 60 分钟的事情现在只需要 5 分钟那它对我来说不仅仅是效率的提升它是我开 newsletter 和不开 newsletter 的区别就是因为它把我的这个心理障碍门槛降到足够低所以我会去做这么一件事情我就想去更多的创作

这也是认为我觉得 AI 带来最大的变革不是快和慢的区别而是有和没有的区别那你现在已经用 DeepSync 取代了 Cloud 吗我觉得还得再品一品我觉得有一些场景可以取我觉得 DeepSync 写作能力也非常强但是 prompt 要还在摸索怎么 prompt 因为有的时候它会过度的添油加醋就是它写的太花里胡哨了反倒有点那个啥对

我想问我记得之前在二二咱俩聊过一个就是每一个大模型之间它的性格其实是不一样的比如说之前我听有人说觉得 TryGPT 其实是我说的我觉得 TryGPT 有点懒就是它能偷工减料的时候它一定偷工减料那你觉得就比如说 TryGPT Cloud 包括 Google 还有 DeepSync 你怎么样总结一下它们的 personality

对就是之前前一阵纽约时报有一篇文章说硅谷 AI 圈的人都更喜欢用 Cloud 而不是 ChatGPT 是因为大家觉得 ChatGPT 特别愿意拍马屁就是它就像一个特别想讨好你的实习生然后就就是

但是他不会 challenge 你对然后 Cloud 是一个更成熟的人就是他也会想办法满足你的需求但是他不会拍马屁就是他觉得你不对的时候他也会指出来或者说他会告诉你你想不想过这个观点对

然后我觉得这个不一样是因为 Cloud 专门有一个团队是负责训练 Cloud 的性格的就叫 Cloud 的 personality 和 character 然后他们那个负责人叫 Amanda Eskel 我觉得 Amanda 就是非常典型的文科生在 AI 公司发挥价值她是学哲学 PhD 的然后所以她现在的工作就是要定义一个好的人是什么样的如果我们把 AI 比作一个人的话

而且这个人需要跟全世界各种背景的人交互满足大家的各种各样的需求并且他要符合道德底线那个这个人要遵守的道德底线是什么样子的然后他的性格应该是什么样他怎么跟人交流他要做的就是这件事情我觉得是特别特别有意思然后你能真的感受到当你跟 Cloud 聊天跟你跟 Chad GP 聊天就 Chad GP 是智商非常高然后 Cloud 是智商情商都很高

就是很多人愿意跟 Cloud 谈心就是因为他情商真的很高太神奇了那你觉得那个 DeepSick 的 personality 现在你自己去评估你觉得是什么样子的就是网上很多 C 端用户说用 cute 这个词来形容它因为他们看到了它的推理过程因为我觉得这个也跟产品设计有关因为其实 O1 也能推理但是 O1 那个推理就是一个 PPT

就比如说我现在在干这件事我现在在干这件事就是一个一个点的但是 Deep Seek 是一个意识流他直接把他在想什么全部展现给你并且还会好的我想一想这个不对我在想那个就是他那个特别就自己跟自己对话自言自语的那么一个感觉然后很多用户觉得他很萌是因为他觉得哇这个 AI 为了我要这么努力

他这个就觉得特别可爱然后当然我觉得这个不是他们故意把他性格训练成这样的而是因为他的这种 chain of thought 用自然语言展示出来可能就长这个样子但是大家之所以喜欢他是因为他让大家想到了自己

比如一个用户就是在推特上评价说这个 Deep Seek 的这个推理过程让我想起了我 16 岁的自己我当时就很想 please 各种人然后我也很 insecure 然后就是用别人说一句话我还要想想我该怎么回复呢就是那种感觉所以因为大家本身对 AI 是不信任的但是有了这个意识理由之后大家就发现原来 AI 也跟我思考方式差不多他就

嗯他就更呃容易共鸣对对他就有点像一个超级版的自己就是究极进化版的自己就让你觉得特别有亲切感然后回到那个使用 ai 产品这一块因为我最近也在国内然后我也跟很多朋友交流

我觉得国内大家最 underrated 的 AI 产品应该是 notebook LM 就非 AI 圈的人几乎没有人听说过然后甚至连做 AI 的人很多人听说过也没有上手用过然后我觉得 notebook LM 就是一个硅谷很多人公认大家觉得 24 年最好的 AI 产品 AI 应用层一个特别好的产品

包括 Sam Altman 有一次访谈被问到你觉得你最近看到最惊艳的 AI 产品是什么他的回答也是 Noble LM 然后我自己也就是用了挺久然后我还是建议大家一定要用一下对我先讲一下他是干嘛的对他是 Google 的一个产品呃

然后它本质上就是一个 reg 就是你可以上传很多资料比如说 pdf 论文或者 YouTube 视频链接等等然后你可以基于这个内容做一些问答然后 AI 的回答是基于这些内容来给你回答但是它最出圈的一个功能叫 audio overview 就是一个 AI 声播客的功能然后这个功能非常非常火也就是说举个例子

我最近假设我要研究这个 DeepSeek 这个技术突破是怎么回事因为我自己也不是做那个研究出身的然后我就可能可以把他们的论文包括网上的一些各种评价大佬的一些发言等等上传到这个 Noble LM 里面

然后我一键可以 generate 一个 AI podcast 然后是两个主持人一男一女两个 AI 用聊天的形式深入浅出的给我讲这些材料里面这些概念对然后我觉得这个大家不要听我讲大家一定要自己去试一试因为我讲的这个就是没有办法还原它那个东西有多真实你必须自己去听一听它之所以出圈是因为它那两个 AI host 实在是太像真人了

就是我们记得说 DeepSeek 它之所以大家觉得它很牛逼一部分原因是因为它那个推理过程显得很自然嘛就是比如它会说用户要问这个东西好的我来想想这个就是这种自言自语的它是带很多语气词的比如说好的那么

weight 什么然后那个 no boy i'm 是一样的就是在那个 deep seek 之前就是我唯一见到的产品它带语气词因为我们真人说话的时候是带语气词的就比如说我们说话的时候会互相打断或者会稍微停顿一下或者我会说呃那个啥什么这些东西然后

那个 nobo lm 的那个 audio overview 把这个效果完全做出来了所以他不像以前的 ai 只是一个 text to speech 他把你一个文字转成音频能读竹子稿那不是他那个不是他要做的事情

他是用两个非常还原了两个人两个朋友在聊天的那种感觉这个是他最独特的一个点并且美国还真的有挺多人就是用 NoBuyM 的这个功能去 Spotify 上开了播客节目直接产出播客对就整个节目都是 AI 生成的

但可能很多人都听不出来它是 AI 对天哪我刚才还在想这个我觉得我们可以试一下我等会儿 Notebook LM 我生成一个然后咱们插到这期节目里给大家听一段可以可以然后大家就理解了对不对以下片段为 Notebook LM 通过录入关于 DeepSeek 的相关资讯自动 AI 生成的播客我们截取了片段给大家听一下

对,这真是令人心动的,一家公司可以使得那么多改变。这真的给你一个新的想法,对吧?DeepSeek 提供了一个全新的方式,我们如何发展和分享 AI。是的。而且这很明显地引起了关注,世界各地的人都在关注。我看到这些文章中,我发现一件事很重要的,就是 DeepSeek 对于老旧思想的挑战。

以上为 Notebook LM 生成的 AI 博客现在我们继续回到与 Zara 的对谈对 然后

我觉得它有两个重要的点第一是它的确还是有技术壁垒的因为它 Google 有它自己的音频模型就是别的音频模型生成不了它那个自然的效果但是这个效果为什么大家觉得好其实是因为它产出了一个不完美的东西就是那个 AI 不是说逐字逐句的自证枪援的给你念一个东西而是像真人那样又有停顿又有语气词又互相打断

就是因为人类是不完美的所以你如果让 AI 听起来更像人那 AI 也不能是完美的我觉得这个是他做特别好的一个点然后另外一个是他的一个产品决策就是不是要让一个人说而是让两个人说就两个人这个点非常关键

因为很多人假设你想做一个 reg 工具做一个音频那大部分人的直觉是那我就让一个人给你念就好了就是你让一个人给你读一个 summary 就好了但是他偏偏选两个人对就是你发现就包括我平时听的很多播客节目就是两个人包括你们两个也是两个主持人就是为什么要两个人而不是一个人对你会发现两个人的时候

你会互相激发很多思考然后你两个人之间的 interaction 会让这个很干的东西听起来不那么枯燥会让一个复杂的概念听起来更容易理解就整体它的内容可消费性会大大的提升所以我觉得 Noble 特别厉害的一个点是以前我们

当我们把一个内容未给 AI 我们拿到的那个东西以前都是没有原内容好消费的就比如说你给 AI 一个文章让它 summarize 你 summarize 那个东西肯定没有原来那个好看但是 NobleM 做到了我给 AI 一堆东西我出来那个东西比原来那个还好听就是它可消费性反倒变得更高了因为以前的那个东西我可能根本就看不懂但是 AI 之所以这个我不仅能听懂我还能听进去我还真的觉得有意思对

是艾西扎尔刚刚讲到就是说为什么选择两个人的这个两个人的一个 dialogue 这个形式去去 present 让我就我一个文科生就就很快就想到了其实其实人类最早的那些经典就是不管是中国还是西方的像柏拉图的理想国是

还是中国的论语孟子它都是一个对话形式其实没有长篇大论的去阐述那可能只有老子这种玄之又全的高人他会直接把东西直接说出来但其实真的要有人味的话都是在对话里面让人去产生这个对于信息的这个 context 的感觉以及去更好的去理解一些论点

其实这可能这个才是就是更接近人人类本身的一种就是获取 information 的一种方式就是通过对话通过 dialogue 是所以 AI 产品的尽头是文士者

就是大家都觉得学哲学没用学历史没用其实只是可能没有找到用的对的地方我觉得学什么都一定是有用的但是关键是纯文科背景的同学一定不要恐惧理解技术这件事情就一定要拎硬去理解技术举个例子比如说你了解了文史哲你知道了历史上最伟大的内容都是对话形式但你不知道 Google 有这个音频模型能实现什么效果你还是做不出来这么一个好的产品

所以你还是得多跟技术团队去交流跟研究团队去交流关心最前沿的研究动态才能知道你的这个 insight 怎么能 translate 成一个产品那就回到这个 information channel 这件事情就是 Zara 有什么推荐的其实我觉得大部分的文科生可能就缺在这一环但是有没有什么比较系统性的或者说你有哪一些就是信息渠道推荐对首先我觉得大家要记住中国硅谷没有信息差

就是因为我经常在硅谷接待团就是国内好多朋友就是会去湾区访学对但其实我觉得你足不出户你就坐在国内你就能了解到硅谷最前沿的所有创业者研究员最新的洞察因为他们全都在 YouTube 上

就是其实即使我今天人在硅谷我了解这些洞察的方式也还是 YouTube 那你在中国你也可以就是用同样的方式对就是首先我觉得湾区这个创投圈有一个非常好的文化就是分享的文化就是大家非常喜欢出来讲比如说做 AI 应用的人肯定都很关心 OpenAI 最新的动态大家都想知道 ASM Allman 在想什么呀他下一个模型什么时候出啊等等

然后我去 YouTube 一看 Sam Allman 去年至少讲过十到二十次就他经常去什么斯坦福哈佛什么 YC 就是各种 podcast 经常出去讲他几乎每个月都会出去讲那就直接看呗然后我就看了很多对我觉得还是有收获的

然后包括我们刚才那个例子 Granola 和 Noble LM 这两个产品我觉得都做得非常好嗯作为 AI 产品然后我就去看他们的产品经理和负责人是谁然后去 YouTube 上把他们俩上过的所有节目看了一遍然后收获非常非常大嗯

就比如说 Granola 这么一个很小的产品它的 CEO 就一个月前一个月就上了三期博客然后每期可能有大概一个小时然后你就花两三个小时全都看一遍就是学到非常非常这就是最好的教科书和最好的老师对所以我认为因为很多人提到学 AI 第一件事想到去读论文

或者去上推特对我觉得这些都可以做但是可能都不是最关键的我觉得比这些都更关键的第一是首先你知道现在最新的产品和动态当然可能也要上一上推特就知道现在最新的最火的东西有什么新的产品出来什么新的模型出来然后这个之后你不要满足于知道这个信息本身而是真正上手去用产品比如说你了解到 NoPoRM 就赶紧下去用

然后了解到 DP 赶紧去用并且就是要强迫自己去用不是因为你一开始你可能找不到什么场景但是你也要花时间就是可能每天专门花半个小时到一个小时就用来用 AI 然后你把想办法把自己生活中工作工作中的一些工作流搬到上面去

即使觉得一开始觉得会在舒适区之外但是也要想办法搬上去然后用着用着你才会有手感然后你用完了觉得好的产品你就去查它的创始人是谁或者它的产品经理是谁然后把 YouTube 当成最重要的搜索引擎

就是我觉得 YouTube 是一个非常非常 underrated 的教育产品真的我心我觉得学 AI 怎么做 AI 应用怎么做 AI 创业公司最好的学堂就是 YouTube

所有人都会在上面讲而且大家非常 open 就是大家非常愿意分享而且是搜人比如很多人会去 follow 一些 YouTube channel 当然这个也非常好我也会去看很多讲 AI 的频道和播客栏目等等但是我觉得除了栏目之外也要 follow 人比如说我会把 YouTube 和 Spotify 都当成人的搜索引擎

我就去搜这个 Noble LM 这个产品负责人他上过哪些节目这个 Spotify 也可以搜到你就搜他的名字他上过的所有节目就都出现了然后就全都听一遍你大概就知道这个人是怎么思考的他为什么把这个产品做成这样

然后你去学习这些最前沿的思考我觉得才是最重要的对我觉得今天这个其实对我也特别有启发性其实就好像我觉得像 Zara 今天说的咱们就感受到其实时代变化的非常快嘛就是其实两个星期前咱们对了一下要聊这个博客到现在其实又有这么多事情发生了所以我觉得我们一定要坚持就是 consume 一手信息

那在这个情况下我觉得像在 YouTube 还有播客应该我觉得像 Lara 刚刚你说的时候我就感觉这两个频道其实一直是特别特别 underrated 其实国内很多人就像你所说他就会去上 Twitter 啊或者包括读这种什么微信公众号啊其实这都是就是 N 手信息其实一手信息就是他们说出来的其实都甚至没有人去整理你要是想要就是更加直接了解他们的消息其实是非常简单

我还有一个点就是我喜欢看长内容而不是短内容具体来说就是推着都是短内容但是 YouTube 都是长内容我看了大部分访谈视频都至少一个小时然后这个就好像假设有一个人告诉你说你今天可以跟 Sam Allman 有机会开一个一个小时的视频会议你会跟他聊什么然后你去看他那些访谈就仿佛你在跟他开一个视频会而且人家问的问题比我问的还好

就是你有机会跟硅谷所有最一线的创业者最大的大佬然后最顶尖的 researcher 去开视频会议这就是 YouTube

而且你自己都问不出来那些问题人家都帮你问出来了而且是这种面对面交流的感觉我觉得跟播客还不太一样就是我平时播客也听得非常非常多但是如果是这种我特别想学习的大佬我还是倾向于看视频虽然这个东西 Spotify YouTube 上都有我会去看 YouTube 上那个视频版本是因为我想沉浸式的学习就是包括就是这种面对面交流的感觉然后甚至我还会记一些笔记什么的我觉得

是一个特别好的学习机会像 Google DeepMind 他们有一个播客就叫 Google DeepMind 的 Podcast 他每一期会访谈他们的 researcher 去讲最前沿的研究方向就都是非常非常棒的一些学习资料而且他主持人也是专业主持人就是他真的能问出好的问题而且把一些复杂理念翻译成小白也能理解的语言我觉得做得非常非常好对 然后包括现在硅谷有一个学习机会

趋势就是之前是每一个 VC 都人手一个播客嘛然后就是 VC 媒体化对然后最近的趋势是每个 VC 不仅有一个播客还有一个 AI 播客对红红红红红红红红红红红红红红红红红红红红红红红红红红红红红红红红红红红红红红红红红红红红红红红红红红红红红红红红红红红红红红红红红红红红红红红红红红红红红红红红红红红红红红红红红红红红红红红红红红红红红红红红红红红红红红红红红红红红红红红红红红红红红红红红红红红红红红红红红红红红红红红红红红红红红红红红红红红红红红红红红红红红红红红红红红红红红红红红红红红红红红红红红红红红红红红红红红红红红红

就在每一家都有一个 AI 博客而且他们都能找到他们顶尖基金投资的那些比较出色的 AI 创始人去做访谈而且问的问题也非常好对我觉得是特别特别好的就是 it's all out there 就是要找到嗯

对我觉得这个太我太有感触就是我感觉现在就是它不仅没有信息差其实有太多极其就是珍贵极其一手的信息就是没有人有心去听这个东西罢了是这个跟你人坐在硅谷和中国没有区别而是在于你知不知道这些信息去哪找的区别或者说你知不知道谁的信息才是值得你关注的嗯

但回到这件事情我会觉得就大部分人他还是懒对吧他还是不会愿意说能上微信我就不上 YouTube 所以我现在在想就这其实也给一些创作者提供了一些机会吧就是现在好的信息实在太多了就比如说刚才 Zara 提到的播客我觉得就有一大堆那我感觉我每天坐在家里面听我听都听不完

那你觉得在这里面是不是也存在一个就是创作者的机会包括你刚刚提到你比如说有了 AN 你就很轻松的去做了一个 subject 那就是我觉得是不是以后可能要有一个 combination of 一手信息和一些非常 quality 的二三手信息的这个创作者

对我觉得二手信息你还是得有 value add 就不是单纯的转述或者是翻译或者是 summary 那个东西 AI 已经很早就可以实现了比如说我为啥要要有你的我就直接用多部 LM 就可以了那那我之所以听二手信息

就是

就是他们俩的主持风格就是太娱乐化我就太喜欢听他们就是我就是喜欢听他们俩的评论我就想知道他对这事是怎么想的他会怎么去解读这个东西我觉得这个是创作者的一个 value add 对

对刚刚聊的这么多其实包括讲到现在如何再去建立新的壁垒这一块我感觉其实 go to marketGTM 这一块是非常重要的但同时这一块可能对于一个中国公司中国公司一般在产业上面就是能力应该是完全没有问题包括像我们 DepthSeq 现在这个

完全论证了这一点但可能反而是在 GTM 这一块会比较薄弱不知道这一块 Zara 有没有什么看法对我觉得首先大家要区分世界上有两种 GTM 一个是找到 PMF 之前的 GTM 一个是找到 PMF 之后的 GTM

然后大部分中国出卖者因为他是在移动互联网时代成长起来了所以他经历的 GTM 是找到 PMF 之后的 GTM 就是一个从一到一百到一万的 GTM

那这一块你要想的是你怎么做投放怎么去找达人营销怎么把一个已经 work 的东西传播出去但是现在做 AI 创业因为它是一个新的破坏式创新的技术你大概还是从零到一验证 PMF 的阶段你可能还没有完全 figure out 你的目标受众是谁你的主要解决的问题是什么你的价值主张是什么在这种情况下

如果你用一个就是已经验证 GTM 的获客方式去做还没有完成 PMF 的一个产品会出很多很多问题对就是我觉得这个是非常常见的一个误区就其实很多创业者做增长那个误区就是过早的做增长

因为在没有找到 PMF 的时候,获客只是你实现 PMF 的一个手段,而不是目的本身,所以在早期你的目标就是可能找到一些你的忠实的用户,也不用特别多,甚至可能就一百个几百个,然后,但你要每天跟他们交流,然后把这个产品的用户反馈到产业的这个 feedback loop 建立起来,

就是这个飞轮跑通是比扩大用户量更关键的所以我觉得现在 AI 应用其实有了 CursorWinServe 这些 AI 编程工具之后开发一个产品的成本大大降低了那如果开发成本降低了之后我们应该把大头的时间精力花在思考开发什么产品

而不是开发产品本身所以以前假设你创业一个月有一周在想 build 什么产品三周去做开发你现在可能要花三周去想 build 什么产品然后一周去做开发就是你要非常深刻的去理解这个用户他们的现状他们的痛点然后你怎么去解决先想清楚就像 YC 的那个 PG 说的很有名的话叫 make something people want

我觉得在现在这个阶段 make something people want 比 make people want something 更重要所以就是所以你的最好的 GTM 决策其实是一个产品决策比如说你觉得 DeepSeek 的 GTM 策略是什么他们能冲到所有 apps or deeming 他也不是靠投放上去的那他的 GTM 策略是什么因为他 GTM 策略是两个第一个开源第二个免费就是这个跟他做投放做找 influencer 没有关系

就是因为它开源且免费所以大家把它用起来了并且它真正是一个技术的突破所以它所谓的 GTM 决策其实是一个商业决策业务决策和技术的决策它并不是一个传统意义上的 marketing 的决策我觉得这个是在一个 AI 创业公司早期就是大家要想清楚的不是说你招一个 growth 的人招一个做 marketing 的人你就有 GTM 了而是说你整体这个业务 Day one 你就要想清楚你是不是在 make something people want

是而且在当今这个之前也聊到就每个使用场景其实都已经有很多 players 的情况下这个 PMF 的重要性越来越凸显出来了对我觉得因为很多朋友会经常来湾区学习嘛大家来湾区一般就是想找 OpenAI 的人聊想找英伟达的人聊就是但我建议大家去找 YC 的 founder 聊或者

或者去找一些非常早期的就是你认为你自己用了觉得好的这种小产品的 founder 去聊你去聊他们是怎么跟用户交流的你去聊他们是怎么把用户反馈 translate 成他的产品的这个 feedback loop 是怎么转起来的这个机制我觉得是更值得中国创始人去学习的因为你去看 OpenAI 最新模型英语达那些东西网上都有啊但是你网上找不到的是这些最前沿一线的创业者 builder 他们是怎么做这件事的嘿

很 encyphal 那 Zara 我其实一直很感兴趣就是你最近这段时间在硅谷的 Computer History Museum 做讲解员志愿者这件事情这块可以跟我们聊聊吗就是你在这段过程当中有没有什么新的体会对于说 AI 这一国对对对

是的因为我去年 gap 了半年然后就有很多时间在 explore 我的兴趣然后我一直对于在博物馆做讲解员很有兴趣我正好家附近就是 mountain view 的那个 computer history museum 就是计算机历史博物馆然后我就申请去那做一个讲解员就是定期带团啊

然后 Liza 也去过我带的团对然后那个团基本上就是一个一个小时的 tour 带大家讲解过去一两百年计算机整个发展历史从 A 尼亚克一直到拆 GBT 然后我还是花了很多时间去准备这个内容因为他们其实不给搞就要自己写所以我就看了很多书啊包括做 research 啊等等去串这个故事线并且因为我自己在做 AI 所以

我每一个展品我想的都是它对于我今天做 AI 产品有什么启示所以我整个故事线都是面向一个 AI 创业者这么一个画像去做的我觉得自己学习之后还是非常非常有启发因为我觉得我们现在就站在一个历史的转折点因为计算机历史上有过几个特别大的技术浪潮比如最开始是大型机吧就是计算机的诞生本身就是一个浪潮

然后我这个 tour 里其实就每一个 wave 我会去讲比如他的

是哪家企业成为这个 wave 就真正抓住了这个 wave 的企业或者创业者他们为什么能抓住然后你就会发现每一个浪潮的趋势和 pattern 都是非常类似的然后就有很多启发比如说创业的 timing 非常非常重要可能你的 timing 找对了你就成功了一半

然后这个我很愿意举的例子就是如果大家做 AI 应该都用过 Perplexity 就是 AI 搜索或者问答然后但这个 idea 不新就是可能大家看了就是看用 Perplexity 就觉得好创新但是这个 idea 已经存在几十年了只不过是一直没有一个合适的技术把它变成现实就是在 90 年代有一个搜索引擎叫 Ask Jeeves 然后他当时界面跟 Perplexity 长得一模一样

就是你可以它有一个文本输入框你可以在里面输入你用自然语言输入你的问题

然后 Jeeves 会在全网帮你找答案所以 Jeeves 就是你的一个 personal internet butler 就是他一定位但他是人工的是吗呃他不是人工的就他呃就是他还是有这个搜索技术在里面但是他没有大模型嗯他是那个时候的自然源处理技术还比较原始所以他的效果很差所以他还专门过了一个人工编辑部去写一些常见问题的答案呃

然后后来这个产品竞争不过 Google 然后就销声匿迹了所以我很愿意讲这个故事是因为我觉得它是一个很典型的 The right idea at the wrong time 就是它这个 idea 非常好今天所有的拆爆都是这个 idea 就是你不管是 Proplexi 还是 DeepSeek 连个网其实都是这个东西

就是你有一个自然语言问的问题 AI 帮你圈网找答案这个 idea 已经当时 90 年代他们就想到了这个点但是因为当时的技术还没有办法实现特别好的效果所以这家公司没有成功假设他晚额二三十年做没准就是一家很伟大的公司所以就是说 timing 真的太重要了如果你就是我们中国人说天时地利人和天时是第一位的

然后就是作为创业者来说首先你要判断这个技术的趋势你要去想这个如果这个比如摩尔定律也好 scaling law 也好就是它未来几个月技术会发展到什么样然后你用那个时候的技术去做一个决策就是然后你不能做太早也不能做太晚

如果你像那个 ASG 做得太早你这个产品就等不到那一天它可能就死了然后你要做得太晚的话这个市场已经被占领了所以这个 timing 的判断非常非常重要对我感觉现在大家的思路都是说我会不会太晚其实很多都没有看到就是会不会太早了这一点

有的时候 too ambitious 反而可能会消耗你太多的精力和资源反而可能有的时候再去对就像 Zara 说的这个 timing 看看摩尔定律看看对于说这个技术的发展有一个判断之后可能做出一个之后一点的一个合适的时间点会更成功

包括我觉得今天多次提到就像六个月我觉得也是很有意思就是说根据摩尔定律它其实六个月是一个重要的时间窗口是吧这个六个月我是跟 OpenAI 的人学的因为我看了不少 OpenAI 的产品负责人叫 Kevin Will 他经常也去做分享他每次分享都会说他建议 AI 应用创业者要去想模型六个月之后能实现什么东西就他觉得六个月是一个 sweet spot

对就是当你去做创新的时候你要去想就是你既不想太早也不想太晚如果这个东西它已经充分竞争了那你到底有什么能力杀出血路但现在你比较好的时间点肯定是赶早但是赶早的时候就要求其实你对六个月之后甚至六个月乃至几个月之后会发生的事情有一定的就是做预期的能力吧

其实我觉得说了这么多就是今天觉得这其实也没有信息差也没有什么这样那样都很简单但其实我觉得把这些所有的东西汇集在一起其实还是难的其实还是对人要求高的对吧你既得能够获取优质的信息在好的时候你又能总结信息并且有一定的做出预计的能力其实要全盘抓嘛然后你还要洞察你还要洞察用户你还要洞察人性对吧其实把这些综合汇在一起还是要求很高的啦

就是我觉得今天好像有人说的感觉哦所有都没有信息差这个好容易啊就是恨不得每个人都能上亿了对吧要不然就是你组一个很好的团队就是我觉得中国硅谷虽然信息差不多但是

差还是有的这个差可能不在信息上我最近总结的是差在 vibe 上就是中国硅谷 vibe 差太多了就硅谷现在是非常 high 的一个状态就是大家都觉得这是现在是最好的创业时机我们就是 right place at the right time 就是天时地利人和赶紧去搞吧然后国内呢大家还是整体感觉比较丧就至少 deep seek 出来之前吧就是大家还是一个

比较就包括创投环境啊包括整体经济趋势啊等等就是可能大家没有那么乐观然后我觉得这个是最大的差别因为其实创业最重要的你还是得有这个盲目自信和一些特别乐观的这么一个心态才有动力去学这些东西否则信息摆在那你可能我学了也没有用或者说我学了我也做不出一个真正好的东西也没有办法出海对

所以我觉得这个是 deep seek 真正给大家的一个启示就是说我们还是要有勇气对就是你得不管怎么样得敢做你敢做了你有这个做事的一个盲目的勇气和自信之后其他东西都有办法解决但首先得有这个意愿

但就是我觉得主要是硅谷它确实形成了这个文化其实我也感触特别特别深之前我觉得这个东西你不感受你真的你不知道这个差别到底是什么我记得我当时在三藩去那个 South Forest 旁边那个 Tower 里面有一个 Andy Town Coffee 我天在那里面你就觉得那个讨论的声音就已经 to the roof 就是你站在外面都能听到然后每一个桌子都在讨论 AI 就确实是 exactly 就像 Zara 形容的那样

对就还蛮理想主义的但就有理想主义就一定会有炮灰嘛就一定会有比如 100 个人里面可能有 99 个人是陪跑的对其实有的时候我觉得是需要这种氛围的就有的时候可能你觉得 99 个人都不靠谱但最后可能 10 个人都最后 turn out to be really 靠谱因为他们在这个里面他们也被股东进行在里面去学习然后又有一些人就碰上了对吧但这个环境一旦形成了其实它就会是对整个生态是一个非常大的一个一个促进的作用

我觉得在国内可能大家都会更清醒吧可能是经历了现在的这个经济环境包括国内的环境确实就不乐观然后我觉得如果能在国内形成一个哪怕是一个很小的一个 community 其实都会是一个很好的作用对所以如果大家来湾区的话

可以去参加一些活动感受这样的范围并且找一些小创业公司交流然后建议去那个 computer history museum 欢迎来参加我的团对只要我人在硅谷我就打算就是周末去待这样就是一个业余爱好吧对然后我会在小红书上发最新的那个日程我的好的到时候我们也把你的小红书放到那个 show notes 里面

对另外我真的是觉得这一波 AI 创业是给中国创业者一个巨大的机会就是大家一定要敢做就是我觉得中国创业者绝对不比美国创业者差在任何地方就是包括不管是从中国的 STEM 人才供给还是呃

移动互联网这波卷出来的各种成功失败的经验那绝对是经历过黄埔军校的就是这一代中国创业者那绝对是有优势的相比硅谷的创业者就是但是可能大家就是比如说之前大家会觉得那可能模型没有那么好那现在模型也赶上了也可能没有这样对包括产品运营我觉得绝对是中国创业者更强对尤其是在 2C 方面所以大家一定要有信心

嗯 OK 哇塞听完之后我也对新年充满了憧憬呵呵

我之前大家都会觉得有一点就是悲伤吧但现在可能这波来了大家可能怀疑了一段时间是不是这个泡沫到底是不是有真的能用上真的能改变但现在我觉得就是你已经没有借口了就是不要再为自己的这个不做为主的借口了我觉得大家往往会高估了短期波动对自己的影响低估了长期波动对自己的影响

比如说国内很多人抱怨大环境不好但它这个大环境指的是短期经济的波动然后你放在人类历史的长河中那个是小环境真正的大环境是 AI 这是一个全人类会经历一个技术革命它会影响所有的行业所以这个放在这么大的环境看大环境非常好我们就非常的幸运对

是非常感谢 Zara 今天的分享我觉得确实在这个技术革新速度越来越快的时候反而是说要有这种 high level 的一些思考去总结历史的一些规律以及包括像我们文科生有这种

用武之地的很多思维方式其实越是在这种频率变化非常快的时候越需要就是 critical thinking 的能力去理清这些脉络而且反而是这种时候可能 critical thinking 的机遇或者 opportunity 能带给你的机遇会越来越大所以确实感谢 Zara 的今天的分享对大家都不要丧不要焦虑赶紧开始

好好思考怎么在这个浪潮里面可以找到一些机会对好谢谢 Eric 谢谢 Liza 谢谢 Zara