对话Rachel：从硅谷到中东，AI创业者的新大陆
48:58 Share

哈喽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

大家都在说 AI 解放生产力大家一般来说想到的场景还是非常低端非常个人的一些场景但实际上真正的生产力在那些资本非常集中的地方比如说石油行业医药行业以及很多的这种大型的重工业等等

他们中东的那个付卖器里面发现比美国还更开放就他们不只有硅谷的肯定也有印度的白石兰的然后也有欧洲的 It's crazy 特别 diverse 就比美国 diverse 多了我第一个我就会让他来问你你是否愿意问他付费你不用今天付费但是比如说你用他用的好的时候你是否愿意付费如果他失之无物的不愿说那就说明这个 product 的 commercialization 肯定会有问题

哈喽大家好 欢迎收听本期出海合伙人今天我们请到了一位在 AI 领域创业的杰出嘉宾 Rachel

Rachel 是 Cambio ML 的创始人她曾在亚马逊担任机器学习科学家技术功底深厚同时对 AI 的商业化有着敏锐的洞察力 Rachel 的创业项目获得了硅谷 Y Combinator YC 和中东 Hub71 的支持专注于 AI Agent 在弊端市场的应用作为一位活跃在中美及中东市场的华人创业者她不仅打通了资本渠道还在 AI 商业化的探索中积累了丰富的经验

在本期播客中我们将和 Rachel 一起聊聊 AI 在弊端市场的机遇与挑战她在全球市场创业的经历以及她对 AI 未来发展的独特见解无论你是 AI 从业者还是对 AI 赛道感兴趣的朋友相信这期内容都能带给你新的洞察这期和我一起主持的呢还有 Lisa 哈喽那我们欢迎 Rachel 哈喽 Eric 哈喽 Lisa 感谢邀请哈喽哈喽要不我们先介绍一下 Lisa 你跟 Rachel 是怎么认识的

好呀好呀这期非常开心能够邀请到 RachelRachel 其实是我特别特别好的朋友我们是在 2019 年的时候一个创业活动上面认识的然后那个活动当时还比较 selective 应该我听说是 500 多个简历里面筛了可能 30 个然后筛的都是非常想创业的人那么其实也证明她的这个活动还挺精准的因为几年后的今天我跟 Rachel 我们两个都已经在创业

而且也都有一些年份了其实刚才也提到 Rachel 其实是一个 engineer background 她之前一直是在科技大厂里面做科学家这么一个角色然后我很高兴的知道 23 年她开始创业很快的就拿到了这个 YC 还有等等一系列的非常顶尖的孵化器和风险投资的支持然后自此之后我一直对她的创业之旅特别好奇所以我俩其实每过一段时间都会互相 check in 一下聊聊进展

Richard 我们刚刚给你的介绍非常简短要不你再自己再分享一下自己的职业经历以及创业经历再可能帮我们展开介绍一下你现在做的这个创业项目 Cambio

创业的经历的话其实我们算创业小兵了我们是 23 年夏天出来创业做的 Campion ML 那在做 Campion ML 之前我是在 AWS 就亚马逊云一直做 AI ML 当时在亚马逊做了第一代的 LM

比较有幸但是也见证了大厂的种种勾心斗角这是为什么我们出来创业是我们比利大厂可能做不出来一些下一个时代的东西在 AWS 之前我也在不同公司包括金融行业投资行业也做过一段时间那之前也是在 UC Berkeley 读了研究生在加拿大读的本科

大概是我的背景那 Tempio 主要做的事呢是帮助企业去处理它复杂的数据每个企业都有自己的私域数据那能更好的掌控自己的私域数据会帮助企业去 generate 更好的 revenue 以及做更好的 monetization 对然后也比较有幸在

创业初期就拿到了硅谷 YC 的孵化器当然这个 YC 也是中彩票没有什么特别值得骄傲的然后后来也拿到了中东这边阿联酋主权基金旗下的 Hub31 的孵化器的投资一个简单介绍吧

Rachel 你刚刚讲到就是大厂做不出真的下一个时代的这个 AI 这个你可以展开跟我们分享一下为什么有这样的一个观点吗这个我们 22 年当时在做大模型然后也是一个内部的一个好玩的事情我们跟 AWS 当时的 CEO 现在已经被 fire 掉了这个一直在 peach 大模型

然后配置了大概六个月前前后后最后这个项目就被砍了对吧反正老百姆就觉得呢二年嘛当时 OpenAI 是二二年的十一月底出的我记得很清楚那一天我在 AWS Re-Invent 上刚给完一个 talk 然后当时看了完蛋了 AWS 绝对完蛋了当然 AWS 没有完蛋 AWS 你看在 AI 这方面做 Infra 这个风水直起但是

对于创造最顶级的科技以及最顶级的产品显然是落后了一步当然这是 AWS 内部的事情所以说从这之后我就发现 OK 可能比如说现在 leadership 他们都是我们父母年纪的五六十岁他们肯定不会说跟我们一样做科技那他们肯定 capture 不到最新的技术那最新技术谁做那就是我们这代人做所以说现在出来其实最不怕的就是大厂

但是我觉得这个是一个很有意思的点,这个也是中美生态的不太不一样吧,其实之前我们播客也可能聊过类似的话题,就是说在美国的确会有这种,其实大厂反而做不好,你自己出来,然后你获得足够的支持,然后你有你的 innovation,以及没有那么多的 corporate 政治斗争,然后你就可以很快的把一个东西给交付出来,

如果你幸运的话你能得到市场的反馈成了有足够的定位你真的就做起来了对吧比如说像 Zoom 但是在国内其实这个这个 narrative 之前一直是不太成立的因为国内干啥大厂都会跟你抄一个一模一样的甚至你刚刚说到大厂做不出来 LM 我就想到其实自己也做了好像做了一个还不错的就是但我在想这个是不是只有 only in China 嗯

好问题啊我觉得其实不一定我觉得其实不一定就是那在字节出来之前自己也是个 startup 对吧那腾讯压力比字节也小为什么他们就没做出这种今日投票或者抖音呢当然中国这个市场可能比较特殊因为中国其实更多的是 C 端市场而 B 端市场可能暂时还比较初期所以的确是对于做 2B 市场的

企业来说可能的确没有这么好的机会 Rachel 因为听你说就是一开始训练出来就发现模型有很强的读 document 的这个能力是一开始在训这个模型的时候就已经想好了这个可能是一个 2B 的商业模式吗还是在中间随着模型的

能力的展现出来之后然后慢慢锚定了这个 B 端的这个赛道我一直就是一个想做 B 端的人我觉得这一点可能硅谷和国内不太一样我去 YC95%吧的公司都是做 B 端因为的确 YC 从过去 10 年的经历来看就没有几个 C 端跑出来

虽然说跑出来都是非常巨大无比的但是 overall 就是这个存活率比做 B 端做 SaaS 做 FinTech 的低太多就是说相对来说在这个环境下你想吧对于创业者大部分都是说 OK 我第一个创业我第二个创业我一把做成我能证明我自己然后我再做第二个第三个

而不是说一上来我就要做一个巨大无比的绝大多数人同意我觉得 C 端真的太靠梦想了而且就是有太多偶然的因素了其实 B 端可能确实一步一个脚印就是最差最差你哪怕你特别没有 scalability 但是就 B 端的订单大小就能保证你这生意也能做成

我能先就是证明自己能够把一个生意做到足够赚钱能够让我的投资人让我的股东都赚到钱可能已经是一个很高的目标了但是可能比起一个就做一个什么 Airbnb 这样的成功率要就是其实还要高不少是的因为我跟不管是 YC 投资人包括红杉有没有非常劲动进冲投资人啊

他跟我讲过 Litware 就是作为第一次创业者你不要给自己献高不要做违法犯纪的事也不要把自己身体伤了 OK 你就去做就好你只要好好做你第一次只要不让你投资人失望未来绝对会有大把大把的人愿意相信你

特别是硅谷的退出环境其实相对来说还是比较包容的我周围有非常多的几个好朋友最近也都刚退出了而且都是还是不错的收益一个心态一个 mindset 的事情一直 Ritual 也比较打动我的一个点就可能我觉得这个也是就是 freshly out of 硅谷就是国内感觉这个 narrative 不是很多

我觉得这也是硅谷和国内环境很不一样的一个点就是在硅谷确实就是你的公司想要退出想要卖掉其实是有足够多的 options 的包括你像美国甚至还有那种特别神奇的那什么 acquire.com 它甚至就连收购公司卖公司它都能成为一个就互联网公司就这互联网公司专门就是平台化你把你的公司 list 上去就会有人来给你买了

我觉得这可能是一个非常有意思的话题就讲说就是硅谷和国内的创业环境其实还是有不一样就虽然国内有了 VC 有了所谓的创投圈但其实大家的观念上还是不一样所以 Hance 就会有不一样就比如说其实刚才 Rachel 说她的那个合伙人跟她说说不要去献高不要去把自己的身体弄坏

对吧就他们其实是在一个保持你他知道你这辈子可能很长一段时间都在创业的所以 actually 我觉得硅谷这种状态还挺好挺轻松的对 overall 还是一个环境吧就是大家尊重失败大家觉得失败其实就是一个 lessons 失败会是更好成功的必需品还是一个底层文化 culture 不一样嗯

说到 Y Combinator,Rachel 可不可以分享一下你在申请 Y Combinator 的过程的一些经验比如说 Y Combinator 对于 AI 类的初创企业它可能会有哪些关注点或者说它对你们这个创始团队会关注哪些方面怎么样去做一个这样的评估好问题,其实这个 information 都是 public 的

之前应该是一年之前 YC 发了一个推特那他这个推特就讲我们有这么几个 criteria 你如果打勾打勾打勾你如果都打勾了基本上你就很有可能进了那这 criteria 都是什么呢第一点是你是否被塞湾区的就是我刚开始觉得这个很荒唐但我后来发现被塞湾区的确是

你能获到一手的信息就你获到信息不是通过报纸媒体等等的你知道 OK 这个 lab 现在在研究什么三个月之后发生 paper 你马上知道第二个是你是否在 ABCD 学校美国这几个满能

专业学校什么 Stanford BerkeleyHaver MIT 这一类学校毕业当然也不只限于这些还会有其他非常好的学校第三个是你是否在硅谷的这几个 tech 大厂工作过说白了你的 technical 能力是没有问题的

第四个是你这几个创始人有多少个会写 code 最好是百分之百来六个人最好都会写 code 第五个是你的这个年龄大概是在多少岁是否是在什么 28 岁以下还是一个很奇葩的一个岁数那如果这五个你基本都 check 了那基本很高的概率你也会进对我觉得其实

YSA 多多少少的他自己 focus on 这么一个很神奇的 criteria 一个 filter 也是帮他自己去减负因为你想每年大概有几万人五万到十万人去 apply 那他怎么能更好的 filter 到那就是根据他过去十年的成功经历过去十年这帮人他就是这个 criteria 对吧你的客户就长这样那我未来我还是要这样的客户

我有个好奇的就是说我觉得 Rachel 作为一个在美国拿到了 YC 在中国其实也拿到了投资然后在中东也拿到了投资就是你其实你对投资人的经验是非常丰富的那你觉得对比起来你觉得想要 sell 给 pitch 给这三个地方的投资人有什么不同的比如说美国投资人可能更在乎什么中国投资人可能更在乎什么然后中东的 interestingly 他们到底在乎啥你这问题问得很好在乎啥嗯

我覺得特別早期的投資人大家在乎都是那個人就是這個創始團隊因為太早期了有太多太多的不確定性但你確定的是這個人他是不是對的就比如說我周圍我當時 YC 好幾個 SRF 都是馬上要死了突然間就爆了有這種就是你不斷的去嘗試不斷的去試突然間就爆了所以說

我觉得你说他们在乎什么不同的我还说实话我真的没想明白但我知道他们是什么是相同的就是他们比较相信我们这个 team 吧就第一是不管是技术能力产品能力以及对 market sense 能力

我觉得还是对这个创始团队的吸引力的嗯嗯明白因为我从来没有作为技术 Founder 融过资然后我就觉得我有时候觉得挺羡慕的我感觉技术 Founder 好像就坐那讲一讲自己是干嘛的然后自己什么技术有什么想法就能融到资了但是像我们去做这种其他行业的这种项目融资他就得问你半天你到底怎么赚钱你赚了多少钱你以后能赚多少钱哈哈哈哈

我觉得这其实是个 bias 说实话我其实有时候特别羡慕 Nontech 我有时候我今天给我自己带来一个目标特别搞笑就是不要离 code 太近因为我常常发现如果我离 code 太近我就离我客户太远了但是如果一个公司 CEO 都离 code 这么近你除非你做开源对吧你客户你就是卖你代码的那你不该离你 code 那么近

只是我觉得我过去这几年一个非常大的 lesson 就是我当时一级我就自己下手开始写但是发现其实公司并不是因为你写扣了就跑得快了反而你客户会有更多的暴力哎 ratio 你刚刚讲的这一点就是说呃不要离扣的太近这样不然可能会离客户太远

突然感觉好像就是就是浮现出了还挺多这样子的案例你提到了可能那样子就变成一个 open source 然后他可能就永远停留在一个 toy project 这种一个状态里面从你的经验你觉得怎么真正区分一个 boy project 可能也许他有一些商业化的潜力但是 versus 就是对比一个真正可行的一个创业项目这方面你会怎么去看

很好的问题啊,我们讲到 Toy Project 这个事儿,我之前不管是上学的时候还是在大厂的时候多少都做了很多这种 Toy Set Project,自己做的很爽,自己觉得很好,但其实没有用户,就没有去完成一个产品的另一半,which is 非常重要一半,go to market,但是首先这个产品一直世界上有多少人需要它?

以及有多少人愿意付费他付费我刚开始创业的很多时候就会亚洲人会比较谦虚嘛他会觉得你觉得好就行我不会要求付费我现在跟我 customer call 基本上第一个 call 只要不是巨大无比的 customer 我第一个 call 我就会让他来问你你是否愿意问他付费你不用今天付费但是比如说你用他用的好的时候你是否愿意付费如果他失之无物的不愿说那就说明这个 product 的 commercialization 肯定会有问题

因为如果一个客户他用的好还不愿付费那说明这个产品没有解决就 B 端的产品就没有解决客户的前三大主要痛点因为 B 端客户他有 N 多问题他需要去优化需要去处理但如果前三大的痛点绝对是他想去马上解决的马上优化的因为他要把这个优化了他自己可能会带来五倍十倍的益处

那对他来说何道而不为呢那如果一个客户不愿意去付费 Azure 这不是他前三大他要解决的问题或者是这个东西对他 value 不大他只不过不好意思跟你说而已对那说回来我觉得这是商业化的这个 toy project 一点那第二点就是说现在非常多 AI 的 toy project 就是好像 AR 跑得还不错但是 tension 不高其实最大原因就是 AI 现在其实是非常不 robust 对吧比如说我们现在做 agent

一个 agent run 跑下来你就会发现怎么跟上一个 run 不一样就哪怕你问的 prump 是一样的这非常正常所以说我们自己公司内部会专门花一个团队的时间去做了一套 evaluation 就评测体系就比如说一个 task 来了我们一下给你跑十次我告诉你这个 agent 成功率有多少

那 Enterprise 客户他是非常在乎稳定性的比如说我的客户石油公司他天天在这钻井我这 AI 要是不是那么稳定他这个井钻错了怎么办呀谁来负责呀这都是非常大的经济利益在背后这就是为什么大多数 AI 还停留在 Chatbot 或者是一些无关痛痒的事情上但真正的进入 Production 还是需要非常非常整理的评测就不是 Toy Project 的这种玩法

Rachel 你们公司怎么决定去做石油这个行业的客户主要做的事情还是说 document 处理比如说你一些 document 进来我们帮你 parse 我们 parse 之后不管是从一个 image 变成一个 markdown 变成一个 word 大家可以 edit

或者是直接 translate 那我们这个石油客户也是非常偶然也是之前的一个本科同学他们当时想去一个海外去种个标种标的时候就需要把他所有的文件都从英文翻译成阿拉伯语那这个事呢是原来他需要招一个 team 就没日没夜干干个一两个周的时间才把他所有文件都干的但现在有了我们的 AI 可能整个过程不会超过 30 分钟

那当然最后还会有人去 polish 一遍他们就觉得哇塞这个 AI 太神奇了就是像比如说石油这种行业离 AI 离最新的 type 比较远他们就太神奇了于是我们就会聊更多的石油行业因为整个石油全世界大概是个五个 trillion 五万亿美元的市值非常大的一个行业只有太多事情可以优化了

所以这也是我们为什么决定 focus 石油 as one of the main sector 以及为什么会去中东去接更多的石油客户我明白其实我想稍微解释一下这个 data parsing 这件事情因为我不得不说我第一次看到那个 Retro 公司那个 parsing 产品的时候我去我默默的去查一下 pars 是什么意思我当然就拍桌子说这个确实是很有

就很有机会就我我我举个例子什么是 Pulse 吧就是就是给听众去解释不知道 Eric 知不知道啊就比如说咱们去国外出差然后要报销一堆发票那个 invoice 可能就我吃了 10 个 course 然后底下有多少多少钱然后回来我就需要报销然后现在我去了一趟出差可能有 50 个这样的 receipt

但是 AI Data Parsing 就是我可以直接把我的 50 个文档都丢给这个 AI tool 然后它就可以直接帮我整理出来一个 Excel 对 所以就稍微给背景信息一点这个 Data Parsing 但如果你干巴巴的告诉我说 OK 我们 Parse Data 我就觉得从商业的角度上来讲反正我不是很兴奋

所以我有时候我跟 Rachel 一起 catch up 去聊他这个公司我就会建议他说去做一些 use case 去做一些比较直接的场景那是 Rachel 你后来选择了就是中东的 Hub71 就是 UAE 这个主权基金跟你们客群瞄准就是石油这个赛道是不是也有关系

嗯 有很大关系 也是因为我们有的时候有客户我们才更多的去中东看 我们才发现 诶 这个市场是 说实话这个世界上绝无仅有的体量非常大 且 growth 非常大的因为 说实话 在我眼里 创业永远是天时地的人和天使绝对是最重要的

就是你這個時機然後地利就是你這個區域它是否是在高速成長然後再是人和就是我們作為創業者做些什麼事情那天使顯然是現在 AI 對吧是一個高速發展的時期是非常早期的時期是適合入場的時期那地利呢我覺得中東這個市場也是在 18 19 年之後比如沙特小房子上位之後在迅速的發展

那可能我常常我有好多好朋友啊这种老北京人就会描述这个阿联酋的这个首都叫阿布扎比就是 15 年前的北京非常 incredible 我当时去非常震惊的就是大夏天外面 45 度热火朝天的盖房子就跟 15 年前的这个这个北上广一样就你会觉得很 incrediblegirls 非常快

我觉得就是这点是阿联酋上我觉得特别牛的一点就他真的是他把自己完全开放出来就是让人才过去他开的薪水也很高然后而且他职位他真的就是你是真的可以做上你可以做上二把交易然后我去之前我都不敢相信真的会有人专门搬过去就高端人才专门搬过去因为 Rachel 搬过去我觉得挺离谱的了已经然后我去了之后发现哇塞我跟 Rachel 一起在他们中东的那个孵化器里面发现比美国还更

更开放就他那边不只有硅谷的有肯定也有印度的白色的然后也也有欧洲的甚至我不知道是不是还有俄罗斯的就是 it's crazy 就 actually 特别 diverse 就比美国 diverse 多了是的说实话我在 YC 的时候百分之八九十都是亚裔啊就中国人印度人或者 ABC 这一类的哦我去了 HUB71 大概百分之四十是欧洲来的

什么德国人奥地利人英国人什么俄罗斯人都有的然后 40%是美国来的就是非常 dead worst 的确是我从我在硅谷待了这多少八年我真从来没有见过这么多欧洲的优秀顶尖人才嗯

的确非常 Impressive 而且我觉得我不得不说就还有点就是因为刚才 Rachel 你刚说到 YC 的就投资的一个 Benchmark 其实啊就其实他非常精英主义你知道吗就是你必须得是就 Top School 然后就是 Top Company 然后你还必须得 Based 在硅谷他其实是我觉得还是蛮精英的啦就是你说我如果我只是在中国我有一个梦想那我就没有办法到 YC 去付款

你这个非常有意思其实说实话就是就算硅谷的这些 whatever 所谓你们所谓的顶尖公司就算融到美国 VC 的他们的进取办法最后还是中东这帮人

就是他们的 LP 还是中东这帮人就中东他在 1819 年当时做了一个大转变就原来 1819 年之前这 10 年 20 年他们一直都是向外投他们觉得 OK 我本地是做不出来什么企业的我愿意投硅谷我愿意投中国我愿意投我待会其他世界其他地方他们有更好的增长

那从 1819 年之后他们突然想明白了想我干嘛非要做这个冤大头去投别人呢我投我自己多好呢这样我自己既能赚到钱我这个国家又能有增长因为本来也是自己主权基金在投嘛

所以说他们意识到这点之后就更加满力的去投了我想让你对比一下就是说 YC 和 Happ 71 就是美国和中东的这个孵化器因为都是孵化器嘛你觉得他们孵化的内容当然其实阶段不一样但你觉得他们给到你的支持你现在觉得哎呦我这有点像问你喜欢爸爸还是喜欢妈妈但是你觉得哪一个对你的支持

更更多一些我觉得刚刚说一句话非常好你说的是不同 stage 我觉得 again yc 是 focus on 这帮人他就是第一次创业就给所有周围的朋友问我该不该去 yc 我说如果你是第一次创业你就该去就

就是你这七个点就是该交的学费如果这你未来不是只想创一次业的对就是 YC 会把你创业会踩什么的坑全交你一遍就有太多事情你不该做他都会跟你说 this is wrongthis is wrong 就是他会非常 direct 的跟你说

这是一个很傻的 idea 那 Hub31 反而因为他选的公司基本上都是属于 pre-A 或甚至 A 这个轮次的了那这帮 Founder 呢基本上已经自己踩了两年坑了就已经不用再被交易贬 YC 这一类正确的废话我现在叫正确的废话是

但是我覺得就是他要再給我就是 Half31 把我一些東西再給我講一遍其實對我來說已經沒有意義了因為我自己已經 either 聽了以後我自己已經踩過坑了那 Half31 對我們來說最大的意義是因為 Half31 已經算是中東一個算是最期間最歷史最悠久的一個孵化器了那其他的這個整個中東的主權資金都會虎視眈眈地看著這個孵化器裡面的公司

那這個孵化器裡面的公司一旦有什麼一個新的創意一起運動整個中東就會馬上就會都知道那顯然就是一個龍頭的一個孵化器那第二點就是

他会有一大批人啊就我们整个复化器的工作人员可能比我们的创业者还多所以搞笑并且他会请一大帮这种导师各个国家的这种已经把公司卖掉的这个成功创业者来给我们讲各个企业怎么做以及帮我们去介绍当地的公司资源因为对于哈布萨迪曼来说他们最终他们想要的事是把阿布扎比

或者整个这个阿联酋发展的好那这对他们来说就是一个非常非常重要的就是整个孵化器成立的任务就是发展当地的科技创新就这一事他如果能把比如说美国硅谷吸引来的公司介绍给当地的比如说阿联酋石油公司当地企业能因为有了这个新的技术导致 10 倍的 revenue 或 10 倍的生产力等等那他就赚翻了这就是他的一个本质需求

所以说他会特别愿意提供这种大企业的这种资源介绍这是跟 YC 很不一样的其实就更实质其实就是你可能更可能拿到一个很大的 size 的一个订单相当于是更大的订单且更 stable 因为我上次也灵魂考问 Rachel 为什么非要做石油行业因为就是你做同样的事情 data parsing 但如果你能够特别 tailor

他公司的一些就是大批量数据的处理的一些东西你能把这个东西比较 tailor make 的给他做好的话那他付的就不是不是几刀也不是几十刀也不是几百刀那他可能真的就是一年是一个最起码是一个六位数呃美元的订单了最起码最起码嗯就是所以就是说你做同样的事情你在哪的收益是最大嗯对吧就是我觉得这个这个逻辑还是还是成立的嗯是的是这是为什么

我们做 ai 做 agent 我们会 focus on to be the use case 因为我 fundamentally 认为啊 to be ai 我发现到认为 ai 是一个提高人类 gdp 的一个事提高人类降本提效把人类 gdp 10 x 100 x 的一个事

Rachel 讲这个逻辑我挺认同的就是大家都在说 AI 解放生产力但可能大家立马想到的还是一些个体的 case 包括可能大圆模型大家一般来说想到的场景还是非常 C 端非常个人的一些场景但实际上真正的生产力在那些资本非常集中的地方比如说石油行业我能想到可能医药行业也是类似的以及很多的这种

大型的重工业等等其实可能在他们身上去做 AI 的潜力和 catch up 的 gap 会特别大既然聊到了个人和公司场景其实我正好也想问问是不是在从 AI agent 的角度现在是不是其实可能一个 business 或者 2B 的一个场景会比 C 端的场景更加成熟

我觉得 again 这是我自己的 bias 因为我过去从我工作到现在我一直都是在 B 我都是做 to B

我也没做过 2C 我也说实话不是就是说我做事我不会去往 C 上面想所以你要问我说 OK 是不是 AI 更擅长做弊端我个人觉得是的但可能我是错的对吧比如说我知道 AI 在娱乐在游戏行业有非常大的应用那你说它算不算 C 可能也是所以说

我只能说我自己的 opinion 是 bias 到我觉得 AI 在 enterprise 或者在 B 端有绝对无限大的应用因为刚才我们讨论的这个说 AI 在 B 端的应用它对生产力的解放意义其实更大

当然 C 端如果就是你切对了你可能就爆发式增长但是 B 端的话就是你可能你能够在早期获得一些非常优秀的订单而且能够在最优秀的公司里面去打磨你的产品可能是这么一个现在一个选择的路径对说到这里这也 Ritual 公司现在也在打磨一款

agent 产品然后其实是在 CambellML 这个公司下面他们其实现在也在 launch 新的产品其实像很多公司都是这样子那 Rachel 要不要讲一讲就是你对 AI agent 在 Enterprise 应用里面的想法 Again 非常偏弊端了就是弊端到这种 non-technical worker 我们更多定义为 non-technical 的 cursor

就是帮助 non-technical people 就是不写码的同学们这个能解决一些本来需要写码同学们做的事情就比如说像刚才 Liza 说的一些偏 business intelligence 用 BI 的一些任务

原来是需要一些可能这个编程同学的优化可能会大量的能完成一些工作但通过我们的 agent 那各种比如说 enterprise 的数据的这个转换格式的转换以及数据 insight 的提取以及数据的收集数据的清理等等

已经完全不需要你自己去比如说在硅谷花一个二三十万找一个 engineer 找一个 scientist 来给你做而是你自己用我们的 AI agent 就马上能完成的一个 tool 对那我们的 tool 跟传统的 agent 比如说 Manas 或 OpenAI Operator 不一样的点是在于就现在大部分的这种 agent 都感觉跟个临时工一样

他可以做一条两条三条但都是临时工来你这待个二三十分钟走了并无法延续我们做的 agent 反而是有着记忆输入的

有着自带你之前经验经历的 agent 这是 enterprise 必有的 enterprise 在讨论什么是我上一个员工离职了他会把一些经验或者是一些我原来训练他的一些 lesson 带走那为什么 agent 会 fundamentally 改变这个事是 agent 的所有事都电子化数据化嘛

那我说白了我的 agent 之间是有 communication 的就不会有了这种一个员工离职导致他的这个经验所知所得都带走了我需要去重新培养新的人工这是一个 fundamentally 不大一样的事情能举个例子吗比如说就是我员工 A 用了你的 AI agent 做了一系列事情然后员工 A 离职了然后员工 B 用的时候这个 agent 已经是一个 very well trained 的

就是我让他去完成一些 test 的时候对举个最简单的例子吧美国公司在招人对吧那你招人的时候美公司都有自己的文化老板都有自己想招的人什么样的品位什么样的癖好等等对吧你会去把你的 HR manager 给训明白了第一个 HR manager 训明白了然后他就开始去给你找人对吧他找一些人慢慢的你跟他磨合他找的人都还挺符合你的口味

那现在这个 HR 走了你换那个 HR 他来的时候你是不是跟他又要再磨合一顿让他去帮你找更合适你口味的人对对对磨合你的品位就是只要这个企业还继续为这个 agent 付费这个 agent 同学是永远不会走而且永远都会保持你的这些习惯其实从商业模式上也非常没 sense

所以说我觉得 agent 这个领域非常早就可能用智能手机做比喻可能就是这个黑莓手机可能都还没出来呢明白那你们现在这个 agent 你们现在的 target customers 能给一个形容吗就是你想要什么样体量的公司

我们现在主要是有几个方面的客户我们也不想做的太散主要是有石油客户像刚才提到的然后再就是 HR 这一类的客户就是利子源客户以及金融客户金融啊投资啊这一类需要有非常多的纸张到给我们的客户

那这些客户大多数的共性是大家其实都很难招到高质量 technical people 高质量的马农来帮他们去做一些优化比如说医疗我多少我也不会去比我也无法比较一个医生的好坏那对于这一部分客户来说其实能提供一个标准化的高质量的一个马农能提供的服务能做出来的一个 service

对 non-technical people 价值是巨大的 OK 我明白但又好像不完全明白你 get 吗我一直在想就是最后是不是马农在创造出了 AI 在伤害自己

我觉得这是我为什么从 AWS 出来一个原因我当时看到了我当时看到 GPT-3 我当时就觉得这个我觉得我们这一行的工资可能不保了 21 年还是 22 年当时那段时间我就当时就有非常强的这种不安全感就觉得我做的事我感觉人工智能马上就要可以做了我觉得马上就被它取代掉了这个为了能保住饭碗我还是赶紧从 AWS 出来这个跳出自己的舒适圈做点别的吧

你这么一说还真是这太逗了相当于就是马农创造出来一个产品就要把自己给取代了太高兴了因为我想感慨的一点就是因为我觉得马农真的是一个就是我觉得是互联网时代到现在创造了一个特别 high paying job 我觉得 it's interesting to think

就是有可能随着 AI 的发展高收入的马农群体就会从这个时代离开对吧就你觉得以后的马农生活是什么样子的就他们还会拿这么高工资吗然后他们跟 AI 是怎么配合的然后以后是不是需要他们的数量也会骤减我觉得数量骤减显然是的哪怕现在跟 Dotcom 那个年代比数量都少了很多啊

就是这是你去美国那个劳动局查的数据我忘了我在推特上看谁 PO 了这么一条就是马农的数量是在.com00 年达到了顶峰从那之后再也没有多出来一直是在骤减的你包括你现在你去看马农这个职业你从 2021 年吧到现在依然是在骤减这个职业就是一直都是在自己优化自己的

但并不是说这个职业就会消失但是因为马龙这个群体有限导致可能只有高收入或者高价值的一些领域才顾得起马龙大家原来都没有 AI 的 access 都无法 access 到这个事但因为有了现在的 LM 大家都可以 access 到

都可以从中获利我觉得这是这一波 AI 完全跟之前的几波与众不同的一点所以再次印证了没有铁饭碗我就在想以后会不会是这样子比如说因为这个 AI 啼笑了所以可能比如说像 Google 啊 Meta 它可能都不需要那么多马龙了那 maybe 可能这里面有 20%的马龙就会被分流出来它就是它没有办法在大厂里面继续工作那它去哪呢那就像你刚刚说的其实世界上还有很多地方需要马龙

那是不是可能有一部分人他以后可能会离开 Google 的 high paying job 但是他可能去到一个可能比如像 energy industry 或者什么 health care industry 他就做一个跟 AI 相关的 AI implementation 的 manual 你觉得这会是以后的一个途径吗

我是觉得就是去年当 Cursor 刚开始做的时候我们就我就要求我们整个公司的马农们全都必须用 Cursor 就你会发现很神奇的一个标课那这个马农他本来 perform 他本来自己写 code 写的好的用 AI tool 用的也很快用的也很好本来写 code 写的不好用 AI tool 用的也很慢就一模一样的标课很神奇

我会认为未来你就算你是先人你超人你怎么可能跟 AI 比呢就是 AI 已经比 99.99%的马龙们都厉害了因为你想他看过多少全人类写的高质量的 code 并且他是不断地在训练不断地在优化你这个人你天天又要吃饭又要睡觉你一天就算你不吃不喝你也就 24 个小时你能去读某一些 code 你速度成长速度比

不是 AI 的所以说未来肯定是人在使用更先进的工具去创造新的生产力所以说我觉得我觉得不会说是说谷歌的马农失业了就一定要去个什么 health care 或者是 whatever 就更多说是谷歌的马农可能就算他失业了他可能其实在创业公司

接着用 AI 去做什么东西这是我觉得就是我其实也不知道国家法轮功事业它不会去哪里我对这个是非常非常极度乐观极度 positive 的就是觉得会创造更大的价值嗯这是一个生产力解放吧就是可能以前一个不会 code 的人现在也可能可以因为我最近其实我都有点想用 AI 学编程我非常惭愧地说我最近也在 YouTube 上看怎么用客词写一些简单的东西

我其实觉得我其实觉得不用我其实觉得真不用来下就是我说实话啊我觉得 Cursor Game 它的对象就是曼龙曼龙嗯我没打赌半年之内好有工作

对半年之内不管是我们的托尔或者是 whatever 其他的 agent 绝对就是会有那种你拿自然语言我就给你写 code 出来你就拿自然语言改就行了绝对是有这种东西会出来我觉得未来绝对是说工具会适应于人只不过现在更多是适应于马铃这批人未来可能会更多更多的人那这一代模型你总要还是需要有人去做研究做 research

还是需要有这帮人的只不过就是说人去升级到做机器做不了事的我觉得是这样就是需要满能但需要的是就是有迭代能力有这个有自己头脑有独立就是独立思考能力的满能我就是纯好奇那你觉得以后就是工资最高的公众应该是啥呀

是用 AI 的人吗哇塞就难倒我了我要做这个我直接就去做电话了我就去专门投这个行业就行了就 AI 做不了什么事啊我觉得几点第一个是人际关系的事那比如说一个 Sales 对吧积累了一辈子经验

这个

这一点我暂时没有看到我已经看到 AI 在比如说比如说 AlphaFold 就是这个 AI 去研究蛋白在一个限定的一个条件里比如说就跟下棋一样限定的条件里你只有往前往左往右往后这四个方向的时候那其实 AI 是能试出来 AI 就是穷举吧我试出来对吧

但是在一个 research 航线里你可能有 360 个航线可能有 1000 个方向的时候对 AI 来说现在算力还没有达到就是我每次我每到一步我都要试 1000 个方向那这时候就是需要有人对吧人毕竟也是过去

嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯 嗯

就是 taste 这个事我其实很 doubtAI 我不确定可能会有一天这个 AI 学习的某些这个时尚领域它就会对时尚有非常高的 tasteWho knows 但我觉得这个是挺难的不是这个随随便便一个普通人的数据集就能训练出来的

其实我们在 marketing 或者说创意媒体相关的里面也发现就是想要用好 AI 不是说 AI 去取代人而是要有一个会用 AI 的人会去 guide AI 的人就可能也像 Rachel 刚刚说就到最后可能人最后最需要的 skill 或者说最需要的 quality 是你的 gut feeling 或者说你的直觉

或者说像你说的那个品位因为这个东西就也解释不出来就是 AI 它不是通过 AI 的穷尽的方式去得到的对 就是人自己都无法解释就是人自己都不知道自己就像潜意识这种感觉的对吧 有时候你觉得一个东西好或者说你觉得它一个东西它应该是什么样

就是你就是想要去钻这个牛角尖但这种东西我觉得是就是可能 AI 现在没有办法推倒的吧就是所谓就刚刚说的 God feeling 这个是的我觉得人就特别搞笑我之前做过一点点的这种 neuroscience 并且我觉得这个行业绝对是未来非常非常火就是绝对值得去做的一个事了

就是人连自己大脑都没想明白大脑是怎么 functioning 的潜意识是怎么来的等等人就去做了一个 motivated 大脑对吧就 AI 嘛对吧嗯就是我觉得人有时候也是挺搞笑的就是我觉得最终原因还是人大脑的数据比较难收集就潜意识这个数据你告诉我怎么收集啊嗯你是在我脑上装一个什么 neural link 收集一下吗这个是非常非常难的嗯

有非常多硬件软件等等数据收集的一系列工作要做嗯嗯还是很长路所以他说其实人脑可能仍然是现在就是最最复杂的一个运算机器我其实本来还想问瑞丑一个就是比如说呃就贴近于我们的播客嘛比如说你你们的这种 corporea agent 你能给这些比如说出海创业者就是他们用你的这个东西能做点什么就可以 bringstorm 一下哇

做太多太多事了就是刚才咱们说的那些都是比较简单的事比如说我们最近也在做一个这种 SEO agent 就是 SEO 这个事多多少少绝大部分人听着都是一个非常专业的事对吧就是在 Google 上

去做这个搜索的优化怎么能让你在 Google 啊或搜索引擎上排名更往前这个事儿比如说在硅谷我知道我有好多朋友他们会去专门找这么一个 SEO 的 consultant 来他们公司做上一两个月给他们先把这个点给铺好

那其实这个事完全就是一个 AI agent 的事对吧 SEO 这个 knowledge 一个正常大学生你去学对吧你学一两个月你学回来对 AI 太简单了那我们的 SEO agent 就可以对着不管是出海电商呀不管是硬件软件 whatever 的这个公司的 website 就先帮他给他指出你该什么什么地方做什么什么样式以及去不断地产生内容就这种所谓带一点专业性的东西的事情其实多多少少都可以被优化为一类 agent

我觉得这个 SEO 这块肯定是一个但我想到比如说矿业电商公司运营的日常比如说订单数据分析能不能快速的去通过数据去产生一些比如说不管是折现各种图表

来去分析又或者说是比如说我做了一个外贸产品我想要在海外让 agent 给我 source 一大堆 potential 的这个 buyers 但是在于就是把 sales 线索扩大到无限大的这个事情上我觉得 AI agent 会是一个非常非常好的事情尤其是这个事情对中国的卖家也很 make sense 因为他们本来英语也不够好

然后其实我们有非常多就是我们因为我们公司其实更 focus 是在软件或者科技公司但其实也经常会有很多就我们身边各种各样的比如说家里有厂的人就找到我们其实我们帮不上忙但是但是就是嗯

对我觉得其实 agent 会很 helpful 因为成本也比较可控然后他们如果能找到任何的订单那这个收益都是非常大的对吧所以我我想到可能还有个这个 use case 其实挺现实的嗯这个非常好这个之前就包括硅谷包括欧洲我都听到过很多这种做 AIBRD 的 BDRBDR 就是帮你去找例子嗯就这种事原来都是说美公司招 intern 来做嗯

现在是 AI 来做 AI 做的而且找的也多毕竟自动发邮件自动打电话等等我听说好像就是 Eric 甚至这 AI agent 还可以帮咱联系红人因为以前我们比如说差 GPT 它只能生成一封给红人的信但现在就是 AI actually 它可以直接 login 然后帮你去给红人一封一封发信息或者搜索这个确实也会是一个 use case 对啊你那天不是跟我说让我找 Podcaster 吗

我就打开我 linkin 之后我就跟我 agent 说你去帮我找我所有 first connection 的人他自己做 podcast 的然后你帮我给他每个人都发一个 invite message 嗯

那他就先去找了他自己就会做 planning 他会说 ok 我先找到这个 list 的人然后我对这个 list 的每个人我再发这个 primary message 就是你全都用自然语言甚至我们现在在加 voice 功能未来对着他说话就行了就像对着一个你的员工一样

对对对那真的是像对着一个员工一样 except that it's 就是他会更 efficient 对我现在是 AI 这个时代我就创业者嘛本来就是这样子就是你 self initiate 做很多事情那我现在会常常 self initiate 去专门我会 allocate 比如说一下午就是做 deep research 因为我会觉得哇我有好多好多原来没有想明白的事突然间就开了还是挺 impressive 的一个经历嗯

最後我還想再問一下比如說 Vitual 你現在除了你們公司自己的產品你有沒有一個最喜歡的 AI 產品你使用度比較高的最喜歡就我剛才說的 Perplexity Deep Research 就 Perplexity Deep Research 你覺得 Perplexity 但 Deep Research 這個事不好意思我想說我是喜歡 Deep Research 它不一定是 PerplexityOpenAI 的 OperatorOpenAI 的 200 刀那版也有

包括我們公司自己也在自研我知道大概 SIM 外面有五個 open source 版本你要是會寫 code 你自己 download 一下你自己也可以做一個自己用這是個技術啊 deep researchInteresting

我真觉得就是 Rachel 讲这么多现在让我觉得 AI agent 真的可以取代太多事情然后真的重新就彻底重新思考就是工作商业等等这很多问题甚至也许有一天就我们现在的这种播客就跟我们现在聊的一模一样可能就是 AI agent 在聊可能甚至聊得更好非常感谢 Rachel 今天帮我们打开了这么多的就是未来的一些展望和给了我们这么多的一些新的洞察

那感谢感谢艾瑞感谢雷泽邀请非常开心谢谢瑞丑