11月AI创新访谈精华：硬件、出海与创业破局全景摘要

PLAUD创始人许高访谈：AI录音硬件，全球超20 万用户

PLAUD 现状：Kickstarter 110万美金众筹，打破纪录；2024年7月登上亚马逊 Best Seller 榜第一，全网销售超 1000 万美元

• PLAUD的切入点：
  • （1）背靠中国做全球化的企业是一个巨大的机会。以中国的供应链/技术优势，推全球。
  • （2）任何赛道只有第一名能长青。第二名往往只能做到第一名 80% 的性能，50% 的定价，10% 的盈利能力。当你的产品有软件和 AI 的深度融合，产品体验可以通过 Over The Air （空中下载技术） 的方式持续增强，也更好获取用户体验以改进产品。商业模式上也可以想象订阅制的商业模式，而不是硬件的一锤子买卖。
  • （3）Bootstrap，思考如何在有限的资源和资金条件下做出产品、以高执行力做出产品。因为资源有限，在很多地方犯错时容易挂的，在每一个细节都要做到极致（比如对用户的洞察，产品的定义，营销的执行，ROI导向不够等）。

比如当时我在研究 AI 录音笔这个赛道的时候，从业界已经在使用的这些录音笔，大家都在用的某一款芯片，那我会去找到这个芯片的研发团队，去和他们探讨说芯片的工作原理、他们当时的思考、现在的局限性，然后找到录音产品代工厂的老板，再到业界所有做录音笔品牌的老板，再到搜狗部门负责人，当时我们看这个机会的时候，正好搜狗和讯飞是干得很优秀的。我能把整个赛道聊得非常的透，包括做用户洞察，人肉看超过 5000 条用户评价，当你把工作都做到那个份上的时候，其实你对整个业态产品形态的一些用户需求的思考就非常的立体化。

• 录音笔现在是一个大厂看不上，小公司搞不定的一个事情。为什么小公司不容易搞定呢？就是你做 AI 录音笔，需要有硬件研发，软件研发和 AI 研发，很难获取到这么全面的人才模型。
• 一个企业从 0 到 1 的时候，最好的做法是在同类型的产品形态里面，寻找已经在售产品的消费者评价（以及用户需求里最核心的购买要素），然后把它研究的非常通透。

比如想做智能眼镜，那要去研究 AI 眼镜、VR 眼镜和普通的眼镜；要做 AI 耳机，要研究普通的耳机、运动耳机、不同形态的耳机，寻找用户需求里面最核心的购买要素，以及消费者评价的关键内容。



以耳机为例，第一性原理是音质表现和佩戴舒适度，所以开发一款 AI 耳机产品，不可避免的要去思考什么样的技术路线能把这两点做到优秀。有些公司说 AI 耳机也可以做录音转写，那就研究做录音转写的产品形态，APP 也行，其他的什么形态也行，然后看消费者需求，反馈是什么样的。



所以当一个企业在从 0 到 1，也从来没有人做过的时候，要去做一些更广泛的回到用户需求本身的调研，已经有产品在满足这些需求的话，他们是怎么做的，用户的反馈是什么样的。另外我们现在这个阶段，已经有小几十万用户了、有几十万个邮箱，做用户调研就非常方便了。

• 一个角度是，我们把 AI 硬件理解为是人的器官的延伸，比如说把嘴巴、耳朵、眼睛的数据通过传感器的方式来收集起来，就是麦克风、扬声器、摄像头，去采集人所相关的数据。第二个角度是开发大脑，就是 AI 的部分，做信息数据的处理。所以回到哪些产品形态更容易完成这些 PMF，包括成为计算中心。像耳机、眼镜，甚至一些可穿戴的AI设备，因为它靠近头部的器官，其实都是有机会 AI 化的。
• 一个好的 PMF 是在某个产品形态和用户需求里，找到解决需求最丝滑的角度。比如戒指，智能戒指往往做到了健康检测、睡眠建议就可以了，把这几个事情做好就有一定规模的受众。那如果现在非要把戒指搞得要能开始说话，要能拍照，你会发现很多核心体验环节，还是不如手机方便。所以克制就非常重要了。
• **所以你去定义你想解决什么样的用户的什么样的问题，然后你用什么样的研发代价去做到这一点，然后你的定价推算出来说你的商业回报能不能支持你这个事情，如果能做到这一点，那这个边界就是对的。**所以我觉得边界它肯定是从目标受众、目标使用场景，对应的产品价值、可以获得的产品定价和预期销量，预期的商业回报和你的研发投入之间的整个匹配关系确定的。
• 硬件开发遵循木桶原理，比如供应链缺一个零部件就生产不出来，产品定义有问题可能就卖不好，如果销售团队不会卖，运营和投放效率就不高，都可能导致硬件产品的失败。因为硬件还没有到大众消费品的成熟度，从 0 到 1 需要做用户教育，做商业结果就要布局零售渠道。一个成熟的消费品公司所拥有的那些能力都得去试，比如说整合营销，线上基于内容的、红人的、广告的，然后线下的传播方式，销售渠道你也要考虑，DTC、平台电商各种，你最后也很难直接预期说哪个销售网络是最有效的。这不是 AI 硬件的单一特点，是任何做创新产品形态的公司要经历的过程。
• 深圳的 AI 硬件圈子有三类公司。（1）是已经在产品和市场形态上相当成熟，比如 insta360、韶音耳机。（2）在细分垂直领域去寻找极致的 PMF，比如 PLAUD和给穆斯林人群设计的朝拜助手。（3）还在路上，围绕着下个时代的计算中心来做的。
• 相较于 AI 大模型，硬件的研发能力不是 rocket science。认为对于用户的理解，对于产品的理解，对于商业的成熟度的潜力挖掘是重要的。
• 从研发模组的测试、调试来看，中国的团队相较于美国的团队实验效率更高。北美团队更有创意。

PLAUD 在总结的内容准确性、全面性、逻辑性、语言质量等在本次会议的总结中都优于其他产品，作为专业的录音产品，在会议总结功能方面的实力完胜！

微亿智造CEO：具身智能落地工业场景，人形不一定是最优解

• （大模型）集成到工业领域后，我们能够在每个场景中积累数据，并通过机器人载体有效执行和落地，沉淀有价值的数据。
• 「创TRON」这个产品是微亿智造和捷勃特联合推出的第一款具身智能工业机器人。机器人可以观察人的示范，从中学习，然后执行一样的操作。机器人就像学徒，师傅带徒弟演示一遍，仿真系统学习，然后自己操作一遍。
• 具身智能工业机器人会改变行业对自动化的思考。传统的流水线设计，把人当机器一样去「使用」。通过流程和 SOP 标准化，去除个体差异。稳定后，再逐步用机械设备替代人力。但当机器人具备人类的理解和认知能力，能够基于感知来思考，同时在执行侧又能够像人一样灵活应对执行任务，工作流要发生变化。要求两点：上料必须规整，工程师给机器人编程初始化，告诉机器人在哪里抓取/安装物品。
• 「创TRON」在设计上对标人类员工。人有时会犯错，它也会，但有机制来纠正和提升。类似于自动驾驶的 L1-L5 级别，「创 TRON」大概是 L2、L3 级别。它需要人类监督，在执行时，发现问题，及时纠正，而这些纠正会帮助模型在下一次的能力提升中表现得更好。
  • L1，就像是在自动倒车入库这样的场景中，不用专业的技能，普通用户也能自动完成。
  • L2、L3 的话，相当于在高速公路上跟车的这些功能，可以在没有专业技能的情况下自动完成。我认为「创 TRON」大概相当于 L2-L3 级别。
  • 进化到 L4 或 L5 级别时，用户只需要告诉机器人我要完成什么任务，完全不需要任何专业技能。那时，它就真的像一位聪明的工人了。
• 以前自动化追求的是高效率，牺牲的是柔性和个性，大家一直认为效率和柔性是矛盾的。而现在，好像来了一个新事物，可能有机会把效率和柔性统一起来。（柔性化：一般机器的小批量快速量产能力，相对于通用的定制化，需要有更多灵活性。）
• **AI 和具身智能类产品最不怕失败，只有在这种模式下，才能有效提升模型能力。**不过，我们需要解决的核心问题是，如何在工业现场中将这些失败变为可控因素，从而让产品能够真正落地和执行。因此，在示教的过程中，我们允许一定程度的失败，人类在这个过程中会不断对它进行矫正，一旦模型稳定下来，它就能快速落地执行，且效率极高。以前，我们可能需要编程来让设备理解人的指令，要花费几天甚至几周时间。今天通过示教和修正，机械设备可以在几个小时内快速实现。
• 如果工业场景有一个具备感知、认知、执行的能力的智能体，人形并不一定是工业现场中的最优解。工业现场最初是为人类设计的，所以人形机器人可以第一时间进入到现场，但今天，工业现场的生产并不一定要为人设计。
• 今天国内市场上的机械臂已经很便宜了，但为什么企业还不用？很多老板吐苦水说，买了几万块的机械臂，还得配一个月薪几万的工程师来调教它，而且订单和产线经常变化，工程师还需要时间去不断调整。相比之下，招一个临时工，或者让老师傅带一下，几乎就可以立即上岗。这是现实中的情况。
• 我们从很多第三方的市场报告中看到，每万名工人的机械臂使用量，几年前是 200-300 台，现在达到 300-400 台，甚至在发达制造地区达到了 400-500 台。剩下9500在干什么？生产主管觉得在能用的场景都用了，但还有太多场景需要依靠人来解决。主要鸿沟是教人比教机器简单太多了。
• 工业现场的第一个问题就是要把账算清楚。今天许多与人形机器人相关的成本，一部分是在执行结构上，另一部分是用了大量传感器，如果我们把这种模式应用到工业现场，问题就很难解决，账是算不过来的。所以我们给团队设定了一个预设条件——不能使用贵的传感器，也不能用更贵的技术来实现这些目标。总结起来，核心就是成本、工作效率和任务执行的准确度，要在这三者之间找到最优解。
• 从 AI 公司成长为机器人公司很难，从机器人公司成长为 AI 公司也很难。像「创 TRON」这种具身智能产品，必须是硬件与软件、机器人与 AI 的深度结合。今天很多人形机器人公司动辄有 400-500 人的团队，至少需要 200 多人的硬件团队，100 多人的算法和软件团队，才能逐步将产品做起来。
• 物理世界的干扰因素很多，工厂内部干扰有限，工业场景在模型训练和技术实现上相对容易一些，但是对精度和效率没有容忍度。C端场景如何机器人没抓住可以再试一次，工业场景中不可接受任何错误和食物。竞争对手始终是人，如果执行速度慢，工厂可能宁愿继续使用人力。
• 苹果、特斯拉这些顶级制造企业的生产线很壮观，上百米长。近两年的思路是，有没有可能在集装箱大小的空间内完成一台 iPhone 的生产。原先的话题是黑灯工厂，从原材料到成品无需人工操作。现在关注的是，能不能有一个生产过程可以动态调配的工厂？
• 今天具身智能的难点在于它使用了大量不同能力的组合。比如说对象物体的识别，它涉及 2D 到 3D 的模型能力的转化，但它本质上是一个小模型，难点在于算法精度必须非常高，训练数据集也要足够小，训练时间要短。每个子任务由一堆高精度的小模型只会机器人完成不同的运动规划任务的集合，同时和机器人的动力学算法结合确保执行的高效率。

Arc 浏览器深度解读

• Arc 的野心是重新定义浏览器。Arc 吸引的是 Chrome 浏览器用户中的小部分，哪些喜欢折腾的个性化的人，喜欢 Notion 和 Miro 的人。他们对产品针对性优化，和 Notion、Github、Linear 和 Figma 深度集成，让用户感受到这个产品是专门为他们设计的。
• Arc 采用了 waiting list 制度，在小范围测试。第一年，每个新用户都会通过 Zoom 和团队一对一的了解产品，和新用户直接建立练习，亲自演示，了解浏览器的体验和功能。
• 你必须构建你和你的团队认为正确的东西，让你的产品成为你们真正的表达，而不是市场所要求的，也不是某篇博客文章说好的东西，更不是某位大咖告诉你应该做什么，而是你们认为正确的东西。Arc 的核心首先是浏览器的基本功能：速度、可靠性、隐私保护和安全性。
• Arc **并没有正式的 PRD（产品需求文档）流程，也没有专职的产品经理（PM）。一切都设计得比较随性。所以，与其花时间写 PRD 文档和制定计划，Arc 团队更倾向于在 Slack 上进行对话式的工作。他们会在一个频道中讨论想法，解释他们的思路和理由，然后花一两天时间做一个简单的原型来展示这个想法。**我们是一个非常注重原型和实验的文化。我们喜欢这样做：如果有人有了某个想法，我们不会浪费时间讨论。我们直接说，太好了，去做吧，我们来试试。在 48 小时内完成第一个版本，让它看起来不完美，尽快推出，然后让它自己说话。

地平线上市，终于可以说说余凯的故事了

• 从地平线成立之初，余凯核心的 vision 就是：移动互联网最大化了数字化和互联网化，数据的丰富后，大势必然是 AI 的大发展，但软件和算法的独立进步有尽头，需要结合芯片突破天花板，才能让智能真正发展，才能为广义的「机器人」造脑。
• 地平线的业务基石是智能电动车。
• 余凯在 2019 年进行重大战略调整之前，地平线内部其实已经进行了长达半年的讨论。AIoT 智能家居看似打开了市场，但每个垂直领域做好都要分兵屯田效率很低。余凯认为这些信号不对，多次召集高管讨论。最后达成了共识，虽然 AIoT 市场广阔，但场景过于碎片化，很难成功击穿每个场景，就算击穿回报也很低 —— 决定裁撤除智能驾驶以外所有业务。当时的1200人裁员500人调整战略。
• 过去 20 多年，我经历了好几代中国创业者的兴衰，我越来越觉得 5 年真的是个小周期。这个周期的核心就是「熵增」。一个创业团队就像一个生命体，生命的本质是「熵减」，但长大的本质却是「熵增」。一般来说一个创业团队最黄金的时间就在最初 2-3 年左右，之后就会把诞生时候的初始能量耗尽，而随着规模，环境，业务的发展，一定会让整个系统越来越复杂，变量和混乱不断叠加成持续熵增的状态。 而要想「熵减」，只有两个办法——给系统注入能量（比如真被市场认可形成高速成长了），或者，就只有重启系统到初始状态——把系统变小，把目标变聚焦。
• 与许多创业公司不同，地平线自成立以来几乎未曾受到资金问题的困扰。要乐观，你需要有选择的空间，而要有选择的空间，你就要「账上有钱」。

硅谷的投资基金怎么投AI Foothill Ventures 合伙人邵旭辉采访

美国早期投资行业基本情况

1. 当下美国的早期投资机构的数量有多少？典型的基金规模大概是什么量级？LP 一般有什么典型画像？

• 1500多家早期基金，基金规模从一千万美元到10亿美元不等，7000-8000万美金基金为主流
• 大体量的基金 LP 主要是养老基金、学校捐赠基金，这两类一般单张支票都在 2000-5000 万美金；
• 微型基金的 LP 一般包括 FOF（母基金）、家族基金、高净值个人。

1. 一般美国投资机构会对自己的回报率有什么样的预期？

• 一般考虑 risk adjusted return，与标普 500回报率比较。「标普 500 指数」在未计入分红的情况下回报率约为 8.5%，计入分红后大概为 10%。但鉴于 VC 投资的高风险性和低流动性，其回报率需要显著超越「标普 500 指数」才具备投资价值，也就是说年化回报率至少应高于「标普 500 指数」五个百分点，即达到 15% 以上才能被视为是有吸引力的好项目。

1. 美国的小型基金存续周期如何？

• 美国的小型基金排他性较弱，比如 Angelist 平台就汇聚了很多小规模投资机构。
• 小型基金存续模式多样，一类通过早期投资优质项目退出后，开展下一轮投资扩张规模；另一类可能在运营过程中转行或停止运营，比如硅谷知名的「Formation」基金筹集数亿美元，但最终选择将资金还给投资人之后停止运营。这就反映出并不是所有的基金都能成功做到第二期。
• 早期基金合作居多，竞争少，一般竞争从 B 轮开始家具。

1. 美国基金的退出路径如何？

• 美国 VC 市场的周期普遍长于中国，中国常见的是「5+2」模式，而美国则普遍为「10+2」

1. 一般美国投资机构不同轮次倾向的投资金额是多少？

• 稀释比例上，创业者期望每轮稀释比例在 10% 在 30% 之间，从种子轮开始通常经历 5 到 6 轮。资金需求上，投资机构会评估创业公司达到下一轮融资里程碑所需的资金量。一般而言，这一期限为 18 个月，其中 12 个月内需达到里程碑，并预留 6 个月时间进行下一轮融资。

1. 美国市场和中国市场对同一轮次项目的估值差异是什么？

• 中国投资人通常先给出高估值再进行尽调，最终通过条款调整估值；而美国则更强调透明度和创业者友好性，在尽调之后才会与创业者商定估值和条款。

在美融资

1. 如何美国创业公司怎样找到好的投资人的？

• 知名的加速器和孵化器：YC、500 Global、Plug and Play、 StartX 等
• 以获投创业者的推荐，能精准对接潜在投资人
• 专业数据库，比如 Link、Pitch Book 直接邮件联系投资人

1. 每一轮融资里都涉及众多投资人的话，沟通成本是否会大幅上升？

• 美国投资人通常更友善，游戏规则更清晰。
• 美国投资人的「董事会」概念是非常强的。董事会上的交流是必须的，投资决策大多也在董事会上达成，投资人可以列席董事会，定期获取公司资料，而小投资人虽然获取的资料比较少，但整体的信任度。然而，如果创业者一旦出现问题，特别是人品上的问题，就被列入投资人的黑名单了。
• YC 的创新的 SAFE 协议因法律条款简洁，只有投资人决定投资，几天之内就可以完成。
• 如果做正式定价的融资轮次，通常 A 轮之前的融资可以在 3 到 6 个月内完成，种子轮会更短一些。
• 种子轮阶段需要证明产品的可行性和价值，A 轮需要证明产的市场潜力，B 轮需要证明增长率的可持续性。
• 以种子轮为例，对于科研创新导向的创业公司，那就需要看需要突破的关键难题是否得到了验证；而对于产品型的 创业公司，则聚焦于早期客户满意度的达成，在 APP 软件领域，产品必须显著优于现有竞品，比如 30 天留存率超过 40% 这的数据指标。

AI产品出海美国，知识产权、数据合规等合规问题

1. 美国财政部在 2024 年 6 月 21 日发布的拟议规则通知（简称「NPRM」）对中国企业在美融资的影响重大；
2. 正在进行中的涉美融资，需要把握 NPRM 正式颁布前的时间窗口；
3. 跨境的 AIGC 企业应该重点关注知识产权合规、数据合规，这些很可能被用当地竞争对手（包括大企业）利用；
4. AIGC 生成内容的版权可能不受保护，美国的知识产权法律仅保护自然人创作的智力成果。AI 平台如果运用自然人创作的素材进行学习，平台利用这些数据需要进行二次加工，以免侵犯学习素材的版权。
5. 大模型出海的场景下，企业不仅需要完成国内的开源合规义务，也需要对目标国家或地区的开源合规实践有所了解，以避免在模型进入海外市场后因「事后合规」带来的高昂成本。

小宇宙CEO Kyth 如何理解AI播客

• AI 不能代替真人，因为真实是播客最核心的价值。
• NotebookLM 其实是在用播客的形式或者多模态的形式，进行长内容消费的提效和生动化。如果 AI 生成的东西在某些层面，无论是听感还是内容的丰富度，能胜过原先真人的内容，那 AI 也是能赢的。

秘塔科技专访：AI搜索这件事，我们是怎么想的？

• 选择做搜索，是因为法律领域遇到了天花板。在 2023 年底推出 MetaLaw，专供律师进行类案查询和分析的 AI 工具市场容量很有限。国内市场大概在 2500 万元，法律市场分散，很难找到更大市场空间的产品，团队也不擅长 B 端业务。
• 于是在 2024 年 2 月，秘塔 AI 搜索上线了。如何和大厂竞争？密塔认为只有在产品体验上领先，才能在后续带来优势。AI 搜索看似没有壁垒，但是将产品体验从 60 分提升到 80 分在继续提升是很有门槛的，比如，结果的呈现上怎样提升准确性？呈现的方式怎样更符合发现知识的习惯？在用户体验的顺滑度上，将给出搜索结果第一个字的等待时间从 3 秒缩短到 2 秒。这一秒的提升，就会有很大不同，同时还需要考虑推理成本，在技术上就需要解决许多的工程细节。

OpusClip创始人赵洋：7个月，500万用户，ARR千万美金

• OpusClip 可以说是目前 AI 视频剪辑工具的头号种子，产品的最大的一个吸引力在于它基本上是全自动剪辑视频，油管的安利标题一般是「1 小时剪辑 40 个 Shorts」，可以说，直击痛点。
• 第一次失败：「阅后即焚」的社交应用。观察到开发社交应用的人都比较内向，会寻求方式与人建立联系。就拿我自己来说，我特别想解决的是人们在微醺状态下的社交需求。之前创立了一家名为 Sober 的社交应用公司。顾名思义，这款应用就是为了满足人们在饮酒后的社交需求。Snapchat 横空出世，核心理念很相似，在一年后失败。意识到早期创业者从解决自己的痛点开始，尝试推广方案给更多相似需求的人。
• 第二次失败：餐厅服务系统。2015 初流行把美国成功的商业模式搬到中国，看中了一个叫 Post 的商业模式，它为餐厅提供从收银系统 (POS) 到营销标签到人力资源的全方位解决方案。
  • 但是，由于中美两国的商业环境和生态系统存在巨大差异，这个项目最终没有取得预期的成功。不过这段经历让我们意识到，作为餐厅服务商，我们不仅要提供餐厅需要的软件，还要提供餐厅需要的服务。
  • 于是我迅速转型，在 TikTok 刚推出四个月后就成立了一家专注于美食评论的网红机构。我预见到短视频将会彻底改变个人营销的方式，其中蕴藏着巨大的商机。在接下来的四年里，我们的团队发展到了将近 500 名创意达人。
  • 但运营四年后，我们发现所有的顶尖人才都想成为自由职业者，他们不想为当地餐厅服务，而是想为自己创作内容。
  • 我开始思考这个问题：**与其直接管理这些创意人才，为什么不开发一些AI驱动的产品来赋能所有创作者呢？**一定有 AI 解决方案可以尽可能地自动化流程，消除创作内容的痛苦。作为一名创业者，我深知这有多难。但成功的企业家往往带有利他主义，他们想帮助别人，而这种帮助往往能带来精神上的满足。
• 第三次：直播工具转为剪辑工具，总算找到了 PMF。
  • 我们的第一个产品是 AI 驱动的直播工具。 在疫情期间，大家都在家工作，直播变得很流行。因此，我们在 2022 年 1 月成立了公司，花了半年时间开发这个直播产品，添加了很多炫酷的 AI 功能，比如 AI 生成的表情包和互动。但我们发现，这些功能并没有解决用户真正的痛点。发布三个月后，我们只吸引了大约 200 个用户。我们希望他们持续使用我们的产品并给一些反馈，但他们并不愿意。最后甚至付给他们 20 到 30 美元让他们使用我们的产品以便收集反馈，但结果是，一旦我们不给他们钱了，就没人继续用了。
  • 我们为 AI 直播产品开发的最后一个功能是剪辑功能，很多用户希望在直播结束后能剪辑内容，方便再次分发。我们增加了一个功能，直播时按下按钮就会做标记，直播结束后可以直接为用户提供剪辑好的视频，还用了一些 AI 技术来识别精彩瞬间。
  • 这是那 200 个用户唯一喜欢的功能，他们问：「能不能只用这个功能？」于是我们决定将它做成独立产品，结果惊人，短短两周就有数万用户注册了 Opus Clip。到了 2023 年底，我们的ARR收入接近 1000 万美元，注册用户达 500 万。这只是产品推出七个月后的情况，真正的PMF来自于那些愿意为之付费的人。
  • 我们推出 Opus Studio 时问用户愿意付多少钱，他们都不好意思回答，可能说：「我再想想吧。」这显示他们没有购买意愿。但对于 Opus Clip，我们看到很多用户说：「我愿意付费插队」、「我愿意付费提升清晰度」、「我愿意付费下载更多内容」。我们第一天没有设置支付功能，但许多用户主动联系我们，甚至打电话，因为我们确实为他们节省了数十小时的时间。
  • 然而，对于直播工具，我们并没有帮他们节省时间，也没真正帮助他们赚更多钱。如果不能让用户赚更多钱或节省时间，他们只会觉得产品看起来不错，但没什么实际用处。
• 在 AI 时代，虽然有很多强大的技术团队，但能构建产品 PMF 的团队并不多。他们可能很自信自己的技术很强，但用户真的需要吗？AI 只能做到 80%，人工补齐 20%。我们投入大量资源开发手动功能的原因，确保一旦 AI 给出结果，用户觉得有 80% 完美时，仍然能继续完善我们的内容。
• 在 Opus Clip，我们每周都会推出新功能。这是我们的产品文化。用户喜欢我们的产品，不仅是看当前的功能，而是关注我们如何通过每周更新来快速迭代市场，确保在推出 AI 产品之前进行广泛实验，因为 AI 目前不太可控，结果可能千变万化。

AI 创业出海欧洲，如何找到投资？

对话 Airbridege Equity Partners 的投资人Jingyi Wang。Jingyi Wang 坐标荷兰，是专注于欧洲早期科技风险投资的投资经理，拥有 6 年投资经验，参投和领投 10 余家位于西北欧的初创企业，参与董事会决策，其中 1 家成长为独角兽，3 家成功退出。

欧洲早期投资行业基本情况

• 荷兰多数基金的规模在 1 亿欧元以下，且多数 LP 起初为个人投资者。初始投资轮次通常介于 50 万至-200 万欧元之间。荷比卢这几个国家都比较小，但拥有很多高净值的个人投资者，这些投资者更倾向于设立家族基金或自己作为 LP 进行投资，且投资风格稳健，注重风险规避。
• 法国德国市场较大，有很多大体量的基金，规模从上千万欧元至十亿欧元不等；同时也有一些与荷比卢地区相似的中小型基金，这些基金的规模大致在 1 亿-2 亿欧元之间。
• 英国有欧洲最成熟的资金体系。
• 北欧地区市场规模小但经济良好，有很多经验丰富的投资经理。得益于 spotify 等成功企业。
• 南欧地区与西欧、北欧存在显著的文化差异，南欧主张悠闲的生活态度，对工作效率的重视程度低。南欧这些喝「葡萄酒「的国家与西北欧「喝啤酒」的国家的商业环境和企业氛围形成了鲜明对比，我们一般更倾向于投资「喝啤酒」的国家的创业公司。VC 在投资时，也会考虑本基金的文化和风格与创始人的文化契合度，以及文化差异对企业运营的影响。
• 欧洲天使轮居多合投，种子轮开始有领投。
• 欧洲 VC 主要退出方式为并购，并购交易多由私募基金主导，同时又美国上市/科技公司参与。
• 我主要关注软件赛道，但目前欧洲的软件投资赛道呈现出一定的下滑趋势。欧洲各国之间较为分散，大众消费者市场缺少规模化，再加上欧洲各国都有很多发展成熟的老牌企业，这些企业对工作流程的数字化程度要求很高，这使得企业服务（b2b）成为了软件行业的主要需求方。这就促成了很多「小而美」的企业服务软件公司和以此为主要投资对象的基金。但是随着企业数字化过去 20 年的不断完善和发展，能真正带来风投需要的投资回报的细分赛道越来越少，使得投资人的选择有限，加剧了欧洲 VC 机构在估值的竞争。

在荷兰和欧洲如何找到投资机构？

• 一般是通过查阅数据库找有潜力的项目，比如欧洲的 Crunchbase 和 Dealroom 等，从中筛选出种子轮和 A 轮阶段的有潜力的公司，筛选标准如「融资额在 500 万欧元以内、过去三年有显著成长「等条件。还有参加活动，人脉网，比如天使投资人推荐，共同投资等。
• 过去几年，欧洲投资机构在投资方向上不仅仅局限于软件领域，更多地涉及硬件领域，比如如电池、新能源、自动驾驶、气候科技和太空技术等，不过这些领域主要受到大规模基金的青睐，小规模基金较少涉足。
• 创业者会做到什么里程碑开启新融资？一般是在 18-24 个月内，18 个月内要见到显著增长，然后接着 6 个月做下一轮融资准备。如果创业公司表现良好，通常 4-8 周完成尽调。通常整个流程需要 3 到 4 个月。

1. 欧洲投资机构在尽调和IC中更看重哪些因素？

Jingyi：不同的基金有不同的侧重点和偏好。比如我所任职的基金比较重视团队成员的过往经历、技术是否具备独特性、产品是否具备市场可行性规模性、以及公司的营收状况。总的来说，要看公司的 PMF 有多强，以及团队的执行力和战略能力能把公司带到多远。如果是在各个领域都特别强的公司，我们愿意给出更高的估值。

在估值方面，我们通常以 US PUBLIC SAAS INDEX 作为基准，并根据具体情况进行适当调整。

1. 在荷比卢地区，若创业失败，投资机构的处理流程通常是怎样的？

Jingyi：一般投资机构应该是有清算优先权（liquidation preference）的，但具体处理方案需根据实际情况灵活调整。对于软件公司而言，若真的进入破产程序，投资人可能难以获得实质性的资产回收。

1. 对于有计划去欧洲组建团队的创业公司，您有什么建议吗？

Jingyi：首先，选址很关键，建议根据公司业务特性选择适合的国家，比如，伦敦的金融市场十分活跃，是金融类创业公司的理想选择，另外，英国和荷兰在对外国人成立公司方面持友好态度，税收政策也较为优惠，特别是在荷兰，一天之内即可完成公司注册。

其次，强烈建议要寻找当地的合伙人，比如在欧洲已经拥有较高可信度的人，这样可以更好更快的与欧洲市场建立联系并加强信任。