圆桌论坛丨 AI 创业的海外前沿观察

   Q：Fusion Fund在大语言模型及AI概念火热起来就已经布局了垂类投资，在业内积累了许多顶尖案例，布局这个垂直领域的逻辑是什么？

Fusion Fund 张璐：最初我们的AI投资逻辑与医疗紧密相关，源于我之前在医疗领域创办的公司。自2015年起，我们将医疗作为主要的投资方向，但很快意识到医疗的未来必然是个性化的，要实现个性化，必须加入数字化平台，而人工智能成为推动个性化诊断和治疗的重要工具。因此，我们从产业需求的角度开始扩展到其他领域，将关注点从技术转向了根本的产业需求。数字化转型是未来产业发展的方向，而人工智能被视为超级工具，可以应用于各种场景，但并非所有场景都适合初创企业投资，因为某些产品虽然适用于工具形态，但可能无法创造数十亿级别的商业机会。

因此，我们最初从产业的角度出发，探究哪些产业适合进行垂直领域的人工智能投资，并能够产生现象级的创新企业。关键是这些产业是否拥有海量的高质量数据，并且市场容量足够大，以及这些数据可作为展现人工智能技术优越性的优良基础。因此我们将关注点从医疗拓展到金融、保险、物流、供应链等领域，这些产业都拥有大量高质量的数据。

另一方面，我们关注垂直领域应用，特别是零代码人工智能平台（NoCodeAI）。这个概念在2018年左右开始受到关注，而ChatGPT的出现使人们认识到零代码人工智能平台的存在。所以我们将医疗视为主要方向，并考虑了一些垂直类人工智能的风险和布局。然而，垂直领域的人工智能应用的一个特点是创业者需要对产业具有丰富的知识，可以通过产业知识和数据对模型进行重新训练，形成行业专属模型。

此外，除了垂直领域，我们还考虑了跨行业的投资方向，尤其是在大语言模型应用方面。每个产业普遍面临的算力成本、电费、数据延迟和数据隐私四个问题。针对这四个方面，我们各有布局。

首先，比如Lepton AI，解决的就是算力成本问题，如何延展现有的算力，去覆盖更多的应用。其次，针对电力问题，我们也投了一些公司，在 analog computing （模拟计算）基础上可以把大语言模型的耗电量降低100倍。第三，我们从2018年就开始投边缘计算，第四是关注数据隐私领域的优秀企业。在未来芯片成本和耗电量必定都会大大降低，这对初创企业来说都是非常好的消息。

   Q：您如何看待数据隐私和监管这个问题？哪些能力大模型就能解决？哪些需要初创企业自己解决？

Fusion Fund 张璐：在传统被高度监管的金融和保险领域，现在几乎离不开人工智能。但在引入人工智能之前，首要问题是得有数据隐私的解决方案，不然就会有监管风险的问题。

大语言模型在综合层面上能解决一些问题，但在模型之外，肯定还得有其他解决方案。我们目前正在从各个方面研究数据隐私的解决方案，从检查到应用，从新线层到应用层都在考虑各种各样的方案。比如我们最近准备要投资的一家公司专注于在芯片层面确保AI模型的安全性。

但另一方面，如果是芯片解决方案，应用周期和成本可能相对较高。因此，我们也在看其他的解决方案。比如有一家公司专注于使用人工智能来定义和捕捉机构内的敏感数据，在敏感数据被收集的瞬间就进行加密，整个过程从收集、传输到处理一直保持安全。

另外，我非常看联邦学习（federal learning）这项技术。联邦学习目前应用速度很快，也是一个潜在的很好的技术解决方案。但我认为最终来说，百分之七八十的问题可能可以通过技术手段解决，但还是有百分之二三十的问题需要监管的介入。总得来说，在数据隐私领域，技术和监管都是必不可少的。

   Q：国内初创公司在海外募资时面临的难题是什么？如何在海外募资时与当地建立联系，特别是与核心创业者和专业投资人的联系？

Fusion Fund 张璐：首先，创业者在海外募资时应该对风险投资机构进行调研，了解它们的关注领域和投资偏好，这包括确定机构的投资阶段和关注的行业，以及核心团队成员的专业领域，了解这些细分领域可以帮助创业者筛选出适合自己的VC。

如果你是在ToB领域，要考虑不同机构的产业和阶段关注，并了解每个基金中的合伙人或团队成员，找到最匹配的人。尤其是在大型机构中，投资人之间的差异可能导致项目被拒绝，因此在建立关系时需要谨慎。基础调研后，列出20到30家最适合的VC清单，通过各种方式确认。在建立关系时，最有效的方式是通过人际关系网络进行推荐。如果你认识优秀的创始人，他们的推荐可能更受重视。

在缺乏推荐的情况下，通过LinkedIn等平台给投资人发送简洁而关键的信息也是一种途径，但成功率相对较低。邮件的内容应该简洁明了，强调项目的市场潜力、团队优势和技术创新点。

最后，通过参与创业社群、活动等，创业者可以扩大自己的人脉圈，并通过其他创业者的介绍向投资人展示项目。在硅谷等地，大科技公司往往愿意建立自己的生态系统，并支持优秀初创企业的成长。因此，与这些大平台建立合作关系，借助它们的网络资源，也是一个值得考虑的途径。

Altimeter Capital Freda：AI现在算一个非常火的赛道，因此国内AI初创企业向海外募资不用担心自己有过国内融资历史，或者团队都是中国人。这完全不会带来任何负面影响。

Fusion Fund 张璐：我再补充一下Freda的观点。我们一直在关注B2B领域，而且我有一个CFO网络，我的合伙人曾是惠普的CTO，我们一起在2018年创建了这个网络，目前有来自44个500强企业的CTO。从今年初开始，我从这个网络里得到的消息是，大多数公司都在制定自己的内部数据战略，并且现在已经相当明确。这些公司来自11个不同的产业，都计划在数据战略的案例建设层面采购解决方案，而不再依赖外部供应商。

我要强调的是，我说的并不是科技公司，而是传统行业中的大型企业。而且，大多数CTO手中的预算都在增加，从之前可能是几千万、几亿美元，现在已经增加到十几亿美元。他们的决策速度也在加快，因此他们迫切需要引入一些垂直领域的人工智能工具。有一些有趣的例子，比如金融保险行业的CTO告诉我，他们公司内部的员工开始使用ChatGPT等工具。虽然由于数据隐私和法律责任的问题，公司告诉员工不能使用，但CTO却很难加以控制。因此，他们迫切需要引入一些B端人工智能工具来替代ChatGPT。

因此在过去几个月里，ToB层面的发展速度非常迅猛，给了我们很多机会。正如刚才提到的，现在正是时机，只要你的解决方案出色，你是否是华人创业者并不是最重要的。重要的是拥有一个出色的团队，懂得如何为这些企业提供服务，满足他们的应用需求和现有工作流程，而且产品能够迅速实现落地。

   Q：在投资人眼中一个有潜力成长为国民级 APP 的产品应该具备什么条件？

Fusion Fund 张璐：我认为初创企业在人工智能创新方面，特别是进入美国市场时，需要注意一些关键条件。首先，深入市场调研是必不可少的，尤其是对于ToC端的应用。在当前人工智能应用的环境中，不仅包括垂直领域，还有其他各种应用，优化模型的核心在于数据的质量，而不仅仅是数量。在这一点上，大型科技公司如苹果、Facebook和Google拥有大量高质量用户数据，因此初创企业应该分析这些大厂，找到适合自己的机会。

在全产业都越来越集中在头部企业的情况下，虽然机会多，但只有少数约30%的机会属于初创企业，因此，成为国民级APP需要仔细思考如何在大公司相对垄断的消费端控制市场，无论是在入口、硬件还是数据方面。

另一方面，在ToC应用中，技术层面的差异并不是唯一关键点，更重要的是用户体验。在用户界面和用户体验方面表现出色是成功的关键。此外，执行层面的快速推进同样至关重要。在这一点上，我认为移民创业者和华裔创业者有着明显的优势，因为他们在执行和运营方面非常强大。

总得来说，我认为如果能在用户体验和执行层面表现出色、抓住机会并快速推进，初创企业也可以具备成为国民级APP的优势和机会。

Altimeter Capital Freda：我认为在AI领域，ToC和ToB之间的界限并不是那么清晰。例如ChatGPT，很难界定它是ToC 还是ToB。每天都有大量同类型的AI产品出世，我们很难明确哪个产品在哪方面更强，我认为真正优秀的产品是屈指可数的。很多时候是因为最早涌现的产品占据了一个开创性的位置。就像“ChatGPT一下”已经逐渐取代“Google一下”成为新的流行风向。因此，在AI领域，赢得品牌知名度和市场占有率非常重要。

我更期待看到一些在内容分发方面有创新的产品。以前我们使用Facebook是人与人之间的连接，现在AI技术的发展可能会使内容分发变得更加迅猛，成本更低。通过智能广告，比如一杯可乐推送给不同的人可能呈现完全不同的形象。因此，我认为在内容分发方面有很多可以探索和实践的空间。

【创业者Part】

   Q：作为有多次海外创业经验的创业者，是什么驱动你们做出了出海的决策，可以分享一下团队目前的全球化配置吗？

Flashintel石一：我们的团队目前全球配置大约有100人，其中约70%在全球分布，20人左右在北美，其他分布在东南亚和欧洲，国内占约1/3，主要以产研为主。关于选择海外创业的动机，我认为首先是对AI的大机会有深刻的认知，对于中国创业者来说，在美国或者其他英语国家创业，如果选择基础设施相关的领域，可能就相对没有那么有竞争力。这是因为中国创业者的核心竞争力在于执行力和工程师红利，而将产研放在亚洲，避开硅谷等地的高成本，是一个相对有竞争力的策略。

在AI领域的机会上，我将其分为Infra基础建设、中间件构建和应用层三个层面。对于初创企业，尤其是在美国，我认为ToB的机会可能比ToC更多。ToC产品层面，如果一些大公司已经有了数千万或数亿的DAU，接入AI的话很容易且很快可以看到效果。而且ToC流量红利已经越来越少了。

ToB的流程链条相对于ToC更为复杂，购买流程需要公司内的不同方来下决策购买，客单价也更高。今年美国很多SaaS公司虽然数据有下跌，但是平均NDR （Net Dollar Retention）还是在110%+，所以AI在ToB领域有很大的机会。ToB软件公司可以利用AIGC来提升产品留存率，转化率，同时可以利用大模型设计一些功能来缩短整体的time-to-value。

   Q：对于连续创业者来说，在目前的全球市场中有什么观察和见解？在当下是选择海外拓展，还是专注于当前业务的发展呢？

Flot.ai  Leo Ye：我认为，在全球市场中，我们要选择适合我们业务的发展策略。回顾我之前在单一国家市场的经验，例如在印度和澳洲，由于政策和监管问题，业务面临很多不稳定性。因此，我们现在更倾向于选择全球性的项目，可以在多个国家开展业务，规避单一国家政策带来的风险，这种选择是为了确保业务的稳定性和可持续性。

在这个过程中，我觉得微创新是非常重要的。通过体验创新和在现有技术基础上进行二次创新，我们能够找到许多机会。以ChatGPT为例，它是不可能做完所有的场景和所有细分的领域的，这就为创业者提供了大量建立品类品牌的机会。尤其在除中国外的其他地方，创业者和客户都不会考虑“all in one”的问题，这为创业者提供了在不同品类赛道上独立发展的空间。

此外，AI的应用场景也变得越来越重要，普通用户对使用AI进行工作或生活相关任务的需求不断增加。我们可以通过逐步推出个人版本、团队版本和企业版本等不同层次的产品来满足不同市场需求。虽然做成超级产品的难度较大，但对于初创团队来说，哪怕就是一个独立开发者也是有机会找到一些领域把一个小产品给做起来，我们看到市场在很多不同层次上都还有机会的。

   Q：全球化创业过程中，如何吸引一流人才加入团队？

Flashintel 石一：当你不把工作地点局限于某一个国家、城市的时候，其实反而更容易收到无数优秀的候选人简历，因此这里的问题其实是当大家都处于远程办公状态下，该如何保证有同样的进度和效率。这个时候就需要上很多流程自动化工具来进行统一管理。后者才是关键。

   Q：作为出海连续创业者，这些年在获客、员工招聘和产品拓展方面有哪些实际的避坑经验可以分享？

Flashintel 石一：很多早期创业者可能对PMF概念比较熟悉。但其实在美国，初创公司更关注idea market fit。在没有MVP之前，创始人会去各种展会了解市场规模有多大。但国内都是先进行调研，然后就将MVP做出来，小步快跑进行迭代。这是从0到1。然后接下来再按照PMF策略从1到10进行发展。国内AI创业者可以借鉴我刚刚提到的美国创业者的思路。

其次就是获客层面。去年我在美国聊了4，500位创业者，大家一致觉得PLG的天花板在1亿美金左右。超过这个界限就需要sales团队了，不管你的产品有没有网络效应。强如Slack也要组建销售团队。

很多硅谷公司，虽然产品做得很好，冷启动也很快。但销售额越往上就筛掉更多公司。到了1亿门槛，必须搭建一套科学的销售结构（sales structure），且满足RST模型，即可复制的（Repeatable）、可扩展的（Scalable）、可培训的（Trainable）。

所以对AI创业公司，首先当下在融资方面肯定有机会。其次大模型厂商、云厂商等都在加紧构建自己的生态，会给初创企业很多支持，大大降低了创业公司的成本。

基础大模型的性能最后都会趋同，能力也会变成commodity，留给创业公司的机会就是特定行业和场景的Use Case。有具体的客户用例，通过对市场痛点的理解、满足需求，形成完整的解决方案，这是创业公司可以抓住的机会。数据资产也是非常关键的一点，通过建立完善的数据体系，提高公司在市场中的竞争力。

Flot.ai  Leo Ye：在这里做一个补充，我想强调中国本土创业者在出海时要忍住做“All in one”和多功能产品的冲动。因为大概率情况下，这种做法会导致踩坑。

其次，很多创业者常常追问哪个获客渠道效果最好，但实际上并没有绝对最好的渠道。在我看来，实际上所谓的“产品渠道匹配product channel fit”的重要性远远大于“产品市场匹配product market fit”的重要性。一旦你的产品在市场上得以验证并推广，如果你不能找到适合你产品的渠道案例，那么你的投资回报率会很难实现。数据显示 ，大部分SaaS公司的payback period都差不多在13-15个月，PLG公司可能是9-15个月，但这一波AI公司可以缩短至2-3个月。