真格基金戴雨森：警惕终局思考，AI创业者更需要做自己｜Linkloud Talk

真格基金戴雨森：警惕终局思考，AI创业者更需要做自己｜Linkloud Talk 真格基金戴雨森：警惕终局思考，AI创业者更需要做自己｜Linkloud Talk Modified March 7 我们的预期往往是线性的或相对平滑的，而 AI 的阶跃式进步发生时，会先进入超预期阶段。去年上半年乃至前九个月，实际进展都超出了大家最初的期待。但 每一个范式会经历从突破到边际递减回报（Diminishing return）的过程 ，可以看到 GPT 5 发布时，大家觉得与 GPT 4 相比进展并没有那么大，于是意识到预期已被拉高，现实与预期之间出现落差，开始有"是否存在泡沫"的讨论。 尤其到去年 11 月左右，大家开始质疑现有范式能否达到目标，是否需要更底层的突破。比如 Continuous learning、世界模型这些方向，可能有一些真正处于前沿的人开始出来说我们进入了放缓阶段，大家也开始为回报下降的未来做 Pricing 和预测。 但最近 Claude Code 在 AI 从业者圈里刷屏，我昨天发了朋友圈，说自己用它写代码一直到凌晨 3 点。它可能不是范式突破，但在编程能力上过了一条关键的线，让大家觉得是不是又可以解锁很多新场景。这始终是一个动态的过程，几个月前的很多看法，到现在已经与实际发生了不少变化。 高宁： 明白，你之前有过创业经历，也经历了整个互联网时代。到现在这个时间节点，与互联网或 TMT 时代相比，我们现在处于哪个阶段？是已经站在高预期的顶峰，还是依然有更大的空间？ 戴雨森 ： 我觉得 很多时候简单类比是危险的 。AI 其实与互联网，尤其是移动互联网，不是那么相似。移动互联网本质上是一次流量分发的大创新，底层技术其实没有发生太大变化。你在 2010 年去想象 2026 年的移动互联网应用，大致是可以预见的。但 AI 在底层技术乃至范式层面都发生了深刻变化，10 年前几乎无法想象今天的 AI。 所以 AI 的发展，我认为更应该参照当年的半导体时代——它依赖大量 CAPEX 投入，以代际迭代推进研究，而非平滑演进。所谓短期高估、长期低估，往往来自于投入与落地时间的错配。 AI 对于落地价值的预期极高，AGI 也好，智能丰盛带来的社会价值也好，大家都能想象其巨大潜力，所以投入非常大、非常快，速度之快在历史上都属罕见。 我记得最近有家机构做了一个分析，把当前 CAPEX 投入与互联网泡沫时期做了对比，结论是现在更大、更快。与此同时，落地不仅需要技术进步，还需要产品进步，以及从 Early adopter 扩散到主流用户，这本身就需要时间。极快、极大的投入与不确定的落地时间之间的错配，必然会产生泡沫。 历史上伟大的技术都曾产生大的泡沫，所以泡沫本身并不可怕，关键在于泡沫之下有没有真东西 。很多时候，泡沫恰恰促进了基建和技术扩散。在这个过程中，做真正有价值的事情，可能是 Navigate 泡沫的第一性原理。至于去 Timing 泡沫什么时候破、处于哪个阶段，其实很难准确判断。 高宁： 聊到这里，我想引申谈谈初创公司的机会。真格专注早期投资，看的也是早期公司。今年回过头来看，初创公司比较大的机会或大家正在尝试的方向在哪里？ 戴雨森 ： 回顾去年，很多人都觉得那些机会显而易见。但实际上，如果你身处 2025 年当时的时间点，很多事情并非那么清晰。我们虽然很早就说 Agent 在 25 年会有很多机会，但在看到 Manus 之前，很多人其实没有意识到模型的 Agentic 能力已经达到那个程度、能够跑通那些任务。看到 Nano Banana 或 Veo3 之前，也只有极少数人对多模态的进展有这样的预期。 所以事后来看都比较显然，但前瞻来看真的很难。我始终认为这正是创业公司的价值所在——很多事情是创业公司做出来之后，大家才意识到模型能力原来已经到了这个水平。反复发生的一个是：模型能力已经到了七八十分，但大家对它的普遍感知还停留在二三十分的阶段。这时候需要一个好的产品，把模型能力充分体现出来，甚至让大家展望到 90 分的可能性，由此带来感知价值的巨大爆发。 所以这里面有很多创业公司、早期公司的机会。当然有人会说，最终还是大公司把这些事情做了。我认为要分两个方面来看。Anthropic、OpenAI 这些公司，我认为本质上还是很大的创业公司——从时间上看还很年轻，规模和估值虽然大，但真正由科技巨头做出的创新其实并不多。 去年一个值得关注的变化是 Google 的觉醒。除此之外，你会发现微软的 Office Copilot 拥有最强的企业服务品牌、最好的分发渠道和最多的资源，但做出来的产品大家还是抱怨难用。所以具备敏捷行动能力的创业公司，依然有很多机会。 高宁： 能不能分享两个去年让你印象深刻，甚至感到意外的初创产品或公司？也可以是真格投的项目。 戴雨森 ： 去年值得提的很多。Manus 是一个非常典型的例子，同时我也是 Genspark 的投资人，他们在很多方面都代表着利用模型 Agentic 能力做到以前做不到的事情。从全球视角看，Sora 肯定是，Nano banana 是，Claude Code 肯定也是非常重要的代表。 小一点的，比如我们投资的 Typeless，它是我目前日活的 App——我的日活 App 就是 ChatGPT 和 Typeless。很多人把它看作一个输入法，但我觉得 语音才是人类交流最自然的形态 。但是在之前，从语音到真正让计算机理解，中间有大量翻译工作要做，不管是用鼠标还是敲命令，本质上都是把我们内心的语言转化成计算机指令。 Typeless 这样的产品，让人的思维与 AI 能够更好地无缝连接。ChatGPT 刚出来的 2023 年，写一个 Prompt 还需要认真斟酌，觉得写不好就会影响效果。但现在我直接对着电脑"唠嗑"，相信 Typeless 能把我的语言很好地转化成 AI 可以理解的内容。 同时面对 ChatGPT 或 Claude Code 这样有很强理解能力的 AI，从我脑子里的想法到最终结果，中间的摩擦力小了非常多，这是种很神奇的体验。包括我今天戴的这个安克的录音豆，跟字节合作做的产品，我开会都用飞书妙记。新的硬件产品也是很有意思的机会，很多创新还在持续发生。 高宁： 我想再引申一个话题——昨天的新闻，真格的公众号发布了一个种子轮融资到 1,400 万美元的项目，背后是 vLLM 的团队。你能分享一下这次投资，以及它代表着什么方向或趋势吗？ 戴雨森 ： 我们的投资逻辑一直是投人。vLLM 团队非常优秀，我们在 24 年就成为了他们开源项目的捐赠方。当时他们面临不少挑战，需要 10 万美元来维持项目运营，但难以想象的是，他们当时已经是 Infra 框架领域事实上的标准。Simon、Woosuk、凯超，他们都来自 Berkeley，是非常前瞻性的团队和项目。所以我们很早就捐赠了这个项目。 开源项目孵化出商业公司，同时维护好开源社区、又创造商业价值，Berkeley 在这方面有非常强的传统，从 Databricks 就可以看出来。他们决定商业化，是非常自然的一步。对我们来说，始终是在 bet Simon、凯超这样的优秀团队。 他们要做的 vLLM Infra 框架，现在来看更加重要。AI 在 23、24 年的很多主题是 Training，但现在怎么把模型用好、推理能力非常重要。他们在这个领域处于领导者地位，所以可以看到领投方是 Andreessen Horowitz 和 Lightspeed，Sequoia 和 Altimeter Capital 也都非常重的参与了投资，我们应该是这四家之后投入最多的，也是唯一参与的中国 VC。这与我们和这个团队很早就建立起来的相互信任与支持密不可分。 高宁： 我注意到你在即刻等一些播客节目中有很多精彩分享，其中一个数据让我很好奇——今年聊了 150 个项目，只投了两个。去年其实是投资大年，各家机构都在抢项目。这个数字看起来有点反差，这是你们一贯的投资逻辑，还是说你们看到了某些非共识的信号？ 戴雨森 ： 理论上，大家都不投的时候投，往往看得更好。比如 22、23 年我们投了很多 AI 应用公司，那时大家觉得 AI 应用不过是套壳。现在回头来看，我们投的一些"壳"已经体现出了真正的价值。但我们并不是在预测市场时机，还是那句话：遇到喜欢的就投，缘分不够就不投，不会强求每年投多少个。 客观来讲，在当下这一轮 AI 创业周期里，尤其在中国市场，软件型创业公司面临不小的挑战。大厂太拼了，不管是新产品形态的尝试、竞争施压，还是流量分发越来越成熟，都在压缩初创公司的空间。 同时我们觉得，在这波 AI 浪潮中先行一步的那批创业者，很多早在 22、23 年就已出发，比如肖弘他们是 22 年下半年开始创业的。到现在市场越来越热，竞争也随之更激烈了。我个人主要关注 AI 加生产力方向，整体出手不算多，但真格基金今年整体投的还是比去年多。 高宁： 真格一直以喜欢投年轻人著称，也围绕 00 后做了很多有意思的活动。在这波 AI 浪潮里，你们对创业者的画像有没有一些新的定义或判断标准？ 戴雨森 ： 我们并不是只投年轻人。比如我投的怀亭是 70 后，景鲲是 80 后。所以我觉得这里面没有一个一概而论的标签， 做早期投资千万要避免标签化 ，因为每个能做出大事的创业者都是独特的。你贴了标签，反而容易限制自己的认知。就连"做 Agent"这件事，大家对它的定义都各不相同，更别说 AGI 了。 当然，偏爱投年轻人可能是外界对我们的一个品牌印象，也有道理。创业本来就是年轻人更有优势的事，不管是创新心态、体力，还是敢于挑战、不怕失败的灵活性。我自己 22 岁创业，当时并不觉得有什么特别，但现在快 40 了，才真正体会到 20 多岁时那种状态的不可复制。 尤其当一场技术革命发生时，过去积累的很多经验会被 Reset。在没有大变化的时代，经验越多越有利；但技术突变的时候，反而是年轻人更有优势——他们有更多时间从零开始学习，也更容易摒弃旧有的错误认知。而且客观上，年轻人的生活成本低、包袱少，更敢迈出那一步。如果你在大厂、上有老下有小，出来创业的阻力自然更大。 我特别喜欢 Koji 在播客里说的一句话：" 时代会奖励那些在模糊中先迈出一步的人。 " 不过话说回来，目前在 AI 应用里真正跑出来的，很多还是有互联网实战经验的创始人。我们投的 Manus、Genspark 的张怀亭，以及海外很多新产品的背后团队，都是如此。AI 是技术底色，但载体依然是互联网和移动互联网，所以在这个里面如何做一个好的产品？其实还是有很多过往经验可以借鉴的。 所以可能现在是一个，既有对 AI 前沿的认知先去尝试，同时也有移动互联网时候的经验积累，如果完全从零开始学做应用，有时候难免重新发明轮子。 综合来看，我们最想投的是引领者——那些在这个时代中率先迈出一步、敢于创新的人。这批人里，年轻人自然占多数。 高宁： 你提到当下很多引领者其实都有互联网或创业的过往经验。那我想问一个有点老生常谈，但很多创业者都会问的问题：大厂如此努力，创业公司的壁垒从哪里来？真格投了不少应用型产品，回顾它们的成长路径，壁垒是怎么建立起来的？对现在做应用的创业者，你有什么建议？ 戴雨森 ： 在很早期的阶段过度思考"终局"，很多时候是个陷阱 。移动互联网的时代已经基本落幕，所以大家可以清晰地复盘：谁的壁垒是什么，第一性原理是什么。但我想问在座十几年前做移动互联网的人，当时真的一眼看得到字节的终局吗？看得到小红书吗？ 我们是小红书的天使投资人，字节、拼多多、米哈游，这些公司在早期都极具争议，没有人能看清终局，壁垒也说不清楚。所以对年轻公司、年轻创业者来说，不要太沉迷于这种宏大叙事。 高宁： 因为投资人比较纠结这个话题。 戴雨森 ： 纠结这个的投资人，可能也不是最好的早期投资人。如果你是二级市场投资人，当然要想清楚壁垒——是网络效应还是茅台式的品牌护城河。但如果你投的是早期，什么都还在变，壁垒从何谈起？所以我认为， 早期公司的壁垒在于快速执行 ，就像 YC 说的：Make something people want。 如果你是最快做出大家想要的东西的那个人，哪怕几个月后竞争者也跟上来，你已经积累了先发的经验优势。在这个过程中，你会发现壁垒自然浮现——可能来自网络效应，来自用户数据，来自品牌，来自你比任何人都更懂这件事。我觉得很多时候壁垒是干出来的，不是想出来的。 创业对年轻人的好处也在这里：无所畏惧。有句话说，创业之所以开始，是因为没想到会这么难——但正因为如此，你才迈出了那一步，然后在做的过程中一步步发现它的真正价值。 更重要的是，这件事对所有人来说都一样难。所以与其过度思考壁垒，不如专注一件事： 把什么样的产品或服务，卖给什么样的人 。这就是 PMF 的本质。 当然，创业在不同阶段需要做不同的事。公司到了一定规模，再去认真想壁垒和商业模式的粘性也不迟。 第一阶段是 PMF，第二阶段是增长，第三阶段是壁垒，第四阶段是内部创新 。否则如果没有字节的命，却得了字节的病，那是最危险的。 高宁： 接下来想聊聊全球化。真格投了很多 Day one 就做全球化的项目，你也接触过很多这样的创始人。什么样的方向更适合华人团队做全球化？过程中可能遇到哪些挑战？从选方向到 0 到 1 起步，有什么建议？ 戴雨森 ： 你们这次活动的口号是 Think global, Act local，我觉得说得非常好。以语言模型为代表的 AI 时代，是做全球化最好的时代。 回顾中国互联网，大致经历了两波。第一波是 Copy to China，就是美国有什么，中国复制什么。比如 2005 年前后，美国有 Google，中国有百度，是一个对标的"时光机"逻辑。 第二波大约在 2015 年，是中国特色——共享充电宝、小红书、拼多多，这些产品依托微信生态、短视频生态，在中国独有的土壤里生长出来，要移植到美国需要大量改造。 但语言模型天生就是全球化的。全球的程序员、白领工作者、视频创作者，需求高度同质化，模型本身也能泛化到不同文化和语言。所以我们投的 Manus、Genspark，以及之前的 HeyGen、Opus Clip，最近投的 Pollo、Typeless，从第一天起就是面向全球用户的。 对中国新一代创业者来说，这是第一次站在一条真正公平的跑道上。 高宁： 因为底层用户群体的痛点其实是相通的。 戴雨森 ： 对， 底层技术本身是全球化的 。互联网一开始其实并不是 Global 的，每个地方的基建和环境都不一样。但 AI 不同。在全球市场，当你真正做出创新，奖励也会是全球性的。Manus 就是一个典型例子，不管外界怎么评价它有没有技术含量，它是第一个把这件事做出来的，因此获得了全球大量的关注和用户喜爱。Think global，或者叫 Think innovative。 同时，Act local 同样重要。以前中国出海，靠的是本地优势——供应链、对短视频和内容的理解——用雷霆万钧之势打入海外市场，产品比你便宜 10 倍，你自然会买。但在 AI 时代，真的需要认真思考国际用户到底要什么。中国产品的设计风格不一定是全球市场最受欢迎的。比如肖弘他们做 Monica 的时候，界面非常复杂，上面堆满了按钮。 高宁： 对，用着用着越来越不知道怎么用，插件也越来越难找。 戴雨森 ： 这就是典型的通用型产品扩张时，中国创业者的惯性思维——功能驱动，不断叠加。但 Manus 的审美非常硅谷，因为模型能力足够强，它可以做到"Less structure, more intelligence"——通过一个极度统一的界面，让用户实现大量功能。这更符合北美市场的使用习惯。 这就是 Act local 的含义。这也解释了为什么美国有大量做垂直 Enterprise 的创业公司，而中国创业者很难进入——律师相关的场景、Infra 的很多场景，中国团队根本不熟悉，硬做只会更难。 真正了解当地用户在想什么，是出海成功的关键 。 除此之外，我认为还有第三点：Be yourself。以前出海以产品说话，价廉物美，你不需要知道我是谁。但在 AI 时代， Story telling 变得越来越重要 。每天都有这么多新东西冒出来，用户凭什么注意到你？在海外市场，尤其涉及 AI、数据和算法，用户会问：你是谁？你为什么创业？你的团队有什么故事？你要解决什么痛点？我为什么要信任你？ 在美国，再小的公司也有一个关于自己的故事，About us 都写得很清楚。这一点，是很多产品驱动型的中国出海创业者需要补上的功课。 高宁： 我也特别有感触。每次出去交流，我们都会先问创始人：LinkedIn profile 建好了吗？至少有没有一个 X 账号？当别人搜你的时候，不只能搜到公司，也能搜到创始人或团队本身。这一点，我们也经常跟大家强调。 刚才你讲到了海外和全球化的情况，我想再追问一个问题。现在越来越多的公司开始在海外搭建团队、融入当地生态和社区，甚至与海外 VC 接触。有创始人说感觉海外 VC 给的估值特别高，很有吸引力。作为投资人，你对创业者在不同阶段如何选择 VC、如何理性看待估值差异，有什么建议？ 戴雨森 ： 这其实是两个问题：怎么选 VC，以及怎么看估值差异。 先说选 VC。 早期阶段，"事少"很重要——就是少对创业者指手画脚 。选 VC 其实是在和投资人及其背后的组织建立长期关系。如果你有选择空间，就认真想想这笔钱背后的价值观、组织文化，以及这个人是不是你愿意长期共事的伙伴。 当然如果没得选，什么钱都得拿，这也很正常。我们肯定会说真格是最好的早期投资人——这里顺便打个广告。 再说估值。客观来讲，中美 AI 创业公司之间的估值差距相当大。去年底 Thinking Machine 融资时估值约 500 亿美金，相当于中国所有 AI 创业公司加起来的总和。 当然现在 MiniMax 也即将上市，估值也过千亿了，这个 Gap 已经缩小了一些。我认为这种悬殊不会长期存在。到底是中国这边涨上去，还是美国那边掉下来，还是其他方式收窄，很难说，但 AI 这条赛道本身是国际化的，差距终归会缩短。 关键还是看你能不能在不同市场形成有效竞争。如果你的产品在海外真正被用户认可，具备足够的竞争力，同样可以拿到很好的估值。事实上，全球化 VC 对中国团队的关注也在增加，Manus 的例子、Genspark 拿到 Emergence 的钱、HeyGen 出海的案例，都说明美国 VC 的眼光早已不局限于硅谷。 不过，早期投资本质上还是对人的认可，能够便捷沟通依然是很大的优势。更合理的路径是：先把产品做出来，有了好数据和好的产品形态，再去吸引更多全球 VC 的关注。 最近确实有不少估值很高的新闻，尤其是美国一些新的 Lab 动辄几百亿美金的估值，泡沫的气息是有的。市场有周期性，好的时候要谨慎。更重要的是，不要让融资变成公司的目标函数。 训练模型时，Reward hacking 是很危险的，公司经营也一样。真正想做好一家公司，最终还是要看客户和用户愿不愿意为你的服务买单，未来愿不愿意支付溢价，你能不能真正赚到钱。 在移动互联网、SaaS 以及很多其他领域，我们反复见过同样的规律：融钱最多的，未必是最后赢的那个。当你只能花好 1,000 万的时候，给你 10 亿，反而可能连那 1,000 万也花不好——更高的估值意味着更高的预期，拔苗助长，正常的生长反而会出问题。 融足够多的钱是对的，但不要为了融资而融资，更不要为了融资去建设公司 。 高宁： 就是不要让融资成为你的目标函数。时间差不多了，我还有一个关于未来展望的问题，就是你之前提到的"The year of three R's"，这三个 R 折射了你对未来的一些判断，能再跟大家分享一下吗？距离你最初提出这个框架又过了一段时间，有没有新的洞察？ 戴雨森 ： 变化太快了，录播课的时候我还没有每天自己 Vibe coding 几个小时。 第一个 R 是 Return（回报）。过去几年有大量的基础建设投入，估值也到了很高的位置，今年很多投资已经到了需要看到回报的时候。去年我们已经看到 ChatBot 的用户量和收入增长很多，一些 Agent 产品、多模态产品也有比较明显的收入表现。 今年这条增长曲线能否持续高速？还是说去年已经摘完了低垂的果实，今年会进入增速下降的阶段？毕竟基数已经很大了。这个判断对 AI 投入能否持续、以及整体市场信心都非常重要。 回报本质上就是 ToB 和 ToC 两条路：ToC 靠订阅或广告，ToB 靠以 Usage 或 Seat 计价等形式的企业服务。今年这几条路各自怎么走，是需要重点观察的。 第二个 R 是 Research（研究）。现有范式在 Coding 等领域取得了很大突破，但它毕竟还是基于语言、有 Verifiable reward 的领域。面对更泛化的新问题，当 Reward 难以被验证时，现有范式可能遇到瓶颈。 很多前沿研究员和科学家认同这一点，普遍共识是我们需要新的研究突破来解锁新能力，正如 Ilya 所说的，从 Scaling 时代进入 Research 时代。这也是硅谷大量投资 Neo labs 背后的基本假设。今年这方面会有什么进展，这些进展能否真正落地，值得关注。 第三个 R 是 Remember（记忆），也就是 Long context、Long term、Long horizon。红杉新掌门人 Pat Grady 最近表示，他认为 Long term horizon 的 Agent 本质上就是 AGI。 他的判断是：ChatBot 是第一波，Reasoning 是第二波，Long term horizon Agent 是第三波。开场演讲也引用了一张图，显示 AI 能够持续工作的时间越来越长——在这个过程中，很多原来解决不了的任务就能被完成。 所以 AI 的记忆能力、上下文处理能力，以及可靠地持续完成任务的能力，将会成为 Agent 和前沿 AI 应用的核心主题。 我们的预期往往是线性的或相对平滑的，而 AI 的阶跃式进步发生时，会先进入超预期阶段。去年上半年乃至前九个月，实际进展都超出了大家最初的期待。但 每一个范式会经历从突破到边际递减回报（Diminishing return）的过程 ，可以看到 GPT 5 发布时，大家觉得与 GPT 4 相比进展并没有那么大，于是意识到预期已被拉高，现实与预期之间出现落差，开始有"是否存在泡沫"的讨论。 尤其到去年 11 月左右，大家开始质疑现有范式能否达到目标，是否需要更底层的突破。比如 Continuous learning、世界模型这些方向，可能有一些真正处于前沿的人开始出来说我们进入了放缓阶段，大家也开始为回报下降的未来做 Pricing 和预测。 但最近 Claude Code 在 AI 从业者圈里刷屏，我昨天发了朋友圈，说自己用它写代码一直到凌晨 3 点。它可能不是范式突破，但在编程能力上过了一条关键的线，让大家觉得是不是又可以解锁很多新场景。这始终是一个动态的过程，几个月前的很多看法，到现在已经与实际发生了不少变化。 高宁： 明白，你之前有过创业经历，也经历了整个互联网时代。到现在这个时间节点，与互联网或 TMT 时代相比，我们现在处于哪个阶段？是已经站在高预期的顶峰，还是依然有更大的空间？ 戴雨森 ： 我觉得 很多时候简单类比是危险的 。AI 其实与互联网，尤其是移动互联网，不是那么相似。移动互联网本质上是一次流量分发的大创新，底层技术其实没有发生太大变化。你在 2010 年去想象 2026 年的移动互联网应用，大致是可以预见的。但 AI 在底层技术乃至范式层面都发生了深刻变化，10 年前几乎无法想象今天的 AI。 所以 AI 的发展，我认为更应该参照当年的半导体时代——它依赖大量 CAPEX 投入，以代际迭代推进研究，而非平滑演进。所谓短期高估、长期低估，往往来自于投入与落地时间的错配。 AI 对于落地价值的预期极高，AGI 也好，智能丰盛带来的社会价值也好，大家都能想象其巨大潜力，所以投入非常大、非常快，速度之快在历史上都属罕见。 我记得最近有家机构做了一个分析，把当前 CAPEX 投入与互联网泡沫时期做了对比，结论是现在更大、更快。与此同时，落地不仅需要技术进步，还需要产品进步，以及从 Early adopter 扩散到主流用户，这本身就需要时间。极快、极大的投入与不确定的落地时间之间的错配，必然会产生泡沫。 历史上伟大的技术都曾产生大的泡沫，所以泡沫本身并不可怕，关键在于泡沫之下有没有真东西 。很多时候，泡沫恰恰促进了基建和技术扩散。在这个过程中，做真正有价值的事情，可能是 Navigate 泡沫的第一性原理。至于去 Timing 泡沫什么时候破、处于哪个阶段，其实很难准确判断。 高宁： 聊到这里，我想引申谈谈初创公司的机会。真格专注早期投资，看的也是早期公司。今年回过头来看，初创公司比较大的机会或大家正在尝试的方向在哪里？ 戴雨森 ： 回顾去年，很多人都觉得那些机会显而易见。但实际上，如果你身处 2025 年当时的时间点，很多事情并非那么清晰。我们虽然很早就说 Agent 在 25 年会有很多机会，但在看到 Manus 之前，很多人其实没有意识到模型的 Agentic 能力已经达到那个程度、能够跑通那些任务。看到 Nano Banana 或 Veo3 之前，也只有极少数人对多模态的进展有这样的预期。 所以事后来看都比较显然，但前瞻来看真的很难。我始终认为这正是创业公司的价值所在——很多事情是创业公司做出来之后，大家才意识到模型能力原来已经到了这个水平。反复发生的一个是：模型能力已经到了七八十分，但大家对它的普遍感知还停留在二三十分的阶段。这时候需要一个好的产品，把模型能力充分体现出来，甚至让大家展望到 90 分的可能性，由此带来感知价值的巨大爆发。 所以这里面有很多创业公司、早期公司的机会。当然有人会说，最终还是大公司把这些事情做了。我认为要分两个方面来看。Anthropic、OpenAI 这些公司，我认为本质上还是很大的创业公司——从时间上看还很年轻，规模和估值虽然大，但真正由科技巨头做出的创新其实并不多。 去年一个值得关注的变化是 Google 的觉醒。除此之外，你会发现微软的 Office Copilot 拥有最强的企业服务品牌、最好的分发渠道和最多的资源，但做出来的产品大家还是抱怨难用。所以具备敏捷行动能力的创业公司，依然有很多机会。 高宁： 能不能分享两个去年让你印象深刻，甚至感到意外的初创产品或公司？也可以是真格投的项目。 戴雨森 ： 去年值得提的很多。Manus 是一个非常典型的例子，同时我也是 Genspark 的投资人，他们在很多方面都代表着利用模型 Agentic 能力做到以前做不到的事情。从全球视角看，Sora 肯定是，Nano banana 是，Claude Code 肯定也是非常重要的代表。 小一点的，比如我们投资的 Typeless，它是我目前日活的 App——我的日活 App 就是 ChatGPT 和 Typeless。很多人把它看作一个输入法，但我觉得 语音才是人类交流最自然的形态 。但是在之前，从语音到真正让计算机理解，中间有大量翻译工作要做，不管是用鼠标还是敲命令，本质上都是把我们内心的语言转化成计算机指令。 Typeless 这样的产品，让人的思维与 AI 能够更好地无缝连接。ChatGPT 刚出来的 2023 年，写一个 Prompt 还需要认真斟酌，觉得写不好就会影响效果。但现在我直接对着电脑"唠嗑"，相信 Typeless 能把我的语言很好地转化成 AI 可以理解的内容。 同时面对 ChatGPT 或 Claude Code 这样有很强理解能力的 AI，从我脑子里的想法到最终结果，中间的摩擦力小了非常多，这是种很神奇的体验。包括我今天戴的这个安克的录音豆，跟字节合作做的产品，我开会都用飞书妙记。新的硬件产品也是很有意思的机会，很多创新还在持续发生。 高宁： 我想再引申一个话题——昨天的新闻，真格的公众号发布了一个种子轮融资到 1,400 万美元的项目，背后是 vLLM 的团队。你能分享一下这次投资，以及它代表着什么方向或趋势吗？ 戴雨森 ： 我们的投资逻辑一直是投人。vLLM 团队非常优秀，我们在 24 年就成为了他们开源项目的捐赠方。当时他们面临不少挑战，需要 10 万美元来维持项目运营，但难以想象的是，他们当时已经是 Infra 框架领域事实上的标准。Simon、Woosuk、凯超，他们都来自 Berkeley，是非常前瞻性的团队和项目。所以我们很早就捐赠了这个项目。 开源项目孵化出商业公司，同时维护好开源社区、又创造商业价值，Berkeley 在这方面有非常强的传统，从 Databricks 就可以看出来。他们决定商业化，是非常自然的一步。对我们来说，始终是在 bet Simon、凯超这样的优秀团队