# 中美AI创业的生态差异---对谈Google Cloud北亚区创投生态负责人 屠龙之术 · 2026-04-23 · 25 min · https://www.xiaoyuzhoufm.com/episode/69ea99ef1d989496e75ecb41?utm_source=rss ## 逐字稿 庄明浩 感觉怎么样？ Guest 活动蛮好。 庄明浩 每年都来吗？ 没有，这是我这 5 年来第二次。 庄明浩 OK，两年前来过。 过去一段时间，从顾问的角度来看，AI 应用方向有什么变化趋势吗？因为你们接触的都是初创公司，我看今天展览会场其实有很多你们扶持、参与很深的公司。无论是投资、业务合作还是孵化，你们通常怎么选择这些公司？主要看场景、技术，还是团队？ 过去这两年，你是说看中国的，还是全球范围内的？ 庄明浩 全球范围内的，中国一会儿再说。 ### 战略投资与财务投资 我觉得对我们来说其实很简单。我们去扶持这些公司，首先要区分，扶持和投资其实是两条路。 投资主要有 2 个目的。一个是战略投资，那就要 drive synergies。Synergy 很多，包括我们这次和 With 的合作。 庄明浩 对，是的。我昨晚写你们第一天的感受时，其实有一条暗线，就是战略和投资非常清楚。你看 With 也好，包括你们收购的音乐模型公司 Produce AI。然后，艾萨贝克 也是投资。 我昨天下午还参加了一场由 Go Venture 的 partner 组织的访谈，是 Harvey、Rural，还有另外一家做 agent 的公司，而且都是你们深度投资的公司。因为工作关系，这条战略投资的暗线还是挺明显的。 对，因为这是美国那边比较主导的模式。战略投资其实就是看我的 synergy。我们比较在意几个行业，比如教育、零售，以及场景落地。 另外，从产品端来说，安全，尤其是 LBC，我们也很重视。所以在这些方面，如果有非常类似的公司，我们也会把它们收过来。 还有一部分其实就是财务投资。财务投资跟一般财务投资人的做法基本上没有太大区别，唯一最大的区别是，我们做财务投资，比如 Google Ventures 做财务投资时，会 leverage Google 的人做 2 件事情。 第一件事情，显然是在做 due diligence 的时候。比如我要投一个和 data 相关的公司，Google 内部有很多人可以做 due diligence，他们本身就在这个领域工作。 第二件事情是投了之后，还是以 data 相关的公司为例，我们会让内部很多有经验的同事去帮他们做一些挖掘。这个就是战略投资和财务投资的区别。 方向上，我觉得和一般的 VC 没有太大区别。过去 1 年、2 年，包括 3 年前，主要都是 agentic。除此之外，我们一直也在看和医疗相关的方向。 因为 Google 的投资其实和一般 VC 也比较像，但我觉得我们会看得更远一点。虽然 VC 也会说要投出下一个 billion-dollar company，但中国的投资逻辑和美国的投资逻辑，在看长期价值这件事情上还是不一样的。 庄明浩 这跟 LP 的偏好有关吗？是 LP 决定的吗？ ### 中美投资逻辑不同 没错，你说得没错。美国可以投很多还在 research 阶段的东西。 如果是人民币基金，那它肯定不愿意看那么远。还有一点很有意思，如果从创业的角度来看，国内的教育和我在英国、美国接受的教育——我没有在国内上过学——在整体上有一个很大的不一样。 庄明浩 国内比较注重实践，对吧？给我做题，我告诉你答案是对还是错。 对，然后做题很厉害，只会解题，但比较难跳出这个框。 所以如果我把命题讲得很清楚，你帮我造一个硬件出来，那我们会很厉害。比如 iPhone 定义了 smartphone 这个 category，之后大家都去做 smartphones。除了最领先的美国，其他地方可能都比不过我们。 庄明浩 但如果要创新一个领域，定义一个新的东西，这方面美国会比较强。那你觉得这一波 AI，中国的创业者会不会在这件事情上慢慢追上来？当然，这可能也跟很多创业者本来就在美国接受过很好的教育，或者有很深的资源有关。 没错，我觉得 gap 的确在缩小，最大的原因就是 AI 这个东西太新了。 如果从底层去看，还是美国更强，0 到 1 还是这边更强。但应用不需要看那么远，大家都在摸索新的场景，所以我觉得国内的人在场景摸索上，其实比这边的人更强。 庄明浩 你们还会看亚洲其他国家吗？比如日本、韩国？欧洲也会看吗？ 你觉得这几个地区在这一轮 AI 创业浪潮中，有什么变化或者不一样的地方？ ### 亚洲创业版图分化 首先这么讲，整个亚洲如果看创业，中国肯定是遥遥领先的。 印度也有一些，但印度的问题是，它基本上是跟着美国走。创业分 B2C 和 B2B，对吧？印度的 B2B 全都是跟着美国走。印度原来想赌一把 B2C，但没有赌出来，最大的原因是它的经济发展、收入分配和收入增长，没有中国过去 30 年那么快，所以撑不起 B2C，也没有足够的国内消费市场。 印度现在很多投资人和国内有点像，因为他们做的 AI 全都是做 B2B 的，其实就是原来一波 SARS，会鼓励他们的 founders 跑到美国去。印度是一个例子。 日本是另外一种情况。日本其实也是一个增长率极低的市场，基本上没有什么 B2C 的产品。日本的 B2B 相对会好一点，最大的原因是日本国内的上市机制对早期创业公司比较友好，而且日本 B2B 的付费习惯非常好，可以养活一大批中间层的公司。 庄明浩 对，这一点国内不太行。 日本现在的问题是，创新没有那么多，但日本对 AI 非常开放，政府也在做很多工作。 日本最大的 challenge 是本土创新没有那么强。你看日本没有什么大公司，它有点像台湾，就是一堆大商社。现在日本遇到的问题是，如果我要做一个 B2B 产品，小公司要卖给大公司比较难，因为没有大公司背书，卖不进去；而外国公司要卖给日本市场，没有当地关系也很难。 所以你要非常 local。Microsoft 在日本做得非常好，最大的原因就是所有日本人都知道 Microsoft。比如说 AI，Microsoft 可能不是最好的，和 OpenAI 比也可能不是最好的，但日本人一看到 Microsoft 就放心。而且它的界面全都是按照日本人的使用习惯做了很多定制化。 韩国我觉得现在比较有意思，因为韩国本来就有半导体，而且机器人也不错，医疗也不错。所以韩国还是挺有意思的，主要的问题就是市场太小了一点。 庄明浩 这几个地区反正各有各的特点。东南亚完全就不一样了。 我一直想，除了非商业因素，比如地理和政治上的优势，新加坡到底有什么？中国人跑到新加坡创业，但新加坡没有客户。B2B 的客户就那么多，B2C 就更不用讲了，只有四五百万人，而且还很贵。 所以从商业角度来说，除了地理和政治上的优势，新加坡没有什么特别大的优势。 印尼、菲律宾人口很多，其实和印度是一样的道理：那边 B2C 的付费起不来。现在投资人特别看重付费，比原来更看重，这一轮尤其明显。 原来你还可以烧出一个东南亚的应用，我也愿意投一投。现在东南亚付费起不来，B2C 很难做，所以还不如直接跑美国。美国有 10 million 用户，就抵得上整个印尼了。 土地也是一样的，东南亚的土地非常集中，就那么几个大的 family。你要做关系、打进去，如果你是一个外国公司，尤其是中国公司，这也不是你擅长的事情。投入同样多的钱去做当地关系，我还不如做日本，至少更看得到可能性。 对，日本 IT 市场的规模，肯定远远大过任何一个东南亚国家。 庄明浩 过去半年你们看到了什么比较明显的趋势？无论是涨势，还是新的方向，真的有什么变化吗？ ### AI 降低创业门槛 我觉得最大的一个变化就是创业门槛降低了。原来我们都说要做一个产品，必须要有一个技术合伙人。现在有 OPC 这种东西，basically，我觉得最重要的是：现在创业最应该看重什么？ 早期肯定是看人。看人里面，第一个就是你要有足够好的 product idea，能够很敏锐地知道某个地方有机会，而且这个机会可以被产品满足。 还有一点很重要，就是你要很有逻辑。原来如果你是一个 PM，你必须逻辑好，然后一条一条地讲给技术团队。当中间有 communication 的时候，就会产生损耗。 现在你可以自己想，自己把东西想清楚，然后做出来。我举个例子，就像我是一个导演，原来我不懂摄影，也不懂剪辑，不懂特效，要一遍一遍地跟那些人解释。做出来之后，我有时候甚至觉得效果不是我想要的，但你还要用语言去描述，再让对方修改，中间就会有损耗。 现在是我自己写一个东西，自己看一眼，马上就知道缺了什么、应该怎么改。所以我觉得，这极大地降低了创业门槛。 另外一个比较明显的趋势，如果从行业上来说，我一直觉得 AI 现在最大的价值点还是提升生产力。不管是从成本角度，还是从提升效率的角度，生产力提升对哪些行业的影响最大？就是人力成本越高的行业、越贵的市场，影响越大。 举个例子，为什么美国传统行业应用 AI 最多的是金融、专业服务，比如 law firm，还有医疗？因为这些行业都很贵，包括科技行业的 coding，因为人很贵。 东南亚的情况就不一样，因为人很便宜。这有点像原来的工厂自动化。在中国，如果人那么便宜，Apple 在中国建工厂，或者 Tesla 在中国做自动化，就不需要像美国那样投入，因为算下来账是算不通的。 所以现在 AI 在传统行业的落地速度，我觉得会比原来快很多。我做云计算这个行业超过 10 年了。云计算讲了将近 20 年，但你现在去看那些传统行业，很多都还没有在用云。 你可以说金融行业是因为监管，但我觉得除了监管之外，还有很多人的 mindset，以及内部的一些政治考虑。但这一波 AI，大家都很主动，都很想去接纳。 所以我有一个假设：新技术在传统行业的落地，会比其他一些新技术更快。 庄明浩 还有一个问题，当然这个问题可能也没有标准答案。 我觉得 Google 在今天这个时间点，是 AI 整个产业链上覆盖最全，而且每个板块都很强势的公司。大家会担心，尤其是初创公司会担心 Google 过于强势，和自己的业务产生关联。 无论是 B2B 还是 B2C，很多人都会担心这个问题。当然，这可能不仅仅是 Google 的问题，很多人都会担心模型厂商把自己吃掉，无论是 B2B 场景还是应用层。 你们在这几年的过程中，怎么看这件事情？这个天平的状态是怎么样的？ ### Google 留出的创业空间 我觉得是这样的：如果是一个比较专的机会，Google 不可能把所有东西都吃掉，也不可能把所有领域都做一遍。 美国有一家叫 Gamma 的公司，做 slides、做 PPT。我们也做 PPT，但我不会像它做得那么专。因为当你做得相对细分时，最后会有很多 last-mile delivery。 庄明浩 Gamma 好像今天也是你们重点推的厂商之一。 对。对我们来说，为什么要做一个场景？假设这个场景加起来可能是 10 亿美元或者 20 亿美元的市场。对于 10 亿美元、20 亿美元的市场，这不是 Google 优先去做的事情。 但我们都知道，科技行业的先发优势非常强。如果我不是优先去做，别人已经做起来了，后面我可能要花很大的成本。比如一个 10 亿美元的生意，别人已经做起来了，我可能要花将近两三亿、三四亿美金的成本，去做一个 10 亿美元的市场，对我来说肯定不划算。 所以我觉得，找细分市场，大家还是可以自己去做。如果是一个 10 亿美元，甚至 5 亿美元的市场，已经足够养活一个 startup。 现在 startup 的故事不是说一定要通过融资才能成功。以前可能会觉得 5 亿美元太小，一定要做到 10 亿美元。但如果我做一个 5,000 万美元 AR 的公司，我觉得很好，很舒服。软件的利润率很高，生态也很充裕，上下游的关系连接都很好。 如果再看一些更 fundamental、更底层的机会，比如芯片，这些东西肯定是 Google 着重去做的，不能放掉。 但如果 startup 去做这些东西，因为它们非常 capital intensive，需要很多启动资源。如果你觉得自己能拿到足够多的启动资源，我觉得也可以做。和大公司最大的区别，就是你的执行可能更好，转得更快。 我一直想一个简单的问题：AI 这一波，whatever，GPT 这种东西，为什么是 OpenAI 先做出来的？Google 很早就想做 AI，Transformer 也是 Google 写的，Google 的芯片肯定比 OpenAI 多，钱也比 OpenAI 多，人也比 OpenAI 好，Ilya 原来也是 Google 出去的。 为什么不是 Google 先做出来，而是 DeepMind 做出来的？其实最大的原因，我觉得有几个。 第一个是底层原因。我刚看完那本 Davinci 的书。Davinci 那时候没有觉得 conversation 是一条 AI 的路，它看得更远一点。书里面其实也在讲医疗、科学，但那时候它没有觉得对话是一个那么重要的阶段性方向。 所以你看它做 AlphaGo，其实是从一个科学家的角度出发。Sam Altman 则更偏 marketer 和 PM，所以他把这个东西先做出来了。 当然，所有成功都有偶然性。他做出来以后就爆了，爆了之后就有先发优势，Google 也看到了。 所以我的意思是，如果一个方向非常非共识、比较底层，而且你的确可以比大厂赚得更快，那你可以去做，但一定要非常非共识。 如果这是一个有共识、很吃资源的方向，那就很难。除非你个人有非常强的比较优势。所有成功其实都要看比较优势，如果你自己觉得特别强的比较优势，我真的想不出什么东西来，但是你可以去做。 除此之外，如果一个方向的共识没有那么强，或者对大厂来说优先级没那么高，那我们还是可以去做。 还有一点，这和你要不要在海外创业有关。尤其在美国、欧洲，因为它们本身的法律体系比较健全，很少出现你做了一个东西，大公司就直接把你弄掉的情况。 为什么这边的创业环境特别好，尤其是 B2B？只要你做了一个东西，只要有 traction，就不太会有人来抄你，大公司只会来买你。所以你不用太担心大公司会不会抄一个东西，然后自己做。 庄明浩 反正这个环境在美国这边非常让人羡慕，尤其是和中国的情况相比。 ### 美国为何更能押注 美国创业环境好，第一和它从小的教育有关系，第二和它的环境有关。它的容错度特别高。 我一直说，美国有很多独立的 research labs，还有很多 research 项目可以申请到经费。它们甚至会达到一个目的：我去证明这个东西是错的。 当你证明一个命题是错的时，也有很多人愿意为此买单。这件事情在其他地方很少见。 创新本来就需要容错。容错度高，再加上其他条件，这就是整个生态环境。 另外，它早期 funding 的 source 特别多，这也和它的法律有关。举个例子，如果我是 Facebook 或者 Google 早期的员工，我有很多股票。如果我把股票卖掉，要交很多税；但如果我卖掉之后把钱投到一家新公司，这笔税是可以抵扣的。 这就鼓励了很多人去创业。假设我 20 年前在 Google 工作，虽然当时职位可能还没有升得很高，但肯定积累了很多股票。假设最后股票加在一起有 500 万美元，如果我全部卖掉，可能要交 40% 的税。 但如果我投 100 万美元到一家新公司，而且这家公司还在增长，对我个人来说就有很大的 incentive 去做这件事。 所以这边有很多人愿意去启动这样的公司。大家会觉得，没了就没了，反正税也交了那么多钱；但如果烧掉这些钱，还能创造一些 impact，那也值得。 整个环境还包括大企业、法律对创新的保护，以及相对多样化的退出渠道。 但我觉得 fundamentally 还有一点，就是人的动机。我觉得美国人甚至比欧洲人做得还好，他们非常讲究创业不是为了赚钱，而是为了 make an impact。 如果创业只是为了赚钱，大概率这个项目的目标就不会太大。假设我创业就是为了 IPO，我觉得最后做出来的东西也会不一样。 最终做出最大事情的那些人，其实有另外一种动机。我经常说 Elon Musk，如果 Elon Musk 只是想挣钱，他不会做 SpaceX 这样的公司。他的目标是把人送到火星，钱只是副产品。 我觉得这和教育有关系。你要有大的想法，要 think big，要 create a big impact，这样才会很 driven。 Demis 也是这样。他说自己要解决 AI 这个问题。他和那个作者巴拉巴西都说过，Demis 十几岁的时候就觉得有一个声音在告诉他，要解决这个问题。他觉得这个声音时时刻刻在耳边响，所以必须每时每刻都做这件事情。 还有一点很有意思。他说自己什么事情都要 try my best，但他的 definition of try my best 是什么？ 他说，如果我跑一个马拉松，跑到终点之后一步都走不动，被送到医院，但没有死掉，那才叫 try my best。如果跑完一个马拉松之后还能走路，就说明没有 try your best。 你要有这个使命感，还要有自己对 try my best、对 best effort 的定义。这样的人就不会把赚钱放在第一位。 庄明浩 这个文化还是蛮影响这件事情的。我甚至觉得，这一波 AI 其实就是因为这些事情，才慢慢变成今天这个样子。 如果没有这样的方式，可能我们都等不到今天看到的这些东西。你要有一个比较大的想法在领导，不是说不看细节、不看留存、不看转化，当然这些都要看。 但你始终要有一个东西在脑子里，给自己一个大的方向，才能走到今天。