李翔
因为看你之前的一些采访，我看到你其实比较少讲很早之前的事情。你是哪一年到浙大读书的？
黄晓煌
我是2003年。当时直接去了竺可桢学院。对，没错，当年高考考了全省六七十名，好像全省前100名可以直接进竺可桢学院，还有奖学金之类的，所以就直接进去了。
李翔
当时你对竺可桢学院有概念吗？
黄晓煌
没什么概念。到学校的时候，他们跟我们说，反正就是比较好的班。中国人比较朴实，当时哪知道这个东西。
但这几年我回头看各种资料，确实会发现，包括浙大、竺可桢学院，培养了很多优秀校友，包括很多创业者。黄峥是不是也是竺可桢学院的？
黄晓煌
对。
黄晓煌
我在学校的时候就听说过他的各种“光辉事迹”。
李翔
成绩特别好？
黄晓煌
成绩特别好。学生能有什么光辉事迹？
李翔
他跟你差几级？
黄晓煌
大5届。
李翔
你们的教学方式有什么特别的地方吗？还是因为这些人本来就特别优秀，所以被选拔出来了？
黄晓煌
1. 竺院的聪明人
我觉得，首先在教学方面，我也没有对比过其他学校。整个教学思想还是比较开放的，但我觉得更多时间可能是跟同学之间互相学习、互相聊。
一群聪明的人在一起是很重要的。其实上大学之前，大家都是小镇做题家，天天做题出来，也不知道世界是什么样的。进了学校之后，会有很多很聪明的师兄跟你聊各种见闻、各种想法，你就会顺着他们的思路去学习、去了解。我觉得这对我的影响可能更大。
至于上课，我一般一门课就是第一节去、最后一节去，中间都不去了。
李翔
这样考试没问题吗？
黄晓煌
没问题，自己看书就行了。
李翔
不上课干嘛呢？
黄晓煌
写代码、看书。我的习惯是白天睡觉，晚上学习。感兴趣的课我会去上，有些感兴趣但选不上的课，我也会去旁听。不感兴趣的课，反正应付考试就行了。高考过来的人，应付大学考试还是比较游刃有余的。
李翔
你们班当时多少人？
黄晓煌
30来个。
李翔
你们同学后来都在干嘛？创业的人多吗？
黄晓煌
不多。我感觉大部分人在美国工作。我印象中，三分之二应该出国了，可能超过一半的人不是在金融行业，就是在IT公司工作，大概是这么一个情况。
我也跟他们说，还是自己创业比较好。年轻的时候觉得工资挺高、挺爽，年纪稍微一大，就会发现那个天花板太低了。
李翔
这是你曾经走过的路？
黄晓煌
我去了英伟达之后，也统计了一下整个公司里面从大陆出去的中层管理者。我把整个通讯录研究了一遍，因为大陆的拼音跟香港、台湾的拼音不一样，我研究了一遍，发现这个比例非常低。
你说这些人不聪明吗？我觉得他们都是最顶级的聪明人。那就是有天花板，没办法。大家能意识到这个天花板，因为可能也有例外，当时陆奇应该也算微软的高管了吧，但比例确实很低，是一个温水煮青蛙的过程。
而且，比如我当时在英伟达工作的时候，很多重要项目都需要美国政府审批。那个年代中美关系已经非常好了，但比如我要做高性能计算相关的东西，就需要美国政府审批。等审批下来，项目都快结束了。如果没有审批通过，你就不能参与这个项目，相当于被休假。
有这个限制，你根本没有可能晋升到一定的岗位，因为很多信息他们都不让你知道。
李翔
所以你那时候基本上就死了在英伟达一路高升、走职场这条心？
黄晓煌
对，死了在那边一路高升的心。当然，我觉得英伟达的同事对我也挺好，平台也很好，只是它有这个限制。
你要做高性能计算相关项目，有些项目涉及美国国防部之类的，就需要审批，而且审批时间很长。现在只会更严重。
李翔
现在估计都不用审批了，人家一看你是大陆来的，就说你别参加了。关键业务你连会议都不能参加，什么信息都要对你隔离。
那你的本科专业是怎么发展的？你当时学的是计算机图形学，这在当时算显学吗？
黄晓煌
我们当时竺可桢学院是不分专业的，自己选课。大一结束之后，就可以选一个实验室进去做科研。那个班是想培养科研人才的。
我就选了浙大的CAD实验室，到里面写代码、做科研。CAD实验室当时在研究渲染，所以我就开始自学。那时候基本上是实验室师兄告诉你要学哪些东西，然后你自己去看书。
竺可桢学院一直不分专业，拿毕业证的时候，根据你选的课可以选一个专业。我好像选了计算机，但基本上不在学院里面学习，自己选课、跟着实验室学习，基本就是这么一个过程。
李翔
所以后来你去美国读硕士，当时基本上是很主流的选择？
黄晓煌
我当时申请的是博士。
李翔
直接申请博士？
黄晓煌
对，肯定是博士。硕士没有奖学金，大家都是申请博士。
2. 从图形学到CUDA
因为我本科读的是图形学，图形学基本上就是英伟达的老本行，所以我就申请了图形学方向。后来去了UIUC，发现它有一个方向，是用图形学的方法做高性能计算。那所学校最强的实际上是超级计算机，正好需要图形学背景的人，所以我后来就转去了那个实验室。
英伟达的一些传记里也会写，我的导师胡文伟跟英伟达原来的CTO一起搞了一个联合培养项目。那个CTO叫David Kirk，英伟达赞助了这个实验室，大概100万美元，还有很多GPU。我们就在研究怎么做CUDA。
李翔
你们的奖学金是学校发的，还是英伟达发的？
黄晓煌
是英伟达的钱打到学校，再由学校发给学生。
李翔
当时你对英伟达有什么概念吗？
黄晓煌
肯定有概念。那时候你要做计算机图形学，用的显卡不是英伟达就是ATI，也就是后来的AMD，只有这两家。它在原来的赛道里已经占了70%的市场份额，但那个赛道也就那么大。
李翔
当时主要就是游戏？
黄晓煌
对，主要是游戏。所以我也觉得研究这个方向比较窄。UIUC的高性能计算做得比较好，我只能结合自己原来的学术方向，转去做高性能计算。
我原来在浙大读书的时候，没觉得高性能计算有这么深奥。到了UIUC之后，就从头开始学芯片怎么设计、芯片的工作逻辑是什么，当时挺震惊的。
我在那边逃课逃得不多。很多课，你自己在寝室里看书没用，因为没有设备，没法自学，只能去课上做。比如课上让你设计一款芯片，那个软件特别贵，根本没有软件，也不能用盗版，只能上课的时候去学。
还有很多跟上机有关的内容。比如超级计算机，你自己在房间里也没法做，所以只能去课程那里做。那时候就经常去上课了。
李翔
你从浙大直接申请博士，中间有硕士的过程吗？
黄晓煌
理论上是这样的：学分修满了就可以拿硕士。美国学校有一个制度，满足硕士要求就会给硕士学位，满足博士要求就会给博士学位。
当时英伟达在组建CUDA团队，很多人招不到。我是拿着它给的奖学金，专门研究这个方向的。后来他们写信给我的导师，说想借用我一年，去开发专门的系统。
我导师建议我还是去，之后想继续回来也可以回来读。我就先去了，去了之后就没再回来。
李翔
他是不是也说过，大部分去了英伟达的人都不会再想回来？
黄晓煌
对。因为你在学校里做的东西跟公司里做的一样，但公司工资高，设备也更好。学校里要获取算力集群很难，公司里全都有，条件完全不一样。
李翔
所以你后来没有拿到博士学位，也没有继续读下去？
黄晓煌
没有。不过要继续读也可以。我本来是想，干一年之后再回去继续读，但工作了大概半年，我就有了创业的想法。
3. 四颗GPU点燃创业
我参加了第一届英伟达GTC，当时去做志愿者。那次人很少，我就在下面看黄仁勋演讲。他用128颗GPU做实时渲染，在本地用128颗GPU做快速渲染。
我当时就想，这东西为什么要用这么多GPU？不太对劲。后来我自己在电脑上实验，调调效果，大概4颗就够了。我觉得这好像是个不错的方向，就想拿这个创业。
李翔
为什么黄仁勋演示还需要100多颗GPU，而你在本地电脑上用4颗就够了？
黄晓煌
我也不知道他为什么要用128颗，反正我觉得本地电脑4颗就够了。可能是算法调优的问题。
当然，当年英伟达发展得不太好，这里面有一个悖论：如果它发展得很好，我要么继续留在英伟达工作，要么回去读PhD。既然这个方向这么好，我还回去继续读PhD，那不是有点奇怪吗？
但没想到后来它发展得这么好。
我一直很认可黄仁勋讲的那套逻辑：原来CPU的架构走到尽头了，摩尔定律难以为继，只有通过几千、上万颗芯片组成的架构，才能在新的芯片工艺下继续发展。
当计算机的核心超过一定数量之后，传统编程语言就不适用了，必须用全新的编程思想去编程，所以才有了CUDA。这一点我一直都很认同。我觉得这肯定是未来，而且未来这种情况会愈演愈烈。
你看现在CPU的主频大概在2到5GHz，20年前差不多也是这个水平，基本不发展了，已经到了物理极限。但它还可以横向扩展，芯片越做越大、核心越做越多，这个还是可以的。
新的方法论让摩尔定律继续延展。但当时你说新的架构、新的算力怎么利用，它能产生什么新的东西，实际用途和商业用途是什么，这些都需要研究。
比如现在手机的速度再快10倍，我现有的功能已经够用了，快10倍有什么用？绝大部分人都是这样的。
但是对于英伟达、对于黄仁勋来说，他会认为一定存在一些新的用途，只是你现在不知道而已。那就让这些科研人员自己去研究。
我当时就在研究这些东西。研究了几年之后，我发现物理正确渲染原来很慢，一张图要渲染半小时、1小时，但这个东西可以用GPU加速，效果特别好。我就把它改到CUDA上，效果很好，然后就想拿这个创业。
李翔
那是哪一年？
黄晓煌
AI当时才刚刚萌芽，还没真正发展起来。我忘了是2010年还是哪一年。我还在英伟达的实验室里看斯坦福做深度学习的研究，觉得这东西这么慢，怎么用？我还在研究怎么加速它。
所以我现在坚信，随着算力提升，还会有新的东西不断出现。只不过你和我没有办法判断这些东西是什么，甚至在英伟达内部，哪一个实验室会做出全新的东西，也没人知道。
它就像人类智慧里的基因突变一样，谁突然脑子一闪，想出了这个东西，永远不知道。它也有点像涌现，是一个涌现的过程。
但前提是你得有算力。有了算力之后，就会有人研究出来，只是时间长短的问题。
李翔
包括你们当时进入CUDA项目组，可能也很难预期CUDA今天会有这么大的影响力吧？
黄晓煌
反正黄仁勋天天在“画饼”。他自己有这个意识，认为一定会有新的东西出现，但也没告诉我具体会出现什么，我也不知道。反正就做呗，反正有工资拿。
但这个方向我们认可。我认可它能持续变快，Intel的东西已经不发展了，停在那里，但英伟达这套东西肯定还会持续增长。
至于它能增长出什么东西，我也不知道。我当时天天研究、看论文，也没看出什么新东西。
李翔
我再往前倒一个问题。看你之前的采访，你会讲到，当时你们读书的时候，导师给你们的课题是假设未来算力提升1000倍，然后在这个基础上选择研究方向。一个方向是人脑，另一个方向就是你刚才讲的物理正确渲染。
黄晓煌
对，其实都在看，没有限定说只能研究物理模拟或者人脑，所有课题都可以研究。
只不过当时怎么模拟人脑实在没有头绪。至少我当时还没看到CNN之类的论文，那些论文还没有出来，所以当时做物理模拟、物理仿真会更多一些。
李翔
前一个方向其实也受制于脑科学本身的发展，对吗？
黄晓煌
不只是脑科学。这个方法后来才提出来，至少当时我没有看到。这个方法论好像是2009年或者2010年才提出来的，所以当时没有发现。
你每天看各种论文，有时候从老论文里找哪些东西可以跑在GPU上，看看能不能得到更好的效果，或者发展出不一样的东西。核磁共振、渲染、各种矩阵运算都在研究，一直在找算力增加10倍之后，会有什么不一样的东西出来。
李翔
你刚刚讲到，在英伟达工作半年左右的时候，你已经想自己创业了。主要是因为参加了第一次GTC，做志愿者，看了黄仁勋的Keynote和一些演讲者的Demo，对你触动很深？
黄晓煌
对。因为我本科研究的是图形学，知道这些东西计算非常慢，但我发现物理正确渲染加速这个方向是可行的。
我回去之后，因为本来做过图形学，做一个Demo很快，一个月就做出来了，发现效果很好。最早想在硅谷创业，但融资不太好融，后来就回国创业。
李翔
当时创业是因为周围创业氛围比较浓厚吗？
黄晓煌
没有。当时把Demo做出来之后，觉得特别激动，觉得能够改变世界，完全不同于原来的东西要出现了。
原来这种算法只能跑在本地PC上，当时正好又是云端时代，各种移动端的东西也开始出现了。我就想，这个东西对手机肯定是一个巨大突破，因为手机没有这么大的算力。几个合伙人看完Demo都很兴奋，于是就约着回国创业了。
李翔
你们当时几个合伙人是同事，还是同学？
黄晓煌
是UIUC的同学，在学校就认识了。
李翔
他们当时在做什么？
黄晓煌
朱浩去了亚马逊，陈航还在学校读书。基本就是大厂员工加博士。
李翔
大家都想创业？
黄晓煌
对。Demo给他们看完之后，大家都很兴奋，感觉像捡到了宝。你好像现在不做，过一阵子别人做出来，就没你什么事了。因为这不是什么秘密，晚个一两年，可能根本没有你的机会。所以当时就迫不及待回国创业了。
李翔
当时从美国回来创业，是比较常见的现象吗？
黄晓煌
不常见。当时别人都说，你是不是混不下去了？
2011年，国内有不少朋友问我，英伟达是不是要倒闭了，甚至想做空英伟达。他们会问，英伟达是不是不行了，硅谷其他公司不好跳吗，为什么要回国创业？
我说，英伟达当时确实发展得不太好，但这肯定不是我回国创业的原因。
李翔
我记得有段时间，很多中国投资人会去美国游说大厂里的工程师回来创业。那是后来2015、2016年的事情？
黄晓煌
对，那是后面的事。2011年刚经历金融危机，国内投资人也没钱。2009年金融危机结束之后，硅谷融资也很难，资本市场不太好，所以没融到钱。
没融到钱就没法招人，后来就想回国创业。当时正好碰到浙江省在硅谷招商引资，于是就回来了。
李翔
浙江省去硅谷招商引资，是什么场景？
黄晓煌
他们每次来招商引资，都会包下一个中餐馆，请大家吃饭。大家基本都是去蹭吃蹭喝的。
平时在硅谷也不太会去吃中餐大餐，自己做又挺难吃的。免费吃喝之后，他们再宣传一下国内的创业环境，大家就去听听，听着听着就感兴趣了。
这个在现在是不可想象的。以前他们还会去华尔街挖人，中国政府去华尔街挖人，现在很难了。
李翔
所以你们算是被招商引资回来的创业公司？
黄晓煌
可以这么说。当时组了一个团，大概30多家硅谷公司，一起回国内考察，选择一个落地的地方。
当时机票好像是苏州政府出的。
李翔
苏州政府？
黄晓煌
对。大家收集了一圈各地政府的政策。杭州可能提供免费住宿，苏州提供免费机票，大家就回国了。
李翔
还是个“拼团”？
黄晓煌
对，反正挺有意思。
李翔
回来之后，还是要面对招人、融资这些问题，怎么解决？
黄晓煌
跟原来一样。我也是中国、美国两边跑。那时候美国刚经历金融危机，整体经济状况不太好，国内一片欣欣向荣，所以觉得国内创业可能更容易，就选择在杭州。
李翔
你们开始融资的过程是什么样的？
黄晓煌
我们拿着Demo，一个基金一个基金去谈。那几年中国的VC不太投科技，主要投App、团购。那时候正好是千团大战，或者投O2O，基本都是这些东西，没什么人看科技项目，所以融资比较困难。
当时主要找美元基金，人民币基金基本不看我们这种项目。
2012年不太顺利，我也不知道为什么。2013年就很顺利了。2013年中国整个资本市场特别泡沫，很容易融资。反正从2013年之后，融资就一轮接一轮。
李翔
你们跟美元基金聊的时候，他们会问什么核心问题？
黄晓煌
我印象中问得最多的是：什么是GPU？为什么你做这个东西英伟达不做？英伟达自己做得也不怎么样，你在它基础上做，能行吗？大概都是这些问题。
李翔
你怎么回答？
黄晓煌
我当时比较技术的回答，好像也没谈到投资上。跟他们谈摩尔定律、技术趋势，他们根本不关心，觉得你是在瞎扯。
当时正好有一个家装平台很火，现在可能没那么火了。我们包装了一个故事：Houzz要派人去线下给房子拍照，成本比较高，我们可以通过虚拟渲染来实现，不用拍摄，成本比较低，可以颠覆这种模式。这样一下子就很好融资。
你要跟投资人聊GPU就完了。我发现有一半投资人不知道GPU是什么，甚至没听过。
李翔
可能当时英伟达本身的势能还没有起来。你一说GPU，他可能就会问，英伟达都快倒闭了，你基于它的硬件做东西，万一它倒闭了怎么办？
黄晓煌
对，2013年的时候，确实有人觉得这家公司不行。有投资人问我，万一英伟达倒闭了，你有什么办法继续做你的公司。
我觉得这个问题很难回答。那个年代国内也没有其他公司做这个东西。
李翔
当时国内创业，基于移动互联网、本地生活或者O2O，发明了很多风口和名词。这些方向很火的时候，你有没有想过换个赛道？这样风险投资也可能更欢迎。
黄晓煌
想过，也尝试过。但说实在的，一是不擅长，二是自己实在不喜欢。
我看阿里铁军、华为铁军之类的书，自己也在学习。很多地推工作真的做不出来，太难了。他们很多管理方式，不是我们这种原来搞科研的人能够做出来的。
但我发现，不是自己擅长的事，很难坚持；不是自己喜欢的事，也很难坚持。我们肯定尝试过，投资人也经常跟我说，在中国不适合做科技，应该做一些靠组织力量获得竞争力的事情。
李翔
他们是已经投了你们之后这么说，还是还没投的时候说？
黄晓煌
有些已经投了，有些还没投。比如有人会说，如果你不能克服这个问题，就不投了。
那个年代，大部分投资人都说不要做技术，因为这不适合在中国创业，太慢了。他们要的是4年翻1000倍的公司，你4年可能都不一定把这个东西做出来。
李翔
但即使你能做出一个英伟达，他们也不满意？
黄晓煌
对，反正那个年代就是这样。
李翔
那你们内心不会比较绝望吗？
黄晓煌
早就麻木了。作为创业者，如果内心这么容易绝望，创业第一天就已经绝望了。
很多时候，自己相信就行。我们听投资人讲完，几个合伙人面对面相视一笑，然后继续前进，无所谓，心态得好。如果你把其他人讲的观点都当真，那日子没法过。
李翔
从投资人的角度来看，大概什么时候开始发生转变？他们开始认为，在中国做科技也是一个有前途的投资方向，而不只是移动互联网那种指数级增长的生意？
黄晓煌
我觉得可能就是这几年。之前在中国做科技，估值低、回报周期长，大家也不太喜欢。对大部分创业者来说，科技项目的孵化周期太长，融资各方面都很困难。
当然，我们后来也学乖了，讲故事要看人下菜。投消费的，就跟他讲消费故事；投移动互联网的，就讲移动互联网的故事。融资顾问会教你，碰到投消费的人，就跟他讲未来中国家装市场多么巨大，随着中产阶层崛起，市场空间有多大。
因为我当时对这个行业一窍不通，FA还给我准备了很多台词，让我背一遍。
李翔
真的要背？
黄晓煌
那肯定。我当时连一套房子都没装过，不装房子的人怎么讲这个？
不管怎么说，我们一直围绕GPU加速这个赛道做事，外部环境怎么变化都一样。我也经历了很多个周期，所以无所谓。
GPU超过CPU，这是物理规律，是一个持续二三十年的规律，这里面是有确定性的。风口没什么意义，今天这个风口，明天那个风口，一年一个变化，追这个没有意义。
故事可以追，但你做的东西一做就是5年、10年，没必要追风口。
李翔
GPU超越CPU这件事，你回国创业的时候就已经确定了？
黄晓煌
不是，读书的时候就已经很确定了。黄仁勋、英伟达的CTO给我们上课，天天给我们“洗脑”。我自己也研究这个，觉得确实就是这样，所以从来没有怀疑过。
我们一直围绕这个方向做，只是确实没想到现在会这么火，也可能只是火一阵子。客观规律一直存在。当时我们觉得，不是英伟达做出来，也可能是Intel、AMD，或者华为转向这个方向。大的技术方向是确定的。
李翔
你当时跟其他人讲，他们会相信吗？
黄晓煌
早期肯定不相信。你要到现在再讲，反而没意义，因为大家都相信的时候，再讲已经没有意义了。
我觉得这个转折点应该是在2018年之前。2018年之前相信的人不多。但具体是哪家公司做成，确实是一个概率问题。
我们当时甚至觉得Intel比英伟达成功的概率更大。我有一段时间把系统迁移到Intel新的芯片上，因为Intel做的芯片更稳定。它也出了类似CUDA的竞品，但后来我觉得那家公司不太给力。
这可能是企业文化的问题，也可能是它分心了。Intel的产品线太多，英伟达这么多年就专注做GPU，Intel什么都做，主板、显示器、笔记本，什么都有，肯定会分心。
李翔
当时Intel作为更大的公司，可能也不可避免要做这么多事情。
黄晓煌
我觉得是创始人不管公司了，变成了一个由华尔街管理的公司。
华尔街今天看一个研究报告，说要做嵌入式芯片；明天又说要做视觉芯片；后天又说要做ARM芯片。那公司到底要开多少条线？
企业得专注，要找到一个自己认可的方向，而且最好这个方向是对的。有时候就是赌一把，然后专注地一直做。如果今天觉得这个方向好，明天觉得那个方向好，变来变去，最后每个方向都做不好。
李翔
2012、2013年融资的时候，很多风险投资人对在中国做科技公司有疑虑。那些真正投了你们的VC，当时是什么想法？是赌一个概率，还是因为认识你、觉得你们背景不错？
黄晓煌
最早投我们的，是一个浙大校友王怀。我们在硅谷的时候，经常一起参加浙大校友会的志愿活动，关系很熟。他投了50万元人民币。
大概就是朋友一场，他说，我也不管你做什么，先给你50万，别来找我了。
李翔
后来呢？50万够你们做什么？
黄晓煌
后来他给我们介绍了一些投资人，我们陆续融到了资金。到2013年的时候，产品做得比较火，在行业里也很有影响，后面融资就没什么问题了。
后来投资人排队要投，有些投资人因为我们不让他投还翻脸，搞得我也很难受。
李翔
数据出来之后，融资就容易了？
黄晓煌
对，数据特别好，在行业里确实很轰动，微博上疯狂传播。2014年就没有融资问题了，天天有一堆投资人要投。
早期投资人不让投，后来各种事情搞得我也很烦，那是完全另外一波烦恼。
李翔
这不就是价格的问题吗？价格抬高一点就可以了。
黄晓煌
当时增长很快，行业也很好，不完全是价格问题。投资人觉得我们不需要融资，可以再晚一点，等价格更好。
李翔
你们刚回国的时候，几个合伙人租了一个民宅办公？
黄晓煌
对。我的一个合伙人家里有一套空房子没人住，就临时拿来用。
李翔
在哪儿？
黄晓煌
就在这旁边。
李翔
这个阶段持续了多久？
黄晓煌
大概一年。后来融到资之后，我们就搬走了。那个地方实在很难招聘，候选人一看是民宅，绝大部分都无法接受，会怀疑是不是骗子公司。
特别是女员工，面试的时候把人带到一个卧室里，确实太不靠谱了。
李翔
你们后来是怎么进入家居设计这个领域，开始做酷家乐的？这是过程中不断选择的结果，还是一开始就有明确方向？
黄晓煌
4. 家居赛道意外成形
其实是投资人帮我们编的故事。我们的股东也投了这个平台，当时Houzz有一个很大的痛点，就是要派人去拍一套房子的图片和视频，成本大概3000美元，也就是2万元人民币。
而我们用GPU渲染，成本不到200元人民币，ROI太高了。投资人就觉得，这个技术是不是可以颠覆这个平台的商业模式。
当时我们也愿意讲这个故事，因为至少把核心技术用上了。后来这个故事在行业里很快就火了。
李翔
你之前还讲过，有投资人劝你们做社区？
黄晓煌
对。第一波火了之后，大家发现用我们的工具做渲染，可以取代这个平台的实拍，而且效果不错。
这个平台很重要的一块业务是家装社区，投资人也劝我们做。我们也去尝试了。
但我们都是理工科出身，不像做传媒、做内容的人，对社区和内容有感觉。突然有一天，同事说，这篇文章写得特别好，老板你看一看。我看完之后问，好在哪里？然后现场就冷了。
我们开始研究怎么通过OKR量化衡量内容的好坏。一篇文章出来，怎么算它的质量？算不出来。
你看点击率或者转发率，但这个东西很复杂。有些文章转发率特别高，我不知道为什么；有些同事熬夜写到两三点，发出来之后没人看，我也不知道为什么。
跟同事聊，他们的解释我都听懂了，但同样的解释又不能用在另一篇文章上，找不出规律，也说服不了我。就像你在管理一群语言不通的人，他说的每个字你都听懂了，但你不理解他到底在说什么。
李翔
如果某一篇图文非常受欢迎，你们也没有办法通过数据和算法总结出规律？
黄晓煌
我试图总结过，但没总结出来。而且我完全搞不懂。两篇文章，一篇一个转发都没有，另一篇上万转发，我研究半天，也不知道为什么一篇行、另一篇不行，感觉一脑袋浆糊。
我到现在也没搞懂。
李翔
所以你们做不了小红书？
黄晓煌
对，做不了小红书。
我还请冯树到我们公司做过顾问，请他分享什么样才是美，什么是生活的美，怎么去形容它。我还问他，你说的美怎么量化？他也不知道。
我也想过通过AI大模型去评估一个家庭设计好不好，但现在也挺难。你拿现在的眼光去看5年前的东西，可能觉得很丑、很土，但5年前大家又觉得特别好。所以我感觉这是一个人类学、社会学的问题。
后来我想通了，还是做自己擅长的事情。自己无法理解、无法判断好坏的东西，还是别做。因为在公司里，你总得给同事发奖金，他做得好还是不好，你完全无法解释。听他汇报工作的时候，整个人都是云里雾里。
李翔
但应该可以通过结果来判断。虽然我解释不了，但看结果应该能看出来。
黄晓煌
看结果大家也达不成共识。你看什么结果？看点击率吗？给那个帖子多投一点广告，不就有点击率了吗？看转发率吗？诱导转发，不就有转发率了吗？
所以我一直没有搞明白。至少我知道，他跟我讲的一点是，内容必须优质。优质内容非常关键，这一点我认可，但如何定义优质，我不知道。
李翔
现在大家也在讨论，能不能用AI给文章打分，判断它是不是优质内容。
黄晓煌
我花了很多精力研究这个问题，还是研究不出来。
后来我就决定，跟投资人说，这件事我实在干不了。我组了一个很不错的团队，要不他们自己出去创业，你投他们吧，放过我，我实在不会。
投资人也没办法，说你不会，当然就做不好。我们当时也尝试招过一些人，去各处找这方面的人，他们都跟我说，内容质量的好坏就是一种感觉，无法量化。
李翔
一旦你要量化，就变成SEO、SEM的工作了。
黄晓煌
对。我想了想，这件事对我触动挺大，还是要做自己擅长、自己喜欢的事情。过程中你会乐在其中，也能给同事一个合理的回报。谁水平好、谁水平差，你得能判断，否则做的人也会很受挫。
李翔
你们最终确定并抽象出来的，认为团队和你自己都擅长、也能享受的事情，如果要描述的话，是什么？
黄晓煌
我个人一直在研究图形学和高性能计算。当时不断给我“洗脑”的，就是怎么用超级计算机模拟人的大脑和宇宙。
从上学开始，就一直被说这是很酷的方向，是改变世界、改变人类的事情。工作之后也发现，好像确实是这样，所以就沿着这个方向做。
关键是这件事我可以判断。比如模拟物理世界，以及速度够不够快，我很容易知道。做完之后看一眼，就知道好不好；做得很好的时候，我也会觉得兴奋。
所以，利用高性能计算机模拟物理世界，是我们擅长的事情。
我觉得这对创业过程很关键。别人做了一个很酷的事情，会觉得特别兴奋；但我也试过不擅长的东西。比如有人帮客户砍装修贷款，砍了多少，我不知道你为什么兴奋。
李翔
后来成本降低了？
黄晓煌
对。但经历多了之后，就觉得还是别做这个东西。创业是很漫长的过程。如果你能做成一家像一家几万亿人民币市值的公司，所有人都会兴奋。
但在过程中，你告诉一个人在健身房坚持30年，未来会成为几万亿美金公司的老板，他也不信。他只能在过程中不断找到兴奋点来支撑自己，而这些兴奋点一定要真正让他兴奋。
我觉得找到这个点特别关键。很多创业者为了创业而创业，本身对这个东西没感觉，却非要创这个方向，很多失败的根源就是这样。
至少我现在做这件事，即使没赚到钱，也不会觉得特别痛苦，就当玩游戏一样。人为什么打游戏会兴奋？就是这个道理。只是最后没有通关。
李翔
通不通关无所谓，有时候你还希望这个游戏内容长一点，不要这么早通关。
我前段时间看张忠谋的自传下册，里面讲到他退休的时候要找CEO，其中一个人选就是黄仁勋。他很认真地问过黄仁勋，有没有兴趣来做台积电的CEO。
张忠谋后来解释说，今天大家可能觉得他当时异想天开，因为英伟达是万亿美金公司，怎么会来做一家几千亿美金公司的CEO？但当时台积电的市值其实是英伟达的好多倍。
黄晓煌
确实是这样。我觉得英伟达跟台积电也是共生关系，是互相成就的。
台积电很早就发现，芯片制程工艺横向发展，物理制程再往下走越来越难，更多可能是横向发展。英特尔的芯片是自己生产的，所以他们可能还有空间，台积电选择了不同的道路。
我觉得英伟达和台积电是互相成就的。
李翔
如果你当时回国创业，选择了芯片设计和芯片制造，现在就是解决“卡脖子”问题了。
黄晓煌
如果我现在回国创业，有可能会做这个。但那个年代回国创业做芯片，人家会觉得你脑子被驴踢了。投资人连聊都不想跟你聊，更别说创业了。
李翔
你刚才也讲过，你尝试做过自己不喜欢的事情，发现确实做不来。从你创办公司到现在，这样的事情多吗？你经常尝试进入自己的非舒适区吗？
黄晓煌
肯定多。我们比较开放，除非违法，在合法范围内，非舒适区我都会尝试。但我会很快判断，自己是否擅长做这件事。
如果我不擅长，就交给合伙人管；如果合伙人也不擅长，那就别做了。钱到处都能赚，为什么一定要做某件事？你没必要跟自己过不去。
创业很多时候，公司赚了钱也不一定都是我的，但每天做自己反感、枯燥的事情，那个苦是自己吃的。
李翔
你是大股东，赚的钱相当一部分会属于自己，不是吗？
黄晓煌
很多时候你是把它当事业在做，就没必要做自己觉得烦、枯燥、毫无兴趣的事情。
你只知道这件事能赚钱，但你既不认可它的社会价值，也对它没感觉，那我个人没太大兴趣去赚这种钱。
有时候投资人会给你很大压力，但你真做了之后，压力可能更大。
李翔
除了刚才社区内容无法量化这个例子，还有其他让你很痛苦的事情吗？
黄晓煌
很多。比如装修贷款，有一阵子股东天天让我做装修贷款。
李翔
进入金融领域？
黄晓煌
对。他们会说，你辛辛苦苦做什么软件？装修贷款一单能赚几万元，你卖软件，一个设计师一年给你几百块钱，何苦呢？
我也去了解过金融行业。正好当时有一个离职同事自己创业，背了贷款还不上，天天有催债的人蹲在他家门口。我一听就觉得，这事我怎么做得出来？
让我去雇一个人，天天蹲在人家门口催债，我做不出来。如果我做不出这件事，就意味着我做这种业务会有大量坏账。
你要么去赚这个钱，要么逼着自己做一件非常反感、恶心的事情。我宁可不赚这个钱，大不了公司不做。我为什么要赚一些自己认知之外、或者完全不认可的钱？
李翔
互联网金融那段时间是一个特别大的风口，杭州不是有很多公司做得很好吗？
黄晓煌
是。那段时间，我们所在的整栋楼除了我们公司，基本上都是互联网金融公司。
当时你不做这个业务，甚至都融不到资。就跟现在大家都说要做AI一样。
李翔
这就是你说的“嘴替”。
黄晓煌
对，就是这个感觉。所以我也认真研究过，后来觉得太不适合我们做了。
李翔
投资人还给你们出过什么主意？他们应该特别替你们着急。
黄晓煌
让我们做供应链，或者做家具。
李翔
供应链是什么？金融制造？
黄晓煌
不是，让你卖家具。
我去调研之后发现，很多人的利润都是从各种细节里一点一点抠出来的，公开说就不合适了。我怎么做得了这个？太难了。
股东肯定是看了一些公司，发现这些赛道赚钱，但他不管这些钱具体是怎么赚来的。我也跟他们讲过，为什么有些赛道在一级市场看起来很赚钱，到了二级市场却不赚钱？肯定是有原因的。
你天天逼我做这些事情，赚这些钱没有意义。
李翔
投资人可能会说，我也是希望你活下来。
黄晓煌
我们一直活得挺好的，没什么问题。2016、2017年现金流就已经是正的。
你跟他说，增长还不错，他会说，人家一年增长10倍、20倍，你吭哧吭哧卖软件，一年还没有人家一单赚的钱多。
还好我们也躲过了很多坑。现在回头看，那些一开始特别暴利的赛道，很容易掉进坑里。互联网金融只是其中一部分，供应链也有很多出问题的。
当时有些公司把供应链的回款拿去做理财，供应链本身不赚钱，靠理财赚钱，最后也都暴雷了。我见过很多。
所以我们现在创业，第一是觉得这东西赚钱必须有真正的社会价值，而且是自己认可的社会价值；第二是自己真的喜欢。如果不满足这两个条件，赚钱我也不做，因为风险太高。
李翔
你们作为技术人员回到杭州创业，最初希望在高性能计算机上还原、模拟物理世界，这肯定是一个技术理想。但技术理想需要赚钱养活公司。这个过程顺利吗？
黄晓煌
5. 软件终于带来现金流
我觉得第一波卖API、卖软件，还是比较顺利的。虽然没赚到大钱，但基本把团队养活了，所以那一波还是挺开心的，属于苦中有乐。
李翔
那一波是哪几年？
黄晓煌
2015、2016、2017年。2016年现金流打平，2017年大概有四五千万元现金流。
后来投资人就逼着你做各种扩张，那时候压力很大。
李翔
第一波现金流主要来自卖软件？
黄晓煌
主要是卖API、做云服务。
李翔
这个商业模式是怎么找到的？
黄晓煌
参考其他公司的模式。我们当时有一个商务团队，也在摸索，去问客户愿意怎么付钱。
因为我们当时已经在行业里比较火，所以就跟客户商量，你愿意怎么付都可以，一次性付、按年付、按账号付都行。最开始还没有成型，多少付一点，付多少随缘。后来才慢慢形成商业模式。
李翔
我印象中，你们还会跟不同行业的人聊，去看谁愿意为产品付费。
黄晓煌
对，后来发现家居行业的人付钱最爽快。
创业最初期，Demo刚出来、产品还没出来的时候，我们就开始找客户，问谁愿意为这个付5万元。确实有一批家居企业愿意付钱，于是我们就朝这个行业深化。
李翔
这种选择，跟大家讲的产品市场匹配有关吗？
黄晓煌
对。这个想法也不是从什么地方特别学来的，就是跟客户聊，自然而然发现谁愿意付钱。
当时我们让客户先付5万元，产品出来之后先给他们试用。这在那个年代也是众筹行业里比较常见的做法。
李翔
从外部看，你们的技术其实可以顺理成章地用到电影、娱乐产业。你们当时没有做，只是因为那些行业不愿意付钱吗？
黄晓煌
我们做过电影行业，做过电影后期的系统，但他们付钱很慢。
我们2012年合作的业务，2016年才把尾款付完，因为电影要上映、收回款之后，才能给你付尾款。这个行业那个年代就是这样。
你做这个行业早就破产了，会被拖死。
李翔
所以，先找到客户，再把通用工具应用到具体客户身上，发展出商业模式，这个思路是你们自己的，还是投资人的？
黄晓煌
是我们自己的。
李翔
投资人对卖软件、卖API、卖算力不感兴趣？
黄晓煌
那个年代，他们希望我们早点卖家具，或者早点做装修贷款，对其他事情一点兴趣都没有。
李翔
投资人可能会跟你们说，在中国卖软件是比较痛苦的事情。
黄晓煌
不只是卖软件，绝大部分科技产品都很痛苦。中国大部分科技产品很难卖，毛利也会被压得很低。
说实话，在中国赚钱比较快的确实是金融和零售。
李翔
这是投资人的总结？
黄晓煌
对。他们总结得我也认可，在中国来钱快的就是金融和零售，其他都是苦活。
李翔
你们做媒体来钱快吗？
李翔
你们行业也会拖4年才付尾款吗？
黄晓煌
还好，电影比较特殊。
黄晓煌
中国大部分行业可能还不如软件行业。软件至少毛利高，但大部分行业毛利低，还有账期，很痛苦。
我们也调研过，确实零售和金融特别好，但你不一定感兴趣。你赚到这笔钱之后，如果不会觉得兴奋，也做不久。
李翔
你们当时卖软件、卖API，销售方式是什么？
黄晓煌
线上、线下都有。线上就是在线销售，线下就是人去卖。
李翔
就是你看到的阿里铁军那一套？
黄晓煌
有区别。大部分还是大客户模式，我做的是顾问式销售。
李翔
一开始你自己会做销售，跟客户交流、卖软件吗？
黄晓煌
一开始不太做。但2017、2018年之后，投资人逼着你做，业务有压力，你也得去。
竞争很激烈，就必须去。但我不擅长陪客户吃饭，也不知道应该聊什么。跟他聊技术好像也不合适。
很多时候我会想，你要打折就直说，或者你要我加功能也直说。吃饭、喝酒半天，最后再说一句你的需求，那你直接开门见山说不就行了？我把吃饭的钱补给你不就好了？
李翔
很多时候你会这么想，但不敢说？
黄晓煌
肯定不能说。基本的情商还是有的，不能一上来就说你有什么需求，我不吃饭了，那会被同事砍死。
李翔
你出去谈客户，成功率高吗？
黄晓煌
不高。很多客户谈着谈着就谈飞了。
李翔
你知道为什么吗？
黄晓煌
不知道。比如客户说，你这个产品到底行不行？我说，你自己试一下不就行了？他说，那你让你同事先给我免费试一下。
你又不能说不行，于是就变成先免费试。我同事就很生气，下一次让我别去，说我不好说话。我确实不太擅长这一块。
李翔
当时你们的客户，应该还是跟建筑相关、比较高知的人群吧？毕竟涉及设计。
黄晓煌
不是，很多客户本质上都是商人，大家都会谈判。我主要做科研，有时候不知道那么多套路，很容易被套路，也不知道后面该怎么聊。
李翔
你跟投资人打交道，也会有这种痛苦吗？
黄晓煌
投资人大部分还好，早期投资人基本都是高知人士。除非遇到地痞流氓式的投资人，那也没办法，只能躲开。
李翔
有这样的投资人吗？
黄晓煌
肯定有，但你得离他远一点。
李翔
到现在为止，创业这么多年，比较困难的时候主要是哪一段？
黄晓煌
我觉得初期找方向比较困难，后面方向调整也比较困难。印象比较深的就是这两个阶段：找方向和方向调整。
一开始从0到1，把技术变成产品，确实很难。现在回头看，如果让我再来一遍，我也不一定做得出来，里面有很多运气成分。
当时不觉得难，稀里糊涂的，人家给你钱，你就做了。很多公司一开始拿错了钱，掉进坑里，比比皆是。可能我们运气好，没掉进坑里。
6. 公司转向智能化世界
2021、2022年调整方向的时候，我们已经创业很多年，对创业有基本概念了。一个相对成熟的创业公司在这个时候调整方向，挑战很大。
整个国家的战略也在剧烈调整，我们原来的战略方向肯定要调整。原来我们在工业4.0、家居方向做得很好，接下来很自然的战略就是把这项技术用到更大的领域，比如房地产、建筑。
但2021、2022年之后，整个主题变成了科技，建筑行业也不太行了，技术方向又在AI、自动驾驶等领域爆发。这时候你能看到整个技术界、产业界都发生了巨大变化。
原来做软件很重要的壁垒，是把行业Know-how写成代码，放进系统里，日积月累形成很强的壁垒。但这一波AI出来之后，你会发现这些Know-how可以直接被计算机理解，甚至能直接生成代码。
也就是说，原来那些工作不一定需要人做了。对公司影响非常大。原来以为是壁垒的东西，现在不再是壁垒，你必须清楚新的壁垒是什么，未来方向要怎么调整。
我们原来觉得，从室内做到小型建筑，再做到大型建筑，是一个很自然的发展方向。不断积累Know-how，做建筑装配式，往这个方向走。
但后来发现这个方向不对。整个技术界和国家战略都在调整，更多转向制造业、工业化和科技。
李翔
你有一年特别迷茫，是2022年？
黄晓煌
对，2022年特别迷茫。公司的老战略方向肯定要调整，因为已经会被AI直接取代。
后来我想，工业4.0占我们很大一部分收入，这块肯定不能丢。而且这块正好符合中国以制造业为核心、以科技为核心的大方向。
那时候我们开始把公司的方向，从原来把各个细分行业做透的SaaS方向，调整到面向工业。
当时自动驾驶已经慢慢突破了。我自己试了一下，基本上是可行的。我们觉得，未来工厂会大量由智能化机器人，逐步替代传统机械臂等设备，这种生产方式会普及到更多生产环境，不只是家居、建筑行业。
我们就开始把战略调整到：5年、10年后，智能化机器人和机器设备走进工厂、办公环境和家庭。
2022年国家也在推动非接触式服务，比如送餐机器人。我们看到大量机器人出现，就在想，我们有相当一部分收入来自大规模机械控制。未来办公室、家庭和工厂里都有大量智能化机器人，我们怎么把它们协调在一起，为人服务？
这跟我们原来做柔性生产的方向是一致的，所以我们就开始调整战略方向，不再指望建筑行业给我们赚多少钱。大概从2023年开始，就把战略方向往这边调了。
整个过程的挑战主要有三部分。
第一是技术挑战。技术本身没什么问题，我们公司的技术储备比较扎实，自己做这件事也很兴奋。每天看论文、看代码，还是很开心的。
第二是方向转变之后，团队不一定跟得上。原来我们认为，把行业Know-how写成代码是一种壁垒。但2023年之后，你会发现这些东西直接问AI都知道，AI还可以直接生成代码，根本不需要人。
之前我们招了很多这样的同事，让他们转到更硬核的算法开发上，会比较困难。
第三就是跟股东沟通，这是最难的。
李翔
战略调整和资本动作应该是两回事吧？公司战略调整，不应该主要由董事会和管理层负责吗？
黄晓煌
董事会里有很大一部分就是投资人。有的投资人会觉得，建筑方向还是好，因为建筑方向有现金流。
有些投资人自己投了很多这个赛道的公司，觉得这个方向靠谱；有些人没有意识到时代变化，只是觉得原来的方向好。你做了这么多年，也积累了这么多，为什么要调整到AI大模型、机器人这些方向？
李翔
他们会觉得你是在追风口。
黄晓煌
对。你要跟他们解释，你不是追风口，要讲技术为什么可行。但你讲得再具体，他也不一定听得懂，因为他不是搞技术的，是搞金融的，所以很费劲。
李翔
方向调整之后，你们之前具备的优势还存在吗？投资人肯定会关心这个问题。原来的壁垒，即使你认为已经被AI某种程度上颠覆了，短期内还存在吗？
黄晓煌
短期壁垒肯定还在。但你看5到10年，会发现原来的方法论——把人类Know-how写成代码，以系统作为壁垒——会逐步消失。
我觉得这个判断是对的。现在系统可以自动写代码，很多行业Know-how肯定不如AI的Know-how丰富、准确。AI既能提供No-code，也能写代码，你怎么形成壁垒？
原来很多SaaS和软件公司，其实没有什么核心算法，更多是把流程化的东西写成代码，进行信息化。这套东西在AI时代已经没有太大价值。
当然我们会继续做信息化，但信息化开发门槛会变得非常低。任何一家公司，可能行政人员说几句话，就能把系统实现出来。
我们2023年看到这个方向之后就马上调整了，而且这个趋势会越来越明显。所以这类公司会很危险。
比如投资人逼我们做建筑工地管理、施工管理，我就说不做了。这些都是流程式的Know-how，用AI生成代码太轻松，根本不需要花这么多钱买软件。
原来我们觉得有壁垒的东西，现在肯定不行了，必须找到新的壁垒。
李翔
你们之前十几年积累下来的哪些资产还可以复用？
黄晓煌
GPU集群的维护管理、GPU上的渲染算法，还有大量适合GPU渲染的素材，这些仍然有很大价值，而且还在不断积累。
但很多业务流程管理类的东西，价值在不断消失。我们得认清时代变化。
有时候不是说它完全没有价值，而是门槛变得很低。以前你去问医生一个小问题，可能要挂号、排队半天；现在你拍张照片，把病情描述一下，AI几乎零成本就可以回答你。
如果你还在赚这种钱，日子肯定会越来越难过。时代在变化，你得跟上时代。
当然，我觉得人形机器人不一定是未来，但所有机器和设备智能化一定是未来。
所谓机器和设备智能化，就是你现在的摄像机、灯、电视、扫地机器人、机械臂，都变成有大脑、能思考、能跟你互动的设备，从指令式变成任务式。这是大势所趋。
未来我们要为这样的时代做什么布局和准备？智能化时代需要一个怎样的大脑，去控制所有系统和设备？我们得为未来世界做布局，这就是我们在努力做的事情。
李翔
现在大家还会谈AI应用，很多投资人比较看好把行业Know-how和AI能力结合起来，做垂直应用。这跟你说的是一回事吗？只是把原来行业Know-how写成代码，换成了AI？
黄晓煌
我觉得应该更宏观地看这个问题。
现在大量公司在卷基础模型，去年在卷，今年也在卷。DeepSeek出来之前，大家都在卷技术，现在还有很多公司在卷。但做应用的公司太少，这不是一个健康的生态。
很多投资人投了大量技术模型公司，但钱都没赚到。上面的建设不发展起来，做一堆大模型也没有太大意义。
舆论上应该引导大家往AI Agent的方向去卷。大模型公司这么多，最后大家都赚不到钱，也没有意义。
举个例子，移动互联网时代，如果所有人都去做应用商店，没人开发应用，生态就发展不起来。
从生态发展的角度，投资人肯定要让生态发展起来。不管是AI Agent、MCP还是其他东西，最终都要形成生态，能够做大、赚到钱。
但流程式的东西肯定不是AI Agent应该做的。现在比较火的AI Agent，比如Cursor，就不是流程式的，更多是在解决原来解决不了的问题。
流程式的东西我不太看好。比如工地管理、文件管理、账户管理等管理性质的系统，依靠Know-how作为壁垒，我觉得很难。
一定要是原来完成某些任务成本很高，现在能够把成本降得很低，或者做得很快，这样才一定会有市场。
李翔
如果你们做这么大的战略调整，之前已经能够很好交付、带来现金流的产品，比如酷家乐，怎么处理这部分资产？
黄晓煌
没有影响。这部分用户该用还是继续用，只不过资源投入会发生变化。
原来有很多资源给这些客户做流程管理系统，这些工作还在做，但可能只用十分之一的团队，再配合AI，很快就能实现原来需要很多人做的事情。
这就是AI带来的大幅效率提升，至少写代码的效率已经大幅提升了。我们会持续做，但我不会再觉得这是壁垒。
它就像客服一样，是应该提供的东西，但你不会觉得客服是公司的壁垒。流程需要提供，但不能形成壁垒。真正的壁垒又回到了算法、效果和算力。
李翔
这种大的战略调整，你当时做出判断，是看到建筑和地产行业的下行周期、国家战略调整，还是受到OpenAI等大产品的刺激？是哪一个因素？
黄晓煌
是综合因素。
首先，2022年那一波，我看到很多做项目管理类产品的公司业绩开始变差。同时我自己在捣鼓大模型，一开始直接使用就发现，原来一些Know-how可以通过文字直接转成代码，那还要配这么多工程师做什么？
几个事情综合起来看，我就觉得这个世界变了，必须调整。如果不调整，有可能成为历史的牺牲品。
这听上去很残酷，但确实是真实发生的事情。很多人可能在变化发生之后，给自己找各种借口，说我要死磕。但有些公司就在跟时代死磕，没什么意义，还是要及时调整。
我们内部总结，以前以为未来是一个信息化世界，但实际上未来是一个智能化世界。信息化进程可能做到一半，就直接被智能化取代了。你要拥抱它，抵制或者死磕都没有意义。
李翔
创业过程中，你们几个合伙人，包括你自己，对这家公司未来会成为什么样的公司的想法，也发生了变化？
黄晓煌
对。上一个阶段，我们是一个应用于垂直行业的SaaS公司。想让渲染引擎用得更好，就必须把管理系统做完善，只有系统完善，产品才能真正用好。
但我们对管理系统本身没有多大兴趣，只是觉得这是必须提供的东西。上一个阶段，我们觉得这是一种技能壁垒；现在会觉得它很简单，谁都能提供。你要什么，我很快就能生成，成本可能只有原来的十分之一。
原来CTO还要研究管理系统的软件架构怎么做合适，现在AI都能生成，根本不需要那么多人做。
这件事在内部很容易达成共识。基本上内部一提出来，大家就一拍即合。反倒是跟投资人达成共识比较难。
投资人可能会觉得建筑行业好，建筑行业有钱，别人做项目管理很赚钱，你们为什么要调整方向？压力会比较大。
李翔
这还是非常大的战略转向。它的前提，是你们对未来世界的判断。你觉得未来是智能化系统占主导，还是信息化系统占主导？
ERP更接近信息化管理系统，自动驾驶则是智能化系统。未来主导世界的会是哪一种？
黄晓煌
2023、2024年，这件事跟投资人不太容易达成共识。2023年几乎没有共识，2024年大部分投资人已经有了这个共识。
极少数投资人还会觉得建筑方向好，一定要继续做建筑，不做建筑就要撤资。
李翔
投资人可能还会有一个直接疑问：你之前的商业模式已经跑通了，现在战略转向之后，是不是要重新做产品、重新做商业模式？
黄晓煌
老业务很稳定，也不会有问题。只是未来是智能化世界，那估值怎么估？给你10倍PS、20倍PS，还是2倍PS？
你怎么证明你这个东西值10倍PS，而不是2倍PS？这里面会有很多争吵。
你要转方向可以，但原来的估值可能要调；或者你原来忽悠我往这个方向走，我给了你这个估值，现在你要调整方向，凭什么？
我可以明确地说，未来是一个智能化世界，但智能化系统是2倍PS还是20倍PS，我哪知道？我也讲不清楚，只能说越高越好。
你要调整方向，投资人就会跟你扯估值问题。要是他什么都投反对票，你也没法做。
李翔
这个问题现在解决了吗？
黄晓煌
肯定解决了。但我也不想在这种事情上浪费时间，没什么意义。你说这些东西哪讲得清楚？
而且作为一家有十几年历史的公司，早期投资人确实有退出压力。
李翔
早期投资人的退出压力一直存在？
黄晓煌
肯定有。但早期投资人的回报通常比较好。
你对未来世界的判断，很多时候依赖于我们对科技领域的判断，里面肯定有自己的偏见。我们觉得这就是未来。
比如2023年，我觉得智能化机械、包括人形机器人，未来可能会越来越多、越来越火，我们应该把方向往那里靠。
有些投资人会觉得，建筑信息管理系统虽然现在受到政策影响，但过两年就会好，原来的方向很好，不需要调整。
你只能努力说服他们。如果确实说服不了，有时只能牺牲一些利益，用利益解决。
李翔
让他退出是吗？
黄晓煌
啊。细节就不说了。能用利益解决的问题都是小问题，总比逼着你去做一件自己不感兴趣的业务要好。
李翔
但你们已经做了这么多年，怎么又会说自己不感兴趣？
黄晓煌
兴趣会变化。10年前你看ERP，会觉得挺酷，尤其是云端ERP。现在再看这些东西，会觉得AI都能生成，为什么还要人来做管理系统、填一张张表格？
人的口味会变化，对什么东西觉得酷也会变化。50年前开一辆烧油的车，还有空调，会觉得太先进了。现在如果有人说自己在造一辆有空调、烧油的汽车，你肯定不想看。
世界一直在变化。你跟着整个趋势，一起把未来该有的东西尽快实现，不光能获得个人成就感和兴趣，也能吸引更多顶级人才跟你一起做。
否则团队会越来越老化，后来的人也会越来越普通，慢慢就会被时代淘汰。
李翔
我不是说建筑行业，我是说很多公司都会有生命周期。公司首先推动社会进步，其次才是赚钱。你发现一个东西已经过时，进入历史尘埃，还继续死磕，就没有意义。
还是应该跟着时代，把未来尽早实现，吸引志同道合、有抱负、有思想的人一起同行。这对企业很重要。你也不想周围都是一群抱残守缺的同事，天天跟你讲很古老的观念，那公司就慢慢没意思了。
你们明确做出战略转向是在2023年。做出决定之后，具体做了什么工作？
黄晓煌
主要有三个方面。
7. 转型的三项工作
第一，做技术研发，把研发重心转向算法和内核。假设未来整个世界都是智能化设备、智能化机器人组成的，那么原来的家居、建筑行业，以及无人工厂，都会从传统机械臂转向智能化机器人、AGV等设备。
这种工厂应该怎么配套管理？办公室怎么管理？需要什么算法？这些都要提前布局。
智能化机器人首先要训练。传统机器人是把指令编好，按照指令工作；智能化机器人要自己决策，这就需要训练系统。它还要理解人的指令，这些都要提前布局。
我们要把团队从原来做流程管理，转向做算法、做智能化。那一年开始，我基本就不见客户了，天天研究论文、看代码，跟上时代变化。
2022年之后，技术领域变化太快，日新月异，文章根本看不完。
第二，团队要调整。这对我个人来说很痛苦。之前确实招了很多优秀人才，他们擅长行业知识，尤其是既有行业知识又会写代码的人，原来是公司最关键的人。
但一旦转向智能化和算法，行业知识就没那么重要了。新的论文、新的东西不断出现之后，人的学习能力变得非常重要。
大家跟着公司打拼了这么多年，有些人一进来就是行业专家，但今天你告诉他，问AI不用问你，这个打击太大了。
我觉得，坚持做自己感兴趣的事情很重要。我不敢百分之百保证智能化一定是未来，但至少比起做ERP，我更感兴趣。
李翔
同事可能会说，老板干了十几年，原来做的都不是特别开心的事情，现在终于能做自己开心的事情了。做ERP总比卖家具好，卖家具又比放贷款好。
黄晓煌
对，这是兴趣取向。做感兴趣的事情，至少不赚钱我不会后悔；做不感兴趣的事情，又不赚钱，那肯定想死的心都有了。
李翔
而且放贷款也不一定百分之百能赚大钱。
黄晓煌
所以坚持做感兴趣的事情很重要。很多创业者也会遇到这个坎儿。方向调整怎么说服别人？只能靠信任或者利益。
李翔
调整战略之后，主要工作就是技术、团队调整，以及说服投资人认同战略。
黄晓煌
对，主要就是这三步。
李翔
你们新的算法团队，主要由原有团队组成，还是不断从外面招新人？
黄晓煌
一部分是原有同事，也不断从外面招新人。
这一波你会发现，特别聪明、教育背景好、学习能力快的人，会在智能化时代迅速脱颖而出。
李翔
新的算法团队招人，主要找人工智能方向的人吗？
黄晓煌
其实不需要相关经验。我们的首席科学家跟我说，他的招聘标准就是两点：聪明，动手能力强。其他都不要求。
他面试出来的，基本是清华、北大、浙大里面最聪明、学习能力最快的人。面试时现场给他一篇论文，让他看完之后马上提出改进意见，马上动手做。
光是清华毕业还不够，还要在里面挑学习能力和动手能力特别快的人。这种人可能一个顶10个。
李翔
如果跟人工智能相关，这两年人才竞争不会非常激烈吗？字节、阿里通义千问团队，以及其他大厂都在抢这类人才。听说有些大厂给应届生300万元年薪，还要请人家过来。
黄晓煌
这时候就比拼你判断人才的能力。大家都在抢，但我觉得是天才的人，字节不一定觉得是天才，可能觉得不怎么样，这种情况经常存在。
每家公司有自己的判断标准，所以还好。我们做算法的人也不用很多。
如果你要求博士，大家把简历拉出来，标准都差不多。但我希望找特别聪明、动手能力特别强的人。这个没有统一标准，只能靠我们自己面试、自己想办法沟通。
还有文化属性。我们可能希望招学习能力特别快、话不要太多的人。这个画像每家公司都不一样。有的公司希望沟通能力很强，差异化就在这里。
李翔
你们在新战略下面，已经能够交付给用户的产品，是空间理解模型？
黄晓煌
8. 开源模型连接机器人
对。我们今年开源了SpatialLM，这个模型其实一直在内部使用。
DeepSeek出来之前，我们没想过开源模型。总觉得这是自己辛辛苦苦做出来的资产，为什么要免费给别人用？而且还是MIT协议，基本别人拿去就可以商业化。
DeepSeek火了之后，确实对我们触动很大。全人类的智慧，比一家公司更重要。
李翔
所以，人工智能模型开源这件事，是受到DeepSeek影响？
黄晓煌
不能说刺激，应该说是启发。我们觉得开源是一个不错的路径。
我们也跟一些朋友聊，首先想验证开源这件事行不行。另一方面，现在美国对中国进行AI封锁，你说中国怎么应对？
比如我有一家美国公司，或者有朋友在美国训练模型，但可能没办法把模型拿到中国用；中国训练的模型，也没办法拿到美国用。怎么解决数据隔离问题？
讨论之后发现，开源可能是最好的办法。
就像特斯拉也遇到过类似问题。它的自动驾驶在美国开得很好，在中国不一定好用；中国的数据没办法拿到美国训练，美国的数据也没办法拿到中国训练。
如果直接把模型开源，我从美国拿到中国用，中国也可以拿到美国用，这不是绕过“小院高墙”了吗？
我们觉得这个思路不错。万一有一天中国公司被封锁，没法训练模型，我还可以通过海外分公司训练模型，训练出来之后开源，国内继续使用。理论上是这样。
所以我们就先试试开源怎么玩，也许会有意想不到的乐趣。
李翔
果然挺有意思？
黄晓煌
对。我们也看到了很多有意思的工程师，拿着我们的开源模型做很多实验，很多东西是我们内部根本想不到的，所以觉得很有意思。
李翔
之前大家对开源的疑虑，主要是担心商业模式，对吗？
黄晓煌
对。现在也没什么商业模式。
如果美国没有对中国进行“小院高墙”的封锁，我也没想过开源。为什么要开源？API免费给大家用就行了。
开源之后怎么衡量同事的贡献？怎么跟股东交代？股东会说，我投了钱给你，你却开源了，我的回报怎么办？肯定会天天找你麻烦。
现在至少可以先练习一下。万一中国被AI封锁，我可以到海外训练模型，再开源出来，国内还可以用。这样封锁就等于没封锁，总不能不让你开源。
李翔
在新的战略下面，如果要开源模型，有考虑商业模式吗？
黄晓煌
现在开源模型暂时不考虑商业模式，老业务的商业模式还比较成熟。
未来无非是从卖账号，逐步变成卖算力。我们开源的模型，别人要用就用，反正也不用我的算力，无所谓。
而且这个模型只是我们内部使用的众多模型之一。我们跟DeepSeek不一样，他们可能整个网站就那么一个模型；我们内部系统由很多大小模型组成，是一个复杂系统。只开源一个模型，并不能复制整个系统。
李翔
你们跟机器人公司合作，有商业模式吗？他们会付费使用你们的模型来训练机器人吗？
黄晓煌
现在跟机器人公司合作，已经有一个初步商业模式，类似于卖算力，按照合成三维场景的数量收费。
当然，在目前这个阶段，赚钱还不是首要目的。我们更想把整个产业推动到一个新的高度，促进智能化更早实现。
我们有一部分收入来自无人工厂，也就是柔性定制的无人工厂，把设计方案对接到工厂，自动控制生产。
未来这些无人工厂里的机器，会从传统机械臂变成智能机械设备，不一定是人形机器人，但一定是智能化的。这个趋势是大势所趋。
如果我们不主动布局这个赛道，无人工厂这部分收入有可能受到影响。可能不会马上发生，但我们得主动推动行业升级换代。
这些工厂确实有需求。现在大家理解的可能是特斯拉那种全是人形机器人，但我觉得没那么理想化。
工厂里不会所有设备都变成人形机器人。人形机器人可能是智能化机器人的制高点，是最难的一部分。中间可能先把传统机械智能化，也许只是一个没有腿的机械臂，也许只是一个没有机械臂的腿，会有各种各样的机器人。
但智能化一定是大势所趋。是不是人形，我现在无法判断，但这个趋势一定存在，所以我们要推动它。我也觉得很兴奋，而且这关系到我们很大一部分收入，不能丢，必须提前布局。
李翔
问一个题外话。人形机器人之所以火，是不是因为它可以更好地适应现有基础设施？毕竟现在的基础设施都是为人设计的。
黄晓煌
这是其中一个原因。首先，人形机器人是唯一一个你能想出来的、最通用的机器人。
面对现在各种各样的基础设施和设备，很难想象除了人形机器人之外，还有哪一种机器人可以在所有基础设施、所有设备上工作。
如果不是人形，就会有很多种机器人：扫地机器人、送货机器人等等。但最终可能会收敛到人形。
人形机器人是机器人行业的制高点。就像自动驾驶，L4纯自动驾驶是一个制高点，但不一定一开始就做L4，也可以从L2、L3逐步往上做。有些公司是慢慢往人形靠近，有些公司直接从人形开始做，道理一样。
人形是机器人行业的制高点。只要在做人形机器人的过程中，整个产业链、技术和人才都在社会上创造大量财富。即使人形短期不成立，它积累下来的供应链、人才和经验，对其他低一级的机器人也非常有价值。
所以我觉得机器人行业肯定不是泡沫。人形机器人短期行不行我不确定，但机器人行业肯定不是泡沫。很多机器人已经在干活了，扫地机器人也是机器人，AGV也是机器人，虽然长得不像大家印象中的机器人。送餐机器人也已经落地了很多。
制高点是人形机器人，中间可以从上往下打，也可以从下往上打，最终会不会汇聚到某个点不确定，但肯定不是泡沫。
李翔
你们做出这个战略调整之后，需要跟大量机器人公司沟通交流。它们对你们有什么建议，或者对你们的设想有什么反馈？
黄晓煌
一开始，大部分公司对合成数据训练这件事有质疑。
大家的疑点是，合成数据训练出来的结果不对，还是希望用真实世界的数据训练，认为真实数据才是正确的。总觉得合成的东西是假的，怎么能用假的东西训练？
但我们内部一直用合成数据训练各种模型，所以我们知道这是真的、是有效的。只是需要学术界不断推动。这一两年，慢慢会有机器人公司发现合成数据确实管用，就会逐渐接受。
李翔
你们现在寻找机器人行业突破点的方式，跟当初找到家居行业不太一样，是反过来的？
黄晓煌
我们当时也试过很多行业，比如电影行业。后来装修公司自己找上门来。
机器人行业也是这样，有硅谷巨头主动找上来，说要不配合做一个项目，我给你很多钱。
我们也是边做边学，慢慢知道智能化原来可以这么做。客户有需求，当然会促成合作。
那段时间好多硅谷公司找我们谈合作，我们一开始还一脸懵，基本上是他们手把手教我们怎么做、怎么训练才对。
李翔
那时候你们还没有做战略调整？
黄晓煌
还没有。当时只是一个side project。
李翔
那些巨头在当时的政治环境下愿意找中国公司合作，肯定是不得不找，说明你们有独特原因。为什么他们会来找你们？
黄晓煌
当时正好是疫情。在物理世界里做训练很麻烦，因为大家都在家办公，没法到办公室或者用户家里做实验。
疫情期间，陌生人到你家里，你愿意吗？大家还要保持安全距离。所以他们开始使用合成数据训练，发现效果很好。
李翔
疫情期间，他们怎么知道你们拥有这些数据？
黄晓煌
我们发表了不少论文，论文里介绍了怎么生成大量合成数据。我们还开源了第一个训练集InteriorNet。
李翔
这个名字跟深度学习领域的ImageNet很像。
黄晓煌
对。以前在UIUC的时候，我看到李飞飞在做ImageNet，于是我们就做了InteriorNet。所以可能学术领域的人看到了我们的工作，再加上疫情的条件限制，导致他们只能找我们这类公司合作。
我们这才发现，原来可以这么做。即使是硅谷大公司，也有这类需求。
李翔
所以，客户需求在某种程度上促成了你们的战略转型。但即便如此，说服投资人还是有障碍。
黄晓煌
肯定有。训练只是整个转型蓝图的一部分。
我们后面的战略，是认为未来世界会有大量机器人替我们服务。这些机器人是智能化的。假设你家里有10个机器人佣人，它们怎么替你干活？谁来指挥它们？它们先在哪里训练？在你家里怎么协作？
我们得提前想象未来社会，开始做布局。
除了原来给人看的渲染，还要做数字孪生、快速建模、多模态快速建模，训练大模型做这些事情，之后还要做机器人的训练和管理。这些都是我们的布局，训练只是第一步。
现在市场上我们说得比较多的是先解决机器人训练问题。机器人先得会干活，之后才有管理问题。活都不会干，管什么呢？一步步来。我相信未来一定会是这个样子。
原来建筑行业的业务也还在我们的路线图里，只是被归到Maker，用来做快速建模。
比如今天要快速生成一栋楼的三维结构，把图纸输进去，就能把整个结构生成出来，快速产生数字孪生体。
未来如果有机器人在这栋楼里工作，把图纸输进去，它马上就知道每个房间是什么样，在各个房间里穿梭就不会有障碍。否则它怎么知道该去哪儿？
所以这是基础工作。我们原来做的所有工作都是基础工作，只不过原来面向人，现在既要面向人，也要面向机器人。
李翔
我理解了。你们战略转型之后想做的，其实是一家面向未来、布满机器人的智能社会的基础设施公司。
黄晓煌
对，这也是我们必须做的。
前面也说过，我们有一部分收入来自无人工厂，它本来就全是机器。机器人升级到智能化之后也是必须的。如果我们不升级，就会落后，这部分收入也可能受到影响，所以必须投入。
李翔
做这件事需要很多钱吗？还是可以通过不断找到新的商业模式，用自己的现金流完成？
黄晓煌
有钱有有钱的做法，没钱有没钱的做法。最关键的是人才，但没钱可能会牺牲一些速度。
理论上是这样。但DeepSeek也证明了，不一定需要那么多GPU。只要人足够聪明，就可以用更少的资源做出一样的事情。
李翔
以前大家说钱投得不够多，现在变成了人不行。DeepSeek成了一个励志故事。
黄晓煌
对，证明聪明人比更多的卡更管用。
李翔
如果你们很早就认识DeepSeek的人，他们的表现会在你的预期之外吗？
黄晓煌
当然在预期之外。平时大家交流也很多，但没想到会有这样的效果。
以前他们一直以为我们是做装修的，我们一直以为他们是做炒股的。偶尔一起吃个饭，就这样。
李翔
你们之前很多人都以为你是做装修的，会不会留下心理阴影，所以一定要做一个高大上的未来智能社会基础设施？
黄晓煌
我觉得搞装修的比搞炒股的好。
李翔
大家别把这段放出来，开始互相伤害了。
黄晓煌
没赚到第一桶金，合法就行。你说那个行业愿意付费吗？
一开始如果直接面向机器人行业，我都不知道要死多少次。
李翔
你们现在做的事情，会不会进入大公司的赛道？
黄晓煌
目前没看到，但也没办法。我们以前也被大公司搞过，没什么可怕的。
只要专注做自己想做、擅长做的事情，除非是在大公司的主赛道上，否则不用太担心。我们跟大公司打过交道。
李翔
你说的是做酷家乐的时候？
黄晓煌
对。
李翔
是哪家公司？
黄晓煌
公司就不提了。
李翔
比贝壳大？
黄晓煌
大得多，是AT级别的公司。
李翔
之前做大模型的时候，有些投资人不看好这个领域，认为大模型一定是大公司要做的事情。
黄晓煌
但大模型不只有大语言模型和图像生成模型，还有很多类型的大模型。
我们做空间认知，还有语音、数字人等。不要只盯着OpenAI在做的模型，不是OpenAI做的才叫大模型。
随着各种大语言模型开源，解决了我们很多基础设施问题。像SpatialLM，早些年我们自己训练时很困难，连让它自动生成正确脚本的能力都很难实现。
现在我们基于阿里通义千问开源模型训练，一下子就简单很多。脚本生成不是我们的核心能力，但我们又必须用这个能力。如果为了使用它，自己花上亿元训练一个模型，没有意义。
现在随着大模型开源，你有了基础，在这个基础上做训练就容易很多。所以我觉得这个时代机会更多，而不是更少。
原来很难做的东西突然变容易了，因为已经有人解决了很多我们原来解决不了、或者不想花那么多钱去解决的问题。
后来Stable Diffusion等开源项目也解决了我们很多问题。我们原来做植物、人物的物理仿真渲染，效果很假，怎么都解决不好。
大模型开源之前，我会觉得要投入很多成本去解决一个人的渲染效果，那太不划算了。现在直接开源了，你可以在它的基础上，把模型训练到自己的系统里，效果就很好。
我觉得这个时代很让人兴奋。不要只看大公司把你的赛道抢走。
李翔
现在还有什么让你觉得比较头疼的问题吗？听上去你很想得开。
黄晓煌
我遇到的问题，大部分都不会让我头疼。或者说，可以叫头大，但不疼。
我觉得，能想出来的问题，基本都可以解决。让我比较担心的是，那些还没想出来、在认知之外的问题。这会让我有点不自在或者焦虑。
但如果能看见问题，我肯定能想到办法解决。
李翔
你比较不自在、焦虑，是2022年外部环境变化特别快的时候？
黄晓煌
现在外部环境变化也很快，每天都要看新的信息。
未来如果工厂、办公环境都由大量智能化机器组成，可能少量是人形机器人，大量还是扫地机器人、送餐机器人这类设备。但也可能过一两年人形机器人突飞猛进，真的像马斯克说的那样，全部变成人形机器人，那就完全是另一回事了，原来的假设也不成立，方向又要调整。
这个技术会不会很快被解决，我现在也不确定。全人类一起努力，某一天突然突破，你根本不知道。一旦突破，方向就可能要调整。
假如今天真的出现人形机器人，取代了所有机械设备——夸张一点，未来你骑的不是车，而是一个背着你满街跑的机器人——那就是完全不同的情况。
李翔
投资人会来问你关于具身智能、机器人这些趋势的看法吗？
黄晓煌
有些会，大部分投资人会找我聊。对应用类机器人，他们可能觉得估值比较低。扫地机器人、石头科技不也还可以吗？但有些人会觉得这个行业不增长了。
大家的看法都不一样，对未来的判断都会有差异。
李翔
现在投资机器人赛道，应该还是主流看法吧？
黄晓煌
很多基金都在看，也在投，尤其是国家队肯定重点关注。
中国在机器人赛道上可能比美国更有优势，但纯大模型的算力受到限制，确实比较难受。从国家战略角度，肯定会走智能化机器人的方向，不一定是人形，但一定是智能化。
对于一家创业公司，问题有两个：这个赛道行不行？为什么是你行而不是别人行？
我们理解个别投资人的焦虑和不满，但事情都是人做出来的。你解释没用，请他大吃大喝，跟他说你行，回头酒醒了他还是觉得你不行，那没有意义，只是在浪费时间。
李翔
听上去你们新的战略方向，空间肯定比之前大很多。
黄晓煌
那只是你觉得，其他人不一定这么认为。
李翔
有人可能会认为，这个方向虽然空间大，但风险概率也更高，确定性不如原来专注建筑相关的方向。
黄晓煌
这也是你觉得，我也这么觉得。但你没办法强迫所有人都这么觉得。
融资的时候，你可以筛选认可你方向的投资人；但做方向调整的时候，就很难保证每个投资人都认可。
我认识很多创业公司，发展到一定阶段，不可能永远不调整方向，没有那么好运气的公司。时代在剧烈变化，尤其现在的中国，每天都在变，每天看新闻，都觉得精彩绝伦，玩的就是心跳。
但企业必须适应社会变化。很多今天非常成功的公司，已经完全看不出最开始的样子。
转型的时候，你没办法把投资人筛选出去，只能努力说服他。如果他真的不信任你，也没有办法。
李翔
你从一个偏学术、偏科研领域的人，转变成创业者，这个过程中有没有什么特别难的坎？
黄晓煌
9. 科学家继续做创业
我觉得做产品、做技术，跟做科研区别不大。反倒是人的管理，对我们来说挑战比较大。
马云讲过一句话，“心越善，刀越快”。我觉得做科研的人有个问题，就是刀快不起来，我也一直在反思，刀确实很慢。做科研的人在这方面都会遇到很大挑战。
李翔
你现在的自我定位，是一个做科研的人，还是创业者、CEO？
黄晓煌
这两年我更多时间还是在做科研相关的事情。
时代变化太快，我需要投入120%的精力去看新的东西、跟上时代发展。其他日常经营，目前团队还算成熟，他们可以做得很好。
至少现阶段，我更多时间放在新技术上。
李翔
所以你不会被那些“科学家转型创业很折磨”的声音吓到？
黄晓煌
我都创业这么多年了。现在看到这种文章，标题看完我就直接忽略了，还用得着看吗？
就像有人跟我说天使轮怎么融资，这种文章我基本不看了，对我已经没有意义。
李翔
你觉得自己成长最快的是哪个阶段？
黄晓煌
有几个阶段。
一个是2015、2016年，第一次创业刚刚上轨道的时候。另一个就是最近两三年，AI大爆发，各种GPU应用层出不穷。
我一直围绕GPU做事情，每天都有新的技术、新的论文。一段时间里，2019、2020年，我觉得整个技术领域没什么新东西出来，每天谈客户，很无聊。
最近两三年特别精彩、刺激，很有意思。
李翔
2019年是不是遇到了科学家转型做CEO的痛苦？变成销售，又变不成？
黄晓煌
对，天天谈客户、吃饭、喝酒，确实比较痛苦。
李翔
你刚才讲的两次成长，其实对应着公司两次重要变化。一次是第一次把产品做出来并卖出去，另一次是最近两三年重新找到创业、每天学习的感觉。
黄晓煌
对。第一次把产品做出来、卖出去，是很重要的经历。最近两三年则是世界变化太快，又重新找到创业、每天学习的感觉，挺好玩的，很有意思。
李翔
有没有哪些成功公司的理念，对你做公司产生过影响？
黄晓煌
对我影响最大的还是英伟达。
它的方法论是，算力不断提升，就会产生各种新的应用。我非常认可这一点。
他们过去做业务的过程，都是先做技术，先把核心能力发展出来，再探索方向。
首先要看到一个未来，然后围绕这个未来做技术沉淀和积累，再一点点往前推进，确保每个赛道摸索出来之后，都属于自己，而不是起了个大早、赶了个晚集。
英伟达的方式是“坚壁清野”。每个东西做出来之后，它占的位置不会特别大，但在那个位置上一定是最强的。
李翔
买卡不需要花很多钱吗？
黄晓煌
需要。这是除了人工以外最大的资金消耗，但可以用正常业务产生的现金流覆盖掉，不需要额外融资。
李翔
作为当事人，你能理解或者解释杭州“六小龙”，以及杭州科技公司突然变得这么火的现象吗？全国很多地方的人都要过来参观。
黄晓煌
10. 杭州成为中国硅谷
我回国创业之前也调研过很多城市。跟北京、上海相比，杭州整体科研实力肯定还不如，但比起其他城市，杭州还是绰绰有余的。
整个政府服务、创业氛围，在全球来看都非常好。北京、上海主要是成本太高，杭州人才也很丰富，成本比北京、上海低不少。
我当时挑了很多地方，觉得杭州最像硅谷。
纽约是最贵的地方，但其实发展不出什么科技公司，因为所有人都很浮躁，生活成本也很高。硅谷当时主要发展科技公司，但不在旧金山，科技公司都在旧金山以南、开车一两个小时的地方。
这很像上海和杭州的关系。我们在杭州，很多人上班10分钟就能到公司；在上海、北京，没有一个小时都别想。所以综合考虑之后，我选择了杭州。
李翔
不是因为你们几个合伙人里，包括你在内，有两个是浙大毕业？
黄晓煌
但我们还有一个合伙人是清华毕业的。你要说是因为浙大，他会不高兴。
李翔
“六小龙”彼此住得很近，能聊到一起吗？大家做的事情不一样，对很多事情的看法应该也不同。
黄晓煌
聊技术是可以的，其他事情聊得比较少，也没有天天聚在一起。偶尔有活动会遇到，聊一聊政府相关的事情。
杭州优秀公司其实非常多。春节期间，可能正好因为具身智能赛道关注度比较高，又碰上DeepSeek火起来，所以大家突然关注杭州。
我觉得“六小龙”只是杭州科技创业圈的冰山一角，并不是全部。
李翔
这段话很像你在领导开会的时候演练过。
黄晓煌
没有，真的是实话实说。我们在杭州这么多年，杭州确实有很多非常不错的公司。
李翔
有什么你认为被低估的公司吗？
黄晓煌
现在不太好说。DeepSeek火之前，谁会觉得他们会火？各种独角兽榜单从来都没有他们，这也不意外。
李翔
你认识他们那么久，有没有觉得他们会火？
黄晓煌
没有。可能你们更容易挖掘出这些公司。