56. 硅谷国庆见闻 - 愿天下处处是泡沫
- Raymond认为,硅谷是否有泡沫,远不如自己能否参与上行周期重要。 他在20天里开了70个会,看到大厂员工创业、创业者投资,资本与人才不断寻找下一站。第一天就有人要卖出2023年买入的Anthropic旧股,再投老师的新实验室:“硅谷其实是一个和人间有时差的地方。”
- new labs的产品验证落后于融资热度,早期退出逻辑却仍在吸引资金。 他引用的统计是,119家new labs合计向市场索取943亿美元,只有16家曾披露收入;部分投资人仍愿靠学术关系进入低估值种子轮,赌后续融资或收购。Raymond不理解这种投资判断,但支持研究者分享财富:“读书就不应该穷。”
- 数据公司正在承接后训练预算,客户买的是专家组织、响应速度与完整交付。 他听到的行业共识是,2027年的重心可能不再是coding:90%已被覆盖,剩余10%可能ROI极低,下一批domain仍待探索。单条数据可能值1万至数万美元,但几百万美元的项目也可能要求两天交付,“RSI吃两个东西,一个是卡,一个是数据”背后是很重的运营负担。
- Raymond将DeepMind的竞争压力归因于组织、合规与算力分配的叠加。 从Gemini成为全司P0后增加的管理层,到用户数据限制,再到算力优先供给GCP,技术能力之外的约束正在影响迭代。他转述的说法是,GCP的价值目前可能是Research的10倍;与此同时,他观察到第三名的位置正由不同中国模型轮流占据。
- YC的年轻化有就业与收购激励支撑,To B创业却可能先遇上行业经验不足。 初级岗位和实习机会收缩,创业反而更容易获得资金,成功被收购还可能直接进入大厂管理层。他见到的招聘创业者很懂AI,却没有解决明确的招聘难点,像“一个男孩子偷穿爸爸的西装,整个衣服看起来大了一号”。
- 较畅通的并购市场支撑硅谷的VC循环,但“被收购”不足以证明投资人兑现了收益。 Raymond引用过去一年AI并购1590亿美元的口径,也听到投资人投入100万美元、最终只退出1.2万美元的案例。有人把找到一份工作称为acqui-hire,因此他现在会先问:“你的交易架构是怎么样的?”
- 华人创业者基数扩大正在形成集群,付费意愿却可能拖累商业合作。 一位Midas投资人向他估计,每年华人项目可能上千,未来可能跑出50至100个袁征;这是对人才基数扩大的押注。另一面,他安排国内大厂看完To B产品demo,得到的回应却是推动内部研发做平替,反复如此会耗尽供应商配合的意愿。
1. 硅谷的时差让泡沫之问失去焦点
- 抵达第一天,Raymond就遇到朋友出售2023年买入的Anthropic旧股,准备把钱投进老师创办的new lab。对方已进入退出与再投资阶段,外界还在问Anthropic能不能买:“他和我的时差基本上是3年。”
- 20天、70个会带给他的共同感受,是“每一个人都有好几摊的事情”:大厂员工偷偷创业,创业者偷偷投资。他想到2014—2015年的中国:多年后,更值得懊悔的可能是没花时间看美团、字节、小米、拼多多,而不是记恨当年拿到过量融资的公司。
- 华尔街追问下一个coding在哪里,实验室同行却忙于招聘、加班和迭代;学生、大厂员工、被收购的创业者也都在寻找下一站。Raymond承认这很浮躁、很像泡沫,但仍怀念“上行期的推背感”,最后表达的是“天下处处都是泡沫,天下没有难做的生意”的愿望。
2. 多数new labs尚未证明PMF,早期资金仍在赌接力退出
- Thinking Machines Lab是他的警示案例:没有产品时以120亿美元估值融资,曾期待2025年底按500亿美元估值再融一轮,但据他了解始终没有close,也没有明确收入消息,老股交易却四处流传。
- 他引用的统计进一步拉大融资与验证的反差:119家new labs合计向市场索取943亿美元,只有16家曾真正披露收入,大部分没有明显PMF,甚至没有产品。面对仍有人称其为好赛道,他的反应是“我非常的不理解”。
- 部分投资人的逻辑是,凭师生关系挤进天使、种子轮,赌名校教授还能拿到A、B轮,前轮就有退出机会。Raymond质疑这套投资逻辑,却支持高校允许创业失败者返校,也支持“教授就应该有机会成为亿万富翁”:让读书与研究获得财富回报,是社会的正反馈。
3. 数据公司靠重服务承接后训练预算
- Raymond观察,中美成熟团队的方法论没有特别大的差别,差异更多在算力、资金,以及robust的RL环境和可规模化infra。Frontier model花在后训练上的时间与钱越来越多,数据因此成为过去半年最显性的商业机会。
- 他听到的行业共识是,2027年的重心可能不再是coding:90%已被覆盖,剩余10%可能ROI极低。下一个domain尚未明确,数据公司必须共同判断需求、准备数据和专家,因此更像模型公司的“research partner”。
- 训练数据也可能从成本变成收入,甚至卖给竞争对手;他知道有中国大模型公司这样做。单条值钱数据可能卖1万或数万美元,但交付很重:几百万美元项目可能两天就要结果,PM需24小时待命,凌晨2点也要回应不断变化的需求。
- 客户支付的是组织专家、快速响应和完整交付的能力。他还听到某数据公司最低工资50万美元起跳、鼓励员工搬到公司附近的传闻。这类业务过去因扩展性和想象空间受限而不符合VC框架,如今却占据AGI、RSI的重要预算:“一个是卡,一个是数据。”
4. DeepMind面临组织、合规与算力分配的三重约束
- 他回顾此前嘉宾Lewis的离职解释:Google更早做出模型,却更晚推出可用产品,personal agent迭代也慢。作为Gemini的founding PM,Lewis看到项目成为全司P0后,老板和中间层不断增加,工作变成了“传话游戏”。
- Seedance已经把美国的朋友们打懵了;他们把原因归结为美国的合规成本太高,使用用户人脸训练会带来巨大问题。对方强调,Apple、Google说不用用户隐私训练,“是真的不用的”。
- 算力分配也令他意外:据同行说法,卡主要给了GCP,DeepMind不太够用;GCP的价值目前可能是Research的10倍,因此供给不足时会被优先满足。他还听到一个细节:Sergey Brin开会迟到也得站着,没有人会让座。
- Raymond并不否认Google的技术能力,但竞争对手持续进步,下一次发布SOTA的门槛也在提高。在他看来,过去一年第三名的位置由Kimi、DeepSeek、GLM等中国模型轮流占据;美国投资人组团访华,更多源于对这些能力的担忧,而不只是好奇。
5. YC年轻化加速,行业经验成为To B创业的缺口
- Raymond把扩招后的YC比作大学或商学院:一年从两季变四季,每批接近200家公司,全年七八百家。创始人平均年龄从2015—2022年的28—30岁,降至2023年的28岁、2024年的27岁、2025年的26岁;他猜2026年可能到24岁。
- 这在他看来是理性选择:Vibe Coding后,大厂收缩junior招聘,很多实习项目不开,应届生找工作困难,创业却更容易得到资金与宽容。创业的学习曲线更快,被收购还可能直接成为VP,颠覆了在大厂逐级晋升的路径。
- Raymond约到一家YC招聘公司的创始人:对方年轻聪明、做过TikTok推荐,却频繁提出外行的招聘问题。产品可能AI native、能省人力,但似乎没有address特别明确的招聘难点,像“一个男孩子偷穿爸爸的西装,整个衣服看起来大了一号”。
- 当对方说客户主要是种子到A轮、招聘需求旺盛的成长公司时,Raymond意识到这很像YC自己的毕业生群体。他调侃大家可以“互相购买,一起刷单,一起进步”,背后的疑问是:没有企业经验的年轻人,能否真正理解自己准备改造的行业?
6. 并购支撑退出循环,交易结构决定兑现程度
- 按Raymond引用的口径,过去一年AI并购达1590亿美元,包括600亿美元的Cursor和刚close的82亿美元World Labs。上市公司需要储备第二增长曲线,股票又能充当支付工具;他引用过去十年33%的公司可退出的统计,解释LP为何能获得正反馈、继续出资。
- 但“收购夸大”是另一面。他遇到一位做盲人版GPT的Stanford学生,自称被acqui-hire,追问后才发现既无现金也无股票,只是获得了一份工作;对方刚读完大一。Raymond困惑的是,为何连这种经历也要包装成退出。
- 一位投资人甚至对他说,“80%的收购可能都是吹牛”:自己的被投公司广发收购PR,投入100万美元却只退出1.2万美元。另有创业公司被其他创业公司全股票接收,也不能算上岸。Raymond因此改变了听到收购消息时的反应,至少会先问“你的交易架构是怎么样的?”
7. 华人创业集群正在扩大,付费意愿仍是合作阻力
- 一位Midas投资人向他估计,每年华人项目可能上千,主要来自大厂、学生与教授创业;袁征过去是一个点,基数扩大后可能形成一个面,未来可能出现50至100个袁征。Raymond观察到新华人GP不断出现,也回顾此前统计:三家头部实验室中华裔接近三分之一,拼音姓名约15%,高级研究员中更明显。
- 国庆期间,LP看GP、投资人看项目、创业者找客户,让他感到华人非常拼。但他安排国内大厂看完一家To B公司的业务与demo,对方想到的却是“卷一卷内部的研发,做同款的平替”。他担心连产品付费都难以发生,反复索取介绍与演示后,就不会再有公司愿意配合。
Full transcript
大家好,欢迎大家收听苔藓之火新的一期的节目,我是主播Raymond。今天想跟大家做一期单口节目,主要分享一下我过去一个月在硅谷出差的所见所闻,包括很多个人的体会、感受和观察,想跟大家一起聊一聊。
1. Silicon Valley Runs Ahead
首先,我觉得硅谷其实是一个和人间有时差的地方。我去的第一天,就已经有朋友要卖 Anthropic 的老股给我。从他的角度看,他 2023 年买了 Anthropic 的股票,现在想退出,已经过了 3 年。他自己要拿这笔钱再去投资,去冲他老师全职做的 New Lab 的第一轮。
所以,他和我的时差基本上是 3 年。如果你问他硅谷有泡沫吗,Anthropic 可以买吗,貌似都不重要,irrelevant,对吧?但这恰恰是很多很多人在我回来之后问我的问题。很多人问我,硅谷有泡沫吗?Anthropic 可以买吗?
但如果让我去问这个朋友,他会怎么回答呢?他就会说:“没有泡沫啊,我 2023 年就投了 Anthropic。现在我卖给你,你要不要?”对不对?这很有意思。我觉得硅谷跟其他地方的感觉完全不一样,像是一个平行宇宙。
我在那里待了 20 天,开了 70 个会,觉得所有朋友都展现出一种经济上行期的面貌。具体来说,就是每个人都有好几摊事情:大厂的朋友在偷偷创业,创业的朋友在偷偷投资。每个人都有朋友刚刚创业、拿了大钱;每个人也都在八卦别人的收购案——是现金还是股票,或者打探别人的新基金成立得顺不顺利、LP 是不是真的打款。
这种感受我非常熟悉。我觉得 2014、2015 年的中国就非常像这样。你说当时的中国有泡沫吗?那肯定有啊,那又怎么样呢?若干年之后回想起来,你是会记恨当时的河狸家、e袋洗、拉手、房多多这些奇奇怪怪的公司,最后拿到了它们不应该拿到的钱,还是会懊悔当时没有花时间去看美团、字节、小米、拼多多这些公司?
而且我觉得硅谷和华尔街也是有时差的。华尔街会问:“你们有下一个 coding 吗?你们这个可以治疗癌症了吗?”但 OpenAI 和 Anthropic 的同学会说:“我不知道,我们真的很忙。一边疯狂招人,一边疯狂加班,业务每天都日新月异,脚不沾地,每天都会更新大版本,周周发大版本。我们连 DeepMind 都不想管,更没时间来教育你们了。”
所以我觉得,这些关于是不是泡沫的问题,其实一点都不重要。因为在 2014 年的中国,你是不会问这个问题的。
2. The New Lab Bubble
我觉得第一个比较形成共识的事情是,New Labs 其实面临很大的挑战。具体来说,有一天我新加了一个朋友的微信。他是在硅谷专门卖老股的,结果他发给我的第一条微信,就是一条绝密、独家的交易线索——Thinking Machines Lab 的老股。那一瞬间我就意识到,这家公司估计不太行了。
以前的博客里我们也提到过,Thinking Machines Lab 在没有任何产品的情况下,以 120 亿美元的估值融了资,并且期待在 2025 年年底,也就是去年年底,以 500 亿美元的估值再融资。但那一轮其实从来没有 close,所以目前坊间没有具体的收入数据。过去一年实际的情况是,新一轮没有 close,但是老股交易满天飞。
Lone Capital 统计过这个数据:119 家 New Labs 总共向市场要了 943 亿美元。其中只有 16 家真正披露过收入,大部分 New Labs 目前都没有明显的 PMF,甚至都没有产品。这听起来已经是一个泡沫大得不能再大的东西了,对吧?但我跟一些投资人交流时,居然还有人认为这是个好的赛道,我非常不理解。
他们认为,很多 New Labs 是教授创办的,这是个独特赛道。因为你跟教授、学生关系很好,所以能在天使轮、种子轮的时候挤进去,那时估值相对低,安全垫也足够大。先不说能不能做出东西,但凡是 Stanford 或者 Berkeley 的知名教授创办的项目,总是能拿到 A 轮、B 轮,所以前面的人退出的机会还是很大的。如果刚好碰上像李飞飞那样的收购案,那这一辈子睡觉都要笑醒。
美国大学对于教授或者学生创业其实非常宽容,各种政策都支持他们走向业界。即使在业界失败了,也还是可以回到学校教书。在这种机制的支持下,加上周围有很多成功案例,我们会发现很多 Stanford 的教授都在动这种心思。即使他们现在还没这么想,周围的人也会鼓动他们这么做。
我见到的几个 GP 都在兜售自己的学术圈关系,也就是说,自己跟教授、学生有多么好。有人的地方就有江湖。我听了非常多关于教授、同学们的传闻和八卦,大家都互称彼此是“学阀”。我觉得钱多了,勾心斗角难免发生,这些都可以理解。
但我更想说的是,我觉得这是个正面的事情。我认为教授就应该有机会成为亿万富翁,这样才能鼓励所有学生、所有人去往研究方向走。我觉得教授不应该穷,博士不应该穷,研究生不应该穷,读书就不应该穷。这是对一个社会最大的正反馈,不是吗?
3. Data Becomes the Product
第二个事情是关于数据公司。现在大模型的训练流程,相信大家都非常熟悉了。中美两国都有非常成熟且有经验的团队,双方可能在算力、资金上有些差别,但在方法论上其实不会有特别大的差别。预训练已经没人提了,Frontier Model 在后训练上花的时间越来越多,钱也越来越多。
如何搭建比较 robust 的 RL 环境,如何做出能上规模的 infra,都变得非常重要,这可能也是中国公司需要补的课。在这个前提下,过去半年最显性的商业机会其实就是数据公司。
目前行业的共识是,2027 年的行业重心可能不会是 coding 了。Coding 已经有 90% 被覆盖,剩下的 10% 可能 ROI 极低,所以 coding 已经被覆盖完、被挖空了。但是新的场景是什么?在哪里?新的 domain 是什么?哪些数据有帮助?这些还是所有人都在探索的问题。
所以,与其说数据公司是外包商、承包商或者白手套,不如说它们是 Frontier Model 的 research partner。它们需要一起思考,接下来哪个 domain 会有什么需求,然后提前准备、处理相应的数据、储备相应的专家,才能维护自己的业务。
很多中国和美国的公司,在这一轮浪潮中都突然发现自己的训练数据其实非常值钱。训练数据不只是成本项,也有可能是收入项。他们会把数据卖给其他公司,甚至卖给自己的竞争对手。我就知道中国有大模型公司把自己的训练数据卖给另一家大模型公司,非常有意思。
很多自称做 research 或者是 New Lab 的公司,收入其实也来自卖数据。很简单,一条值钱的数据可能就是 1 万美元或者数万美元。你想想这数据有多值钱。但这个生意其实非常 operation heavy,是一种很麻烦的生意。
有朋友告诉我,有些项目可能就是几百万美元的量级,但是两天就要交结果。PM 需要 24 小时待命,客户夜里 2 点发消息,也得马上回复,需求还一直在变。所以客户实际上买的是专家的组织能力、响应速度、客服能力,还有完整的交付。这不单单是买一条管线,它其实是一个很重服务、很重 operation 的活。
传闻 Surge 的同学最低工资是 50 万美元起跳,而且还会鼓励他们搬到公司附近,凌晨 2 点也要加班。但你知道,过去两年数据公司其实不符合 VC 的投资框架。比如 Surge,从来没有拿过 VC 的钱。这一类公司属于现金流回款超级快,但扩展性和想象空间相对受限的业务,至少大家以前都觉得非常受限。
但这一块其实又是大模型继续冲刺 AGI、冲刺 RSI 的重要预算分配。RSI 要吃两个东西,一个是卡,一个是数据。钱是管够的,反正钱都是印出来的,但是谁能拿到这部分预算,就要看本事了。
我会在 show notes 里放一张表,列出一些以美国业务为主的数据公司,从 Scale AI、Surge、Mercor,到 Fleet、Prime Intellect,都在里面,很有意思,可以参考一下。
4. DeepMind and China’s Challenge
第三个值得讨论的其实是 DeepMind。我觉得 DeepMind 很好玩。之前我有一集播客,嘉宾 Lewis 当时提到过他的离职原因。第一,肯定是因为谷歌实在太慢了:明明是更早做出大模型的人,结果却更迟推出可用的用户产品。像 personal agent 这种东西,本来早就提出、甚至做出来过了,但迭代速度跟其他公司相比非常慢。
第二个问题是,他觉得 Gemini 变成全公司的 P0 项目之后,无数老板从天而降,中间的层级不断增加,变成了一个传话游戏。他原来是 Gemini 的 founding PM,应该算比较元老的人物了。结果他发现,人越加越多,都是一群奇奇怪怪的人,在这个项目里什么都不做,就开始传话。这听起来就是犯了大厂的病,对不对?
大厂病可能是其中一部分,但我同时也听到另外两个很有意思的因素:一个是数据,一个是卡。Seedance 已经把美国的朋友们打懵了,他们把原因归结为美国的 compliance cost 太高。如果真的用了用户的脸,那就是一个巨大的合规问题。
他说,苹果、谷歌说不用用户隐私训练,是真的不用的。他说这句话的时候,眼睛看着我,就是那种“真的不用”,你可以想象那个表情。然后谷歌现在的卡基本上给了 GCP,DeepMind 的卡就不太够用。
我就问他:“你们现在那个创始人不是都回来了吗?那不是应该把资源完完全全地倾斜过来吗?卡的分配难道不是创始人做吗?”他说,卡的分配是一个 CEO 做的公司级决策。GCP 的价值目前有可能是 Research 价值的 10 倍,所以在卡不够的情况下,可能还是要优先分给 GCP。
他还补充了一点,说 Sergey Brin 如果开会迟到了,进了房间也是要站着的,没有人会给他让位置。我的感受比较复杂。我觉得没有人可以否认谷歌的技术能力,但现在的竞争是对手在持续进步,对吧?你下一次要发布 SOTA 的门槛是指数级上升的。
我感觉谷歌就像一面镜子,它出现的问题其实其他公司也会出现。过去一年取代 DeepMind 位置的,其实就是一个中国模型。这个中国模型可以是 Kimi、DeepSeek、GLM,也可以是任何一家公司。第三名的座次是不变的,但人不一定,所以大家会轮流上位。
最近一段时间,很多人表达了对中国的兴趣,比如 Lex Fridman 来了中国,对吧?Dwarkesh Patel 也来了中国。Latent Space 马上要在上海开 AI Engineer 的大会。而且我去硅谷出差这段时间,Founders Fund、Coatue 的很多人还专门组织了一趟中国行。
这两家基金的政治立场,这里其实可以不做评论。但是他们飞了十几个小时来考察,确实是事实。他们的行程包括中国所有的大模型厂和机器人公司。每一年中国都有几个大发明、大的 product launch,吸引全世界的目光。与其说他们真正对中国好奇,不如说他们对中国是恐惧。
因为每个人都听说遥远的东方有一种神奇的法术,不用 GPU 也能造出厉害的模型来。他们投资的公司里,除了 Anthropic 和 OpenAI 可能还有一点优势之外,其他 New Labs 相比之下完全没有优势,多模态也完全打不过。所以他们很担忧、很害怕,于是来了中国看一看。
国庆期间,我还帮国内一些大厂的老板安排了一些 to B 服务公司见面,都是 AI 公司。目的很简单,就是希望了解有什么 AI 服务可以采购,有没有这样的 AI 公司可以投资或者收购,从而帮助国内一些大厂降本增效。
5. YC’s New Founder Pipeline
非常有意思的是,我们约到了一家 YC 招聘公司的创始人。他非常年轻、有活力,也很聪明,之前还在 TikTok 做推荐,所以整体简历非常好。但是他在招聘讨论中经常会问一些相对外行的问题。感觉就是一个小朋友用了 Anthropic Claude 做了个产品,可能很 AI native,可能是很好的工作流,也可能节省了一些人力,但好像没有 address 到什么特别的招聘难点。他感觉很懂 AI,但不懂招聘。
我们后来讨论下来,我的感受是,他非常像一个男孩子偷穿爸爸的西装,整件衣服看起来大了一号。怎么说呢?YC 过去几年扩招得非常厉害,从一年两季变成一年四季,一个批次平均接近 200 家公司,一年就是七八百家。如果每家公司有两三个 cofounder,加起来可能已经赶上斯坦福的毕业人数了。
它不是一个孵化器,更像是一所大学,像个商学院。所以很多学生都以进 YC 为荣。很多学生高中毕业之后就冲塔上藤校,大学一入学马上再去冲塔、再去 YC,有点像抽奖:只要抽到了,马上就退学。
平均年龄在不断下降。99 年出生的人都已经算老的了。2015 年到 2022 年,整体 YC founder 的平均年龄在 28 到 30 岁之间;到了 2023 年变成 28 岁,2024 年变成 27 岁,2025 年变成 26 岁。如果是 2026 年的话,可能再降一岁,变成 24 岁。
但你要知道,如果真正去硅谷看一看,就会发现这其实是个非常理性的选择。为什么呢?因为 Vibe Coding 之后,美国所有大厂都要收缩 junior 职位的招聘,很多实习生项目都不开了。应届毕业生想找一份好工作其实非常困难,但如果去创业,环境反而更好,社会反而更宽容,也更愿意给钱。
从个人成长来说,创业的学习曲线肯定比在大厂熬年头要快得多。更夸张的是,如果你在 Meta 这样的大厂要升到 VP,不知道要多少年;但如果创业成功、被收购,你进门就是 VP。这就等于说,大厂爬梯子的传统叙事被彻底颠覆了,相当于更加鼓励所有年轻人辍学、跳级,争取 25 岁当 VP。
可是吊诡的地方在于,美国最好的方向通常是 to B,这就造成了 YC 扎堆做 to B 创业。用一个老师的话说,就是一群从来没有交过税、甚至喝酒都还不是很合法的孩子,现在拿着武器准备去改造企业。
我后来问那个创始人:“你们的客户通常都是谁?”他说现在主要专注于 Seed 到 A 轮的爆发型成长公司,他们的招聘需求最强烈。我一听,那不就是 YC 的毕业生吗?所以 YC 的毕业生可以互相购买,一起刷单,一起进步。
6. Acquisitions and Exit Reality
我觉得美国市场和中国市场很不同,其中一点就是收购退出的机会相对来说比较多。过去一年,AI 行业的并购已经达到 1,590 亿美元,其中包括 600 亿美元的 Cursor,以及刚刚 close 的、价值 82 亿美元的 World Labs 交易。
大部分买家都是上市公司。从意愿上来说,这些上市公司、大公司需要增加所谓增长曲线的储备,也就是第二曲线的储备。从能力上来说,这些公司的股票值钱,至少没有被低估,所以可以当钱用。这会带来很不一样的生态。
过去 10 年,VC 整体的统计是,有 33% 的公司可以退出。我会在 show notes 里把图放出来。这样 VC 的生意模式就可以持续,LP 有正反馈,也愿意进一步投资,对吧?尤其过去两年,经常有那种做了半年就被收购的公司。
当这些年轻的 founder 出现在聚会上,成为摇滚明星的时候,其他人会想:“Wow,how can I be part of that?”
但与此同时,硬币的反面就是收购被夸大了。我想了很久,觉得“夸大”可能是个比较准确的词,“作假”不一定准确。举个例子,我去一个 Stanford 老师家吃饭,他找了很多行业人士来交流。其中有个印度裔年轻人站在我旁边,是美国土生土长的印度人,身材非常高大,差不多六英尺,头发乌黑卷曲,是个很帅的人。
他之前做了一个盲人版的 GPT,后来他说自己被 acqui-hire 了。我当时听了觉得:“OK,嗯,great,good for you。”但我后来追问了几个问题才发现,所谓的 acqui-hire,其实就是对方给了他一份工作,没有任何现金对价,也没有任何股票对价,什么都没有,他就是拿了一份工作,但他管这个叫 acqui-hire。
最后我才发现,他其实在 Stanford 读大二,9 月是他大二的第一个月,也就是大一刚读完。你知道吧?他为什么要给我这种 acqui-hire 的错觉呢?他觉得我好骗吗?
我以前认识新朋友的时候,都会说:“我真的创业过,然后失败了。我当时创业了一年,真的很辛苦,后来就不做了。”我会分享一些失败经历,说这个说那个,对不对?我觉得这没有什么不好说的。
可是我发现去了 Stanford、去了硅谷之后,怎么这么多人都有 multiple exits?如果你卖公司卖了这么多次,为什么这顿饭钱不出?为什么咖啡钱不出?有个投资人跟我说,在硅谷把 acquisition 夸大是非常普遍的,80% 的收购可能都是吹牛。
甚至他有一家被投公司,号称自己被收购了,还买了一堆 PR 稿,全世界都看到了,谷歌上一堆新闻,但只有他自己知道,他投了 100 万美元,最后只退出了 1.2 万美元。你说这是收购吗?有可能是,但跟大家想象中的收购上岸不是一回事。
美国即使有比中国好得多的 M&A 环境,也不代表所有交易都能让人上岸。很多创业公司被其他创业公司全股票收购,也完全说不上是上岸。所以我一直无法理解:如果美国是一个更好的创业环境,那创业者不是应该更正视自己的挫折、面对自己的失败吗?这样连续多年吹牛,他不累吗?
后来再听到有人说自己卖了公司,我就再也不相信了,至少会先问:“你的交易架构是怎么样的?”
7. Chinese Founders Take Their Place
还有一件事,是关于华人创业者、华人投资人的。他们的数量也超出了我的预期。我经常在 Wolf 或者 Blue Bottle 那些地方,还有一些会议、conference 上被认出来,基本上平均一天两三次。大部分人都是看了我的各种视频博客,认识我的脸。
我的粉丝画像非常明确,感觉就是本科在国内读、后来去了美国的年轻男性,差不多 25 到 40 岁之间特别多。可能是在大厂打工的 AI 牛马,或者是 AI 创业者、AI 投资人,这个画像非常 consistent。
有个投资人跟我讲了这件事。顺便说一下,这个投资人是一个 Midas List 的投资人。他说每一年中国人的项目可能都有上千个,主要来源是硅谷各大厂的华人创业,以及学生、老师创业。大部分都不是 ABC,而是高中、本科在国内读,之后去美国读书、读博,留下来打工,然后再创业的人。
他有个理论,非常相信一整个中国创业者的 cohort 会在美国崛起。他的判断是,Zoom 以前的袁征是一个点,当时基数很小;现在基数大了,很快就会变成一个面。他赌的是,未来硅谷华人创业者可能会跑出 50 到 100 个袁征。
这其实跟我的观察非常类似。我可以明显发现有非常多新的华人 GP 跑起来。这次我也帮我的 LP 介绍了一些非常有意思、有想法、有眼光的华人 GP。我觉得华人真的很卷、很卷、很卷、很卷。你能明显看到华人在这一波 AI 浪潮中占据了很重要的位置。
我记得之前我们有一期播客统计过,御三家里面接近三分之一是华裔;如果有拼音名字的话,可能接近 15%。在高级研究员中的比例其实更加明显。尤其是我去的这段时间,处在风口浪尖、最 popular 的公司,其实就是 Fireworks AI,乔林也刚刚上了 Forbes 的封面。
这次我帮一些朋友安排硅谷考察行程的时候,觉得中国人真的太卷了。国庆假期还会有中国人来美国考察:LP 来看 GP,投资人来看项目,创业者来找客户。
但我觉得不好的一点是,中国人的付费意愿实在太差了。我当时帮一个国内大厂介绍了一家 to B 公司,对方介绍了公司的业务模式,也给了产品 demo。结果这个大厂的人跟我说,他们想着可以卷一卷内部研发,做个同款平替。
我觉得他们在这件事情上有点过卷。我相信这些公司看了之后,可能不要说投资、收购了,产品付费都不太可能。所以久而久之,这种安排也很难再做,因为不会有公司愿意反反复复地配合白嫖。
我觉得今天的硅谷正处于高速膨胀的状态,所有人都在持续关注下一步要去哪里。比如我遇到一个 PhD,是博士第一年入学三个礼拜的学生,刚从中国来到北大。他说准备要开始辍学,想出来做一个 startup。挺有道理,也挺有想法,我也想投。
我在饭局上遇到一个朋友,他是一个蛮知名硬件公司的负责人。刚好他发现我带来的一个朋友是个蛮出名的 VC。之前他还在介绍自己原公司的产品,一转头马上就开始介绍自己的 side project。他说自己也在做一个 side project,马上要离开原公司出来创业,需要融资了。刚好认识这个 VC,接下来可以再多聊一聊。
我当时就觉得,你怎么能在 5 分钟之内帮前雇主卖完一遍,然后再把自己卖一遍?这也很厉害。我还见到一个 Mag 7 大厂的朋友,他在厂里做后训练,觉得自己很快要被取代了,所以主动离职出来创业,开始做 New Cloud。
还有一个朋友,创业蛮成功,也被收购了。他来找我咨询一件事,说自己想开 VC,因为觉得创业太辛苦,VC 更容易、来钱快。他觉得自己想做个 VC,感觉这生意不错。
你看,从学生到大厂,从创业公司到被收购的老板,每个人都在想:下一步要去哪?下一步要去哪?下一步要去哪?环环相扣,生生不息。
这非常让我想起 2014 年到 2015 年的中国。那一年,京东、阿里上市,中国新一代巨头疯狂崛起,各种大小不一的公司都在起飞。三元桥的新元素,就是今天的 Wolf 和 Blue Bottle。空气里都是那种暴富的味道:没有时间解释了,赶快上车,再不上车就来不及了。
这就是很浮躁、就是泡沫呀,对不对?我们通常会这么评价这件事,但这有什么错呢?难道你不希望重新感受那种上行期的推背感吗?
在今天硅谷的环境下,我们去追问明年、后年的 CapEx Plan,追问 CapEx 对应的折旧计划、对应的收入增长能不能覆盖,不是很扫兴吗?所以最后也不问了。
Anyway,我非常希望天下处处都是泡沫,天下没有难做的生意。我们下期再见,拜拜。
How long till I'm out of this place? How low can I bend till I break? All I know is I can't carry this no more. So how.