科技周期、流量与人工智能 张小珺x郑庆生

Hello，庆生老师，先给听众朋友们打个招呼，并做一个简单的自我介绍。

大家好，我是郑庆生，红杉中国的合伙人，目前主要看科技和早期投资。最近几年，我们聚焦在 AI，包括大模型、Agent，还有 AI 相关的一些智能硬件。在开始之前，我想插入一个广告：红杉其实一直非常重视早期投资，我们所有的早期投资在项目中都占相当大的比例，尤其是作为第一轮机构投资人的项目，在我们总项目中的比例已经占到一半以上。

之前大家聊到红杉的时候，还是会觉得它是一个中后期的投资方。为什么会发生这样的转变？为什么要投得更早了？

其实红杉从最早开始，2005 年开始，就一直非常重视早期投资，早期投资的比例一直很高。只是我们同时在成长期的投资也比较成功，所以很多人有这样的印象，包括我们的基金总盘子比较大，但实际上我们一直非常重视早期投资。

2018 年之后，我们特地成立了红杉中国的种子基金，这个特点就更明显了。所以我们会考察自己作为第一个机构投资人的投资项目。

我们先聊聊你个人。你的投资生涯非常长，你的职业生涯恰好是从中国风投开始的时候，也就是 2005 年开始的。在此之前，你还做过审计，在 IBM、毕博管理咨询工作过，后来又到盛大做战略投资，之后到了智信资本和红杉。能不能给大家完整地讲讲你的整个职业生涯？你是怎么走上投资这条路的？

这其实挺有意思。我想分享一个一直以来的想法：我之前做过不少职业，有过一些体会，但后来发现，尽管我是个很理性的人，却有点像一切都有冥冥中注定的感觉。

有一次，我跟我们一帮 CEO 开玩笑，让大家说自己最早学习编程的年份。那天我也参加了这个回答，我的答案可能让大家比较吃惊：我是 1984 年学习编程的。

这么早？

那年因为我父亲是个程序员，用现在的话说是程序员。1984 年的时候，他使用的是一台夏普的、很小的电脑，我就在那台电脑上开始学习 BASIC 编程。

我去查了很多硅谷的大佬，他们可能也是在 1984 年左右开始学编程。当时我还记得，因为那时候有一本编程书，我其实没有什么编程水平，就是抄那本书上有意思的例子，特别是抄一些“跳青蛙”之类的游戏。

那时候我觉得很有意思。现在做了人工智能，回头看，我当时还编过一种叫“人机对话”的程序。但那时候的人机对话，实际上就是你想一些小窍门：如果你出现哪个词，我就怎么回答你；如果你出现另外一些词，比如有些否定词，我就怎么回答你。它并不是任何意义上的智能，但会很有意思。

因为你编出一个小程序，跟它说一些简单的话，让它回答你，或者拿它给自己的同学看，你就觉得很有意思。

这时候你多大？

我当时刚上小学不久。

刚上小学就开始编程。

但我实际上没有任何理工科天赋，我的文科天赋比较强，所以后来也没有继续下去。

不过这件事对我还是有比较大的影响。后来我进了大学，学的是经济学。那几年正好是中国刚刚加入关贸总协定，后来被 WTO 取代的时候。当时正在进行谈判，整个谈判过程给我留下了很深的印象。

我今天回头看，自己的主要求学和工作生涯，其实生活在中国加入 WTO 之后的这些年，包括创业。所以我依旧很清晰地记得那段时间，这也可能是我工作生涯的一个时代烙印。

再往后，有几件事情也对我有影响。我第一次上网是在 1996 年。那时候我在复旦，复旦举办了一个教大家怎么上网的讲座，差不多从那时候开始，复旦有了校园 BBS，我一度还是经济学院的版主。

从那时候开始，我频繁去机房上网。那时候就叫机房上网。

1998 年的时候，另外一件事情我记得很清晰。我的一个同学是学理科的，学光学。他跟我说，有一个网站特别好用，比雅虎还好用。因为雅虎当时主要是做分类索引，而这个网站可以帮你搜索。

当时我第一次用了 Google。那时候开始，我就广泛地使用这些互联网产品。后来很快，国内的互联网产品也都出来了，百度、新浪、网易，这些产品慢慢都出现了。

我当时对互联网产品的频繁使用，实际上构成了我生活的一个主要方式。

所以你上大学的时候，刚好是人类开始触网的背景下。

对。你看，我很早学编程，又很喜欢上网。

你为什么没有想过做一个产品经理，或者做一个公司、做产品？为什么没有成为你的选择？

因为我们相当于上个世纪最后一波大学毕业生。我是 1999 年大学毕业的。那个时候，在找工作的环境当中，大家可能还是更倾向于去找传统的、财经类专业人士的工作。

当时美国的互联网泡沫已经起来了。

对。2000 年前后，美国互联网泡沫已经起来了，三个指数也都很高。但的确没有选择互联网，最后还是选择了中规中矩地进外企做审计。

不过当时我几乎会试用所有互联网产品。我可能比一个互联网从业人员使用互联网产品还要多，这就是当时生活的一个状态。

那时候的毕业生，去互联网公司的人非常少？

对，因为当时互联网公司本身也不多，特别是在国内，互联网还没有完全兴起。

但当时已经起来了。一线城市很多人已经可以去门户公司工作了。

对，已经开始有了。只是对于我们来说，去金融公司还是一个更好的选项。

那你做审计期间，在你前面几份工作中间，有什么有趣的事情吗？

做审计对我的影响很深远。我的文科背景比较重，对于数字，以及很多非常有逻辑、非常闭环的事情，关注度是不够的。

所以我每次跟朋友聊到性格的时候，都会说审计那段时间对我的性格产生了非常深远的影响。如果没有审计那段时间的培养，之后做投资可能要费劲非常多。

审计会让你变得更理性。思考一个问题的时候，审计是一项很严肃的工作，它会要求你把所有证据找齐，有点像写论文。你要有各种证据，最后还要检查证据，把所有的参考指向，也就是当时我们说的 cross-reference，全部变成一个闭环。

这件事对我有很大的影响。

而且当时我还从事了另外一个跟审计业务有关、但在审计里面并不主流的工作，就是合规性检查。

当时中国加入 WTO 之后，很多全球品牌到中国生产产品。中国是全球制造业基地，所以这些品牌要看工厂是不是合规。国际会计师事务所就会接这样的工作，去检查工厂是否合规。

那段时间，我跑遍了江浙、山东、上海周边和北京周边的工厂。什么都有，做衣服的、做玩具的、做电子产品的、做领带的。

这项工作在我的职业生涯中只占很短一段时间，但后来我接触到一些代工厂项目或者材料类项目时，这段经历对我的帮助非常大。

因为你去看合规的时候，每个厂、每个区域、每条生产线都要看，甚至还要看员工区域。所以，等我真正开始做投资，去看第一个新材料公司，再回到工厂的时候，已经过去快 10 年了。我突然想起来，原来我当年还有这么一段工作经历。

你的审计职业生涯有多长？

审计做了 3 年。后来又做了 3 年流程类管理咨询。

流程类管理咨询？

对。后来在投 SaaS 的时候，我回头看，才突然想起，当时那段管理咨询的工作很像 SaaS 里面的定制化过程。

当时第一波全球软件产品进入中国，包括 SAP、Oracle、PeopleSoft，还有做预算软件的 Hyperion。大量软件进入中国之后，用我们后来的话说，这些标准产品需要别人来实施。

你需要帮客户定义流程，让流程跟软件相配合。现在看，这其实就是定制化。

所以我做了很长时间这项工作。2018 年、2019 年，我去看 SaaS 软件市场的时候，这段经历又在我的记忆里复活了。

当时我也做了差不多 3 年这样的工作。我做 professional services 一共 6 年，之后才转向投资相关的工作。

这 6 年给我的印象很深，而且那也是中国互联网高速发展的时期。所有产品我都拼命用，美国的产品也用，只要有空就用这些产品。

你前面 6 年的工作经历，其实非常偏理性、偏流程，但你给人的感觉好像不是这个风格。你还是非常偏直觉派的，为什么会有这种反差？

这 6 年基本上是两条线。

一方面，我可能是最好的、或者最好的之一的互联网产品试用人员，所有新产品我都用。后来我把这条线称为产品体验官。

另外一条线，是我在实际工作当中要完全精确到小数点后两位。所有数字都要配平，所有证据都要具备。

做流程顾问的时候，所有流程文档最后都要非常细致地交付给客户。

所以这其实是两条线的性格特点。

你当时做这些工作的时候，觉得喜欢吗？

当时算是“知之者不如好之者”。我觉得兴趣不大，但我也能干得还可以，是这样一个状态。

那你是怎么转向投资的？

当时还是有一些机缘巧合。

2005 年的时候，中国互联网第一波门户的格局基本已经相对固化。新一代公司纷纷登场，无论是腾讯、阿里，还是盛大，都是那个时代的新一代公司。

我有一个同学在盛大工作。有一天他跟我说了一句话，我印象特别深。他说，盛大是中国最大的互联网公司，收入超过所有其他互联网公司收入的总和。

当时我非常吃惊。我每天在工作之余已经上了 6 年网，为什么不去互联网公司工作呢？

正好盛大也给了我这个机会。因为我的工作背景不太适合上来就直接做产品，虽然我其实挺喜欢做产品，但当时盛大刚刚组建投资部不久，所以我就加入盛大投资部，开始做投资。

那时候做投资是什么样的感觉？市场上的项目多吗？投什么呢？

那时候市场项目没有那么多，但创新点还是足够的。大家可能每年投几个项目，这是我的感受，不代表当时的统计。

我在盛大投资部的时候，正好经历了整个盛大孵化项目的阶段，包括后来的阅文，当时叫起点；还有一些动态密码技术。游戏类项目就更多了，还有线下网吧类游戏，以及各种对战类游戏。

当时在中国互联网第一波基础设施完成之后，第一次百花齐放，各种各样新的应用都出来了：电商、游戏，包括 QQ。

这是从 2005 年到 2010 年左右的阶段。中国互联网第一波基础设施完成之后，各种新的应用开始出现。

现在回看，2005 年到 2010 年最值得投的几个项目是谁？

当然肯定是现在那几个巨头。但那时候他们其实已经上市了。如果当时买股票，很可能比 VC 的回报还要好一些。

因为当时大家没有想到，他们后来会变得这么大。

对。在当时的估值和发展前景下，大家都没有想到后面会出现这么大的数字化浪潮。

你觉得在盛大的那几年，学到最多的是什么？这是你的第一段投资生涯。

在盛大可能是我到目前为止唯一一次进入实体公司。它既不是专业服务公司，也不是投资公司，而是一个实体公司。

这构成了之后很多年我对互联网公司的想象：部门之间怎么合作，怎么推动一个新产品，怎么做商务拓展，怎么跨国家或跨地域去做运营连接，或者运营增值服务。

我在那里见到了很多东西，这也是一笔宝贵的财富。因为每个人的人生都很有限，你之后很难再进入另外一个大厂去看一遍。而且当时盛大确实是中国最领先、规模最大的互联网公司。

你当时有没有觉得，这辈子就要做投资了？前面做过审计、咨询，投资其实是第三次尝试。你当时有没有觉得自己更适合做这件事？

2007 年的时候，我们一批盛大同事一起做了一个基金，叫智信资本。当时我们跟着盛大的前 CFO 做了智信资本。

原来是这样。

从那时候开始，我转成了财务投资。

我印象比较深的是，什么时候觉得这可能是我一辈子的工作。因为豆瓣对我的影响很大。

第一波 PC 互联网完成之后，进入了 Web 2.0 时代。现在回头看，就是 review 的时代，也就是用户评价和 UGC 内容构成网站的主要内容，无论是内容还是平台。

我当时对这种形态非常感兴趣。

我第一次看到美国的网站 Delicious 时，发现上面可以找到很多小众网站。这是原来像雅虎这样的分类目录和像 Google 这样的主动搜索都不可能做到的。

主动搜索要求你知道自己要找什么，但 Delicious 可以让你发现很多原来不知道的东西。

就在这个时候，我发现了豆瓣。当然，这个过程并不是发生在 2007 年，豆瓣 2005 年上线，我很早就发现了它。

在整个过程中，我一直对这种形态充满兴趣。我觉得这可能属于人类非常前沿的行为模式探索，也非常符合我想了解世界如何运作的兴趣。

从那时候开始，我觉得这有可能是我终身的职业。

2005 年为什么没有出手？

你是说为什么没有投豆瓣？

2005 年豆瓣出来的时候，我在内部写过一份报告，觉得这种形式非常新颖。当时我也开始比较多地使用大众点评。

后来，无论是在智信资本，还是在红杉，这两家公司基本上都是我们两个基金的股东。豆瓣和大众点评对我当时职业方向的判断产生了很大影响。

我觉得这件事太有意思了，同时它可能也是一个 milestone。

从那个时候开始，我意识到，之前的互联网实际上都是人的主动行为：我主动看，主动搜索。但到了 Web 2.0 时代，我突然发现，原来这个世界可以向你反馈你喜欢、但原来不知道的东西。

最触动你的是什么？

最触动我的是认知形态的改变。

今天的人工智能也是这样。无论你看报纸、看网页，还是搜索网页，本来都是你的单向行为。突然通过 UGC 这样一个简单的方法，世界可以反过来向你反馈信息。

它当时并不涉及特别复杂的技术革命。拨号上网、宽带等基础设施已经完善，在这种情况下出现了巨大的产品创新。

同一时期，美国的 Facebook、LinkedIn 也都是产品创新。所以我当时觉得，这是探索人类行为模式、理解世界的一种好方法。

你当时见阿北是什么场景？你喜欢他吗？

我当时觉得，他的确反映了这个产品的气质。他本人和产品是完全合一的。

他可能是把自己的内心世界投射到了产品上。

你们当时有什么交流让你印象比较深？

我记得当时是在北京望京的雕刻时光咖啡馆。我们聊了很久，主要是关于这个产品。那天是我们第一次见面，所以印象很深。

2009 年的时候，大众点评和豆瓣应该是 Web 2.0 的集大成者。大概在 2009 年到 2011 年，它们应该都是 Web 2.0 的集大成者。

后来我也有幸认识了大众点评的几位创始人，包括张涛。

你第一次见张涛是什么场景？你觉得张涛的气质和阿北是不是很不一样？

我并没有那么早见到张涛。我是 2011 年见到他的，那时候公司已经有了一定规模。

我觉得张涛是一个更成熟、更有产品洞察力，也更具企业家风格的企业家。这是我当时很深的感受。

当时大众点评已经是一个非常成建制的团队。那段时间，也是我最集中思考 Web 2.0 创业的时期。

现在回头看，Web 2.0 实际上是在互联网对人类社会进行第一次数字化之后，做了一波线上内容的产品创新。

再往下一步，到共享经济、共享单车的时候，实际上又做了一次线下的大规模创新，是线上线下结合的大规模创新。

这个过程非常有意思。

那时候是纯线上，一开始大家都是信息交换，对吧？你是不是经济史爱好者？

对，我非常喜欢经济学。

把过去 20 年你所经历的中国风投周期划分一下，你会分成哪几个阶段？尤其是其中的代表案例，能不能跟我们分享一下？

一开始，我觉得应该是 2005 年以前。2005 年以前实际上是一个非常初创、从零开始的阶段。

那个阶段，整个信息都没有线上化，所以出现了大量门户公司。这跟美国是一样的，像新浪、搜狐、网易，都出现了大量门户公司。

门户公司占据了第一波互联网流量，这个格局实际上在 2005 年以前就形成了。

当时的创新公司，应该是像腾讯掌握了信息入口，百度掌握搜索。它们都不是单纯的门户流量。

盛大掌握了游戏。当时盛大也签了很多音乐版权、内容版权，因为起点也在盛大，就是今天的阅文。

这一批公司实际上是创新公司。应该这样看：在门户时代的流量里面，它们把这些流量抢过来重新划分，然后崛起。

以今天的估值来看，它们当时可能也就是独角兽公司，或者几个亿美元规模的公司。但从今天看，它们在那个时代是创新者。

到了 2005 年到 2010 年，这些公司大放异彩，占据了主要的流量高地，把 PC 时代的流量格局掌握住了。

但在 2005 年到 2010 年之间，尽管大流量被巨头把持，创新仍然不断，包括很多社区类创新。只是这些创新很难抢到主要流量。

到了 2010 年之后，一个崭新的流量入口开启，移动互联网革命开始了。新的流量形式、新的流量入口产生了，原有的老入口在一定程度上让出了大量市场份额，于是新一波公司又重新洗牌。

如果以 5 年为一个周期看，到 2015 年又发生了变化：以短视频为主要形态的内容开始崛起。

这里面我特别想提一家公司的影响，就是 Pinterest。如果我记错了，请允许我更正，但我记得它应该是在 2010 年成立的。我认为 Pinterest 是一次范式革命。

Pinterest 的瀑布流形式非常适合在手机上展示。Pinterest 出来之后，我当时也花了比较多的时间在中国寻找 Pinterest 类公司，也跟小红书、蘑菇街有过比较深入的接触。

我认为 Pinterest 这个范式直接影响了后来的内容平台，包括抖音、TikTok、小红书和快手。我个人认为，它可能是始作俑者，把这种形式做了出来。

到了 2015 年，类 Pinterest 的公司开始崛起。当然，它们是以短视频的方式崛起的，并不是以当年 Pinterest 的样子崛起的。

今天图文混排仍然有重要意义。我们刷小红书的时候，图文混排依然有它非常便捷的地方。

所以我认为，这一系列脉络在 2015 年爆发出来。2015 年到 2020 年，是短视频大放异彩的时代。

当然，整个过程中 O2O 始终在进行，美团、滴滴，以及摩拜等线上线下结合的创新也在发展。

但我觉得，到了 2020 年以前，大概 2018 年左右，新的流量已经被瓜分完毕，所以整个 To C 投资进入了相对沉寂的状态。

你怎么看内容平台的演变？从图文到视频，再到短视频，每一家平台背后的繁荣或者陨落，原因分别是什么？

我们站在历史后面总结，总是容易的。我们可以把它总结成一些很简单的原因，但当时就是想不到。这是我自己的观点。

首先，文字是一种非常高级形态的知识产品。一个人掌握文字要花很长时间，所以全世界各国都要扫盲，因为文字很难。

尤其中文也很抽象。我们已经学会了，所以习以为常，但图片是比文字简单得多的方式。

所有的图文混排，都会倾向于覆盖掉单纯的文字。今天你认真读完一本书，实际上已经是一种奢侈的消费。

到了长视频时代，人类其实很熟悉长视频。无论古代看戏，还是近代去电影院看电影、看电视，最后到长视频平台，我们都非常熟悉这种内容形式，只不过换了一个界面。

我一开始对长视频也有很大期望，因为长视频天然时长很长，可以想象商业模式应该比较多。

当时我们觉得短视频可能只是视频的一种形态，和长视频类似。所以我还会想，短视频和长视频应该怎么比较。

但现在站在这个位置上看，短视频根本不应该跟长视频比较。短视频根本就是人类认识世界的一种基础方式。

我记得有一次跟另一位投资人聊天，他点醒了我一点。

在原始社会，一个原始人花很长时间学文字、结绳记事。但如果我说“那边出了个热闹”，或者说“今天晚上月亮特别大、特别圆”，我可以写一段文字告诉另外一个人。

但实际上，这已经是很高级的做法了。写一首诗就更高级。最简单的方式，是把他拉到现场，我说：“你看这个月亮，是不是很大？是不是很圆？”

这个过程实际上就是短视频的过程。我把他拉到那个场景里，和我拍给他看是接近的，它们具有相似的信息丰富程度。

所以最后我认为，短视频已经不是在挑战某个竞争公司，也不是在挑战其他媒体形式，它挑战的是文字本身。

今天我把短视频在一定程度上看作文字的对等产品。所以我从来不认为一个人一年不看一本书是什么可耻的事情。只要你一年读到同等量、同等信息密度，而且是你认为应该读的信息，不是随随便便用来杀时间的信息，我认为就没有问题。

人类本来就可以通过短视频认识世界，这是非常正常的事情。

所以这在一定程度上合理化了抖音的出现？

对，我认为这是必然的。

我可以跟你分享几个产品最开始的使用场景。

2005 年或者 2006 年，我第一次使用 Twitter。后来我也是饭否和微博的用户，但当时我不知道 Twitter 是干什么的。

我想，为什么是 140 个字，为什么不是更多或更少？我要写什么？于是我每天在上面写我看了什么书、去了哪里。

后来我觉得太无聊了，谁会看这些东西？所以我根本无法想象它会怎样被使用。

当一种产品形态出现时，实际上是产品研发者和使用者一起创造了它。使用者会发现，我可以写观点，可以不停地艾特别人。慢慢地，这个产品形态才真正形成。

Musical.ly 出来之后，我应该是在 2015 年开始用它。我当时用 Musical.ly 拍景色、配一段音乐，拍景色、配一段音乐，也想象不到它还能怎么玩。

后来它通过跳舞火了。

对。后来这些平台通过用户和创作者之间的互动，以及用户与用户之间的互动，慢慢发展起来。

回到刚才说的不同内容形式的演进，我大概是这样认为的：人类天然会进化到一种不需要学习、不需要投入很长时间成本，就能够认知世界的方式。

所以，AI 是不是也回到了这一点？

AI 回到这一点，是因为我最想要的是结果。对于那些杀时间的应用，我希望要过程，因为过程可以帮我杀时间。但凡是效率类、结果导向的应用，我想要的都是结果。你不用告诉我过程，最好我参与过程越少越好。

工具产品提供结果，娱乐产品提供过程。

对，就是 kill time 和 save time。

你说这些内容平台背后，发现了什么样的人类行为模式变化？

一个是从主动变成被动。从 Web 2.0 开始，其实就往这个方向转：我可以不断推荐新的东西给你。

另外就是碎片化消费。内容变得更容易、更碎片化。

为什么已经有抖音了，小红书还能崛起？小红书是在抖音的延长线上，还是它们其实完全不同？

这个问题很难在一个播客节目里穷尽它们的不同。

我以前跟别人说过，我觉得它们最大的不同是：抖音的内容本身非常重要，我主要是看抖音的内容；但在小红书上，除了看内容，我还会看评论。小红书的评论非常重要。

所以我认为它们的形态并不完全一样。

比如，如果在抖音上，一个拥有百万粉丝的 KOL 发帖子，那么这百万粉丝大概率就是他的点击基本盘。他可以获得很多点赞，数量会比较大。

但在小红书上，同样是百万粉丝，你可以试一下：发一个新帖时，你的百万粉丝不一定是你的基本盘。因为它会基于帖子的精彩程度，被推荐到更多地方。

这不一定完全代表抖音和小红书的差异，只是我们站在用户层面的观感。但我认为，它们的信息组织形式是不一致的。

尽管它们都有短视频，小红书的图文混排可能更多，但它们的信息组织形式实际上不同。

这就是移动互联网时代创业有趣的地方：你通过改变一些规则、一些玩法，用户也会发生变化，内容也会发生变化，最后能够改变很多东西。

这些变化更产品导向，而不是更技术导向。

那 B 站呢？评价一下 B 站。

这是个人评价，不代表我们团队，也不代表红杉。

我感觉 B 站一开始是从一个小人群、一个垂直人群切入，最后扩展到全人群，扩展到某种形态的全人群。

它有很好的纪录片，也有非常优质的内容。但我觉得它跟抖音和小红书不一样。

抖音和小红书一开始可能就是更开放的产品结构，通过跟用户互动来定义产品；而 B 站更像是进入一个社群，进入一个有影响力的垂直市场，再通过这个市场慢慢泛化出去。

我觉得它们都很有意思，成功逻辑也都很有意思。

你觉得这些公司和它们的 founder 之间是什么关系？它们怎么投射 founder 的内心？

这是我的感觉，不一定准确。

我觉得 B 站的 founder 更像产品本身，产品和 founder 的特点比较一致。

短视频崛起的时候，字节已经有今日头条，所以它已经有很多战略和理性的选择。最后通过和 Musical.ly 合并进入短视频领域，这个过程可能不完全一样。

字节更像是拿着推荐引擎这个大杀器，找到了一个更匹配的形态，做出了抖音。它已经站在了一个整体战略布局的高度。

但这些没有优劣之分，只是不同的特点。

小红书则是一个特别开放的产品结构。甚至可以说，到目前为止，小红书可能是我见过的移动互联网时代最开放的产品结构。

你可以发图片，也可以发一段话，可以发攻略，也可以发一个问题。它几乎包含了移动互联网时代前面的这些 UGC 产品、社交媒体的大部分形态，通过发一个帖子、大家评论来实现。

我觉得，在这种开放架构下，小红书一直是“时间的朋友”。它在开放架构下，持续跟用户一起创造自己的调性。

这是一件很有意思的事情。越到后来，它越是慢慢长大，每个阶段都可能超出我的预料：它居然有这样的功能。

它从女性用户扩展到男性用户，也从线上扩展到线下，比如 City Walk。

这是一个非常开放的产品结构。所以这几个成功产品都有不同的逻辑和不同的历史。怎么说呢，时势造英雄。

研究、学习了这么多产品以后，对于投资 AI 产品，你能得到什么样的 know-how？能总结出什么经验吗？因为看上去每个产品都非常不一样。

可能总结就是没有总结。

至少有一点是这样的：人类的潜意识，或者新的行为模式，总体上是不可预期的。

我们想象不到短视频最后会挑战文字。它挑战了所有公司，挑战了所有竞争对手，最后挑战到文字，这件事原来是没人知道的。

原来我们把短视频作为一个小类看：我看长视频，我看短视频，我看 O2O。但最后会发现，短视频的流量水平太强，它可以向很多公司发起挑战。

所以投资人经常会被问到：“最近你觉得什么产品形态好？”其实我们很难回答，因为所有东西都还在探索。

我有点像产品评论员，或者像以前的文学评论员。我不会写小说，但如果有人写出一本小说，我的直觉可能会告诉我，这大概率是一本名著。

如果我是出版商，我会觉得这可能值得跟他深入谈一谈。

今天 AI 也是这样。AI 有新的特点、新的形态，所以一定有人在挑战最前沿、流量最大的产品形态，我们要去把握住它。

它的不可预测性好像也超出了 founder 本身的预测。这些创始人在创立产品的第一天，其实也不知道产品能长多大。

对。但 founder 应该这样说：他不能提供一个理性预测，以及理性预测的依据，但他有直觉。这个直觉也可能上升成信念，他相信这个方向一定是对的。

历史上很多 founder 做出了石破天惊的产品，跟他的直觉和信念有关。

但把这种直觉和信念放到历史潮流里看，最后肯定也是幸存者偏差，是历史的选择。

成功者最后讲述了自己的信仰，那些失败者从历史叙述中消失了。

你是什么时候找到了自己的投资方法、taste 和直觉？

我能回忆起历史上自己做得比较好的地方，以及完全没有看到的盲区。

我做得比较好的，是在 Web 2.0 产生之后，我对产品的感觉和方法论慢慢形成了。也就是在豆瓣、大众点评那个时代开始形成的。

至于什么时候开始反思自己的方法论，应该是在后来观察一系列线上线下结合的公司，看着它们崛起和变化的时候。

特别是一些我没有投的公司，比如滴滴、拼多多。我突然发现，自己对线下、对中国最基础、最广大的那部分人群，认识可能还不够。

之前投的 UGC 产品，用户要有能力创造内容。这部分用户在所有人群中的分布，还是偏知识型的，而不是最广大的人群。

所以后来我一直试图去了解：什么样的产品可以触达最广大的人群，而不是从我原来熟悉的区域出发。

无论是大众点评、豆瓣、小红书，还是 Musical.ly，它们都是先触动一部分偏知识型的用户，比如一线城市用户，然后再慢慢扩散到全人群。

我原来习惯的是这个路径。看到滴滴、拼多多之后，我觉得这很有意思，它们可能不在我一开始的认知范围内。

我就尽量去矫正原来的想法。以前我们的 slogan 是“投资于先进人群的先进生活方式”。我们认为这种生活方式之后会演进到全人群。

但后来发现并不完全是这样。有时候，最基础的模式也可以直接扩散，并不需要经过这样的演进过程。

你矫正了以后，做了什么改变？

比较明显的体现，是我对共享单车、共享经济的思考。

当然，我当时对共享经济有更大的期望。但后来共享经济发展到充电宝、空间等各种形态，我发现有时候一个逻辑很难演化到极致，它可能有一个现实的天花板。

但共享经济最后确实改变了中国基层的生活。

你好像特别喜欢产品驱动的公司，不管是摩拜、豆瓣，还是大众点评。

我其实并没有更喜欢产品类公司。

在 PC 互联网和移动互联网时代，技术作为基础设施相对完善，所以技术带来的投资理由并没有那么充分，你一定会更关注产品。

但今天 AI 时代，我认为这是一个很大的变化。

原来的时代都是技术先行，技术已经把底子打好，过几年大家再往上堆应用。现在则是应用和技术同时并行：技术不停迭代，应用也不停升级。

这是两个周期很不一样的特点。

我觉得很多东西都属于产品，不能认为只有线上的部分是产品，而线下运营就不是产品。线下怎么组织运营团队，这也是产品的一部分。

对，这也是我后来慢慢矫正的一部分。

比如 Klook，它在亚洲做旅游和景点平台。我认为它就是线上产品和线下功夫都做得比较好的公司。

它通过线上集合大量购买需求，从而更好地控制线下产品供应链。它控制了亚洲很多景点的门票、地铁票，以及各种特色活动的供给。

它把线上通过 UGC 或 review 汇集起来的流量，转化成巨大的采购量，再反过来更好地控制供应链。

所以我认为，它是线上线下结合得比较好的公司。

我听你讲有一个感受：以前最早的时候，大家觉得产品就是产品；但当线上线下开始结合，一个产品其实是完整的体系，不能只做比较薄的产品部分，还要做很重的运营。抖音的成功也跟运营有很大关系。

是的。其实一开始很好理解：一开始是线上化。你能做到线上化，本身就是一个比较好的创业。

门户网站只要把内容搬上去就可以了。第二步，比如把人与人之间的交流换成社交软件，做搜索，再不断升级。

后来仅仅找到线上玩法还不够，必须人工干预，必须做线下运营，必须管理 KOL。

所以它是一个不断深化的过程。认识上更深化，产品上也更深化，要做得更重。

我还想到一个公司。当我们觉得 C 端流量差不多了、平台已经崛起得差不多了，为什么这两年小宇宙比较火？

这又回到刚才说的，人类会不断发现自己的行为模式。

收音机很火的时代离现在已经很远了，但当时收音机的渗透率非常高。

声音和图文、短视频有一个重要区别：它可能不适合作为高密度的信息接收方式，但它几乎是感官里唯一可以多线程并用的方式。

当你听一个东西的时候，还可以看东西，还可以做自己的事。

它发挥了这样一个优势。我很早也意识到这个优势。

我们之前投过“在行”和“分答”，最早的时候，它们通过语音的方式回答问题。当时我就觉得，通过听来获取信息是一个很有意思的市场。

后来罗辑思维做听书，喜马拉雅也发展起来。我一直觉得“听”很有意思，只是这种产品形态一直没有收敛到一个比较明确的 PMF 状态。

每一代人都会有一波新的媒体崛起。我们这一代人除了短视频之外，播客也越来越成为大家选择的信息输入方式。

它养成了一种更深度的信息接收方式。

当我们已经习惯短视频的时候，很难想象一个内容可以做到 2 个小时、3 个小时、4 个小时。但正因为播客可以以陪伴的形式存在，所以它才能够这么长。

如果不是陪伴的形式，就很难这么长。

这还是挺反直觉的。人类行为不可预测，但它一直在那里。突然有一天你去归纳它，会发现原来还有前后一致性，可以把它产品化、找到 PMF，把这种行为承接下来。

对。为什么是这几年，我觉得极有可能是因为我们的视觉已经被占得太满了。

所有创新都会像水一样溢出来。当视觉被占满之后，大家还是会寻找新的信息输入方式。视觉占满还不够，还要再寻找新的输入方式。

接下来我们聊聊，当你意识到移动互联网 C 端的故事结束以后，这几年的一些想法和探索。

移动互联网 C 端在很大程度上终结于各种短视频形态之后，有很长一段时间 C 端缺乏大的创新。

特别是从 2018 年、2019 年开始，一直到 AI 崛起之前，整个 To C 投资都相对沉寂。

我后来反思，那段时间可能进入了一段蛰伏期。

今天所有 AI 实际上都跑在云上，商业模式上也都 SaaS 化了。AI 的技术也都是在那几年开始陆续研发出来的。

所以它其实又进入了一个比较蛰伏的时期：C 端流量相对固定，新的产品创新和技术创新都进入潜伏期。

前面也一样。2005 年之后爆发的 UGC 产品，很多都是脱胎于门户时代。它们在门户时代已经开始酝酿。

所以我越来越倾向于把这种阶段叫作蛰伏期，或者集聚力量的时期。

那段时间，全球投资市场，包括中美两国，在 SaaS 上花了很大力气。我也做了不少 SaaS 方面的投资。

另一方面，我开始思考：第一次经历 PC 互联网时期时，我觉得非常兴奋；到移动互联网时期也很兴奋，从 PC 换到手机，这个变化很自然，不需要想太多。

但当这两个周期都结束时，我也到了一个年龄，回头看已经有十几年的投资生涯。我开始想，下面会不会存在一些底层规律？

在人类科技进步史里面，这些技术周期到底处在什么位置？否则就会变成一个个讲故事。

我从 PC 往前推，先想到电视，再往前想到收音机。等我把这个东西再扩大化，发现这一切的密码似乎都在流量。

不只是线上，线下也在于流量。

电力产生之后，出现了电网；再往前是电报。没有电的时候，信息传输沿着道路展开：公路、铁路、运河。

我想了很久之后，突然觉得自己似乎找到了一个支点。每个人都可以选择不同的支点，但我选择流量作为思考人类经济史的核心支点。

在我看来，人类历史本质上是某种程度上的流量、移动和连接。人类历史很长一段时间里，最大的社交产品就是城镇，就是城市。

一个城市有多少人，就有多少 DAU。城市总是在道路汇集的地方、运河汇集的地方，或者港口形成。

建立这个观点之后，我反过来想：人类每次科技变革，最后推动的都是流量方式的革新。

无论叫注意力经济，还是诞生了一个新的繁华都市，本质上都是人住在那里，或者注意力在那里，于是产生商业形态。

当时我已经穿越了两个周期，确实想不到下一个 To C 形态是什么。那时元宇宙比较火，我猜测下一代 To C 形态可能是眼镜，用眼镜替换手机。

当时大家肯定不会认为眼镜能替代手机，能抢到一部分就不错了。如果能抢到手机使用时长的 10% 到 20%，也相当不错。

所以谷歌第一次发布 AR 眼镜时，全世界都很振奋，大家都在看会不会出现新的流量形式。

但历史总是在意想不到的地方发生。最后 AI 出来，把新的流量形态抢走了。我觉得这件事很有意思。

所以，是流量掌握了世界的分配权。

对。

你想到这些关于流量的理论之后，做了什么？

一方面继续寻找 To C 投资，另一方面我尽量让这个理论足够 general。

一个理论的解释力越强，往往就越一般。当你把东西抽象到一个点时，它的解释力反而最强。

后来我有过一些小的灵感，有时候会让我比较兴奋。

比如钢铁的大规模运用，钢铁的发明跟流量有关系吗？看上去毫无关系。我一开始没办法把材料革命和这件事联系起来。

后来我突然想到铁路。更重要的是，有了钢铁的大规模使用之后，城市变得立体，城市的 DAU 大幅度上升。

没有钢铁的时候，绝大部分城市都是平的，或者只能修几层楼。但有了钢筋混凝土之后，城市变得立体，能够容纳上千万 DAU 的城市才得以产生。

所以我发现，很多事情其实都指向同一个方向。

流量会形成某个超级节点。

对，超级节点。

最早的节点是城市、城镇；现在除了城市之外，还有互联网产品。

这个超级节点需要双边网络效应吗？

不一定需要。

历史上的门户网站就不一定需要双边网络效应。但有双边网络效应的优秀产品，一定是流量节点，一定是新的城镇。

你可以认为，现在所有优秀的互联网 To C 产品，都是一个个巨大的城镇，甚至是巨大的市场，是大可敌国的市场。

在 AI 时代，你觉得它会怎么形成新的流量入口，怎么形成新的流量分配？现在看得清楚吗？

现在肯定能看到的是，如果这些模型公司、大模型公司胜出，它们肯定已经构成了新一代流量入口。

但现在我们还要看，有没有 AI 原生的产品，无论是有双边网络效应的，还是有特别优质内容产生的图像社区等平台。

过去 20 年有哪些产品符合你说的这种大的流量节点？

几乎所有能够形成最大流量节点的产品都符合。

它们有什么共性吗？

第一，肯定是数字化。你越早把线下某种行为、信息或交易线上化，就越可能形成一个节点。阿里就是这样。

另外一种是形成双边网络效应。

双边网络效应是一种壁垒，因为它需要一点点搭建，需要在产品上进行非常精巧的设计，逐步搭建起来。

在任何一个时代，如果你能找到一种巧妙的双边网络效应，把它搭建起来，并且突破一定的规模，那么远远的巨头也很难马上追赶。

AI 时代来了，你又兴奋起来了，是吗？

有一点，但也不能完全这么说。

我对 To B 投资、对 SaaS 投资，毕竟是因为自己也做过相关工作，所以作为工作，还是有热情的。

但 To C 投资对我来说，可能是更持久的爱好。

你是什么时候意识到，新的 C 端流量入口又开始出现了？

当然是这一波人工智能开始的时候。

2022 年年中左右，红杉就开始密集进行人工智能方面的调研。但我不得不承认，是 ChatGPT 出来之后，我感觉 To C 应用的效果如此之好，可能一下子会带动一大波 AI 应用发展。

当时这个感觉非常明确。

以 AI 技术革命为驱动产生的流量节点，相比互联网和移动互联网时代，可能有哪些不同？

我觉得有几个不同。

最大的不同是，AI 时代的网络不完全是经济学上所说的那种具有自然垄断性质的网络。

自然垄断网络有一个特点：边际成本趋近于零。也就是每增加一个新用户，成本几乎为零。

比如电网，今天多接一户人家，跟前期巨大投资相比，这点成本不算什么。互联网也是这样，已经有 100 万 DAU 了，再增加 1 个用户，对你来说几乎没有成本。

但人工智能时代不同，因为有 token 消耗的限制。

这会让商业模式设计发生变化。每增加一个用户，就对应一份成本。你要考虑向他收订阅费，当然免费策略是另一回事。

第二个不同是，原来的产品本质上是提供某种服务，吸引用户点击，或者一步一步跟用户互动，让用户享受过程，或者一步步走向结果。

但 AI，尤其是效率类 AI，相当于直通结果，是结果导向的。

原来的情况下，App 用得好不好，可能是你自己的问题，或者一定程度上是你的问题。现在可能更多取决于提供者：你在技术上能不能提供一个直接导向结果的方案。

第三个非常不同的地方是，人类历史上的技术革命，从来没有一次在技术革命的原理层面存在黑箱。

从蒸汽机、电力，到更早的农业革命，原理都没有黑箱。

但这次人工智能的涌现是如何发生的，以及它会有哪些变化、有哪些应用，实际上现在并不清楚。

哪怕大家写 prompt，也会看到一些 prompt 教材告诉你，往里面加一些触发词，结果可能会更好。这就很玄学。

技术产品的应用，不再是一个完全理性的过程，而是有一些艺术成分在里面。

这些东西到底会带来哪些变化，甚至这些东西本身是不是 AI 原生的一部分，我觉得都很不一样。

这三个不同会带来什么？比如商业模式。

第一个是 token 消耗，成本比较高。但我觉得这还好，更多是商业核算问题，跟定价和人群有关。

第二个，因为它更结果导向，我反而认为这可能会影响下一个阶段。

全世界总体上对 SaaS 的 PMF 已经跑通了。在这种情况下，怎么叠加一个完全以结果为导向、超越原有流程和结构化信息的方案？

它可能从原始信息直接导致某种结果。这会给整个 To B 产业带来什么影响，目前还未知。

最后一个黑箱问题，刚才也聊过了。因为黑箱的存在、涌现的存在，以及使用上的艺术性和玄学，这些是不是 AI native 的一部分，也值得继续讨论。

AI 时代的超级节点会是大模型吗？

我觉得大模型肯定是其中一个。

我现在看到的另外一个方向是，本质上人工智能引发了一轮新一轮的深层次数字化。

原来的数字化比较直白：把容易统计的数据，把线下原来存储在纸张上的数据，把原来已经结构化的数据搬到网上，再进一步结构化。

什么叫深层次数字化？

为什么现在很多做录音的创新能够获得很高估值，表现也很好？因为如果没有人工智能，很多信息是无法处理的。

比如我个人录 100 个小时的音频，怎么整理？无法整理。

微软的一个实验室很早以前做过自动拍摄装置，它根据光线变化自动拍照。如果你把它戴在胸前，一个月产生几万张照片，你如何处理？在当年的技术条件下无法处理。

所以这种数字化没有意义。

但今天它变得有意义，是因为人工智能可以把这些信息处理成有意义的线上内容。

在这种情况下，深层次数字化会带来新的硬件机会。

这些机会本质上都是深层次数字化带来的，而深层次数字化是人工智能提供的。是智能驱动了另一轮数字化。

回到刚才的问题，我认为，提供深层次数字化的硬件，可能会成为新的信息节点、流量节点。

它从线下获取了原来没有被记录的信息增量和数据增量。

原来不会被统计的信息，在非智能时代会飘散在空气里。

对。

所以大模型可能会是一个节点，软硬一体的设备也可能成为新的信息节点。

设备从线下获取互联网之外的数据，进行有意义的加工和整理之后，会带来什么？

它可能会对设备本身形成某种壁垒。

这里面肯定还会叠加玩法，我们现在不好预测具体是什么。但可以看到的是，大量信息和使用习惯都会积累在这个设备上。

如果深层次数字化实现了，每个人的信息拥有量可能会翻几百倍、几千倍，甚至上万倍。

在这种情况下，再结合非常先进的人工智能，经过几代人工智能迭代之后，会产生什么？这值得想象。

软硬一体重要的本质，是因为它获取了更多的数据和信息吗？

更重要的本质是，它深入线下世界，获取了更多原来不那么重要、或者完全不重要、会随风飘散的信息。

你看整个人类进化发展的过程，就是每个人、每个组织、每个机构、每个公司拥有越来越多信息的过程。

过去的古书，特别是 1800 年以前的古书，总量可能很小。我记得有一个统计，但具体数字记不清了。

这也解释了为什么这一波软硬一体的公司今年格外受到关注。

最深层的原因，是人工智能带来的更深层次的数字化。

为什么手机不能做这件事？录音转录，手机也可以做，飞书也可以做。

深层数字化最重要的是，你要一直在场。

比如现在我都不知道手机的录音功能还在不在录，可能隔一会儿就要看一下。我对它并不完全有信心，因为它不是专门做这件事的。

但如果我以各种形态，在身上放一个设备、贴一个设备，或者采用其他方式，我可能就更有信心，相信它一直在录。

那隐私问题怎么办？

这可能是人类要面对的问题。

如果我在公共场合发表演讲，是不是可以视同于我已经允许你把它录下来？否则我不会在公开场合演讲。

但如果不是演讲呢？我在公共场合说了一句话，周围所有人都能听到，那是不是也可以录下来？

这可能确实需要法律、社会习惯，或者整个社会心态进行一次革新。

这跟当年人们接受刷短视频很像。最后人的行为习惯会随着科技改变，整个社会都会改变。

在互联网和移动互联网时代，流量入口产品都有双边网络效应。为什么 AI 时代的双边网络效应还没有形成？

我也想过这个问题。

第一点，在 AI 时代，大模型本身有一个隐含的双边网络效应。

它使用了大量数据，跟更多人交流之后，可能会把新的用户服务得更好。这里面其实包含双边网络效应。

第二点，在显性层面，原来的双边网络效应需要你说话有人听、卖东西有人买，需要一点点把两边聚集起来。

但现在不需要。跟大模型的关系是多对一，所有人都跟大模型聊天。

所以我们看到，美国第一波偏社交类的 AI 公司并没有很成功。本质上，它没有双边网络效应。

一旦模型质量下降，或者竞争对手的模型质量上升，它就会处于商业上的不利位置。

所以问题是：应该把 AI 以什么方式插入双边网络，还是应该采用其他方式？或者大模型的隐含双边网络效应已经够用，只需要把大模型调得更优？

当然，我们一直拿社交来举例，但目前还不清楚。

OpenAI 现在也做了群聊功能，你觉得它有可能冲击 Meta 吗？

目前逻辑上可能还有一个断层。

包括你我使用 AI 时，也可能会认为跟你聊天的人是不存在的、是虚拟的，是模型算出来的。这个在心理上可能会有影响。

但未来人类会不会不在意聊天对象背后是不是一个真实的人？有没有自主意识、有没有灵魂，可能不再重要。

如果未来全人群的认知发生变化，就像今天全人群的认知跟 PC 时代、跟 PC 之前已经发生了巨大变化一样，那么 AI 可能会导致全人群认知的变化。

现在的网络也不一定都是人与人的网络，也可能是人与 AI 之间形成的共同网络和连接。

至于怎么建立某种双边网络，还需要继续探索。

如果双边网络没有建立起来，我认为这个世界总体上可能会变成模型的世界。这也可能是不可预测的。

现在 AI 产品有数据飞轮了吗？

我觉得目前还是有的。

这一波 AI 产品的商业化，实际上比前面的移动互联网和互联网时代做得更好。毕竟经过了这么长时间 SaaS 的熏陶，大家对订阅制的理解更充分了。

现在的问题是，技术在高速发展，基础设施投入仍然很巨大，收入和成本还没有完全匹配。

但如果人类达到某种满意的边缘，就有可能实现。我对此还是乐观的。

在大模型时代到来以后，你投了 Kimi、MiniMax、Manus 等等，这些都是 To C 产品。你觉得最后真正的价值会沉淀在应用公司，还是模型公司？

这也是我一直在思考的问题。

上一个时代也在讨论：会不会有新的应用产生，还是最后都是巨头的时代？只不过上个时代讨论的不是模型，而是巨头。

这个时代，很多巨头公司本身也是大模型公司。

我可能因为做早期投资，对这个问题还是比较乐观。

我的乐观是，我始终相信新的创新能够在一轮周期里最终成为巨头，在巨头名单上再增加几个。

问题只是，这一轮会增加 5 个以上、5 个以下，还是只有 3 个以下。

这一轮肯定会增加，但到底增加什么形态，我们确实不知道。

从我个人相信的角度，我还是相信新的产品会诞生。这可能只能用信念来解释。

历史上每一代周期都产生了新的东西。哪怕巨头看上去已经控制了一切，但几乎每一代都产生了新的东西。

对于大模型公司和应用型公司，你们考核的指标是不一样的吗？它们最后产生价值的地方是不是也不一样？

模型公司今天还处在不断技术演进的过程中。这也是我们刚才说的，这次科技周期最大的不同：技术和产品同时演进。

模型公司更重要的是技术如何演进。

但产品公司会更复杂。你可能基于当前技术形态做了产品，技术又发生变化了，所以这一代模型公司面临更强的不确定性和更多需要解决的变量。

它的好处是，变现看上去比上两波周期更清楚。

上两波周期里，公司往往先把规模烧大，收入并不多。但现在多多少少都有收入，大家经常会比较 ARR，几乎都有一些收入，处在这样的博弈状态。

也有人说，未来可能没有模型公司和应用公司的区别，因为模型公司会做应用，应用公司也都会训练自己的模型。

我认为这是有可能的。

但最后可能会比拼一件事：技术提升在多大程度上能够抵消非技术的产品优势。

比如 OpenAI 已经具有很浓厚的产品公司特点。大量人的数据沉淀在上面，很多人已经习惯打开 OpenAI 去聊天。

所以最后还是要看技术会发展到哪里。到了某些地方，可能不是技术继续前进就能解决的问题，那可能就是产品公司能够守住的边界。

最大的模型公司变成了产品公司。那你投产品的时候，会不会感觉很绝望？

不会。我觉得可能比原来更有意思。

移动互联网时代，你还在寻找双边网络效应，PC 互联网时代也是这样。但这个时代你不知道答案是什么，还要继续寻找答案。

而且这个时代线上线下更加紧密地一体化，软硬件也一体化，所以变量越来越多。

原来可能是在解二元一次方程，后来是三元一次方程，现在可能要解五元、六元方程。

这个过程既有挑战，也有乐趣。

今天创业的难度变得更高了，相比 10 年前。

我认为是的。

10 年前技术也重要，但更多是看你能不能把产品撑起来。现在技术不只是要把产品撑起来，还要有模型的视角。

如果你是一家模型公司，要不要自己做模型？这些都是更前沿的问题。

对创业者和创业团队的要求变了吗？创业的人变少了吗？

我觉得对创业团队基础能力的要求，变化没有那么显著。

创业者的数量我没有统计过，但我的直觉是，一个相对简单的数字化时代，创业者肯定比一个已经充分数字化、然后进一步智能化的时代更多。

从这个角度说，创业的人应该会少一点。

但反过来，因为大模型的存在，很多市场很小、很垂直的公司可能一开始就能盈利。

所以现在也可能更接近百花齐放的时代。从这个角度看，反而更好。

投资人会要求这些创业者一开始就盈利吗？

当然不会，从来都不会。

对早期投资人来说，更重要的还是看一个比较长远的场景。

在 AI 时代，红杉的投资策略有没有系统性的发展和变化？

我们一直比较坚持投小、投早、投科技。

从很早开始，尤其是 2018 年以后，我们基本上就是这个状态。我们甚至会在内部考核作为第一个机构投资人的项目比例。

这个比例当然是越多越好。现在能达到总盘子的半数以上，我觉得还是一个比较骄傲的成绩。

所以也希望创业者直接来找我们，不用等到 B 轮以后。

你们现在对创业者的审美发生变化了吗？

本质上没有变化。

但如果一定要说变化，AI 时代前所未有地强调技术。

上两个时代，可能会看 founder 发表过多少论文、有多少引用，这主要反映 founder 有多强。

但在这个时代，特别是技术导向的公司里，这似乎变成了非常重要的指标。

这跟这个时代有关：技术与产品要同步发展。

红杉好像基本上把中国的大模型公司都投了。这样的赛道覆盖式打法，你们是怎么进入这些公司的？为什么基本上每家都投了？

我不认为我们是赛道覆盖打法。

我们还是 case by case 地看每个公司的亮点，以及适合进入的方式。每家公司其实都不太一样。

比如 Kimi，一定程度上跟我们原来负责的另一个 portfolio、循环智能有关，是从循环智能一步步发展出来的。

MiniMax 则是在 GPT 爆发之前我们就已经在看的公司，不是 GPT-3.5 爆发之后才去找的。

智谱也是我们很早就接触的公司。

其他公司也一样，我们总体上是 case by case 看它们的亮点。所以我不认为是看见一个热点之后，利用资金优势去覆盖一个赛道。

它可能是上一个时代的延续？

对，有点像自然界没有飞跃。

我们的工作也没有飞跃。我们通过系统研究、关键人员覆盖等方式往前推进，自然就变化成现在这样了。

所以你们不是赛道打法，还是 case by case 看亮点。

对。投人肯定是早期投资最重要的环节之一。

Manus 是怎么看到的？

我们在他做 Monica 的时候就看到了他。我们非常喜欢这个团队，当时也觉得 Monica 这个产品的想法很好，包括他当时讲的后续产品演化，我们觉得都很有意思。

当时的亮点还是团队，以及产品展示出来的产品能力，并不是要在某个赛道上做覆盖。

这可能是大家对红杉的误解？

多少有一些误解。大家一直觉得红杉是赛道覆盖打法，因为资金比较多，所以可以覆盖一个赛道。

但实际上，我们每次都是一个项目一个项目地看它的亮点。

你觉得 AI 时代的创业和以前 App 的创业逻辑有变化吗？

我讲一个最大的变化：这一轮产品是天生全球化的。

原来做一个 App，涉及语言转换、使用习惯转换，还要在当地有一定落地和运营。

但这次 AI 本身就天然适合全球化推进。它在语言和其他方面没有太大问题。

所以对于中国创业者、华人创业者来说，这是一个非常大的机遇。

第一次，我们的产品，尤其是 To C 产品，无论效率类还是娱乐类，都可以一下子在全球铺开。

这是一个非常令人激动的时点。

你觉得 AI 的未来会扩展成什么样的生态？

应该跟 App 一样。App 有多么丰富的层次，AI 也会有多么丰富的层次。

新的 Agent 或平台会替代今天的平台，还是今天的平台会继续长大？

跟原来一样：有些被替代，有些赶上来、长得更大。

就像 PC 时代的腾讯，到移动时代腾讯还是王者。

这是生态位的争夺。每一次，原有名单上可能会下来几位，也会上去几位，但一定会发生变化。

这可能就是早期投资的乐趣：名单一定会变化。

从 ChatGPT 诞生以后，过去两三年时间里，你的投资有没有某种节奏？它是不是也反映了技术和产品的变化？

对我而言，肯定是有节奏的。

一开始我系统地扫描大模型的机会，甚至也看过垂直模型。肯定是先看底层、看基础设施。

基础设施成熟之后，我们觉得 2025 年可能有点像 2010 年，2026 年像 2011 年，可能会出现应用爆发的机会。

我们也比较早地扫描 Agent 机会，在应用层面看有哪些机会。

扫描过程中，我们又注意到硬件正在蓬勃发展，所以也高度重视硬件整体的变化。

你对 2026 年有什么预期？

我觉得是 2025 年的进一步深化，变成 2011 年。

会更加繁荣？

对，我觉得 2026 年会更加繁荣。

现在你的工作状态是什么样？明显比前几年忙吗？

工作量应该接近，但现在需要到各地去挖掘新的项目，我觉得跑得更多了。

在 PC 互联网和移动互联网时期，很明显北京是一个大的中心。现在则相对分散，尤其深圳作为硬件基地的地位快速崛起。

另外，这一波人工智能创业中，华人参与的比例很高，所以还有很多海外华人创业者。这在之前比较少见。

在 PC 时代，海外华人可能主要是回国创业、做国内市场。但现在，无论在哪个地方的华人，都可以做全世界的市场。

这几个因素叠加在一起，肯定会比原来更忙一些，出差更多。

出差目的地前 5 名是哪些地方？

因为我还是偏软件和消费电子，所以对我来说主要是北京、上海、深圳、杭州。

接触不同地区的创业者，有什么不一样？气质上有什么差异吗？

气质上可能跟所在地有关。

北京、上海、杭州偏软件，深圳偏硬件。其他方面，我觉得优秀创业者还是比较接近的。

除非是做更偏交易型的创业，目前我还没有深入研究。

最近关于 AI 泡沫的讨论很多，你怎么看？

我一直认为，讨论泡沫问题更多是一个谈资。

历史上每一轮周期一开始都有泡沫。正因为有泡沫，才提供了市场充分的流动性，特别是有泡沫时，早期项目才有机会。

早期项目的创始人讲述宏大理想，才会有这么多人才愿意支持。

所以我觉得这是正常的泡沫，就像大海里面有泡沫一样。

最后要看的是能不能交付。

这一轮我反而觉得泡沫是可以接受的，因为它最早的 PMF 就已经跑通了。严格来说，随着模型变化，能不能持续跑通还不好说，但至少一开始就能够打中用户痛点、开始收钱。

这肯定比一开始烧钱、烧很长时间更舒服，对投资人也更舒服。

现在很多早期项目的现金流都非常好。相比之前先烧钱、先砸用户心智，这一轮目前看还不错。

当我们都在讨论泡沫的时候，可能泡沫就不会破。关键是你怎么定义泡沫。

对。如果最后有真金白银的东西出来，前面有一些潮涨潮落，就相对容易接受。

最怕的是伪概念。

历史上有很多类似郁金香泡沫的事情，本身是伪概念，但可以被炒起来。

AI 不仅不是伪概念，而且是人类历史上一次巨大的科技革命，所以目前这个泡沫是可以接受的。

这轮科技革命现在发展到什么时间、什么节点了？

应用还没有大规模爆发，但还会继续爆发。

不过现在各个主战场已经开始竞争了，所以不能叫爆发的前沿，更像是爆发的前端。

对爆发的前端会焦虑吗？

不焦虑，应该是很兴奋。因为这是在见证人类历史。

现在国内主要的风险投资人，如果是在 PC 时代或更早入场，就相当于经历了三轮技术周期。这在历史上是不是比较少见？

对个人来说，这是很难得的经历。

像你这样投资职业生涯在中国有 20 年、还在一线看项目的投资人多吗？

各个基金的主要合伙人基本上都还在。前几年确实有一波人退休了，但这件事没法接。

你见过这么多创业者。有的人做到从 0 到 1，有的人从 10 到 100，有的人从 100 到 1000。你觉得影响他们小成、中成、大成或者失败的原因，是他们自身的特质吗？有什么共性？

首先，所有创始人都应该对产品敏感，产品敏感性非常重要。

从 1 到 10 的时候，产品敏感性可能更重要，因为你需要了解各种各样的用户需求。

到了 10 以上，或者几十以上，就没有一定之规了。

我一直有一个观点：公司的领导，就像带兵打仗的将军，最后要成为组织和制度的人格化象征。

用一个不一定精确的说法，你实际上是在扮演 CEO。

不管你的本性是什么样，在那个时刻都需要扮演 CEO。

公司越大，越需要扮演这样一个人。就像古代将军出征，没有先进的信息传递手段，在他所在的十万人、二十万人里面，他就是最高制度化的象征。

他要维持士气、军纪，以及作为一个组织的想象力。他必须坚信这个组织有一个抽象的生命，而他就是这个抽象生命的代表。

所以，如果一个人没有成为非常成功的 CEO，可能只是一个成功的产品经理。最后无法完成跨越，可能是因为这一步需要天赋。

同时拥有两种天赋的人非常难得：既有产品敏感力，又能够很好地扮演组织人格化的代表，给整个组织和队伍以信心。

第二种天赋是什么？

你观察周围那些优秀 CEO，就会发现这就是一种天赋。

有很多人不仅是自己企业产品的化身，也是企业组织抽象精神、抽象生命的化身。

我觉得这点非常重要。

哪怕做不到，也得扮演？

对，哪怕做不到，也得扮演。因为你不扮演，组织就无法维持。

《人类简史》里说过，很多东西都是想象出来的共同体。

十万人在沙漠里行军之所以没有崩溃，前面还有敌人，是因为大家相信自己在完成一项伟大的事业，相信自己是一个军队。它是一个抽象的生命，但需要有一个人格化的代表。

作为 CEO，你就是那个代表。

你研究过 MBTI 吗？你觉得 MBTI 跟你说的第二种天赋有关系吗？

MBTI 挺有意思，应该是把人分成 16 种。

它的确反映了人的不同态度。比如 N 很容易进行抽象化思考，好的产品经理可能很多都是 N。

如果你能够完整地扮演一个组织的灵魂，可以事无巨细地把很多事情想清楚，并且计划得当，那可能 TJ 是比较好的组合。

所以 NTJ 可能是某种很好的组合。

E 和 I 我认为相对没有那么重要，只要有足够好的副手帮你就可以。

NTJ 代表有直觉、有计划、有逻辑、有理性。

但也不一定。产品经理很可能 NF 更好，因为感受力更强。有一些天才产品经理是 INFP，NF 非常重要。

如果后面是 P，可能更玄学、更浪漫；如果是 J，可能更适合做 CEO。

所以，天才产品经理能不能跨越成为 CEO，其实挺重要的。很多天才产品经理都是 NFP，他们能不能变得更有计划、更理性，或者由 CEO 来补足，最后形成一个团队，这都是问题。

但我认为 N 非常重要。

运营人才可能 S 更重要。但作为产品经理，N 和 F 很重要，尤其是 N。

我一直认为，抽象能力是非常重要的能力。

你见创业者的时候会问他的 MBTI 吗？

有时候会问。

还会问什么？

有时候会问他最喜欢的一本书，或者手机上一共有多少个 App，也会问一下 MBTI。

大家可以聊一些关于人本身的话题。

MBTI 会作为投资标准吗？

不会。

有没有见过一次就不会再见的创业者？

我在这方面比较 open，不太会给人打特别的标签。

只要有时间，我一般都会见。有时候实在没空，也不是故意不见。

最后几个快问快答。全球范围内，你最喜欢的食物是什么？

如果只能选一个，是兰州牛肉面。我只要有空就会去吃，对我来说这是最 by default 的食物。

但这很奇怪，因为我去过中国大部分地方，却没有去过西北，也没有去过西安以西的地方，但兰州牛肉面已经是我最喜欢的食物。

杨志玲说，他最喜欢的食物是拉面。

那可能接近。兰州牛肉面可能是更准确的说法。

全球范围内你最喜欢的地点？

我最喜欢上海。

上海的线下服务非常好，可以跟欧美的老城市相比。它是一个适合步行的城市。

一个少有人知道、但必须知道的知识点，可以是一个冷知识。

我觉得这可能不一定是冷知识，但对我来说，它是第一性原理的知识：幸存者偏差。

历史是由胜利者或者幸存者书写的。胜利者一定是幸存者，但幸存者不一定是胜利者。不过，如果幸存者能够影响未来的话语权，他就会影响我们对历史的理解。

从这点出发，就很容易理解很多历史参考文本的不可靠，因为所有文本都是幸存者史。

所有给你讲述的知识，都是幸存者给你讲述的。而幸存者只是必要条件。

很多时候我们研究的是充分条件，因为我们想要预测性。必要条件并不提供预测性。

所以我们要从一堆必要条件的文本和信息当中，找到当年真正的决策依据。

比如当时有 A、B、C、D、E 这么多选项，每个选项后面又有很多信息。最后他选择了一个错误的东西，或者选择了正确的东西，但后来的幸存者可能会把它加以戏剧化描述。

人类喜欢戏剧化，所以要把事情还原到当时，找到真正的充分条件。

对我来说，这可能就是你定义的冷知识。我看什么都带着幸存者偏差。

你利用这个完成过一次什么样的思考？

包括我投某些公司的时候，当时有很多选择。我当时想，到底应该怎么选。也许 4 个月之后我就知道答案了，但此时此刻还不知道。

我当时就感受到，原来我们读到的历史，可能只呈现了一两个结果，但当时的候选项非常多。很多历史的真实情形，远比书里戏剧性的描述复杂。

所以还是要还原。

包括 founder 跟你说的事情，包括其他同行说的事情，每个人的叙述都会形成偏差。

还原到你投资模型之后，最后是怎么做决策的？

这里面当然还有很多细节，我只是想告诉你当时的感受。

当我站在充分性的角度推演时，找到的各种参考，很可能都只是必要条件。这个部分不能说。

基于你读过的书，推荐两本必读书。

有两本书对我的影响很大。我觉得这两本书都可以花一年时间只看这一本。

一本叫《美国增长的起落》，我在很多场合，包括红杉会议上都推荐过。这本书描述了美国在互联网时代之前的科技革命。

另外一本，我觉得甚至可以花两年去看，叫《从中国出发的全球史》。

这本书是我母校复旦大学历史系出的。我第一次看到它的时候，既欣喜又遗憾。

欣喜是因为这本书里的很多观点，正是我一直想表达、未来可能想写进文章里的东西。它完全以一种崭新的方式重构了全球史。

我觉得这本书非常值得看。

这是一本新书吗？

我记得是去年年中出版的。

《美国增长的起落》是一本经典的书。

基于你当下的认知，一个关键、重要的当下 bet 是什么？

我当下的 bet 是：AI 时代是华人大航海时代的开始。

它可以类比于欧美冒险家或创新者在全球开拓的过程，也可以类比于欧美跨国公司在全球拓展的过程。

现在，无论是中国企业还是华人创业者，都站在这样一个历史开端上。

因为 AI 天然全球化，刚才我说过，它非常适合全球化推进。

所以我觉得，这个核心 bet 就是华人的大航海时代。

你可以 10 年后写一本《从中国出发的全球商业史》。

全球科技时代。那可能需要大模型的帮助。

刚才你也聊到了人类行为的很多不可预测性。今天你现在最看不清楚的几个事情是什么？

比如 AI 社交网络应该是什么样，我还没有完全看清楚。

第二，我有一个观点：现在我们都在单边研究 AI 产品应该变成什么样，但极有可能有一个问题更值得思考——有了这些 AI 产品之后，人类会变成什么样？

这个问题可能会影响未来的商业选择。

比如有了 AI 之后，教育应该是什么样？哪些学科会变得更重要，哪些学科会变得没有那么重要？

我可以分享一下我的观点。

第一，全局性的学科会变得更重要。因为你问 AI 的时候，首先要知道自己要问什么。学习其实包括学习如何提问。

在这种情况下，你必须有全局视角和全局视野。细节知识没有那么重要，但你要知道整体结构。

我开玩笑说，有了 AI 之后，很可能要学目录学。

目录学是建立古典文献体系的一种好方式。你不一定要了解每一本书，但要知道历史上有哪些书、可以到哪里查。

所以第一，全局性教育会变得很重要。

第二，逻辑学可能会变得更重要。

如果自然语言本身是编码的一部分，那是不是应该更准确地使用自然语言？

尤其是中文，中文是一种非常诗意的语言，准确度可能比拉丁文字要低一些。那我们应该如何更准确地说话？

我目前能想到的就是这两点。

但如果教育体系变了，消费方式变了，反过来也会影响产品。

今天的产品有一个默认前提，就是设计给智能化时代之前的人类。但智能化的人类到底会变成什么样，我还没有想清楚。

所以我认为，这可能会是一场巨变。

比如，你会不会相信，跟你聊天的 AI 背后存在自主意识？这件事情会对你的情感产生什么变化？

比如 AI 谈恋爱。

对。类似这样的问题，我也没有答案。