开场0:00
There's something there.
Hello 大家好 ， 这是我们 《42 章经 》 播客的第 2 期 ， 然后我现在是在云启资本北京的办公室 ，是跟我的老东家 、 老同事陈昱在一块 。
嗨 ， 大家好 ， 很高兴又见到我们老朋友曲凯 。
对 ， 真的是 。 我们是大概 14、15 年的 ——
对 ，10 年前的并肩作战啊 。
对 ， 并肩作战了很短的时间 ， 然后我就 ——
也不短吧 ，有小两年吧 。
两年， 两年， 差不多 。 对 ， 然后陈昱是一直在看所谓的 ABC 领域 ， 对吧 ？ 你叫做 —— 你给大家简单解释一下 ABC 这个概念 。
ABC 就是 AI 大数据 ， 云计算的首字母缩写 ， 就叫 ABC。
是 ，是 。 你其实是从所谓的 AI 1.0 看到的 2.0？
其实老实话说 ， 我应该说是从 AI 2.0 开始看 。 或这么说吧 ， 我觉得 AI 在过去 10 年里面呢 ，其实有 3 个比较大的 wave。
第一波实际上是 Something 为代表的那四小楼 。
那就叫 AI 1.0， 对吧 ？ 现在大家 ——
对 ， 偏 CV、 偏视觉的那一部分 。 那时候很多其实 Something 还不是最早出来的 ， 像旷视什么会更加早一点点 ， 就大概是 13、14 年， 刚好云启成立的时候 。
就比较可惜就是当时机构没能赶上这一波 。 对 ， 然后到 2.0 呢 ， 大概就是 16、17 年交界的时候 ， 那一波自动驾驶 。
然后到了这两年， 就大家也看到了大模型非常火 ， 那我们觉得这是第三波 。 所以说你说过去 AI， 我觉得是这 3 个机会是特别特别大的 。
是 。 我记得我们就 15 年、16 年的时候 ，AI 比较火的时候 ， 还出过一些文章 ， 还拉过一些群 ，但后来其实好像坚持在看 AI 的人就很少了 。
对 ， 我算是坚持看的 ， 会一直跟踪这个行业的吧 。 因为我是相信说 ，AI 还是代表了一个软件的未来发展的一个方向 ， 所以说很多年以来一直在关注它的进展 。
是 。其实你投的方向在我们看来应该是定义什么软科技这一类 ， 对吧 ？ 就是软科技 。 我们之前其实也聊到一个问题 ， 你看包括像 42 章经 ， 像我们 ， 我们其实一直在跟着市场去走 。
一开始比如产业互联网 ， 然后又 B2B， 然后呢 ， 可能比如 SaaS 又热起来 ， 然后前几年的消费品牌又热 。
它其实都是一波一波的 。 很多时候做早期投资 ， 大家甚至于会觉得说这个就是应该要跟着市场走 ， 就是谁能跟着市场走 ， 谁走得最快 ， 谁就是有长处 。
但你觉得这样其实是一种通才的方式 ， 对吧 ？ 就 generalist 的 ——
对 ， 没错没错 。
然后你把自己定义成一个 specialist， 就是专业领域的投资人。
对 ， 对 。其实我这么多年来就像你说的一样 ， 我一直都在 ABC 的领域 ， 就说一直在非常关注软件技术的一个发展 。
是 ，是 。 但这个的原因你觉得是什么 ？ 就包括就可能你会遇到一些时候是市场上有很多很火的赛道 ， 然后跟你的赛道没有那么大关系 ， 你就不会觉得说 ， 哎 ， 我是不是应该要看一下 。
其实是这样的 。 那当然说呢 ， 第一个呢 ， 就是我是学计算机出身的嘛 ， 你也知道 。 所以以前也在谷歌做这个软件工程师的一个工作 。
那所以说呢 ， 软件的确是我的一个专长 。 我知道我自己懂什么东西 ，不懂什么东西 。 第二个呢 ， 就是说呢 ， 软件虽然说我们都叫软科技啊 ，但这 10 年来呢 ，其实不是一成不变的 。
就像云计算也好 ， 大数据也好 ， 还有说机器学习也好 ， 它们每一个技术在这 10 年里面呢 ， 都有不同的一个技术的演进在这里面 。
但技术演进到一定的程度的话呢 ， 它其实是会解锁新的一些投资机会在这里面的 。 如果我们就拿深度学习来说的话 ， 那最早肯定大家讲的都是卷积网络 ，但是到现在的话 ， 我们都是在讲这个 Transformer， 对吧 ？
你作为一个技术背景的投资人， 你真的会去看那些创始人他们项目的代码呀 ， 或者跟他去很细的去掰他的技术细节吗 ？
有需要的时候其实是会的 。 就包括说当年投 PingCAP 的时候 ， 对吧 ？ 那 PingCAP 是个开源的一个代表 ， 当时代码就基本上就是在 GitHub 上面 ， 就所有人都能看 。
所以你能够通过读代码了解到很多团队在短短一个小时的会议里面没办法传递出来的信息和细节 。
是 。 记得之前有一个人说了一个很形象的话来夸你 ，他好像当时就是在开始看开源跟就是软科技这一块 ， 然后他说看了以后呢 ， 觉得云启投得很好 ， 然后他以为他看这个领域进入了一个云启的赛道 ， 后来发现是进入了这个陈昱的被窝 。
就是很多项目都跟你有很深的联系 。 比较 fairly 来讲 ， 大家应该公认的是 ， 你肯定是这个赛道里面投得最好的投资人， 至少是之一 。
然后我们来讲一下吧 ， 对吧 ？ 你好多项目都是第一轮 ，而且现在都非常成功的 。 有 Minimax 是你们是第一轮投的 ， 然后 PingCAP 是第一轮投的 。
PingCAP 是第二轮 。 对 ， 这是唯一一个我第二轮投的独角兽 。 对 ， 基本上都是第一轮 。
对 。 然后还有 Zilliz。
对 ， 第一轮 。
然后还有哪个 ？ 元绒起行 。
元绒起行 ， 晴朗 。 对 。
对 ， 元绒起行是自动驾驶赛道 ， 晴朗是机器人。
对 。 还有德丰工业互联网 。
对 。 所以这几个项目其实在每个阶段都是很有代表性的项目 ， 对吧 ？ 尤其是像 PingCAP 和现在当下的比较热门的 Minimax 这样的公司 。
对 。
在比较早期投的意义呢 ， 就是在当市场还没有那么关注的时候 ，其实你们就已经投到了 。 你要不给大家分享一下， 说这些项目你是怎么样在这么早期就看到 ，而且就决定要投的 ？
PingCAP5:48
我是觉得说 ， 当然说这里面很重要的一个原因就是 ， 我们并不是说来一个项目 ， 然后去马上去判断说这个项目该不该投 。
很多时候的话呢 ， 我们是先选择了一个赛道 ， 包括说像我们 16 年去看 PingCAP 的时候 ， 对吧 ？ 那实际上我们当时已经看 ABC 有一段时间了 。
我们其实留意到的一个趋势肯定是说 ， 第一个 ， 数据真的是在爆发性的一个增长 。 传统的这种数据站来说的话呢 ，是很难去处理这么大的一个规模的这个数据量 。
然后第二个 ， 我们也关注到说在美国的话呢 ， 开源成为了一个趋势 。 我是觉得说开源本身是没有国界的 。
那如果说美国有这个趋势的话 ， 那中国只要有同样优秀的一个开发者 ，他也能够达到同样的一个高度 。 所以说我当时其实就在想说 ， 那开源肯定会是我的一个投资版图里面的一块 。
对 。 所以能不能具体拆解一下当时投 PingCAP 的一个过程 ， 比如说是怎么找到这个项目的 ， 然后是怎么决策的 ，是看中了它的哪些优点等等 ？
当时是这样 ， 就是 PingCAP 在做 A 轮的时候呢 ， 实际上把市面上能聊的美元基金呢 ， 基本上都聊过了 。
结果相对比较惨淡一点点 。 但是呢 ，也非常机缘巧合 ， 另外一个美元基金呢 ， 看完以后呢 ， 觉得可能投资有点挑战 ，但他知道说我可能是这一行的专家 ， 然后他就把 BP pass 给我们基金 ， 然后上面前面也没有联系方式 。
但是呢 ， 我看到说上面的团队基本上都是豌豆夹出身的 ， 刚好是我在豌豆夹呢 ，也有好朋友在里面 。
那然后就通过豌豆夹的团队 ， 然后联系到了 PingCAP， 然后我就飞来北京 ， 然后和团队见面 。 我当时被 BP 所吸引的一个点 ， 就是他们做的东西 ，他们实际上是要做一个开源版的一个 Google Spanner，而这个东西呢 ， 刚好是说我在 Google 里面看见它这个项目是怎么样被提出来 ，并且说在 Google 内部做开发和推广的一个和我关系还挺密切的一个项目 。
所以说我就能够非常快速的判断这个项目的一个价值 。 但我也知道说这里面其实技术是非常有挑战的 ， 所以我要飞过来见他们的一个目的 ， 肯定是说确定说他们真的知道这是一件很难的事情 ，他们有野心 ，也有能力去挑战这么一件事情 。
对 。 然后第二个的话呢 ， 就像刚才说一样 ， 我滴滴的很重要的一点就是去看他们的代码 ， 去看他们文档 ， 从另外一个维度去确认说他们真的是能有机会能做到 ， 做出来 。
对 。 是 。 所以 ， 哎 ，但这里面你正好提了一个点 ， 就是现在 ， 包括现在的很多的开源的项目 ， 大家也会去想说 ， 哎 ， 如果 Google 自己做了怎么办 ， 或者那些大模型公司自己做怎么办 。
你刚才提到的 PingCAP 做的事情 ，其实 Google 之前是做过的 。 你怎么看这个大公司里面的人才跟创业公司之间的一个关系 ？
对 。 就是像 Google 自己做的话呢 ， 它天然有个问题 ， 哪怕是对外提供服务的话 ， 它只能在 Google 自己的平台 ， 比如说像 Google Cloud 上面去提供服务 。
这个就已经是把他们自己给限制住了 ，因为不是所有客户都是用公有云 ，不是所有人都会用 Google。 对 ， 对 ， 对 。
所以说大家打的点还是说三分钟立信 。
对 。 所以作为结论来讲 ， 就是 PingCAP 其实当时大家都看过 。
对 。
你不是胜在 sourcing 上， 胜在对这件事的理解跟你对技术的理解上 。 所以这个就是我们又回到我们刚才讲的 ， 就是它是 specialist 和 generalist 的一个 ， 对比来讲是一个优势了 。
对 ， 对 ， 对 。在我在判断的时候呢 ， 就会比其他人有个好处 ， 就是我真的是能够懂他的一个技术 。 很多人其实在看技术的时候呢 ，他可能没有感觉的是 ， 第一个 ，他是不是在一个正确的方向上面 。
然后第二个的话呢 ， 就是说他也没有能力判断说这东西能不能做出来 。 这个和投商业模式创新还不太一样 。
投商业模式创新 ， 大家 assume 说有个特别牛的创始人， 有个特别强的团队 ，他做啥都行 ， 大不了就转型 ， 对吧 ？
但在科技领域并不是这样的 。 科技领域因为相对来说比较专 ，也需要长时间的积累 ，不是说这个 skill set 的团队 ， 我能够很迅速的就能切换到另外一个赛道去 。
对 。 所以说在这个时候的话 ， 我们更加高优先级的就是他现在目前在做这个事情的价值 ，以及他有没有办法实现出来 。
所以你当时跟他聊完以后， 你聊完的感觉是这个人是个很强的人吗 ？
对 ， 非常有野心 ，而且非常笃定 ， 坚信自己能够把这事情给做出来 。
创始人标准10:41
你最看重创始人哪几个点 ？
野心在我的这个投资理念里面其实是个很重要的一块 。他只有有野心 ，他才能够去挑战一些非常难的事情 。
对 。 然后第二个的话呢 ， 我也非常看重他的一个创新性 。 我希望说我聊的时候呢 ， 你能够告诉我一些我不知道的事情 ，因为我平时也会建大量的项目 ， 做大量的阅读 ， 所以你要讲一些新的东西来说的话 ，其实并不是这么容易 。
但是你如果能做到的话呢 ， 我会肯定会给你加分 。 那第三个的话呢 ， 又回到我们也是要以人为本嘛 ， 对吧 ？
那还是得看说你人的 integrity，因为只有你这个人是有最基本的 ， 你的 integrity 是好的话 ， 你才能走得长远 。
所以当时有没有哪个点你现在还印象深刻 ？ 或者说说的哪个创新性的一句话 ？
他挑战分布式数据库这个东西 ， 就是一个特别让人 impressed 的 。
现在还是有很多项目在讲分布式数据库呀 。
对 。 现在是讲是大家看到 PingCAP 出来了 ， 就是大家都开始往这个方向做 。 然后你再仔细看的话呢 ，有多少人是从零开始构造一个数据库 ？
很多人都是基于现有的代码上面修修补补的 。 就比如说我把一个 MySQL 拿过来 ， 然后我把中间的一些引擎给替换掉 ， 然后这样就叫做一个分布式数据库 。
那很明显就是它不是个从零开始搭建的东西嘛 。
是 。 所以他确实是选了一个好的方向 ，而且这个方向呢 ，有难度 ， 然后他确实做出来 ，deliver 出来结果了 。
对 。
然后就后面就一路向上了 ， 对吧 ？
对 。
到最后一轮是最近的那轮是多少估值啊 ？
最近一轮是红杉和 GIC 投资的 30 亿美元的 。
你们投的时候呢 ？
我们投的时候 2500 万 。
美元 ？
美元 。
哦 ，是 。 大概是涨了六七年 ？
对 。 就如果说你把稀释算上， 可能七十倍 。
Zilliz12:37
再讲讲 Zilliz 吧 。Zilliz 其实最近也有很多发生 ， 然后因为向量数据库在整个大模型里面是非常重要的一个环节 。
但你们投的时候应该还没有这个概念是吧 ？
对 。 我们投的时候呢 ， 最早他和我讲述的故事呢 ，其实是说一个 GPU 加速的数据库 。
这是哪年的时候呀 ？
那是 17 年的时候 ，17 年夏天的时候 。
OK。 所以其实你也是沿着数据库这个方向来看 。
对 。 但其实我看中的东西呢 ，其实是它 GPU 加速的这一块 。 当年 GPU 在游戏里做渲染 ，在 AI 里面训练机器学习模型 ， 那这些都是大家比较熟悉的应用嘛 ， 对吧 ？
但我们觉得说显卡作为一个通用计算平台 ， 它其实应该还有其他应用 。 所以说它在计算上的加速呢 ， 我们其实是觉得是个蛮新 、 蛮有前景的一个东西 。
所以说当时其实是它的创新性打动了我 。
明白 。
19 年的话呢 ， 就是公司在做这个 GPU 加速数据库的时候呢 ， 就发现了另外一个机会 ， 就是向量数据库 。
就当时呢 ，其实像微软啊 、Facebook 啊 ， 它的研究部门都有些相关的一些论文 ， 还有底层代码释放出来 。 然后当时他在服务客户的时候发现说以图搜图 ， 那是一个很好的一个应用 。
你要支持以图搜图的话呢 ， 那其实就需要用到这个向量数据库 。 而且市面上没有人把向量数据库给产品化 ， 大家只是在学术圈内去讨论 。
所以他就想第一个出来 ， 就把这个东西给做产品化 。
OK。
然后因为有 PingCAP 作为前面的一个搒样 ， 所以他一 day one 就决定就去做开源 ，并且说制定了非常这个详细的一些规划 ， 包括说从个人上他去竞选这个开源基金会的一些主席 ， 然后说从指标上， 无论说是从 GitHub 的 stats， 还是说从这个客户的 adoption， 还有他们代码的性能 ，他们自己都做了详细的规划 ，并且一步一步的怎么去做 ， 去 deliver。
我觉得他这点还是做得蛮好的 。
但我们还是再回到你第一次见和投的时候 ， 听起来 GPU 加速这东西也不像是一个正常基金当时会很抢着需要投的一个事情 ，是不是 ？
对 。 这种东西其实对于绝大数投资人来说 ， 还是一个比较晦涩的概念 。 更别说大家会去想说 GPU 的价值在哪 。
对 。
所以当时你这个项目呢 ， 你是怎么找到的 ？ 然后是怎么去决策的 ？
找到这个过程呢 ， 通过这个 PingCAP 推荐的 。 对 。 所以说这个你和被投保持个良好的关系 ，其实也是个项目的重要来源了 。
投资决策的话呢 ， 那基本上就是我刚才说的一样 ， 它符合我刚才说的创新性这个准则 。 它真的是能够发现一个技术上非常有意思的点 ，而且这个点呢 ，其实在商业上是有可能 make sense 的 。
我说是有可能是 ， 还是需要整个市场去证明或证伪 。
但在那个点上 ，其实你也不会想到他现在定位成一个数据库的公司 ，也不会想到大模型这个事 。
那肯定啊 ， 这个是没有人能想象到的 。 就有点像说你做投资的时候 ， 你见到的是一个三岁的小孩 ， 对吧 ？
但是你说我能不能预想到他 50 岁长什么样子 ，其实不能 ，因为中间有太多不可控的因素在这里面了 。
然后 Zilliz 应该是全球前几名的向量数据库 。
对 ， 前二 。
那第一是 Pinecone。
这也不能说 Pinecone， 就是看你怎么维度上去切 。 你从这个 voice 上面的话呢 ， 那可能是 Pinecone 的 voice 会更大一点点 ，但是你从技术的领先性来说的话呢 ， 那 Zilliz 其实会更强一点点 ， 就各有所长吧 。
对 。
但像这样的领域 ， 你觉得未来会往哪个方向发展呢 ？
向量数据库如果说你想做出个原型出来 ，其实并不难 。 但是呢 ， 你如果说想做出性能出来呢 ， 还是有挑战的 。
所以未来呢 ， 就可能说 Zilliz 会专注于这种偏高端的一个领域 ，以这个极致的性价比作为一个切入点 ， 然后去打这个市场 。
对 。
但这个领域里面我一直有一个问题 ， 就是美国有一堆的向量数据库的 ，而且很多拿到钱了 ， 国内似乎就没有 。
这是为什么你觉得 ？
国内这其实大家也看得很清楚啊 。 第一个 ， 如果你的团队没有全球化能力的话 ， 那你的公司的想象空间其实是非常有限的 。
然后第二个的话 ， 你已经有个明显跑出来的一个领头羊 ，而且无论是估值上， 还有说产品的积累上面 ， 都是遥遥领先的 。
那这个时候你再去 bet 一个早期的初创公司 ， 什么都没有的时候 ， 得想得非常清楚了 。
这些我觉得都是很合理的 。 对 。 但为什么美国就愿意投这么多新的呢 ？
每个地方投资人有自己的想法嘛 ， 对吧 ？ 大家肯定是觉得说大模型下面向量数据库是标配嘛 ， 可能大家会觉得有很多的机会在 。
中国你没法做商业化 ， 没法做商业化的情况下面 ， 你不可能承载这么多企业 。
OK。 可能美国投资人他判断是说这个是一个能商业化的一个相对分散的市场 。
对 。
所以你是一个美国很好的团队 ， 你能占市场 ， 你能商业化 ， 然后最后可能会被收掉 ， 对吧 ？ 而且美国的退出机制 。
对 。
OK。 所以在中国做你所做的这个领域的投资 ，其实难度本来就是一个 hard 的模式 。
对 。 它就必须说你又能够有强技术 ， 然后又能够国际化 ， 这两个都能做到的确不容易 。
不容易 。 如果你在美国 ，是不是可能现在就投得更好 ？
不 ，在美国的话 ， 退出就简单很多 ，有无数 M&A 的机会 。 你只要技术足够好 ，有些价值 ， 就基本上就可以并购或者还有可以做大嘛 。
你可能就早就退休了已经 。
对 。 这个我觉得也是中国做投资一个比较挑战的地方吧 ，因为你只有做大一条路 。
对 。 我看美国很多投资人 ，他的那个 portfolio 里面写的都是后面被并购 、 被并购 、 被并购 。
对 。 美国是 70% 以上是被并购的 。 所以在中国的话 ， 并购的案例极其少 。
但未来会不会多起来 ？
目前没有改善的情况 。
OK。 那你觉得你现在投的这些项目 ， 未来的出路会是什么 ？
它只能做大 。 只有做大一条路 。
它也是一个有好有坏的事情 。
对 。
我觉得就跟有的公司拿融资是一样的 。 很多公司问我拿融资有什么好处 ？ 我说好处可能它在某个方面来讲 ， 就是逼着你一定要做大 。
你如果不拿融资 ，其实后面没有人去推着你走 。
对 。 但这对于 CEO 本身是个压力 。 你能不能够 handle 这么多的钱 ， 能够 handle 这么大的一个团队 ， 还有说到最后的话 ， 你需要有实际的商业的这个收入来去支撑你的估值 。
对 。 你这个让我想起了一个很重要的问题 。 开源跟所谓的软科技这一块 ， 很多时候创始人是技术向的 ， 对吧 ？
他自己可能就是技术最牛那个人。 那关于商业啊 、BD 啊和管理啊等等这些地方呢 ， 会不会就很容易是短板 ？
这没办法 。 就所有人都得去经过这么一个学习的阶段 ， 对吧 ？ 因为我们投的时候很多也就是 30 岁上下， 那这个时候他毕业出来工作 ，在社会上历练也不是特别多 。
就他没接触过 ，他有经验是不可能的事情 。 那这个时候的话 ， 就得看他自己学习能力 。
是 。 这一波大家投技术 ，其实有很多是去看教授 ， 或者说教授相关的这种 PhD 实验室的创业项目 。
对 。 但教授有个天然的问题 ， 就是说商业化本身并不一定是他们 agenda 里面最重要的一环 。 很多大教授的话 ，他去评个院士带来的好处 ， 还有名望 ，其实比做一个成功商业公司会来得更加大 。
对 。 所以说可能是大家其实还是会偏重于学术 。
是 。 所以你更愿意投的可能就是像刚才讲 30 岁上下 。
对 。
然后有自己技术能力比较强的这样的创业者 。
对 。 而且大数据也支撑这一点 。
然后你刚才其实讲的几个案例 ， 我觉得都符合两个重点 。 第一个重点是它是创新 。
对 。
第二个重点是可商业化落地 。
Minimax20:29
对 。
那最后我们讲回来 ， 讲到 Minimax。Minimax 你们什么时候投的 ？
我 Minimax 的话最早是 21 年 1 月份接触的 ， 然后当然说整个投资完成已经到了 21 年底了 。
但跟他们聊的时候 ， 你有关注到美国的那些 ， 比如 GPT 啊 、 什么 OpenAI 这些东西吗 ？
当然会关注到啦 。 像 NLP 领域其实我们一直都是有关注的 。 那其实说在我们 GPT-3.5 爆火之前 ，其实 GPT 实际上已经经历了三个版本 ， 我们一直都有跟进 ，但是一直呢 ， 没有说在这领域出手的一个原因 ， 就是说呢 ， 当时学术界和工业界 bet 是 BERT 那个方向 。
是 。
对 。 所以说呢 ，其实你去碰到创业者 ， 大家说的都是 BERT， 或者说是 BERT 的改进版 ，是没有人去提这个基于 Transformer 的大模型的 。
是 。
对 。 所以说我很高兴是在碰到 Minimax 团队的时候 ，他是真正第一个来去讨论大模型的一个人。
所以当时 Minimax 是你怎么找到的 ？
对 。Minimax 的话 ， 就是因为说他的联创 ， 当时在商汤其实是个战略办公室的负责人。
听起来一般不是投资人会喜欢的这么一个抬头 ，是不是 ？
没有 。他其实你就想 ，他就是我的直系的师妹 ， 然后都是非常强技术的 。 你要这么想 。
OK。
对 。 而且我们认识了很多年时间 。 对 。 当然他作为联创要放弃这么好的职位 ， 要出来创业的话 ， 那这必定来说他肯定是也是经过深思熟虑 ，他也觉得是大机会的 。
因为你想想 ，他自己就经历了商汤从早期到了百亿美元级的上市公司的这么一个全过程 ， 对吧 ？ 如果说他自己出来创业 ，不能做一家超越商汤的公司 ，他何必出来呢 ？
所以他当时其实也是看到了 OpenAI 等等这样的机会 ， 觉得这是个大机会 。
对 。 所以说其实他们出来的第一天 ，他们就有非常明确的信念 ， 就是说他们 eventually 肯定是要做得比商汤大 。
所以这个项目其实是因为你的私交 ， 本来就认识的 ， 然后 。
对 。 然后刚好说它也符合说我们刚才的一些画像 。
但我觉得创新绝对是创新 ，但是在那个节点讲一个大模型 ， 它具备商业化吗 ？ 具备可独立性吗 ？
我们在投项目的时候呢 ， 除了投一些明显是有商业化前景的东西 ，但是我们也需要有些想象力去投一些未来 。
就是它足够创新 ，以至于可以忽略一点商业化和落地 。
对 。 比如说它是如果说能够实现 eventually 实现通用人工智能的话 ， 那这个商业化是不可估量的 。其实就和现在大家去投可控核聚变是很像的 。
是 。
对 。 你可能五年十年内见不到商业化的可能性 ，但是突然间它真做出来以后， 那它的商业化就是巨大的 。
对 。 所以在 21 年年初的时候 ， 云启的办公室里面就发生过一场讨论 ， 大概就是到底有没有通用人工智能 ，有没有 AGI。
这个也没有 。 基本上没有在办公室里面讨论过这个问题 。
所以其实是你自己当时有一个天然交战 ， 说到底相不相信 AGI。
对 。
然后你的结论是你相信 。
对 。
OK。 然后那一轮估值也很高 。
这个东西呢 ， 我一直是有这么一个想法 ， 你不要去看它的绝对估值有多少 ， 你要看的是相对的估值 。
一般来说 ， 我愿意给的一个估值就是说它在长大以后， 成熟以后， 它的这个算上稀释以后， 你至少还有个 50 倍的空间 。
你现在对于这件事情 ， 我们不一定非要说 Minimax， 就是大概的 ， 就是说真的是大模型真的要做出来 ， 你觉得它是值多少钱 ？
我觉得都是数百亿美元的一个级别吧 。
OK。Minimax 最近比较热 ， 和当时上一轮吧 ， 算拿到钱 ，其实很重要一个点是它出了一个叫 Glow 的 APP 嘛 。 大家应该是看到 Glow 觉得说它是一个有前端应用 ，而且出了一个 。
其实还真不是 。Glow 只是一个他们 ToC 端的一个 showcase。
是 。
对 。 但是说 Glow 的一个成功 ， 从数据上来看的话 ， 的确也是超乎所有人想象的 。 对 。 但是大家看中的并不只是 Glow，因为 ToB 的应用会带来更大的一个商业化前景 。
当时其实 OpenAI 的一些收费方案什么东西 ，其实大家也看出来了 。 然后另外一个的话 ， 就是微软和 OpenAI 之间的投资协议 ，其实也是和他们能够赚的钱是强相关的 。
大概你也能够看到说 ， 基于就是我们叫做 MAAS 的一个商业模式的一个巨大前景 。
所以你觉得 Minimax 现在应该说是全行业前三 ， 对吧 ？ 应该可以这么讲 。
应该算是你说从哪个维度上 。
抛开大厂 ， 就是从拿融资创业公司 。
那从创业公司来说 ， 融资肯定是第一的 ， 现在 。
OK。
毫无疑问的第一 。
OK。 好的 。 所以你觉得它强在哪 ？ 就是做得早 ， 首先肯定是做得早的 。
对 。 到最后的话呢 ， 这实际上是一个算力 ， 就是有多少 GPU， 然后你就能够承载多少服务 ， 对吧 ？
然后我现在是一块钱的 GPU， 然后卖出三块钱的价值出来 。 所以说到最后的话 ， 就是一个卖算力的生意 ，但卖算力的前提就是说你有钱去拿到这么多算力 。
现在因为算力特别稀缺 ， 所以这里面的话 ， 融资能力是会特别特别关键 。 所以很容易就是投资人到最后看清楚了这点以后的话 ， 所有钱都会聚拢在头部 。
对 。 我觉得现在已经有这个趋势了 。 然后现在再出来的 ， 或者第二梯队 ， 就难度已经比当时要高很多了 。
就大很多了 。 对 。 对 。 早期如果说没有人拿到巨额融资之前的话呢 ， 那大家可能觉得还是可以去赌一匹黑马 ，但现在黑马是蛮难的 。
是 。 所以其实就是剩下的几家的一个战争 。 所以你当下最看好的大模型相关的方向是什么 ？
AI方向26:07
大模型的话 ，其实可以分成三层嘛 。 我从最下面的这个基础层或者模型层 。
是 。
也就这几家了 ，也不会说有新的出来 。
是 。
对 。 那然后就是中间层 ， 就是类似说像这种 LMOps 这些东西 ， 对吧 ？ 那这里面其实是让大家能够更容易地去使用这个大模型 。
但这个机会呢 ， 可能会在硅谷的机会会比在国内大 。 原因就是说呢 ， 第一个就中间层大家可能觉得有点薄 ， 然后第二个的话呢 ， 就是这可能是一个被并购的一个机会 。
所以说从这两方面看的话呢 ， 那可能在硅谷可能会更加容易投资一点点 。 对 。 然后再往上走的话呢 ， 就是应用 ， 对吧 ？
那应用的话呢 ，ToC 在中国由于众所周知的原因呢 ， 可能是相对是受到限制比较大 。 那我们集中讨论的都是 ToB 的应用 。
那 ToB 我们基本上我们就可以把它称之成起伏 2.0。 那起伏 2.0 呢 ， 就无非说在原来的企业服务场景里面 ， 你怎么利用大模型去提高这个生产力 ，并且说 deliver 更好的一个用户体验在这里 。
所以有没有哪一个具体方向是你现在比较关注的 ， 想要去 。
我们比较关注的呢 ， 肯定是说 ，因为原来也是一直是有 AI 在这里面嘛 。 为什么之前传统的 AI 在企业服务里面没有 take off， 对吧 ？
那我们现在要看的肯定还是个变量 。 就这一波大模型和以前的一些预训练模型 ， 这两个 generations 里面它的 delta 在哪 ？
比如说大模型有更好的 reasoning 的推理能力 ，有多语言能力 ，也有说代码能力 ， 那我们能不能围绕着这几个新的特性 ， 然后去看它的落地应用 。
这是很重要的事情 。
领先原因27:55
你觉得你跟其他的投资人具体的区别到底是什么 ？ 造就了说你投了这么多很好的项目 ， 或者说大家会公认你是 ABC 赛道里面投得最好的人之一 。
我觉得最大的区别还是说我还算是个 specialist 吧 。其实这里面也有个时代的原因 ， 这十年刚好就是整个软科技领域兴起的十年 。
然后你回到十年前我刚入行的时候 ， 你说市面上有多少人是同时具备有计算机的一个背景 ， 还有金融的背景 ， 对吧 ？
所以其实你是很难的一件事情 。 就这种符合背景在当年也是很稀缺的一点 。
是 。 给观众再简单介绍一下， 就是你本科是学的计算机 ， 研究生学计算机 。
对 。
然后 Chicago 的 MBA。
对 。 一路就这么根正苗红地上来吧 。
应该去做量化的背景 ， 可不可以这么讲 ？
其实也是这样的 。 因为我研究生毕业的时候呢 ，其实我收到的就是两类的 offer， 一个就是所谓的量化交易 。
对 。 当时我是可以去做高频交易的 。
是 。
那另外一边的话呢 ， 就是 Google。 那当时我还是非常向往 Google 这个创新的一个天堂 ， 所以说我后来还是去了 Google。
对 。 然后我以前的同学们现在还大多数活跃在这种量化领域 ， 像 Toolscom 啊 ， 像幻方啊 ， 像 Millennium 啊这种地方 。
对 。
所以你说你觉得你跟其他人区别还是你的符合背景跟那个 timing 最相关 。 其他的还有吗 ？ 如果非要你从自身找一点原因 ， 画一下自己 。
这里面的话 ， 我觉得还是说我是多多少少是有点理想主义 ， 理想情怀在的吧 。 对 。
但这个我觉得大家学不到 。
对 。 这个为什么一定是要学到呢 ？ 因为每个人本身就是一个独特的人 ，他的一个生活成长就是都是不一样的 。
然后这就造就了说你为什么是你现在这样的人。
是 。 所以你的 belief 或者你的价值观是什么 ？ 就是你什么东西是你坚信的 ？
因为我坚信的一件事情肯定还是说到最后的话呢 ， 我就是想去投资一些能够用科技去改变大家生活的一些事 。
对 。 这也是我当年 MBA essay 写的东西 。
我们上次在办公室聊了差不多快一个小时 ，因为陈昱那边要开会 ， 所以我们现在在线上再把上次没聊到的一些问题再聊一下 。
在你看来 ， 大模型这件事的涌现应该算你 21 年投 Minimax 的那个时候 ， 还是今年 ？
我投资的时候 ，其实 21 年的时候我们只能说是看到了一个希望 ， 通往通用人工智能的希望 ， 一个火苗 。
但是没想到它的影响力会这么大 。 所以说当 22 年 ChatGPT 出来的时候 ， 那影响力其实是超乎所有人想象的 。
到了 23 年， 一下子春节过后就整个市场就被引爆了 。
对 。 我们聊起来其实绝大多数人可能会讲说是 23 年以后， 包括我们自己啊 ，是 23 年以后才看到这个东西 ， 才开始去研究去投去看 。
很少数人是 22 年下半年， 对吧 ？ 他们看到了一些东西开始出来看 。 但你是 21 年初的时候 ， 就相当早了 。
你觉得原因是什么呢 ？ 因为也不能讲说大家没有关注外网的新闻 ， 对吧 ？ 其实大家平时也都有看一些 。
这又回到说我刚才说我去选人选项目的一个准则嘛 ， 对吧 ？ 那回到 21 年的话 ， 我能够明显感受出他的野心 ，他想去征服通用人工智能的难题 。
那还有另外一个的话 ， 就是创新性 。 当时聊了很多机器学习 AI 相关的项目 ， 大家讲的都还是说基于 BERT 或 BERT 的变种做东西 ， 做应用 。
只有他是和我去聊大模型 、 基础模型的事情 。 这个时候就其实会让投资人眼前一亮 。
新方向31:51
至少在这件事情上， 我觉得你领先了市场大概两年的时间 ， 对吧 ？ 那 21 年如果是 Minimax 是大模型 ，22 年对你来说看到的大的创新是什么 ？
其实 22 年还真是个小年， 绝大多数大家都是困在家里 ， 对吧 ？ 包括创业者其实也是没办法出来去做正常的融资和业务的 。
但我们 22 年也在赌一样东西 ，其实就是建筑机器人。 但这个可能也是需要比较长的一件时间才能够去展现出它到底能不能成 。
但是方向是对的 ，因为中国 7% 的劳动力是建筑业 ，也明显面临着老龄化 、 少子化的问题 。 所以大方向是对的 。
但是整个行业能不能起来 ，其实受到其他宏观因素的影响 。
OK。 那 23 年呢 ？ 截止到目前为止 ，有没有什么在看的新的行业啊 、 方向啊等等 ？
23 年的话 ， 我们主要当然说看几个方向了 。 一个是大模型投了以后呢 ， 那很自然的延展肯定是去看大模型的应用 ， 还有说这种中间层 ， 就包括像类似说 LLM Ops 和 Prompt Engineering 这种东西 。
对 。 另一方面的话呢 ， 就一个比较有趣的是具身智能 。 那为什么看具身智能呢 ？ 就是大模型本身还是一个数字世界的东西 ， 你怎么把数字世界延展到物理世界上面 。
那机器人就是一个很好的一个载体 。
具身智能我们最近也聊了些人 ，但我感觉它是不是所处的阶段 ， 甚至于比 21 年的大模型还要更早一点啊 ？
好像越懂这个领域的人， 越觉得这个事起码还得个三五年， 甚至更久的时间才能真正落地 。
对 。 肯定是更早一点点了 。 那更早的原因是说你像大模型也好 ， 自动驾驶也好 ， 对吧 ？ 它出来的时候呢 ， 这些东西能做到什么样的程度 ， 然后有什么样的商业模式 ， 大家是会比较清晰的 。
但是说像通用机器人的话呢 ， 面临着技术和商业化两个问题 。 那技术的问题 ， 包括说机械臂的灵巧手的这个形态 ， 技术能做成怎么样呢 ？
大家其实是没有一个定论的 。 现在很多人出来做都是纯 AI 背景的 ，但是它实际上是没有一个好的机械手去辅助它去和 AI 结合起来 。
另一个比较大的一个问题就是 ， 你通用的操作灵巧手做了出来以后的话 ， 那你应用在什么样的地方呢 ？
什么样的任务适合用这种通用机器人去做 ？ 成本到底能不能够降下来 ？
对 。 首先我想问 ， 你觉得今年是投具身智能的好的 timing 吗 ？
就看你的时间维度放到有多长 。 这种适合比较长线的基金 ， 你至少能要放到 8 年、10 年以上 。
OK。 但有可能你投完以后要接受它两三年， 甚至更久的时间 ， 做不出来太多的实际的东西 ，是吧 ？
对 。 而且这种东西你就得是投比较多的钱进去 。 因为我是不知道说它是需要多少年做出来 ，而且未来的资本市场会怎么样 ，不确定性是蛮大的 。
所以你觉得 AGI 这个事你相信吗 ？
我相信 。 但是呢 ， 我不知道说大模型是不是 AGI 的最终解决方案 。 有点像哥德巴赫猜想一样 ， 你用 Cypher 最后能够做到 ， 比如说 1+2， 对吧 ？
但你永远做不到 1+1。 这是有可能的 。 你可以做个无限接近 。
日本市场35:10
OK。 前段时间你好像去日本也转了一圈吧 ，是吧 ？ 跟随巴菲特的步伐 。 你看起来感受如何 ？
日本的经济呢 ， 现在就是属于一种扩张的态势 。 而且呢 ， 你知道日本过去 30 年因为泡沫的破裂 ， 日本一直是处于一种通缩和零利率 ， 甚至负利率的一个状态 。
但现在呢 ， 慢慢的就走出来了 。 大家能够肉眼可见的肯定是说利率在慢慢的上升 ， 日本的股市也是连创新高 。
你如果到日本的街头上去走的话 ， 你会发现说会多了很多很多外国人在街头上 。 而且说到节假日的话 ， 你像餐馆啊 、 像商场啊 ， 都是人满为患 ， 无一不透射出说日本的经济的活力 。
所以你就在想说 ， 日本如果说有个 30 年的下降周期 ， 如果一旦它是一个 turn around， 重新进入一个上行周期的话 ， 那肯定不会是两年、 三年， 而且是这个十年更长的一个时间 。
所以说未来的十年其实日本是可期的这个经济 。
但它当下的这个 turn around 更多的是因为它的内因改变呢 ， 还是因为很多流动性的资本 ， 比如说从中国啊等等国家跑到了日本去 ？
我觉得说肯定是先是它自己改变了它自己的财政政策 ， 然后资本觉得有利可图 ， 才会把资金去导入日本 。
但日本的 EG 市场呢 ， 你觉得有机会吗 ？ 好像很少有听过说之前日本 EG 市场的一些很明星投资案例啊 ， 或者很多公司在日本能把这事做得很好的 。
EG 市场的话呢 ， 日本的本土的 VC 其实都是在偷偷的赚钱啊 ， 跟我们之前不太了解一样 。其实日本 EG 市场是这样的 ， 它是一个早期为主的市场 ， 日本有大概有 150 到 200 家活跃的早期机构和 CVC， 就构建了 VC 的一个生态 。
对 。 那为什么它是以早期为主呢 ？ 原因也是说日本的创业板叫 Mothersboard， 它的上市门槛相对是比较低的 。
你只要有 5000 万美元以上的 market cap， 那基本上就能上市 。 上市以后呢 ， 流动性和估值也还不错 。 所以说呢 ， 很多企业融到 C 轮 ， 那可能小几亿美元估值的话 ， 它就去上了 。
所以为什么就是说成长期投资在日本就相对缺乏 。 但是这个情况也在慢慢的在改变 。 像一些 DST 啊 、 像腾讯啊 、 红杉啊这些也在慢慢的布局日本市场 。
我相信说日本的创业投资会越来越成熟 。
对 。 理论来说 ， 日本是人口比较大 ， 密集度又高 ， 互联网相对也是比较发达 ，是吧 ？ 那应该是里面能出来一些机会的 。
对 。 这里面会出来一些机会 。 但是日本因为某些原因 ，其实说它的一个商业模式也好 ， 或者说 Mobile Internet 那些 apps 也好 ，其实做得并没有特别好 。
你去看说日本的大众点评或携程的对标 ， 感觉就是还停留在十年前 。 所以说它其实需要海外去引入一些崭新的商业模式 ， 还有对于这种软件产品的一些设计理念 。
但是呢 ， 日本其实是个蛮好的市场的 。 它的付费能力非常高 ， 意愿也强 ，而且它的退出也是相对是比较好的 。
是 。 好像 TikTok 啊 、 原神啊等等 ，在日本发展的还是可以的 。
嗯 。 对 。 现在其实大厂也在逐渐的去看到 ， 发现日本这个市场 。 但是呢 ， 只是说靠中国团队去日本市场落地呢 ， 相对还是比较困难的 。
因为你真的不了解当地的文化是怎么样的 。 所以说阿里曾经想在日本去推广像 Alipay 啊 ， 或者说像 Alicloud 这样的东西 ，但是因为说没有找到合适的人去操盘 ， 最后的话软银还是觉得自己做 。
所以为什么才有今天的 PayPay。
嗯 。 所以你后面真的会去日本去投一些项目吗 ？ 你觉得 ？
我觉得投不投项目这是另说 ，但是这个市场得关注起来 。 对 。 我们也在密切关注说那些在日本生活多年的一些华人 ，在当地的一些创业 。
现在这创业群体还不是很大 ，但是我相信说未来会越来越多创业者 。
嗯 。 明白 。 然后我们回头再讲一下对于创始人的判断这个点啊 。 就是其实你提到一个点说创始人你最看重的是野心嘛 。
我就在想说 ， 我们也看到很多创始人是很有野心的 ，但这些野心会不会改变他的一些动作 ， 或者让他在某些方面变得不可控 ， 或者没有一个持久的耐力 ？
我不知道你怎么看这个问题 。
我觉得这里面的野心和大家定义可能还是不太一样 。 这里面野心更多的是说他有能力 、 有意愿的去挑战非常非常难的问题的一个心理状态 ，而不是说是做这种无序的扩张 。
这个和商业模式时代还真不太一样 。
是 。 哎 ， 你觉得你自己是有野心的人吗 ？
我相信说每一个成功的 VC 投资人都是有野心的 。他都是想做出一些事情 ， 完成一些目标 ，他才能够投得好 。
我整体的感觉呢 ，是你在看项目跟判断项目以及判断人上 ，其于我们之前聊的 ，其实都是基于一些很简单的维度跟标准 。
这个事你觉得确实对你自己来讲是个简单的事情吗 ？ 还是怎么样 ？
我觉得这算是个事情 ，但是否简单呢 ，其实就很难说了 。 因为我其实是用我自己的模型去判断 。 那这个模型训练出来以后呢 ， 当然说质量比较高 ， 它可能判断的准确度就相对比较高 。
嗯 。 但你有没有一些纠结啊 ， 或者比如说你判断失误啊 ， 这样的案例能跟大家分享 ？
啊 ， 首先就是说做投资一定不能纠结 。 你一定得非常有决断力 。 行就行 ，不行就不行 ， 就得杀伐果断 。
你一旦纠结的话呢 ， 那我觉得可能会出问题 。 因为你自己没有想清楚为什么要投 。 你其实说大家写这么多材料 ， 更多的都是去佐证你脑海里的那一二三 ， 三个长板 、 三个短板和风险而已 。
嗯 。 是 。 所以你其实是不会纠结的 。
不会纠结 。 因为我在投每个项目时候 ， 我肯定也会想清楚 ，而且说我愿意去承担这个风险 。 因为没有人能够保证说你投项目一定是能够 100% 的命中， 甚至说 30% 的命中率已经是很高的了 。
早期天使投资来说的话 ，因为你想想 ， 你有点像三岁看老 ， 那其实就和算命是很类似的 。
成功公式41:26
嗯 。 我们一上来其实有谈到说你投了六个独角兽 ， 对吧 ？ 而且基本上是第一轮投的 。 我好奇你会把成绩更多的归功于比如说你的技术背景 ， 还是你判断事情的能力 ， 还是判断人的能力 ， 甚至于说是运气 ， 还是 sourcing 能力等等 ？
啊 ， 我觉得呢 ， 这里面呢 ， 都还是说有很大的运气成分在的 。 我们经常就开玩笑说是 98% 的运气加上 2% 的努力 ，但这 2% 的努力是包含了你刚才说的很多项目 ， 包括 sourcing， 还有说判断上面 。
嗯哼 。 所以你真的觉得说你 98% 是靠运气吗 ？
你想想为什么我们公司叫云启 ， 云启就是运气的谐音嘛 ， 对吧 ？ 这本身就带来好运气 。
OK。 明白 。 行 。 那感谢 。 那我们就这样 。
好 。 谢谢曲凯时间 。
嗯 。 好 。
好 。 拜拜 。
好 。 拜拜 。
曲凯看陈昱42:17
叮咚 。 下面是换外音环节 。
Hello， 大家好 。 我是这档节目的制作人 Celia。 前些天我们见陈昱老师 ，Celia 老师开头第一句话就是 ：" 我今天来挖掘一下你的内心 。"
哎 ，但我们最终也没有成功 。 所以这一期换外音是一期复盘 ，以及曲凯和陈昱是近十年的老朋友了 ， 所以我们决定请曲老师从他的视角把很多问题再重新回答一下 。
哎 ， 我在一旁听下来的感觉是 ， 陈昱老师很多问题都有点避重就轻 ， 似乎直接躲过去了 。 你觉得他对自己的自我认知就是这样的吗 ？
对 。 我觉得也不叫躲过去 ， 就是他很真实的表现了他真实的反馈 。 对 。他线下聊其实也是这样的 。
呃 ， 我其实挺理解他的 ，因为有的时候我觉得我跟他是类似的 。 我觉得第一个点呢 ，是他把很多认知跟方法论融合到自己的那套东西里面去了 。
这些东西变成了他自然而然的一个反应 。 就是你跟他说一件事情 ，他会很自然的输出一个结果 。 这个结果的过程对他来讲就是很简单直接的 。
啊 ， 我觉得我有的时候也是会这样 。 就他不是一个复杂的推理的过程 ，因为已经把自己的一套方法论跟价值观建立得很完善 。
我觉得这个是一个点 。 另一个点就是 ， 确实有的时候聪明的人， 你可以说不愿意 ，也可以说不擅长做很多非常情感化的表达 ， 或者说给你解释很多背后他的所思所想 。
这个东西我觉得可能有时候需要一个女生或一个人生伴侣来打开他的内心世界才可以 。 对 。 这个我是做不到的 。
我尽力了 。 嗯 。
啊 ， 你这个答案对我很有启发 。 就是很多东西对我们来说是一个复杂的过程 ，但对他来讲已经内化成了一种直觉 。
然后这种直觉简单到他不需要再被深入的反思 。
对 。 所以我说我挺理解他的 。 就我之前也去其他地方做过播客嘛 ，有的时候我听到那个问题 ，也会觉得这个东西其实是一个相对很简单直接的一个答案 。
我当然可以把它展开讲很细 ，但有的时候我就觉得确实没有必要 。
嗯 。 但我觉得整体陈昱老师还是很谦虚 。他把他的成功 98% 都归结于运气 。 以你对他的了解啊 ， 你感觉他成功的公式是什么 ？
对 。 这个点我确实没有想到 。在我印象当中 ，他不是一个这么谦虚的人。 哈哈哈 。 对 。他不应该把 98% 归功于运气 。
我也不觉得他的 98% 是运气 。 啊 ， 就是我们之所以找他来录这一期播客 ， 我确实是觉得 ，而且我觉得市场也是相对公认的 ，他是在这个领域投的最好的人之一 。他的成绩 ，他所投资的公司的表现也佐证了这一点 。
我们先说运气这个东西 ， 我觉得运气这个东西肯定是很重要的 。 啊 ，但它本质是一个概率的问题 。
就当你每件事情都自己比自己想得很清楚 ， 尽到自己所有的努力的时候 ， 运气来到了你就能抓住 。 但当你每件事情都没有准备好 ， 你都觉得说哎 ， 这个东西是运气决定的时候 ， 那运气来了你也抓不住 。
所以我觉得是这个区别 。 就最终的结果可能是说因为运气好 ， 比如说他 21 年初正好投到了 Minimax， 我觉得在那个节点 ，他肯定也不会想到说今天大模型会这么火 ， 或者说 Minimax 会发展到当下这么有代表性的一个 case。
嗯 。 但是当时他肯定也做了很多准备 ， 然后也研究了很多这个领域 ， 最后做出了这个投资 。 对 。
当你每一个决策 、 每一件事情都想得很清楚 ， 那最终这件事情才可以交给运气 。
你刚刚说当你每个项目都能想得很清楚 ，但是我还是在想 ， 就是你真的能想清楚吗 ？ 陈昱老师说他投项目不会纠结 ， 你觉得他真的不纠结吗 ？
嗯 。 我觉得以我对他的了解 ，他确实不是会特别纠结 。 啊 ， 就是想清楚不代表说这个项目一定能成 ， 叫想清楚 。
我觉得包括我们在做 FA 的时候 ， 项目的时候也是 ， 我也会跟大家讲 ， 我想清楚是指我觉得这个项目如果能成 ， 它成在哪 ， 如果不成 ， 它会不成在哪 。
或者说我在接的时候 ， 可能就知道说这个项目成的概率是多少 。 啊 ， 所以我觉得这个是想清楚 。
然后只要最终不会偏离这个差 ， 就 OK。 比如说一个项目如果是很早期 ， 然后它故事很大 ， 那我在做这个投资决策的时候 ， 就会觉得它是一个风险很高 ，但是回报也可能很高的东西 。
那这样的话 ， 它最后如果这个项目死掉了 ， 我也不会觉得怎么样 。 但如果这个项目最后成了 ，但是是小成 ， 那也许我会去反思自己的逻辑 。
哎 ， 为什么是这样的 ？ 就是你想清楚了这个决策它背后代表着什么 ， 它最后可能的风险和回报是一个什么样的比例关系 。
这个我觉得是想清楚 。
嗯 。 明白 。 那如果抛开成不成功这个标准 ， 就是从一个更纯粹的角度讲 ， 你觉得陈昱老师是一个什么样的人啊 ？
我觉得他在我眼中就是个很典型的很聪明的人。 然后他的成长背景也是 ，他其实是很早年学 CS， 然后去了美国 google， 然后呢 ， 又参与到创业公司做 CTO。
呃 ， 中间还去芝加哥读了 MBA， 然后又转移市场投资 。 我觉得整个的这一个背景都是很典型的在上个时代的聪明人做的决定 。
对吧 ？
聪明的感觉47:34
但你是怎么理解聪明这个事的呢 ？ 就是我觉得聪明还是一个很 ， 怎么讲 ， 一个比较 general 的词 。 就是我觉得一级市场大部分人都很聪明 ， 尤其几乎是所有的 VC 合伙人都很聪明 。
哎 ， 我倒不太这么觉得 。 嗯 。 就是你说大多数人都很聪明的时候 ， 我是不这么觉得的 。 对 。
我觉得聪明的人还是偏少数的 。 嗯 。 就他 ， 我可以理性的 、 客观的去分析什么叫聪明 。 比如说我们思沙章今的 slogan 就是思考事物本质 。
啊 ， 那我觉得你怎么样能够用最短的时间去抓到一个事物的本质 ，其实有点像第一因性原理的感觉啦 。
这个其实是挺难的事情 。 另外呢 ， 就是你能够举一反三 ， 能够有比较强的跳跃思考的能力 ， 我觉得这个也是聪明的一个表现 。
还有很多啦 ， 这种类似聪明的表现 。 就我觉得这个都是比较客观理性层面上的分析 。 但真正感性上的感觉就是 ， 当你跟一个人坐在一起聊几分钟 ， 或者最多我觉得半个小时 、 一小时， 你大概能有一个感性的判断 。
哎 ， 这个人是不是聪明 ？ 比如说你跟他讲的话 ，他是不是能真的理解你的意思 ？ 你跟他的沟通的摩擦成本是不是很低 ？
等等。 就是比如说聪明人坐在一起 ， 大家去讨论第三个人 、 第四个人的时候 ，其实大家也能够很快的达到一个共识的判断 ， 说哎 ， 这个人是不是一个聪明人。
嗯 。 但是我在思考聪明的时候 ， 我还是会把它拆分来看 。 因为不同种的聪明对我来说非常不同 。
就是你像心理学的智商研究中， 一般会把 intelligence 分成晶体智力和流体智力 。 然后流体智力它可能更多的就是指你天生的记忆能力 、 反应能力 、 逻辑能力等等这种以生理为基础的认知能力 。
然后晶体智力是你以后天经验为基础的认知能力 。 它可能更偏向于智慧这个层次 ，也就是你知识 、 经验 、 经历 、 技能的累积 。
然后我不知道你在判断一个人聪明的时候 ， 你会按这种类似先天后天的维度拆分来看吗 ？
确实 。 我觉得可以分维度 。 但就至少我自己啊 ， 我觉得我会分成比如这个人是不是 street smart， 就是街头的 ， 甚至有点狡猾的那种聪明 。
就典型的场景是在一个美国的 ， 比如黑人街区长大的那种小孩 ， 然后他可以在街区上玩的很转 。 然后再有呢 ， 就是就国内讲的小聪明 。
啊 ，其实有小聪明的人很多 。 比如说一个典型的场景是 ， 我如果跟一个人聊天聊一个小时， 发现他能讲很多东西 ， 反应也很快 ，但是最终你会发现他讲的所有东西好像都是从别人那听来的 ， 都是市场上大家共识的一些点 。
只不过他能够把这些东西很融会贯通的变成自己的东西讲出来 。 那我觉得这种其实是有点小聪明的感觉 。
再往上应该就是聪明 。 啊 ， 就是他真的是一个挺聪明的人， 然后他能够有自己的思考 。 但最高级的我觉得不是 smart，是 wise， 甚至于说是有点大智若愚的感觉 。
就他不会去讲很多复杂的东西 ，他会有自己的一套方法论 ，有自己的一套坚持 ，有自己的一套判断跟处理事物的逻辑 。
我觉得这种是比较高级的 。 而且越聪明的人反而有可能他的话越少 ， 或者他用最少的语言来做最精炼的表达 。
比如说再有一个典型的场景 ， 就是如果大家炒股的话 ， 可能有的时候说你会跟一个人去讨论一个股票 ， 然后呢 ， 这个股票如果说是聪明的人 ，他会给你讲很多东西 。
对吧 ？ 这个股票好在哪 ，不好在哪 ， 前几年的业绩怎么样等等。 但是特别 wise 的人 ，他可能就讲一个大逻辑 。他就是说未来几年某一个核心的驱动是什么 ， 然后这家公司呢 ， 它正好某个点是踩中了什么什么点 ， 所以说这个公司一定是 OK 的 。
啊 ， 就他会屏蔽掉很多噪音 ， 然后抓到那个本质 。
哦 。 就是聪明的人可以看到很多要点 ，但是智慧的人会站得再高一点 ， 看到这些要点里面最重要的那个点或者是那一条线是什么 。
对 。 但这个也我只能尽量的去解释 ， 最终还是看感觉 。
嗯 。 如果时间倒回到 14 年， 你们刚刚一起加入云启的时候 ， 那个时候你对陈昱老师的印象是什么 ？
和现在有什么不同吗 ？
他其实当时就是这样 。 对 。 我觉得他这么多年没什么太大变化 ， 除了最近瘦了很多 。 啊 ， 我怀疑他是要谈恋爱了 。
我当时其实就是感觉就是很聪明 ， 然后会抓重点 。 而且他是一个不发朋友圈的人， 我觉得这点也很妙 。他的搜索方式跟典型的一级市场的人的搜索方式也是不一样的 。
我觉得这跟他的产业背景 、 他的技术背景可能也有关系 。 但他又不是一个特别技术感觉的人。 嗯 。他聊起来其实还是蛮 ，也许是跟他的 MBA 的教育什么的是相关的 。
嗯 。 然后那个时候我觉得他就是一个不是那么近人情 ，但也不是说他冷酷无情 。 但就像如果你听完前面的所有的我们的问答 ， 你会发现他自己的视角是保持一个距离的 ， 然后去做出一个比较简单直接的判断 。
啊 ， 我觉得当年也是这种感觉 。
啊 。 我很理解你刚刚说的这种感觉是什么 。 嗯 。 对 。 对 。他会有这样一种微妙的感觉 。
对 。 其实英文单词应该是那个 empathy 那种感觉 。 嗯 。 就是你挺难觉得说哎 ，他完全对你打开了心扉 ，是以你的一个好哥们那种去聊 。
但是同时其实他聊的又是很真诚的 ，他也是很真实的在讲他的想法的 。 嗯 。 所以我说我有时候也会这样 。
对 。 我觉得我还挺理解他的 。 嗯 。
所以你觉得这跟聪明是有因果关系的吗 ？
我觉得是有关系的 。 啊 ，因为你把一个事情想得很清楚以后， 它就不会带很多乱七八糟的情感上的因素 。
嗯 。 那我们最后再 recap 一下， 和陈昱老师聊完有什么启发 ，有什么整体感受 ？
我觉得我很努力的在问了 。 啊 ， 我一般不是一个很高频的提问者 。 对 。 但跟陈昱聊我很努力在问了 。
然后希望大家这期播客里面还是有些收获 。 对 。 大概是这样 。
哈哈哈 。 好的 。 好的 。 那我们就下次再见 。
好 。 嗯 。 拜拜 。
拜拜
。