在之前的文章里我提到，在人工智能时代，新一代最好的风险投资人，会是 “创造者或者创始人” ，尤其是那些兼具极强的技术研究能力与商业嗅觉，同时有着很好的品味和人文精神的人。

这些看似不同的方面一定是有机的整体，在主观意愿下努力生长出来。

我认为其中两位当下最好的 “创业者+风险投资人” 代表，一位是在英国伦敦的 Harry Stebbings, 他运营着自己成功的科技媒体公司和同名的风险投资基金 20VC （ 以后我会写一篇有关 Harry Stebbings 的文章 ）。

另一位新生代代表，就是 Daniel Gross，在三年前开始关注他和搭档 Nat Friedman ( 前Github CEO ) 共同创立的 AI Grant 以来，也是见证他以非常快的速度成长为硅谷最酷也最优秀的风险投资人之一，并且做到了同时创立了一家顶尖的科技公司 Safe Superintelligence 成为了创业者。

前文阅读：丹尼尔·格罗斯的20亿美金和 SSI：创造另一个萨姆·奥特曼和 OpenAI

Daniel Gross 是一位同时兼具 “深度和广度” 的专业人士，这两点在他的观念里并不矛盾，而且他认为这是在人工智能时代想出众而必须要做到的。

我非常同意这一点，成为具有通识能力的专业人士，做好创业和投资也是我的目标。

除了 Daniel Gross 和 Harry Stebbings, 他们共同的偶像 Peter Thiel 可能是硅谷的上一代天花板 （ 同时创立了科技公司 Palantir 和风险投资基金 Founders Fund )，也启发了很多后来的人。

今天分享的这篇文章来自另一位我认为经历很独特的风险投资人 Molly Mielke，她是 UCLA 电影媒体专业出身，在 Figma 做过设计师，也是一位优秀的创作者（ 帮助 Stripe Press 撰写文章 ），同时非常喜欢科技和风险投资，中间经历了很多自身努力和机缘巧合，以及大胆的决心，最终成立了自己的种子投资基金 Moth Fund ( mothfund.com )。

她做投资的长远目标是找到 “如何生活得更好” 这个答案 。非常推荐她的个人博客（ molly.info ）和基金网站上的这个博客/播客系列，里面的内容很有营养。

这篇文章是 Molly Mielke 采访 Daniel Gross 的对谈，里面凝结了很多 Daniel Gross 作为一位工程师，创业者和风险投资人的经验和反思。

“一切胜利的秘诀在于组织不明显的事物” — Marcus Aurelius

丹尼尔-格罗斯, 天使投资人和企业家

专业知识的深度与广度、选择市场以及我们在人工智能方面的现状

Daniel Gross: Angel Investor & Entrepreneur

Depth vs. breadth of expertise, picking markets, and where we're at with AI

写作日期：2023年6月21日

采访人 Molly Mielke

前言：

Molly Mielke：我与朋友们交谈并决定录制这些对话！有些人称这种形式为 “播客”，而我将我的节目命名为《Moth Minds》，主题是 “与高自主能动性的人物的访谈” 。

即将上线的访谈嘉宾包括：Browser Company 的 Josh Miller，Stripe 的 Claire Hughes Johnson，Notion 的 Akshay Kothari，以及 Universe 的 Joseph Cohen。

这篇文章里聊到的要点：

评估公司时要问的问题：一个研究想法是否合理，能否转化为优质产品？这个人是否具备成为良好领导者的能力，能否招募到顶尖人才？市场结构是否支持公司捕获其创造的价值？

投资自己的资金并建立创始人认可的能力，是获得风险投资大规模回报的最佳途径。

在一个你深谙的低迷市场中建立公司是降低创业成本的最简单方式，使其更像是投资者的角色。

最少被理解但最有价值的护城河是品牌— 成为第一个创造与某种技术产生新型互动的公司。

与人工智能市场在加速的主流共识相反，目前我们正经历 AI 发展的停滞，体现在自 GPT-3 推出以后，都是渐进性进展，OpenAI 也没有在训练 GPT-5。

MM: 大家好。今天我请到了丹尼尔·格罗斯（ Daniel Gross ），一位多产的天使投资人和创业企业家。丹尼尔曾共同创办了 Cue，这是一款被苹果收购的搜索引擎。

随后，他在苹果管理了四年的 AI 和搜索项目，同时担任 Y Combinator 的合伙人，并创立了定量创业加速器 Pioneer——与此同时，他还在早期投资了 Figma、Uber 和Rippling 等标志性创业公司。

我们的对话涵盖了丹尼尔对专业知识深度与广度的看法、对市场与创始人的评估，以及他对 AI 市场机会的思考。希望你们喜欢。

从左至右：Rishi Narang, Daniel Gross, Laura Deming

MM: 你好，丹尼尔，欢迎来到我的播客。

DG: 非常感谢你邀请我。

MM: 作为开场，我的第一个问题是，你现在的 “登月计划” 是什么？

DG: 首先，谢谢你让我参加这个节目。我出生在以色列的耶路撒冷，那里并不是大家所说的以色列的酷城市。那不是特拉维夫，就像你告诉别人你来自日本的京都，而不是东京一样。我来自世界上一个相对不为人知的角落。

几乎一无所有地来到美国，我想我来到美国时只有我 “犹太男子的成年礼” 的储蓄，其他什么都没有。然后我来到加利福尼亚，创办了一家公司，这家公司被苹果收购，而我在苹果时年纪还很轻。

当我 18 岁搬到美国时，23 岁就在苹果负责一系列机器学习项目，现在 31 岁了。这无疑是我非常成功的一段旅程，我认为没有美国的活力和硅谷体系的支持，我是不可能做到这一点的。

我有机会参与的这个系统很不错，因为我们拥有最接近于 “唯才是用与功绩制度” 的东西，因为风险投资家在这个行业内是在“错过的错误” 上受到严厉惩罚，也就是说，他们会因为错过合适的公司而受到惩罚，而不是因为投资决策失误。

因此，每个人都非常渴望支持那些看起来优秀的项目。此外，这个系统的好处在于，没有人是出于慈善目的在做这件事。人们这样做是因为他们希望获得回报，这意味着你可以吸引到最优秀的人才来专注于这件事。

总之，对我个人来说，进行风险投资的确对我作为一位创始人来说是成功的，而我显然希望现在能让风险投资对其他人也成功，无论是作为投资者还是纯粹为了获得财务回报，同时我也非常希望能改变人们的生活，让它变得更好。

所以这就是我模糊的 “登月计划”。我没有什么火星计划之类的，虽然我可以对人工智能等话题一直喋喋不休，但在这一切背后，我并没有完全成功。

我依然有失眠的夜晚，有许多事情需要处理，但相比刚开始时，我的处境确实好多了，而我从中获得的快乐就是能将这种成功回馈给其他人。这就是我现在生活的状态。

我想未来可能会再创办一家公司，也也可能不会。但现在，我享受的是发现和资助能够创造伟大事物的人的这门科学与艺术。这就是我的 “登月计划”，虽然它发生在地球上。

MM：考虑到你的技能、资源和现在所处的位置，你是如何确定自己能产生最大影响的，并决定如何花费自己时间的？

DG：遗憾的是，我其实并不擅长根据我能产生最大的杠杆作用的地方来优化我的时间支出。这一直是我从 12 岁开始就面临的问题，让许多老师感到沮丧，但我总算是熬过来了。

我倾向于花很多时间在工作上，实际上我的职业也让我有这样的机会，甚至因为这样而获得回报。我会深入探索一些有趣的领域，我的内心其实是相当注重商业化的，所以我不太会过于深入那些没有商业回报的理论性探讨。

当你将这两者结合起来时，资本配置的角色就显得相当合适，因为你会遇到一些正在进行尖端研究的人，而你通常有大约 72 小时来同时弄清楚三件事。

一个研究想法是否有可能成为好产品？这个人能否成为优秀的领导者，并能够招募到顶尖人才为他们工作？第三，也是最重要的一点，市场结构是否支持这种公司在世界上存在，并能够捕捉到它所创造的价值？

所以你必须快速弄清楚这些，然后做出决策。但这三件事，弄清楚产品、创办市场，确实需要能力和愿望，能够在相对较短的时间内从几乎没有相关知识到获得了大量知识。

所以我喜欢做这件事。我一生都在做这件事，自然也会倾向于这种工作。并不是每个人都喜欢这种工作。有些人真的不喜欢工作的不确定性；有些人则不喜欢你实际上并没有建立深度的事实。偶尔这确实让我感到恼火。

如果你创办一家公司，你确实可以建立深度，但同时也会有广度，这让我对每一家不错的 AI 公司在做什么都有一定的了解。

虽然这不是我最擅长的事情，但我确实喜欢这样做，似乎这是一种与生俱来的兴趣。但这可能不是最高效的方式。

我常常在想，如果让我负责最大化一个国家的经济产出，我也不太确定该怎么做。当然，我可以提出理由，认为我把自己放在现在的位置是为了让我感到良好，但也许有更好的选择。

也许有一个我，可以集中精力应用那种想法多样、尝试不同事物的能力，去推动文化的发展。而这可能是我自己理想中的科学家形象，但我显然不会成为那样的人。

所以，我不知道这是否是最有生产力的方式，取决于你所说的生产力的尺度，但这就是我目前的状态。因此，我对目前的结果还是相当满意的。

MM: 是的。你认为你能通过广度而非深度独特地做到些什么？是能够在大量噪音中辨别出哪些是有意义的，还是有什么其他例子浮现在脑海中？

DG: 其中一个优势是你倾向于识别模式，并且能够看到许多不同的事物。通常情况下，你可能会听到一个特定商业想法的一个推介，觉得它很新颖，但在同一周内，你会被不同团队再次推介同样的想法两到三次。

这样你就能够说：“ 哦，这很有趣，很多人在做这个。那么这应该如何影响我对市场结构未来发展的判断呢？”

因为例如，如果每个人都在做这个，而且这是一个非常容易让 23 岁的麻省理工学院学生也能完成的事情，那么通常最终的结果会是一个 Git Repo，而不是成为一家公司。

所以这点非常有帮助，这是你在拥有广度时能够做到的事情。

Frank Rosenblatt 在1958年发明了第一个人工神经网络，称为感知机（Perceptron）

我想，这是我遇到的人的广度，而不一定是行业的广度，我们稍后再谈这个。但基本上，确定企业未来的市场结构和利润结构是你可以做的一件事。模式识别也很有用，能够了解哪些对人们有效，哪些是无效的事儿。

当你与处于B轮和C轮阶段的公司交流时，通常能识别出一个共同点。例如，所有那些转售丰富数据的平台（ 我不想具体提名，因为这有点贬义 ）通常在达到一定规模或大小时，其收入会达到上限。

你在目睹这个故事一遍又一遍后就会了解到这些。行业的广度也非常有用，因为它帮助你识别出在不同领域中表现良好的创始人的内在特质。

你经常会看到这样的故事：一个人可能在创办一种新的企业，比如 SaaS 公司，或者启动一个生物科技实验室，或者从事物理学的研究，或是某种AI 项目。

因为你看到不同领域的人取得成功，有时你能够抹去行业的界限，真正专注于那些看起来值得投资的优秀人才。从这个意义上说，看到行业多样性是非常有帮助的。但这也有其缺点。你能了解某个特定行业的知识是有限的。

我确实认为，另一个更重要的因素是，我通常非常小心，在任何交易行为中确保能够返回到我手中的选择效果是好的。

交易对手方非常重要，如果你过于广泛而不小心，可能会陷入一些选择效果不佳的情况，因为你追求广度，比如参与了某个生物科技交易的项目，但没有问自己，“我为什么会看到这个生物科技项目？为什么没有生物科技领域的专业人士看到它？” 而如果你具备深度，你在这方面会表现得更好。

因此，我认为在这一点上你需要小心，因为这些细节确实很重要。我认为这可能是风险投资中人们最不重视的事情，对于资产交易者这是普遍现象。如果你与任何进行债券交易的人交谈，他们会告诉你交易对手方非常重要。

实际上，这是他们获得的最大信息。我认为在风险投资中，人们几乎完全忽视了这一点，即 “这个交易为什么会来到我这里？” 而我认为这非常重要。

在 “为什么是这家公司？” 以及 “为什么是这个人介绍我给这家公司，而不是介绍给其他人？” 这些问题中蕴含着大量信息。谁还被介绍了？谁又拒绝了？

在某些情况下，你会因为对业务的阶段或行业有信心，知道自己会获得积极的选择效果；有时，业务处于极度困境中，所有人都出于明显的原因拒绝了，而你却看到了其他人没有注意到的机会。但如果你对这些问题没有好的答案… 至少我会尽量避免进入这样的情况。

MM: 是的，这很有道理。挺有趣的。这让我想起了保持在他人脑海中的概念，我认为这确实会影响一些事情，但不一定是好事。你可能只是在接收那些人们想要摆脱的东西，从他们的收件箱中移走的东西。

DG: 我认为有一个很有趣的问题就是，是什么导致某人想起你。你说得对，确实有个简单的 “近期性” 答案。如果你在积极推销自己，人们自然会想起你。但还有更深层次的原因。

我可能因为自己的技术倾向而受到影响，我确实倾向于接触那些向我推销的人，以及他们的技术背景比较强，这也没啥问题。毕竟这就是我，但这也是因为当人们面临复杂的技术问题时，会倾向于认为 “DG可能会支持这个项目”。

有一个关于对方为什么接触你的思考模型是很重要的，你在他们的销售过程中是被想到的第一人，还是最后一人？

MM: 完全同意。你认为你在天使投资方面的超能力是什么？

DG: 我不敢说我有超能力，但老实说，没人愿意承认的事情是，风险投资中有相当多的运气成分。我常常觉得，别想得太多，因为这样想有点虚无。风险投资中，成功的相对比例，尤其是对我来说，或许也是许多人，都是靠运气。

因为当你有幂律结果时，通常发生在大的市场变化之后，无论你想建立什么回归模型，都有很多数据无法捕捉到，你只能将其归结为运气。

你知道你是如何到达那里的，正确的地点，正确的时间，这就是其中很大一部分原因。但这个答案有点避重就轻。

我仍然每天都在学习这项“体育运动”，我变得更擅长的一件事是，当一家公司来到你的家门口，或者你主动联系他们并与他们见面时，我认为那些曾经是运营者、创办过企业的投资者，往往会像经营自己的公司那样投资这个资产。这是个美丽的错误，源于过度的乐观。

你倾向于认为：“ 这个概念太棒了，如果我在经营它，我会做A、B和C。” 而这并不起作用。你需要投资于眼前的现实和市场所提供给你的机会。

我确实在这方面变得更好，虽然花了我好多次才能意识到这一点。接下来，变得更重要的是，从与对方的会面中获取一些数据点。

也许你花了30、60 或 90 分钟，与他们进行了 1 到 3 次的互动，你现在需要构建一个心理模型，以预测这个人在接下来的 3 到 10 年中将做出的一百万个决策。他们将为了什么做出边际决策？

这实际上是艺术的部分。我认为，市场结构预测更像是一门科学，做起来更容易一些，但艺术的部分在于如何做到这一点。这有一个自然的提高方法。

一旦你见到足够多的人，你就可以开始识别高失败率的情况，而你会因此受到惩罚。

因此，你会对预测错误感到非常警觉，但你也可以对将要发生的事情做出某种估计。结合某种市场估计，我认为你可以做出相当不错的投资决策。

再说一次，这些都是概率问题，你自然希望进行多项投资，以便能承受一定的失败率，但要确保你不错过那些赢家。我认为风险投资在这方面是非常独特的，几乎所有其他资产类别都不是这样的。

我认为，当我们考虑自己在更广泛的金融领域中的位置时，我们是最具风险的，所以我们真正是为了承担风险而获得报酬，这意味着我们不能错过任何机会。

所以我说了这一切，在我心中，我已经能听到其他人说：“ 那各种偏见什么的呢？” 我会说，风险投资的伟大之处在于，因为存在巨大的经济激励，可以让你在这个方面不犯错误。

不过，随着你认识更多的人，你会逐渐能够建立起一个更好的“人际模型”。在我刚刚起步的时候，我基本上是从苹果公司那里得到了一大笔现金，我向美国政府交了税，然后我开始用这笔钱投资，我记得我和自己有过类似的争论。

也许我知道 “我 ”是什么样子，但我不想投资那些卖给苹果公司的人。我想投资能最终上市的公司。当时我对那是什么样子的并不够了解。

当然，我曾是 YC 的创始人校友，所以我认识很多 YC 的人，这对我帮助很大。但我记得在 YouTube 上观看马克·扎克伯格、拉里·埃里森和史蒂夫的早期采访，试图了解他们的魅力，也许这也有所帮助。

延伸阅读：比尔·盖茨 “遗失的访谈”：从互动电视转向互联网，我认识到简化系统，和互动性内容的重要。

完整版乔布斯 “遗失的访谈” 1995：我们非常努力把人文的精神带入计算机领域。

MM: 这真是太有趣了。你从那些访谈中提炼出的共同点是什么？

DG: 我不知道。这些就像一个黑箱模型，很难用语言表达并传达给你。我直觉上觉得这样做是很好的。我仍然不确定在视频上是否有效。我发现视频传递、记忆和学习的方式在 2D 平面上与面对面的 3D 体验有很大不同。

不过，我希望这能有所帮助，因为我想我曾经看过史蒂夫·乔布斯的每一个视频，当时这个频道还存在。我认为与人交往是有益的，我总是会记录下我放弃的机会和遗漏的错误。这些战斗的伤疤很有用。

好消息是，我认为如果更广泛的宏观经济形势对你有利，风险投资并没有那么困难。我觉得风险投资人往往低估或未能充分关注更广泛的经济。

我认为，过去12 到 13 年里，人们第一次开始更加关注这一点，因为经济就像整个康普茶的母酵母一样，开始出现故障了。人们开始意识到这一点，现在每个人对利率等问题都有了自己的看法。

可以放心的是，2021 年几乎没有人谈论这些，可能只有一两个例外。我是说，凯斯·拉博伊斯（ Keith Rabois ）非常著名地在那一周预测了市场的到达顶部。

在我看来，只有那些金融专家，也许像我这样的人，或者经历过 2000 年泡沫的人，才会这样思考。因此，现在越来越多的人意识到这一点，这确实是非常真实的。

你在 1970 年代初期可能拥有顶尖风险投资家的所有典型优势，但那并不重要，因为那不是个好时机。

当然，如果你在 1970 年代开始起步，那就是个绝佳的时机。我相信那正是红杉资本成立的时候，他们的第一笔投资是雅达利，第二笔是苹果。但整个故事，以及投资、风险投资人才的选择等，都无关紧要，如果经济不增长的话。

所以，归根结底，我认为我们更多是冲浪于这些经济浪潮之上，而不是创造浪潮。人们现在意识到这一点是好的，但我觉得这是一个谦卑的认识。

即使是现在的科技和人工智能的浪潮，人们对其重要性的各种大预测 — 比互联网更重要、比火更重要、比轮子更重要，我们也是在冲浪。

事实上，如果无风险利率上升到 7%、8%、9% 或 10%，这些公司将面临巨大压力。每一家公司、每一个制造 GPU 的超大规模公司都会面临借贷成本飙升，这意味着 GPU 的成本会变得更加昂贵，意味着这些公司能使用的GPU 数量会大幅减少，这样所有的人工智能进展虽然都会发生，只是速度会变得更慢。

所以我认为，我们终究是在一个更大经济领域中的参与者，也许站在这是一个最好的领域。

Perceptron被誉为 “第一个能像人脑一样思考的设备”

MM：你认为现在因宏观经济环境而产生的独特机会是什么？

DG：哦，关于宏观环境，我不太确定。宏观经济有一种邓宁-克鲁格效应，能超越邓宁-克鲁格高峰、邓宁-克鲁格天顶，并在宏观方面处于邓宁-克鲁格崩溃状态，这一点非常重要。而我很庆幸我已经达到了这一点。没有足够多的人走得这么远。

因此，我强烈建议每个人都进行宏观交易，并且犯错，这样你最终会意识到没有人知道这个是怎么运作的。公平地说，我确实认为有些人非常擅长了解它是如何运作的，我认为这是一个全职工作。所以我不知道怎么预测宏观经济的事情。

你可能会问：“ 等等，DG，你说你必须投资于一个好的群体，那你怎么确保自己在做这一点？” 这更多是我的一种精神愿望，意味着我认为这不是特别可操作的，我觉得如果经济崩溃，大家都会损失。

我不认为大规模做空会有效，尤其在我们的行业。所以你必须祈祷事情能顺利发展，世界继续扩张，经济继续增长，事物继续成长。

我不知道如何进行宏观经济的论述。除非是斯坦-德鲁肯米勒，否则任何对这些东西过于自信的人，都应该能够拿出一份业绩记录，表明他们购买的五座庄园和三架飞机都是出于对宏观的过度自信。否则，我只能说闭嘴吧。

MM：很好的一个回答。

DG：但我不知道。我认为在科技领域有一些令人兴奋的事情。我对那个领域了解一些，显然，可能更有趣的问题是，AI 世界之外还有什么令人兴奋的事情？因为谈论 AI 有多令人兴奋是很容易的。

事实上，我认为在企业 SaaS 和移动领域，还有很多软件正在被构建，且越来越好。我对 Nostr 没有经济利益，那是杰克·多西（ Jack Dorsey ）做的 Twitter 克隆版软件，但我看到人们在使用它，它现在是一种现象级产品了。

我们可以整天谈论 AI，但 AI 之外也有令人兴奋且重大的事情在发生。但如果世界经济因为人们变得非常害怕，或者因为贷款给了错误的人而导致违约造成损失，那么每个人都会留下后遗症。这不是选择性的事情。

MM：你如何比较投资者与创始人的理想风险偏好？

DG：我认为声誉风险和 “自尊风险” 的程度是差不多的。我的意思是，如果我可以对人进行分类，可能有三类人。

我会说有创始人，有投资自己钱的人，还有为他人投资的专业投资者。

我认为最好的类别无疑是投资自己钱的人，因为我确实有过一些非常大的个人成功，我不需要告诉任何人，还有一些我不需要告诉任何人的大额损失。这有点打击士气，但没关系。归根结底，这没关系。

我认为，当你经营一家公司，代表他人做事时，无论你是创始人还是专业投资人，当然都会有这样的内心独白，你会想，“哦，如果发生这样的事，那就太尴尬了”。

这也许是件好事，因为它推动了边际绩效。我确实认为，对于我投资的那些项目，如果我早一点 “职业化”，可能会更好。

显然，如果你仅从财务风险来看，创始人承担的风险要大得多，因为作为投资者，你只是投资金钱，而创始人则投资时间。

而且，因为你无法克隆自己，你只能专注于一项高风险资产。理论上，作为投资者，你可以建立一个投资组合，这样就能重复投资。

当然，你在每个项目中的持股比例会小一些，但每个人都在追寻千倍收益，所以这可能并不重要。

因此，我认为作为创始人是一项风险更大的活动，但投资者仍然承担着同样的不眠之夜的动态，因为你是他人的受托人，你告诉了他们一个完整的故事，而你需要继续保持这个故事能讲下去。

我认为，这一切在极限情况下都是好事。认真尽责就像皮质醇。皮质醇过多会导致库欣综合征（ Cushing's ），过少则会导致阿狄森综合征（ Addison syndrome ），所以需要适量。这是一个 U 形曲线。

现在，有一个有趣的问题，作为创始人，如何才能将风险降到最低，使其更类似于投资者的状态？我确实认为，追求一个你非常了解的冷门市场是一个风险非常低的策略，没有很多人追求这一点，因为他们压根不知道这个冷门市场。

通常，当你告诉人们这样做时，下一个问题就是：我如何找到这个冷门市场？通常你会给他们一些含糊其辞的东西，你应该去给很多人发邮件，然后去德克萨斯州的某个能源公司实习一段时间，等你想好了你能卖给他们什么 SaaS 时再回来。

但在实际上，没有人会这样做。我是说，可能确实有人在这样做，但不幸的是，联系我的人太少了，所以我没有机会和他们一起踏上旅程。不过，我见过一些人很成功地执行这个策略，其实并不复杂。

你也能在思科的收购和分拆中看到一些相似之处，有些人一生中几乎四次离开、创办同样的网络公司，最终被思科收购，之后在思科待一段时间，又离开再创办同样的网络公司。

因此，有一些模式是没有风险的。人们不喜欢追逐这些模式，正是因为，或者不知道如何追逐这些模式，因为它们显得竞争性较弱。

它们之所以竞争性较弱，是因为它们无法满足你的“表型”，比如说一个 25 岁的创始人对 “它会变得非常大或非常成功” 的即时期待。

这就是为什么我们总是倾向于过度关注那些在开发类似 LangChain 竞争产品的人，而对那些为飞往石油钻井平台的直升机飞行员开发软件的人关注不足。我只是随便举个例子。

但我觉得，这或许是一种巨大的技能，尤其对于那些愿意付出努力的人来说。之前我们提到过投资者需要关注对手方风险，以及你为什么会得到那笔交易。对于创始人来说，相应的风险就是竞争风险。

彼得·蒂尔在他的书中非常著名地说过：“竞争是给失败者的。” 说实话，我觉得这有点消极。

实际上，真正的赢家是在竞争激烈的领域中脱颖而出的，所以这根本不是真实的。不过，确实有一类赢家选择了不那么竞争的领域，而我认为这样的人并没有受到足够的赞扬，或者这样的尝试并不够多。

1960年代的个人电脑广告

我作为创始人经常想到这一点。顺便说一下，我们在这个播客上说的内容并不重要，因为没有足够雄心壮志的人会听，因为我认为每个雄心勃勃的人都有一种与生俱来的信念。

所以我学到了这种建议，你只能看着人们的眼神变得空洞，当你告诉他们这些时，你意识到他们不会采取任何行动……总之，世界在继续，周期在循环，越来越多的人出现。

看到人们在悬崖边缘凝视着下面堆积的尸体，然后跳下去，真是令人惊讶。他们就这样跳了下去。这没关系，因为与肉体不同的是，公司的死去不会让人消亡，人们仍然活着，从中学习，并再次尝试。

往往你会发现，当看到第二次或第三次创业的创始人时，他们会说：“好的，我绝对不想做那个高度竞争性的事情。虽然看起来很酷，但现在每个人都在做。”

MM：是的。这也很有趣，因为似乎追求那些竞争性不强的、不那么光鲜亮丽的领域是一种 “低社会地位”。我想知道是什么让这种情况有所不同。

一个本质上不性感的领域是如何变得有吸引力，并被视为值得去赢得的？我不知道你对此有什么想法，但这似乎是一个永恒的难题。

DG：通常会有一个所谓赢家，而这个赢家往往是因为他们在 B 轮融资中筹集了大量资金。人们会想，“ 等一下，我也可以做到这个。” 而且市场的反应其实比人们想象的要更为灵敏。

我们这个时代有一句伟大的话就是有效市场假说（ efficient market hypothesis ），但市场绝对不是有效的，人们都是模仿性的，到处都有一种羊群心态。这样一来，就会留下大量的黄金口袋在地上，任由那些愿意独立思考的人去捡起来。

所以你会发现这些领域往往被忽视，直到出现一轮响亮的融资，然后这会吸引竞争者。如果你是那个追求超竞争市场的顶级掠食者，你必须希望你的产品好得令人吃不消。

不是对创始人来说，你不会这么做，而是对风险投资界来说，他们不愿意投资你，不愿意用他们的资源武装你。

我认为我们今天看到的一个很好的例子就是人工智能本身。我确实觉得，曾经有一段时间，风险投资界非常渴望支持那些并非能直接商业化、而是以某种模糊和令人不满的方式研究 AGI 的 AI 实验室。

我的感觉是，这种渴望在风险投资界已经消退，资金已经扩展到更远的同心圈里。因此，那些人正在向主权财富基金推销，或者向一些随机的家族办公室推销。

我知道这一点，因为我通常会接到关于这种情况的推荐电话。但我认为，如果GPT-4没有明显优于Cohere的模型（举个例子），情况可能会有所不同。我这么说是因为我非常喜欢Cohere，并且真心希望他们能赶上，竞争对我们所有人都有好处。

不过，不管怎样，在我看来，建立一家出色的公司在一个冷门市场才能有更好的生活。你不需要每小时都在Twitter 上发声。你可以拥有属于自己的事业，有五个好朋友和家人，然后在某个地方拥有一个小农场，这就是一种美好的生活。

MM: 很好。深入探讨一下你对 AI 的看法，我好奇以风险投资者的身份，你认为哪些公司具备持久发展下去的特质？

DG: 在 2018 年、2017 年和 2016 年，你基本上会坐在那里开会，体验到一种极端的外向性格过剩，也就是说，你会遇到这些超级快乐、健康的MBA，他们每天都没任何问题搭乘联合航空的航班，中途停留一下还能去哪里销售产品。他们喜欢机场休息室、食物，所有这些东西，但他们不会写代码。

因此，挑战在于每个人都需要一个 “程序员”，在我看来，这是一个贬义词。它把软件工程师描述得就像 “程序猿”一样。但当时的情况就是，我需要一个程序员。

转眼间，从我收到的电子邮件来看，我觉得我们现在面临的是相反的问题。也就是说，你有这些聪明的科学家，他们敏感而内向，并不会每天搭乘联合航空的航班去销售他们的产品。

阿兰·图灵在 1950 年发表的研究论文《计算机器与智能》（ Computing Machinery and Intelligence ）为后来的人工智能领域打开了大门

以前那些人希望在有空调、有温控的舒适的家中，通过键盘创造出一些令人惊叹的奇迹。老实说，这些人并不想做销售，也不想进行市场推广，他们似乎期待产品自己找上门来。

现在，我们已经转向了平衡的另一端。我们有太多内向的人。这没关系，这就是当一个新领域出现时所发生的事。我记得 2007 年iPhone发布时，应用程序大约在 2008 年和 2009 年问世，如果我没记错的话。

当时几乎没有好的C语言工程师，只有一群在 Mac 上工作了十年的工程师，直接面对的用户几乎为零，而且他们都是些被人尊敬的人。所以，最初的 iPhone 应用基本上都不是商业化的。

直到 Uber 和 Instacart 这样的公司整理好自己的思路，花了一段时间 “iphone应用程序” 才有所突破。而现在，制作 iPhone 应用相对来说完全是小菜一碟，有 React Native 等工具的帮助。

因此，我认为我们现在处在一个前沿领域，所以往往会出现很多杰出的科学家、很多史蒂夫-沃兹尼亚克（ Steve Wozniak ），但缺少像史蒂夫·乔布斯那样的人。

能够同时具备这两者的人在历史上一直都很稀有。我甚至认为史蒂夫·乔布斯都并不具备这两者，我的意思是，他身边一直都有很多杰出的技术人才。

奇怪的是，我认为甲骨文软件的创始人拉里·埃里森（ Larry Ellison ）是一个很好的例子，他在那个时代确实具备了两方面的能力。

不过，最好的创始人往往能够轻松谈论像 PyTorch 这样的库，但最终取决于真正渴望商业成功并愿意为之奋斗。在他们的公司中也能看到这种精神。

因此，在我看来，只有那些真正拥有自己的模型的人，才能真正创造出眼球或美元，而在我看来，这两样东西在商业中、在人工智能这个科技商业中才是最重要的。

延伸阅读：1997年甲骨文 Larry Ellison 的采访: 我尊崇第一性原理思考, 而不是追求“时尚”。

这些公司并没有依赖现成的模式，而是专注于他们要销售的实际产品。显然，ChatGPT 是最著名的例子，凭借当前的收入，它完全可以成为一家上市公司。Midjourney、Lexica、Character.ai 也是类似的例子。

这些公司构建自己的模型从利润率的角度来看确实有些麻烦，但关键在于他们打造了一个合情合理的产品。

现在，谈到企业级AI，这绝对是一个很热门的推销主题。

我认为，遇到第 1001 个企业级 AI 公司时，你必须问自己一个关键问题：这是一个巨大的机会，基本上就像电网已经建立，但各家企业还没接通电网一样。财富500强企业基本上还没真正连接上AI。

不过，你需要考虑的是那些适合在这方面取得成功的人的类型，以及这些公司将如何演化的市场结构。

因为 AI 对每个公司来说意味着不同的东西，不像数据库或支付解决方案那样简单明了，可以直接向 CIO 推销，让他们理解 “我们现在用这个做接口，应该换成那个”。

AI 更像一种无形的粘合剂，像枫糖浆一样，能够在不同的公司里形成自己独特的形状。

因此，你需要有人来打造定制化的产品，建立一个系统整合团队，让这些团队将 AI 产品销售给企业。那么，这个人会去构建和管理那支团队吗？他们真的想这样做吗？还是他们更喜欢只是鼓捣自己的模型，让它输出一些酷炫的摘要演示？

20 世纪 70 年代的麦克斯韦软盘广告

这就是企业级 AI 的问题。有时候你会遇到一些有这种潜质的创始人，比如Distill 的创始人就很不错，但更多时候，他们其实只有 Wozniak 的技术天赋，而缺乏 Steve Jobs 的商业嗅觉。

我认为，你得找到那种天生具有商业头脑的人。我现在越来越相信，如果你想做企业AI，就应该去研究ServiceNow。我建议创始人去 ServiceNow 的网站看看，试着在阅读后总结一下 ServiceNow 到底是做什么的。

我敢保证，理解它的服务内容需要反复思考几次。而将一个像 Google 表单那样的产品变成像 ServiceNow 这样的千亿美元公司所需要的 “翻译能量”，恰恰是很多企业 AI 领域缺少的东西。

顺便提一下，在企业 AI 领域里，等到一切都略显迟了，却依然能够靠着现有客户群和销售渠道收尾的是微软。所以我认为，世界充满了机会，创始人应该抓紧行动。

可以肯定的是，每位 CEO，尤其是财富 500 强的 CEO，都希望能在下次财报会上提到 AI 相关的成果。但同样可以肯定的是，微软、Box、Dropbox和埃森哲等公司的 CEO 们都在努力提供这种解决方案。

所以，我想说的是，这就是你如何进入那些安静的行业。你去接触他们，说：“ 我会为你提供 AI，” 或者不管那意味着什么。

结果可能是你得亲自去某个地方，真正地深入其中，甚至去向约翰·迪尔公司（ John Deere ）销售。但我认为这又是一个非常有利可图的领域。

最后，我想说的是，我们已经看到那些在人工智能领域具有产品市场契合度的企业，从没有收入到数千万甚至数亿美元的年收入增长极为迅速。事实上，速度之快让我总在想，这就像是一种不健康的增长，但人们对它确实充满渴望。

在这个意义上说，我认为这场 AI 革命与过去的所有技术浪潮都截然不同。它与加密货币的不同之处在于，真实的用户在投入时间，我这么说并不只是因为我对加密技术有很深的研究。

人们每天花费数小时与 Character 和 ChatGPT 中的角色交流。而且它与移动互联网和互联网时期的用户采纳曲线不同，这不一定是人工智能技术的副产品，而是整个世界已经互联互通的产物，也就是说，推动 SVB 银行挤兑和第一共和国银行挤兑的动力，也是将 ChatGPT 推向数亿 ARR 的动力，因为每个人都已经完全互联互通。

因此，这些野火无论好坏，都会迅速蔓延。所以现在的机会就是，你要知道野火蔓延的速度非常快，你要成为填补这一空白的公司。因为一旦你站稳在那里，别人就很难与你竞争了。

我这么说首先因为我非常欣赏 Character.ai，但是当人们想到与 AI 交流时，首先想到的还是 ChatGPT，也就是 chat.openai.com。在我看来，这才是真正的护城河。

每个人都会说："哦，数据是他们的护城河。资本是他们的护城河。微软的支持是护城河。” 不，在我看来，护城河一直都在那里。甚至我认为在优步（ Uber ) 的案例中，人们说，“哦，护城河是司机的网络效应” ，不是，护城河是，当人们想去某个地方时，他们会想到 Uber 应用程序。

这是一个非常非常重要的因素，往往被低估了，因为在一个大多数人开普锐斯、穿连帽衫的世界里，没有人愿意去思考 “品牌作为护城河” 的美学，但我认为品牌其实非常重要。

所以在消费市场的机会在于成为一种新型互动方式或新事物的品牌。我认为在企业市场的机会是找到一个冷门市场，真正满足那些人的需求。

就像你提到的那个信件例子，市场如此冷清和无聊，社会地位又低，你不会遇到太多竞争，这真是太棒了。

MM：你认为这种 “野火般的动态” 在进入冷门市场时是否发挥作用，还是更多是用于推广技术本身或吸引人才？

DG：嗯，这种事物快速发展的想法，确实是一个很好的例子，尤其是在事态变坏时，比如人们因为银行股价下跌而撤资，导致更多人做空，更多人去提款。最终我们发现银行确实变得一文不值。

这是一种自我实现的预言，朝着坏的一面发展。而在好的方面，特别是在消费市场上，我认为这确实也适用。因为一切都紧密相连，人们随时可以刷信用卡，他们有现金。足够多的人手里有现金。

我认为我同意你的看法。在企业市场上，尤其是在冷门市场上，速度和节奏可能会慢一些。

你不会得到那种效果，比如像在 Twitter 上你的受众迅速崛起，然后成功筹集到 2.5 亿美元那样获得快速反应，但你会得到的人，不会有我们刚才在消费者市场中描述的好处的反面，即他们不会在有一个新的明星人物出现时，从你那里流失。

MM：对，没错。

DG：我认为，如果你没有在用户的脑海中扎根，成为他们心目中的 “那件事”，人们就会流失。这就是品牌的重要性。它只有在你真正成为品牌的时候才会奏效。你可以说，结果尚未确定。

我认为，从过去的搜索引擎大战中，人们会重新发现，在争夺成为人们想去的地方的比赛中，满足用户需求的速度实际上是一个被严重低估的因素。

我认为，当人们在某件事情上有很好的体验时，它更可能在他们的脑海中形成一个固定的去处。速度是使某事物变得极好的相对便宜的方法。

显然，满足请求是非常重要的，但保持一种节奏感和活力感也同样重要。我们看到 OpenAI 很聪明，发布了 streaming 功能。

范阳注：Streaming 是指 OpenAI API 提供的功能，它允许将响应实时流式传输回客户端，从而为某些请求提供部分结果。这种方式可以提升用户体验，因为用户可以在等待完整响应的同时，看到初步结果。

当你想到互动时，尤其是现在的 GPT-3.5，速度很快，这点非常重要。而谷歌的 Bard，我真的很惊讶，最终效果也很有趣。谷歌这个公司是基于 “速度很重要” 的先入之见建立起来的。

谷歌一直以来让其他搜索引擎的开发者羡慕的地方就是它们的响应速度，大约在 200 到 300 毫秒之间。它们总是很快。

而这种文化的需要源于，他们进行的 AB 测试显示，如果响应时间达到 600 毫秒，你的查询量会减少，从而降低点击广告的可能性。

对我来说，这真的令人难以置信，谷歌原本的文化和这家公司最终推出了Bard 这样的 AI 助手，而它并不实时流式传输其输出。

如果你问 Bard，你会发现它实际上速度很快，但最终的结果被保留着，因此整体感觉却很慢。这在我看来是谷歌文化的一个令人失望的信号。我真的不知道里面发生了什么。

而且，像许多伟大的历史事件的归因一样，这可能取决于四五个关键人物的健康状态和活力。在谷歌这个事情当中，我认为这就是创始人们自己身上的原因。

麻省理工学院的教授马文·明斯基在 1967 年预测，真正的人工智能将在一代人内被创造出来

MM: 最后一个问题是，在人工智能问题上，你与同行的分歧在哪里？

DG: 这很难。我很幸运有一些观点多样，且观点不断变化的同行。也许人工智能是一个特殊的领域，它非常活跃，不像考古学等领域变化不大。

如果从更广泛的行业角度来看，我认为我们现在正处于一个低谷，我认为这不是行业的普遍观点，也就是说，我不认为进展在加速。

我的看法是，GPT-3 大约在两年前推出，而2到3的跃迁与3到4的跃迁截然不同。实际上，重大突破发生在两年前。我认为自那以后发生的一切都是相对渐进的，而且 OpenAI 已经表示他们并没有在训练 GPT-5。

如果我们考虑 GPT-3 和 GPT-4 之间的主要区别，作为消费者，我只看到它在编码方面更出色。就日常使用和需求而言，我们可以无休止地讨论基准测试，但它在编码上确实更好。

我认为它在编码方面更优秀是因为它接触到了大量专门的编码数据，比如许多研究生教它如何更好地编码，这一切都很合理。

看它的编码方式，最终输出并不完全是互联网上存在的东西。在 GitHub 上，最大的进步只是通过更多的微调，这意味着规模收益正在递减，我们并没有真正再扩展。

我确实认为在未来的一天到12个月内，会出现另一个奇迹，上下文语境窗口将会大幅增长。这看起来很简单。如果让我在下个小时内实现它，我可以做到，但我认为这会发生。

但我并不认为进展在加速，意思是我觉得它一直相对停滞了。这是有道理的，我们会经历人工智能的冬天、夏天、秋天和春天，并不是每个月都会像那个月一样，事情似乎每天都在发生。但这就是我的看法。

我认为很多人可能不同意，因为如果你上 Twitter，会看到很多演示。但我说这些是因为我尝试过所有我能尝试的演示，Twitter 上有很多正确的学术术语可以用来描述这种现象，许多演示其实并不奏效，但实际上看上去是很好的演示。

我认为任何真正使用过这些东西的人都知道，最终，一旦 GPT 犯下了生成不可执行代码的错误，你展示给 GPT 的后续失败，以及它神奇地自动修复代码并让程序恢复正常工作，这种可能性非常低，至少在我的经验中是这样。

也许是我的用法不对，但显然这里面有问题。当然，它仍然是一个奇迹产品，可能是人类文明取得的最重要成就之一。

但我不知道进展的速度是否还在加快。我们将会有一个 “免费午餐”，因为这些英伟达 H100 处理器将上线，而 NVIDIA 提出的新整数格式可以让计算速度稍微更快。所以，单靠这些硬件，就可以在训练和推理上获得速度提升，而无需任何软件改进。

但是我认为在软件方面，目前我在这里和你交谈的这一天，2023年5月1日，进展似乎在放缓，当然，AI 的悲观主义者会认为这是一件好事。所以，不管了，我们不想深入讨论这个问题。顺便说一句，对于投资者来说，进展放缓既有好处也有坏处。

好处在于你可以喘口气，市场结构不会在你眼皮底下发生变化。坏消息是，你倾向于以某种预设的市场样貌来下注，而当事情再次提速时，这种情况可能会彻底改变。我相信它们会再次提速。

例如，现在有很多企业在筹集巨额资金，创始人都是出色的人，他们在做这些向量数据库。

这个想法是创建某种类似于 MySQL 或 Oracle 数据库的东西，能够非常高效地进行文本相似性搜索，这正是机器学习模型或大语言模型使用它们的嵌入所做的事情。

这非常有趣，尤其是当上下文窗口（ 你可以同时输入到模型中的文本量 ）保持相对固定时。

所以你是把这些外部向量数据库看作一种与模型相连的 “海马体”，像脐带一样可以来回传递信息，它能像一个小外部库一样与向量数据库进行交流。

但如果上下文窗口大幅增加到 1、5或1000 万个 tokens，我就不知道向量数据库到底有多重要，因为我可以突然把我的整个源代码放入模型的上下文窗口，或者把整个美国税法放入模型的上下文窗口。

这就是市场结构转变的一个很好的例子。我认为这是一个非常令人兴奋的时间和空间。整个市场本身都在发生变化，而不仅仅是公司，这真的很不一样，也说明了我认为这个世界发展得有多快。

MM：太好了。这是个很好的回答，DG，能请你参加这个播客我很高兴。非常感谢你做客。

DG：非常感谢你邀请我。

原文链接：

https://mothfund.substack.com/p/mm-daniel-gross

扫码链接新浪潮！

*本文来源于范阳。欢迎加首席交流官白帆微信（fan_062400），围观新浪潮朋友圈，深度交流资源对接，加入行业创始人社群。