av天堂久久天堂色综合,最近中文字幕mv免费高清在线,在线a级毛片免费视频,av动漫,中文字幕精品亚洲无线码一区

微信掃一掃,關(guān)注公眾號

  • 科技行者

  • 算力行者

見證連接與計算的「力量」

首頁 風投真正想看什么:AI創(chuàng)業(yè)不是靠PPT活著,最致命創(chuàng)業(yè)錯誤是以為已經(jīng)找到PMF

風投真正想看什么:AI創(chuàng)業(yè)不是靠PPT活著,最致命創(chuàng)業(yè)錯誤是以為已經(jīng)找到PMF

2025-04-14 20:04
分享至:
----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.-
2025-04-14 20:04 ? 周周

說到硅谷有名的投資人,Canvas Ventures創(chuàng)始人兼管理合伙人Rebecca Lynn的投資觀點總能切中要害,不愧是將Lending Club推向美國2014年最大科技IPO的風投老將。

當然,除了Lending Club之外,她的投資組合還包括多個成功案例:被湯森路透以6.5億美元收購的AI法律科技公司Case Text、被益百利收購的Gabby、以及被貝萊德收購的Future Advisor等。

回看2023年初,資本市場的錢包對AI創(chuàng)業(yè)幾乎是敞開的。幾乎每家風投都在爭相投資各種「AI+X」的創(chuàng)業(yè)公司,僅憑一個精美的Demo就能拿到百萬美元級別的種子輪。而Rebecca的觀點卻像一針見血——在PPT模式下創(chuàng)建一個驚艷的AI產(chǎn)品太容易了,但將它轉(zhuǎn)化為真正可擴展的產(chǎn)品卻是天壤之別。

現(xiàn)在是2025年,AI熱度依然不減,但投資標準早就升級。Canvas Ventures這樣的機構(gòu)已經(jīng)不再被漂亮的PPT所打動,而是直言不諱地告訴創(chuàng)業(yè)者:“等你有了真實客戶在用你的產(chǎn)品,再來找我們談融資吧。”

這種清醒態(tài)度的背后,是回歸技術(shù)發(fā)展本質(zhì)——技術(shù)只是開始,商業(yè)才是硬道理。而本篇文章,主要圍繞Rebecca最近在全球企業(yè)家社區(qū)EO做的一個核心分享,主題是:“對于AI創(chuàng)業(yè)者而言,風投真正想要什么”。

風投真正想看什么:AI創(chuàng)業(yè)不是靠PPT活著,最致命創(chuàng)業(yè)錯誤是以為已經(jīng)找到PMF

【經(jīng)驗一】忘掉先發(fā)優(yōu)勢吧,它只是個昂貴的陷阱

Rebecca本人有著不迷信技術(shù)、專注商業(yè)本質(zhì)的清醒態(tài)度,毫不客氣地推翻了創(chuàng)業(yè)圈流行的“先發(fā)優(yōu)勢”觀念,她認為這是一個誤區(qū):“開拓全新市場需要大量資金、時間和耐心,等你好不容易證明市場存在,你已經(jīng)被技術(shù)債務壓得喘不過氣了。”

她更推崇的是“后發(fā)制人”策略:讓別人當小白鼠去驗證市場,你再帶著零技術(shù)債務和更優(yōu)產(chǎn)品殺進去,挑戰(zhàn)所有人,不信?去看看之前哪有作為第一個吃螃蟹的人而成功上市的公司——幾乎沒有!

Rebecca最得意的例子就是她早期投資的Lending Club。這家在2014年成就美國科技市場最大IPO的公司,其實是P2P借貸市場的后來者。真正的拓荒者Prosper付出了慘重代價,而Lending Club卻能從容學習前車之鑒,推出更優(yōu)化的產(chǎn)品和營銷策略。

【經(jīng)驗二】CEO就是頂級銷售,最好是具備傾聽能力

在Rebecca眼中,CEO最重要的素質(zhì)與技術(shù)關(guān)系不大,而是銷售能力:“CEO的工作本質(zhì)就是不停地銷售——向客戶賣產(chǎn)品,向員工賣愿景,向人才賣職位,你無時無刻不在推銷你的公司。”

她特別欣賞那些既能傾聽客戶聲音、又具備出色銷售領(lǐng)導力的CEO。她舉例說明,Doximity的創(chuàng)始人Jeff Tagney從一開始就組建了客戶咨詢委員會,定期召集用戶現(xiàn)場參與產(chǎn)品路線圖制定,甚至將這些反饋直接納入產(chǎn)品路線圖。這才是真正的以客戶為中心!

評估一位CEO的銷售能力在融資路演中表現(xiàn)得尤為明顯:“我需要的是,能用自己的熱情和對用戶的深刻理解讓我買入他們愿景的CEO,他們還必須保持極度的誠實和坦率。”她舉例說明,“當我問他們的ARR是確定數(shù)還是預測數(shù)時,CEO的坦誠態(tài)度不僅能贏得我的信任,也預示著他們能否贏得客戶信任。”

【經(jīng)驗三】最致命創(chuàng)業(yè)錯誤:以為已經(jīng)找到產(chǎn)品市場契合點

Rebecca毫不掩飾地指出了幾乎每家創(chuàng)業(yè)公司都會犯的錯誤:“太早以為自己找到了產(chǎn)品市場契合(PMF),然后瘋狂地招聘昂貴的銷售主管,最后燒光錢,不得不裁員重來,重新厘清PMF的要素。這種故事我看得太多了,尤其是在企業(yè)級市場。”

她的建議出奇地實用:“別急著請銷售VP,先找個銷售總監(jiān)級別的人或一個能協(xié)助銷售的幕僚長,等到真正確信產(chǎn)品市場契合后,再逐步擴大規(guī)模。”

她舉例說明,Case Text早期認為自己已經(jīng)找到了產(chǎn)品市場契合點,于是招聘了一位經(jīng)驗豐富的銷售主管并組建了團隊,但效果不佳,沒有獲得預期的牽引力。這發(fā)生在他們推出與GPT-4集成的產(chǎn)品之前。后來,創(chuàng)始人當機立斷,解散了銷售團隊。“做這種決定痛苦無比,但這恰恰展現(xiàn)了創(chuàng)始人的勇氣。”Rebecca說。

【經(jīng)驗四】投資人與創(chuàng)始人分歧?別裝專家,試試這招

作為投資人,與創(chuàng)始人產(chǎn)生分歧是家常便飯,Rebecca遵循“理解先于判斷”的原則:“我首先試著理解創(chuàng)始人,因為創(chuàng)始人往往掌握了我們不了解的數(shù)據(jù)。”

如果確信方向有問題,Rebecca會嘗試“展示而非說教”,介紹合適的人給他們,提供更全面的視角。她強調(diào),“解決分歧通常不是誰對誰錯,而是找到一個折中的共識點。”

她坦承:“每家公司在不同階段都可能需要轉(zhuǎn)型,無論是戰(zhàn)略、產(chǎn)品還是渠道。作為投資人,我們的工作就是助力這一轉(zhuǎn)變,而不是阻礙它。”

【經(jīng)驗五】AI創(chuàng)業(yè)最大騙局:漂亮的PPT與慘淡現(xiàn)實的鴻溝

談到當下的AI創(chuàng)業(yè)熱潮,Rebecca的觀點一針見血:“搞個生成式AI的漂亮PPT簡直太容易了,看起來光鮮亮麗,讓所有人都驚嘆不已。但真正的挑戰(zhàn)在于,將這個花哨的演示轉(zhuǎn)化為可在真實世界大規(guī)模運行的產(chǎn)品。”

她透露,“我們已經(jīng)看到不少由頂級投資者砸錢的AI創(chuàng)業(yè)公司轟然倒塌,就因為他們無法跨越從演示到生產(chǎn)環(huán)境的那道坎。”

因此,Canvas Ventures對AI創(chuàng)業(yè)者提出了一個簡單明了的要求:“等你有真實客戶在實際使用你的產(chǎn)品了,再來找我們談融資吧。”這句話多少澆熄了不少只靠PPT就想融資的AI創(chuàng)業(yè)夢。

【經(jīng)驗六】投資決策的真相:兩個關(guān)鍵問題勝過100頁商業(yè)計劃

在評估創(chuàng)業(yè)公司時,Rebecca關(guān)注兩個核心問題:

第一,“用戶怎么用你的產(chǎn)品?”她不要聽創(chuàng)始人自己的幻想,而是要了解:創(chuàng)始人自公司成立以來從用戶那里學到了什么?有什么驚喜發(fā)現(xiàn)?哪些假設(shè)被證實或推翻了?她直言:“我在找的是他們是否真正在傾聽用戶聲音并相應調(diào)整,而不是固執(zhí)地解決可能只存在于自己腦海中的問題。“

第二,“什么讓你早上起床?”創(chuàng)業(yè)之路滿是荊棘,Rebecca想知道是什么在驅(qū)動創(chuàng)始人,什么能幫助他們在困境中振作起來繼續(xù)前行。

【經(jīng)驗七】最后的秘密武器:無可救藥的自信

對于每一位創(chuàng)業(yè)者,Rebecca的終極建議既簡單又深刻:“對自己更自信點。如果連你自己都不相信你是那個職位的最佳人選,憑什么別人要投資你、給你錢、或者提拔你?沒有人會比你更相信你自己。"

這一觀點源于她商學院時的一次經(jīng)歷,當時班上大多數(shù)人在自我評分時都很謙虛,而她的朋友卻毫不猶豫地給自己打出了最高分,理由是“在銀行業(yè),這是他們教的第一課——為自己而戰(zhàn)!如果你都不認為自己是最好的,誰會想雇傭你?”這個經(jīng)歷深深影響了Rebecca對自信重要性的認識。

在當下AI創(chuàng)業(yè)狂熱的時代,Rebecca的觀點如同一劑清醒劑,提醒所有創(chuàng)業(yè)者:炫目的技術(shù)演示只是萬里長征的第一步,真正的考驗在于構(gòu)建能為用戶創(chuàng)造實際價值并可規(guī)?;漠a(chǎn)品。未來的贏家不會是技術(shù)領(lǐng)先者,而是那些能夠?qū)W習、執(zhí)行并傾聽用戶聲音的團隊。

如她所言,在企業(yè)級市場,先行者很多都交了學費,但聰明的后來者或許能笑到最后。這可能是給當下狂熱的AI創(chuàng)業(yè)者最好的忠告——少點PPT和Demo,多點實戰(zhàn);少點概念,多點用戶。

分享至
0贊

好文章,需要你的鼓勵

推薦文章
  • LLM情境調(diào)節(jié)與持續(xù)工作流程提示:革新化學分子式的多模態(tài)驗證技術(shù)

    LLM情境調(diào)節(jié)與持續(xù)工作流程提示:革新化學分子式的多模態(tài)驗證技術(shù)

    這項研究探索了如何通過"LLM情境調(diào)節(jié)"和"持續(xù)工作流程提示"技術(shù)來提高大型語言模型在驗證化學分子式時的準確性。研究者發(fā)現(xiàn),普通提示方法往往不可靠,因為LLM傾向于自動"糾正"錯誤而非指出它們。然而,通過精心設(shè)計的情境調(diào)節(jié)提示,研究成功引導Gemini 2.5 Pro不僅識別出文本中的錯誤,還發(fā)現(xiàn)了之前人工審閱未察覺的圖像中的分子式錯誤。這一概念驗證研究表明,即使不修改模型本身,也能通過適當?shù)奶崾静呗燥@著提高LLM在科學技術(shù)文檔細節(jié)驗證中的表現(xiàn)。

  • 微生物顯微圖像分割新突破:復旦大學研究團隊借助多模態(tài)大語言模型統(tǒng)一顯微鏡下的"萬物分割"

    微生物顯微圖像分割新突破:復旦大學研究團隊借助多模態(tài)大語言模型統(tǒng)一顯微鏡下的"萬物分割"

    復旦大學研究團隊開發(fā)的uLLSAM模型成功將多模態(tài)大語言模型(MLLMs)與分割一切模型(SAM)結(jié)合,解決了顯微鏡圖像分析的跨域泛化難題。通過創(chuàng)新的視覺-語言語義對齊模塊(VLSA)和語義邊界正則化(SBR)技術(shù),該模型在9個領(lǐng)域內(nèi)數(shù)據(jù)集上提升了7.71%的分割準確度,在10個從未見過的數(shù)據(jù)集上也展現(xiàn)了10.08%的性能提升。這一統(tǒng)一框架能同時處理光學和電子顯微鏡圖像,大大提高了生物醫(yī)學圖像分析的效率和準確性,為科研人員提供了強大的自動化分析工具。

  • 用強化學習讓大語言模型為匯編代碼提速:斯坦福團隊的優(yōu)化探索

    用強化學習讓大語言模型為匯編代碼提速:斯坦福團隊的優(yōu)化探索

    斯坦福大學等機構(gòu)研究團隊利用強化學習訓練大語言模型,使其能夠優(yōu)化匯編代碼性能。研究構(gòu)建了8,072個程序的數(shù)據(jù)集,并通過近端策略優(yōu)化(PPO)訓練模型生成既正確又高效的匯編代碼。實驗表明,訓練后的Qwen2.5-Coder-7B-PPO模型實現(xiàn)了96.0%的測試通過率和1.47倍平均加速比,超越包括Claude-3.7-sonnet在內(nèi)的所有其他模型。研究發(fā)現(xiàn)模型能識別編譯器忽略的優(yōu)化機會,如用單一指令替代整個循環(huán),為性能敏感應用提供了有價值的優(yōu)化途徑。

  • 播放師傅變聲魔術(shù):讓你的錄音遵循參考風格的推理時間優(yōu)化新方法

    播放師傅變聲魔術(shù):讓你的錄音遵循參考風格的推理時間優(yōu)化新方法

    這項研究提出了一種改進的聲樂效果風格遷移方法,通過在推理時間優(yōu)化過程中引入高斯先驗知識,解決了傳統(tǒng)ST-ITO方法忽視參數(shù)合理性的問題。研究團隊基于DiffVox數(shù)據(jù)集構(gòu)建了專業(yè)效果器參數(shù)分布模型,將風格遷移轉(zhuǎn)化為最大后驗概率估計問題。實驗結(jié)果表明,該方法顯著優(yōu)于基準方法,參數(shù)均方誤差降低了33%,并在主觀聽感測試中獲得最高評分。這一創(chuàng)新為音頻處理領(lǐng)域融合數(shù)據(jù)驅(qū)動和專業(yè)知識提供了新思路。

----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.-