新一代的AI 創業者，注定是生而全球化的一代。
對中國的創業家和投資人來說，」Born for Global」不再是願景，而是一場正在發生的AI 產業革命。但在AI 這件事上，因為各種原因，中美創業者目前存在不少差異，不管是商業路線，還是對科技的落地實踐上，以及中美投資機構目前對於創業者的要求，也都不一樣。
2025 年1 月，錦秋基金在矽谷灣區正發起的」Scale With AI」矽谷活動，在5 天內與包括OpenAI、Anthropic、Meta、A16Z 等在內的100 多名專家，進行了35 場高密度討論。在交流回歸後，Founder Park 與錦秋基金，邀請了兩位專注海外市場的創業者，組織了一場線上交流，一起探討中國創業團隊的優勢與全球化突圍路徑。
嘉賓介紹，臧天宇：錦秋基金合夥人，在基金、創投行業擁有多年經驗，深度關注新一代AI 技術與前沿應用；子健：AI 語言學習產品TalkMe 創始人，產品在應用商店與多鄰國、Speak 等在位居同一梯隊；Alex（阿立）：BodyPark 創辦人，FITURE 沸徹魔鏡合夥人，將AI 與軟硬體技術結合，專注於數位化運動健身場景。(以下為當事人看法，不代表本時報立場)
中國跟矽谷的技術落差
Q1：這次矽谷之旅中印象最深的點有哪些？
Alex：我已經四、五年左右沒去過美國了，之前幾次去都是參加CES。今年特意沒有去CES，而是直接前往舊金山市區以及灣區，拜訪了多所大學和投資機構，見了一些新舊同學和朋友，也參加了錦秋基金的活動和不少創業團隊交流。第一點：與五年前相比，矽谷乃至整個美國的物價水準大幅上漲。從搭計程車、吃飯到人力成本，各方面都貴了不少，直覺地說，可能比五年前高出了1.3 倍至1.5 倍左右。第二點：矽谷高度的多元化。首先，矽谷有許多華人——包括美籍華裔、留學生以及其他擁有中國或亞洲背景的人——完全不會感覺被邊緣化。其次，來自不同國家的人也非常多。有時你光看臉孔並不能看出他們的國籍，一旦開始交談就會發現，某些人的英文程度甚至可能還不及我們，可見這是一片多元文化交匯的土地。
子健：剛到舊金山時，最讓我驚豔的體驗就是搭乘Waymo 無人駕駛計程車。我在舊金山總共體驗了兩三次，行駛的是真實的城市道路，而且並非人潮稀少的街區，而是相對繁忙的路段。整個過程可以用一個字來形容──「爽」。這種體驗是我之前從未有過的。唯一的遺憾是，Waymo 目前只能在舊金山市區內運營，無法駛出這個範圍。當地物價確實很高，搭計程車隨便一趟就要花不少錢，遠遠超出我的預期。也許正因為Waymo 相對便宜，所以才讓我對它的性價比感受更深。
這次我見到了許多比我還年輕的創業家以及在大廠工作的華人。他們大多對AI 充滿熱情，富有朝氣，並且擁有許多獨特的見解。讓我印象最深刻的是一位剛畢業、選擇留在當地繼續升學、嘗試創業的年輕女生。她一邊工作，一邊探索自己的創業方向。和她溝通時，雖然能明顯感覺到她的想法還比較稚嫩，尚未經過充分打磨，但她談論這些內容時，眼裡閃著光，整個人都散發著能量。在矽谷，像她這樣的人並不少見。
臧天宇：矽谷這邊，具體到產業發展方面，這波AI 熱潮的核心起點是大語言模型。預訓練（pre-training）時代已基本進入尾聲，其邊際收益正不斷遞減。過去，大家關注的重點是GPU 運算能力、模型參數規模以及資料量的進一步提升，如今討論更多的是高品質資料和強化學習（RL）的應用。相較於語言模型，視訊模型似乎處於一個完全不同的發展階段，其技術路線仍未收斂。無論是擴散（diffusion）方法，還是自回歸（autoregressive）方法，目前都還處於探索和爭論之中。目前主流的技術路線是DiT，但其上限似乎較為明確——雖然生成的畫質、時長和成功率可以透過進一步提升規模來實現改進，但大機率無法真正遵循物理規律。若要實現Sora 論文中所說的「world simulator」，仍需要更多的研究投入。
具身智能在學術界和工業界都備受關注，但目前仍處於非常早期的階段，遠未達到類似GPT 那樣的突破性節點。根據以往經驗，目前AI 系統所能實現的泛化能力，核心還是在解決插值（interpolation）問題，也就是在見過的資料分佈內去做預測，所以訓練資料是非常重要的。而機器人恰恰是數據最匱乏的領域之一。因此，要在具身智能上取得突破，仍有許多關鍵難題需要解決。AI 創新的關鍵在於如何組織高密度的人才團隊。有人提到，Google正在悄悄裁員部分中階管理崗位，甚至讓一些管理者重新回歸一線，顯示大廠正向更扁平、更敏捷的組織模式轉型。 OpenAI 的成功或許提供了一個範例——過去，大廠的組織架構往往較為臃腫，而現在，它們開始嘗試更靈活、高效的模式。
Q2：如何看待目前中美創業者各自的優勢與創投環境差異？
臧天宇：概括來說，華人團隊在使用者體驗設計、使用者營運、成長方面更具競爭力，而這些能力正是中國過去十年行動互聯網發展累積下來的優勢。對於年輕的中國創業家來說，這也是難得的機會期。從技術角度來看，中美之間的差距有縮小的趨勢。過去，大家或許認為差距是一年以上，但現在可能只剩幾個月。這說明兩點：一是科學家之間的溝通管道始終暢通，二是開源社群貢獻了巨大力量。當領先的閉源AI 創新步伐放緩的情況下，這種差距自然會進一步收窄。
如果從創業或應用領域的選擇來看，中美確實存在較大的環境差異。正如子健和Alex 所說，矽谷在To B 領域更加成熟，過往累積了大量的成功案例。矽谷的VC 可能有一套類似標準模版，例如團隊需要什麼背景的組合，客戶的結構是什麼樣的，是不是有能標準化自助服務的部分，又有沒有拓展到企業級客戶的潛力，經常性收入的增長趨勢等等。相對而言，在To C 方向，華人團隊（包括在矽谷的華人團隊）通常更具優勢。這次在矽谷聽到一個說法，從Tiktok 出來的產品經理在矽谷非常搶手，很大程度上說明了這一點。華人團隊更懂怎麼做使用者體驗的創新，怎麼做使用者運營，怎麼做成長，這是中國過去十年行動互聯網高速發展所累積的優勢。從美國近十年的情況來看，除DoorDash、Uber 等少數企業外，在To C 領域並沒有出現大量新的行業巨頭，Facebook 其實早在PC 時代就已成立，因此兩國在市場形態與用戶需求上確實存在明顯不同。經過這段時間的觀察，我也更深刻地意識到：雖然中美創業生態各有特色，但在某些賽道上已經出現了並行競爭的態勢，未來的創新格局會因此變得更加多元。
子健：這次接觸之後，我們減少了以往的盲目，多了一些更務實、更清晰的認識，同時也進一步明確了自身及對方團隊的優勢，以及在中美兩地分別能夠做什麼事。這次前往矽谷學習後，大家普遍感到信心更足，對正在做的事情更加堅定，目標也更明確。我自己就是個典型的例子。在矽谷，我接觸了許多專注於C 端應用的創業者，也有正在籌備A 輪融資的新創團隊。在場景理解、問題思考方式以及階段性目標的實現方面，我認為華人團隊或中國團隊通常對目標的認識更加清晰，且更擅長規劃具體的實現路徑。
當然，中美的團隊各有所長。許多海外大廠的工程師在演算法基礎上非常紮實，能在搜尋、多模態、影音等領域做到極致。而中國工程師的顯著優勢在於快速落地、軟硬體結合以及營運能力，這些可能是矽谷大廠相對不足的部分。因此，中國團隊在面對海外競爭時依然底氣十足，而且這種底氣並非源自於單一優勢，而是建立在完善的商業邏輯之上。
Alex：大家普遍關注最前線的AI 創新，因此更多目光都會投向美國。然而，我這次去矽谷是以一種理性、平視的心態去看待中美的創業者及創業生態的。兩邊各有長處，也各有短板。一方面，中國創業家通常更接地氣，能擅長解決許多To C 層面更垂直、更細分的問題。中國市場偏營運、偏落地的項目較多，而在美國，這次看到的這類項目相對較少，或者說並不好做。此外，在SaaS 領域，美國的生態系統顯得更成熟，具備完善的融資、併購以及退出機制。這一差異導致儘管雙方都在同一行業或賽道上競爭，但各自的戰略重點和發展路徑卻呈現出明顯的差異。
在這次矽谷之行中，我深刻感受到一個顯著的變化：資訊差距已不再像過去那樣巨大，共識的形成速度之快，幾乎可以以「天」為單位來衡量。以往可能需要幾週甚至更長的交流時間，現在透過線上線下的高效連接，訊息同步的頻率大幅提升。這也意味著，創業者如果想要脫穎而出，必須敢於做一些「非共識」的事情，才能體現差異化和競爭力。訊息同步的加速不僅減少了訊息焦慮，也讓人可以更專注於自己真正想做的事情。一個說明我們正在「平視」矽谷的例子是：我在美國的許多老同學非常開放，都非常願意交流。即使地緣政治緊張，但落到個人層面，人與人的溝通依然順暢，這也說明「去魅化」其實是雙向的過程。對於擁有中國背景的創業團隊來說，它們還享有一些顯著的結構性優勢。首先，在人力成本方面，中國有明顯優勢──在美國，同等資歷的軟體工程師的薪資可能是國內的三、四倍左右。其次是供應鏈和製造優勢，特別是對於那些從上一波智慧硬體浪潮走出來的朋友來說，這種優勢尤其重要。
整體而言，這次回國後，我們的信心更足了。國內的迭代速度非常快，在許多領域，中美已經可以並行發展。無論是在小型應用場景，還是在複雜的垂直行業，只要創始團隊在創業之初就明確商業盈利的可行性，機會依然很大。
中美AI 創業的差異：中國更著重商業化落地
Q1：美國與國內在具身智慧與Agent 實踐路徑上有何異同？
臧天宇： Multi Agent 可能是25 年最熱的創業方向與機會。矽谷VC 最常被提及的概念是「Vertical Agent”，幾乎成了最常見的創業選擇。一方面，推理模型大幅加強了模型本身的邏輯推論能力；另一方面，OpenAI 和Anthropic 也都在提升模型對工具的呼叫能力，這些都在推動Agent 的發展。而且矽谷本身擁有大量的To B SaaS 創業機會，許多團隊從過去提供軟體服務轉向提供「數位勞動力」，主打工作流程的自動化，這與他們的技術積累和市場習慣非常匹配。
一級市場不少ARR 快速過千萬美金的公司其實都是在做某個領域的agent。在近期的二級市場上，像ServiceNow 這樣的上市公司也在講Agent 的故事，股價隨之有了顯著成長。不過在國內，大家通常不會直接用「Agent」這樣一個比較偏技術概念的方式來定義自己的方向，更傾向於從具體場景或產業需求出發，思考能解決什麼問題。就像Alex 所說，國內團隊更注重接地氣和落地實施，這在我看來和矽谷的風格形成了鮮明對比。第二個大的熱點是具身智能。在英偉達的發表會上，黃仁勳曾經展示過一張圖，從「Generative AI」，目前到了「Agentic AI」，再往後就是「Physical AI」。 agent 走到更進一步，是可以和物理世界產生交互，對物理世界施加影響的。這個方向很熱，但在創業層面的中美差異會更加明顯。
在美國，我們大致看到兩類具身智能公司。一類是做大腦的，例如Pi 和Skild，更像是市場化資金支持的科研機構，類似於早期的OpenAI，沒有特別明確的商業目標，更注重做長期探索；另一類則傾向於場景落地，可能是之前在某個場景做機器學習或計算機視覺落地的公司，可以和大腦公司形成合作關係，側重於在真實場景中採集數據去做後，最終和大腦公司形成合作關係，側重於在真實場景中採集數據去做後，最終和大腦公司形成合作關係，側重於在真實場景中採集數據去做後，最終和大腦公司形成合作關係，側重於在真實場景中採集數據去做後，最終和大腦公司形成合作關係，側重於在真實場景中採集數據去做後，最終和大腦公司形成合作關係，側重於在真實場景中採集數據去做訓練後，最終和大腦公司形成合作價值，側重於在真實場景中採集數據去做後，最終和大腦公司形成合作關係，側重於在真實場景中採集數據去做後，最終和大腦公司形成合作關係，側重於在真實場景中採集數據。
而在中國，更多是發揮產業鏈優勢，大部分公司選擇從硬體本體切入，先打造一個易用的開發平台，先在硬體上商業化，再建構資料集，進而訓練模型。這條路徑更適合國內企業，也更符合中國製造和產業鏈的優勢。近期國內二級市場上，表現優異的企業例如比亞迪、小米等，也都是先做製造，再做智能，製造還是中國的基本盤。
Alex ：我認為從垂直領域角度來看，這裡面還可以再拆分，像是To B 或To C，或是介於兩者之間。如果是SaaS 類型的公司，在美國，從融資到退出的通道相對順暢，本土美元資本相對更願意支持這類型的早期計畫。在中國境內，第一是能否融到錢，第二即便融到了，可能也只能拿到這一筆，所以對於創業者而言，需要非常關注DayOne 如何「跑起來立起來」。換句話說，中國境內投資人往往會在比較早的時候就問到你的現金流和利潤問題，要求這個生意本身能夠盡快實現閉環。
在某些垂直領域的應用裡，我們也會走類似的路徑。例如在BodyPark，我們為消費者提供運動和健身服務，同時也重構了以教練端為導向的工具系統，相當於做了一個專業端的「小型SaaS」。在大語言模型爆發之前，我們更多地使用基於上一代神經網路的判別式AI 來解決垂直場景問題；現在則會接入LLM 大語言模型，做Hybrid 的架構，讓一些原本難以實現或體驗不夠優的功能變得更好。但對我們來說，專注於前沿的技術概念固然重要，但更多時候還是會問自己：「它究竟能解決什麼問題？能不能提升銷售收入或降低成本？」大部分精力都放在「我怎麼把這些技術落地應用」這件事上。現在我們團隊很少會去描繪一個宏大的融資故事，而是務實地評估新技術是否有用，能否帶來使用者體驗、拉新轉換等方面的提升。
子健：中美在具身智能或其他領域的差異，主要體現在研究重心與應用路徑。美國有不少團隊聚焦於硬體層面，或在物理世界中建構「世界模型」，因此需要海量模擬模擬、泛化數據以及特定垂直領域的數據來支撐，並且通常會在硬體與複雜專項任務上做深度結合。與此相比，國內的AI 從業者更注重應用落地和快速迭代，每當有新模型或API 出現，他們都會在第一時間下載或調用，並結合自身業務需求進行測試，關注推理能力、長文本處理能力、響應速度等指標，以此判斷新技術是否能帶來實際的性能提升。在這過程中，團隊之間的資訊分享非常順暢，「凌晨發布—早晨試用—上午回饋」的模式不僅能迅速獲得先發優勢，也能及時在成本、流程和使用者體驗上進行最佳化。
具體到應用層面，小紅書在引入大語言模型後，僅用五天時間就上線了高品質的翻譯功能，用戶回饋相當積極。除了翻譯，最近幾個月值得關注的技術還包括「豆包」桌面用戶端——無論Windows 還是Mac 版本，業界普遍認為它的體驗堪稱標竿；Gemini 2.0 在速度、價格以及輕量文字處理能力上表現突出，部分測試結果顯示它遠超同類產品；國內的「海螺」以及「豆包」的TTS 技術也以穩定性和品質見長。再加上目前許多廠商都提供免費API，開發者可以多方嘗試，往往能獲得意想不到的效果。
2025 可能是真正的AI-Native 元年
Q1：什麼的產品形態才能稱得上真正的「AI-Native 產品」？
臧天宇：最重要的是看產品的核心體驗是不是圍繞著生成式AI 來建構的。以搜尋產品為例，傳統的搜尋產品加AI，會先給出10 個最相關的網頁結果，然後再對這些網頁做一個總結，展示在最前面，而且總結結果還是部分折疊的，如果你想細看還得再點開。它的核心仍然是網頁的分發。但像Perplexity 則是以展現AI 整理好的內容為核心，附加的網頁連結只是用於事實查核（grounding），是圍繞著token 來做內容組織和分發的。所以背後整個互動體驗和內容分發的邏輯都有不同。大模型高速發展了2 年多，大家對模型能力的理解在加深，本身模型推理的成本也在極速下降，我們相信會有越來越多的AI-Native 應用出現。錦秋非常看好其中的機會，我們去年下半年5 個月就交割了15 個項目，還有非常多項目處在投資流程中，可能在近期完成。AI-Native 應用會是我們今年的重點方向。
子健：一個很重要的指標是看人和AI的佔比，也就是問題到底是由人來解決，還是由AI 來解決的比例。真正好的、優秀的AI 產品，其AI 佔比一定要在50% 以上，甚至90%，人只在關鍵節點介入，確認之後再由AI 去解決。這樣的產品才足夠「AI-Native 化」，其「生產工藝」也無需大量的人工操作與標註，更多依賴於對文本和場景的理解來直接生成答案。同時，AI 原生（native）與團隊的組織架構密切相關。看一個產品是否專業、嚴謹，往往可以從核心團隊的背景推測出來。通常，由技術主導的團隊在產品體驗中更能展現出高水準的專業度，也能更好地打造出真正AI 原生的解決方案。
Alex ：很多人會討論「AI 加」還是「加AI」。如果原本就有某個需求和解決方案，只是用AI 手段倍增效率，而使用和互動方式的大框架沒變，我們可以把它看作「加AI」。但假如還是解決同一個問題，卻在問題的解決方式上完全以生成式AI 的思維重構，那麼就可以被視為「AI 原生」。舉個例子，我最近用到一個叫「Ready.AI」的產品UI 原型工具，只要聊天式的交互，就能快速產生高保真度的前端介面。例如，我告訴它把改成雙列或單列，或是要把高度減到2/3，它都能馬上回應。對需要做原型的產品經理而言，這是個很有效率的工具，以前要嘛自己手畫，要嘛請別人幫忙，現在和AI 聊著天就能把這些工作搞定。因此，關鍵還是看它能否解決一個具體問題，並且做到讓用戶覺得「物有所值」，如果能，用戶自然願意為此付費。
Q2：AI 會讓團隊整體變大還是縮小？
子健：我認為需要分行業來看。如果只局限在傳統網路或AI 領域，不涉及重資產或製造業，那麼團隊確實會「減員」，但不少職位依然會保留，只是人數減少而已。舉個例子，一個職位原本需要10 個人來支撐，在AI 的幫助下可能縮減到3 個人。教育產業就是如此，以前一個助教老師最多負責300 名學生，現在藉助AI 就能支持到800 甚至1200 名學生，團隊規模也相應從10 個人降到3 個人。有些職位甚至一開始就不設，後續再看需求增加。
另一個現像是，正如伊隆馬斯克所說，他會去找幾個「天才少年」做審查，這說明許多傳統的方法其實並不高效，如今新場景不斷出現，人們的方法論也在更新，老經驗未必適用。不過，並非所有服務都能被AI 完全取代，依舊有崗位需要人與人深入溝通，需要經驗豐富的專業人員或產品經理來帶領AI 與工程師一起開發。
Alex：在我們這個領域，AI 在某些場景可以充當虛擬教練或私人教練，但真人仍然有其不可替代的價值，這很大程度上取決於產品的商業模式和定價策略。當使用者付費時，通常會先評估服務是由AI 還是由真人提供，再決定它的價值，而真人服務往往比AI 貴上數倍甚至數十倍。基於此，更值得關注的是如何提供標準化、規模化、且「方差」極小的服務。許多服務業都十分碎片化，如果能透過數位化、智慧化手段，讓產業從數位化到線上化，再到智慧化、規模化，就會釋放巨大的想像空間。類似「做服務業的滴滴」這樣的思路，雖然不一定百分之百適用，但方向類似。至於AI 是否會取代真人，最終還是得看具體場景；在現實中，AI 與真人服務大概率會並行存在。
從”Copy to China”到”Born for Global”
Q1：海外創業如何規劃團隊？
臧天宇：這個問題的拆解其實是建立在一個趨勢下的。過去十年，中國創業家用’Copy to China’模式消化矽谷創新，實現了」Copy from China」的可能。但在生成式AI 時代，我們其實與美國站在同一起步線，到了中國公司要到」Born for Global」的階段。如果企業的目標市場是美國，並且長期希望在美國融資，那我們還是會建議創業者盡可能多在美國待著。一方面更貼近你的用戶，另一方面也方便融入那邊的創業生態，因為他們的創投還是偏向小圈子，取得初步的信任是有門檻的。所以如果你確實瞄準美國市場，想在那邊走資本路徑，創辦人最好去美國。
但其實就全球化而言，還有很多其他選項，並非只有美國市場，比如說像日、韓、港台，也都是可能的選項。比如說OpenAI 投資過的Speak.ai，最近一輪融了8,000 萬美金，它的主要市場就是日韓台。它還是一家美國公司，不是中國公司。如果是做這些選擇的話，靈活度也會更高一些。
子健：在產品全球化的過程中，試誤成本確實變得更低，尤其在早期探索階段，AI 能幫助我們解決許多原本需要大量人力才能理清的問題。正因為如此，團隊不一定要一開始就融資，可以先用更低的成本跑通一些結論，再去尋求融資會更有效率。在實際經營中，如果涉及多語言或出海，AI 同樣能削減大量營運成本，避免以往因為資訊不足而產生的隱性浪費。對中國開發者而言，還有一個利多因素：國內公司整體能力很強，很多關鍵環節只要在當地做本地化即可，而核心研發或生產可以放在國內，這樣效率和競爭力會更高。我也注意到，新一波AI 創業家背景都非常好，某些「天才少年」在大模型的幫助下，能快速掌握過去需要數年經驗才能累積的知識，因此他們的推進速度非常驚人，這是我親眼目睹的一大變化。
Alex：從做事的角度來看，只有「go to market」這個環節必須在海外當地進行。 Go Global = Go Local，要理解北美、歐洲、拉丁美洲等不同市場的B 端或C 端用戶，就必須依賴當地人或當地合作夥伴，才能做好市場、品牌和營運。而產研、供應鏈或硬體環節其實可以放在國內完成，既能降低成本，也能利用國內成熟的研發和生產體系。
Q2：中國創業家如何在海外市場融資？
臧天宇：大面上說，之前聽過一個數據，現在在矽谷的AI 創業家裡華人團隊能占到三成，而矽谷對於VC 來說又是特別卷的一個地方，有非常多中小型的emerging fund，所以從供需看，華人團隊並不會被迴避。從具體的策略來看，如果創業者本身就曾在海外工作生活過，在當地有人脈積累，甚至認識一些基金的GP，能融入本地社群，就可以考慮直接在海外融資。如果中國的創業者希望到海外發展，那麼第一次的信任建立還是有門檻的，相對更可行的是先在中國內融一筆，或者矽谷也有不少華人基金，先搞定啟動資金，把業務跑起來，後面用數據說話，如果增長呈現出J curve，不會有機構不感興趣。另外也非常歡迎大家找我們交流，一方面我們本身是全球化投資的基金，另一方面我們也在矽谷做一些基金投資，與一些孵化器建立了合作，也希望能夠在這個特殊的階段，能夠給創業者幫助。