大多数AI Agent公司，活不到2030年？

大多数AI Agent公司，活不到2030年？

每个人都在谈Agent，每个论坛都在喊"下一个风口"，市场分析机构已经把2030年的市场规模标到了500亿美元。但你真去翻翻那些号称"做Agent"的公司，大多数不过是在ChatGPT外面套了一层壳，多填了几个Prompt，搭了个还算能看的界面，就敢出来融资了。

在最近一场新加坡Agent峰会的圆桌讨论上，五位顶级VC——Golden Gate Ventures的Jeffrey Paine、Openspace Capital的Yiliang Zhao、59st Ventures的Jim Lim、Monk's Hill Ventures的Arun Pai、Accel的Manasi Shah——坐下来聊了一个多小时。他们的共识很直白，也很残酷：大多数AI Agent公司，活不到2030年。

那活下来的会是谁？

这篇文章不是又一篇吹Agent多牛逼的软文。我们想告诉你的是：当这些真正管钱的投资人坐在你面前时，他们到底在看什么，以及什么样的公司，才配从他们的口袋里拿到真金白银。

01 第一个问题："如果你的Agent明天消失，谁会哭？"

"如果你们的AI Agent明天消失了，谁会受到影响？谁会最先注意到？"

这是Jim Lim在圆桌上的原话。他是59st Ventures的首席战略官，也是Grab Health的创始CEO，见过太多漂亮的Demo最后变成没人用的僵尸产品。

他说，大多数Agent公司只创造了"好奇心"，没有创造"依赖性"。

Demo做得再惊艳，PPT画得再漂亮，如果用户只是"哇"了一声然后继续用原来的工具，那你不过是个噱头。如果有人第二天就慌了，业务流程断了，关键指标崩了——那你才是mission critical（关键任务）。Jim的判断标准很干脆：没人注意到你消失了，你就是另一个工具；有人注意到了，你才是不可替代的流程。

Jeffrey Paine的问题清单更狠。Golden Gate Ventures投的是非常早期的项目，他会连珠炮似的问创始人10个问题，层层剥开你对客户痛点的理解。"垂直应用已经非常拥挤了，"他说，"你必须非常懂客户。"

"如果你给我发BP用的还是Gmail，我很想跟你聊聊。"

Jeffrey解释这句话的时候带着笑意。不是因为他不在乎professionalism，恰恰相反——他觉得，一个等不及注册域名、搭建网站，就用个人邮箱来找他的人，"充满干劲，拼命奔跑"。"如果你已经搞定了域名和网站，那你可能已经落后三个月了。"越早行动越好，充满干劲比一切就绪更重要。

Yiliang Zhao聊过50多家Agent公司之后，排序也很清晰：先谈影响力（Impact），再谈技术。 你解决的是不是一个真实且足够大的问题？你的Agent如果突然不可用了，那些关键业务指标会不会大幅下降？不是"优化了效率"那种虚的，而是实实在在可衡量的影响。

Accel的Manasi Shah把问题抛回给了创始人本身："你有多痴迷？速度有多快？"

她的逻辑更直接——Claude明天就能发布你们的竞品，你打算怎么反击？时代变化太快了，模型能力日新月异，投资人能抓住的只有你这个人，以及你对赢的渴望。谈到中国创业者时她说，"中国团队的速度和爆发力非常出色——但你要跑的不仅是技术，还有对客户的那种近乎偏执的痴迷。"

Arun Pai在找一种更玄的东西："Aha moment"（顿悟时刻）。

全球有成百上千的人在做跟你极其相似的东西，二维矩阵里谁都可以把自己画在右上角。创始人唯一能说服投资者的方式，是拿出真正独特的洞察，让投资人有一种"原来还能这么想"的顿悟。往后的一切，就只是执行力的问题了。

说到底，五位VC的问题虽然角度不同，但都指向同一个核心：他们不看你的模型有多fancy，不看你的Demo有多炫，他们看你的客户有多痛。

找到了痛点，就够了吗？

远远不够。投资人紧接着就会问你第二个问题：你的护城河到底是什么？

02 漂亮的Demo不值钱，值钱的叫"数据飞轮"

这个问题Yiliang Zhao听过太多次了。Openspace Capital的数据科学与AI总监，聊过50多家Agent公司，几乎每家都会拍胸脯说："我们的护城河是专有数据，竞争对手没有。"

Yiliang的回应很直接：真正的护城河，不在于你有没有数据，而在于你能不能用它。

"你应该建立一个迭代循环——输入数据去优化模型，用户使用产生反馈，反馈又变成新数据，继续更新模型。这比单纯声称'我有专有数据'有说服力得多。"

他投过一个特别好的例子：泰国Abacus Digital，从SCB银行分拆出来，专门为低收入人群做信用评分。这些人没有信用卡记录，传统银行根本不会碰。Abacus不止有一个好的数据集，更重要的是他们有好的策略不断评估和升级模型、数据、特征，让模型越来越准。数据在转，模型在进化，护城河就越挖越深。

数据本身是一张静态的照片，数据飞轮才是一部正在放映的电影。

Arun Pai显然被这个说法勾起了兴趣，当场追问："等一下，你确定这边的团队能做出比Anthropic或OpenAI更好的微调迭代循环？人家的人才密度和算力密度是什么级别？"

现场安静了一下。

Yiliang的回答很笃定：如果你是该领域的专家，身处那个行业，而且能接触到业务数据，你绝对比外行人拿专有数据生搬硬套强。

"我很难相信外行人仅仅依靠所谓的专有数据就能赢。"

这句话的潜台词很锋利。OpenAI的工程师再聪明，也不懂泰国农村信用社的风控逻辑；Anthropic的算力再强，也不在你的客户办公室里蹲点。懂行业、有数据、还会迭代——三者加在一起，才是真正的护城河。缺一个，就是纸糊的。

Jeffrey Paine从另一个角度补了一刀："客户用得越多，离开你就越难。"

他说得很实在。你把产品做成一个"工具"，客户随时可以换掉；你把产品变成人家工作流的一部分，嵌入到日常操作里去，那离开你就意味着重构一整套流程。重构流程的痛苦，就是定价权的来源。Jeffrey的原话更直白——你把产品嵌进人家工作流里，让他们离不开你，跑都跑不掉。

从"可以用"到"离不开"，中间隔着一条叫"工作流"的河。

Manasi Shah的收尾，把这轮讨论抬到了另一个高度。

Accel的这位投资人说了一句让人回味很久的话："当底层技术和基础设施商品化之后，品位（Taste）和对该领域前0.1%的深刻认知，才是最重要的。"

意思是，模型大家都能调用，API大家都能接，基础设施越来越便宜。到那时候，拼的不是谁技术更牛，而是谁对这件事的"品味"更好——谁更知道该做什么、不做什么，谁更懂那0.1%顶尖玩家的判断标准。

数据飞轮让护城河越挖越深，深刻认知是别人抄不走的城墙，而品位——品位决定了你能不能发现别人看不见的东西。三者守住了，巨头来了也打不进去。

护城河再深，建在沙地上也是白搭。下一个问题更致命：你在哪里打仗？

03 Jeffrey恳求创业者："如果可以，第一天就做全球化公司"

Jeffrey Paine说这句话的时候，身体往前倾了倾，语气不像建议，像恳求。

"我会求你这么做（I'll actually beg you to do it）。"

Golden Gate Ventures投了东南亚数百家公司，Jeffrey见过太多创始人把第一步就走死了。他的逻辑很赤裸：新加坡市场太小，撑不起你想要的估值。如果终极目标是美国，直接搬过去，别在新加坡"过渡"。

"新加坡有时候太安逸了。"

政府的口头禅是"先在新加坡发布，再走向全球"——Jeffrey说那是错的。公司该在哪你就去哪，哪里待着舒服就留在哪，那是把个人偏好放在公司前面。 他还戳破了一个很多人不敢面对的点：团队多样性。前十个员工全是中国人，Pitch Deck递到美国投资人面前——太单一了。

但Jeffrey也给了很生动的路径：很多时候你不是"杀"进海外市场的，是被"拉"出去的。亚太区做了个好产品，跨国公司的亚太分部用了，推荐给西方总部，客户主动来找你。敢不敢放下一切搬过去？不是所有人都有这个魄力。

全球化从Day 1，不是因为你野心大，是因为你的竞争对手已经在这么做。

选对了地理坐标，还得选对赛道。Jeffrey的判断很务实：外国巨头一定会来，但他们有自己的后院要守。 你选制造、半导体、供应链物流这些领域，巨头的资金不会第一时间砸过来，你就有时间差。

"如果你选了一个巨头能迅速赢下的行业，你会死得很惨——他们的资金是你的100倍。"

选对战场，和打好仗，一样重要。

Jim Lim在这个话题上最有发言权——他亲手栽过跟头。

2018年，他带着软银和平安的钱做Grab Health，本想在新加坡大展拳脚。结果新加坡不允许AI直接做诊疗收费，拿了再多钱也没用，只能先去印尼。

他讲了另一个故事：新加坡明星AI公司EyRIS，从本地起步花了整整9年才拓展到中东。联合创始人Daniel Ting后来反思说，如果一开始从中东出发可能只要2-3年——那边监管接受度更高，患者看专科的距离更远，痛点更大。

Jim的建议是：用PESTLE框架（政治、经济、社会、技术、法律、环境）选首发市场。 不是哪个市场你熟就去哪，是你解决的问题在哪片土壤上最容易扎根、最快能收费，就去哪。

Arun Pai听到这里，苦笑了一下。他的故事太真实了。

创办Kristal.AI的时候，团队同时在新加坡、香港、印度三线作战，像无头苍蝇。三线都不聚焦，三线都做不到最好。最后几乎死掉，不得不回到原点，重新想根本痛点是什么。几年后才回到增长轨道。

"未能聚焦是人们失败的首要原因。你不是谷歌，不能让员工在周五花时间去搞什么登月计划。"

创始人的通病是什么都想要，但早期创业最残酷的地方在于——资源少的时候，不做选择就等于选择死亡。

Yiliang Zhao的答案最反常识。

主持人问：如果你从零开始创业，会做什么？

他说：我不会做Agent公司本身。

"我会做Agent上游的数据公司——物理AI（Physical AI）的训练数据。"

AI Agent接下来会往物理世界渗透，但瓶颈不是算法，是缺乏实际操作的训练数据。做Agent的公司会成百上千家厮杀，卖铲子的人永远赚钱。

五个人的答案串在一起，画出一张地图：从Day 1瞄准全球，用PESTLE选首发市场，扎进巨头看不上的垂直赛道，All in一个痛点打到穿。够胆量的话，连Agent本身都不做——去做那个所有人都需要、但你独一份的东西。

做起来，每一步都是删减题。删到只剩一个答案，你才可能活。

Jeffrey说全球化，Yiliang说数据飞轮，Jim说创造依赖，Arun说独特洞察，Manasi说速度——每个人说的似乎都不一样。但把这些碎片拼在一起，它们指向同一个答案。

04 五个VC的一致答案：活下来的公司长什么样

五位投资人，五个角度，最后都指向同一个答案。活下来的Agent公司，不是最会做Demo的，是客户最离不开的。

具体说，三个特征。

特征一：不可替代性。

Jim Lim的话最狠：

"创造依赖性，不是好奇心。"

大多数Agent公司只做到了"让人好奇"——Demo漂亮，PPT惊艳，客户看了说"挺有意思"。然后呢？然后就没有然后了。好奇心不值钱，依赖性才值钱。

Jim讲了一个兽医诊所的案例。客户原先用的传统临床管理软件，每月200新币。AI Agent报价每月10000新币。为什么人家愿意付50倍的价钱？因为这个Agent能真正替代呼叫中心的员工。 如果做不到这一点，客户凭什么买单？

"如果只是增强效率，人家不会付这个钱。"

"增强效率"这句话，翻译过来就是"可有可无"。

特征二：ROI清晰。

Manasi Shah的标准直接了当：

"能100%取代员工任务并立即展示ROI。"

不是"优化了30%的工作流"，不是"提升了团队协作效率"——这种虚词投不了产。Yiliang Zhao给了一个更具体的测试方法：如果这个Agent突然不可用，你的关键业务指标会不会大幅下降？ 会，说明你成了基础设施；不会，说明你只是个插件。

真金实银的替换，真金实银的回报。别拿"效率提升"这种软指标糊弄自己，更糊弄不了客户。

特征三：融入工作流。

Jeffrey Paine的判断标准最简单：问题定义清晰，完全融入工作流。

"如果他们真的需要你，他们会大量使用，那就永远跑不掉了。"

这句话背后有个残酷的真相——很多Agent公司死在"用得不深"。客户试了一下，觉得还行，但很快又回去用老办法。为什么？因为Agent没有变成"工作流的一部分"，只是个外挂工具。外挂随时能卸载，内置的换起来成本就高了。

用得越深，离开越难。这是SaaS行业的铁律，Agent也一样。

三个特征说完了。但知道和做到之间，隔着十万八千里。

圆桌的最后，主持人让每位嘉宾只留下三个词——给正在读这篇文章的创业者。以下是他们的"创业急救包"，建议你截图保存：

Manasi Shah（Accel）：Global from day one / Edge and speed / Resilience

点评：全球化、差异化、韧性——Accel看的是长跑选手。

Arun Pai（Monk's Hill）：Unique insight / Dogged determination / Spikiness

点评："Spikiness"这个词选得好——不要面面俱到，要有一处锋芒，刺穿行业。

Jim Lim（59st Ventures）：Pilot to production / Dependency not curiosity / Business continuity

点评：从试点到生产，从好奇到依赖，从炫技到业务连续性——每一步都是质的跨越。

Yiliang Zhao（Openspace）：Act fast / Data flywheel

点评：就两个词，没废话。快速行动，飞轮自转。

Jeffrey Paine（Golden Gate）：Why are you doing this / Close the knowledge gap / Sleep under your customers' table

点评：最后一个最狠——"在客户办公桌下睡两周"，意思是：你到底有多想解决这个痛点？

五个急救包，五种活法。但底层逻辑一模一样：别做那个看起来最酷的，做那个最被需要的。

好了，回到开头那个问题：AI Agent创业，到底在拼什么？

不是拼谁的大模型更厉害。Claude明天就能复制你的功能。

不是拼谁的Demo更炫。Demo是最廉价的竞争壁垒。

不是拼谁的融资额更高。钱烧完的时候，故事就结束了。

拼的是谁更懂客户的痛——痛到客户愿意为你的Agent付10倍的价格，痛到Agent一旦宕机客户就急得跳脚，痛到客户用了就再也回不去。

技术会过时，模型会开源，资本会流向下一个热点。但一个真正被需要的产品——那是谁也抢不走的。

Jeffrey当年对创业者说过一句很糙但很有画面感的话：在客户办公桌下睡两周。不是真让你打地铺，是问你到底有多想搞懂那个痛点。搞懂了，产品就活了；搞懂了，护城河就深了；搞懂了，你的Agent才能从"不错"变成"离不开"。

所以最后一个问题留给你：         

你的Agent，如果明天消失了，会有人注意到吗？

更多对话细节

Panelist：Jeffrey Paine（Golden Gate Ventures Co-Founder&Managing Partner）；Yiliang Zhao / 赵奕靓（Openspace Capital Director&Head of Data Science and AI）；Jim Lim（59st Ventures Chief Strategy Officer & Managing Director）；Arun Pai（Monk's Hill Ventures Partner）; Manasi Shah（Accel Venture Principal）

Host：Huangchao Chen / 陈凰朝（中新人工智能协会 Co-Founder）

陈凰朝：我是今天的也是主持人。让我简短地介绍一下自己。我是中新人工智能协会（China Singapore AI Association）的联合创始人，这是新加坡最具影响力的AI协会，拥有超1500名会员，连接着中国、新加坡以及全球的AI创业者、投资者和研究人员。同时我也是一位有着十多年AI经验的创业者，是Distri（一家构建Agent即服务基础设施的公司）的CEO。今天我们齐聚一堂，探讨投资者真正希望在AI Agent初创公司中看到什么。各位嘉宾都是这个领域的专家，由于时间关系，请每位嘉宾用大概30秒的时间介绍一下自己，以及目前关注的重点。

Jeffrey Paine：我是Jeffrey，Golden Gate Ventures的联合创始人。我们是一家位于新加坡的早期风险投资基金，大概80%投向本地区，20%投向全球，最近我们也在中东（多哈）设立了新基金。如果你正在筹集A轮及以下的资金，欢迎来找我聊聊。

赵奕靓：我是Yiliang，来自Openspace Capital，担任数据科学与AI总监。我在公司超过六年了，主要支持投资组合公司在AI、机器学习和数据科学方面的实践，最近也参与了更多投资相关的技术尽调和项目寻找工作。我本人是技术背景，拥有机器学习博士学位，之前在Google担任机器学习实践负责人，也是Shopee最早的几位数据科学家之一。此外，我还在新加坡管理大学（SMU）担任兼职教职超六年了。很期待接下来的讨论。

Jim Lim：我是Jim。我是59st Ventures的首席战略官兼董事总经理。除了帮助初创公司融资，我们还提供咨询和快速落地实施的培训。我之前是Good Doctor Technology（在印尼叫Grab Health）的创始CEO，这是软银、平安好医生和Grab的合资企业。在那之前，我一直在企业界工作，推动技术落地，比如曾担任华为亚太区的区域CTO。

Arun Pai：我是Arun，Monk's Hill Ventures投资团队的合伙人。Monk's Hill是一家专注东南亚的早期区域性风投基金，我们通常在成长期（相当于B轮及之后）开出500万到2000万美元的支票。

陈凰朝：感谢各位尊贵的嘉宾。让我们切入今天的主题。现在每个人都在谈论AI Agent，但现实是很多人实际用的只是ChatGPT等大语言模型，并不是真正的Agent。AI Agent真的不一样，它能提前计划、主动行动，就像你的AI员工一样。市场分析预测，到2030年全球Agent市场规模将超过500亿美元。今天我们重点从两个角度来讨论：第一，作为投资者，你们真正在AI Agent公司中寻找什么？第二，如果跳出投资人的身份，让你们自己去创立一家AI Agent公司，你们会怎么做？

让我们先进入第一部分。当一位创始人走进你的办公室说“我们正在做AI Agent”时，你会问的最首要的一个问题是什么？Jeffrey先来。

Jeffrey Paine：对我来说，重点就是问题陈述（Problem statement）。我会大概问10个左右的问题，来深入了解他们对客户的痛点理解得有多透彻。现在的垂直应用非常拥挤，他们必须非常懂客户。另外，不知为什么我个人很喜欢一点——如果你给我发邮件或者发BP时，用的还是Gmail，那我其实很想和你聊聊，这说明你甚至还没买域名、没注册公司，只是用个人邮箱就来找我了。

陈凰朝：不好意思打断一下，我很好奇这是为什么？

Jeffrey Paine：因为我做的是非常早期的投资，我喜欢那些在一切就绪之前就充满干劲、拼命奔跑的人。如果你已经搞定了域名和网站，那你可能已经落后三个月了。如果你迫不及待想和像我这样的人或者客户聊，甚至还在用Gmail，我觉得这很酷。

赵奕靓：我最近大概聊了50多家做AI Agent相关业务的公司。从我的角度来看，最重要的是你得清楚你要解决什么问题，市场有多大，以及解决方案的可扩展性如何。然后我们才会深入技术层面的讨论，比如你的Agent有什么独特性，有什么专有数据集，以及怎么保持数据更新等。系统还需要能够规划、记忆对话内容、进行自我纠错，并善用各种工具。自我纠错（Self-correction）是AI Agent系统非常重要的一个特性。

陈凰朝：简短用一句话总结的话，你问的第一个问题会是什么？

赵奕靓：这其实取决于他们之前发给我的资料以及他们要解决的问题。但我最常问的可能是关于影响力（Impact），即你们带来了什么影响，以及这是否是一个真实且足够大的问题。

Jim Lim：我的回答与他们俩类似，问题陈述和影响力肯定是基础。如果非要用一句话总结，我会说：我们应该投资“依赖性（Dependent）”，而不是“好奇心（Curiosity）”。我们看过很多公司，他们都有令人印象深刻的Demo和漂亮的PPT，但很多都只停留在Demo和创意的阶段。所以我会问的第一个问题是：如果你们的AI Agent明天消失了，谁会受到影响？谁会最先注意到？ 如果没有人注意到，那你只不过是市场上的另一个工具而已；如果有人注意到了，说明你们是关键任务（Mission critical），是不可替代流程的一部分，产生了依赖性。这样才会是一家成功的AI Agent公司。

Arun Pai：我寻找的是，创始人对他们正在构建的产品以及为什么要做这件事，是否有真正独特和差异化的洞察。这个领域太拥挤了，大家都喜欢在竞品分析的二维矩阵里把自己画在右上角。但说实话，全球可能有成百上千的人在做和你极其相似的东西。创始人说服投资者的唯一方法，就是提出一些真正独特的东西，让投资者有一种“Aha”的顿悟时刻，觉得创始人确实进行了极其深度的思考。之后的一切就都只是执行力的问题了。

陈凰朝：我们有一位新嘉宾Manasi加入了。欢迎Manasi，请您也介绍一下自己，并回答一下这个问题：如果创始人走进你的办公室，你会问的第一个问题是什么？

Manasi Shah：大家好，我是Manasi，来自Accel Venture。Accel是一家全球性基金，管理资产超100亿美元。我们对AI非常痴迷，有幸投资了Anthropic、Cursor、Perplexity等公司。我们对打算出海全球化的中国创始人感到非常兴奋，这也是我在这里的原因。我会问的第一个问题是：你有多痴迷，速度有多快？ 时代变化太快了，我们唯一能抓住的只有你这个团队，以及你对赢的渴望。你对客户有多痴迷？对产品有多痴迷？你对此深思熟虑很久了，还是只是个想进来捞一笔的投机分子？ Claude明天可能就会发布你们的竞品，你打算怎么反击？所以我们看重的是痴迷程度。第二点就是速度（Speed），你必须跑得比所有人都快，而且要朝着正确的方向跑。我觉得中国创业者在速度和爆发力上非常出色。

陈凰朝：谢谢大家的分享。我注意到你们非常看重创始人的热情、专注度、市场以及团队。接下来的问题我想问Arun。我知道Monk's Hill早在2019年就领投了Saleswhale的A轮，那是一家新加坡AI SaaS，后来被美国营收科技独角兽6sense收购，在当时那绝对算是一个非常早期的AI押注。但如今的Agent和那时候的概念已经完全不同了。如果是今天，遇到他们做今天这样的产品，你的想法会有什么不同吗？

Arun Pai：很高兴你问了这个问题，非常巧的是，Saleswhale的创始人Gabriel最近创办了一家新公司Bluewhale Energy，我们刚刚也投资了。那时候他做的是AI销售Agent并成功退出，而他现在是用AI进入能源这种底层领域，来制定更优的能源输送方案。对于Monk's Hill来说，我们的理念是“创业者支持创业者”。当我们发现一位我们认为非常特别的创始人时，我们很乐意多次支持他们，无论他们之前的公司是否成功。

陈凰朝：那么如果Saleswhale今天由同样的团队、带着同样的愿景和产品来找你融资，你还会投吗？

Arun Pai：如果和当年完全一模一样，那显然不投了。这涉及到时间的问题。如果过了七年，创始团队对他们正在解决的问题没有产生新的独特洞察，考虑到底层基础设施技术已经演进了这么多，那就行不通了。你得能够更好地利用底层技术来构建更具扩展性的解决方案。我相信他们团队学到了很多，并且已经转向了不同的技术栈。如果他们今天还在做销售领域的Agent，那我只能祝他们在与Brett Taylor（Sierra联合创始人）等人的竞争中好运了。

陈凰朝：下一个问题我想问Jeffrey，你投资了东南亚数百家公司，包括Carousel、Ninja Van等。今天任何人都可以用Web等工具创建一个Agent。如果一家新加坡公司做了一个Agent，但同时美国或其他国家的巨头也进入新加坡市场做同样的事情，你认为新加坡本土公司有什么优势？他们该如何保护自己？

Jeffrey Paine：我首先强烈建议的是：如果可以，请从第一天起就建立一家全球化的公司。如果你能搬到美国去，请直接搬过去。我知道你们中大概有15%的人正在尝试这样做，这不一定能成，但你在尽力而为。而剩下的大多数人会留在本地。如果你留在新加坡，这里的市场太小了，可能撑不起你的估值。如果你必须留在这里，我建议你选择一个特定行业，比如制造、半导体或供应链物流，这些领域对外国公司来说更难轻易抢走，然后你就专注在这个领域做到极致。另外，眼光不能只局限在东南亚，也可以看看中东等地，比如B2B产品在中东就有抬头的趋势。那些外国巨头会来吗？会的。但他们有自己的后院要守，也有竞争，他们得先赢下本土市场才会过来，这就给了你时间差。如果你选了一个他们能迅速赢下的行业，你就会死得很惨，因为他们的资金可能是你的100倍，人才也更好。所以你必须非常具有战略眼光，为未来七年的发展做好规划。

陈凰朝：谢谢你的建议。你提到从第一天起就做一家全球化公司，但这其实非常困难，对吧？

Jeffrey Paine：是的，我其实会求你这么做（I'll actually beg you to do it）。

陈凰朝：那你能分享一些你投资过的、从第一天起就是全球化公司的例子吗？他们是怎么做对的？

Jeffrey Paine：他们中有些人在本地区有深厚的背景，即使人在本地，也有与全球客户打交道的经验。大多数时候，你不要想着非得把第一个客户签在美国，而是尽可能快地发布产品。不知怎么的，海外客户可能就开始找你了，或者跨国公司的亚太分部把你推荐给了他们西方的总部，然后你发现自己被“拉”出了大本营。这时候你就必须决定，是不是该放下一切搬过去。并不是所有创始人都有这种冒险的魄力，但有时候市场会告诉你必须这么做。所以我的建议是：把公司放在你的个人偏好之前，公司该在哪你就去哪，而不是哪里待着舒服你就留在哪。新加坡有时候太安逸了。如果政府跟你说“请在新加坡发布，然后再走向全球”，那是错的。如果你的目标是中国，你就直接去中国，如果要去美国，就直接去，别在这里浪费时间。

陈凰朝：了解了。那团队也应该是国际化的吗？

Jeffrey Paine：不一定。如果你来自中国大陆，你的前十个员工可能都是中国人，你的顾问也是中国人。但当你准备去美国，把公司翻牌到特拉华州（Delaware），准备拿美国的钱时，你就会意识到：“糟了，资方看我的Pitch Deck，团队看起来太单一了，我需要多样性。” 那时候你就会有点手忙脚乱，这是你需要提前意识到的挑战。

陈凰朝：谢谢。接下来我想问Yiliang。你现在跟Openspace的投资组合公司（比如涉及数百万患者医疗数据的Halodoc）在AI战略上合作非常紧密。现在很多亚洲公司都说自己拥有独特的数据。结合你的技术背景，你是如何评估一家公司是否真的具备数据优势的？

赵奕靓：这是个很好的问题。现在很多公司都跑来说他们的护城河是竞争对手没有的专有数据。但从我们的角度看，真正的护城河不在于数据本身，而在于如何利用这些数据来进一步优化模型。这应该是一个迭代的过程：建立一个闭环，输入数据去优化模型，用户使用模型产生反馈，反馈又成为数据的一部分，继续进一步更新模型。如果你能证明这种边使用边改进的迭代过程有效运转，那会比单纯声称拥有专有数据要有说服力得多。

陈凰朝：结合你AI科学家的背景，你能分享一个你看到的在模型、训练方法等方面具有技术优势的团队例子吗？

赵奕靓：说实话，生成式AI火了之后，目前这个领域我们还没看到特别有前景的公司。不过在传统机器学习时代我们投过几个，比如泰国的一家公司Abacus Digital（从SCB银行分拆出来的）。他们建立了一个信用评分模型，为泰国的低收入人群提供无抵押贷款。他们有一个非常好的数据集，也有很好的策略去不断评估和升级模型、数据和特征，让模型越来越准。这就是一个拥有专有数据并有效利用它改进模型的很好例子。

Arun Pai：我可以追问一个问题吗？我对你说专有数据不是最重要的感到有点惊讶。你真的认为这边的团队能做出比Anthropic或OpenAI那些资金雄厚的基础模型更好的微调迭代循环吗？

赵奕靓：我的意思是，如果你是该领域的专家，身处那个行业且能够接触到业务数据，那你绝对比外行人拿到专有数据后生搬硬套建出来的模型要更实用。我很难相信外行人仅仅依靠号称拥有所谓的专有数据就能赢，希望这么解释能讲得通。

陈凰朝：谢谢分享。下一个问题给Manasi。我知道你关注早期的AI，我想问问在客户侧，你觉得2C端有什么大机会？

Manasi Shah：你的问题是关于2C和2B相比的兴奋点对吧？

陈凰朝：对的，我想听听你的分享，特别是在AI Agent这个领域的2C机会。

Manasi Shah：明白了。我们对2C和2B都很兴奋。我认为2C非常适合中国创始人，因为我在拼多多、美团、京东、字节跳动这些公司身上看到的惊人增长速度和拼搏精神，在世界上其他地方是找不到的，连美国也比不上。所以在2C上你们肯定有优势。挑战在于，你如何了解与中国用户完全不同的全球消费者的品位，你需要用数据驱动的方式来定制海外产品的用户体验（UX）和产品旅程。其次就是分发渠道（Distribution），以前可能是微信或SEO，现在可能是GEO（在Claude或GPT里的推荐机制）。产品和分发两手抓是关键。在消费者端，我也看到了一些很有意思的赛道，比如智能交易（Agentic trading）、AI短视频和长视频娱乐等，没有谁比中国创业者更适合做这些了。

至于2B也是令人兴奋的机会。我们更看重自下而上（Bottoms-up）切入的产品，比如开源开发者工具、Agentic基础设施、视频编辑工具等，这些也是中国创业者能赢的领域。但挑战在于如果涉及到更重的企业销售，那需要完全不同的技能，在美国市场会非常难。如果你的产品可以通过自下而上的方式跑通并获得一些自然吸引力，并且能在美国招到一两个人帮你做销售，那也许能成，但这仍然是个有挑战的领域。

陈凰朝：谢谢分享在2B和2C领域的洞见。现在市场上有成百上千家AI Agent公司，但大多数都不会活下来。请大家用一句话总结一下，你认为能活下来的公司具备什么特征？

Manasi Shah：公司能存活的首要原因，就是其AI Agent能够真正100%地取代员工的工作任务并立即展示出ROI，这非常关键。另外，在底层技术和基础设施商品化之后，品位（Taste）和对该领域前0.1%的深刻认知将变得最重要。

陈凰朝：Jim，结合你作为企业家的经验呢？

Jim Lim：就像我前面说的，“创造依赖性”是你能活下来的保障。在B2B领域，如果你不能替换某人或增强他们以从事更高价值的工作，那你就只是个备胎。比如我们最近帮一家做兽医诊所呼叫中心的初创公司看项目，客户原先用一套传统的临床管理软件每月只要200新币，但引入AI Agent可能需要10000新币。你必须能真正替代呼叫中心的员工，人家才愿意买单。在B2C领域，核心是生态系统的准备情况。当年我们把Grab Health带到印尼时并不顺利，因为在印尼没有像平安好医生在中国那样的自然保险流量。你必须先融入B2B2C的生态，否则独自获取C端客户太贵了。

赵奕靓：我非常同意。从影响力（Impact）的指标来看，如果这个Agent变得不可用，而这会导致某些与影响力相关的关键指标大幅下降，那就是成功Agent的例子。

Jeffrey Paine：对我来说也是一样的。问题定义要非常清晰，然后完全融入他们的工作流中。你还要考虑利润和数字。总之，客户用得越多，离开你就越难。如果他们真的需要你，他们会大量使用，那他们就永远跑不掉了。

陈凰朝：谢谢大家的分享，我看到大家评估AI Agent成功的标准都很相似。现在我们进入第二部分。如果你自己就是创始人，在Day 0阶段，团队很小，资金有限，还没写下第一行代码前，你会做的第一个决定是什么？

Jim Lim：我还是会把它分成B2B和B2C，因为这两种业务截然不同。最近我们也正在为房地产行业创办一家AI Agent公司。作为投资者兼创业者，找准问题陈述和影响力是理所当然的。但在B2B中，你必须能证明将AI替换或融入整个工作流后的真正ROI，而且你得能区分自己和传统的“自动化”有什么不同。此外，如果你的AI Agent明天宕机了会发生什么？在传统世界里这叫灾难恢复或业务连续性，很多初创公司根本没想过这点。必须把所有利益相关者（比如医疗里的临床医生）的接受度考虑进去。至于B2C，就像我提到的印尼经验以及我担任顾问的健康科技公司，归根结底都是关于生态系统的合作伙伴关系。如果没有合作伙伴给你导流自然流量，B2C的获客成本会非常高昂。

陈凰朝：你刚才提到自己也在医疗等领域创办过公司。那在开始做初创公司之前，你会确保自己已经有相关资源了吗？

Jim Lim：肯定的，资源是前提。这取决于你要发布的应用类型，有时你还需要和监管机构沟通。比如2018年我们在印尼推出Grab Health，是因为新加坡不允许AI直接做诊疗收费，就算我们拿了软银、平安的钱在新加坡起步，也做不了任何事情，所以我们向董事会提议先去印尼。

陈凰朝：好的。其他人呢？

赵奕靓：我目前可能不会去创办一家普通的AI Agent公司。

陈凰朝：只是想象一下嘛。

赵奕靓：我觉得一个更有前景的空间是AI Agent的延伸，比如物理AI（Physical AI），AI有了执行器去完成制造或建筑中更复杂的任务。但瓶颈在于缺乏实际操作的训练数据。所以我可能会创立一家数据公司，去收集数据然后再卖给那些想做物理AI Agent的初创公司。

陈凰朝：你是说你想做一个AI Agent公司的上游产业对吧？

赵奕靓：不，我是说我不想做AI Agent公司。

陈凰朝：那也很酷。

Jim Lim：实际上这确实是个好思路。比如新加坡的所有公立医院用的都是一套叫Epic的电子病历系统，而Epic底下运行的是InterSystems的平台。掌握了数据管道就能赚大钱，他们还会让初创公司在他们的数据平台上开发Agent。

陈凰朝：这个视角很有启发。我也很好奇Jeffrey和Arun，你们如果在AI领域创业，会选哪个方向？

Jeffrey Paine：我会去做一个专注于医疗保健的AI科学家，专门致力于治愈癌症。如果没有资源约束，这就是我想做的，我不想再看到人们死去了。

Arun Pai：很有趣的是，Monk's Hill的每个投资团队成员过去都曾是创业者。结合我过去10年在银行以及6年在两家不同金融科技初创公司的经验，我大概会做一些与金融科技相关的事情。可能是财富科技（Wealth tech）领域的某种AI赋能服务。

陈凰朝：谢谢。还有一个很有意思的问题：大家都知道成功的案例，但真正有价值的往往是那些失败的教训。你们能分享一些投资过或者看到的失败案例吗？以及你们认为怎么做可以避免？

Arun Pai：我先说吧。对于初创公司而言，除非你一上来就从Accel那里融了10亿美元，否则你没有那么多财务资源去把战线拉得太长。你不是谷歌，不能让员工在周五花时间去搞什么登月计划。你必须极度聚焦在你脑海里构思出来的那个痛点上，然后尽可能快地执行。未能聚焦是人们失败的首要原因。

陈凰朝：能举个具体的例子吗？

Arun Pai：与其去挑别人的刺，不如说说我自己的失败经历。在加入Kristal.AI的创始团队时，一开始我们在ICP（理想客户画像）和扩张区域上非常迷茫。我们试图像无头苍蝇一样在新加坡搞一套，在香港给高净值人群搞一套，在印度又搞一套零售方案。我们在没有大量资本的情况下把摊子铺得太大了。最后我们不得不回到原点，运用第一性原理重新思考我们要解决的根本痛点是什么。直到几年后我们重新聚焦，才回到了增长轨道。

Jim Lim：我分享两个例子吧，我不会称它们为纯粹的“失败”。第一个就是我自己的Grab Health，一开始做B2C失败了，后来转向B2B2C才成功，原因就是我们在印尼没有现成的自然流量。业务模型可能会失败，但只要转得够快，公司总体上还是可以成功的。另一个例子是新加坡一个非常有名的AI软件EyRIS，经常被当成海报上的成功典范。但其联合创始人Prof Daniel Ting后来分享说，其实他们也不觉得算绝对的成功。因为他们从新加坡起步，花了9年时间才拓展到澳大利亚、中东和欧洲。他说如果他们一开始就从中东起步（那里的监管接受度更高，去诊所看眼睛的距离更远，痛点更大），可能两三年就做起来了。所以运用PESTLE分析框架（政治、经济、社会、技术、法律、环境）来选择你的首发市场非常重要。

Manasi Shah：我想补充一点。我们在亚洲看到过一些优秀的创始人构建了惊艳的产品，但在全球市场依然未能取得成功。就像Jeffrey前面强调的：如果你想赢得全球市场，就必须从Day 0就开始实现全球化，没有其他退路。为本地客户做开发肯定更舒适，但这会让你在进军全球时变得太迟。拥有最好的产品并不足以让你赢，最好的产品加上最好的分发渠道才能让你赢。

文章来自于"非凡产研"，作者 "非凡产研"。