36氪出海 - 助力中国公司全球化

  • 英文站 KrASIA
  • 日文站 KrJAPAN
36氪出海
36氪出海
人工智能

跟硅谷AI新星聊了一圈后,我们发现了中美创业的不同,以及突围点

深度观察 

新一代的 AI 创业者,注定是生而全球化的一代。
分享:

新一代的 AI 创业者,注定是生而全球化的一代。

对中国的创业者和投资人来说,”Born for Global”不再是一个愿景,而是一场正在发生的 AI 产业革命。

但在 AI 这件事上,因为各种原因,中美创业者目前存在不少差异,不管是商业路线,还是对技术的落地实践上,以及中美投资机构当前对于创业者的要求,也都不一样。

2025 年 1 月,锦秋基金在硅谷湾区正发起的”Scale With AI”硅谷活动,在 5 天内与包括 OpenAI、Anthropic、Meta、A16Z 等在内的 100 多名专家,进行了 35 场高密度讨论。

在交流归来后,Founder Park 与锦秋基金,邀请了两位专注海外市场的创业者,组织了一场线上交流,一起探讨中国创业团队的优势与全球化突围路径。

嘉宾介绍

臧天宇:锦秋基金合伙人,在基金、创投行业拥有多年从业经验,深度关注新一代 AI 技术与前沿应用子健:AI 语言学习产品 TalkMe 创始人,产品在应用商店与多邻国、Speak 等在位居同一梯队

Alex(阿立):BodyPark 创始人,FITURE 沸彻魔镜合伙人,将 AI 与软硬件技术结合,专注于数字化运动健身场景。

 

01 我们跟硅谷的技术代差,基本没有了

Q1:这次硅谷之行中印象最深的点有哪些?

Alex:我已经有四五年左右没有去过美国了,之前几次去都是参加 CES。今年特意没有去 CES,而是直接前往旧金山市区以及湾区,拜访了多所大学和投资机构,见了一些新老同学和朋友,也参加了锦秋基金的活动和不少创业团队交流。

第一点:与五年前相比,硅谷乃至整个美国的物价水平大幅上涨。从打车、吃饭到人工成本,各方面都贵了不少,直观地说,可能比五年前高出了 1.3 倍至 1.5 倍左右。

第二点:硅谷高度的多元化。首先,硅谷有很多华人——包括美籍华裔、留学生以及其他拥有中国或亚洲背景的人——完全不会感觉被边缘化。其次,来自不同国家的人也非常多。有时你光看面孔并不能看出他们的国籍,一旦开始交谈就会发现,某些人的英文水平甚至可能还不及我们,可见这是一片多元文化交汇的土地。

子健:刚到旧金山时,最让我惊艳的体验就是乘坐 Waymo 无人驾驶出租车。我在旧金山总共体验了两三次,行驶的是真实的城市道路,而且并非人流稀少的街区,而是相对繁忙的路段。整个过程可以用一个字来形容——「爽」。这种体验是我之前从未有过的。唯一的遗憾是,Waymo 目前只能在旧金山市区内运营,无法驶出这个范围。

当地物价确实很高,打车随便一趟就要花不少钱,远超我的预期。也许正因为 Waymo 相对便宜,所以才让我对它的性价比感受更深。

这次我见到了许多比我还年轻的创业者以及在大厂工作的华人。他们大多对 AI 充满热情,富有朝气,并且拥有许多独特的见解。让我印象最深刻的是一位刚毕业、选择留在当地继续深造并尝试创业的年轻女生。她一边工作,一边探索自己的创业方向。和她交流时,虽然能明显感觉到她的想法还比较稚嫩,尚未经过充分打磨,但她谈论这些内容时,眼里闪着光,整个人都散发着能量。在硅谷,像她这样的人并不少见。

臧天宇:硅谷这边,具体到行业发展方面,这一波 AI 热潮的核心起点是大语言模型。预训练(pre-training)时代已基本进入尾声,其边际收益正在不断递减。过去,大家关注的重点是 GPU 计算能力、模型参数规模以及数据量的进一步提升,如今讨论更多的是高质量数据和强化学习(RL)的应用。

相比语言模型,视频模型似乎处于一个完全不同的发展阶段,其技术路线仍未收敛。无论是扩散(diffusion)方法,还是自回归(autoregressive)方法,目前都还处于探索和争论之中。当前主流的技术路线是 DiT,但其上限似乎较为明确——虽然生成的画质、时长和成功率可以通过进一步提升规模实现改进,但大概率无法真正遵循物理规律。若要实现 Sora 论文中所说的「world simulator」,仍需要更多的研究投入。

具身智能在学术界和工业界都备受关注,但目前仍处于非常早期的阶段,远未达到类似 GPT 那样的突破性节点。根据以往经验,当前 AI 系统所能实现的泛化能力,核心还是在解决插值(interpolation)问题,即在见过的数据分布内去做预测,所以训练数据是非常重要的。而机器人恰恰是数据最为匮乏的领域之一。因此,要在具身智能上取得突破,仍有许多关键难题需要解决。

AI 创新的关键在于如何组织高密度的人才团队。有人提到,谷歌正在悄悄裁撤部分中层管理岗位,甚至让一些管理者重新回归一线,这表明大厂正在向更扁平化、更敏捷的组织模式转型。OpenAI 的成功或许提供了一个范例——过去,大厂的组织架构往往较为臃肿,而现在,它们开始尝试更灵活、高效的模式。

Q2:如何看待目前中美创业者各自的优势与创投环境差异?

臧天宇:概括来说,华人团队在用户体验设计、用户运营、增长方面更具竞争力,而这些能力正是中国过去十年移动互联网发展积累下来的优势。对于年轻的中国创业者来说,这也是难得的机遇期。

从技术角度来看,中美之间的差距有缩小的趋势。过去,大家或许认为差距是一年以上,但现在可能只剩几个月。这说明两点:一是科学家之间的沟通渠道始终畅通,二是开源社区贡献了巨大力量。当领先的闭源 AI 创新步伐放缓的情况下,这种差距自然会进一步收窄。

如果从创业或应用领域的选择来看,中美之间确实存在较大的环境差异。正如子健和 Alex 所说,硅谷在 To B 领域更加成熟,过往积累了大量的成功案例。硅谷的 VC 可能有一套类似于标准模版,比如团队需要什么背景的组合,客户的结构是什么样的,是不是有能标准化自助服务的部分,又有没有拓展到企业级客户的潜力,经常性收入的增长趋势等等。

相对而言,在 To C 方向,华人团队(包括在硅谷的华人团队)通常更具优势。这次在硅谷听到一个说法,从 Tiktok 出来的产品经理在硅谷非常抢手,很大程度上说明了这一点。华人团队更懂怎么做用户体验的创新,怎么做用户运营,怎么做增长,这是中国过去十年移动互联网高速发展所积累的优势。

从美国近十年的情况来看,除 DoorDash、Uber 等少数企业外,在 To C 领域并没有出现大量新的行业巨头,Facebook 其实早在 PC 时代就已成立,因此两国在市场形态与用户需求上确实存在明显不同。

经过这一段时间的观察,我也更深刻地意识到:虽然中美创业生态各有特色,但在某些赛道上已经出现了并行竞争的态势,未来的创新格局会因此变得更加多元。

子健:这次接触之后,我们减少了以往的盲目,多了一些更务实、更清晰的认识,同时也进一步明确了自身及对方团队的优势,以及在中美两地分别能够做什么事。此次前往硅谷学习后,大家普遍感到信心更足,对正在做的事情更加坚定,目标也更明确。

我自己就是个典型的例子。在硅谷,我接触到了许多专注于 C 端应用的创业者,也有正在筹备 A 轮融资的初创团队。在场景理解、问题思考方式以及阶段性目标的实现方面,我认为华人团队或中国团队通常对目标的认识更加清晰,且更擅长规划具体的实现路径。

当然,中美的团队各有所长。很多海外大厂的工程师在算法基础上非常扎实,能在搜索、多模态、音视频等领域做到极致。而中国工程师的显著优势在于快速落地、软硬件结合以及运营能力,这些可能是硅谷大厂相对欠缺的部分。因此,中国团队在面对海外竞争时依然底气十足,而且这种底气并非源于单一优势,而是建立在完善的商业逻辑之上。

Alex:大家普遍关注最前沿的 AI 创新,因此更多目光都会投向美国。然而,我这次去硅谷是以一种理性、平视的心态去看待中美的创业者及创业生态的。两边各有长处,也各有短板。

一方面,中国创业者通常更接地气,能擅长解决许多 To C 层面更垂直、更细分的问题。中国市场偏运营、偏落地的项目更多,而在美国,这次看到的这类项目相对较少,或者说并不好做。此外,在 SaaS 领域,美国的生态系统显得更为成熟,具备完善的融资、并购以及退出机制。这一差异导致尽管双方都在同一行业或赛道上竞争,但各自的战略重点和发展路径却呈现出明显的不同。

在此次硅谷之行中,我深刻感受到一个显著的变化:信息差距已不再像过去那样巨大,共识的形成速度之快,几乎可以以「天」为单位来衡量。以往可能需要几周甚至更长时间的交流时间,现在通过线上线下的高效连接,信息同步的频率大幅提升。这也意味着,创业者如果想要脱颖而出,必须敢于做一些「非共识」的事情,才能体现差异化和竞争力。信息同步的加速不仅减少了信息焦虑,也让人可以更加专注于自己真正想做的事情。一个说明我们正在「平视」硅谷的例子是:我在美国的很多老同学非常开放,都非常愿意交流。即使地缘政治紧张,但落到个人层面,人与人的沟通依然顺畅,这也说明「去魅」其实是一个双向的过程。

对于拥有中国背景的创业团队来说,它们还享有一些显著的结构性优势。首先,在人力成本方面,中国具有明显优势——在美国,同等资历的软件工程师的薪资可能是国内的三四倍左右。

其次是供应链和制造优势,特别是对于那些从上一波智能硬件浪潮中走出来的朋友来说,这种优势尤为重要。

总体而言,这次回国后,我们的信心更足了。国内的迭代速度非常快,在许多领域,中美已经可以并行发展。无论是在小型应用场景,还是在复杂的垂直行业,只要创始团队在创业之初就明确商业盈利的可行性,机会依然很大。

 

02 中美 AI 创业的差异:中国更注重商业化落地

Q1:美国与国内在具身智能与 Agent 实践路径上有何异同?

臧天宇:Multi Agent 可能是 25 年最热的创业方向与机会。

硅谷 VC 最常提到的概念是「Vertical Agent」,这几乎成了最常见的创业选择。一方面,推理模型大幅加强了模型本身的逻辑推断能力;另一方面,OpenAI 和 Anthropic 也都在提升模型对工具的调用能力,这些都在推动 Agent 的发展。而且硅谷本身拥有大量的 To B SaaS 创业机会,许多团队从过去提供软件服务转向提供「数字劳动力」,主打工作流的自动化,这与他们的技术积累和市场习惯非常匹配。

一级市场不少 ARR 快速过千万美金的公司其实都是在做某个领域的 agent。近期的二级市场上,像 ServiceNow 这样的上市公司也在讲 Agent 的故事,股价随之有了显著增长。不过在国内,大家通常不会直接用「Agent」这样一个比较偏技术概念的方式来定义自己的方向,更倾向于从具体场景或行业需求出发,思考能解决什么问题。就像 Alex 所说,国内团队更注重接地气和落地实施,这在我看来和硅谷的风格形成了鲜明对比。

第二个大的热点是具身智能。英伟达的发布会上,黄仁勋曾经展示过一张图,从「Generative AI」,目前到了「Agentic AI」,再往后就是「Physical AI」。agent 走到更进一步,是可以和物理世界产生交互,对物理世界施加影响的。这个方向很热,但在创业层面的中美差异会更加明显。

在美国,我们大体看到两类具身智能公司。一类是做大脑的,例如 Pi 和 Skild,更像是市场化资金支持的科研机构,类似于早期的 OpenAI,没有特别明确的商业目标,更注重做长期探索;另一类则倾向于场景落地,可能是之前在某个场景做机器学习或计算机视觉落地的公司,可以和大脑公司形成合作关系,侧重于在真实场景里采集数据去做后训练,最终交付商业价值。

而在中国,更多是发挥产业链优势,大部分公司选择从硬件本体切入,先打造一个易用的开发平台,先在硬件上实现商业化,再构建数据集,进而训练模型。这条路径更适合国内企业,也更符合中国制造和产业链的优势。近期国内二级市场上,表现出色的企业例如比亚迪、小米等,也都是先做制造,再做智能,制造还是中国的基本盘。

Alex :我认为从垂直领域角度来看,这里面还可以再拆分,比如 To B 或 To C,或者介于两者之间。如果是 SaaS 类型的公司,在美国,从融资到退出的通道相对顺畅,本土美元资本相对更愿意支持这类型的早期项目。

在国内,第一是能否融到钱,第二即便融到了,可能也只能拿到这一笔,所以对于创业者而言,需要非常关注 DayOne 如何「跑起来立起来」。换句话说,国内投资人往往会在比较早的时候就问到你的现金流和利润问题,要求这个生意本身能够尽快实现闭环。

在某些垂直领域的应用里,我们也会走类似的路径。比如在 BodyPark,我们面向消费者提供运动和健身服务,同时也重构了面向教练端的工具系统,相当于做了一个专业端的「小型 SaaS」。大语言模型爆发之前,我们更多使用基于上一代神经网络的判别式 AI 来解决垂直场景问题;现在则会接入 LLM 大语言模型,做 Hybrid 的架构,让一些原本难以实现或体验不够优的功能变得更好。

但对我们来说,关注前沿的技术概念固然重要,但更多时候还是会问自己:「它究竟能解决什么问题?能不能提升销售收入或降低成本?」大部分精力都放在「我怎么把这些技术落地应用」这件事上。现在我们团队很少会去描绘一个宏大的融资故事,而是务实地评估新技术是否有用,能否带来用户体验、拉新转化等方面的提升。

子健:中美在具身智能或其他领域的差异,主要体现在研究重心和应用路径上

美国有不少团队聚焦于硬件层面,或在物理世界中构建「世界模型」,因此需要海量模拟仿真、泛化数据以及特定垂直领域的数据来支撑,并且通常会在硬件与复杂专项任务上做深度结合。与此相比,国内的 AI 从业者更注重应用落地和快速迭代,每当有新模型或 API 出现,他们都会在第一时间下载或调用,并结合自身业务需求进行测试,关注推理能力、长文本处理能力、响应速度等指标,以此判断新技术是否能带来实际的性能提升。在这一过程中,团队之间的信息共享非常顺畅,「凌晨发布—早晨试用—上午反馈」的模式不仅能迅速获得先发优势,也能及时在成本、流程和用户体验上进行优化。

具体到应用层面,小红书在引入大语言模型后,仅用五天时间就上线了高质量的翻译功能,用户反馈相当积极。除了翻译,最近几个月值得关注的技术还包括「豆包」桌面客户端——无论 Windows 还是 Mac 版本,业内普遍认为它的体验堪称标杆;Gemini 2.0 在速度、价格以及轻量文本处理能力上表现突出,部分测试结果显示它远超同类产品;国内的「海螺」以及「豆包」的 TTS 技术也以稳定性和质量见长。再加上目前许多厂商都提供免费 API,开发者可以多方尝试,往往能获得意想不到的效果。

 

03 2025 可能是真正的AI-Native 元年

Q1:什么的产品形态才能称得上真正的「AI-Native 产品」?

臧天宇:最重要的是看产品的核心体验是不是围绕生成式 AI 来构建的。

以搜索产品为例,传统的搜索产品加 AI,会先给出 10 个最相关的网页结果,然后再对这些网页做一个总结,展示在最前面,而且总结结果还是部分折叠的,如果你想细看还得再点开。它的核心仍然是网页的分发。

但是像 Perplexity 则是以展现 AI 整理好的内容为核心,附加的网页链接只是用于事实核查(grounding),是围绕 token 来做内容组织和分发的。所以背后整个交互体验和内容分发的逻辑都有不同。

大模型高速发展了 2 年多,大家对模型能力的理解在加深,本身模型推理的成本也在极速下降,我们相信会有越来越多的 AI-Native 应用出现。锦秋非常看好其中的机会,我们去年下半年 5 个月时间就交割了 15 个项目,还有非常多项目处在投资流程中,可能于近期完成。AI-Native 应用会是我们今年的重点方向。

子健:一个非常重要的指标是看人和AI的占比,也就是问题到底是由人来解决,还是由 AI 来解决的比例。真正好的、优秀的 AI 产品,其 AI 占比一定要在 50% 以上,甚至 90%,人只在关键节点介入,确认之后再由 AI 去解决。

这样的产品才足够「AI-Native 化」,其「生产工艺」也无需大量的人工操作与标注,更多依赖于对文本和场景的理解来直接生成答案。

同时,AI 原生(native)与团队的组织架构密切相关。看一个产品是否专业、严谨,往往可以从核心团队的背景推测出来。通常,由技术主导的团队在产品体验里更能展现出高水平的专业度,也能更好地打造出真正 AI 原生的解决方案。

Alex :很多人会讨论「AI 加」还是「加 AI」。如果原本就有某个需求和解决方案,只是用 AI 手段成倍提升效率,而使用和交互方式的大框架没变,我们可以把它看作「加 AI」。但假如还是解决同一个问题,却在问题的解决方式上完全以生成式 AI 的思维重构,那么就可以被视为「AI 原生」。

举个例子,我最近用到一个叫「Ready.AI」的产品 UI 原型工具,只需聊天式的交互,就能快速生成高保真度的前端界面。比如,我告诉它把改成双列或单列,或者要把高度减到 2/3,它都能马上响应。对需要做原型的产品经理而言,这是个非常高效的工具,以前要么自己手画,要么请别人帮忙,现在和 AI 聊着天就能把这些工作搞定。因此,关键还是看它能否解决一个具体问题,并且做到让用户觉得「物有所值」,如果能,用户自然愿意为此付费。

Q2:AI 会让团队整体变大还是缩小?

子健:我认为需要分行业来看。如果只局限在传统互联网或 AI 领域,不涉及重资产或制造业,那么团队确实会「减员」,但不少岗位依然会保留,只是人数减少而已。举个例子,一个岗位原本需要 10 个人来支撑,在 AI 的帮助下可能缩减到 3 个人。教育行业就是如此,以前一个助教老师最多负责 300 名学生,现在借助 AI 就能支持到 800 甚至 1200 名学生,团队规模也相应从 10 个人降到 3 个人。有些岗位甚至一开始就不设,后续再看需求增加。

另一个现象是,正如埃隆·马斯克所说,他会去找几个「天才少年」做审查,这说明很多传统的方法其实并不高效,如今新场景不断出现,人们的方法论也在更新,老经验未必适用。不过,并非所有服务都能被 AI 完全替代,依旧有岗位需要人与人深入沟通,需要经验丰富的专业人员或产品经理来带领 AI 与工程师一起开发。

Alex:在我们这个领域,AI 在某些场景可以充当虚拟教练或私人教练,但真人依然有其不可替代的价值,这很大程度上取决于产品的商业模式和定价策略。用户付费时,通常会先评估服务是由 AI 还是由真人提供,再决定它的价值,而真人服务往往比 AI 贵上数倍甚至数十倍。基于此,更值得关注的是如何提供标准化、规模化、且「方差」极小的服务。许多服务行业都十分碎片化,如果能通过数字化、智能化手段,让行业从数字化到线上化,再到智能化、规模化,就会释放巨大的想象空间。类似「做服务业的滴滴」这样的思路,虽然不一定百分之百适用,但方向类似。至于 AI 是否会替代真人,最终还是得看具体场景;在现实中,AI 与真人服务大概率会并行存在。

 

04 从”Copy to China”到”Born for Global”

Q1:海外创业如何规划团队?

臧天宇:这个问题的拆解其实是建立在一个趋势下的。过去十年,中国创业者用’Copy to China’模式消化硅谷创新,实现了”Copy from China”的可能。但在生成式 AI 时代,我们其实与美国站在同一起步线,到了中国公司要到”Born for Global”的阶段。

如果企业的目标市场就是美国,且长期希望在美国融资,那我们还是会建议创业者尽可能多在美国呆着。一方面更贴近你的用户,另一方面也方便融入那边的创业生态,因为他们的创投还是偏向小圈子,取得初步的信任是有门槛的。所以如果你确实瞄准美国市场,想在那边走资本路径,创始人最好去美国。

但其实就全球化而言,还有很多其他选项,并非只有美国市场,比如说像日、韩、港台,也都是可能的选项。比如说 OpenAI 投资过的 Speak.ai,最近一轮融了 8000 万美金,它的主要市场就是日韩台。它还是一家美国公司,不是中国公司。如果是做这些选择的话,灵活度也会更高一些。

子健:在产品全球化的过程中,试错成本确实变得更低,尤其在早期探索阶段,AI 能帮助我们解决许多原本需要大量人力才能理清的问题。正因为如此,团队不一定非得一开始就融资,可以先用更低的成本跑通一些结论,再去寻求融资会更高效。在实际经营中,如果涉及多语言或出海,AI 同样能削减大量运营成本,避免以往因为信息不足而产生的隐性浪费。

对中国开发者而言,还有一个利好因素:国内公司整体能力很强,很多关键环节只要在当地做本地化即可,而核心研发或生产可以放在国内,这样效率和竞争力会更高。我也注意到,新一波 AI 创业者背景都非常好,某些「天才少年」在大模型的帮助下,能快速掌握过去需要数年经验才能积累的知识,因此他们的推进速度非常惊人,这是我亲眼目睹的一大变化。

Alex:从做事的角度来看,只有「go to market」这个环节必须在海外当地进行。Go Global = Go Local,要想理解北美、欧洲、拉美等不同市场的 B 端或 C 端用户,就必须依托当地人或本地合作伙伴,才能做好市场、品牌和运营。而产研、供应链或硬件环节其实可以放在国内完成,既能降低成本,也能利用国内成熟的研发和生产体系。

Q2:中国创业者如何在海外市场融资?

臧天宇:大面上说,之前听过一个数据,现在在硅谷的 AI 创业者里华人团队能占到三成,而硅谷对于 VC 来说又是特别卷的一个地方,有非常多中小型的 emerging fund,所以从供需看,华人团队并不会刻意被回避。

从具体的策略看,如果创业者本身就曾在海外工作生活过,在当地有人脉积累,甚至认识一些基金的 GP,能融入本地社群,就可以考虑直接在海外融资。

如果国内的创业者希望到海外发展,那么第一次的信任建立还是有门槛的,相对更可行的是先在国内融一笔,或者硅谷也有不少华人基金,先搞定启动资金,把业务跑起来,后面用数据说话,如果增长呈现出 J curve,不会有机构不感兴趣。

另外也非常欢迎大家来找锦秋交流,一方面我们本身是全球化投资的基金,另一方面我们也在硅谷做一些基金投资,与一些孵化器建立了合作,也希望能够在这个特殊的阶段,能够给创业者帮助。

头图|Unsplash

本文来自Founder Park,36氪出海经授权转载。

近期活动

IFZA 自由区是最具性价比的迪拜自由区之一。中文团队护航,0门槛开启中东生意。30秒扫码填写表单,解锁专属迪拜落地咨询。

加入36氪出海学习交流群

目前,36氪出海学习交流群已经吸引超过15000位来自国内外初创企业、行业巨头、投资机构等出海人加入。在出海社群里,我们面向群成员挑选整理每日全球跨境资讯,帮助出海人把握最新动态;定期组织出海交流活动,链接出海生态圈,寻找潜在合作伙伴!欢迎添加36氪出海小助手微信(ID:wow36krchuhai-xzs2)申请入群,一同出海!

分享
//
热门行业
|
市场
|
公司
汽车出海
关注公众号
扫一扫即刻关注
36氪出海微信公众号

推荐阅读


深度解析

  • TikTok 败诉,全球化的艰难一章才刚刚翻开

    TikTok 案背后, 是更多在美国开展业务的中国企业们,将集体迎来一个并不乐观的信号。

    社交文娱

    TikTok 败诉,全球化的艰难一章才刚刚翻开

    刚刚