机器人赛道的投资机会在国内已经有十几年的历史,但在这个方向上,能够做到有业绩、有认知,并且长期深耕的投资人并不多。在我看来,陈哲(Peter)就是其中做得非常出色的一位。在当前资本寒冬的背景下,陈哲刚刚成立了一支新的基金——Alphaist Partners。我非常荣幸能够在新基金成立之际,和他进行这次对谈,让我们来听听陈哲在机器人领域的投资经验,对当下具身智能的独到见解,以及他给新基金会支持的创业者们的寄语。
陈哲(Peter)是一位工程师出身的投资人。他高中毕业后前往加拿大留学,完成了电子工程的本科和研究生学业。毕业后,他的职业生涯从黑莓开始,主要从事智能手机通信相关的工作。之后,他前往硅谷,加入了Google,成为Google Glass团队的一员,专注于嵌入式系统和信号处理领域。
2016年,陈哲前往哈佛大学攻读MBA。在MBA期间,他选择回到国内,并加入了晨兴资本(后更名为五源资本),正式开启了风险投资(VC)的职业生涯。他在五源资本一直工作到2024年底,期间专注于AI和机器人领域的投资。
陈哲对机器人领域的关注始于自动驾驶领域,他曾主导投资了多家优秀公司,并密切关注技术的拓展与衍生场景。见证了自动驾驶技术外溢到其他场景的趋势,包括小米投资的石头科技推出的单线激光雷达扫地机器人,以及大疆推出的带有视觉避障功能的消费级无人机,从2017年到2018年,他开始密集布局机器人领域的投资。
如今,陈哲成立了一家新的早期美元基金Alphaist Partners,继续聚焦于AI和机器人方向的投资。
查看原文目录
以下为本文目录
👇
第一部分:机器人行业投资经验
1. 过去十几年机器人行业投资的观察
2. 对机器人方向创业和投资成功的心得是什么?
3. 机器人2B和2C企业成功的特质是什么?
4. 怎么看2B和2C机器人企业的空间?
第二部分:当下具身智能赛道的投资观察
5. 过往两年,机器人赛道的感受是什么?
6. 怎么理解这波机器人的技术变量?
7. 怎么期待技术的落地?
8. 可否总结通用操作创业公司的技术路径?
9. 关于机器人数据
10. 怎么看机器人数据相关的创业?
11. 怎么看只做具身模型的创业?
12. 怎么看具身智能可能的落地场景?
13. 怎么看陪伴机器人赛道?
14. 是否应该布局特定场景的具身智能公司?
15. 怎么看待通用机器人的终极场景?
第三部分:关于工作方法和新基金
16. 如何对机器人领域前沿进展持续跟踪?
17. 推荐的内容
18. 新基金的寄语
第一部分:机器人行业投资经验
1. 过去十几年机器人行业投资的观察
从行业发展的整体脉络来看,可以划分为几个阶段。最早的一个阶段是在2014-2015年左右,工业自动化和国产替代成为主导趋势,推动了这一领域的初步发展。随后,大约在2018-2019年,电商行业的崛起催生了移动机器人和仓储机器人的发展。进入到2020年后,消费级机器人,尤其是扫地机器人开始大规模进入市场,代表了消费机器人领域的一个重要突破。
从技术和产品的成熟度来看,仓储机器人发展的一个标志性事件是2012年Kiva Systems被亚马逊收购,这为仓储机器人的大规模应用奠定了基础。受此影响,国内也涌现了许多仓储机器人公司,例如极智嘉和海柔等。仓储机器人所需的导航定位技术于2014-2015年逐步成熟,但受限于成本和技术成熟度,直到2019-2020年,尤其是疫情后,电商发展和无人化需求才推动其真正爆发。
扫地机器人的发展也遵循了类似的路径。其核心技术——SLAM技术在2010年左右就已经取得了突破。然而,直到石头科技将低成本单线激光雷达应用到消费级扫地机器人上,扫地机器人的导航效率和用户体验才得到了显著提升。这个过程同样经历了较长时间的技术迭代。
从投资的角度来看,机器人行业的技术发展和产品迭代一直是我们的关注重点。与此同时,我们也意识到,机器人作为需要量产且追求稳定性与可靠性的产品,技术的成熟度和可量产性至关重要。尽管一些前沿技术一开始很难迅速产业化和规模化,但往往在技术成熟度达到一定水平后,产业化的过程会逐步加速。
回顾过去七八年的发展,不论是扫地机器人、仓储机器人还是无人机,它们的核心技术在行业起飞前的四五年基本已经成熟。今天,我们也看到了一波新技术的快速发展,特别是在智能机器人和人形机器人领域。我们对这些新兴技术在未来能否在较短时间内转化为成熟且具备规模化生产能力的产业充满期待。
2. 对机器人方向创业和投资有可能会大成的心得是什么?
从成功的案例来看,机器人行业的成功关键在于抓住一个足够大的市场需求,并确保这个市场具有高可复制性或标准化程度,能够支持规模化发展。根据市场的不同,我们可以看到三个主要领域:无人机、扫地机器人和仓储机器人。这三个市场都取得了显著的出货量,尤其是消费级机器人市场,扫地机器人和无人机的出货量已经达到百万到千万台。这背后反映了这些公司专注的市场本身足够庞大,且这些场景具有足够的标准化,能够支撑大规模的产品复制,而非每个场景或客户都需要定制化的解决方案。
在这些成功的公司中,市场的规模和标准化是它们能够迅速崛起并实现规模化的核心要素。而在2B领域,仓储机器人就是一个成功的例子。在仓储场景中,机器人更容易实现规模化,一个仓库可以部署几百甚至上千台机器人,这种场景相较于许多长尾市场更加容易实现大规模应用。
3. 机器人2B和2C领域的企业成功的特质是什么?
我认为,2C方向的机器人创业者通常具有非常强的第一性思维能力,并且极度关注用户价值。在激烈的市场竞争中,他们往往能够快速迭代和升级,团队的持续作战能力也是这类创业者的一大特质。
而在2B领域,创业者面临的要求更加全面,尤其是对于领导力、销售组织能力等方面的要求更高。对于从中国出发的2B机器人创业公司,我认为没有快速的捷径可走。对于这些创业者来说,如何弥补自己的短板,抓住市场的机会,服务好最顶尖的客户,以及拓展海外市场,都是需要面对的更复杂的挑战。从结果来看,今天中国的2B机器人公司仍有很长的路要走。
长期来看,一个优秀的2B机器人公司的天花板绝不会比2C公司低。然而,他们的路和所需的时间一定比2C公司更加艰难、更加辛苦。真正能够坚持到最后的2B机器人公司,必定会具备非常强的竞争力和防御壁垒。
4. 怎么看2B和2C机器人企业的空间?
消费级公司通常具备更大的收入规模,这一点并不令人意外。如果我们类比消费电子或家电企业,当产品的渗透率达到较高水平,并成为家庭普遍购买的商品时,规模的扩大就成为必然。然而,这并不意味着2C公司始终占据优势。事实上,一些资本市场上真正创造长期价值、具备极高防御性和不可替代性的公司,往往还是2B或工业领域的企业。这些公司在长期的发展过程中积累了大量的行业知识和壁垒,从而具备了持续增长和扩展规模的能力。典型的成功2B公司如华为、海康和汇川,都展现了这一点。
目前,大多数2B机器人公司的收入规模普遍在几亿到十亿人民币之间,这表明,尽管机器人技术和自动化能力不断进步,许多2B机器人公司仍然受限于其组织能力和产品能力。在2B机器人能够具备更广泛的跨行业、跨领域能力之前,它们的营收规模将继续受限于所服务的场景、行业规模以及行业的标准化程度。因此,成功的公司往往能够突破这些局限,实现规模化发展。
第二部分:当下具身智能赛道的投资观察
5. 过往两年,作为机器人赛道的顶级投资人感受是什么?
整体的感受是,今天的机器人行业正处于一个非常关键且充满关注的阶段。相比两三年前,当时AI和机器人概念尚未广泛传播,传统机器人创业主要集中在具体场景和产品的落地,创业者开始思考如何进行市场推广、渠道建设以及团队管理。这一阶段的本质是因为上一个技术范式已经相当成熟,因此更关注的是如何将产品应用到实际场景中。
然而,在过去两三年中,大模型技术和具身智能技术的出现,给行业带来了全新的视角和变革。大家开始看到了一个全新的机器人范式或产业形态可能会出现。这也激发了对技术革命影响的高期待,尤其是在这一技术革命的早期阶段。
正因如此,过去两三年中AI和机器人领域,尤其是与具身智能相关的创业热潮不断升温。许多投资机构也认为,在大模型和ChatGPT之后,AI与机器人结合的方向是最值得投资的领域。我们也看到了大量新旧玩家加入这个赛道,投资机构也在积极布局这一前景广阔的市场。
6. 怎么理解这波机器人的技术变量?
如果我们从更大范围来看AI和机器人这一概念的发展,最早的雏形大概出现在2015到2016年左右。随着自动驾驶技术的成熟和计算机视觉(CV)技术的进步,我们第一次见到了以智能感知、智能视觉(包括3D视觉)为特色,具有强大感知能力和环境理解能力的机器人。这一突破相较于工业时代的自动化设备来说,显然是一次巨大的飞跃。
在中国和美国,2015到2017年间出现了第一波AI机器人公司。这一时期的AI更多侧重于感知、自适应以及重复性运动的闭环能力,类似于当时计算机视觉领域的四小龙。正是在这个时期,诞生了一批早期的机器人创业公司。但到了2021年左右,随着产业化的推进,大家逐渐意识到,上一代的计算机视觉技术在实际应用中存在一些显著的瓶颈。
然而,最近一到两年的最大变化则是具身智能领域的突破,尤其是大模型技术的出现。2022年底,ChatGPT的发布带来了重要的技术进展,这促使我们开始采用类似大模型的方法,训练更加通用和泛化的机器人模型。无论是谷歌、OpenAI,还是美国的一些领先创业公司,都在这一领域做出了技术展示或突破,展现出机器人从专用设备到通用设备演化的潜力。这一进展正是催生过去两年具身智能热潮的关键因素。
7. 怎么期待技术的落地?
关于落地时间的判断,我并不像某些人预期的那么乐观。如果要用自动驾驶来类比,我觉得今天的状态更类似于2010年的情形,而非2015年或2016年。为什么是2010年呢?因为当年谷歌已经展示了相当不错的自动驾驶原型Demo,并且美国还举行了像无人车竞赛这样的学术前沿性的活动,向大家展示了当时的技术路线,包括激光雷达、高精地图定位、SLAM等技术方式,证明汽车自动驾驶在某种程度上是可行的。然而,尽管当时的系统展现了很好的前景,但离真正能够落地、规模化应用,特别是在应对复杂场景时,仍然有很大的差距。
我认为今天的智能机器人展示的很多能力和Demo,类似于当年自动驾驶展示的那些“有前景的Demo”。但是,面临的问题仍然是工程上的挑战,包括一些全新的算法架构和训练方式,这些都还远远没有解决。以自动驾驶为例,从最初的模块化SLAM能力到2021年的3D BEV、2022年的Occupancy Network,再到2023年端到端的训练方法,经历了十多年的演进。直到2025年,我们才开始看到一些比较可靠的、规模化的Robotaxi落地。这些技术的进展经历了多次迭代和验证,周期相当长。
我认为,具身智能要解决通用机器人的问题,面临的难度与自动驾驶在公开道路上行驶的难度不相上下,甚至可能更为复杂。所以,我对这一问题能否在短期内有效解决保持谨慎的态度。尽管如此,我们依然可以在一些较为简单的场景中率先落地。回顾自动驾驶技术的进展,最早的落地应用可能是在码头、封闭园区,甚至是写字楼内,这些场景比真正的公共道路要简单许多。然而,尽管这些封闭的场景已经实现了自动驾驶,真正到达像今天在数据驱动、端到端训练复杂神经网络、策略预测控制等技术框架上的应用,依然有着非常大的差距。
因此,我认为,具身智能如果要高效落地到更复杂的场景,其整个算法架构和技术框架很可能会与现有的技术还有很大区别。
8. 可否总结通用操作创业公司的技术路径?
我认为目前可能存在几种发展路线。如果让我来划分的话,可以分为两条主要路线:
第一条是模仿学习(Imitation Learning)路线。如果借用自动驾驶的类比,这条路线类似于通过模仿来进行学习。也就是说,机器人通过观察人类提供的一些好的示范或轨迹,学会具有一定适应性和抗扰动能力的行为策略。典型的例子包括 Mobile Aloha 和Diffusion Policy。这种方法的核心是通过少量的示范数据,让机器人能够学会适应不同环境并具备一定的抗干扰能力,从而能够应用于具体场景。这里的挑战在于,模仿学习的本质是通过复制人类的示范来训练机器人,因此它更依赖于人类提供的优秀示范。
第二条路线则是将大模型作为上层任务的规划和控制中心,借此来拆解任务并进行编排。在这种模式下,底层的操作和控制则通过学习算法或传统的控制方法来实现。
像Pi等代表性的研究,实际上就是结合了视觉语言模型和大语言模型,进行端到端训练的一个例子。Pi的目标是借助视觉语言模型的通识性和常识性,结合机器人运动控制的能力,从而打造一个更加统一的训练模型。这个思路在过去一年里得到了更多的关注和尝试。
从我的角度来看,当前机器人数据的稀缺性以及采集和生成数据的困难,可能让第一条路线在短期内更容易实现行业落地。但从更长远的周期来看,我认为端到端训练,尤其是更加数据驱动、具备环境常识的路线,拥有更高的天花板和更长的迭代周期。我们也看到无论是Pi还是Google在端到端训练方面的探索,理论上还有很多不确定性。在模型框架方面也存在许多未知数,因此我们仍需继续探索这条路径,尚不确定这是否是当前最优的结构。
9. 关于机器人数据
我认为,今天机器人大模型的最大挑战之一是数据的匮乏,尤其是在讨论行业发展路线时,一个关键的问题便是:这些数据将从哪里来?在数据匮乏的情况下,我们又该如何推进发展?
与大语言模型相比,机器人领域的模型面临着不同的难题。当大语言模型,如GPT-3.5,训练完成后,我们很快便能找到一个应用场景,比如ChatGPT,一个可以直接面向C端用户,迅速创造价值的产品。而且,用户获取该产品的门槛非常低,使用频次和量级也能迅速提升。
然而,对于机器人的具身模型,最大的挑战是,如果没有机器人的物理本体,或者没有能力在物理世界中产生实际效果,那么这个大模型在真实场景中是无法应用的。换句话说,机器人的大模型要想得到发展,必定需要有合适的本体和物理形态,能够在真实世界中落地并产生反馈。只有这样,我们才能真正将模型能力付诸实践,并创造更多的用户价值,从而在实际应用中收集更多数据,推动进一步的发展。
10. 怎么看机器人数据相关的创业?
今年我有机会与几家专注于数据服务的公司以及相关客户进行交流,了解到当前机器人领域的创业者较容易想到的一个方向。许多大型研究机构,像Google和Pi,实际上面临着数据的缺乏,而且在数据采集时的成本也相当高。因此,确实存在第三方公司提供数据服务的机会。
然而,我认为这个市场与当年Scale AI做AI数据标注服务时的情况有所不同。
当Scale AI开始提供标注服务时,它已经有了较为明确的商业场景和客户的付费意愿,且迅速做大,达到了相当的规模。而今天,尽管大家都承认机器人的数据仍然缺乏,但实际上每家公司都在进行不同规模的尝试和实验。目前能提供初级机器人数据服务的公司不少,美国有近十家,中国也有很多。对于一些在机器人模型研究方面更为顶尖的公司来说,数据服务公司和提供的能力并不稀缺。在这种情况下,这些公司面临的主要问题是如何找到合适的产业位置和商业路线。
数据采集是目前的主要方向,但数据采集的方式也涉及选择合适的设备和本体结构。我们知道,当前跨平台的泛化能力仍然较弱,不同类型的手臂或硬件设备采集的数据在复用性上存在很大问题,尤其是传感器配置和数据角度的差异。这使得采集的数据通用性相对较差。因此,许多公司可能会为特定的机器人模型或大公司(如谷歌)提供定制化的解决方案。
然而,目前大公司在这方面的预算仍然相对有限。虽然很多公司都希望进入这一市场,但在模型框架尚未达成共识,且没有形成大规模数据采集的投入之前,这个市场的前景仍然不确定。
11. 怎么看只做具身模型的创业?
从今天产业发展的阶段来看,对于一个创业公司去做基座模型,我并不清楚商业上会如何发展。与OpenAI的情况不同,OpenAI做基座模型的最大优势在于,它已经能够通过基座模型的服务覆盖上亿用户,并且从API费用或订阅费用中获得上亿美元的收入。这是语言模型公司独有的能力。然而,对于具身智能这样的一家公司,如果没有特定场景和本体能力,我很难想象他们会如何找到一个商业模式,持续获得资金和数据,以便不断迭代和完善自己的模型。因此,我目前在思考,创业公司是否应该专注于这一方向。
这或许类似于当年自动驾驶公司在尝试开发L4 Robotaxi算法时所遇到的困境。虽然这些公司在技术层面做了更复杂、更先进的自动驾驶系统,但由于缺乏对汽车本体的掌控能力,或者说缺乏与汽车本体相结合的场景,导致他们在技术真正普及、落地到Robotaxi时,无法获得商业和数据上的双重优势。
同样地,机器人领域的具身模型如果脱离了本体,其实也很难找到一个明确的闭环商业逻辑。在我看来,关键并不在于这些公司是否专注于某个特定场景或物理本体,而是他们是否能够清晰地找到一个路径,通过具体的场景进行迭代,进而收集更多的数据。这种路径可以帮助机器人具备更强的通用性和泛化能力,从而推动技术的发展和应用。
12. 怎么看具身智能可能的落地场景?
这里面可能出现的场景有很多种,其中我认为有一条特别值得关注,或者说蛮有可能,那就是家庭清洁服务场景。特别是在今年的CES展会上,我们看到两家扫地机器人公司——石头科技和追觅科技,都在扫地机器人上增加了一个小小的手臂。从当前的工程和技术成熟度来看,我认为这两个手臂的实际效果和功效仍然有限。但从具身智能的角度来看,这却是一个非常好的起点。因为这意味着,在普及度和渗透率都很高的扫地机器人上,第一次出现了能够与外部环境进行互动、改变环境并获得反馈的能力。
若未来扫地机器人能持续迭代,提升手臂的操作、识别及抓取能力,其真实家庭场景中的交互数据将为训练更通用、智能的机器人提供重要支持。
在家庭清洁这个场景,我认为,最有可能进入市场的公司,首先是那些已经在扫地机器人领域占据一席之地的公司,或者是具有持续迭代和研发能力的现有扫地机器人公司。这些公司可能会成为第一批有竞争力的玩家。其次,我认为,像华为、小米这样的消费科技巨头也有机会。如果他们决定进入这一市场,我认为他们不会跳过扫地机器人这一基础功能,因为地面清洁本身是家庭服务场景中最常见、最具刚需的功能,而且消费者愿意为此付费,且对价格和购买诉求有清晰的认识。在这个基础功能之上,进一步拓展环境清洁和改造的能力,像华为、小米这样的科技大厂可能更具竞争力。最后,只有建立完备和有效的研发,生产,销售的能力,一些新兴的创业公司或技术公司才会有机会脱颖而出。
13. 怎么看陪伴机器人赛道?
我认为陪伴机器人的发展更多受益于大模型技术的进步,而非具身智能模型的进展。因为目前大部分陪伴机器人并不需要对物理环境进行过多的干预或改造。首先,陪伴机器人的核心是与用户之间更加自然、富有情感的互动。这种互动可以通过文字、语言、图像等多种形式来实现。同时,为了提升互动的表现力,陪伴机器人可能具备一定的仿生或拟人化运动能力,或者说肢体能力,这些能力是让机器人表现得更加类似人类或生物的手段。
然而,从技术层面来看,绝大多数陪伴机器人并不以增强与物理世界的互动或反馈为主要目标。因此,我认为,当前阶段,陪伴机器人作为一种产品或创业方向,主要是结合了大模型技术和消费电子需求的良好契机。我很难想象一个陪伴机器人会从根本上依赖于对物理世界的深度干预或反馈。
14. 是否应该布局特定场景的具身智能公司?
我的投资逻辑或者思考创业公司的方式,往往不会太局限或者过于线性。换句话说,对于我来说,如果通用机器人最终能够实现,它必然需要公司在软件和硬件方面拥有非常完整、强大的供应链和生产能力。因为这种产品的适用性和发展潜力极为庞大,要求公司在各个方面的能力都要达到顶尖水平,团队也不容有任何短板。
从我的角度看,如果这个‘圣杯’如此宏大、遥远,那么从今天推导出十年、十五年后的情况,现在公司应该做什么,其实并不是最关键的。更重要的是,在做这些产品的过程中,是否能引导公司朝着未来十年可能带来通用机器人爆发的时机去发展。我常和朋友说,按照我现在的判断,地球上能真正做出通用机器人的公司,可能不会超过几家。美国的代表可能是特斯拉,中国的则有华为、小米、大疆,以及像“蔚小理”这样的智能车公司,甚至比亚迪这类具备强大生产制造能力的电动车公司。我认为,最终要是能够实现通用机器人这一目标,必须依靠这些大型科技公司强大的研发和产品能力,否则很难想象能做出真正成功的通用机器人产品。
因此,对我来说,我更感兴趣的是,既然通用机器人将在未来十年到来,那么一个创业者如何在这十年里,打造出大疆,小米那样的公司,成为这一领域的领军者。
15. 怎么看待通用机器人的终极场景?
我认为,随着时间的推移,十年甚至二十年之后,智能机器人的终极形态必然将包含我们今天对AGI(通用人工智能)的所有想象与能力。这一观点与许多学者的看法类似:如果AI没有真正与物理世界进行交互和反馈的能力,它是无法发展出我们所称之为强人工智能或通用人工智能的。因为当前完全依赖数字世界或虚拟世界训练的AI,缺乏来自现实世界的大量反馈和认知,这使得它所获得的推理能力和认知能力是不完整的。只有当AI具备与外部环境进行互动、反馈和自我学习的能力时,通用智能的实现才可能成为现实。因此,我相信机器人最终将成为AI与物理世界完美结合的载体。
从这个角度看,机器人应具备高度的智能和适应环境变化的能力。它可能是人形,也可能具有其他形式,如具备移动或操作的多变性——并不一定是人类的形态。但无论形态如何,机器人一定会成为人类社会的一个重要组成部分,因为它具备极高的智能,可以成为人类的伴侣、伙伴,帮助人类解决长期甚至终极的问题,包括人类自身的成长与发展。人类生命意义的探索,人类的孤独与价值。最终,我相信,机器人必将以某种形态存在,并深刻影响我们的社会与生活。
第三部分:关于工作方法和新基金
16. 如何做到一直以来对机器人领域前沿进展保持紧密跟踪?
我很多时候并不完全从投资人的视角思考问题,也不单纯关注快速投资,核心原因是我对这个领域的发展保持着好奇心。出于对技术和趋势的探索,我希望能够接触到一些更加前沿和早期的学者或研究信号,借此指导我对这个问题的思考与判断。
站在更长远的视角来看,我做基金或创业的理念是希望能找到下一个时代的卓越企业家和创业者。而对于这些真正优秀的企业家,他们必然需要与一个大势或范式变化相结合,就像当年的互联网和移动互联网一样。我认为,AI、机器人、以及具身智能等领域,可能就是未来十年内,技术创业者面临的一次重要浪潮。因此,我一定要持续关注这个方向。
此外,为什么我会早早接触并持续保持与这些创业者的联系,对我来说,早期投资的关键在于观察创业者的成长与变化。在更早的阶段接触、理解并观察创业者,能为我提供更多时间窗口,这对我来说极为宝贵。从历史上来看,我几乎没有在认识一个创业者不到12个月的情况下做出的投资。我做的每一个投资决定,都是基于对创业者长时间的认识与交往,才对他们的能力、品性以及加速度有清晰的判断。这也与我做基金和创业时坚持的理念密切相关。
17. 推荐的内容
我平时喜欢读人物传记,尤其是那些讲述科技创业者或科技创业公司的传记,当然,也有一些传记讲述的并不是典型的科技创业者,而是那些在人生中取得卓越功绩的人。对于这些传记,我通常最感兴趣的是前几章,讲述人物如何从一个草根阶段,找到自己的人生的意义,从困境中找到奋斗的方向,挣到第一桶金,或获得事业上的第一个正反馈。
我尤其关注这段经历,因为它不仅揭示了人物的成长轨迹,还能提供深刻的洞察力。我希望将这些观察总结出来,应用到我们对年轻创业者、特别是第一次创业者的识别和理解中。
前段时间我读了一本非常有意思的传记,是关于美国国父汉密尔顿的。汉密尔顿给我的启发很大。他与美国其他国父不同,没有华丽的家庭背景或良好的教育,也没有出生在贵族或中上层家庭。事实上,汉密尔顿出身贫寒,是一个没有社会认可的私生子。但他凭借自己的努力和才华,从底层崛起,逐渐成为美国革命中的重要力量,最终成为华盛顿的重要助手,甚至成为美国国父之一。他的人生历程非常精彩,充满了挑战与突破,我觉得在他身上体现出了许多与卓越创业者相似的品质。
首先,这样的创业者往往在人生的早期阶段就经历过挫折甚至是不幸。如果对比汉密尔顿的成长历程来看,很多卓越的创业者,如乔布斯和马斯克,他们很早就与逆境狭路相逢,也正是因为这样的人生际遇,他们从小就不畏惧冲突,拥有强烈的自信和顽强的韧性,而这种性格一旦在年轻时形成,便会贯穿他们的一生。面对更大的冲突和挑战时,他们的这些优点往往会成为他们成功的关键。
18. 新基金的寄语
我的新基金叫做Alphaist Partners,这个名字其实是一个组合词,Alpha 加上 ist。它的寓意是成为一个寻找“Alpha”、创造“Alpha”的组织或团队。我之所以强调“Alpha”,是因为在过去的20年里,我们思考中国创业和VC行业时,受益于中国市场巨大的“Beta”效应,尤其是互联网带来的范式变化。但在未来的科技创业中,我认为更大的机会和更难的挑战,来自于如何在技术变化的“Beta”下,创造并捕捉到“Alpha”的能力。
在我看来,能够超越行业共识、创造底层价值的创业者,才是那些具备“Alpha”特质的人。因此,我希望我们的基金能与这样的创业者建立长期合作,成为他们最早、最持久、最有影响力的Partners,而不仅仅是投资人。我也希望把自己带入一个创业者的视角:如果今天我是一个二十七八岁三十岁的工程师,我现在出来创业,我会怎么做?会怎么选择方向?怎么设计我的路径。如果能够很好的带入他们的视角和他们的思考,我就更有机会成为他们更长期和更有影响力的伙伴,然后因此获得陪伴这样创业者一起成长的收益。
正因为这样的初心,再加上我个人的兴趣,我愿意在机器人赛道上长期耕耘与研究。我相信,在未来十年,中国一定会诞生更多像华为、大疆这样的顶级科技企业。新一代的年轻创业者拥有更高的品位、更好的视野和更好的训练,我相信一定能够诞生比上一代更加伟大的科技公司。
和Peter的这次访谈,让我非常有感触,佩服他的魄力、能力和执行力。作为同样关注机器人赛道的同行,我也以此篇访谈记录作为自我勉励,鞭策自己更努力。