中美 AI 创投的真实差异｜42章经

Jenny 是一个同时理解中美文化、创业、研究与投资的人。她从小在美国长大，2021 年加入 OpenAI，并在 ChatGPT 爆火一周后选择离开，合伙创立了自己的基金。前一阵她回国，我们借机聊了聊中美 AI 创投之间的差异。

P.S. 本期节目录制于 2025.12.22。几天后，Manus 被微软收购的消息披露。回头再看，Jenny 分享的许多投资思路和对美国市场的判断，其实都有所映照。

本期播客原文约 23000 字，本文经过删减整理后约 7700 字。

曲凯：你这两年观察到的几个最主要的 milestones 是什么？

Jenny：在 23 年，中美都有一个非常明确的共识：投大模型。在美国，就是持续给 OpenAI、Anthropic 这样的公司投钱。这些公司这两年发展得很快，也确实拿走了行业里大部分的利润。

23 年的另一个共识是，很多人觉得应用只是「套壳」，很轻、很薄，没什么价值。

但到了 24、25 年，这个判断开始发生变化，因为很多应用层公司逐渐做出了自己的特色和护城河，比如 Cursor、Perplexity。

最近两年，Agent 很火。但在真实场景中，AI Agent 的落地依然很难，核心问题是稳定性不足。

所以现在，大家开始从讲 AI Agent 的故事，转向更强调企业化落地，创业者整体也变得更务实。

曲凯：那明年呢？国内今年上半年 Agent 特别热，但到了下半年，似乎缺少一个特别主流、能形成共识的叙事。你看到的情况是怎样的？

Jenny：在模型侧，我认为 Scaling Law 已经走到了终点。

当然，还是有办法继续提升模型性能的，比如用医疗、生物等细分领域的数据去做 fine-tuning。现在我领英上一半的 DM，都是在问能不能帮忙做博士领域的数据标注。在我身边读过博的朋友里，这种情况也很普遍。

在应用层面，我觉得依然大有可为。我在硅谷看到的大多数机会，都集中在 ToB。

举个例子。前一阵我去日本，接触了一些老牌金融公司。有一家日本银行的 AI 负责人跟我说，他们用过一款叫 Rogo 的产品，帮投行整理金融文件、做数据分析。产品本身很好，但结果的准确性不够稳定，反而增加了人工核查的成本。

这类问题在 ToB 场景里非常普遍，也意味着还有很大的改进空间。

另一个重要机会是在 ToG。美国很多政府软件非常落伍，已经有不少 AI 创业公司在尝试把产品卖给政府。当然，前提还是稳定性，必须做到万无一失。

曲凯：你讲的这些，其实也带出了我想聊的第一个中美创投差异：美国几乎都在做 ToB 和 ToG，甚至有美国投资人直接说，他们看不懂 ToC。这和国内似乎是相反的。你怎么看？

Jenny：最大的原因，是市场性质差异太大。

中国是一个高度统一的大市场，用户需求相对集中；而美国是一个极度多元的社会，不同族裔、地域、阶层、世代之间的差异都非常大，很难形成「一个产品吃下大盘」的 TAM，往往只能从非常具体的用户画像切入。

另外，美国企业的付费意愿整体更强。而且美国企业更愿意为「软件」付费，而中国企业则更习惯为「服务」付费。

这种差异，一方面是因为美国人工成本非常高。只要软件能直接替代人力，企业就有明确的付费动机；而在中国，很多企业更倾向于用人力、外包或服务来解决问题，这在客观上压缩了纯软件的定价空间。

另一方面，美国的小费文化，也让他们对小额高频付费更习惯。用 3–5 美金解决一个小问题是日常，所以每月 20 美金的订阅费也更容易被接受。相比之下，欧洲、日本等地区的付费意愿整体都没有美国强。

曲凯：但现在国内大家总在讲 Prosumer 这个概念。硅谷有人讲吗？一般会把它划在更偏 ToB 还是 ToC？

Jenny：在中国，我会把 Prosumer 划为 ToC；但在美国，我会把它划为 ToB。

我的判断标准就是看谁最终买单。

在国内，这类产品往往是用户个人自掏腰包；但在美国，Prosumer 很多都会走向 ToB。我看到不少产品，比如 Notion、Figma，都是先从个人用户切入，再由这些人在组织内部一传十、十传百，逐步推动公司级采购。

不过我其实不是特别了解国内的具体情况。

曲凯：国内现在也有很多人在做美国市场，所以可能也差不多（笑）。

但你刚才说的其实挺有意思的。我之前也跟人讨论过，是不是 Prosumer 最终都会走向 ToB，甚至越来越偏向 to 大 B。

Jenny：在美国，这基本是一个最优解。因为 B 端用户的支付意愿和粘性都非常强，一旦用上一个产品，通常不会轻易更换。

曲凯：但我们聊过一些美国创业公司，有的已经到比较后期了，但他们前两三个大客户，可能就占了 60%–70% 的收入。这种情况常见吗？

Jenny：挺常见的。

但作为投资人，我们会比较担心这种情况，因为这往往说明公司还没有真正找到 PMF。

同时，这也可能意味着他们可能做了大量定制化服务。这在美国投资人眼里是一个很大的忌讳。

当然，在公司早期，这种情况在所难免；但到了 A、B 轮之后，大客户占收入的 30%–40%，会是一个更合理的状态。

曲凯：明白。那 ToB 公司最后比较好的出路，是不是就是卖掉？因为我感觉美国很多公司都是做着做着，就卖给上下游或者客户了。

Jenny：是的。美国的 ToB 应用，包括很多开发者工具公司，确实都很好卖。

因为它们的客户，尤其是像微软、谷歌这样的大公司，如果觉得产品用起来不错，往往会直接收购。一方面能给自己的产品补功能，另一方面还能吸纳人才。不只是大厂，很多中型公司也会频繁收购更小的公司。

这也是为什么在北美市场，投资人投 ToB 公司的退出路径会更明确。相比之下，ToC 公司很难被收购，因为 C 端用户画像差异太大，很多时候只能独立存在。

曲凯：所以现在如果有创业者来找到你，你通常会怎么考察 ta？

Jenny：第一，我会看 ta 有没有真正独到的行业见解。不要只跟我说这个市场很好，我更关心的是：你到底知道什么别人不知道的事，以及为什么。

第二，我也很看重创始人能不能快速学习、快速形成对市场的清晰认知。比如我会直接问：你觉得这个事情，别人会不会来做？

很多创业者会表现得非常「自信」，尤其是一些从硅谷加速器出来的，会直接说只有自己能做，别人都是垃圾。遇到这种情况，我心里会默默给 ta 扣分，因为这往往说明 ta 对竞争并没有清晰的认知。

我更希望听到的是：我已经想过 A、B、C 都可能会来做，他们各自有什么优势；但在这个细分赛道，我们可以先怎么切入，再由点到线到面，慢慢建立优势。

曲凯：那美国投资人整体是更看人，还是更看事？

Jenny：很多特别早期的投资人，其实更看人。但像我们这种投种子轮的基金，会希望公司已经有一定的方向和雏形，而不是只看个人背景。

曲凯：所以我还有一个不太理解的点，就是为什么美国投资人更敢押注年轻人，甚至是辍学创业者？国内大家会比较担心年轻人经验不足。

Jenny：我可以从文化角度聊一聊这个问题。

我从小在美国和中国都待过，我会觉得美国的同龄人，尤其是初高中生，整体上比中国孩子要早熟。

这背后很大的一个原因是教育方式不一样。比如美国 16 岁就可以自己开车上学，但在国内，我真的很难想象一个高一学生自己开车上学。

而且美国确实有不少创业者从很小就不怎么读书，而是去创业。

我自己就是从哥大辍学去了 OpenAI，后来从 OpenAI 出来做基金。不过我后面回去把论文写完，拿到了博士学位。而我老公是一个更典型的例子，他 13 岁开始创业，16、7 岁就做过云服务公司，做得也蛮好的。后来他对读大学兴趣也不大，虽然拿了斯坦福的全额奖学金，但他只读了一两个学期，觉得没什么意思，就又出来创业了。

如果一个中国小孩这样，家长可能早就把 ta 的腿打瘸了（笑）。

曲凯：这种情况常见吗？

Jenny：挺常见的。就拿 YC 为例，基本上每一年的 YC Demo Day 我都会去，最近两年感受非常明显：创业者一届比一届年轻，甚至有不少是高中阶段就出来创业的，最小的只有十五六岁。

我们也统计过美国发展得最好的 100 家 AI 公司创始人的年龄：最常见的是 26、27 岁；中位数在 28–29 岁；其中大约有 10%–15% 的创始人在 18–25 岁之间，也就意味着有一部分是在本科阶段出来创业的。

所以在美国，辍学出来创业成功的概率还是挺高的。

我觉得美国的学制，确实对辍学创业更友好。一方面社会对文凭没那么执着，另一方面制度上也有 leave of absence 这样的安排，创业失败了可以回去继续读书，成功了也没必要非要把学位读完。

当然我经常开玩笑说，从哪里辍学也很重要。你是从哈佛、斯坦福辍学，还是从社区大学辍学，对后续创业、融资，甚至回去读书之后的选择，影响都很不一样。

曲凯：那比如一个斯坦福辍学、只有一两段实习经历的人，真的能拿到钱吗？

Jenny：要看人。我自己投过一个 19 岁从宾夕法尼亚大学辍学的华裔男生。他是第一次创业，但在辍学之前已经做过非常多开源项目。

但有不少学生，尤其是斯坦福的学生，辍学创业其实只是为了营造一种「我是少年天才」的形象，方便他们日后进大公司或者募资。

曲凯：那美国现在最流行的创始人画像是什么样的？

Jenny：通常是二十七八岁，从大厂出来、有很强技术背景的人；或者是学术能力很强、有博士学历的人。但后者更适合做 CTO，而不是 CEO。

还有一类，就是已经有过成功创业经验的连续创业者。

不过我其实觉得硅谷也有年龄歧视。如果你 35+，又没有做出过很大的成绩，再出来创业，投资人就会问很多问题。

曲凯：那一个很好的人，和一个平均水平的人，现在美国前一两轮大概会怎么给估值？

Jenny：硅谷的估值本身就是玄学，没有一套特别理性的定价方式。

天使轮比较常见的是 1000 万美金，贵一点能到 2000 万。

种子轮第一轮大概在 2000 万到 2500 万之间，而像 YC 的公司，可能能到 3000 万，甚至 4000 万。如果是从大厂出来，或者背景特别好，那就真的不好说了。有些公司什么都还没有，一上来估值就能到 1–2 亿美金。

到了 A 轮，这几年变化非常大，对创业者的募资策略影响也很大。现在 A 轮估值基本都在 1 亿美金以上，但门槛也水涨船高：以前做到 100 万美金 ARR 就可以融 A 轮；现在往往要做到 300–500 万 ARR，才能融到一个比较好的 A 轮。

但我认为 AI 公司不应该沿用 SaaS 那一套估值方式。

传统 SaaS 是用 ARR 乘以 20 或 30；但 AI 公司，这个倍数应该更低。

一方面，AI 公司每多提供一份服务，都会产生额外的 Token 成本，而传统软件一旦做出来，卖多少份，成本几乎不变。另一方面，很多 AI 公司表面是软件，本质上更接近基建。

基于这个逻辑，我觉得现在很多头部 AI 公司的估值是偏高的。

Cursor 和 Perplexity 就是典型的估值偏高的例子。很多投资人只是看收入增长就盲目去投，但很大程度上忽视了它们的结构性问题。

曲凯：那美国融资的流程一般是怎样的？如果一个国内创始人想到美国去融资，大概需要几步？

Jenny：第一步，最好先调整公司架构。美国主流基金几乎只投 Delaware 架构。如果暂时调不了，至少要明确表达「之后一定会调」的态度。

第二步，我会强烈建议先去硅谷住一到两个月，接触当地的人、熟悉环境，再开始正式募资。

很多创业者到了美国，总想着一两周内把钱募完就走，但很多细节会暴露出你并不了解美国的创业生态。比如在美国，大家几乎不用微信，而是通过领英互相加。如果你平时不用领英，别人加你好友的时候，一下子就会发现你「不是自己人」。

还有一点是，很多国内创业者会通过 FA 去接触投资人，但在美国这往往是一个扣分项。因为这会让投资人怀疑，你是不是没有硅谷的资源、不了解当地环境、也没办法独立募资。

所以我更建议先在美国待一段时间，混进当地创业圈子，通过当地人来推荐投资人。美国创业者和投资人的关系很扁平，介绍投资人并不难。再加上机构数量多，整体环境是比较友好的。

认识投资人之后，第三步就是约 meeting。

很多中国创业者在美国会有一点水土不服，是因为美国投资人对时间限制非常严格，第一次 meeting 通常只有 30 分钟。所以第一次 pitch 一定要非常简洁、清晰，只讲重点。

如果投资人感兴趣，会约你下一次 meeting，可能会要你的 demo deck、见你的合伙人、问更细节的问题。

到了第三次 meeting，通常说明这个基金已经比较认真地在考虑你了，会根据自己的投资风格深入问某一个方向，甚至要你的 data room。

之后有时还会有第四次 meeting，但并不是次数越多越好，很多时候到第四次，反而意味着内部在产生 debate。

除了这些正式 meeting，美国投资人也会在背后做不少研究，比如去问你的前员工、前投资人，或者一些共同认识的人。

最后一步就是定价和签约。

整个流程下来，以我们基金为例，大概要两周左右，通常见创始人 3–4 次，就会做出决定。

在这个过程中，我有几个给创始人的建议：

1）找准你第一个接触的投资人。这个人基本上就是你在这个基金里的 advocate，所以 ta 最好是能独立做决定的人，否则 ta 自己还要内部向上推。

2）一开始最好就接触四五十家基金，因为最后通常只有两三家愿意投。

3）可以先融一小轮天使的钱。他们投的单笔金额可能不大，但如果他们和你的领域高度相关，会是非常大的加分项。天使投资人既能给你背书，也能帮忙介绍人、提供专业意见，对后续融资帮助很大。

曲凯：那美国现在大概有多少家在投 AI 早期的机构？

Jenny：至少有大几千家。

曲凯：但对创始人来说，怎么判断哪家机构每年投多少、投什么方向、出手积极度、估值风格这些问题？

Jenny：这些基本都可以直接问。

我觉得最好的 pitch 方式，是先去问投资人的情况，再根据 ta 给你的信息，定向去优化自己的 pitch。

曲凯：那熟人介绍，和自己主动给投资人发邮件，会有很大区别吗？

Jenny：区别非常大。如果是熟人介绍，大概有一半的基金会愿意跟你聊；如果是 cold email，可能只有 10%，甚至更低。

曲凯：所以你在美国和国内都聊过很多人，你感觉中美两边最大的区别是什么？

Jenny：中美投资人和创业者之间的审美差异非常大。

美国更偏好「一个产品解决一件事」。比如 Granola 就专门做笔记；但在国内，大家更习惯功能叠加，比如飞书不只是记笔记，还能做很多事情。

另外，美国的投资人和创业者整体更偏好纯软件、偏 ToB；而中国正好相反，大家更想做 ToC，也更想做软硬件结合。

曲凯：正好说到产品，你这几年自己比较喜欢的产品有哪些？

Jenny：我用得最多的还是 ChatGPT，而且我会把它用出花来。

我在 ChatGPT 里把自己的生活拆成了健康、工作、研究等 8 个板块，每个板块都有很长的 custom prompt；而且不同板块的对话是分开的，也各自有自己的 prompt 和 context。

曲凯：从投资者视角来看呢？

Jenny：从用户体验来说，我觉得 ChatGPT 最近一段时间做得特别好。我也非常看好 Anthropic，因为他们拿到了很多大客户的订单，在企业端的增长非常快。

但有一些我看不懂他们在干什么的大模型公司，我就没那么看好了（笑），因为这个赛道太卷了。

至于一些处在中间位置的 AI 公司，比如 Cursor、Perplexity，我个人也没有那么看好，因为它们和大厂走得太近了，很容易被吃掉。

在特别早期的公司里，我更看好细分垂直领域。比如我投过一家 AI 生物数据分析公司 Kepler。我妈妈是做心脏病学研究的，几乎天天在用，给我的反馈非常好。

曲凯：那你觉得明年一级市场会有什么变化吗？

Jenny：我觉得明年会有一次比较大的调整。美国的 AI 泡沫会破。

现在的 AI 泡沫就像一个很大的气球，只差一根针。我尤其担心英伟达和 OpenAI。这两家公司只要有一点点变化，都可能把这个泡沫戳破。

我也很担心 Gemini 通过完全免费的方式去获客。这对 OpenAI 会是一个非常大的冲击，甚至可能整体压低一级市场的估值。

曲凯：那最近湾区那边有什么讨论得比较多的话题吗？

Jenny：一个是 AI 泡沫，另一个就是 Scaling Law 到底有没有结束。

曲凯：你前面说你认为已经结束了，但我也听到另一种声音，觉得 RL 和 post-training 还是有 Scaling Law。

Jenny：我的感觉是，它不会再像以前那种 Scaling Law 一样简单、直接、有效了，更多是在一些细分赛道里修修补补。

曲凯：那以 Cursor 为例，大家一直在讨论应用公司和模型公司之间的竞争和壁垒。Cursor 给出的一个答案是，用 RL 和自己的数据去训练模型。你觉得这会是一个未来方向吗？

Jenny：真正有能力这么做的应用公司非常少。

这样做的成本很高，而且大模型本身还在不断更新迭代，可能下一代模型出来之后，你自己 fine-tune 的那点优势就已经不存在了。

除非你同时具备两点：一是非常大体量、而且是独家的专有数据；二是非常强的技术团队。

否则我觉得，大多数应用公司，尤其是早期应用公司，现在没有必要走这条路。

曲凯：那大部分应用公司，最终和模型竞争的是什么？是不是确实会有不少被模型升级直接吃掉？

Jenny：我觉得是的。当然这和你做的赛道关系很大。像 coding 这种方向，和大模型之间的关系实在太密切了，很容易被模型公司直接吃掉；但如果你做的是更细分的赛道，比如 AI 法律、AI 金融，我觉得模型厂商很难直接覆盖，反而给创业者留下了不少空间。

曲凯：所以「Scaling Law 已经不存在了」这个观点，现在在美国算是共识了吗？

Jenny：在研究人员当中，算是比较大的共识；但在投资人里还没有，尤其是离技术比较远的投资人，其实也没有那么在意这个问题。

曲凯：那从技术角度看，下一个突破点可能会在哪里？

Jenny：我觉得现在所有 AI 大厂，在「模型智力」这个方向上，其实都有点黔驴技穷了，再往上提升已经非常难。

但在应用层面，还有很多可以优化的空间。

比如 Anthropic 在做企业级应用，那落地就还有很大的提升空间；再比如 GPT-5 的多模态、检索能力，也都是在优化用户体验。

曲凯：明白。硅谷那边还有什么热门话题吗？

Jenny：还有一个在硅谷企业内部讨论得很多的问题：AI 到底有没有真正带来企业生产力的提升。

现在主要有两派互斥的观点。

一派认为 AI 正在直接取代人的工作，甚至会带来大规模失业。哈佛和耶鲁的一篇研究发现，LinkedIn 上比较 junior 的岗位，从 23 年到 25 年减少了 20%、甚至更多。

这一点我自己的体感也很明显，身边确实有不少年轻人发现找工作变难了。

另一派则认为 AI 并没有带来生产力提升。比如 MIT 有一篇文章提到，95% 的企业 AI 落地最终都失败了。

但我认为，这更多是因为很多美国大企业选择自己做 AI。在这种情况下失败其实很正常：他们一方面很难招到足够好的 AI 人才，另一方面也很难下决心把 AI 真正推行到底。如果这些企业选择和创业公司合作，成功率会高很多。

曲凯：那你们基金当下主要想看、想投什么方向？

Jenny：我们非常想投那种在某一个垂类中深耕，同时具备技术壁垒、数据壁垒和行业壁垒，并且 AI 能力也到位的公司。

比如我前面提到的 AI 生物数据公司。再比如我们第一期投得最好的一家公司，是用 AI 做维修，叫 MaintainX。

这个方向听起来可能离硅谷很远哈哈，但他们和很多传统企业合作，比如麦当劳、星巴克、万豪酒店。这个软件可以用 AI 去辅助维修，比如记录维修过程、给出建议、提醒维护，甚至帮你预约维修时间。

另外，2026 年我们会非常看重一家公司能不能真正做企业级应用，能不能解决企业的真实痛点，并且有非常稳定的输出。

我们一个核心的投资逻辑是：

你做的事情一定要替代人，而不仅仅是赋能人。

因为只有真正替代人，企业才愿意给你非常大的订单额度。

这个逻辑在美国尤其成立，因为人工成本非常高。如果只是提升人的效率，而没有真正帮企业省钱，企业是不会为此付出高价的。

曲凯：明白。最后，有没有什么给国内 AI 创始人的建议？

Jenny：如果想出海，我会非常建议你先了解美国创投圈的文化，并且尽量融入进去。

中国优秀的创业者一点都不比美国少，只是很多时候，中国在软件方向上确实没有那么好的土壤。所以如果条件允许，可以多去外面拓展一下。

世界很大，机会也很多。

曲凯：最后再多聊几句。我们看到不少国内创始人会遇到一个现实困境：

他们在国内融资相对容易，而美国融资难、且不确定性更高，于是很多人会先选择把国内的钱拿完。但这样一来，等他们再想去美国时，反而变得更难，最后就卡在这个节点上。

不过这好像也没什么特别好的解决办法？如果要为了不确定的美国市场，而放弃国内送上门的钱，确实很挑战人性。

Jenny：还是要看方向。有些方向明显是美国市场更有优势，那我觉得这个时候是「长痛不如短痛」，可以先去美国接受短期的阵痛。

而如果国内条件真的非常优越，也可以走从国内到新加坡、再到其他地区的路径，然后之后依然可以卖给美国的个人用户或者企业。

（本期录制时，Manus 被 Meta 收购的消息尚未披露）

所以我会建议大家，一开始就想清楚方向，再决定拿哪一边的钱。

曲凯：那如果一个创始人希望后期更多靠数据来融资，大概做到什么程度，才能弥补其他方面的问题？比如 Manus 能拿到美国的钱，是不是就是因为他们数据绝对的好？

Jenny：我觉得 Manus 并不是因为数据特别好，而是因为团队非常强，同时做了非常成功的美国市场营销，让很多美国投资人真正认识了 Manus。

曲凯：营销某种程度上也算是一种数据。

Jenny：对。如果你没有 Manus 这样的光环，也没有他们那样的营销能力，那我觉得至少要做到 100 万、甚至几百万美金 ARR。

到这个程度，投资人可能就会愿意忽略你在其他方面的一些问题，因为你不管在哪儿创业，成功概率都会很高。

是金子，总会发光的。

42章经

思考事物本质