--- id: "-MD9NsVj2xo" title: "Stanford AI Club：Alfred Lin 谈 AI 时代的创业" channel: "Stanford AI Club" host: ["Stanford AI Club 主持人"] guests: ["Alfred Lin"] date: "2026-10-15" updated: "2026-10-20" duration: "56:49" duration_seconds: 3409 source_type: "youtube" youtube: "https://www.youtube.com/watch?v=-MD9NsVj2xo" canonical: "https://pod-exp.pages.dev/-MD9NsVj2xo/" transcript_jsonl: "https://pod-exp.pages.dev/-MD9NsVj2xo/transcript.jsonl" language: "zh-CN" translation: true translated_from: "en" timestamp_precision: "block" topics: ["人工智能","创业与经营","产品","科技趋势"] series: ["AI 与软件","创业方法"] --- # Stanford AI Club：Alfred Lin 谈 AI 时代的创业 > 中文译文，由英文原音字幕翻译整理，不是官方逐字稿；引用原话请核对英文原视频。说话人标签由整理者依上下文标注，带「未确认 / 未标注 / 不确定」等字样的标签不可靠。时间戳一般为块级（所在时间块的起点），不是逐句时间；正文自带 [hh:mm:ss] 的段落除外。 **内容提要：** Alfred Lin 回顾从台湾移居美国、求学和加入早期公司的经历，鼓励学生趁选择空间大时承担风险，并把职业起点放在学习速度和共事的人上。他以 LinkExchange、Tellme Networks、Zappos、Airbnb、DoorDash 和 Amazon 为例，谈如何从真实问题发现创业机会、区分短期功能与长期愿景、让技术真正扩散到用户手中，以及 AI 应用层和“拥有自己的智能”的机会。他还讨论 AI 投资中的循环资金与杠杆、创始人信念、组织设计、监管市场的进入方式，以及学生创业前 90 天应如何寻找合适的伙伴。问答最后涉及个人抗风险能力、失败复盘和几段轻松的快速问答。 ## [0:02] 开场与嘉宾介绍 · YouTube **主持人：** 大家晚上好，欢迎来到 Stanford AI Club 2026—2027 演讲系列的第一场活动。今晚很荣幸请到红杉资本合伙人 Alfred Lin。过去 15 年多，他在红杉与许多重要公司及其创始人合作，包括 Airbnb、DoorDash、Citadel Securities、Kalshi 和 Zipline。加入红杉前，他曾任 Zappos 董事长、首席运营官和首席财务官，并参与公司以 12 亿美元被亚马逊收购的过程。他也毕业于哈佛和斯坦福，学习过数学与统计学。稍后会有观众问答，大家可以问问他到底哪所学校更好。现在请大家欢迎 Alfred。 **Alfred Lin：** 谢谢邀请我来。我会尽可能多待一会儿，只要你们还在问有意思的问题；等问题不再有意思，我们就结束。责任在你们身上，不要有压力。 **主持人：** 我想先从一个问题开始：很多在场的人知道你在 Zappos 做得很好，后来又在红杉做了很多事…… ## [1:06] 台湾成长经历与父母的期待 · YouTube **主持人：** ……但可能不太了解你此前的经历。你在台湾长大，小时候搬到纽约。能不能讲讲你的成长经历，以及它怎样塑造了今天的你？ **Alfred Lin：** 我平常不太谈这个。我有两位“虎爸虎妈”，他们都是商业银行家，非常重视教育。他们心里给我安排了一套人生优先顺序：最高目标是成为教授、为人类知识作贡献；做不到的话，就当医生、治病救人；再不行就做律师、伸张正义。因为他们给企业放贷，所以在他们看来，最末位才是从商；即使做生意，也应该去大公司，而不是小公司。我基本上把父母的建议全反着做了。 部分原因是我看到他们在台湾已经建立了相当成功的生活和事业，却决定冒险来到美国，只为让孩子过上更好的生活。他们承担了很大风险，最后一切也都顺利。我的想法是：你们这些大学生正处在很好的位置，有条件去冒险。尤其现在有 scaling laws，也有自互联网、云计算和宽带以来最大的趋势。去试一试；即使没成功，你至少还有斯坦福学位可以兜底。我本来以为这会引来一些笑声，看来没那么好笑。 ## [2:28] 学生拥有承担风险的优势 · YouTube **Alfred Lin：** 对大学生来说，现在正是适合承担风险的阶段。我们身处一个 scaling laws 成立的时代，也赶上自互联网、云计算和宽带以来最大的技术趋势。应该去冒险；即使没做成，你仍然可以凭斯坦福学位找到退路。 ## [3:03] 每个问题都有解，每个解又带来新问题 · YouTube **Alfred Lin：** 我成长时总觉得，世界上总有些地方不太对劲，值得你留意。你注意到某件事有点不对劲时，那往往就是一个解决现实问题的想法的起点。每个问题都有解决办法，而每个解决办法又会产生新的问题，这个过程会一直继续。找到你愿意持续解决的问题，以及这个领域不断出现的下一批问题。想清楚后，你就可以把一生投入其中，努力成为解决这类问题的顶尖人物；要对它有热情，也要找到能支撑解决方案的经济引擎。 我加入过的每家公司都在解决当时别人觉得有点傻、甚至有点疯狂的问题。互联网刚开始时，我从斯坦福博士项目退学，加入 LinkExchange。它把网站连接起来，起初没人觉得这是个大问题，后来事实证明它很重要。公司以 2.65 亿美元卖给微软，当时是微软第三大收购。今天，2.65 亿美元可能只是某家新实验室的第一轮融资规模。 之后我加入 Tellme Networks，他们让 800 电话号码的语音服务自动化。那时还没有“云”的概念，他们自己建语音识别服务器和云端基础设施，处理这些 800 电话服务；后来公司以 8 亿美元卖给微软，也成为微软当时第三大收购。再后来是 Zappos：当时人们觉得鞋子必须试穿，不能在网上卖。我们把鞋寄到顾客家里，让他们在家试穿，解决了这个问题。每个问题都有解，每个解都会带来新问题；正是这样，经济活动才继续向前，也让这段旅程很有趣。你得享受这个过程。 ## [5:46] 创业公司还是大厂：优先学习与优秀伙伴 · YouTube **主持人：** 我想追问一个重要选择。你上过哈佛，后来从斯坦福博士项目退学。那时你几乎有无限选择，却决定加入早期创业公司。你现在也合作过很多大学毕业就创业的杰出创始人，也认识一些先去大科技公司或前沿实验室、后来事业很成功的人。对这里有抱负的学生来说，怎样判断最适合自己的职业起点？应该优先优化什么？ **Alfred Lin：** 真正的答案是，你其实不知道哪条路最好。通往成功的路不止一条。年轻时应该最大化学习，尽量和真正优秀的人一起工作。这两个原则在我职业早期和今天都没有让我失望。 我们投资创始人时，也希望他们是值得一起走长期旅程的人。成功公司从来不是一夜之间建成的，打造一家传奇公司要花 10 年甚至更久。看看 Jensen Huang 建造 GPU 业务的历程：前 20 年和后 10 年完全不同。我们今天很推崇他，是因为过去 10 年的表现；他带领的公司成为全球市值最高的芯片公司之一，市值即将接近 6 万亿美元。前 20 年，公司从零做到 1,000 亿美元，听起来像个小数字，但当时已经非常巨大。他坚持了 30 年。去找一件你愿意投入 30 年的事。 ## [7:37] 成功有不止一条路 · YouTube **Alfred Lin：** 我曾直接告诉父母，我不想上大学。他们为了移居美国吃了很多苦，攒钱供我和弟弟上大学；我却请求他们把原本要交给哈佛的钱给我创业。我高中时就和父亲一起组装兼容 IBM 的 PC。那时一台 IBM PC 要四五千美元；把零件买齐自己组装，成本大概一千美元，卖两千美元，就能赚一千。你知道今天哪家公司就是这么起步的吗？Dell。要是父母当时答应了，我或许也能像 Michael Dell 一样有钱有势——不过后来我还是去了红杉资本。 父母坚持让我上大学。我只申请了四所学校：那时还没有 Common App，高中最多允许申请七所；我只报了父母愿意出钱的四所，还以为自己不会被录取，这样就不用去上了。这个计划没成功。我进了大学，后来又拿到 NSF 奖学金，读了研究生；父母觉得既然拿了奖学金，就必须去读博士。我来美国一部分是因为觉得科技都在地球这边发生。我组装电脑时投资过微软和英特尔，觉得这些公司很有意思，想来这里看看。后来我爱上了这里。 人生路径很有意思，也很依赖偶然选择。我本可以在斯坦福读完博士，最初甚至打算去对冲基金。我有个比我小约三岁的弟弟，我们很有竞争心；父母原以为我会去对冲基金、弟弟会创业，结果完全反过来。他在 Citadel 工作，负责全球固定收益业务；我则和小公司合作，从只有两三个人、只有一个想法时开始，陪创始人走到 IPO 甚至更远。父母觉得这很疯狂，甚至觉得我不聪明。LinkExchange 卖给微软后，他们还说：“太好了，现在你可以回去读完博士了。” 我也有朋友读完博士加入 Google，过得很好。成功可以有很多种方式，不要觉得年轻时做出的选择会把你永远锁死。 ## [11:19] AI 让数学和编程商品化后，技术还重要吗？ · YouTube **主持人：** 你刚才说，职业早期最重要的是学习。现在 AI 正在加速发展，数学和编程技能也在迅速普及。你怎么看今天数学、计算机科学和技术能力的重要性？ **Alfred Lin：** 在红杉，我们常讲要同时容纳两种相反的想法，让它们保持张力。一个例子是“火与冰”，我最近写过；另一个例子是既能站在最高层做战略思考，也能深入到最低层的细节，DoorDash 的 Tony Xu 就体现了这一点。 有些东西正在变得商品化，但仍然很有价值。数学和编程确实正在商品化，可理解它们如何运作从未像今天这样重要。人们愿意为真正理解模型、知道如何让模型发挥作用的人付很多钱。过去这类人可能亲自写代码；今天的关键是你是否真正理解模型，能不能把它用到最好。做到这一点，你会很有优势。 我也鼓励非常技术型的人去理解人文和人类。人文很重要。作为创始人，你要为地球上的 80 亿人打造产品，也许未来是 100 亿，也可能是 60 亿；无论具体数字是多少，世界上都有很多人。钱最终来自人。即使是由机构投资，机构里也还是人。别忘了你是在为人类打造产品。 ## [13:35] 想创业但还没找到问题的学生该做什么 · YouTube **主持人：** 你合作过很多杰出创始人，他们会对某个问题着迷，也会质疑别人习以为常的假设。如果一个学生知道自己以后想创业，却还没找到值得投入的问题，你会建议他做什么？ **Alfred Lin：** 这是一段旅程。你不必一毕业就创业。有人二十多岁、三十多岁、四十多岁甚至五十多岁才创办公司。持续问自己：哪些问题让你感兴趣？你为什么想解决它们？这些问题有多大价值？我们会思考如何创造价值、如何交付价值、如何获取价值；这是建立公司的三个关键阶段。 你可以和朋友一起加入一家公司、一起建设。在我工作的前三家公司，我都是找自己喜欢共事、也能向他们学习的人。你们在斯坦福有机会认识这样的人。也许今天不会马上一起创业，但可以先建立联系、业余一起做事，或者先在另一家公司共事，最后再决定是否一起创业。 DoorDash 就是从校园伙伴关系中成长起来的例子。四位联合创始人中，有两位商学院学生和两位工程学院学生，有研究生也有本科生。他们先一起尝试了几个方向，最初做的并不是后来那个 DoorDash 点子，之后才找到大家都在意、都愿意解决的问题。这样的过程很有力量。 我甚至可以说，斯坦福比哈佛更允许学生在校期间动手做事。哈佛有个类似的公司项目，因为必须经过哈佛学生机构审批，最后被学校行政部门叫停。斯坦福的管理层给学生更多空间，让你们可以在校期间建设项目；应该珍惜这种自由。 ## [16:18] 如何区分功能与长期公司：愿景、脆弱性与 Airbnb · YouTube **主持人：** 现在每天都有很多 AI 演示出现。对想创业或毕业后加入初创公司的人来说，你会看哪些信号，判断一个点子只是会被下一次模型发布取代的功能，还是能发展成长期而成功的公司？ **Alfred Lin：** 我会先看创始人能不能讲清楚，为什么这不会只是一个功能。如果把事情简化到两个人和一个点子，那当然没有什么防御性；如果一家大公司真想把你干掉，它确实可以做到。但大公司有自己的分心之处，现在可能正把大量自由现金流投入数据中心，还没在做你正在做的功能，所以不必因为产品暂时没有壁垒就立刻担心。 之后的问题是：你做出这个功能、吸引到一些用户之后，接下来做什么功能？怎样把它变成一套产品？我发现技术型的人很会讲技术故事，却不一定能讲清楚愿景。但创始人必须能激励别人加入，并愿意和自己走很长时间。Brian Chesky 很会讲故事，他对“旅行应该是什么样子”有不同于常人的愿景。 还要记住，Airbnb 最初的想法非常脆弱：住进陌生人家里，最开始只是房源列表，并没有完成交易。你得发邮件联系房东、确认对方是否愿意出租；48 小时后才可能收到答复。今天它看起来像个帝国，但起点并不是如此。很多人都会拒绝这个想法，包括我父亲。他为了银行国际扩张而出差时，会在世界各地住同一家酒店，订一模一样的房间，连吹风机放在哪个抽屉都要固定，尽管他从来不用吹风机。对他来说，旅行已经够忙乱了，房间没有变化、可以安稳睡觉就是优点。 Brian Chesky 看法正好相反：那是缺点，因为这不叫像当地人一样生活，也没有归属感。同一件事可能是一个人的功能，却是另一个人的问题，反过来也一样。Airbnb 提供的不是楼下的会议室，而是厨房和客厅，让一家人能聚在一起；它满足的需求和我父亲追求的完全不同。尤其在 AI 让许多东西“商品化”的时代，要观察这些人的真实需求。人和人的连接不会消失。 ## [20:13] AI 为何是职业生涯最大趋势，它是不是泡沫？ · YouTube **主持人：** 你经历过互联网、互联网泡沫、移动互联网、云计算，现在又经历 AI。你说 AI 是你职业生涯中最大的趋势。和以前相比，这次转变有什么根本不同？它像过去那些泡沫吗？你觉得现在是泡沫吗？ **Alfred Lin：** 这是个复合问题。你想让我全答，还是挑一部分？ **主持人：** 按你觉得适合展开的来。 **Alfred Lin：** 每个时代的重大趋势，当时都是最大的趋势。我没经历半导体产业刚起步，但我从个人电脑开始。前面说过，我组装过兼容机，那时 PC 是最大趋势；后来互联网、宽带、云计算、移动互联网也都各自成为当时最大的趋势。现在 AI 是最大趋势，这就是变化加速的世界。 你们还年轻，可能会觉得这一切令人不知所措，但每一代人都面对过这种感受，这是进步要付出的代价。每一代都会得到新工具，也被期待比上一代做得更多，所以这是一种负担。AI 之所以可能是最大的一次，是因为我们让机器具备了推理和思考的能力。 过去的工业革命把人和动物的肌肉力量转移到机器上。近几轮技术浪潮，按红杉合伙人 Konstantin 的说法，主要是通信领域的浪潮：互联网、移动设备把全世界的人连接起来。而 AI 是计算浪潮，是计算能力的重大变革。它能触达全球 80 亿人，也有机会被 80 亿人使用，所以推进得更快；以前并不是所有人都互相连接。 ## [22:53] 技术扩散的落差：亚马逊为何没有消灭沃尔玛 · YouTube **Alfred Lin：** 有个常见误解：只因为一项技术是重大趋势，就以为它会立刻快速普及。现在确实比过去快，但扩散仍然需要很长时间。我当年从博士项目退学，部分原因就是互联网正在兴起。我曾预测亚马逊会消灭沃尔玛。30 年后，沃尔玛的规模是 1997 年的 30 倍。亚马逊并没有消灭沃尔玛；直到去年，亚马逊的营收才第一次超过沃尔玛。互联网显然会到来，但它真正发挥作用仍然花了很久。 技术能力与普通人真正用上技术之间存在扩散落差。技术里最慢变化的东西，是使用技术的人。人的进化非常缓慢。你们可以帮助填补模型能做什么与人们实际拿它做什么之间的差距；这个差距始终会很大。 技术一直在建立更高层次的抽象，让人离机器底层越来越远。大型机刚出现时，人得用机器码编程；我父亲需要这样做。我只在一门汇编课上接触过，严格说那也不是真正的机器码。你们大概也不想一直在机器码层面工作。我们不断建立更高层的抽象，因为这是技术扩散到整个社会所需要的。作为技术人员，如何让技术真正扩散到大众中，是最容易被低估的问题之一。 ## [25:12] 价值在哪里：应用层与掌握自己的智能 · YouTube **主持人：** 我很喜欢你说经济变化有惯性，技术融入社会总是要花很长时间。现在 AI 系统每天刷新基准，有些领域甚至显示出超智能水平的能力。你和创始人、公司合作，看到他们遇到的困难后，觉得模型能做到什么与人们实际在做什么之间，最大的差距在哪里？ **Alfred Lin：** 模型的能力显然比我们目前的使用方式更强，因此有很多地方能把模型应用起来并产生经济成果，比如生物、法律等领域。我的合伙人 Pat Grady 常说，价值在应用层。所谓“软件已死”完全是胡说：不管把它叫软件、应用，还是技术扩散层，它承担的都是模型能力和人类使用之间的连接，其中有大量价值。 我们投资了 Harvey、OpenEvidence、Profound 等公司。它们把模型能力带到律师、医生、营销人员、财务人员等具体用户手中。用户不会为了用模型而一路钻研模型的工作原理、再自己编程；这些公司把模型带到用户的工作场景里，让他们能“拥有自己的智能”。 比如制药公司怎样掌握自己的智能？可以拿开放权重模型，用自己的数据进行训练。怎样实现这件事、怎么把数据和模型结合起来，会变得非常重要。我们不会只让两三个模型赢得一切；经济不是这样运转的，我们也不喜欢权力集中。我们希望前沿模型继续进步，但不希望它们掌握过多权力，也不希望把所有数据都交给它们。公司会取回一部分数据，自己训练模型。于是，如何为开发者构建这类工具也成了机会。 可以做药物发现模型，例如 Recursion 或 Isomorphic 在做的事；可以做开发者工具，例如 LangChain；也可以做开放权重模型，例如 Reflection。能做的事情很多，技术能力与实际采用之间的扩散落差只会越来越大。填补它需要很多工作，而且每个问题的解决又会带来新问题。以前我们没有模型对齐问题，直到我们让模型去处理网络安全风险；模型要是能找出网络安全风险，也可能学会逃出沙箱，于是又得想办法控制它。总会有更多事情要做，这很有意思。这里一段自动字幕听起来像“不是一个 doomer”，具体原词不清楚；他的后半句是还有很多工作可以继续改进。 ## [28:47] 从卖工具到提供服务：把目标想得更大 · YouTube **主持人：** 你说价值在应用层。你觉得会不会有人再往前走一步，或者应用公司接下来就进入服务层？比如 Harvey 现在向律师出售工具，未来会不会利用这些工具，自己成为律师？ **Alfred Lin：** 这些都可能发生。Harvey 起步时使用前沿模型，后来开始训练自己的模型，因为他们想掌握自己的智能。他们主要服务大型律师事务所——前 10 家、前 100 家律所——但未来会不会服务企业客户？他们已经开始做企业业务。这些都可能发生。模型能力这么强，我鼓励大家比过去想得更有野心。 我小时候要先学会一门编程语言才能做游戏。现在看到孩子只要写几行代码就能创建游戏、马上玩起来，我很高兴。他们接下来会做更多游戏，也会做更多其他事情。我觉得这会极大拓展人类能够实现的潜能。 ## [30:18] 公司里的“火与冰”：热情与纪律 · YouTube **主持人：** 你最近在社交媒体上写过公司里“火与冰”的双重性：火代表热情、愿景，以及解决关键问题的强烈意愿；冰代表沉着、清晰的战略和执行。为什么这个概念特别打动你？能不能举例说明它怎样让公司变得更出色？ **Alfred Lin：** 创业之初会有很多热情，起点是愿景、创造力，是做出前所未见的东西。很快你会发现，还得把想法执行出来：开发产品、把产品交到人们手里，并找到让大家愿意购买和付费的方式。这整个过程才是创业。只创造价值，却没把它交到别人手里，就不算完成交付。 很多公司一开始只有很多“火”，之后需要管理和纪律这种冷酷而扎实的力量。纪律让你能持续创造更多热情，因为它能帮助你承担更多想法；随后你又需要纪律把它们做好。这两者会反复交替。 我在 Zappos 的亲身经历是：我们先卖鞋，再扩展到手提包，接着扩展到服装。我们成长得相对快。被亚马逊收购后，我看到相似的路径：亚马逊从书开始，先让图书业务有纪律地盈利，再进入音乐；音乐盈利后，又能支持下一个品类，最终成为“万货商店”。 “火”与“冰”有时集中在一个人身上。Tony Hsieh 很有创造力，同时也深入最低层的细节。有时则由创始团队里的不同人分别承担：在 Zappos，我是“冰”，Tony Hsieh 是“火”。你得弄清自己偏哪一边，并在管理团队或创始团队中找到互补的人。 ## [33:18] AI 领域的循环资金、储备与杠杆 · YouTube **主持人：** 报名时有不少人问到，现在 AI 领域的资金似乎在循环流动：比如英伟达投资一家公司，公司再用这笔钱买英伟达 GPU。你们在 AI 领域动辄经手数十亿美元，想听听你的看法。这是需要担心的问题、正常现象，还是被大家误读了？ **Alfred Lin：** 如果钱完全只是循环，那会是个问题。但别忘了，资金一直以来就是循环的。建议大家学一门经济学课程，了解银行系统如何运作。你把 100 美元存进银行，银行会怎么做？假设准备金要求是 20%，银行会把 80 美元借给别人。借款人拿这笔钱投资，钱又进入另一个人的银行账户；这家银行同样保留 20% 准备金。资金因此有流动速度。 所以，除非没有准备金要求，也就是进来的钱全部原封不动地流出去，否则我不会把这件事视为必须百分之百担心的问题。英伟达投资相关公司，当然是希望它们用英伟达 GPU，而不是别家的 GPU；其他公司也会这样做。但 Jensen 这样做的原因，是想推动整个生态系统发展，这本身是好事。保持谨慎没有错。 更大的担忧其实是企业承担的债务规模。有些公司过去现金流为正，现在变成现金流为负，还继续借钱建数据中心。杠杆很有力量，既能成就你，也能毁掉你。因此，系统里的杠杆规模才是问题所在，不一定是资金循环这个现象本身。 ## [36:05] 观众问答：创始人特质与信念 · YouTube **主持人：** Alfred，非常感谢。按我们之前说的，现在留 20 分钟做观众问答。 **现场提问者：** 现在有些创始人还没摸清产品与市场的契合点，就已经融到了数千万美元。面对这样的高风险，你会投资哪些不那么显眼、或经常被低估的创始人特质？ **Alfred Lin：** 我会了解创始人的旅程，弄清楚是什么让他们走到今天。我们喜欢支持离群值、无法套进既有模式的人；某种意义上，他们就是反模式。他们之所以走到今天，正是因为一路承担过风险。 创始人必须能承担风险，也必须带着很强的信念去承担。我们会看你对自己的点子有多大信念。信念不等于热情，也不只是你能不能把它说得动听；你必须真正调查过问题、理解它，才可能提出新颖而有说服力的想法。 我常举 Tony Xu 的例子。他想创办 DoorDash，是因为了解商家的痛点。他小时候曾在餐馆里陪着妈妈洗碗、亲身经历这些问题。他观察到，餐馆后厨的产能总是大于前厅接待顾客的能力。这不是坐在外面空谈外卖服务得来的理论洞见，而是来自真正理解客户。 ## [38:02] 投资人的背景如何影响判断 · YouTube **现场提问者：** 我今年夏天在投行工作。我知道红杉的投资人背景很多元，有人来自金融或私募股权，有人做过创始人或运营者。你觉得不同背景会怎样影响一个人评估公司、与创始人合作？这些经历各自会带来什么优势或盲点？ **Alfred Lin：** 我的一个合伙人会说，通往涅槃的路有很多。如果一定要区分早期投资和成长期投资，早期投资看的是创始人质量，成长期投资看的是业务质量。投行或私募股权的经历会让你学到很多判断业务质量的方法；相对欠缺的可能是对创始人的理解和共情。如果你曾在公司工作、和创始人共事过，就有亲身经历。 我认为，建议之所以免费，是有原因的：它往往只对提供建议的人自己有效。我职业早期也先在公司里工作，所以我经历过创始人正在经历的问题，能把这些经验提供给他们，形成创始人共情。 ## [39:24] 最好的导师：每个人身上都有可学之处 · YouTube **现场提问者：** 你遇到过最好的导师是谁？他给过你最好的建议是什么？ **Alfred Lin：** 我建议你不要只找一个“最好的导师”，而是让生命中的每个人都成为导师。如果非要选一个，我最好的导师是父亲。他告诉我：“每个人身上都有值得你学习的东西。”这是他给过我最好的建议，也影响了我看待世界的方式。如果遇到数学问题，我会找合适的数学家；遇到商业问题，我会找合适的商业人士。重要的是，把世界看成你的天地，并愿意向任何人学习。 ## [40:08] 这一代继承的错误前提：组织、精益创业与简单叙事 · YouTube **主持人：** 你提到，伟大的公司会顺应它们所处时代的趋势。我想问，我们这一代继承了哪些前提？有哪些错误前提需要重新校准，免得妨碍伟大的创始人？ **Alfred Lin：** 我还没有认真思考过这个问题。但你们很可能继承了上一代人的一些假设，因为你们是由上一代人教导的。他们建立的公司需要很多人来写软件，所以组织方式也很可能围绕着大量人员编写软件、控制流程来设计；未来可能会完全不同。 每一代需要做某些工作的人员数量都可能减少，但公司并没有因此变小，工作只是转移了。比如汽车行业有很多指挥控制；听 Jensen Huang 谈管理，会发现指挥控制很少。管理体系需要随着新技术改变。我还不知道 AI 时代正确的答案是什么，但组织肯定会比以前更加分散。一个人凭一个想法就能写代码、从头到尾做出并发布产品、产生收入，这种情况以前没有过。若要建立业务范围很大、人员众多的大公司，这种组织会是什么样，值得继续追问。 有些框架本来就错了，因为它们从来没有真正正确过。精益创业是在这里提出的，但我在红杉的 16 年里，种子轮公司每年融到的资本一直在增加，而不是减少。所以我甚至不确定精益创业曾经是否有效。对于那些因为故事好听而流行起来的框架，要保持警惕。 我还有一个原则：警惕简单叙事。沟通行业的人可能不喜欢这点，因为他们会说“你得有个简单叙事”；简单叙事确实有力量，我们都喜欢简单的故事和简单的答案，而且它们在一定范围内有用。但我们遇到的许多麻烦，恰恰是因为没理解简单叙事背后的细节，也没看清它什么时候会失效。每个人都有自己的思维框架，却不总是从第一性原理出发。要知道自己的框架在哪些边界上会崩。 ## [43:25] 支票变大与结果规模扩大 15 倍 · YouTube **Alfred Lin：** 我在红杉 16 年里有个例子，最初让我觉得很奇怪，理解之后反而豁然开朗：投资支票怎么年年变大？投的钱更多、估值更高，回报不就应该变差吗？但回报没有变差，因为最终的结果规模也变大了。所以别把结果的上限想成固定不变。 我加入红杉时，全球市值最高公司的市值是 4,000 亿美元。如今英伟达前几天市值已经超过 5 万亿美元，现在可能接近 6 万亿美元，15 年涨了 15 倍。因此，一种判断框架是：今天竞争需要更多资本；另一种框架是：若想创办一家传奇公司，你今天要走的距离也比过去远 15 倍。 可惜我们的时间尺度和寿命并没有同步延长。你只能在相同的时间里做更多事、完成更多工作。你们的预期寿命可能比我稍长，但除非我们找到加入奇点、与机器融合的方法，否则我想你们的寿命大概仍会受限于 120 年或 150 年。也许我能治好癌症，谁知道呢？我可能……（字幕在此处中断。） ## [45:09] 如何争取认同并说服他人 · YouTube **现场提问者：** Alfred，谢谢你成为我们这些台湾裔美国人的榜样。作为创始人或投资人，你总要让别人认同你的想法——可能是比你资历更深的高管，也可能是其他人。你是怎么做到的？ **Alfred Lin：** 你是问怎样争取认同？ **现场提问者：** 对，怎样说服别人？ **Alfred Lin：** 最简单的答案是，提出足够有吸引力的愿景，让每个人都想加入你。另一种说法是，如果他们不想加入，那他们可能不是合适的人。找到你的社群，找到愿意与你同行的人。你当然希望愿景足以吸引所有人，但一开始大概做不到；当你知道自己的愿景是什么，就去找愿意加入这份愿景的人。 ## [46:19] 建立 AI 原生对冲基金：寻找别人忽略的市场 · YouTube **现场提问者：** 如果你今天要创办一家 AI 原生对冲基金，你觉得 AI 能带来的最持久优势会是什么？ **Alfred Lin：** 我会先想，哪些领域是常规对冲基金没有关注的。现在已经有许多对冲基金用机器学习定价。你的优势必须来自某个他们定价不如你的 AI 模型的东西，这很难。所以我会从他们没关注的标的开始定价：可能是校准市场，也可能是加密货币、永续合约，或其他市场。最初的优势很可能就在这些地方。 这更多关乎市场本身。要把注意力放到别人没关注的市场上。有时市场比技术更重要，关键是找到他们没有专注的地方。 ## [47:20] 受监管市场：绕开寡头，而不是正面击破 · YouTube **现场提问者：** 我受过医生训练。我想听听你投资和建设受监管市场时会采用什么框架。我想到 OpenEvidence：如果没有 JAMA、《新英格兰医学杂志》等通常需要付费订阅的内容支持，它的价值主张可能就没那么强。其他受监管市场里，也有掌握大量权力的数据经纪商和机构。你会怎么思考进入这些领域、打破现有格局？ **Alfred Lin：** 早期创业公司不应该试图打破存在已久的寡头，而应该想办法绕开它们。OpenEvidence 并没有打破什么，它只是做出了医生喜欢的产品。即使答案一样，医生也未必想用 ChatGPT；他们在意的是循证对话，因此需要基于已发表研究文献训练的工具。 要不要打破寡头，并不是由市场是否受监管决定的。我们不去硬碰寡头，是因为它们很强大。绕开它们的办法之一，是与它们合作。比如 OpenEvidence 合作获取已发表文章的文献库。也可以先从不同的市场切入。Jordan Ashton 长期和大型企业合作，但他们先服务中小餐馆，而不是一开始就找麦当劳或星巴克，等自己有了一定实力后再说。 核心就是进入大公司不在意的领域。这基本上也是我的工作存在的原因：如果大公司什么都能做，我就失业了；但它们做不到。去那些它们不关心的地方。 ## [49:51] 学生创业的前 90 天：先找到伙伴 · YouTube **主持人：** 如果你是我们这样的学生创始人，会怎样安排一个项目或创业想法的头 90 天？我从你关于技术与采用之间扩散落差的演讲中得到的启发是，了解客户行为和人的习惯，可能比埋头建设更重要。你会怎么做？ **Alfred Lin：** 这取决于每个人的具体情况。我会先找一群你愿意并肩作战的人。比如我讲过的 Tony Xu、Evan Moore、Stanley Tang 和 Andy，他们走到一起，一开始只是共同做事。找一群你愿意在未来 10 年与他们并肩作战的人，一起验证彼此是否合拍、技能是否互补。他们的组合中有商业、营销、产品和工程人才，是很扎实的团队。 Brian Chesky、Nate 和 Joe 也是一起走上这条路的：这是 Joe 的点子，Brian 提供领导力，Nate 实际搭建了最初的系统。他们先一起工作一段时间，确认彼此能够合作，问题随后才逐渐显现出来：每个人对什么有热情？为什么在乎？这个问题值不值得做？ 人们有时过分关注问题本身，却不关心合适的一群人能否组合到一起。你们在这里可以找到很多伙伴。我大学毕业时，父亲给过我一个很重要的建议。毕业时他见了我的朋友，我问他怎么看；他说：“你的朋友都很好，很聪明。”我觉得这听起来不像夸奖，便问有什么问题。他说：“他们的选择太多了。” 你们也有很多选择。不断比较、优化所有选项，可能会让你无法专注于那一两件真正能帮助你建立公司的事情。公司最终只有一个核心想法、一个核心愿景。下定决心，未来 10 年都为一件事投入，是很难、也很吓人的。但即便没成功，你还有斯坦福学位可以兜底。 ## [52:40] “我没那么厉害”：风险、局外人与从错误中学习 · YouTube **Alfred Lin：** 好，我知道了。第二次说斯坦福学位，笑声确实多了一点。 **现场提问者：** 我觉得公众很喜欢听杰出创始人的故事：他们有什么独特之处？比如 Brian 是有愿景的人，Demis 有愿景，Sheryl Sandberg 是商业天才。我们听过很多这样的故事。我想问，你觉得自己擅长什么、独特优势是什么？你会如何把自己的产品推向市场？ **Alfred Lin：** 我没有那么厉害。你看看我们投过的公司数量，再看看我们判断错误的次数，就知道我们也没那么厉害。 有一点我可能和别人不太一样：我对痛苦比较不敏感，感受风险的方式和大多数人不同。我觉得红杉从斯坦福招人时的挑战之一，是有些人不知道怎样承担风险、怎样面对失败。我父母曾告诉我，我是个失败者，将来不会有什么成就，也不是好学生。因此，我从来不太在乎别人怎么想。 你能做的最好事情，是弄清楚自己是谁，做自己。我比较早就想明白了。好笑的是，我考试成绩不错，因为我很会应试；但我并不是一个好学生，也从来没有真正融入任何地方。如果你想走创业这条路，就得接受自己会长期像个局外人。 这可能让我成为更好的运营者和投资人：我会接收来自外界的各种信号，自己消化、自己判断；我也会一直从错误中学习，而不把它们看成失败。可以这样想：没有所谓失败，只有你从中学到东西的错误，以及你没有学到东西的错误。不要犯后一种。犯错之后要学习；这就像付了一笔昂贵的学费，但要从中学到东西。 ## [55:05] 快问快答：第一份工作、险些丧命与酒吧里的 term sheet · YouTube **主持人：** 你的第一份工作是什么？ **Alfred Lin：** 和所有小孩一样，我的第一份工作是送报纸。 **主持人：** 你创业期间最接近死亡的一次经历是什么？ **Alfred Lin：** 我真有过一次差点丧命的经历，这不是更有意思吗？ **主持人：** 我们问的是公司创业期间最接近死亡的情况。 **Alfred Lin：** 我当时开车去 Tellme Networks 上班，车速挺快，正好堵车，而且那天是 280 号公路开始下雨的第一天。有人突然并线，我差点撞上他的车尾，于是我往右打方向，结果车子转了 180 度，停在 280 号公路上，车头朝着反方向。 **现场提问者：** 那公司层面的险情呢？ **Alfred Lin：** 我觉得……（现场笑声打断。） **主持人：** 如果当时有人死了……好吧。下一个问题：你和创始人合作时，最有意思的 term sheet 是在哪里签的？ **Alfred Lin：** 我确实在酒吧签过一份 term sheet。 **现场提问者：** 你喝了几杯？ **Alfred Lin：** 创始人喝了三杯，我一杯都没喝。 **主持人：** 看来签得很顺利。谢谢大家！