2024年，当几乎所有投资人都对大模型项目避之不及的时候，一个叫Austin的年轻人带着一个00后小天才，硬是在3个月内把一家名为Sapient的公司干到了2亿美金估值。那一年，没人投大模型。
然而融完资之后，Sapient的故事就再也没有下文了。投资方祥峰和日本住友，在Austin自己看来，可能纯属当了冤大头。他对此的态度倒是很坦然——"骗外国人的钱我完全没意见。"
按照他过往的战绩，Taku这个新项目大概率是骗不到钱了。结果最近他告诉朋友，自己不仅还活着，又融到钱了，而且Taku 2.0都要发了。于是我们约他聊了聊，在AI应用融资寒冬里，他到底是怎么做到两次拿到钱的。
融资的本质：让懂行的大佬替你说话
咸鱼一直很好奇，Austin是怎么在市场极差的情况下持续骗到钱的。他的回答很直接：两次都不容易，基本上是在聊了无数机构、拿到无数个No之后，才看到一点点光。
23年到24年，他和投资人讲强化学习，所有人都把他当傻逼看。当时的主流是Prompt engineering和Workflow，一群年轻人跑去搞文艺复兴式的强化学习，在投资人眼里完全不可理喻。
投资人不懂，那就只能让懂的人来。Austin的策略是，说服强化学习领域核心的researcher加入。他从DeepMind这些地方薅来了几个核心研究员，投资人一看他们的citation，态度立刻转变——"Wow，这个技术路径竟然如此合理。"
这里有个反直觉的事实：大家都觉得顶级AI人才很难挖，但其实并没有那么难。很多前沿实验室的人都很想创业，只不过他们不想跟"登味很重"的人一起做"登味很重"的研究，或者单纯的蒸馏。靠着模型团队的故事，Austin在24年资本寒冬里拿到了2200多万美金。
从CLI到Taku：被质疑"开历史倒车"的产品
24年底，Austin想在这个基础上做一个好产品。当时还没有Claude Code，也没有Code，他们内部把这个项目叫做Terminal coding agent，其实就是CLI coding agent，这也是后来Taku的起点。
问题还是一样。Taku融资的时候，甚至有机构直接质疑："CLI是什么，不做Web产品不是开历史的倒车吗？"咸鱼也吐槽过他，说这是自己第一次见到一个不能直接甩个网页就试用的产品，感觉Austin是在卖假酒的。
转折来自今年年初。Austin要给团队找CTO，拉了几个之前想拉进前司的Researcher们。这些人立刻对Taku的形态产生了浓厚兴趣——在他们看来，这天生是个完美的Agentic Playground/Sandbox，可以做很多Agentic任务的训练、测试和数据采集，甚至可以去跑合成数据。
这次不是Austin去忽悠，是Researcher们自己找上门的。
质疑马卡龙，理解马卡龙，成为马卡龙
聊到这里，Austin提到了马卡龙。他说自己已经完成了"质疑马卡龙，理解马卡龙，成为马卡龙"的三步进化。马卡龙之神陈锴杰之前在一个采访里说，做马卡龙的过程中有了新见解，所以成立了Mind lab开始做Research。很多人说这就是蹭Neo lab来顶估值。
但经过这一年多的产品打磨和思考，Austin发现马卡龙是对的，确实得蹭Neo lab。Product companies are the new Neo labs。
AI应用融资冷，是因为没人敢冒险
说到AI应用，Austin认为现在融资这么冷是有原因的。几乎没有Founder在真的思考人需要什么，Founder们自己作为AI卷王，在过度脑补自己想要的产品，幻想全世界都和自己一样是卷王。或者干脆直接抄爆款，做大复刻。
AI应用死没死并不重要，主要问题是现在市面上没有人在冒险，没有人在尝试没人做过的东西。每一个新品类的流程大多分两种：
第一种，字节高P出来创业，做了一个产品形态，比如Video Agent，融到了高瓴或者红杉的钱，然后马上就有另一群人出来，大家都是前剪映产品负责人、抖音第一位运营。所有人都做一样的事情，毕竟抄作业是最简单、最不会出错的方式。这些团队可以说"我比xxx叼，我要做更好的xxx"。
但问题来了：所有人的用户都一样，痛点都一样，这些产品经理可能之前都是一个组的，同一个师傅教的，破不了招。你有创新，其他人抄也非常快。最后理所应当，陈冕靠简单粗暴的规模压倒了OiiOii、Flova等一众对手。
第二种，美国有个公司火了，马上冒出一群大厂高P，以更高的效率、更低的成本去做全球化，去抢新蓝海，比如AI Teams。Viktor刚一火，国内就冒出来一堆AI teams，甚至之前很多"神一样的创业者"都纷纷pivot，All in AI Teams。谁不想有一群赛博老奴帮你把脏活累活都干了，帮你拉齐团队需求呢。饼肯定是香的。
但如果你去体验一下Viktor，或者任何海外爆火的产品，你都会觉得：这么垃圾的产品，怎么有这么多用户，为什么老外就是付钱？然后自然而然地想到，"我上我也行，老子字节3-2，产品力拉爆他们"。然后陷入一个产品确实比海外竞品好、但还是没人用的怪圈。
中国团队是创业达利特，进不了产品驱动增长的婆罗门圈子
有一个大家不愿意承认的事：中国团队就是创业达利特，根本混不进去那个产品驱动增长的婆罗门圈子。对比那些硅谷婆罗门，振臂一呼就有一堆YC校友、大厂同胞和藤校校友像邪教一样来帮你刷ARR。更别说在官网贴一个Backed by A16Z，这样买方可以随时给老板甩锅："这是个A16Z投的项目啊，我也没想到会出问题啊，A16Z傻逼"。
中国达利特们，没法让史密斯专员们爽，更没办法让他们没有任何风险的爽。绝大部分时间，产品力和技术不重要，重要的只有规模和渠道。
模型终会吞噬一切？后半句错了
现在的主流叙事是，模型终会吞噬一切，所有的应用能力都会被模型内化，模型即一切。Austin认为前半段没错，后半段没对。模型能力当然会不断提升，会有越来越多之前需要堆叠Skill、上Harness、甚至叠人力的任务能被base model直接做完。
Deepseek很伟大，因为他们坚持开源。但对模型，没有人忠诚。模型厂的KPI（除了刷榜）是有更多人用这个模型，但也没多少人会直连API。对开源模型会更难，云厂商、Token工厂、私有化部署还会分走更大一杯羹。开源模型厂好像就是没有解法。
开源模型厂更不太可能做好产品，因为他们的竞争对手是OpenAI、Anthropic、Google和Meta的模型，加上全世界产品创业者的创意，再加美国VC的大撒币。这也是一种孤勇。所以Deepseek确实不应该做产品，这些开源模型厂都不应该做产品。
用户对LibTV的忠诚肯定远高于模型，大概率高于其他Video agent，因为用户留存了数据。他们怎么组织自己的想法，怎么编排，怎么修改，怎么骂模型是个傻逼。这些数据模型厂根本没有。负责编排的Agent跑的只是一个模型，但数据是用户自己的。
热门跟贴