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。

  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。这一些企业这两年发展得很快，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，这个判断开始发生明显的变化，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？

  当然，还是有办法继续提升模型性能的，比如用医疗、生物等细致划分领域的数据去做 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，这样的一种情况也很普遍。

  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。

  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 勇于探索商业模式的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？

  中国是一个高度统一的大市场，客户的真实需求相对集中；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，往往只能从很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，一方面是由于美国人力成本非常高。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、外包或服务来处理问题，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 美金的订阅费也更加容易被接受。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？

  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。

  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勇于探索商业模式的公司，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。这样的一种情况常见吗？

  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。

  Jenny：第一，我会看 ta 有没有真正独到的行业见解。不要只跟我说这一个市场很好，我更关心的是：你到底了解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：你认为这个事情，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。遇到这一种情况，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。

  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。

  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。

  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。

  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。

  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。

  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。

  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。

  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？

  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。

  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。

  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。

  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。

  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。

  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。

  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：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？

  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。

  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。

  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。

  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。

  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。

  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：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？

  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。

  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。

  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。

  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。

  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。

  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。

  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。在这样的一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。

  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。

  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。

  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那么好的土壤。所以如果条件允许，可以多去外面拓展一下。

  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处理方法？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，那我认为这个时候是「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很优越，也可以走从国内到新加坡、再到别的地方的路径，然后之后依然可以卖给美国的个人用户或者企业。

  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，才能弥补别的方面的问题？比如 Manus 能拿到美国的钱，是不是主要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。

  Jenny：对。如果你没有 Manus 这样的光环，也没有他们那样的营业销售能力，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别的方面的一些问题，因为你不管在哪儿创业，成功概率都会很高。