本期嘉宾：Rocky Yu，Founder & CEO of AGI House

Building a factory to build AI startups that aims to redesign the digital infrastructure of humanity around generative ai technology, aka. accelerating humanity's transition to AGI.

访谈录音来自靖亚资本2025年 CEO Summit 现场，靖亚资本创始管理合伙人 Peter 和AGI 创始人 Rocky 的现场对话。AGI House官网：agihouse.org

聊到的话题：

07:27 为什么美国的创业者都想要加入AGI House，你们在美国AI生态中扮演什么角色？

11:29 中国团队去美国，早期最需要的帮助是什么？

15:20 哪些美国主流VC投资人最看好中国的出海创业公司？他们选择投资的逻辑和依据是什么？

20:05 在美国市场融资，有哪些最佳实践和常见错误？

28:33 GenAI给了华人软件巨大的机会，如何看待华人在GenAI时代做产品的机遇和挑战？

32:57 如何建设有国际品牌的产品，避免内卷式竞争？

37:25 华人背景创始人在美国组建团队和吸引人才，有哪些经验和教训？

本期嘉宾：张帆，智谱COO，AI领域超过10年的创业经验，毕业于巴黎十一大人工智能专业，在搜狗、腾讯的算法团队都工作和创业过，对于将AI能力结合进产业具有很深的经验。

聊到的话题：

04:02 两年内智谱经历了哪些里程碑事件？

06:09 大模型天生是应用型技术，超过历史所有流行产品，价值在于要找大模型和企业业务的最大公约数。

09:00 场景化的应用，谁去做呢？最后的1公里或者100公里谁来完成？

12:40 智谱的商业化北极星指标是什么？

16:08 在AI能力方面，智谱将如何保持自身在第一梯队的竞争力？

18:30 目前智谱尚未达到超大规模商用的制约因素是什么？

19:47 在选择大模型时，客户会注重哪些因素？有哪些顾虑？

26:28 大模型的场景不是对话，是一种润物细无声嵌入所有任务流的能力。

30:25 三年后，智谱是什么样的定位？

31:35 生成式AI会完全转变企业软件的市场，越过信息化，直接到数智化。

本期嘉宾：Jackie 李佳骐 「七联就职」高级合伙人  中途人才业务负责人

（微信号：lee5320034）

聊到的话题：

02:10 从人力资源视角看，中国软件企业选择出海日本背后的利弊动因？

04:45 初到日本组建团队，需要了解的日本人力市场基本情况

09:00 系统介绍日本人才市场特点和不同员工类型的区别，包括：正社员（无期雇佣）之外、契约社员（有期限）、业务委托（非雇佣关系）、派遣社员（第三方劳务公司，适合某些单纯劳动）

00:00 软件企业的员工，主要是工程师和销售营销两类，日本的软件工程师是否充足？开发的水平和薪酬如何（和中国、美国相比）？是否适合在日本招聘？

19:20 日本有效求人倍率2023年就达到1.4x以上，在这样供不应求的情况下，刚进入的企业怎么“抢”到好的人才？

25:08 出海企业希望找到的“华人+日文沟通无障碍+有当地资源”的不可能三角

29:37 对于刚进入日本的中国软件企业，怎么低成本建立当地的雇主品牌呢？在招聘上有哪些要注意的事项？

36:10 初创企业还有没PMF，去日本创业组建团队的最佳路径

41:50 出海日本最终还是要本地化，要融入日本的整体环境，好奇日本的年轻人现在是什么状态？在《失落的三十年》一书中中介绍，日本的企业失去了动物性，那么怎么看待现在日本年轻人的奋斗精神，是否有激情？

48:28 日本社会对于创业者创业失败的接纳度如何，会影响后续的求职么 

50:20 在日本使用猎头来招聘和自主招聘（比如Bizreach、linkedin、朋友网络等）是一个什么样的比例？各自具体的收费机制和费用如何？

本期嘉宾：Joyce 刘妍（微信号: Liu-Yan-SH）

15年高科技互联网行业组织发展与人力资源工作经验，遍历ABCD、IPO、M&A不同发展阶段；擅长为A-B轮次的创新企业提供综合领导力落地解决方案；多家一线VC特聘讲师、创业导师；已累计陪伴超百家创新型企业的组织成长与能力升级。

聊到的话题：

03:44 出海北美的中国软件公司，有哪些差异化优势能吸引当地的优秀人才？

05:12 北美人才选择中国出海公司最关注的不是薪酬，而是品牌

09:20 从大公司手中，不靠 薪酬待遇“抢到”一个候选人的案例

12:18 在美国裁员是不是要付出更多的成本？要不要提前通知？为什么美国只有offer没有contract，有啥不同？at will employment是啥？

14:40 美国对女性员工的待遇，和中国比有什么区别么？

16:11 创业企业需不需要写JD，如何保证JD能准确招到当地合适人才？

21:57 销售团队的薪酬体系如何搭建，北美固浮比（固定薪酬：浮动薪酬）一般是多少？

25:34 招聘员工时的禁忌，不可踩坑的几条重要法则？不能问的问题怎么问？

28:46 出海时带出去的华人团队和当地招聘的员工，如何平衡薪酬落差和员工心理感受？有哪些cost effective的方法？

31:32 Global公司管理不同区域的视角和策略？centralized 与 locallized策略对应HR策略执行上的不同

34:47 在北美除了猎头，还有哪些可以创业企业可以借助的网站？猎头的一般收费是多少？

36:20 谈谈出海北美企业曾踩的坑和对创始人的建议

salary.com 北美雇主和员工都可以登陆查询相关岗位真实薪酬水平的网站

galssdoor 类似于中国的脉脉

• LinkedIn：以社交为核心的职业人才网站，是美国最大的人才招聘和展示平台之一。
• Monster：是全球知名的招聘网站之一，其知名度和影响力较大。
• CareerBuilder：是美国领先的招聘网站之一，为求职者和雇主提供丰富的职位信息和职业资源。
• Indeed：是一家全球性的招聘网站，拥有庞大的求职者和雇主网络。
• ZipRecruiter：是一家最近崛起的招聘网站，为雇主提供自动化招聘流程和人才管理工具。

补充：

北美面试前，也不能要候选人的照片哦，也是涉嫌歧视～

今年是 AI 爆发的一年，也是中国的企业软件出海的需求非常旺盛的一年，今天我们尝试将这两个主题结合在一起，去聊聊这些“ AI +软件”的企业在今年出海增长中的表现，他们遇到了哪些问题，有哪些企业特别值得我们关注？

我们非常高兴邀请到张蓓老师，他在美国工作多年，是Grammarly 第300+的员工，作为Grammarly 增长负责人从0到1建立了ToC和ToB的marketing data science团队，现在自己在做顾问。

05:10 出海目的地选择上，东南亚（日本、新加坡、香港），以及北美，欧洲，这几个主要目的地，要如何取舍，有没有什么最佳路线模型，比如按照公司（阶段，产品，创始人特质）等规划出海顺序？

13:23 如何克服去陌生市场的恐慌和孤独感？

16:00 在软件企业海外Go-to-Market过程中，PLG/MLG/SLG的使用当下的比例如何？

21:50 就软件本身的产品力来看，和国外相比差距如何？

24:39 出海的产品，按照Toc 端和Tob端去看， 在北美做Go-to-market有什么区别？

26:40 Go-to-market的执行，最核心的常踩的坑有哪6个？

45:36 能不能介绍一下整体的GTM的框架？有哪些专项的内容要掌握？

51:56 出海的软件企业在GTM上，最重要的不能做错的是什么？

以下是播客中提到的文章：

GTM 4 fits or 5 fits. 如果需要更具体的内容可以参照Brian Balford 的blog或者Demand Curve的playbook （paid）来了解更多细节。

PLG 5 steps by Hila Qu.  简单说就是 map the funnel -> pick a growth starting point -> avoid pitfalls -> set up the infra -> build your team.
(part 1, free) www.lennysnewsletter.com
(part 2, paid) www.lennysnewsletter.com

Racecar growth model by Lenny. 增长渠道和方法的选择特别难。这个blog提供了一个思路和starting point

找合适的channel partner来执行和迅速迭代了，(paid) www.lennysnewsletter.com

小预告：ExponentialX打算启动一个免费的weekly GTM live session。感兴趣的直接发信给[email protected] 咨询

访谈嘉宾：Doug Landis，Emergene Capital 增长合伙人

串场嘉宾：Peter Cheng，靖亚资本创始管理合伙人

本期播客，我们有幸请到Doug Landis，他曾在Salesforce、Oracle、Google、box工作并积累了 Go-go-Market 和增长领域丰富的成功实践经验，在Emergence Capital 6年多时间内一直在帮助其被投企业突破增长的瓶颈。

Emergence Capital 拥有超过20年的投资经验，创立至今管理的6支基金投资了超过100家创业机构，包括Salesforce、Zoom、Veeva和Bill.com等，被投企业总市值超过4500亿美金。

本期播客是一期全英文的访谈，期待为大家带来新的视角。

00:50 Quick intro about Emergence and Doug Landis

02:25 What kinds of business metrics do you use to evaluate whether to make an investment in a cloud startup?

04:25 What common mistakes would founders make in the early days in the term of GTM?

07:30 At Emergence, how do you see the GenAI hype and its impact on enterprise software/cloud?

14:03 How would GenAI change cloud startups’ sales and marketing?

20:15 More and more Chinese cloud startups are planning to go global, particularly the U.S. What GTM advice would you give to founders planning to go overseas?

27:16 You have been with Google, Oracle, Salesforce and Box. What are the most valuable growth stories you can share with the audience？

33:30 You are a great storyteller. What are the key elements for telling a good story?

38:01 Can you give an example of a great storyteller and why you were so impressed by him/her?

本期嘉宾：兰希 分贝通CEO

嘉宾介绍：兰希是分贝通CEO，分贝通2016年成立，作为一家致力于企业支出管理的新经济公司，创新“费控+支付”覆盖全场景的商业模式 ，已经服务了1000+的中型企业客户，且企业客户规模主要集中为200-5000人。

00:28 分贝通的定位是什么？它为客户提供哪些价值？

02:24 分贝通为什么要采用“SaaS+交易”这种组合型商业模式？

07:04 SaaS与交易在分贝通商业模式中各自扮演着怎样的角色？

10:50 客户规模为什么是分贝通在提供服务时的最重要考量因素之一？

13:40 如何通过行业Know-How帮助企业增收？

17:14 分贝通的差异化优势体现在哪些方面？

18:01 分贝通在AI领域方面有哪些实践？

18:55 分贝通在出海方面有哪些尝试？

21:49 如何在现金流转正及开拓新业务之间做平衡？

26:55 作为2023Cloud 100 China 上榜企业，分贝通给到创业者的建议。

本期嘉宾：李东朔 UMU 创始人兼 CEO

嘉宾介绍： 李东朔是UMU的创始人，UMU是聚焦在企业学习领域的SaaS软件，主要解决企业用传统方式的培训的痛点，也是Day One就出海的中国软件企业。

00:21 21 UMU的主要产品及业务包含哪些方面？

01:14 UMU为何在成立之初就选择出海及国际化布局？

04:25 UMU在出海过程中经历过哪些困难与挑战？

10:25 UMU在早期实现人效100万并能持续保持高人效的秘诀是什么？

14:20 UMU是如何通过数据驱动自身业务的持续性增长？

18:08 UMU在AI领域的布局与应用有哪些？

20:54 UMU在SaaS商业模式的盈利可持续性上有哪些考量和举措？

24:24 UMU的终极定位是什么？

26:29 企业服务创业者应该如何在“专注产品“和”提供服务“之间找到平衡？

28:59 作为2023Cloud 100 China 上榜企业，UMU给到创业者的建议

本期嘉宾：李国锐 即时设计创始人、CEO

李国锐，毕业于湖南大学软件工程专业，2013年就职于人人网任前端技术主管，负责主站、人人财富等多项大型项目的研发，主导了人人网H5网页技术架构设计。2015年底开始创业，方向为服务产研团队的云端一站式协同设计平台。

即时设计是国内首款、用户数最多、生态最成熟的一站式协同设计平台，可以实现设计、产品、开发等团队的实时协同，提升工作效率。即时 AI 是全球首款全面开放的人工智能UI 设计工具，能通过文字描述生成可编辑UI设计稿。

聊到的话题：

01:53 即时AI是什么？它在服务哪些用户？

03:40 即时设计在UI协作时代下能够异军突起，它的杀手锏是什么？

06:23 目前即时AI已达初级设计师水平，未来AI是否会完全取代设计师？

13:00 如何看待新技术（例如ChatGPT）的出现，对于即时设计会带来哪些影响？

15:10 即时设计聚焦于将大语言模型与文生图的能力与自身相结合，并把成果赋予每一位设计师。

16:57 即时设计未来服务的客户将不仅仅是设计师，只要拥有想法、理解客户痛点及产品应用场景的人都可能成为即时设计的客户。

19:07 即时设计为客户提供的最直接的价值是什么？

21:20 大模型的出现是否会对即时设计这类平台产生冲击？

23:13 未来在程序小交互上，是否会采用对话式交互方式？

28:00 在即时AI上的设计，版权如何界定？

29:51 未来甲方企业是否可以直接使用即时AI，而非设计师来完成设计工作？

30:42 未来即时设计是否会训练自己的专属模型？

33:03作为拥有一定数据积累的公司，即时设计的差异化优势体现在哪里？

36:13 目前投资机构对AI native和 AI embedded公司的投资逻辑有哪些变化？

40:59 为什么要选择创立即时设计，创业的初心是什么？

46:05 即时设计未来是否有出海计划？

48:48 对年轻创业者有哪些创业建议？

星爵是 Zilliz 的创始人兼首席执行官，全球最流行的面向AI 应用场景的开源向量数据库系统 Milvus 的主要开发者。星爵先生自2020年起担任 Linux Foundation AI & Data 基金会董事，并于 2020 年至 2021 年期间出任董事会主席。在创立 Zilliz 之前，星爵先生于甲骨文美国总部任职，是全球首个云端多租户数据库系统Oracle 12c 的奠基人之一。

Zilliz 成立于中国上海，总部在美国硅谷，于 2019 年开源了全球首个向量数据库产品 Milvus，它在 GitHub 上获得了超过 1.8 万颗 Star，在全球拥有超过 1000 家企业用户，成为目前全球最流行的开源向量数据库。而早在 2022 年，Zilliz 就完成了累计超过 1.03 亿美金的 B 轮融资，估值达到惊人的 6 亿美金。

聊到的话题：

00:35 最简单的方式介绍一下向量数据库和传统的关系型数据库有什么不同？

02:41为什么在4年多前转型开始坚持做云原生的向量数据库，市场上发生了什么变化？

07:42 Zilliz 和OpenAI合作的背后的故事和因缘?

10:55 NVIDIA GTC 大会上黄教主为何推荐Milvus?

15:10 有人说向量数据库就是淘金中“铁锹”，你觉得准确吗？你怎么看待向量数据库之于大模型的意义和其中的关系？

17:08 向量数据库的天花板有多高？

22:17 最近在美国亲自挖人才，进展如何？

23:34 中美团队的管理有何不同？如何协同？

25:48 向量数据库市场竞争的终局如何？是百花齐放还是巨头垄断？

28:21 Zilliz的核心优势是什么？

36:54 在AI原生阶段，给创业者什么建议？

38:38 往后看10年，Zilliz会长成什么样的公司？