NexValley Podcast

Qiushi Zhang 的经历很特别：清华经管毕业，做过五年投行，也做过消费品牌、制片和编剧。后来进入 AI 影视领域，在洛杉矶一边做内容，一边观察这场技术变化究竟会怎样重塑影视行业。

过去几年，好莱坞同时经历了罢工、行业收缩、短剧崛起和 AI 冲击。在 Qiushi 看来，当生成和制作越来越便宜，真正稀缺的反而变成了判断、审美、人生阅历，以及——你到底有没有话想说。过去，创作者需要等待green light；但 AI 正在让一个人、甚至几个人的小团队拥有更完整的创作能力。

这次我们和 Qiushi 聊了聊：

AI 正在怎样改变好莱坞？

为什么她看好 AI 短剧和 AI 电影？

影视行业哪些工作正在被重新定义？

以及，当制作门槛越来越低，创作者真正该积累什么？

技术可以降低制作成本，但一个作品最终有没有人愿意看，落点还是在是否能与观众产生情感联结上。就像 Qiushi 在采访里说的：“真感情一定要有。但是不是真人才能有真感情？我觉得不一定。”

Timeline：

00:00:33 AI正在怎样改变影视业？

00:02:25 好莱坞为何陷入寒冬？

00:05:36 AI短剧为何在美国爆发？

00:11:03 AI替代哪些影视工作？

00:12:59 拥抱AI的好莱坞会是什么样子？

00:14:58 AI创作依然需要“真感情”

00:16:32 技术小白怎么做AI系统？

00:21:28 三年后影视行业会是什么样？

00:25:13 AI时代影视学生怎么办？

一家 AI 创业公司，如何从一个开源小模型项目出发，在两年内完成融资、产品转型，并最终被高通收购？

本期 NexValley，我们邀请 Nexa AI 创始人 Alex 陈伟，回看这段从校园、开源社区到创业公司的历程。Alex 本科毕业于同济、博士毕业于斯坦福；创业前，他长期参与斯坦福华人创业协会，在学生社群中接触创业者、投资人和潜在合伙人，也由此逐渐走向创业。

访谈从 Nexa AI 的起点聊起：Octopus 为什么能在早期受到关注？开源产品为什么能帮助创业公司获得用户、投资人与人才？当小模型赛道迅速拥挤，团队又为什么决定从模型研发转向端侧 AI 推理优化？

我们也深入讨论了端侧 AI 的真实状态：云端模型和本地模型未来会如何协作？端侧 AI 已经有哪些落地场景？新消费电子、机器人会不会成为下一波机会？对于创业公司而言，端侧 AI 的商业化难点、开发者生态和芯片平台竞争分别意味着什么？

在收购部分，Alex 首次系统分享了高通为什么关注 Nexa AI、创业公司怎样被大公司看到，以及在“继续融资”与“接受收购”之间，团队是如何做决策的。

节目最后，话题回到创业者本人：怎样选择合伙人？创业中最难的到底是什么？面对长期高压和焦虑，怎样把注意力重新放回行动与问题解决？

时间线：

02:15 为什么从博士毕业后创业

04:12 Octopus 为什么受到关注

12:19 为什么从小模型转向端侧推理

19:10 端侧 AI 市场成熟了吗，云端与本地如何分工

27:05 端侧 AI 被低估的机会：新消费电子与机器人

31:28 端侧 AI 商业化的真正难点

36:09 端侧 AI 竞争最后拼什么

38:55 高通为什么收购 Nexa AI

42:40 怎样更容易被大公司收购

47:03 创业最难的事：找到正确方向

57:46 创业应该怎样选合伙人

01:00:13 创业者最大的压力，以及如何应对焦虑

本期提到的关键词：

NPU（Neural Processing Unit）： 神经网络处理单元，专门面向 AI 推理优化的芯片模块。端侧 AI 能否在手机、电脑、汽车等设备上低功耗、低延迟地运行，往往取决于 NPU 的能力。

OEM（Original Equipment Manufacturer）： 原始设备制造商。节目中主要指手机、汽车、电脑与智能硬件厂商，它们会把芯片、模型和软件能力整合进最终产品。

SDK（Software Development Kit）： 软件开发工具包。开发者通过 SDK 可更方便地把模型部署到指定芯片或设备上。

OTA（Over-the-Air）： 远程更新。设备通过网络获取新版本软件或模型，无需返厂；对端侧模型而言，OTA 的成本与维护复杂度是重要挑战。

DevRel（Developer Relations）： 开发者关系。企业通过文档、社区、活动和技术支持吸引开发者采用自己的平台或工具。

Octopus： Nexa AI 早期推出的开源小模型项目，展示了小模型在端侧完成工具调用与任务执行的能力，也是团队获得市场关注的重要起点。

Apple Intelligence： 苹果推出的 AI 功能体系，涵盖写作、总结、翻译与图像生成等能力；部分任务可以直接在设备本地完成。

Ollama： 帮助开发者在个人电脑本地运行大模型的工具，降低了开源模型的部署门槛。

LM Studio： 面向个人用户和开发者的本地大模型运行工具，可用于下载、运行和测试开源模型。

Llama / Phi / Gemma： 分别由 Meta、微软和 Google 推出的开放模型系列，代表了小模型与开源模型赛道的重要参与者。

Hugging Face： AI 开源社区与模型平台。开发者可在这里发布、下载模型、数据集与代码，是当前开源模型生态的重要基础设施。

Rabbit： 以 AI 为核心交互方式的新型消费电子产品代表。节目中借此讨论端侧 AI 在手机、电脑之外的硬件机会。

关于 NexValley：

NexValley 是一个关注 AI、创业与技术判断的深度访谈频道。我们和 AI founder、投资人、研究者、工程师对话，记录他们如何在不确定性中判断方向、选择路径、理解技术变化。

「在这里找到我们」

公众号：NexValley

收听渠道：Apple Podcast｜小宇宙｜Spotify 搜索「NexValley Media」

视频平台：小红书｜Bilibili｜YouTube 搜索「NexValley」

联系我们：[email protected]｜[email protected]

本期嘉宾：Bolbi Liu （AdsGency Founder and CEO)

本期主播：Jasmine Zhong

AI Agent 真的能接管广告投放吗？从策略、创意、投放到后续优化，这条链路还有多少必须由人完成？这次我们请到 AdsGency AI 创始人兼 CEO Bolbi Liu。她曾参与滴滴国际化和 AWS 的广告系统建设，现在正在做一套 Agentic 广告操作系统，种子轮融资1200万美元。

本期节目我们聊了聊哪些工作适合交给 Agent，哪些决策还不能放手；为什么广告素材越精美，效果未必越好；当 GEO 仍然是个黑盒，OpenAI 广告会不会成为新的流量入口。Bolbi 还提到，未来的广告甚至可能不再只投给人，而是进入 Agent-to-Agent 的网络。

除此之外，Bolbi 也聊到了自己作为 Solo founder 的创业经历：一个人在 CES 拿到 2,000 多条客户线索，主动联系 1,000 多位投资人，以及作为女性 CEO，如何面对融资偏见、收购邀约和 IPO 的选择。

本期话题：

1. AI Agent 如何重构广告行业？广告真的可以实现全自动投放吗？
2. 从策略、创意、投放到优化，哪些环节可以交给 AI，哪些仍然需要人？
3. 为什么制作精美的广告，效果反而可能不如一张简单的“大字报”？
4. OpenAI 广告与 Google 广告有什么不同？广告如何从匹配关键词走向理解人的意图？
5. 当 Google、Meta 都在推出 AI 工具，独立的 AI 广告操作系统还有什么价值？
6. Agent 经济到来后，未来的广告会不会不再是给人看的，而是投放给个人 Agent？
7. 为什么离开大厂，以 solo founder 的身份创业？一个人在 CES 拿下 2000 多条客户线索是一种什么体验？
8. 作为女性 CEO，如何面对硅谷投资人对女性与 solo founder 的偏见？
9. 从几十万美元起步到融资千万美元，她为什么说“创业的风险被妖魔化了”？
10. 收到多个收购邀约后，为什么仍然选择继续创业，并希望把公司带向 IPO？
11. 如果重新创业一次，为什么她会选择找一位联合创始人？
12. AI 正在替代广告行业的哪些岗位？Growth 从业者该如何建立自己的长期竞争力？

时间线：

00:00 开场

02:00 AdsGency AI是什么

06:42 广告能否全自动投放

10:44 为何精美广告未必有效

12:13 OpenAI广告如何读懂意图 1

6:57 CES拿下2000条客户线索

24:43 AI如何降低获客成本

30:59 未来广告将投给Agent

33:35 为什么离开大厂创业

36:36 女性CEO如何突破偏见

39:54 创业风险被妖魔化

43:14 从几十万到融资1200万

46:00 重来一次会找合伙人

关于 NexValley

NexValley 是一个关注 AI、创业与技术判断的深度访谈频道。我们和 AI founder、投资人、研究者、工程师对话，记录他们如何在不确定性中判断方向、选择路径、理解技术变化。

关注 NexValley

公众号及其他内容平台均可搜索「NexValley」音频收听：Apple Podcasts｜小宇宙｜Spotify

商务合作与嘉宾推荐：

[email protected]

[email protected]

本期嘉宾：Ben (Simiao) Ren，Scam AI 联合创始人/CEO

本期主播：Jasmine Zhong

当 AI 开始替我们读邮件、接电话、核验身份并执行操作，诈骗的目标也正在从“欺骗人”转向“欺骗 AI”。Ben（Simiao）Ren，Scam AI 联合创始人，杜克大学电子与计算机工程博士，前 Meta 高级研究科学家。Scam AI 专注于识别 deepfake、换脸视频、克隆声音、伪造文件及其他由 AI 驱动的骗局，入选 UC Berkeley SkyDeck 创业加速器，并完成首轮 260 万美元融资。

随着生成式 AI 的研究重点从文字和图像逐渐走向视频，当越来越多创业者追逐更真实、更流畅的 AI 视频生成时，离开 Meta 后的 Simiao 却选择站到生成式 AI 的另一面，研究如何判断屏幕对面的人、声音和视频究竟是不是真的。这是一个正在迅速进入当代每个人现实生活中的问题。许多在实验环境中表现良好的检测模型，一旦面对真实网络中的视频压缩、剪辑和后期处理，准确率便可能大幅下降。AI 鉴真也不再只是实验室里的技术竞赛，而是一个同时涉及数据、速度、准确率、隐私和商业落地的现实挑战。

所以这一期，我们想讨论的是一个更加根本的问题：社会的信任基石究竟从何而来？

我们从 Simiao 的博士研究和 Meta 经历聊起，聊到他为什么不推荐大家读 PhD，长期的学术训练如何给他的思维带来了限制；也聊到他为什么选择 AI 鉴真，企业和个人正在面对哪些新型 AI 骗局，以及一项论文中表现优秀的技术，为什么进入现实世界后仍然远远不够。除此之外，我们还聊到 Scam AI 如何完成首轮 260 万美元融资，以及一位技术创业者如何寻找投资人、辨别真正有价值的反馈，并穿过融资过程中接连不断的 “No”。

本期你会听到：

1. 为什么离开 Meta，选择创业做 AI 鉴真？
2. 2026 年的 AI 诈骗，已经发展到了什么程度？
3. 当“眼见为实”失效，社会还能够依靠什么建立信任？
4. 为什么实验室中接近 100% 的 AI 辨伪准确率，到了真实网络里可能迅速下降？
5. 为什么 Simiao 说，他“有一点后悔读 PhD”？
6. 技术创业的第一年是种什么样的体验？
7. 首轮 260 万美元融资背后，经历了多少个“No”？如何平衡心理状态？
8. 从第一位客户到与大公司合作，To B 创业最难的是什么？
9. 普通人现在可以怎样保护自己？

时间线：

00:00:00 开场00:01:33 Scam AI 到底是做什么的？

00:02:55 为什么离开Meta，主动跳出舒适区

00:05:08 当所有人都在做生成，他为什么选择AI鉴真

00:10:09 让AI每天接100通诈骗电话

00:13:52 骗子如何把来电显示伪装成Kaiser等官方机构

00:17:08 诈骗正在将AI Agent变成新的攻击入口

00:23:20 普通人应该如何保护自己

00:25:29 当“眼见为实”失效，新的信任基石从哪里来

00:27:47 AI 鉴真如何成为一门 To B 生意

00:35:49 生成与检测，一场猫鼠游戏

00:38:02 Simiao预测社会对AI的信任拐点何时出现

00:39:49 AI鉴真的三条技术路径

00:46:00 为什么Simiao说，他“后悔读 PhD”

00:57:15 Simiao锐评大厂大多是“草台班子”

00:58:22 创业第一年：人生最有意思的一年

00:59:52 创业最难的，是忘掉原来的人生框架

01:02:12 融资像参加一场《非诚勿扰》

01:06:36 “你怎么样和大厂竞争？”应该怎样回答

01:08:02 如何拿下第一位大客户

01:09:35 To B 销售的真实难点在哪里

01:12:09 “眼见为实”的时代已经过去了

本期提到的关键词：

Deepfake：利用 AI 合成或替换一个人的脸、声音和表情，让虚假内容看起来像真实发生。如今 deepfake 已经可以用于实时视频通话和线上会议。

声音克隆：通过少量语音样本模仿一个人的声音、语气和停顿。诈骗者可以借此冒充家人、同事或公司高管，制造紧急情况并要求转账。

Caller ID Spoofing：来电号码伪造。诈骗者通过技术手段修改电话传输的号码或元数据，让来电显示看起来来自 Kaiser、政府机构或其他可信组织。

AI Agent：能够读取信息、调用工具并代替用户执行任务的 AI 系统，例如查看邮件、回复消息、安排日程。它获得的权限越多，可能被攻击和利用的入口也越多。

Attack Surface：攻击面，指一个系统中所有可能被攻击者利用的入口。当 AI Agent 获得邮箱、文件、账户等权限后，用户面临的攻击面也会随之扩大。

Prompt Injection：提示词注入。攻击者将恶意指令隐藏在邮件、网页或图片中，诱导 AI Agent 泄露 API Key、转发银行邮件，或执行其他未经授权的操作。

TTS：Text to Speech，文字转语音。高质量的 TTS 可以生成接近真人的声音、停顿和情绪。Scam AI 也利用 TTS 驱动的 AI 接听诈骗电话，消耗诈骗者的时间并研究最新话术。

On-device AI：端侧 AI，指模型直接运行在用户自己的电脑或手机上，而不是把数据上传到云端。它可以降低延迟，也能减少视频、会议和身份信息离开本地设备带来的隐私风险。

ID Verification / IDV：身份验证，通过证件、人脸、自拍或视频确认用户身份。Simiao 提到，传统的“上传证件、转头或眨眼”验证方式，已经可能被实时换脸技术绕过。

KYC：Know Your Customer，了解你的客户。银行和金融机构通过 KYC 核实用户身份、年龄和风险信息，AI 鉴真公司则帮助这些系统识别换脸、冒用身份和伪造材料。

Detection：内容检测，通过模型分析图片或视频中的视觉痕迹，判断内容是真实拍摄、AI 生成还是经过换脸处理。它通常只能给出概率判断，遇到新的生成模型时也可能需要重新训练。

数字水印：生成平台嵌入 AI 内容中的可识别标记，可以是肉眼可见的，也可以隐藏在图片数据里。水印能够帮助识别内容来源，但开源模型可能没有水印，攻击者也可能尝试删除它。

Provenance：内容溯源，记录一张图片或视频由谁、在什么时间、通过什么设备或模型产生，以及之后是否被修改。它关注的不是内容“看起来像不像真的”，而是它是否拥有一条可验证的来源链。

Cryptographic Signature：加密签名，利用密码学为文件生成独一无二的数字证明。内容一旦被修改，签名也可能发生变化，因此可以帮助验证文件的来源和完整性。

C2PA：Coalition for Content Provenance and Authenticity，内容来源与真实性联盟。它试图为图片、音频和视频建立统一的来源标准，让用户知道内容由谁生成、经过了哪些处理。

Benchmark：基准测试，使用统一数据集比较不同模型的性能。Simiao 提到，一些 deepfake 检测数据集已经落后于最新生成技术，因此模型在旧数据集上获得很高准确率，并不代表它能识别现实中的最新骗局。

信任基石：社会用来确认身份、信息和交易真实性的基础机制。Simiao 认为，每个时代的信任都建立在“当时难以伪造的东西”之上；当照片、视频和声音都可以被 AI 低成本复制，新的信任机制也必须被重新建立。关于 NexValley：NexValley 是一个关注 AI、创业与技术判断的深度访谈频道。我们和 AI founder、投资人、研究者、工程师对话，记录他们如何在不确定性中判断方向、选择路径、理解技术变化。

「在这里找到我们」

公众号：NexValley

收听渠道：Apple Podcast｜小宇宙｜Spotify 搜索「NexValley Podcast」

视频平台：小红书｜Bilibili｜YouTube 搜索「NexValley」

联系我们：[email protected]｜[email protected]

本期嘉宾：夏淳

本期主播：Jasmine Zhong

夏淳，TSVC 基金合伙人，硅谷早期华人创业生态的重要参与者。夏淳毕业于清华，拥有工程和高性能计算背景，曾在 Sun Microsystems 参与早期云计算相关工作，后转向创业与天使投资。

TSVC 成立于 2010 年，是华人在硅谷成立的第一家天使基金，曾投资 Zoom、D-Matrix 等多家早期公司。早在 2021 年，GPT 还没有真正引爆全球 AI 浪潮时，夏淳和 TSVC 就已经押注 AI inference，投资了推理芯片公司 D-Matrix。如今，D-Matrix 估值已达 20 亿美元。

所以这一期，我们想问的不是“AI 现在还有什么机会”，而是一个更具体的问题：一个经历过互联网泡沫、参与过早期云计算、又在 GPT 爆发前押中过 AI inference 的早期投资人，是如何判断下一条技术曲线的？

在这期对话里，我们从 2010 年前后的硅谷华人创业生态聊起，也聊到今天 AI 创业泡沫中的机会判断；从种子轮基金如何看 founder，到普通白领如何从“规则执行者”转向“规则制定者”；从大模型的局限，到小模型、agent、推理芯片和未来算力的分布式趋势。

这期对话试图回答一个问题：当 AI 从训练走向推理、从工具走向 agent，人该如何重新判断技术、创业和自己的位置？你会听到：

1. 2010 年前后的硅谷华人创业圈是什么样的
2. 为什么今天的 AI 种子轮融资越来越快、越来越贵
3. TSVC 判断 early-stage AI 公司的三个维度：天时、地利、人和
4. 为什么早期投资最终还是看 founder 的学习速度和成长性
5. 年轻 AI-native 创业者的优势在哪里
6. 为什么“纯技术红利”正在进入尾声
7. Founder pitch 时，什么样的表达会让投资人失去兴趣
8. AI 会不会替代白领？“心力劳动”可能意味着什么
9. 什么是“黑领”：未来管理 AI agent 的人类角色
10. TSVC 为什么在 2021 年看中推理芯片公司 D-Matrix
11. 芯片创业和软件创业，在投资判断上有什么不同
12. 为什么未来可能不是几个大模型统治一切，而是大量小模型和 agent 分布式运行

时间轴：

00:00 开场

01:30 夏淳自我介绍：从工程师到早期投资人

03:07 2010 年前后的硅谷华人创业生态

05:55 为什么现在种子轮融资金额越来越大

08:08 融资速度变快，对种子轮基金意味着什么

08:55 TSVC 如何判断一家 early-stage AI 公司

10:37 为什么种子轮投资最终还是看 founder

12:00 年轻 AI-native 创业者的优势在哪里

14:10 为什么纯技术红利正在进入尾声

16:12 什么样的 founder 才是真正 coachable

17:25 好的 VC 能为 founder 带来什么

18:09 早期创业公司失败的共通原因

19:40 Founder pitch 时最容易踩的雷

21:44 年轻人创业的新机会在哪里

23:58 普通白领如何面对 AI 替代焦虑

25:59 从体力劳动、脑力劳动到心力劳动

30:45 什么是“黑领”：管理 AI agent 的新角色

35:25 白领转型的第一步应该做什么

39:11 为什么 TSVC 早期看中推理芯片 D-Matrix

42:16 D-Matrix 打动投资人的关键因素

44:02 芯片公司和软件公司的投资逻辑有什么不同

49:06 下一个芯片机会可能在哪里

52:17 为什么未来会有大量小模型和小芯片

56:03 五年后的 AI 市场会是什么样

57:00 回到 2010 年，夏淳会对自己说什么

本期提到的关键词：

PMF：Product-Market Fit，产品和市场需求之间的匹配。

AI-native：伴随 AI 工具成长起来的一代创业者。他们可能没有传统大厂经验，但对 AI 工具和新工作方式更敏感。

心力劳动：夏淳在本期提出的概念。他认为，体力劳动被机器替代后，人类进入脑力劳动时代；当脑力劳动被 AI 替代后，新的劳动可能会转向心理、情绪、陪伴、成长和意义感相关的领域。

黑领：夏淳借用足球裁判的意象提出的概念。在本期节目中，它指未来管理 AI agent 的人。相比传统白领执行规则，黑领更像规则制定者、边界划定者、AI 系统的园丁，以及利益相关方的责任承担者。

D-Matrix：一家 AI inference 推理芯片公司，TSVC 在 2021 年投资。夏淳在本期提到，TSVC 当时看中它，一方面是因为团队重视软硬件协同，另一方面是因为 CEO 具备把重资产芯片故事讲清楚、持续融资的能力。

Zoom：TSVC 早期投资过的公司之一。夏淳在本期用 Zoom 的案例说明，种子轮投资时，公司往往还没有成熟产品、客户和收入，投资人最终还是要回到对 founder 和团队成长性的判断。

小模型：与集中式大模型相对。夏淳认为，未来大量 agent 不可能全部依赖昂贵的大模型运行，很多 agent 会运行在更小、更便宜、更分布式的模型和芯片上。

CoWoS / Packaging：芯片先进封装相关概念。夏淳在本期提到，随着摩尔定律放缓，如何把不同芯片更高效地组合在一起，会成为 AI 芯片路线图中的重要机会。

关于 NexValley：NexValley 是一个关注 AI、创业与技术判断的深度访谈频道。我们和 AI founder、投资人、研究者、工程师对话，记录他们如何在不确定性中判断方向、选择路径、理解技术变化。

「在这里找到我们」

公众号：NexValley

收听渠道：Apple Podcast｜小宇宙｜Spotify 搜索「NexValley Podcast」

视频平台：小红书｜Bilibili｜YouTube 搜索「NexValley」

联系我们：[email protected]｜[email protected]

有些职业路径，是清晰和稳健的；但也有一些人，会在关键节点，选择一条完全不同的路。

这期《此刻开麦》，我们请来了 Jerry，他曾在湾区做猎头，后来去到东南亚从 0 开始搭团队，在新加坡和马来西亚开拓市场。几年时间里，他踩过不少坑，也逐渐找到属于自己的打法。

搭建百人团队后，他又做了一个更大的决定：离开原来的平台，自己创业，做招聘公司。

在这期对谈中，我们聊了：

• 为什么他会离开湾区
• 东南亚到底是机会，还是幻觉
• 在当地开拓市场踩过哪些真实的坑
• 以及，在 AI 正在改变招聘行业的当下，他为什么选择创业

这不仅是一段关于职业选择的故事，也是一次关于「在不确定中做判断」的真实记录。

本期简介

大学时靠炒股赚到第一桶金，却没有留在投资行业，而是跑去印度创业，把招聘平台做到千万用户、近百万家企业在用。

这期《此刻开麦》，我和 Walter 聊了聊他一路走来的几个关键转折：从清华时期开始对 AI 产生兴趣，到误打误撞走上投资；从被 AlphaGo 刺激到决定去印度创业；再到如何从“做培训”转向“做招聘”，以及他现在为什么选择用 AI 做一款真正的纯产品型招聘工具。这不是一集单纯讲履历的访谈，更像是一段关于选择、下注、转身和重新出发的真实故事。本期你会听到

• 清华时期如何从 AI 兴趣走到炒股，并赚到第一桶金
• 为什么 AlphaGo 会成为他决定创业的触发点
• 为什么会选择去印度创业
• 从“做蓝翔”到“做招聘”，创业方向如何被一步步修正
• 公司做到千万用户之后，为什么还是经历了收缩