Share OnBoard!
Share to email
Share to Facebook
Share to X
By Monica Xie
5
3131 ratings
The podcast currently has 79 episodes available.
本期播客与《此话当真》合作,这次的创业者深度访谈,有些不一样!这位女侠一般的创业者 2016 年就开始做出海应用创业。这次的访谈,我们看看一位8年出海老兵,如何从0做到数千万用户,又如何在 LLM 大潮中,雷厉风行地带领公司将 AI 融入实践中。
Hello World, who is OnBoard!?
今天的嘉宾,是 Guru Network 创始人兼CEO, Renee 王小雨。2016年,她开发的 Castbox 成立并进军海外移动端播客市场,填补了市场空白,注册用户曾一度达到 3000 万,位列第三方播客产品榜首。如今,这位毕业于北大心理学系,有着多年开发经验的前 Google 员工,正沿着她的创业路径,领导着一个有着 50 多款产品和全球 5000 多万月活用户的公司。
邀请 Renee 来,是我们看到了AI浪潮中,她如何通过自身快速的学习,不仅上线了数款AI native 产品,更是将AI技术迅速融入到各个产品的工作流中,甚至实现了组织和人才的整体进化。
过去这么多年打造海外产品的心得,在AI时代有怎样的变与不变?
有历史的创业者,如何带领自己的组织实现AI化的进化?
相信你可以从 Renee 分享的一线实战心得中得到不少启发。
这次两个小时的对话中,你也能感受到这位真性情的女性创业者。一路走来的蜕变与成长。我们聊得开心,也希望你听得有收获又尽兴。Enjoy!
嘉宾介绍Renee 的创业经历:从 Castbox 到产品矩阵
01:50 北大心理系、大三自学编程、勇闯 Google 后选择离开创业
11:20 创立 Castbox,月活一度达 3000 万
13:56 单一产品商业化困难,转型矩阵式打法
创始人如何有效组织和管理公司?
21:27 发挥各家优势是跨国组织的效率密码
22:47 Founder Mode 带来的启发:不管规模多大,创始人一定要抓细节
应用 AI 技术给一家公司带来了什么影响和挑战?
27:39 从生产到推广环节,AI 技术应用带来了历史最快的增长
33:41 如何在公司中推广应用 AI:founder 要能够发掘出水下的新技术人才
39:03 矩阵式打法背后:以市场和收入为导向会更轻松
44:14 面对大模型生产力转化的不足,主动增加工程投入有价值吗?
创业者视角 VS 投资人视角;单一产品做大 VS 矩阵式生意
47:52 聊聊投资者与创业者心态的不同,做生意和做事业如何选择
54:42 互联网产品早期就得砸钱吗?
55:53 不是所有互联网产品都是赢家通吃,学着接纳多样化产品的自然规律
如何在当下做好一个 AI 产品
57:52 只看应用层,最后满足的还是用户需求;为什么说品类和组织能力是关键
61:42 今天的 AI 产品经理需要真的懂 AI,知道 AI 的边界在哪
66:56 潜力产品的两个特征:符合成瘾机制 + 激发心流状态
聊聊创业本身,有关创始人的心态和行为
71:31 创业作为一种生活方式,4000 weeks 如何教会我放弃执念,更有耐心
77:19 如何决定是否要拿投资人的钱?为什么不要迷恋宏大叙事,先立地,再顶天
81:39 创业者的悲观与乐观
84:51 出海创业者一定要到美国去吗?
88:40 快问快答:如何与自己和解,断舍离,对我影响大的人
欢迎关注M小姐的微信公众号,了解更多中美软件、AI与创业投资的干货内容!
M小姐研习录 (ID: MissMStudy)
欢迎在评论区留下你的思考,与听友们互动。喜欢 OnBoard! 的话,也可以点击打赏,请我们喝一杯咖啡!如果你用 Apple Podcasts 收听,也请给我们一个五星好评,这对我们非常重要。
最后!快来加入Onboard!听友群,结识到高质量的听友们,我们还会组织线下主题聚会,开放实时旁听播客录制,嘉宾互动等新的尝试。添加任意一位小助手微信,onboard666, 或者 Nine_tunes,小助手会拉你进群。期待你来!
OnBoard! 又一期全英文访谈来啦!去年采访 MosaicML ($1.3Bn 被Databricks 收购)的CTO Hanlin Tang 和 Sapphire Ventures 合伙人 Casber Wang 的那期节目很受欢迎,创始人和投资人从不同角度探讨一个话题的形式看来很值得再尝试一次。这次的两位嘉宾,Monica 也是期待已久啦!
Hello World, who is OnBoard!?
这次我们来聊聊硅谷一直以来的投资热点:大模型应用的数据基础设施。去年方兴未艾的 vectorDB (向量数据库),现在竞争格局有了怎样的演变?AI应用场景中多模态数据的增加对于 data infra 会带来怎样的挑战和机遇?
这两位身处硅谷一线的嘉宾,太适合深入探讨这个话题了:
创始人嘉宾 Chang She,LanceDB 的 Co-founder & CEO。LanceDB 是一个为多模态数据设计的开源向量数据库。Chang 是 data infra 的老兵了:他是著名的 Pandas library 的核心贡献者之一,他创立的 Datapad 几年前被Cloudera 收购。2022年,Chang 又开始了第二次创业征程,创立了LanceDB.
VC 嘉宾 Brian Zhan,是硅谷50年历史的顶尖老牌早期基金 CRV的投资人。他们最新一期基金超过$1.5Bn, 投资过的 startup 包括DoorDash、Airtable, Vercel 等等。Brian 曾在 Meta 做 data infra 产品经理,后来加入了开源数据库独角兽Starburst。少有的有技术和产品背景的 infra 投资人!
Brian 在2023年底领投了 LanceDB $8M seed轮, LanceDB 至今总融资额超过$11M. 现在,LanceDB 的用户已经囊括了一众头部 GenAI 公司,包括 Character.ai,Midjourney,Harvey 等等。
我们还畅谈了Chang作为连续创业者的心得,以及两位对开源商业化模式和 data infra 热点话题的一些犀利观点,他俩的配合也是非常有趣。Enjoy!
嘉宾介绍
我们都聊了什么
02:15 Speakers' self-intro, which data infra project Chang found interesting
05:20 Why CRV invested in LanceDB
07:50 Why Chang started LanceDB, and why customers use Lance and LanceDB
18:36 Investor's view on VectorDB - how LanceDB stand out from the competition? Why does it have the potential to become a platform?
27:47 Will there be a convergence of vectorDB? How do we think about competition from incumbent databases such as PGVector by Postgres?
32:57 Takeaways from the announcements from Databricks and Snowflake summits in June 2024
36:15 When do we need a new data format? Why is opensource important for data format?
43:14 How will AI change the data infra landscape? What will stay, what will be replaced, and what will emerge?
52:31 Why does Chang think that RAG is similar to recommendation systems?
55:34 How to evaluate if a new opportunity is for incumbents or startups?
57:57 What are some common mistakes in building data infra? Why does Chang think that opensource is not a default mode?
60:05 How to view OpenAI's acquisition of Rockset?
74:14 Is RAG system here to stay?
79:11 Chang's lessons as a second time founder? Advice to technical founders.
87:04 Brian: What early investors look for in early stage startups
90:47 What do the speakers find exciting about AI in the next 1-3 years? AI agents, healthcare, robotics, multimodal (voice, video gen)
99:36 Quick-fire questions: book recommendations, what's underrated and overrated, oat milk and pressure relief
我们提到的内容
参考文章
欢迎关注M小姐的微信公众号,了解更多中美软件、AI与创业投资的干货内容!
M小姐研习录 (ID: MissMStudy)
欢迎在评论区留下你的思考,与听友们互动。喜欢 OnBoard! 的话,也可以点击打赏,请我们喝一杯咖啡!如果你用 Apple Podcasts 收听,也请给我们一个五星好评,这对我们非常重要。
最后!快来加入Onboard!听友群,结识到高质量的听友们,我们还会组织线下主题聚会,开放实时旁听播客录制,嘉宾互动等新的尝试。添加任意一位小助手微信,onboard666, 或者 Nine_tunes,小助手会拉你进群。期待你来!
OnBoard! 终于又上新啦!这一期的嘉宾是一位少有的硅谷成功连续创业者,梁胜,他创立的三家公司都被成功并购、累计退出金额达10亿美金!
Hello World, who is OnBoard!?
国内很多朋友可能不是很熟悉梁胜,但是在开源和 infra 领域,他绝对是鼎鼎大名。从2000年第一次创业开始,他亲历了云计算整个崛起的20年。最近一次,他2014年创立的Kubernetes 管理平台 Rancher Labs, 融资超过9000万美金,2020年以超过6亿美金被SUSE 收购。2022年,他又开始了新的创业征程。
这一期超过2个小时访谈,你会听到一个硅谷创业老兵非常真实的创业和技术思考。每一次创业都经历了大小的转型:
作为创业公司,如何在早期发现看似很小的机会?
如何避开直面大厂的竞争?
如何在快速变化的市场中做各种战略性的取舍?
都是最一线的经历。
这一次创业,梁胜的公司在我们的对话之前,也刚刚做了一次pivot 转型,从 infra 开发工具,也进入到生成式AI领域。他们发布的GPTscript, 让开发者可以用自然语言进行编程。我们对话之前,编程 agent Devin 刚刚横空出世,梁胜如何看待这次AI大潮对于开发者生态的颠覆性影响?这次 pivot 背后又是怎样的心路历程?
不论你希望了解在开发者工具和开源领域创业,在硅谷的创业公司收并购,或许你也是在日新月异的AI领域探索的创业者和从业者,相信这一期真诚又有干货的访谈一定让你受益匪浅。
因为种种原因,这一期其实是今年4月Monica 在硅谷的时候录制的。不过我们谈论的很多内容现在也没有过时!接下来我们还有好多存货要放送,敬请期待!Enjoy!
嘉宾介绍
梁胜,Acorn Labs 联合创始人 & CEO. 中科大少年班,耶鲁大学博士,创办了Cloud.com (被Citrix 2亿美金收购),成为Citrix 首位华人 CTO。Racher Lab 创始人& CEO, 2020年被SUSE 以6亿美金收购。2022年创办 Acorn labs, 融资超过千万美金。
OnBoard! 主持 Monica:美元VC投资人,前 AWS 硅谷团队+ AI 创业公司打工人,公众号M小姐研习录 (ID: MissMStudy) 主理人 | 即刻:莫妮卡同学
我们都聊了什么
02:00 Sheng 的自我介绍,24年前如何在硅谷第一次创业
06:43 影响最大的投资人:不做到世界第一就不值得做?不同领域会有什么不同吗?
13:55 用做到世界第一的思维,如何影响企业的决策?
16:02 如何开始 Racher Labs ($600+M 收购) 的创业:创业越来越难了,Rancher 如何转型,如何被收购
20:44 公司收购之后,在大公司里亲历创新者窘境,startup 为什么要创造新的市场
25:48 为什么创业公司一定要从小的市场开始做?
28:11 Rancher 定义新的市场的挑战,为什么觉得在5000万美金收入的时候卖掉?
33:36 为何决定从收购的公司出来,开始第四次创业?要为AI开发者提供怎样的工具?
39:18 为何 AI 应用开发需要不同的平台?平台的重构为何是随着应用改变?为什么说kubernetes 以后可能不需要了?
44:39 Pivot 到AI产品的过程:GPTScript 如何诞生?用自然语言写应用是怎么实现的?
54:33 如何克服大模型直接写应用的技术难点? 如何从用户需求角度思考不同场景的技术需求?
60:54 为什么说现在以数据库为核心搭建的 RAG 走进了死胡同?
64:07 过去几次创业经历,让我不再担心大厂? Agent 现在看着市场越小,对创业公司越好?
70:22 如何思考是否应该开源?为什么说开源是最低成本的试错?最好的开源是“为自己做”?
76:00 开源商业化模式有什么最佳实践?为什么说开源的困难其实都是市场太小?
78:49 做开发者工具的生意有什么误区?开发者很难挣钱吗?
81:56 创业过程中最大的挑战是什么?为什么说创业机会不是 evaluate 出来的?第一个客户怎么找?
87:17 快问快答:推荐的书,创业以来的变化,期望AI会带来什么变化,创业者如何解压?
我们提到的内容
参考文章
欢迎关注M小姐的微信公众号,了解更多中美软件、AI与创业投资的干货内容!
M小姐研习录 (ID: MissMStudy)
欢迎在评论区留下你的思考,与听友们互动。喜欢 OnBoard! 的话,也可以点击打赏,请我们喝一杯咖啡!如果你用 Apple Podcasts 收听,也请给我们一个五星好评,这对我们非常重要。
最后!快来加入Onboard!听友群,结识到高质量的听友们,我们还会组织线下主题聚会,开放实时旁听播客录制,嘉宾互动等新的尝试。添加任意一位小助手微信,onboard666, 或者 Nine_tunes,小助手会拉你进群。期待你来!
大家好,欢迎来到新一期OnBoard!,今年是大家讨论 AI 应用最频繁,也是最期待应用爆发的一年,然而回顾海内外无论面向C端用户还是企业级的产品,似乎离我们希望看到的“现象级”仍有距离。但如果聚焦在许多细分场景,回到现在大模型或技术适合解决的市场,也是上期与戴雨森的对谈里提到的“Technology-market fit”,我们仍可以发现不少应用正逐渐开始证明自己的产品力,这里面不乏来自中国人或华人创办的公司。
当我们提到「闷声赚大钱」的「大钱」,并不一定指巨额财富。我们也不打算在节目中透露它们的具体收入数字,因为我们认为,赚钱本身就是一个非常积极的信号。这意味着产品找到了市场契合度(Product-market Fit),找到了愿意付费的目标用户,这也意味着飞轮开始转动起来了。
Hello World, who is OnBoard!?
这一期是与 AI 主题播客「十字路口」的串台,我们与主播 Koji 一起聊聊身边看到与听到的那些华人创办的 AI 公司,这些公司总部有在国内,有的在硅谷、新加坡、日本等地。无论他们身处何地,他们都和我们处在同一个社交圈和文化体系中,能给我们带来最直接的启发和参考,Enjoy!
「十字路口」主持
Koji:关注 AI 的自媒体「十字路口」主理人,「新世相」/「躺岛」联合创始人
OnBoard!主持
高宁:前美元 VC 投资人,Global SaaS 社区及服务组织 Linkloud 联合创始人,公众号我思锅我在 (ID: thinkxcloud) 主理人。| 即刻:High寧
我们都聊了什么
02:42 AI创业,这一次为什么这么看重出海?
06:06 PictureThis如何在北美抓住用户?
08:31 AI教育为什么涌现许多不错的中国团队?
12:06 Speak为什么崛起在韩国?
16:04 UMU如何在日本敲开企业客户大门?
18:14 为什么中国团队适合做AI陪伴等C端产品?
23:24 AI赋能创意营销涌现了哪些高增长的产品?
29:47 AI图像生成工具有哪些不一样的商业模式?
31:52 效率工具类产品是如何“卷”出来的?
37:35 Voice agent赛道上又出现了哪些新兴公司?
38:54 Coding agent公司里又出现了哪些华人身影?
40:40 为什么这次AI创业全球范围内涌现越来越多华人?
44:57 Linkloud是如何服务SaaS及AI出海团队的?
46:21 日本与美国市场的异同在哪里?
51:28 我们能从硅谷AI创业潮中学到什么?
我们提到的公司或产品
别忘了!同步关注主播的微信公众号,看更多干货内容哦:
我思锅我在 (ID: thinkxcloud) by GN
以上就是本期节目的全部内容,欢迎在评论区留下你的思考,与听友们互动。喜欢 OnBoard! 的话,也可以点击打赏,请我们喝一杯咖啡!如果你用 Apple Podcasts 收听,也请给我们一个五星好评,这对我们非常重要。
最后!快来加入Onboard!听友群,结识到高质量的听友们,我们还会组织线下主题聚会,开放实时旁听播客录制,嘉宾互动等新的尝试。添加任意一位小助手微信,onboard666, 或者 Nine_tunes,小助手会拉你进群。期待你来!
大家好,欢迎来到新一期OnBoard!。6月初,我们终于完成了今年初的一个重要目标——线下听友会,超过100位听友在北京,与两位主播和到场嘉宾一起,度过了干货满满的一整天。上一期节目是真格基金管理合伙人戴雨森和Monica的对谈回放,还没有听过的朋友欢迎回去复习。
Hello World, who is OnBoard!?
第二场对话,我们特地邀请到了三家面向不同海外客群的代表公司,知识工作者为主的Monica.im,开发者与程序员为主的Logto,还有面向北美青少年及学生群体为主的Answer AI,然而无论在对用户群体的调研方式,还是产品设计和增长的最佳实践,要做好全球化及本地化的秘诀等问题,三位嘉宾都分享了很多共通点和非共识的答案,希望也对正在出海的各位有所帮助,Enjoy!
嘉宾介绍:
OnBoard!主持:高宁,前美元 VC 投资人,Global SaaS/AI 社区 Linkloud 联合创始人,公众号我思锅我在 (ID: thinkxcloud) 主理人。| 即刻:High寧
我们都聊了些什么?
01:03 出海Panel里三位嘉宾自我介绍以及现在公司产品的简介。
08:14 如何找到并定义产品的理想用户画像(ICP)的?
13:46 如何在全球市场开展用户访谈?
29:40 为什么PMF是一个可预测的状态?
34:41 什么叫用卖期货的方式验证PMF?
48:07 在大家看来各自领域中跟对标的公司有什么学习的地方?
58:12 为什么做好全球化不要犯怵,但要实际走到海外去?
重点公司或词汇
别忘了!同步关注两位 Host 的微信公众号,看更多干货内容哦:
M小姐研习录 (ID: MissMStudy) by Monica
我思锅我在 (ID: thinkxcloud) by GN
欢迎在评论区留下你的思考,与听友们互动。喜欢 OnBoard! 的话,也可以点击打赏,请我们喝一杯咖啡!如果你用 Apple Podcasts 收听,也请给我们一个五星好评,这对我们非常重要。
最后,OnBoard! 终于成立听友群啦!新年新气象,加入Onboard! 听友群,结识到高质量的听友们,我们还会组织线下主题聚会,开放实时旁听播客录制,嘉宾互动等新的尝试。添加任意一位小助手微信,onboard666, 或者 Nine_tunes, 发送你的姓名、公司和职位,小助手会拉你进群。期待你来!
大家好,欢迎来到新一期 OnBoard!。6月初,我们终于完成了今年初的一个重要目标——线下听友会,超过100位听友在北京,与两位主播和到场嘉宾一起,度过了干货满满的一整天。其中三场对谈,包括真格基金管理合伙人戴雨森和 Monica 关于中美投资的一线见闻,由 Monica 主持的关于大模型、Agent 和应用的前沿对话,还有高宁主持的软件出海从0到1全球化之路,都让主播自己受益匪浅。再次感谢大家的热情和支持!
由于录制效果关系,我们精选两段对谈在节目里播出,分别是 Monica 与戴雨森的对谈,还有由 Monica.im 创始人肖弘、Answer.ai 创始人周立及 Logto 市场及产品负责人李铭出席的《软件出海,从0到1全球化之路》的主题沙龙。三场对谈的完整文字稿将在节目播出后上线,敬请关注。
Hello World, who is OnBoard!?
第一场对话,作为在中美两边奔跑最勤快的投资人之一,雨森不仅聊到了现在中美AI市场与投资环境的差异,还有与过去移动互联网等时代的对比,AI原生应用及初创公司如何面对大厂竞争,还有为什么要相信年轻人,要走进当地市场等话题,希望对大家有所启发。
嘉宾介绍:戴雨森,真格基金合伙人,清华大学工业工程系2004级校友,曾在斯坦福大学管理科学与工程系就读。戴雨森22岁时参与创办了知名互联网上市公司聚美优品,主管互联网产品、运营、市场投放、品类等。加入真格基金之后,主要关注人工智能方向投资。
OnBoard!主持:Monica,美元VC投资人,前 AWS 硅谷团队+ AI 创业公司打工人,公众号M小姐研习录 (ID: MissMStudy) 主理人 | 即刻:莫妮卡同学。
我们都聊了些什么?
01:45 戴雨森个人介绍及为何如此重视AI领域的投资?
05:03 为什么杨植麟是典型的“小天才”及其代表的创业者画像是怎样的?
07:39 为什么在AI早期要投年轻的研究学者,背后的思路是什么?
10:28 为什么创业要趁早,对普通人来说意味着什么?
12:46 什么是这半年硅谷最关心的动态,与国内的差异在哪里?
16:42 为什么现在AI应用要去找“技术匹配市场(TMF)”?
22:26 为什么现在AI公司赚钱效应仍处于早期,以及提升渗透率更关键?
29:56 为什么今年以来AI整体发展依旧是超预期的?
31:57 为什么现阶段GPT套壳没有问题?
34:54 GPT-4o对创业最大的启发是哪里?
37:18 为什么这次出海创业者要一定要积极走进当地?
重点公司或词汇
别忘了!同步关注Monica的微信公众号,看更多干货内容哦:M小姐研习录 (ID: MissMStudy) by Monica
欢迎在评论区留下你的思考,与听友们互动。喜欢 OnBoard! 的话,也可以点击打赏,请我们喝一杯咖啡!如果你用 Apple Podcasts 收听,也请给我们一个五星好评,这对我们非常重要。
最后,OnBoard! 终于成立听友群啦!新年新气象,加入Onboard! 听友群,结识到高质量的听友们,我们还会组织线下主题聚会,开放实时旁听播客录制,嘉宾互动等新的尝试。添加任意一位小助手微信,onboard666, 或者 Nine_tunes, 发送你的姓名、公司和职位,小助手会拉你进群。期待你来!
这次依旧是硬核话题,我们跟学术大牛深度聊聊2024年上半年美国创投圈最火的的话题之一,具身智能。
没错,智能机器人之火终于从国内来到美国了。在去年下半年的时候,美国创投界还是在关注大模型和应用、infra等等,虽然Deepmind RT-2 等工作彼时已经崭露头角,更喜欢软件的美国VC似乎还在犹豫机器人这个太硬的赛道。但是从今年上半年开始,事情似乎有了变化。
Hello World, who is OnBoard!?
除了Figure AI 这样的人形机器人公司获得了英伟达、微软等一系列战投的加持,硅谷的老牌基金们也疯狂涌入了所谓的机器人大模型公司,比如学术大牛创立的 Physical intelligence, Skild, 还有 Cruise 前CEO 创立的Bot company, 等等。
这次的嘉宾也是大名鼎鼎,UCSD 计算机科学副教授,苏昊老师,关注具身智能和3D视觉领域的同学应该都不陌生。他参与的一系列AI数据集和软件工作,从ImageNet到ShapeNet、PointNet、SAPIEN,以及最近的ManiSkill等等,都是三维视觉、机器人操作等领域穿越几个时代的标志性作品。苏昊老师现在还是智能机器人创业公司Hillbot 的联合创始人,我们深度探讨了:
具身智能这个看似很纷繁的话题,苏昊老师总是能抽丝剥茧,相信你们也能从我们两个多小时的交流中,受益匪浅。Enjoy!
对了!今年年初,Onboard 就发布过一期关于具身智能的讨论,嘉宾包括了 Deepmind Robotics,高仙机器人和UCSD 的不同视角的重磅嘉宾。那一期讨论也非常精彩,建议大家回去复习哈!
嘉宾介绍
苏昊 (Twitter @HaoSuLabUCSD),UC San Diego Associate Professor,Hillbot智能机器人初创公司创始人、CTO。Stanford PhD, UCSD 具身智能实验室主任,数据科学研究所创始成员,以及视觉计算中心和情境机器人研究所成员。他的研究工作集中在开发算法来模拟、理解并与物理世界互动。
OnBoard! 主持:Monica, 美元VC投资人,前 AWS 硅谷团队+ AI 创业公司打工人,公众号M小姐研习录 (ID: MissMStudy) 主理人 | 即刻:莫妮卡同学
我们都聊了什么
03:04 苏昊的学术历程,为什么最近觉得有关证明的研究进展对机器人领域很有启发?
10:05 从智能演化的角度,理解“具身智能”这个“老概念”
15:01 为什么从语言而不是视觉上最先看到了接近人类的智能?
21:31 实现具身智能有哪些主流的路线?如何理解不同路径不同切入点背后的逻辑?
32:10 可以通过大模型的能力实现运动控制吗?有泛化性的控制数据要怎么采集?
38:26 演示学习 (learning from demonstration) 有哪些不同路径?ALOHA这类遥操作有什么利弊?
47:00 规划和执行需要一起做训练吗?做一个端到端的系统核心难点在哪里?
51:15 划重点:好的算法的本质就是降低对数据的需求
52:23 针对机器人的大模型会跟LLM架构有什么异同?
59:31 人形机器人可以解决数据和能力泛化的问题吗?
66:16 模拟器能解决训练数据的问题吗?近年来模拟器相关技术有什么关键进展?
78:31 AI生成3D,Sora 等新技术进展对实现 sim2real 路径有什么影响?
95:26 苏昊老师现在的创业项目 Hillbot
100:32 快问快答:推荐的书,影响最大的人,具身智能被高估和低估的话题,如何解压!
重点词汇和公司
参考文章
欢迎关注M小姐的微信公众号,了解更多中美软件、AI与创业投资的干货内容!
M小姐研习录 (ID: MissMStudy)
欢迎在评论区留下你的思考,与听友们互动。喜欢 OnBoard! 的话,也可以点击打赏,请我们喝一杯咖啡!如果你用 Apple Podcasts 收听,也请给我们一个五星好评,这对我们非常重要。
最后!快来加入Onboard!听友群,结识到高质量的听友们,我们还会组织线下主题聚会,开放实时旁听播客录制,嘉宾互动等新的尝试。添加任意一位小助手微信,onboard666, 或者 Nine_tunes,小助手会拉你进群。期待你来!
聊到生成式AI的发展,开源绝对是最关键的话题之一。这次的嘉宾,可以说涵盖了大模型开源领域最值得关注的公司:从顶流社区Huggingface, 到全球开源社区都关注的阿里通义千问 Qwen 大模型,堪称行业标准的 LLM 推理框架 vLLM, 还有最近最火的软件开发 agent 项目 OpenDevin. 真的是黄金阵容!
这一期节目也发布得很应景:就在今天凌晨,阿里发布了最新的通义千问 Qwen 系列模型!Qwen2-72B 的表现甚至全面超过 SOTA 的 Llama 3,大家赶紧去关注!
首先跟大家汇报一下,上周日我们在北京举办的 OnBoard! 第一次线下听友会真是超预期!开放报名4天就250多人报名,周日从上午9点到下午3点,从机器人到AI,创业投资和软件出海,100人的场地,直到最后都几乎座无虚席!真的是非常感谢大家的支持~我们正在努力整理精华文字稿,也请期待我们更多活动!
Hello World, who is OnBoard!?
回到这一期播客,我们将深入探讨大模型的开源生态。
在生成式AI飞速发展的一年多时间里,开源无疑是一个不可忽视的话题。开源模型的迅猛发展,从 Meta 的 Llama 3 到 Mistral 的最新模型,它们对闭源大模型如 GPT4 的追赶,不仅令人惊艳,更加速了 AI 场景下产品的实际应用。而围绕大模型的生态系统,从推理加速到开发工具,再到智能代理,技术栈的丰富程度,虽然已经孕育出了像 Langchain 这样的领军企业,但这一切似乎只是冰山一角。
特别值得一提的是,随着阿里千问系列、Deepseek、以及 Yi 等中国团队主导的模型在国际舞台上崭露头角,我们不禁思考,除了模仿和追赶,中国在大模型领域的发展是否还有更多值得我们关注和自豪的成就。
今天,Monica 有幸邀请到了几位极具代表性的重磅嘉宾,来自 Huggingface 的开源老兵,有通义千问 Qwen 的开源负责人(他也是 Agent 领域最受关注的项目 OpenDevin 核心成员),还有最具国际影响力的开源项目 vLLM 主导人。真是涵盖了大模型开源生态的各个领域的最一线视角!
嘉宾们都太宝藏了,我们的话题延伸到大模型的各个方面,录了近4个小时!我们前半部分聊了很多infra的创新,以及最近很火的、以OpenDevin 为代表的软件开发agent 背后的技术和生态等话题。下半部分,我们回到大模型开源的主题,畅谈了:
还有数据、评测等等大模型领域的核心话题,真的非常全面,又不失一线从业者的深度。
索性就不分成两部分了,大家可以对着 show notes 里面的时间戳,直接跳转到你感兴趣的话题(虽然我觉得每个话题都很好!)
介绍了这么多,还要声明一下,节目里面重点聊到的开源社区 Huggingface,还有几个开源的项目,包括阿里千问、OpenDevin, Deepseek, 零一万物的 Yi,vLLM 等,都没有收取任何广告,完全是嘉宾走心分享,全程无广!当然,如果你们或者其他AI公司考虑赞助一下我们用爱发电的播客,我们当然也是欢迎的!
三小时硬核马拉松开始,enjoy!
嘉宾介绍
我们都聊了什么
05:28 嘉宾自我介绍,有意思的开源 AI 项目
18:37 vLLM 如何开始的,如何成为全球顶尖项目,为什么我们需要一个大模型推理框架?
30:24 Agent framework: OpenDevin 这样的负责 agent 会带来怎样的推理挑战?
40:37 做好一个编程 Agent,还需要哪些新的工具?多模态会带来怎样的变化?
56:16 我们需要怎样的 Agent Framework?为什么最适合开源社区来做?Framework 会收敛吗?
67:46 什么是 Crew AI? 如何看待 Multi-agent 架构?
73:11 借鉴前端框架的发展历史,如何理解一个框架如何成为行业标准?
77:54 Huggingface 上开源LLM现状,过去一年多有哪些重要进展?有哪些不同的开源方式?泽娜要给你看待一个开源模型的流行程度?
94:27 如何理解不同架构的开源大模型生态?Qwen 如何通过架构演进打造更好的开源生态?
104:59 中国的大模型开源项目有哪些创新?大模型架构有哪些变化?
112:17 为什么说新的模型架构可能会带来商业化的新机会?我们能从以前的开源商业化中学到什么?
119:22 我们看到现有大模型架构的天花板了吗?什么是一个新的架构?
128:03 Zhuohan 从参与最早的开源 LLM 之一 Vicuna 的经历学到什么?学术界和业界在大模型生态上如何分工?
140:48 用于大模型的数据集领域有哪些值得关注的进展?
149:42 Mistral 为什么这么快爆火?打造一流国际开源项目有什么可借鉴的经验?vLLM 有什么道和术上的心得?
166:13 Chatbot Arena 是如何开始的?为什么模型的评测那么重要?还有哪些挑战和可能的进展?
180:49 Zhuohan 对于 vLLM 商业化方式有什么思考?未来推理成本还有哪些下降空间?
188:17 快问快答:过去一年生成式AI发展有什么超出预期和不及预期的地方?未来还有什么值得期待?
我们提到的公司和重点名词
参考文章
欢迎关注M小姐的微信公众号,了解更多中美软件、AI与创业投资的干货内容!
M小姐研习录 (ID: MissMStudy)
欢迎在评论区留下你的思考,与听友们互动。喜欢 OnBoard! 的话,也可以点击打赏,请我们喝一杯咖啡!如果你用 Apple Podcasts 收听,也请给我们一个五星好评,这对我们非常重要。
最后!快来加入Onboard!听友群,结识到高质量的听友们,我们还会组织线下主题聚会,开放实时旁听播客录制,嘉宾互动等新的尝试。添加任意一位小助手微信,onboard666, 或者 Nine_tunes,小助手会拉你进群。期待你来!
今年上半年 AI 领域最大的热点,除了 OpenAI 的 Sora 之外,当然就是——AI程序员!与 Github Copilot 的代码补全不同,AI Agent 公司 Cognition Labs 和其产品 Devin,宣称世界上第一位“AI 软件工程师”,拥有全栈技能,通过一个指令就能完成整个开发过程。可以端到端构建和部署程序。成立不到半年,估值就高达 20 亿美金!相应的,从Princeton SWE-agent, 到开源项目OpenDevin 这些直接竞争者,到Replit, Augment 等独角兽玩家,都纷纷进入这个领域。这是新的泡沫,还是不远的未来?
Hello World, who is OnBoard!?
这一期我们邀请的三位来自硅谷的嘉宾,在这个领域都太有发言权了!有著名的软件开发云平台独角兽 Replit 的 AI 产品核心成员,有 Agent 领域数个奠基之作的顶尖研究员,还有 ex-Google Deepmind, 现任明星 AI 编程辅助独角兽公司 Augment 的早期核心研究员。
借着小酒,我们长达两个多小时的对话,畅聊了你最关心的话题:
AI 会取代工程师吗?
AI取代了一部分软件开发需求之后,会如何重塑软件开发?
Devin 是否能代表 AI Agent 应用开发的方向?
Agent 产品未来还会迎来怎样的提升?基础大模型的边界在哪里?
最后,生成式 AI 对个人职业和社会会产生怎样的深远影响?
这或许是市面上你能听到的对于这个话题最深入的讨论(之一?!)——还有,结尾有来自 Princeton 高材生的彩蛋!
Enjoy!
嘉宾介绍:
OnBoard! 主持
我们都聊了什么
03:30 三位嘉宾背景、如何进入AI领域以及最近常用的AI产品。
20:26 Replit是如何设计AI产品的,背后逻辑是什么?
28:58 Replit需要训练Coding专属模型的原因是什么?
34:04 训练代码或数学等专属模型的目的是什么?
37:50 现在Coding模型跟基础大模型的能力相比有什么差异?
40:51 Coding模型的训练方法对基础大模型的训练还有什么启发?
45:26 为什么Replit当初选择构建自己的IDE,以及对后来AI功能设计的影响在哪里?
51:01 为什么Augment选择以插件的形态服务专业程序员,以及难点在哪里?
55:27 为什么RAG能更好理解企业级Codebase的需求?
58:13 使用RAG的过程中最有挑战的地方在哪里,以及如何保证准确率?
63:38 Augment如何将服务企业的产品标准化?
67:04 为什么短时间内具有更长Context的大模型仍无法替代RAG?
69:57 为什么没有针对Coding能力好的Benchmark,以及SWE-Bench诞生的背景?
73:48 什么是SWE-Agent,以及Agent解决了什么问题?
78:50 为什么SWE-Agent或Devin相比RAG的准确率有很大提升?
81:33 SWE-Agent跟Devin的差异在哪里?
83:12 往后这类Coding agent的准确率提升会在哪里?
86:50 回顾Agent领域的发展,其中有哪些重要里程碑?
93:01 是否有必要训练针对Agent的大模型?
98:37 Replit是如何探索Coding agent的?
102:03 对Devin印象最深刻的是什么,还有什么是不知道的?
105:43 Devin现在的用户画像可能是谁?
109:45 为什么Coding agent能力提升不仅在大模型上,还需在产品化上?
116:46 顺雨最新一篇解决奥数问题的研究对Coding模型有什么启发?
120:31 现在基础大模型的能力提升还在哪里,还有哪些是我们不知道的?
122:15 大模型是否具备System 2的慢思考能力,以及我们如何实现?
127:13 关于Multi-agent,Replit在做怎样的探索?
131:13 如何定义Multi-agent系统,什么情况下需要?
135:08 要实现Multi-agent环境,具体会面临什么挑战?
137:31 展望未来,AI编程究竟会如何重塑软件开发流程?
145:45 基于语言模型的Agent带来的社会影响有哪些,人类真的会被替代吗?
158:56 最后,快问快答:今年研究的小目标、业余爱好和短期内AI最期待的事件?
165:14 彩蛋!来自顺雨的一段RAP,欢迎来到“宇宙中心”!
我们提到的公司或产品
我们提到的论文或文章
欢迎我们的微信公众号,了解更多中美软件、AI与创业投资的干货内容!
M小姐研习录 (ID: MissMStudy)
我思锅我在(ID: Thinkxcloud)
欢迎在评论区留下你的思考,与听友们互动。喜欢 OnBoard! 的话,也可以点击打赏,请我们喝一杯咖啡!如果你用 Apple Podcasts 收听,也请给我们一个五星好评,这对我们非常重要。
OnBoard! 终于成立听友群啦!新年新气象,加入Onboard听友群,结识到高质量的听友们,我们还会组织线下主题聚会,开放实时旁听播客录制,嘉宾互动等新的尝试。添加任意一位小助手微信,onboard666, 或者 Nine_tunes, 发送你的姓名、公司和职位,小助手会拉你进群。期待你来!
非常久违的两位主播的研究对谈来了!在 ChatGPT 诞生近一年半的时间里,生成式 AI 领域几乎每天都在发生激动人心的变化。从大模型到应用,从软件到机器人,从文字到图片、视频、声音,从全新的商业模式到对现有业务的赋能。比起很久之前那一期对谈,不只是 AI,两位主播也都分别开始了新的征程,过去一年有了很多机会在中美一线市场频繁穿梭,终于有机会分享一些我们沉淀下来的观察与思考。
Hello world, who is OnBoard!?
Monica 去年加入了另一家美元 VC,更聚焦地关注海外的早期投资机会。GN从美元机构离开,创立了 SaaS/AI 社区 Linkloud(公众号同名),帮助越来越多中国软件和科技公司走向全球。
AI 无疑是这个时代里边最大的变量之一,近两个小时,过去一年在中美频繁奔波的我们,探讨了你关心的各种问题:
一些拙见,抛砖引玉,希望对大家有一些些启发~!Enjoy!
我们都聊了什么
03:11 两位主播的自我介绍,以及最近半年日常使用的AI产品。
15:54 一年以来,哪些AI产品或落地超预期或不及预期?
20:24 为什么还在成长期的SaaS公司最容易将AI落地?
23:11 AI在全球其他地区的渗透有什么不一样的地方?
26:00 为什么在美国大模型和Infra层的进展会超预期?
30:16 对苹果Siri的预期,以及可能面临的限制在那里?
35:31 Soundhound是如何结合Voice AI来落地点餐场景,并完成商业化的?
40:42 EvolutionIQ是如何在保险领域结合AI并促进业务增长的?
49:08 Monica错过的一家初创公司是如何将AI融入销售人员工作流的?
55:47 为什么AI代码生成领域在今年会百花齐放?
65:38 国内AI的进展与美国有什么不同,为什么在C端会出现更多产品?
76:07 中美资本市场的差异在哪里,以及创业者该如何在市场下行时树立长期愿景?
81:58 为什么中美差异最大的是AI在B端的发展,以及机器人是否是个变量?
92:55 为什么“单点极致”可能是中国AI公司出海最重要的方式?
97:33 为什么出海第一步要走出国门,感受并融入开放的生态?
100:55 作为投资人,如何看待面对大模型公司下创业公司的壁垒和竞争力?
106:41 两位主播对今年AI的“大胆”预测和期待有哪些?
119:02 最后,奉上我们这一年新种草的播客和Newsletter,希望对听众有帮助!
我们提到的公司或产品
播客及Newsletter推荐
欢迎我们的微信公众号,了解更多中美软件、AI与创业投资的干货内容!
M小姐研习录 (ID: MissMStudy)
我思锅我在(ID: Thinkxcloud)
欢迎在评论区留下你的思考,与听友们互动。喜欢 OnBoard! 的话,也可以点击打赏,请我们喝一杯咖啡!如果你用 Apple Podcasts 收听,也请给我们一个五星好评,这对我们非常重要。
OnBoard! 终于成立听友群啦!新年新气象,加入Onboard听友群,结识到高质量的听友们,我们还会组织线下主题聚会,开放实时旁听播客录制,嘉宾互动等新的尝试。添加任意一位小助手微信,onboard666, 或者 Nine_tunes, 发送你的姓名、公司和职位,小助手会拉你进群。期待你来!
The podcast currently has 79 episodes available.
103 Listeners
41 Listeners
36 Listeners
143 Listeners
45 Listeners
264 Listeners
23 Listeners
35 Listeners
16 Listeners
17 Listeners
22 Listeners
6 Listeners
3 Listeners
14 Listeners
8 Listeners