OnBoard!

新的一期 OnBoard! 的创始人深度访谈来啦！打造面向全球市场的 SaaS 公司，正在成为越来越多中国 SaaS 公司关注的话题。诞生于香港、壮大于深圳、服务于全球的 AfterShip，就是这里面不得不提的一个标杆。

Hello World, who is OnBoard!?

AfterShip 成立于 2012 年，是一家服务国际电商的 B2B SaaS 公司，从第一天成立起就面向国际市场，业务今已遍布北美、欧洲、亚洲等世界各地，团队成员来自全球不同国家的 20 多个城市。客户包括 eBay、Wish、Shopee 等国际电商平台，以及 Anker、Watsons、EcoFlow 等 17,000 多家品牌。2021 年，公司获 Tiger Global 领投 6,600 万美金的 B 轮融资，刷新电商 SaaS 赛道 B 轮融资记录。公司旗下有 AfterShip Tracking（物流查询）,  Email（邮件营销）, Returns（退换货管理）, Shipping（多物流商发货）等产品矩阵，涵盖售前售后各个环节。

今年正是 AfterShip 成立的第 11 个年头，趁着创始人 Teddy 回国，我们来到 AfterShip  的深圳总部，在据说由设计过 Meta 总部的设计师一手打造的“海景空间”里，完成了现场录制。Teddy非常认真和细致地跟我们分享了这个漫长过程中的教训、收获和展望。

• 为什么要从中小客户开始做起？
• 如何在一开始打造了一个20人14个国籍的团队？
• 为什么早期开发人员都要自己学会做电商？
• 为什么在看似发展顺利的时候选择融资？
• 整合多产品线的过程中，有哪些产品和组织上的挑战？

从产品和客户的全球化，到团队和组织的国际化，作为国内 Global SaaS 的先行者，Teddy 无数细节的坦诚分享，一定是你能听到的、少有的原汁原味的创业故事。

你会感受到 Teddy 非常细节控的风格，当然还有，Teddy 努力了很久还是港味浓浓的普通话~哈哈！

话不多说，大家Enjoy！

对了，播客可以打赏你知道嘛~！☕☕☕🥂

我们都聊了什么

• 03:37 Teddy个人成长经历介绍，以及创立AfterShip的故事。
• 06:52 为什么在创立公司前做电商卖家的时候，Teddy选择看似小众的“欧洲”市场？
• 09:19 什么时候决定从解决自己痛点到真正做一家软件公司？
• 12:39 为什么刚开始Teddy就决定把公司做成一个“可持续的生意”？
• 18:00 刚开始做的时候遇到了哪些挑战？
• 20:01 回过头看，AfterShip的十年经历了哪三个重要阶段？
• 25:09 为什么在Teddy看来SaaS本质其实是在卖“服务”？
• 28:27 如何通过产品向客户传递行业的“最佳实践”？
• 34:23 AfterShip现在的团队规模以及如何维持人人都在“一线”的文化？
• 39:10 从自己的需求出发，后面是如何找到产品的PMF？
• 44:28 为什么“选对客户”是产品全球化在0到1过程中最重要的事情？
• 47:47 什么时候开始服务中大型客户以及如何进行需求的取舍？
• 51:17 回过头来看，为什么早期服务SMB是了解全球市场的最佳路径？
• 53:56 逐步做中大型客户的时候对产品和组织产生了什么变化？
• 56:12 为什么在主动触达大客户的过程中发现市场空间被打开了？
• 60:34 为什么真正做全球市场的时候发现“时差”是第一个意想不到的问题？
• 66:03 总结服务企业级客户的过程，还有哪些最佳实践以及可以改变的地方？
• 71:00 做到现在，为什么Teddy依旧觉得电商SaaS市场仍然有很大空间？
• 76:31 回想创业当年，哪些事情是刚开始需要想清楚，哪些可以“模糊正确”？
• 79:28 为什么SaaS“出海”和全球化是不一样的概念？
• 82:52 如何从Day 1就打造全球化的团队？招聘中有什么原则？
• 94:27 为什么刚开始“不出名”反而能招到来自14个不同国家的人才？
• 100:01 在全球化扩张的过程中，如何通过建立影响力吸引全球高级人才？
• 103:36 为什么现在Teddy还会给每位入职员工分享自己的成长经历？
• 106:25 回到运营策略上，产品如何在全球市场做冷启动？
• 112:04 到主动推广阶段，有什么有效经验介绍产品和方案？
• 118:02 为什么产品尽早开始收费是商业化中最重要的收获？
• 122:25 如今在发展多产品矩阵的时候，做了哪些取舍和原则？
• 130:44 如何判断需求是一个“功能”而非“产品”？
• 134:15 在多产品品牌整合的过程中，为什么最大的挑战依旧回到团队和组织？
• 140:37 在品牌效应被放大的时候，如何保持单个产品团队能力一直“在线”？
• 145:55 在多产品矩阵下，如何同样简单清晰地向客户传递产品信息并且做好Onboarding？
• 149:19 放眼AfterShip的未来，为什么Teddy最关心依然是公司本身和组织文化？
• 154:14 过去一两年，对组织和公司做过最重要的决定是什么？
• 158:00 如何看待AI以及内部有哪些讨论和展望？
• 165:38 为什么Teddy会提出SaaS初创公司的融资标准，以及在当下标准应当更“严格”？
• 171:49 快问快答！还聊到了Teddy的个人公众号SaaS 102 为什么不是101！

重点词汇

• SEO：Search Engine Optimization，搜索引擎优化
• Subscription：订阅制
• Sustainable business：可持续的生意
• Natural ranking：（搜索后）自然排名
• Customer expectation：客户预期
• Entry barrier：进入门槛
• Onboarding：用户上手
• Customization：定制化
• Data breach：数据泄露
• Email marketing：邮件营销
• Founding team：创始团队
• LTV/CAC：衡量SaaS健康度的指标之一，客户生命周期 / 获客成本

嘉宾推荐的内容

• 《Rework：重来》
• 《富爸爸，穷爸爸》

参考文章

• Teddy的个人公众号：SaaS 102（ID: SaaS_102）
• 37signals - 这家上个世纪成立的 SaaS 公司给了我们哪些启示？
• 十年经验总结：国际 SaaS 创业的 9 条建议
• SaaS 102 | 为什么 SaaS 产品不应该害怕收费？
• AfterShip 十周年演讲全文：创业是一场赢得信任，创造价值的修行
• 对话 AfterShip 陈龙生：很少公司因为一件事做十年而死
• SaaS 资本寒冬？市场缺的不是钱，缺的是好产品

最后，AfterShip正在高速发展，求贤若渴，感兴趣的朋友请戳：查看更多职位

别忘了！同步关注两位 Host 的微信公众号，看更多干货内容哦：

• 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
• GN：前SaaS及科技投资人，Global SaaS社区 Linkloud  发起人，公众号我思锅我在 (ID: thinkxcloud) 主理人。| 即刻：High寧

大家的点赞、评论、转发是对我们最好的鼓励！希望你分享给对这个话题感兴趣的朋友哦~

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。感恩！

今天又是一期关于AI的硬核讨论！这次依旧是 AI 领域的核心话题之一：GPT 是否能带领我们通向 AGI (Artificial General Intelligence, 通用人工智能）？如何评估和理解 AI 的能力？大模型范式下，我们如何定义智能？这些问题，至今没有标准的答案。大模型加上 HuggingGPT, AutoGPT 一系列 generative agents（生成式代理） 之后，给各个行业甚至整个社会带来什么改变？我们这期的嘉宾，来自中美学术界与产业界，绝对难得的一线视角。

Hello World, who is OnBoard!?

这是 OnBoard! 与科技早知道又一期合作节目，我和大家都非常喜欢的硅谷徐老师，与来自微软研究院两篇刷屏论文的作者，以及中国AI独角兽研发总监一起，深度探讨最值得你关心的几个AI领域核心命题。相信你听完这一期，会对人工智能的能与不能，希望与挑战，有不一样的认识。

长达3小时的谈话，即使知道短一些的版本会更容易传播，但是Monica 还让大家听到更多原汁原味的讨论，所以尽量保留了更多内容。

相信这些干货，值得你的时间。Enjoy!

对了，播客可以打赏你知道嘛~！☕☕☕🥂

嘉宾介绍

• 硅谷徐老师，硅谷连续创业者、人工智能高管、斯坦福商学院客座讲师，「科技早知道」主播 ｜推特：@h0wie_xu｜ 微信公众号：硅谷云｜ AI博客：howiexu.substack.com
• 谭旭，微软亚洲研究院 高级研究员，主要研究方向为生成式人工智能及其在语言/语音/音乐生成中的应用，《MSRA researcher, HuggingGPT》作者之一
• 张弋，微软亚洲研究院 高级研究员，主要研究方向为通用人工智能的物理、数学，《Microsoft researcher，Sparks of AGI》 论文作者之一
• 红博士，某 AI 公司研发总监，研究方向：计算机视觉、数据压缩、通用人工智能。公众号：红博士说
• 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

01:41 嘉宾自我介绍，最近关注的AI研究（及Monica的隐藏小Update!）

07:48 第一视角解读微软刷屏论文：Sparks of Artificial General Intelligence: Early experiments with GPT-4

13:25 GPT4 是 AGI 吗？

18:42 对于这篇AGI论文常见的误解：为什么这是比公开 GPT4更强的模型？

21:48 为什么GPT4 没有视觉训练数据，却能够理解图片？

26:46 GPT4 达到高中生水平了吗？为什么能比 ChatGPT 提高这么多？

31:26 大模型的 Hallucination（幻觉）要如何解决？业界有哪些尝试？

44:59 大模型要实现AGI，还有哪些挑战？为什么“思考太快了”是一种局限？

56:57 火爆全网的 HuggingGPT: 研究背景、运作机制、与 AutoGPT 和 ChatGPT Plugin 的异同？

65:30 我们需要不同领域的 foundation model （基础模型）吗？

72:27 HuggingGPT 和 AutoGPT 技术成熟了吗？为什么需要专家生态？

78:05 为什么说 ChatGPT Plugin 的本质是 OpenAI 在收集数据？

85:21 中国的大模型公司如何追赶 OpenAI?

90:05 大模型能处理的 Context Length (背景信息长度）是能力瓶颈吗？要如何突破？

96:11 如何理解 context length 对于大模型能力的重要性？需要对模型架构本身做改变吗？

103:53 为什么说AI创新要赢得市场，生态可能比技术更重要？

106:04 AI技术应用落地的现状如何？有什么机会和挑战？

113:34 AI创业公司应该优先服务500强大客户吗？

118:56 企业会如何使用AI：调用 API 还是本地部署？有哪些决定因素？

122:21 AI 应用创业有哪些方向？为什么说要关注 mission impossible (不可能的任务）？

130:15  嘉宾眼里，AI 最让人兴奋的未来是什么？

免责：节目中的观点都是嘉宾和主持人个人观点，不代表所在机构观点，亦不构成任何投资建议。

参考文章

• 论文 《GPT-4，通用人工智能的火花》
• Language models can explain neurons in language models
• Draw a unicorn in TikZ 🦄
• ChatGPT cost a fortune to make with OpenAI's losses growing to $540 million last year, report says
• Scaling Transformer to 1M tokens and beyond with RMT
• ChatGPT当“律师”！全球法律巨头「律商联讯」推出Lexis+ AI™
• 通用人工智能时代到来了：尽管 AGI 不完美，人类也会犯错

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)

大家的点赞、评论、转发是对我们最好的鼓励！

如果你能在小宇宙上点个赞，Apple Podcasts 上给个五星好评，就能让更多的朋友看到我们努力制作的内容，打赏请我们喝杯咖啡，就给你比心！

有任何心得和建议，也欢迎在评论区跟我们互动~

这一期是 OnBoard! 的 bonus 番外篇，两位主播来走心地跟大家聊聊 OnBoard! 诞生以来的历程、思考与心得。不知不觉，OnBoard! 居然已经诞生了1年多的时间，确切的说，是13个月。回头来看，我们都没有想到，这充满动荡的一年，我们居然已经录制了整整30期播客，也就是不到两周就有一期播客（把自己都惊艳到！）

Hello World, Welcome OnBoard!

在这个特殊的时间点，两位主播在北京的一个茶馆里，跟大家侃侃而谈心路历程，包括：

• 录制30期深度访谈播客，我们的收获与心得
• 我们经常收到的听友和朋友们的问题：比如，如何用爱发电？
• 两位主播最近的新动向
• 我们在一线对创业投资市场的观察
• 当然，还有避不开的AI：AI如何改变 SaaS，变与不变，现在与未来？
• 推荐我们平时听得最多的国内外播客
• 最后！还有Monica 给大家录制的一个小彩蛋~

这里有个小插曲，本来我们还想很有仪式感地录 OnBoard! 第一期视频，但是无奈一时兴起，连设备都没有准备好，用来录制的手机居然录到一半内存满了…后续咱们还是剪辑一些花絮，供大家消遣吧！

同时，也要感谢看到我们朋友圈的自嘲之后，主动提出赞助设备的听众！爱你们！

希望这次聊天，能让我们彼此走得更近一些~Enjoy!

关于主播

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

GN：前SaaS及科技投资人，Global SaaS社区Linkloud发起人，公众号我思锅我在 (ID: thinkxcloud) 主理人。| 即刻：High 宁

PS 我们简陋的、一时兴起的录制现场：

04:41 两位主播先分享近况以及最近印象深刻的一件事（果然是AI！）

14:20 答听众问之：当初为什么做播客？

18:24 答听众问之：做一期播客的过程以及需要多长时间？

20:53 答听众问之：做播客对我们的工作和生活有什么帮助？

27:12 回过头看，OnBoard!的定位是什么，“PMF”在哪里？

35:20 回顾前面30期，令主播印象最深刻的是哪几期节目？

44:40 为什么录制过程中最特别的环节是“提纲准备”？

47:41 做播客后对我们职业或生活有没有带来改变甚至“惊喜”？

55:51 两位主播常听的播客清单大公开！还有两个“fun fact”！

73:37 做了很多期AI节目，主播自己在用什么AI工具“改善”生活？

80:18 接着再分享几个创业公司“活用”AI工具的案例。

85:12 主播自己比较期待或关注的AI公司有哪些？

96:13 关于AI里的新机会和未来到底在哪里？

103:42 这一波火热的AI投资里是否真的会诞生下一个“Facebook”或“谷歌”？

108:53 为什么我们需要关注AI或AGI的社会影响？

111:30 最后，两位主播展望对后面播客内容的规划和一点小小的“呼吁”！

120:16 别忘了，还有Monica准备的彩蛋，Enjoy！

提到的AI公司或产品

• Snpid
• Character.ai
• Stabiliby.ai
• Perplexity.ai
• POE
• Notion AI
• Rewind
• Jasper.ai
• Midjourney
• Zapier

• 《纳瓦尔宝典》：纳瓦尔宝典
• The Tim Ferriss Show：tim.blog
• Invest Like the Best：podcasts.apple.com
• All-In with Chamath, Jason, Sacks & Friedberg：podcasts.apple.com
• Talk RL：TalkRL: The Reinforcement Learning Podcast
• The Robert Brains：The Robot Brains Podcast with Pieter Abbeel
• Eye on AI：www.eye-on.ai
• Lex Fridman：lexfridman.com
• SaaStr：www.saastr.com
• In Depth：review.firstround.com
• Acquired：www.acquired.fm
• Software Engineering Daily：softwareengineeringdaily.com
• Data Engineering Show：www.dataengineeringshow.com
• Open Source Underdogs：opensourceunderdogs.com
• No Priors：podcasts.apple.com

• Stable Diffusion
• Google Bard
• PaLM（Pathways Language Model）
• Foundation model：基础模型
• Setback：挫折
• Market specialist： 市场专员
• Copywriter：文案作者
• Algorithm：算法
• UBI：Univerasl Basic Income，全民基本收入
• Social post：发布在社交网络上的帖子
• AGI： Artificial General Intelligence，通用人工智能
• Packaging：产品功能组合包装
• Retention：留存
• Pricing：定价
• Enterprise readiness：达到企业级可用标准/状态
• Version control：版本控制

别忘了！同步关注两位 Host 的微信公众号，看更多干货内容：

M小姐研习录 (ID: MissMStudy) by Monica

我思锅我在 (ID: thinkxcloud) by GN

大家的点赞、评论、转发是对我们最好的鼓励！希望你分享给对这个话题感兴趣的朋友哦~

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。感恩！

好久没有上新了，大家有没有想念我们呀！最近AI 的进展实在是太惊人。但是新闻看多了，自然需要有一些来自一线经验深入思考，才能窥见更接近真实的图景。这一期也是Onboard! AI 系列的第三期，接下来还准备了好几期星光熠熠的 AI 专题，请大家关注Onboard！, 不要错过哦！

Hello World, who is onboard?

这一期，我们将眼界放宽到大语言模型（LLM, Large Language Model）本身能力之外，看看 LLM 周边生态系统，包括硬件和软件工具链，如何随着基础模型的发展，迅速迭代，又相辅相成。嘉宾们来自生成式AI的上下游核心玩家，包括Nvidia, Google Cloud 的生成式AI平台 Vertex AI, 全球最火的AI模型库和社区平台 Huggingface, AI infra 初创公司，聊一聊从他们的视角看到的AI发展的机会，挑战与未来。

这一期近2小时的讨论非常硬核，从芯片架构、GPU集群管理，到开发工具，甚至还聊到AI的社会影响，有好几个即兴的精彩话题。术语和英文不少，还请多包涵，在show notes 中尽量为大家做好笔记。

话不多说， enjoy!

嘉宾介绍

Jiajia Chen: Senior Product Manager @Nvidia Omniverse, AI infra, Autonomous vehicle data platform; ex-Cisco

Han Zhao: Staff software engineer @Google Cloud Vertex AI

Tiezhen Wang: Software engineer @Huggingface, ex-Google Tensorflow

Ce Gao: Co-founder & CEO @TensorChord, ex-Tencent, Co-chair @Kubeflow

关于主播

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

02:12 嘉宾自我介绍, fun fact: 最近看到的有意思的AI产品

06:53 Tiezhen 推荐的自然语言编程工具 Cursor, 嘉宾们激辩编程的未来

13:28 深度碰撞：未来还需要编程吗？

23:47 Nvidia GTC 2023 上有什么值得关注的新产品？芯片技术的下一代创新在哪里

29:38 各个大厂新出的芯片针对LLM做了哪些优化？

36:35 管理训练LLM 的大规模GPU集群有哪些挑战？

47:04 以后我们需要专用的推理芯片吗？

52:17 开源界有哪些降低LLM训练和部署成本的尝试？LLM 成本下降边界在哪里？

59:08 LLM 商业生态的未来：开源 vs 闭源？每个企业都需要自己的LLM吗？

68:50 LLM的发展对于传统的MLOps 工具链各个环节有什么影响？

78:11 LLM 会带来哪些监管和社会影响？

90:37 基础模型越来越强大，上层应用和工具如何创造价值？

100:34 对未来AI发展的期待

我们提到了什么

• ChatGPT
• GitHub Copilot: Your AI pair programmer 
• Cursor: an editor made for programming with AI
• Tabby: AI Coding Assistant
• AutoGPT: An experimental open-source attempt to make GPT-4 fully autonomous.
• HuggingGPT: Solving AI Tasks with ChatGPT and its Friends in HuggingFace
• NVIDIA cuLitho - Accelerate Computational Lithography
• NVIDIA H100 GPU
• NVIDIA NeMo Framework
• NVIDIA Grace CPU Superchip
• NVIDIA NVlink: high-speed GPU interconnect
• Weights & Biases – Developer tools for ML
• Vicuna: An Open-Source Chatbot Impressing GPT-4 with 90%* ChatGPT Quality
• Alpaca: A Strong, Replicable Instruction-Following Model

重要名词（感谢 ChatGPT 帮忙！）

• Large Language Model:大语言模型,指用海量文本训练的语言模型,如GPT-3等。
• Foundation Model:基础模型,指一个预训练模型,可以用作下游任务的起点,进行微调和迁移学习。
• GPU cluster:GPU集群,多个GPU服务器联网,用来提供高性能的并行计算能力。
• Distributed computing: 分布式计算,在多台计算机上协同完成计算任务。
• Confidential computing :保密计算,指在不可见和不可获取的方式下处理和分析数据的技术。
• Computational lithography: 计算光刻,使用计算方法来精确控制光刻过程,以产生更小更复杂的集成电路。
• Electromagnetic Physics:电磁物理学,研究电磁场及其与物质的相互作用。
• Photochemistry:光化学,研究光与化学物质相互作用的学科。
• Computational geometry:计算几何,研究使用计算机算法解决几何问题的学科。
• Topology:拓扑学,研究空间中两个形状或物体之间连续变形的性质。
• Stream multiprocessor:流多处理器,GPU中的一种执行单元,包含多个流处理器核心。
• Inference:推理,指使用训练好的模型对新数据进行预测和分析的过程。
• Model Serving:模型服务,指提供推理API服务,使训练好的模型可以被应用系统调用。
• Tensorcore:张量核,NVIDIA GPU中专用于加速机器学习运算的功能单元,如矩阵乘法等。
• Vector database:向量数据库,存储和查询高维向量数据的数据库。

参考文章

• 万字长文，探讨关于ChatGPT的五个最核心问题
• OpenAI 联合创始人、首席科学家 Ilya Sutskever 解读大语言模型的底层逻辑与未来边界
• NVIDIA GTC 2023 Keynote Product Announcements
• Nvidia launches new services for training large language models | TechCrunch
• Large Language Models Get Smarter With Enterprise Data | NVIDIA Blog
• Jina AI 创始人肖涵博士：揭秘 Auto-GPT 喧嚣背后的残酷真相

欢迎关注M小姐的微信公众号，了解更多中美软件和AI的干货内容！

M小姐研习录 (ID: MissMStudy)

大家的点赞、评论、转发是对我们最好的鼓励！如果你有希望我们聊的话题，希望我们邀请的访谈嘉宾，都欢迎在留言中告诉我们哦~

过去两年全球SaaS市场在疫情期间引来了一波高潮，其中最受益的除了远程办公和效率工具外，就是Shopify为首的中小电商生态了，而说起电商SaaS及相关服务商，就不得不提在这三年来经历了高速发展超级独角兽，电子邮件营销（Email Direct Marketing，即EDM）的龙头，Klaviyo。

Hello world, who is OnBoard!?

Klaviyo于2012年由Andrew Bialecki和Ed Hallen联合创立，总部在美国波士顿。去年8月公司宣布获得Shopify的1亿美金追加投资，估值高达95亿美金，是现在电商SaaS领域全球估值最高的公司之一。在看似如此红海的Martech领域还能有如此卓越的表现，到底有什么秘诀，以及电商生态还将走向哪里？想必大家都非常希望了解这家超级独角兽公司的成长史和背后的趣事。

本期的两位嘉宾，分别是Klaviyo的早期成员，第十位工程师Seed，以及现任新产品团队（New Product）的核心成员Hansen。还有一位cohost，知名公众号“随机小分队”的主理人JK。

Seed和Hansen在Klaviyo都扮演过和正承担非常重要的角色，也给我们提供了精彩的内部视角和独特的行业观察。同时，他们两位也在美国做了一档非常有趣的针对创业者和早期公司高管的访谈播客，叫Superposition，最近改名为Venture Vibes。JK最近也在公众号上发表了一篇研究Klaviyo增长的深度长文，这次谈话正好是这家公司的番外篇。链接都在下方注释中，欢迎大家关注！

两位嘉宾在北美工作与生活多年，夹杂英文在所难免，也请大家体谅。Enjoy！

关于主播

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

GN：前SaaS及科技投资人，Global SaaS社区Linkloud发起人，公众号我思锅我在 (ID: thinkxcloud) 主理人。| 即刻：High 宁

我们都聊了什么？

02:15 两位嘉宾和Co-host的自我介绍，在美国的工作经历以及加入Klaviyo的过程。

11:55 Klaviyo的业务介绍以及在全球电商SaaS领域的地位。

15:28 通过三个角度解析，Klaviyo从成立到现在经历了哪几个重要阶段？

18:20 为什么公司早期发展比较“佛系”却一直被需求推着走？

22:23 早年加入Klaviyo，与创始人共事是一种什么体验？

24:49 为什么从第一天起创始人认为Klaviyo是一个“数据库”而不是营销技术公司？

27:28 选择邮件营销作为第一款产品，公司如何在红海市场里凸显自己的价值？

33:03 Klaviyo的邮件营销产品为什么能保持竞争力，难点到底在哪里？

34:41 回过头来看，早期阶段有没有印象深刻的一件事情或挑战？

38:26 第一款“爆品”后，什么时候开始推出第二款产品，经历了哪些重要阶段？

43:03 现在产品团队是如何分工的，“新产品”团队在探索什么方向？

48:40 疫情之前，什么“意外”事件成为了业务爆发的神奇推手？

52:14 回顾疫情，到底对电商市场及公司带来了怎样的变化和影响？

58:46 大量客户涌入后，客户画像发生了什么变化以及获得了哪些“教训”？

64:53 疫情期间公司组织架构做了哪些调整以适应团队的高速扩张？

67:22 扩张过程中公司和团队文化发生了哪些变化？

70:52 随着跟Shopify的关系升温，双方还会有怎样的合作？

73:54 如何看待跟Shopify这种紧密关系中的利与弊？

77:35 再回头看，Klaviyo能够在行业里“逆袭”的核心原因是什么？

80:26 近年来数据隐私保护对电商生态有什么影响，是否有新机会？

87:10 如何看待Generative AI（生成式AI），特别在电商场景的落地？

95:08 最后，两位嘉宾讲述自己做播客“Superposition/Venture Vibes”背后的初衷。

99:28 快问快答！Seed和Hansen力荐的播客节目，以及今年的小愿望。

推荐内容

• 两位嘉宾的Profile：https://linktr.ee/venturevibes
• Klaviyo官网：www.klaviyo.com
• 随机小分队：Klaviyo到底是不是Email公司？红海赛道白手起家的95亿美金增长复盘
• Venture Vibes/Superposition播客：Fail fast, win faster | (VP / Head of Shopify @ Klaviyo, Co-Founder @ Privy)
• 推荐的播客：All-In with Chamath, Jason, Sacks & Friedberg - Spotify

重点词汇或公司

• EDM：Email Direct Marketing，电子邮件营销
• Marketing automation：营销自动化
• Product market fit：产品市场匹配
• Standardized：标准化
• Reinvest：再投资或投入
• “Without actually putting too much money into marketing”：实际上没有花太多钱在营销活动中
• Distribute system：分布式系统
• Engineering and product first：工程与产品先行
• Bias：偏见
• Personalization engine：个性化引擎
• “That's not a hard part at least... that's the vision from the beginning”：那至少不是难点，那是最开始的愿景
• CDP： Customer Data Platform，客户数据平台
• Mailchimp：全球EDM领域最大的SaaS公司，2021年被上市公司Intuit以120亿美金收购
• Real-time：实时
• Value proposition：价值定位
• Dashboard：看板
• Migration：（数据）迁移
• Boost：推动
• Status quo：惯例，现状
• New normal：新常态
• Enterprise：企业级客户
• Self-serve：自助
• Onboarding：入职
• Remote-first：远程协作优先
• Burn out：精力消耗
• Email provider for Shopify：Shopify官方认可的电子邮件提供商
• Integration：集成
• Customize：自定义
• Product vision：产品愿景
• WooCommerce, BigCommerce：跟Shopify类似提供电商建站功能的平台
• “You know why is there no real tech company in the east, we have the best talents have the best schools right”：我们东岸有最好的人才和高效，为什么没有真正的科技公司？
• Angel investing：天使投资
• Pivot：转型，调整方向
• App tracking transparency：应用跟踪透明（要求）
• Power management：能源管理
• Nonlinear growth：非线性成长
• “doesn't really care about what other people think”：不在意其他人怎么想
• “becoming rich doesn't really change who you are, just amplifies it”：变富有不改变你是谁，只会放大你（的形象）

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

大家的点赞、评论、转发是对我们最好的鼓励！希望你分享给对这个话题感兴趣的朋友哦~

如果你有希望我们聊的话题，希望我们邀请的访谈嘉宾，都欢迎在留言中告诉我们！

今天是个值得纪念的日子，不止因为是女神节，也是因为：一年前的今天，Onboard! 正式发布第一期播客！这一期，我们采访一位非典型的创始人：小鹅通的创始人 CEO，鲍春健，人称老鲍。你也许不知道小鹅通，但是你只要线上听课或者看各种活动直播，大概率都是小鹅通的技术支持。你或许很难想象，一家软件公司，在2022年双十一的期间，通过直播就实现了千万元的销售额，是不是跟你所想的软件公司很不一样？

Hello World, who is Onboard!?

深圳小鹅网络技术有限公司（小鹅通）是一家以知识产品与用户服务为核心的技术服务商，2016年创始至今已服务超过160万家客户，包括了大家耳熟能详的吴晓波频道、十点读书、华夏基金、西贝、腾讯学堂等各行业一线知名品牌。覆盖的终端用户更是超过8亿，最高同时在线超过1000万人！融资方面，小鹅通也在2021年底拿下腾讯的数亿元C轮融资后，2022年拿下1.2亿美元D轮融资，总融资额超过10亿元。

这期播客更像一次既感性也有理性，好玩且松弛的茶话会，老鲍把自己的产品哲学，小鹅通三次抓住“风口”的背后故事以及对私域的未来畅想都娓娓道来。与我们平时熟悉的创业故事和创业者很不一样，老鲍一直强调“慢即是快”，整个谈话过程中也是“形散神不散”。看似偶然的一个个决策背后，似乎又有着某种专注和坚持的必然。

欢迎大家跟我们一起走进这次非常享受的对话，Enjoy!

关于主播

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

GN：前SaaS及科技投资人，Global SaaS社区Linkloud发起人，公众号我思锅我在 (ID: thinkxcloud) 主理人。| 即刻：High 宁

我们都聊了什么

02:48  鲍总的自我介绍，以及创业小鹅通的曲折探索过程。

10:49  直到遇到吴晓波老师，创业方向逐渐清晰。

24:31  第一批用户画像是什么？如何收费的？

27:53 小鹅通0到1的过程中，还有哪几个里程碑事件？

39:06 产品是怎么从知识付费行业破圈的？

43:53 公司早年没有销售的原因，以及为什么最先建立的是客服团队。

49:34 鲍总自己是如何“用小鹅通的方式做小鹅通”的？

68:31 鲍总对SaaS和服务的独特理解，如何“用客户去服务客户”？

74:48  现在团队是如何做客户需求的优先级选择？

85:30 团队又是如何去满足来自C端使用用户的需求？

88:23 为什么把“自己成为客户”放在“走进客户”阶段的后面？

90:57 产品功能越来越复杂的时候，团队是如何做减法的？

101:10  回看被”推着走“的过程，主要做对了哪些事情？

103:58  服务大客户的时候遇到过什么挑战吗？如何塑造全员的“产品观”？

111:19 在产品快速发展的过程中，公司组织架构上有哪些重要的调整和挑战？

118:02  公司如何思考微信生态和多平台策略？

122:51  为什么小鹅通跟其他直播平台不是竞争关系，以及“小鹅通”名字的起源。

128:40 直播的未来在哪里？用户场景还在发生什么变化？

136:40 小鹅通往后希望如何继续引领客户需求？

143:13 作为CEO今年的工作重心在哪里，是否受到市场环境变化的影响？

145:41 最后，在鲍总心里小鹅通未来会成为一家怎样的公司？

147:59  快问快答！老鲍对CEO做直播的建议，以及如何从打太极中体会“慢即是快”。

重点词汇：

• LBS：Location Based Service，围绕地理位置数据而展开的服务。
• Inbound/outboud：企业获取商机的两种方式，inbound为客户主动搜索企业而变为商机，outbound为企业销售主动联系客户。

嘉宾推荐的内容（混沌学园是小程序商城，没有链接）

• 混沌学园：李善友教授的《“一”思维课程》。
• 混沌学园：王东岳的《东岳先生学习坊》。

参考文章

• 小鹅通官网：xiaoe-tech.com
• 鲍春健：小鹅通如何用产品和服务实现内外连接
• D轮融资1.2亿美元，小鹅通究竟在做什么？
• 揭秘小鹅通背后的成长故事
• 深耕知识服务行业，拆解小鹅通的成功内幕

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

大家的点赞、评论、转发是对我们最好的鼓励！希望你分享给对这个话题感兴趣的朋友哦~

如果你有希望我们聊的话题，希望我们邀请的访谈嘉宾，都欢迎在留言中告诉我们哦！

这一期可谓众望所归，Monica 硬核对话 PingCAP 联合创始人CTO 黄东旭，全程高能！大年初四，我们在广西老家的一个露营地，吹着15度的暖风，聊了两个小时的数据库、中美开发者市场和技术产品哲学，好不惬意。

Hello World, who is OnBoard?!

如果你对开源有所关注，一定知道开源分布式数据库 TiDB 及其背后的公司 PingCAP。PingCAP 可以说是中国商业化开源公司的先驱。2015年成立至今，TiDB 从零开始，在Github 上超过3万star, 超过800位来自世界各地的贡献者，除了包括众多一线互联网大厂在内的开源用户，PingCAP 还服务了20多个国家3000多个客户。

作为联合创始人和 CTO 的黄东旭，不仅是资深的基础软件工程师，架构师，还是狂热的开源爱好者以及开源软件作者，内存数据库 Redis 的高性能集群架构解决方案 Codis 就是他的作品之一 。

此外，PingCAP 也可谓是中国基础软件公司走向世界的先行者。过去一年多的时间，东旭几乎全身心铺在硅谷，对于中美市场异同、什么是给开发者用的数据库，什么是未来的开发范式，当然还有开脑洞的讨论：现代AI发展会对数据领域有什么影响？这次掏心窝的分享，一定能给你非常多启发！

最后需要一提的是，生活中的东旭还是一名摇滚乐手。本期最后的彩蛋，你会听到他展示最新学习的乐器！

干货满满，精彩不断，准备上车，Enjoy!

关于主播

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

【感谢 AroundDeal 赞助本期播客！】

随着越来越多 IT SaaS、智能制造企业都开始开拓全球市场，精准获取海外B端客户线索就成了首要问题。AroundDeal 为企业提供全球商业信息SaaS平台。他们的平台上1亿多条联系人、企业及商业情报信息，覆盖全球200多个国家地区，3000多种细分行业，并且持续更新。绝对是企业出海的必备神器！

OnBoard! 听众还有福利！访问 AroundDeal.com，在 Contact Us 中备注 Onboard, 即可领取七天免费试用！还不赶紧去试试，立即找到你的下一个海外理想客户！

👉https://www.arounddeal.com/contact-sales

我们都聊了什么

02:30 开场：PingCAP 介绍，发展历程的几个重要节点

07:00 OLAP, OLTP 科普：场景和开发难点有什么不同

12:12 “未来的数据库都会是 HTAP 数据库”？！为什么说 HTAP 的核心能力是在TP能力

21:35 分久必合，数据库长尾需求会越来越收敛吗

24:03 Why now: 为什么 HTAP 概念在最近几年开始被广泛接受？

27:19 为什么 HTAP 概念在 infra 成熟的美国，流行得反而更晚？

29:55 主流的 HTAP 架构是怎样的？用户应该如何选型？

34:26 各个大厂都在跟进 HTAP 产品，对于早期公司意味着什么？

37:11 如何理解“万物皆可 SQL”？ 对于数据库厂商意味着什么？

41:17 什么是“数据库的第一性原理”？

46:25 Vercel 如何做好开发者体验？为什么说要做好 infra, 你应该关注的反而不是 infra?

53:23 对于新创的数据库公司，没有 Serverless 就上不了牌桌？

59:45 serverless 开脑洞的未来！解决数据孤岛的终极方案

64:38 好的数据库 vs 好的数据库产品

66:12 为什么说新的数据库公司，需要新的研发组织？ PingCAP 发生了哪些组织挑战与变革？

71:18 数据库用户的组织架构在发生哪些变化？

74:43 开源社区在组织不同阶段的作用有什么不一样？为什么说期待开源到商业转化不能太乐观？

80:27 在美国有哪些新出现的 infra 公司和新的技术趋势？

84:46 开拓北美市场，要从科技行业客户破圈，有哪些挑战？对搭建团队有哪些挑战？

92:21 美国之外的海外市场：东南亚有惊喜，顺序打法有讲究

98:01 中国与海外市场的异同，为什么创业公司也要先啃硬骨头

100:11 创业8年回顾：有哪些经验和心得？

104:11 未来令人兴奋的机会

108:40 不得不了的：chatGPT, 生成式 AI 的脑洞

111:58 快问快答：有彩蛋！

我们提到的公司 & 重点名词

• Snowflake
• SingleStore
• Neon
• Vercel
• Supabase
• Snowflake Unistore
• Google Spanner
• ZeroETL
• Reverse ETL
• OLAP
• OLTP
• Serverless

嘉宾的推荐

• OSS Insight Data Explorer : 基于 TiDB 和 GPT 的 Github 数据检索工具
• 推荐的书：禅与摩托车维修艺术（Zen and the Art of Motorcycle Maintenance, by Robert M.Pirsig）
• 推荐的书：Unix 编程艺术, by Eric S·Raymond
• Rob Pike, Go 语言之父
• Werner Vogels, Amazon CTO
• Bansuri，印度乐器
• 喜欢的音乐人：Sonic Youth

参考文章

• “脱离应用开发者的数据库，不会成功”，黄东旭万字长文剖析数据库发展新趋势
• 黄东旭：开发者的“技术无感化”时代，从 Serverless HTAP 数据库开始 | PingCAP DevCon 2022
• 黄东旭： 关于基础软件产品价值的思考
• AWS S3 Manifesto
• F1 Lightning: HTAP as a Service, Google Research

欢迎关注M小姐的微信公众号，了解更多中美软件行业的干货内容！

M小姐研习录 (ID: MissMStudy)

大家的点赞、评论、转发是对我们最好的鼓励！

如果你有希望我们聊的话题，希望我们邀请的访谈嘉宾，都欢迎在留言中告诉我们 ❤️

自从OpenAI 发布的chatGPT掀起席卷世界的AI热潮，不到3个月就积累了超过1亿月活用户，超过1300万日活用户，展现了AI让人惊叹的能力，让人感叹，下一个科技革命终于要到来。于是，这次硬核讨论就来了！

Hello World, who is Onboard!?

这次的嘉宾都是绝对的一线。有 Google Brain 的研究员，Xuezhi, 她是 Google 大语言模型 PaLM (Pathways language model) 的作者之一。还有来自 Stability AI 的技术产品经理，和来自某硅谷科技大厂的AI产品经理，曾任前吴恩达教授的Landing AI 机器学习产品负责人。还邀请到了一位一直关注AI的投资人朋友，Bill，作为主持嘉宾。

这次没有做太多chatGPT 天马行空的畅想，而是针对LLM和生成式AI，相当务实的讨论。技术角度，现在的技术可能的天花板和大变量会在哪儿？产品角度，AI和大模型产品化落地的难点？商业角度，整个生态可能随着大模型出现有什么演变？最后，还有投资人视角的回顾、总结和畅想。

这里还有一个小update, 在本集发布的时候，Google 也对爆发增长的ChatGPT 做出了回应，正在测试一个基于LaMDA 模型的聊天机器人 Apprentice Bard。正式发布后会有什么惊喜，我们拭目以待。

AI无疑是未来几年最令人兴奋的变量之一。我们未来会邀请到更多一线从业者，从不同角度讨论技术演进、商业的可能，甚至未来对于我们每个人和社会意味着什么。不论你是做创业、研究、产品还是投资，或许都能为你提供一些思考。

这次的讨论有些技术硬核，需要各位对生成式AI、大模型都有一些基础了解。讨论中涉及到的论文和重要概念，也总结在 show notes 中，供大家复习参考。其中几位嘉宾在北美工作生活多年，夹杂英文在所难免，也请大家体谅。

欢迎来到未来，Enjoy!

嘉宾介绍

Xuezhi Wang, Google Brain 研究员，Google 语言大模型 PaLM 作者之一。

Yizhou Zheng, Stability AI 产品和工程经理

Yiwen Li, 某硅谷科技大厂机器学习产品经理，前 Landing AI 产品负责人，天使投资人

我们都聊了什么

02:52 嘉宾自我介绍，fun fact: 你们感兴趣的一个生成式AI项目

大语言模型（LLM）的硬核讨论

12:07 Google PaML 是什么？跟GPT3有什么区别？

15:47 GPT3比起GPT2 的巨大提升是怎么实现的？In-context learning 的机制是什么？

24:02 大模型不断增加参数的过程有什么挑战？还有什么影响模型效果的重要因素？

27:35 模型参数已经到瓶颈了吗？增加模型参数对落地应用有什么影响？

31:13 高质量的训练数据规模会成为模型扩展的瓶颈吗？

37:24 大模型基础上，具体场景的模型训练对数据要求有什么变化？

Stability AI 和开源商业模式

42:59 什么是Stable Diffusion? 跟其他图片生成模型的区别是什么？

55:27 Stability AI 开源商业模式是什么？

59:40 大模型背景下的AI商业模式会有什么变化？

01:08:26 训练成本会如何影响AI产品和基于开源的商业模式？

01:13:13 底层模型提供商会形成类似iOS，安卓这样的生态吗？AI PaaS 生态会如何演变？

实现下一步的可能挑战

01:22:12 What's next: 现在的LLM还有什么瓶颈？基于现有模型的天花板是什么？

01:31:27 大语言模型如何提升能力：多语言的挑战，多模态数据的作用

01:36:32 图片生成模型目前的瓶颈和未来提升的方向

01:39:18 多模态为什么对于模型提升很重要

01:42:37 多模态的难点是什么？

大模型的落地和产品化

01:44:46 What's next: 基于大模型需要不一样的AI开发工具链吗？基础模型提供商会不会提供配套工具？

01:58:48 产品经理如何思考AI的应用场景？

02:03:25 Closing: 嘉宾未来关注的AI发展领域

Monica & Bill 投资人讨论

02:07:05 今天讨论印象深刻的点

02:09:39 这次AI浪潮跟上一波有什么不同？投资人如何评估生成式AI创业公司？

02:14:44 现在是好的投资时点吗？

02:17:03 随着训练成本降低，做模型的企业护城河是什么？

02:20:00 如何看待中国的生成式AI创业机会？

02:25:36 未来让我们兴奋的AI创业机会还有哪些？

参考文章

欢迎关注M小姐的微信公众号，了解更多中美企业服务的干货内容！

M小姐研习录 (ID: MissMStudy)

大家的点赞、评论、转发是对我们最好的鼓励！希望你分享给对这个话题感兴趣的朋友哦~如果你有希望我们聊的话题，希望我们邀请的访谈嘉宾，都欢迎在留言中告诉我们。

自从OpenAI 发布的chatGPT掀起席卷世界的AI热潮，不到3个月就积累了超过1亿月活用户，超过1300万日活用户，展现了AI让人惊叹的能力，让人感叹，下一个科技革命终于要到来。于是，这次硬核讨论就来了！

Hello World, who is Onboard!?

这次的嘉宾都是绝对的一线。有 Google Brain 的研究员，Xuezhi, 她是 Google 大语言模型 PaLM (Pathways language model) 的作者之一。还有来自 Stability AI 的技术产品经理，和来自某硅谷科技大厂的AI产品经理，曾任前吴恩达教授的Landing AI 机器学习产品负责人。还邀请到了一位一直关注AI的投资人朋友，Bill，作为主持嘉宾。

我们主要讨论几个话题：从研究的视角，最前沿的研究者在关注什么？现在的技术可能的天花板和大变量会在哪儿？从产品和商业的角度，什么是一个好的AI产品？整个生态可能随着大模型出现有什么演变？最后，Monica 和Bill 还会从投资人的视角，做一个回顾、总结和畅想。

这里还有一个小update, 在本集发布的时候，Google 也对爆发增长的ChatGPT 做出了回应，正在测试一个基于LaMDA 模型的聊天机器人 Apprentice Bard。正式发布后会有什么惊喜，我们拭目以待。

AI无疑是未来几年最令人兴奋的变量之一。我们未来会邀请到更多一线从业者，从不同角度讨论技术演进、商业的可能，甚至未来对于我们每个人和社会意味着什么。不论你是做创业、研究、产品还是投资，或许都能为你提供一些思考。

这次的讨论有些技术硬核，需要各位对生成式AI、大模型都有一些基础了解。讨论中涉及到的论文和重要概念，也总结在 show notes 中，供大家复习参考。其中几位嘉宾在北美工作生活多年，夹杂英文在所难免，也请大家体谅。

欢迎来到未来，Enjoy!

嘉宾介绍

Xuezhi Wang, Google Brain 研究员，Google 语言大模型 PaLM 作者之一。

Yizhou Zheng, Stability AI 产品和工程经理

Yiwen Li, 某硅谷科技大厂机器学习产品经理，前 Landing AI 产品负责人，天使投资人

关于主播

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

02:52 嘉宾自我介绍，fun fact: 你们感兴趣的一个生成式AI项目

大语言模型（LLM）的硬核讨论

12:07 Google PaLM 是什么？跟GPT3有什么区别？

15:47 GPT3比起GPT2 的巨大提升是怎么实现的？In-context learning 的机制是什么？

24:02 大模型不断增加参数的过程有什么挑战？还有什么影响模型效果的重要因素？

27:35 模型参数已经到瓶颈了吗？增加模型参数对落地应用有什么影响？

31:13 高质量的训练数据规模会成为模型扩展的瓶颈吗？

37:24 大模型基础上，具体场景的模型训练对数据要求有什么变化？

Stability AI 和开源商业模式

42:59 什么是Stable Diffusion? 跟其他图片生成模型的区别是什么？

55:27 Stability AI 开源商业模式是什么？

59:40 大模型背景下的AI商业模式会有什么变化？

01:08:26 训练成本会如何影响AI产品和基于开源的商业模式？

01:13:13 底层模型提供商会形成类似iOS，安卓这样的生态吗？AI PaaS 生态会如何演变？

实现下一步的可能挑战

01:22:12 What's next: 现在的LLM还有什么瓶颈？基于现有模型的天花板是什么？

01:31:27 大语言模型如何提升能力：多语言的挑战，多模态数据的作用

01:36:32 图片生成模型目前的瓶颈和未来提升的方向

01:39:18 多模态为什么对于模型提升很重要

01:42:37 多模态的难点是什么？

大模型的落地和产品化

01:44:46 What's next: 基于大模型需要不一样的AI开发工具链吗？基础模型提供商会不会提供配套工具？

01:58:48 产品经理如何思考AI的应用场景？

02:03:25 Closing: 嘉宾未来关注的AI发展领域

Monica & Bill 投资人讨论

02:07:05 今天讨论印象深刻的点

02:09:39 这次AI浪潮跟上一波有什么不同？投资人如何评估生成式AI创业公司？

02:14:44 现在是好的投资时点吗？

02:17:03 随着训练成本降低，做模型的企业护城河是什么？

02:20:00 如何看待中国的生成式AI创业机会？

02:25:36 未来让我们兴奋的AI创业机会还有哪些？

提到的公司/项目

• OpenAI
• GPT3
• ChatGPT
• Stability AI
• Stable diffusion
• DALL-E
• Imagen
• Majesty diffusion
• Landing AI
• Midjourney
• Huggingface
• DeepMind
• Apprentice Bard

重要名词

• Large Language Model (LLM)
• Transformer
• Parameter
• Decoder
• PaLM (Pathways Language Model)
• Reasoning
• GAN (generative adversarial network)
• Chain of Thoughts
• Self-consistency
• Fewer shot learning
• CLIP guided diffusion
• Prompt engineering
• PRFAQ

参考文章

• Introducing Pathways: A next-generation AI architecture
• More Efficient In-Context Learning with GLaM
• LaMDA: our breakthrough conversation technology by Google
• Training Compute-Optimal Large Language Models
• Flamingo: a Visual Language Model for Few-Shot Learning
• Language Models Perform Reasoning via Chain of Thought
• Stable Diffusion with Core ML on Apple Silicon
• Deepmind Sparrow: Improving alignment of dialogue agents via targeted human judgements

欢迎关注M小姐的微信公众号，了解更多中美企业服务的干货内容！

M小姐研习录 (ID: MissMStudy)

大家的点赞、评论、转发是对我们最好的鼓励！希望你分享给对这个话题感兴趣的朋友哦~如果你有希望我们聊的话题，希望我们邀请的访谈嘉宾，都欢迎在留言中告诉我们。

免责：节目中的观点都是嘉宾和主持人个人观点，不代表所在机构观点，亦不构成任何投资建议。