OnBoard!

OnBoard!

By Monica XieTechnology
Download on the App Store

OnBoard! episodes

  • EP 69. 【直播回放】对话硅谷AI应用增长顾问陈唱:实操HeyGen, Gamma, Otter.ai 百万用户增长复盘

    OnBoard! 今年第一场直播回放来啦!我们跨洋连线硅谷资深增长顾问陈畅,2个多小时的访谈,探讨了关于AI应用出海增长的各种干货,直播间饱爆满好评如潮,我们经过整理放出精修音频,绝对值得你反复听几遍!

    Hello World, who is OnBoard!?

    今年真是AI应用爆发的大年!诞生不到26个月的ChatGPT 月活已超过8亿,OpenAI 和Anthropic ARR 分别超过100亿美金和50亿美金,Cursor, Lovable, Manus, Genspark 等 AI 应用的用户数和收入增长不断刷新纪录。

    越来越多的AI应用创业者涌入赛场,如何做增长,就成了最经常被谈论的话题。尤其是对于广大打造出海应用的中国创业者,更是希望听到来自硅谷最一线的经验。


    Chang 是增长顾问公司Hockey Stick Growth创始人。过去8年里,她服务过的很多客户不仅获得了顶尖VC投资,更是实现了扎实的用户和收入的跃升。这个名单,一定有不少你熟知的公司:HeyGen, Gamma, Otter.ai, 还有最近大火的语音模型公司 Cartesia, 成立不到2年,融资超过$90M, 上千万美金收入……


    在两个多小时的对话里,Chang非常坦诚地分享了他在硅谷一线观察到的AI产品增长变化,以及那些成功案例背后的真实策略。比如:

    • AI应用增长方式过去几年的变化
    • 从"AI化"到"去AI化"的品牌定位趋势背后发生了什么?
    • 面对越来越卷的增长渠道,AI产品如何找到突破口?
    • 那些"剑走偏锋"的增长策略到底值不值得尝试?
    • KOL和各种渠道营销的具体方法论
    • 为什么要考虑 product-channel-fit
    • ...

    如果你正在做AI产品,或者对AI应用的增长策略感兴趣,这期来自硅谷一线的实战分享,绝对不容错过!听过直播的同学,也值得反复复习~Enjoy!嘉宾介绍

    • Chang Chen(陈畅) – 硅谷增长顾问,Hockey Stick 增长顾问公司创始人;曾助力 HeyGen、Gamma、Otter.ai 等头部产品打造爆款增长闭环。
    • 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
    • OnBoard! 主持: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


    我们聊了什么

    • 02:59 Chang 自我介绍,最近看到的有意思的AI 产品和增长方式
    • 06:36 AI 应用增长方式的演变:从强调“AI”到回归“产品价值”的“去AI化”趋势。
    • 13:30 Go Viral 的底层逻辑:如何利用“猎奇、强大、共情”的用户心理策划病毒式传播?
    • 17:37 案例复盘:如何结合热点话题 (Elon Musk's Grok) 策划成功的营销活动?
    • 19:59 Product-Channel Fit:如何为产品的不同阶段和用户画像找到最合适的增长渠道?
    • 24:00 被低估的增长渠道:为什么 ToB 产品应该重视 LinkedIn?
    • 30:12 KOL 营销全攻略:如何识别、触达、并与高质量的 KOL 建立长期合作?
    • 41:49 从“爆款”到“体系”:当市场变卷,如何建立可持续的增长护城河?
    • 49:47 AI 产品如何收费?订阅制、Pay-as-you-go、混合模式的利弊分析。
    • 58:53 从 PLG 到 PLS/SLG:AI 公司如何抓住企业客户,何时应该拓展企业市场?
    • 01:10:59 Product-Market Fit 是一个动态过程,出海创业者如何更好地找到它?
    • 01:16:24 AI 如何赋能增长团队?从内容生成到渠道拓展的最佳实践和误区。
    • 01:20:20 LLM-Native 新渠道:如何在 ChatGPT 和 GPT Store 中获取流量?
    • 01:24:07 Product Hunt 打榜还值得做吗?效果、用户质量和平台公信力的变化。
    • 01:27:06 从0到1搭建增长团队:创始人何时应该招聘第一个全职增长负责人?
    • 01:32:28 推荐的增长信息渠道:Twitter, LinkedIn 和线下分享。
    • 01:33:00 未来展望:AI Agent 赛道有哪些“卖铲子”的机会?

    我们提到的公司和概念

    • HeyGen - AI视频生成领军企业
    • Gamma - AI PPT生成先驱,不到30人团队超过5000万美金ARR
    • Cartesia - 语音模型公司,成立不到两年融资超过9000万美金
    • Otter.ai - 会议转录和AI助手,超过1亿美金ARR
    • Cluely - "AI agent to cheat on everything"争议性定位
    • Eleven Labs - 语音合成领域头部公司
    • Apollo - 销售线索工具
    • Synthesia - AI 虚拟人生成工具
    • PLG (Product-Led Growth) - 产品驱动增长
    • SLG (Sales-Led Growth) - 销售驱动增长
    • ICP (Ideal Customer Profile) - 理想用户画像
    • PMF (Product Market Fit) - 产品市场契合度


    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!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!

    1 hr 36 min
  • EP 68. 对话AppLovin技术VP葛小川:2年市值增长25倍,千亿美金广告平台的传奇成长史

    薛定谔式更新的 OnBoard! 回来了!今天我们要聊一家在过去几年里创造了美股增长神话的千亿美金传奇公司——AppLovin。如果你关注美股和游戏广告市场,Applovin 的名字一定早就如雷贯耳了。

    Hello World, who is OnBoard!?

    AppLovin成立于2012年,2021年在纳斯达克时估值还不到300亿美金,之后一度下跌至不到30亿美金,而经过短短几年的转型,2023年至今市值已经飙升20多倍,成为跻身纳斯达克 100 指数(NASDAQ-100) 的美股顶流千亿美金公司。2024 年营收 47 亿美元,同比 +43%,净利率也高的吓人,EBITDA 高达 27亿美金。而 Applovin 总员工数不到1000人,实现了“人均创造400万美金EBITDA”的惊人效率。

    这一系列数字背后,是一个在硅谷都值得铭记的神奇故事:一家公司如何从游戏营销经纪公司,转型为游戏公司,又在大家以为广告行业被Google, meta 等巨头垄断没有新机会的时候,剥离所有游戏业务,成功转型为广告技术平台,并重塑行业生态。

    虽然业绩亮眼,但AppLovin在成长过程中也一直饱受争议。那么争议背后的真实情况是什么?他们所做的事情与我们理解的广告、AI应用到底有怎样的关系?每日触达超 14 亿活跃用户的广告引擎,究竟是怎样打造的?

    今天我们邀请到的嘉宾大概是最有发言权的人之一了。

    AppLovin 的技术副总裁葛小川(Giovanni Ge),在 Meta 参与了广告系统核心算法的他,在 AppLovin 转型的关键时刻加入,并发挥了非常核心的作用。这次长达两个多小时的访谈,也是 Applovin 在中文媒体中第一次深度访谈。小川畅谈了很多理解这个公司的关键问题:

    • 如何从物理学博士转型,并在关键时刻加入 AppLovin
    • AppLovin 两次转型的精彩历程
    • 如何在被低估的手游广告市场中打造了买卖闭环的新型平台
    • 这个 AI 第一股背后朴实又本质的算法逻辑和技术思考
    • 华尔街为何集体错判(并且似乎还没看清)
    • 电商如何成为下一个增长飞轮
    • ……

    嘉宾介绍

    • 葛小川 (Giovanni Ge),AppLovin (NASDAQ: APP) 技术副总裁 (VP of Engineering),曾在 Meta, Uber 担任高级机器学习工程师,SISSA 凝聚态材料物理学博士,中科大少年班。
    • 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

    友情小广告

    2024 年,AppLovin 在北京正式组建 Axon China 团队啦!这支团队致力于打造全球化的广告产品,同时,积极探索大语言模型的应用,以技术创新推动行业变革,重新定义广告的未来。如果你听完了这一期分享,对公司的职位感兴趣,可以在如下招聘渠道中申请,不要错过跟这么有意思的一群人打造未来的机会!

    • 招聘网址:(中国)app.mokahr.com;(北美)www.applovin.com

    我们还聊到AppLovin 为什么自认为是 "千亿美金的创业公司”,形成了no meeting,CTO亲手写代码和产品原型的独特文化。

    OnBoard! 之前聊了很多AI 技术的细节,这次难得的千亿美金公司成长故事,希望给你不一样的启发。Enjoy!

    (注:本文不构成任何投资建议!)


    我们都聊了什么

    00:03 开场介绍,AppLovin 为什么值得你关注03:34 Giovanni 自我介绍,从凝聚态物理 PhD 到 Uber、Meta,再到 AppLovin 的职业转型09:06 AppLovin 发展史:手游应用推广,自建发行,关键收购,广告平台转型14:24 转折点:广告收入反超游戏,2025 Q1 出售自研游戏资产19:57 AppLovin 的历史机遇与移动广告“三国杀”:Google / Meta vs 碎片化长尾流量22:26 AppLovin 新型平台如何改变定价方式和行业生态,为什么 Google, Meta 做不了30:04 广告推荐模型的演进历史,AppLovin 新模式 ROAS > CTR 背后数据飞轮 39:36 关键决策:“保护开发者长期利益”42:26 华尔街“迟到的认可”——连续 8 季 beat,却股价滞后,被低估的是什么48:32 为什么说 AppLovin 像也不像拼多多?50:35 利润率飙升逻辑56:22 电商广告如何为游戏生态注入“外部现金流”,新的挑战和机会是什么58:30 生成式 AI 机会:创意生成、特征提取与推荐模型01:00:38 如何理解 AppLovin 业务天花板?平台更迭和 LLM 可能带来哪些机遇01:16:34 人均400万美金超高人效背后的“千亿美金创业公司”文化01:23:00 全球招聘与北京研发中心:寻找“三段式”高成长人才01:26:30 AppLovin 人才招聘观,北京团队招人啦!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!

    1 hr 36 min
  • EP 65. 对话 Daloopa CTO Jeremy Huang:融资4千万美金,如何打造红遍华尔街的AI金融产品

    久违的 OnBoard! 全英文的访谈,这次的嘉宾 Jeremy Huang, 是美国AI创业公司 Daloopa 的联合创始人兼 CTO。Daloopa 是一家很低调但是很值得关注的公司。几位华裔创业者 2019 年成立的公司,他们的客户是企业服务软件公司都最想切入又最有难度的行业:金融服务业。

    今年5月,Daloopa 宣布了B轮融资$18M, 总融资额超过$40M。他们的AI 产品帮助华尔街的对冲基金、银行、PE等投资机构实现投资模型中的数据工作自动化,他们的客户覆盖了大部分大家耳熟能详的头部金融机构:Morgan Stanley, L/S hedge fund, Credit Suisse 等等。

    Hello World, who is OnBoard!?

    在两个多小时的对话里,Jeremy 真是非常坦诚地分享了很多从0-1的真实经历和非共识的观点,比如:

    • 为什么要 sell before you build?
    • 早期 startup idea 探索踩了那些坑?
    • 为什么 CTO 也要每天花 8 小时去跟客户打电话?
    • 如何平衡大客户定制化要求和标准化产品的设计?
    • 如何管理遍布全球的远程团队?
    • 面向准确度要求很高的金融领域 AI产品,LLM有哪些机会和挑战?
    • 如果你也是创业者,或者未来想要成为创业者,这期满满创业者一线视角的分享,可千万别错过!Enjoy!
      嘉宾介绍

      • Jeremy Huang, Co-founder & CTO @Daloopa, ex-Software engineer @Meta, Airbnb
      • 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

        01:30 Jeremy 的自我介绍,如何开始创业旅程,一开始如何尝试不同的创业方向

        07:22 Jeremy 从 Airbnb 的经验中学到什么,为什么不需要写代码就可以验证 PMF

        14:32 如果你自己就是“目标用户”,你还需要做用户访谈吗?

        29:02 如何从潜在用户访谈中找到“对的” idea?

        35:02 Daloopa 早期如何设计 MVP 并找到种子用户

        41:13 对于一个准确度要求很高的AI产品,如何设计产品的 Human-in-the-loop 交互?

        49:19 如何应对早期大客户的定制化要求?

        54:01 为什么 founder-led-sales 是了解市场规模的最好方式

        59:01 面对金融行业的销售流程是怎样的?创业公司如何切入?Product-led-growth (PLG) 方式管用吗?如何从0到1开始打造销售团队?

        73:59 为什么CTO也需要每天8小时跟客户交流?

        82:25 为什么要打造全球 remote 团队?如何管理全球化团队?

        89:06 LLM 对于 Daloopa 的产品带来怎样的机会和挑战?对金融行业有什么影响?

        108:59 早期融资遇到哪些挑战?对初次融资的创业者有什么建议?

        114:53 快问快答:推荐的书籍,第一次校园创业,LLM的未来1年和未来3年展望

        参考文章

        • mp.weixin.qq.com
        • daloopa.com
        • www.prnewswire.com
        • daloopa.com
        • daloopa.com
        • daloopa.com
        • 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 或者 Spotify 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!

          2 hr 5 min
        • EP 66. 深度解读Coding Agent与OpenAI o3:中美Agent 创业者、研究员与投资人眼里的未来

          终于来到了OnBoard! 2024 年压轴之作!那必须是绝对深度绝对精彩的一期!年底关于 AI 的新闻太多,但是最值得我们压轴深入探讨的,必须是 coding agent ——即使已经有很多讨论,或许也都还是被低估。

          不到两个月的时间,coding agent 产品完成了二连跳式的升级,从IDE 助手 Cursor 到 Replit Agent, Windsurf 为代表的 coding agent,到Devin 的惊艳发布,让我们意识到真正 end-to-end coding agent 的能力已经超过 coding 本身,打开了大模型未来全新的想象空间。

          Hello World, who is OnBoard!?

          更巧的是,就在我们录制这一期节目的凌晨,就是 OpenAI 12天发布会最后一天,OpenAI o3 横空出世,在编程和数学领域最有挑战的 Benchmark 上超越了绝大部分的人类,也让我们对大语言模型能力天花板的预期再次被刷新。要展望2025年AI领域还会发生什么,coding agent 以及强化学习为新范式的 o3系列,无疑是最核心的问题。

          这一期的嘉宾,汇集了国内和硅谷 coding agent 一线创业者、coding 大模型研究员和 AI 投资人,这次长达三个多小时的讨论,在全网恐怕都很少见了,有一线 coding agent 设计解读,还有最新鲜热乎的对 o3 实现难点和未来挑战的拆解,你是不是还不知道,在好几个开源项目里,OpenHands 已经超越人类成为最活跃贡献者了?我们还探讨了:

          • 为什么说 Devin 展示了“完成工作”的 scaling law?
          • 最早引领 coding agent 潮流的 Replit Agent,以及开源 Devin 项目 - Openhands, 是设计中有哪些关键决策?
          • Coding agent 未来是 Devin 形态赢家通吃吗?
          • 底层模型能力之外,coding agent 应用公司的核心能力和壁垒是什么?
          • Coding Agent 对于工程师和未来的组织和社会,会有哪些深远影响?
          • 如何看待 o3 超越大部分人类的能力?未来的发展空间在哪里?

          • 理解这次内容需要一些背景知识,非常强烈推荐大家去复习Onboard! EP 62. 与Google deepmind 研究员对o1的讨论,以及EP 53 对coding agent 的第一次探讨,其中一位嘉宾姚顺雨,作为 SWE bench 的提出人,已经加入OpenAI 负责 agent方向的研究。

            未来已来,不论你是否已经感知到,这3个小时,绝对值得你的时间。

            感谢大家这一年以来的支持,如果喜欢我们的内容,今年最后有机会在小宇宙里面打赏,在Apple podcast, spotify 里面给五星好评啦!我们明年见!Enjoy!

            嘉宾介绍

            • Yusen Dai,真格基金管理合伙人,聚美优品联合创始人。
            • Zhen Li, Replit Agent 核心成员,Replit 资深工程师,ex-字节,Google.
            • Xingyao Wang, Allhands AI (开源项目 OpenHands) co-founder & Chief AI Officer, UIUC PhD.
            • Binyuan Hui, 阿里巴巴通义实验室科学家
            • Cohost: Peak, 真格基金EIR,前猛犸浏览器创始人
            • 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

              • 04:06 嘉宾自我介绍,最近用 coding agent 实现的有意思的任务
              • 15:17 投资人视角下,Coding agent 发展历程中的核心节点,为什么说 scale of work 是最令人兴奋的机会
              • 22:03 Replit Agent 诞生的历程,发展过程中的关键节点,从1-10 有什么计划
              • 36:04 如何看待与Devin 的竞争?未来不同 coding agent 产品形态会融合吗?
              • 39:01 OpenHands/All hands AI 不同寻常的诞生故事,打造开源 coding agent 的重要技术和商业决策?
              • 41:48 Openhands 的架构设计,与Devin 的异同意味着什么?
              • 49:24 Coding agent 与 Anthropic Computer Use 之间的关系?
              • 54:35 OpenHands 产品发布以来,社区的主要反馈和重要变化?开源有什么作用?
              • 1:04:40 Coding agent 产品的长期竞争力是什么?
              • 1:09:20 o3 最让人印象深刻的是什么?对 coding 和AGI 未来有什么影响?
              • 1:20:08 解决真实世界的复杂问题,o3 之后还需要什么?
              • 1:24:33 SWE bench 被“刷爆”之后,下一个有意义的 benchmark 是什么?
              • 1:36:27 Coding agent 领域今年还出现了哪些重要变化?
              • 101:33 未来需要怎样的工程师和怎样的组织?
              • 1:58:07 如何进一步提高模型 planning 的能力?完成多步骤任务能力如何实现?
              • 2:07:45 Agent 的普及会带来哪些底层技术栈和工具的新机会?
              • 2:17:25 投资人如何看待 AI agent 的价值和投资机会?未来中国 coding agent 的机会是怎样的?
              • 2:25:55 快问快答:未来1年和3年对AI的期望,coding agent 翻车的例子,AI被高估和低估的能力
              • 我们提到的公司和重点词汇

                • Cursor
                • Cognition labs/Devin
                • Replit
                • Replit Agent
                • OpenHands, github.com; OpenHands 论文: arxiv.org
                • VisualWebArena: arxiv.org
                • TheAgentCompany: 官网 the-agent-company.com,paper arxiv.org
                • OpenAI o3
                • OpenAI o1
                • Anthropic
                • Computer use by Anthropic
                • SWE bench
                • Windsurf
                • Bolt.new
                • 参考文章

                  • 刚体验了一小时 Devin,这是我第一次见到真正意义上的 A - 即刻App
                  • Devin和Agent Cursor使用体验对比
                  • www.latent.space
                  • Our Problems | Cursor - The AI Code Editor
                  • More Problems | Cursor - The AI Code Editor
                  • www.cognition.ai
                  • 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)

                    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!

                    2 hr 48 min
                  • EP 55. 对话UCSD副教授苏昊:从学术到创业,深度解读具身智能的实现路径

                    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:

                    • 过去一年,我们从学术界、工业界讨论的种种话题,又有了哪些新的进展?
                    • 大模型的发展如何影响具身智能的不同技术路径?
                    • 大模型带来的泛化能力,跟硬件、控制系统等,又会怎样相互作用?
                    • 机器人模型里的数据问题,有哪些解决方案?

                    • 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

                          • Boston Dynamics
                          • PI (Physical Intelligence)
                          • ⁠OpenAI DALL-E 3⁠
                          • ⁠SAPIEN: A SimulAted Part-based Interactive ENvironment⁠
                          • ⁠ManiSkill⁠: a powerful unified framework for robot simulation and training powered by SAPIEN.
                          • ⁠Google Deepmind RT-1⁠: Robotics Transformer for real-world control at scale
                          • ⁠Google Deepmind RT-2⁠: New model translates vision and language into action, ⁠Paper⁠
                          • ⁠Google Deepmind Open X-Embodiment⁠: Robotic Learning Datasets and RT-X Models, ⁠Paper⁠
                          • ⁠ALOHA⁠: A Low-cost Open-source Hardware System for Bimanual Teleoperation
                          • ⁠Mobile ALOHA⁠: a low-cost and whole-body teleoperation system for data collection.
                          • Behavior Colony:行为克隆
                          • Learning from Demonstration:示范学习
                          • ⁠Meta AI Habitat⁠: A Platform for Embodied AI Research
                          • ⁠AI2⁠: The Allen Institute for Artificial Intelligence
                          • ⁠Segment Anything Model (SAM)⁠: a new AI model from Meta AI that can "cut out" any object, in any image, with a single click
                          • ⁠robot-VILA⁠: Look Before You Leap: Unveiling the Power of GPT-4V in Robotic Vision-Language Planning
                          • ⁠CoPa⁠: General Robotic Manipulation through Spatial Constraints of Parts with Foundational Model
                          • ⁠ImageNet: image database organized according to the WordNet hierarchy⁠
                            • ⁠EP 44.【AI年终特辑3】具身智能深度对话:从学术到产业,机器人的ChatGPT时刻来了吗? - OnBoard! | 小宇宙⁠
                            • ⁠Debate: Is Scaling Enough to Deploy General Purpose Robots @CoRL2023⁠
                            • ⁠解密机器人大模型RFM-1:Covariant创始人陈曦专访⁠
                            • ⁠对话高阳:具身大模型框架ViLa+CoPa⁠

                            • 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。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!

                              1 hr 48 min
                            • EP 54. 深度对谈顶尖AI开源项目:大模型开源生态, Agent 与中国力量

                              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,真的是黄金阵容!

                              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~

                              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:

                              • 底层基础大模型的开源闭源生态,未来可能有怎样的演进?
                              • 开源模型商业化跟过去我们在大数据时代看到的databricks 之类开源商业模式有哪些异同?
                              • 如何做一个有国际影响力的开源项目?

                              • 嘉宾介绍

                                • Tiezhen Wang, Huggingface 工程师,他可以说是中国与世界开源 AI 生态的桥梁,更是从 Google TensorFlow 时代到 Huggingface 早期员工,对中国和世界的开源 AI 生态都有极深的洞察。
                                • Junyang Lin, 通义千问开源负责人,作为 Qwen 在全球开源社区的主要代言人,他不仅见证了开源的发展历程,还是目前备受瞩目的 Agent 开源项目 OpenDevin 的核心团队成员。
                                • 李卓翰,UC Berkeley PhD,他所主导的项目更是大名鼎鼎,就是已经成为行业标准的大模型推理框架 vLLM!他所在的 Sky Lab 被誉为开源基础设施的摇篮,从估值百亿美元的 Databricks 到 Anyscale(开源计算框架 Ray 的商业化公司)。他还深度参与了 Chat Arena, Vicuna 等多个国际知名开源项目,对大模型周边生态和 infra 的不仅有国际一线经验,更是有很多有技术理想的干货!
                                • 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

                                  • 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

                                      • Qwen⁠, ⁠Qwen-2⁠
                                      • OpenDevin: ⁠opendevin.github.io⁠
                                      • vLLM: ⁠github.com⁠
                                      • ⁠Yi (Github)⁠, ⁠零一万物⁠
                                      • Chatbot Arena: ⁠huggingface.co⁠
                                      • AutoGPT: ⁠github.com⁠
                                      • crew AI: ⁠www.crewai.com⁠
                                      • autoAWQ: ⁠github.com⁠
                                      • LLM.c: ⁠github.com⁠
                                      • Flash attention: ⁠github.com⁠
                                      • Continuous batching:一种数据处理技术,用于将连续的数据流分批处理,以提高效率和可扩展性。
                                      • KV cache:键值对缓存,一种存储结构,通过键快速访问数据值,常用于提高数据检索速度。
                                      • Page attention:页面注意力机制,一种在处理长文本时,使模型集中注意力于当前页面或段落的技术。
                                      • Quantization:量化,将数据表示的精度降低到更少的比特数,以减少模型大小和提高计算效率。
                                      • ⁠Direct Preference Optimization (DPO)⁠: Your Language Model is Secretly a Reward Model
                                      • Google Gemini: ⁠deepmind.google⁠
                                      • Adept: ⁠www.adept.ai⁠
                                      • MetaGPT: ⁠github.com⁠
                                      • ⁠Dolphin⁠an open-source and uncensored, and commercially licensed dataset and series of instruct-tuned language models based on Microsoft's Orca paper
                                      • Common crawl: ⁠commoncrawl.org⁠
                                        • Tiezhen 的报告:⁠Booming Open Source Chinese-Speaking LLMs: A Closer Look⁠, ⁠Slides⁠
                                        • ⁠通义千问一周年,开源狂飙路上的抉择与思考|魔搭深度访谈⁠
                                        • ⁠阿里林俊旸:大模型对很多人来说不够用,打造多模态Agent是关键 | 中国AIGC产业峰会⁠

                                        • 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)

                                          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!

                                          3 hr 20 min
                                        • EP 53. AI Agent会取代程序员吗?硬核对话硅谷顶尖研究员与AI独角兽:软件开发的未来,Agent的技术本质

                                          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:

                                          • 李珎:Replit AI 团队负责 AI Coding agent,ex- startup 创始人, ex- Googler。Replit 成立于 2016 年,是一个基于浏览器的 IDE,允许用户在多种编程语言中编写、运行和分享代码。2023 年$97.4M 的 B 轮,投资人包括 A16Z,Khosla Ventures、Coatue 等,估值 $1.16B
                                          • 姚顺雨:普林斯顿大学博士,清华大学获学士。他在Agent 领域发表了一系列非常有影响力的论文:从有奠基意义的 ReAct,Tree of Thoughts, 到成为行业标准的基于 GitHub 的代码能力评估数据集 SWE-Bench,到首个开源AI 程序开发 agent 项目 SWE-agent,是绝对的天才研究员!
                                          • 赵宇哲:Augment 任 AI 研究员,曾在Google Brain(现Google Deepmind)任 Staff Research Engineer,主要研究方向是语言模型预训练,指令训练,神经检索和检索增强语言模型。Augment 成立于 2022 年,是一家为提供企业级全栈式 AI 编程助手的初创公司,由硅谷著名老牌风投 Sutter Hill Ventures 孵化(Snowflake也诞生于此),并在最新一轮获得由Index Ventures、Lightspeed Venture Partners 和 Google 前 CEO Eric Schmidt 等领投的 2.5 亿美金融资,估值接近 10 亿美金。
                                            • 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
                                            • 高宁:前美元 VC 投资人,Global SaaS 社区及服务组织 Linkloud 联创,公众号我思锅我在 (ID: thinkxcloud) 主理人。| 即刻:High寧

                                            • 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”!

                                              • 我们提到的知识

                                                • ⁠Devin⁠
                                                • ⁠SWE-Agent⁠
                                                • ⁠Augment⁠
                                                • ⁠Sierra | The Conversational AI Platform⁠
                                                • ⁠Replit⁠
                                                • ⁠Buildspace⁠
                                                • ⁠Heygen | AI Video Generator⁠
                                                • ⁠Fiverr - Freelance Services Marketplace⁠
                                                • ⁠Magic.dev⁠
                                                • ⁠Scale AI: Accelerate the Development of AI Applications⁠
                                                • RAG: Retrieval-Augmented Generation
                                                • ⁠Voyage AI⁠
                                                • ⁠OpenDevin: Code Less, Make More⁠
                                                • ⁠Adept AI⁠
                                                • ⁠imbue⁠
                                                  • ⁠SWE-bench⁠
                                                  • ⁠BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding⁠
                                                  • ⁠LaMDA: our breakthrough conversation technology⁠
                                                  • ⁠Measuring Massive Multitask Language Understanding⁠
                                                  • ⁠Synergizing Reasoning and Acting in Language Models⁠
                                                  • ⁠Cognitive Architectures for Language Agents⁠
                                                  • ⁠Tree of Thoughts: Deliberate Problem Solving with Large Language Models⁠
                                                  • ⁠ReAct: Synergizing Reasoning and Acting in Language Models⁠
                                                  • ⁠Can Language Models Solve Olympiad Programming?⁠
                                                  • ⁠Announcing Replit AI for All⁠
                                                  • ⁠Replit AI Manifesto⁠
                                                  • ⁠The Worlds I See: Curiosity, Exploration, and Discovery at the Dawn of AI⁠

                                                  • 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)

                                                    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!

                                                    2 hr 47 min
                                                  • EP 52. 一线亲历者对谈:生成式AI这一年,中美市场的异同、机会与未来

                                                    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:

                                                    • AI应用落地真的不及预期吗?
                                                    • 从应用到infra有哪些有意思的落地案例?
                                                    • 如何看待国内AI的进展和弯道超车的机会?
                                                    • 中美差异背后的原因是什么?
                                                    • AI公司出海有什么最佳实践与建议?
                                                    • 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!
                                                      • 提到的公司

                                                        • Devin (by Cognition Lab): cognitionlab.com
                                                        • SWE-agent: swe-agent.com
                                                        • DBRX by Databricks: github.com
                                                        • Jamba: A Hybrid Transformer-Mamba Language Model
                                                        • Hume AI: www.hume.ai
                                                        • Monica.im: www.youtube.com
                                                        • Gemini Advanced: www.cnn.com
                                                        • Perplexity: www.perplexity.ai
                                                        • Kimi Chat: asianwiki.com
                                                        • Six助手(目前还在灰度测试,微信不接受新用户啦)
                                                        • Workstream: www.workstream.us
                                                        • Klarna: www.klarna.com
                                                        • Speak: https://www.speak.com/
                                                        • Lepton.ai: www.lepton.ai
                                                        • Soundhound: www.soundhound.com
                                                        • EvolutionIQ: evolutioniq.com
                                                        • Siro: siro.ai
                                                        • Magic.dev: magic.dev
                                                        • Codium: www.roboleary.net
                                                        • Cursor: www.cursor.app
                                                        • Augment: www.augment.co
                                                        • Sweep: www.sweep.io
                                                        • Typeface: www.typeface.ai
                                                        • Sierra AI: www.siera.ai
                                                        • Physical intelligence: www.bloomberg.com
                                                        • Skild: www.skild.ai
                                                        • Covariant: covariant.ai
                                                        • Figure: www.figure.ai
                                                        • Cobot: www.tm-robot.com
                                                        • Deepmind RT-X: deepmind.google
                                                        • 推荐的播客和newsletter

                                                          • Latent Space | swyx & Alessio | Substack
                                                          • Bg2 Pod
                                                          • Interconnected | Where Tech, Investing, Geopolitics Come ...
                                                          • Elad Gil
                                                          • First Round Review
                                                          • What's 🔥 in Enterprise IT/VC #322 - by Ed Sim
                                                          • Generative Now | AI Builders on Creating the Future ...
                                                          • 20VC - Venture Capital, Entrepreneurship, and Podcast

                                                          • 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!

                                                            2 hr 7 min
                                                          • EP 51. [EN]全英文对话Inworld Al、微软Xbox: AI NPC会成主角吗?AI原生游戏什么时候到来?

                                                            上周 GDC 2024 大会在旧金山举办,可谓是游戏行业一年一度的顶级专业盛会,想必很多游戏开发者、AI 游戏方向的创业者及投资人都亲历现场。从 AIGC 到大模型,这次 GenAI 的浪潮可谓对游戏,这个看似传统的行业带来各个维度和环节的冲击,而去年斯坦福小镇、AI agents 和国内《完蛋!我被大模型包围了》、《哄哄模拟器》等 AI 原生小游戏的一夜火爆,更让我们对 AI 游戏有了更多期待!

                                                            Hello World, who is onboard?

                                                            我们特地邀请到三位来自游戏领域不同细分方向的嘉宾,包括:

                                                            来自硅谷 AI NPC 引擎开发平台Inworld AI的产品负责人,Inworld AI 曾在去年半年内获得超过6,000万美元融资

                                                            来自微软 Xbox 部门 Gaming AI 的工程师;

                                                            兼顾游戏方向资深从业与投资背景的Yuguang。

                                                            我们从 AI 对游戏已经带来的变化聊起,包括 AIGC、NPC 角色扮演到 Agents 的可能性,到该如何设计打造一款 AI 原生游戏以及所面临的限制,如何看待第三方开发工具在产业里的定位和挑战,对初创公司的建议和期望,希望对无论是游戏玩家还是创业者的你们有所启发,Enjoy!

                                                            嘉宾介绍:

                                                            • Nathan Yu:Inworld AI 产品总监,前微软 MR 部门高级产品经理。
                                                            • 邱成岭:微软 Xbox Gaming AI 工程师,个人对 Agent framework 和 On-Device model 也有工程及开发经验。
                                                            • 孙宇光:创业者,投资人,专注AI和 XR gaming 等方向。
                                                            • 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
                                                              • 高宁:前美元 VC 投资人,Global SaaS 社区及服务组织 Linkloud 联创,公众号我思锅我在 (ID: thinkxcloud) 主理人。| 即刻:High寧
                                                              • 我们都聊了什么

                                                                • 01:52 三位嘉宾自我介绍,以及2023年最喜欢的一款游戏。
                                                                • 06:37 从传统AI到生成式AI,对游戏产业产生了哪些重要影响?
                                                                • 08:39 这一次生成式AI带来的变革主要是哪两个方面?
                                                                • 13:50 Inworld AI团队是什么背景,以及如何从元宇宙转变为AI NPC引擎平台的?
                                                                • 15:58 Inworld AI核心产品是什么,以及用户最关心哪些性能?
                                                                • 18:40 NPC引擎支持实时互动设计还是像Copilot一样辅助开发者?
                                                                • 19:56 加入AI元素的NPC在游戏里扮演什么角色,以及对用户的价值究竟在哪里?
                                                                • 22:47 哪类游戏最适合加入AI NPC等元素?
                                                                • 26:18 为什么Nathan认为当下AI游戏应让用户知晓含有AI NPC元素?
                                                                • 30:40 除了幻觉,AI NPC还面临哪些限制或挑战?
                                                                • 34:37 如何定义AI原生游戏,至今有哪些有趣的实验或Demo?
                                                                • 37:21 为什么至今还没有类斯坦福小镇的游戏诞生,里面有什么挑战?
                                                                • 43:07 为什么Agents在游戏的应用不是新鲜事,以及现在有哪些落地?
                                                                • 50:25 为什么市场上没有太多成功的第三方游戏开发工具,挑战在哪里?
                                                                • 52:58 Inworld AI是如何让游戏工作室愿意使用第三方工具而不DIY?
                                                                • 57:44 生成式AI还将在哪些地方为游戏开发者提高工作效率?
                                                                • 60:37 微软Xbox与Inworld AI的战略合作在哪些方面?
                                                                • 64:48 为什么第三方工具的难在跟现有工作流的结合,Inworld AI又该如何解决?
                                                                • 67:36 Inworld AI早期是如何获客,并与知名工作室达成合作的?
                                                                • 70:35 为什么对游戏产业的深刻认知对初创公司或第三方工具来说很关键?
                                                                • 73:08 未来一两年,生成式AI对游戏产业还可能带来怎样的变革?
                                                                • 77:07 海内外AI原生游戏发展会有什么不同,为什么AI小游戏将可能爆发?

                                                                • 我们提到的游戏或相关研究:

                                                                  • ⁠Uncover the Smoking gun ⁠
                                                                  • ⁠Yandere AI Girlfriend Simulator⁠
                                                                  • ⁠Baldur's Gate 3⁠
                                                                  • ⁠Generative Agents: Interactive Simulacra of Human Behavior⁠
                                                                  • ⁠The Elder Scrolls⁠
                                                                  • ⁠How to DM | Dungeons & Dragons⁠
                                                                  • ⁠Cygnus Enterprises⁠
                                                                  • ⁠Roblox⁠
                                                                  • ⁠RimWorld⁠
                                                                  • ⁠Minecraft⁠
                                                                  • ⁠StarCraft⁠
                                                                  • ⁠Forza Drivatar⁠
                                                                  • ⁠Trueskill⁠
                                                                  • ⁠LLM Agent in Werewolf Game⁠
                                                                  • ⁠Meta AI’s CICERO dipomacy game⁠

                                                                  • 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)

                                                                    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!

                                                                    1 hr 10 min
                                                                  • EP 50. 中美头部AI应用实战分享:Typeface、Monica如何从0到1,机会、挑战和长期壁垒(下)

                                                                    本期继续讨论如何打造面向海外市场的AI 应用!上一期节目我们从不同角度探讨了技术如何推动 AI 应用落地,以及嘉宾在各自领域做应用和产品的所见所闻。如果你还没有听过上一期,欢迎先补课!

                                                                    Hello World, who is OnBoard!?

                                                                    本期我们邀请到了横跨中美的几位嘉宾,在各自的领域也非常有代表性。包括Monica.im 这个用户过百万的 AI 工具的创始人,也有 Typeface 这样由 Adobe 前 CPO 创建的、针对企业级用户的美国本土 AI 创业公司的早期员工,还有经历过移动互联网时代的大厂 to C 方向探索者。他们不同视角和经验的碰撞,非常精彩,这次的内容分成两期给大家放送。

                                                                    第二部分,我们将着重探讨 AI 产品从0到1的增长,产品长期竞争力和未来展望。都是来自一线的实践和思考干货,大家 Enjoy!

                                                                    嘉宾介绍

                                                                    • 肖弘:Monica.im 创始人 & CEO。之前在国内 To B SaaS 领域创业。
                                                                    • 张涛:古典产品经理,工具、内容、SaaS都做过,目前探索 AI 应用场景中。
                                                                    • 赵鑫宇:Typeface 早期员工,负责产品后端研发以及大模型调优,此前在 Meta 和 Tiktok 等参与 growth engineering 和机器学习工作。
                                                                    • 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

                                                                      • 02:31 Monica.im海外增长是如何0到1的?为什么建立一个学习型组织很关键?
                                                                      • 13:13 五年后,Red希望Monica.im会是一个什么样的定位?
                                                                      • 19:07 从企业服务落地角度,为什么Agents和对专业知识的抽象会有很大价值?
                                                                      • 23:43 现在AI互动还有哪些“改良”空间以及张涛团队正在尝试哪些小实验?
                                                                      • 29:30 什么样的AI产品出海对国内来说有优势?
                                                                      • 32:06 如何构建应用产品的壁垒?为什么团队至少需要有很“懂”模型的成员?
                                                                      • 43:50 如何看待与也做Killer app的大模型公司的竞合关系?海内外大模型公司差异在哪里?
                                                                      • 60:33 Google Gemini真正的差距为什么在开发者生态上?
                                                                      • 63:55 最后,大家未来一年工作的重心在哪里,以及还有什么期待?

                                                                      • 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)

                                                                        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!

                                                                        1 hr 14 min

                                                                      About OnBoard!

                                                                      From the publisher's feed

                                                                      Hello World, who is OnBoard!? 两个爱码字的投资人关于软件、创业与投资的真诚对话。