OnBoard!

OnBoard!

By Monica XieTechnology
Download on the App Store

OnBoard! episodes

  • EP 38. 全英文对话Gamma联合创始人Grant Lee：AI如何改变视觉表达，生产力工具产品从-1到0的AI变革

    这次对AI的探讨，我们回归到与创业公司创始人的深度访谈。我们请来了一位在 AI 热潮中高速发展，产品也得到国内不少用户认可的初创公司创始人，美国新一代生产力工具 Gamma 的联合创始人兼 CEO Grant Lee。

    Hello World, who is OnBoard!?

    Gamma 最开始定位像 Notion 一样用模块或卡片方式帮助人们更高效创建 PPT。在今年集成 AI 功能后，产品现在可以让用户直接以对话或上传源文档等方式，任意撰写和开发创意，成为能更高效展示创意的视觉内容生成工具。

    公司成立于 2020 年，总部位于旧金山湾区。团队于 2021 年 8 月推出了 beta 版，并于去年底正式发布，如今已拥有数百万用户。Gamma 于 2021 年完成了 Accel 领投的 700 万美金天使轮融资后，在今年又获得了 A 轮融资。

    Grant Lee 作为 SaaS 领域的连续创业者，我们和他从公司及产品诞生，聊到 AI 对用户创意和使用上的巨大改变，最后作为两个孩子的父亲，他也谈到 AI 对下一代在生活和工作的影响，都给我们带来很多启发。

    还未体验产品的朋友，赶快点击：https://gamma.app/，尝试一下吧！

    播客逐字稿同步上线，搭配收听效果更佳：OnBoard!独家｜对话Gamma创始人：拆解产品-1到0方法论与定价策略；AI如何重塑Gamma，解锁潜在需求与创造力！

    Enjoy！


    嘉宾介绍

    • Grant Lee, Gamma 联合创始人兼CEO，曾在两家 SaaS 公司 ClearBrain（被上市公司Amplitude收购） 和 Optimizely 担任高管，毕业于斯坦福大学本科及研究生。
    • 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


      • 我们都聊了什么

      • 00:01:24 Gamma是什么以及Grant为何会创立Gamma？
      • 00:02:51 Grant个人过往经历及一个自己的有趣故事。
      • 00:03:58 Grant连续SaaS创业的经历对创立Gamma的帮助。
      • 00:05:49 Gamma现在到什么阶段以及经历了哪些里程碑？
      • 00:08:59 如何看待“视觉传递”产品的历史以及Gamma诞生的机会？
      • 00:12:17 在早期，如何验证产品概念和需求是足够普遍的？
      • 00:14:33 刚开始有哪些用户反馈是意料之外的以及对早期设计的影响？
      • 00:16:54 早期拓展用户采取了哪些市场拓展策略（GTM）？
      • 00:19:38 早期如何准确设计并传递产品价值（Product message）？
      • 00:22:11 跟早期相比，现在Gamma在价值定位上做了哪些调整？
      • 00:24:27 Gamma是如何验证Product-Market-Fit（PMF) 的？
      • 00:27:13 如何看待收费以及Grant背后的思考。
      • 00:29:28 在进行付费调研时有哪些有意思的发现？
      • 00:33:55 Grant看来在收费策略里创始人最容易犯的错误。
      • 00:35:32 Gamma产品是如何结合AI的以及背后是怎样的思考？
      • 00:39:32 在设计AI功能的过程中遇到了哪些挑战？
      • 00:42:16 用户画像在这个过程中经历了哪些变化？
      • 00:44:32 在集成AI的时候技术选择上经历了哪些思考？
      • 00:48:06 为什么做一款好的AI产品远比做炫酷Demo难多了？
      • 00:50:17 产品迭代中如何协调基本功能和AI的优先级？
      • 00:52:23 未来我们真的还需要PowerPoint吗？
      • 00:54:23 AI会进一步解构Office这样的一站式生产力套件吗？
      • 00:56:45 为什么Grant认为现在最大的竞争对手是“用户行为”的迁移？
      • 00:58:22 还有哪些技术趋势或用户行为变化是Grant最关注的？
      • 01:00:39 在全球化上Grant有哪些有意思的发现和规划？
      • 01:03:48 在AI的影响下，不同地区的用户行为有什么变化吗？
      • 01:06:48 同时Gamma是如何引导用户接受并开始使用AI的？
      • 01:08:26 近期Gamma在功能上将有哪些重要迭代以及未来还有哪些突破？
      • 01:11:52 在社区建设上Gamma有哪些最佳实践？
      • 01:13:41 最后，Grant如何对待现在来自企业级客户的需求？
      • 01:15:27 快问快答！精彩的书籍推荐以及作为孩子父亲，如何看待AI对下一代的影响？

        • 我们提到的公司

        • Notion：一站式办公协作平台
        • Canva：图像创作工具
        • Beautiful：演示文稿工具
        • Pitch：演示文稿工具
        • Optimizely：数字营销体验管理平台
        • Salesforce：营销CRM
        • Airtable：表格管理工具

          • 嘉宾推荐的书

          • Shoe Dog
          • All the Light We Cannot See


            • 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！

            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！

            1 hr 26 min
          • EP 37. 对话Deepmind, 英伟达大语言模型专家（下）：深度探讨多模态大模型，亲历OpenAI，人工智能的挑战与未来

            近3小时的硅谷AI重磅嘉宾现场对谈，下集光速奉上！如果你还没有听过上一期，赶紧去补课！

            Hello World, who is OnBoard!?

            简单介绍一下这次Monica 期待已久的嘉宾组合！ 两位都在OpenAI工作过的技术大牛，包括Nvidia资深研究员 Jim Fan, 除了对生成式agents 和机器人的具身智能有深度研究外，他的Twitter 连 Jeff bezos 都关注，是AI领域全球范围内的顶级大V。另一位嘉宾戴涵俊，Google Deepmind 的资深研究员，也是 Google 新一代大语言模型的深度参与者。最后，兼任主持和嘉宾的硅谷上市公司华人高管，硅谷徐老师, 每次来 Onboard! 串台都大受好评。

            这是三个小时播客的第二部分。上一期的内容，我们深度讨论了最近AI领域最火的话题，Generative Agents, 生成式代理。这一期更是精彩纷呈，包含了AI领域更多核心话题，包括多模态大模型的研究进展，具备具身智能 embodied AI 的机器人如何打造，AI对saas的影响，我们对未来AI的商业和社会畅想等等。真的是非常尽兴的讨论，你也可以拿起笔记本做笔记了。

            几位嘉宾都是长期在美国工作生活，夹杂英文在所难免，不接受抱怨。Enjoy!

            嘉宾介绍

            • Jim Fan（推特：@DrJimFan），Nvidia 高级 AI 研究科学家，曾在OpenAI工作，Stanford PhD 李飞飞实验室
            • 戴涵俊（推特：@hanjundai），Google Deepmind 资深研究员，深度参与 Google 大语言模型项目，曾在OpenAI工作，Georgia Tech PhD
            • 硅谷徐老师（推特：@h0wie_xu），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 ｜微信公众号：硅谷云｜ AI博客：howiexu.substack.com
            • 主持：Monica（推特：@Monica_Yxie）：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


              • ⁠01:55⁠ 为什么 Jim 觉得 Llama 2 作为语言模型，对于多模态模型和机器人有重大推动
              • ⁠05:24⁠ Hanjun 解读多模态大模型的两种实现方式
              • ⁠07:47⁠ 多模态大模型只是解锁了新的场景，还是能更大提升大模型本身的智能？如何理解大模型的智能？
              • ⁠12:34⁠ 为什么说机器人的多模态问题更有挑战？
              • ⁠16:35⁠ 处理多模态训练数据有哪些难点？
              • ⁠18:12⁠ 大模型训练还需要哪些工具？Infra/tooling 有哪些机会？
              • ⁠19:51⁠ 亲历OpenAI 的经历回顾和感受：2016-2020，OpenAI 都发生了什么
              • ⁠25:11⁠ OpenAI 近年的发展，哪个时刻震撼了你？
              • ⁠34:20⁠ 为什么说 Evaluation 是大语言模型最被低估的挑战之一？
              • ⁠39:54⁠ 未来1年和未来10年，你最期待人工智能领域带来什么？
              • ⁠46:17⁠ 我们自己和下一代应该如何为未来做准备？
              • ⁠59:33⁠ 有趣的 closing 和未来展望：被 Jeff Bezos 关注是什么感觉？！

                • 我们提到的内容

                • Llama 2: Meta 开源的大语言模型
                • Jim Fan 对于Llama 2 的解读
                • OpenAI 赢得DOTA 游戏比赛
                • LSTM (Long Short-term Memory)
                • Jim Fan 对大猩猩玩Minecraft 的解读
                • DALL-E 2: DALL·E 2 is an AI system that can create realistic images and art from a description in natural language (by OpenAI)
                • CLIP: Connecting text and image
                • ImageNET: an image dataset organized according to the WordNet hierarchy.
                • AlexNET: ImageNet Classification with Deep Convolutional Neural Networks

                  • 重点词汇

                  • RLHF (Reinforcement Learning with Human Feedback): 人类反馈的强化学习 - 一种AI模型通过人类反馈与传统的强化学习结合来学习的方法。
                  • Fine tuning: 微调 - 在特定的数据集上进一步训练预训练的机器学习模型，使其适应特定任务的过程。
                  • Hallucination: 幻觉 - 在AI中，指的是模型生成不在输入中的信息，可能导致输出不准确。
                  • Multi-modal model: 多模态模型 - 能够理解和处理多种类型数据（如文本、图像和声音）的模型。
                  • Auto regressive model: 自回归模型 - 一种统计模型，它使用一个变量的过去值来预测其未来值。
                  • Diffusion model: 扩散模型 - 用于描述信息、疾病或创新等东西如何在群体中传播的模型。
                  • Tokenize: 分词 - 将文本分解成更小的部分（如单词或子词）的过程，通常在文本处理或自然语言处理中使用。
                  • Intuitive physics: 直观物理 - 人类对物理现象的直观理解，例如物体如何移动或互相碰撞。
                  • Embodied AI: 具体化的人工智能 - 通过物理或虚拟的身体与环境互动的AI系统，例如机器人或虚拟代理。
                  • CVPR (Computer Vision and Pattern Recognition): 计算机视觉和模式识别 - 专门研究计算机如何“看”并从图像或视频中理解内容的领域。
                  • Walkaround: 绕行 - 解决问题或障碍的方法


                    • 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~

                    1 hr 7 min
                  • EP 36. 对话Deepmind, 英伟达大语言模型专家（上）：AI Agent智能体与开源LLM的应用、挑战与未来

                    承诺大家的大波AI上新来啦！这次的嘉宾是Monica一直期待的重磅组合，能听到AI领域如此一线的核心从业者的分享，真是太难得了。这次在硅谷创新腹地，毗邻 Stanford 的 Palo Alto 线下录制, 不知不觉就聊了近三个小时，我们分成上下期，方便大家收听！

                    Hello World, who is OnBoard!?

                    两位AI研究者都在OpenAI 工作过。Nvidia 资深研究员 Jim Fan，是Twitter 上AI领域的顶尖KOL，连亚马逊的创始人 Jeff Bezos 都在关注，几乎每一条twitter 分析都是必读文章。戴涵俊是Google Deepmind 的资深研究员，更是Google 新一代大语言模型的深度参与者。再次来串台的硅谷上市公司华人高管，硅谷徐老师, 持续高质量输出。上期的内容，我们围绕最近AI领域最火的话题，Generative Agents（生成式智能体）。两位AI研究员都对这个领域有最一线的研究和实践经验，我们深入探讨了从AutoGPT开始，Generative Agents 从技术到应用，都有哪些新的进展、技术和场景的挑战，由此延伸到开源与闭源大语言模型的竞争格局。

                    跟EP35 Monica 与另一位AI研究员符尧的访谈对比听听就发现，Generative Agents 这个前沿领域，显然还有很多尚未有共识的地方。下一期，我们会讨论更多AI领域核心话题，包括多模态模型，机器人应用落地，AI对saas的影响，LLM发展史，未来畅想等等，更是不容错过。赶紧关注Onboard!

                    几位嘉宾都是长期在美国工作生活，夹杂英文在所难免，不接受抱怨。Enjoy!

                    嘉宾介绍

                    • Jim Fan（推特：@DrJimFan），Nvidia 高级 AI 研究科学家，曾在OpenAI工作，Stanford PhD 李飞飞实验室
                    • 戴涵俊（推特：@hanjundai），Google Deepmind 资深研究员，深度参与 Google 大语言模型项目，曾在OpenAI工作，Georgia Tech PhD
                    • 硅谷徐老师（推特：@h0wie_xu），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 ｜微信公众号：硅谷云｜ AI博客：howiexu.substack.com
                    • 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


                      • 02:50 几位嘉宾自我介绍，最近看到了什么有意思的AI项目
                      • 05:51 Hanjun @Google Deepmind: 最近发表的 speculative decoding 工作如何提升模型速度
                      • 09:14 Jim Fan @Nvidia: 为什么AI agents 是值得关注的方向，基于agents 有什么应用
                      • 12:42 什么是 AI agents? 好的 Agents 需要怎样的核心能力
                      • 16:54 企业场景落地 AI Agents 应用，主要有哪些挑战？
                      • 25:18 AI Agents 目前落地的挑战，是由底层基础模型的能力决定的吗？
                      • 35:56 如何看待目前 AI Agents 不同的实现方式？Adept AI 的形态会被取代吗？
                      • 39:57 未来工具使用更多是 AI agents 来完成，对于应用生态意味着什么？
                      • 48:18 Llama 2 开源对于LLM生态意味着什么？底层基础模型会赢家通吃吗？
                      • 56:58 如何理解开源和闭源模型的壁垒？
                      • 68:24 我们需要领域专有模型吗？


                        • 我们提到的内容

                        • Hanjun 提到的论文：Accelerating Large Language Model Decoding with Speculative Sampling
                        • Jim 的论文: Voyager: An Open-Ended Embodied Agent with Large Language Models
                        • Jim 提到的论文：Generative Agents: Interactive Simulacra of Human Behavior
                        • 开源项目 Auto-GPT: An experimental open-source attempt to make GPT-4 fully autonomous
                        • Llama 2: Meta 开源的大语言模型
                        • Adept.ai: a new way to use computers. Transformer 论文作者创办
                        • Character AI
                        • Jim 提到的基于大语言模型的游戏：病娇AI女友
                          • MPT-7B (MosaicML Pretrained Transformer): MosaicML 发布的可商用开源大语言模型
                          • Anthropic: Transformer 论文作者创立的大语言模型公司
                          • Harvey：为律所设计的生成式AI工具
                          • 讨论 Google 等大厂LLM竞争壁垒的文章 ($$)：Google "We Have No Moat, And Neither Does OpenAI"
                            • Deepmind Gemini: Google Deepmind 正在研发的下一代大语言模型
                            • RLHF (Reinforcement Learning with Human Feedback): 人类反馈的强化学习 - 一种AI模型通过人类反馈与传统的强化学习结合来学习的方法。
                            • Fine tuning: 微调 - 在特定的数据集上进一步训练预训练的机器学习模型，使其适应特定任务的过程。
                            • Hallucination: 幻觉 - 在AI中，指的是模型生成不在输入中的信息，可能导致输出不准确。
                            • Multi-modal model: 多模态模型 - 能够理解和处理多种类型数据（如文本、图像和声音）的模型。
                            • Embodied AI: 具体化的人工智能 - 通过物理或虚拟的身体与环境互动的AI系统，例如机器人或虚拟代理。
                            • Quantization: 量化 - 限制用于表示数字的位数的过程，有助于减小机器学习模型的大小并加速计算。
                            • Mixture-of-experts (MoE): 专家混合模型 - 一种机器学习方法，其中模型的不同部分专门处理不同类型的数据或任务。
                            • Inference: 推断 - 已训练的AI模型基于所提供的数据预测结果的过程。
                            • Reasoning: 推理能力 - AI系统根据信息或一组事实得出结论的能力。
                            • NPC (Non-Player Character): 非玩家角色
                            • RPA (Robotic Process Automation): 机器人流程自动化
                            • First class citizen: 一等公民

                              • 重点词汇欢迎关注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~

                              1 hr 15 min
                            • EP 35. ICML现场对话AI研究员符尧：亲历AI诸神之战，解读LLM前沿研究，Llama 2，AI Agents

                              OnBoard! 一大波更新要来啦！Monica 最近一个月都在硅谷，之前怠慢了一段时间，很快就会补上啦。

                              这次的节目非常特别，是在ICML 2023 (International Conference on Machine Learning, 国际机器学习大会）的现场录制的。这次的嘉宾，爱丁堡大学博士生符尧，更是众望所归，相信最近关注大语言模型的朋友都不陌生。他的好几篇关于大语言模型能力研究的文章，几乎都是业内必读。

                              Hello World, who is OnBoard!?

                              正如符尧在一篇总结文章中所说：“ICML 2023，OpenAI, Anthropic, Google DeepMind, Meta，各大名校的 rising star PhD，顶级 hedge fund 与 VC ，most popular startups 悉数到场，这里是诸神之战的最前线。”

                              我们就在诸神之战的现场，回顾了ICML与各位大神现场交流的见闻，fuyao对于数据、RLHF等大模型核心研究领域的思考，还有对震动行业的、刚刚发布的LlaMA-2的看法。

                              这次在室外录制，嘉宾还在生病，不免有些杂音。但是我想这对于关注干货的听众来说，都不是问题。相信你也会受益匪浅。Enjoy!

                              *本期涉及比较多的术语，需要你对大模型（LLM）有基础的技术了解。

                              嘉宾介绍

                              符尧，爱丁堡大学的博士生，研究大语言模型的推理能力。符尧在北京大学完成了本科学位，在哥伦比亚大学完成了硕士学位，曾在MIT-IBM AI 实验室，Allen Institute for AI (AI2) 等担任实习研究员。他的工作主题包括了大语言模型演化，复杂推理，涌现能力，以及如何从第一性原理构造模型。他以《拆解追溯 GPT-3.5 各项能力的起源》为代表的文章系列详细阐述了语言模型的能力机制，在中文和全球互联网上都产生了重大的影响力。

                              我们都聊了什么

                              02:05 凡尔赛开场 & 嘉宾符尧的介绍

                              04:33 认识ICML，参加诸神之战的盛会是什么体验；付尧入选的论文如何探讨模型能力的遗忘

                              08:09 过去半年，对模型能力有什么新的理解

                              09:36 解决模型能力遗忘为什么重要，有什么挑战

                              13:49 模型能力遗忘对于垂直领域模型有什么影响

                              17:39 蒸馏 (Distillation) 技术为什么重要，现在研究和落地处在什么阶段

                              24:00 算力紧张，以后更多的创新研究都会发生在业界而不是学术界吗

                              26:39 ICML上看到了哪些有意思的研究 - paper 推荐！

                              30:41 最火的话题1：基于LLM的agents 构建有什么挑战和解法

                              37:36 现在的大语言模型能力可以支持怎样的Agent?

                              48:51 最火的话题2：解读 Llama 2，最让人印象深刻的变化是什么？

                              56:25 基于Llama 2,学术界可以有什么研究方向？

                              59:06 ICML 上亲历的大神交流

                              61:57 符尧还在关注哪些新的研究方向 & 我们对 Agent 集群的畅想

                              我们提到的内容

                              • 符尧的ICML论文：Specializing Smaller Language Models towards Multi-Step Reasoning
                              • T5: Exploring the Limits of Transfer Learning with a Unified Text-to-Text Transformer
                              • Llama 2: Open Foundation and Fine-Tuned Chat Models
                              • Chatbot Arena: Benchmarking LLMs in the Wild with Elo Ratings
                              • The Flan Collection: Designing Data and Methods for Effective Instruction Tuning
                              • FlexGen: High-Throughput Generative Inference of Large Language Models with a Single GPU
                              • FLOWGEN: Fast and slow graph generation by Aman Madaan
                              • 符尧的Llama 2 讨论会 memo (7/18/2023)
                              • RL: Reinforcement learning, 强化学习
                              • SFT: Supervised Fine Tuning, 监督微调
                              • RLHF: Reinforcement Learning with Human Feedback, 人类反馈强化学习
                              • Distillation: 蒸馏，基于大语言模型训练小模型的方法
                              • Scaling law: A mathematical relationship where performance improves with increasing size, 规模定律
                              • Alignment tax: Additional effort to align a model's behavior with human values, 对齐税


                                • 参考文章

                                • 符尧的个人主页
                                • ICML 2023 手记 - 诸神之战的最前线
                                • 符尧的博客
                                • A Closer Look at Large Language Models Emergent Abilities, by Yao Fu
                                • How does GPT Obtain its Ability? Tracing Emergent Abilities of Language Models to their Sources, by Yao Fu
                                • Training language models to follow instructions with human feedback, by John Schulman
                                • Scaling Laws for Reward Model Overoptimization
                                • Emergent Abilities of Large Language Models, by Jason Wei
                                • Chain-of-Thought Prompting Elicits Reasoning in Large Language Models, by Jason Wei

                                  • 别忘了，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~

                                  1 hr 10 min
                                • EP 34. 对话前Gitlab 增长总监 Hila Qu：从0到100，硅谷PLG（产品驱动增长）一线实践

                                  好久不见，大家端午快乐！聊了这么多AI技术，是时候聊聊更实际的问题：AI产品如何在海外做增长？近年来，我们看到越来越多的中国软件创业公司，尤其是最近涌现的 AI 应用类公司，都会考虑以国际市场作为第一站。PLG，产品驱动增长，也是大多数海外AI产品采用的增长和商业化模式。技术在变，Go-To-Market 的很多经验，万变不离其宗，或许可以让大家在探索的路上少走一些弯路。

                                  Hello World, who is OnBoard!?

                                  今天这位嘉宾，就是Monica 一直想要邀请来的硅谷软件领域的实战派大牛，Hila Qu。Hila 原来在大名鼎鼎的开源上市公司 GitLab 担任 Head of growth, 增长负责人。Gitlab之前，Hila也在硅谷几个不同阶段的ToB, ToC公司，担任过核心增长职位。硅谷最一线的创新公司是怎么实践PLG的，Hila 大概是最有发言权的人之一了。Gitlab从开源产品到收入超过4亿美金的上市公司，更是PLG的典范。这次与Hila长达两个多小时的对话，全都是一线实战干货：

                                  ToB, ToC 产品增长有什么不同？

                                  怎样的公司和产品适合PLG？

                                  PLG模式需要怎样的销售？

                                  如何打造围绕产品的增长团队？

                                  产品早期数据分析体系如何搭建……

                                  真的可以拿出笔记本了。

                                  Enjoy!


                                  嘉宾介绍

                                  Hila Qu（Twitter @HilaQu）, 前 Gitlab 增长总监，从0到1搭建增长体系。曾任硅谷Fintech 独角兽 Acorn 增长副总裁。现在，Hila 是硅谷顶尖产品与增长培训平台 Reforge 入驻企业家（EIR），也是独立企业增长顾问，服务企业包括 Nord Security, Replit StreamNative 等。

                                  Hila 的 LinkedIn, 公众号：兜里有糖甜, MediumEmail: hui.qu.2009 艾特 gmail.com


                                  我们都聊了什么

                                  [01:57] Hila 的职业之路，从ToC 到ToB 公司做增长如何转型

                                  [05:39] 正本清源，Hila 如何定义PLG？为什么说 PLG 不只是传统的 Growth hacking （增长黑客）？

                                  [08:10] ToC 产品的增长与 SaaS 公司 PLG 有哪些核心差异？为什么说对于 SaaS 公司，获客只是“增长”的第一步？

                                  [12:42] 怎样的产品适合采用 PLG ？

                                  [16:19] 为什么 PLG 需要好的产品 onboarding 体验与销售两条腿走路？

                                  [21:41] 公司的不同阶段，如何平衡大客户需求与 PLG 增长知之间的优先级？

                                  [27:41] 给创始人的 PLG 101：怎样是一个完整的PLG 增长体系流程？

                                  [33:53] 什么是产品体验的 Aha Moment？如何设计一个好的 Aha Moment? 有什么常见的误区？Gitlab 如何定义 golden user journey?

                                  [43:40] 企业发展不同阶段，PLG 产品的数据体系如何搭建？

                                  [48:30] 收费：什么时候开始收费？为什么说收费体系的建立是一个动态过程？

                                  [57:48] SaaS 产品定价如何设计和跟踪？我们能从 Netflix 上学到什么？

                                  [61:44] Gitlab 的实践分析：如何设计实验？从activation 到 retention, 如何确定用户流程中的北极星指标？

                                  [68:47] 什么是获客中的 PQL (Product Qualified Leads)? 什么是好的 PQL？

                                  [74:54] 什么是一个好的增长实验？早期数据不足的时候，如何设计实验？

                                  [79:47] 如何从0到1搭建增长团队？Head of Growth 入职第一件事应该做什么？

                                  [87:37] 搭建产品数据分析体系，有哪些常见的挑战和误区？

                                  [90:02] 招聘，招聘！什么是适合 PLG 的增长和销售人才？应该具备哪些能力？

                                  [96:55] AI 它又来了：如何识别产品早期的“噪音用户”？

                                  [99:41] Hila 提供哪些 PLG 相关的咨询服务？如何与你的增长顾问有效沟通？

                                  [104:07] 快问快答！Hila 推荐了一本童书？！


                                  我们推荐的内容

                                  • Hila Qu 的公众号：兜里有糖甜
                                  • Hila 的书：《硅谷增长黑客实战笔记》
                                  • Hila 推荐的书：The Almanack of Naval Ravikant: A Guide to Wealth and Happiness
                                  • Hila 推荐的书：Someday
                                  • Hila Qu:【万字长文】SaaS增长新趋势：产品驱动增长PLG
                                  • Hila 的英文文章：Five steps to starting your PLG motion
                                  • Hila 的英文访谈: The ultimate guide to adding a PLG motion | Hila Qu (Reforge, GitLab)
                                  • Lenny's Newsletter

                                    • 参考文章

                                    • 草根SaaS产品：如何定价，打包，涨价？
                                    • 45张PPT了解《硅谷增长黑客实战笔记》
                                    • GitLab's Hila Qu on What B2B Companies Can Learn About Growth from B2C - OpenView
                                    • Hila Qu (GitLab): B2B vs. B2C Growth
                                    • How to Build A Growth Model (Part 1)
                                    • How to Build A Growth Model (Part 2)

                                      • 别忘了，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~

                                      1 hr 56 min
                                    • EP 33. 对话AfterShip创始人Teddy：十年打造服务全球的电商SaaS，在模糊的正确中迭代产品、市场与组织

                                      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！

                                          • 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！

                                                2 hr 52 min
                                              • EP 32. 【生成式AI专题4】对话微软大模型专家：GPT 能否带领我们通向AGI（通用人工智能）？
                                                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!?
                                                GPT 之后，我们关于AGI 的探讨又更近了一个阶段。但如果走向通用人工智能时代是一个大概率事件，那么实现通用人工智能的最佳路径只有 GPT 吗？还有哪些值得大家去探索的方向有待讨论，探索的方法论又从何而来？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！
                                                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：@H0wieXu｜ 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，感恩比心！
                                                有任何心得和建议，也欢迎在评论区跟我们互动哦~
                                                2 hr 56 min
                                              • EP 31. 【走心幕后】13个月30期，我们与播客的共同成长（及，你们要的播客清单！）

                                                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~
                                                  • 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
                                                    • 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

                                                        • 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!


                                                        我们都聊了什么？

                                                        04:41 两位主播先分享近况以及最近印象深刻的一件事。

                                                        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

                                                          • 我们的播客和书籍推荐

                                                          • 《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

                                                            • 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！

                                                            2 hr 6 min
                                                          • EP 30.【生成式AI专题3】深度探讨大语言模型生态链：芯片，基建，工具，开源，应用

                                                            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

                                                            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~

                                                                  1 hr 48 min
                                                                • EP 29. 对话Klaviyo 核心成员：百亿美金电商SaaS的成长与野心，要做美国东岸的“苹果”

                                                                  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！


                                                                  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

                                                                    • 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！

                                                                        1 hr 57 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。