生成式AI的快速发展打破了许多领域的规则，也为AI时代创业公司的发展揭示了潜在趋势。本文便从部分生成式AI公司创始人的经验中，总结了AI时代创业公司的4个新趋势，一起来看一下，或许会对AI创业者们有所启发。

今天看到老牌基金NEA发表了一篇新文章：《Rewriting the Startup Playbook for the Age of AI》，主要内容来自NEA投资的四家生成式AI公司创始人的经验总结，这三家公司分别是Perplexity、Rewind、Forethought和Crowdbotics。这三位创始人总结了AI时代创业公司四个新趋势，很多内容对AI创业者应该会有不少帮助，笔者在此借助GPT-4快速翻译了这篇文章，希望能够给大家也带来最新的思考和启发。

导语

随着生成型AI的爆炸性增长，打破了公司建设的规则，NEA支持的创始人们识别出了四个关键的新兴趋势。

去年秋天，生成型人工智能的兴趣达到了高潮，Perplexity AI的联合创始人Aravind Srinivas和Denis Yarats知道他们必须迅速行动。他们没有几周或几个月的时间来招聘人才，所以他们放弃了招聘人员，安排面试和文化适应性讨论。相反，他们采取了更直接的方法：他们会向首选的候选人提供一份为期两周的有薪试用。

这个计划奏效了，Perplexity聘请了联合创始人Johnny Ho，他在仅仅几天后就加入了公司，担任首席策略官。除了第四位联合创始人Andrew Konwinski，公司的所有员工都是通过这种方式聘请的。除了节省时间，这个过程也淘汰了那些本来就不太可能加入的人，并且比任何演讲或激励方案都能更好地激发对Perplexity使命的热情。Srinivas说：“现在我听说其他公司也在使用这种试用基础的招聘方式。”

自从去年11月病毒式聊天机器人ChatGPT发布以来，像Perplexity这样的风险投资支持的初创公司不得不抛弃部分公司建设的传统模式，拥抱新的思维方式。NEA合伙人Ann Bordetsky表示：“从筹款到产品开发再到客户服务，许多历史悠久的做法在短短几年内就会显得过时。我们现在处于原始混沌阶段，事情有点混乱和实验性。但你可以看到，人们正在构建新的方法。”

这并非第一次突破性技术引发了如何建设伟大公司的深刻变化。与发明个人电脑一样，像Steve Jobs和Bill Gates这样的创始人为制造、营销和销售复杂的数字技术创造了新的规则。90年代的亚马逊、雅虎和无数的互联网初创公司，智能手机兴起后的Facebook和其他社交网络公司，以及借助云计算的Salesforce、Box和其他SaaS提供商，也是如此。

作为硅谷最成熟的风险投资公司之一，NEA一直处于这些革命性技术转变的前线。如果说这家公司在过去四十年中学到了什么，那就是像现在这样的混乱时期往往会催生出一些世界上最成功、最有影响力的公司。

“这些技术都使得以前不可能的商业模式创新成为可能，”NEA的董事长兼首席执行官Scott Sandell说。例如，互联网使开源变得可行，并使得可以将软件作为一个持续改进的服务而不是许可产品来交付——如果选择的话，这是免费的。“它改变了开发软件、分发软件和获得软件付费的模式，”Sandell说。“我相信AI也会产生这样的影响。”

NEA合伙人Aaron Jacobson说，如果有什么的话，AI的影响将会更大。他说，虽然以前的剧变涉及到技术的使用方式和使用地点，“但AI实际上正在改变谁来做这项工作。”“这是前所未有的，所以这种破坏将会比以往任何时候都更快、更猛烈、更大，因为有更多的东西可以争夺。”

生成型AI的热潮还不到一年，但已经发生了很多事情，我们已经可以看出在未来的几个月、几年，甚至可能是几十年里，公司建设将如何改变。为了更好地理解这个历史性的转变，NEA请其投资组合中的四位AI初创公司的创始人分享他们的新思维。从这些讨论中，我们已经找到了四个在AI革命中公司建设的新趋势。

趋势1：灵活性至关重要

即使与过去的热潮相比，生成型AI市场的发展速度也令人震惊，每周都会发布一些令人难以置信的新方法来使用大型语言模型（LLMs）。科技巨头和领导者，如Google、Microsoft和ChatGPT的所有者OpenAI，正投入数百亿美元，不仅创建这些模型，还开发API和其他工具，帮助创新者商业化他们的产品，他们通常更愿意拥抱开源，而不是追求封闭的花园策略，以寻求锁定和更高的利润。

此外，生成型AI让公司——不仅仅是AI初创公司，而是所有类型的公司——能够更快地行动。当Srinivas离开OpenAI创办Perplexity AI时，这位首次创业的创始人利用公司自己的“答案引擎”技术，学习那些需要花费数小时在Google上搜索，和专家进行无数次的午餐和咖啡交流才能了解的事情。“我们不知道创始人需要知道的很多基本事情，比如如何做公司税务。我们不知道你必须向承包商发出1099表，”他说。

因此，公司正在以惊人的速度执行。团队在几个月内发布了四个基于OpenAI的GPT-3.5 LLM的Perplexity的聊天机器人版本，每天吸引超过一百万的浏览量。然后，当OpenAI在3月中旬发布GPT-4时，联合创始人Yarats迅速召集全公司进行了一次长时间的黑客马拉松。两周后，他们推出了Perplexity Copilot，一个“交互式搜索伙伴”，可以向用户提出进一步澄清问题，同时进行多次搜索，并提供更准确的结果。

Srinivas指出，像OpenAI和Midjourney这样快速迭代的AI初创公司的成功，“执行速度快的人正在得到回报，速度是这里的常数。”

而速度需要一种不同的心态。在最近的一次全员会议上，当一名员工问是否可以设立可衡量的季度目标时，Srinivas说他很乐意考虑——只要员工准备好每隔几周就改变他们的目标。

这种灵活性也需要对技术和创新采取更为灵活的方法，公司需要对他们用来开发产品的技术保持严格的中立态度，甚至对他们创造的产品和技术也是如此，而不是押注特定的供应商或专有产品。当Deon Nicholas在2017年看到基础模型的进步时，他创立了Forethought，一个基于AI的客户服务系统。由于2022年OpenAI的GPT-3.5和ChatGPT等突破，公司有意识地放弃了大部分自主开发的技术栈。

Nicholas说：“我们经历了五个阶段的悲痛，因为我们有几年的技术壁垒。但最终，我们意识到，我们可以通过应用像GPT-4这样的技术，继续领先竞争对手两三年。AI将从根本上改变我们的市场，所以重要的是引领这种变化。”

Rewind AI的创始人Dan Siroker说，适应性是必要的，该公司提供一项服务，通过所有数字交互的可搜索记录，给人们“完美的记忆”。他说：“世界正在以越来越快的速度变化，所以比其他人更快的能力比过去更重要。这就是为什么我们每天发布11个版本的产品。我甚至会说，你的反应和适应能力比你预测未来的能力更重要。这可能是10年前伟大的创始人的特点，但我不认为它像每天都能注意和倾听，做出更好的决策那样重要。”

趋势2：重新想象生产力‍‍‍

ChatGPT的消费者采用率使得TikTok看起来像是慢吞吞的，全球有数百万人对它如何提高他们的生产力赞不绝口。领先的初创公司已经开始实施变革，使他们能够用更少的人做更多的事情。

这种生产力的提升为更快的增长创造了基础。首先，它使公司更加盈利。一家保险科技初创公司在对其大型语言模型进行一些轻量级训练后，其利润率从40%跃升到50%以上。

生成型AI帮助初创公司保持小规模的优点，如灵活性和团队精神的同时，实现他们的快速增长。几十年来，研究一直显示，当涉及到开发软件时，小团队更有效率，更有生产力。这就是Perplexity接受了2600万美元的A轮融资，尽管它本可以筹集更多资金的一个原因：防止公司增长员工数量超过绝对必要的速度。“当有适当的人在做适当的事情时，就会发生一种特殊的魔力，”Srinivas说。

这种魔力对于招聘也很重要。“除了展示你的快速进步，没有更好的方式来推销自己给员工，”他说。“你可以说你想说的关于路线图和愿景的任何事情，但为什么任何人应该信任我这个首次创业的创始人呢？因为团队每隔几个月就会发布一款出色的软件。”

最终，公司的产品策略也需要反映这种生产力革命。以“坐席”——按照被允许使用的人数来许可软件——作为销售商业对商业软件的一种方式。Siroker说：“如果每个员工做的工作量增加了10倍，你会想要关注输出，或者关注客户关心的任何其他价值单位。”

那么，精益到什么程度才算足够呢？目前还没有明确的指导方针，太多的东西仍在变动。但是，员工人数将会大幅减少，Siroker说，他在创办Rewind之前创立并出售了数字体验平台制造商Optimizely。他说，公司已经在改变招聘对象，选择更多的全能型选手，而不是因为他们在某种特定的编程语言或任务上有深厚的专业知识，而LLMs正在迅速学习这些任务。当公司中的每个人都在使用生成型AI时，“就像他们都穿着钢铁侠的战衣。”

Siroker说：“我们正在用15个人建立一家令人惊叹的公司。过去我们可能需要数百人。这是一种不同的思考方式。”

结果将是一种新品种的非常有价值的、非常小的公司。NEA的Jacobson说：“我们将看到一些公司只有25或50个人，就能产生数亿美元的收入。这将是疯狂的。”

NEA合伙人Vanessa Larco说，这种超高生产力可能会带来新的问题，包括对顶级AI人才的争夺战的大幅度升级。据报道，OpenAI已经支付了超过100万美元的薪水。“生成型AI可能会把一个10倍的工程师变成一个100倍的工程师，但它不会让一个平庸的工程师变得更好。就像你给一个数学不太好的人一个计算器，”她说。“他们不知道如何充分利用它。”

趋势3：构建数据壁垒‍

网络效应，那种当产品或服务对用户的价值随着每一个新客户的增加而增长的奇妙现象。对于有30亿其他用户在网络上的人来说，Facebook比对于有3000或300万用户的人更有价值，市值巨大的公司几乎总是拥有网络效应。

在生成型AI时代的成功将更少地取决于谁在一开始就拥有最多的客户，更多地取决于谁能找出如何获取更多他们需要的数据，以便比竞争对手构建更好的产品。“这全关乎数据，”Larco说。“你可以是第一行动者，但如果你没有获取专有数据集并大量吞噬这些数据，那再早开始也无济于事。”

因此，生成型AI时代的创始人需要将数据视为更重要的战略优先事项。毕竟，其他传统的竞争优势来源可能并不可行。考虑到围绕生成型AI的创新热潮，没有哪个初创公司可能长期保持大的技术优势，特别是当依赖像GPT-4这样对所有人开放的流行基础模型时。Forethought的Nicholas指出，对于基于AI的产品，最好的品牌和营销就是那种智能的正确性和可靠性。“几乎不可能以传统的方式建立壁垒，比如技术或品牌，唯一真正的方法就是使用专有数据。”

对于消费者公司来说，成功在很大程度上取决于是否有真正颠覆性的用户体验。“我们寻找的是病毒式传播，”Bordetsky说。例如，Perplexity AI的每日流量部分原因是其“答案引擎”不仅提供了ChatGPT式的查询答案，还提供了信息来源的链接。

而且，这些用户体验需要以数据为中心进行设计。“公司需要在聚合、用户增长和参与度方面特别出色，以持续改进他们的AI驱动的产品，因为那才是业务的真正驱动力，”Bordetsky说。

自从2017年创立Forethought以创建更好的客服聊天机器人以来，杀手级用户体验一直是Nicholas的关注焦点。该公司投资开发了管道软件，以便轻松地整合来自Confluence、Salesforce和Zendesk等现有系统的数据，以便为其聊天机器人提供信息。并且在3月份，它推出了一项基于OpenAI的服务，名为SupportGPT。

因此，该公司现在有超过50个集成服务，这帮助它签下了超过100个客户，包括万豪和Instacart。Nicholas表示，该公司正在构建一个强化学习系统，以捕获甚至看似微不足道的交互，比如帮助台代理人是否真的使用了Forethought系统的推荐，以及最终的客户是否对那个答案满意。

他说：“最终，这是关于创建一个智能系统。”今天要建立一个客户服务操作，公司会雇佣代理人，并用传统的记录系统中的客户数据为他们配备武器。“在10年后，公司将首先使用AI在那些专有数据之上构建一个系统，所以一个帮助台代理人可以简单地问‘我们几周前和Deon的那次互动是怎样的？’”

趋势4：更大胆地思考

历史上没有任何技术像生成型AI那样快速崭露头角——不是搜索，不是智能手机，也不是社交媒体。不出所料，竞争水平也同样快速上升。

截至2023年5月，Dealroom统计了超过250家生成型AI初创公司，科技巨头们都在关注这项技术，就像他们的未来取决于它一样，这可能确实如此。而且，因为他们已经拥有大量的宝贵数据，这些现有的公司在抵挡下一代颠覆者方面比他们的前辈们有优势。考虑到这种风起云涌的环境，“这不是一个适合渐进式思考的时代，”Larco说。“你需要做一些如此不同且明显的事情，以至于人们会回头看看说，‘我不敢相信我们曾经是那样做的。’”

这意味着要摒弃零散的产品改进，而是要专注于创建全新的品类。对于Rewind的创始人Dan Siroker来说，他的目标是给人们带来“完美的记忆”。一旦一个人同意给予他们的数字活动访问权限——他们去过的网站，他们发送的文本，Zoom通话上说了什么——Rewind的应用程序可以检索任何交互，即使这个人只记得被键入或说出的几个关键词。（目前它只在最新的Mac上工作，因为它们依赖于苹果的M1和M2芯片。）

这个计划需要发明一种压缩技术，将数据压缩超过3000倍，使得可以在用户的设备上存储多年的数据。他们还必须找出处理明显的隐私问题的保护措施（例如，所有数据都保留在设备上，永远不会存储在云中）。

但是，强大的挑战是吸引力的一部分。“我看这个更像是一个我想要花余生去解决的问题，而不是一个商业计划，”Siroker说，他将Rewind的记忆保持能力比作一种“超能力”，类似于在他20多岁时失聪时恢复听力的助听器。“这更多的是出于自私而不是策略。”

Siroker小心翼翼地找到了他确信会支持他的使命的投资者。这使他找到了由NEA领导的一群人，他赞扬我们在所有不可避免的起起落落中投资公司的记录——有时甚至在IPO时购买而不是出售。“NEA的人们理解成功完成这个任务的几率，他们还是愿意参与，”Siroker说。”他们对建立一个具有长期价值的公司感兴趣。这就是他们是为数不多的在每一代技术中都取得成功的公司之一的原因之一。”

Siroker认同这样的观点，即执行大胆的商业计划更容易——而不是更难。“想法越大胆，员工和潜在投资者就越兴奋，”他说。“这也帮助我保持对我们正在做的事情的兴奋。”

Perplexity的Srinivas同意真正的大使命可以激励伟大的人，但强调这需要以真实的成就作为支撑。“我很现实，我们不可能在薪酬上与谷歌竞争。没有人可以，”Srinivas说。“但是现在有很多非常有才华的技术人员在像谷歌这样的地方极度无聊，他们正在寻找他们在世界上留下印记的机会。”

Crowdbotics是另一家使用生成型AI追求崇高目标的NEA投资组合公司。简单地说，该公司打算利用AI来重塑整个软件开发过程。当大量的低代码和无代码竞争者正在创建工具，以便非技术人员可以为简单的应用程序创建软件时，创始人Anand Kulkarni相信，那些在2016年刚开始在学术期刊上讨论的基础模型有一天会让应用开发团队通过自然语言命令完成更多的工作。

“任何软件工程师都会告诉你，编写代码是容易的部分，”Kulkarni说。更困难的是弄清楚软件应该做什么，以及如何用计算机可以理解的术语来表达这一点——更不用说被鄙视的任务，如编写文档和确保生成的代码是安全的。此外，Crowdbotics已经开发了流程，使公司可以将其开发人员生产的所有软件保存到可重用组件的目录中。

最终，他的愿景是通过让公司在几个小时或几天内生产出生产就绪的代码，而不是现在需要的几个月或几个季度，将开发软件的边际成本“降至零”，Kulkarni说。在十年内，开发人员将能够描述他们试图创建的软件，公司的“代码操作”系统将把现有的组件拼接在一起，帮助开发人员编写其余的部分，并构建必要的安全性、隐私和偏见防护栏。

这个过程永远不会完全自动化，因为人类将必须审查和排除角落案例问题。即便如此，这种方法已经为Crowdbotics的客户释放出潜在的创新力量。几十年来，大多数基于软件的创新想法都被否决，通常是因为对工程成本的担忧。“在将想法推向起跑线的过程中存在太多的摩擦，以至于大多数想法从未被考虑过，”Kulkarni说。“我们正在通过使其高效且易于操作来改变这些经济学。”

不久以前，Kulkarni并没有过于强烈地宣布这个使命。该公司淡化了其对生成型AI的使用，因为担心潜在客户会嘲笑AI能处理构建企业软件这样复杂的事情的想法。“我们已经有了多年的演示，展示我们的系统如何在一分钟内为客户构建一个应用，但我们很少使用它，因为我们认为客户不会相信它。”

现在不再是这样了。由于对生成型AI的兴趣如此浓厚，一分钟的演示已经成为“我们与客户交谈的核心”，公司已经调整了其营销和产品路线图，以强调其生成型AI的能力。

“世界的思维方式已经改变，市场突然对我们一直在构建的东西产生了渴望，”Kulkarni说。“当你有这样的时刻，你需要去迎接它们。”

参考材料：

[1]https://www.nea.com/blog/4-trends-for-ai-startups-and-generative-ai-companies

结尾

本文主要内容和观点来自NEA在生成式AI领域四家被投企业的创始人，所以自然也有PR的成分在里面。但这四家公司都是目前生成式AI领域发展非常不错的标杆，因此很多的认知和观点也非常值得仔细推敲并吸取精华。关于更多Plugin和AI生态的分析，可以参考我之前的文章——《AGI要来了？AI Paradigm的新阶段和新趋势》。