Vol.172 专访群核科技黄晓煌：一个技术创业者的14年

摘要

• 核心判断：AI消灭了SaaS的know-how壁垒。 黄晓煌的原话：“原来做软件很重要的壁垒是把行业know-how写成代码……这一波AI出来之后，这些know-how直接能够被计算机理解，还能直接生成代码，这些活没必要人再做了。“群核2023年起把战略从建筑/家居信息化SaaS整体转向智能化世界的基础设施——合成数据训练、数字孪生建模、机器人管理；流程式管理软件很难，建筑工地管理等流程式项目"肯定没有前途”。
• “GPU超过CPU，这是物理规律”，为期二三十年——读书时被黄仁勋和David Kirk"天天洗脑"后从未怀疑：CPU主频2-5GHz二十年不动，摩尔定律只能靠几千上万核横向延续。 对照物是风口：“今天这风口明天那风口，一年一个变，追这个没什么意义。“同一逻辑的推论：算力提升必有新应用涌现，“跟基因突变一样，你永远不知道，但你的算力得有”。
• “机器人行业肯定不是泡沫”，人形机器人是"制高点”（类比自动驾驶的L4），但"短期行不行我不确定”；确定的是所有机器与设备的智能化，从指令式变任务式。 合成数据从被机器人公司普遍质疑（“你合成的东西是假的怎么训练”）到逐渐被接受，转折点是疫情期间硅谷巨头看到论文和开源训练集InteriorNet后主动付钱上门，“手把手教我们怎么训练”。
• 开源是地缘对冲工具。 SpatialLM开源的一个动机是DeepSeek带来的启发（“全人类的智慧还是比你一家公司来得关键”），另一个动机是封锁预案：“万一中国被封锁了AI，我通过海外分公司训练模型，开源出来国内继续用——完美的绕过了小院高墙。“开源模型不考虑商业模式；老业务从卖账号向卖算力过渡，机器人合作按合成三维场景数量收费。
• AI生态判断：卷基模没意义，做应用的太少。” 大量公司在卷基础模型，钱都没赚到，这不是一个健康的生态”——如同移动互联网时代所有人卷应用商店没人开发应用。能成的应用是Cursor式"解决原来解决不了的问题、把高成本任务做得很低很快”，靠流程know-how的管理类应用会被AI生成代码轻松替代。
• 创业筛选器只有两条：真的有社会价值且自己认可，加自己真的喜欢。 据此拒绝了装修贷款和供应链等赛道（“让我雇个人蹲在人家门口催债，这我做不出来”），躲过了不少互联网金融等赛道的坑；也承认做不了内容社区：“做不了小红书”，内容质量无法量化，“像在管理一群语言不通的人”。
• 人才观：聪明+动手快，“一个顶十个”。 面试现场甩一篇论文当场改进，不要求经验，“本科辍学我都能接受”；DeepSeek成了励志故事——“以前他们说你钱投的不够多，现在是你人不行，聪明人比卡更多更管用。“与DeepSeek团队平时有交流，最好的轶事是：“以前一直以为他们是炒股的，他们以前一直以为我们是做装修的”。
• 财务底盘撑住了转型：2016年现金流打平，2017年约四五千万现金流，买卡是人工外最大开支但由经营现金流cover。 转型代价是与股东死磕估值——“智能化系统两倍PS还是二十倍PS，我哪知道”——最终部分靠利益解决：“你能用利益解决的问题都是小问题。”

精读

1. 竺可桢学院：一群聪明人在一起，比上课更重要

• 2003年高考全省六七十名直入浙大竺可桢学院，与黄峥差五届——“在学校就听说他的光辉事迹，成绩特别好。“学院不分专业、大一结束进实验室做科研，他选了浙大CAD实验室研究渲染。
• 学习方式：“一般的课第一节去、最后一节去，中间都不去”，白天睡觉晚上写代码。真正的收获是同侪：“一群聪明的人在一起是很重要的”——小镇做题家靠师兄们的见闻和想法打开世界，“这个对我的影响可能会更大一些”。
• 30来人的班级约三分之二出国，过半在金融或IT公司。他的感慨：“年轻的时候觉得工资挺高挺嗨，年纪稍微一大，那个天花板太低了。”

2. 英伟达的天花板：把整个通讯录研究了一遍

• 在英伟达他做过一件事：利用大陆拼音与港台拼音的差异，把全公司通讯录研究一遍，统计大陆背景的中层管理者——“比例非常低。你说这些人不聪明吗？都是最顶级聪明的人，那就是有天花板”，是一个"温水煮青蛙的过程”。
• 结构性原因：高性能计算项目要美国政府审批，“等到审批下来那项目都快结束了”，涉国防部的关键业务"连会议都不能参加，什么信息都要对你隔离”。他由此"死了在那边走职场的心”。现在只会更严——“人家一看大陆来的，你就别参加了”。

3. UIUC与CUDA实验室：英伟达出钱养的博士生

• 申博士不申硕士——“硕士没有奖学金，都是申请博士的”。UIUC最强的是超级计算机，正好要图形学背景。导师与英伟达CTO David Kirk搞联合培养项目，英伟达赞助约一百万美金加大量GPU，专门研究CUDA，奖学金由英伟达打款给学校再发学生。
• 在UIUC反而不逃课了：课上要设计芯片，“我靠，那个软件好贵啊，根本没有那软件，你又不能用盗版的”，超级计算机上机也只能去课上——设备稀缺决定了学习方式。
• 英伟达写信借他一年开发CUDA系统，导师放话"大部分去了都不会再想回来”——果然没回去拿博士学位：“学校里做的东西跟公司里一样，公司工资又高，算力集群全都是。”

4. 第一届GTC的顿悟：黄仁勋用128颗GPU，我4颗就够了

• 第一届GTC当志愿者，台下看Jensen用128颗GPU做本地实时渲染：“我在想这玩意儿怎么要这么多GPU，那不太对劲。“回去自己实验，“大概四颗就够了”——这成了创业点子：物理正确渲染原来出一张图半小时一小时，搬上CUDA加速后"效果特别好”。
• 他自己点破的创业悖论：当年英伟达发展不好——“它如果发展的很好，我要么继续工作下去，要么回去读PhD。你说它发展不好我还继续读这方向，神经病吧。但是没想到人家后来发展的很好，这个也是在意料之外。”
• Demo一个月做出来，UIUC同学合伙人（朱浩在亚马逊、陈航在读博，“大厂加博士”）看完"有点感觉捡到宝了”——“你晚个一两年根本没你啥事了，就迫不及待的回来创业了。”

5. GPU超越CPU是物理规律，风口没有意义

• 核心信仰读书时就确立：“现在CPU的主频就在两到五G，二十年前差不多也是这水平，到了物理极限了”；只有几千上万核的架构加全新编程思想（CUDA）能让摩尔定律延续。“GPU超过CPU，这是物理规律……是一个为期二三十年的规律，这里是确定性的。”
• 对照物：“风口反正今天这风口，明天那风口，一年一个变，你去追这个没什么意义。故事可以追，但你做的东西是五年十年投下去做的。”
• 时间标尺：2018年之前相信的人不多，“大家都相信的时候你再讲已经没意义了”。哪家公司做成是概率问题——他当年甚至觉得Intel赢面更大。

6. 导师的思想实验：算力提升千倍，选物理模拟而非人脑

• 读书时的课题假设未来算力提升一千倍，两个候选方向——模拟人脑、物理正确渲染。他选了后者：“怎么模拟人脑实在是没有头绪”，CNN那套方法论"好像是零九还是一零年才提出来的，至少我当时还没看见"。
• 在英伟达实验室看到Stanford深度学习论文的第一反应：“这玩意儿这么慢怎么用？我还在研究怎么加速它。“由此得出他的元结论：算力提升必有新东西涌现——“跟基因突变一样，谁突然脑子一闪而过想出这个东西来，永远不知道。但你的算力得有，有算力之后就会有人研究出来，时间长短问题而已。”

7. 硅谷融资失败，“拼团"回国：中餐馆里的招商引资

• 最早想在硅谷创业，2011年，金融危机后"融资也不太好融”。回国时朋友问的是"英伟达是不是要倒闭了，想做空英伟达”——“我说英伟达是不太行，但肯定不是我回国创业的原因。”
• 浙江省到硅谷招商引资的场景还原：包下一个中餐馆请大家吃好的，“基本上大家都蹭吃蹭喝去的，听着听着就感兴趣了”。约三十几家硅谷公司组团回国考察，“机票好像是苏州政府出的”，杭州可能提供免费住宿——“还是个拼团。“他补一句：“这个在现在是不可想象的。”
• 起步是合伙人家里一套空房子，用了一年：“面试的时候你带到一个卧室里面，太不靠谱了”，候选人怀疑是骗子公司，“特别是女员工”。

8. 2012年的中国VC：一半人不知道什么是GPU

• 当年VC投App、团购、O2O（正值千团大战），“没什么人看科技”，人民币基金"看都不看”。被问最多的三个问题：“什么是GPU？为什么你做这东西英伟达不做？英伟达自己也做的不咋地，你在他基础上做行吗？"——“我发现有一半的投资人不知道什么是GPU。”
• 还有人问"万一英伟达倒闭了，你有什么方式继续你的公司？"——“我觉得很难回答。“2012年不顺，2013年中国资本市场泡沫，“融资一轮接着一轮”。

9. 学会看人下菜：家装平台的故事和FA写的台词

• 跟投资人谈技术、谈摩尔定律"就完蛋了，觉得你瞎扯淡”。管用的包装是一个疑似Houzz平台的痛点：实拍一套房子成本三千美金（约两万人民币），GPU渲染不到两百块，“ROI太高了，可以颠覆这个平台的模式——一下子就很好融资”。
• 学乖之后的操作：“碰到投消费的就跟他讲消费的故事……FA还给我准备了好多台词背了一遍”——中国家装市场多么巨大、中产阶层崛起。“我当时没装过一套房子。“但底层从未变过：“不管做什么行业，围绕GPU加速这个赛道一直在做，我也经历了很多个周期了，无所谓。”

10. 第一笔钱与引爆：王怀的50万和2013年的数据

• 最早的钱来自浙大校友王怀（原字幕音近，姓名可能有误），硅谷校友会一起做志愿者的交情：50万人民币，“就咱们朋友一场，我也不管你做啥了，反正给你五十万，别来找我了。“之后靠他介绍陆续融到资。
• 2013年产品在行业里火了，“数据特别好，微博上疯狂传播”；2014年起"天天一堆投资人要投，早期投资人不让投，有些不让投都翻脸了”——“完全另外一波烦恼了。“不是价格问题，是老股东"觉得不需要融，再晚一些价格会更好”。

11. 投资人劝做社区：研究半天，做不了小红书

• 火了之后投资人劝做疑似Houzz式家装社区。理工科团队的挫败感很具体：有同事熬夜写到两三点的文章零转发，另一篇上万转发，“研究半天，我都不知道怎么分析它为什么行为什么不行，一脑袋浆糊，我至今也没搞懂”——“有点像在管理一群语言不通的人，他讲的每一个字你都听懂了，但你不理解他在说啥。”
• 请顾问冯树来讲"什么样才是美”，他追问"那你这个美怎么量化呢？然后就不知道了”。想用AI大模型给设计打分，“现在也挺难”。最后跟投资人摊牌：“我组了一个很不错的团队，要不他们自己出去创业吧，你投他们吧，放过我吧，我实在不会。“结论：“做不了小红书。”
• 沉淀下的管理原则：自己都无法判断好坏的东西别做——“你总得给同事发奖金，他做的好跟做的不好你都完全无法解释，做的人也很受挫。”

12. 拒绝装修贷款：催债蹲门口的事，做不出来

• 股东天天劝做装修贷款：“一单能赚好几万，你卖软件一个设计师一年就给你几百块钱，何苦呢？“他去调研的所见：离职同事创业背债，“天天一个催债的人蹲在他家门口。让我雇个人蹲在人家门口催债，这我做不出来啊。“做不出来就意味着大量坏账——“我宁可不赚这个钱，为什么要赚自己认知外或完全不认可的钱？”
• 时代切片：整栋楼除了他们全是互联网金融公司，“你不做这个业务你都融不到资”——李翔接话"就跟现在做点AI一样”，他认：“嘴替，就这个感觉。“后来这些暴利赛道大量暴雷，包括拿供应链压款做理财的，“我见了好多”。
• 两条铁律由此确立：“一是这东西赚钱得真的有社会价值，而且是你自己认可的社会价值；二是你自己真的喜欢。不满足这两个条件，赚钱我也不做，这风险太高了。”

13. 商业模式的起点：五万块众筹，谁付钱爽快切谁

• Demo刚出来、产品还没出来，就去问各行业"你愿意为这个付五万块预付费吗”——真有一批家居企业付了钱，“就朝着那个行业深化往下做”。选择标准极简：“谁付费高就往哪里切。“技术从第一天就是通用的，“只不过你一开始面向所有行业、所有客户，你handle不了，得找一个切入点”。
• 反例是电影行业：做过电影后期系统，“一二年合作的业务，一六年才把尾款付完”——要等上映回款。“做这个行业的业务早破产了，拖死了。”
• 投资人对卖软件、卖API"一点兴趣都没有，就希望我们早点卖家具，要么早点搞装修贷款”。他认可他们的一个总结：“在中国你来钱快的，就是金融跟零售，其他东西都是苦活”——但软件至少高毛利，“中国大部分行业毛利低还有账期，很痛苦的”。

14. 现金流与被逼扩张：2017年四五千万

• 2015-17年卖API/云服务把团队养活，“那波还是挺开心的，苦加乐”；2016年现金流打平，2017年大概四五千万现金流——“然后投资人就逼着你做各种扩张，那时候压力就很大了。“你说增长不错，投资人回你：“人家一年涨十倍二十倍呢，你吭哧吭哧卖软件一年还没有人家一单赚的钱多。”
• 他自己下场卖软件的体验是段子也是实情：“吃完饭喝酒喝半天，最后再来一句’那个你的需求’——你要打折你就直说嘛，我把吃饭的钱补给你不就好了吗？“成交率"不高，很多客户谈着谈着就谈飞了”。“我做科研为主的，不知道那么多套路，很容易被套路。”

15. Intel为什么输：创始人不管公司了，变成华尔街管理的公司

• 他曾判断Intel比NVIDIA成功概率更大，一度把系统迁移到Intel新芯片上——“Intel做的芯片更稳定”，也出了类似CUDA的竞品。败因：“Intel的产品线太多了，主板、显示器、笔记本啥都做，NVIDIA做这么多年就一个GPU。你分心了之后就容易落后。”
• 更深一层：“创始人不管公司了，变成一个华尔街管理的公司。华尔街今天看个研究报告要做嵌入式芯片，明天要做视觉芯片，后天要做ARM芯片，你这公司开多少条线？“教训：“得专注，找到一个你认可的方向，有时候就赌一把，一直做。”
• 李翔提到张忠谋自传：张退休时认真问过黄仁勋要不要当台积电CEO——“当时台积电的市值是英伟达的好多倍，确实是这样。“黄晓煌的解读：英伟达跟台积电互相成就——制程到物理极限后横向发展，Intel自己Fab选了另一条路。还有一句自嘲：如果现在回国创业可能会做芯片，“但那个年代做这个，人家会觉得你脑子被驴踢了，投资人聊都不想跟你聊”。

16. 2022年的迷茫：know-how壁垒被AI直接消灭

• 原战略很顺：室内→小型建筑→大型建筑，工业4.0家居做得好，顺势进房地产建筑。2021-22年"整个国家的战略在剧烈调整”，建筑行业不行了，同时AI、自动驾驶大爆发。
• 关键洞察值得全文保留：“原来你做软件很重要的一个壁垒是把行业的know-how写成代码，日积月累形成一个很强的壁垒。这一波AI出来之后，这些know-how直接能够被计算机理解，然后它能直接生成代码，那也就是说这些活没必要人再做了。原来你觉得是壁垒的东西，现在不是壁垒。”
• “我那段时间有一年是很迷茫的”——2022年。触发是几件事叠加：项目管理类公司业绩变差、自己捣鼓大模型发现know-how可以文字直接转代码——“我靠，这个世界变了，你必须调整，不调整的话有可能就成为历史的牺牲品了。我看到有些公司就在跟时代死磕，没什么意义。”

17. 转向智能化世界：信息化进程到一半被取代

• 内部总结一句话定调：“以前觉得未来是一个信息化的世界，但实际上未来是一个智能化的世界，信息化可能进程到一半直接被智能化给取代掉了。那你就拥抱它，抵制或者死磕没什么意义。”
• 新蓝图：五年十年后智能化机器人走进工厂、办公室、家庭，设备"从指令式变成任务式”；群核要做训练系统（合成数据）、多模态快速建模/数字孪生（把图纸输进去直接生成三维结构，机器人"脑海里马上知道各个房间什么样”）、机器人的训练和管理。“原来所有工作都是面向人的，现在既要面向人，还得面向机器人。“李翔的概括他认账：未来智能社会带基础设施性质的公司。
• 旧业务不丢但降级：“只用十分之一的团队配合AI去做……就跟客服一样，应该提供，但你不会觉得客服是你公司壁垒。真正的壁垒又回归到你的算法、你的效果、你的算力。”

18. 转型三件事：技术、团队、股东——最难的是股东

• 技术上重心转算法，他本人"那一年开始基本就不见客户了，天天研究论文看代码。二二年之后这个技术领域变化太快，日新月异，文章根本看不完”。
• 团队最痛：“之前招了很多又有行业知识又会写代码的人，原来是公司里最关键的人。今天你告诉他问你还不如问AI，那这打击太大了。“内部反而好达成共识——同事的段子：老板干了十几年不那么开心的事，“现在终于可以干自己开心的事了。做ERP总比卖家具感兴趣，卖家具总比放贷款好一点”。
• 股东沟通最难：有投资人觉得"建筑方向靠谱，有现金流，某某某公司做项目管理还是很赚钱的”，指责他追风口。“你跟他讲技术为什么可行，他又不是搞技术的，是搞金融的，很费劲啊。“2023年很没共识，2024年大部分投资人才有共识，“极少数还说你不做建筑我就要撤资”。

19. 估值死磕：“能用利益解决的问题都是小问题”

• 转型撞上估值重定价，他把吵架内容原样端出来：“你说未来是智能化的世界，那你这估值怎么估？给你十倍PS、二十倍PS还是两倍PS？你怎么向我证明？……我也跟你讲不清楚，只能说越高越好是吧？“不解决就"什么都投反对票，你也没法做”。
• 结局的坦白：“真的说不服，有时候只能牺牲一些利益，利益说服了。细节就不说——你能用利益解决的问题都是小问题，总比逼着你去做一件你不感兴趣的业务来的靠谱吧。”
• 附带的组织论：“你都发现一个东西已经进入到历史的尘埃里面了还在死磕，是没有意义的。跟着大时代走才能吸引志同道合、有抱负、有思想的人，否则你的团队会越来越老化，来的人会越来越low，慢慢就被时代淘汰。”

20. AI应用生态观：卷基模没意义，流程式应用没戏

• 生态判断：“现在是大量的公司在卷基础模型，投资人投了很多技术模型公司，钱都没赚到……做应用的公司太少，这不是一个健康的生态。就像移动互联网时代所有人都去卷应用商店，没人开发应用，那生态起不来。“舆论向AI应用引导，在他看来是投资人推动生态的正常动作。
• 什么应用能成的判据：“流程式的东西肯定不是AI Agent该做的事情。你看Cursor，我自己在用的，它不是流程式的，它解决一些原来解决不了的问题。原来完成某些任务成本很高，现在能把成本做的很低或者很快，那就一定会有市场。“工地管理、文件管理、账户管理这类靠know-how的管理软件，他觉得很难；其中建筑工地管理、施工管理，他判断"肯定没有前途”，因为用AI生成代码太轻松了，根本不需要花这么多钱买软件。

21. SpatialLM开源：DeepSeek的启发，加一条绕过封锁的路

• 开源动机之一是DeepSeek：“没出来之前我们也没想过要开源，总觉得我辛辛苦苦搞出来的为什么免费给别人用，而且还MIT协议，别人都可以拿去商业化。后面确实触动挺大——全人类的智慧还是比你一家公司来得关键。”
• 动机之二是地缘对冲，逻辑完整保留：“美国对中国进行AI封锁，我在美国训练的模型没办法拿到中国用，中国的也拿不到美国去……万一有一天中国公司被封锁了没法训练模型，我通过海外分公司训练，训练出来开源，中国可以继续用——那不是完美的绕过了小院高墙嘛，总不能说不让开源吧。“类比特斯拉FSD在中美两边数据隔离的困境。
• 商业上想得很开：开源模型"不考虑商业模式”；老业务"从卖账号变成卖算力逐步过渡”。且防御性天然存在：“我们内部系统是无数个大大小小的模型组成的复杂系统，一个模型开源了复制不了”——跟DeepSeek"整个网站就那么一个模型"不同。

22. 硅谷巨头找上门：疫情把合成数据推成了战略

• 转型的种子是客户先种的：疫情期间没法进办公室和用户家里做实验（“陌生人来你家里，你愿意吗？"），硅谷巨头看到他们的论文和开源训练集InteriorNet（在UIUC看到李飞飞搞ImageNet，“我们就搞了InteriorNet”），主动找来合作给钱——“我们一开始还一脸懵逼的，基本上他们手把手的教我们怎么训练。“他也清醒：“当时那种政治环境下愿意找中国公司合作，肯定是不得不找。“当时这还只是个side project。
• 行业阻力真实存在：机器人公司起初普遍质疑合成数据——“总觉得你合成的东西是假的，你怎么能用假的东西做训练？“预计在学术界推动下，这一两年会慢慢接受。商业模式初步成型：按合成三维场景的数量收费，类似卖算力；“目前赚钱还不是首要目的，把整个产业推动到一个新的高度”。
• 防御逻辑同样硬：群核有一块收入来自柔性定制的无人工厂，机器从传统机械臂升级到智能化设备是大势所趋，“你如果不去压住这个赛道，这部分收入就会受到比较大的影响，所以必须提前布局”。

23. 人形机器人是制高点，但"机器人行业肯定不是泡沫”

• 人形的理由：“人形机器人是唯一一个你可以想得出来最通用的机器人”——现有基础设施都为人定制，其他形态最终"收敛肯定是收敛成一个人形”。但路径像自动驾驶：“L4是制高点，但不一定一开始就做L4，可以L2、L3慢慢往上做。有的公司慢慢往人形靠，有的直接从人形开始，最终汇聚在某一个点上。”
• 边界感清晰、原话保留：“人形机器人短期行不行我不确定，但机器人行业肯定不是泡沫——很多机器人已经在干活了，扫地机器人、AGV、送餐机器人。即使人形短期不成立，积累下来的供应链、人才、经验，对其他低一级别的机器人都是非常有价值的。“他也不接受特斯拉式的全人形想象：“不会工厂里所有的设备都变成人，也许只是一个机械臂没有腿，也许只是一个腿没有机械臂。”
• 国家维度：“大模型竞赛纯算力被卡的挺难受，但中国在机器人赛道肯定比美国有优势，国家队肯定是在重点看。”

24. 招人只看两条：聪明、动手快——“一个顶十个”

• 首席科学家的招聘标准：“一聪明，二动手能力强，其他都不要求。“面试法：“现场甩一篇论文，看完之后马上提出改进意见，马上搞。“不要求AI经验：“算法的变化太快了，相关也就一两年经验，对我们没意义，你来现学就行。应届生也没关系，本科辍学我都能接受，就得聪明。““同样一篇文章，一小时看懂还是一周看懂，人和人差距非常巨大——这种人在这个时代可能一个顶十个。”
• 与大厂抢人，李翔转述有朋友说某大厂给应届生三百万年薪还得求着人来；黄晓煌的解法是判断差异化：“我觉得是天才的人，字节不一定觉得。每个公司有自己的判断标准，做算法的人也不用很多。“DeepSeek成了励志故事：“以前他们说你钱投的不够多，现在是你人不行——聪明人比卡更多更管用。”
• 全场最好的段子：与DeepSeek团队平时有交流——“以前一直以为他们是炒股的……他们以前一直以为我们是做装修的，偶尔一起吃个饭。“李翔顺势打趣：做智能社会基础设施是不是被"做装修的"标签留下了心理阴影？他回：“搞装修的都比搞炒股的好呀。你说我一开始面向机器人行业，我都不知道死多少次了。”

25. 开源降低了门槛：“这个时代机会是更多的，而不是更少的”

• 大公司威胁论他不接：“我们也被大公司搞过（AT级别的，‘比贝壳大多了’），也没什么可怕的。只要专注做你擅长的事，除非是在大公司的主赛道上，否则不用太担心。“且大模型不只有大语言模型和图像生成——空间认知、语音、数字人都是大模型，“不是OpenAI在做的模型才是大模型”。
• 开源反而是杠杆：SpatialLM基于阿里千问开源基础训练，“一下子就简单了很多。脚本生成不是我们的核心能力，为了用这东西花上亿去训练一个模型没什么意义”。Stable Diffusion则解决了植物、人物渲染"怎么都解决不好"的老大难。“我原来做起来很难的东西突然变容易了——这个时代还是很让人兴奋的。”
• 剩下的焦虑只有未知的未知：“遇到的问题能想得出来的都可以去解决，我比较担心的是认知外的问题，这个让我有点不自在或者焦虑。“极端情形他也预演过：“万一人形机器人突飞猛进，真跟马斯克说的一样全变成人形了，那原来的假设又不成立了——你以后骑的不是车，是一个机器人背着你满街跑，都有可能。”

26. 杭州最像硅谷，六小龙只是冰山一角；英伟达是他的方法论

• 选址逻辑：回国前调研了多个城市——北京上海科研更强但"成本太高了”；纽约那种最贵的地方"发展不出来什么科技公司，所有人很浮躁”。硅谷的科技公司不在旧金山，在开车一两小时外——“这其实很像上海跟杭州的关系。杭州是最像硅谷的地方，我们很多人上班十分钟就可以到公司。”
• 六小龙热度他归因于春节期间机器人赛道关注加DeepSeek带火：“这六家公司只是杭州科技创业圈的一个冰山一角。“谁被低估？“DeepSeek火之前，谁会觉得他们会火呢？各种独角兽榜单从来就没有他们，这也不意外啊。”
• 公司层面的偶像是英伟达：“先做技术，把核心能力发展出来，再做方向的探索……每一个东西做出来身位不会占的很大，但那个地方一定是最强的”——坚壁清野，别"起了个大早，赶了个晚集”。买卡是人工外最大的资金消耗，但"可以用正常业务产生的现金流cover掉”，不需要额外融资。
• 自我定位收尾：这两年"百分之一百二的精力"在看新东西，日常经营交给成熟团队。成长最快的两段：2015-16第一次把产品做出来卖出去，和这两三年AI大爆发——“又找到那种重新创业、天天在学习的感觉”；反而2019-20"没什么新东西，很boring，天天谈客户很无聊”。最后的自省引马云："‘心越善，刀越快’——做科研的人有个问题就是刀快不起来，我也一直在反思。”