你的下一个可穿戴设备，是挂脖子上的健康伙伴？| 对谈潘宇扬：AI项链Odyss创始人&李一豪：CreekStone合伙人

摘要

• 潘宇扬押注的不是“AI项链”的新奇感，而是眼镜短期内跨不过舒适、续航、外观和配镜成本后，挂脖可能是更符合第一性原理的多模态入口。 Ray-Ban Meta一年数百万台的成绩，在他看来主要依赖海外墨镜市场与Ray-Ban的渠道、品牌，而非证明AI眼镜已成为大众终端；项链既位于身体正面、能看能听，又把约50克重量放在人最能承重的颈部。“产品应该为人服务”，而不是为了让AI“听我所听、看我所看”强迫用户戴眼镜。
• Odyss的核心功能，是自动记录“每一口”食物及运动，把能量从进入到消耗的全过程变成可规划的数据。 它不追求人类观看的高清影像，而做低帧率、低分辨率、高对比度的“AI相机”；团队测试中10 FPS与30 FPS对识别benchmark已无增益，再用T0画面预测T1所需负载、端侧压缩、云端小模型和异步队列，在有限带宽内换取目标18—20小时续航。“你吃下的每一口都被记录在案”，连喝泡面汤也可结合碗内液面变化和IMU动作推断。
• 团队从day one排除了通用记录器，因为硬件必须给消费者一个明确购买动机，context只能是好体验的副产物。 潘宇扬认为，通用AI往往只是多个优化过的垂直agent拼出的“通用错觉”；会议纪要最终属于手机OS，普通人的生活也未必值得全天存档。更关键的是，大量产品把个人信息summary后塞进system prompt，却没有能力逐用户验证agent究竟变好还是变差，因此context最终仍会在健康、coding等垂域中兑现。
• Odyss的海外切入口不是单一“减肥”，而是生物极客、GLP-1使用者及已有慢病风险的人群。 潘宇扬引用的市场观察是，美国约有1.9亿人至少患一种慢性病，全球智能穿戴市场有接近10亿用户；GLP-1用户吃得少，却可能在选择少量食物时更偏向高油、油炸、烘烤食物，慢病人群则需要识别麸质、乳糖、嘌呤等隐藏成分。美国BMI肥胖标准为30、中国为28，但一些BMI 30甚至40的美国受访者仍觉得自己“很strong”，所以产品卖的是健康状态和工作效率，而非外观焦虑。
• 相较拍照算卡路里的App，项链的增量不是再猜一次菜名，而是消除高频记录摩擦并恢复被单张照片丢掉的时间信息。 一张图无法知道碗的深浅、下层食物、共享菜实际吃了多少，也看不到先吃蔬菜还是碳水、进食速度有多快；团队共识中，潘宇扬甚至认为当前识别最准的App是ChatGPT，但原理限制仍在。主持人佩戴动态血糖仪时，一顿延迟到下午三点的牛肉面把血糖推至17—18并令其昏睡一小时，说明真正有价值的是行为链，而不只是热量总数。
• “反人性”的质疑反而促使团队删掉实时劝阻，只保留数据呈现和未来规划，并用产品边界降低隐私风险。 潘宇扬说最严厉的批评主要来自投资人而非用户，他的回应是人类从树上下来本就是“反猴性”，反人性只意味着用户上限有限，并不等于没有商业价值。Odyss不提供相册，用户看不到完整的视频和音频，只看到健康summary；大部分时候，模型输出summary后数据就会被丢弃，本体还将提供低门槛断开方式。团队不会在用户吃到一半时警告“这一顿吃多了”。
• 消费级健康硬件的成败还取决于它能否成为身份符号，因此Odyss想走“比Oura更Oura”的品牌路线。 名称取自Odyssey式的冒险和自我突破，首饰属性、品质感和社交话题优先于医疗严肃感或Duolingo式纯游戏化；团队已做近10版ID，并用英美目标用户打分、落地页和广告测试筛选。公司现约10人，已完成首轮数百万美元融资并接洽第二轮，计划最快明年Q2、最慢Q3先在海外发布；潘宇扬判断核心技术可在发布前验证，最大不确定性仍是新品类需求、地缘政治与法规。

精读

1. Odyss先把边界钉在海外健康，而非泛化AI入口

• 潘宇扬28岁，毕业于电子科技大学，自述为INTJ、双子座；团队“刚刚十个人”，首轮数百万美元融资已经完成，目前正接洽第二轮。
• 产品定位是一款面向全天使用的AI项链，识别饮食与运动并形成数据整理和健康规划；计划最快明年Q2、最慢Q3在海外发布，国内市场“未来有可能”进入。
• 这不是一款已经量产的成品：当前样机尚未完成最终功耗和结构优化，公开展示的男性化ID也只是近10套方案之一。

2. AI眼镜的热度掩盖了四道缓慢演进的物理门槛

• 潘宇扬并非永久看空眼镜，但认为现在做AI眼镜“就跟2015年的时候去做VR一样”；若十年后近视或光学矫正手术仍没有那么普及，眼镜可能会成为一个终端。
• Ray-Ban Meta一年数百万台，在他看来核心是庞大的海外墨镜市场，以及Ray-Ban近乎垄断级的渠道和品牌影响力；国内同时缺少这两个复刻条件。
• 真正的大众产品必须舒适、少充电、好看且融入dress code，约48.6克的标准眼镜已会压迫耳朵和鼻梁；材料与电池又不会像大模型一样每半年跃迁。
• 眼镜的替换成本还包括镜片、验光和瞳距测量，镜片甚至可能比镜架更贵；海外视力正常者若仅为和AI聊天而戴眼镜，动机更弱。

3. 挂脖形态来自“无感佩戴、位于正面”的交集

• 多模态入口最重要的条件不是堆功能，而是“一小时之后不会觉得不舒服”；潘宇扬认为颈部是人体最能承重的位置，约50克项链即使掉到奇怪的位置，用户也未必察觉它的存在。
• 第二个条件是既看得见又听得清，因此设备必须位于人体正面，手指、手腕等位置都不理想；两项约束叠加，才收敛到挂脖，而非先决定做首饰再找场景。
• 他的产品观是：“眼镜离眼睛和耳朵近”只是为AI服务；一个新体验必须大于旧体验加替换成本，最终仍要回答它怎样为人服务。

4. 饮食是健康数据里尚未补齐的最大空白

• 潘宇扬从《Up Live》（中文名《超越百岁》）得到的核心启发，是健康应从“有病再治”转向通过生活规划预防未来风险。
• 吃饭、运动、睡眠和情绪都会影响健康，但后三类已有大量产品，饮食这个影响极大的维度却缺少专用硬件。“这是一个完全空白的市场”，而且每个人每天发生数次。
• 团队试过在勺子、餐垫上装摄像头，却发现它们只能解决单点问题，也无法结合点餐时的语音、地理位置等信息交叉验证一块肉究竟是什么，最终放弃。

5. 潘宇扬的履历把AI、OS、Agent和硬件串成一条线

• 他2019年校招进入华为，先在小艺智能助手做大模型前时代的算法与策略，随后转到基于OpenHarmony早期框架的HarmonyOS，经历了AI和OS两段工作。
• 加入字节后，他最初进入一个至今尚未完全落地的保密项目；在豆包所在的Flow大部门成立前，一批产品经理就在内部探索新课题。
• 扣子最早想让各行业把知识做成Agent，再沉淀为平台数据资产、为更大的AOS服务；这个原始出发点后来被证明“不那么work”，产品在2024年首次对外发布后，他转去AI硬件。
• 他随后参与了耳机Ola Friend等形态，也接触AI眼镜；正是这些尝试，让他判断短期大众终端需要换一种载体。

6. CreekStone想用两个人搭一个中国AI创业者网络

• 李一豪36岁，本科同济、硕士就读于法国，过去八年都在VC；他与合伙人陆欢成立了两人制的早期AI美元基金，兼做投资和孵化。
• 两人的愿景不是只投项目，而是形成类似YC和硅谷mafia的创业者社区，让AI娱乐、效率工具、Agent infra等不同方向的创始人持续碰撞。
• CreekStone这个名字由豆包基于prompt给出，logo也借助Figma AI完成；“上善若水、坚若磐石”对应耐心资本与关键时刻的坚定支持。

7. 通用硬件既缺购买理由，也容易被手机OS吞掉

• 潘宇扬从创业day one就“完全杜绝做任何通用的事情”；他的判断是，所谓通用产品往往只是多个垂直优化Agent拼起来，真正交付好的仍是被优化过的场景。
• 软件可以一天下载100个App，硬件却需要明确的购买动机，因此必须回答“买来干什么”；答案要么是情绪价值，要么是具体痛点。
• 他以自己每代都买的大疆无人机和一年只开一次篷的敞篷车说明情绪价值：“让我觉得我很厉害”，即使使用频率低也足以驱动购买。
• 会议纪要外设的便利性可能形成短期PMF，但跨飞书、腾讯会议和通话的系统级summary最终是手机OS的工作；至于全天生活记录，他直言“普通人的生活其实是很无聊的”。

8. 产品不是拍一顿饭，而是识别入口的每一口

• Odyss要记录人在什么时间，把多大的肉、蔬菜或其他食物送入口中，再估算营养结构、卡路里、GI及其对身体的影响。
• 运动数据也会纳入同一条链路，目标是解释“能量从流入人体到最后流出人体到底发生了什么”，而不只是生成一张食物清单。
• 主持人用装在马桶上的监测硬件开玩笑说“闭环了”；节目中没有说Odyss覆盖这一端，但其数据野心确实是把摄入、活动和身体结果放在一起。

9. “AI相机”主动牺牲人眼画质，换全天候功耗

• 因为零食、咖啡和饮水零散发生，要求用户每次点击启动不现实，所以摄像头必须always on；团队也因此在第一天就删掉相册功能。
• 潘宇扬区分了两种影像：人喜欢高分辨率、高帧率、饱和且贴近现实；AI更需要高对比度、高动态范围、锐化边缘和清楚轮廓。
• “做一个完美的人类相机，就得做成大疆、Insta360那种产品”，但体积、功耗和成本都非常高，也不是团队擅长的事情；Odyss于是选择低帧率、低分辨率及端侧特征强化和压缩。
• 团队benchmark显示，不论10 FPS还是30 FPS都已远超当前VLM的需求甜点，再提高帧率没有增益，“所以我们要做一个AI相机”。

10. 设备按场景索取数据，而不是机械地传完整视频

• 录播客时画面几乎不变，系统应多听；做饭时要更快的画面；识别文字、二维码和条形码则要清晰而不必高帧率，负载必须动态分配。
• 端侧只做直方图匹配等简单压缩：若前后两图信息高度相似，就无需都上传；真正的场景理解交给独立的云端VLA系统。
• 模型根据T0画面预测T1需要的负载，只输出JSON参数；潘宇扬称它可能是3B、1B、0.5B或更小，延迟约一秒或数百毫秒。
• 喝泡面汤这个corner case并不只靠“看到入口”：系统会比较端碗前后液面变化，再结合IMU中动作持续时间推断饮用量。主持人的概括是“天网恢恢，疏而不漏”。

11. 带宽问题靠压缩和异步绕开，续航目标是一天一充

• 潘宇扬承认行业不存在“又快又省电”的传输方式，也不准备独自解决；他给出的带宽量级是BLE约30KB、蓝牙可能跑满约80KB，Wi‑Fi更快但功耗高。
• T0到T1的判断可能只需10KB、20KB图片，完全落在蓝牙范围；只有少数高清任务才启用Wi‑Fi，并以队列冗余允许稍后处理。
• 健康结果不必逐口实时出现，几秒乃至几分钟延迟都可接受；正如睡眠戒指的数据通常在醒后查看，异步反而符合用户行为。
• 产品化目标是18—20小时、一天一充。用户睡前摘下项链，挂到“精美的充电首饰架”上，第二天再佩戴；电池则尽量藏在项链背后或其他位置，避免破坏正面造型。

12. 隐私设计的核心是不给任何人留下可滥用的素材

• 团队在海外访谈中发现，用户更担心“对面的人”拿影像做恶意事情，而不是公司抽象地使用数据；这一区分改变了产品边界。
• Odyss不提供相册，用户看不到完整的视频和音频，只看到健康summary；大部分时候，模型输出summary后数据就会被丢弃，宣传也不会强调camera规格。
• 本体还会加入低门槛的手动断开方式，以便进入私密场所时立即停用；极敏感环境若连手机都必须留在门外，项链同样应遵守。
• 潘宇扬承认社会观念仍需长期变化，当前产品感知已经尽量做到极致，但隐私场景仍会带来社会观念上的挑战。

13. Context越多越好，但收集理由必须先对用户成立

• 潘宇扬几个月内调整过观点：context长期仍是越多越好，GitHub过去只是代码提交库，AI coding出现后才显现训练价值。
• 但普通用户不会因为“帮你收集context”而购买硬件，“我妈妈不知道context是什么意思”；先创造好体验，持续数据只能是沉浸使用的副产物。
• 当前很多产品把个人资料summarize后塞进system prompt，却没人能为每个用户评测修改后Agent究竟变好还是变差；信息写入速度远超验证能力。
• 因此context会像木桶一样先长出长板：GitHub先成就coding，饮食数据也可能先在健康垂域形成闭环，再逐渐补齐其他维度。

14. “反人性”没有杀死需求，却让团队删掉实时干预

• 潘宇扬听到最harsh的质疑是“你在做一个反人性的产品”，而且主要来自投资人，受访用户没有这样评价。
• 他的反驳刻意尖锐：短视频顺应人性，但“猿猴从树上下来变成人”本身就是“反猴性”；反人性可能服务不了70亿人，却仍可覆盖接近10亿的全球智能穿戴市场。
• 团队也接受了质疑中的有效部分：早期设想曾在用户吃饱或达到卡路里上限时提醒，后来全部删除，因为饭已做出来，再说“这一顿吃多了”并无帮助。
• 第一代只呈现数据、规划未来行为；是否在下一代做实时介入，要等真实使用后再决定，而不是预先把产品做成纪律警察。

15. 普适需求与GLP-1人群共享同一个“随身营养师”

• 普适价值是把“吃了什么、为什么这样选、与身体有什么关联”从杂乱流程变成科学、可规划的行为；用户无需学习大量营养学，也不用每餐称重。
• 潘宇扬把产品比作“always stand by”的专业营养师：不要求主动拍照汇报，也尽量不侵犯生活节奏。
• GLP-1使用者给团队的冲击是，他们有了饱腹感、每天只能吃少量食物，却可能在选择这一小部分食物时偏向高油、油炸、烘烤等食物，营养结构反而恶化。
• 这类用户需要的不是继续压低食量，而是根据生活节奏规划有限的食物，尽量避免低血糖、不开心和精力不集中等体验。

16. 慢病风险与生物极客构成海外市场的两端

• 潘宇扬引用的数字是，美国约1.9亿人至少患一种慢性病；35岁以上人群常在家人患病或医生警告后“幡然醒悟”，开始为健康投入。
• 饮食中的乳糖、麸质、嘌呤等成分难以凭直觉分辨，项链可以把过敏、高尿酸或其他风险与实际摄入对应起来，但团队明确不把它包装成严肃医疗器械。
• 另一端是Oura Ring、Whoop式生物极客，他们可能已经很健康，只想完整观察每日变化；此前甚至有人购买带摄像头的食物秤，售价三四十美元、年出货量约一两百万台。
• 两类需求落在同一条产品线上：生物极客看数据呈现，有健康concern的人看由数据转成的行动建议，只是在不同tab中消费同一套底层数据。

17. 美国用户关心健康效率，不必先接受中国式减肥叙事

• 如果先做中国，团队可能把减肥设为突出卖点；海外则不会，因为当地文化对体型更包容，外观焦虑未必是有效动机。
• 潘宇扬给出的对照是，中国BMI肥胖标准为28，美国为30；访谈中一些BMI 30甚至40的人仍觉得自己不胖，而是“很strong”。
• 因此产品讨论的是超出健康值后会不会影响工作效率、精神和身体状态，而不是告诉用户“你太胖了”；减肥只是健康管理可能带来的结果之一。

18. 拍照App省了硬件，却丢掉了最有价值的行为链

• 美国的Cal AI等拍照识别产品增长很快，但用户每次进食都要掏手机、拍照并可能手动修正；零食和加餐分散在全天，这种摩擦天然限制大众使用。
• 团队共识中，潘宇扬认为食物识别最准的App其实是ChatGPT；但再强的模型也无法从单图确定碗的宽深、下层食材、冰或蔬菜垫底、共享菜实际吃了多少，以及剩了多少。
• 更关键的是进食顺序与速度：先吃蔬菜还是碳水会影响GI，吃得过快会让饱腹感延迟，用户在身体反应前继续摄入；这些时间信息不在餐前照片里。
• 他的结论不是软件模型“不够聪明”，而是输入原理不完整；项链必须靠持续观察，把视觉、动作、时间和环境信息交叉验证。

19. 饮食盲区往往不是高阶知识，而是日常误判

• 潘宇扬举了亲属糖尿病的例子：因西瓜太甜而拒绝，却放心吃酸味山楂糖；后者含糖量可能高得多，这类“凭口感判断营养”的危险每天都在发生。
• 主持人佩戴动态血糖仪时，下午三点空腹吃牛肉面，虽先吃牛肉、只吃约三分之一碗面，血糖仍升至17—18，并在沙发上昏睡一小时。
• 潘宇扬用混酒类比身体对规律的依赖：身体会为固定模式预备激素和代谢反应，一旦突然改变浓度、时间或食物结构，就可能出现更强应激。
• 潘宇扬还说，人在不确定环境中倾向储存热量；工业食品进化远快于身体，看到食物就想吃完，仍保留着“怕没有下一顿”的旧机制。

20. Odyss要成为首饰和身份标签，而不是医疗仪器

• 团队明确不走CGM式严肃医疗路线：这类产品从特定病种走向大众健康花了二十多年，还伴随认证与合规负担。
• 它也不会完全复制Duolingo式游戏化。潘宇扬自己连续打卡700多天，却仍害怕真正开口；“情绪价值”能保留用户，却未必交付能力。
• Odyss名称借自Odyssey，表达冒险、突破自我、活得更久更有活力的旅程；潘宇扬把这种精神延伸到西部片、万宝路、威士忌、Jeep和悍马代表的身份叙事。
• 对可穿戴首饰，“它传达出来的意义和别人对这个东西的看法是第一重要的”，准确度与功能反而是第二道问题，因为用户首先得愿意一直戴着。

21. 目标不是复制Oura，而是做到“比Oura更Oura”

• 潘宇扬眼中的Oura Ring很抽象：App用不同风景承载按时间积分的指标，让用户产生“身体正在慢慢恢复、源源不断获得能量”的感受。
• 他同时指出，手指因血流较少、关节干扰更多，某些检测未必比手腕准确；但独特外形和想象空间让戒指超越纯参数竞争。
• Whoop的路径则从专业运动员、体育明星、健身KOL和数字密集的dashboard切入，极客感很强，也更难大众化。
• Odyss因视觉可自动识别运动，不必像Apple Watch先让用户选择运动类型再匹配IMU算法；但潘宇扬仍认为，完整故事、概念和想象空间比多一个数据项重要。

22. AI硬件能否长期存在，要用十年后的第一性原理检验

• 潘宇扬不愿预测一年后哪种形态一定不死，因为模型能力和硬件共识仍快速变化；把时间拉长，才看得出哪些产品只是过渡。
• Plaud卡片是好产品，也可形成短期PMF，但他难以想象十年后用户仍在手机背面贴卡片录音；无论如何，这类功能都会进入手机。
• Plaud曾做过项链形态的NotePin，但销量不如卡片，后来第三代带屏幕的产品又转回了卡片；在他看来，项链没有遵从位置的第一性原理，录音和手机放在一起即可。
• 他把硬件购买写成A用户、B选择逻辑、C产品、D问题，四项都必须清楚；形态、动机、产品和问题任何一项含糊，故事都难成立。

23. 工业设计不是单个天才拍板，而是三方约束下的筛选

• 项链内部必须塞元器件，不可能与纯首饰公平地“卷审美”；团队的目标是好看、精巧，再用科技感弥补装饰属性差距。
• 他们与设计师逛奢侈品店寻找能容纳结构的灵感，形成近10套不同ID；团队判断堆叠可行性，设计师提供审美，再让目标用户决定接受度。
• 英美目标市场用户先对方案打分，筛出3套后制作模特佩戴、功能介绍和不同落地页，再通过广告投放观察更大样本，最终选择尚未完成。
• 潘宇扬强调，软件通常先因功能被下载、再看到UI；硬件则先看外观、再看功能、最后使用。它对应宝洁所说的两个“魔法时刻”：货架上被看见，以及真正开始使用。

24. CreekStone押的是“巨大野心、极小ego”的少数人

• 李一豪说，一年看约500人，符合标准的“从来没有超过5个，可能就是两三个”；第一项是巨大野心、极小ego，同时有深刻自我认知和相对完整的世界观。
• 验证ego的方法不是问性格题，而是直接抛反向观点、致命战略问题，甚至评论其团队成员；能开放讨论并作hard call的人，才不是用自尊保护既有选择。
• 第二组标准是common sense之上敢于反共识：先知道硬件必须好看、购买成本必须合理，再选择一个自己能定义、与能力匹配的赛道。
• 持续学习和“广结善缘”同样关键。李一豪看到潘宇扬随身带着探出衣袋的AI设备、书包里塞满硬件且熟悉每项spec，也看到他接受尖锐建议、与不同赛道创始人激发合作。

25. 投资关系是高密度陪伴形成的，而非一次路演定价

• 两人初识时潘宇扬还在字节，只知道未来会创业，却没有为创业而辞职；李一豪此后几乎按天发来很长的AI信息，让他发现这不是“广撒网”。
• 潘宇扬把CreekStone的AI-native理解为“没有路径依赖”：年轻人用第一性原理和产品创新，解决AI主赛道中的垂直问题。
• 更重要的是，投资人进入创业生活，逐项拆解公司架构、招聘和合作方式；李一豪给关键词，潘宇扬再搜索、建立自己的认知，而非照抄答案。
• 另一轮投资方线性资本团队曾从上午9点聊到晚上9点或10点，从产品、人性一路追问到内核动机；他的感受是“太他妈累了”，紧接着又是“太他妈爽了，这就是创业”。

26. AI时代让VC失去地图，也放大字节的人才溢出

• 李一豪判断AI是stochastic的新范式，“没有地图”是最重要的现实；GP要站在创业者身边，接触类似的人和context，以“弱者思维”提供陪伴，而非强推演、强主导。
• 基金因此趋向更小、更敏捷，合伙人走向台前表达观点；同时，超级个体把最后1%的极致推进放大成可能拿走99%价值，热爱、专注和taste比履历更重要。
• 潘宇扬认为字节虽不可能真正“始终创业”，却仍是大公司中最创业的一家：项目更多从下往上生长，允许市场上不存在的产品先在内部发生，扣子就是一例。
• 李一豪看中字节人才所处的context：他们见过十亿用户规模产品，也可能有真正接触万亿参数模型、通过数据调整模型性能的经历。但他不把机会限定于大厂，独立团队对文化、人群和社会变化的触角同样可能产生一号位洞见。

27. 创业的胜负最终落在人、市场与能否持续应变

• 潘宇扬最深的动力，是生命终结后仍有人“因为我做的事情而变好”；大厂产品却像“带着镣铐跳舞”，大量时间用于竞争资源和说服上下级，甚至由没接触用户的人围着PPT定方向。
• 从软件到硬件的变化是硬件不能A/B test或随时回滚，开模、量产后几乎无法修改；从打工到创业，则是每笔钱都像从自己口袋支出，决策还牵动整个团队。他创业后半年一次游戏都没玩过，“不是没有时间，是有时间但是玩不下去”。
• 若Odyss成功，短期原因会是产品、营销和供应链都做对，长期原因一定是“选人选对了”；若失败，技术大概率能在发布前穷举验证，大厂即使做这个形态也未必会像他一样把健康扎得这么深，真正难测的是新品类需求、地缘政治与法规。
• 团队基本上都是95后，招聘看创业精神、第一性原理和超强学习能力，传统业务能力排在最后；规模坚持“非必要不扩正式员工”，只有99%确信能融入才录用。

28. 潘宇扬的创业打法是少解难题，多定义问题

• 他给同阶段创业者的四条原则是：不试图攻克连OpenAI都解决不了的行业难题；用第一性原理定义新赛道；聚焦垂直领域，先让粗糙MVP验证PMF；创始人亲自紧贴市场和用户。
• 他的提醒是，创业公司不该只把旧产品某个模块替换成AI，也不必一开始就像正规军般追求完备规范；“哪怕到处都是漏洞，它只要PMF了，我们总有机会把它做大。”
• 如果有300万美元做天使投资，他首先想投李一豪，但也说自己肯定投不进去，因为钱太少了；第二个名额给曾在字节、现在仍在工作的年轻同事，帮助其跨过从员工到创业者的河。
• 第三个选择是做咖啡的朋友：在良好家境和学历背景下仍敢把爱好变成事业，从一个SKU轻量验证PMF。潘宇扬说自己愿意“雪中送炭”，也“愿意为理想主义者买单”。