炒股就看金麒麟分析师研报，权威，专业，及时，全面，助您挖掘潜力主题机会！

Fusion Fund 创始合伙人张璐

AI领域的投资风向已悄然转变。

遥望大洋彼岸的AI创新圣地硅谷，正上演着“双线并行”的热闹戏码：一边是OpenAI、Google、X.ai、Meta 等科技巨头持续加码基础模型研发，投入上千亿美元，追求更强大的通用能力；另一边是以效率、落地为导向的小模型、垂类模型在医疗、金融等高价值场景中低成本、加速落地，成为行业关注的新焦点。

或许不是AI发展得太快，而是我们站得太近。

北京时间2025年5月20日，微软在 Open Agentic Web 大会上，明确提出“智能体是互联网的新基建”，并一口气发布 50 多项新品；5月21日，谷歌在 I/O 2025 开发者大会上同样重申了 Agent 作为AI“从被动工具向主动代理”转变的核心意义；而作为底层芯片平台的英伟达，则用 Blackwell Ultra 重塑了AI计算的逻辑。

这些动态清晰透露出新风向：AI之战，正从“百模大战”迈向智能体（AI Agent）的新一轮平台级革新。

“这算是行业内的共识，AI Agent 是继 PC 和互联网之后的下一代通用平台，将开启真正意义上的‘人机协同’新时代。”硅谷投资人张璐回应创投家时如此表示。

在这一背景下，创投家特别对话硅谷知名投资人、Fusion Fund 创始合伙人、斯坦福大学客座讲师张璐，共同探讨《下半年硅谷AI创新与创投的最新趋势与机会》。

以硅谷AI市场为镜鉴，初创企业还有多少机会？哪些垂直领域仍具潜力？投资人又该如何判断AI 价值链的长期走向？

以下为创投家与张璐的对话全文，略有删减：

越垂直越有机会

张璐：今年上半年，陆续传来不少振奋人心的消息，既包括初创企业在AI方向的探索与突破，也涵盖了大型科技公司持续不断的产品发布。整体来看，当前正处于一个AI驱动创新全面爆发的阶段，产业热度持续高涨。

与前几年相比，今年的讨论重点更多聚焦于Agent应用层的实际落地，以及传统行业与人工智能的创新融合，这也展示出人工智能技术在未来市场中的巨大潜力。

以科技和IT行业为例，其总体市场量级大约占美国GDP的9%。但本轮人工智能浪潮的影响远不止于科技行业，它正在迅速扩展至拥有海量高质量数据的传统行业，例如服务、医疗、金融保险等。这些行业与人工智能的结合空间广阔，预计将整体被AI驱动影响的市场规模从原先的9%扩大至GDP的50%-60%，如此庞大的潜在市场为从业者带来了前所未有的机遇。

早在两三年前，我在与投资人和创业者的交流中就提到，许多机会实际掌握在大公司手中，因为他们掌握高质量的数据，C端与B端的市场容量本就存在差异，大企业如Salesforce、微软等拥有强大的生态体系和平台优势。然而，一些垂直细分领域如金融保险、物流、医疗等，反而为初创企业提供了更多切入点，推动其在模型层到应用层之间进行更专注、更深入的创新探索。

同时，许多大型科技公司也在积极建设AI生态系统，目的是让初创企业能够更顺利地在其平台上实现技术和产品创新。

我非常看好开源生态未来的发展。其实在一两年前我就提到过，开源社区的快速迭代对整个创新生态具有极大的推动作用，不仅降低了创新成本，还加速了灵活小模型的交互和互动。

回顾今年上半年，人工智能领域的投资呈现出一个鲜明趋势：大量AI应用企业开始回归商业本质。所谓商业本质，就是聚焦于收入增长、产业协同，以及如何与客户和所服务的行业实现高效、快速的共同进化。

做得好的企业，在人员规模基本不变的前提下，实现了年收入20至40倍的高速增长，这得益于其将AI自动化能力深度整合进企业内部流程，这类案例并非个例。

作为早期投资机构，我们能够明显感受到人工智能在应用层已被市场快速接纳，并进入加速发展阶段。新技术正在真正展现其产业融合能力，并对各行各业产生指数级的推动效应。

当前AI最令人振奋的地方，已不再是估值的高低，而是真正落地与价值实现的能力。

张璐：我更倾向于将AI 的作用称为“赋能”。

我常用一个比喻来帮助大家理解AI 对产业的影响，它类似于当年电脑在各行业的普及过程。最初，会使用电脑是一项技能优势，后来则变成了每个人都必须掌握的基础能力。电脑也曾在很多行业中替代部分人力，重塑了工作流程。当前人工智能的发展，与当年电脑所带来的变革非常相似。

这个比喻或许并不完全精准，但有助于大家更深入地理解如何应用AI、如何看待 AI，以及如何为 AI 的全面融入做好准备。

以科技行业为例，微软、谷歌、Meta 等大型科技公司近年来不断裁员。但这些裁员并非源于经营不善，而是企业将更多资源集中于核心研发团队，开发出更多 AI 工具，从而实现三倍、五倍，甚至更高的产出效率，降低了对大量人力的依赖。

Salesforce 的创始人 Marc Benioff（马克·贝尼奥夫）也公开表示，今年他们不进行新的人员招聘。这背后的原因，是他们推出了面向企业客户的 Einstein GPT 模型，能够在不扩充人力的前提下，将产出提升两到三倍以上。

他曾提出一个观点，我深表认同：未来的CEO 或领导者管理者，所管理的将不仅仅是人类劳动力，还必须包括“数字劳动力”，而数字劳动力背后的驱动力正是人工智能。这一变化对众多产业的基础架构进行了重构，AI并不一定会取代所有的人力，但势必会重新塑造工作流程。

对于具备领导力或高质量产出的员工而言，AI能够进一步放大他们的能力，为他们的产出提供强大的辅助支持，从而实现成倍的增长。而对于产出较低、重复性高的岗位，AI 可能成为更具成本效益的替代方案。

这正是人工智能对产业重构和公司架构辅助的双重影响，在科技行业尤为显著。

张璐：在医疗、金融保险以及物流供应链等领域，人工智能已展现出广泛的应用潜力。

在医疗行业，人工智能目前主要发挥“辅助”与“赋能”的作用。该领域天然拥有海量且高质量的数据资源，为模型训练与行业落地提供了有利条件。相比数据总量，数据质量在提升模型性能和行业适配性方面更为关键。

当前，行业正逐步从通用大语言模型（LLM）转向更加轻量、高效、易于边缘部署的垂直小模型。这类模型能够更好地满足医疗行业对隐私保护、低延迟响应及高可靠性的严苛要求，尤其是在诊断与治疗等高风险场景中，容错率必须接近为零。构建专属、高质量的数据仓库是提升模型精度的关键路径。

同时，人工智能的引入正在显著降低医疗创新的研发与应用成本。我们投资的一家细胞治疗企业，就开发了一个高度垂直的人工智能小模型，专注于该治疗方向的AI辅助应用。另一家则聚焦于DNA测序数据，构建专属分析模型。它们的共通之处在于，依托高质量数据支撑，借助AI实现了快速的产品迭代与精准的行业落地。

在金融行业，我们投资了一家专注于用人工智能自动化“商业票据”（Commercial Paper Issuance, 简称 CP）的初创公司。该公司利用强化学习等传统 AI 方法，实现了商业票据发行流程的全自动化。团队仅有 7 人，却已签下多家世界 500 强客户，单笔订单处理金额达数十亿美元。尽管收费比例低，但由于交易规模庞大，公司的年营收已达数千万美元级别，且整体融资需求极小。

这类应用的特点在于：流程标准化、重复性强、数据量大，是AI 实现效率提升和成本优化的理想场景。尽管金融行业监管严格、结构复杂，但每个细分流程中都蕴藏着大量适合AI 介入的数据整合与自动化机会。

在物流、供应链与制造行业，AI 正与机器人系统深度融合，工业场景中，机器人通常以非人形的形式存在，例如机械臂、自动搬运设备等，逐步形成更智能化的工业作业体系。

最后谈到太空科技。这是我个人非常看好的方向之一，也是近年来重点布局的领域。从某种程度上讲，太空科技与制造业或工业自动化有相似之处，关键在于如何选择合适的“边缘设备”部署 AI。

在太空场景中，这些“边缘设备”便是卫星。每颗小型卫星都可以承载 AI 模型，成为太空中的智能节点，在这一生态中，我们可在基础设施层、模型层、应用层全面部署人工智能。 更重要的是，太空采集的数据质量极高，具备广泛的潜在应用价值，这一领域虽然仍属新兴，但其与AI 的融合发展正在加速，未来前景广阔。

找到Key Player

张璐：AI 应用只是表层，真正支撑其发展的是背后一整套复杂的生态系统，从基础设施、模型、架构到数据层，生态整合得好，最终体现就是成本低、效率高。

所以，我认为在评估一个AI 项目时，不能只看应用本身是否“做得好”，还要去深入分析其背后的生态架构是否具备整合能力。举个例子，Google 自研 TPU芯片，就是为了填补其生态系统在计算层的空白，实现从芯片到应用的全栈整合，以此降低系统级成本。如果企业在生态每一层都依赖外部供应商，就很难优化整体的成本结构。

进一步说，“生态”还意味着你要关注整条价值链中，谁是关键的参与者（Key Player），谁掌握着数据入口，谁拥有模型优化的能力，谁能实现技术和场景的高效对接。

模型训练本身就是一个高度复杂的系统工程，不只是“喂数据”，更是一个持续反馈、优化、迭代的过程。这些看似“底层”的关键能力，才是应用层面是否能成功落地的决定性因素。

因此，我们做投资时，通常会反复拆解这些问题：哪些角色对这个AI 应用至关重要？我们能否把这些关键要素整合进自己的体系中？是否能构建自己的数据资源和数据结构体系？最终是否能优化整体应用效果并显著降低运营成本？

最后，我还想补充一个正在形成的新生态现象：当前很多科技企业可以大致分为两类。一类是真正具备强大创新能力的科技公司；另一类是相对“传统”的科技公司，它们拥有强大的客户资源和渠道体系，但技术创新能力相对弱，这类公司现在普遍愿意与初创企业进行“联合销售”合作。

所以在当下这个阶段，“生态”所涵盖的不再仅是技术、数据、模型和应用这些基础要素，还包括新的合作机制、新型渠道伙伴，以及联合创新的路径，这些关键参与者（key players）对一家 AI 创业公司的成功与否往往起着决定性作用。

我建议创业者在启动AI 项目时，不妨从“生态思维”出发：不仅要关注自身在做什么，更应思考，谁是我生态体系中的“关键变量”？我是否真正构建了一整套降本增效、契合行业需求的解决方案？

这正是我们在投资、观察和陪伴 AI 创业过程中长期坚持的核心逻辑。

张璐：当然算。他们团队正是在人工智能基础设施方向上进行创新，尤其是在GPU 优化层面表现突出。这家公司仅完成第一轮融资，便实现了快速的收入增长，而资金消耗却极为有限。

换句话说，他们的收入增长速度甚至超过了融资资金的消耗速度，这在初创企业中是极为罕见的现象。

贾扬青本人以及其团队在开源生态中的贡献也非常显著。他们不仅打造产品，还积极参与整个开源生态的建设。因此，从生态视角来看，他们在开源社区的影响力使其成为生态系统中非常关键的“生态构建者”，也是我所说的 key player 的典型代表。

张璐：我们每个季度都会发布一至两份深入的行业研究报告，许多内容在Fusion Fund官网均可公开获取。近期发布的包括《人工智能医疗2.0》《Physical AI》《AI 基础设施》《AI金融科技》和《太空科技》等，当前我们也在筹备开源生态相关报告。这些报告通常需要两到三个月的调研周期，核心目的是厘清“信号与噪音”的边界，识别行业生态中的关键玩家（key players）包括数据方、资本方、战略合作方等。

我们的调研依托多年积累的产业网络。例如，我们建立了一个由45位世界500强企业 CTO（首席技术官） 组成的 CXO 网络。同时，我们还建立了技术专家网络，成员来自 OpenAI、DeepMind 等前沿机构，还涵盖 NASA 等机构的 AI 负责人。

此外，我们还与62 位连续创业成功者组成了“超级创始人”网络。许多成员与我在早期创业阶段就有深度合作，因此当他们开启新项目时，往往第一时间会与我们沟通，这让我们能够在最早期参与最有潜力的创新。

我们还自主开发了一款名为 Ada 的 AI 分析师，从 2018 年开始，协助我们分析数据、筛选信息，大幅提升了团队工作效率。

正是依托这套产业网络与技术工具，我们才能高效识别早期的潜力企业，并在深厚的产业认知基础上，精准找到值得支持的优秀创业者。

连续创业者的“春天”

张璐：可以从两个角度来看待这个问题。

从快速创新以及快速进行产品发布的角度来看，AI 绝对是降低了创业门槛。在美国，有些小型企业的创始人自身编程能力并不强，但凭借AI 编程工具，能够迅速搭建各类应用，并上线开展商业化运作。

从另一方面来讲，由于整个产业的迭代速度更快，大规模创新的门槛降低，直接导致市场竞争愈发激烈。在这样的环境下，有的公司可能只能维持在现金流的层面，要在行业中占领更大的市场份额，并成长为百亿乃至千亿级别的公司，相较于以往难度确实有所增加。

创新型企业主要分为两种：一种是发展良好，成为现金流公司，持续产生可观收入。这类公司虽然经营稳健，但并不一定能够实现规模的大幅扩张。另一种则是VC（风险投资）可投的企业，投资人进入后，与企业共同成长，助力其迅速发展为百亿乃至千亿级别的行业巨头。

张璐：硅谷最显著的特点之一，在于其创新生态的高度多样性。

以一组数据为例：目前硅谷本地居民中约有40% 至 50% 是第一代移民，这些人并非在美国本土出生和成长，而是来这边读书、工作，后来选择在这里创业，尤其是独角兽企业中，有超过60% 的创始人均为第一代移民。

从我们观察到的几个比较有意思的现象。在AI 基础设施层与应用层的创业团队中，创业者呈现出更为年轻化的趋势；同时，具备行业经验的连续创业者数量持续上升并在垂直领域的AI应用方向具有更多优势。

回顾我们在2015 年至 2018 年期间的投资案例，当时约有 50% 至 60% 的创业者是首次创业者，另外 40% 左右是连续创业者；但在过去这三四年里，我们发现这个比例已经发生了明显变化，现在我们投的公司中，大概有60% 到 70% 的创始人都是连续成功的创业者。

张璐：当前人工智能领域的竞争已不再单纯是模型的较量，而是数据和成本的竞争。数据的重要性体现在两方面：数据数量和数据的高质量。

如果一家初创企业能够获取或构建专属的、高质量的数据资产，那么在模型开发和实际应用中将具备显著优势。数据质量越高，所需模型的规模就可能越小，从而有效降低算力消耗与能耗成本，进一步提升整体利润率。

就像刚才提到的商业票据（CP）的公司，创始人拥有深厚的金融行业背景，因此能够获取关键的行业内部数据，并基于这些数据训练模型，这种能力往往更容易出现在具备行业经验或连续创业经历的创始人身上。

此外，成本控制能力也是AI创业成功的关键因素之一。只有在实现成本可控的前提下，人工智能才能实现大规模、广范围的产业落地。那些具备成本优化思维的创业者，往往能更快速地推动产品落地，促成规模化应用，并最终创造可观的经济效益。

合格的创业者

张璐：我认为，任何科技趋势在兴起之初都会经历“信号与噪音比”偏低的阶段，即噪音远多于真实信号。这是因为赛道足够大，自然吸引大量资本和创业者进入，进而通过市场机制完成一轮自然的淘汰和筛选，这是无法跳过的阶段。

无论是对创业者还是投资人，关键都在于，你是否真正看清了自己在这个趋势中最看重的创新方向。我们过去十年从不追逐热点，但许多我们早期进入的赛道，最终都发展为主流领域，这归功于我们一直坚持的方法论和系统性的生态分析能力。

在决定是否进入某一领域前，我们会先构建完整的生态图谱，识别其中的key players、技术基础、应用落地条件、成本结构等，并进行深入研究与拆解。如果最终判断机会足够大，即便市场尚未热，我们也会坚定推进。

几乎所有热点都是如此诞生的，创业者和资本在某一时间点集中涌入，估值迅速抬升，而类似的周期性热潮每隔两三年就会出现一次。真正能穿越周期、存活下来的，是那些一开始就拥有清晰愿景和长期认知的企业。

前几天我还给团队分享了一个视频，是2000 年谷歌联合创始人 Larry Page 的一次采访。他当时描述的公司愿景，是构建一个“可以回答任何问题的搜索引擎”本质就是今天的 AI。这听起来是不是与现在的大模型产品极为相似？而 Transformer 模型的诞生，正是源于谷歌研究院。

再看马斯克，尽管如今的公众评价褒贬不一，但他对SpaceX 和特斯拉的愿景早在二十年前就已确立，并始终在执行。这说明，真正能穿越周期的创业者，往往在公司尚小、方向尚未被市场看好时，就已经确立了坚定的长期目标。

当然，愿景不一定在五年或十年内实现，公司也必须具备商业模式和生存能力。但这份清晰、长期的愿景，是支持企业持续前行的根本动力。Larry Page 曾说，这样的愿景，在“智慧层面”激发了他最深的驱动力，这才是伟大创业真正的起点。

张璐：我认为，首先是长期愿景的清晰与坚定，这不仅是战略判断，更是驱动企业持续前行的核心动力。

其次是极强的韧性。创业注定艰难，意味着高压、高强度的投入，牺牲社交与生活品质，甚至在项目未见起色时质疑自我，没有韧性很难走得远。我有时会故意“吓唬”初创者，你是否准备好了面对持续的孤独与挑战？

第三是卓越的领导力。一位真正有领导力的创始人，必须具备吸引顶尖人才“追随”的能力，尤其在硅谷这样人才竞争极度激烈的环境中。

这些是我最看重的三项核心素质：愿景清晰、韧性十足、领导力强。创业注定是一条孤独的路，但也正因如此，更显勇气与价值。

被并购只是一种选择

张璐：过去十年，我们几乎没有投过TO C 项目，一直专注于TO B 领域。

其中一个很重要的原因正是硅谷确实拥有全球最成熟、最优质的TO B 创业生态。这不仅体现在创业者的质量上，更体现在整个商业生态的成熟度上。比如，硅谷的企业客户普遍具备良好的付费意识，愿意为高质量的技术和服务买单。

此外，硅谷的大型企业通常有清晰的预算划分，尤其是CTO 所掌控的预算，常用于前沿技术探索、外部战略合作以及潜在的技术收购，这对初创企业而言至关重要。

例如，他们可能同时投资十家初创公司，也许其中有五家第二年不再合作，但他们愿意承担这样的试错成本。更重要的是，他们愿意给予反馈和共创迭代，比如你给他一个价值700 万美金的小订单，一旦验证效果良好，他们可以帮助你推广至全公司。这种成熟的商业生态，让初创企业可以专注于技术与产品创新，而不必在早期阶段将大量精力耗费于生存验证与客户教育上。

第二个原因则与人工智能时代的特性密切相关。AI 的出现不仅降低了初创企业的创业门槛，也增强了大型科技公司的能力。比如，Google、Meta、Microsoft、Salesforce 等巨头在技术推进速度上的表现远超市场预期。

在这样的背景下，如果初创企业要在TO C 市场做产品，势必要直接面对这些科技巨头的竞争。更现实的是，C 端高质量用户数据主要掌握在 Google、Meta等大公司手中，初创企业在数据资源上天然处于劣势。我并不是说TO C 完全没有机会，而是想指出，在 C 端市场，初创企业所面临的不确定性与竞争压力更大。

一些投资人甚至提出这样一种观点，在C 端市场，可能 90% 的机会最终会被大公司占据，留给初创企业的仅有 10%；而在 B 端市场，尽管大公司可能占据一半市场份额，但剩下的 50% 依然留给初创企业巨大空间。根本原因在于数据的掌握与分布。

另外，TO B 市场的退出路径更加多元，除了IPO，收并购的比例极高。我个人也曾以创业者身份经历被收购的退出过程，这类收购往往完成速度快，频次高，金额覆盖范围广，从几千万美元到数十亿美元不等。据统计，市场上约80%的企业退出是通过收并购实现的，这也为我们作为早期投资机构提供了更加多样化、高效的退出选项。

因此，综合生态环境、商业逻辑以及自身经验出发，认为我们更适合TO B 领域的投资，外加上我本人也是从 TO B 创业起步。

我一直坚信，真正推动技术在产业中实现大规模落地与变革的，是 B 端场景中的创新。

张璐：实际不会，反而是非常紧密的合作关系。

比如，今年3月在英伟达的年会上，英伟达正式发布了DGX Cloud 项目，该项目仅邀请了五家风险投资机构作为核心合作方，包括A16Z、Insight Partner以及Fusion Fund等，合作方的被投企业若在申请后入选该项目，即可获得一定数量的免费算力优先支持及配套资源。实际上，大型科技公司希望通过与顶尖 VC 的合作，提前锁定优质创新企业，为其提供各类支持。

近年来，我们与这些大厂的合作愈发密切，甚至部分企业已被英伟达收购。这类科技公司一方面通过战略合作构建生态体系，另一方面也在加快收并购进程、整合创新技术资源，因为竞争对手同样实力强劲，必须迅速扩展和强化自身能力。

正如你所说的，投资初创公司既是构建生态系统，也是通过收购将优秀企业纳入麾下的有效方式。

张璐：确实如此，但不仅是开放心态的问题，更在于硅谷的并购条款本身非常优厚，这里的科技公司愿意以较高估值进行战略收购。

大家可能普遍认为收购是按收入倍数来定价，比如五倍、七倍或十倍，但战略收购方的逻辑并非如此。

以我们投资的一家初创公司为例，年收入不到1000万美元，但正与一家大型上市公司洽谈收购事宜。对方之所以有意收购，是因为该公司的解决方案与其产品生态高度契合，一旦整合可快速推动销售，为上市公司带来每年数十亿美元的新增收入。在此背景下，出资5亿美元收购一家成立仅三年，年收入尚不足千万的公司，完全可以接受。

从创业者角度来看，这样的报价已是极具吸引力的高倍数估值，但有些连续创业者仍觉得估值偏低，期望更高的价格。这充分说明，技术创新本身的溢价非常显著。

因此，并购对许多创业者而言，并非“不得已”的选择，而是在不同发展阶段中，通过优化持股比例和退出方式实现价值的过程；对投资人来说，同样是实现高倍数回报的理想路径。

实际上，有些公司更适合在更大平台下成为某条产品线，而不一定非要成长为独立的上市公司。

投得准、退得好

张璐：很多人误以为硅谷的VC 都能接受极长周期的投资，比如50 年，其实并非如此。大多数专业 VC 的基金周期通常是 10 到 15 年，退出节奏通常集中在5 到 10 年之间，这主要取决于基金本身的架构设定。

当然，像美国红杉资本这类顶尖机构也在尝试新的运作模式，比如通过“永续基金”长期持有优秀公司的股份，即便公司已上市，也继续作为重要股东参与其长期发展，但这并不意味着可以无限期地延长退出时间。

不过，相较于其他地区，硅谷的资本确实更具“耐心”。我们基金的出资人中，70% 来自主权基金、大学捐赠基金、养老金、保险公司等长期资金来源，他们支持我们专注早期投资，更看重长期回报。这种资金结构，决定了我们在投资策略上也更倾向于支持早期、具备颠覆性潜力的创新项目。

我们之所以专注于早期投资，不仅因为我们擅长技术搭建和商业化初期的推进，更因为我们对早期项目的退出周期与风险有理性判断。

我们通常会将项目分为两类：一类是长期技术驱动、商业化周期较长的深度创新项目，每个基金周期内只投资少数几家；另一类则是商业化路径清晰、短期内可实现收入高速增长的项目，占比相对更高。这种组合可以帮助我们在兼顾长期价值的同时，维持整体回报的稳定性。

从更宏观的角度看，硅谷的创新周期常体现为三步循环：基础技术创新、技术应用创新、商业模式创新。

以过去互联网发展为例，正是底层技术的演进推动了大批新商业模式的诞生。而如今的人工智能浪潮，本质上是更大范围产业数字化进程的一部分。AI 并不是孤立的技术，它与低成本传感器、数据采集网络等基础设施息息相关，只有当底层设施完善，才能采集到高质量数据，进而推动 AI 模型训练和算法迭代，最终实现商业落地。

这就是硅谷创新的本质：基础技术推动应用突破，应用反过来带动商业模式重构，形成一个不断循环的生态系统。

张璐：两者都很关键。作为早期投资人，投资时点的把握非常重要——太早可能等待周期过长，太晚则估值偏高、回报有限。

但更重要的是，不仅要投得准，还要管得好。我们在投后管理上投入了大量精力，在 60%-70% 的被投企业中担任董事，与创始人保持高频沟通，深度参与其战略制定和关键节点推进。比如，对于初次创业的创始人，我们会提供系统化的培训资料，协助他们搭建董事会架构、制定融资策略、更好地规划融资与股权机制等。

此外，我们构建的CXO 网络（包含45位世界 500 强 CTO）也能帮助创业者更快进行产品验证、对接客户、推动战略合作。即使遇到收购邀约，我们也会帮助他们评估、谈判，甚至引入多方竞标，优化退出价格。

所以，项目的高回报，不只是投得早，更在于我们系统性的筛选机制和扎实的投后赋能能力，这是我们团队特别擅长的部分。

张璐：我非常热爱这份事业。创立公司之初，我就把它当作是我个人的“第二次创业”，目标非常明确：希望打造一家全球领先的风投机构，并在硅谷这个全球创新中心产生真正的影响力。

我持续投入的核心驱动力，是希望通过推动技术创新，为产业带来实质性变革。创业初期，我选择亲自下场做企业；而如今做投资，是希望通过赋能生态系统，间接推动技术演进和企业成长。目前我们已投资近百家企业，不仅是公司股东，更深度参与许多公司的董事会决策，真正成为他们长期的价值伙伴。

我有技术背景，本身对前沿科技充满好奇心，每天与优秀的创始人交流、了解最新技术动态，本身就是一种能量来源，根本不需要喝咖啡“提神”。对我来说，这份工作充满乐趣和挑战，完全源于内在热情，而非外部驱动。

此外，我也有意识地保护自己的热情，比如我们从不盲目追热点，而是专注自己真正看好、具备深度理解和优势的方向。这种“笃定感”让我们在投资中保持清晰、持续的热情，不被外部焦虑裹挟。

我们整个团队也是被热情驱动的。大家不仅仅追求财务回报，更看重长期价值的实现。财务回报只是成果的一种量化体现，真正激励我们的，是在推动创新、助力优秀创业者的过程中，持续创造真实而深远的影响力。

（本文首发于钛媒体App，作者｜郭虹妘，编辑｜陶天宇）

（转自：网易科技）

海量资讯、精准解读，尽在新浪财经APP