序章0:00
欢迎收听 《 十字路口 》， 我们关注新一代 AI 技术浪潮带来的行业新变化和创业新机会 。 十字路口是乔布斯对苹果公司的一个比喻 ， 形容它站在科技与人文的十字路口 ， 伟大的产品往往诞生在这里 。AI 正在给各行各业带来改变 ， 我们寻找 、 访谈和凝聚新一代 AI 创业者和 AI 时代的积极行动者 ， 和他们一起探索 、 拥抱新变化 、 新的可能性
。
我是 《 十字路口 》 的 Koji， 联合创办了街旁 、 新世相和躺岛 ， 发起了 AI Hacker House 这个新一代 AI 创业者的社群空间 。
我相信科技 ， 尤其是 AI，是我们这一代人最大的价值创造机遇 。 欢迎大家找我聊天 ， 碰撞想法 ， 链接下一个可能性 。
我是 《 十字路口 》 的 Ronghui，在美元 VC 工作过 ，也做过 5 年的硅谷驻站记者 ， 关注科技发展和商业故事 。 也欢迎大家找我聊天 ， 和我交流 。
Hello， 本周 《 十字路口 》 的嘉宾是 William 杜知恒 ，他是小宿科技的 CEO。 小宿科技选择了 Agent Infra 这一条创业的道路 ，是因为他们意识到 ， 当前即便最领先的 Agent 的厂商和产品 ，他们的用户规模可能也还不到移动互联网时代头部应用的 1%。
这也意味着 Agent 的市场至少还有 100 倍的成长空间 。William 和我的缘分是我当时创办街旁的时候 ，他那会儿是我们的实习生 ， 可以说是团队里面最活跃 、 也最积极主动的同学之一 。
也因为做 《 十字路口 》， 我和很多老朋友都得到了重新见面的机会 ， 发现大家都在各行各业发光发热 。
因此非常开心 William 能够来做客 《 十字路口 》， 介绍他参与创办的小宿科技 。 我也认为他们是这一波 AI 创业浪潮当中不容忽视的一股力量 。
这一期 《 十字路口 》 我们也会同步录制为视频播客 ， 发布到小红书 、B 站和视频号 ， 欢迎大家关注 。
好 ， 我们还是从今天的快问快答开始 。 请问 William 的年龄 ？
九零年生人，35 岁 。
毕业院校 ？
清华大学航天航空工程 ， 经济学双学位 。
你的 MBTI 和星座呢 ？
INTJ， 白羊座 。
可不可以一句话介绍一下现在的公司和产品 ？
对 ， 小宿科技是一个一站式的 Agent Infra 平台 ， 核心产品其实是为 AI Agent 设计的小宿智能搜索 ， 同时也在全球范围内做一个大模型的 API 聚合平台 SkyRouter。
目前公司的融资情况 ？
A 轮在 close 中 ， 金额和估值要看官方的公告 ， 估计年底会开 B 轮 。
目前的收入和利润方面透露吗 ？
6 月份 ARR 是超过了 2500 万美金 ， 然后 P&L 的层面是 break even。
目前的团队规模呢 ？
超过 100 人， 大概 70% 是研发 ， 剩下主要是市场和销售 。
OK。William 创业前在做些什么 ， 可以介绍一下吗 ？
我创业前其实对冲基金的基金经理和加办的 CIO， 然后我也是红杉中国的二级市场基金的一号员工 。
机会与产品3:08
所以其实 William 有蛮丰富的金融的经验 ， 然后再回溯到大学本科学的还是航空航天相关的专业 ， 所以这个职业旅途感觉是非常跨界的 。
然后到现在在做 Agent Infra 的公司 ， 所以在这一次决定创办小宿科技的时候 ， 你看到的是一个什么样的机会 ？
其实创业之前在高瓴和红杉的对冲基金 ， 到后来加办其实工作了大概十几年的时间 ，也算是经历了中国互联网的起起伏伏 ， 看了非常多的创业公司和成熟的上市公司的起起伏伏 。
最终其实选择创业 ， 我觉得也是一个必然 ，因为对于我后来做加办 ， 包括在红杉做红杉的二级市场基金 ，其实也是一种类似创业的状态 ， 只是它不在 AI 领域 。
然后我觉得我的人生的选择看起来是比较跳脱的 ， 最早做咨询 ， 后来在百度 ， 然后再之后做二级市场投资 ， 再之后管加办 ， 然后到创业 。
但其实我的选择是比较双轮驱动的 ， 就是我觉得不管是做投资还是创业 ， 基本都是对未来的看法驱动的 。
未来的看法是目标 ， 现状和目标之间我觉得其实隔着两个东西 ， 一个东西是兴趣 ， 一个东西是理性 。
我觉得现实到未来之间的桥梁 ，其实兴趣是 drive， 理性是 guide。 我觉得这两个东西是对我的人生来说是双轮驱动的 。
我正式决定加入小宿 ， 开始全职创业是去年 Q3， 当时其实公司已经有一部分出海的基础设施的业务 ，但是在 AI 上还没有找到商业模式 ，AI 收入是非常有限的 。
但是我当时觉得说以我们的基础设施的能力和创始团队的商业经验 ， 我们肯定是可以找到落地场景的 ， 所以我就毫不犹豫地加入了 。
到现在我们整体的 ARR 已经超过 2500 万美金 ， 我觉得增速还是非常快的 。
刚才其实提到了一点 ， 你们的业务可以再相对简单通俗易懂一点 ， 给不太了解这个领域的同学们 、 听众们科普一下你们做的事情吗 ？
我们做的事情对比于 ToC 的 AI 产品来说 ， 相对没有那么性感和好懂 ，因为我们其实是躲在这些 AI Agent 后面的一个服务商 。
简单来讲 ， 我觉得其实是两个东西 ， 一个东西是我们在看到联网搜索 、AI 智能搜索 ， 还有 Deep Research 这些跟研究交互相关的能力出来的时候 ， 我们发现除了模型能力之外， 大家需要的是实时的信息和数据 。
实时的信息和数据在上一个时代最核心的体现方式就是搜索引擎 ，但是搜索引擎在 AI 时代又有了新的体现形式 ，因为人类调用搜索是过去 20 年一个非常主流的形式 。
我们个人输入一个 query， 然后去看搜索给你的这些结果里面哪个你觉得最抓你眼球 、 最感兴趣 ， 然后你点进去去看它的内容 ， 同时你可能会点几个链接去筛选出你感兴趣的内容 。
但是对 Agent 来说 ， 越来越多的人通过 Agent 进行搜索之后，Agent 的搜索行为其实是机器对机器的搜索行为 ， 就过去更多是人对机器的搜索行为 。
所以这个过程中我们就发现其实是有一个结构性的机会的 ，因为过去搜索的商业模式和搜索的形态都是对用户的 。
对用户的你其实会第一 ， 你会在乎内容的展现形式 ， 所以会有各种各样的卡片 ， 同时你会在乎前三条第一条的点击率 ，因为这是你推得准不准 、 抓不抓住眼球核心的指标 。
再之外， 你的商业模式可能主要是卖精准的广告 ，因为用户在你这输入了他此时此刻最关心的需求 。
所以我们对 AI Agent 起来之后的一个判断就是说 ， 过去 ToC 的搜索引擎大概占据了市场 90%， 甚至 95% 以上的市场份额 ，ToB 的占比是很低的 。
但是如果人类的内容消费的倾向从直接去搜索变成了通过 Agent 执行任务的方式 ，ToB 的 search 会成为从百分之个位数会成长为百分之八十 、 九十的信息获取的体现 。
除此之外， 我们也观察到说 ，其实对于一个通用的 Agent， 比如说 Manus， 比如说昆仑天宫来说 ， 它实现每一个任务的时候 ， 它其实是要拆分 query， 同时每一个 query 进行多轮搜索的 。
所以其实即使对于当下的搜索次数来说 ， 我们觉得从人到变成 Agent 搜索 ， 它其实会带来次数的爆发 ， 同时刚才提到了 B 端的比例会有很大的扩张 。
所以这两个东西合起来 ， 我们就确定了搜索 API 为机器或者说为 Agent 设计的搜索 API 会成为我们的主要的战略方向 。
这个就是小宿智能搜索产品的来由 。 除此之外， 我们也发现同步发现了 ，因为我们服务头部这些 Agent 客户的时候 ， 我们也发现说 Agent 不只需要信息 ， 它其实还需要很多一站式的基础设施服务 。
因为往往我记得 Koji 之前的播客中其实有提到一个观点 ， 会有越来越多的一个人 、 三个人 、 五个人的公司 ， 甚至他们有可能成长为独角兽 。
对于这些公司来说 ， 新时代的 AI Agent 公司来说 ， 它其实不会有大量的人和资源投在管理 Infra 上 。 所以我们除了智能搜索的 API 之外， 我们也提供一站式的大模型的聚合平台 ， 我们叫 SkyRouter， 来方便说这些一人公司 、 三人公司能够在 day one 就可以非常方便 、 没有地域和用量限制的使用上最领先的模型来实现他们 Agent 的产品目标 。
大概是这样一个产品的矩阵吧我们 。
其实说到小宿智能搜索 ， 我们知道在国内也有一些做得还不错的友商 ， 然后他们对外也会说 ， 比如 DeepSeek 是他们的客户 。
比较想知道的是 ， 小宿智能搜索在你们看来和他们比起来你们的优势 、 你们的差异化会是什么 ？
搜索三步10:08
对 ， 我觉得其实大家对于搜索 API 的认识可能还停留在过去的 C 端搜索打包成一个 B 端的 API 提供服务 ，但实际上我们做智能搜索的过程中大概经历了三个阶段 ， 我觉得才有今天的小宿智能搜索的产品 。
第一个阶段其实我们没有做搜索本身 ，是因为我们发现头部的大模型公司在提供 AI 搜索和联网搜索的时候 ，有一个能力的 gap，是因为过去的搜索 API 给你返回的是 10 条或者 20 条的搜索链接 ， 结果链接加上一个短摘要 ，但是这个摘要本身的内容其实没有不能满足大模型或者智能搜索对于结果的要求 ，因为它不够全面而且太短了 。
所以我们其实做的第一个 ， 从去年 9 月到今年 1 月做的第一个产品其实是全网全文读取的这样一个产品 ， 它是配合搜索 API 使用的 ， 最早其实就是配合 Bing 的搜索 API 使用 。Bing 在 Agent 去 Bing 掉了搜索 API 的结果之后， 我们这个服务可以快速准确地把全文的内容和包括多模态的内容都给客户抓取下来 ， 然后给它的大模型 ， 给它的模型进行进一步处理使用 。
所以这是第一阶段我们做的其实是一个全文检索和抓取的这样的服务 ， 配合搜索 API 使用的 。 但是到了今年 2 月份的时候 ，DeepSeek R1 火爆之后， 我们发现一个很大的问题就是 Bing 其实突然停止了对中国一些模型厂商 ， 包括一些头部的互联网公司的 API 服务 。
所以我们当时的一个判断是说 ， 我今天觉得这个判断领先市场三到四个月的一个判断是说 ， 我们认为 Bing 会包括 Bing 在内的各种 ，因为现在头部的搜索公司 ， 全球范围内头部的搜索公司还都是以美国公司为主 ，他们会停止对中国 AI 行业的服务 。
这个直接推导出了我们的第二步的产品 ， 就是我们要自研搜索产品 ， 然后我们建了一个上千亿的规模的 index， 自己做 index 召回到出牌金牌这一套事情 。
然后这是我们搜索的第二阶段 ， 就自己自研建立了一个可以和 Bing 可以直接替代 Bing 搜索 API 的智能搜索 API。 然后这个判断其实到 5 月底的时候得到了验证 ，因为 5 月底的时候 Bing 第一次正式对外宣布说它将在 8 月 11 号在全球范围内 retire 它的 search API 以后只能绑定它的云或者它的智能体一起使用 。
所以我们觉得这个战略判断其实帮我们提前三到四个月投入做了原生的搜索本身 。 第三个阶段其实我觉得是奠定今天智能搜索功能的一个全面性的阶段 ， 就到了 5 到 6 月份之后， 特别是 Manus 和其他的智能体开始爆发了的时候 ， 我们在服务头部的智能体公司的过程中， 我们发现它其实不只跟过去的搜索 API 的需求相比 ， 智能体有更多更复杂更丰
富的需求 ， 比如说第一个需求就是刚才提到的全文的能力 。 第二个举一个简单的例子就是 ， 如果你用 Manus 或者昆仑天宫的 APP 做一个 PPT 或者做一个产品文档 ， 你会发现它不仅要对文本进行很多的搜索 ， 它其实需要画图 ， 需要进行图搜 ， 进行视频搜索 ， 多模态的搜索能力我们发现也是过去的搜索 API 不曾提供的 。
同时我们也发现这些智能体 ， 特别是中国出海的智能体 ，day one 就是 global 的 ，他们不像过去的创业者是会先选择先把中国市场做好 ， 做好之后再去打海外市场 。
所以除了中文搜索之外， 英语 、 西语 、 葡语这些主流的多语言的能力是一个新时代的搜索 API 所需要具备的 。
除此之外还有很多定制的能力 ， 比如说在智能体中有大量的对 URL 的点击 ，其实 URL 的点击到它的内容的 markdown 到里面你哪些去除广告内容 ， 抓出核心内容等等。
我们发现说新时代的智能体 AI 智能体其实对搜索的要求是更丰富的 ，而这些产品能力目前都只有少数科技 、 少数智能搜索具备 ，因为我们真正在服务这些头部的 AI 智能体公司 。
你提到的其他的竞争对手 ， 包括海外的和国内的竞争对手之外 ，他们其实绝大多数都只提供传统的搜索 API， 它其实只是一个文收文 ， 然后给你用 API 的形式返回的这样一个形态 。
所以我们其实不太把他们当作竞争对手 。
刚才提到 2 月份的时候看到了这个机会 ， 才开始搭一个研发的团队来做搜索这件事情 。 听起来那么短的时间就能做出一个足够好用的一个 API 出来 ， 这个是怎么做到的 ？
这听起来好像还挺困难的 。
对 ， 我觉得我们其实是站在巨人的肩膀上继续做工作的 。 我们当时做了这个战略决定之后， 除了自研之外， 另一条腿其实是通过并购的方式 ，因为市场上其实有一些在做智能搜索或者说做 AI 搜索的团队和产品之前已经做了非常多的工作 ，但它后来调整了战略方向 ， 所以我们就其实是并购了一个已经成熟的自建的搜索团队和产品 ， 然后作为我们产
品的基石 ， 然后加上我们后来继续在它基础上做全文多语言这些额外的工作 。 正好你问到这了 ， 我觉得很有必要要提一下说搜索产品它其实竞争壁垒在哪 ，因为它其实是个非常大的工程 。
刚才 Koji 也提到了 ，其实我觉得如果你要做一个 Agent， 为 Agent 设计一个搜索引擎 ， 壁垒大概主要体现在三个方面 。
第一个方面其实不是钱和人， 第一个方面是团队和人才 ， 就是它不是钱和资源 ，因为搜索人才其实在过去这十年中没有什么新的人才被培养出来 ，因为搜索是一个很老很传统的搜索产品形态 。在互联网早期有很多优秀的人才从百度 、360 这些传统的搜索公司被培养出来 ，但是到了头条 TikTok 爆发之后 ，其实绝大多数年轻的技术人才其实首先想到的其实会毕业
之后， 如果你是一个 15 年以后毕业的技术的研发 ， 你肯定会首先想到去做推荐引擎 ，而不是去做搜索 。
所以搜索的人才在中国是非常有限的一个小圈子 ， 你很难说作为一个创业公司或者外人能够立刻马上组建起一个 20、30 人的研发团队 ， 你必须找到研发团队的核心人员 ， 然后它的就像传销一样 ， 我们说你在找人才 ， 创业公司找人才其实是一个传销工作 ， 你必须得把核心的人找到 ，他对这个圈子内的人才有影响力和吸引力 ， 你才能有可能组建起一个这样的团
队 。 所以我觉得一个小公司如果它跟你说它只有 5 到 10 个人 ，他做了一个原生的搜索引擎 ， 然后这 10 个人中没有一个人在传统的搜索公司中做到过某一个领域的负责人， 我觉得这件事情一定是不现实的 ， 它一定是做的一个套壳产品 。
对 ， 这是我觉得第一个大的壁垒 。 第二个大的竞争优势其实就是你刚才说的要投入多少人 、 多少钱 、 多少计算资源 ， 然后以一定的时间 ， 比如说以 6 到 9 个月为单位来做出第一个版本 。
我们通过并购的方式跳过了这个阶段 ， 然后并且基于它的核心人才做了现在的产品 。 所以我们是刚才提到的第二个竞争壁垒 。
第三个竞争壁垒我觉得同样是创业公司面对的非常大的难题 ， 就是 C 端的产品其实你不需要服务大客户 ， 你不需要有 day one 就具备大客户的销售能力 ， 只要有用户用 ， 用户就会给你反馈 ，不管正向的还是负向的 。
但是对于 Agent 做搜索这件事来说 ， 你不能直接的获取用户反馈 ，因为你的搜索结果用户不会直接用到 ， 包括你需要什么额外的功能 ， 只能通过客户来告诉你 。
如果你的第一天只有一些小的开发者客户 ， 你其实是没办法获得客户的指导的 ，因为客户在像 Manus、 像 Skyworks 或者说像深研科技这些我们的头部的 Agent 的客户 ，他们会给我们的产品提各种各样的要求 ， 比如说提多模态的要求 ， 比如提抓全文的要求 ， 比如提 markdown 的要求 。
所以我觉得第三个竞争壁垒是你有没有真正的 Agent 大客户 ，他们对你提要求 、 提 feedback， 这个是 push 你产品能够有一个提升改进闭环的一个主要的方式 。
前面提到做战略选择 ， 这个点我觉得也挺有意思的 ， 一个是预判了接下来会发生的事情 ，而且预判好像包括了两点 ， 一方面是微软的举动 ， 然后其次是 Agent 的爆发 。
预判与市场20:39
你可以讲讲当时是比如说有哪些线索让你看到了接下来有可能会发生的是这些事吗 ？
对 ，其实我觉得微软的对 Bing 的调整其实在我们的判断中起了比较重要的作用 ，因为当时如果它不对中国的这些大模型厂商停掉它的 API，其实我们只是觉得地缘竞争可能会对未来的生意模式和可用性产生一些影响 ，但它果断的非常决绝的关掉了很多搜索 API 的接口 ， 让我们非常清醒的意识到这个事情可能很快立刻马上就会发生 。
然后我们其实也做了一些功课 ，也跟微软的一些战略的同学去聊这个事情 ， 发现说他们内部有一些自己的考量是外人不知道的 。
第一个考量就是它过去 ToB 提供 API 其实是它生态的一部分 ， 比如它给 Yahoo、 给这些浏览器提供 ， 包括一些垂类的大客户提供它的搜索 API， 它站在产品背后 ，其实它不认为 Yahoo 或者 DuckDuckGo 这些产品能真的对它的搜索生态或者对它的入口地位形成挑战 。
但是在过去一年， 像 Perplexity， 中国的也有很多 AI 搜索的产品出来之后， 它会发现它的搜索 API 其实是让它新兴的 AI 行业的搜索竞争对手很廉价的获得了最好的基础设施来跟他们抢入口的地位 。
这个也是我们在中国看到这些巨头接下来一个很重要的战场 ， 就是它一定要在 C 端巩固它的入口地位 。
因为其实我们刚才提到了一部分 ， 就是如果未来我们的用户作为 C 端用户的决策和行为都是跟 Chatbot 或者跟各种各样的 Agent 去交互 ， 今天这些所谓的入口 APP 其实就丧失掉了它入口的地位 ， 它可能就变成这些入口或者 Chatbot 背后的一个 API 了 。
用户说我今天要去做一个旅游的攻略 ， 要去东京 ， 对吧 ， 这个 Agent 可能会先调用我们的搜索 API 去给相关的一些基础的信息 ， 然后之后搜索掉的 API 里面高质量的 ， 比如说就会有小红书 、 有携程 、 有马蜂窝 ， 对吧 ，他们其实就变成不能直接面对客户需求的一个信息源了 。
这是绝大多数巨头不愿意看到的 ，也是微软不愿意看到的 。 所以它觉得停掉搜索 API 其实可以有效的减缓像 Perplexity 这样的竞争对手对它的入口地位发起竞争的这样一个趋势 。
我觉得第二个比较主要的考量就是 ， 既然搜索 API 对于实时的信息获取在 Agent 中有这么重要的竞争价值或者说战略价值 ， 为什么微软不能把它和其他产品捆绑销售呢 ？
比如说你如果要继续用 ， 它其实我们一些大客户已经收到了这样的建议 ， 就是说如果你要继续用 Bing Search API， 你把整个云都迁移到微软的云上来 ， 我可以继续给你用 ， 或者说你不要用直接的原生 API， 你捆绑着我的 Gemini， 我的大模型给你分析之后的结果 。
所以捆绑销售变成了它接下来的一个很主要的策略 。 当然除了捆绑销售之外， 涨价也是一个很必要的策略 ， 它其实在过去两年中其实已经大幅涨价了两次 。
现在捆绑着大模型的搜索 API 的价格已经到了 45 美金 ， 两年前其实是 5 美金 。
其实这里有一个问题想插入一下，Google 是没有提供这样的 API 的吗 ？
对 ，Google 严格意义上来说是没有提供 ToB 的 Search API 的 。 它其实有对中小开发者提供一个叫 Customer Search，但那个是有非常低的用量的限制 ， 所以它没办法在 B 端商业化的场景中使用 。
所以过去的竞争格局就是全球的每天可能有 200 亿次搜索 ， 里面可能有 2%、3% 是在 B 端发生的 。 这 2% 和 3% 的生意里 ， 绝大多数的市场份额是被 Bing 的 API 占据的 。
我们的判断是说未来这 200 亿次搜索会有 80% 甚至 90% 的搜索会从 C 端直接搜索转移到通过 Agent 来进行搜索 ， 同时 Agent 本身会 TypeQuery 多轮搜索 ， 导致说搜索的调用量本身也会以 10 倍为单位的去增长 。
这是为什么我们非常坚决的投入要做多语言 、 多能力的 Agent 搜索 。
你觉得为 Agent 来提供一站式的服务 ， 会是同类型的公司今年都会来抢占的一个市场吗 ？
我觉得其实今年是一个非常好的竞争的机会 ，因为其实刚才也提到了这个行业里的竞争对手 ， 目前来说海外的竞争对手在 Bing 退役了之后其实只有一到两家 ，其中一个是做浏览器 ， 过去是一个隐私浏览器公司 ， 它在 AI 时代提供了 AI 搜索的 API 的服务 。
另一家是一个美国 VC 投的一个中国团队 ，但它其实没有大客户 ， 它是以开发者为出发点来提供产品和服务的 。在中国范围内其实我们观察到的竞争对手主要是大厂 ， 之前有 C 端搜索能力的大厂 ， 它会提供搜索 API 的服务 。
但是我们觉得我们跟他们当下其实不完全是直接竞争的关系 ，因为我们观察到搜索大厂它有两个它自己第一首要的竞争目标是要维持住它在 C 端的入口地位 ， 所以 B 端的产品其实对它来说是一个 Side Business。
然后同时我们觉得对 B 端来说 ， 针对 Agent 客户做优化和做功能的完善会变得越来越重要 ，因为一个简单的 Web Search API 越来越不能满足这些不管是通用还是垂直的 Agent 的需求 。
所以当下我觉得我们的竞争地位还是非常好的 。 一是大厂不会在今年 all in 做这个事情 ， 二是我们已经服务了各个垂类里比较领先的 AI Agent，其中至少有超过一半都是我们的客户 。
所以我们其实是在满足客户要求的过程中实现产品的进步和迭代 。 我觉得这是一个比较好的状态 。
我觉得你说的这些还蛮符合一个创业公司在早期的时候抓住大厂可能做一些战略调整的一些窗口的机会 ，并且去做一些他们的像你说的他们的 Side Project，他们的 Side Business 就是并不是他们的主营业务 ，他们可能在这个上面投入的人力财力都相对来说不会那么的多 ， 然后对创业公司来说这就是机会 。
但是也有可能这是一个挑战 ， 就是说你怎么样能够做得比它更好 。
对 ， 我觉得基础服务上要跟巨头打平 ， 这是我们对搜索团队的要求 ， 就是在相关性 、 在相关性 、 时效性 、 权威性 ， 包括时延和可用性 ， 这几个内容质量和搜索质量的指标上， 我们要做到跟 Bing 打平 。
跟 Bing 打平的标准其实就超过了绝大多数巨头在搜索 API 本身上的质量 。 除了在质量上和 Bing 打平之外， 甚至有一些地方超出之外， 我觉得更多的竞争优势来源于我们对 Agent 需求的理解 。
每一个头部 Agent 提出的在搜索周边的这些产品能力的要求 ，其实都是我们产品进步和完善的一个主要的 driver。
如果我们的竞争对手它没有这些 Agent 服务 ， 这些头部的 Agent， 它其实不可能凭空造出 Web Search API 以外的这些搜索相关的功能 。
所以我觉得这个是我们逐渐建立壁垒的一个很重要的要素 ， 就是完善和丰富跟搜索直接相关的这些对 Agent 来说很重要的功能 。
你接触的这些 Agent 客户 ，他们就是因为听起来大家对搜索的要求其实还是比较简单的 ， 就是要全 、 要实时 、 要权威 ， 对吧 ？
Agent需求29:53
还有什么大家想不到的来自 Agent 的这样的搜索需求 ？
我觉得这是个很好的问题 。 第一个你要满足的 Agent 的需求是全球化 ，因为中国创业者现在绝大多数的创业者都不想局限于只做中国市场 ，而把全球市场当成我们自己 AI Agent 的一个 Playground。
所以你要做全球市场 ， 第一天你首先就要多语种 。 我觉得这是一个非常必备的要求 ， 特别是你头部的这十几种语言 。在南美做生意 ， 你得有西语 、 葡语 ； 在东欧做生意 ， 你得有俄语 、 阿拉伯语 ； 然后你在全球其他区域做生意 ， 你至少得有英语的能力 。
所以我觉得多语言的能力是第一天你就必须要具备的 。 如果你不具备多语言的能力 ， 这些新生的 Agent 其实是不会考虑你的服务的 。
我觉得这是第一个 。 第二个是数据来源和数据所在地 ， 你是不是能合规 ， 这个在很多发达国家的市场是有很高的要求的 ， 你必须要把数据本地化 。
我们做这个事情有很大的优势 ， 就是因为小树的兄弟公司其实听这个名字也可以听出来 ， 它其实是世界上第二大的 CDN 公司 ， 我们在全球有 2800 个可用的节点 ， 这些节点上都有传统的算力和很好的网络连接 ，也可以放 GPU 的算力 ， 可以在上面增加 。
所以我们其实是能够帮客户很好的做一些数据合规性的要求 。 所以我觉得这两点是大家要选在全球化的浪潮中要选一个搜索 API 首要的考量因素 。
除此之外， 你在功能上， 比如说刚才说的你文收图 、 图收图能不能都是以 API 很方便的解决 ， 然后你在把全文抓下来的过程中， 你能不能解决它真正全文的内容和广告内容和相关推荐这些内容的区分 。
比如说你抓下来的格式能不能满足客户在不同场景下的需求 ， 这些就是能力上的补齐 。 但是我觉得先决条件是多语言和数据合规 。
除了刚刚提到的这些 ， 你们接触了这么多 Agent 的公司 ，有感觉到他们还有哪些可能潜在的一些需求吗 ？
我觉得潜在的需求是在随着 Agent 去满足更多的产品 ， 我们其实是不能发掘或者说真正去自主去定义需求的 。
我们的需求基本来源于我们的客户 ，他在满足他的 PMF， 找到他的 PMF， 做好他的产品和流程的基础上对我们提出的要求 。
所以我其实对功能就是从搜索这一方面 ， 我其实对功能的改善上其实是不担心的 ，因为我觉得今天是我觉得是 Agent 元年， 这个是 Koji 之前提出的 ， 我觉得我完全同意 。
但我想补充一点 ， 就是我觉得今年其实就今天其实只是 Agent 元年的 Day One 的早上 6:05， 太阳刚刚出来的时候 。
因为你拿头部的原生应用去跟移动互联网的比较成熟的状态去比 ， 我觉得以 DAU 的角度来看是不到真正互联网繁荣的时候的 1% 的 。
现在头部的通用 Agent 也就是以 10 万为单位去算 DAU，Tier 2 的或者比较垂直的 Agent 就是以几万为单位来看 DAU 的 。
如果拿这个数字跟移动互联网繁荣的时候相比 ， 我觉得甚至都不到 1%， 甚至是几百分之一的状态 。
所以我觉得从搜索的功能上， 我觉得会持续的演化的 ， 我们只要跟住这些服务好 ， 这些头部的 Agent 就好了 。
除了做好搜索之外， 这是我们为什么要做一站式的 Agent Infra，因为我们发现很多我们的客户 ， 即使当下很多上过 Koji 节目的非常知名的拿过很好 VC 的钱的公司 ， 它其实整个公司也就是 10 个人 、20 个人的状态 ， 可能真正负责 Infra 的也就一个人。
比如说拿我们的客户也是我很好的朋友 Mindvice 来说 ， 它其实一个主要的产品就是你个人的数据或者说 AI 分身 ， 它其实是一个已经蛮成熟的 AI 公司 ， 产品也是相对眼镜的迭代的非常好 。
它其实管理和负责 AI Infra 的人也就一个人。 它其实通过我们可以一站式的调各种大模型的 API， 然后甚至说连账单也不用管理 ， 我每个月是每天以天为单位 ， 它可以看到它在所有模型和搜索上的用量和成本 。
这个对它来说是非常有帮助的 ， 甚至说你其实中间有一两天某一个大模型宕机的时候 ， 我们其实是把它的模型的调用自动给它路由到了没有宕机的 ，但也可以满足它模型需求的 API 上， 所以它其实完全没有受到某个大模型宕机的影响 。
所以我觉得这是一个典型的场景 ， 就是我们的客户会越来越把精力或者说从 Day One 就把精力放在产品和 Go To Market 上 ，而把后端的服务和 Infra 的需求外包给像我们这样的公司 ， 这样对它公司的效率和成功的概率来说是很大的提升 。
其实最早刚有 ChatGPT 的时候 ，也有 AI Infra 的一股浪潮 ， 那个时候出来了很多公司 ， 然后有不少都是在做和今天的 SkyRouter 类似的事情 。
SkyRouter36:14
我记得当时还有一家公司叫 Marshin，Marshin 它是在除了做 API 聚合之外， 它告诉大家我可以帮你去择优路由 ， 根据每个任务来判断这个任务我分发到哪个大模型去 ， 它可能可以最优得到解法 。
但后来发现这个好像不太需要它去做优化的自动的选择 ，因为大家到最后就是都可以比较容易的就选持续的 、 长期的 、 稳定的 、 最好的一个大模型到底对我来说是谁 。
也比较好奇 ， 你们也做 SkyRouter 这个服务 ，但国内其实也有硅基流动 ， 感觉也很猛 。 你们在面对和它的这种对比的时候 ， 客户如果问到你们会怎么介绍自己的优势和差异呢 ？
OK，其实做这个事情我觉得有两个背后的判断 ， 一个判断是也回答你刚才提到的那家公司 ，其实我们很早也观察到了它 。
我觉得它是做的时间和时机来说是有稍早了一些 。 我们其实去年开始做这个事情的时候 ，有两个大的判断 ， 一个大的判断是说我们觉得中国人和美国人会成为 AI 行业里的主要的从业者 。
除了两国的本地市场之外， 全球其他所有地方都是这两个国家的 AI 创业者的 Playground。 所以我觉得第一步是要找到服务好中国出海的这些 Agent 和创业者的主要的方式 。
第二个我们的判断是说在 24 年， 如果看算力的结构还是训练大于推理 ，但从 25 年开始会发生反转 。25 年我们当时判断会是一个推理需求开始显著超过训练对算力的需求的元年 。
同时我们预计推理的算力绝大多数的体现形式会是 API，而不是直接租算力 。 这是决定了我们为什么要做 SkyRouter 这个产品形态 ，而不是像 Fireworks 和硅基流动的产品形态 。
因为我们认为在开源模型和商业模型中， 绝大多数的客户会选择当下最好的 ，在它场景下最好的模型来使用 。
而我们判断说在一些领域肯定是长期会使商业模型的能力优于开源模型 。 所以既然这些客户是要用商业模型的 API， 又要用多种的 API， 我觉得一个一站式的服务是很多创业者 Day One 就需要的 。
我们的和硅基流动其实跟硅基流动关系也不错 ， 我们其实还是有两个很显著的差异化 。 第一个差异化是他们的产品销售其实是主要以 DeepSeek 以这些开源模型自部署为主要的生意模式 。
它的产品和技术的竞争力其实是优化这些模型或者说开源模型对它的算力的利用率 ， 能够让同样的算力发挥出更大的卖出更多的 Token， 这是它的主要的竞争力 。
所以他们的技术能力主要是在推理优化上 ，而做 SkyRouter 这个产品的竞争力其实主要来源于三个 ， 一个是你在全球是不是有足够多的节点和分布式的算力资源 ， 第二个就是你的平台稳定性和你的自动路由的这些平台能力能不能用好 ，因为模型能力完全是看模型厂本身 。
然后第三个能力就是你能不能有资源运营的能力能提供折扣 。 我们其实刚才前面也提到了 ，在我加入之前 ， 我们公司其实是有一些出海的云的服务的 。其实我们也是 AWS 在中国最大的 Partner 和其他的很多个云平台其实有非常紧密的合作 ， 所以我们非常清楚的知道说这些云厂的资源它背后的运营规则 ， 这个运营规则会带来的竞争优势就是我们可以不光是一站
式的服务 ，而且是以有折扣的方式提供一站式的服务 。 说白了就是客户来我这不仅可以没有调用上限 ， 没有地域限制的使用这些搜索 API，而且在很多个主流的 API 上我们都有不错的折扣 ， 可以给客户降本增效 。
如果你从 OpenRouter 迁移到 SkyRouter， 大概率你的模型调用成本至少能够省下 10%-15%。
对 ， 从 OpenRouter 到 SkyRouter 的钱主要是怎么省下来的 ，是通过你们和模型厂之间的谈判省下来的 ？
其实不是 ， 这个是源于过去这 10 到 15 年全球云厂之间的竞争 。 因为如果我们回看这 10 到 15 年的竞争 ， 每一个云平台都是有大概一半的资源是通过 Partner 合作的方式去卖出去的 。他们指向 AWS， 指的客其实指的覆盖最头部的这些云用量的客户 。
更多的像我们的这些出海客户是通过像小树这样的 Partner 去服务的 。 它去再通过 Partner 和其他云厂竞争的过程中， 它就会在资源上提供折扣 、 提供返点 、 提供各种各样的规则来让这些客户从 Day One 就来它 ， 或者从中间从别的云迁移过来 。
这个迁移的驱动力其实绝大多数情况不是云厂之间的质量 ，而是价格 。 所以就在建设生态的过程中形成了说不同的区域 、 不同质量的资源有不同的折扣的这样一个行业环境 。
我们就是中国最懂这个行业环境的人， 所以我们能够在全球范围内通过和原厂合作以及通过和云厂的代理商合作 ， 拿到各种不同质量和不同的价格的这样的资源 。
根据客户的需求可以调用不同折扣的资源 。
所以说到 SkyRouter 比 OpenRouter 便宜 ，不是只是说大模型的 API 便宜 ，而是到你们这里来其实它是一整套的打包的服务 ，其中包括云服务 ，而便宜省钱是省在云服务上 。
不是 ， 模型 API 本身也有折扣 ，因为现在除了 Anthropic 和 OpenAI 自己提供 API 之外， 还有很多的 API 都是布在 AWS、GCP， 都是云厂布了这些头部的模型的 API， 然后他们同时也除了卖自己的云 ，也卖 Cloud， 卖 ChatGPT。
所以我们其实很多资源来自于云厂 ，在全球范围内各种各样的各个区域的不同折扣的资源 。
行业分析43:49
刚刚也说到其实在 ChatGPT 出现之后，AI Infra 其实有一波创业的热潮 。 我记得当时看红杉的一个报告 ， 然后大家就在说本来对 2023 年的预期是 AI 应用会爆发 ，但是后来统计了一下发现钱都到了 AI Infra 那去了 ， 这个领域出现了非常多的公司 。
可不可以请 William 作为一个行业的一个 insider， 就是行业的一个比较了解行业的人来跟我们分享一下 ，在你看到的整个领域在刚刚其实 Koji 也提到了这一点 ， 就是在从两年半之前开始 ， 它一直在发生什么样子比较大的变化 ， 然后现在 AI Infra 领域的公司其实我们前面也提到了一点 ， 它可能在当下这个时间点上它可能正在发生什么样子的改变 。
我觉得最大的一个变化其实是大家从抢卡变成抢数据了 。 最早的这一波 Infra 厂商其实我们观察到包括 CoreWeave、Lambda， 它其实都是在 Ice 层做工作的 。
它提供了从数据中心到 GPU 到 GPU 云化的这样一个基础的 Ice 服务 ， 让这些最早能投入大量的资本和人力的这些大公司能够快速的训练模型 。
这是我觉得第一阶段的竞争其实是一个对算力资源的竞争 ， 这些 Infra 厂商也是大部分集中在提供算力资源 ， 怎么样能够更有效率 、 更有规模的提供算力资源的这一层 。
到了去年到今年我们的观察是更多的 Agent 厂商出来 。Agent 厂商出来和大厂的一个最大的区别就是它不仅要用 Ice， 它其实希望你提供到 PaaS 层的全服务 。PaaS 层里面就有几个主要的组成部分 ， 当下我觉得一部分是模型 API 本身 ， 一部分是实时的模型本身不具备的数据 ， 实时数据和信息 。
可能还有一些工具调用的 ， 或者说多 Agent 协作的工具 。 对于我们来说 ，PaaS 层的竞争是更适合我们的 。
上一代 PaaS 层有很多产品里面其中比较大的是 CDN， 我们在 CDN 上做到了全球第二 。 然后我觉得这个能力其实是可以复用到今天我们做 AI 的 PaaS 层的 。
所以我们当下提供的几个主要的产品包括 SkyRouter， 包括小树智能搜索 ，其实都是 PaaS 层的 。 我们会非常确定的不去做 2C，不去做 SaaS，不去和我们的客户抢生意 。
同时我们也希望说客户不需要自己去管理下面的 Ice 层的东西 ， 这样的话才能把客户的效率提到最高 。
我们觉得当下最大的挑战其实反倒不是 Infra 的能力不够 ，而是我们的客户或者说整个 Agent 行业还都在找 PMF 的过程中 。
我希望我的客户可以尽快找到 PMF， 找到之后它的用量会立刻起来 。在我们这一端是能够我觉得算是一个比较好的观察点 ， 就跟过去 CDN 一样是一个非常好的观察点 ， 谁的流量起来了 ， 谁的用量就会起来 。
所以我们希望说对整个行业的期待就是头部的这些 Agent 厂商会尽快和更好的找到 PMF， 这样对 Infra 的能力和需求也会持续快速提升 。
现在你有看到什么苗头吗 ？
我觉得场景大家都说的蛮多了 ， 跑通的场景其实肯定 Coding 是一个场景 ，Coding 里面其实也是会调搜索的 。
因为我是这么想这个问题的 ， 就是不管什么场景 ， 只要是 AI 辅助人和替代人， 人的工作习惯是一定是边搜边画 PPT， 边搜边写代码 ， 然后边搜边往里面塞图片 。
所以我们看到几个场景就是能够辅助人类实现边搜边干活的能力 ，Coding 肯定是一个很清晰的场景 。
第二个场景就是办公软件 ， 像我们的客户昆仑天工 ， 它其实是一个典型的希望用 AI 能力去逐步替代 Office 的这样一个产品形态 。
它在做不管是写文档还是画 PPT 的过程中是一个不断的就非常类似人类的行为的一个过程 ， 它会不断的去调搜索 ， 然后搜完了之后指导它的路径规划 ， 路径规划之后每一页要放什么内容 ， 放什么内容之后它会再去搜索 ， 然后再去搜索把图片放好 ， 然后把总结写好 。
这个过程我觉得非常像一个高中生做 PPT 的一个过程 。 我觉得随着模型能力的提升 ， 肯定大家会变成一个职场人做 PPT 能够交付的逐渐实现这个水平 。
这个过程中其实你对模型和对搜索的调用量也是会有很大的驱动力的 。 然后像除了我觉得 Coding 的场景 ， 然后办公的场景之外， 还有一些比较垂直的场景 ， 我们看到一些很好的 PMF， 比如说 AI 去做广告投放 ， 比如说 AI 给用户规划旅游的路径 ， 然后同时去帮他实现订票 ， 还有像 AI 的信息获取 ， 比如说我们的一个客户是深研科技 DeepLong， 它其实也是
我校友的一家公司 ， 它其实做的事情其实是有点类似 AI Agent 版本的今日头条 ， 它可以给你用推送的方式把内容很好的按照你的定制化的需求推给你 。
它其实背后也是实时在抓取全文最新的数据 ， 然后要关联中英文的资料 ， 这也是我们看到一个典型的场景 ， 就是 AI 逐渐能够改写和优化过去的一些互联网产品的能力 ，但今天还没有到颠覆的程度 。
你觉得短期长期 AI Infra 这个领域的市场的格局会发生什么样子的变化 ？
我觉得这个问题我其实现在没有答案 ，但是我觉得这个行业最重要的事情还是 AI 的原生应用能够在用户规模和用户留存上实现一个质的飞跃 。
这背后可能需要几个驱动力 ， 一个是模型能力的继续提升 ， 另一个驱动力是说这些因为我觉得最牛逼最优秀的创业者都已经在这个里面 ，但凡基础能力能够持续提升 ， 我觉得 PMF 一定会在很快或者半年一年内有一些场景达到更好的 PMF。
对于我作为一个基础设施的提供商来说 ， 我要做的就是保证我的平台的可用性 ， 保证我能够为中国出海的这些 Agent 提供一站式的而且是很高性价比的服务 ， 这样能够让他们对语言 、 对海外的市场和文化没有很大的障碍 。
这个就是我们能做好的事情 ，而且我非常相信这一天会很快到来 ， 这个里面中国的创业者会占据一个非常大的比例 。
这个就类似于在移动互联网时代 ， 我觉得在应用上中国人或者说中国市场其实是甩开美国市场几条街的 。
我觉得在 AI 的 Agent 时代也不会有什么本质的变化 。
长期呢 ？
长期我觉得前面的逻辑会延续 ， 就是算力的竞争会变得不是那么重要 ，因为大家的算力都会达到一个基准值 ， 包括国产的算力在推理上我觉得不见得会比英伟达的算力有什么显著的差距 。
因为前面说了推理会是主要使用算力的形式 ， 训练的占比会越来越少 。 我们的观察就是说数据会变得更重要 ， 就是在算力的基础上， 数据本身会变得更重要 ， 特别是实时的动态的数据 。在模型训练 ，因为训练都是有周期的 ， 训练三到六个月周期 ， 模型如果要有质的提升 ， 这个演进或者说迭代的速度不一定会有多快 ， 所以你就要配合各种
各样的实时数据来使用 。 这些数据的合规性 ， 这些数据的原始的来源是不是对中国的厂商持续可用 ， 然后包括一些垂直领域里的数据 ， 比如说金融 ， 比如说新闻 ， 比如说医疗 ， 这些数据怎么获取 ，有哪些和 Agent 更好的配合方式 。
我觉得这些都是数据驱动的 AI Infra 接下来要重点考虑的事 。
可不可以介绍一下， 比如说 OpenAI， 比如说 Cloud， 或者国内的 Kimi、MiniMax，他们的 API 搜索都是用的哪家的 ， 或者他们是自己搞的 ？
我觉得这个其实是个很好的问题 ， 就是我觉得头部的模型厂一定会自建搜索 ，但是它不会自建全部的搜索 ，因为其实搜索的 query 长尾效应也是非常强的 ， 所以头部模型厂一定会自建自己的核心 query， 比如说前 1 亿条或者前 3 亿条 ，他们一定会自建的 ，因为这 1 亿条 、3 亿条可能会占据它 query 量的 90%。
这一部分自建的性价比是很高的 ，但是后 10% 的长尾 query 可能就分散在几十亿个 query 里 ， 这一部分他们一般都是会调用第三方的 。
我觉得这个是我们一个很显著的机会 ， 跟头部的这些模型厂其实我们都在有的已经合作了 ，有的也在测试中， 它对一些小众的语言 ， 对一些小众的 query， 它其实一定会用第三方调用的 ，因为对它来说自建的性价比很低 。
这样你们能赚到钱吗 ？ 如果只是做长尾的 ， 然后因为听起来对服务器也好 ， 对于算法算力要求都很高 。
这个我觉得是这个问题的另一面 ， 这个问题的第一面是说头部模型厂一定会自建核心的所以 ，但是这个问题的第二面是我认为 AI Agent 的繁荣程度是会非常个性化和丰富化的 ， 就是头部模型厂不会占据 Agent 里非常大的份额 。
我觉得一定是百花齐放的 Agent 会占据接下来三到五年内 ， 会成为三到五年内 Agent 市场的主角 ，因为个性化和垂直化的需求还是非常强烈的 。
这些 Agent 其实是我们服务的主要对象 ，因为模型厂对我的要求高 ， 质量要求高 ， 能力要求强 ，但是同时让我只能赚很少的钱 。
但是他们的这些给我帮助我一起形成通过服务他们帮助我一起形成的这些能力去服务更多的通用或者垂直的非模型厂的 Agent 其实是我们生意的主要的部分 ， 只是这个生态还在刚刚起来的 day one 的早晨 。
职业选择56:09
我们可不可以稍微聊一下职业生涯的选择的问题 ？ 因为我感觉我身边所有最后去做二级市场的朋友 ， 感觉都是职业生涯的归宿 ，但是没想到你早早的在二级市场取得了一些成绩之后， 反而没有成为你的归宿 ， 你又回到了
对回到了水深火热的创业一线 ， 这是出于什么考虑 ？
对 ，其实做二级的终点也是自己开基金 ， 自己开基金其实也是一个创业 。 对于我来说 ， 开基金的性价比和创业做 AI 的性价比 ， 哪一个更高或者哪一个更是我的热情所在 。
我自己其实从本科阶段就跟其实那是我第一份实习 ， 跟 Koji 一起工作在街旁是我的第一份实习 ， 这是我大二的时候做的第一份实习 。
我其实当时是非常深的受到了 Koji 的影响 ， 就觉得创业这件事真的很有趣 ，而且是能创造出新的东西的 。
因为投资这件事更多的是分配资源 ， 创业其实是制造新的生产力和新的资源 。 我其实在大四的时候就做过第一次创业 ， 当时做了一个学校里的约会网站 ， 当时是 2011 年在北京市很多高校里做了推广 ， 大概做了 5 万用户 ， 那时候叫亲约会一个约会网站 ，但是到我们核心创始人都毕业的时候 ， 我们就关掉了 。
那时候也拿到了一笔 。
都找到对象了 。
也拿到了一笔投资 ，但当时确实觉得创业一是我们看到米聊和微信陌陌已经起来了 ， 我们那个时候是很早就做了 APP， 移动网页加 APP 的形式 ，但是我们觉得我们这个场景肯定会被这些头部的 APP 吃掉的 。
因为我自己如果不创这个业 ， 我可能都不在我的网页上约别的人干什么事情了 。 所以另一个就是当时我们确实看到了自己能力的一个瓶颈 。
我自己作为 CEO， 我其实不知道我有哪些资源可以调用 ， 我不知道我产品的选择到底对不对 ， 怎么去验证我的产品的选择 。
这是我第一次创业 ， 然后无疾而终的一个前序 。 然后到了其实在高领工作的时候 ， 我们当时是 TMT 团队其实是不只做二级市场的 ，也做一些一级市场 。
后来一级市场完全独立分出去之前 ， 我们其实也看一级市场的项目 。 当时我们我看的文娱领域比较多 ， 就是游戏娱乐 ， 然后也看全球的市场 。
我当时其实的一个想法是说这个里面二级市场和一级市场是不分家的 ，因为有一些 spin off， 比如说虎牙从 YY 里的 spin off， 我一个非常历史上一个非常成功的 deal， 它其实就是让虎牙带着自己的母公司的能力去做了一个新的市场 。其实这个 case 跟我们小树和我们的兄弟公司的关系也很像 ， 就是我们是带着全球化的分布式的基础设施资源来出来在 AI 行业做新时代的 ，
可能是新时代的 CDN 不一定 ， 就新时代的 PaaS 产品 。 所以我在看到这个机会的时候 ，其实我是非常激动的 。
我觉得既有基础能力 ， 又能赶上 AI 的大潮 ，而且还跟非常好的创始团队一起工作 。 我觉得这几个条件具备的情况下， 我还是很有热情想要创业的 ， 所以我基本上没有过多考虑 ， 就考虑了一到两天就决定全职开始做这个事情 。
生活有发生翻天覆地的变化吗 ？
我觉得发生了翻天覆地的变化 ，因为做基金经理的时候 ， 你的决策大部分是相对短期的 ， 就是你是看一个月 、 三个月 ， 甚至半年的 PNL， 你要判断的是说这个公司特别是成熟的公司 ， 它的战略对不对 ， 它的产品的数字有什么变化 ， 然后怎么来猜测这个公司未来是有什么样的走向 。
它其实绝大多数的事情是不在你的掌控中的 ，但创业过程的不确定性来源于不是它能不能做这个事 ，而是做了之后我能获取什么样的结果 。
所以我的主观能动性和做事情的确定性是很高的 ， 就是我只要想清楚了 ， 判断好了 ， 我们就可以投入资源和团队去做 。
至于做成还是不成 ， 这个不在我的掌控之中 。 所以我觉得一个很大的转变就是我除了要想战略之外 ，因为在做投资的时候主要要想战略 ， 然后猜结果 ， 我们这个事情就是除了想清楚战略的过程中， 搭团队和做执行中间有大量的细碎的工作是需要去做的 。
因为人和人都有摩擦 ， 事和事也有摩擦 ， 这个过程既要投入大量精力 ， 又非常有趣的一个过程 ， 就是从零开始 build 一个事 ， 这个事真的是对我来说非常有多巴胺的一件事 。
而且 。
每天都有肾上腺素和多巴胺在分泌 。 做投资的时候可能真的只有业绩期 ， 你会经常有寒毛倒数或者浑身起鸡皮疙瘩的这种状态 ，但我觉得创业了之后， 我经常会在面对大客户 、 搞定大客户或者产品有大的迭代的时候 ，有这种寒毛倒数的感觉 。
我觉得又迎来了一个啊哈 moment， 这个时代投资的时候会遇到 ，但比较稀少的 ，但是在创业的过程中会经常遇到 。
而且做投资的时候 ， 你去跟项目聊天和你自己创业了 ， 你去跟客户 ， 就是你作为一个创业者去跟客户聊天 ， 这个姿态的转变应该还是挺大的 。
对 ， 我觉得荣慧你这个说的特别对 ， 我觉得创了业之后， 我觉得做投资的时候我特别浅薄 ， 就是我其实不知道公司在做什么 ， 只能听到说 CEO 或者 CFO 跟你讲我要做什么 ， 我现在做的怎么样 ，但真正合作业务之间我觉得是隔了十万八千里的 。其实我都不能
做的 ， 看做投资的时候还有一点就是我觉得是虽然二级市场会好一点 ，但实际上还是一个挺 arrogant 的状态 ， 就是你总觉得生意模式不够好 ， 你这个 CEO 为什么不够牛逼 ， 你的团队为什么不能完全按照你的战略来调整和部署 ，但实际上我觉得做了事之后， 你会对生意这件事充满了敬畏 。
我觉得市场上能够活下去的生意就已经是十里挑一了 ， 然后能够做成一个上市公司 ， 哪怕是一个在二级市场看来生意模式好烂 ， 创始团队也不怎么样的上市公司已经很难了 。
我觉得我第一步是要做成一个合格的 CEO， 我觉得离一个合格的 CEO 还远远不够 ， 更往谈说你要做一个牛逼甚至伟大的 CEO， 我觉得敬畏之心一下就来了 。
而且我们刚刚其实说到一些是从结果来看正确的战略选择 ， 比如说微软 ， 然后比如说 Agent 爆发的时期 ， 前面你提到说你创业了之后要做很多这种战略的判断 ， 虽然也跟以前做投资的时候也要做战略判断 ，但是我其实当地在想 ， 就是你在做投资的时候那种承担结果跟你在创业的时候承担的结果的你自己感受上的不一样 ，以及你能不能
说一些比如说这种创业的时候晚上睡不着觉的担忧的一些事情 。
我觉得
前面说的做错事的区别 ， 我觉得最大的区别是承担后果的区别是很明显的 。 做投资的时候 ， 特别做二级市场的时候 ， 你做错和做对的概率大概也就是做对的概率也就是 60%。
如果你每一个交易里面能超过 51% 是正确的 ，其实也就算做得很好了 。 你承担的结果不外乎是止损 ， 然后把精力和时间投入下一个决策的思考中去 ，但创业完全不一样 。
创业你的后果往往是要差 ， 如果你的战略决策对了 ， 很有可能可以引导你公司在这一段时间甚至长期走向成功 ，但如果你错了是有大量的后果的 ， 后果不光是人和资源的浪费 ，也包括说你要怎么处理你做错了的业务怎么去 。
因为对于我来讲 ， 我的性格是相对温和的 ，其实我就是你如果做错的事情 ， 你还会面对大量的冲突 ， 比如说你要开人， 比如说你要砍掉业务 ， 砍掉预算 ， 你中间有大量的沟通和协调 ， 浪费精力的事情去做 。
因为对于一个 CEO 来说 ， 我觉得当下最宝贵的其实是你的精力 ， 你把精力有去分配在不同的事情上 。
精力里面你首先要想战略 ， 然后是定团队搭班子 ， 然后才是说我去怎么做执行 。 但是你一个错误的决定会让你在一段时间内有大量的时间和精力耗在去做 ， 你知道这事已经是擦屁股的事的执行上 。
我觉得这个是非常现实的一个痛苦 ， 就是你所以尽量要三思 ， 我自己觉得尽量要多思考 ， 然后先尝试再 all in， 就是一定要有这样一个试错的过程 。
然后睡不着觉的时候 ， 我觉得是变少了 ， 就是做投资的时候 ， 特别是我们做多个市场 ， 所以白天要看中国 、 日本 、 韩国 ， 然后到了晚上还要看傍晚开始就要看欧洲 ， 然后晚上看美国 。其实睡不着觉的时间是非常有节奏的 ， 就是每到了业绩期 ， 你就不能很早睡觉 ， 你起码要看业绩在盘前盘后， 发业绩的 portfolio 你要盯着 ， 然后要做很多操作 。
但是这个会带来紧张和激动 ， 比如说你有 10% 的仓位的公司明天发业绩 ，但是你不是每一个业绩你都能有清晰的预判的 ， 这个时候你就会睡不着觉 ， 然后这个密度而且会很高 ，因为每个季度都会来一遍 。
好的基金经理是说我会降低这个比例 ，但是不能消除这个比例的 。 对于创业来说 ， 我反而是更睡得着觉的 ，因为我每天只用躺在床上反思一下我今天和最近这一段时间我的策略上和执行上有哪些做对了做错的事 ， 明天哪些要进行短期的调整 ， 哪些要思考讨论之后看要不要做长期的调整 。
所以晚上我反而是更早睡觉的 ， 现在我大部分的时间睡觉时间都是在 11 点前 ， 然后会早起 ， 然后开始做一天的工作 ， 然后到晚上基本上我是 9 点以后就不开电脑了 ， 我会处理一些思考和沟通的工作 。
所以我觉得反而我是睡得更好 ， 压力集中在白天 。
我觉得这种还蛮少见的 。
对 ，因为我觉得焦虑没有用 。 可能之前跟你们聊的更多的创业者就是要么是在大厂工作 ， 之前在大厂做 lead 或者在大厂带业务 ， 要么是从上一个创业到下一个创业 。
所以他们的状态和我之前做特别是二级市场的这种紧张的状态还是不太一样的 。 第二个就是我觉得目标变得更长了 ， 做投资可能做一级市场的投资不太一样 ， 你要有比较清晰的长期的 view，但是二级市场很多投资是你有长期的 view，但是短期对你的业绩影响是很大的 。
我觉得到了创业之后反而变成长期目标清晰 ， 然后团队搭好 ， 然后就剩日常的战术和执行了 。
这个其实是让我更容易睡得好的 ，因为我知道虽然某一个客户会有拿下拿不下的差别 ，但是 ToB 的生意的魅力就在于说即使你今天没有拿下 ，但是你如果产品改进得足够好 ， 理解客户的需求 ， 然后建立更好的关系之后， 你依然有机会在下一次下一个月跟他交流的时候拿下 。
所以这是让我不焦虑的一个原因 ， 就是如果我这单没做成 ， 或者说这一个客户当下没有用我的服务 ， 我其实是不应该焦虑这件事本身 ， 应该是回来看我到底在测试中有哪些不满足客户的要求 ， 产品还要做哪些改进 ，以及说客户的场景是不是我当下应该最高优先级去解决的问题 。
这些就变成了一个你应该在情绪平稳的状态下思考 ，而不是应该在紧张焦虑的状态下思考了 。 所以我觉得这个工作还蛮适合我的 。
对 ， 确实 。 我觉得刚才 William 说我们之前确实我在回忆 ， 好像没有做了二级之后回来创业的这样的 founder 来上过我们节目 。
经验总结1:10:49
所以可以想见做过二级的那样的一个就感受过那样的状态之后， 然后再来做创业这样比较长期主义的事情 ， 然后再加上其实小宿科技做的也是 ToB 本身也是需要做时间的朋友 。
所以这个确实感觉是一个还不错的 ， 就比起过去对心态上， 就是对于平衡度上都会好一些的事情 。
我觉得焦虑不来 ，因为每当焦虑的时候我就会想 。 AI 原生的 APP 现在也就几十万 ， 最大的也就几十万 ，100 万的 DAU，他们其实已经在这条道路上是最好的人， 最优秀的团队 ，有最丰富的资源了 。
我除了等着他们长大 ， 等着生态繁荣的同时优化自己的产品和客户的覆盖 ， 我其实不应该焦虑 ，因为我焦虑没有用 。
就因为客户已经足够优秀了 ，他如果还没有解决的问题 ， 肯定是需要时间和环境来迭代和解决的 。
所以我只能放平心态 ， 做好我当下的事 。
有什么你已经创业了这么一段时间之后 。 迭代的认知是你在你刚创业的时候希望知道的 。
我觉得我学到最多的事是战略选择真的很重要 ， 包括说我们要从之前的辅助配合的 API 的形态到自建 ， 然后包括在自建的过程中我们做并购 ， 然后到演化产品的形态 。
我觉得战略的选择它看起来很虚 ，但实际上是真正决定了一个公司长期命运的一个事 。 我觉得这件事是我在这个过程中逐渐体会和理解到的一个很重要的事 。
除了这个之外， 我觉得还有一个很重要的事就是生意它是很难的 ， 就是做生意本身它是很难的 ， 它包括了很多要素 ， 就除了你的产品质量能力之外， 它包括了你跟客户的关系 ， 当下客户所处的阶段 ， 方方面面的事情 。
我觉得绝大多数的商业行为不是一个 1 和 0 的判断 ， 更多的是从 0 到 0.1， 然后到 0.2 逐渐一个深化的过程 。
所以我觉得不要很快下结论 ， 要不断的小步试错 ， 然后不断的去通过服务客户来理解需求 。 我觉得这个也是我在这个过程中学到的一些东西 ，因为我觉得我们整体从策略上来说没有犯什么错误 ， 所以我觉得没有什么大的教训 。
但经验来说 ， 我觉得可能就这两点 。 我觉得还有一点就是持续要保持一个开放的心态 ，因为这个世界变化太快了 。
我觉得比我刚入行 ，在百度刚入行的时候 ， 进入互联网行业的时候 ， 我觉得变化的速度是快了可能至少 10 倍 。
那时候我们在做 PC 到移动转型的时候 ， 整个公司其实 OKR 或者 KPI 的调整都是以年计的 ，但我们当时移动云的部门是以季度为单位来时刻调整我们的战略和 OKR。
我觉得那时候已经觉得很快了 ，但我觉得现在我们的客户是以周或者天为单位在迭代自己的认知和对产品的想法 。
我们很多客户都做了转型 ，但转型在自己的能力圈内看到更好的机会或者更适合自己的事情 。 所以我觉得我们自己也要保持一个非常 open 的心态 ， 就是这个世界变化太快了 。
好的 ， 今天谢谢 William 的时间 ，也非常期待小宿科技可以就像刚才你提到的以天以周为单位在迭代在改变 。
我们也很期待接下来巨变之中小宿科技的各种各样的新动作 ， 然后也希望今天听到播客对于小宿智能搜索或者 SkyRouter 感兴趣的朋友可以联系小宿科技了解他们的产品 。
再次谢谢 William， 拜拜 。
谢谢 Koji， 谢谢 Ronghui， 拜拜 。
如果你认为有朋友也会喜欢本期十字路口的内容 ， 请转发微信推荐给他们 。 最后欢迎你加入十字路口的会员群 ， 我们鼓励大家在群里聊天互动交朋友 ， 寻找未来的同路人。