开场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 。
我们长期观察 AI 创业 ， 如果你正在做一件让你自己感到兴奋的事情 ， 哪怕它还只是一个想法 ， 我们都很愿意听你聊一聊 。
我会认真看每一条留言 。
嗨 ， 我是 Koji， 本周 《 十字路口 》 的嘉宾是相子恒 ，是 DeepOptica 的创始人。 子恒你好 ， 欢迎来到 《 十字路口 》。
谢谢 Koji， 大家好 ， 我是子恒 ， 很开心能坐在这里跟你一起聊天 。
DeepOptica 是一个 AI 去帮助人们在一个极端不确定的环境之下做决策的公司 。 那这是一个什么样的环境呢 ？ 就是挖矿 。
它服务的是矿业 ， 一个一次决策就要付出几亿美金 ，而且很可能开工没有回头路的一个行业 。 而子恒和他的团队正在做的事情 ， 就是要用 AI 去服务更准确地找到矿在哪里 。
然后有趣的是 ， 我今天也穿了这个 《 十字路口 》 的一件周边的卫衣 ， 这是我们之前的一位嘉宾 Vanessa 她送我们的一件卫衣 ， 这上面写着这个 "Hands Dirty Club"，因为我们在讲说创业要 "Get Your Hands Dirty"， 把手弄脏 。
然后子恒现在做的事情 ， 就是可能把自己的手弄得最脏的一个行业 ， 就是挖矿嘛 。
最后一定要送我一件 。
会的会的会的 。 然后子恒是在剑桥读的 PhD， 然后在剑桥读 PhD 之间有一个非常厉害的成绩 ， 子恒滑了四年的赛艇 ，并且在最后一年成了整个学院的赛艇队的主席和大队长 。
这是不是在整个这个赛艇的剑桥的历史上没有出现过的 ？
对 ， 据我所知我应该是第一位是以学院的 number one 的身份来去代表我们学院的队长 。
哇 ， 厉害 。 那我们还是从 《 十字路口 》 的传统开始 ， 我们从快问快答 。 首先请问子恒你的年龄 ？
32 岁 。
你的毕业院校 ？
剑桥大学 。
然后你的 MBTI 和星座 ？
我是 INFJ， 然后金牛座 。
OK。 然后用一句话来介绍一下 DeepOptica。
DeepOptica 是一个用 AI 驱动的要把地球透明化的一家企业 ， 我们用 AI 的技术帮助企业更快更准地发现矿产资源 ，并且评估矿产资源 。
那么我们也期待能够在未来变成一个矿业的技术金融公司 。
目前的融资情况 ？
我们下半年 closely 轮种子轮的 funding 都风头里头 。
收入与利润的情况呢 ？
我们刚刚总共签下来的是 550 万人民币左右的这个订单的体量 ， 然后现在的收入的话也是将近 100 万人民币 。
一句话介绍一下创业前你们在做什么 ？
我们是一个三个人的合伙团队 ， 我创业前主要是在做一些遥感卫星相关的项目 。 那么在这个之前呢 ， 更多的是做这个欧洲航天局和英国航天局一些项目的 PI 或者是技术负责人。CTO 之前的话是跟我一起在做这个遥感的一家 startup，在之前他是英国最大的金融机构的 AI leader。
然后我们的 CFO Jesse 他之前是赤峰黄金的副总裁 ， 那么在之前他是 Lazada 这个精品投行的大中化区的 staffer 和中化区的矿业负责人。
赛艇3:24
是非常漂亮的履历的阵容 。 好 ， 那我们今天正式开始哈 ， 第一个问题我想应该是所有人都会很好奇的 ， 就子恒当时你是怎么一步一步成为了剑桥的学院的赛艇队的大队长 ？
其实这个经历我现在想想我还是蛮有感触的 ， 就我刚到剑桥第一年的时候 ， 我只是觉得 OK 我要去做一些只有在剑桥才能做的事情 。
那除了大家会经常谈到的 FOMO 啊 ， 像哈利 · 波特一样的氛围啊 ， 那其实就是体育啦 。 那么我就进了赛艇队 ， 第一年是作为男二队的队员 ， 第二年是作为男一队的队员 ， 第三年是作为男一队的副队长 ， 那么第四年就做到了我们学院赛艇队的主席 。
所以说相当于是我是用四年的经历来去 master 了这个体育 ，并且很享受在其中吧 。
我其实看网上有非常多这个赛艇队的照片嘛 ， 几乎是看不到华人脸孔甚至亚洲脸孔的 。
对 。
所以当时你能够成为这个队长是因为你滑得特别好 ， 还是因为其他什么样的原因 ， 还是说你特别会这个东方的这种政治这个支数之类的 ？
完全没有政治支数 。其实我觉得就是当然技术肯定要好 ， 我的成绩当时不是最强 ，但我也是学院的第二第三 。
另外就是我对整个赛艇这个体育的一个理解 ， 包括我对怎么样去组织大家去提升成绩达到优胜这件事情 ，其实我的理解会更加深一点 。
所以说也是自然而然的就在第四年的时候承担了队长这个角色 。
我觉得应该很多人都很想听你多聊一聊 ，在一个那样的国际化的团队里面 ， 就领导一个团队的这样的故事 。
那我们这个后面再会展开聊 ，但我们还是先聊一聊 《 十字路口 》 的主题 ， 就和 AI 有关的这个部分 。
探矿5:04
我知道在做的这个公司 DeepOptica 是在矿业 ，在你看来矿业是一个什么样的行业呀 ？
矿业虽然大家都觉得它特别的古老 ，但是我其实觉得它是一个很酷的行业 。 它说白了做了一件什么事情呢 ， 就是马斯克在探索太空 ， 那么矿业就是在探索地球 ，而且是探索地底世界 。
很多人对矿业有一个偏传统一点的理解 ， 就觉得 OK 我是做矿车啊矿机啊矿老板这种传统一点的矿山运营 。
但其实当真正接触了国际化的矿业公司以后， 你会发现首先矿业的 leader 要么就是做金融出身的 ， 要么就是做技术出身的 。
所以说这个其实是一个非常强的对比 。 那么我自己觉得矿业是一个通过技术和金融的手段发现我们地球的资源 ，并且能够通过原材料的形式来去帮助我们整个地球和人类成长的一个行业 。
我对这个行业非常的尊敬 。
你选择在这个时候进去 ， 应该也是看到了 AI 可能在这个行业里面能发挥一些新的作用 。 这是一个什么样的作用 ？
我们的愿景就是能够让地球透明化 ， 能够让大家知道全球哪一个地方有什么样的矿产 ，并且能够很精准地定位到这些矿产 ， 把资源开采出来为我们人类明天的发展所用 。
那这里面其实涉及到的一个最重要的点就是 AI 的能力到什么样的情况可以支持我们去做这么一件事情 。
到什么样的情况 ？ 目前到了吗 ？
目前的确还差一点 ，但是因为有了各种各样大模型的架构 ，有了大家对于这个世界模型的一个理解 ， 看到了能够把物理知识集合到 AI 模型里面的一个潜力 ， 现在已经是一个非常非常好的时候了 。
我们做矿业的模型其实就是把地球科学能够集成在模型里面 ，而不是一个单纯的物理世界 。 那么这个其实是一个非常非常有意思的事情 。
我不知道这个能方便讲到什么程度啊 ，但是还是希望能听你分享一下， 就在你们公司是打算具体用 AI 怎么把地球变透明 ， 这个中间要经过有把大象塞进冰箱的吧 ， 现在要把地球变透明 ， 听起来都是一个很 crazy 的一个任务 ， 要经过哪几个关键的步骤 ， 每个步骤 AI 扮演什么样的角色 ？
对 ，其实这个我们可以把最早以前人们是怎么探矿的这个流程先能够讲清楚 。 最早以前其实就是地质学家要去判断哪些区域有成矿的可能 ， 哪些区域有比如说给这个岩浆活动创造机会的可能 ， 然后在这些岩浆活动的中间 ， 它有没有一些事件导致了它成矿 。
那么他们靠什么呢 ？ 他们靠我要去在当地进行踏勘 ， 进行地质填土 。在这个之上呢 ， 我会去找一些线索 ， 那比如说我地表是否有一些潜在的矿物的露头 。
露头是什么意思 ？ 就是我地下的一些矿物 ， 它通过这个长年周围的一些风化 ， 它跑到了地表 ， 我可以直接看得见 。
那么到后来有了更精准的技术 ， 就是通过地球物理的方式 ， 通过遥感卫星的方式 ， 那么我一方面我是去看它周围的磁场啊重力场啊电磁电阻率的变化 ， 对吧 ？
如果地下这个铁啊铜啊这种元素的含量比较多的时候 ，其实它是会对磁场和重力场产生一个扭曲 。
那么同时通过遥感卫星的手段 ， 比如说当地下有这种试变矿物的时候 ， 它就会在地表产生一些光谱的反应 。
那么我们其实是可以通过这些光谱的信息来去看到这个地方的一个成矿的潜力的 。 所以说在经过了第一个就是纯地质学家踏勘 ， 结合第二种就是地球物理啊遥感等等这个信息的一个加成 ， 人们可以有一个模糊的认识 ， 就是这个地方 OK 它能不能成矿 ， 它成什么样的矿 。
那么接下来呢 ， 矿业企业就要去做的一件事情就是打钻 ， 我要去真正的钻孔 ， 我要去看地下几米到几米的时候是什么样的一个盐性 ， 它里面的这个某个金属含量是多少 。
那么 AI 怎么去做这件事情呢 ？ 任何一个浅显的基于单模态的 AI 都没有办法把这些知识吸收过去 。
那这里面我们做的是用大量的数据来去让 AI 理解这些物理量和地质的一个结合 ， 怎么能够把这些东西给 couple 到一起 。
比如说在某一个地区 ， 它的磁场是某种这个产生了某种异变的情况下， 它如何和当地的地质进行结合 。
那么传统的方法可能有很多种 ， 我可能地下有非常非常多种的这个三维的矿体都能对应同样的一个磁场 。
那么现在 AI 要去做到的事情就是如何能够去 confine 一个结构 ， 让这个结构在当地的这个地质条件中既能够满足当地的成矿特征 ， 又能够满足我们的测量的物理量 。
所以说这个是我们 AI 模型的一个核心的这个驱动力 。 那么它就集成了地质的知识 、 地球物理的知识 ，以及比如说这个遥感卫星方面的知识 。
那具体我们怎么做呢 ？ 我们会去用大量的数据来去让这个不同的 component 来去解析 ， 比如说原来我们有三维繁衍 ， 原来我们有这个地质的一些解析 ， 那么我们用大量的数据把这两个过程结合到一起 。
那我们就会遇到一个问题 ， 就是数据很有可能会不足 。 那这个时候我们就开始用合成数据的方法来去增强我们 AI 的泛化能力 。
所以现在合成数据在你们去做训练的数据里面占比是多少 ？
合成数据目前在我们的训练里面占比大概在 50%，但是我们会往下继续去深挖这个合成数据的一个体量 。
合成数据怎么验证它的准确度和有效性呢 ？
我们在做合成数据的时候 ，其实是会先拿我们已有的这些矿体的结构来去跟我们实际合成的一个地下的这个三维的地质状态进行一个比对 。
目前用 AI 去帮助采矿有成功的先例吗 ？
我们的还是别人的 。
就全世界的 ？
对 ， 我可以先讲比如说这个全球的 ， 那其实大家可能听到比较多的公司是像 Kobold Metals 这家 AI for Mining startup。 那么他们最早以前其实是通过 BAS 决策的手段来去帮助矿业企业进行钻孔的一个优化 。
那他们做的是一件什么样的事情呢 ？ 他们通过已有的这些钻孔所得到的信息 ， 匹配他们地上的一些测量值 ， 然后通过这个来去做一个 BAS 决策的算法 。他们所输出的结果就是我下一钻打在哪里 ，以什么样的方式去打 ， 我可以以最大的概率定位到矿体 。
这是输出结果一 。 输出结果二是我下一钻在哪个位置 ，以什么样的角度去打 ， 我可以消除最多的不确定性 。
那么通过这两种方式的一个结合 ，他们可以帮助矿业企业以更少的成本来去确定一个地方的成矿潜力 。 所以说这个是 Kobold Metals 他们的一个典型的解决方案 。
他们找到了很多矿吗 ？
最典型的一个矿是在赞比亚 ，他们在一个已有矿区的周围发现了一个比较大的世界级的铜矿 。 那么我们对这个方法的一个解析更多的是他们通过周边已有的这些数据结合自己多年所积累出来的这种决策智能 ，他们能够比较强的去判断哪一个地方更有成矿潜力 。
那么他们就把这个地方通过这个后续矿泉手段放到自己的这个池子里面 ， 然后去进行勘探 。
所以你们要采用的一些技术和 Kobold Metals 是类似的吗 ？ 还是有些什么不同 ？
对 ，其实会非常的不一样 ，因为我们更多搭建的是我们叫矿业里面的世界模型 。 我们要通过一些技术的手段来真正的把地下的三维矿体结构能揭示到一个让我们甚至能判断它的经济价值的一个层面 ，而不是单单的给矿企去有一些比如说你下一个钻孔的地点在哪里这种单层决策上面的一个解决方案 。
为什么你们不用 Kobold Metals 已经验证成功的这个方法呢 ？ 听起来它也是领先之前的技术一个代际的 。
是这样的 ， 就是决策智能当然也在我们自己产品的一个开发线里面 ，但是涉及到的一个核心的问题就是我们未来要能够帮助一个矿业企业去评估一个矿它的价值 。
那这个里面它涉及到的逻辑就非常多了 ， 对吧 ？Kobold Metals 它是只能帮助一个企业去评估我下一个钻孔应该在哪里钻 ，但是呢 ， 这个地下究竟有多少吨的铜 ，有多少盎司的黄金 ， 这个事情是没有办法通过它的解决方案去得到的 。
那么我们真正能够帮助矿业做的是什么 ？ 能够用更少的钻孔和更强大的数据 ， 我们提早知道这个地下究竟有多少铜有多少黄金 ， 这样矿业企业在去评估一个矿的价值的时候 ， 就可以有一个更好的决策机制 ， 或者比别人更早的去发现一个矿它的一个潜在的经济价值 。
所以请你做得更进一步 ， 就不但告诉这里有高的概率 ， 甚至是下面藏着具体的什么东西 ，也要争取把它给透明化出来 。
对 ， 那你们的追求是让整个地球透明吗 ？ 还是其实这个只是一个夸张比喻 ， 能做的仍然只是一个切片一个切片 。
我觉得能让整个地球透明其实也是我们想要去做的一件事情 ，但是我们会先从这些有经济价值的矿体来去开始 。
对 ， 然后我知道你博士的方向其实是量子光学 ， 这个是和这个挖矿看上去风马牛不相及的一个专业 ，是怎么想到进到这个行业的 ？
跨界14:06
其实这两个专业说近近说远也远 ，因为矿业里面用到的比较常见的探测手段有比如说地球物理 ， 那地球物理里面一些常见的这些物理量是什么呢 ？
重力 、 磁场 、 电磁 、 电阻率 。 那其实我在当时做量子光学研究的时候 ， 就涉及到比较多的是一个技术叫做量子传感 。
量子传感两个最大的应用领域就是量子重力和量子磁力计 。 那其实当时已经开始接触一些矿业企业 ，因为这两个量子传感的最大的应用方其实就是矿业和这个油气勘探 。
OK。
对 ， 然后我自己对这个事情的认知呢 ， 就是一旦开始涉及到物理层面 ，不管它是地球物理也好 ， 量子物理也好 ，其实它很多的原理都是相接近的 。
比如说我们在做地球物理的时候 ， 我们要去解一些偏微分方程 ， 那其实它用到的很多的这个分析的方法以及解答这个问题的方法和我们在量子物理中和这个波动光学中用到的方法其实是非常相通的 。
所以说对于我而言 ， 这反倒是一个比较自然的 transition。
所以当时听到你要去做矿业 ， 身边的朋友家人他们更多是困惑 ，是支持还是什么样的反应 ？
我觉得大家都还蛮支持的 ，其实大家都意识到了矿产资源 ， 包括矿业这个行业是一个未来只会越来越往上的行业 。
对 ，因为它是一个不可再生资源 ， 首先 。 第二 ， 大家人类对这个金属的需求也在年年不断的上升 ， 那这样就会导致矿产会变得越来越有价值 。
那么同时从我自身的角度而言 ， 做矿业这件事情反倒是能够帮助我们的新能源也好 ， 可持续发展也好 ， 继续往上， 对吧 ？
不管是算力中心 ，不管是新能源领域 ，不管机器人， 大家都会需要大量的金属 。 那么其实我包括我周围的人， 包括我的合伙人， 包括我们同事们 ，其实大家都有这个共识 。
所以说反而这件事情让大家凝聚在了一起 ， 能够把这件事情做得更好 。
然后前面你其实有提到现代矿业并不是大家想象中的土老板 ， 它可能更是技术和金融这两个驱动力在推动的现代公司 。
那当未来人们提到 DeepOptica 的时候 ， 你希望大家怎么描述这个公司 ？
我希望大家能够想到 DeepOptica 就觉得我们是一个体量虽然不大 ，但是特别酷 ，而且又有很深很深勘探科技的一家技术矿业公司 。
体量不大 。
对 ，是的 ， 体量不用特别大 ， 或者说我们的人不一定要特别多 。
OK。
对 ，是什么原因呢 ？
因为我觉得到现在而言 ，因为有了 AI 技术的发展 ，其实每一家初创公司它所需要的体量都不需要跟原来一样有几百个人的团队 。
我们更关注的是我们能不能找到我们最需要的核心的十几二十个人， 我们能不能用 AI 的角度把这些人的生产力能够推到最大 ， 能不能让大家真正的 enjoy 自己每天在做的事情 。其实我觉得这二十三十个团队或许就已经够了 。
我以为这是挺劳动密集型的 ，因为你们的客户都是一个一个的大客户 ， 所以它需要一个一个的服务 ， 那难免就会搭建起不小的去配合这样的项目组的一个一个的团队 。
对 ，其实我们前一段时间也的确做了一个服务型的 case， 包括现在在中东 ， 我们也是有一个比较大的服务型的订单 。
我们目前看下来 ， 结合一些 AI 给我们提供的生产力加成 ， 反而我们每一个服务项目上面都不需要再像以往一样有特别大的人力了 。
更多的 OK， 如果真的我们需要去做一些 field work， 那么我们就是要去做那几个具体的任务 ， 那把具体的任务带回来 ， 我们一起去进行分析 。
所以说反而我觉得在未来这种模式会去在某种程度上替代很多的传统的咨询类型的服务 。 对 ， 这个是我对这件事情的思考 。
世界模型18:17
我们再来聊一下 AI， 从你们一开始做到现在 ， 你觉得有哪些比较重要的新的技术突破是很可能能够助力到你们可以更好的去 ， 比如说把地球变透明这个伟大的愿景 ？
我觉得第一点是世界模型 。 对 ， 我们关注的比较多的世界模型里面的一些这个进展 。 那世界模型它的核心是什么 ？
大家是把一些物理定律能够放到这个模型里面 ， 能够让模型去根据前一帧来去预测下一帧的每一个物体它潜在的一个运动规律 。
尤其是在我们现在在做地质这个合成数据和地质推演里面的时候 ，其实这个方向给我们带来非常非常多的启发 。
因为在我们去理解一个成矿系统的时候 ， 我们并不只是去单纯的看一个地球物理或者是一个遥感或者是地球化学的数据 ， 我们要去考虑它的一个成矿的体系或者是成矿理论 。
那一般矿是怎么形成的呢 ？ 很大一部分的矿都是板块交接的时候给地底岩浆活动创造了空间 。 那么岩浆活动是一个偶然事件 ，但是它是有时间来去驱动的一个偶然事件 。
岩浆带着高温 ， 带着这个高压的这么一个物质冲向地表的时候 ， 它会对周围的所有的这些岩石 ， 所有的这些土壤都发生比较强的反应 。
岩浆里面所携带的一些金属离子和周围这个岩石里面所携带的一些金属离子会发生置换 ， 这就让它成为了一个矿 。
所以说反倒是这种地球科学里面所蕴含的这些地球科学的物理规律和我们世界模型所带来的这些运动的规律 ， 这两个是一个比较近的一个技术栈 。
所以说我们非常关注这个领域的进展 。 第二就是语言模型 。 那么我们在去判断一个矿它潜在的经济价值的时候 ，在很多情况下原来我们可能更多是要靠这个 analyst 来去看 OK， 我这里面有多少资源量储量 ， 它所对应的一个矿有什么样的价值 。
但是其实现在很多语言模型都可以直接去 ， 包括 agent 来去直接处理这方面的事情了 。 所以说这两方面都给我们自己的企业效率和我们自己的模型发展带来了非常多非常多的这个 contribution。
其实这些技术的突破也是站在大家的基础上， 或者站在开源的这样的肩膀上， 那应该很多团队都能做 。
为什么是你们呢 ？
护城河20:39
首先我们的矿业模型并不是在一个开源的基础上来去搭建的 ，因为目前通用世界模型的架构 ， 我们做的矿业世界模型的架构还是有非常非常大的差别的 。
但是我们会去采用其中的一些这个小模块来去帮助我们进行这个模型的优化 。其实在勘探模型领域 ， 我们是自己来去搭建的 。
它更像是其他 AI for Science 赛道的这些模型 ， 像 AI 制药啊 ，AI 材料 ， 相当于我们会用到这些模型中的一些思维 。
从这个大语言模型而言 ， 那其实就是你能多好的去收集这里面的一些数据 ， 对吧 ？ 我们能够有更强的一个矿业的数据库 ， 尤其是矿业的技术和运营的数据库 ， 你就可以更好的帮助一个矿评估它的一个价值 。
所以说护城河其实是两点 ， 第一是你的数据 ， 第二就是你是否有团队可以去支持这套由矿业的合成数据到矿业的世界模型的这个体系 。
在前面融资的时候 ， 你遇到过让你觉得最这个 challenge， 最有挑战的问题是什么 ？
这个问题还蛮有趣的 。 我觉得很多人都会问我一个类似的问题 ， 就是我们三个合伙人的团队里面 ，其实 CFO Jesse 他在这个矿业领域待了比较久的时间 ， 十几年 。
那么我和 CTO， 这个我和方博 ， 我们两个人其实在行业里面打磨的时间都没有那么久 ， 到目前为止也就是这个总共加起来可能有个五六年 。
为什么我们可以去做这么一个传统行业所做的事情 ， 这个其实是我遇到的最多最多的这个问题了 。
你们想要扮演传统矿业门外的野蛮人 ，但感觉你们并不是很野蛮 。
的确也会有这么一个方面的问题 。 那我们在去考虑这个问题的时候 ， 往往觉得其实就是像我们这么一个 profile 团队才能真正的去改变这个行业 。
比如说矿业里面 ， 像我们的 CFO Jesse 他就是扮演一个用户的角色 ，他需要能够知道 OK， 我要的结果是什么 。
那其实我和方博 ， 我更多的是在做勘探的技术 ， 方博更多的是做 AI。 那我们两个结合起来就可以来去看有哪些 AI 的领域结合最新的勘探技术可以去提供这么一个思路 。
如果我是一个在矿业企业里面工作了 50 年的地质学家 ， 那很有可能我会局限自己的思想 ，而不是从一个数据驱动和这个技术驱动的角度来去思考这件事情 。
当然这个事情不是绝对的 ， 我相信别的团队也有很多的机会去把这个事情做好 ，但只是说我觉得我们是从外界能够以一个更新的视角带来一些更新的力量 。
还有一个 fun fact， 我们和 Kobold Metals 的这个团队其实我们的 profile 非常像 。Kobold Metals 团队有一位科学家曾经是做量子计算的 ，有一位是做这个地球科学的 ， 还有一位是金融出身 。
所以说我们其实和他们是有这个比较像的一个创始人的 profile。
这个创业基因不谋而合 。
创业基因不谋而合 。
验证23:40
做到现在刚才说的把这个地球变透明 ， 这个还是是一个假设吗 ？ 还是这其实已经在某些领域某些情况下变成了一个被验证的事情 ？
其实我们现在已经有几个验证的 case 了 ， 包括我们现在自己在外面这些商单都是经过早期的 proof of concept 得到了客户的信任 ， 然后我们才能够去接到这些商单 。
那比如说我们现在的验证成果有在蒙古 ，有在中东 ，有在巴西 。 那比较有趣的一件事情 ， 你像我们是一个华人团队 ，而且我们才融了种子轮 ，但是我们现在的一个最大的客户之一是巴西的 GE21， 这么一家南美最大的地质咨询公司 。
那么我们跟他们在数据层面上以及产品层面上都已经开始展开合作 。 那为什么他们这么大的一家公司愿意相信我们一个初创团队 ？
那其实就是因为我们在早期跟他们做了比较多的 proof of concept， 我们自己的模型能力和数据处理能力已经能够在他们的一些项目上面进行了验证 。
所以说这个是本身就是对我们自己的这个能力的一个认可 。
作为一个纯华人团队 ， 包括你也是一张这个典型的中国脸 ， 当然很帅 ， 怎么去建立信任 ？
信任24:47
其实因为有了之前在剑桥的各种各样的经验的话 ， 对于我而言 ， 建立信任这件事情本身就是一个非常自然的事情 。
举一个例子 ， 昨天我们还在跟我们中东的客户来去开会呢 ， 开到非常晚 ， 我最后一个 call 是九点多的时候 。
开会的第一句话 ， 我跟他们讲说你们昨天发给我的需求 ， 我们已经进行了一个初步的分析 。 当时我们这个甲方的项目经理就对着他的合作伙伴说了一个 "See, I told you, this team can manage a lot of stuff."
所以说建立信任本身是一个我觉得多重维度的一个逻辑 。 首先你一定要靠谱 ， 这个是我们非常非常关注的事情 。
不管我们给客户 deliver 什么样的结果 ， 我们都要做到靠谱 。 第二 ， 我自己觉得跟国际上的人打交道 ，其实大家最重要的是你能不能从这种英文的环境中很快的去 get 到大家是谁 ， 大家想要什么 ， 大家为什么想要去跟你聊天 。
基本上你如果能够跟他聊的一分钟之内能够 get 到这些信息 ， 那其实你的脑海里面已经有一个比较好的答案了 。
那包括我们去跟阿联酋的客户去 pitch， 包括我们去跟巴西的客户去合作的时候 ， 就是这种机缘巧合 ， 跟他站在一起聊了一分钟的话 ， 我立刻知道 OK，他的需求我们能解决 。
那么我们就可以很好的通过一个这个很 warm 的 introduction 来去介绍我们的解决方案 。其实这个是一个非常非常 smooth 的过程 。
而且另外就是我觉得很多华人在海外， 就是尤其是在国际场合 ， 往往会有一种要么是很害羞 ， 要么是一个特别特别急于表达的一个场景 。其实我觉得真正和人交流更重要的是你先和他产生一个 heart to heart， 用心的一个体验 ， 然后你们再去谈具体的事情 。
所以说这个其实是我自己的国际交流的哲学和方法 。
那作为华人， 你觉得有优势吗 ？ 就在矿业的这样的一个商业世界里面 。
有 ，因为这一次的这个 AI 的发展让大家意识到 OK， 这个 AI 领域里面华人是最靠谱的 。 那么我们作为一个给矿业企业提供 AI 解决方案的团队 ，而且我们又有很多的这个国际的视野 ，而且我们很懂怎么跟他们交流 ， 反倒是能够拉近非常非常多的距离 。
你们的名字 DeepOptica， 我看到它第一反应就 DeepSeek， 第二反应是 DeepMind， 然后我想到 DeepMind 就想到其实用 AI 去看蛋白质结构和 AI 去看地球的结构有没有相似之处 。
对 ，其实包括这个蛋白质 ， 包括材料 ， 为了能够去测量这个系统的一些指标 ， 我们往往是要把这个复杂的三维系统变成二维或者是 N 维的测量数据 。
那其实 AI 所解决的一个问题就是我在想要去 optimize， 去优化这个测量数据 ， 就是这个目标的基础上我如何去设计这个复杂的三维系统呢 ？
对吧 ？ 其实想想是一个逻辑 ， 我为了能够找到矿 ， 我这个地方的地下结构应该是什么样的 ， 或者说我某一个测量数据我对应的地下结构应该是什么样的 。
我想让材料实现某一个性质 ， 我这个材料它的结构又是什么样的 。 所以说这个里面就涉及到很多能不能把所谓的多解性繁衍给收敛的问题 。
这个是我们企业 AI 第一版技术栈的一个核心的解决方案 ， 就是能否通过大量的数据来去把繁衍这个事情给收敛 。
曾经的繁衍方法是用大量的模拟来去模拟各种各样的这个复杂的地质结构也好 ， 复杂的蛋白质结构也好 ， 然后来去找到对应的测量值 。
当测量值匹配的时候 ， 这个模拟的结果我们把它设成 valid。 那它的缺点就是它多解性很强 ， 那很有可能我们地上对测量的一个这个地球物理的这个值能够对应地下这个十万种矿体结构 。
那通过 AI 去学习大量的数据以后， 我们可以看到什么样的地形它比较符合什么样的结构 ， 这个是 AI 能够解决的问题 。
那么同时它还跟医学领域比较相关 ， 比如说我们现在团队的成员里面其实就有医学背景出身的 。
那么医学背景出身的这么一个 ，他们曾经的研究更多的是我如何把我拍摄的这个器官 ， 它的某种二维的图像和器官的三维结构所匹配 ，其实是非常非常相似的一个技术栈 。
那么我们在这里面其实用到了非常多的优化 ， 比如说这个用 VIT， 然后用一些这个多模态来去提取中间的一些特征 ， 然后来去定义比如说在某种矿体或者说某种信号它对应的是什么样的一个深度 。
但是很多东西其实都是 AI 自己来去判断的 。
所以有点像是拍 CT， 拍 X 光 ， 拿到的是一个二维的一个片子 ，但是我怎么把它变成一个三维的一个解读 。
对 ， 更像是在这个基础上我们要去训练一个多模态的 CT 模型 ，有点像是这么一个概念 。 但是其实地球物理的 ， 或者说就是整个探矿的模型会比这个复杂的多 ，因为人体的 CT 你是可以围着这个人来去拍照的 。
但是 unfortunately， 地球的这个所谓的 CT， 地球的这个测量数据你只能在地表来去做 。 所以说你只能通过去拓展它的空间维度来去换取我对它深度的一个理解 。
拓展空间什么意思 ？ 就拍更大面积 ， 然后寻找一些特征向量 。
对 ， 就是获得更大空间的一个地表的测量值来去判断它地下的一个潜在的结构 。 这个是我们对这个事情的理解 。
赛道30:35
AI 去挖矿应该是能够提高找矿的准确度 ， 所以就在你看来目前这是一个全球这个 ， 比如说血海腥风 ， 就大家都涌进来要去大展拳脚的一个赛道吗 ？
它是一个很拥挤的赛道吗 ？
因为我们会给自己上压力嘛 ， 所以说我们当然觉得这是一个很拥挤的赛道 。 但是有的时候我们也会跳出来看 ，其实这个赛道并不拥挤 ， 它还有很多很多没有被解决的问题 ， 没有被涉及的客户 。
那么典型的全球矿业的上市公司有几千家 ， 很多公司都是小公司 ， 我们把它叫做 junior miner， 这种小公司它就是几个人的团队 ， 这些团队远远接触不到我们正在开发的非常强的这些 AI 的系统 ， 或者说非常强的数据的解决方案 。
那这个时候其实我们就是在做一个产品 ， 能够把我们的解决方案卖给这些这个中小型的矿业企业 。
所以说这个问题非常的好 。在某种程度上， 大企业都在研发自己的一些 OK 高效勘探的手段 ，但是因为这个行业不垄断 ， 所以说有很多很多没有涉足的区域都是值得让人去探索的 。
那这里面其实有一个很重要的选择 ， 就是你们要自己去做一个软件服务所有的中小企业吧 ？ 还是你们要自己拥有了这个技术之后自己成为矿主 ？
不管我们未来会不会成为一个矿主 ， 我们一定是要先把我们的模型做好 ， 先把我们的产品做好 。
那么未来这个产品其实它可以去服务这些小型的矿企 。 那么当我们在一个地区有了更强的理解力以后， 我们也可以顺理成章的变成一个矿业企业 。
当然我们也可以跟客户一起去拿一些这个新的矿权 ， 我们只是技术入股来去变成一个矿业企业 ， 都有自己的一个运营方法 。
但是我觉得我们目前关注的就是这个产品 ， 这个模型本身 ， 它能从多大的层面解决我们客户的问题 。
你觉得需要多长时间来完成这个验证 ？ 它的一些比较明确的这个被精心指标或者信号是什么 ？
我们自己认为就是在今年的时候 ， 我们会在几个这种核心的城矿区 ， 澳大利亚有一个 ， 然后南美 ， 然后以及非洲 ， 我们都会完成自己的一个验证 。
那么到明年， 预计是明年上半年的某一个时间 ， 我们会有第一版的泛化的矿业的世界模型出来 。 那么我们自己去做拿矿的一些事情呢 ， 更多的会是跟去寻找一些契机 ， 比如说我们现在其实合作的一些客户都有一些这个初见端倪的事情了 ， 就比如说他们已有的矿区周围很可能会有一些高潜力的靶区 。
那么我们拿到了这片的信息以后， 我们可以跟这个矿企一起去拿这个矿权 。 这件事情倒不是说一定要等我们的模型的能力进行一个很强的泛化才能去做的事情 ，而是它顺理成章的我们做了一个项目 ，以占山头的方式就把这个项目周围的这些矿权能够合作起来 。
在你看来 ， 就是你们现在做的这套技术啊 ， 它到未来会变成 commodity 吗 ？ 会变成比如说全世界一百个一千个 ， 甚至只要是有聪明的大脑的一个工程师的顶尖团队 ， 基本上都能够做到的一个工程上的一个这样的通用商品吗 ？
我觉得是比较难的 ，因为它就像是做这个大语言模型或是世界模型的这些厂商 ， 最后其实能够真正有适用性的也就这么几个团队 。
他们背后是因为要花很多的钱 ， 就资金也是阻止更多人去进入这个赛道的原因 ， 当然人才也是了 。
对 ，而且我觉得这里面有一个巨大的鸿沟 ， 就是本身地球科学和计算机科学这两个科学之间的结合没有这么的紧密 。
它不像物理和计算机 ， 它不像生物和计算机 ， 都有已经相对应的结合的学科了 。 但是地质 ， 包括这个地质统计学这种学科 ，其实它也存在没有多久 ， 所以其实可以看到这里面有一个巨大的鸿沟 。
那其实能够去弥补这些鸿沟的团队是要在这个领域去扎根的 ， 反而我不认为这个事情是这个几个工程师 ， 然后一个矿业公司拿着自己手里面几个矿的数据就可以去搞定的事情 。
你们也是在某种这个交叉学科的十字路口 。
对 ， 交叉学科的十字路口 。
那要把这套技术做出来需要很多钱吗 ？
我觉得是的 ，但是这并不代表我们依靠现有的投资 ， 我们就不能做出来一些事情 。 如果我们想去真正做一个地球大模型 ， 那我相信这个投入一定是巨大的 。
那么如果我们想去做的是一个地区的可以泛化的模型的话 ， 那它的投入其实就会小得多 。 但是对于我们自己团队所有人的一个理想而言 ， 我们是真的要去做一个世界大模型 ， 我们想去做一个像 DeepMind 一样的企业 ， 能够把这个技术应用到矿业领域的 。
你觉得距离你们成为一个 DeepMind 这样的企业 ， 中间还需要经过哪些关键的阶段 ， 或者补充哪些关键的人才 ？
首先我觉得是一个我们自己的合成数据引擎 ， 这个引擎的话我们目前还在优化 ， 它可能已经在这个包括典型的这种火山成矿 ， 就是搬岩型的这种矿带上面 ， 我们的性能已经比较好了 。
但是这里面很多时候就是这个矿体 ， 它不仅仅是这么一种结构 ， 那它又分为了这个铁氧化型啊 、 锡卡岩型啊 、 沉积岩型等等。
所以说这些方面我们都还是要不停的进行投入 。 那另外从人才的角度而言 ， 我们目前招的人才更多的是地球科学和 AI 合成数据 ，以及这个大模型这三个方向的人。
其实我们是想要能够把更多的人吸引到我们这个团队 。 从 milestone 上而言呢 ， 我们反倒是对商业化是比较有信心的 ，因为矿业这个领域有太多可以切入的点 ，而且这个模型一旦有了一定能力的时候 ， 它可以服务非常多地区的很多很多的 ，不管是从小到大的这些矿业企业 。
所以说我们更多的就是关注 ， 首先我们的技术能够在什么样的情况下为用户解决问题 ， 它的准确度有多少 。
第二就是我们的产品能不能真正的深入这些客户的心 ， 这个是我们目前最关注的这个问题 。
领导力36:51
因为现在创业 ， 然后会不会让你想起当初做赛艇队的一些做队长的这种 ， 比如说管理啊 、leadership 呀 ， 就它有没有一些相通之处 ？
会 ， 这个非常的相通 。 每提到这个问题的时候 ， 我还是有很多很多很多的感触 。 赛艇队一个最大的特征就是它真的卷 ， 它不是像这个篮球队啊或者是田径队一样 ， 就是我可能每周训练个三次 。
我们赛艇队第四年的时候 ， 尤其是我在一队 ，而且又是大队长的情况下， 我们是每天训练两次 。
每天两次 ？
每天两次 。
那那个时候你还在读 PhD？
我还在读 PhD， 我还要去做实验 。
然后团队每个人都需要参加吗 ？
团队每个人都需要参加 ，因为赛艇是一个集体项目 ， 你只要有一个人今天没有来 ， 这艘船就出不了 。 所以说能够把大家凝聚起来 ，而且很多都是本科生嘛 ，他们的学业压力也比较大 ， 能够把大家凝聚起来去做这么一个事情 ，而且追求的更多的可能大家觉得对自己的这个学业并不一定有帮助的一件事情 ，是非常非常非常难的 。
所以说这个我觉得跟创业很像 ， 非常非常的像 。
我记得你之前还有告诉过我 ， 要在早上天刚刚亮的那一刻 ， 大家一起下到河道里面 ，因为第一个下到河道的船 ， 前面就是一望无际的 ， 你就可以这个最好的施展开训练的这种环境 。
但难的就是说怎么样大家都集体起床 ，因为如果起不来 ， 五点钟大家到不了 ， 那别人就先下去了 。
对 ， 这个就是一个典型的团队凝聚力的问题 。
所以你怎么做呢 ？
我没有真正的去思考过我是怎么能够让大家去凝聚起来的 ，但是首先所有的队员一定是认可这件事情的 。
这个里面就可能涉及到一些类似于像企业核心价值的问题 ， 大家首先要认可 ， 大家觉得进赛艇队是一件很酷的事情 ， 我们能够拿到优胜 ， 能够比别的学院要牛 ， 这件事情就是非常非常值得骄傲的 。
首先大家自己要有这个驱动力 。 第二就是我们自己会有一个内部的这种 like alarm 系统 ， 就是大家每到这个 ， 我们一般是你像典型的春天的时候是五点半集合 ， 那大家就会在五点的时候在群里面问一下有没有起床 。
没有起床的话 ， 那肯定要去对方家里面去敲门的 。 然后这个训练之前要去做一个 brief， 就是我们今天要达到的目标是什么 ， 我们要比昨天提升什么样的一个能力 ， 然后我们也会说 OK， 我们今天训练完以后大家一起在哪里去吃饭 ， 就这种团队氛围的事情 。
每一个小的节点我们都会给自己定一个小的目标 ， 比如说我们这个 2000 米赛艇的成绩 ， 我们要在一个月之内每个人要提升多少秒 ， 然后今年的这个比赛我们是 aim 什么样的一个目标 ， 能把目标拆分 ， 能够让团队有一个比较好的这个认同感 ， 能够让大家的关系慢慢都提升互相熟悉 。
我觉得有了这些事情以后， 这个凝聚力自然而然就发生了 。
你有遇到过一些挑战吗 ？ 比如说大家会觉得 ， 哎 ， 第一个华人面孔来做赛艇队长 ， 真的能做好吗 ？
对对对 ， 一开始是会有的 ， 尤其是新来的这些小朋友们 ， 就他们会觉得 ， 哇 ， 你们学院好怪 ， 你们学院欧洲人加起来占比可能 90% 了 ， 为什么是一个华人队长 ？
一开始我会有一点在意了 ， 后来反倒大家看到你做了什么以后， 就不会再有这个质疑了 。 因为队长本身最大最大的任务就是带领团队成长 ， 带领团队能够在一些比赛中拿到优胜 ， 带领团队的成员 ， 这个是英国人很关注的 ， 变得 popular， 你能够让他们感受到这一点 ， 那其实就是你自己当队长的一个成功 。
所以说很快的进入状态以后， 就比如说我当队长那年， 争取更好的教练 ， 为大家争取更好的设备 ， 然后带领大家去参加一些原来不会去参加的比赛 ， 把自己的船和船桨拉到这个一百公里以外的 Badford 郡 ， 我们去跟牛津一起比赛等等这些事情 ，其实都是让大家觉得哦 ， 之前从来没有发生过 。
然后当然也会去举办一些 party 了 ， 所以说这种疑虑慢慢的就消散了 。 而且我们其实是拿了优胜的 ， 我们是在剑桥的比赛里面拿了非常非常不容易的优胜 。
所以说当大家看到你的成绩以后， 反而就会觉得哦 ， 这个人还不错哦 。
所以其实还是是一种无授权的领导力 ， 它是要慢慢的去建立的 。
对 ， 我觉得我自己的风格也不是给人看起来特别 sharp 的人， 就是用慢慢用行动去感化吧 。
尤其是你刚才也提到你的成绩并不是最好的 ， 那这个会也是一个这个阻力吗 ？ 就大家会说你其实也不是最牛逼的 ， 为什么你要来领导我们 ？
我能看出来有一些小朋友当时有这种想法了 ， 就是感觉你身体也没有我好 ， 然后你的成绩可能就比我这个快的没有那么多 ， 为什么你是我们的大力的 ？
这个里面还是一样的问题 ， 就是我会给自己很多的压力去提升我的成绩 ， 就是首先我肯定比别人做的都努力 。
我觉得我包括我在现在创业的时候 ， 我也有这么一个心态 ， 就是首先我自己要非常非常的努力 ， 能够把团队带好 。
第二就是我更关注的是 ，他能不能在这件事情上产生幸福感和满足感 。 如果我作为一个 leader 让他很开心 ， 那其实他为什么不信任我呢 ？
对吧 ？ 对于这种这个就是英国刚刚进入大学的本科的小朋友而言 ，其实大家有一种傲气 ， 就是像刚刚进入清华北大的这些学生一样 ， 大家都有一种傲气 。
但是当你真正觉得有一个你信得过的人， 你跟他一起工作 ， 你不一定百分之百喜欢他 ，但是你能够跟他在一起成长 ， 那其实这个就是一个很好的这个 leader。
所以你没有在追求让当时的队员都喜欢自己 。
对 ， 我觉得领导和别人喜不喜欢你 ， 它的 correlation 不是这个决定性的 。
那有人比如说会讨厌你 ，但最后仍然接受你做他们的队长的这个事实吗 ？
有啊 ，有一个俄罗斯人一开始就特别特别的不喜欢我 ， 就是讲话都不愿意跟我讲的 。 但是后来你就发现 ， 一般这样的人他内心其实也有一些自己的孤独 ， 就是为什么俄罗斯人会不想跟我讲话 ， 对吧 ？
因为他可能觉得我想在英国人面前表现的跟英国人很贴近 ， 我不愿意跟你这一个中国人一起玩 。 对 ， 那其实这个是他自己内心的一些事情了 。
我也没有觉得我一定要去迎合他这一点 ， 我也没有觉得我一定要去避免他这一点 。在我看来 ，他只是一个我需要去帮他提升自己的队员而已 。
所以如果要稍微总结一些关键词 ， 你会认为做队长的这些经历 ， 它如何帮到了现在的创业 ？
一个是经历 ， 就是我的经历是真的很好 ， 我可以很卷 。 第二是一个很淡定的领导力吧 ， 我自己知道我自己的风格不是一个表面上很 sharp 的领导力 。
第三我觉得就是更重要的是全局观 ， 很多时候个人的一些想法 ， 个人的一些考量 ， 当然它很重要 ， 决定的是一个团队的方向 。
但是在实操的时候 ， 你要关心的是团队能不能把这件事情做好 。其实我们在讲创业的时候都在讲这个要回答两个 why， 一个是 why now， 一个是 why you， 为什么是这样的时机 ，以及为什么是你去做这件事情 。
所以我想反过来问一个问题 ， 就如果有一天这个 DeepOptica 它很不幸它没有成功 ， 你觉得最大的问题可能出在哪里 ？
我觉得最大问题很可能出在一些节奏上面 ， 我们没有把握的特别好 。 因为包括这个创业公司融资方面的节奏啊 ， 包括拿客户的节奏 ， 基本上是要能够卡在某个时间点之内完成某一个时间的任务 。
但是如果在这个时间点上你没有 manage，而且你没有完成它 ，而且没有处理好的话 ， 那很有可能这个企业就会开始走下坡路 。
这个要怎么去学习建模 ？
我们其实有一个非常详细的 plan， 就是一个三年的长期规划和一个十八月的中期规划 ， 然后我们再把十八月中期规划定义成了每三个月为一个节点的短期规划 。
那这个短期规划的话就包括了我们的技术要在三个月内实现到什么样的一个状态 ， 我们的商业化要大概有什么样的一个支撑 。
这听起来蛮像小镇做题家的 ， 就是把创业变成了一道题 ， 拆成了一道一道的小题 。
我觉得跟小镇做题家不一样的是 ， 小镇做题家更多的是我只关注这个问题它的一个解法 ，但是我们更多的是有一个长线的 vision， 领导一个中线的 vision， 然后把中线的 vision 拆解成小的每一个人都能去 take action 的一个小的目标 。
所以说与其像小镇做题家 ， 我觉得可能更像是一个 well-organized vehicle。
你有畅想过如果五年之后 DeepOptica 做得很成功 ， 那是一种什么样的成功 ？
我觉得首先我们的模型一定是在世界范围内都有影响力的 ， 它一定是一个 AlphaFold 级别的模型 ， 可能有一个基础版的开源和一个商用版的 。
很多矿业企业都能够通过我们的模型来去在自己的矿上面进行一定的实践 ， 能够去理解它这个地方的一个地质特征 。
那么这是从技术的角度 。 从商业的角度而言 ， 我们肯定已经和全球最大的这几家矿业公司有了非常紧密的合作 。
那么第三就是我们会开始 ， 或者说我们当时应该已经有了很多矿业金融方向的积累 ， 我们可以通过我们自己的模型以及自己的估值系统 ， 我们会去进行一些矿业权益金的投资 ， 我们甚至会去入股一些矿权 。
那么它一定是一个技术和矿业运营和矿业金融的结合 。 我觉得五年内我们是一定能做到的 。
我感觉你的人生还是一路开挂的 ， 就是非常的学霸 。 所以你是从小就学霸吗 ？ 就是有没有经历过什么大家想象不到的这种挫折 ？
挫折47:06
其实我也不是一个一直学霸型的 ， 我觉得我一直都是班里面这个五到十名。 就我在初中也是五到十 ， 高中也是五到十 ， 然后可能到大学的时候成绩稍微好了一点 ， 很幸运就去了剑桥 。
我自己的一个点是 ， 这个并不是一个开挂 ，而是我觉得里面有很多很多的努力 ， 只是我表现的比较 chill。 然后包括在读 PhD 的时候 ， 包括在 PhD 之后工作的经历中， 还有蛮多的挫折的 。
那当时又要去 manage 赛艇队 ， 又要去做实验 ， 然后实验的结果很多时候都没有想象中的好 。Lab 的 peers 感觉他们的这个研究方向都比我的研究方向要更有影响力的时候 ， 人难免是会失落的 。
包括在后面这个二一年的时候 ，也做过一次不算特别成功的 ， 一点都不成功的创业 。其实有这么一个经历 ， 当时受到打击是比较大的 ， 对吧 ？
刚刚一个 PhD 毕业 ， 然后可能放弃了很多东西 ， 然后自己投了钱去做了一个创业的事情 ， 最后没有成功 。 这个是给人有比较大的打击的 。
有过几次打击以后， 才能够让自己的这个 manage 压力 ，manage 预期 ，以及这个能够让自己在即使碰到挫折的时候 ， 才能变得更乐观 。
那会让你变保守吗 ？ 不敢再去 ？
不会 ，因为我觉得这个就跟个人的追求和个人的性格很相关了 。 我自己一直觉得我自己并不是一个在物质上面欲望和追求特别强的人。
我甚至觉得 ， 就假设有一天我真的没有什么工作 ， 我更多的是内心的空虚 。 我不会因为钱少了而去焦虑 ， 我不会因为生活水平停滞不前而去焦虑 ， 我更多的会因为我自己没有做自己想做的事情而去非常的焦虑 。
所以说在这个里面 ， 我更多想去考虑的一件事情就是我如何把我自己的理想能够跟大家一起去搭建起来 。
我真的非常非常想把这些事情做好 。
什么理想 ？
我的理想其实探索太空 ， 探索地球了 。 对 ，因为这几年就可能做 PhD 的时候 ， 更多的是在物理的世界里面遨游嘛 。
当时想了很多量子力学和相对论的一些问题 ， 然后也会去想很多哲学方面的事情 。 那这几年做了很多遥感卫星啊 ， 包括低轨卫星推进器啊等等这些方面的研究 ， 包括现在做矿业 ，其实对地球的兴趣非常大 。
我马上要去这个阿布扎比 ， 要去南非出差 。 我真的这个很享受去这些地方探索地底不一样的世界特征的一个旅程 。
我只是想把这个旅程能够变成一个成功的经历 ， 分享给我团队的人， 然后通过这个经历 ， 我可以去实现更大的理想 。
那比如说太空采矿也好啊 ， 海底探矿也好啊 ， 然后或者是做一些更 crazy 的事情 。 我感觉我也想跟你聊聊 ， 你觉得做十字路口跟我们这些 founder 聊完以后， 你最大的感触有哪些 ？
结语50:15
以及你觉得就是在我们这个阶段 ， 你有什么建议可以给到我们吗 ？
我自己特别感兴趣的还是是这个所谓的 entrepreneurship， 它到底体现在什么地方 ？ 做早期投资其实很多东西是看不到的 ， 包括你们其实到底这个世界模型能不能够搞出来是看不到的 。在这个时候其实能抓住的只有就是对这个人或者这个创始团队的这种判断 。
所以我就会很感兴趣 ， 就是能总结出一些什么样的规律来 。 一方面是看年轻的这个 founder， 另一方面就是看可能已经有成绩的 founder， 我们再倒推 ，他在他年轻的时候 ，他在这个阶段 ，他在遇到类似的问题的时候 ，他表现出了哪些性格的特质 。
肯定 resilient 是非常重要的一个点 ， 就没有谁是一帆风顺的 。 然后 leadership 也很重要 ， 尤其是无授权领导能力 ，因为谁一开始都不是 CEO，他都是从无授权领导到慢慢变成他的权利有了合法性 。
对 ， 所以刚才问建议 ，有一个可能通用的就是说 ， 创业公司是有一个特别大的红利的 ，但往往创业公司自己意识不到 。
就创业公司可以招到特别牛逼的人， 这些人是要在大公司就很难招到的 。 为什么创业公司能够招到呢 ？
就是因为创业公司能够提供希望 。 很多人是愿意为了希望投入自己的时间 、 精力和生命的 。 所以我觉得在创业公司的前面几年， 一定要非常好的用好这个杠杆 ， 尽可能的吸引到这些 talent， 尤其你们 ， 你们背景也很好 ， 你们在做的事情也很有愿景 。
我觉得是一个特别高的杠杆 ， 要极好的用好它 。 因为这个杠杆你到了第三年、 第四年， 你会发现它可能是瞬间就没了 。
因为两个情况 ， 一个没做起来 ， 对吧 ？ 那就吸引不到人了 。 另一个就做大了 ， 那他为什么要来加入你 ？
他可能要去加入更早的创业公司 ，他才有这个更大的希望 。
对 ， 非常 make sense。
我觉得在这个时候要非常充满野心 ， 甚至充满这个不切实际的一些可能去挖人。
对 。
就这个行业里面你觉得可能都挖不到的人 ，但是不一定的 ，有可能他正在自己职业的焦灼期 ，他很可能可以这个愿意试一试的 。
对对对 ，是的 ， 这个非常 align。
今天感谢子珩来到十字路口 ，也期待 DeepOptica 可以做出更大的成绩 ，也期待有一天你可以再来十字路口 。
谢谢 Koji， 一定的 。
好 ， 拜拜 。
拜拜 。