你看到过最普及和最大规模的商业，大都开始于一个起初看起来奇特的想法。比如在互联网兴起的 1996 年，尝试在网上卖实体书，当时潜在的客户要么去美国的新华书店买书，要么在网页上浏览免费的数字信息和上雅虎闲逛，如果你也没什么厉害的算法和电脑硬件，看起来不太靠谱。
亚马逊 ( Amazon ) 就这么开始了，当时构建这样一个互联网电商的难度，不比今天创建一个 “深科技” 公司容易，因为电脑和互联网就是 90 年代初的硬科技。信息高速公路上的互联网书店？就跟有人告诉你想现在做 “ AI 咖啡公司 ” 和 “生物技术迪士尼乐园” 公司一样。
同样的故事，在大多数人刚沉迷于苹果商店滤镜 app 和小游戏的时候，也有人琢磨出了 Uber 和 Airbnb 这样的产品，给了用户过去从来没有过的超能力和体验 ，横跨在数字世界和实体生活之间（ 比如点击几下就有车来接你，以及你可以进入全世界陌生人的家门住宿 ）。
类似的韵律，也会在人工智能时代发生。
只靠更大的榔头就可以敲所有钉子的时代也已经结束了。仅仅靠人工智能创造的价值，尤其是初创公司可以捕获的价值，都是很有限的，那当下哪些是能去做的呢？
其实在中国和国外，已经有一些优秀的小团队初步做到了，得到了不同国家用户的赞扬：
1. 在有限的资源条件下，对自己的综合能力提出更高的要求，不自满于创造技术本身，成为一家全栈型深科技 （ full-stack deep tech ） 公司。而如果你是一个个人，也可以成为一个 full-stack deep person business（ 全栈而有深度专业的人 ），提供精准服务。
2. 对某些具体的事物和价值观有热情的团队，尝试去创造在当下看，足够奇特的产品，weird > different > better。当你是一个与众不同的海角礁石，就没那么容易被浪潮吞没，最后可能还会是所有人欣赏的景观。
另外，未来十年革命性的应用和产品，不应该局限在只是数字化的，而可能在原子 x 比特 x 基因交界的某个地方，还有跟产业以及我们的日常生活交界的地方，保持你的注意力和想象力。
3. 对于资源丰富的团队，甚至投资者，可以创建一家 product-building venture studio, 把前沿科技作为工具杠杆，在市场上找寻最契合的合作伙伴，少而精的团队和决策，利用先进科技来开发新产品。
4. 为了不在技术森林里迷路，记得要构建自己的文化价值观，并坚持它。
今天分享一篇新的英文博客文章，来自于新锐的 deep tech 投资基金Compound VC 的合伙人 Michael Dempsey，他们是一家研究和专题驱动（ research and thesis driven ) 的投资者，也对科学突破和 deep tech 商业的风险 / 收益有自己的见解。Full-Stack Deep Tech Startups & AI Value Capture副标题：关于在许多人大声质疑 AI 初创公司的价值捕获能力时，对构建全栈公司的思考。作者：Michael Dempsey ，Compound VC 合伙人有关人工智能（AI）和创业公司在今天的市场上能捕获到什么价值，今天许多人持有自己的观点，它们大多既相互对立又相辅相成，在本文正文之前我觉得有必要列出来：1. 第一种观点，对 AI 的投资将成为一片荒地，因为初创公司似乎最近每个月都会被像 OpenAI 和超级规模云计算公司（ 比如最近的 META） 这样的开创性模型提供商（ Frontier Model providers ）摧毁。这个观点对我来说特别无聊，因为这样说的人就跟没说一样，以及根本没动脑子思考未来和现在的情况会有什么不同。注释1: 基本上所有的创业公司都大概率失败，人工智能领域有什么特殊的呢？2. 第二种观点，AI 将与移动互联网等以前的横向技术（ horizontal technologies ）类似，从某种意义上说，它最终会创造出以前无法想象到的方式来捕获市场价值的初创公司。这个观点可能在大方向上是正确的，但对于采取行动没什么价值，除非不断尝试支持看起来奇特和新颖的项目（ 这也说起来容易做起来难 ）。这个观点实际上正在许多大型风险投资公司中表现出来，它们进行了大规模的散弹枪一样的撒币然后祈祷好运，这些基金可以容忍损失 200 万到 700 万美元，损失并不会对它们造成太大的影响，而其中的“ 奇特项目 ” 只占很小的投资比例。3. 第三种观点，人工智能（AI）将颠覆并赋能各种传统行业实现变革。这是一个共识，也是正确的废话，其中不同领域蕴含的细微差别很重要，需要具体事情具体分析。随着整个投资界继续高声质疑 “薄层” AI 软件初创公司，及其捕获长期价值或超越 “ GPT-X ” 功能/投资回报率的能力，我认为在当今的 AI 领域存在另一种被低估的策略：那就是全栈创业公司（ full-stack startup ）。
Chris Dixon、A16Z 和 Cantos 基金等都曾经探讨过全栈创业公司，但在我所在的 Compound 基金，我们对全栈创业公司的关注重点是，它们不仅构建 / 整合了具有变革性的前沿技术，而且能够靠自己直接提供出众的投资回报率（ ROI ）。这些公司在深科技（ deep tech ）领域尤其引人注目，因为它们可以借助现有系统作为基础，甚至是人工运营来干预，来部署尚未完全可规模化的技术（ not-yet-fully-scaled tech ）。这使它们能够高效地进行迭代，获得客户反馈，并在通常更加复杂的创意迷宫中航行。注释2: 我们还投资了与这一论点相关的赋能型技术，比如去年约翰迪尔（ John Deere ）收购的 SparkAI。一个典型的例子就是 SpaceX，他们在将货物顺利送入太空之前，曾多次发射并失败地坠毁了火箭。但 SpaceX 在这一过程中创造了价值。在我之前的文章《 On Inflection Points 》中，我讨论了 SpaceX 与一个领域发展直到拐点的关系：
" 在构建一个利用了某个专业领域进步（ domain progression ）的公司时，重要的是理解某项技术随时间的可扩展性和可转移性。虽然 SpaceX 可以随着时间的推移进行创新，改善他们第一个进入的专业领域（ 火箭发射服务 ）的经济模型状况，最终达到足够规模，以进入新的领域，但并没有浪费之前投入过的研发资源，每一项创新都提高了他们核心专业领域的价值（ core domain use-case ）"。在我们的投资组合中，像 AIFleet 在卡车运输领域，Shadows 在 AI 驱动的动画制作领域，以及 Ono Food Co.在机器人自动化驱动的餐饮领域等公司，都受益于这种方法，还有其他一些例子。尽管短期内，学习反馈循环和销售周期通常相对于 B2B2B 公司都更短，但最引人关注的是，这些公司能够长期构建坚实的护城河，并捕获价值堆栈的更大部分，而不是 VC 们通常热衷的更狭窄的技术解决方案公司。然而，很多投资者私下无法在许多领域建立对全栈创业公司（ full-stack startups ）的信心。原因之一是许多人认为这些公司能达到的规模天花板有限。这或许是事实，但我们认为，以技术为中心的公司，能够比最大的现有公司规模大得多。创始人和投资者可以从市场规模、市场需要的技术能力，和市场分散性等方面来正确认识机遇。但主要原因是，这些全栈企业的利润率往往较低（ 因此获得的估值倍数也较低 ），运营更为复杂，资产也往往更重投入。它们与人人都说是有史以来最伟大的商业模式 —— 软件的商业模式，背道而驰。在 Compound，我们倾向于相信创业的难度不会随着复杂性的增加而线性增加，事实上它是渐近式的（ 注：也就是说看起来容易操作的商业模式，不一定比看起来更难的创业项目真的做起来简单，往往难走的路是更顺利的路径 ）。换句话说，所有的创业都很困难，失败是常态，因此你应该打造一个你相信具有最大规模雄心和价值捕获可能的创业项目。深科技公司（ deep tech companies ）的核心特征之一是它们创造了市值的破坏和扩张（ create market cap destruction and expansion ），部分原因是因为它们正在做从未有人做过的事情。这些突破通常具有颠覆性和范式转变的特点，通常也正在创造强大的行业跃迁动态，并侵蚀现有既得利益者的商业模式。注释3: 不过，这里需要注意的是，随着大型科技巨头注意到新科技的颠覆力量，它们愿意自我颠覆的机会也比以往任何时候都多，因此你必须在某一领域非常早地行动才能超越它们。尽管如此，由于目前大公司的并购也受到了限制，阻碍了它们拥有新鲜血液，也许存在一个新的机会窗口。尽管如今很多人走的是将人工智能赋能的软件（ AI-enabled software ）销售到各行各业的明显路径，但我们不禁思考，在这个范式转变中的早期阶段，构建最佳的 “风险投资规模的企业”，是否应该利用突破性技术来进行整合和垂直化（ utilizing breakthrough technologies for consolidation and verticalization ），就像互联网热潮早期时候的亚马逊成立，抢在最终的技术普及阶段形成那些 “武装叛军” （ “arming of the rebels” ）之前，就像亚马逊变成行业巨头之后也会催生 Shopify （ 它联合了很多中小商家也就是那些不想归顺大平台的 “武装叛军” ）一样。这看起来会在每个行业都发生一遍，我们应该了解利用率（ utilization ）、利润空间（margin）、劳动力（ labor ）、净推荐值 NPS（ Net Promoter Score，也就是客户满意程度指标 ）， 和规模方面存在哪些低效的环节，随着时间的推移部署更先进的技术进去，同时也可能调整组织内的激励和薪酬结构。
“ 分享一个创业公司成功的公式：找到市场巨大但高度碎片化的行业，客户满意度指标 NPS 低；然后进行垂直整合，提供一个简化价值链的解决方案。”现在有许多人正在关注专业服务领域（ professional services areas ），我想在未来的几年里，这将成为新的 MBA 搜索基金（ MBA Search Fund ）的创意，就像过去 3-5 年里购买 “超垂领域的SaaS业务” （ hyper-narrow vertical SaaS ）或将旧业务 “ SaaS化 ” （ “SaaSifying” an old business ）一样。此外，我相信随着开源和前沿突破型的模型发展（ open-source and Frontier models progress ），我们将开始通过智能代理等方法来改善垂直领域任务的表现，而不是依赖计算和模型规模的扩展，这类似于我们今天在思维链推理（ Chain-of-Thought reasoning ）方面看到的情况。这可能都会有助于在全栈初创组织中实现 AI 的全面部署。这个策略并没有被误解，但它的潜力被低估了，需要创始团队具备一定的 “炼金术”能力，愿意整合和适应新兴技术，同时承担改变现有行业行为模式的额外挑战。尽管如此，我们坚信，经营这些更复杂业务的运营风险（ operational risks ），将超过整个市场范围内的营收持久性不高（ market-wide risks of revenue durability ）和产品黏性不高的风险，因为目前来看，单纯的 AI 软件提供商会不断流失客户，它们很难渗透那些尚未完全准备好大规模采用 AI 的业务模型和商业组织。如果您正在构建全栈的，或奇葩的！公司（ working on a full-stack or weird! company），想要交流，请通过 Twitter 或电子邮件与我们联系。
https://mhdempsey.substack.com/p/full-stack-deep-tech-startups-and