# 揭秘 Minimax、Zilliz、PingCAP 背后的投资逻辑 | 对谈云启合伙人陈昱

> 42章经 精读

- 发布日期：2023-08-12
- 主持：曲凯
- 原节目：https://www.xiaoyuzhoufm.com/episode/64d7b71de490c5dee544aca2
- 网页版：https://42zhangjing.qiaomu.ai/ep/64d7b71de490c5dee544aca2.html
- 精读字数：约 7531 字（阅读约 17 分钟）

> 本文为 42zhangjing.qiaomu.ai 基于节目转写的 AI 整理精读，不是逐字稿；引用请注明出处并链接网页版。

2021 年 1 月，陈昱第一次见到 MiniMax 的团队。那时候 GPT-3 已经发布了大半年，国内创投圈聊 NLP，主流答案还是 BERT 和它的各种变种。他聊了一圈 AI 项目，只有这一家开口就谈基础模型、谈通用人工智能。两年后 ChatGPT 引爆市场，MiniMax 成了国内大模型创业公司里融资额第一的那家。

陈昱是云启资本合伙人，曲凯十年前在云启的老同事。他的履历听起来像一条笔直的路：本科和研究生都学计算机，在 Google 做过软件工程师，在豌豆荚待过，读过芝加哥大学 MBA，还当过国内公司的 CTO。这十年他一直在看 ABC，也就是 AI、大数据、云计算三个词的首字母。PingCAP、Zilliz、MiniMax、圆融启行、晴朗、德丰，这些项目的早期融资背后都有他。

这期播客里，曲凯替听众把几个明星项目的投资过程一个个拆开：项目怎么找到的，决策怎么做的，看中了创始人什么。后半段聊的是他眼中正在发生的新变化，包括他为什么开始认真看日本市场。最后一段是制作人设计的画外音环节，曲凯从旁观者角度重新回答了一遍「陈昱是个什么样的人」。

## AI 十年，三波浪潮 0:55

陈昱把过去十年的 AI 分成三波。第一波是 2013、2014 年前后以商汤为代表的计算机视觉公司，旷视出来得还更早一点，刚好是云启成立的时候。他坦言机构当时没赶上这一波。第二波在 2016、2017 年交界，主线是自动驾驶。第三波就是这两年的**大模型**。

曲凯提到，2015、2016 年 AI 最火的时候，大家还拉过群、写过文章，后来坚持看下去的人很少。陈昱是留下来的那个。他的理由不复杂：相信 AI 代表了软件未来发展的方向，所以多年一直跟踪进展。

这背后是他对自己定位的选择。市场上很多早期投资人跟着热点走，产业互联网热了看产业互联网，SaaS 热了看 SaaS，消费品牌热了看消费品牌。陈昱把自己定义成 specialist，只待在 ABC 这个圈里。原因有两条：一是学计算机出身，在 Google 写过代码，知道自己懂什么、不懂什么；二是软科技本身也在演进，云计算、大数据、机器学习这十年各自都有技术迭代，**技术演进到一定程度，会解锁新的投资机会**。深度学习从当年的卷积网络走到今天的 Transformer，就是一条清晰的线。

曲凯问他，技术背景的投资人真的会去看创始人的代码吗。陈昱说需要的时候会。投 PingCAP 时，项目是开源的，代码就在 GitHub 上，所有人都能看。读代码能拿到很多一小时会议里传递不出来的信息。

## PingCAP：从一份没有联系方式的 BP 开始 5:48

有人跟曲凯讲过一句很形象的话：以为看开源和软科技是进入云启的赛道，后来发现是进入了陈昱的被窝。这个赛道里很多项目都跟他有很深的联系。

PingCAP 的融资过程有点曲折。做 A 轮时，团队把市面上能聊的美元基金基本聊了一遍，结果比较惨淡。另一家美元基金看完觉得投资有挑战，但知道陈昱是这行的专家，就把 BP 转给了云启，**BP 上连联系方式都没有**。陈昱看到团队基本是豌豆荚出身，而他刚好有朋友在豌豆荚，就通过这层关系联系上了团队，飞到北京见面。

真正让他快速判断价值的是产品定位：做一个开源版的 Google Spanner。这个项目在 Google 内部怎么被提出、怎么开发推广，他亲眼见过，关系还挺密切。所以他不用花时间理解这件事有多大，只需要确认一件事：这个团队知不知道它有多难，有没有野心和能力去挑战。

第二个动作是读代码、读文档，从另一个维度确认他们真有机会做出来。曲凯追问了一个常见质疑：Google 自己做了怎么办。陈昱的回答是，Google 哪怕对外提供服务，也只能在 Google Cloud 上提供，这本身就把自己限制住了，因为不是所有客户都用公有云，也不是所有人都用 Google。

这笔投资的回报：云启投的时候估值 2500 万美元，最近一轮红杉和 GIC 投的时候是 31 亿美元。算上稀释，大概六七十倍。这也是他唯一一个在第二轮投进去的独角兽。

这段对话里有个判断值得单独拎出来。投商业模式创新，大家默认一个特别牛的创始人做啥都行，大不了转型。科技领域不一样，它需要长时间积累，**一个技能组合的团队没法迅速切换到另一个赛道**。所以在这种项目上，当下这件事本身的价值，以及团队有没有办法把它实现出来，优先级最高。

## 他看创始人的三个维度 10:41

陈昱说自己看创始人主要看三点。

第一是**野心**。在他的投资理念里，野心是很重要的一块，只有有野心的人才愿意去挑战非常难的事情。但他后来专门澄清过这个词的含义：野心指的是有能力、有意愿去挑战极难问题的心理状态，不是无序扩张。这一点和商业模式创业时代的要求不太一样。

第二是**创新性**。他希望聊天时对方能讲出一些他不知道的事。他平时看大量项目、做大量阅读，要做到这一点并不容易，做到了就加分。投 PingCAP 时让他印象深刻的是，团队要从零构造一个分布式数据库。市面上很多人是把 MySQL 拿过来，替换掉中间的引擎，就管自己叫分布式数据库，那不是从零搭建的东西。

第三是**integrity**。人得有基本的诚信，才能走得长远。

曲凯提了一个尖锐的问题：很多创始人有野心，但野心会不会让他动作变形、变得不可控，或者缺少持久耐力。陈昱的回答回到了定义本身，他说的野心是挑战难题的心理状态，和失控的扩张是两回事。

## Zilliz：投的是一个三岁小孩 12:37

Zilliz 是 2017 年夏天投的，那时候还没有向量数据库这个概念。团队最早讲的故事是 GPU 加速的数据库。

陈昱看中的正是 GPU 加速这件事。显卡在游戏里做渲染，在 AI 里训练模型，都是大家熟悉的应用。他觉得显卡作为通用计算平台，应该还有其他用途，在计算上做加速是个很新、很有前景的方向。打动他的是创新性。

项目来源是 PingCAP 推荐。曲凯顺势总结：和被投公司保持良好关系，本身就是重要的项目来源。

2019 年，公司在做 GPU 加速数据库的过程中发现了另一个机会。微软、Facebook 的研究部门放出了一些相关论文和底层代码，团队在服务客户时发现以图搜图是个好应用，而支持以图搜图就需要向量数据库。市面上没有人把它产品化，只在学术圈里讨论。他们决定第一个出来做产品化。

因为有 PingCAP 做榜样，Zilliz 从第一天就决定开源，还制定了详细规划：个人层面去竞选开源基金会的主席，指标层面从 GitHub 星标、客户采用率到代码性能，一步步拆解、一步步交付。

曲凯问，当时你能想到它今天会定位成数据库公司、会赶上大模型这波吗。陈昱说当然想不到，**这就像见到一个三岁的小孩，没人能预想他五十岁长什么样**，中间有太多不可控因素。

聊到向量数据库的格局，陈昱说 Zilliz 在全球排前二，另一个是 Pinecone。按收入算 Pinecone 可能更大一点，按技术领先性算 Zilliz 更强一点，各有所长。这个领域做个原型不难，做出性能有挑战，未来 Zilliz 会专注偏高端市场，以极致性价比切入。

曲凯问了个他一直想不通的问题：美国有一堆向量数据库公司拿了钱，国内几乎没有，为什么。陈昱给了两条。第一，团队没有全球化能力，公司的想象空间就非常有限。第二，领头羊已经明显跑出来了，估值和产品积累都遥遥领先，这时候再办一家什么都没有的早期公司，得想得非常清楚。至于美国为什么愿意投这么多新的，他的判断是两边投资人对商业化和退出机制的预期不同，美国有大量并购退出的通道，中国没有。

## MiniMax：二一年初的那场讨论 20:29

MiniMax 是 2021 年 1 月接触的，投资完成已经到了当年年底。陈昱说 NLP 领域他们一直在看，GPT 在 3.5 爆火之前已经经历了三个版本，云启一直跟进却没出手，原因是当时学术界和工业界都押 BERT，创业者开口讲的也都是 BERT 或它的改进版，没人提基于 Transformer 的大模型。所以碰到 MiniMax 时他很高兴，那是第一个真正来讨论大模型的团队。

项目来源是私交。联合创人是他在商汤做过战略办公室负责人的直系师妹，认识很多年，技术背景很强。陈昱的判断逻辑是：这个人亲历了商汤从早期走到百亿美元级上市公司的全过程，如果出来创业不能做一家超越商汤的公司，何必出来。团队从第一天就有明确信念，认定这是个大机会。

曲凯追问：在那个节点讲大模型，商业化在哪。陈昱的回答是，投项目除了投明显有商业化前景的，也需要留一部分想象力去投未来，**足够创新，以至于可以暂时忽略商业化和短期回报**。如果最终能实现通用人工智能，商业化是不可估量的。他拿可控核聚变做类比：五到十年内可能看不到商业化，真做出来就是巨大。

2021 年初，云启办公室里发生过一场讨论：到底有没有 AGI。陈昱的结论是他相信。那一轮估值很高，但他有个估值方法：不看绝对估值，看相对估值，愿意给的标准是公司长大成熟、算上稀释之后，至少还有五十倍空间。

MiniMax 后来因为 Glow 这个 App 被更多人知道。陈昱说 Glow 只是 to C 的一个 showcase，大家看重的并不只是它。to B 应用会带来更大的商业化前景，OpenAI 的收费方案、微软和 OpenAI 的投资协议，都能看出 MaaS 这种商业模式的巨大潜力。他判断大模型这件事真做出来是数百亿美元级别。

曲凯问 MiniMax 算不算行业前三。陈昱说抛开大厂，从创业公司看，融资额肯定是第一。强在哪？首先是做得早。其次这本质上是算力生意：有多少 GPU，就能承载多少服务，一块钱的 GPU 卖出三块钱的价值。算力稀缺的时候，融资能力特别关键，**投资人看清这点后，钱会向头部聚拢**。现在已经有这个趋势，第二梯队再想追，难度比当年大很多，赌黑马变得很难。

## 大模型三层，机会在哪一层 26:07

陈昱把大模型分成三层看。

最下面是基础层或模型层，也就是这几家，不会再有新的出来。中间层是 LLMOps 这类东西，让大家更容易使用大模型。这一层的机会在硅谷比国内大，原因有两个：大家可能觉得这一层有点薄，而且它可能是个被并购的机会，硅谷的并购通道更顺。最上面是应用层。to C 在中国受的限制比较大，他们讨论的多是 to B 应用，可以叫「起伏 2.0」，无非是在原来的企业服务场景里，怎么用大模型提高生产力、交付更好的用户体验。

具体看什么方向？他回到一个基本问题：为什么传统的 AI 在企业服务里一直没有起飞。这一波大模型和上一代预训练模型之间，变量在哪。大模型有更好的推理能力、多语言能力、代码能力，**能不能围绕这几个新特性去找应用场景**，这是关键。

曲凯问他，凭什么大家公认他是 ABC 赛道投得最好的投资人之一。陈昱说最大的区别还是 specialist，另外有时代因素：这十年刚好是软科技兴起的十年。十年前他刚入行，同时有计算机背景和金融背景的人很少，这种复合背景在当年很稀缺。他研究生毕业时收到两类 offer，一类是量化交易，可以做高频，另一类就是 Google，他选了后者。他的同学现在大多还活跃在量化领域，像 Two Sigma、幻方、Millennium 这些地方。

他补了一条不太能复制的：自己多少有点理想主义。他坚信的一件事，是想投资一些能用科技改变大家生活的东西，这也是当年写 MBA 申请材料时写的内容。

## 二二年赌建筑机器人，二三年看具身智能 31:51

曲凯问他，2021 年初就注意到大模型，领先市场大概两年，原因是什么。陈昱说不能讲大家没看外网新闻，回到选人选项的标准就清楚了：一是能明显感受到对方的野心，想去征服通用人工智能的难题；二是创新性，当时聊的机器学习项目都在 BERT 上做应用，只有他聊基础模型。这两点会让投资人眼前一亮。

2022 年是个小年，绝大多数人困在家里，创业者也没法正常融资和做业务。云启那年赌的是建筑机器人。方向是对的：中国 7% 的劳动力在建筑业，行业明显面临老龄化和少子化，但整个行业能不能起来，受其他宏观因素影响，需要较长时间才能验证。

2023 年他主要看几个方向。大模型投完之后自然延展到应用和中间层，包括 LLMOps 和 prompt engineering 这类东西。另一个他觉得有趣的是**具身智能**。逻辑是：大模型是数字世界的东西，怎么把数字世界延展到物理世界，机器人是个很好的载体。

曲凯的判断是，具身智能所处的阶段比 2021 年的大模型还要早，越懂这个领域的人越觉得还得三五年甚至更久。陈昱同意更早。他解释了早在哪：大模型和自动驾驶出来的时候，能做到什么程度、有什么商业模式，大家是清楚的；通用机器人同时面临技术和商业化两个问题。技术上，机械臂、灵巧手做成什么样没有定论，很多创业者是纯 AI 背景，手里没有好的机械手去和 AI 结合。商业上，通用操作灵巧手做出来之后用在哪、什么任务适合、成本能不能降下来，都是问号。

那今年是不是投具身智能的好时机？他的回答取决于时间维度：常见基金的存续期至少八年十年，投完要接受两三年甚至更久做不出太多实际东西，而且得投比较多的钱，未来资本市场怎么样不确定性很大。

关于 AGI，他的态度是相信，但不确定大模型是不是最终解决方案。他打了个比方，有点像哥德巴赫猜想，用筛法最后能做到一加二，但永远做不到一加一，有可能无限接近。

## 日本：被忽略的十年机会 35:10

陈昱前段时间去日本转了一圈，曲凯开玩笑说是跟随巴菲特的步伐。他看到的日本处在扩张态势：过去三十年泡沫破裂后一直是通缩、零利率甚至负利率，现在慢慢走出来了，利率在上升，股市连创新高。街头上外国人明显变多，节假日餐馆商场人满为患。

他的推理是：**一个经历了三十年下降周期的经济体一旦掉头进入上行周期，不会是两三年的事**，而是十年甚至更长。曲凯问，这个转向是内因还是外部资本流入推动的。陈昱认为是日本先改变了自己的财政政策，资本觉得有利可图，资金才导入。

日本一级市场的结构很有意思。本土 VC 其实一直在偷偷赚钱，只是外界不太了解。这是一个以早期为主的市场，大概有 150 到 200 家活跃的早期机构和 CVC 构成生态。原因在创业板：日本的 MOTHERS 市场上市门槛相对低，只要有 5000 万美元以上的流通市值基本就能上市，上市后流动性和估值都还不错。所以很多企业融到 C 轮、估值小几亿美元就去上了，成长期投资在日本相对缺乏。这个情况在变，DST、腾讯、红杉都在慢慢布局。

日本市场的吸引力在于付费能力高、付费意愿强，退出也相对好。短板是互联网产品本身做得不算好。陈昱说日本的大众点评类产品感觉还停留在十年前，需要从海外引入新的商业模式和软件产品设计理念。TikTok、原神在日本发展得不错，大厂也在逐渐发现这个市场。

但中国团队直接去落地比较困难，因为不了解当地文化。他举了阿里的例子：阿里曾想在日本推支付宝，没找到合适的人操盘，最后软银自己做了，才有了今天的 PayPay。

他自己会不会去日本投项目？他说投不投另说，这个市场得关注起来。他们正在密切关注在日本生活多年的华人在当地创业，这个群体现在还小，但他相信未来会越来越多。

## 九十八的运气和二的努力 41:26

曲凯把话题拉回成功公式：六个独角兽，基本第一轮投进去，成绩该归功于技术背景、判断事的能力、判断人的能力，还是运气和 social 能力。

陈昱说运气成分很大，他们经常开玩笑是 98% 的运气加 2% 的努力，但那 2% 里包含 sourcing 和判断这些事。曲凯追问是不是真这么想，他补了一句：公司叫「云启」，本来就是运气的谐音，本身就带来好运气。

关于纠结，他的态度很明确：做投资一定不能纠结，得有决断力，行就行，不行就不行，杀伐果断。一旦纠结就说明自己没想清楚为什么要投。大家写那么多材料，更多是佐证脑海里的那两三个长板和两三个风险。他投每个项目时都想清楚了，也愿意承担风险，因为没人能保证百分之百命中，早期天使投资有 30% 的命中率已经很高。他用了一个很直白的类比：早期投资有点像三岁看老，和算命很类似。

节目最后一段是画外音环节。制作人 Celia 说，曲凯见陈昱第一句话是「我今天来挖掘一下你的内心」，但最终没成功，所以请曲凯从旁观者视角把问题重新答一遍。

曲凯的理解是，陈昱并没有回避，他给出的是真实反馈。很多认知和方法论已经融合进他自己的系统，变成了自然反应。**对别人来说是一个复杂的推理过程，对他来讲已经内化成直觉**，简单到不需要再深入反思。另一个原因是，聪明的人往往不擅长、也不愿意做很多情感化的表达，要打开他的内心世界，可能需要另一个人。

关于 98% 运气这个说法，曲凯不认同。在他看来，运气本质是概率问题：每件事都逼自己想清楚、尽到所有努力，运气来了才抓得住；每件事都没准备好，运气来了也抓不住。2021 年初投到 MiniMax，陈昱当时肯定想不到今天大模型会这么火，但他做了大量准备和研究，才做出那个投资决策。曲凯对「想清楚」的定义也值得记下来：想清楚指的是知道这个项目如果成会成在哪，如果不成会不成在哪，以及风险和回报大概是什么比例。项目死掉了不意外，成了但是小成，才值得反思自己的逻辑。

曲凯眼里，陈昱是个典型的聪明人，成长路径是上一个时代聪明人的标准答案：早年学 CS，去 Google，到创业公司做 CTO，读芝加哥 MBA，转一级市场投资。但他对聪明的理解分了层次。最基础的是街头智慧，在复杂环境里玩得转；往上是小聪明，聊一小时能讲很多东西、反应很快，但内容都是从别人那听来的市场共识；再往上是真正的聪明，有自己的思考；最高一级是 wise，甚至有点大智若愚，不讲复杂的东西，有自己的一套方法论和坚持，用最少的语言做最精炼的表达。他拿炒股举例：聪明人会给你讲这只股票好在哪、不好在哪、前几年业绩怎么样；wise 的人只讲一个大逻辑，未来几年核心驱动是什么，这家公司踩中了哪个点，屏蔽掉噪音，抓到本质。

他还提到陈昱身上一种微妙的气质，英文词大概是 apathy：你很难觉得他完全对你敞开心扉、像好哥们那样聊天，但他聊的内容又是真诚的、真实的。曲凯觉得这跟聪明有因果关系：**一件事想得很清楚以后，就不会带很多乱七八糟的情感因素**。

曲凯最后说，他一般不是高频提问的人，但跟陈昱聊，他很努力在问了。

这期节目信息量最大的部分，是陈昱判断项目的框架：野心、创新性、integrity 三条，加上一个前提，先选赛道再看项目。他不是等项目送上门再判断，而是先用几年时间盯住一个技术方向，等趋势清晰、团队出现，判断速度就比别人快。PingCAP 的 BP 没有联系方式，他靠豌豆荚的人脉找到团队；Zilliz 是 PingCAP 推荐的；MiniMax 是师妹创业。项目来源看起来像运气，背后是长期待在一个圈子里积累的关系网。

对做早期投资或准备创业的人，有两点可以直接拿走。第一，**技术型项目的判断力来自你真的懂那件事**，读代码、见过同类项目在内部怎么长出来，这些功夫在关键决策上会兑现成速度优势。第二，想清楚的标准在于提前写下这个项目成的路径和败的原因，以及对应的风险回报比。做到这一步，运气来了才接得住。