StrictlyVC 2026年首场旧金山活动即将于一周后举行,现在正是入手门票的最佳时机。风险投资与创业社群将于4月30日齐聚菲律宾文化中心Sentro,共度一个充满深度对话与高质量交流的夜晚——这正是StrictlyVC活动的一贯风格:精彩嘉宾、真知灼见,加上促成实质合作的广泛社交机会。
我们很高兴宣布新增一位嘉宾:Eclipse创始人兼CEO Lior Susan。他近期完成了一笔13亿美元的募资,专注于支持"实体AI"创业公司。在与他的对谈中,我们将深入探讨这笔巨额投资背后的逻辑,以及他对未来现实世界自主化的愿景——随着AI数字世界与物理世界的深度融合,这一议题正变得愈发重要。
Susan在这一领域积累了丰富的实战经验,曾服役于军队,并主导过Flex公司的硬件投资业务。他亲眼见证了改造现代工业基础设施所蕴含的巨大机遇,也深刻理解新技术如何在有远见的运营者、充足资本与创新力量的共同驱动下落地生根。本场对谈将由风投记者Marina Temkin主持,确保每一个关键问题都不会被遗漏。
Susan将与其他几位重磅嘉宾共同呈现一系列极具时代意义的对话。Replit联合创始人兼CEO Amjad Masad将探讨AI驱动下软件开发模式的深刻转变,以及在行业实践与就业格局持续演进的背景下,编程的下一个时代将走向何方。
TDK Ventures总裁Nicolas Sauvage所在机构同时也是本次活动的赞助商,他将与TechCrunch总编辑、StrictlyVC创始人Connie Loizos展开对话,深入解析企业风险投资的运作机制、早期投资的核心逻辑,以及创始人在寻求战略投资方支持时必须掌握的关键经验。
此外,Forum AI联合创始人兼CEO Campbell Brown将分享她在构建更可信AI系统方面的独到见解。在当前信息来源日益多元、公众对内容准确性愈发审慎的环境下,这一议题尤为迫切。她此前担任Meta媒体合作负责人及CNN主播的经历,赋予了她独特的视角。本场对谈将由资深记者Tim Fernholz主持。
如果你此前从未参加过StrictlyVC活动,这将是一个绝佳的起点。这类活动形式更为紧凑、氛围轻松真实,创始人与投资人得以进行坦诚而富有启发性的交流,快人一步把握市场先机。你还将有机会与演讲嘉宾、投资人、创始人以及所有关注硅谷及更广泛科技趋势的人士深度连接。
剩余门票数量有限,欲购从速。锁定4月30日周四晚间,前往旧金山,加入StrictlyVC社群。
Q&A
Q1:StrictlyVC旧金山活动有哪些嘉宾?
A:本次活动嘉宾阵容包括:Eclipse创始人兼CEO Lior Susan,专注实体AI领域投资;Replit联合创始人兼CEO Amjad Masad,聚焦AI驱动下的软件开发变革;TDK Ventures总裁Nicolas Sauvage,探讨企业风险投资逻辑;以及Forum AI联合创始人兼CEO Campbell Brown,分享构建可信AI系统的实践经验。
Q2:Lior Susan的"实体AI"投资方向具体指什么?
A:Lior Susan通过Eclipse募集了13亿美元,专门投资"实体AI"领域的创业公司。该方向关注AI技术与物理世界的融合,涵盖工业系统改造、现实世界自主化等场景。Susan本人有军队服役及主导Flex硬件投资的背景,对这一领域有深入的一手认知。
Q3:StrictlyVC活动适合哪些人参加?
A:StrictlyVC活动适合创始人、风险投资人以及关注硅谷科技趋势的各类人士参与。活动形式相对小规模、氛围轻松,强调真实坦诚的交流,参与者有机会与演讲嘉宾及其他投资人、创业者直接建立联系,适合希望深度社交并获取行业洞察的人群。
好文章,需要你的鼓励
无人机食品配送服务商Flytrex与全球知名披萨连锁品牌Little Caesars宣布合作,推出全新Sky2无人机,最大载重达4公斤,可一次配送两个大披萨及饮料,满足全家用餐需求。Sky2支持最远6.4公里的配送范围,平均从起飞到送达仅需4.5分钟。首个试点门店已在德克萨斯州怀利市上线,并实现与Little Caesars订单系统的直接集成。
FORTIS是专门测量AI代理"越权行为"的基准测试,研究发现十款顶尖模型普遍选择远超任务需要的高权限技能,端到端成功率最高仅14.3%。
法国社会住房项目ViliaSprint?已正式完工,成为欧洲最大的3D打印多户住宅建筑,共12套公寓,建筑面积800平方米。项目由PERI 3D Construction使用COBOD BOD2打印机完成,整体工期较传统建造缩短3个月,实际打印仅用34天(原计划50天),现场操作人员从6人减至3人,建筑废料率从10%降至5%。建筑采用可打印混凝土,集成光伏板及热泵系统,能源自给率约达60%。
荷兰Nebius团队提出SlimSpec,通过低秩分解压缩草稿模型LM-Head的内部表示而非裁剪词汇,在保留完整词汇表的同时将LM-Head计算时间压缩至原来的五分之一,端到端推理速度超越现有方法最高达9%。