创业者面临一个根本性的困境:是有机增长还是筹集资金以快速占领市场份额。这造成了可称为"创业者身份危机"的挑战——在追求必要增长的同时保持真实目标。在 AI 时代,这种紧张关系呈现出新的维度。
为了探索这一演变,我与财务规划平台 Abacum 的 CEO Julio Martinez 进行了交流。该公司被德勤认定为西班牙增长最快的公司之一,已获得 4500 万美元的风险投资支持。
## 寻找超越融资的目标
根据美国劳工统计局的数据,美国约有 50% 的新公司在头五年内倒闭。考虑到创办(并可能失去)一家企业的压力,为什么有人会选择成为创业者?
非创业者通常认为这是为了钱,尽管研究表明只有 8% 的创业者将经济收益列为首要动机。成功的创业通常源于更深层次的驱动力。
"这不可能只关乎金钱,"Martinez 断言。"除非你过着有目标的生活...否则你会非常不快乐。"
维持创业目标的一种方法是自力更生——在没有外部资金的情况下创建和发展公司。从哲学角度看,自力更生代表了最纯粹形式的创业精神,成功完全取决于创造出客户愿意为之付费的产品,而不是通过购买市场份额来期待未来利润。
尽管 Abacum 筹集了大量资金,使其能够在拥有庞大客户群的情况下实现自给自足,Martinez 理解自力更生的理想:"当我看到创业者自力更生创业,多年忍受痛苦,直到第十年才开始获得一些年度经常性收入——这是对你的目标和愿景的承诺。我在其中发现了非常浪漫的东西。"
自力更生不仅体现了财务独立;它代表了创业精神的最真实形式——在没有外部压力的情况下追求有意义创新的自由。然而,实际情况往往会介入,特别是在复杂的软件类别中,正如 Martinez 所指出的,"你需要高素质的工程师,因此成本很高",即使 AI 加速了开发过程。
## AI 时代创业的新经济学
人工智能已经彻底改变了软件初创公司的财务方程,恰逢风险投资变得更加挑剔。"构建软件的成本正在大幅降低,"Martinez 解释道。"非技术人员比以往任何时候都更有能力。"
这种开发工具的民主化使资本效率更高的增长成为可能,并可能减少对外部资金的依赖,尤其是在这种资金更难获取的情况下。正如 Martinez 所指出的,"由 AI 驱动的公司可以用很少的人在很短时间内实现惊人的收入数字,"使自力更生越来越可行。
然而,当进入壁垒降低时,保护竞争优势变得更具挑战性。Martinez 反思了 AI 驱动的初创公司的脆弱性:"如果这些人做到了,那么谁会是下一个颠覆他们的人?"这种对防御能力的需求常常驱使创始人寻求风险资本来资助增长并超越竞争对手。
在 AI 时代创业的另一个担忧是人才获取。我已经广泛写过关于 AI 取代人类曾经执行的任务所需的技能。作为一名创业者,我试图确定适合未来的雇员——主要通过关注心态而非知识。
## 有目标地扩张:创始人办公室方法
Martinez 将 Abacum 的大部分增长归功于实施"创始人办公室"——最多五名具有高度驱动力、渴望、承诺、勤奋和智慧的多面手,他们直接与创始人合作。
这些团队成员,通常在 30-37 岁之间,不是为特定职能而雇佣,而是作为多才多艺的问题解决者。"你将他们部署到公司面临的下一个瓶颈,"Martinez 解释道。他们以与创始人相同的强度和主人翁意识解决关键挑战,使公司能够扩张同时保持早期阶段的能量。
"这产生了独特水平的能量、承诺、速度、敏捷性和快速反应。通过创始人办公室延长早期阶段,公司的创业心态得以维持。"
## AI 时代的平衡行为
创业之旅越来越需要平衡看似矛盾的力量。在当今由 AI 驱动的环境中,创业者必须协调:
- 自力更生的可行性增加与风险投资带来的竞争优势 - 对独立的渴望与创造有意义影响所需资源的需求 - 纯粹创业的理想与构建复杂解决方案的实际现实
虽然 AI 使创办公司变得更加容易,但它并没有消除创业的基本紧张关系。如果说有什么不同,它通过使自力更生更加可行的同时增加了获得竞争优势所需资金的需求,从而突显了这些紧张关系。
也许衡量创业成功的最终标准超越了融资选择,而是专注于影响和目标。无论是自力更生还是获得风险投资支持,成功的创业使团队能够自豪地回顾并说,正如 Martinez 所言:"那是一段地狱般的时期...非常紧张,但我们大幅增长,并产生了影响。"
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。