尽管史蒂夫·乔布斯、比尔·盖茨和马克·扎克伯格等标志性创始人都没有完成大学学业,但多项研究表明,绝大多数成功初创企业的创始人都拥有学士或研究生学位。
尽管有这些数据,辍学创始人的吸引力依然存在,不过风险投资对"无学位"创始人的热情并非恒定不变。这是一个周期性的现象,时而流行时而冷淡,而现在在AI热潮中无疑正值高峰期。
这一趋势在Y Combinator路演日尤为明显,创始人们越来越多地在一分钟推介中宣扬自己的辍学身份。
Moxxie Ventures创始人兼普通合伙人凯蒂·雅各布斯·斯坦顿表示:"我不认为YC正式统计过辍学状况,但据我观察,在最近几批项目中,我印象深刻的是有多少创始人强调自己从大学、研究生院甚至高中辍学。辍学本身就是一种资历,反映了创业的深度信念和承诺。我认为这在风投生态系统中被视为相当积极的信号。"
虽然AI浪潮中的许多领军创始人都很年轻,但大多数仍选择完成学业获得文凭。例如,Cursor公司CEO迈克尔·特鲁尔毕业于麻省理工学院,Cognition联合创始人斯科特·吴毕业于哈佛大学。
然而尽管有这些例子,越来越多有抱负的企业家担心继续完成学业意味着错过AI建设周期的最关键窗口期。一些人,比如Mercor联合创始人布伦丹·福迪,已经著名地从乔治城大学等知名学府辍学去追求自己的初创企业。
正如专注于YC的风投公司Phosphor Capital创始人库尔维尔·塔格所说:"现在就是有这种紧迫感,也许还有错失恐惧症。现在有一个权衡:我可以完成学位,或者我可以直接开始创业。"
这种恐惧正导致极端案例。一位精英大学的教授最近描述了一名学生在最后一个学期放弃学位。那名学生确信拥有文凭实际上会损害他获得投资的机会。
虽然一些创始人担心文凭可能是负面信号,但领导General Catalyst种子策略的尤里·萨加洛夫认为,风投对辍学标签并不那么执著,特别是对于接近毕业的学生:"我从来没有对大四辍学的人有过不同的感觉,无论他们毕业还是没毕业。"
即使自学成才的技术天才可以在没有正规教育的情况下建立初创企业,萨加洛夫认为大学创造的社交网络和大学品牌仍有价值,即使创始人没有获得文凭。
"你获得了很多社交价值……因为你可以说你参与过,"萨加洛夫说。"大多数人会在LinkedIn上查看你,不会太在意你是否完成学业。"
虽然许多投资者现在认为创始人可以放弃大学学位,但并非所有风投都认为年轻创始人在这个市场中有优势。
FPV Ventures联合创始人韦斯利·陈对投资辍学生并不那么热切,因为他优先考虑大多数年轻创始人还未培养出的特质:智慧。陈认为智慧通常存在于"年长的创始人或那些有过几次挫折经历的人身上"。
Q&A
Q1:为什么现在辍学创始人这么受欢迎?
A:在AI热潮中,辍学被视为一种特殊资历,反映了创业者的深度信念和承诺。许多企业家担心完成学业会错过AI建设周期的关键窗口期,因此选择辍学专注创业。这种趋势在风投生态系统中被视为积极信号。
Q2:风险投资人真的更喜欢辍学创始人吗?
A:观点不一。一些风投认为辍学标签并不重要,特别是对接近毕业的学生。大学的社交网络和品牌价值依然存在。但也有投资人更重视智慧和经验,认为年长或有挫折经历的创始人更有优势。
Q3:辍学创业是否意味着更高的成功率?
A:数据显示并非如此。多项研究表明绝大多数成功初创企业创始人都拥有学士或研究生学位。虽然乔布斯、盖茨等知名创始人是辍学生,但这些只是个例,不代表普遍趋势。辍学创业更多是一种市场偏好而非成功保证。
好文章,需要你的鼓励
新加坡电信启动50Gbps光纤宽带技术试点,成为新加坡首家测试该技术的运营商。该试点基于10Gbps对称无源光网络技术,旨在为未来3至5年内主流的带宽密集型应用提供基础设施支持。随着人工智能、混合现实和高保真云计算的普及,网络吞吐量和延迟性能需求将大幅提升。该举措符合新加坡数字连接蓝图规划,将支持远程办公、医疗影像传输和VR理疗等应用场景。
瑞士ETH苏黎世联邦理工学院等机构联合开发的WUSH技术,首次从数学理论层面推导出AI大模型量化压缩的最优解。该技术能根据数据特征自适应调整压缩策略,相比传统方法减少60-70%的压缩损失,实现接近零损失的模型压缩,为大模型在普通设备上的高效部署开辟了新路径。
先锋在CES 2026上发布新款Sphera车载后装接收器,首次将杜比全景声和空间音频功能引入普通汽车。该产品采用10.1英寸高清触控屏,通过"Pure Autotuning"技术优化4声道方案,充分利用现有前后扬声器。此前这些高端音频功能仅在少数特定车型中提供。Sphera售价1300美元起,将于2026年春季上市,为希望升级CarPlay的用户提供优质解决方案。
弗吉尼亚大学团队创建了Refer360数据集,这是首个大规模记录真实环境中人机多模态交互的数据库,涵盖室内外场景,包含1400万交互样本。同时开发的MuRes智能模块能让机器人像人类一样理解语言、手势和眼神的组合信息,显著提升了现有AI模型的理解准确度,为未来智能机器人的广泛应用奠定了重要基础。