陸宜先生現(xiàn)任XVC基金合伙人，擁有超過10年的風(fēng)險投資經(jīng)驗。他長期關(guān)注技術(shù)驅(qū)動的結(jié)構(gòu)性創(chuàng)新機會，重點領(lǐng)域包括消費科技、全球化和企業(yè)軟件。
本文內(nèi)容總結(jié)自陸宜先生在XVC基金2025年投資人年會上的分享。
加入XVC以來，陸宜先生在早期主導(dǎo)了多個高成長項目的投資，這些項目已經(jīng)成為各自領(lǐng)域的全球或全國第一。其代表性投資案例包括美國最大的生鮮雜貨電商Weee!、全球最大的智能泳池機器人元鼎Aiper，中國最大的研發(fā)管理工具ONES等公司。除了作為VC投資人身份，他更愿意被當做“創(chuàng)業(yè)者長期的戰(zhàn)略伙伴”角色。
加入投資行業(yè)之前，陸宜先生曾任職貝恩公司（Bain & Company），為多家科技和消費行業(yè)的全球500強企業(yè)提供戰(zhàn)略咨詢服務(wù)。
以下為陸宜在XVC 2025年投資人年會的分享：
投資的本質(zhì)，是一種關(guān)于未來的研究與判斷過程。支撐這種研究與判斷的最底層方法，其實可以拆解為兩類：歸納法和演繹法。
簡單說，歸納法幫助我們理解過去，演繹法幫助我們推演未來。
而在AI時代巨大的不確定性中，我們還需要第三個維度：理性邊界——用理性的邊界，對抗認知上的模糊性。
本次分享嘗試用幾個真實案例，把這三件事串在一起聊一聊。
一、從兩場“投決會”說起
案例一：你會不會投這家跨境電商？
想象你正坐在一場投資決策會上，需要對一個項目投出關(guān)鍵一票。
這是一家跨境電商網(wǎng)站，主營女裝、配飾，全部自營。它當時的主要業(yè)務(wù)區(qū)域在歐洲和中東，剛剛進入美國市場，落地時間并不長。2016到2017年間，年對年業(yè)務(wù)增速超過 100%，表現(xiàn)非常亮眼；但在2018年第一季度，年對年增速明顯放緩。它的件單價很低，大約10美元，主打時尚與極致性價比，但質(zhì)量口碑普通，評論里常見“質(zhì)量不怎么樣”這樣的反饋。比較關(guān)鍵的是復(fù)購率指標，具體數(shù)字請看圖。
請問作為IC成員之一，你是否會投資這家公司？
案例二：你會選擇投哪個短視頻產(chǎn)品？
再看第二場“投決會”。
這四款都是短視頻APP，分別以 A、B、C、D 來代稱。它們當時的日活躍用戶（DAU）規(guī)模差異明顯，如圖所示：產(chǎn)品A約 6000 萬，產(chǎn)品B約 1600 萬，產(chǎn)品C約 1000 萬，而產(chǎn)品D則只有大約 500 萬。
產(chǎn)品A：作為最早進入該領(lǐng)域的玩家之一，它幾乎是把短視頻形態(tài)真正帶火的公司。憑借先發(fā)優(yōu)勢，產(chǎn)品A在用戶心智中占據(jù)了極強的位置。它的內(nèi)容完全依賴用戶生成（UGC），同時擁有非常緊密的社區(qū)氛圍，用戶之間的社交關(guān)系和關(guān)注網(wǎng)絡(luò)極為牢固。更重要的是，產(chǎn)品A的增長幾乎完全依靠自然流量推動，其留存率與使用時長都顯著領(lǐng)先另外三款產(chǎn)品。
產(chǎn)品B：雖然同樣來自中國團隊，但它主攻的是歐美市場，整體調(diào)性更加時尚、更具國際化風(fēng)格。然而，與產(chǎn)品A相比，產(chǎn)品B的用戶關(guān)系鏈相對薄弱。盡管上線已有兩年多，但近一段時間其增長勢能不足，用戶增速明顯放緩。
產(chǎn)品C：在產(chǎn)品形態(tài)上幾乎完全復(fù)制了產(chǎn)品A，但依靠極強的市場投放、運營動作以及用戶激勵手段，硬生生搶下了部分市場份額。然而，它在用戶留存、時長等關(guān)鍵指標上仍明顯落后于產(chǎn)品 A。
產(chǎn)品D：它在形態(tài)上對標產(chǎn)品B，但主戰(zhàn)場在國內(nèi)市場。相較于產(chǎn)品A，產(chǎn)品D的總體規(guī)模不到后者的十分之一。更關(guān)鍵的是，無論是留存率還是使用時長，產(chǎn)品D都只有產(chǎn)品A的一半左右，與產(chǎn)品C的差距也不小。
如果你只能押一家公司，你會把錢投給誰？
二、歸納法：從歷史樣本中總結(jié)“勝利者模式”
在詳細分析這兩個投決案例之前，我們不妨先從中跳出來，回到投資的本質(zhì)：無論是研究行業(yè)變化、模式迭代、公司成長，還是團隊能力，我們每天都在做一件事：試圖理解未來；底層研究方法，其實可以被總結(jié)為兩類：歸納法與演繹法。
首先對“歸納法”做定義：所謂歸納法，是指從大量具體事實與歷史樣本出發(fā)，提煉出一般性的規(guī)律和可復(fù)用的框架，再用這些規(guī)律去判斷新的案例。在投資實踐中，這意味著我們依靠歷史案例、核心數(shù)據(jù)、可對比樣本、可觀測行為以及可以遷移的模式，來總結(jié)出一套具有因果或強相關(guān)性的線索體系，并據(jù)此推斷一家公司的未來走向。
歸納法在投資領(lǐng)域大致可以分為三種典型類型。
第一類是類比歸納，也就是大家熟知的“時光機理論”。它的核心邏輯簡單直接：美國已經(jīng)出現(xiàn)過的模式，中國大概率會復(fù)制一遍。在過去二十年的中國互聯(lián)網(wǎng)和移動互聯(lián)網(wǎng)投資中，類比歸納法幾乎是所有成功案例背后的底層方法論。綜合門戶、垂直門戶、黃頁、電商、O2O、網(wǎng)約車、社交網(wǎng)絡(luò)、興趣社區(qū)、長視頻、甚至自動駕駛等賽道上，都能找到與美國市場極為相似的“平行宇宙”。這些賽道的本土創(chuàng)新固然重要，但其起點與邏輯基礎(chǔ)，往往都能追溯到美國市場已經(jīng)驗證過的一套玩法。
第二類是枚舉歸納，即在不同商業(yè)模式中尋找少數(shù)能夠高度決定成敗的關(guān)鍵指標，也就是我們常說的“北極星指標”。例如，對于 To C 的移動應(yīng)用來說，次日留存、7日留存、30日留存往往直接決定了產(chǎn)品是否能打；對于電商平臺來說，復(fù)購率是最能反映Product-Market-Fit的指標；在用戶價值層面有ARPU（用戶平均收入），從整體生意質(zhì)量來看，單位經(jīng)濟模型（Unit Economics）和LTV/CAC等指標是投資人關(guān)注的重點。這些指標之所以重要，是因為它們經(jīng)過長期行業(yè)驗證，只要表現(xiàn)足夠好，往往意味著“這個生意大概率能行”。
第三類是統(tǒng)計歸納，也就是從勝出者中不斷抽象出可被反復(fù)驗證的成功模式。在足夠多歷史樣本的基礎(chǔ)上，我們能看到一些規(guī)律反復(fù)出現(xiàn)，例如規(guī)模效應(yīng)、網(wǎng)絡(luò)效應(yīng)、品牌效應(yīng)、生態(tài)效應(yīng)等等。在歷史長河中，生存下來的 “贏家公司”身上，或多或少都能觀察到這些勝利者模式（Winning Pattern）。
回到第一個投決會的案例公司。
這是一家電商平臺，所以首先從最關(guān)鍵的復(fù)購率來看，這家公司次季度留存只有 10%–13%，一年后的留存只有 4%–6%?？梢越o大家一個參考：作為對比，唯品會的長期留存在 20% 左右。
再看增長曲線。前面提到公司在2016–2017年增速翻倍，但到2018年一季度明顯放緩。歷史經(jīng)驗上看，從高增長掉到中低增速后，再度恢復(fù)高增長的案例并不多見。結(jié)合它的市場布局，歐洲和中東是基本盤，美國市場剛剛起步且尚未驗證，疊加增速放緩，很容易得出老市場趨于飽和，新市場打不動，整體天花板有限的結(jié)論。
平臺件單價只有 10 美元，主打的是低收入人群對廉價服裝和配飾的需求。根據(jù)過往經(jīng)驗，低價很難沉淀品牌心智，用戶忠誠度也往往較弱。同時，我們長期認為歐美是“高維市場”，消費者心智成熟、行業(yè)寡頭（如亞馬遜）已經(jīng)形成壓倒性優(yōu)勢，而當時歷史上幾乎沒有中國電商成功打入歐美的案例。
如果把上述這些信息放在一張投決會的材料里，僅從歸納法出發(fā)、依據(jù)歷史經(jīng)驗和對比樣本做理性判斷，我想答案大概率會是：不投。
而真實答案是——這家公司叫SHEIN。剛才所有的信息，都是SHEIN在 2016–2018 年間的真實情況。事后回看，如果刻板地使用歸納法，那可能就會犯我一樣的錯誤，錯失SHEIN。去年 ，SHEIN的銷售收入為380億美元。
問題的發(fā)生并不在于歸納法本身，而在于我們?nèi)绾问褂盟?。要讓歸納法成立，至少需要滿足三個前提。
第一是可比性。也就是說，當前研究的對象必須和我們所依賴的歷史樣本在核心運行機制上足夠一致，才具有對照價值。如果兩個系統(tǒng)的結(jié)構(gòu)完全不同，用舊經(jīng)驗判斷新對象自然會失真。
第二是穩(wěn)定性。歷史數(shù)據(jù)背后的生成機制必須在未來保持相對穩(wěn)定。如果未來即將發(fā)生結(jié)構(gòu)性變化，比如供應(yīng)鏈能力的躍升、數(shù)字化基礎(chǔ)設(shè)施的重構(gòu)、消費習(xí)慣的轉(zhuǎn)折，那么任何基于過去的數(shù)據(jù)推導(dǎo)都可能失效。
第三是可識別性。研究者必須能夠區(qū)分系統(tǒng)的關(guān)鍵變量與噪音。如果噪聲過大，掩蓋住真正決定趨勢的因素，即便數(shù)據(jù)豐富，結(jié)論也往往會偏離事實。
當這些前提不成立，歸納法就很容易掉入陷阱。典型的六類錯誤尤其常見。
1.刻舟求劍，把刻板印象當成規(guī)律。例如“低價無法形成品牌心智”。對于單個商品而言這可能成立，但如果“低價”變成一個清晰的渠道心智——“在這里可以買到又多又便宜的東西”——反而是極強的品牌形象。
2.邯鄲學(xué)步，比如機械地把美國經(jīng)驗套用到中國，卻忽略政策制度、基礎(chǔ)設(shè)施、人口結(jié)構(gòu)、消費能力等巨大差異，導(dǎo)致類比失真。
3.因循守舊，用靜態(tài)樣本推斷動態(tài)系統(tǒng)。例如忽視推薦算法、供應(yīng)鏈優(yōu)化、履約效率提升帶來的體驗躍遷，最終得出“這件事做不大”的結(jié)論。
4.一葉障目，把短期試錯當成長期結(jié)構(gòu)性障礙，把暫時性困難誤判為不可逾越的瓶頸。
5.本末倒置，當所有人都盯著同一指標時，指標就可能反過來操控行為。例如AI公司為了堆 ARR，不惜用大量短期手段甚至造假推高數(shù)字。
6.坐井觀天，只看歷史，不看結(jié)構(gòu)性變化與技術(shù)范式遷移。當行業(yè)進入新的周期拐點時，舊經(jīng)驗往往全面失效。
當世界進入結(jié)構(gòu)性轉(zhuǎn)折時，片面使用歸納法往往“看不見”正在發(fā)生的變化。
三、演繹法：當歷史失效時，我們?nèi)绾瓮评砦磥恚?/strong>
歷史樣本不再可靠的情況下，我們往往只能求助于演繹法。
所謂演繹法，是從一般性原理、假設(shè)或理論出發(fā)，通過邏輯推理推斷未來的走向。在投資實踐中，這意味著投資人要從宏觀環(huán)境、產(chǎn)業(yè)演化、技術(shù)進步和商業(yè)原理中尋找結(jié)構(gòu)性的線索，并沿著一條邏輯鏈條去判斷一家企業(yè)未來可能走向哪條路徑。
演繹路徑大致可以分為三類。
1.行為變遷的演繹。用戶的習(xí)慣、注意力結(jié)構(gòu)一旦發(fā)生變化，往往會催生新的商業(yè)模式。例如 O2O 重構(gòu)了本地生活服務(wù)體系；短視頻重新劃分了用戶在移動端的注意力分布；拼多多改變了下沉市場用戶的購物行為；移動支付則重塑了支付通道。所有這些變化，本質(zhì)上都是從“人如何改變行為”推演出新機會。
2.結(jié)構(gòu)驅(qū)動的演繹。當宏觀結(jié)構(gòu)出現(xiàn)長期、深層次的變化——例如人口老齡化與少子化帶來的需求轉(zhuǎn)型，城鎮(zhèn)化速度變化帶來的服務(wù)格局重塑，新能源與儲能帶來的供應(yīng)鏈重構(gòu)，或地緣政治推動的產(chǎn)業(yè)鏈自主可控——產(chǎn)業(yè)隨之產(chǎn)生新的機會窗口。這類變化往往不是階段性的，而是長周期的。
3.技術(shù)范式的演繹。當某項技術(shù)本身發(fā)生量級突破，往往會催生一個全新的時代。例如PC向互聯(lián)網(wǎng)、再向移動端的躍遷，自動駕駛逐漸成熟、大模型和具身智能時代的到來，每一次技術(shù)范式轉(zhuǎn)移都會帶來全新的應(yīng)用形態(tài)、基礎(chǔ)設(shè)施和行業(yè)格局。
這三類路徑，構(gòu)成了演繹法在投資中最典型的使用方式：從第一性原理出發(fā)，從結(jié)構(gòu)中找方向，從趨勢中找確定性。
現(xiàn)在我們回到第二場投決會?？赡芎芏嗳艘呀?jīng)猜到了ABCD四個產(chǎn)品分別是誰；現(xiàn)在不妨讓我們換一種視角演繹，來試圖模擬當時的思考。
當時，抖音與快手在產(chǎn)品形態(tài)上走出了兩條截然不同的路徑。抖音選擇了全屏模式，用戶一打開App就進入沉浸式視頻流，每一次滑動、每一秒停留都能直接成為算法的訓(xùn)練信號；喜歡就繼續(xù)看，不喜歡就劃走，這種即時反饋極其純凈。而快手采用雙列信息流，用戶需要先瀏覽封面和標題，再點進去觀看，整個鏈路被拆解成“瀏覽—點擊—觀看”多個步驟，封面、標題和情境都會干擾對真實興趣的判斷，信號顯得更嘈雜、割裂。從推薦算法的角度，全屏模式顯然更適合構(gòu)建高效反饋系統(tǒng)，也更容易在長期體驗上形成差距。
兩家公司在流量分發(fā)邏輯上也截然不同。快手強調(diào)“為普通人服務(wù)”，以關(guān)注關(guān)系為核心，使更多創(chuàng)作者能獲得曝光，甚至在算法中加入類似“基尼系數(shù)”的機制，避免出現(xiàn)極端的馬太效應(yīng)。抖音則從一開始就堅持“為消費者服務(wù)”。字節(jié)跳動所有產(chǎn)品的底層邏輯都是內(nèi)容、用戶與推薦算法的匹配，張一鳴的判斷很清晰：創(chuàng)作者只是1%，消費者才是99%。因此，抖音的分發(fā)邏輯是把最優(yōu)質(zhì)、最熱門的內(nèi)容盡可能填滿用戶屏幕，讓用戶始終感到“爽”。如果我們相信短視頻最終會成為一個覆蓋6–8億DAU的普適產(chǎn)品形態(tài)，那么偏向消費者效用最大化的平臺，顯然更有可能演化成下一代國民級注意力基礎(chǔ)設(shè)施。
在增長哲學(xué)上，幾個產(chǎn)品也有巨大差異?？焓珠L期堅持自然增長，在上千萬DAU前幾乎不做大規(guī)模投放；抖音則完全相反，張一鳴相信短視頻能覆蓋中國6–8 億互聯(lián)網(wǎng)用戶，因此把“增長”視為搶占用戶心智的窗口期。2018年春節(jié)，抖音的投放量超過火山和西瓜視頻的總和；到2018年中，抖音用了不到一年時間完成反超，成為短視頻第一。如果把短視頻理解為“注意力之戰(zhàn)”的終局，那么早期盡可能吃掉新增用戶、即便犧牲短期ROI，也是合理的演繹判斷。
內(nèi)容生產(chǎn)端的策略差異同樣顯著?？焓謭猿钟涗浬?、強調(diào)公平，允許用戶按照自己的方式自然表達；而抖音從一開始就有意識地在城市人群中打造內(nèi)容風(fēng)格，并以工具降低創(chuàng)作門檻：音軌復(fù)用、音畫分離、模板劇本，大幅提升普通人的創(chuàng)作效率；強運營、明確引導(dǎo)與工具升級，又催生了一批爆款創(chuàng)作者與洗腦神曲。在城鄉(xiāng)二元結(jié)構(gòu)下，快手基本盤牢牢扎根于“鄉(xiāng)”，抖音則選擇先在“城”建立潮流認知，再完成由上而下的滲透，這正是其后續(xù)快速擴張的關(guān)鍵。
四、Weee!案例復(fù)盤
2019年10月，XVC領(lǐng)投了Weee!的B輪。目前，Weee!的估值已攀升至 41 億美元，成為北美最大的少數(shù)族裔生鮮雜貨電商。這筆投資，正是歸納法與演繹法結(jié)合的典型案例。
在歸納維度上，Weee!展現(xiàn)出極為扎實的業(yè)務(wù)質(zhì)量。其季度復(fù)購率長期處于行業(yè)高位且十分穩(wěn)定；用戶一旦被轉(zhuǎn)化，訂單金額和品類交叉購買會持續(xù)上升，至今沒有看到明顯的天花板。
但真正決定我們投資信心的，是背后的演繹邏輯。當時重點推演了幾個結(jié)構(gòu)性問題，包括：1）線上生鮮與線下超市的長期競爭格局，2）次日達與即時達的邊界，3）垂直電商與綜合平臺的長周期競爭，4）技術(shù)迭代與成本結(jié)構(gòu)變化，5）長期的第二、第三增長曲線等。
第一個重要演繹來自對線下超市模式的拆解。線下超市必須在核心地段付出高昂租金，并在有限貨架中盡可能塞滿SKU，本質(zhì)上長期受限于“租金—貨架空間—商品豐富度”這三角矛盾。而在線生鮮電商通過中心化倉儲，可以實現(xiàn)“無限貨架”，并用更高的周轉(zhuǎn)效率降低資金占用成本。在灣區(qū)這種華人超市密度最高、線下競爭最激烈的區(qū)域，我們依然觀察到Weee!極其優(yōu)秀的長期留存。向未來看，線下超市已基本達到它的最優(yōu)形態(tài)，而Weee!在商品多樣性、用戶運營、價格體系、配送效率等方面仍有巨大的優(yōu)化空間。長期來看，它完全有機會拿到更高的市場份額。
第二個關(guān)鍵演繹來自“次日達vs即時達”。通過跟車實測，我們發(fā)現(xiàn)Weee!的單車每小時可以完成 10-15 單，而美國大部分地區(qū)人口密度不高，即時達模式每小時往往只能完成2單。在最低時薪 18 美元的前提下，Weee! 的單均配送成本比即時達低約7-8美元，而這幾乎是即時達模式無法優(yōu)化的剛性成本。成本結(jié)構(gòu)和優(yōu)化空間決定了即時達更多只適用于價格不敏感客戶或即時性異常敏感的需求場景。
第三，與綜合性電商的競爭。生鮮雜貨的供應(yīng)鏈能力、倉儲形態(tài)與綜合電商并不相同，尤其是冷鏈、快進快出區(qū)域等基礎(chǔ)設(shè)施。綜合電商若要在這一領(lǐng)域復(fù)制Weee!的能力，幾乎意味著要重建一整套體系。同時，美國市場的流量格局遠不如中國集中，Weee!本身也是極具價值的并購標的。
第四，長期技術(shù)迭代與成本結(jié)構(gòu)演繹。隨著規(guī)模擴大，Weee!的成本結(jié)構(gòu)也會持續(xù)改善。更大的體量意味著更強的議價權(quán)；更密集的用戶分布意味著倉儲與配送效率提升；基于更完整的用戶瀏覽、購買和偏好數(shù)據(jù)，Weee!還可以開發(fā)自有品牌，以更多獨特商品進一步強化競爭力。技術(shù)的演進則會繼續(xù)放大優(yōu)勢，倉庫自動化、高密度存儲等能力，能夠進一步豐富商品組合、降低單位運營成本、提高周轉(zhuǎn)效率，讓W(xué)eee!的模型在規(guī)?；笞兊酶咝А?span style="display:none">1zE速刷資訊——每天刷點最新資訊，了解這個世界多一點SUSHUAPOS.COM
第五，美國是一個多族裔社會，除了華人，還有日裔、韓裔、越南裔、菲律賓裔等其他亞裔，以及規(guī)模更大的拉丁裔群體，他們都有類似于華人的族裔化消費需求，但線下零售并沒有很好地服務(wù)這些人群。Weee!只要構(gòu)建相應(yīng)族裔的商品團隊與用戶運營團隊，就能把同一套運營方法論和基礎(chǔ)設(shè)施能力擴展到更多人群。過去兩年，Weee!逐步拓展進入其他亞裔市場，并在今年進入拉丁裔市場；不同族裔市場中的長期復(fù)購率甚至高于華人群體，也在一步一步驗證最初投資時我們對于Weee！模式的演繹判斷。
五、演繹法的陷阱
歸納法可能錯過好公司，而演繹法則可能擁抱幻覺。要讓演繹法行之有效，也需要注意四個方面：
1.演繹前提的正確：首先必須確保邏輯鏈條建立在堅實的基礎(chǔ)上：出發(fā)點必須是穩(wěn)定、真實的規(guī)律，而不是拍腦袋的假設(shè)；
2.過程中要有能夠被驗證的中間變量：如果關(guān)鍵環(huán)節(jié)無法驗證，那么邏輯越復(fù)雜，結(jié)論反而越不可信；
3.清楚邏輯適用的邊界：明白在哪些情境下結(jié)論會失效；
4.演繹體系必須具備“修正能力”：當現(xiàn)實世界的關(guān)鍵變量發(fā)生變化時，判斷也要隨之調(diào)整，而不是固守既有推理。
所以，我們可以“演繹”出幾個演繹法常常會落入的陷阱。
1.曇花一現(xiàn)，把階段性的窗口當成長期機會。第三方安卓應(yīng)用市場、導(dǎo)航網(wǎng)站曾經(jīng)增長迅速，數(shù)據(jù)亮眼，但只是系統(tǒng)生態(tài)完善前的短命窗口。一旦手機廠商自帶應(yīng)用市場成熟，這些商業(yè)模式很快失去存在價值。
2.周期誤判，誤把短期需求當做長期結(jié)構(gòu)變化。疫情期間Peloton的爆發(fā)便是典型例子。市場一度相信家庭健身行為被永久改變，給公司推到600億美元市值，但疫情結(jié)束后，用戶活躍和使用時長迅速回落，證明這是典型的階段性紅利。
3.螳螂捕蟬，黃雀在后；你的利潤來源，其他人的流量入口。共享單車、共享充電寶早期都被視為高頻、剛需、能構(gòu)建巨大流量入口的賽道，但當巨頭愿意犧牲利潤，把這些工具作為生態(tài)入口時，創(chuàng)業(yè)公司往往瞬間喪失優(yōu)勢。
4.一廂情愿。面對宏大敘事，人們很容易被“星辰大海”的愿景點燃，推理過程被情緒主導(dǎo)，把“希望它發(fā)生”當成“它會發(fā)生”，最終偏離現(xiàn)實。
5.生不逢時，低估時間的力量。方向沒錯，但時機太早。例如2010年左右上海的 Sherpa外賣公司，商業(yè)模式幾乎與后來興起的O2O全一致，但在移動互聯(lián)網(wǎng)和支付基礎(chǔ)設(shè)施遠未成熟的年代，它只能服務(wù)小眾用戶。當真正的窗口打開時，它已無法再追趕行業(yè)節(jié)奏。
六、AI時代下的投資
前面討論了歸納法與演繹法，但現(xiàn)在老革命遇到了新問題：AI時代，傳統(tǒng)的研究方法開始失效。
一方面，過去的歷史樣本幾乎都不再具有參考意義，歸納法難以發(fā)揮作用；另一方面，AI技術(shù)的演進路徑高度非線性，演繹法推論的可能性難以收斂。然而，我們又可以確定：AI是一個長期的、不可逆的趨勢。那么，在這樣的時代，投資人該如何做判斷？
回到第一性原理是樸素也是正確的答案。既然沒有歷史可依，也沒有先例可照，我們就必須從最底層的規(guī)律出發(fā)：從“哪些事情一定會發(fā)生”開始，再反向推演，它最可能出現(xiàn)的路徑（How），大致的時間窗口（When），可能的產(chǎn)品形態(tài)（Product），最可能把這條路走通的人（Founder）。
回看OpenAI的發(fā)展路徑，或許也可以給我們一些啟示：它是AGI時代最重要的樣本型公司。從成立、技術(shù)演進到戰(zhàn)略路徑，本身就是AI產(chǎn)業(yè)的路線圖。
2020 年，OpenAI 與約翰霍普金斯大學(xué)共同發(fā)表了著名的《Scaling Laws for Neural Language Models》。論文清晰提出：語言模型的損失，與參數(shù)規(guī)模、數(shù)據(jù)量與計算量之間，存在穩(wěn)定的冪律關(guān)系。這條 Scaling Law 成為整個大模型時代的“底層物理定律”?；谒覀兛梢源_定：智能的躍遷必然會發(fā)生。接下來要做的，就是識別“限制這一躍遷的約束是什么”，因為真正的投資機會，就藏在這些約束被逐個突破的過程中。
圍繞大模型，我們可以清晰看到四大約束：
1.算力瓶頸：大模型訓(xùn)練高度依賴頂級算力芯片，而它們的設(shè)計、制造和供給極度集中、成本昂貴，并受到地緣政治影響。算力是AI最緊缺的資源之一。
2.能源瓶頸：模型訓(xùn)練本身就是高耗能工程，而未來推理階段的能耗將再上一個數(shù)量級。低成本、可持續(xù)的能源生產(chǎn)、存儲、傳輸，將成為AI擴張的關(guān)鍵前提。
3.數(shù)據(jù)瓶頸：模型訓(xùn)練依賴數(shù)據(jù)，高質(zhì)量數(shù)據(jù)意味著規(guī)模、質(zhì)量與維度（三性）。解決數(shù)據(jù)約束是模型進步的必經(jīng)步驟。
4.人才瓶頸：頂級AI科學(xué)家極為稀缺且成本高昂，了解核心路徑、有成功落地經(jīng)驗的AI工程化人才也很集中。模型復(fù)雜度呈指數(shù)級上升，對頂尖人才的依賴反而更強。
過去5年，OpenAI的發(fā)展也不斷反向驗證Scaling Law的有效性：GPT-3、GPT-4、GPT-4o都沿著規(guī)模–算力–數(shù)據(jù)的“最優(yōu)曲線”前進；每一代新模型能力上的躍遷，也發(fā)生在Scaling Law預(yù)測的“臨界規(guī)?！敝?。
七、用理性邊界對抗模糊性
復(fù)盤OpenAI的發(fā)展，我試圖總結(jié)出三條原則來設(shè)定理性邊界，對抗AI時代的巨大模糊性。
第一，從不可逆變量開始思考：演繹的起點不是“預(yù)測變化”，而是確認“什么不會變”。不可逆變量，是方向性判斷的基礎(chǔ)。
第二，用約束條件，而不是結(jié)果做推理：結(jié)果推導(dǎo)包含太多自由度，很容易滑向腦補；而圍繞“約束”做演繹，更接近事實，也更能找到推動變革的杠桿。
第三，用路徑演繹替代結(jié)果演繹：AI的進化不是突變，而是一連串tipping point 的疊加。每一次技術(shù)與產(chǎn)品突破，都是對路徑的一次修正。
八、總結(jié)
最后，我想對今天的分享做一下總結(jié)：
第一，用歸納法了解過去，明白“為什么會這樣”；用演繹法思考未來，看見“可以變成什么樣”。
第二，無論是歸納法還是演繹法，都有自己的前置條件和適用范圍，要避免掉入單一思維框架的陷阱。
第三，在快速變化的時代，設(shè)定理性邊界可以幫助我們對抗巨大的模糊性。
本文鏈接：xvc基金合伙人陸宜25年終思考：歸納，演繹，和理性邊界http://m.sq15.cn/show-3-159851-0.html
聲明：本網(wǎng)站為非營利性網(wǎng)站，本網(wǎng)頁內(nèi)容由互聯(lián)網(wǎng)博主自發(fā)貢獻，不代表本站觀點，本站不承擔(dān)任何法律責(zé)任。天上不會到餡餅，請大家謹防詐騙！若有侵權(quán)等問題請及時與本網(wǎng)聯(lián)系，我們將在第一時間刪除處理。