在过去三年，自 ChatGPT 横空出世以来，生成式 AI 正在从学术实验室快速走向产业前线。它不仅重塑了生产力工具，还引发了AI Agents、行业落地应用、生物医药交叉创新等一系列创业与投资热潮。与此同时，巨头与开源的竞争、基础设施与安全的挑战，也让 AI 创业充满机遇与不确定性。

8月30日，波士顿清华校友会与北京大学新英格兰校友会联合举办了一场聚焦 AI 创业的圆桌论坛。四位重量级嘉宾的讨论，为我们贡献了一场思想的盛宴。他们不仅分享了前沿观点，更通过各自独特的创业历程，为我们呈现了 AI 创业前沿的真实画卷。

论坛嘉宾

罗鸿胤：一位将技术理想主义付诸实践的科学家。他是 Subconscious Systems 的联合创始人兼 CTO，MIT CSAIL 研究员，麻省理工学院的 EECS 博士。他开发了TIM 模型与TIMRUN推理系统，致力于突破模型上下文限制，大幅提升长周期智能体的推理能力与效率，为AI应用落地奠定基石。他的选择，不仅是技术的突破，更是对未来趋势的精准预判。

柴菁菁：一位横跨投资与创业的“双栖”玩家。作为 Taihill Venture 合伙人，她长期专注硬科技投资，主导和参与了多个明星项目。在深耕资本市场的同时，她也身体力行，于 2025 年共同创立 Foundry BioSciences，探索 AI 与生命科学的交叉创新。哈佛大学金融学硕士与南京大学管理学学士的跨学科背景，赋予了她对技术如何实现商业转化与资本价值的深刻洞察。

强静：一位充满传奇色彩的创业者。他创办的信诺维医药聚焦肿瘤、免疫等前沿领域，已建立起庞大的产品管线，并达成超 20 亿美元的国际合作。同时，他作为管理规模达65亿元的杏泽资本合伙人，投资了君实生物、康方生物等明星企业。这位拥有清华大学应用经济学博士学位，并曾连续多年获评医药行业顶尖分析师的行业领袖，用实战经验诠释了产业与资本的完美结合。

刘瑞华：一位不断挑战自我，对时代机遇具有敏锐嗅觉的连续创业者，每一次转型都精准踩中时代脉搏。作为 Hill Research 的首席执行官，她带领团队打造的生成式 AI 临床试验管理平台，正在大幅缩短新药研发周期。公司近期融资超募近三倍，获得了美国顶尖基金的青睐。这位曾获微软加速器支持、荣登《福布斯》北美华人 60 强的耶鲁博士后，用实际行动证明了技术创新与商业成功的无限可能。

技术竞争：远未落幕的“群雄逐鹿”

罗鸿胤

当被问及基础模型竞争是否已经结束时，罗鸿胤指出，以 OpenAI、Google 和 Anthropic 为代表的巨头仍在激烈角逐，同时中国的开源力量也在快速崛起，共同构成了一个充满变数的技术竞争格局，这场技术革命远未到终局。

刘瑞华（中）

刘瑞华则从最实际的“人才”角度提供了佐证。她观察到，做基础大模型的大公司团队成员非常难挖。“如果这个领域已经稳定，按理说这些人应该非常好挖才对。”更直接的证据来自她的业务实践：“我们发现包括刚出来的GPT-5，在非常简单的统计学任务上给的答案还是错的。”

柴菁菁（中）

柴菁菁从投资人的角度给出判断：“虽然我们知道基础模型的上限还远没有被达到，但基础模型需要大量的资本，和长期的工程经验积累，是一场“烧钱又烧人”的持久战，并不是适合初创公司的赛道”。

强静

强静的看法则更为宏观，“只要现在所有的大模型还没有达到真正智能的地步，我相信一定有很大的发展空间。”

投资评估优先级：四种创业哲学的深度碰撞

柴菁菁：人才至上的投资哲学

柴菁菁毫不犹豫地将“人”放在首位。她认为，最重要的是评估“这个团队是不是最适合做这件事情的团队”。她强调，技术和市场都在不断变化，只有对的人，才能具备长期高速成长的能力，并持续构建和保持竞争优势。她同时指出，虽然人最重要，但技术壁垒和市场规模也必不可少。她提醒创业者，要避免“拿着锤子找钉子”，确保技术能够解决足够大的市场痛点。

刘瑞华：现金流至上的实战主义

作为一位连续创业者，刘瑞华认为：“公司倒闭基本上就是因为一个原因——账上没有钱了。”她认为，一切的前提是生存，而生存依赖于健康的现金流，这可以通过投资、自有资金或客户付费来获得。她用三个案例生动地阐述了这一观点：

某生物设备公司：一个拥有顶尖团队和雄厚资金的项目，因市场天花板过低（全球仅几十家客户），无法实现规模化收入。

支付行业：一个像 Stripe 这样的项目，即便没有技术壁垒，但因身处万亿级市场，只需占据极小份额就能获得巨大成功。

转折案例：一个六年间濒临倒闭的项目，最终却因其独特的专利，被大公司以一亿美金收购。她总结道，只要你在“牌桌上”，一切皆有可能。

罗鸿胤：技术差异性的理想主义

作为典型的技术专家，罗鸿胤最重视的是技术的差异性。他认为，如果一个领域已经有大量顶级人才在努力，他再去参与也只是锦上添花。他坚信，技术差异性是打造护城河的关键。同时，他也强调了团队匹配的重要性：“为了把技术做成产品，那就一定需要能够找到一个有做开发者工具产品经验的co-founder。”

强静：模式为王的产业现实主义

强静从丰富的投资经验和产业背景出发，最关注的是商业模式的可行性。他分享了第一波AI制药公司失败的惨痛教训：许多公司过度吹嘘其技术，却无法提供任何可验证的实验数据。

他强调，模式的选择至关重要。在中国，做服务难以获得高估值，必须“真正地做出一两款药来”；而在美国，服务和产品模式都能做得很大。技术与产业的完美结合是成功的关键。

四种不同的优先排序，反映了不同角色的核心关切：

柴菁菁（投资人）：关注长期价值，相信优秀的人能够适应变化。

刘瑞华（创业者）：关注生存，认为现金流是一切的前提。

罗鸿胤（技术专家）：关注护城河，相信差异化技术是竞争优势的根本。

强静（产业专家）：关注落地，强调技术必须与产业模式完美结合。

这种多元化的评估框架为 AI 创业者提供了宝贵的参考：在技术驱动的早期阶段重视差异化，在团队建设阶段重视人才匹配，在商业化阶段重视市场规模和现金流管理。

创业初期资源配置：四种“少花钱、多办事”的实战智慧

当被问及在资源极度受限的创业初期如何做出最关键的决策时，四位嘉宾都分享了各自的实战经验，每个人的策略都体现了不同的创业哲学，但都指向同一个核心：用最少的资源，解决最真实的问题。

罗鸿胤：从自身痛点出发的精准验证

核心策略：懒人驱动的技术创新

罗鸿胤坦言，最初的技术创新源于自己的“懒”。作为一名开发者，他经历了开发过程中的痛苦，因此想要开发技术来帮助自己节省时间。他坚信，正是因为人类想要“偷懒”，才会有更多高科技出现。为了在几乎零成本的情况下验证市场需求，他采用了发送“LinkedIn消息”的策略。他向70多位CTO和数据负责人发送私信，询问他们是否对自己的技术感兴趣。结果收到超过 50 人积极回复，这让他确认了该痛点确实存在，并坚定了将技术产品化的决心。

刘瑞华：三阶段进化的渐进策略

核心策略：从朋友圈到大市场

刘瑞华分享了一个极为实用的渐进式策略。她将创业初期分为三个阶段：

朋友圈验证：首先从身边的朋友和客户的需求出发，用技术解决他们的问题，以此获得第一批用户和反馈。

破圈产品设计：根据一位导师的建议，她将产品从“大家看了再想想”升级为“让对方看了就想要”。为此，她将公司利润再次投入产品开发，打造更具吸引力的产品，以吸引更多陌生客户。

大市场聚焦：最终，他们将全部精力投入到FDA申报文档的数据分析上。这是一个市场规模大且有明确刚需的领域，为公司带来了稳定的规模化收入。

她分享了一个令人印象深刻的“破圈”案例：在一次会议上，她用 AI 在十分钟内找出了竞争对手报告中的 36 个错误，成功说服一家药厂与其合作，从而获得了宝贵的订单。

柴菁菁：数据飞轮的资源最大化

核心策略：选择强体感消费场景

柴菁菁从自己创办 Foundry BioSciences 的经验出发，分享了资源配置的核心逻辑：在资金和经验都有限的情况下，必须选择能够快速证明能力、且有真正市场需求的方向。

她选择将 AI 技术应用于抗衰老消费品，而非漫长且烧钱的制药领域。她认为，做药对于初创公司而言风险极高。而“强体感”的消费品，能够让用户快速感知到效果，从而形成复购，并让底层的 AI 模型通过每一次产品迭代来积累数据，最终构建起独特的竞争壁垒。

强静：现金流管理的生死智慧

核心策略：永远留住活下去的资金

强静分享了自己创业中最深刻的感悟：“你要管理好你活下去的资金。”

他提出两项核心原则：

资金预留：公司账上必须永远有一笔不能动的钱，以维持 6-12 个月的运营。

高效用人：与其低薪招聘大批普通员工，不如高薪吸引少数顶尖人才。他相信，花两倍的钱招聘一个人，比花一倍的钱招聘两个人更高效，也能避免未来裁员的痛苦。

尽管四位嘉宾的具体策略不同，但他们的经验都指向几个共同的原则：

从真实需求出发：无论是从自身痛点、朋友需求、还是产业刚需，都必须确保你的产品解决的是一个真实存在的问题。

低成本验证：利用零成本的手段（如 LinkedIn 邮件、现场演示）来验证市场需求，避免盲目投入。

渐进式发展：从小处着手，逐步扩大，通过稳健的现金流来支撑企业的成长。

资源最大化利用：将有限的资源集中在关键环节，并通过创新的商业模式（如数据飞轮）来构建护城河。

他们的故事告诉我们，在创业初期，最宝贵的资源不仅仅是资金，而是清晰的思维、务实的策略和活下去的智慧。

从技术演示到规模化收入：四位专家的实战指南

当被问及如何跨越技术演示与规模化收入之间的鸿沟时，四位嘉宾都结合各自的实战经验，给出了极具操作性的建议。

刘瑞华将跨越鸿沟的过程总结为“三部曲”：从“发烧友”到“细分市场主导”，最终进入“主流市场”。她用 AlphaLife 的成功作为最佳案例。这家公司精准解决了医疗写作中的痛点，从而获得了某Top3药企千万美元级的订单。这个案例证明了“极简主义产品形态 + 精准市场定位”是成功的关键。

强静从投资人和创业者双重身份出发，强调集中优势兵力，先做出一款产品来证明自己。他用 AI 制药行业的失败潮警示创业者，要警惕那些无法提供可验证实验数据的“伪 AI”项目。他建议创业者与多家公司合作，用自己的模型帮助他们做项目，通过交叉验证来降低风险。

柴菁菁以 Cursor 为例，说明了在垂直领域做深、解决明确痛点的价值。

罗鸿胤则从技术角度提出了独特的视角。他认为，成功的 AI 创业不应只关注当下的热点，而应提前布局，解决未来会遇到的问题。他的团队正在开发的 AI 工具，就是为了帮助未来的开发者节省时间。这种前瞻性的布局，才是构建长期技术护城河的关键。

尽管四位嘉宾的策略不同，但他们的经验都指向几个共同的原则：聚焦单点突破，快速验证和迭代，并建立可持续的商业模式。他们的故事告诉我们，跨越鸿沟的关键在于用最少的资源，解决最真实的问题。

AI社会责任观：不替代而是赋能的产品哲学

在谈到AI的社会责任时，刘瑞华分享了一个深刻的思考：AI不应导致大规模失业，而应成为提升人类价值和影响力的工具。

刘瑞华的团队在开发 AI 临床试验平台时，发现一个令人不安的现实：一个 AI 加上一个程序员，就能在一个月内完成过去10个人一年的工作。这意味着每签一个订单，就可能导致九个人失业。

面对这种“效率 vs 就业”的道德困境，他们提出了一个独特的解决方案：

核心理念：不减少人，而是增加影响力。他们设计的平台旨在让使用者的部门变得越来越重要，而不是被边缘化。

产品设计： 他们的产品通过自动化工作，让使用者能处理比以往多得多的项目。例如，原本一年只能做10个临床项目，有了他们的工具后，可以处理100个。

可视化贡献： 他们还设计了一个巧妙的功能：让 AI 生成双重报告。一份报告用于日常工作，另一份则向管理层展示 AI 辅助下工作者巨大的工作量，让领导看到“这一个人根本忙不过来”，从而为部门争取更多的预算和人员。

刘瑞华认为，AI 的真正社会责任在于创造增量价值。以新药研发为例，虽然 AI 能提高效率，但全球仍有大量病人没有药可治。在这种情况下，AI 能够加速新药研发，将更多资源投入到原本无法覆盖的领域，从而推动整个行业向前发展，最终造福全人类。

她总结道，技术永远在变，但商业的本质是不变的。 AI 的作用不是取代人类，而是赋能人类，帮助他们解决当下最重要的问题，从而促进整个社会的进步。

四种愿景的交汇

罗鸿胤认为，AI 创业的下一个拐点仍然是泛化性问题。他预测未来会有更多去中心化的后训练模型。柴菁菁则更为乐观，她相信未来十年，AI 在科学领域会取得突破，比如生成全新的材料和药物。

强静则相信，AI 将促进整个社会组织结构的彻底变革。

刘瑞华则以周期性的眼光看待 AI 的发展：“AI 这个行业是有周期的，火个几年突然再消停一下，然后突然又来了一个东西又火几年。十年以内可能已经出现一个新的学科。”

结语：四种智慧的融合启示

这场论坛不仅是观点的碰撞，更是四种创业人生的深度对话。罗鸿胤的技术理想主义、柴菁菁的投资实用主义、强静的产业现实主义、刘瑞华的连续创业精神，共同构成了AI创业生态的完整图谱。

他们的故事告诉我们，成功的 AI 创业既需要技术创新的突破，也需要商业模式的精心设计，更需要对人性和市场的深刻洞察。在这个充满变革的时代，真正的机会属于那些既能仰望星空，又能脚踏实地的创业者。正如强静所说：“最好的项目只会流向专业最强且资源最丰富的机构或个人。”而这四位嘉宾，正是用他们的专业深度和资源积累，为我们描绘了 AI 创业的真实图景。