Vol.16|用 AI + 遥感数据,如何造一个数字地球?-创业真人秀

Vol.16|用 AI + 遥感数据,如何造一个数字地球?

专辑:Founder 100

时间:2022-03-17

    使用手机浏览器「扫一扫」

    在手机上保存,获得更好体验

标签
歌词

本字幕由天琴实验室独家AI技术生成

发生了一次洪灾

那这个时候其实是需要第一时间越快越好

把成果数据给到相关部门来用于应急救灾

所以呢

我们就可以通过卫星技术来去对每一个地方进行高频次更新

本质上就是对地球气候系统或者说气象系统的一个模拟和预测啊

来去应对未来的这个气候变化

这些其实都是可以为我们带来这个新的应用场景

比如说去预测海底的鱼群在什么地方

来去帮助捕鱼啊

或者是预测这个火山的这个爆发啊

来去这个防灾减灾

这些都是未来随着计算技术的进步

可能会带来的更新的这个应用场景

带你认识100个有潜力的科技创业者

hello

大家好

欢迎收听本期的FOUNDER 100栏目

我是爱跟创业者聊天的帕克

在自然杂志评选出的20 20 年十大科学发现中

卫星图像绘制地球数目的地图名列其中

这是国际上多个科研机构的20 几名科学家共同完成了一项看似不可能的任务

那就是利用卫星的遥感图像

详细描绘出西非地区130 多万平方公里内超过1 8 亿棵树的位置和树冠的大小

而如今呀

自上世纪60 年代兴起的卫星遥感技术和相关研究

在AI 深度学习的算法的加持下

也变得愈发成术

在更多的领域大显身手

所以啊

这期播客我们就邀请到了国内的科技公司大力量子的创始人CEO 王驰

一起来跟大家聊一聊遥感卫星技术的发展

以及AI 技术在遥感数据里的应用

同时啊

我们也特邀了方100栏目的观察员Ashley 作为思考伙伴

一起来参与讨论

哈喽

哈喽

大家好

诶

哈喽

王池啊

那我相信其实大家对于大地量子做的一些事情

呃

有了一些概念

但可能还没有非常的清楚

所以我打算先把这个

呃

一段时间先交给你来给大家讲一讲大地量子在做的一些事情

像像农业的这个场景当中

大的大地量子会来帮助这个场景里面去解决一些什么样具体的问题呢

这个就是我们最近这这个国家提的比较多的

呃

粮食安全的一个问题

对耕地的这个保护

耕地不能用来啊

去

比如说修建不能用来去啊

干别的事

用于种粮食的耕地啊

不能用来去种植这个经济作物

所以呃

在这样的一个啊

大背景上面呢

我对每一个地方进行这个高频次更新的

比如说一个季度或者说一个月更新一次啊

去看当地的这个耕地

或者说永久基本农田

他是否到了这个侵占啊

这个是服务于这个每个地方的这个啊

县级或者市级的这个啊

农业主管部门

或者说自然资源主管部门

我能不能这么来理解

就是大地量子其实做的事情是去把呃

很多这种卫星的这种数据啊

这个数据可能很多很多情情况下可能是这种图像的数据

然后收集起来进行这个

呃

你们统一的这样的

呃处理

然后把它输出成一套技术的解决方案

给到一些可能需要这些数据去做决策的场景

以及在这个场景当中的一些决策者

是的是的是的

就是在创业初期的时候

你想做的是物理世界里面的搜索引擎

那这个搜索引擎当时在你的这个头脑里面有什么画面吗

这个呃

其实当时想象的一个这个画面就是

呃

就是能够这个有一个比如说像一个全息投影这样的一个

呃

数字地球追溯过去发生的事情

现在正在发生的事情

以及这个未来去预测这个未来即将发生的事情

所以啊

在这样的

这个基础上啊

那么我们就啊

开始一步一步的去落地

然后一步一步的去在这个寻求这个场景

嗯

所以后来其实发现这个想做搜索引擎

发现基础数据可能还都没有

没有就是足够到达一个可以做搜索引擎的程度

那我们就从头开始再来是吧

就是让这个我们现在啊

每一天其实都在朝着这个当时愿景在啊

不停的这个拼读

然后每一天事实上都在有这个新的这个进步

我看那个你们自己官网上面

就是在首页当中

现在对于大地量子的一个定义是说叫做订阅式数字地球pass 服务

大概讲一下

可能这个什么叫这个pass 服务呢

或者说订阅式这里面两个关键词吧

啊

就是pass 服务和这个订阅式啊

所以pass 服务呢

就是我们其实并不追求解决啊

这个场景的所有的问题

我们追求解决这个数据的问题去啊

帮助我们的这个

和合作伙伴或者说客户啊

来去完成这一部分的这个能力建设

要更闭环的去解决一个问题

当然这个我们还是需要依靠很多合作伙伴的力量啊

或者说客户的力量

那定义是呢

是说的是这个数据是按照时间去更新的啊

这就有点像这个之前您提到的这个空间数据的本我举个例子

比如说森林砍伐

那森林砍伐的这个场景啊

任何这个客户是不太可能去用去年的砍伐数据来在今年去执法

它是需要不停的啊

去进行这个更新的

这也就是为什么我们讲这个定位是一个相对比较低的一个成本

然后持续的啊

获得这个呃数据服务啊

咱们其实刚刚聊到就是王石其实提到一些比较关键的点哈

一个呢就是呃

在呃整个数据这个层面上面

其实大地量子加入了一个非常呃关键的维度

就是时间的维度

就它并不仅仅是可以看到当下的

或者说呃某一个

和具体年份的

你其实是可以回溯到

呃

任何一个

呃

比如说限定范围内的一个一个一个时间区间里面来去看这个数据的一些变化趋势的朋友会关心说这个数据居然可以更新的这么快

所以我相信就是大家已经开始会去好奇说

那我们来去做这件事情

数据的来源到底是什么

然后包括在呃

这个数据

呃

数据这个领域当中

现在发展到什么样的程度了

比如说更新的速度呀

获取的精度呀等等的数据的来源呢

这个大多数公司可能都是这个两类数据

第一个是这个开源的数据

第二个是这个商业的数据

或者说自研的这个微信的这个数据

行业里面大部分的公司啊

都可能来自于这两类数据啊

全球范围内我们也可以看到

比如说像这个美国的拉a 啊

像这个欧洲的欧空局

不能够提供大量的这种开源的数据啊

中国也提供啊

那另外一部分就是这个

呃

自己发卫星

或者说用别人发的卫星

这个合作研发或者说

用或者说采购数据

呃

除了这个开源数据之外

也会有一些

呃

提供数据的这种商业机构嘛

中国的比如说航天设计啊

成功卫星啊

这些都是在国内可以提供这个啊

商业数据的这些公司啊

再比如说在美国的这样的一些公司

就是其实呃大量子也会从他们那边去采购数据

对吧

是的是的

哎

有这个朋友问哈

说你们自己有没有自研卫星的计划

有想法吧

有想法

但是坦诚的讲到这个我们做卫星肯定不专业啊

比起专业的这个啊公司来讲

所以啊

我们大概率是不会去这个从零到一的这个自研的啊

我们现在更多的还是跟这个成熟的这个公司进去进行合作

那你们有最有可能去参与到卫星这件事情里面的方式会是什么呢

它是定义需求吧

因为在站在我们角度

因为应用上做的更多

你刚刚说到其实开源的数据

现在的整个精度其实都已经做到非常非常高了

是吧

当我们在谈精度的时候

这个大多数时候在谈两类精度

第一个是空间分辨率

第二个是时间分辨率

所谓空间分辨率这个非常容好理解

就是说这个数据上面一个上代表这个地表的多少距离这个啊

进度呢

这

个那从光学的角度来讲

可能是在开源的大概十米左右啊

这样的一个级别

那相业的呢

可能是能够做到

比如说像0 .5 米

时间分辨率呢

是另外一个意思就是啊

我多久可以对头顶上

比如说在北京上空啊

多久可以去更新一次这样的一个数据

大多数的呃

卫星来自于这个啊

在极轨或者说在太阳同怖轨道

可能是在几天或者说十几天啊

担心可以去进行一次这个数据更新

但是我们如果去进行数据融合

也就是说把大多数的数据都啊

融合在我们的自己的这个平台上面

同时啊

基于融合数据去提供服务

而非基于单身的数据提供服务的话

那么这个时间分辨率可以做到很高的啊

比如说一天啊

或者说甚至小于一天

刚才火点的这个案例是另外一个案例啊

它是这个

因为它在同步轨道啊

所以昨

就同步轨道

就是说它相对于地球静止啊

也就是说它只能拍摄到比如说东半球啊

一颗卫星它不会到西半球去拍

所以啊

大上的精度啊

从时间和空间来讲啊

大概是这样的一个情况

我们刚刚其实聊到了非常多

就是目前来讲的话

这个数据的水平啊

因为像刚刚其实这个

呃

在你之前其实我们也在去讲说

呃

呃

大地量子其实有非常多遥感方面的这些专家

然后从你们来看的话

就是在过去这些年

如果我们作为一个外行人哈

就是怎么样能够帮助我们啊

更好的来去理解说过去这段

比如说十年或20 年的一个跨度里面

遥感这个领域当中发生的一些技术变化

呃

两个层面的这个变化吧

呃

第一个就是商业数据

商业卫星的这个

或者说商业航天啊

这件事情的这个放开

那我们也看到这个国内很多公司啊

都开始参与这个商业航天

比如说像做火箭的这个星级种药啊

做

谓新的天啊之类的这样的一些啊

公司

创业公司去做这个商业行业

当然啊

也做这个

有很多做应用的公司来啊

在这个领域去得到了一个很好的发展

第二个就AI 技术的发展啊

我们其实不能忽略这个AI 技术的一个发展

因为数据的分析啊

数据的或者说啊

有价值数据的这个提取是一件啊

非常重要的一个事情

仅仅是对着地表拍一张照片

或者说大家可能都玩过无人机去飞到一定的这个高度

比如说120 米

然后去对一片农田去进行这个拍摄啊

那其实是很难发现从照片里面直接看出来这片农田种的是什么作物啊

一个楼它到底有多高啊

这个是很难通过这个无人机直接这个啊得到了

所以数据的分析

数据提取啊

就变得非常重要

那么AI 技术的发展呢

从上次这个阿尔法战胜事实之后

这个大量的公司就开始去做

和AI 到现在为止

其实我认为仍然在这个不停的去不停的发展

我们仍然可以看到

每天都可以看到大量的这个论文

或者说大量的这个应用

非常有意思

比如说这个AI 作曲啊

AI 画画之类的这样的一些应用啊

当然我们这个并不做C 端的应用

上次咱们其实也说到

就是遥感技术

它其实是一个一个算是一个技术合集的一个比较宽泛的这样的一个概念

那对于大量子来讲

就是你们会比较聚焦或关注

或者说重点使用的遥杆的是哪些技术

呃

传感器的种类

对啊

我们其实都用了那个

我们因为那用场景非常多嘛

啊

我们这个跟我们接触的这个啊

需求非常多啊

那大上呢

这个那就是从如果我们从顶层层开始讲的卫星可以分成这个通道摇嘛

通信导航遥感啊

那么我们属于遥感这这样的一个这个领域啊

那遥感里面我们按传感器去进行这个大面上的区分呢

可以分成这个光学啊

雷达啊

或者说这个激光雷达啊

这样的一些数据

那我们其实那都用

而且我们是融合着来用

举个例子

比如说我们去识别一个这个识别一个农作物光学和雷达的时候都会用到

并且都放到一个模型里面去

会有一些应用场景的不一样

比如说这个啊

云覆盖啊的这个影响

我们是可以可能考虑雷达会更多一些

那再比如说当我们要去计算一个树

目的树的这个高度的时候啊

我们可能就需要用到这个激光

雷达的这个数据载激光雷达啊

并不是记载

其实是取决于我们要去捕获什么样的数据

然后再来去看我们要通过什么样的传感器来去啊

来去拿到数据

诶

那刚刚其实说到就是遥遥感卫星其实拍下来的就是各种各样的图片嘛

就是各样各种这种我们可以来去处理的图像的信息

那毕竟其实这个场景跟我们比如说说人脸识别呀

或者说物体的识别呀

我觉得其实它还是有非常非常大的区别的

所以从你来看的话

就是呃遥感的一些数据

它会有一些什么样的

比如说特殊性吧

谈到谈到这个遥感数据

我觉得啊

第一就是大啊

就非常的大啊

它的这个每天我们这个新增的这个数据量

可能是在这个十到20 个TB 左右啊

就是新增的

这还不是存量

就是每天可能都会新增的这个数据

那在这样的大的一个数据量的这个情况下

我们怎么去进行这个数据管理

啊

或者说我们怎么去搭建这个计算的基础设施

这些都变成了一个很大的一个问题

那我们其实是花了很长的时间来去解决这样的一些技术问题

那另一个部分呢

就是啊

因为改数据毕竟是在大气层外啊

去进行这个数据获取

所以处理起来其实并不像这个

比如说人脸的照片

或者说啊

传统的这个

地表的这样的一些数据

那么呃

那么容易

那么直观

或者说那么容易理解

我认为可能两点吧

就是第一个是工程上面啊

怎么去对大数据进这个大数据是指这个尺寸上很大的这个数据啊

去进行这个处理

然后第二点是这个啊

我们确实需要需要结合这个传感器的硬件特征啊

来去进行一些啊

额外的一些工作

嗯

然后这个AI 其实也会是就是大地量子里面

我觉得还很关键的一点

因为其实包括其实咱们刚刚说到数据量

就是数据量越大

其实AI 在这个里面能够发挥的作用

呃

包括可能它的呈现出来的效果其实会越明显

那比如说我是不是能够简单的跟我们大概说一下

就是AI 具体是怎么样在这个场景里面来去发挥作用的

其实呃说这个数字地球说这个啊

订阅式的这个数字地球pass 服务啊

这个总结出来

不管是识别一个农作物

识别一个大坝

这

这个识别一条铁啊

或者说去计算一个铁的这个成降啊

无论是什么应用

其实我们都可以把它归为啊

两个点啊

那第一个就是识别地地表上面有什么东西

第二个是计算这个东西的某些物理特征啊

比如说高度啊

比如说这个成交量啊

比如说它的这个啊

浓度啊之类这样的一些物理特

所以a 里面这个啊

在别啊这个领域其实是起到了相当大的这个作用

在这个领域当中

就是你们的数据处理的这种及时性的需求

就是立即马上就要去把这件事

就把这个数据处理掉啊

就这个需求它会它是在一个增加的一个趋势上吗

是的

呃

数据的这个立处理这个肯定这个需求

这个现在还有很多这个做卫星的公司提这个新上计算

新上AI

就是说想要处理完了之后

把处理的结果直接下啊

而不是传这个原始数据啊个地方

发生了一次这个啊

洪灾啊

或者说啊

滑坡啊

那这个时候其实是需要第一时间越快越好的把这个成果数据给到这个相关部门

用于应急救灾

呃

刚刚其实王石分享了很多哈

就是关于数据这个维度上面的东西

然后我们接下来呢

其实还挺想跟你聊一聊

就是在呃具体的场景里面再去解决哪些问题啊

第一就是大地量子其实肯定很多

呃

应用的这个场景的base 其实都还是在中国嘛

然后我们其实也非常好奇

就是在你们

呃

就是在最开始来去做应用场景的时候

你们是从哪些场景来去切入的

这些场景跟比如说国外同类型的这些公司

其实同样的场景的时候

我们会遇到一些什么样啊

不一样的情况啊

或者说这个更具体的一些问题嘛

讲一个这个金融的这个农村金融的一个场景吧

就是啊

这个其实是一件很有意思的事情

我们跟一些银行去进行这个合作

来去帮助他们去进行农户

的授信啊

也就是以前一个农户要贷款

它是很难贷到的

它可能这个需要经过一个非常长的一个流程

所以分控在里面起到了这个很大的一个作用啊

来让银行愿意来去为很多这个啊

个体的农户去进行这个信用贷啊

那我们就通过比如说去识别啊

某一个农户过这个啊的一个种情况

历史

从而来去预判它的这个收入情况啊

所以啊

这个是啊一个特有的一个应用场景

而且特别适合于啊

通过卫星来去做

因为有历史数据的这个积累

无人机不可能去飞去年的数据啊

所以啊

这个是一个啊比较有意思的一个应用场景

当然了

我们一开始也做了一些走了一些弯路

比如说我们一开始想要去为啊

这个在农业这个场景里面去为这个农户提供比如说像涨势监测这些东西

但是

这件事情后来被证明是个委屈户

对于自己的这个定义了如指掌

这个肯定比我们更了解

他没有办法

或者说没有完全没有这个需要去借助这个科技手段来去坚持地

当然这个现在在美国是OK 的

因为美国的这个人均耕地面积很大

大概我记得是4000多亩吧

所以这个是也是一个一开始啊

忽略了这个中美两国国情的差异啊

所走的这个弯吧

这个还是蛮有意

我其实还挺好奇

就是当你们来去做

因为你你是说这个有很多客户其实会给你提需求嘛

就是你像在那个大地量子

你们会去做客户调研嘛

就你们我还蛮好奇你们是怎么来去做客户调研的

很多客户会问

会跟我们沟通啊

通过一些主动方式啊

来找到我们

当然我们自己的这个商务端的这个同事也会主动的去联系一些这个客户啊

跟这个客户多沟通

然后对其互相的这个能力

对其这个预期啊

就多聊啊

除此之外

目前我们没有任何捷径

你自己会花多少时间在这件事情上面

因为我觉得可能在这个你们做的这件事情里面

其实对于场景的理解

以及他们具体是怎么样来去用起来这个产品

就对这件事情的细节的理解

其实似乎还蛮重要的

会需要去做这个很多

比如说做DEMO 的这个工作啊

做些PC 的工作啊

有些PC 是这个免费的

有些是我们需要这个收取的个用

比如说在这个里面有可能一些会有一些什么样的需求

会你们做到产品里面去

比如说如果我们就拿一些可能比较特殊的场景

举个例子什么的

这个在金融域

金融领域这个目前大数据上面是大部分这个方案是相对比较成熟的

但是如果这个

那比如说在客户有些时候会提一些私化部署的这个需求啊

有些时候可能会提一些这个展示层的这种需求啊

比如说需要一个3 D 的一个地图之类的

这样看起来更好看一些啊

事实上我们认为这个只要是合理的这个诉求

我们都愿意去啊

往前推啊

然后把这件事情给这个啊做进去

就这个啊

也没有什么方法论

这个就是一事一意嘛

那就看这个需求的这个特殊需求的这个重量

就看场景里面的共性

共性的需求

是的是的是的

然后看这个需求能够多大程度上面被不断的来去复用

然后这样的话就肯定开发的成本才能够就节省下来嘛

因为我看到你们那个官网上有说说七行代码构建空间数据服务能力

这这七行代码是怎么来的

我还蛮好奇的

啊

七行代码

事实上那个

呃

三行代码或者十行代码其实都可以

这个取决于代码的这个书写习惯

我们提这个七行代码主要是想要强调一个点

就是我们的产品很容易被集成

每个用户他可以通过这个很简单的方式

可能几分钟就能够把我们的这个SDK 的这个能力啊

集成到他自己的这个产品里面去

那所有的比如说关于地图的这个交互能力

或者说对数据处理的能力都不用管

那这样他我们用户可以专注于做他自己的业务

这个就是我们所谓的这个被集成嘛

啊

很轻松便捷的啊

可以被集成

呃

因为咱们其实是订阅式服务嘛

那我理解

我不知道理解的对不对

还是说这个订阅

它其实订阅的是

呃

大地量子在不断的来去更新这个最底层的这个数据库

然后并且把它可能按照

呃

相对这种

呃

可视化

可可交互的这样的方式

能够去把它更好的来去呈现出来

然后不断的在这个

里面其实是有这种

呃更这种这个数据的更新的

呃维度啊

然后包括颗粒度啊

都在不断的呃升级

所以它就是大家核心订阅那个服务是这个东西吗

还是说其实可能还会有更多的增值的东西

我举个例子啊

这个比如说我们最近探索的一个非常有意思的一个

呃

对C 端的一个场景就是啊

去做这个数字文旅

举个例子

峨眉山峨眉山的这个啊

山三地的这个地形啊

你很想知道自己现在在哪个地方

离山林还有多远

那你们在这个AI 加遥感的这个技术方向上面

后续会有一些什么样的研究重点嘛

当然这个就是沿着我们的这个啊

沿着我们一如既往的这个方向来

去能够识别更多的这个东西

或者说去计算更多的这个东西

比如说我们最近啊

在研发上面一直这个啊

非常关注基础设施啊

比如说这个铁的这个啊

沉降或者说行变的这个监测周边

呃

物体的这个对铁造成的这个外破啊

或者说在公路上面对这个周边的这个山体化坡

或者说公路本身的这个平整性啊

进行这个常态化的这个监测

这些其实都是啊

我们的这个重点

不过这里也想再提一下

这个AI 摇感AI 只是我们方向之一

我们最终的这个景还是啊

还是去啊

识别表上面的

和啊

这个是什

然后以及这个东西的物理量

一些跟业务相关的这个物理量是什么

所以机理模型其实我们也会用很多

比如说我们团队有这个非常优秀的啊

做的这个团队就是去计算啊

一个物体的这个啊

发生了几毫米或者说几厘B 的这个啊

形变啊

沉像之类的这样一些事情

这个其实啊

我们并不会为了AIAI

嗯

这个在使用AI 上面

这个如果他能够比机理模型更好的解决这个问题

那当然就用它

如果不能

那我们就仍然还是会用这个机理模式

虽然AI 听起来是一个更好听的一个词

但是事实上啊

我们在做很多这个实际应用的时候

并不会局限于一定要用AI 格式

嗯

那全球范围内就是

呃

做这个方向的公司有很多吗

就大概这个全球范围内的这样的一个竞争

竞争的格局大概是什么样子

嗯

就首先这个卫星数据天然就是全球化的

因为中国的卫星可以非常自然的去获取到美国的数据

同样美国也是啊

能够非常自然的获取到中国的数据

所以这是一个天然从机理上来讲

从技术上讲是一个天然全球化的一个啊

一个市场

但是因为市场我们认为市场足够大了

所以竞争当然也没有到这个那么白话的这样的一个程度

软件定义卫星这件事情

好像似乎现在也是一个还蛮热的一个概念

你怎么来看这个趋势

软件定义卫星或者说计算这个

呃

我相信当然是这个未来的一些这个趋势

可以在一些场景起到这个很不错的这个作用

举个例子

比如说在光学卫星这个场景

如果能够把云的这个能力放在心上

而不是放在这个就是线下

那么他第一是能够这个降低数据的传输量啊

然后第二是能够这个啊

能够这个减少一个处理步骤啊

就对于后面

因为我们发现很多光学卫星在某些区域

比如说四川前天都是云的这种地方基本上数据都是无效

对于光学来讲

他有原因啊

那么就没有办法用

这个是一个比较实际的问题啊

那么我们之前注意到

比如说像国内的一些这个很棒的这个创业公司啊

也在做相关的这个事情

我认为未来肯定是一个趋势

技术会慢慢的这个发展

但是在现在我们还是

啊

可能还是需要用这种数据到里面

然后呢

去进行很重的计算的这样的一个模式

那还会有一些什么样新的技术

比如说在未来的三到五年内

会在你们的这个领域里面产生一些交集

甚至带来一些变化

我们其实很关注这个

第一个是GPU 的计算能力

我们也是这个这个项目

然后对于GPUGPU 的这个

然后你画底层技术的这个发展啊

都能够带来一些这个新的变化

带来主要是上面的这个变化

那同时呢

我们也比较关注这个宇宙

自己做了一个这个宇宙这个其实啊

在气象方面这个F

通过深度学习技术

然后去做这个气候变化的一个建模

然后当然这个定义一个宇宙啊

其实也可以说成数字地球

其实没有什么太大的区别

本质上就是对这个地球气候系统或者说气象系统的一个模拟和预测啊

来去应对未来的这个气候变化

这些其实都是我们非常关注的这个技术和这个技术突破

可以为我们带来这个新的这个应用场景

比如说去海底的鱼群在什么地方来去帮助捕鱼

或者说预测这个火山的这个爆发啊

来去这个防灾减灾啊

这些都是未来随着计算技术这个进步可能会带来的新的这个应用

另外一个方向就是或者卫星的这个

比如说像L 波段雷达这样的一些这个

就是场景

那你有没有去想过

就是大弟子

比如说最远的

你现在能够看到的最远的那个会是什么样子

可能就是想象的那个城市对手实现就是把那个东西真的能够把它做出来

只不过现在就是确实还有非常多的身体力行的工作

其实是需要呃

就是自己一点一点的去把它做起来

从一七年开始就是创业到现在

你自己觉得变化大吗

一开始不会融资啊

然后这个非常机缘巧合

也是运气好

这个拿到了第一笔融资

后来就学会这个怎么去融资了

一开始的时候对这个技术也没有这个太多的这个理解

是因为我在博士期间

可能做算法啊

或者做计算

一开始凭着一股这个冲动啊

就启动了这个公司

咱们其实就是聊了挺长时间了

就我自己会再从这个这个这个客观的角度上

外部的视角来看

我觉得在这个里面

对于任何一个早期的创业公司来讲

其实起点它是很重要

但是起点绝对不是说决定这家公司是不是能成了那个最重要的那个点

就是你在这一条上面

我们怎么把一个具体的一个一拍脑子的一个想法

把他变成一条非常切实可行的一个路径

包括可能在这个路径当中

我们什么时候去判断说叫什么

就是这个这个技术是不是ready

应用是不是ready

需求是不是存在

我觉得在这个里面

创始人好像都是要经常要去做非常非常复杂的这种这种决策

我觉得这个其实可能才是对于创始人来讲

我觉得最考验的

一个能力之一吧

觉得在里面这个其实最难的点就是在于没有一条清晰路径

可能自由度太大

就是一个就是它里面就是最困难的这个地方

因为这个也不知道走向东边啊

是不是正确的这个方向

或者说正确方向在南边

看上去任何方向都可以走

但是事实上这个就是

呃

可能和学生时代非常不一样的地方

因为学生这个中考高考这个出国

然后博士写论文

其实每一步都非常明确

但是创业是完全不一样

还有我们投资人给了我们这个很多帮助

确实是这个在整个这个过程中

我们这个几家这个投资机构都给了这个很多很多方向上面的一些建议或者帮助

当然是有帮助的

但是这个归根到底他还是高自由度

这个高风险这件事情

那在你看来

比如说如果我们去抽象一些关于创业这件事情

比较底层的一些东西的话

如果我们把创业比作一门学科

你会觉得他是一个关于什么的一个学科

就首先我觉得他和学科是不太像的

因为每家公司都不一样

然后每一家成功的公司成功是不一样的

每一家失败的公司失败的原因

虽然可以总结一些通用的这种原因

但是还是不一样

所以事实上没有任何的教材或者书本可以去学习一些固有的东西啊

也没有这个清晰的这个道

如果一定要把它比成一个学科化

我觉得可能用这个孔子的话来讲

这个五日三省五身

然后不停的复盘

然后这个不停地回头看

可能能够取得这个最终的胜利

好了

这就是本期播客的全部内容啦

也欢迎大家在评论区留言

分享你对我们内容的看法

当然啊

也非常期待你们把我们的播客分享给身边的朋友们

在这里啊

我们会跟早期科技创业者们深度的聊天记录他们的思考洞察

也许啊

他们的常识就是你的前言

最后啊

也欢迎大家关注我们的视频号park

每周我们也会邀请创业者与观众来实时交流和分享

最后啊

再次感谢大家的聆听

我们下期播客再见

展开显示全部歌词