开场：机器人进家庭会比预期更快吗

节目以一段关于机器人进家庭场景的争论片段开场，主持人周子彭介绍嘉宾晋英杰的身份——国内头部加速器行业负责人，从 2020 年开始寻找中国的 OpenAI，并预告本期将谈创业赛道与创业者能力。

从多伦多创业论坛到 VC：一条被拒出来的路

晋英杰回顾学生时代办创业论坛、在加拿大看项目回国募资失败的经历，以及回国面试被拒、进 PE 转 FA 的过程。他总结“永远赚不到认知之外的钱”，并因看到某位大佬的演讲而选择进入 VC。

VC 是个很酷的行业，但商业模式很古早

他坦言最初做 VC 是觉得酷，读了《创业维艰》后更坚定。但后来认为 VC 从捕鲸时代到红杉六七十年没变过，不代表最先进生产力，很多情况下只是投进本来就能融到资的项目。

硬科技时代需要什么样的孵化器

他提出适配中国硬科技投早投小投长投硬的模式更像 new lab 孵化器：占大股、帮大忙，提供拿到手就能用的集群、懂融资的 FA、顶尖人才密度和 environment，像早期捕鲸人出海，不光给钱还要给船。

中国大模型：人才够，缺的是预训练经验

他认为中国有顶尖人才密度的团队，CMU 博士没毕业就回国加入 frontier lab，但缺算力与大量预训练研究经验。普通公司只做微调和应用平台建立不了壁垒，垂类公司必须把数据放回模型里训自己的模型。

制造业与娱乐：两个可能守住的数据壁垒

他提出与 frontier lab 朋友的分歧：中国制造业和金融有大量数据，可通过定制化付费建立壁垒。盖茨说九成软件需求被压抑，AGI 后软件市场可能大十倍。他还谈到关系与多模态是 agent 层难被吃掉的部分。

“机器人进家庭更快”是幻觉

面对国内外大量居家场景 demo，他直言这是幻觉，千万不要轻易走进家庭场景。demo 有水分但外行看着惊艳，资本兴奋蜂拥而入。不过他认为这波热潮会留下人才和供应链，关节、电机、磁材都会往上走。

卖铲子：铲子越做越小，值钱的是 know-how

他分析机器人赛道里素材、手、硬件上游等铲子方向，指出成本占比超 20% 到 25% 的设备很少，铲子越做越小。数据素材溢价低，真正值钱的是像 Scale 那样的核心 know-how 和数据标准，国内很多具身公司不一定有。

他看好什么样的人：大规模训练与非共识

他欣赏在五十台机器人、万卡资源上做过训练实验的人，以及愿意下场走进产业的人。他习惯寻找非共识，2021 至 2022 年问语言模型三年能否像贾维斯，只有三人同意，而这三人都握有千卡级资源。

AI 直觉与 taste：把看项目当成模型训练

他把自己的判断力迭代比作模型训练：从问蠢问题，到掉进老专家陷阱，再到混入他人 taste 而忽略“游戏得好玩”。他认为 AI 预测经常出错，taste 越来越重要，方法是持续去 play hard。

最难训练的是 motivation

他讲自己接手“量化人类需求”课题，最后发现人本身就是 sensor，不必绕脑电波和多巴胺。他判断项目靠聊够数量形成直觉，而最难训练的是 motivation，会一路追问到创业者的童年成长环境。

研究型创始人能不能变成好 CEO

他拆解见过的几类创业者：技术强但闭塞的、很 nerd 但有互补合伙人的、傲气不愿接触客户的。他认为开公司只是进入一个新 environment，情商没大问题就能活下来，但要做到最好还需要最好的数据、极强的技术和准确的 timing。

样样通样样松？靠 sample efficiency

面对跨赛道看项目的质疑，他坦承很难克服，但看得足够多后 sample efficiency 会提升，投中赛道最好项目带来的信号能帮他排除噪音，就像聪明模型在不懂的领域里需要的数据更少。

给在读博士的建议：先去 frontier lab 待一年

他建议顶尖博士生先去千问、预演或谷歌、OpenAI、Anthropic 工作一段时间，感受模型三个月一 shape、算力一年一迭代的脉搏，培养 AI sense 和 connection。创业时要自己冲在最前面，短时间聊三十到一百个用户，本质是在蒸馏环境。

快问快答：高估世界模型，低估数字娱乐

他认为被高估的是世界模型，被低估的是 AI 在数字娱乐的体验；最想看到 iPhone 时刻的领域是眼镜；未来三年具身在智能制造、工业、商超落地赚钱板上钉钉，但进居家场景很难。最后推荐电影《云图》。