被劝退的创业起点

曾振回忆2018年创业两个月时被中国聋人协会主席劝退，以及当年被诟病的“学生气”。他讲述2015年加入公益创新社团、接触弱势群体的经过。

从肌电手环到视觉识别

导师受中国聋人协会委托用深度学习做助残项目，团队尝试肌电手环做手语翻译。硬件合作方被谷歌收购后停产，团队转向摄像头视觉方案，并讨论国内以康复融入主流 vs 海外手语基础设施的差异。

二十亿美金市场为何无人做

美国手语翻译市场约二十亿美金，FCC提供补贴，但主流AI公司因市场小、数据标注成本高而不愿投入。曾振解释手语不是简单数据映射，需要算法与建数据能力，预训练算力投入几千万筛掉99%团队。

数据配方与竞争格局

曾振不透露具体数据配方，但表示大模型能力越强、人工介入越少。国内海外有几十家在做，包括华为等大企业和高校实验室，初创公司估值从几百万到一亿美金。主播与嘉宾讨论手语非标准化、方言化带来的难度。

第一个客户是新加坡地铁

团队最初设想残联或政府集采，但最终主动找上门的客户才成。第一个商业客户是新加坡地铁供应商SMRT，因当地有必须投出的残障领域资金。国内服务过残特奥会、微软大会，但未形成批量收入。

几生几死与技术三阶段

曾振用“几生几死”总结公司历程，本科和研究生毕业都是节点。产品模态从手环到手套再到视觉，技术从机器学习、深度学习走到大模型。2022年后思路每三到六个月变一次，大模型让预训练思路从非共识成为共识。

无障碍基础设施与手语字幕之争

聋人的无障碍基础设施远少于盲道和坡道。曾振认为字幕和手语不是对立关系，文字与手语同时提供对信息接收更优。实际使用中用户常问“你是谁”“厕所在哪”，手语带来信息完整与社区认同。终局是API形态。

产品效果与数字人细节

实现终局的坎是算法效果：翻译是否更好懂、数字人形态是否喜欢、肢体表情是否自然、语法是否符合聋人习惯。表情和身体是手语必需项。曾振提到产品大部分变化是看不见的算法迭代。

社会创业者标签与务实态度

曾振从未从社会创业者角度考虑问题，投资人更在乎科技含量。2018年是硬科技投资刚起步的尴尬时点。他回忆被中聋协主席劝退，认为挫折是创业常态，高光只有几分钟。

国内VC为何不投手语翻译

曾振认为手语翻译不是国内VC偏好的类型，核心是买单方未ready，无障碍基础设施需要时间。资金密度和分配方式决定成败，国内高效方式是让巨头先冲，小企业直接做机会不大。他结合华为政府企业业务经历谈体制内采购逻辑。

去华为补心态与标签

曾振去华为做客户经理，动因是硬科技创业讲背景，需要top标签。一年半里他不再惦记大企业，也不再纠结人生路径，补上了“社会性”。2024年3月20日任职满一年当天离职，因团队成长、新资金到位，起步条件成熟。

合伙人团队与C端启动

三个全职合伙人撑起公司，另有清华北大博士加入。2024年回归后决定启动C端，近景是浏览器插件为YouTube提供手语版，远景是双向翻译App与API。C端能带来海量真实反馈，商业想象力也更大。

B端G端与C端的逻辑差异

B端G端决策链长、买单理由多，C端只有一个理由：手语翻译能力。C端产品插件去年已有，但需等模型ready再推。团队按C端重新配置，海外为主，因教育市场不是初创公司能做的。曾振认为路径无法复制，要founder mode发挥长板。

团队构成与给年轻人的建议

合伙人团队从2020年至今稳定，多为高中同学、学弟。曾振认为创业从一度人脉拉起是常态。对想做AI for good的年轻人，他说这是自动筛选过程：如果每个阶段都是同期最好的之一，收到信号，才适合做。

信息平权与沟通无障碍

曾振建议不要只和同领域比，要和同期所有创业者比。创业反人性，只有最好团队才能坚持。舞指科技分两阶段解决问题：信息平权与沟通无障碍，最终让聋人直接用手语与AI交流，根本改变上千万人的生活。主播以节目收尾语结束。