第 3 章 · 押骑师不押马：AI 创始人的新画像
核心心法：Bet on the Jockey, Not the Horse —— 押骑师，不押马。 AI 时代的重写：骑师没变，但评判骑师的标尺重新刻度——必须叠加「真懂 AI」+「速度」两条新维度。
3.1 引子：一个高中辍学的创始人
2023 年某天，张倩在苏州第一次见到张路宇——Dify 的创始人。
她后来在一次访谈里描述这次会面：
「张路宇高中辍学，没读完高中。但我见到他的时候，他眼里在发光。他的核心团队和他在一起干了十几年——程序员、产品、设计——挤在一起，有超强的凝聚力。
当时他们的产品 Dify 还很早期，我们都看不清商业模式。但我做了一个决定：投这个团队。
因为我相信一件事：这个团队本身就很强，足够值得投资——商业模式可以慢慢摸索出来，但这种『眼里有光』的团队，是稀缺资产。」[1]
3 年后回头看：
- Dify 全球安装量超 40 万[2]；
- 中国约 70% 用大模型做应用的公司都是它的客户；
- 海外营收占比超 50%——张倩亲自带它去 GTC 拓展北美市场；
- 这个曾经看不清商业模式的项目，今天是中国最受关注的 AI 应用平台之一。
张倩没有押 Dify 的「商业模式」（horse），她押了张路宇这个团队（jockey）。
这就是这一章要讲的第三条心法：Bet on the Jockey, Not the Horse。
但这条心法在 AI 时代有一个关键的新刻度：「骑师」的标准，从「学历 + 大厂经验 + 二次创业」升级为「真懂 AI + 速度」。
3.2 心法陈述：骑师的科学
3.2.1 经典版本：押骑师不押马
Strebulaev 在 The Venture Mindset 里讲得很清楚：
「Horse vs Jockey 的辩论从 VC 出现的第一天就在了——投人还是投生意？
VC 的结论一边倒：投人。」[3]
为什么？因为：
- 生意会变：每个伟大公司的最终业务，往往和创业初期完全不同——X.com 变成 PayPal，Confinity 变成 PayPal，Burbn 变成 Instagram，Tote 变成 Pinterest，Odeo 变成 Twitter；
- 市场会变：你今天看好的赛道，2 年后可能被颠覆；
- 唯一不变的是「人」：好的创始人会在生意 / 市场变化时，带着团队跨越每一次转弯。
Strebulaev 引用了 First Round Capital 的一份内部研究：他们追踪了 600 多家投资过的公司，发现「创始人质量」对最终回报的解释力，比「初创业务的市场吸引力」高 2-3 倍[3]。
中国的版本同样成立。张倩在 2023 年访谈说过：
「**我们投过的案例里，比如张一鸣、雷军，他们都是非常有天分的程序员出身，同时学习能力很强，潜力很大。**他们最终做出来的公司，和最初的 BP 都不一样——但他们都做出来了。」[4]
这就是经典版「押骑师」的内核。
3.2.2 移动互联网时代的骑师画像
把张倩 2010-2020 年间的成功案例（字节跳动、小米、美团、蔚来、金山云）做交叉分析，可以提炼出 「移动互联网时代骑师 5 维画像」：
| 维度 | 描述 | 张一鸣 | 雷军 | 王兴 | 李斌 |
|---|---|---|---|---|---|
| 1. 技术深度 | 程序员出身或深度技术理解 | ✓ | ✓ | ✓ | △ |
| 2. 二次/三次创业 | 已有过失败或退出经验 | △（早期） | ✓ | ✓ | ✓ |
| 3. 学习能力 | 跨领域快速适应 | ✓ | ✓ | ✓ | ✓ |
| 4. 大厂或行业 sense | 知道产业的「真实细节」 | ✓ | ✓ | ✓ | ✓ |
| 5. 长期主义 | 愿意 5-10 年熬一件事 | ✓ | ✓ | ✓ | ✓ |
这 5 维是「经典 VC 看人」的标准模板。在移动互联网时代，符合这 5 维的人，跑出 Home Run 的概率显著高于平均。
3.2.3 AI 时代的重写：必须新增 2 条
但到了 AI 时代，张倩明确加了 2 条新维度——她在 2025 年 9 月访谈里反复强调：
「我看 AI 创业者，最看重两件事：
第一，对 AI 技术的认知——不要求科班出身，但要对行业内的技术进展了如指掌。我会问他们：transformer、scaling law、MoE、RLHF 这些每一个，你怎么看？你的判断是什么？
第二，速度——在 AI 这个快速发展的行业，时间就是生命，速度决定成败。我见过很多『创业一年多了，还拿不出 Demo』的——这就是问题。」[5]
为什么必须新增这 2 条？
为什么「真懂 AI」是新刚需
移动互联网时代，技术深度是「nice to have」——你可以是一个产品 + 商业人才，找一个 CTO 配你。
AI 时代不行。原因：
原因 A：技术 = 战略。
在移动互联网时代，「用什么后端框架」「用什么数据库」是技术决策——它影响 cost，但不决定产品形态。
在 AI 时代，「用什么模型架构」「自训还是微调」「长上下文还是 RAG」直接决定产品形态。一个 transformer 时代的 Agent 产品和一个 Mamba 时代的 Agent 产品，用户体验差距是数量级的。
如果创始人不真懂 AI 技术，他不会知道 6 个月后什么是「新可能」——他会把战略停留在「今天的能力边界」。
原因 B：技术 = 速度。
AI 时代的迭代周期是 6 周（一个 minor model release 周期）。如果创始人不懂技术，他每次「跟进新技术」都要走完 internal communication → CTO 解释 → 产品调整 → 工程实现——这个流程往往 2-3 个月。
而懂技术的创始人，自己读 paper，自己 prototype——决策周期 1 周。速度差 10 倍。
原因 C：技术 = 沟通。
AI 创业公司的核心稀缺资源是 AI 人才。懂技术的创始人，能在面试时直接挑战候选人的技术深度——这是最强的人才磁吸。
不懂技术的创始人，必须依赖 CTO 做面试——这 layer 一加，最顶尖的人才会跑去自己直接和创始人对话的公司。
所以「真懂 AI」不是技能要求，是战略 / 速度 / 人才三个维度的复合刚需。
为什么「速度」是新刚需
移动互联网时代，慢一点不是死。微信 2011 年上线，对标的米聊和 Talkbox 都还活着——只是慢慢被甩开。
AI 时代，慢一点是死。原因：
- 模型能力 6 周一升级——你的产品差异化窗口最多 3 个月；
- 估值飞涨陡峭——晚一轮融资估值翻倍；
- 创始人之间的差异化主要在执行——idea 越来越不值钱，执行速度变成核心 alpha。
张倩的判断很直接：
「创业一年多了，还拿不出 Demo——这就是问题。」[5]
我把这条标准展开为可量化指标：
| 阶段 | 期望时间 | 具体里程碑 |
|---|---|---|
| 创立 → 第一版 Demo | 1-3 个月 | 内部能跑 |
| 创立 → 公开 Beta | 3-6 个月 | 100 个外部用户 |
| 创立 → 第一笔付费 | 6-9 个月 | 第一个付费客户 |
| 创立 → PMF 信号 | 12 个月 | 月留存 40%+ / NRR 100%+ |
| 创立 → A 轮融资 | 12-18 个月 | 主流 VC 主动接洽 |
任何一个里程碑超期 6 个月以上，且没有强解释的，骑师评分降一档。
3.3 中国案例：3 个 AI 时代的骑师画像
3.3.1 杨植麟（月之暗面 / Kimi）：学院派 + 商业 sense 的复合体
背景：
- 卡内基梅隆大学博士（NLP 方向）
- Google Brain、Meta AI 研究员
- 师从 Ruslan Salakhutdinov（深度学习教父之一）
- 2023 年回国创立月之暗面
为什么是好骑师：
- 真懂 AI 技术：transformer 时代核心研究者，发表过被引用 1000+ 的论文；
- 速度：2023 年成立，2024 年初推出 Kimi（公开 Beta），6 个月内做到中国 C 端 ChatGPT 替代品最大单一应用；
- 学习能力：从纯学术研究者快速转型为带产品 / 商业团队的 CEO，2 年内把估值做到 200 亿美金[6]。
张倩的判断逻辑（从公开访谈推断）：
- 杨植麟代表了「学院派创始人 + 速度执行力」的稀缺组合；
- 月之暗面 2024 年的 Kimi C 端突围，证明这一组合的执行力超出市场预期。
但同时要注意——杨植麟也有典型的「学院派创始人」风险：
- 学术派对「商业模式」的敏感度通常不如商业派；
- 与 OpenAI / Anthropic 等团队相似，烧钱速度高于营收增长速度。
这是为什么张倩 2025 年的判断是「这一代走 Scaling Law 路线的大模型，是大公司才能玩的」[7]——她没有重仓 Kimi 这种基础模型公司，但她承认杨植麟是好骑师。
3.3.2 梁文锋（DeepSeek）：「反共识」骑师的极致样本
背景：
- 浙江大学信息与电子工程学士、硕士
- 创立幻方量化，做量化交易，2015 年起家；
- 2021 年开始组建 DeepSeek AI 团队（作为幻方内部研究项目）；
- 2023 年 DeepSeek 独立运作；
- 2025 年初 DeepSeek-V3 / R1 发布，全球开源 AI 排名第一[8]。
为什么是好骑师：
- 真懂 AI 技术：自己写 paper、自己拍板模型架构（V3 的 MLA 注意力 + DeepSeekMoE 都是他和团队的原创创新）；
- 速度：内部憋了 5 年（2021-2025），但一旦发布就用极快速度迭代——V3 → R1 → V3.5，每 2-3 个月一个大版本；
- 反共识：在所有人卷大参数模型时，他选择用「极致工程优化 + MoE」做出 1/10 训练成本的对标 GPT-4 模型——这不是技术赛跑，是路线赛跑。
核心特征：「5 年准备 + 6 个月爆发」的骑师。
这种类型的骑师在传统 VC 视野里不容易识别——因为他们不到爆发那一刻，看起来都「没什么动静」。VC 在 2024 年之前不会主动找梁文锋——但他们错过的代价是：DeepSeek 估值从 100 亿到 450 亿美金的飞涨[8]。
启发：好骑师有时会潜伏。建立长期 sourcing 关系比「等他出来融资」重要 100 倍。
3.3.3 张路宇（Dify）：「眼里发光」的高中辍学骑师
我们已经在引子里详细讲了 Dify。
为什么张路宇是好骑师（按张倩的判断）：
- 真懂 AI 技术：虽然没有大厂或学术经历，但对开源社区、LLM 应用、Agent 框架有第一手实战感——这种 sense 不是 reading paper 来的，是自己写代码、被 GitHub 用户怼、迭代上百次养出来的。
- 速度：2023 年发布 Dify，2025 年达到 40 万全球安装量——2 年从 0 到行业 #1 开源 LLM 应用平台；
- 凝聚力：核心团队跟他干了十几年——这种凝聚力比融资能力更稀缺。
张路宇代表了「学历 ≠ 骑师质量」的典型样本——这也是张倩反复强调的：
「不要求科班出身，但要对行业内的技术进展了如指掌。」[5]
「真懂 AI」可以来自学术训练（杨植麟），可以来自工程实践（梁文锋早期路径），也可以来自开源社区+自学（张路宇）。路径可以多元，深度不能打折。
3.4 硅谷对照：Sam Altman vs Sundar Pichai
3.4.1 Sam Altman：YC 时代的「最强骑师选拔器」
Y Combinator（YC）历任掌门人 Paul Graham、Sam Altman 都说过类似的话：
「YC 的核心方法不是教创业，是『选好骑师』——我们看 1000 个创始人，选 200 个进 batch，我们的回报 80% 来自这 200 个里的前 10 个。」[9]
Sam Altman 自己后来作为 OpenAI CEO 也成了一个 case study。他不是 PhD，不是技术 lead——但他在以下两个维度上极强：
- 真懂 AI：他不写 paper，但他能用 1 小时和 Ilya Sutskever 讨论 transformer 内部细节——这是他多年和顶级研究者深度互动养出来的 sense；
- 速度：OpenAI 从 ChatGPT 发布（2022.11）到 GPT-4（2023.03）只有 4 个月，这种速度需要 CEO 自己懂技术 + 推动决策。
但 Altman 也不是没有争议——他在 2023 年被董事会短暂解雇又复职，反映了一个深层问题：当骑师太强，董事会能否制衡他？这是另一个话题（详见第 5 章 Agree to Disagree）。
3.4.2 Sundar Pichai：「学习型骑师」的另一种范式
如果 Altman 是「激进型骑师」，Sundar Pichai 是「学习型骑师」。
他在 Google 内部做了 15 年——从 Chrome 项目经理升到 CEO。他没有创业经历，没有 PhD（虽然有斯坦福 MS），不是世界顶级 AI 研究者——但他做对了一件事：在 Google 因 ChatGPT 而焦虑时，他没有恐慌。
2024 年 Pichai 在一次访谈里说：
「ChatGPT 出来的时候，外界以为 Google 会输。但我们知道，搜索的核心是『回答用户问题』——LLM 让我们能更好地回答，但用户『搜索』的本能没变。
所以我们没有把 Bard / Gemini 变成 ChatGPT 的 clone，而是把它深度集成到搜索体验——这是一场长期战，不是一次产品发布的胜利。」[10]
Sundar Pichai 体现了另一种骑师特质：「沉得住气」+「结构性判断」。这种类型的骑师在「老牌大公司转型」的 case 里特别稀缺。
启发：骑师有多种类型，没有一种是「唯一正确」的。VC 的工作是识别哪种类型适合哪种 stage 和 type 的公司——而不是用一种模板套所有人。
3.5 反例与陷阱：骑师画像的 5 个误区
误区 1：「履历光鲜」≠「好骑师」
2018-2022 年，中国 AI 一级市场涌现大量「前 BAT P9+」「前 Google Brain 研究员」「前 Anthropic 高级工程师」创业团队。
履历是真的，但履历不等于创业能力。
我看到的几种典型 fail mode：
- 「职业经理人创业」：曾经是大厂高管，习惯了内部资源 / 流量 / 信任红利，自己创业时无法从 0 拿到客户、招到人、撑住现金流；
- 「学术派创业」：曾经发表过 NeurIPS / ICML 论文，但不会做产品、不会卖货——3 年后拿不出 Demo；
- 「关系派创业」：靠朋友圈关系做 sourcing 和招人，没有真正的产品和市场判断——融资轮次靠人情而非数据。
正确做法：履历是「初筛通过条件」，不是「投资决策依据」。深度 DD 必须验证执行力。
误区 2：「有梦想」≠「有路径」
每个 AI 创业者都说「我们要做下一个 OpenAI」「改变世界」。
梦想越大越好——但没有路径的梦想等于幻觉。
判断方法：
- 让创始人讲：「我们要做下一个 OpenAI——具体来说，未来 18 个月你要做哪 5 件事，每件事的 milestone 是什么？**」
- 如果他能讲出具体、可量化、有逻辑链条的 18 个月路径图——好骑师；
- 如果讲不出来，或者讲的是「先做 PMF，再扩张，再国际化」这种空话——pass。
误区 3：「反向背书」陷阱
「红杉 lead 了 A 轮」「a16z partner 个人天使了」——这些信号在 AI 时代经常被滥用。
为什么？因为：
- 顶级 VC 也会犯错（参见 1.4 节 Bessemer Anti-Portfolio）；
- 「partner 个人天使」和「基金 lead」是两回事——前者经常只是 50 万美金试水；
- 名 VC 早期投的项目，很多最终是「陪跑」状态，没有兑现回报。
正确做法：别人的背书是参考信号，不是决策依据。自己做 DD，自己判断。
误区 4：「家世」陷阱
「xx 二代」「xx 之子」——这种信号在某些 fund 内部被当作「资源加分项」。
但实际上，家世和创业成功率几乎不相关，甚至负相关：
- 「含着金钥匙出生」的创始人，往往对失败的容忍度低——他们没有「输不起」的紧迫感；
- 「靠家庭关系开局」的项目，早期表现往往虚高（资源带来的增长非自然增长），后期会暴露问题。
正确做法：家世可以是 sourcing 渠道（你怎么认识到这个项目），但不是投资决策依据。
误区 5：「只看 1 次」就下决心
很多 VC 和创始人只见 1-2 次就开始谈 term sheet。这在估值飞涨的 AI 时代很常见——速度压力让 VC 无法做长期观察。
但好骑师的判断通常需要至少 3 次互动：
- 第一次：讲故事，听他怎么 frame 自己；
- 第二次：技术深度，挑战他对 AI 的认知；
- 第三次：复盘，问他「过去 6 个月你最大的失败 / 反思是什么」——如果他答不出来或者只说成功，pass。
如果时间紧迫，可以把这 3 次压缩到 2 周内，但不要省。
3.6 落地清单：AI 时代的骑师 14 项尽调清单
把这一章的方法论翻译成可操作工具——给 VC 投资人在 DD 时使用的 14 项「骑师质量检查表」：
A. 技术深度（4 项）
- 挑战 transformer 架构：「你怎么看 MoE vs 稠密模型？为什么？」——能讲出 trade-off 的，good。说不清楚的，红旗。
- 挑战 scaling law 判断：「你认为 scaling law 还有多少代际可以走？什么时候会撞墙？」——能给出有数据支持的判断，good。说「没人知道」的，问题。
- GitHub / arxiv 检索：创始人 / 核心团队是否有 transformer 时代的真实工作？哪怕是开源贡献？
- 产品技术 review：让创始人逐行解释他们的 system design——多久能讲明白？讲不明白的，CTO 是不是真在做主？
B. 速度（3 项）
- 里程碑达成率：让创始人列出过去 12 个月的 OKR / 里程碑——哪些达成，哪些超期。超期 50%+ 且没有结构化解释的，红旗。
- 决策周期：问「你们上一次重大产品调整是什么时候？花了多长时间决策？」——决策超过 4 周的，速度有问题。
- DDL 文化：和团队中层 / 工程师聊天——「你们公司的 deadline 文化怎么样？是不是经常 ship」——如果团队没有 shipping cadence，骑师没有 push 到位。
C. 学习能力（3 项）
- 「最近读了什么 paper / book」：好骑师每周至少 3-5 篇 paper / 1 本好书。
- 「最近最大的认知升级是什么」：好骑师能讲出具体的、最近 3 个月内的认知更新。说「没什么变化」的，learning rate 低。
- 「你哪里错了」：让创始人讲一个他过去 12 个月内的判断错误。能讲且复盘到位的，high learning。讲不出或推卸责任的，low learning。
D. 凝聚力（2 项）
- 核心团队的 stick rate：核心团队成员中，多少人和创始人合作 5 年+？10 年+？数字越高越好（但要平衡多元性）。
- 「team retention 数据」：过去 12 个月公司离职率？关键岗位是否动荡？
E. 长期主义（2 项）
- 「你最长能 hold 多久不出来融资」：好骑师能讲出 18-24 个月的 runway plan。讲「必须 6 个月内拿到下一轮」的，cash flow 紧张，决策会变形。
- 「5 年后这家公司是什么样」：好骑师能讲一个清晰的 5 年愿景——而不是「我们看 6 个月」。
评分规则
- 每项 0-3 分（0 = fail，1 = poor，2 = good，3 = excellent）
- 总分 42 满分
- 35+ 分：A 级骑师，强烈推荐进入深度 DD
- 25-34 分：B 级骑师，进入有条件 DD（重点 verify 弱项）
- <25 分：pass
本章小结
Strebulaev 的「Bet on the Jockey」在 AI 时代仍是 VC 的核心心法——但评判骑师的标尺重新刻度。
移动互联网时代的 5 维画像（技术深度 / 二次创业 / 学习能力 / 行业 sense / 长期主义）依然有效，但必须叠加 2 条新维度：
- 真懂 AI——不要求科班出身，但要对行业内技术进展了如指掌；
- 速度——时间就是生命，速度决定成败。
中国一线案例（杨植麟 / 梁文锋 / 张路宇）展示了 3 种不同的 AI 时代骑师范式：学院派 + 速度、反共识 + 长期潜伏、开源社区 + 凝聚力。
硅谷对照（Sam Altman / Sundar Pichai）提醒我们：骑师有多种类型，VC 的工作是识别哪种类型适合哪种 stage 和 type 的公司。
避免 5 个误区：履历光鲜陷阱、有梦想没路径、反向背书陷阱、家世陷阱、只看 1 次就下决心。
实操工具：14 项骑师尽调清单——4 项技术深度 + 3 项速度 + 3 项学习 + 2 项凝聚力 + 2 项长期主义，42 分满分制。
押骑师的本质，是相信「伟大的人会带着平凡的生意走向不平凡的终点」。
延伸阅读
- The Venture Mindset (Strebulaev & Dang, 2024) — 第 5 章 “Bet on the Jockey”
- First Round Capital “Founder Quality Research”
- Y Combinator Paul Graham 论文集 — “How to Pick Cofounders”
- Sam Altman 公开演讲与播客（OpenAI 内部沟通节选）
- 张倩 / 天际资本 新浪 2025-09 长报道
思考题
- 用本章「14 项尽调清单」给你过去 12 个月接触的 5 位创始人打分。哪几位 35+？哪几位 <25？事后看，他们的项目表现是否和你的打分相关？
- 假设你是一个 AI 创业者，请用「5 维 + 2 维」的标准自评——你的弱项是哪几条？如何 18 个月内补强？
- 杨植麟、梁文锋、张路宇代表 3 种不同的骑师范式。如果你只能投 1 个，你会选哪个？为什么？（注意：这个问题没有正确答案，意在测试你对「骑师 - 项目 - stage」匹配的判断）
引用
- [1] 新浪财经 (2025-09-07)：雷军和张一鸣背后的女人，正在寻找下一个字节
- [2] 同 [1]
- [3] Strebulaev, I. & Dang, A. (2024). The Venture Mindset. Penguin Random House.
- [4] 36 氪 (2023)：精准捕捉近 10 年的每一波科技浪潮，「天际资本」的寻宝秘诀是什么？
- [5] 同 [1]
- [6] 网易 (2026-05)：晚点独家·月之暗面将完成 20 亿美元新融资，估值破 200 亿美元
- [7] 新浪财经 (2025-03-25)：对话天际资本张倩：AI 投资最好的红利期 2 年前已开始
- [8] 观察者网 (2026-05-06)：国家大基金领投 DeepSeek？最新估值达到 450 亿美元
- [9] Y Combinator (Paul Graham, Sam Altman) 公开演讲合集
- [10] Sundar Pichai 2024 年 Google I/O 主题演讲与媒体访谈