第 4 章 · Prepared Mind：在浪潮来临前 3 年看见它

核心心法：The Prepared Mind —— 准备好的头脑。机会只青睐已经看了 3 年的人。 AI 时代的重写：「准备」的对象从「赛道」变成了「arxiv 论文 + 开源生态 + 产业链下游」三件套——而且更新频率从年级压到周级。

4.1 引子：2012 年那篇没人在看的论文

我们在导论里讲过张倩 2012 年读 AlexNet 的故事。但导论没讲细节。

2012 年 9 月 30 日，AlexNet 在 ImageNet 比赛上把图像分类错误率从 26% 砍到 15%。但这件事在当时完全不是大新闻：

中文媒体几乎零报道；
中国 VC 圈的关注度，排在 O2O / 团购 / 电商之后远不如 100 名；
投资人聚会的话题是「滴滴和快的什么时候合并」，不是「深度学习是不是范式转移」。

那为什么张倩在看？她后来给出过解释：

「我从 2010 年起就系统跟踪学术 NeurIPS / ICML。不是因为我懂深度学习——我那时也不懂。是因为我相信：一个领域的根本性变化，第一信号往往出现在论文，第二信号才到产品。学术信号比产品信号早 3-5 年。」[1]

10 年后回头看：

这个「早 3-5 年」的洞察，让她在所有人都在投 O2O 的 2014-2015 年，已经在系统性研究字节跳动的 AI 算法逻辑；
她在 ChatGPT 出来之前两年，就已经在判断「新一代 AI 应用浪潮即将来临」；
从 2023 年 ChatGPT 火爆到她出手投 Dify 的间隔——只有 1 年。这种反应速度的前提，不是事到临头才开始研究，而是已经研究了 10 年。

这就是这一章要讲的第四条心法：The Prepared Mind。

它的真实含义不是「机会来了反应快」，而是「机会到来时，你已经准备了 3 年」。

4.2 心法陈述：Prepared Mind 的三层准备

4.2.1 经典版本：路易·巴斯德的名言

「Prepared Mind」这个说法最早不来自 VC，来自 19 世纪法国微生物学家路易·巴斯德的一句话：

“Chance favors only the prepared mind.”

（机会只青睐有准备的头脑。）

巴斯德发现微生物学的若干次「意外」（拒绝接受疫苗败坏的鸡群引出弱化病原疫苗概念）背后，是他多年系统训练的结果——他在那些「意外」发生的瞬间能看出意义，是因为他已经准备好了 10 年。

Strebulaev 在 The Venture Mindset 里把这条心法翻译为 VC 的语言：

「VC 行业最大的诱惑，是『追风口』——某个赛道火了，所有人涌进去。但真正的回报来自『风口前的 3 年』——那些在赛道还没人关心时就开始研究的 VC，才能在赛道爆发时有判断、有 Sourcing 网络、有创始人关系。」[2]

4.2.2 AI 时代的三层准备

到了 AI 时代，「准备」的对象变了。我把它归纳为 三层准备：

第一层：学术信号（领先 3-5 年）

arxiv（特别是 cs.AI / cs.LG / cs.CL 板块）每周新论文趋势
NeurIPS / ICML / ICLR / ACL / CVPR 顶会接受论文方向
DeepMind / OpenAI / Anthropic / Meta AI / Google Brain 等顶级实验室博客
引用网络（Semantic Scholar / arxiv-sanity）

这一层最难做——大部分论文你看不懂。但重要的不是看懂每一篇，是建立『我能感知到趋势』的能力。比如你不需要懂 SSM 的具体数学，但你需要在 2023 年看到 Mamba 论文出来时知道「这是在挑战 transformer」。

第二层：开源 / 工程信号（领先 1-2 年）

HuggingFace trending 模型与数据集
GitHub trending 仓库（特别是 LLM / Agent / Robotics 相关）
vLLM / SGLang / LangChain / LlamaIndex 等基础设施工具的更新
推特技术 KOL（如 Andrej Karpathy / Yann LeCun / Soumith Chintala）

这一层是『学术 → 产业』的中间态——它让你看见「论文里的想法被工程化了」。比如 Mistral 把 MoE 工程化、DeepSeek 把 Mamba-style 优化做出来——这些都是开源 / 工程层先有信号，再有商业产品。

第三层：产业 / 下游信号（领先 6-12 个月）

产业链下游访谈（医院 IT 主任、电商运营总监、法律事务所合伙人——他们怎么用 AI？）
客户预算流向（甲方 IT 预算从「SaaS 续约」转向「AI 试点」是关键信号）
招聘市场（哪些岗位涌现、哪些萎缩）
政策与监管（中国《生成式 AI 服务管理办法》、欧盟 AI Act 等）

这一层最容易看，但也最容易被滞后信号误导——产业新闻常常报道「已经发生」的事情，而不是「正在发生」的事情。要主动访谈，不能等媒体报道。

4.2.3 三层叠加的「雷达」

把这三层叠在一起，就是 VC 的「雷达系统」：

信号源	领先	信号示例	行动
学术	3-5 年	Mamba 论文出（2023.12）	标记入「潜在范式」名单
开源	1-2 年	Mistral-MoE 开源（2023.12）	联系开源作者，跟踪商业化
产业	6-12 月	医院开始为 AI 列预算（2024.06）	找垂类创业团队

当三层信号同时指向某个方向时——你就找到了下一个 Home Run 的方向。

张倩 2012-2022 年这 10 年的成就，本质就是把这套雷达跑了 10 年。她在 ChatGPT 出来时已经知道往哪里看——不是因为她预测到 ChatGPT，而是因为她对深度学习 / 大模型 / 应用层的判断已经准备了 10 年。

4.3 中国案例：从 AlexNet 到 Dify 的 11 年准备

4.3.1 第一个 5 年（2012-2017）：建立学术雷达

张倩在这 5 年做的事情：

每周读 arxiv（自己读不懂的找学者朋友翻译）；
建立学者关系网络——清华 / 北大 / 中科院 AI 实验室主任，每年至少 2 次饭局；
跟踪硅谷动态——Google Brain、Facebook AI Research（FAIR）的论文风向；
观察产业渗透——AI 在 BAT 内部的部门话语权变化（从研究院级到 BU 级意味着商业化倒计时）。

这 5 年她没有重仓任何「纯 AI」项目——她故意不投，因为她觉得学术信号还没传导到产业信号。这种克制，是 Prepared Mind 的真功夫。

4.3.2 第二个 5 年（2017-2022）：开始有限下注

2017 年开始，张倩判断「学术 → 工程信号已经形成」，开始有限下注：

PingCAP（分布式数据库，AI 时代的关键基础设施之一）；
纽劢科技（自动驾驶感知）；
思特威（视觉 CIS 芯片）；
聆思科技（AIoT 芯片）；

注意她没有投商汤、依图、旷视——这些公司当时是中国 AI 的「明星」，估值飞涨。但张倩的判断是：「最终产生最大商业价值的不是技术本身，而是应用」[3]——她在等「应用层信号」出现。

这种「有所为有所不为」的纪律，比聪明更稀缺。

4.3.3 ChatGPT 之后（2022-2026）：3 年准备一夜兑现

ChatGPT 2022 年 11 月发布。张倩团队的反应是：

2022.12：内部会议，判断「这是范式级别的事件」；
2023.01-06：海南春节闭关，团队确定新的投资底层逻辑——以新一代 AI 技术为核心[3]；
2023.07：明确放弃「追大模型」，转向「AI 应用 + AI 硬件」赛道；
2023.10-11：投 Dify；
2024-2026：累计投 40 个 AI 项目[4]。

为什么她能在 2022.12 就判断「范式级别」？

因为她已经准备了 10 年。AlexNet 是种子，Transformer（2017 年）是发芽，BERT（2018 年）是开花，GPT-3（2020 年）是接果，ChatGPT 是收获。每一步她都在场——所以 ChatGPT 来时，她不需要重新学习深度学习的历史，她直接进入决策模式。

这就是 Prepared Mind 的 dividend——前 10 年的准备，换后 3 年的闪电决策。

4.4 硅谷对照：Vinod Khosla 的「长跑」

硅谷有一位「Prepared Mind 的极致样本」——Vinod Khosla（Khosla Ventures 创始人，Sun Microsystems 联合创始人）。

Khosla 有个出名的习惯：他会在一个赛道上「蹲守」5-10 年，期间不投或只少量投，等待技术 / 市场 / 团队三个条件齐备的瞬间。

举一个具体例子：清洁能源。

2005-2010 年，Khosla 大量投清洁能源（太阳能、电池、生物燃料）——结果是大规模亏损，被业内称为「Khosla 的太阳能滑铁卢」；
2010-2018 年，他没有放弃——而是反复研究「为什么清洁能源 1.0 失败了」；
2018 年，他识别到「储能 + 计算优化 + 政策补贴」三个条件齐备；
2018-2024 年，重新下注，这次包括Tesla 早期股权延续 + Form Energy（铁空气电池）+ Commonwealth Fusion——回报从灾难变成传奇。

Khosla 在多次访谈里说：

「VC 不是『预测未来』，是『等待时机』。我对清洁能源的判断 2005 年和 2018 年没本质区别——但 2005 年时机不对，2018 年对了。判断对，时机错，等于全错。」[5]

这一句话总结 Prepared Mind 的核心：判断 + 时机——缺一不可。

4.5 反例与陷阱：误解的「准备」

陷阱 1：把「多读新闻」当作「准备」

很多投资人每天看 36 氪、36/52 篇新闻，自以为「很关注 AI」。但新闻是滞后信号——当某件事登上 36 氪头条，往往已经是「第 6-12 个月信号」。

真正的准备是主动寻找一手信号：

arxiv RSS 订阅（不要等新闻替你筛选）
直接找学者 / 工程师聊天（不要靠访谈稿）
加入开源项目讨论组（不要等 release notes）

陷阱 2：「学术高墙」陷阱

「我看不懂论文」是大多数 VC 的真实状况。但这不是借口。

张倩自己也承认：「我不是技术出身」。她解决问题的方法：

建立学者翻译网络——给她讲明白论文的学术朋友，每篇 30min 通话；
聚焦『意义』而非『细节』——你不需要懂 attention 的矩阵实现，你需要懂「为什么 transformer 比 RNN 好 3 个数量级」；
跟踪综述论文（survey papers）——这些更易读，覆盖一个子领域的全景。

不懂技术 ≠ 不能做 AI VC。但完全不学技术 = 必然被淘汰。

陷阱 3：「无效准备」

有些 VC 也读论文、参会、和学者吃饭，但 5 年下来没有形成 Alpha——为什么？

因为他们在做「无效准备」：

走马观花：每个赛道都看一点，每个论文都读 3 页，没有深度
只听不写：从来不写自己的判断报告，无法迭代
不挑战共识：跟着同行的判断走，自己没有独立观点

有效准备 = 长期 + 深度 + 写作 + 质疑。

张倩团队的具体动作[3]：

每周写赛道周报，团队互相挑战；
季度做全球行业地图——把所有赛道的玩家位置画出来；
半年一次反共识会议——故意找出「主流共识可能是错的」地方；
每年一次自我证伪——回顾去年的判断，哪些被时间证伪。

陷阱 4：「准备过度」

但也有反向陷阱——研究太久不下手。

如果你已经准备了 10 年，依然觉得「还没看清」，那可能不是「还没准备好」，而是「害怕下注」。

Prepared Mind 的目标是支撑闪电决策，不是无限延期决策。

判断方法：当三层信号（学术 + 开源 + 产业）同时指向同一个方向时，就是出手时机。再等下去就错过了。

4.6 落地清单：Prepared Mind 的周 / 月 / 季 / 年节奏表

每周（每个 VC 投资人 4-6 小时）

周一上午：扫一遍 arxiv 上一周新论文（cs.AI / cs.LG / cs.CL，每个板块看 top-30 标题，深度读 3-5 篇）；
周二：HuggingFace trending、GitHub trending、Product Hunt 扫一遍；
周三：约一个学者 / 工程师 / 创业者 30min 通话（学技术 sense）；
周四：行业新闻 + 同行报告快读（不到 1 小时）；
周五下午：写一份「本周值得关注的 3 件事」给团队 / 公众号 / 自己存档。

每月（基金团队集体）

赛道月报：每个 sector lead 写一份（大模型 / Agent / 具身 / 应用 / 基础设施）；
新进 portfolio 复盘：本月新投项目复盘 30min；
错过项目复盘：本月 pass 了哪些事后看应该投的？

每季（团队 + 外部专家）

行业地图重绘：把所有赛道的玩家位置图重绘一次；
反共识会议：找出 3 个「主流共识可能是错的」点；
LP 沟通：把团队的判断浓缩成一份 LP letter；
战略调整：基于本季 insight 调整下季 sourcing 重点。

每年（基金 + LP）

自我证伪：列出去年我们判断 vs 实际发生的差异——哪些对、哪些错、哪些没判断；
年度白皮书：把全年的 insight 写成一份 30-50 页白皮书（既是给 LP 的交代，也是品牌建设）；
战略复盘：基金整体投资策略是否需要调整？是否要扩大 / 收缩某个赛道？

每 3-5 年（GP 个人）

跨周期判断：未来 3-5 年的范式级变化是什么？我现在准备到什么程度？
能力短板补足：如果下一波是「生物 AI」「核聚变」「量子计算」——我现在懂多少？需要从哪里学？

本章小结

Prepared Mind——机会只青睐已经准备好的头脑。

AI 时代的「准备」分三层：学术信号（领先 3-5 年）、开源/工程信号（领先 1-2 年）、产业/下游信号（领先 6-12 个月）。三层叠加形成 VC 的「雷达系统」。

张倩 2012-2022 这 10 年的克制（不投商汤 / 依图 / 旷视）+ 持续准备（每周 arxiv + 学者关系网络 + 季度反共识会议），换来了 ChatGPT 之后 3 年的闪电决策。

硅谷对照：Vinod Khosla 在清洁能源上「蹲守」13 年——「判断对，时机错，等于全错」。

4 个误解陷阱：把多读新闻当准备、被学术高墙吓退、无效准备（无深度 / 不写作 / 不质疑）、准备过度（不下手）。

落地：周（4-6 小时）/月/季/年/3-5 年的节奏表，把 Prepared Mind 嵌入团队 SOP。

思考题

列出你过去 12 个月读过的 5 篇 AI 学术论文（标题 + 一句话感想）。如果列不出 5 篇，说明你的学术雷达不在线。
设计你的 Prepared Mind 周节奏：周一到周五分别做什么？预留多少小时？
假设 2026 年 5 月已经有 3 个「学术信号」开始变成「开源 / 工程信号」——是哪些？你能识别吗？

引用

[1] 36 氪 (2023)：精准捕捉近 10 年的每一波科技浪潮
[2] Strebulaev, I. & Dang, A. (2024). The Venture Mindset.
[3] 新浪财经 (2025-03-25)：对话天际资本张倩
[4] 同 [3]
[5] Khosla, V. 公开演讲合集（Stanford GSB / Khosla Ventures blog）

AI 风投心法