投资Hugging Face的人怎么看AI创业

关联

公司 Hugging Face · Factorial Capital · Betaworks · Anchor

概念 Transformer · 开源 · 转型 · 留存 · 迭代 · vibe coding · Claude Code · 推理 · 挣来的洞见

Matt Hartman 在 Betaworks 做合伙人时，给一家巴黎的小公司开出了第一张支票。那家公司叫 Hugging Face,上个月刚被 NVIDIA 以 130 亿美元收购。

2023 年他出来创办了自己的基金 Factorial Capital。

这次访谈里，他讲了自己怎么找项目、怎么判断创始人，以及为什么他仍然自己动手写代码、做产品。访谈人是 Every 的 AI 咨询负责人 Natalia Quintero。

为什么会给一个“青少年聊天机器人”投钱

Hugging Face 今天是最大的AI开发者社区，有人叫它“AI 界的 GitHub”,尤其以开源模型闻名。但 2015 年它刚起步时，只是一个给青少年玩的聊天机器人应用。

Matt 说，当年的判断来自一篇论文。论文提出把词变成数字向量：

比如“国王”和“王后”在空间里各占一个位置，从国王指向王后的那个箭头，挪到“王子”旁边，就指向“公主”。

巴黎指向法国，罗马就指向意大利。

【背景】这里提到的论文即 Mikolov 等人 2013 年提出的 Word2Vec。

这意味着词第一次可以带着语义进入神经网络。

Betaworks 团队判断“对话式软件”会有机会，于是去找那些和他们在同一方向上划船的团队，而不是追热点的转型公司。

真正的成功，是敢于承认数据不好看

回头看，Hugging Face 做对了上千个决定。Matt 挑了三个关键的。

第一，诚实面对留存。聊天机器人应用很多人用，但留存很差。

很多团队今天会用任何好看的数据去融资，而 Hugging Face 对自己说：“什么是真正有效的，什么是真正无效的。”

Transformer 论文出来后，他们迅速把它转成 PyTorch 开源，在 GitHub 上走红，顺势变成了模型社区。

第二，把模型权重从 GitHub 搬到自己的 Hub,给研究者一个更结构化的家。

第三，坚持开源不动摇，但对模型的种类保持灵活——从语言模型扩展到视频、机器人、生物、天气模型。

找项目的秘诀：盯住“新近变得可编程的东西”

Matt 的投资主题不是看市场报告，而是动手。

他称之为寻找“新近在技术上成为可能的东西”——有时是自己折腾，有时是读论文，有时是发现某个聪明人在研究一个让他意外的方向。

创办 Factorial 前，他到处问人：大语言模型能用，那非语言的行不行？天气模型、物理模型呢？

Transformer 擅长预测序列中的下一项，那还有什么序列值得预测？沿着这条线，他投了机器人和科学模型方向的公司。

Anchor 的故事更能说明他的路数。2014 年他在等咖啡，看着手机上各个应用在争抢他的注意力——发短信、邮件、Snapchat。

戴上耳机后发现：没有人在竞争他的耳朵。他找了一年，遇到 Anchor 团队。

这个团队后来成了最流行的播客制作工具，最初是个音频社交网络——又一次成功的转向。

判断创始人：看“转向脚”踩在哪里

Matt 假设每家早期公司都会转向，就像篮球里的中枢脚：一只脚不动，另一只可以随便转。问题是，那只不动的脚踩在哪。

如果投的是懂房地产的高管去做房地产AI,他们的转向大概率被锁死在房地产里。

而技术团队的转向脚踩在技术上——因为某个行业的数据形状独特而来，失败了可以换到汽车行业去 。

他投过的最成功公司，转向脚几乎都踩在技术上。

他还看重“挣来的洞察”:世界上有多少人处于能发现你这个发现的位置？只有10个人知道，你就领先；人人都看得见，竞争就激烈。

自己会写代码的投资人，提问方式不一样

Matt 的信条是：要投软件，就得懂软件怎么工作。他举了个例子：

同样用本地AI模型，问“我怎么做这个东西”的人，和问“这些模型跑在不同机器上，怎么针对我这台的内存限制做优化”的人，做出来的产品完全不同 。

他不是只说说。

今年他用 Claude Code 加上一个叫 Superpowers 的技能，给自己做了个语音转文字工具 Ghost Pepper,在本地跑、零推理成本，开源后冲上了 Hacker News 第一名，拿到超过 3000 个 GitHub 星标，数千人在用。

但这个过程也给了他一课：自己随手做的东西，得自己维护。

他说自己由此对 SaaS 产品有了新的尊重——你付的钱，买的就是对方持续把它保持在最佳状态 。主持人 Quintero 也分享了类似经历：

她给自己做过客户管理工具，用几个月后发现维护时间太多，最后把数据迁到了专门做这事的产品 Atio 里。

AI 时代最值钱的能力：从用户行为里提炼产品洞察

Matt 现在的核心判断是：

如果写代码变快了，原来两个月一轮的迭代，现在两天就能完成，那么能观察用户、提炼洞察、快速改进产品的能力，价值会指数级上升 。

这个能力叫工程师还是产品经理不重要。

证据是速度：Hugging Face 走了10年才到今天，而 Modal、Factory AI 这样的新公司只用了几年。迭代周期被压缩，成长就复利式加快。

当然，分发比以往任何时候都重要——东西越好做，噪音就越多。

他现在看好的四个方向

一是基础设施和开发者工具，尤其是帮你维护代码的产品——新的开发者人群，需要新工具。二是非语言的前沿模型：

机器人的一次动作，本质上就是一串带位置信息的时间序列，Transformer 可能改变机器人训练方式；

他还对科学模型着迷，提到 Hugging Face 正在办一场罕见病黑客马拉松，开源了一个仅约50人患病的孩子的基因组，除诊断赛道外还有老药新用赛道。

三是应用层，但他认为赢家会是能“全栈打穿”的技术团队——就像 Instagram 把照片切成正方形，不是为了好看，而是省去了问服务器该横屏还是竖屏的那一毫秒。

四是玩：最好的创始人在“玩”这些工具，像早期互联网时代一样，在玩的过程中发现缺口再解决它 。

【背景】Betaworks 是纽约的早期投资机构；Anchor 是播客制作工具，后被 Spotify 收购。文中 Factory、Modal、Patronus、Gnomic 均为 Factorial 投资组合里的公司。

本集带走

• Hugging Face 的起点是一个留存不佳的聊天机器人，敢承认数据不好看、果断转向开源，才有了今天的130亿美元收购。
• 投早期公司要假设它会转向：技术出身的团队转向自由度远大于单一行业背景的团队。
• AI 让编码变快，迭代周期从两个月缩到两天，“从用户行为提炼产品洞察”成了指数级增值的能力。
• 自己动手做产品(Ghost Pepper)让 Matt 学到：随手做的东西也要维护，这正是 SaaS 收费的合理性。
• 找方向的方法是盯住“新近变得可编程的领域”：机器人、科学模型、老药新用，都还是未被充分开垦的地。

在我们看来，很明显 Muse 是被基准测试刷出来的，也就是说他们训练它让它在公开基准测试上看起来非常好看，但这些提升不一定能转化到你的日常工作中。
To us, it seems pretty clear that Muse is benchmarked, which means they trained it to look really good on public benchmarks, but those gains don’t necessarily translate into your everyday work.
—— 嘉宾 · [00:36]

Gemini 4 是那种我一看基准测试就说“这个也是刷基准刷出来的”的模型，但它确实好。
Gemini 4 is one of those models where I saw the benchmarks and I was like, this is also really benchmark maxed, but it’s good.
—— 嘉宾 · [01:31]

答案是：它作弊了。
The answer is it cheated.
—— 嘉宾 · [02:42]

真正做得好的团队，是那些拥有软件开发体验的团队，或者把机器人当作软件问题而不是硬件问题来思考的团队。
The teams that are actually really doing well are ones that have a software development experience or are thinking about them as a software problem, not necessarily as a hardware problem in robotics.
—— 嘉宾 · [17:39]

我记得有人说过，Tesla 是轮子上的 iPhone。
I think someone had said that Tesla is an iPhone on wheels.
—— 嘉宾 · [17:50]

我参与过的最成功的公司，都是那种转向的支点在技术上，而不一定是对某个垂直市场的理解上的公司。
The companies that have been most successful that I’ve been involved with are ones where the pivot foot was about the technology, not about necessarily market understanding of a particular vertical.
—— 嘉宾 · [20:50]

所以，不是以一个人的身份去做合伙，几乎就像我在与我见过的每一个技术创始人合伙。
So there was, instead of partnering as one person, it’s almost like I’m partnering with every technical founder I’ve ever met.
—— 嘉宾 · [22:53]

综合分析用户如何使用你的产品然后加以改进的能力，我认为价值必然是指数级更高的。
The ability to synthesize how a user is using your product and then to improve it, I think has got to be exponentially more valuable.
—— 嘉宾 · [30:21]

噪音一大堆，构建越容易，噪音就越多。
There’s a whole bunch of noise, and the easier it is to build, the more noise there is.
—— 嘉宾 · [30:39]

从某种意义上说，你付的钱买的是他们确保产品始终保持优秀。
And in a way, what you’re paying for is them making sure it stays a great product.
—— 嘉宾 · [37:39]

我见过的最优秀做事的人都在玩。
the best people that I’ve seen building things are like playing.
—— 嘉宾 · [44:45]

我很惊讶有那么多公司还没被做出来。
I’m surprised at all the companies that aren’t being built.
—— 嘉宾 · [46:36]

从来没有哪个时期能像现在这样，每周都有这么多新可能的东西。
There’s never been a time where there’s more newly possible stuff every week.
—— 嘉宾 · [47:52]