从Wit.ai到Facebook：被忽视的早期机会

Alexandre LeBrun在Startup School Paris分享了Vertos的创业历程，以及他此前创立Wit.ai并将其出售给Facebook的经历。他提到，当时他和团队处于同一个Y Combinator（YC）批次，但只有四家公司最终取得了显著成果。Wit.ai的故事充满了戏剧性，扎克伯格的邮件最初被误入了垃圾邮件文件夹，这差点让Facebook错失一个重要的早期AI语音交互技术团队。这一经历让他深刻意识到，大科技公司往往因为内部流程僵化而错过早期的创新机会。

"Zuckerberg's email was in the spam folder."

在收购谈判期间，YC有一条著名的规则：禁止创始人与大公司进行收购谈话，除非获得YC的特别许可。这条规则旨在保护初创公司的议价能力和独立性，防止创始人过早被大厂“收编”而失去创业动力。Alexandre回忆道，当时他们不得不小心翼翼地处理与Facebook的接触，确保在获得YC批准前不泄露任何敏感信息。这种严格的纪律最终帮助他们获得了更好的交易条款，也让他对初创公司的战略定力有了更深的理解。

为什么大科技公司总是“迟到”？

Alexandre指出，大科技公司往往总是“早二十年”或“晚二十年”出现。在AI领域，这种时间错位尤为明显。当Wit.ai出现时，语音识别技术尚不成熟，市场尚未准备好；而当Facebook决定收购时，技术已经足够成熟，但竞争格局已经形成。这种时间差使得初创公司有机会在大厂反应过来之前建立壁垒。他提到，大公司的决策周期长，风险厌恶度高，导致他们无法像初创公司那样快速迭代和试错。

"Always 20 years too early."

这种“过早”或“过晚”的现象在AI领域尤为突出。Alexandre认为，初创公司的优势在于能够专注于一个极其狭窄的问题，同时持有极其宏大的愿景。这种策略使得他们能够在特定领域建立深厚的技术积累，而大公司则往往因为追求通用性而分散了资源。Wit.ai的成功正是因为它专注于语音交互这一细分领域，而非试图构建一个通用的AI平台。

发挥优势而非追逐市场热点

在创业过程中，Alexandre强调，初创公司应该根据自己的优势来选择赛道，而不是盲目追逐市场热点。他提到，Wit.ai的成功并非因为语音交互是当时的热门领域，而是因为团队在自然语言处理（NLP）方面有深厚的积累。这种基于核心能力的选择使得他们能够在竞争中脱颖而出。

"Play to your strengths, not the market."

Alexandre认为，市场热点往往是短暂的，而核心能力是持久的。初创公司应该专注于自己擅长的领域，通过解决具体问题来建立竞争优势。Wit.ai的创始人团队在NLP领域有多年的研究经验，这使得他们能够开发出比竞争对手更准确的语音识别引擎。这种基于优势的竞争策略，使得他们在大厂进入之前已经建立了技术壁垒。

AMI与Vertos：世界模型的实践

Alexandre现任AMI的CEO，他解释了AMI与Vertos的不同之处。Vertos主要关注语音交互，而AMI则致力于构建世界模型（World Models）。他提到，世界模型是一种能够理解物理世界并预测未来状态的AI系统，这与传统的语言模型有本质区别。世界模型不仅处理文本，还处理视觉、听觉等多模态数据，从而更全面地理解世界。

"What is a world model?"

Alexandre认为，世界模型是通往通用人工智能（AGI）的关键路径。他提到，当前的LLM（大语言模型）虽然强大，但缺乏对物理世界的理解。世界模型通过模拟物理规律，使得AI能够进行更准确的预测和决策。这种能力对于机器人、自动驾驶等领域至关重要。AMI的目标是构建一个能够像人类一样理解世界并做出反应的AI系统。

像婴儿一样训练，而非像读者

在训练世界模型时，Alexandre提出了一个独特的观点：AI应该像婴儿一样学习，而不是像读者一样。他提到，婴儿通过感官体验来学习世界，而读者通过文本获取知识。当前的LLM主要基于文本训练，缺乏对物理世界的直接体验。世界模型需要通过多模态数据，如视觉、听觉和触觉，来进行训练。

"Training like a baby, not a reader."

这种训练方式使得AI能够更准确地理解物理规律。Alexandre认为，当前的AI系统缺乏对因果关系的理解，而世界模型能够通过模拟物理过程来建立因果关系。这种能力使得AI能够进行更复杂的推理和决策。AMI正在开发一种新的训练框架，使得AI能够通过模拟实验来学习物理规律。

拥有真正大脑的机器人

Alexandre强调，机器人需要拥有“真正的大脑”，而不仅仅是执行预编程的动作。他提到，当前的机器人大多依赖预编程的路径规划，缺乏对环境变化的适应能力。世界模型使得机器人能够实时理解环境并做出反应。

"Robots with actual brains."

这种能力对于自主机器人至关重要。Alexandre认为，当前的机器人技术缺乏灵活性，而世界模型能够提供这种灵活性。通过模拟物理世界，机器人能够预测不同动作的结果，从而选择最优策略。AMI正在开发一种基于世界模型的机器人控制系统，使得机器人能够在复杂环境中自主导航和操作。

VLA的缺陷与LLM的优势

Alexandre对当前的VLA（Vision-Language-Action）模型提出了批评，认为VLA是一种糟糕的“黑客”手段。他提到，VLA模型试图通过组合视觉、语言和动作模块来实现机器人控制，但这种组合缺乏统一的物理理解。

"Why VLAs are a bad hack."

他认为，VLA模型在处理复杂物理任务时表现不佳，因为它们缺乏对物理规律的深层理解。相比之下，LLM在语言理解和推理方面具有优势，但在物理世界理解方面存在不足。世界模型能够弥补这一不足，通过整合多模态数据来提供更全面的理解。

世界模型已在野外运行

Alexandre指出，世界模型的概念并非全新，一些类似的技术已经在野外运行。他提到，某些自动驾驶系统和工业控制系统已经采用了类似世界模型的架构。

"World models already in the wild."

这些系统通过模拟物理环境来提高决策的准确性。Alexandre认为，世界模型的应用前景广阔，但目前仍处于早期阶段。AMI的目标是推动世界模型技术的商业化应用，使其在更多领域发挥作用。

大实验室为何不敢冒险？

Alexandre分析了大实验室为何不敢在世界模型领域冒险。他提到，大公司的股东要求短期回报，而世界模型的研究需要长期投入。

"Why big labs can't take the risk."

这种短期主义使得大公司倾向于投资成熟的技术，而非探索前沿领域。Alexandre认为，初创公司能够承担这种风险，因为它们没有短期的业绩压力。AMI通过专注于世界模型，避开了与大公司的直接竞争。

反共识的价值

Alexandre认为，坚持反共识的观点是初创公司成功的关键。他提到，当大多数人都认为某个方向是错误的时候，往往隐藏着巨大的机会。

"Is this still contrarian?"

世界模型在当时被视为一个过于激进的方向，但Alexandre坚信其潜力。这种反共识的坚持使得AMI能够在竞争中脱颖而出。他建议初创公司创始人要敢于挑战主流观点，寻找被忽视的机会。

Jan的招募与团队分裂

Alexandre分享了Jan如何招募他加入AMI的经历。他提到，Jan通过展示世界模型的潜力说服了他。

"How Jan recruited Alex."

他还讨论了研究与执行的分离。他认为，初创公司需要将研究团队与执行团队分开，以确保技术的快速迭代。

"Splitting research vs. execution."

这种结构使得研究团队能够专注于前沿探索，而执行团队则负责产品落地。AMI采用了这种结构，以提高研发效率。

欧洲最大种子轮融资

Alexandre提到，AMI完成了欧洲最大的种子轮融资。他分析了融资背后的期望与代价。

"Raising Europe's biggest seed."

他认为，高估值带来了高期望，这既是压力也是动力。

"Expectations are the real price."

这种压力促使团队更快地实现技术突破。AMI通过高效的执行，逐步兑现了投资者的期望。

为何选择欧洲而非旧金山？

Alexandre解释了为何AMI选择在欧洲而非旧金山发展。他提到，旧金山的竞争过于激烈，而欧洲提供了更好的创新环境。

"Why not SF?"

欧洲的创业文化更注重长期价值，而非短期炒作。这种环境使得AMI能够专注于技术本身，而非市场炒作。

窄问题与宏大愿景

最后，Alexandre总结了给早期创始人的建议：选择一个极其狭窄的问题，同时持有极其宏大的愿景。

"Zuckerberg wanted 10,000, not 100."

他提到，Facebook最初只关注100个用户，而非10,000个。这种聚焦使得他们能够建立深厚的用户基础。

"Go narrow, aim massive."

Alexandre认为，初创公司应该通过解决具体问题来建立壁垒，最终实现宏大的愿景。这种策略使得Vertos和AMI能够在竞争中取得成功。

结语

Alexandre的分享为初创公司提供了宝贵的经验。从Wit.ai到AMI，他始终坚持以核心能力为基础，选择狭窄但具有潜力的领域。世界模型作为未来的关键技术，正在被AMI等初创公司推动发展。对于早期创始人而言，聚焦问题、保持宏大愿景、敢于反共识，是成功的关键。

"The best advice for early founders is to pick an extremely narrow problem while holding an extremely large vision with the space."

Alexandre的故事证明，即使在大科技公司的阴影下，初创公司依然可以通过独特的战略和技术创新赢得胜利。世界模型的兴起，或许正是下一个颠覆性机会的开始。