热爱一个行业15年的理由是什么？对谈汪天凡：我要投真正的快乐、投最纯的愿景、投人性的光辉

概览

本期播客邀请 B.A.I Capital 合伙人 Will 汪天凡，围绕他从 2011 年实习至今在一级市场约 15 年的经历展开。对话从入行、投资人成长、VC 行业的反馈与信任机制谈起，逐步转向 AI 时代的投资判断。

汪天凡的核心观点是，AI 时代只看“智能”不够，真正稀缺的是“智慧”：智慧需要 context、反馈、经验、反思和价值判断。因此，他更关注能帮助用户反思、获得关照、活在当下的 AI 应用与硬件，而不只是提高效率的工具。

播客后半段集中讨论 AI 投资方法论：AI infra 是否类似上一轮 Crypto infra 热潮、AI 变革应放在多长时间尺度理解、个人与组织如何成为 AI Native，以及早期投资应从“壁垒”问题转向“竞争力”和“三非理论”。最后以 Loki/Lookie、Mashie 等被投项目为例，解释为什么“愿景、快乐、人性的光辉”会成为他判断创始人和公司的重要标准。

分段落总结

[00:00] 嘉宾背景与入行经历

[事实] 本期嘉宾是 B.A.I Capital 合伙人 Will 汪天凡，37 岁，本科毕业于上外，硕士毕业于伦敦商学院。 [事实] 他在 B.A.I 之前还在上学，并从 2011 年实习开始进入 B.A.I，至录制时已经约 15 年。 [事实] 他大学期间做过咨询、投行、快消和大型公司 marketing 等实习，之后觉得 VC 工作很有意思。 [推测] 他的入行路径体现出先广泛试错、再选择长期投入一级市场的职业轨迹。

[01:36] 15年投资生涯中的学徒心态

[事实] 汪天凡认为自己一直保持“学徒心态”，并用经历过多少周期来衡量投资人的成熟程度。 [事实] 他回顾 2012 年至今，认为自己经历了三四个周期。 [事实] 早期做投资时更多是到处找项目、在微博联系人、看媒体报道和同行推荐，属于 bottom-up 的 coverage。 [推测] 他把早期阶段视为“没有建立审美前的乱撞”，后来的变化是从被动覆盖转向有判断地寻找机会。

[03:00] AI时代投资人必须先有判断

[事实] 汪天凡认为在 AI 时代，投资人如果没有先入为主的判断，找到的项目很可能只是 marketing，等到投资人看到时已经成为半共识或全共识。 [事实] 他认为全共识项目往往价格已经很高，投资人很难再赚到信息差和认知差的钱。 [事实] 他提出投资人需要两种能力：建立底层宏观认知、形成 high level belief 和价值观，同时也要亲自使用产品、测试模型。 [推测] 这套方法强调“信仰”和“实测”结合，避免只被概念、热度和融资市场牵引。

[04:03] 从智能到智慧：AI应用仍有机会

[事实] 对于“最近几个月大家都不投 AI 应用”的说法，汪天凡一开始认同，但后来转向认为 AI 应用仍有机会。 [事实] 他提出“智能是通胀，但智慧是稀缺的”，并把“智慧”理解为智能加反馈、经验、反思后形成的价值判断。 [事实] 他认为 AI 如果没有用户 context，就无法判断什么对用户重要，也无法替用户做真正的价值排序。 [推测] 他的 AI 应用判断不建立在单纯模型能力上，而建立在应用能否获得、理解并使用用户 context 上。

[05:40] Context Machine 与 AI 硬件

[事实] 汪天凡认为从智能到智慧，中间最重要的转变是加入 context，而 AI 硬件可能是定义 context 的关键。 [事实] 他提到理想的 context machine 能记录用户说过、听到、看到的内容，甚至包括用户的行为与反馈。 [事实] B.A.I 在 context machine 方向已经投了四五家公司，包括围绕 memory 的眼镜、随身佩戴设备以及注重 privacy 的 AI 设备。 [事实] 他认为录音录像只是浅层能力，真正重要的是交互设计能否让用户反思、理解自己并获得关照。

[07:52] AI如何改变投资工作流

[事实] 汪天凡说 AI 让会前准备变得极其充分，他会针对不同 concept 使用固定 prompts，覆盖学术、产品、海内外公开信息和 DD 方向。 [事实] 在尽调中，AI 可以帮助整理访谈录音、挖掘信息，并让他对项目多一层理解。 [事实] 投后追踪中，AI 也可用于跟踪几百家公司及其公开信息。 [推测] AI 在他的投资流程中主要承担信息整理、问题生成、研究扩展和持续追踪，而最终 high level 判断仍由人完成。

[09:11] AI项目的三类增长驱动

[事实] 汪天凡提出 AI 项目已经出现明显的数据飞轮，例如 coding hub 对模型公司的进攻有帮助。 [事实] 他提到第二个增长 driver 是“用模型开发模型”，即 AI for AI。 [事实] 第三个增长 driver 是模型公司自身作为 AI Native Organization，利用组织上下文减少协作摩擦和低效。 [推测] 他认为数据飞轮、AI for AI 和 AI Native 组织三者合一，可能让一批公司进入行业前 5%。

[10:52] 为什么仍然热爱VC行业

[事实] 汪天凡明确说自己非常喜欢 VC 行业，并认为这个行业对人是一种奖励和奢侈。 [事实] 他认为 VC 能不断满足好奇心，而不是所有行业都有这种可能性。 [事实] 他不认同 VC 是长周期反馈行业，因为投完之后董事会理论上每季度都会给出反馈。 [事实] 他还强调 VC 是充满信任的行业，包括 LP 的托付、对 founder 的信任以及团队内部的信任。

[12:34] 运气、不确定性与知行合一

[事实] 面对“VC 是否很大程度靠运气”的问题，汪天凡认为关键在于从什么视角看待问题。 [事实] 他认为如果大的机会不在投资人的视野范围内，再怎么“博”也没用。 [事实] 他提出可以工程化地把“不知道自己不知道”的东西，尽可能纳入“知道自己不知道”的范围。 [事实] 他用“知行合一”概括卓越投资人，并举出泡沫中的过度融资、缺乏治理、产品未达 PMF 却高估值等需要冷静的场景。

[14:38] 2026年的选择：取舍与逆向关注

[事实] 汪天凡认为 2026 年 7 月这个时间点不是简单“该冷静”，而是“该做选择、该有所取舍”的时候。 [事实] 他认为市场最热时，也一定有一些项目、创始人和方向没有真正得到关注。 [事实] 他提到去年 AI 硬件很热时，自己焦虑的不是抓不抓得到项目，而是市场给了 founder 错误奖励信号。 [事实] 如果今年 AI 硬件冷下来，他反而更想和真正坚持做这件事的创始人交流。

[15:48] 从Cyber回到Physical与消费体验

[事实] 对话转到线下咖啡馆后，主持人提出 AI 时代大家更多关注 cyber，而较少关注 physical、线下体验和自己。 [事实] 汪天凡提到一个训练相关应用是 OpenAI 前 20 大 token 消耗客户之一，可基于训练 context 给用户个性化建议。 [事实] B.A.I 关注线下、人和人之间的体验，也投资了线下娱乐综合体和线下 AI 社交产品。 [事实] 他表示会继续重视消费方向投资，并认为很多资产和创业方向被低估。

[17:12] 好的AI应用应帮助人把智能转化为智慧

[事实] 汪天凡认为即便智能继续发展，人仍需要锻炼自己的大脑，不能把所有能力都外包给 AI。 [事实] 他把 AI 比作教练和健身房：好的 AI 应该帮助人锻炼自己，而不是让人能力退化。 [事实] 他认为 AI 应用应该帮助用户把智能转化为智慧，涉及审美、价值观和人性的光辉。 [事实] 他反对只追求 productivity 和工具属性的 AI 产品观。

[19:00] 产品价值观：把人当作唯一AI应用

[事实] 汪天凡认可“把人当作唯一 AI 应用”的价值观，也认可帮助人“用进废退”的产品。 [事实] 他强调好的交互不只是交付 productivity，还应交付关照、反思、反馈链路和智慧。 [事实] 他举了一个线下 AI 社交产品案例：在饭局或酒局上，AI 根据六个人之前回答的问题生成不同题卡，帮助创造话题。 [事实] 他认为该产品让用户更多关注他人、建立安全连接，并已经在六个城市铺开，拥有高复购用户和较多女性用户。

[20:18] 注意力经济的天花板与“活在当下”

[事实] 汪天凡认为过去移动互联网十几年对人的最大影响之一，是注意力经济带来的严重碎片化剥削。 [事实] 他举例说，人们频繁打开手机、长时间刷短视频却不快乐，出去玩和看演唱会时也常被手机拍摄行为占据注意力。 [事实] 他认为注意力经济有明显天花板，本质问题是如何服务用户活在当下，不懊恼过去也不焦虑未来。 [事实] 他解释投资 AI 硬件时，重点不是 form factor 多便携，而是能否把用户从手机和电脑中解放出来。

[22:53] AI、记忆与某种程度的永生

[事实] 主持人提到 B.A.I 在英国投了一个类似意识上传、记忆相关的项目。 [事实] 汪天凡说该项目从神经科学角度切入，先用小白鼠做实验，结合脑电信号和运动视频，探索未来控制行动的模型。 [事实] 他从模型角度提出，如果一个人的贡献能被模型预训练到，那么某种程度上会随着模型版本发布和迭代被传下去。 [事实] 他认为创造性工作重要，因为人若希望没有白来过这个世界，能做的事情可能就是创造，并被模型训练进去。

[24:27] AI Infra 与 Crypto Infra 的相似风险

[事实] 汪天凡认为当前大家大量看 AI infra 的状态，有点像三四年前大家投资 Crypto infra。 [事实] 他认为当市场对暂时无法证实证伪的事物给予很大估值灵活性，并认为只有上游重要时，就可能出现类似泡沫。 [事实] 他同时承认资源投向上游和基础研究、基础设施有正作用，行业不能只发展下游应用。 [事实] 风险在于它会给创始人错误奖励信号，使他们只关注建 lab 和做模型，而忽视模型是否真的有人使用。

[26:07] 区块链金融创新仍是重要变革

[事实] 汪天凡说明他们投的是 blockchain-based financial innovation，即基于区块链诞生的金融应用。 [事实] 他提到稳定币、新的区块链金融，以及美债、美股等资产在区块链上发行，现在看已是既定事实。 [事实] 他认为这可能是不亚于 AI 的变革，因为它让拥有手机和电脑的人拥有自由选择互通货币的权利。 [事实] 他还认为这与 AI capex、美债发行、货币变化等高度相关，也可能形成某种对冲。

[28:07] AI变革的时间尺度与“新物种”

[事实] 汪天凡提出，用 30 年尺度看 AI，它像一场中型技术革命；用 300 年尺度看，可能是工业革命级别；用 3000 年尺度看，则可能是文明级别变革。 [事实] 他认为 AI 的特殊之处在于，可能把文明级别的革命压缩到几十年内发生。 [事实] 他把文明级别革命描述为会诞生新物种，并提到智人和尼安德特人、资本主义与前资本主义、星球间文明竞争等类比。 [推测] 这里的“新物种”更像是对 AI 时代人类能力分化和组织形态跃迁的隐喻，而不是生物学意义上的新物种。

[30:16] 个人建议：把AI当健身房

[事实] 对于还没跨过 AI 门槛的人，汪天凡建议读《高效能人士的七个习惯》中关于 proactivity 的内容，强调自主性。 [事实] 他建议把 AI 当作健身房来锻炼自己，而不是把能力外包后让自己退化。 [事实] 他认为与 AI 高强度过招的频次和烈度，会决定未来的思维和思考质量。 [事实] 他还补充，智慧与智能的区别之一可能在于“利他”，智慧包含对他人的关照、对自己的反思和对当下的关注。

[32:22] 用长Prompt训练思考和投资研究

[事实] 汪天凡展示自己在微信输入法中保存了十几条 prompt 模板。 [事实] 他举例说，会让 AI 听播客、梳理核心逻辑、数据支撑、非共识观点、有趣八卦以及 VC 应关注的信息。 [事实] 他还举例让 AI 研究产品的社区、应用商店、小红书、微博、用户反馈、竞品、复购率、NPS、定价、渠道和融资历史等。 [事实] 他认为把 prompt 写到足够细，需要很强的 proactivity。

[34:22] 给新人和普通人的建议：把需求说清楚

[事实] 汪天凡说这不是只给 VC 同行的建议，而是给每个人的建议：尽可能把 prompt 拉长。 [事实] 他认为 prompt 里要告诉 AI 你担心什么、害怕什么、想要什么，不必担心水平高低。 [事实] 他认为越直白、越不厌其烦地把想要的东西交给 prompt，得到的结果越好。 [事实] 他建议每次输入 prompt 至少超过 300 字，因为给的信息越多，AI 越能帮助分析和取舍。

[35:55] Loki/Lookie的投资故事：从眼镜转向佩戴式Context设备

[事实] 汪天凡说一两年前市场很热衷看 AI 眼镜，但他认为 AI 眼镜的成功要素被误解，供应链、芯片、通信、电池等也不够 ready。 [事实] 他们受到 Limitless 挂身设备的启发，认为 pendant 形态有机会，因为它能更长时间采集用户说话、开会和看到的内容。 [事实] B.A.I 当时是 top-down 地向市场表达“想投一个做 pendant 的公司”，而不是追逐市场热门的眼镜项目。 [事实] 他认为 Loki/Lookie 团队来自自动驾驶背景，具备软硬件结合经验，却被市场低估，因此值得验证。

[38:12] Loki/Lookie的核心不只是硬件，而是交互和软件

[事实] 汪天凡认为硬件主要帮助采集数据，最重要的是软件。 [事实] 他提到该产品的一个出圈点是 AI 漫画，能把用户一天发生的事情用漫画形式展现出来，而且不需要主动触发。 [事实] 他认为这种交互设计和内容产出设计，来自团队对问题的理解能力。 [事实] 他认为交互范式可以被抄，但真正理解用户、产出除效率之外的快乐体验，是稀缺能力。

[40:26] 早期公司不应只问壁垒，而应看竞争力

[事实] 主持人提到早期投资人常问创业团队壁垒，经典壁垒包括规模效应、网络效应、无形资产和转换成本。 [事实] 汪天凡认为这些壁垒更多是结果和防守策略，不适合作为早期公司最核心的问题。 [事实] 他认为早期公司处在进攻阶段，是用新技术进攻新市场，应该更多问团队竞争力。 [事实] 他认为真正的创新往往发生在巨头天然忽视的新市场和新技术中。

[42:03] 三非理论：非共识、非连续、非线性

[事实] 汪天凡提出“三非理论”：非共识、非连续、非线性。 [事实] 非共识意味着市场尚未充分定价，投资人仍有价格空间。 [事实] 非连续意味着现有大厂和玩家由于不愿、不能或不敢，难以进入该赛道或市场。 [事实] 非线性意味着公司在有限基金周期内需要多个增长动力叠加，实现更快增长。 [推测] 这套框架可以概括为：投得便宜、涨得快、竞争少，从而降低稀释和死亡风险。

[44:01] 2026是不是好Vintage

[事实] 汪天凡认为 2026 一定不是最好的 vintage。 [事实] 他指出，如果从十年尺度看，OpenAI 等公司已经到了摘果实的时候，当前看起来可能像泡沫。 [事实] 如果把尺度拉到“文明革命被压缩”的视角，当前又可能仍是好的年份，因为一切才开始。 [事实] 他认为中短期会受到 AI capex 边际下降、投资人 take profit、上市后解锁、二级市场 benchmark 等因素影响，带来波动。

[46:55] AI时代更要投人、愿景与起点

[事实] 汪天凡认为在 AI 加速一切的时代，效率不是最重要，起点、价值观、做事原因和野心更重要。 [事实] 他举例说，在 AI for science 等领域，AI 可能只是工具，真正重要的是创始人的大愿景。 [事实] 他认为创始人真实的野心、愿景和创业动力，比单纯判断项目是不是 AI 更重要。 [事实] 他强调由于过程被压缩，可能不需要很长时间就能证实或证伪，因此起点变得更关键。

[48:06] Mashie与AI for Fun

[事实] 汪天凡认为 Mashie 的袁鸣是一个典型例子，他不是这个年份才创业的 AI founder，而是在五六年前就开始做。 [事实] 袁鸣早期做太极语言和太极引擎，是优秀的开源项目，也经历了从 lab 研发到产品化、AI 化和面向用户的过程。 [事实] 汪天凡认为很多年轻 lab 创业者也会经历从纯 lab 到真正有用的模型、workflow 和产品的转变。 [事实] 袁鸣一直讲的愿景是 AI for fun，而不是简单的 AI 3D 或 productivity。

[50:13] AI是否让人更快乐

[事实] 汪天凡说自己经常和 AI 进行有心流的对话，并在那些时刻感到快乐。 [事实] 他也会用 Loki/Lookie 生成漫画发到小红书，并从这些漫画中感到快乐。 [事实] 他承认有时会闪过“AI 要替代很多东西”的味道，但很快又回到自己的方向。 [事实] 他认为 AI 目前渗透仍不充分，身边很多人包括父母使用 AI 还停留在很浅层的聊天阶段。 [推测] 结尾把“活在当下”和“更多快乐”作为对 AI 产品和投资方向的共同期待。

播客点评/总结

本期的价值在于，它没有停留在“AI 应用还是模型”“硬件是不是风口”这种表层判断，而是把问题推进到 context、智慧、价值观和人的主体性。汪天凡把 VC 方法论和 AI 产品观交织在一起，形成了相对完整的判断框架。

亮点是案例足够具体：从会前准备、尽调、投后追踪，到 Loki/Lookie、线下 AI 社交产品、Mashie，讨论不是抽象谈 AI，而是不断回到产品、交互、用户体验和创始人愿景。

[推测] 局限在于，播客主要呈现嘉宾个人投资哲学和阶段性判断，对于具体项目的经营数据、竞争格局和失败风险展开不多；听众如果期待严格的行业研究报告，可能还需要结合更多外部资料判断。

[推测] 本期适合关注 AI 投资、早期创业、VC 方法论、AI 硬件和消费产品的人，也适合想理解“如何在 AI 时代使用 AI，而不是被 AI 替代思考”的普通听众。