全球企业家分享 | Arvin Sun：硅谷精神与宠物AI的新机遇

企业家简介

Arvin Sun

Traini创始人兼CEO

全球首个宠物共情AI对话平台

创始人

2018年，我前往美国并加入了一家专注于亚洲餐外卖的平台公司Chowbus，成功参与了超过1亿美金的融资。我们的业务涵盖外卖配送和餐饮SaaS解决方案，包括点餐POS机的开发与运营。

在工作中，我注意到一个特别现象：许多女性用户会请司机代买狗粮。这启发了我对宠物服务市场的关注。为此，我在洛杉矶对超过2200名用户进行了调研，发现76%的宠物主在养狗过程中面临行为矫正与沟通的问题。这让我看到，通过社区化服务帮助宠物主人，是一个值得探索的方向。

尽管这一项目因疫情推迟，但2021年宠物收养率激增让我感受到时机的紧迫性。同年年底，我离职创立了Traini，专注于宠物行为翻译与互动技术。目前，我主要负责产品开发与运营管理，希望通过技术创新深耕这一领域。

我们的公司位于硅谷，靠近斯坦福大学。由于没有固定办公室，我们的团队几乎每天都在斯坦福校园内工作，这样的环境充满活力，也让我对创新有了更深体会。

我们专注于“人宠互动”，致力于帮助宠物主人与宠物实现更精准的行为理解与沟通。数据显示，美国有84%的宠物主人每天与宠物交流，但目前市场缺乏标准化的解决方案。

基于多模态技术，我们以视频为主要训练数据，通过标注宠物的行为、表情及情绪，构建了专属的宠物行为识别模型，并结合语音交互模块提升效果。我们的研究以科学为基础，参考了MIT和密歇根大学的研究发现，包括：

尽管技术上仍有挑战，我们始终以科学为依托，致力于推动人宠互动技术的发展，构建更紧密的人宠情感纽带。

我们目前已实现人宠之间的双向翻译，但从人类语言到宠物行为的翻译仍存在技术挑战。为此，我们采用了数据量约3,000万的端侧小型模型，以契合AI由“大而全”向“小而精”发展的趋势。

近年来，超大模型的开发因成本高、难度大而逐渐受到限制，行业开始聚焦于特定领域的小型专业化模型。例如，OpenAI推出的小型模型更适合在设备端运行，兼具高效性和低功耗，成为AI硬件时代的重要方向。

端侧模型不仅提升了效率，也为创业者探索更具针对性的应用场景带来了新机遇。

作为一个专业级的垂直领域小模型开发者，我们需要深入思考如何在端侧实现高效运行，并探索原生AI应用的发展路径。目前，我们的模型运行效率较高，用户在手机端下载后，可以直接利用手机的CPU进行运算，而无需依赖外部服务器。这种设计既降低了硬件需求，又避免了因语音或其他数据往返处理而产生的延迟问题，从而显著提升了用户体验。

我们选择构建端侧小模型，除了技术效率的考量外，还有一个核心问题：如何定义和实现“原生AI应用”。现阶段，AI技术在某些领域已然超越了当下的使用场景，然而AI应用并未迎来爆发式增长。我个人认为，这并非因为大模型能力不足，而是因为这些能力尚未被充分发挥，未能真正融入日常生活。

以我们的项目为例，在移动互联网时代，要系统性地解读宠物的行为并将其翻译为人类可以理解的语言，是几乎无法实现的。原因在于，当时没有足够的技术手段对视频数据进行全面标注和系统分析。然而，随着多模态技术的成熟，例如ChatGPT-4所展现的路径突破，这一挑战得以迎刃而解。尽管依然复杂，但我们看到了可行性，并能够开始深耕这一垂直领域。

专业小模型在垂直领域的应用催生了新的商业模式。在AI时代，To B（企业）与To C（消费者）的界限逐渐模糊。例如，OpenAI通过ChatGPT在C端用户中收集数据，反过来优化API性能，使API调用成为主要收入来源。

在我们领域，数据采集和处理成本高，但通过C端用户的使用，我们可以构建深厚的壁垒，并为B端输出API或解决方案。这种C to B模式利用C端数据推动B端优化，有望成为AI原生应用的重要形态。

为了提升交互体验，我们研发了一个名为**PPI (Pet-Behavior Interaction) **的模型，专注于宠物行为的交互分析。同时，在其他领域的模型训练中，我们也引入了语音输出（如TTS）及端到端的模型优化。目前，我们的数据量已超过100万条，虽然数据规模尚不算大，但通过模型的交叉验证，已达到81.5%的准确率，能够有效翻译宠物行为。

当前AI领域，Transformer架构广受追捧，这种追求生成式或创作能力的趋势，某种程度上导致了一些基础技术的忽视。例如，神经网络作为AI的基础技术，仍然能够高效地解决许多实际问题，并在某些领域具备更高的性价比。结合大模型的优化，神经网络的应用不仅可以降低成本，还能显著提升效果。然而，能够真正深入理解并用好神经网络的团队并不多，这也为我们在技术深耕上提供了更多可能性。

在商业化方面，我们正在探索多个方向，特别是结合C to B模式的创新应用。例如：

近年来，全球宠物市场增长迅速。以美国为例，市场规模从2018年的910亿美元增长至2023年的1,510亿至1,560亿美元，年复合增长率约为9%。在这一市场中，宠物行为翻译及相关服务的规模约为250亿美元，主要集中在北美和欧洲。

北美和欧洲合计拥有约1.6亿只狗，其中美国有超过9,000万只狗，7,000万个养狗家庭，渗透率超过75%。此外，新兴市场也展现出巨大潜力。例如，尼日利亚是全球宠物狗数量第三的国家，仅次于韩国和越南。尼日利亚的中产阶级在消费观念上与东亚类似，推崇优婚优育、晚婚晚育，同时愿意为宠物提供高质量的情感陪伴。这种情感溢价驱动了消费者对个性化服务和产品的需求，进一步推动了市场的发展。

美国宠物市场的另一大特点是强大的“穿越周期”能力。在经济下行周期中，宠物消费依然保持较高的增长率。从图表可以看出，绿色曲线表示宠物消费增长率，蓝色曲线为美国GDP增长率。在经济低迷时期，宠物消费的增长率通常是GDP增长率的2至4倍，仅在少数情况下略低。这种特性吸引了大量PE机构投资宠物行业，例如狗粮、宠物品牌等。

美国的GDP长期保持每年2%至4%的稳定增长，而宠物消费的增长则表现出更强劲的稳定性。这一特点不仅反映了宠物作为情感陪伴角色的特殊地位，也展示了其市场抗风险能力的巨大潜力。

作为一名早期创业者，我想分享一些在硅谷创业的心得：

硅谷位于加州湾区，从金门大桥到南湾的斯坦福大学，再到东湾的工业地带，是全球科技创新的核心。旧金山聚集了大量互联网、AI及Web3企业，而南湾以斯坦福大学为中心，包括Palo Alto等城市，吸引了众多高净值人群和顶尖科技公司如Google和苹果。东湾则以工业制造为主，特斯拉工厂便坐落于此。

硅谷以其独特的“车库文化”闻名，孕育了无数科技创新企业。南湾以斯坦福大学为中心，包括Palo Alto、Los Gatos和Atherton等城市，吸引了大量高净值人群及科技公司，如Google和苹果。东湾则以工业为主，特斯拉工厂便位于此。

硅谷是全球科技产业的核心，每年创造约540万个工作岗位，实现2,700亿美元的全球收益，主要集中在半导体和SaaS领域。这里的创业者从第一天起便站在全球市场的起点，融入开放、创新的生态环境。

硅谷的“车库文化”是创业精神的象征。许多创业者因资金有限而选择从车库起步，最终成就伟大的企业。一个经典的故事是谷歌创始人拉里·佩奇的创业经历。起初，他与女友（现任妻子）在创业时没有资金租办公室，女友的母亲慷慨地将自家后院的车库借给他们使用，谷歌便从这里起步，最终成为全球科技巨头。

类似的例子还有苹果的乔布斯和惠普的创始人，他们都从车库开始创业。成功之后，这些公司纷纷走出车库，进驻硅谷核心地段，例如下图中著名的165 University Avenue，这里见证了许多硅谷传奇的延续。

在斯坦福大学附近的University Avenue上，有一个地址165号，被称为“Lucky Office”。这座办公室隶属于Plug and Play，这家公司由伊朗十大富裕家族之一创建。伊朗革命后，这个家族迁至美国，通过卖地毯和矿泉水积累了财富，后来转向创业孵化领域。

谷歌的创业故事便与Plug and Play息息相关。当年，谷歌团队因资金紧张无法支付租金，Plug and Play选择以房租换股份，并追加投资20万美元，这笔投资为日后谷歌的成功奠定了基础。此后，他们以类似的方式孵化了PayPal（埃隆·马斯克曾是创始团队成员）和Logitech等知名企业。

此外，硅谷推崇原创文化，鄙视抄袭。这种文化保护了原创者的利益，同时也推动了收购文化的盛行。大公司愿意通过收购获得创新，而非简单复制，从而形成了良性的创业生态。

美国有60%的科技投资流向硅谷，而硅谷的投资核心地带便是著名的Sand Hill Road。这条仅几公里长的街道，聚集了全球最知名的风投机构，是无数创业者的梦想之地。然而，想要轻松敲开这些VC的大门并不容易，即便住在附近也未必有优势。

更有趣的是，硅谷的投资文化中存在一些独特的现象，例如有VC明确表示只投资从Sand Hill Road骑自行车一小时内可以到达的公司。这一选择虽看似苛刻，但也说明了该区域内创业公司的密集程度和成长潜力——在这个半径范围内，已经足够孕育出众多独角兽企业。

今天AI的爆发并非偶然，而是过去40年全人类科学家努力积累的成果。无论是OpenAI还是其他前沿技术，都是站在过去科研基础上的延续与突破。未来新的技术周期在哪里尚未可知，这值得我们继续探讨。

关于原生AI (Native AI)，一个核心特质是从一开始便完全基于AI技术构建，而非仅对现有移动互联网产品的简单增强。那些看起来“不靠谱”的想法，往往可能正是原生AI应用的雏形。类似20年前移动互联网兴起时，许多被质疑的点子最终成长为主流应用。在今天的AI领域，那些没有经验束缚、天马行空的年轻人或许会更具优势。

然而，创业成功不仅依赖想法，更需要强大的执行力，包括融资、产品开发、市场运营等完整的管理能力。以AI创业的效率来看，与SaaS相比，从获得100万美元收入所需的时间从15个月缩短到11个月，虽然加速明显，但依然处于发展初期。

当前，距离大语言模型 (LLM) 技术的爆发仅一年多，尚未到两年时间。相比于移动互联网20年的发展周期，AI仍处在“养鸡下蛋”的阶段，突破需要时间和耐心。

在硅谷，关于大模型技术路径的讨论非常热烈。Meta首席科学家杨立昆提出，大模型的生成内容虽然语法正确，但并不一定逻辑正确。同时，他也指出，大模型的功耗极高且运行效率低下。目前的LLM模型采用串联式处理，即“先做一步再做下一步”，这与人类大脑的并行处理能力有很大不同。人脑可以同时使用左右脑以及多个功能区域，如语言、推理和艺术等，而这正是当前AI技术难以企及的地方。

相比之下，人类思考时的能耗仅约20瓦，而大模型的能耗要求却远高于此，甚至需要借助核能或光能电站支持。一位俄裔科学家认为，现有的大模型架构可能并不是最优解，但新的技术路径目前仍未知。未来是否会出现更高效的架构，是一个值得持续探索的问题。

LLM（大语言模型）的本质可以理解为数学对空间的建模与理解。在硅谷，关于大模型的发展，有一种观点认为，通用数据已经接近耗尽，这也是大模型升级速度放缓的重要原因。然而，在具身智能和机器人领域，尤其是视觉理解方面，依然有巨大潜力未被开发。

例如，斯坦福大学的李飞飞教授致力于研究空间智能和数据采集，而硅谷许多具身机器人公司也正在填补这一数据空白。一些创业者正专注于相关技术，如采集高精度数据的五指机器人或仿生系统。这与自动驾驶的发展类似，当前技术趋势从传统的数据标注转向直接识别和仿生推理，以加速技术落地。

硅谷对这一方向的探索还在继续，这一领域既需要技术突破，也需要时间积累。

AI与移动互联网最大的不同在于其尚未形成独立的阵地。在PC时代有Windows操作系统，在移动互联网时代有iPhone和安卓系统，这些基础设施孕育了LBS、移动支付等技术，并推动了APP生态的繁荣。然而，当下的AI时代并没有特有的硬件载体或操作系统，LLM更像一个“通用型工具”，可以在PC、手机等多平台兼容。这也意味着，AI可能更多是在现有基础上增强，而非构建独立生态。

AI硬件有两大可能方向：

端侧模型被视为AI硬件的重要突破口。未来的AI应用可能以“大模型+多小模型”的形式在端侧运行，这对计算芯片的效率与功耗提出了更高要求。目前，各大手机厂商也在朝着这一方向布局。

在硅谷创业，我深刻感受到，成功的关键在于“Think big, do small”。无论是初次创业还是连续创业，想法需要足够宏大，但行动必须脚踏实地。很多创业者因为缺乏资源支撑，在试图做“大项目”时陷入困境，这一点值得警醒。

我的创业经验让我深刻认识到以下两点尤为重要：

当前许多人认为华人在AI硬件创业中有供应链和工程师优势，但这并不等同于华人创业者的成功基础。硬件的创新壁垒相对较低，OEM工厂可被轻易复制，真正的挑战在于两点：第一，软件交互能力的提升；第二，对用户场景和需求的深刻理解。缺乏市场洞察和多元渠道，仅依赖单一平台如亚马逊，将使价格战成为唯一竞争手段，难以真正立足。

在硅谷，创业的“卷”与国内大不相同。硅谷强调创新与效率，而非单纯依靠加班时长。通过提升组织效率与资源整合能力，创业者能够在兼顾生活的同时，打造全球化的创新产品。相比国内创业的“苦哈哈”模式，硅谷更关注工作与生活的平衡，并相信这样的模式同样可以创造独角兽企业。

此外，今天的创业环境也更为复杂。过去的移动互联网时代，团队成员无需阅读学术论文即可推动项目，而在AI时代，科学家范式逐渐取代工程师范式。了解技术背后的理论与模型原理已成为必要，这对团队的素质提出了更高要求。

硅谷创业者也越来越倾向于小团队模式，依靠少数精干成员创造出高价值的企业。一些团队仅有10人左右，却能实现上亿美元估值。团队的核心在于“相信所以看得见”，而员工则需要“看得见所以相信”，这也是打造优秀团队的重要基石。

硅谷如今流行一种“大厂文化”，呈现出一些独特但备受争议的现象。比如，谷歌要求员工每周到办公室工作三天，其余时间居家办公。然而，许多办公室的空置率仍然很高，因为部分员工只是打个卡就走，这被戏称为“Coffee Badge文化”。此外，居家办公让“悄悄休假”变得常见，员工以会议冲突为借口消极参与。

另一个现象是“兼职创业”。一些员工在完成基础工作后，将时间投入到自己的创业项目中，虽然降低了个人风险，但往往导致两边都难以做好。相比之下，马斯克裁掉推特近70%的员工却对运营影响不大，但像谷歌和Meta这样的公司难以效仿，因为它们仍然需要维持现有的庞大团队。

史蒂夫·乔布斯曾说过，用户并不知道自己需要什么，你提供给他们的产品，便是他们的需求，你需要去引导和教育他们。因此，正如我之前提到的，我也进行了用户市场调研，但这只能作为参考。如果完全依赖市场和用户调研来开发产品，可能会失败。用户通常只会在已有的选项中选择对自己利益最大化的方案，而非最公平的选择。

那么，如何定义产品？我认为，定义产品就是满足用户最小需求的微积分。

罗安著 | 武耀恒 | 傅强 | 李秀平 | 吕晓慧 | 刘其章 | 李彦德 | 程天富 | 柯滨 | 段锦泉 | 周宏骐 | 梁慧思 | 黄幸亮 | 施永丰 | 乌耀中 | 学段回顾 | 书单推荐

互联网创业 | 法律行业 | 金融科技 | 互联网金融 | 创新创业 | 优秀企业家 | 元宇宙 | 数字化转型 | 新加坡投资 | 疫情新机遇 | 科技企业 | 餐饮服务 | 职业教育 | 铁路工程 | 服饰 | 生物科技 | 共享办公 | 财务管理 | 电力器材 | 商业银行 | 生态环境 | 数据安全 | 矿物能源 | 智库平台 | 企业突围与转型 | 东南亚新机遇 | 疫情防控 | 投资银行 | 健康管理 | 生态共享办公 | 豪华游艇业 | 元宇宙教育 | 新乳业发展

联系方式

电话：

+65 6601 6944  +65 6601 7753
+65 6516 8656  +65 6516 8352

 码上添加@招生小助手

了解项目详情，咨询项目申请

码上添加@国大EMBA小助手

关注最新资讯，深入学习社群

邮件：embac@nus.edu.sg

地址：

商学院中文EMBA招生办公室

新加坡国立大学商学院研究生办公室

NUS Business School, 15 Kent Ridge Drive, 

Singapore 119245

网站：embac.nus.edu.sg