作者/金沙江创投管理合伙人张予彤
编辑/Tina
校对/子蕊
哪些公司在2022年依然取得了激动人心的增长？哪些前沿科技已日趋成熟即将爆发？2023年科技创投界的热点与风向将在何方？科技行业新格局下初创企业的下一个大机会在哪里？
在这篇三万余字的报告中，共梳理了五大前沿趋势:一是生成式AI：创作工具进化到自然语言，艺术的本质回归到提问与表达；二是全球化 2.0：多元化、本地化、人性化与数字化；三是数字健康和可持续发展：生命和环境也需要一个操作系统；四是Serverless 无服务器：实现应用系统与基础设施解耦；五是深科技：不局限于平台经济和双边市场，走进工业、新能源和产业进行颠覆性创新。
回顾过往，中国科学家、工程师与企业家在推动科技的边界中，始终扮演着关键的角色。我们不仅会坚定支持以科技为支点撬动商业机遇的创业者们，也相信在未来10年，在全球核心的科技与商业节点上，会有更多中国创始人的名字，也期待能陪伴创业者驶向科技的星辰大海。
2023年机会犹在，中国仍将是最好的投资市场。让我们有更多的耐心和信心，共同为一个美好的科技未来做好准备！
01生成式AI：创作工具进化到自然语言，艺术的本质回归到提问与表达
生成式AI将如摄影一样，推动艺术的突破。19世纪，达盖尔拍摄的街道宣布了摄影术的诞生，将画家从捕捉现实世界的任务中解放出来，拉开了印象派，表现主义与抽象派百家争鸣的现代艺术史。现代艺术家在画作中抛弃了再现现实世界的目的，转而表现视觉感受，内心的主观表达。而到了 20 世纪中期，摄影的再现写实和抽象的艺术表达出现了一次新的融合，摄影家们将构图，曝光时间，光线的控制以及后期处理技术结合起来，开创了"抽象摄影”这个全新的艺术流派。
（Vortograph, 1916–17，Coburn通过创新的镜头附件和拍摄技巧，开创了抽象摄影）
今天，像 DALL·E 2 这样的AI大模型可以按照你能想到的任何艺术风格进行创作，包括现实主义、野兽派、印象主义甚至抽象派等。它还可以学习指定任意艺术家，甚至糅合梵高与毕加索的风格进行创作。当这项技术的潜力被充分地发挥出来，当代艺术家又将如何应对呢？
尽管 DALL·E 2如此强大，它也最多像它的训练数据一样强大，就像是一位只能根据脑海中已掌握的技巧作画的艺术家。我们仍然需要艺术家对世界有独立的观察和思考，不断提问与表达。大模型会推动艺术家进入到下一个艺术思潮，会诞生前所未有的艺术风格，也会出现新老艺术媒介的融合，产生更高的创作自由度。
生成式AI的技术驱动力
技术红利消失了？生成式AI还可以持续释放生产力，今天的大模型就是明天的小模型！
大算力：大模型需要大规模的底层芯片来处理大量数据并执行语言理解和生成所需的复杂计算。这包括功能强大的 GPU集群，可以加速训练和推理过程。
大参数：GPT 1.17 亿参数，到 GPT-3 1750 亿参数，不断突破能力边界的GPT模型是一部暴力美学的代表作，也代表了一种AI发展的价值观，以大计算为杠杆实现智能。大模型的意义在于通用性和极强的泛化能力，刚出现的时候还有很多的局限性，但每一次都做到了以前无法想象的事情，并且还将继续出现更多新的突破。
大架构：
ChatGPT 使用 Transformer 架构，该模型在 2017 年出现在一篇名为“Attention is All You Need”的论文中，以处理大量数据和处理语言长期依赖性的能力而著称。可以并行化，大大减少了模型的训练时间。可以在大型文本数据语料库上进行预训练，也支持针对特定任务的微调。
DALL-E 2结合预训练CLIP模型与扩散模型（Diffusion Model)实现以文字生成图像。当前常用的扩散模型架构源自“DDPM: Denoising Diffusion Probabilistic Models”：在训练中学习如何给图像添加噪声直至趋近随机高斯噪声，由于设计的模型可逆，生成是训练的逆过程，将随机高斯噪声通过训练好的模型逐渐去噪直至生成图像，它的结构类似多个VAE的叠加，每次只学习一个增量，降低了学习难度从而保障生成质量。
ChatGPT的闪亮登场与Google 的Code Red
生成式AI的一个爆炸性产品是ChatGPT，于22年11月一经推出，马上引起了病毒式的传播，一时间用户和ChatGPT的聊天记录充斥着所有的社交媒体。这引起了Google的警觉并正式宣布进入Code Red状态，紧急召回了两位创始人拉里·佩奇和谢尔盖·布林商量对策。作为AI和搜索领域的万亿美金巨头，搜索是Google的基石业务，也是常青的互联网入口级产品，每天有数十亿用户通过它搜索信息。
这次的Code Red也来自于ChatGPT的爆火，同时一部分用户更喜欢通过问答而不是关键字搜索来获取信息；这个危机事件中看到机遇的一方则是微软，早在2019年，微软就投资了OpenAI 10亿美金，成为主要的外部股东，同时也联合OpenAI推出了Github Copilot。在ChatGPT出圈后，也开始积极推进数年累积投资100亿美金增持到49%持股与未来收益权的交易，通过加深与OpenAI的合作，积极将ChatGPT整合到Bing，正面挑战Google的搜索业务。
为什么Google没有发布ChatGPT这种产品？搜索引擎旨在帮助用户在互联网上查找信息，它的工作原理是对网站内容进行爬虫和索引，然后使用算法对这些页面与用户搜索查询的相关性进行排名。Google返回的是与用户查询相关的网页列表，而 ChatGPT 是根据输入的内容生成响应。它不会对内容进行事实核查，也无法区分经过验证的事实和错误信息，并且不提供信息来源。它还会编造答案，这种现象被研究人员称为 hallucinations。
这些因素会带来很多业务中的法律风险，也许就是Google迟迟没有推出产品的顾虑，让用户可以相信他们从搜索获得的答案。很期待它如何做出响应，融合大模型和搜索，做出更好的用户体验。
如果我们问ChatGPT：“是不是可以先用ChatGPT获得答案，然后再去Google验证信息？”它也会认可这是个不错的方法，虽然调侃了它的无中生有，但它的回复的思维逻辑又无懈可击。
ChatGPT也定义了人与AI的关系：如鱼得水，如胶似漆。ChatGPT最大的创新就是 RLHF (Reinforcement Learning with Human Feedback)，通过不停止的收集人类的反馈，让机器从他们犯的错误中学习并相应地调整行为。人类可以不断地帮助AI在决策过程中变得更加高效和准确，也减少了额外的人工标注的成本。人机结合进行改进的能力终将产生颠覆性的影响，也是一种人类文明的汇集，承载和传承。
生成式AI将让科技与创作走向大众
提示工程，Prompt engineering，是一个门槛最低的编程语言。掌握智能技术将会成为每个人的必备技能，当编程门槛已经降到了提示工程，没有严格的语义，只要会自然语言，就可以将人类的想法转化为可重复执行的程序。不需要训练更多的人成为程序员，但必须把它当做一个编程工具去学习。常见的高级编程语言如Python、Java、JavaScript等大多诞生于90年代。未来的某个时刻，对于没有经过技术培训的普通用户来说，如何使用AI系统的能力也会是一项职业必备技能，就像今天的白领工作者都必须具备使用搜索引擎和Office办公套件的能力一样。
Prompt是一个问题或者指令，也可以是输入数据和用例示范，用于指导 AI 系统生成响应。今天提示的微小改变都会对AI的结果质量产生关键的影响，使用者还是需要理解AI系统的能力和每个模型特定的局限性。
学习如何找到明确的Prompt，不产生信息损失，也没有信息混淆，而不是编写程序本身。与大多数工程一样，这也是一个持续迭代的过程，要灵活的运用对话记录来指导AI。在提示链中，我们可以强制模型遵循一系列的“推理”步骤来纠正模型的错误，比如提示模型引用正确的来源来将模型推向正确的方向。还可以创建工具来存储困难任务示例的“测试集”，评估新提示的质量是否在原有基础上有改善。
在未来的生产力年代，我们每个人都需要成为超级用户Pro User，才能真正的掌握表达思想的道具。当然也可以期待Prompt变得越来越容易，模型变得越来越智能。
内容创作的“零门槛”化。我们生活在一个内容爆炸的年代，技术一直以来做到的就是不断的降低内容生产的门槛，让没有多年学习和经验的人，也参与到内容生产中来。
比如画家需要表达需要审美，技法，构图的综合体现。摄影的出现，就让需要表达的人可以摆脱对画师技艺的要求来进行艺术创作。这可以带来更加多样化和包容性的内容生态系统，任何人都可以参与创意、思想和艺术的创造和传播。
同样，人工智能生成的内容技术也在让内容制作过程进一步的降低门槛。
生成式AI带来的10倍效率提升
在内容生产效率上，AI 可以快速生成大量内容，并且只需最少的人工输入，这可以为企业节省时间和降低人力成本。 尤其在问答，长文档的总结等任务上，例如Jasper主张其对营销文案10倍的效率提升；在更为严肃的科研写作领域，Nature的一篇新闻也指出，至少4篇文章将ChatGPT列为论文的Co-Author。
而编程领域的应用同样激动人心：开源是软件能够迅速发展起来的核心，也为大模型提供了数十亿行代码的训练数据。这些工具的目标不是要取代程序员，而是要让像 Codex 和 Copilot 这样的工具与人类“结对”，以提高编程的效率。
比如遇到不熟悉的语言，API接口，SQL查询数据，甚至企业里维护的legacy代码。很少有开发人员可以同时精通所有的编程语言，包括 C++、Java、Node.js等等。很多程序员也是从 StackOverflow上面复制粘贴代码片段。当然仍有很多场景还不适用导致准确率不高，需要去Debug AI生成的代码，反而会花费更多的时间。
ChatGPT在编程任务上展现出了比Copilot更大的想象空间：Copilot还是只能做到自动补全。阅读、建议和修改文本以创建传统的软件程序。Copilot是无状态的，用户只能通过修改prompt重新生成代码。语言模型本身不跟踪状态。而ChatGPT在其中跟踪从一个prompt到下一个prompt的状态，可以根据用户反馈迭代输出，实现了复杂的“会话”。比如如果在对话中提供了更多的上下文，API 提示和数据库Schema等背景信息，可以更好的帮助AI的代码生成。甚至可以在提示中教授算法。
规模化与个性化：生成式AI可以支持内容制作的规模化，以满足突然出现的大量受众的需求，或同时支持几十种语言的内容生成。比如在Tiktok上做多语言投放的内容的营销文案：包括文本、图像和视频。同时人工智能生成的内容可以为不同的目标受众创建个性化内容，为用户提供更具相关性和吸引力的体验。比如用文字，语音驱动的数字人视频内容。
AI的局限性
质量不高：AI 还是基于概率模型生成的内容，往往存在逻辑错误，比如误解问题，混淆了不同信息的输出位置，也会无中生有捏造事实。更加适用于对质量要求不高，错误容忍度高的场景，或者嵌入专业技能的人来做质量判断的工作流程。
成本还需要进一步的下降：文字的成本大概是几美分，但如果是生成3D模型，今天的成本依然在10美金左右，还无法真正普及。
道德问题：AI 生成的内容可能会引发错误信息的传播以及使用 AI 生成的内容冒充个人带来的安全隐患。 比如可以通过Deepfake技术，替换视频中的内容。
价值偏见：人工智能生成的内容是基于它所训练的数据，也会继承人类认知中对于性别、职业、种族的偏见，会产生很多种族主义和性别歧视的回答。
对数据的依赖：人工智能生成的内容依赖于大量数据来训练模型，如果数据不具有代表性或多样性，则生成的内容也不会多样化或具有代表性。 比如问他FTX是否安全与合规，因为训练数据截止于2021年，它会给出与现状完全不同的答案。
法律合规：AI 生成的内容可能面临法律挑战，例如侵犯版权，或者其产生内容的知识产权归属问题尚不明确。比如国内一度盛行的AI换脸应用“ZAO”，以及Copilot是否复制代码引起的对于微软合规使用Github数据的讨论。
危险信息：比如可以让他解释如何做恐怖袭击。
未来的展望
在数据维度，ChatGPT是基于2021年及之前的数据而训练，还不能实时更新最新的数据或者连接互联网，执行程序拿到反馈去优化模型，或者在模型的风格上更加的微调以适应个人风格和偏好。试想如果未来这些成为可能，将会给我们的世界带来多大变化？
在模型维度，不断扩大模型参数的暴力美学并非唯一的路径，例如披露的GPT4的参数量就并不会显著多于GPT3的1750亿的规模，如果未来的方向不会是参数规模越来越大，除了增加数据和参数规模外，大模型的架构会如何演进也同样令人期待。
大模型也给AI系统软件带来的挑战：压缩、硬件加速和在边缘的部署，都仍有提升的空间：AI模型的数据结构化，比如把可信的知识放在一个可查询的结构化的数据库里，可以进一步的压缩大模型的规模，提高结果的可信程度；AI模型的存算分离，可计算的模型也可以抽离出来；随着边缘计算、机器人的普及，如何适配异构硬件环境，支持更多的智能终端。
在商业与生态上，未来将如何分工？大模型的预训练成本需要至少上亿元的前期投入（Stable Diffusion的训练使用了4000 个英伟达 A100 的 GPU 集群），很难也没有必要重复通用泛化的建设基础设施底座。早期以探索前沿AI为核心目标的公司：Deepmind被Google收购提供支持；OpenAI最开始是非盈利组织，后面微软的不断注资，都是依靠着巨大的算力，数据和资金成长起来的。
初创企业的机会在哪里？
大模型需要丰富的插件生态，围绕基础模型的ISV插件生态是初创企业的机会
基于垂直产业的小模型也可以在差异化的场景，与大模型形成有效的互补
我们相信，基础的通用大模型与场景专精的中小模型或者插件，将会把AI商业化带到下一个里程碑。
推荐关注 1：Descript 可以像编辑文档一样剪辑视频
推荐理由：虚拟世界里最重要的就是内容创作者生态，不断的降低创作门槛才能释放新的生产力。Descript 定义了下一代易于使用的视频编辑平台，可以像编辑文档一样，剪辑视频。拍摄视频的成本还是很高的，需要布景灯光，准备脚本，但录制的过程，如果创作者没有经过专业的训练，就会存在静音，填充词和出现口误。Descript把AI巧妙地应用到了视频纠错这个高价值场景里，既发挥了AI的效率，又克服了技术今天原创内容质量不高的局限性，打造了基于现有技术成熟度的人机协作创作高质量内容的完美场景。
成功要素
创始人Andrew Mason是之前美国最大的团购网站Groupon的创始人，成功带领公司在2011年上市，作为主导过百亿美金的连续创业者，Andrew最初切入的播客音频剪辑市场并不大，但几乎统治了这个市场，伴随着视频编辑能力的完善与客户向视频创作的转型，Descript顺势切入了视频编辑这个更大的赛道。
Descript做了精妙的市场定位与差异化竞争策略，并不直接与专业的视频编辑工具如Adobe AE竞争，仅提供滤镜和绿幕等一些基础视频编辑能力。核心亮点是准确的ASR提取文本，并基于文本对视频内容进行抽象与关联，让创作者可以基于文本，段落等结构化信息来对视频进行剪辑，剪辑后也可以导出到更多专业工具中。
Descript采用了Freemium的模型，提供每月1小时剪辑内容的免费账户到30小时每月的Pro（30美金/月）的付费账号，让业余爱好者可以低门槛尝试。为了推广产品让创作者进行背书，Youtube等创作平台发布内容，并且为Descript带来成交客户的，可以从客户第一年的收入中获得15%的分润。
作为一名主导过上市公司的连续创业者，Andrew在资本市场上也动作频频，2019年A轮融资同时宣布收购了Lyrebird，为用户提供了杀手级功能Overdub，可以在用户口播文本中增改文字让视频内容自动生成。在2022年大模型应用井喷的时代，引入OpenAI领投的新一轮融资，2x估值并且引入OpenAI的核心技术背书。
推荐关注 2：Jasper 2年近亿美金ARR的AI写作服务商
推荐理由
Jasper是连续创业者的赞歌，也是创始人第3次在营销科技赛道的创业，通过上一段Proof积累的场景理解以及2.5万名信任他们的客户，借力GPT3的惊艳效果在2年内做到近亿美元ARR，验证了生成式AI的规模商业化能力，尽管面临ChatGPT的挑战，Jasper团队积极推出Jasper Chat以及Jasper Art拓宽产品线提高TAM，也有望成为首个破亿ARR的生成式AI公司。
成功要素
三位创始人是Martech领域的连续创业者，在发起Jasper之前已经在营销场景经历了7年的时间，从最早的咨询公司Market Results，再到17年发起Proof帮助企业为用户提供个性化的登录界面，创始团队在营销科技场景已经积累了丰富的经验和广大的客户群体。Jasper的成功很好地验证了创业是认知、客户、团队积累的一次爆发：Proof的2.5万家客户，帮助Jasper快速完成PMF并且在一周内完成数百万美金ARR。
在产品与技术上，Jasper更擅长营销长文的协作，相比竞争对手能够提供更多元化的价值，例如对SEO的优化，规避Google等搜索引擎在AI生成内容上降低搜索权重的影响，帮助客户捕获有机流量，同时可以对是否抄袭进行自动检查，避免知识产权问题。
团队对AI技术与营销场景结合极具洞察与执行力，最早的PMF就是基于GPT3 API，针对长文本营销写作进行调优，后又推出Jasper Art的营销图像生成以及Jasper Chat的对话式写作工具，给用户提供更完整产品矩阵。
在增长中以产品为引擎，提供免费版本的5天试用权限，在产品上引入Chrome插件，让用户可以更低门槛地尝试产品，缩短Time to Value。用G2上平均分高达4.9/5的产品评分来为产品的进行背书，并且对于转推荐的客户给予30%收入的返利从而激励社群的裂变传播。产品可以直接开通试用，近乎0交付成本，为了帮助用户更好地使用产品，提供了丰富的Q&A以及Blog和文档，在Facebook有一个7万多人的社群可以讨论各种基于Jasper的最佳实践。
推荐关注3：Runway AI驱动的视频编辑器
推荐理由
Runway是一家由AI驱动视频编辑的SaaS企业，最初因为2022年爆火的Stable Diffusion以及围绕这个开源模型的版权纠纷而被大家所熟知，三位来自智利、希腊的移民，在纽约大学求学的过程中，共同完成毕业论文结下不解之缘而决定一起创业，经历4年低调的探索在生成式AI元年迎来广泛认可。
成功要素
Runway的团队能够很好地在创作者和AI之间找到一个平衡，CEO是设计师背景，与2位联合创始人在纽约大学ITP（Interactive Telecommunication Program）相识，共同完成的毕业论文成为了Runway的产品原型。首席科学家则是Stable Diffusion的合作者之一，也建立了和慕尼黑大学、纽约大学的学术合作。
在生成式AI成为最炙手可热的技术概念之前，Runway就坚持在探索AI和创作结合了，视频对于制作水准的要求提高了视频后期处理的挑战，Runway在前生成式AI时代为创作者提供了抠像，稳定追踪，删除杂物等能力；当Dall-E-2横空出世，Runway的团队也捕捉到了大模型给图像视频创作带来的新机会，对创作者需求的把握，对AI技术的理解与将两者结合的坚定探索，让Runway成为了功能最完备的AI视频编辑工具。
Runway采用了按照席位数付费的商业模式，对于个人用户提供永久免费的基础版本不过只能使用部分AI的工具，对于可用资产和导出的视频精度也有限制，而15美金每月的Pro版本以及35美金每月的Team版本，则有更大的资产存储空间，同时可以使用更为完备的AI能力。而Enterprise企业用户则可以享受定制化的专属模型，同时提供安全合规的企业级功能。
尽管当前Runway的营业收入还不到500万美金，但是在抓人眼球这件事情上，Runway一直做得非常好，自Stable Diffuison受到关注之后，Runway逐步发布了两段视频用于展示其AI的能力，以及通过文本的交互式编辑能力，在创作者用户群中收获了大量的关注度。
推荐关注4：Inflection.ai 通过AI重新定义人机交互
推荐理由
由DeepMind创始成员Mustafa Suleyman和原Linkedin联创Reid Hoffman组成的顶级创始团队，希望通过AI重新定义人机交互。公司成立之初便获得2.25亿美金的融资金额，跻身独角兽之列。该方向已经在Deepmind的研究"通过数据驱动的方法训练AI控制计算机/A data-driven approach for learning to control computers"中初见成效，期待在Inflection.ai团队的探索下有机会诞生全新的人机交互模式。
由于Inflection.ai没有公布任何产品信息，这里我们用了它的竞品Adept.ai的产品页面来给大家一个直观认识新型的人机交互模式产品。用户可以通过chat的模式调用应用程序流程，得到人通过鼠标点击应用程序相同的结果，类似于去掉自动化流程设置的RPA bot。
随着多模型的训练成本不断在降低，AI模型的不断提升使得AI理解不同内容(如图像、文本)之间的关系使得一个可以将请求转为各种计算机指令的系统成为可能。但想要构造一个全新的人机交互模式，数据的瓶颈仍然是现阶段需要解决的第一个问题。大量的在应用程序中完成任务的事例以及对应的文本描述数据的收集与获取并不容易。即使有了数据之后，模型的生成、提升与稳定所需要的成本对初创公司来讲也不是小数目。期待Inflection.ai团队能在有限的资源的情况下尽快将产品demo与我们分享。
02全球化 2.0：多元化、本地化、人性化与数字化
全球化2.0(主要指人才、信息与服务和数据的流通)将会是一个更加长期和复杂的过程，世界将在多元化(diversified)和本地化(distributed)、人性化(disposition)和数字化(digitalization)的动态平衡中常态化。
2022年，在中国创投市场最流行的一个词莫过于『出海』。在过去10年的时间里，中国消费互联网企业不仅诞生了比肩Amazon和Facebook的的阿里巴巴与腾讯两大巨头平台型公司，本土互联网和科技行业水大鱼大。放眼世界，我们也孕育出了成为全球市场领头羊的众多企业和企业家。快时尚品牌Shein，直接挑战全球电商巨头Amazon与Shopify，2021年收入超过160亿美金。原神与Tiktok，分别在游戏和短视频社交领域所向披靡，原神总收入超过36亿美金，Tiktok全球月活跃用户超过12亿。在数据基础设施领域，特别是开源社区领域，如PingCap，也开始崭露头角。
Shein的成功，得益于中国在全球化1.0的世界格局里提供的强大服装供应链，每天2千款上新的速度也倒逼了供应链更加柔性，升级了快速迭代的供货能力。中国强大的供应链能力不仅体现在服装生产端，小到智能家居和电子产品、大到汽车和机器人制造，都可以在长三角和珠三角找到全球最便宜、生产速度最快、质量最好的供应商。Pingcap的成功则与全球化2.0里中国的人才流动和服务流动密不可分。中国的互联网工程师占全球工程师总量的1/3, 技术实力过硬，代码质量过关，但成本仅为硅谷工程师的1/3。在疫情后全球化远程办公的今天，工程师红利的输出将会在『出海』这个大主题下尤为重要。除了工程师以外，在激烈竞争环境下积累的互联网用户交互侧的产品和运营实战经验，特别是基于大量用户数据的AI算法，可以说在Tiktok这里取得了惊人的效果。我们相信，在全球化2.0的时代里，中国过硬的供应链优势、优秀的工程师红利和产品运营经验的积累，将会持续帮助和成就中国出海公司成为全球化2.0时代的焦点。
本地化：业务的本地合规化，注重可持续发展而非只关注短期增长
业务全球化面临的第一个挑战是，企业需要满足不同国家和地区的法律法规。从招聘到运营到数据安全等，都需要受到不同国家和地区的约束。例如在数据的跨国流动里，欧洲有数据导出的地域限制，要求数据在本地国家存储和处理。因此，公司必须创建单独的基础设施、计算能力和本地团队，且无法为跨地域的客户提供服务。而有些国家，例如印度尼西亚，则允许将数据复制到原产国以外的地方进行处理，但需要在当地基础设施中备份这些数据。
根据DHL的研究统计，跨区域的信息从2000年开始便在全球化指数中以超过人才流动、资金流动和贸易流动指数的绝对优势不断增长。为满足全球化2.0里不同地区的合规要求，针对不同跨国业务领域的企业服务公司也应运而生，且部分公司由于疫情的原因增长迅速，例如帮助公司进行远程雇佣管理的Deel，在短短2年的时间内，ARR收入快速增长到一亿美金。
除了传统的企业服务外，诞生在全球化2.0时代的新技术，例如区块链，带来的合规化的挑战也不容小觑。由于区块链公开透明的数据和全球用户匿名的属性，这给监管提出了更高的要求。专注区块链数据分析的独角兽Chainalysis从为IRS提供反洗钱监管解决方案切入市场，在政府监管领域站稳脚跟，为全球区块链的安全与监管保驾护航。新技术与监管手段不断演化，越来越多的全球问题可能通过广泛的公私合作关系找到解决方案，将使当今不透明和隐藏的多层交易结构变得更加可观测和可监管。
人性化：货物的全球化已成常态，人才的全球化刚刚开始
过去三年，由于疫情的影响，世界各国为控制疫情的蔓延，纷纷采取了更严格的边境管制和签证制度。然而，当我们回看统计数据时却发现，疫情期间中国的外贸出口却并没有停下脚步，反而一直在增长。从2020年的2.59万亿美元增长为2021年的3.36万亿美元。
同样，尽管疫情使得人与人之间的面对面交流变得困难，但却恰恰成为了远程办公的催化剂和协同工具增长的加速器。人与人之间的沟通与协作，并没有因为距离的原因而疏远，反而促进了更远距离，甚至跨国协同变得习以为常。与全球化1.0关于贸易、资金和货物的流动不同，全球化 2.0允许所有公司，无论大小，在全球雇用员工，从而打破单一地区的技能劳动力的供应不足问题。根据麦肯锡全球化人才流动统计，随着社交媒体的发展，如果我们把拥有1个外国朋友的人与旅游、求学、工作等等进行实际跨国流动的人群一起计入全球人才流动数据的话，早在14年，该统计数据便超过了10亿人。尽管疫情带来了旅游人群的大规模减少，但是其他形式的人才流动，例如跨国远程工作、移民、求学等却只增不减。
此外在劳动力成本较高的国家，例如美国和中国的一线城市，由于地区生活成本高昂和人口老龄化带来用人成本急剧增加。在全球化1.0货物流通的时代，生产成本向劳动力较低的地区倾斜，影响了全球的制造业劳动人口。而今天在全球化2.0的时代，在数字科技的支持下，服务业的劳动人口分布正在被重塑。工作报酬越高，且工作地点对产出影响有限的职位，远程雇佣便会先从这个职位开始替代，比如程序员。远程雇佣的兴起，会一定程度上弥合发达国家与发展中国家的薪酬差距，同时也会引发发展中国家对于人才的新的竞争。比如印尼发放的数字牧民的工作签证，为巴厘岛带来了许多的创业公司的年轻员工.
数字化：不只是产品的研发分布式，一切工作流程都将远程线上化
22年能与『出海』这一关键词相提并论的另一关键词一定是『PLG(产品驱动增长)』。与传统企业服务所遵循的『SLG(销售驱动增长)』不同，在PLG模式下，使用产品作为获取和留存客户的主要工具，客户可以通过内容找到产品，并自助注册使用和付费。采购决策基于最终用户，而不是高管，实现了销售和实施的线上化。后期通过用产品迭代增加和用户的数字化触点，进一步实现留存线上化。众多近年来增长快速的公司，如Zoom, Notion, Figma, Slack等等均是PLG模式的代表。特别是在疫情发生后，正常的销售拜访无法成行，对销售驱动增长的产品影响很大。但PLG模式的产品，例如Miro，Zoom等，均得到了快速的用户数量的增长。这一模式也影响了众多基础设施公司的用户交互，在自助注册和使用的便利性上得到了非常大的提升。
随着线上化和数字化的加速，员工在日常工作中接触了比以往更多的线上经营数据和用户信息，传统的集中式安全防护已经不再适用。更多的线上工作环境也更容易暴露更多的的安全漏洞，据悉，疫情之后，世界卫生组织的受到的网络攻击数量为疫情前的5倍以上。针对网络勒索，数据泄露等相关的网络安全和云安全等需求在疫情后也得到了快速发展。例如20年成立的以色列的云原生安全公司Wiz，聚焦多云环境Severless架构下的云原生应用保护，仅仅用了18个月便完成了1亿美金收入的门槛。
推荐关注5：Deel 2022年ARR400%增长的远程雇佣平台
推荐理由
Deel在成立短短3年的时间内，ARR突破2.9亿美金，全球客户数量增长至15000+。HRtech本是个成熟的领域，但疫情推动了线上办公，也随之开启了一个远程雇佣的全新市场。Deel除了业绩突飞猛进，它还突破了SaaS只是做产品和收取订阅费用的传统模式。结合了自身软件产品和全球合作伙伴生态所提供的服务，才让Deel可以在短时间内迅速满足企业在全球150 多个国家的雇佣合规。同时通过内嵌金融服务，进一步的加强自身商业模式的货币化率。
成功要素
Deel的产品与服务主要包括全球招聘合规服务和薪酬服务，形成SaaS与Fintech相结合的商业模式。SaaS模式里，Deel为合同工和全职员工提供了不同的服务套餐，企业根据自身需求和预算选择即可。Fintech模式里，支付50亿美金的薪水，单一换汇差带来的收入预计至少五千万美金。此外，Deel通过Deel Crypto允许雇主和员工通过Crypto货币账户进行支付和接受报酬，降低支付成本。有了雇佣和工资数据作为基础，Deel还为员工推出了带有利率条款的薪酬预支服务。SaaS与Fintech模式的结合，成功的帮助Deel从第一增长曲线过渡到第二增长曲线。
从SMB切入，逐渐向mid-market渗透。相比商务周期较长的mid-market，创业公司和SMB一方面更容易接受远程办公与混合办公，另一方面商务转化周期也比较短，对产品要求相对简单。再加上YC的社区资源，Deel在早期选择了从SMB公司快速切入和抢占市场。到22年初，Deel的服务的客户已经超过了6000家，早已从早期的SMB客户扩展到了Shopify, Dropbox, Airtable, Notion等中大型公司。
产品与Partnership的相结合的增长模式。Deel在产品侧构建了能支撑多国家多语言法务与合规平台和团队，同时也在世界各地建立了能在当地进行紧密合作提供必要服务的合作伙伴，实现了融资、客户与合作伙伴三者相互助推的火箭般增长速度。
推荐关注6：Miro 2年用户增长5X的在线多人协作白板
推荐理由
Miro是在线多人协作白板工具，在过去2年时间里，用户量和付费用户均增长了5倍。20年便突破1亿美金收入，99%的财富100的客户均为其用户。
成功要素
团队在在线白板产品领域深耕多年，产品支持思维导图、甘特图、看板和产品圆形图等一系列内容的绘制，非常精准的切中远程办公场景的协同沟通需求。
Miro走的是典型的freemium+PLG工具化产品的扩张路线，且天然带有强烈的网络扩张效应。用户可以免费注册，根据功能、协同人数和白板数等可以选择更多的付费套餐，从每月8美金，16美金到企业定制化不等。Miro的用户量从2020年的700万用户增长到21年的2000万，付费用户数从2万增长到13万，用户总量到22年底已经达到4500万
API集成也是Miro的一大特点。用户即可以在Miro里集成其他工具来管理项目，也可以将Miro集成在其他工具里进行更好的协作沟通。与众多第三方工具的API集成，使得Miro成功的从单一的工具产品转向了平台产品。用户粘性和产品延展性都得到了极大的提升。
在平台模式的基础上，Miro也渐渐开始建立自己的生态闭环，包括社区、咨询和专业的服务等。成功从单一工具产品升级为平台产品与生态的结合，利用整个生态的力量开始不断扩圈，开启了第二增长曲线。
推荐关注7：Chainalysis 专注区块链数据分析的链上FBI
推荐理由
Chainalysis是链上数据分析的独角兽，通过Reactor, KYT, Kryptos等核心产品矩阵，Chainalysis服务了70多个国家和地区包括政府、金融科技和金融机构公司在内的750多个客户，为全球区块链安全保驾护航。
成功要素
Chainalysis走的是大客户销售(enterprise sale)策略。通过合规和安全切入行业，帮助各国政府和交易所追踪被盗数字货币。14年成立之初刚好发生Mt.Gox比特币被盗事件，Chainalysis也参与了追踪，服务了FBI和IRS两大标杆政府机构，成功的在Crypto行业与政府监管中构建了桥梁。
在大客户端站稳脚跟后，Chainalysis开始拓展Mid-market客户群体，往Fintech、Crypto-native的公司和金融机构渗透，将不同的角色的需求纳入产品范围，深入客户的安全与业务领域。同时在产品端开始构建矩阵式的打法，用不同的产品满足不同客户和角色的需求。收入模式也从项目收入和API调用收入的基础上增加了SaaS收入的模式。
重视毛利率和NDR等核心指标。虽然早期以项目收入和API调用收入为主，但Chanalysis非常重视产品化的构建，重视毛利率的提升(80%)和NDR的提升(140%)。
推荐关注8： Vercel 前端工程师领域的Figma
推荐理由
JAMStack（JavaScript+API+Markdown组成的工作流）崛起后，Open API开发者生态已经出现了Kong，Postman等独角兽公司，而Vercel则是JavaScript生态的旗帜。由知名React框架Next.js的核心团队创办，在开源社区里享有盛誉，也重新定义了极简的前端工作流。
成功要素
创始人Guillermo Rauch是开源社区领袖，在创办Vercel之前，他已经发起过node.js的WebSocket框架Socket.io（50+k stars）以及MongoDB的客户端mongoose（20+k stars），13年被Automattic收购2年后离职后发起Zeit公司（Vercel前身），16年开源了Vercel的核心社区next.js，至今已在Github收获99k的stars，是最有影响力且增长最快的React框架，在npm下载增长中远超其他竞争对手（如下图所示）。
(Source: npm-stat.com)
Guillermo信奉极简，Zeit的核心产品now将复杂的域名DNS 解析、SSL 证书、CDN 等复杂能力封装成产品，从而让开发者可以真正做到一键部署；而next.js则是为了解决前后端分离后，搜索引擎在前端获得信息不足带来的SEO排序下降的问题，将现代的前端框架如何后端渲染的问题有效解决。这种与主流前端渲染冲突的架构让部署更为复杂，而Zeit now则与next.js深度耦合，将极简的开发者体验，优秀的后端渲染与SEO效果推到极致。
Vercel品牌（versatile, accelerate以及excel）脱胎于Zeit，通过next.js框架与云平台为开发者提供了极简的"Vercel Way"的开发方式，正如其官网定义的三个核心环节："Develop. Preview. Ship."在开发阶段提供完整的工具能力并链接多种后端；在预览环节可以直接关联代码仓库，每一次变更可以在前端工程师与UI设计师之间实时协作；在部署环节集成了Zeit now的体验，解决了全球化产品访问速度与SEO的问题，并提供完整的可观测能力。
Vercel是一家贯彻开源精神的公司，除去next.js的影响力以外，在其Github账号下，有100多个代码仓库，提供了从开发框架，终端以及打包管理工具等前端工程师需要的全面能力。同期吸引了一大批开源社区领袖加入公司，例如React 的核心成员 Sebastian Markbåge，webpack 的创造者 Tobias Koppers，Svelte的作者Rich Harris等，除去对各个组件进行优化等，也带来了Turbo，SWC等优秀的开源项目。
Vercel采用Freemium的定价策略，对于个人以及非商业场景需求，Vercel提供免费的Hobby服务，可以让开发者和自己的个人Github账号集成实现一键部署；如果需要协作或者是带宽超过100GB，那么则需要开通Pro账号，每一个账号每月为20美金，同一个团队可以在UI界面评审环节进行协作与讨论；而企业版本则提供安全，可观测性等企业级需求。
在资本市场端，Vercel不仅具备高效的融资能力，也通过并购与投资整合了更多的优质产品，在21年收购了Turborepo，提升了用户在JS以及TypeScript生态内的构建体验，22年则收购了Splitbee让用户在托管网页后，也可以更进一步分析网页的转化数据。
推荐关注9: Snyk 产品驱动增长的开发安全平台
推荐理由
Snyk是产品驱动增长、以开发者为中心的安全产品，产品与CICD流程高度集成，帮助开发者在开发阶段发现开源代码漏洞并提出一键修复方案。Snyk不断扩充产品并支持更多语言，在开发者社区中收获广泛好评。
创始人Guy Podjarny是以色列人，20年经验安全经验，Blaze.io的联合创始人，2012年将其出售给了Akamai后任Akamai的全球副总裁与网络体验业务CTO，2015年创立Snyk。
成功要素
产品驱动增长，Snyk将安全能力真正集成到开发环节中，目前开源代码占到代码的60%，但安全性难以保证，Snyk专注于开源组件分析（SCA），构建强大的具有壁垒的漏洞库，提高开源代码的漏洞检出率，并为开发者提供相应的一键修复方案，扫描速度是其他方案的3.2倍，减少62%的漏洞，节约27天修复时间，同时易用的用户界面对开发者非常友好。
深入维护与开发者的关系，构建私有开发者社区，在有一定产品基础的情况下在开发者社区中构建影响力，产品与Github、Jira等开发工具集成，开发者部署试用几乎零门槛。与开发者深入沟通进行产品迭代，同时注重内容建设，不仅有产品使用相关的文章、活动和论坛，还输出了大量安全行业相关的知识供开发者学习交流。设置Snyk大使，鼓励开发者积极参与社区建设。基于开发者的传播与营销帮助Snyk获得了大量的销售线索并转化为付费客户，改变了传统安全产品自上而下的销售模式，PLG驱动业务快速增长。
Snyk采用Freemium的模式，团队或企业用户按照开发人员规模定价，而非仅对安全人员。免费模式支持个人使用者使用安全相关的完整产品，但有一定的用量限制。团队或企业用户在用量上没有限制，但是根据不同的高级功能设置付费阶梯，包括合规、API、集成、本地化部署等。主要服务中小型企业，并通过不断丰富的产品线和更多开发者账号提高客户复购，2022年的金额复购率达到130%。
推荐关注10：Plaid 开放银行API，简化应用程序与银行账户连接
推荐理由
Plaid提供开放银行API，使得应用程序更简便、安全地连接用户的银行账户，访问交易、账户验证、余额等数据。Plaid现在已成为许多数字金融业务的基础设施，把银行能力输出到多元场景。
成功要素
Plaid是典型的API-first模式，创始团队是从自身开发消费金融APP的经历中，发现需与每家银行都建立自定义集成，而有些银行使用的技术非常“古老”，使连接变得复杂。于是Plaid作为聚合者来简化这一复杂问题。提供API，包含身份验证、交易记录访问、实时余额验证等。每进行一次连接，由B端客户付费。
开放银行2016年从欧盟开始兴起，作为一种银行与第三方之间数据共享、从而提升客户体验的模式，预计2022-2030年CAGR高达27%。Plaid正是搭建开放银行的基础设施，使银行的服务商可以更加专注于产品和获客，而不是交易网络的基础设施。Plaid不断扩展其API产品，从银行交易到投资、负债与薪酬等，适应更多金融科技场景的基础设施需求。
Plaid是一个大规模的金融数据网络，目前只涉及数据层面的访问和验证，不涉及进一步的数据分析如信贷决策等。但是，2022年Plaid通过收购进军生物识别ID验证、KYC和AML，显现出其拓展业务边界的可能性。Plaid还推出了银行转账API测试版，不仅是数据流动，未来资金可能直接在Plaid上流动。正如Visa收购案司法部诉讼材料所言，Plaid潜在的业务像是火山，可能会对Visa等公司的信用卡网络发起竞争。