伯克利区块链加速器：给创业者的七个建议

编者按：本文来自微信公众号“硅谷洞察”（ID：guigudiyixian），作者 Victor Fang，36氪经授权发布。

欢迎来到硅谷洞察新栏目【创业者说】，本栏目将邀请中美创业者分享他们的创业故事，以及对行业发展趋势的洞察等。

众所周知，坐落在硅谷的另一端的加州大学伯克利分校是全美排名前列的顶尖大学。据融投资数据库 Pitchbook 显示，加州大学伯克利分校是世界排名第一的公立大学，并且是产生创业公司和企业家数量第二的大学。

一直走在新兴技术创新的前沿伯克利，当然也不会错过这一浪潮——区块链和加密货币。

今年1月，加州大学伯克利分校成立了首届伯克利区块链加速器（Berkeley Blockchain Xcelerator），伯克利区块链总裁 Gloria Zhao 介绍了该加速计划成立的原因：

“在区块链等新兴技术领域中，我们看到许多在此产生影响的主题专家都是学生。伯克利区块链致力于培养学生的创业精神，因此我们很高兴能够帮助领导这项计划，并协助下一代区块链创新者。”

最终，经过委员会严格筛选，全球接近 200 家申请的区块链初创公司中，仅录取了 12 家初创企业，在伯克利接受为期三个月的集训。作为专栏的第二期，硅谷洞察邀请到了入选的其中一家公司 AnChain.AI 的创始人 Victor Fang，为我们讲述他在伯克利区块链加速器的系列故事。

（早春时节伯克利SkyDeck加速器的窗口景色，Victor Fang 拍摄）

本文包含来自加州大学伯克利分校以及AnChain.ai公司的专利内容，如分享请在引用中说明原始来源

以下为正文：

AnChain.ai公司很荣幸入选参加到伯克利区块链加速器2019年的项目中去。在为期12周的紧张历程里，十个入选的新企业将从以下三个方向参加加州大学伯克利分校的项目：

• 创业能力&商业

• 区块链产业

• 技术

很多人都很好奇，我在这个顶级的区块链加速器项目中到底学到了什么。因此，在加州大学伯克利分校项目委员会友好地准许之后，特别是在得到 Kartik Mehrotra 以及 Jocelyn Weber 两位的准许之后，今天我非常高兴能在这里和大家分享我对这次激动人心的加速器项目历程的想法和笔记。

区块链技术正在把去中心化推广到整个世界，我们认为关于这项技术的知识应该以公开的方式分享。

在今天的这篇文章里，我会分享在创业能力及商业这个方向下， “从机遇到实施”这次讲座中我的笔记。这门课是由来自加州大学伯克利分校工业工程学和运筹学系的著名教授 IKHLAQ SIDHU 主讲的。他同时也是首席学者、创始主任，及IEOR新兴领域教授。以下是本文将探讨的几个话题：

1. 新企业的创新之旅

对于刚起步的企业来说，整个创新旅程中一个关键性的时刻就是“有效的商业模式”出现的时候。

在此之前，公司处于寻找合适商业模式的试验阶段。

在此之后，公司以到达行业顶峰为目标，实施计划。

图1，版权属于原作者

Sidhu 教授在幻灯片中分享了一个非常有趣的故事。有一位叫 William Durant 的人，他是美国通用汽车（General Motors）的创始人。根据这位改革者的展望，汽车将会在上世纪初改变全美国的产业现状。但公司刚刚经过找到“有效商业模式”的关键时期，他就把目标转移到了别的项目中。

2. “在创新的不同阶段，最厉害的那批人也不相同”

自 2018 年夏天我创立了 AnChain.ai 后，总有很多朋友问我：“我应该创立自己的公司吗？”

这些朋友里的大部分人都在顶尖的公司里拿着高薪。我给他们的建议根据情况的不同都有所不同。但这次讲座就大公司和刚起步的公司都需要的才能，给出了一个指导。

图2，版权属于原作者

矩阵图表显示，在寻找合适商业模式和向行业顶端攀登的两个阶段中，对能力、动力以及性格的要求都是很不同的。

这一点与我给那些想创业的朋友的建议恰恰相符合：“你到底应该在大公司工作，还是自己另起炉灶？”

每个人都不一样。在你创立或者加入创立一个新公司之前，你应该问问自己这些问题：

• 你享受在不断尝试新事物的过程中解决未知的问题吗？你愿意经常通宵达旦地工作吗？还是说你更擅长沿着既定的路线往前走？

• 你更愿意遵守职业（或学校）的规则吗？还是说你总是更想去改变现状？

硅谷是技术革新的中心地带，在这个环境的影响下你对新起步的公司的理解有可能是有所偏颇的。可能在大公司里你会发展得比在新起步的公司里更好。

今年4月份，关于“程序员也是人（Developers' Lives Matter）” 和“996”工作制的呼吁引起了很多关注，在中国的高科技公司当中尤为如此。Github 已经收到了 3 万多个星标关注，使得网站996.ICU一举成名。

996 工作制，也就是“从早上9点工作到晚上9点，每周工作6天”的制度。对于任何行业来讲，这都不是可持续的发展方式。因为它会损害人的健康，最终把你送入 ICU（重症监护室）。（硅谷洞察注：关于这个问题，之前我们在这篇文章里讨论过）

关键在于，你是不是真正享受工作。

2018 年夏天 AnChain.ai 刚创立时， 我和安全研发团队，通宵达旦地挖掘区块链交易数据、调试机器学习模型、寻找 FOMO3d 盗币黑客团伙的踪迹。最后，我们成功地精确定位到了历史上第一个 “区块链APT” 黑客军团， 并获得《麻省理工科技评论》的关注。

创立一个新起步的公司，你头上会顶着很多不同的头衔（比如我是首席执行董事+数据科研人员+数据工程师+UI设计师+博客写手+销售+其他等等）。

因此还是要温馨提示一下，在刚刚起步的阶段，可能时不时地还是需要996一下。苹果、微软、脸书这样的公司也是这样建立起来的。

3. 创业最关键的环节是：实施

MBA的课程或其他教科书里都会说，对于任何新项目来说都有这样四个部分：想法>团队>认可>实施

图3，版权属于原作者

但是，在实际情况中却几乎是正好相反的：实施才是关键。一个公司能成功与否，最终取决于它们的实施环节。

这就让我们想起来2017年-2018年很火的 ICO mania 看图猜词游戏。他们有详细的计划报告，一支新奇的团队（团队里甚至包括兼职的发烧友），得到了一千万美元的投资。但现在，大部分这样的项目都已经消失了。他们没法通过实施这个环节的考验。对很多创业者来说，这张幻灯片上的内容是一个警示。

4. 先销售，再研发

这可能是最令我惊讶的一张幻灯片了。

图4，版权属于原作者

大部分电脑科学背景的创业者们的做法通常与之相反，他们是“先研发，再销售”。

在这里他教给研发加速器的新公司一套新的法则。

“先销售，再研发” 的好处是：

• 低风险。几乎零花费的市场价值确认。如果你花了好几个月研发出一个产品，结果根本没人愿意买，那你该怎么办呢？这种情况的发生频率比你想象的要更高。

• 迫使你先寻找客户。客户积累通常来讲都是一个漫长的过程。就连Airbnb都花了好几个月才租出去他们的第一间房。所以为什么不考虑先做客户积累呢？

一个有趣的真实案例分享：90年代的时候，一名软件创业者发布了一个“尚待研发”的产品广告，下面还附上了价格标签。这是在 kickstarter 网站问世之前的事了。令人惊讶的是，他竟然拿到了 10 万美元的付款！

他如此精准地戳到了用户的痛点，使得客户甚至愿意提前买单。

但最后，他把钱都送回去了，附上一份信，工工整整地写着“谢谢，但我们库存不够了。”也是，他可以辩解说自己没有撒谎，因为确实从来就没有什么“库存”。:)

在这个案例里，他就是“先销售”，然后迅速筹集到资金，组织起了一支工程师“再研发”。公司最后发展为一个很成功的软件公司，并在几年以后退出投资。

5. 在实施阶段，你需要一支有才能的团队

作为创业者，为了不让自己被996折腾死，你最好是能有一支有才能的创业团队。至少要包含这几个元素：

• 公司简介/产品（首席执行董事）

• 公关/品牌意识（市场）

• 工程师（首席执行董事/首席技术官）

6. 寻找投资的艺术

寻找投资是一门艺术。最好的学习方法是求教于最好的艺术家：Marc Andressen的这封邮件就是寻求风险投资的一个很好的例子。

图5，版权属于原作者

在寻找投资的时候，成功的 “陌生电访” （cold call，即给未经熟人介绍的陌生人打电话）包括这几个关键元素：

• 已被证实过的社会价值（Social Proof）

• 你的产品是什么？客户是谁？

• 有人对你的产品有兴趣的迹象（Traction）

• 你的团队、你在做的这件事情是可信且靠谱的

• 为什么想让他们给你投资？

• 对融资金额等预期的合理要求

希望你也能向 Mark Andressen 一样拿到大额风险投资。顺带说一句，他的 Ning 也非常成功地退出了投资。

7. 揭开新旅程的神秘面纱

教科书通常会为创业者勾画出一条线性路线。但现实中往往是这样的非线性路线。

图6，版权属于原作者

新企业的创新之旅：MVP -> 先销售 -> 市场吸引力 -> 投资 -> 向顶端攀登

关键问题在于：面对未知的改变，你要怎么处理？

这个问题的答案是：技术能力与你与人打交道的能力

这次讲座可能没有涵盖所有刚起步的创业者们想问的问题，但它的重要性在于，提供了一个从机遇到实施的总体指南。

作者简介：

Victor Fang 博士是人工智能区块链安全创业公司 AnChain.ai 的创始人兼首席执行官。此前，Victor Fang 是 FireEye Mandiant AI 项目的负责人，负责该公司 AI 产品战略路线图。

Victor Fang 拥有超过 15 项美国专利，著有 20 多篇关于人工智能、大数据、欺诈及威胁检测方面的研究论文，同时也是 “2017年麻省理工学院技术评论（MIT Technology Review 2017）” 的撰稿人之一。