查看原文
其他

Z Potentials | York Yang,硅谷AI项目被数亿美金收购,曾被YC投资,多思考客户要什么,而不是技术有多酷

Z Potentials Z Potentials 2024-06-19

2021年10月,Instacart宣布以3.5亿美元收购了Caper AI,Instacart是一家在线订购生鲜配送上门的上市公司,而Caper AI是一家专注于开发智能购物车和无收银员结账技术的初创公司,利用计算机视觉等技术识别商品并为购物者结账。



本期我们有幸邀请到了Caper AI联合创始人&CTO York Yang,深度复原了团队从前身Queuehop的失败、到转型Caper AI并被成功收购的完整过程,共同探讨了团队一路走来对产品定义的探索、对技术迭代的主动适应、以及对供应链优势的理解等话题。坦诚面对过往的成与败,为团队走向新的人生阶段铺下了坚实的基础。


01 基于对生活中需求的捕捉,2016年提出“自助结账”,进入Y Combinator

ZP:请先简单介绍一下自己吧!

York我是York,本科就读于浙大电子工程专业,大学前两年其实也没怎么好好读书,年轻的时候是一个文艺青年,那个时候玩了两年左右的乐队,但我一直是个挺有想法,想做点事儿的人,只是那个时候对就业,创业,这些事儿都不怎么了解。


直到大三,我加入了浙大的ITP,全称叫创新与创业管理强化班,是竺可桢学院开设的一个辅修班,网罗了浙大对创业感兴趣的一批同学,申请加入之后受到班级的影响比较大,因为ITP是1998年设立的,到今天已经有超过20年的历史,每一届同学都会有很强的联系,大家在一起学习创业的知识。所以我慢慢对创业产生了兴趣,发现创业是蛮不一样的事情,开始学一些商业相关的知识,也开始了解创业理论层面的东西。大三的时候,我和一个学长做过一小段时间的O2O相关的创业,这段经历让我直观感受到了创业是一件什么样的事儿,实际了解学校以外的真实市场。


2014年本科毕业,去了UCLA学计算机专业的硕士,那段时间,也在UCLA七七八八做了一些小的创业,但都是小打小闹,没有什么最终产出。直到毕业,我认识了Caper的其他三个创始人,大家一起创业做了Caper的前身Queuehop,并且进入了YC。YC对于几个刚毕业不久,并且想创业的毛头小子来说,就好像考上了哈佛,所以当时啥也没想,就去创业了。一创到今天,已经8年多过去了。


ZP:Caper AI的几位核心创始人是如何聚到一起的,当时是什么契机?

York我们共有4个联创,其中最大的联创就是目前Caper AI的CEO,Lindon Gao,当前也是Instacart的VP。他是最早的发起人。我的硬件合伙人,黄一林,毕业于清华大学。他和Lindon本来是小学同学,但是后面Lindon随父母移民去了美国。可是他们一直还是有挺多的联系。我和一林认识,是我在UCLA读硕士期间。当时一林正在USC读EE的PhD。最后一位联创叫Ahmed,是一个纯粹的外国人(非华裔),他是Lindon之前的朋友,现在主要负责Caper的BD和市场。


当时聚到一块做事儿,其实也没想太多。说实在的,外面经常说创始人间要有深刻的联结,这样创始团队就不容易散。也经常有各种朋友问我,你是怎么找到这几个合伙人的。其实我最后总结下来,就是运气好。除了Lindon和一林本来就有一些交情,我们其他两位说实在的都是后面作为技术和业务人员加入的。但是加入之后,我们深刻的感受到这个团队挺match的。四个人相互之间无论是性格还是业务能力背景,都是互补的而不是争锋相对的。


所以我们一起一干就是8年,一直到今天还在一块儿,也从来没有过巨大的分歧。所以当时最大的契机,其实就是缘分,有点像找人生另一半,缘分到了就到了。当然,从事后来看,如果我要给我的建议,我当然也是建议创业的朋友尽量找自己熟悉对方为人,理解对方性格导向,了解对方人生阶段的人一起创业,否则中间分家跑路是很容易发生的事情。


ZP:对您来说,当时还有什么其他选择吗?为什么选择了创业这条路?

York我当时刚从UCLA毕业,是拿了雅虎的暑期实习来的Return Offer。当时大部分像我这样的留学生毕业,都是去硅谷找个大公司工作,薪资和reputation都还不错,后面跳出来无论是创业还是换工作,也都会比较有资本。所以我的大部分同学,都是去了像Google、Facebook这些大科技公司。


但我当时其实一心想着要创业,对于就业真的没有太多的热情。找工作的时候,同学们都在认真刷题,而我真的是一点都刷不进去,就一直在找一些东西做。可是我自己也知道,作为一个从中国过去的留学生,在那个时候,以我个人的背景和资源,要能很好地在美国创业,立稳脚跟也不是一件很容易的事情。所以我其实很早就在想,如果我能在美国找到一个合适的本土合伙人,我就创业,不然我也就老老实实去打工了。当时接触到Lindon,一看他是美国人,然后团队还有一个纯的外国人,我就觉得有戏了,所以就和这个团队一块干了起来。


除了抱到了”大腿“以外,另一点让我决定创业的,当然还是我们这个idea。当时我们第一个idea, Caper的前身,叫做QueueHop,是最早在关注无人零售这个领域的产品。甚至当时还没有无人零售这个概念。大家今天看到的在优衣库有那种自助结账的机器,其实最早的想法就是我们提供的。16年初,我们当时做的是改造衣服的防盗扣。因为大家排队付钱买衣服,唯一的目的其实就是需要收银员收完钱之后给你解锁这个防盗扣。我们就觉得这是个很傻的行为,当时移动支付已经很发达,我们就改造了传统的防盗扣,在防盗扣里面放了RFID做标识,然后每个防盗扣印上了二维码,消费者可以直接通过手应用扫描二维码付款,最后防盗扣可以直接解锁脱落,消费者拿着衣服就可以直接走。


这个想法,在16年那个年代还是挺超前的。16年又正处在互联网行业从蓝海向红海状态进发的年份,我们这个想法,是为数不多尝试将那几年被吹上天的互联网思维往实体行业牵引的产品,比较新颖。所以我当时就决定开启了这段创业之路。


ZP:那最初这个idea是谁想出来的,受到了什么启发?

York是Lindon。其实当时他和我们说他的出发点很简单。美国有很著名的Black Friday购物日,类似于现在中国的双十一。但是不同的是,美国一直以来还是很传统,线下零售为主。在Black Friday这天,像在Outlets或者Macy, Bloomingdale这些传统的百货超市,一般都会大排长龙。客户为了买到大打折扣的商品,可能凌晨就会起床去排队,这可能令很多中国人觉得不可思议,但是你可以想一下三甲医院的排队挂号。大爷大妈在没有线上挂号的年代,也都是凌晨出门去排队。美国的Black Friday就有点这个意思。如果能用类似QueueHop这样的产品解决了,那我们起步就能够颠覆很多用户的消费习惯了嘛。


Lindon是个非传统科技创业者,科技创业圈的CEO,要么自己是做技术的,要么是做产品的,但是他是做金融出身的。在开始创业之前,在JP Morgan这些投行做了几年。他最大的特点就是思维非常活跃,能很快观察到生活中的一些小问题,然后去思考能不能通过一些技术方案解决,虽然他不知道怎么实现这个事儿,但他大致知道可能外面有哪些技术能干。他当时就想美国有Black Friday,那一天晚上买任何衣服都需要排队超过半小时,一晚上需要四/五个小时,如果有自助结账,那就可以提升结账速度,进而帮助商家提高卖东西的速度,也能促使消费者购买更多的东西。所以最初我们的想法都很纯粹很简单,就觉得这个产品只要做出来了,那对用户来说,就是个“no brainer",肯定大家都想用,毕竟没有人喜欢排队。


02 及时转型,并坚持最适合的产品形态,“多思考客户要什么,而不是技术有多酷”

ZP:听上去也非常make sense,当时带着这个idea进了YC,后来方向又调整的原因是什么?

York是的,当时这个想法也是非常新颖,但我们作为学生团队,对落地还没什么概念,我们能看到的就是作为一个普通用户能看到的角度,但我们看不到的,是零售商那边后来遇到的问题。我们在做了一年半左右后,不得不考虑转型新的产品。主要遇到了几个问题:


1.我们这个智能防盗扣产品,对零售商运维来说有巨大的前期投入。他们需要在一开始花掉很大一笔人力物力,来把他们所有库存衣服上的传统防盗扣,替换成我们的智能防盗扣。这个前期的一次性投入变成了一个很难让零售商下定决心和我们pilot的一个重要因素


2.除了前期运维成本,更糟糕的是,防盗扣大都是做source tagging,也就是在衣服生产的时候就会在工厂里被tag好。所以如果长期这些品牌零售商要用我们的防盗扣,我们还需要和他上游的各种制造厂商合作,把我们的防盗扣嵌入整个制造的流水线里面去。这个对于一个创业公司来说几乎是不可能的。因为服装这个行业,早就已经分工全球化。一个品牌商可能在中国大陆,东南亚,台湾等很多地区都会有代工厂。


3.我们发现有排队问题的客户,大都是大型品牌。美国本土一些小的Boutique store (类似于国内小县城里面的那些街边小店)其实根本没有排队问题。所以我们只能和这些大客户聊合作。但是这些大客户,一般周期都很慢,每次要做一个决策都需要多个部门层层审批。对他们来说一年半年的时间都算短的,但是对于我们这样一个创业公司来说,一年半年时间可能就把我们的融资烧没了。所以后面和他们也耗不下去了。


所以2017年中旬,我们带着大概只有10w美金的银行存款,毅然决然地决定开始转型、探索新的方向,想做一个频次更高、同时又不需要在一开始就和这种巨大的跨国公司去打交道,又能有快速落地机会的场景。所以比较合适的就是超市,用户消费的频次比服装要高很多。而且像购物车这样的产品形态,客户决策周期也不会特别长,可以“随插随用”,不会遇到防盗扣这样需要大规模改变客户现有运营模式的情况。


ZP:所以调整后我们的产品形态是什么,为客户提供了什么价值?

York调整之后,我们开始做Caper,一款智能购物车产品。这款产品最核心的动机也还是解决排队问题,我们希望用户在超市购物到最后,不需要排长长的队等待结账,而是可以自主在购物车上结账,直接可以走出商店。随着我们对这款产品思考的深入,我们发现购物车这个形态不仅能很好地解决结账这一个问题,同时,因为购物车在客户购物的过程中,是全程伴随的,他可以天然的变成一个虚拟的导购、推荐、和广告平台。这样一来,其实购物车本身也为商家带来了更多的商业机会。



ZP:看到国内现在有些商超、便利店也有自助结账机,国外当年也火了像Amazon Go这样的无人店方案,但我们选择了智能购物车这个产品形态,我们是如何做的产品定义?

York首先我们来看无人店。无人店算是18-19年的一个风口。当时伴随着深度学习的普及,计算机视觉从当时唯一的场景无人驾驶开始延伸出来。Amazon在18年初发布了Amazon Go,一个纯无人商店。完全用摄像头和其他传感器来监控用户的购物过程,在用户走后直接结账,省去了收银的环节。18年初,正是我们在17年中旬开始决定转型到智能购物车产品的半年后,当时他发布,我们其实挺尴尬的。我们自己的投资人都有来问我们是不是我们只是个中间态,最终为Amazon做了嫁衣。但当时我们其实觉得Amazon Go这样的无人店方案,有几个很核心的问题:


1.实现成本很高,我们当时听到的版本是一个几十平的便利店,需要400万美金。而便利店本身就是毛利非常低的行业。400万美金前期投入,可能需要几十年的时间才能回本。这对任何一个传统零售商来说都是不能接受的。


2.无人店只优化了效率这一件事。但是零售商其实心里想的不仅仅是帮我提高结账效率,让我可以少雇一点员工,他们也在意是否有办法让线下购物的用户体验更好,有更多的时间在店里停留,更快地选择到他们喜欢的商品。所以Caper从成立之初,我们的口号就是“Make shopping magic”,旨在为零售商提供一揽子的解决方案,而不仅仅是“make shopping fast”,只为零售商解决结账这一个环节。


3.有了QueueHop的前车之鉴,我们深刻地认识到,零售商是根本不在意产品酷不酷的,对他们来说,你要卖到他们店里,你就得足够简单。Amazon Go这样的无人店方案太复杂了,哪怕你是从零开始开一家新店,你可能都需要很多精力去解决传感器排布、走线、网络带宽、计算服务器等各种问题,更别说你如果想要重新装修一个已有的店,让他们变成无人店。我们知道,没有一个零售商会愿意在前期ROI都还没明确清楚的时候,就愿意让一个第三方公司的施工队进场,在他们的天花板和货架上装满电线和摄像头。QueueHop,我们连让他们只是替换一下tag他们都不愿意,更别说现在要装这么多东西了。


所以,遵循着我们自己内心的声音,我们没有盲目跟风转到Amazon Go这个方案上去。


再说国内现在很常见的自助结账机。其实自助结账机在美国历史比国内悠久多了。我14年去美国念书的时候,到处就已经布满了自助结账机。中国那时候啥都还没有。所以美国人,美国商家,对这款产品再熟悉不过了。但是和Amazon Go类似的点是,自助结账机也只是提供了结账这一单一价值。而我们希望提供的是赋能线下零售让它的体验变得更好,那么自助结账机也是办不到的。


Introducing Amazon Go and the world’s most advanced shopping technology 

ZP:智能购物车的技术原理是什么?

York我们的购物车是利用计算机视觉和传感器融合技术来识别商品,不同于传统的扫条码,计算机视觉方案不仅能提供更丝滑的体验,也能同时兼顾自助结账和防盗这两个天然矛盾的功能。我们的购物车上有四个摄像头同时看着车内,不同于市面上其他一些公司去识别购物车里面有什么,我们利用这四个摄像头去捕捉商品放入我们购物车的瞬间。因为只有这样,当商品越多越多相互覆盖的时候,你才不会看不清楚有什么商品。


我们只关注什么商品进来了和出去了,我们不关心筐里有什么。这也给整个技术实现带来了很大的难度。毕竟商品进出瞬间,一般都只要几百毫秒,我们需要在几百毫秒中,准确地利用图像和其他信息,从一个几万甚至几十万的商品数据库里找到当前的商品。这本身就不是一件很容易的事。再加上我们又需要做在移动端,那就对模型优化的要求更高了。Caper是全球第一家研发出大规模可用的零售商品计算机视觉识别算法的公司,哪怕到今天,我们也只看到Amazon做出了和我们一样的购物车产品,其他所有的竞争对手其实也还没有做出来。



ZP:当时技术已经ready了么,过去几年技术侧发生了哪些变化?

York我们是从2017年中下旬开始进行购物车技术的研发的。除去那些基本的,比如前端技术,后端技术,每年的演进之外,最重要的技术就是计算机视觉和深度学习。在2017年,整个学术界还基本沉迷在ImageNet跑分这个事儿上,工业界基本也就只有无人驾驶这一个领域是有非常活跃的科研成果的。在商品识别、无人零售领域,你基本什么都找不到。同时,在17年的时间点,移动端算力还很匮乏。桌面端都还只是在Nvidia 1080和titan左右的阶段,更别说移动端了。算力最强的Nvidia Jetson,也还只是在TX1\2这个阶段。所以你要说当年技术是否ready,那肯定是没有。但是这个领域真的发展得很快,其实每年都有很大的进步。17年我记得当年ImageNet跑分最高的是DenseNet(后面因为性能问题其实基本没啥人用),到18、19,各种各样新的架构层出不穷,CNN领域像EfficientNet这些比较通用的架构也被提出。移动端也提出了基于移动设备优化的MobileNet,ShuffleNet, GhostNet等等。Vision Transformer(ViT)也逐渐开始受到关注。


到19、20年,ViT也开始全面超越CNN。在设备侧,英伟达基本以每一两年一代新产品的速度迭代训练用的显卡和移动端的计算平台。高通这些手机芯片厂商也逐渐开始在大算力设备上投入。直到今天,其实整个技术已经有了巨大的进步。今天,我们的算法已经从最早的一秒钟智能识别5张图片,到现在一秒钟识别几百张图,提升了好几个数量级。所以回看当年,技术是没有ready的,但是我们一直认为,边缘计算在未来几年一定会成为主流,越来越多的算法和硬件研发力量会投入进来。所以只要利用好身边的资源,掌握好节奏,我们一定能做起来。


ZP:作为一家产品型公司,如何适应技术迭代的速度?

York技术和产品永远都是技术服务与产品的关系。所以技术的迭代当然是应该顺应着产品的迭代来展开。这句话听着简单,但是实践起来不容易。很多做技术出身的创业者,容易陷入技术不前沿就做不出好产品的漩涡。但是其实我们一直以来都是反过来的。比如Amazon Go,我们也知道,如果你往远看20年,没准Amazon Go就是终局,我们不否认。所以Amazon做这个事儿,我们觉得也合理,他有钱一直投入到20甚至50年后。但是作为创业公司,没有一个VC愿意一直支持你,你想要你的产品技术迭代速度同步,你就得去找当下技术最能解决什么样的问题。


我们快速迭代的方法,其实就是尽量用最小的技术代价去实现最大的产品效果。比如,我们有的同行,在做商品识别的时候,为了识别的准确度,会去尝试用很复杂3D重建算法来还原商品的信息。这种技术路径很前沿,很酷,但是你落不了地。那我们换个角度想,我们的零售商客户真的在乎3D重建这个东西吗?他们甚至连C++是什么可能都不知道。他们在乎的就是识别是否准确。那如果利用2D信息,加上一些更廉价的算法,是否能够更契合我们的场景,还能找到真实算法在生产环境的落地,进而进一步迭代我们的技术。我们所做的工作,大都是整合市面上所有公开已有的工作,在其中找到我们最需要的部分做杂交,然后产生最适合我们的方法。这样不仅技术能够进步,产品也能够进步。否则,纯粹地追求技术,如果产品、业务不跟上,没有后续资金的秩序支持,他也不会长久健康,最终也是什么都做不出来。


ZP:回顾这次创业,认为团队做得最对的三件事是什么?

York第一,坚持我们自己认为对的路,但之所以能有这个坚持还是因为吸取了Queuehop的教训,让我们懂得如何去真正了解客户想要的东西是什么,他不在意你的技术有多酷,在意的就是如果要实现这样的方案,前期投入会有多高、ROI如何衡量、可以帮我节约多少钱、可以带来多少额外收益,所以我们在做Caper的时候坚持了我们自己认为是真理的东西——你要卖给的客户到底在意什么。

第二,技术层面坚持真理。要去研究目前真实的技术现状,而不是单纯去看外面的风口,如果在这个技术领域自己一直在follow一些比较前沿的paper,你看到的就是最新的东西,不用去过分夸大或者猜测大厂能看到你看不到的技术,所以很多创业者会觉得,我现在先拿着外面的不成熟技术方案,等有一天这些大公司会帮我解决这些技术瓶颈的,但其实他不一定能解决,就像Amazon Go做到2019年,还是选择了购物车这个产品形态,推出Amazon Dash Cart。所以还是要坚持第一性原理,你不能觉得这个逻辑里面有什么东西是你不理解的,但凡这个逻辑中有一环是跳跃的,比如说我可能要依赖某个外部力量,那无论你技术发展成什么样,你都不可能通。但如果逻辑上都是通的,你总能通过契合自己产品的角度一点一点去用技术提升你的产品。

第三,小公司的生存之道,就是Invest人,不能去走大厂招人的路线,对于创业公司来说,要拿出一年30-40万美金的总包去招一个很强的人过来是不可能的,我们一直秉承的观点就是我们不去招那些背景特别光鲜、看上去很牛逼的人,但我们去招一些肯干实事的人。从一个小的规模,然后慢慢开始做大,一直和他们建立很长期的关系。我们团队一直以来都是一个凝聚力很强的团队,比如我们在上海的分公司,一直到今天,大部分创业时期一起战斗的伙伴们也都还在一起奋斗。


ZP:那么团队又走了哪些弯路或遇到了哪些挑战,是如何战胜的?有什么可以做得更好的地方?

York主要是做硬件,从最初我们做Prototype到最终到量产,是我们从0到1学的,没有任何经验,也没有任何人教我们。19年左右我和一林回到中国来做硬件供应链的搭建,当时没什么资源。早期一些投资人建议我们找ODM来做。我们当时也不懂,就找了。可是第一版产品做出来问题很多。这可能也是大部分硬件创业者会遇到的问题。很多软件圈子的人,都觉得硬件圈子进不去。软件毕竟我网上都能自学,硬件感觉一切都是封闭的。事实也确实是这样,硬件行业就是很专业,很封闭。你得花时间去理解整条链路。所以很多软件背景的创始人在当前这个时代会很自然地选择利用ODM的资源来做产品设计。


但是利用ODM有一个前提,是你想做的东西,要相对地成熟。比如你现在做一个手机电脑,你完全不懂都没事,ODM一套龙服务都能给你设计清楚。包括功能、性能、可靠性指标、制造产线,手把手从零到一给你搞定。但是我们当时找了ODM就遇到了很大问题,ODM对我们的产品理解很弱,因为市面上完全没有参照。他们理解我们的产品就是一个购物车+一个Ipad,所以在设计的过程中,很多可靠性标准、性能标准都是按照iPad去设计的。这也是因为我们第一次做,我们自己也不懂,他们问我们要什么指标的时候,我们也说不出来。所以第一代产品做出来,功能是大致都做到了,但是可靠性真的是没法看。购物车在欧美所处的环境是非常恐怖的。美国很多超市都有露天停车场,购物车可以推出去。推出去,他可能会被汽车撞,会遇到暴雨暴雪,会遇到40度大太阳的暴晒。这些所有的因素我们在第一次和ODM沟通的时候,他们问的都是,你要什么防水级别,你要多少年的使用年限,你很难把真实场景可能会遇到的问题,都能一下联想到这些所谓的指标上。我们后面甚至发现3C行业普遍用的IP防水级别,对我们不适用。我们现在自己定义的级别介于某两个级别中间。


同时,在供应链上,因为没有可以对标的产品,每一个零部件的供应商,我们也都需要仔细把关,甚至一个一个去画饼合作,否则这些供应商们也会觉得你这产品没什么前景,可能卖不了几个钱。所以如果能重新来一次,我们当然希望我们能更快更早地了解整个硬件的行业。但是这怎么可能呢,没有这一次的摸爬滚打,也不可能学出这么多的经验来。到今天我们已经实现了整车的量产,在各种可靠性测试中也没有发现明显的问题。早年服役的购物车,现在最长的也有2、3年的时间,也还一直可以使用。

ZP:所以中国制造业的优势还是应该好好利用?

York是的,你如果没有经历,你甚至不知道所谓的中国制造业优势到底是个什么东西,最大的特点是中国有很强的Ecosystem,这个在美国是没有的,比如你想3D打印,那么在美国你需要把图纸给3D打印商,他来帮你打印出来,就结束了;但是在中国,3D打印之后可以找到模具公司、线材定制公司、电子部件公司,中国整个产业链你只要愿意去找,所有东西都能找得到,而且大家都有成熟的知识,你是可以被教育的,你去的时候Zero Knowledge,但你去那转了一圈回来以后你学到了一大堆新的知识。


03 关注生成式人工智能,期待为“无人零售”带来更多的可能性

ZP:什么时候开始关注生成式人工智能,给你的生活和工作带来了哪些影响?

York2022年开始关注Stable Diffusion,也尝试用其做Logo,UI之类的设计。只是当时的技术水平有限,需要非常复杂的Prompt。到2023年初ChatGPT爆火,给我工作上的变化,是获取新知识可以更快,我做技术的去学习一个新的领域,老的方法很慢,因为知识很分散,需要去看Stack Overflow、GitHub、以及各种Blog等等。但是有了ChatGPT之后这个就快多了。生活上至今没有太大变化,虽然也关注一些AI应用,不过没有太影响到我。


ZP:您如何看待生成式人工智能对无人零售会带来哪些新的影响?

York第一是交互成本降低,智能购物车现在主要的交互就在屏幕上面做一些UI的交互,以及一些语音层面的交互,但目前对语音的理解力还较低,所以大模型出来之后对语音理解的提升是比较有帮助的,因为毕竟超市是一个全年龄层的用户范围,而且中老年人偏多,他们对于现在这些用户界面操作也看不懂,不知道要按哪个按钮,所以我们就想如果能通过语音的方式去跟他们交互,对他们来说是更自然的。


第二是新场景的探索,比如缺货检测以及一些更智能的场景,因为大模型带来了感知的提升,将感知能力迭代硬件可以做出更好的决策。第三是提升无人化的程度,会离Amazon Go的愿景更近一些,大模型可以对于人的动作、交互的理解能力更高。


ZP:作为创业者,您通常通过哪些渠道来持续学习?

York最好的持续学习方式就是看书,零散的时间会看公众号或者参加一些活动,但如果不通过看书,是很难体系性地去学习,会比较片面。我一年平均看20-30本书。


ZP:能否为ZP的读者推荐一本您最近在看的书?

York最近在看《任天堂哲学》,虽然是2010年左右出版的书,但是他记录了任天堂在和索尼PS、微软Xbox竞争的过程中,如何跳出常规思维最终逆势翻盘。但是书只记录到2009年,那时候甚至还没有现在火遍全球的Switch,但是看当时他们CEO的一些描述,已经能感受到挺大的震感,比如如何跳出游戏机的惯性思考去找更大的市场,当时任天堂的CEO就觉得我们现在要做的不是要去加深游戏的质量,而是怎么样让更多的人去接触游戏、愿意买一台游戏机回家、然后开始玩,所以他是第一波跳出思维去思考这个问题的。


请注意,此次访谈内容已经过精心编辑,并得到了York的认可。欲了解更多关于Caper AI的信息,敬请关注其官网https://www.caper.ai/。我们也欢迎读者通过留言互动,分享您对本访谈或Caper AI的看法。


同时,Caper上海公司有多个职位开放,如有志同道合的小伙伴,可访问公司招聘界面

https://instacart.careers/current-openings/?keyword=caper&_gl=1*1lyzzpj*_ga*MTIwNDM4MDg1NS4xNzA3OTIwMzI0*_ga_VL5WVTXMWP*MTcwNzkyMDMyMy4xLjAuMTcwNzkyMDMyOC41NS4wLjA. 或

Caper上海公司跃氪智能科技Boss直聘网页

https://www.zhipin.com/gongsi/a895ff36958f7d611n1-39y4E1A~.html?ka=search_rcmd_company_name_a895ff36958f7d611n1-39y4E1A~_custompage

也欢迎感兴趣的小伙伴直接投递简历到jobs@caperlab.com


Z Potentials将继续提供更多关于人工智能、全球化市场、机器人技术等领域的创业者访谈。我们诚邀对未来充满憧憬的您加入我们的社群,与我们共同分享、学习、成长。

-------------------------------
添加小助手或扫码获取群二维码,加入社群


欢迎与我们交流和分享你们的故事和想法,我们会是最好的倾听者。
投稿邮箱:zpotentials@126.com
稿件经采用可获邀进入Z Potentials内部社群,优秀者将成为签约作者,00后更有机会成为Z Potentials的早期共创成员。

我们将经认证真实身份的产品、技术和创业者邀请至对应的产品群、技术群和创业者群,若想加入认证实名群可以扫码填写问卷,经认证后邀请加入。
关于Z Potentials
继续滑动看下一个
向上滑动看下一个

您可能也对以下帖子感兴趣

文章有问题?点此查看未经处理的缓存