硅谷人士往往认为大西洋彼岸的创业市场规模太小或缺乏足够的野心,但这种观点与欧洲人对自身潜力的看法截然不同。
今年在赫尔辛基举办的年度Slush大会展现了一个似乎正处于转型边缘的风险投资市场,一个准备迎接首个万亿美元创业公司的市场。
创始人、风险投资者和政府官员都承认,传统上阻碍欧洲发挥真正规模和潜力的障碍确实存在。多年来,欧洲创始人要么移居美国创办公司,要么过早退出,因为他们所处的市场缺乏本地客户和资金支持。
包括OMERs Ventures和Coatue在内的公司在疫情后有意进入欧洲市场,在伦敦设立办事处,但后来关闭了这些分支机构。例如,OMERs解散了其大部分欧洲团队。与此同时,硅谷公司近年来声称,为了专注于创新,创业公司和投资者需要回到旧金山。
总的来说,人们认为问题已经得到解决:多位风险投资者在Slush大会上告诉TechCrunch,认为市场资本不足或美国深口袋投资者不感兴趣的观点被夸大了。
一位投资者明确表示,现在欧洲市场的美国资本绝对比五年前更多。此外,一些头条新闻比其他新闻更引人注目:当OMERs Ventures宣布撤退时,IVP和Andreessen Horowitz都表示将在伦敦开设办事处。
欧洲公司也开始成功抵制美国投资者要求其迁至硅谷发展业务的压力。
代码平台Lovable的联合创始人兼首席执行官Anton Osika在Slush大会期间表示,他将公司的快速增长——推出仅一年就实现2亿美元年度经常性收入——归功于公司留在欧洲,而不是选择招募经验丰富的硅谷人才到斯德哥尔摩。
Plural合伙人、爱沙尼亚Skype公司首位员工Taavet Hinrikus在Slush大会上说,欧洲市场大约落后美国十年,但创业公司现在已经完全主流化,这是10年前没有的现象。
另一位风险投资人补充说,当他几十年前开始投资创业公司时,创业公司及其收入在该地区的GDP或收入中所占比例并不明显,但现在情况发生了根本性变化,创业公司所占份额将继续增长。
越来越多的欧洲成功案例,如Spotify和Klarna,也提升了该地区的形象,给予创始人不过早退出的信心。这些成功案例也为创业公司员工提供了技能和经济保障,让他们能够独立创业。
监管机构也没有袖手旁观,最近一直在努力让创业公司更容易获得成功。欧盟正在推进监管改革,允许创业公司明年可以同时在所有欧盟国家注册,而不仅仅是在本国注册。这些举措虽然带来了自身的挑战,但这一举措是向前迈进的一步。
当然,障碍依然存在。欧洲企业仍然不如美国同行那样愿意试验和实施创业技术。但Slush大会的氛围不能更加乐观了。欧洲看起来已经准备好展现自己的实力,即使花了更长时间才达到这一步。
正如Slush的欢迎横幅所写:"还在怀疑欧洲吗?去见鬼吧。"
Q&A
Q1:欧洲创业市场现在面临哪些变化?
A:欧洲创业市场正在经历转型,美国资本投入增加,本土成功案例如Spotify和Klarna提升了市场信心,监管环境也在改善。创业公司现已完全主流化,在GDP中占比不断增长,市场准备迎接首个万亿美元创业公司。
Q2:为什么说欧洲创业公司不再需要迁移到美国?
A:欧洲公司开始成功抵制美国投资者的迁移压力。代码平台Lovable就是典型例子,通过留在欧洲并招募硅谷人才到斯德哥尔摩,在推出仅一年就实现了2亿美元年度经常性收入的快速增长。
Q3:欧洲创业环境还存在什么挑战?
A:主要挑战包括欧洲企业仍然不如美国同行愿意试验和实施创业技术。不过,欧盟正在推进监管改革,计划允许创业公司同时在所有欧盟国家注册,这将简化运营流程,有助于创业公司发展。
好文章,需要你的鼓励
Uber年度失物报告首次纳入无人驾驶出租车数据。过去一年,乘客在Uber平台的机器人出租车中遗留了数千件物品,包括手机、钥匙、钱包等常见物品,以及假牙、15磅溜溜球等奇特物件。乘客可通过App联系客服找回失物,支付15美元即可享受同城配送,或前往车辆停放站自取。Uber表示,将依托现有运营体系为自动驾驶业务提供全面支持,计划2025年底前在全球15座城市开通无人驾驶打车服务。
TREK方法通过引入外部验证解法对AI进行短期校准,解决了GRPO训练在困难题目上因无法探索正确解法区域而陷入瓶颈的问题,在数学推理和智能体任务上均取得明显提升。
Uber周三发布了一款基于现代Ioniq 5改装的数据采集原型车,搭载14个摄像头、8个固态激光雷达和9个雷达,通过英伟达双驱Thor计算机处理数据。Uber计划今年在全球部署500辆此类车辆,每月可采集200万英里高保真驾驶数据,供Avride、Waymo、WeRide等30余家自动驾驶合作伙伴使用。这是Uber自2020年出售自动驾驶部门以来首次自主组装车辆,也是其AV Labs部门的重要进展。
SkillOpt-Lite通过将智能体技能优化形式化为零阶优化问题,提出极简流水线:把执行轨迹存为文本文件,让AI直接用文件系统工具翻日志、找规律、改技能,配合独立验证门控,比复杂的多智能体优化框架跑得更快效果更好,并自然延伸至执行框架自动优化(HarnessOpt),使轻量模型能够超越大模型。