告别旧项目、孤身闯硅谷：从不会 Pitch 到引发 VC 抢投的一周极限融资

这期我认为比表面上的“一周拿下 a16z 240 万美元融资”更值得研究。

因为它真正讲的是三件事情：

第一，一个已经做出收入的团队，为什么仍然应该放弃旧项目。

第二，一个看似“云盘”的产品，为什么可能进一步演化成 AI Agent 的数据基础设施。

第三，硅谷融资真正拼的不是 Pitch 话术，而是产品势能、时间压缩、信号制造和选择权。

但这份材料里有几处一定要校准。校准之后，Space 这个案例的含金量反而更高。

一、先把几个关键事实讲清楚

1. 240 万美元融资是真的，而且确实是 Pre-Seed

Space Computer 于 2026 年 8 月 18 日宣布完成 240 万美元 Pre-Seed，由 a16z Speedrun 领投，Golden Ventures、Northside Ventures 和约十几位来自 Parsec、Sentry、Stan、Superwhisper、Modem 等公司的天使投资人参与。

三位创始人分别是：

Matthew Ao、Arihant Bapna、Jason Zhao。

另外要注意：

“a16z 领投 240 万美元”不等于 a16z 自己投了 240 万美元。

a16z Speedrun 官方目前写的是单家公司最高投资约 100 万美元。240 万美元是整个融资轮的总金额。

这是金融报道中一个很常见的概念错误：

Round Size ≠ Lead Investor Check Size。

2. “一周融资完成”建议写成创始人复盘口径

公开资料能够确认：

他们融资过程中去了旧金山 Founders Inc.，后来进入 a16z Speedrun，并完成了这轮融资。

但公开新闻稿并没有逐日确认：

周一见 Jonathan Lai、哪一天拿 term sheet、哪一天 Golden 加入、到底第几天 closing。

所以正式课程最好写：

“据团队在视频中的融资复盘，关键融资阶段在约一周内迅速完成。”

不要把视频里的创业 Vlog 时间线变成独立审计事实。

二、你材料里最大的历史修正，其实是 Eden / Kortex

Matthew 自己公开写过一篇很值得读的复盘：

《Nine Lessons from $3 Million Mistakes》。

里面透露：

他们 2023 年最初做的是 Kortex，是一款针对内容创作者的 AI 笔记/Second Brain 产品。

两年里花掉大约：

300 万美元运营成本。

团队一度达到：

约 $60,000 MRR。

这不是一个完全没人使用的产品。

真正的问题是：

增长停滞 + Churn 高 + 产品没有足够强的切换理由 + 技术架构极度复杂。

后来 Matthew 和 Ari 在日本三周秘密重写产品，最终 Kortex 被放弃并演化为 Eden。

Matthew 现在自己的 GitHub 简介仍然写着：

Eden 曾达到约 $50K MRR / $600K ARR / 25K MAU。这些是创始人自述数据。

所以这不是：

“失败项目 → Space。”

真正高级的版本是：

“有收入但没有足够强 PMF 的项目 → 主动放弃 → 重新寻找更大的技术问题。”

这完全不一样。

三、这是创业者必须知道的一条残酷规律：Revenue 不等于 Product-Market Fit

一家创业公司：

$60K MRR。

年化：

$720K。

很多人会觉得：

“这么赚钱为什么还要停？”

因为收入只是一个信号。

真正还要看：

Retention。

Churn。

Organic Growth。

CAC。

Expansion Revenue。

用户是否离不开产品。

客户是否主动推荐。

如果每个月：

大量新用户进，

大量老用户走，

你拥有的可能只是：

Leaky Bucket——漏水的桶。

不断往里面倒营销费用，

桶底却一直漏。

这就是为什么：

MRR 不能单独证明 PMF。

四、Matthew 这次 Pivot 最值得学的不是“敢于放弃”，而是 Sunk Cost Discipline

Kortex 已经投入：

两年。

300 万美元。

十几个人。

代码。

品牌。

客户。

大量感情。

经济学告诉我们：

这些都是：

Sunk Cost——沉没成本。

今天的决策只能问：

从今天开始，继续投资这个项目的预期回报，是否高于其他选择？

过去已经花了多少钱，

理论上不应该影响今天的决定。

但现实中非常难。

因为沉没的不只是钱。

还有：

身份。

自尊。

员工关系。

用户承诺。

两年青春。

所以优秀 Founder 和优秀投资人有一个共同能力：

愿意承认过去的钱已经死了。

五、Matthew 上一个公司的最大错误，反而解释了为什么 Space 很有意思

Kortex 当时做过很多典型的“聪明工程师错误”。

例如：

自建 Authentication。

自建 Billing。

复杂 Infrastructure。

提前为大规模用户设计架构。

甚至自己折腾 Keycloak。

Matthew 后来估计，仅一些不必要的基础设施工作就消耗了几十万甚至更多的工程成本。

最后他总结出一个很好的原则：

不是核心差异化的东西，尽量买；只有真正属于核心产品的东西才自己造。

这句话放到 Space 身上特别有意思。

Authentication：

不应该造。

Billing：

不应该造。

但：

Filesystem 本身就是 Space 的产品。

这个轮子它必须重新造。

这就是成熟 Founder 对：

Build vs Buy

真正应该有的判断。

不是：

“什么都自己做。”

也不是：

“什么都调用 API。”

而是：

把最优秀的工程时间集中到真正构成护城河的那一层。

六、Space 到底是什么？它其实不是“一个无限容量云盘”

这是这期最重要的技术概念。

传统 Dropbox / Google Drive 思路大致是：

Cloud

↓

Sync

↓

Local File

↓

Application。

也就是说：

你在 Premiere 里处理一个 80GB 文件，

通常需要先：

下载、

同步、

或者至少缓存非常大的一部分。

Space 想改变的是这条路径。

它让系统看到一个类似普通硬盘的：

Filesystem Namespace。

Premiere、DaVinci、Photoshop、Blender 看见的是普通文件。

真正的数据却存在云端。

当应用请求某一段数据的时候：

Space 才把需要的：

Byte Range

传过来。

Space 官网现在明确表示，它只流式读取应用真正请求的 byte ranges，并只缓存用户实际访问的部分。

所以核心不是：

“云盘更大。”

而是：

把 Data Location 和 Data Usage 解耦。

七、“Zero Bytes on Disk”也需要技术性理解，不能按照字面理解

官网营销语言是：

zero bytes on disk。

但官网同时写了：

caches only what you touch。

也就是说运行过程中依然可能存在：

临时 Cache。

Buffer。

OS Cache。

应用缓存。

否则很多工作负载根本无法高性能运行。

因此更专业的理解应该是：

无需保存完整的永久本地副本。

而不是：

物理意义上一字节 RAM/SSD 都不使用。

这种区别很重要。

八、“Infinite Storage”同样是一种产品抽象，不是无限免费容量

Space 当前首页称：

Infinite space on your computer。

但它现在已经公布价格：

Individual：

$15/月，含 1TB。

Teams：

$30/成员/月，每个成员贡献 1TB pooled storage。

更多容量需要额外付费。

所以：

Infinite ≠ 免费无限云存储。

真正的含义是：

你的电脑本地磁盘容量，不再决定你能够访问多大的数据空间。

256GB MacBook 可以拥有：

20TB、

100TB、

1PB

的逻辑文件空间。

这叫：

Storage Virtualization。

九、你材料里的“网络已经比机械硬盘快几个数量级”，这一点我建议修改

这在技术上说得过头了。

1Gbps 网络理论峰值大约：

125MB/s。

普通机械 HDD 顺序读取通常就能做到：

大约 100—250MB/s。

所以 Gigabit 网络并没有比 HDD 快几个数量级。

10Gbps 网络理论上：

约 1.25GB/s，

可以超过机械硬盘。

但现代 NVMe SSD 可以做到：

数 GB/s。

而互联网还有一个特别大的问题：

Latency。

Panzura 自己在讲全球云文件系统时甚至直接强调：

远距离访问真正麻烦的是 WAN latency，而不只是 bandwidth。

所以 Space 的魔法根本不是：

“Internet 比硬盘快。”

而是：

你根本不需要把整个文件传输过来。

这是完全不同的逻辑。

十、一个 100GB 文件，你真正需要的可能只有其中 500MB

例如视频剪辑。

你有：

100GB 原始素材。

但编辑过程中，

某一分钟可能只在：

预览几个 clip，

scrub 某些位置，

读取关键帧附近数据。

如果系统足够聪明：

100GB

并不意味着必须先传：

100GB。

而是：

Fetch What You Touch。

这和 Netflix 的逻辑很像。

你看一部两小时电影：

Netflix 不会等整部电影下载完成以后再让你播放。

十一、但是视频剪辑比 Netflix 难很多

因为 Netflix 是：

Sequential Read。

从前往后读。

编辑器则可能：

00:02:31

突然跳到：

01:17:42。

又拖回来：

00:26:04。

这属于：

Random Access Workload。

所以真正困难的是：

Prefetch。

Caching。

Byte-range prediction。

Metadata。

Latency hiding。

Codec behavior。

并发。

File locking。

这才是 Space 真正的工程价值所在。

十二、而且我要特别提醒：Space 并不是世界上第一个想到这件事情的人

这是分析这个项目必须保持清醒的地方。

LucidLink 今天公开销售的核心能力就已经是：

“像本地硬盘一样使用云文件。”

它同样：

只流式读取应用所需的数据，

支持 Premiere、Final Cut、DaVinci、CAD 等大文件工作流，

并公开称拥有超过 10 万用户。

企业市场还有：

Nasuni。

Panzura。

它们也在做：

Global Filesystem。

Edge Cache。

Unified Namespace。

Cloud Object Storage。

因此：

Space 不是发明了“云端流式文件系统”这个类别。

这点一定要讲清楚。

十三、那为什么 a16z 还要投？

这才是好问题。

因为投资人买的从来不只是：

“这个功能以前有没有人做过。”

投资人会问：

市场发生了什么新的变化，使现在可能产生一个新的赢家？

Space 的答案实际上是：

过去：

Filesystem 服务：

Human。

未来：

Filesystem 同时服务：

Human + AI Agent。

这才是它真正的非共识下注。

Jonathan Lai 对投资的公开解释也明确强调了：

Space 想给人类创作者与 AI agents 提供同一个 primitive：

对所需数据的即时访问。

十四、AI Agent 为什么反而让“文件系统”重新变重要？

今天很多 AI Agent 的数据工作流是：

公司文件

↓

上传到系统

↓

Parse

↓

Chunk

↓

Embedding

↓

Index

↓

Vector Database

↓

Agent 查询。

这形成了非常复杂的数据复制。

每一个 AI 产品：

又建一份自己的 Index。

又做一次 ingestion。

又存一份 Context。

Space 的长期 Thesis 是：

为什么 Agent 不能像一个真实员工一样，直接看到公司同一个文件系统？

如果做成：

Agent

↓

Filesystem

↓

需要哪几个 byte / file / folder

↓

直接访问。

数据基础设施会简单很多。

十五、这实际上是在争夺一个非常大的位置：Agent Data Layer

未来 Agent 需要的不只是：

LLM。

还需要：

Compute。

Memory。

Permissions。

Files。

Apps。

Identity。

Tool Access。

其中：

Files

几乎是所有知识工作的共同 primitive。

Word 文档。

视频。

PDF。

代码。

CAD。

图片。

训练数据。

数据集。

如果 Space 最终控制的是：

AI Agent 与非结构化数据之间的访问层

它的 TAM 就完全不是：

“给 YouTuber 卖云盘。”

十六、所以视频创作者实际上只是 Wedge

创业里有个特别重要的概念：

Wedge Market——楔子市场。

你不需要第一天解决全世界。

先找到：

痛点最强、

最愿意付钱、

最容易展示产品魔力

的一群人。

对于 Space：

Video Editor 非常漂亮。

因为：

一个 20GB 文件，

普通人看不出云盘问题。

一个团队每天处理：

3TB RAW footage，

问题瞬间极其明显。

十七、然后它可以从 Video 扩到 AEC

AEC：

Architecture / Engineering / Construction。

建筑师可能处理：

Revit。

CAD。

BIM。

大型 3D 模型。

这些文件同样：

巨大。

跨办公室。

多人协作。

Space 已经明确把 Video、Marketing、AEC 列为最先进入的行业，随后希望扩展到 AI training data、computer vision、enterprise data systems、world-model pipelines。

这就是：

Beachhead → Horizontal Infrastructure。

先垂直打穿，

再横向扩张。

十八、但 Space 最大的技术风险，其实也在这里

从：

Premiere 流式视频

扩展到：

所有文件

极其困难。

不同应用拥有完全不同：

Access Pattern。

Locking Behavior。

Read/Write Pattern。

Metadata Requirement。

Cache Requirement。

例如：

视频：

大量 sequential + seek。

代码：

大量小文件。

CAD：

复杂 random read/write。

AI training：

极高吞吐量 sequential datasets。

所以：

“支持所有文件”是一个非常大的工程承诺。

这也是为什么文件系统是计算机科学里最难做好的东西之一。

十九、第二个风险：Consistency

假设：

纽约编辑 A 修改一个 60GB 文件。

洛杉矶编辑 B 同时打开。

AI Agent C 又在修改 Metadata。

谁拥有最新版本？

如果 B 修改的是旧版本怎么办？

断网以后怎么办？

重新联网如何 merge？

这涉及：

Consistency Model。

Locking。

Conflict Resolution。

Versioning。

Atomic Write。

Recovery。

这才是真正 Enterprise Customer 会问的问题。

不是：

“Demo 看起来酷不酷。”

二十、第三个风险：Security

如果 Space 最终真的成为：

所有人 + 所有 Agent

共同使用的数据层，

那它控制的东西非常敏感。

未来必须处理：

RBAC。

SSO。

SAML。

Encryption。

Audit Logs。

Data Residency。

Agent Permissions。

Least Privilege。

Revocation。

Ransomware Recovery。

现在官网 Enterprise 计划已经开始列：

SSO/SAML、审计、私有云、on-prem 等能力。

这说明团队自己也知道：

真正的钱最后很可能在 Enterprise。

二十一、第四个风险：云存储单位经济模型

这是很多人看 SaaS 不会注意到的一层。

Space 现在 Individual：

$15/月含 1TB。

拿 Cloudflare R2 做一个纯粹的行业成本参照——注意，我不是说 Space 一定使用 R2——R2 Standard 当前公开价格约：

$0.015/GB/月。

也就是：

1TB 本身大约就是 $15/月级别的公开存储价格。

于是你立刻会发现：

如果用户真的把：

1TB 全填满，

并且你的底层成本接近公开云价，

仅靠 $15 Subscription：

毛利可能非常困难。

二十二、所以 Space 真正必须管理的不是“存储容量”，而是 Storage Economics

它需要利用：

平均用户不会用满 quota。

Volume Discount。

Cheaper Object Storage。

Caching。

Deduplication。

Cold Storage Tiering。

BYO Bucket。

Enterprise Pricing。

Seats。

增值功能。

甚至未来：

Compute / Agent Services。

才能建立健康 Gross Margin。

这也是为什么成熟云存储公司的 Unit Economics 非常复杂。

卖 Storage 很容易变成 Commodity。

真正值钱的是：

Access + Workflow + Collaboration + Intelligence。

二十三、这也是为什么我认为 Space 千万不能把自己定位成“更好的 Dropbox”

如果只是：

Dropbox + Streaming，

巨头完全可能复制。

更有价值的定位应该是：

The Filesystem for the Agentic Computer。

然后不断往上叠：

Semantic Search。

Agent Sandbox。

Version History。

Permission Layer。

Workflow。

Compute。

如果做到这一层，

Space 卖的就不是：

TB。

而是：

生产率。

二十四、这和 Matthew 最新公开愿景其实已经一致

他公开描述 Space Computer 的长期状态是：

未来可以：

启动几十个 Agent，

合上电脑，

离开。

Agent 在云端：

剪视频。

处理 CAD。

写代码。

构建 dataset。

回来以后，

结果自动出现在你的电脑里。

也就是说：

Laptop 不再是 Computer。

Laptop 只是：

Interface。

真正的 Computer 在云端。

这其实比“无限存储”大很多。

二十五、这可能是 Space 真正最有野心的一层：“Thin Client”重新回来了

计算机历史一直在钟摆。

大型 Mainframe：

计算集中。

↓

PC：

计算本地化。

↓

Cloud：

服务器集中。

↓

Smartphone：

本地 + Cloud。

↓

AI Agent：

可能再次大规模回到 Cloud Compute。

如果：

Storage 在 Cloud。

Compute 在 Cloud。

Agent 在 Cloud。

Memory 在 Cloud。

那么未来 Laptop 需要什么？

主要是：

Display。

Keyboard。

Camera。

Network。

Local Cache。

Secure Enclave。

于是：

Physical Computer → Window into Compute。

这就是他们所谓：

Infinite Computer。

二十六、再来看融资：他们前两周 Pitch 很差，其实很正常

创业者经常以为：

融资就是讲故事。

实际上 VC 会连续问：

你融多少钱？

为什么现在融？

为什么这个金额？

可以活多久？

达到什么 milestone？

下一轮需要证明什么？

谁 Lead？

Market 多大？

为什么现在？

为什么你们？

竞争是谁？

GTM 是什么？

这里顺便纠正：

你材料中的：

“GTM（去中心化市场策略）”

是不对的。

GTM = Go-To-Market。

中文应该叫：

市场进入 / 获客与商业化策略。

不是“去中心化市场”。

二十七、为什么回答“可能融 300—500 万”很糟糕？

因为投资人听到的不是：

“这个 Founder 很灵活。”

而是：

这个 Founder 不知道自己要多少钱。

专业回答应该类似：

我们融资：

$2.5M。

计划提供：

18—24 个月 runway。

资金重点用于：

核心 filesystem engineering、

Windows、

security、

GTM。

下一轮前希望做到：

X paid customers，

Y ARR，

Z retention。

这叫：

Financing Plan。

融资金额不是拍脑袋。

而是从：

Milestone

倒推：

Burn Rate

再倒推：

Capital Need。

二十八、融资真正的本质是“把未来里程碑提前卖给资本市场”

VC 投资今天没有成熟现金流的公司。

它购买的是：

未来某个概率分布。

所以 Founder 实际上是在说：

给我 $2.4M，我可以把今天这个技术假设，推进到下一个价值拐点。

这个拐点可能是：

10,000 paid users。

Forbes 报道称 Space 给自己的初步目标之一正是达到 10,000 个付费用户。

按现在最便宜 $15/月的 Individual 方案做一个纯数学思考：

10,000 × $15

就是：

约 $150K MRR / $1.8M 年化收入规模。

当然真实收入会受：

Teams、

Enterprise、

Trial、

Churn、

Annual Plans、

Storage Overage

影响。

但你立刻可以理解：

为什么 10K paying users 是一个有意义的下一轮 milestone。

二十九、“Build in Public”为什么对融资特别有效？

因为投资人最怕一件事：

信息完全来自 Founder 的嘴。

Pitch Deck：

你自己写的。

Market Size：

你自己算的。

Roadmap：

你自己画的。

但：

每周发布 Demo。

用户评论。

用户主动转发。

等待名单上涨。

Founder Audience 增长。

客户主动询价。

这些是：

External Signals。

信号越多，

投资人越不需要完全依赖 Founder 自述。

三十、而 Jason 是这个团队一个被严重低估的资产：Distribution Founder

技术型初创公司最常见结构：

两个工程师。

一个产品。

没有人知道怎么讲。

Space 不一样。

Jason 有长期 YouTube 内容经验。

团队自己披露当前已有超过 8 万人的 organic audience，融资发布时约有 100 个用户/团队处于测试阶段。

这意味着：

Engineering

和

Distribution

从 Day 1 就在同一个 Founder Team。

这很值钱。

三十一、YouTube 不是他们的“营销部门”，而是一项资产

为什么？

传统 startup：

先融资。

↓

开发产品。

↓

Hire Head of Marketing。

↓

买广告。

Space：

Founder 自己已经拥有：

Camera Skill。

Editing。

Storytelling。

Audience。

Content System。

所以 Customer Acquisition Cost 一开始就可能更低。

这叫：

Embedded Distribution。

如果两家公司产品能力完全相同，

一个公司每获取用户：

$300。

另一个：

$30。

五年之后结果可能完全不同。

三十二、所谓制造投资人 FOMO，本质也不是“骗人说别人都要投”

真正健康的 FOMO 来源于：

Product Momentum。

Investor Momentum。

Customer Momentum。

Round Scarcity。

Meeting Compression。

例如：

周一：

Investor A interested。

周二：

Investor B second meeting。

周三：

Lead discussion。

于是 Investor C 知道：

如果等两周，

轮次可能结束。

这产生：

Time Pressure。

三十三、绝对不能学成“虚构 FOMO”

不能说：

“我们已经有 term sheet。”

实际上没有。

不能说：

“a16z 要投。”

如果只是聊过一次。

这涉及：

信誉。

甚至可能涉及法律问题。

硅谷真正值钱的是：

Reputation Capital。

一轮融资骗过一个人，

但整个职业生涯可能还有：

30 年。

没必要。

三十四、Golden Ventures 那个“马上改第二天日程”的细节非常值得学

投资人嘴里：

“Interesting。”

几乎没有信息价值。

真正应该观察：

Behavior。

对方：

多久 Follow Up？

多久安排第二次会议？

是否主动拉 Partner？

是否要客户 Reference？

是否问 Round Allocation？

是否要求 Data Room？

是否讨论 Terms？

真正的 Interest：

会压缩时间。

所以融资时不要只听：

Words。

看：

Calendar。

三十五、Warm Introduction 的本质不是“靠关系”

很多人错误理解：

硅谷靠关系。

更准确地说：

Referral 减少 Information Asymmetry。

假设一个 VC 每年收到：

10,000 个 Pitch。

他不可能全部研究。

如果一个已经非常信任的 Founder 说：

“这三个年轻人特别强，你一定要见。”

这就是：

Signal。

相当于：

降低投资人的 Search Cost。

所以真正的人脉不是：

加 5,000 个 LinkedIn。

而是：

有人愿意拿自己的 Reputation 替你背书。

完全不是一回事。

三十六、Space 这次融资还有一个非常漂亮的地点效应：San Francisco

很多人会问：

线上时代为什么非要去旧金山？

因为融资和创业存在：

Network Density。

一天可以：

上午见 Founder。

中午遇到 Investor。

下午 Demo。

晚上 Dinner。

第二天有人 Introduction。

信息传播速度极快。

这就是集群效应。

和：

Wall Street。

Hollywood。

深圳硬件。

伦敦金融城

一样。

地理位置不是魔法。

真正的价值是：

Network Latency 极低。

三十七、但融资成功绝不能被理解为创业成功

这是这类视频最容易让年轻创业者误解的地方。

Space：

Raised $2.4M。

不等于：

赚 $2.4M。

更不等于：

Founder 身价增加 $2.4M。

融资意味着：

公司出售了一部分未来 Equity，

换取：

Runway。

240 万美元本质上是：

必须被有效配置的股东资本。

从收到钱那一刻开始：

Timer 开始计时。

三十八、而且目前 Space 的估值和具体稀释比例并未公开

所以不要根据：

$2.4M round

自己推：

公司估值 $10M、

$20M、

$30M。

没有依据。

Pre-Seed 很多使用：

SAFE。

也可能使用：

Priced Equity。

可能有：

Valuation Cap。

Discount。

MFN。

Pro Rata Rights。

这些目前公开资料不足。

正确写法就是：

公开资料有限，暂无法确认。

三十九、Space 今天最大的竞争风险其实不是另一家 Startup

而是：

Apple。

Google。

Dropbox。

Microsoft。

Amazon。

以及：

LucidLink 这种已有成熟技术和客户的玩家。

为什么？

因为 Space 位于：

OS

和

Cloud

之间。

上面是：

Applications。

下面是：

Object Storage。

这块位置很有价值，

但也容易被上下游夹击。

四十、因此 Space 最终必须形成“中立层”价值

如果未来：

你的文件可能在：

AWS。

Google Cloud。

R2。

Azure。

Private Cloud。

NAS。

不同 Agent 也运行在：

OpenAI。

Anthropic。

Google。

本地模型。

Space 如果能够成为：

Vendor-Neutral Data Plane

反而可能产生真正战略价值。

因为：

Apple 会偏 Apple。

Google 会偏 Google。

AWS 会偏 AWS。

但独立公司可以说：

我谁都连接。

这类似：

Stripe 不需要拥有银行。

Cloudflare 不需要拥有所有源服务器。

Snowflake 不需要拥有所有数据来源。

中立层有时就是最大的机会。

四十一、还有一个更大的机会：Filesystem 可能重新成为 AI 时代的“操作系统接口”

过去 GUI 的抽象是：

Folder。

File。

Desktop。

未来 Agent 可能根本不需要 Folder UI。

它只需要问：

找到过去三年所有与 Nike 有关的视频素材，把纽约街拍镜头全部挑出来，做一个 30 秒广告。

Spacebar / Semantic Search

↓

定位数据

↓

Agent 获取 Byte Ranges

↓

Video Agent 编辑

↓

结果写回 Filesystem。

这时候：

Filesystem

从：

“存文件的地方”

升级为：

Agent Execution Substrate。

这个故事就开始非常大了。

四十二、但千万别低估最后 10% 的困难

Demo 做到：

90%。

很容易让人震撼。

企业级文件系统从：

90%

做到：

99.999%

才是真正的死亡地带。

一次：

文件损坏。

同步丢失。

版本覆盖。

权限泄漏。

可能直接失去整个 Studio 客户。

所以 Space 最终的护城河未必只是：

Streaming Algorithm。

还包括：

Reliability Reputation。

Dropbox、AWS、Microsoft 这类基础设施公司的核心资产之一就是：

用户相信文件不会消失。

这个信任要很多年才能建立。

四十三、我认为这三个 Founder 真正做对的第一件事：他们解决的是自己极度痛的问题

Jason 多年拍视频，

积累几十 TB 素材。

前一个公司又因为内容生产每天移动大量视频。

这个问题不是：

VC Report 告诉他们的。

是：

自己天天骂的问题。

Space 官方融资说明也把这段经历直接作为产品起源。

这叫：

Founder-Market Fit。

你拥有别人没有的：

Pain Knowledge。

Workflow Knowledge。

Customer Language。

四十四、第二件做对的事：先解决具体问题，再讲十亿美元 Narrative

最开始：

“我的硬盘不够用。”

然后：

“为什么 Cloud File 不能像 Local File？”

然后：

“Infinite Storage。”

再然后：

“Filesystem for Humans + Agents。”

最后：

“Infinite Computer。”

这是一个非常漂亮的：

Vision Expansion。

好的 Startup 往往都是：

问题非常具体，

愿景非常巨大。

四十五、第三件做对的事：产品 Demo 一眼就能看懂

VC 最喜欢一种产品：

30 秒产生 Magic Moment。

256GB Mac。

↓

打开 20GB BRAW。

↓

直接拖 Premiere。

↓

正常播放。

↓

Finder 显示 0 bytes。

不需要讲：

30 页 Deck。

用户：

“卧槽。”

这就是：

Demoability。

对于 Pre-Seed 融资极其有价值。

四十六、第四件做对的事：他们把融资过程也当成产品迭代

早期 Investor 问：

Why Now？

答不好。

回家修。

问：

Market Size？

修。

问：

GTM？

修。

下一场再测试。

所以 Pitch Deck 本质上也是：

A Product。

VC 是用户。

Objection 是 Feedback。

Pitch 是 Iteration。

Conversion 是 Term Sheet。

四十七、这和销售完全一样

最差 Founder：

被拒绝 10 次，

得出：

“VC 不懂我。”

优秀 Founder：

被拒绝 10 次，

发现：

第 7 页所有人都困惑。

然后：

删掉。

这就是：

Feedback Velocity。

和产品创业完全相同。

四十八、如果让我判断 Space 的投资逻辑，我会拆成四层

第一层：

明显真实的痛点。

大文件移动确实很痛。

第二层：

技术 Timing。

高速网络、廉价 object storage、现代 filesystem API，使体验变得可行。

第三层：

AI Agent 新增需求。

机器产生和读取的数据量可能远超过人类。

第四层：

从 Storage Product 向 Compute Platform 扩张的 Option Value。

VC 真正买的主要是：

第四层。

因为第一层可能只是一家公司。

第四层如果成立：

可能是一个平台。

四十九、但我现在不会把 Space 称为“已经颠覆本地存储”

太早。

目前更准确：

Space 正试图重新定义云端数据如何以本地文件系统的方式被人类和 AI Agent 使用。

因为：

用户规模仍小。

收入尚未公开。

Retention 未公开。

存储 Gross Margin 未公开。

Enterprise Adoption 未证明。

竞争者已经存在。

这是一个：

非常有意思的 Pre-Seed Bet。

还不是已经验证的赢家。

五十、这期视频真正应该让创业者学到的十条东西

第一，有收入的项目也可以没有真正 PMF。

第二，沉没成本越大，越需要有能力重新计算未来。

第三，不构成护城河的基础设施尽量买；真正核心能力必须自己掌握。

第四，最好的创业题目往往来自 Founder 自己反复遭遇的昂贵问题。

第五，Wedge 要窄，Vision 可以巨大。

第六，融资不是讲故事比赛，而是产品、团队、市场、时机和 Momentum 的综合定价。

第七，真正的 FOMO 来自现实势能，而不是话术。

第八，Build in Public 不只是营销，它还能创造客户信号和投资信号。

第九，基础设施创业最终拼的不是 Demo，而是 Reliability、Security 和 Unit Economics。

第十，AI 时代最大的机会之一，可能不是再造一个 Agent，而是建设所有 Agent 都必须依赖的基础层。

五十一、整期我会最终升维成一个公式

Space 的故事并不是：

有想法 → 去旧金山 → 见 a16z → 融到 $2.4M。

真正的链条是：

旧项目失败经验

↓

发现结构性痛点

↓

Founder-Market Fit

↓

极简 Prototype

↓

可视化 Magic Moment

↓

自有 Distribution

↓

Build in Public

↓

用户验证

↓

融资势能

↓

资本进入

↓

从单一 Use Case 扩张为 Infrastructure Thesis。

这才是值得普通创业者复制的东西。

五十二、标题我建议再升级

你现在四个标题里，我认为第 2 个方向最好，但“云端流式剪辑”把 Space 写小了。

它真正想做的已经不是剪辑工具。

我最推荐：

《不是云盘，而是 AI 时代的数据访问层：Space 如何从 Pivot 到拿下 a16z 240 万美元融资》

如果更偏创业：

《从 300 万美元教训到 a16z 投资：Space 的 Pivot、融资与“无限计算机”野心》

如果更偏技术趋势：

《重新发明文件系统：Space 如何让人类与 AI Agent 共享“无限计算机”》

如果更偏传播：

《三个人、一周、240 万美元：他们为什么让 a16z 押注“消灭硬盘”？》

如果放进正式课程，我最推荐第二个。

因为它把最珍贵的一层写出来了：

这个故事真正牛的不是“一周融到 240 万美元”，而是他们先花 300 万美元学会什么不该做，然后把这些昂贵的失败认知，压缩进下一家公司。

创业真正的复利，不只是钱的复利。

还有一种更加稀缺：

错误认知被纠正之后的经验复利。

而 Space 值得继续观察的核心，也不是它能不能让 Premiere 少下载几个 GB，而是它能不能最终从 “云端文件系统”跨越成“AI Agent 的通用数据层”。如果跨不过去，它可能是一家很不错的存储 SaaS；如果跨过去，故事才真正开始变大。

我可以持续跟踪 Space 后续的用户增长、融资、Windows 版本以及它和 LucidLink 等竞争者的变化。

跟踪 Space 后续进展