告別舊項目、孤身闖硅谷：從不會 Pitch 到引發 VC 搶投的一週極限融資

這期我認爲比表面上的“一週拿下 a16z 240 萬美元融資”更值得研究。

因爲它真正講的是三件事情：

第一，一個已經做出收入的團隊，爲什麼仍然應該放棄舊項目。

第二，一個看似“雲盤”的產品，爲什麼可能進一步演化成 AI Agent 的數據基礎設施。

第三，硅谷融資真正拼的不是 Pitch 話術，而是產品勢能、時間壓縮、信號製造和選擇權。

但這份材料裏有幾處一定要校準。校準之後，Space 這個案例的含金量反而更高。

一、先把幾個關鍵事實講清楚

1. 240 萬美元融資是真的，而且確實是 Pre-Seed

Space Computer 於 2026 年 8 月 18 日宣佈完成 240 萬美元 Pre-Seed，由 a16z Speedrun 領投，Golden Ventures、Northside Ventures 和約十幾位來自 Parsec、Sentry、Stan、Superwhisper、Modem 等公司的天使投資人蔘與。

三位創始人分別是：

Matthew Ao、Arihant Bapna、Jason Zhao。

另外要注意：

“a16z 領投 240 萬美元”不等於 a16z 自己投了 240 萬美元。

a16z Speedrun 官方目前寫的是單家公司最高投資約 100 萬美元。240 萬美元是整個融資輪的總金額。

這是金融報道中一個很常見的概念錯誤：

Round Size ≠ Lead Investor Check Size。

2. “一週融資完成”建議寫成創始人覆盤口徑

公開資料能夠確認：

他們融資過程中去了舊金山 Founders Inc.，後來進入 a16z Speedrun，並完成了這輪融資。

但公開新聞稿並沒有逐日確認：

週一見 Jonathan Lai、哪一天拿 term sheet、哪一天 Golden 加入、到底第幾天 closing。

所以正式課程最好寫：

“據團隊在視頻中的融資覆盤，關鍵融資階段在約一週內迅速完成。”

不要把視頻裏的創業 Vlog 時間線變成獨立審計事實。

二、你材料裏最大的歷史修正，其實是 Eden / Kortex

Matthew 自己公開寫過一篇很值得讀的覆盤：

《Nine Lessons from $3 Million Mistakes》。

裏面透露：

他們 2023 年最初做的是 Kortex，是一款針對內容創作者的 AI 筆記/Second Brain 產品。

兩年裏花掉大約：

300 萬美元運營成本。

團隊一度達到：

約 $60,000 MRR。

這不是一個完全沒人使用的產品。

真正的問題是：

增長停滯 + Churn 高 + 產品沒有足夠強的切換理由 + 技術架構極度複雜。

後來 Matthew 和 Ari 在日本三週祕密重寫產品，最終 Kortex 被放棄並演化爲 Eden。

Matthew 現在自己的 GitHub 簡介仍然寫着：

Eden 曾達到約 $50K MRR / $600K ARR / 25K MAU。這些是創始人自述數據。

所以這不是：

“失敗項目 → Space。”

真正高級的版本是：

“有收入但沒有足夠強 PMF 的項目 → 主動放棄 → 重新尋找更大的技術問題。”

這完全不一樣。

三、這是創業者必須知道的一條殘酷規律：Revenue 不等於 Product-Market Fit

一家創業公司：

$60K MRR。

年化：

$720K。

很多人會覺得：

“這麼賺錢爲什麼還要停？”

因爲收入只是一個信號。

真正還要看：

Retention。

Churn。

Organic Growth。

CAC。

Expansion Revenue。

用戶是否離不開產品。

客戶是否主動推薦。

如果每個月：

大量新用戶進，

大量老用戶走，

你擁有的可能只是：

Leaky Bucket——漏水的桶。

不斷往裏面倒營銷費用，

桶底卻一直漏。

這就是爲什麼：

MRR 不能單獨證明 PMF。

四、Matthew 這次 Pivot 最值得學的不是“敢於放棄”，而是 Sunk Cost Discipline

Kortex 已經投入：

兩年。

300 萬美元。

十幾個人。

代碼。

品牌。

客戶。

大量感情。

經濟學告訴我們：

這些都是：

Sunk Cost——沉沒成本。

今天的決策只能問：

從今天開始，繼續投資這個項目的預期回報，是否高於其他選擇？

過去已經花了多少錢，

理論上不應該影響今天的決定。

但現實中非常難。

因爲沉沒的不只是錢。

還有：

身份。

自尊。

員工關係。

用戶承諾。

兩年青春。

所以優秀 Founder 和優秀投資人有一個共同能力：

願意承認過去的錢已經死了。

五、Matthew 上一個公司的最大錯誤，反而解釋了爲什麼 Space 很有意思

Kortex 當時做過很多典型的“聰明工程師錯誤”。

例如：

自建 Authentication。

自建 Billing。

複雜 Infrastructure。

提前爲大規模用戶設計架構。

甚至自己折騰 Keycloak。

Matthew 後來估計，僅一些不必要的基礎設施工作就消耗了幾十萬甚至更多的工程成本。

最後他總結出一個很好的原則：

不是核心差異化的東西，儘量買；只有真正屬於核心產品的東西才自己造。

這句話放到 Space 身上特別有意思。

Authentication：

不應該造。

Billing：

不應該造。

但：

Filesystem 本身就是 Space 的產品。

這個輪子它必須重新造。

這就是成熟 Founder 對：

Build vs Buy

真正應該有的判斷。

不是：

“什麼都自己做。”

也不是：

“什麼都調用 API。”

而是：

把最優秀的工程時間集中到真正構成護城河的那一層。

六、Space 到底是什麼？它其實不是“一個無限容量雲盤”

這是這期最重要的技術概念。

傳統 Dropbox / Google Drive 思路大致是：

Cloud

↓

Sync

↓

Local File

↓

Application。

也就是說：

你在 Premiere 裏處理一個 80GB 文件，

通常需要先：

下載、

同步、

或者至少緩存非常大的一部分。

Space 想改變的是這條路徑。

它讓系統看到一個類似普通硬盤的：

Filesystem Namespace。

Premiere、DaVinci、Photoshop、Blender 看見的是普通文件。

真正的數據卻存在雲端。

當應用請求某一段數據的時候：

Space 才把需要的：

Byte Range

傳過來。

Space 官網現在明確表示，它只流式讀取應用真正請求的 byte ranges，並只緩存用戶實際訪問的部分。

所以核心不是：

“雲盤更大。”

而是：

把 Data Location 和 Data Usage 解耦。

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

官網營銷語言是：

zero bytes on disk。

但官網同時寫了：

caches only what you touch。

也就是說運行過程中依然可能存在：

臨時 Cache。

Buffer。

OS Cache。

應用緩存。

否則很多工作負載根本無法高性能運行。

因此更專業的理解應該是：

無需保存完整的永久本地副本。

而不是：

物理意義上一字節 RAM/SSD 都不使用。

這種區別很重要。

八、“Infinite Storage”同樣是一種產品抽象，不是無限免費容量

Space 當前首頁稱：

Infinite space on your computer。

但它現在已經公佈價格：

Individual：

$15/月，含 1TB。

Teams：

$30/成員/月，每個成員貢獻 1TB pooled storage。

更多容量需要額外付費。

所以：

Infinite ≠ 免費無限雲存儲。

真正的含義是：

你的電腦本地磁盤容量，不再決定你能夠訪問多大的數據空間。

256GB MacBook 可以擁有：

20TB、

100TB、

1PB

的邏輯文件空間。

這叫：

Storage Virtualization。

九、你材料裏的“網絡已經比機械硬盤快幾個數量級”，這一點我建議修改

這在技術上說得過頭了。

1Gbps 網絡理論峯值大約：

125MB/s。

普通機械 HDD 順序讀取通常就能做到：

大約 100—250MB/s。

所以 Gigabit 網絡並沒有比 HDD 快幾個數量級。

10Gbps 網絡理論上：

約 1.25GB/s，

可以超過機械硬盤。

但現代 NVMe SSD 可以做到：

數 GB/s。

而互聯網還有一個特別大的問題：

Latency。

Panzura 自己在講全球雲文件系統時甚至直接強調：

遠距離訪問真正麻煩的是 WAN latency，而不只是 bandwidth。

所以 Space 的魔法根本不是：

“Internet 比硬盤快。”

而是：

你根本不需要把整個文件傳輸過來。

這是完全不同的邏輯。

十、一個 100GB 文件，你真正需要的可能只有其中 500MB

例如視頻剪輯。

你有：

100GB 原始素材。

但編輯過程中，

某一分鐘可能只在：

預覽幾個 clip，

scrub 某些位置，

讀取關鍵幀附近數據。

如果系統足夠聰明：

100GB

並不意味着必須先傳：

100GB。

而是：

Fetch What You Touch。

這和 Netflix 的邏輯很像。

你看一部兩小時電影：

Netflix 不會等整部電影下載完成以後再讓你播放。

十一、但是視頻剪輯比 Netflix 難很多

因爲 Netflix 是：

Sequential Read。

從前往後讀。

編輯器則可能：

00:02:31

突然跳到：

01:17:42。

又拖回來：

00:26:04。

這屬於：

Random Access Workload。

所以真正困難的是：

Prefetch。

Caching。

Byte-range prediction。

Metadata。

Latency hiding。

Codec behavior。

併發。

File locking。

這纔是 Space 真正的工程價值所在。

十二、而且我要特別提醒：Space 並不是世界上第一個想到這件事情的人

這是分析這個項目必須保持清醒的地方。

LucidLink 今天公開銷售的核心能力就已經是：

“像本地硬盤一樣使用雲文件。”

它同樣：

只流式讀取應用所需的數據，

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

並公開稱擁有超過 10 萬用戶。

企業市場還有：

Nasuni。

Panzura。

它們也在做：

Global Filesystem。

Edge Cache。

Unified Namespace。

Cloud Object Storage。

因此：

Space 不是發明了“雲端流式文件系統”這個類別。

這點一定要講清楚。

十三、那爲什麼 a16z 還要投？

這纔是好問題。

因爲投資人買的從來不只是：

“這個功能以前有沒有人做過。”

投資人會問：

市場發生了什麼新的變化，使現在可能產生一個新的贏家？

Space 的答案實際上是：

過去：

Filesystem 服務：

Human。

未來：

Filesystem 同時服務：

Human + AI Agent。

這纔是它真正的非共識下注。

Jonathan Lai 對投資的公開解釋也明確強調了：

Space 想給人類創作者與 AI agents 提供同一個 primitive：

對所需數據的即時訪問。

十四、AI Agent 爲什麼反而讓“文件系統”重新變重要？

今天很多 AI Agent 的數據工作流是：

公司文件

↓

上傳到系統

↓

Parse

↓

Chunk

↓

Embedding

↓

Index

↓

Vector Database

↓

Agent 查詢。

這形成了非常複雜的數據複製。

每一個 AI 產品：

又建一份自己的 Index。

又做一次 ingestion。

又存一份 Context。

Space 的長期 Thesis 是：

爲什麼 Agent 不能像一個真實員工一樣，直接看到公司同一個文件系統？

如果做成：

Agent

↓

Filesystem

↓

需要哪幾個 byte / file / folder

↓

直接訪問。

數據基礎設施會簡單很多。

十五、這實際上是在爭奪一個非常大的位置：Agent Data Layer

未來 Agent 需要的不只是：

LLM。

還需要：

Compute。

Memory。

Permissions。

Files。

Apps。

Identity。

Tool Access。

其中：

Files

幾乎是所有知識工作的共同 primitive。

Word 文檔。

視頻。

PDF。

代碼。

CAD。

圖片。

訓練數據。

數據集。

如果 Space 最終控制的是：

AI Agent 與非結構化數據之間的訪問層

它的 TAM 就完全不是：

“給 YouTuber 賣雲盤。”

十六、所以視頻創作者實際上只是 Wedge

創業裏有個特別重要的概念：

Wedge Market——楔子市場。

你不需要第一天解決全世界。

先找到：

痛點最強、

最願意付錢、

最容易展示產品魔力

的一羣人。

對於 Space：

Video Editor 非常漂亮。

因爲：

一個 20GB 文件，

普通人看不出雲盤問題。

一個團隊每天處理：

3TB RAW footage，

問題瞬間極其明顯。

十七、然後它可以從 Video 擴到 AEC

AEC：

Architecture / Engineering / Construction。

建築師可能處理：

Revit。

CAD。

BIM。

大型 3D 模型。

這些文件同樣：

巨大。

跨辦公室。

多人協作。

Space 已經明確把 Video、Marketing、AEC 列爲最先進入的行業，隨後希望擴展到 AI training data、computer vision、enterprise data systems、world-model pipelines。

這就是：

Beachhead → Horizontal Infrastructure。

先垂直打穿，

再橫向擴張。

十八、但 Space 最大的技術風險，其實也在這裏

從：

Premiere 流式視頻

擴展到：

所有文件

極其困難。

不同應用擁有完全不同：

Access Pattern。

Locking Behavior。

Read/Write Pattern。

Metadata Requirement。

Cache Requirement。

例如：

視頻：

大量 sequential + seek。

代碼：

大量小文件。

CAD：

複雜 random read/write。

AI training：

極高吞吐量 sequential datasets。

所以：

“支持所有文件”是一個非常大的工程承諾。

這也是爲什麼文件系統是計算機科學裏最難做好的東西之一。

十九、第二個風險：Consistency

假設：

紐約編輯 A 修改一個 60GB 文件。

洛杉磯編輯 B 同時打開。

AI Agent C 又在修改 Metadata。

誰擁有最新版本？

如果 B 修改的是舊版本怎麼辦？

斷網以後怎麼辦？

重新聯網如何 merge？

這涉及：

Consistency Model。

Locking。

Conflict Resolution。

Versioning。

Atomic Write。

Recovery。

這纔是真正 Enterprise Customer 會問的問題。

不是：

“Demo 看起來酷不酷。”

二十、第三個風險：Security

如果 Space 最終真的成爲：

所有人 + 所有 Agent

共同使用的數據層，

那它控制的東西非常敏感。

未來必須處理：

RBAC。

SSO。

SAML。

Encryption。

Audit Logs。

Data Residency。

Agent Permissions。

Least Privilege。

Revocation。

Ransomware Recovery。

現在官網 Enterprise 計劃已經開始列：

SSO/SAML、審計、私有云、on-prem 等能力。

這說明團隊自己也知道：

真正的錢最後很可能在 Enterprise。

二十一、第四個風險：雲存儲單位經濟模型

這是很多人看 SaaS 不會注意到的一層。

Space 現在 Individual：

$15/月含 1TB。

拿 Cloudflare R2 做一個純粹的行業成本參照——注意，我不是說 Space 一定使用 R2——R2 Standard 當前公開價格約：

$0.015/GB/月。

也就是：

1TB 本身大約就是 $15/月級別的公開存儲價格。

於是你立刻會發現：

如果用戶真的把：

1TB 全填滿，

並且你的底層成本接近公開雲價，

僅靠 $15 Subscription：

毛利可能非常困難。

二十二、所以 Space 真正必須管理的不是“存儲容量”，而是 Storage Economics

它需要利用：

平均用戶不會用滿 quota。

Volume Discount。

Cheaper Object Storage。

Caching。

Deduplication。

Cold Storage Tiering。

BYO Bucket。

Enterprise Pricing。

Seats。

增值功能。

甚至未來：

Compute / Agent Services。

才能建立健康 Gross Margin。

這也是爲什麼成熟雲存儲公司的 Unit Economics 非常複雜。

賣 Storage 很容易變成 Commodity。

真正值錢的是：

Access + Workflow + Collaboration + Intelligence。

二十三、這也是爲什麼我認爲 Space 千萬不能把自己定位成“更好的 Dropbox”

如果只是：

Dropbox + Streaming，

巨頭完全可能複製。

更有價值的定位應該是：

The Filesystem for the Agentic Computer。

然後不斷往上疊：

Semantic Search。

Agent Sandbox。

Version History。

Permission Layer。

Workflow。

Compute。

如果做到這一層，

Space 賣的就不是：

TB。

而是：

生產率。

二十四、這和 Matthew 最新公開願景其實已經一致

他公開描述 Space Computer 的長期狀態是：

未來可以：

啓動幾十個 Agent，

合上電腦，

離開。

Agent 在雲端：

剪視頻。

處理 CAD。

寫代碼。

構建 dataset。

回來以後，

結果自動出現在你的電腦裏。

也就是說：

Laptop 不再是 Computer。

Laptop 只是：

Interface。

真正的 Computer 在雲端。

這其實比“無限存儲”大很多。

二十五、這可能是 Space 真正最有野心的一層：“Thin Client”重新回來了

計算機歷史一直在鐘擺。

大型 Mainframe：

計算集中。

↓

PC：

計算本地化。

↓

Cloud：

服務器集中。

↓

Smartphone：

本地 + Cloud。

↓

AI Agent：

可能再次大規模回到 Cloud Compute。

如果：

Storage 在 Cloud。

Compute 在 Cloud。

Agent 在 Cloud。

Memory 在 Cloud。

那麼未來 Laptop 需要什麼？

主要是：

Display。

Keyboard。

Camera。

Network。

Local Cache。

Secure Enclave。

於是：

Physical Computer → Window into Compute。

這就是他們所謂：

Infinite Computer。

二十六、再來看融資：他們前兩週 Pitch 很差，其實很正常

創業者經常以爲：

融資就是講故事。

實際上 VC 會連續問：

你融多少錢？

爲什麼現在融？

爲什麼這個金額？

可以活多久？

達到什麼 milestone？

下一輪需要證明什麼？

誰 Lead？

Market 多大？

爲什麼現在？

爲什麼你們？

競爭是誰？

GTM 是什麼？

這裏順便糾正：

你材料中的：

“GTM（去中心化市場策略）”

是不對的。

GTM = Go-To-Market。

中文應該叫：

市場進入 / 獲客與商業化策略。

不是“去中心化市場”。

二十七、爲什麼回答“可能融 300—500 萬”很糟糕？

因爲投資人聽到的不是：

“這個 Founder 很靈活。”

而是：

這個 Founder 不知道自己要多少錢。

專業回答應該類似：

我們融資：

$2.5M。

計劃提供：

18—24 個月 runway。

資金重點用於：

核心 filesystem engineering、

Windows、

security、

GTM。

下一輪前希望做到：

X paid customers，

Y ARR，

Z retention。

這叫：

Financing Plan。

融資金額不是拍腦袋。

而是從：

Milestone

倒推：

Burn Rate

再倒推：

Capital Need。

二十八、融資真正的本質是“把未來里程碑提前賣給資本市場”

VC 投資今天沒有成熟現金流的公司。

它購買的是：

未來某個概率分佈。

所以 Founder 實際上是在說：

給我 $2.4M，我可以把今天這個技術假設，推進到下一個價值拐點。

這個拐點可能是：

10,000 paid users。

Forbes 報道稱 Space 給自己的初步目標之一正是達到 10,000 個付費用戶。

按現在最便宜 $15/月的 Individual 方案做一個純數學思考：

10,000 × $15

就是：

約 $150K MRR / $1.8M 年化收入規模。

當然真實收入會受：

Teams、

Enterprise、

Trial、

Churn、

Annual Plans、

Storage Overage

影響。

但你立刻可以理解：

爲什麼 10K paying users 是一個有意義的下一輪 milestone。

二十九、“Build in Public”爲什麼對融資特別有效？

因爲投資人最怕一件事：

信息完全來自 Founder 的嘴。

Pitch Deck：

你自己寫的。

Market Size：

你自己算的。

Roadmap：

你自己畫的。

但：

每週發佈 Demo。

用戶評論。

用戶主動轉發。

等待名單上漲。

Founder Audience 增長。

客戶主動詢價。

這些是：

External Signals。

信號越多，

投資人越不需要完全依賴 Founder 自述。

三十、而 Jason 是這個團隊一個被嚴重低估的資產：Distribution Founder

技術型初創公司最常見結構：

兩個工程師。

一個產品。

沒有人知道怎麼講。

Space 不一樣。

Jason 有長期 YouTube 內容經驗。

團隊自己披露當前已有超過 8 萬人的 organic audience，融資發佈時約有 100 個用戶/團隊處於測試階段。

這意味着：

Engineering

和

Distribution

從 Day 1 就在同一個 Founder Team。

這很值錢。

三十一、YouTube 不是他們的“營銷部門”，而是一項資產

爲什麼？

傳統 startup：

先融資。

↓

開發產品。

↓

Hire Head of Marketing。

↓

買廣告。

Space：

Founder 自己已經擁有：

Camera Skill。

Editing。

Storytelling。

Audience。

Content System。

所以 Customer Acquisition Cost 一開始就可能更低。

這叫：

Embedded Distribution。

如果兩家公司產品能力完全相同，

一個公司每獲取用戶：

$300。

另一個：

$30。

五年之後結果可能完全不同。

三十二、所謂製造投資人 FOMO，本質也不是“騙人說別人都要投”

真正健康的 FOMO 來源於：

Product Momentum。

Investor Momentum。

Customer Momentum。

Round Scarcity。

Meeting Compression。

例如：

週一：

Investor A interested。

週二：

Investor B second meeting。

週三：

Lead discussion。

於是 Investor C 知道：

如果等兩週，

輪次可能結束。

這產生：

Time Pressure。

三十三、絕對不能學成“虛構 FOMO”

不能說：

“我們已經有 term sheet。”

實際上沒有。

不能說：

“a16z 要投。”

如果只是聊過一次。

這涉及：

信譽。

甚至可能涉及法律問題。

硅谷真正值錢的是：

Reputation Capital。

一輪融資騙過一個人，

但整個職業生涯可能還有：

30 年。

沒必要。

三十四、Golden Ventures 那個“馬上改第二天日程”的細節非常值得學

投資人嘴裏：

“Interesting。”

幾乎沒有信息價值。

真正應該觀察：

Behavior。

對方：

多久 Follow Up？

多久安排第二次會議？

是否主動拉 Partner？

是否要客戶 Reference？

是否問 Round Allocation？

是否要求 Data Room？

是否討論 Terms？

真正的 Interest：

會壓縮時間。

所以融資時不要只聽：

Words。

看：

Calendar。

三十五、Warm Introduction 的本質不是“靠關係”

很多人錯誤理解：

硅谷靠關係。

更準確地說：

Referral 減少 Information Asymmetry。

假設一個 VC 每年收到：

10,000 個 Pitch。

他不可能全部研究。

如果一個已經非常信任的 Founder 說：

“這三個年輕人特別強，你一定要見。”

這就是：

Signal。

相當於：

降低投資人的 Search Cost。

所以真正的人脈不是：

加 5,000 個 LinkedIn。

而是：

有人願意拿自己的 Reputation 替你背書。

完全不是一回事。

三十六、Space 這次融資還有一個非常漂亮的地點效應：San Francisco

很多人會問：

線上時代爲什麼非要去舊金山？

因爲融資和創業存在：

Network Density。

一天可以：

上午見 Founder。

中午遇到 Investor。

下午 Demo。

晚上 Dinner。

第二天有人 Introduction。

信息傳播速度極快。

這就是集羣效應。

和：

Wall Street。

Hollywood。

深圳硬件。

倫敦金融城

一樣。

地理位置不是魔法。

真正的價值是：

Network Latency 極低。

三十七、但融資成功絕不能被理解爲創業成功

這是這類視頻最容易讓年輕創業者誤解的地方。

Space：

Raised $2.4M。

不等於：

賺 $2.4M。

更不等於：

Founder 身價增加 $2.4M。

融資意味着：

公司出售了一部分未來 Equity，

換取：

Runway。

240 萬美元本質上是：

必須被有效配置的股東資本。

從收到錢那一刻開始：

Timer 開始計時。

三十八、而且目前 Space 的估值和具體稀釋比例並未公開

所以不要根據：

$2.4M round

自己推：

公司估值 $10M、

$20M、

$30M。

沒有依據。

Pre-Seed 很多使用：

SAFE。

也可能使用：

Priced Equity。

可能有：

Valuation Cap。

Discount。

MFN。

Pro Rata Rights。

這些目前公開資料不足。

正確寫法就是：

公開資料有限，暫無法確認。

三十九、Space 今天最大的競爭風險其實不是另一家 Startup

而是：

Apple。

Google。

Dropbox。

Microsoft。

Amazon。

以及：

LucidLink 這種已有成熟技術和客戶的玩家。

爲什麼？

因爲 Space 位於：

OS

和

Cloud

之間。

上面是：

Applications。

下面是：

Object Storage。

這塊位置很有價值，

但也容易被上下游夾擊。

四十、因此 Space 最終必須形成“中立層”價值

如果未來：

你的文件可能在：

AWS。

Google Cloud。

R2。

Azure。

Private Cloud。

NAS。

不同 Agent 也運行在：

OpenAI。

Anthropic。

Google。

本地模型。

Space 如果能夠成爲：

Vendor-Neutral Data Plane

反而可能產生真正戰略價值。

因爲：

Apple 會偏 Apple。

Google 會偏 Google。

AWS 會偏 AWS。

但獨立公司可以說：

我誰都連接。

這類似：

Stripe 不需要擁有銀行。

Cloudflare 不需要擁有所有源服務器。

Snowflake 不需要擁有所有數據來源。

中立層有時就是最大的機會。

四十一、還有一個更大的機會：Filesystem 可能重新成爲 AI 時代的“操作系統接口”

過去 GUI 的抽象是：

Folder。

File。

Desktop。

未來 Agent 可能根本不需要 Folder UI。

它只需要問：

找到過去三年所有與 Nike 有關的視頻素材，把紐約街拍鏡頭全部挑出來，做一個 30 秒廣告。

Spacebar / Semantic Search

↓

定位數據

↓

Agent 獲取 Byte Ranges

↓

Video Agent 編輯

↓

結果寫回 Filesystem。

這時候：

Filesystem

從：

“存文件的地方”

升級爲：

Agent Execution Substrate。

這個故事就開始非常大了。

四十二、但千萬別低估最後 10% 的困難

Demo 做到：

90%。

很容易讓人震撼。

企業級文件系統從：

90%

做到：

99.999%

纔是真正的死亡地帶。

一次：

文件損壞。

同步丟失。

版本覆蓋。

權限泄漏。

可能直接失去整個 Studio 客戶。

所以 Space 最終的護城河未必只是：

Streaming Algorithm。

還包括：

Reliability Reputation。

Dropbox、AWS、Microsoft 這類基礎設施公司的核心資產之一就是：

用戶相信文件不會消失。

這個信任要很多年才能建立。

四十三、我認爲這三個 Founder 真正做對的第一件事：他們解決的是自己極度痛的問題

Jason 多年拍視頻，

積累幾十 TB 素材。

前一個公司又因爲內容生產每天移動大量視頻。

這個問題不是：

VC Report 告訴他們的。

是：

自己天天罵的問題。

Space 官方融資說明也把這段經歷直接作爲產品起源。

這叫：

Founder-Market Fit。

你擁有別人沒有的：

Pain Knowledge。

Workflow Knowledge。

Customer Language。

四十四、第二件做對的事：先解決具體問題，再講十億美元 Narrative

最開始：

“我的硬盤不夠用。”

然後：

“爲什麼 Cloud File 不能像 Local File？”

然後：

“Infinite Storage。”

再然後：

“Filesystem for Humans + Agents。”

最後：

“Infinite Computer。”

這是一個非常漂亮的：

Vision Expansion。

好的 Startup 往往都是：

問題非常具體，

願景非常巨大。

四十五、第三件做對的事：產品 Demo 一眼就能看懂

VC 最喜歡一種產品：

30 秒產生 Magic Moment。

256GB Mac。

↓

打開 20GB BRAW。

↓

直接拖 Premiere。

↓

正常播放。

↓

Finder 顯示 0 bytes。

不需要講：

30 頁 Deck。

用戶：

“臥槽。”

這就是：

Demoability。

對於 Pre-Seed 融資極其有價值。

四十六、第四件做對的事：他們把融資過程也當成產品迭代

早期 Investor 問：

Why Now？

答不好。

回家修。

問：

Market Size？

修。

問：

GTM？

修。

下一場再測試。

所以 Pitch Deck 本質上也是：

A Product。

VC 是用戶。

Objection 是 Feedback。

Pitch 是 Iteration。

Conversion 是 Term Sheet。

四十七、這和銷售完全一樣

最差 Founder：

被拒絕 10 次，

得出：

“VC 不懂我。”

優秀 Founder：

被拒絕 10 次，

發現：

第 7 頁所有人都困惑。

然後：

刪掉。

這就是：

Feedback Velocity。

和產品創業完全相同。

四十八、如果讓我判斷 Space 的投資邏輯，我會拆成四層

第一層：

明顯真實的痛點。

大文件移動確實很痛。

第二層：

技術 Timing。

高速網絡、廉價 object storage、現代 filesystem API，使體驗變得可行。

第三層：

AI Agent 新增需求。

機器產生和讀取的數據量可能遠超過人類。

第四層：

從 Storage Product 向 Compute Platform 擴張的 Option Value。

VC 真正買的主要是：

第四層。

因爲第一層可能只是一家公司。

第四層如果成立：

可能是一個平臺。

四十九、但我現在不會把 Space 稱爲“已經顛覆本地存儲”

太早。

目前更準確：

Space 正試圖重新定義雲端數據如何以本地文件系統的方式被人類和 AI Agent 使用。

因爲：

用戶規模仍小。

收入尚未公開。

Retention 未公開。

存儲 Gross Margin 未公開。

Enterprise Adoption 未證明。

競爭者已經存在。

這是一個：

非常有意思的 Pre-Seed Bet。

還不是已經驗證的贏家。

五十、這期視頻真正應該讓創業者學到的十條東西

第一，有收入的項目也可以沒有真正 PMF。

第二，沉沒成本越大，越需要有能力重新計算未來。

第三，不構成護城河的基礎設施儘量買；真正核心能力必須自己掌握。

第四，最好的創業題目往往來自 Founder 自己反覆遭遇的昂貴問題。

第五，Wedge 要窄，Vision 可以巨大。

第六，融資不是講故事比賽，而是產品、團隊、市場、時機和 Momentum 的綜合定價。

第七，真正的 FOMO 來自現實勢能，而不是話術。

第八，Build in Public 不只是營銷，它還能創造客戶信號和投資信號。

第九，基礎設施創業最終拼的不是 Demo，而是 Reliability、Security 和 Unit Economics。

第十，AI 時代最大的機會之一，可能不是再造一個 Agent，而是建設所有 Agent 都必須依賴的基礎層。

五十一、整期我會最終升維成一個公式

Space 的故事並不是：

有想法 → 去舊金山 → 見 a16z → 融到 $2.4M。

真正的鏈條是：

舊項目失敗經驗

↓

發現結構性痛點

↓

Founder-Market Fit

↓

極簡 Prototype

↓

可視化 Magic Moment

↓

自有 Distribution

↓

Build in Public

↓

用戶驗證

↓

融資勢能

↓

資本進入

↓

從單一 Use Case 擴張爲 Infrastructure Thesis。

這纔是值得普通創業者複製的東西。

五十二、標題我建議再升級

你現在四個標題裏，我認爲第 2 個方向最好，但“雲端流式剪輯”把 Space 寫小了。

它真正想做的已經不是剪輯工具。

我最推薦：

《不是雲盤，而是 AI 時代的數據訪問層：Space 如何從 Pivot 到拿下 a16z 240 萬美元融資》

如果更偏創業：

《從 300 萬美元教訓到 a16z 投資：Space 的 Pivot、融資與“無限計算機”野心》

如果更偏技術趨勢：

《重新發明文件系統：Space 如何讓人類與 AI Agent 共享“無限計算機”》

如果更偏傳播：

《三個人、一週、240 萬美元：他們爲什麼讓 a16z 押注“消滅硬盤”？》

如果放進正式課程，我最推薦第二個。

因爲它把最珍貴的一層寫出來了：

這個故事真正牛的不是“一週融到 240 萬美元”，而是他們先花 300 萬美元學會什麼不該做，然後把這些昂貴的失敗認知，壓縮進下一家公司。

創業真正的複利，不只是錢的複利。

還有一種更加稀缺：

錯誤認知被糾正之後的經驗複利。

而 Space 值得繼續觀察的核心，也不是它能不能讓 Premiere 少下載幾個 GB，而是它能不能最終從 “雲端文件系統”跨越成“AI Agent 的通用數據層”。如果跨不過去，它可能是一家很不錯的存儲 SaaS；如果跨過去，故事才真正開始變大。

我可以持續跟蹤 Space 後續的用戶增長、融資、Windows 版本以及它和 LucidLink 等競爭者的變化。

跟蹤 Space 後續進展