技术创业九死一生，如何打造“梦幻开局”？

导读：在 2020 年 11 月 28 日举行的全球技术领导力峰会 GTLC 厦门站上，Juicedata 合伙人、TGO 鲲鹏会（厦门）董事会成员苏锐，从自己的技术创业经历出发，带了一场 40 分钟的主题演讲。他对比了 To B 和 To C 创业启动时的差异，并全面地回顾了过往技术发展中的一些历史机遇，分析了技术发展带来过哪些巨大商机。本文为演讲内容的整理。

嘉宾介绍：苏锐，Juicedata 合伙人、TGO 鲲鹏会（厦门）董事会成员；参与创建国内首个完全架构在公有云上的分布式文件系统 JuiceFS，服务国内几十家科技企业，并在运营商、证券、能源、航天、广电等领域交付数十 PB。苏锐在互联网行业工作十五年，曾创立 O2O 汽车服务品牌功夫洗车，曾任豆瓣电影 Tech Lead，豆瓣电影票产品负责人，国内知名社会企业多背一公斤产品技术总监，其负责的产品获 Prix 奥地利艺术节数字社区金奖。

大家好，我是 Juicedata 合伙人苏锐，也是 TGO 鲲鹏会（厦门）董事会成员，今天带给大家的分享是《B 端 / C 端创业启动：看技术拐点如何影响商机？》，我将谈谈自己过去五六年的创业经历，以及自己在看待技术发展时的一些心得体会。

先介绍一下自己，我在互联网行业工作了 15 年，2010 年曾在豆瓣电影做技术负责人，后来转向业务方向，做了豆瓣第一个有交易场景的项目-豆瓣电影票。

2014 创业风潮兴起，我自己创业做了功夫洗车，主打的是上门洗车的服务。当时的思考是看到这个市场很大，而且比较落后，认为这里存在一些商机。两年里做了一些积累，但后来有一些大的对手入局，加上 2015 年股灾，O2O 项目拿不到融资，这段创业就暂告一段落。

2017 搬到厦门，开始回到技术领域，和前同事创办了 Juicedata，做了 JuiceFS，至今干了 3 年，有了一些新的感悟。

回看自己的两段创业，经历了 To C、To B 的早期一些过程，今天会结合这些过程，讲讲在两个赛道创业有什么不同，然后会聚焦技术创业，分析技术拐点能带来哪些商机。

To C/To B 创业起步的差异对比

无论是 To B 还是 To C，最初的起步都是比较关键的环节，创业必然会面临两座大山的压力：钱和时间。所以必须要找到 Product-Market Fit（产品市场契合），寻找 PMF 的一个方法是，思考所做的事情是不是由软件定义。

比如沃尔玛、万科、戴尔、京东、艾森哲、链家、饿了么、法大大，这些企业的共同特点是交付环节依靠人力完成，而不是软件。这对应我在功夫洗车的创业经历。

再看向 C 端，微信、谷歌、FB、今日头条、快手、美图等等，它们依赖于软件，不需要很多人力的交付，所以每个员工的边际效益非常高。对比两种模式的差别，会发现团队里的人员杠杆率，竟然相差十倍到一百倍甚至更高。

这在我们现在 Juicedata 的创业中也可以体现，因为技术产品完全通过软件定义，我们大概做了三年，在文件系统的存储行业里，三年是一个开始被人信服的时间。

但不论创业时业务是否由软件定义，在选择 PMF 时都有一个衡量标准——增长情况。对 To B 和 To C 项目而言，增长是万能的尺子，它们的增长模型也十分相似。

对比 To B 市场和 To C 的销售漏斗，虽然表象上不太一样，但本质上都是同样的过程。

即便如此，在创业起步的第一个阶段，二者却有着非常大的不同。在 To B 中管理销售的过程时，一开始就关注和钱相关的指标。这样的角度决定了很多销售模式、市场模式，很多量化指标从第一天就开始被重视。

但是 To C 创业第一阶段需要关注的是流量，产品赚钱不是首要条件，只要能够保证每天都有新的流量流入，达成留存转化就可以了。

其次是要观察你的用户，因为用户是销售漏斗里最核心的要素。To B 和 To C 转化过程背后的用户，在多个维度上有着相反的特征。

在做 To B 产品时，企业采购相关业务时决策很慢，因为需要进行群体决策，不可以让某一个人拍板，整个决策过程非常理性，但成本高失败的代价很大。

相反的，To C 完全是个人决策，情感因素会占据主导地位。因为失败成本低，而且在 To C 的领域，为了降低交易成本和决策风险，会使用很多方案让用户在判断过程中更容易上头，增强和客户的连接，所以长期对用户进行运营刺激是有效的。

再接着看团队在创业第一步的变化，To C 的团队生存结构就是要快生快死，实验市场手段必须是产品先行，没有产品就无法接触到客户。在扩展运营中也一定是靠自己的团队，很难靠上下游的拉动，产生好的模式。在流量模型里，关键环节的转化率都是自己的产品决定的。

所以做 To C 的时候，整个产品团队、运营团队要不断创造新鲜感，给客户带来新的刺激，技术团队也要不断开发，满足各种各样的需求。To B 就完全不一样，产品必须是找到清楚的切入点后，逐渐能够让客户接受你，然后再慢慢打磨，成为一个真正满意的产品。

相比于 To C 必须拥有产品，To B 则没有这个要求，可以直接用广告投放，用静态页面就可以完成市场的调研。

在拓展层面上 To B 也和 To C 十分不同，To B 解决用户需求很难依靠独立部门，往往要和其他的部门配合，甚至还要和行业上下游配合。通常也不会做任何刺激客户的事情，变化都比较少，需要做的是不断优化客户效率。

说回到技术创业这一块，不论是 To B 还是 To C，都要先找到 PMF，在技术创业前还有一个必要环节，思考技术应该变成什么产品，并进行技术到问题的验证，也就是先找到 Technology-ProblemFit（技术问题契合）。

当有了技术，需要明确技术可以解决的问题，比如细化到解决的是存储安全性问题还是成本问题，亦或者是生态对接的问题。找到明确问题后，还要判断这个问题能不能形成市场。

一种方式是在早期客户群体中，先用技术来验证问题，分析哪个领域的用户会青睐这个技术，最终抽象出市场，再按照这个市场把技术逐渐打造成产品。如果技术很牛，但却找不到市场，就需要慎重考虑这项技术的研发。

对比了 To B/To C 创业初期的不同，再看看技术带来的一些机会。我将结合一些科技发展，谈谈对技术观点的一些看法，分析都出现过哪些大的拐点。

技术的发展创造了无数商业拐点

2000 年互联网在全球范围内普及，互联网的出现带来了大的质变。此前软件的交易是通过卖拷贝、磁盘或者光盘，互联网出现之后，就开始出现了 B/S 架构，逐渐有一些简单的业务产品迁移到了浏览器中。

2006 年宽带网络全球普及，浏览器从只能看信息变成更及时的交互，这个时候谷歌开始风靡，出现了 Facebook，谷歌地图等丰富体验的产品。

Web 2.0 开始向浏览器加入更多场景，之后有了大规模分布式系统的出现，今天开发者面向服务器端的技术，几乎都是从那时开始。

2008 年智能手机出现，PC 端的一些操作开始迁移到手机端，2014 年 4G 网络普及和资费下调，全国迅速用上宽带移动网络，智能手机带来了真正的变革。这个过程里 PC 机出货量也不断下降。

这些技术上面的变化，带来了无数市场机会，如果聚焦在技术创业的领域，会发现其背后的技术发展，不是跳跃进行的而是一个连续过程。

技术发展的第一个层面是硬件，包括存储、计算、网络。硬件发展才有配套软件变化，比如操作系统、数据库、大数据以及各种各样分布式系统。只有进行了软硬件的结合，才会产生了一些新的变化，比如软件定义、虚拟化容器，涌现了新的技术创业机会，商业模式也发生了改变。

对商业模式的改变，可以先看看硬件的变化过程。ARM 于 1990 年成立，不同于当时形成垄断的英特尔，ARM 授权每一家公司自己通过 IP 设计芯片，创造了一个新的商业模式，今天 ARM 成为了整个移动互联网最基础的支撑。

再往后，1997 年 CPU 中第一次出现 MMX（多媒体扩展），计算机开始处理和多媒体相关的计算，视频能力、游戏能力，包括多媒体的能力开始被发掘。

紧接着到了 2005 年，英特尔发布了双核处理器，之后 CPU 越来越多核。

2010 年 RISC-V 的出现也是是重要的转折点，ARM 提供和售卖专利，并放出设计权利，RISC-V 的开源降低了产业链的成本。

而在网络的层面上，2015 年机房 10Gb 网络普及，主干网络的带宽大幅提升，对分布式系统基层架构设计带来了质的改变。

然后是存储方面，1996 年 NetAPP 推出支持多协议的硬件存储，2006 年 SSD 进入笔记本市场，破除了具有物理极限的磁盘的限制，在存储上的吞吐能力上有了质的飞跃。从 2006 年到 2013 年磁盘市场达到顶峰，SSD 凭借经济性和场景多用逐渐取代市场，同年的 PCIe 的固态硬盘也开始普及，今天企业数据库没有跑在磁盘上的，多是跑在 NVME 上。

如果没有硬件的迭代，许多软件就没有发展的空间，所以硬件是整个技术发展的根基，之后才是软件层面的一些改变。

先看操作系统的几个重要阶段。1991 年开始，Linux 逐渐垄断了服务器市场；1977 年甲骨文创立，从刚刚发表的关系型数据库论文中，抓住了商机，虽然创办的前四年都没法运营起来，但还是能拿到政府大单，后来于 1994 年推出了 MySQL ，解决了很多业务场景的难题。

也是从 1994 年开始，陆续出现了可免费使用的开源产品，而之前大部分都是商业软件。

2006 年宽带网络开始普及，Web 2.0 的出现让许多事情可以在互联网上进行，之前软硬件一体化的东西开始跟不上时代，所以出现了大规模分布式系统，互联网流量开始爆发式增长。

这些现象开始倒逼技术的发展，从 2005 年开始有密集的产品出现，比如从关系型数据库舍掉一部分，变成了 MongoDB，到今天又有 TiDB 之类的分布式数据库，给了技术人许多创新的机会。

2006 年 Web 2.0 之前没有大数据，普遍采用并行计算框架，比如科研工作都是用 MPI，到 2006 因为数据量暴涨，集群规模不断增大，需要解决稳定性问题，谷歌做了一些突破性的研究，后来社区有了 Hadoop。现在普遍都开始上云，又出现了新的机会，比如基础软件在云架构上的变革。

另外，Apache 基金会也为开源带来了保障，后来很多项目都是在 Apache 基金会支持下成长起来的，因为有了大规模分布式系统的需要，一些技术的出现就顺理成章，包括 2014 年出现的 Kubernetes。

当然软件和硬件之间有一些重叠的部分，2004 年 SDN 标准出现，实现了软件定义网络。此前的网络都是用硬件的路由器、交换机插线解决配置的，规模大了以后用软件实现是必然的选择。也是有了软件定义网络，才有云计算发展的可能。

2007 年出现了专注做网络虚拟化的 Nicira（后来被 VMware 收购），对基础设施的建设做了很大贡献。

而在 2006 年里，亚马逊发布了重磅级云产品 S3，成为了云上对象存储的事实标准。

随后是在 2010 年前后，新出的技术产品更加密集了，因为移动网络的普及，交互频次又上升一到两个量级。

直到今天的 5G 的发展，IoT 能让数据量可以再上两个量级，这几年机器产生的数据超过了人为的数据，无论是在线交易数据库还是离线分析数据库，在 IoT 场景上能适用的还比较少，这些新场景都是好的创业机会。

再来看看商业模式的变化，1991  Linux 发布了内核，让软件社区如获至宝，后面的 Linux 发展很快，围绕它出现了更加丰富的自由软件。

1999 年，Redhat 上市带来了很大的商业价值，它证明了运行开源软件是可以挣钱的，还能把公司做上市。此后很多产品都开始拥抱开源，走向社区。

2004 年，SalesfoceIPO，它用 SaaS 的方式交付企业最核心的 ERP、CRM 等系统，取代了之前 SAP 那种非常高成本的交付方式。Salesfoce 在 1999 年决定要做 SaaS，五年后成功 IPO，这个速度令人叹服。

公有云的鼻祖 AWS 于 2006 年发布，随后的 2007 年安卓发布，开源生态在走向商业化过程中，还出现了 GitHub 这样的惊人产品，凭借托管代码促进技术人员交流最后卖出了 75 亿美金。

因为云的构架商业模式又发生了变化，2012 年出现了 Snowflake，它可以进行离线分析，完全架构在公有云上，可以随便往里面写数据，支持弹性伸缩，而且使用门槛低。

开源的流行对商业界也产生了大的影响。2001 年微软 CEO 说开源就是癌症，是毒瘤。有趣的是到了 2014 年，微软的态度来了一个大反转，当时的微软 CEO 宣布微软热爱 Linux，并开始全面拥抱开源，还在几年后收购了 GitHub。

在 2018 年，开源的开山鼻祖 RedHat 也出售了，因为在早期开源中都是卖技术支持，真正的企业客户没有足够实力的团队会使用。这在 Redhat IPO 的时候是存在的，但是到 2006 年之后，随着大家更多使用公有云，很多需要的技术支持不再需要了。

再看今天如日中天的开源项目，Kafka、MongoDB 等等，他们不约而同地在 2018 年前后改了 Lisence，在更改 Lisence 内容时有一个共同指向，就是禁止公有云薅羊毛。公有云厂商马上做了反馈，有的云就遵守新规则，双方一起分钱，有的就自己造了一个来兼容社区产品。

其实无论是软件、硬件的发展，都给我们整个社会的商业模式带来了一轮又一轮的机会，有一句丘吉尔的话送给大家：历史能看多远，未来我们就能看多远。这对技术创业尤其重要。

以史为鉴，技术创业仍然大有可为

最后做一下总结，技术创业门槛不高，就算没有权利、资本、资源，只要有会技术的伙伴就可以开始。另外是要从历史中找到未来的趋势，每一次趋势的变化都会孕育一大批成功产品，其实最简单的就是以前的东西跟不上了，必须在新的趋势下做一个新东西进行替代，找到可以参考的标竿，在发展的过程中都可以作为参照物。

在 To B 和 To C 赛道都体验过后，发现 To B 一定要客户解决问题，To C 不一定是解决问题，尤其是在今天竞争越来越激烈，有越来越多大的产品出现，未来更是有无限的机会，当年 BAT 垄断的时候，很多人觉得没有机会了，但后来还是出现了美团、字节跳动。所以在 To C 上，也有无限创造的机会。

分享的最后推荐几本书给大家，对技术创业会有帮助，都是和技术创业相关的内容，分别是《教堂与集市》《浪潮之巅》《创新者的窘境》《上帝与拉里·埃里森的不同》《Borland 传奇》《UNIX 编程艺术》。

我今天的分享就到这里，谢谢大家！