原題：「Changpeng Zhao が教育エージェントのシードラウンドで中国の 3 年生に投資」

原著者：GeekPark 傘下のスタートアップ コミュニティの Founder Park

中国の大学 3 年生が 1,100 万ドルのシード資金を確保し、シリコンバレーでこれまでに最高額の資金を調達した学生スタートアップとなりました。

K-12 向けの教育エージェント製品で、たった 1 つの文章でパーソナライズされた指導/説明ビデオを生成する VideoTutor は、本日、1,100 万ドルのシードラウンドの資金調達を完了したことを発表しました。このラウンドはYZi Labsが主導し、Baidu Ventures、Jinqiu Fund、Amino Capital、BridgeOne Capitalなど、著名な投資家が参加しました。

また、これはYZi LabsにとってAI製品企業への初の投資となります。

創業者のKai Zhao氏は、VideoTutorはCZとYZi Labsの投資チームから評価と支援を受け、最終的にこの資金調達ラウンドはYZi Labsが主導したと述べています。彼らは10件以上の契約条件説明書（TS）を受け取り、最終的にこれら数件を選択しました。製品の最初のバージョンは5月14日にリリースされ（Founder Park製品マーケットプレイスに初登場）、市場の認知度とPMFの承認を獲得しました。わずか5か月で、彼らはこの1100万ドルのシードラウンドの資金調達を完了しました。カイ氏によると、今回の資金調達の最大の理由は、「リトル・ジーニアス・チーム」が正しい方向性を示し、視覚的な学習アプローチを用いて、アメリカの大学入試対策に取り組むK-12（小中高生）の生徒の悩みを解決したことだ。「この分野は若者、特に優れたエンジニアリングスキル、洞察力に富んだリーダーシップ、そして経験、そして迅速な実行力を持つ若者に最適です」とカイ氏は語る。彼らだけではありません。Cursor、Mercor、Pika、GPTZeroといったシリコンバレーの学生たちも、記録的な資金調達額を記録したAI製品によって、AI起業に対する私たちの認識を塗り替えています。AI時代の起業は、まさにこれまでとは一線を画しています。私たちはVideoTutorの若者たちにインタビューを行い、なぜシード資金を獲得できたのか、シリコンバレーのスタートアップにどのような変化が起こっているのか、そしてなぜ彼らが中国の大手テック企業からの人材採用に熱心なのかを理解しました。

インタビューゲスト：CEO の Kai Zhao 氏、CTO の James Zhan 氏。

インタビューと編集 | Wan Hu

以下は、創設者 Park 氏が編集およびまとめたインタビュー内容です。

K12 トラック、視覚化された学習こそが真の方向性

創設者 Park: 多くの教育機関があなた方に楽観的です。あなたの意見では、彼らに感銘を与えた核心的なポイントは何ですか?

Kai:まず第一に、方向性が正しいと思います。AI 教育トラックには大きな可能性と将来性があります。私たちが参入した教育分野は、アメリカの大学入試 SAT と AP です。ターゲットユーザーグループは K12 の高校生です。私たちとこのユーザーグループとのギャップは非常に小さく、世代間ギャップはほとんどありません。

私たちは試験準備サイクル全体を経験し、試験と準備の問題点を理解しており、それらの問題点を真に解決する製品を開発することができます。第二に、チームは卓越しています。ジェームズはGemini出身で、GoogleでコアAIエンジニア兼アルゴリズムスペシャリストを務めていました。私自身、大学1年生の時に教育用ソフトウェアの開発に携わり、2年生の時にはMathGPTProの開発に携わり、ミラクル・イノベーション・フォーラムにプロジェクトが選出されるなど、教育向け製品を成功裏に構築した経験があります。第三に、AI教育分野における中核はアニメーションエンジンであり、私たちはVideoTutorの中核開発者です。そのため、コア技術を最も深く理解し、アニメーションエンジンの高精度なレンダリングを実現できるチームとなっています。チーム自体も非常に強力なマーケティングのバックグラウンドを持ち、製品のプロモーション方法を熟知しています。VideoTutorは、米国の主流VCの間でよく見られる「若き天才チーム」という共通認識に完全に合致しています。これは、優れたエンジニアリングスキル、鋭い洞察力と経験を持つ創業者、そして迅速な実行力を備えた、若者に適した分野を指します。これが、すべての投資家がVideoTutorに楽観的な見方をしている共通の理由だと思います。VideoTutorは、YZi Labs EASY Residency Demo Dayでニューヨーク証券取引所に上場しました。

創業者Park氏：あなたの製品は教育業界におけるどのような根本的な問題を解決しようとしていますか？

Kai氏：現在、市場に出回っている学習製品は、アクティブラーニング製品とパッシブラーニング製品の2種類に分類できます。ByteDanceのGauth、Chegg、AnswersAiなどのパッシブラーニング製品は、いわゆる「宿題ヘルプ」をカバーしており、学習期間が非常に短く、学生は主に宿題ヘルプに対して料金を支払います。

一方、VideoTutorはアクティブラーニングのシナリオをカバーしています。学生は勉強してアメリカのSATやAP試験などの試験を受ける必要があるため、学習モチベーションを考慮する必要はありません。このシナリオでは、視覚化に対する需要が大きく、SATのコンテンツの80%は関数、微積分、その他の複雑な画像レンダリングを必要とする知識です。 VideoTutor のアニメーション エンジンは、このシナリオを非常にうまく解決できます。

さらに、この分野の平均注文額は非常に高くなっています。米国では毎年平均 260 万人の学生が SAT 試験を受験しており、有料サービスに対する大きな需要が生まれています。オフラインの SAT コースは高額で、パッケージではなく時間単位で課金され、平均 1 時間あたり 150 ドルから始まり、ほとんどが 230 ドル前後です。多くの学生と保護者がこれらのコースに料金を支払っています。ただし、現在 AI 生成ビデオは教師トレーニング コンテンツとほとんど区別がつかないため、VideoTutor は教師トレーニングを効果的に転用したり、置き換えたりすることができます。これにより、学生は可能な限り低コストで、AI を活用した自分専用のパーソナライズされたテスト準備チューターを持つことができます。

創業者 Park: この製品を開発したきっかけは何ですか?

Kai:実は、私たちより前にスタンフォード大学のチームが Gatekeep AI という名前でこの製品を開発していました。

彼らも当時、視覚的な学習に取り組みたいと考えていました。私はこの方向性の影響力をすでに認識していました。以前のスタートアップでは、私たちが作った教育製品は基本的に ChatGPT ラッパー製品と同様に GPT API に接続するだけのものでした。しかし、テキストベースの質疑応答のみに基づいたこれらの製品には限界があることがわかりました。Chegg や Gauth などの企業のビジネスは衰退しており、彼らのシナリオの大部分が ChatGPT に置き換えられていることがわかります。なぜなら、学生は ChatGPT に 20 ドル支払うだけで多くの宿題の問題を解くことができるからです。

APIラッパーと最適化をベースとした製品は、すでに限界に達しています。

しかし、米国の大学入試分野では可視化学習のシナリオが多く存在するため、マルチモーダル映像生成は非常に大きな可能性を秘めています。残念ながら、Gatekeepは好調なスタートを切りましたが、発売が少し早すぎたため、継続されませんでした。当時は、基本的なモデルプログラミング機能がまだ成熟しておらず、GPT-4もまだリリースされていませんでした。また、数学的なアニメーションエンジンにはレンダリングとアルゴリズムが含まれており、これを克服できていませんでした。しかし、私たちのチームはアニメーションエンジンのコア開発をすべて習得し、この問題を解決し、ビデオレンダリングを非常に正確にしました。

PMF：ユーザーの支払い意欲は高い

創業者Park：製品の発売後、いくつかの学校との提携にも至りましたね。あなたにとって、どの機能を見て「この製品で正解だった、正しいペインポイントを見つけた」と感じ、PMFを見つけたと感じたのはいつ頃ですか？

Kai:それは3つの側面から考えられます。

まず、収益の観点から、VideoTutorはこれまでに1,000社もの企業からAPIリクエストを受けており、その中には米国の著名な大規模教育機関はもちろんのこと、一部の国内教育機関も含まれています。さらに、多くの学校がサービスの購入を希望しています。エンドユーザーの購入意欲はより直接的です。ある親御さん（投資家でもある）が製品を試用し、友人や家族全員に試用してもらいました。すると、全員が購入を希望しました。その後、彼はどういうわけか私の電話番号を入手し、私たちに投資したいとメッセージを送ってきました。エンドユーザーの購入意欲は非常に高いのです。次に、ユーザーニーズの観点から、なぜ米国ではオフラインの個別指導がそれほど重要なのでしょうか？保護者の方々はマンツーマン指導の有効性を感じており、喜んで費用を負担してくださっています。現在、マルチモーダルAI技術は、人間のようなマンツーマン指導効果を実現し、質問に直接答えてくれます。さらに、アメリカのオンラインマンツーマン講師が録画した動画レッスンは、AIが生成した動画とほとんど区別がつきません。これが私が言う「需要シフト」です。学生は録画済みのコースに多額の費用を払っていますが、それは私のAIが生成した動画と変わりません。それならAIを使わない手はありません。AIの方が安価で、教育効果も高いのです。学生からは非常に好意的なフィードバックを多くいただいており、多くの先生方もこの製品を積極的に宣伝してくださっています。特に初期段階の完了率と利用時間は良好でした。現在選定している200人のシードユーザーは、すべて初期の蓄積から得たものです。3つ目のポイントは、製品のテイストとセンスについてです。教育業界全体の進歩から、支払い意欲のある生徒と保護者のコアニーズ、そして製品自体の進化へと逆算していくと、全体のロジックは閉ループになります。つまり、これら3つの側面から見ると、PMFは十分であると言えるでしょう。最も重要な点は、支払い意欲が非常に高いということです。

FIZZ とのパートナーシップが確立されました

創設者 Park: 多くのユーザーが積極的に支払いを希望しており、中には投資したいと連絡をくれた人もいます。

Kai:はい。SAT と AP の分野では、支払いの意思が本質的に非常に強いです。この分野の平均注文額は 100 ドルから 200 ドルで、オフライン クラスはさらに高額で、800 ドルになることもあります。米国では 260 万人の学生が SAT を受験していますが、そのうち 37% が積極的に支払いを希望しています。これは、非常に強い意思と需要がある市場です。私たちの製品は、非常に優れた需要移転を実現できます。

パク創設者: SAT 分野で、受験者に人間の教師と AI の選択肢が与えられた場合、AI を信頼するでしょうか?

パク創設者:

SAT 分野で、人間の教師と AI のどちらかを選択した場合、受験者は AI を信頼するでしょうか?

カイ:

パク創設者:

パク創設者:

パク創設者:

パク創設者:

パク創設者:

パク創設者:

パク創設者:

Park:

創設者 Park:

パク創業者：しかし、試験結果に基づいた報酬は、生徒個人の自主性にも左右されるのではないでしょうか？

カイ：中国の大学入試試験（高考）は数千点もの出題範囲があるため、これは難しいかもしれません。しかし、アメリカのSATは62点しかなく、そのうち50点は標準的な問題で、ほとんどの生徒は問題なく解けます。残りの12点も概ね習得済みです。よほど論理的な問題を抱えていない限り、生徒が論理的に理解できないという可能性はほぼありません。そして、AIによる効率性向上効果は非常に大きいのです。

実は、アメリカの多くのオンライン家庭教師もこのサービスを提供しています。家庭教師に1,800ドル支払うと、SATの点数が固定されているため、家庭教師の合格率はほぼ100％です。生徒のIQが正常であれば、基本的に問題ありません。しかし、高考（中国の大学入学試験）は違います。高考の点数を短期間で上げることはできません。さらに、中国の高考は点数差が大きく難しいですが、アメリカのSATは知識ポイントの習熟度を測るものなので、絶対的な難しさはありません。

成果報酬型は家庭教師がすでに使用しているモデルなので、この前提条件があります。

創業者 Park: 価格設定において、モデルコストは懸念事項ですか？割合としては高いですか？

Kai:この分野での平均受注額は非常に高く、月額 69 ドルからとなっています。モデルコストは現在非常に安いため、問題にはなりません。

教育業界は、コーディングでは非常に長いコンテキストのサポートが必要なため、誰もが価格で競争するコーディング分野とは異なります。

高校生をターゲットにした製品では、Web インターフェースが最も重要です。

創設者 Park: 前回、最初のプロトタイプの作成にかかった期間は約 2 か月だったとおっしゃっていましたが、開発サイクル全体、例えばどの機能を搭載し、どの機能を搭載しないかといった分業体制など、どのように考えましたか？

Kai:チーム全体で、イテレーションは迅速に行うべきだという意見が一致していました。なぜなら、迅速なイテレーションによってのみ、アーリーユーザーからのフィードバックを迅速に得ることができるからです。

最初のバージョンをTwitterで公開したところ、大きな反響を呼び、多くのユーザーを獲得しました。しかし、これらのユーザーの多くはプログラマー、投資家、あるいは技術愛好家といった、いわゆる「アーリーアダプター」でした。その段階では、彼らからのフィードバックは散在しており、あまり価値のあるものではありませんでした。

この膨大なユーザーベースから、真のコアユーザーである質の高い高校生を特定し、ヒアリングを通じて有益なフィードバックを集める必要がありました。得られたフィードバックの中で最も重要なのは、動画レンダリング精度を100%にする必要があるという点でした。これは最適化において最も重要なポイントでした。 UIの美観や、様々なTTSオーディオビジュアルの選択といった機能は削除されました。製品の核心に立ち返ると、私たちは科学関連のシナリオにおける知識学習に取り組んでいるため、グラフィックスレンダリングの精度が最も重要です。創設者パク：当時の制作期間はどのように決定されたのですか？

Kai: 当時は、ピーク時で約 6 分でした。当時の主な考慮事項は、一般的な質問と知識ポイントの説明は 6 分を超えてはならないということでした。しかし、その後のフィードバックで、学習能力の低い学生の中には、内容をよりゆっくりと、より深く説明してほしいと希望している人がいることがわかりました。私たちは、時間を制限するのではなく、ユーザーの学習能力にもっと依存させるべきだと認識しました。

Park 創設者: 現在、最長時間はどれくらいですか?

Kai:最長は 1 時間以内で、継続的に質問できるようにする必要があります。インタラクション中にリアルタイムでデータを生成しますが、この機能は最近追加されました。

創業者 Park: 最初は検討していたものの、後になって重要性が薄れて実装しなかった機能はありますか?

Kai:例えば、アプリです。

例えば、アプリです。

Kai:

例えば、アプリです。

創設者 Park: 少なくとも今後 1 年間は K12 がコアユーザー グループになりますか?

Kai:今後 2 年間はコア指標になるはずです。

大規模モデルを使用するが、大規模モデルだけに頼るわけではない

創設者 Park: 現在の技術実装について簡単に紹介していただけますか? VideoTutor は、コースやチャートを生成する際に、他のビデオ生成モデルよりもはるかに優れたパフォーマンスを発揮します。多くのモデルが正確にテキストを生成できない中でも、VideoTutor の技術は驚くほど優れています。

James:私たちが生成したビデオには、テキストと画像の両方が含まれています。一般的な制作プロセスは次のとおりです。大規模な言語モデルがテキストと対応するアニメーション指示を生成し、次にアニメーション指示がアニメーション エンジンによってレンダリングされ、最終的にビデオに表示されます。

テキスト部分は比較的単純です。大規模言語モデルにテキストを生成させ、それを直接レンダリングさせています。

ただし、アニメーション部分は独自の数学アニメーションレンダリングエンジンによって生成されています。その利点は、座標軸や幾何学的形状などのコンテンツを非常に高い精度でレンダリングできることにあり、まさに私たちのコア技術です。現在の大規模言語モデルはテキストのみを出力します。私たちのエージェントは、大規模言語モデルに紙とペンを与え、思い描いた適切な教育アニメーションを描かせるようなものです。描画部分は完全に私たちの技術です。パク創設者：音声と映像を含むビデオ全体の最終的な合成はどのように処理されるのですか？ジェームズ：最初に、ユーザーは「ピタゴラスの定理とは何ですか？」などの質問を渡します。最初のステップは、質問の難易度に応じて、通常3～5つのシナリオを指定して、大規模言語モデルにすべてのシナリオを推論させることです。その後、モデルは各シナリオの大まかなスクリプトを生成します。次に、各シナリオのスクリプトに基づいて、シナリオ内のテキスト、対応する画像、そして人間の音声によるテキストを生成するための二次推論が行われます。そして、人間の音声によるテキストはTTSを用いて合成されます。最後に、全てのシーンをつなぎ合わせて、完全な動画を作成します。パク創業者：最初のバージョンはこのような感じだったと理解しています。インタラクティブなプロセスが追加されたことで、生成プロセスは変わりましたか？

James:確かに変更がありました。ユーザーがコンテンツをできるだけ早く視聴できるように、まず最初のシーンを生成してユーザーが視聴できるようにし、後続のシーンはバックグラウンドでレンダリングを続けます。ユーザーが質問すると、その音声をテキストに変換し、このテキストと以前のすべてのシーンのコンテンツを推論用の大規模言語モデルに渡します。これにより、次の教育シーンを計画できるようになります。後続のシーンのレンダリングプロセスは以前と同じです。

創設者 Park: ユーザーが1分間のリスニング後に質問があれば、直接質問します。質問を受け取った後、ユーザーの質問と以前にカバーされたコンテンツをモデルに返して処理します。このプロセスでは、ユーザーが質問した後、アニメーションの再生は続行されますか、それとも停止しますか？

James:レイテンシーは、当初の20～30秒から5秒未満に短縮されました。インタラクションの面では、ユーザーが5秒間に集中しすぎないように、いくつかのトランジションを実装する予定です。これにより、プロセス全体がよりスムーズになります。

ジェームズ氏： 4～5秒以内に、質問に基づいた全く新しいプレゼンテーションが表示されます。現在の設計では、AI教師は「うーん、考えさせてください」と言い、実際の教師のように黒板を消します。説明に問題があると感じた場合は、黒板を消して書き直します。このプロセスはより自然な印象を与えます。さらに、ユーザーからの質問をただ受動的に待つだけでなく、途中でクイズも実施します。クイズのフィードバックとユーザーの質問に基づいて、私たちが推測します。また、マイクへのアクセスは完全に自由ではありません。ユーザーはマイクを能動的にオン/オフにする必要があります。創設者のパーク氏：この仕組みに基づくと、最長のプレゼンテーションは約1時間になる可能性があります。ジェームズ氏：正確には、制限はありません。疑問が尽きなければ、質問し続けることができます。カイ：はい、事前に設定された制限はありません。VideoTutorのこの分野へのアプローチは、マルチモーダルAIの進歩によって推進されています。私たちは需要を生み出すのではなく、既存のニーズをより良く満たしています。対面式のライブ教育を考えてみましょう。なぜアメリカの親はこれほど高い料金を支払うのでしょうか？それは、アメリカの教育業界が主に1時間100ドルから始まるマンツーマン指導を提供しているからです。これは、対面式の教師が指導的な質問を提供できるためです。教師は、お子様の苦手な部分を観察し、さらに質問することができます。VideoTutorは、この教師のような学習体験を実現し、すべての子供たちにリアルタイムのインタラクションと学習を提供することを目指しています。

Park 創設者: 学生は授業中にカメラをオンにする必要がありますか?

Kai:そうではありません。学生がカメラをオンにするかどうかは、主に米国のプライバシー法によって決まります。私たちは学生にカメラを強制的にオンにする機能を設計しておらず、学生の好みによります。主なやり取りは質問と音声フィードバックを通して行われます。

Park 創設者: 技術的には、小規模モデルと大規模クラウドモデルを組み合わせる戦略、あるいは何か他の方法を採用していますか?

Kai: 組み合わせです。私たちは 100,000 を超えるビデオデータポイントを含む社内データセットを保有しています。このデータセットから質の高いデータポイントを手動で注釈付けし、モデルのトレーニングと微調整に使用します。たとえば、現在 8,000 を超える SAT サンプルトレーニングデータポイントがあります。これらの微調整された小さなモデルは、クラウド内のClaudeやGeminiなどの汎用商用モデルと組み合わせて使用されます。

Kai：

パク創業者：Claude、Gemini、GPTを使用すると、製品のコアパフォーマンスに影響しますか？ Kai：私たちは主にK12ドメインに焦点を当てており、基本モデルのレベルはすでに十分です。ただし、100％の精度を確保するために、2つのモデルを同時に呼び出して検証します。2つのモデルからの回答が一致すれば、基本的にエラーはありません。コード生成については、コード生成機能が優れているClaudeを主に使用しています。 パク創業者：製品の現在の技術的なボトルネックは何ですか？モデル機能ですか、それともコード生成ですか？ Kai：モデル機能は1つの側面です。もう1つはレンダリングです。現在、5秒未満のレンダリング時間を実現しており、GPUの導入が増えれば、さらに高速化できます。もう1つの側面は長期記憶機能です。生徒がどの知識ポイントを理解していないかを把握するには、生徒の長期的な学習行動データを蓄積する必要があります。例えば、生徒が1か月前に学んだ知識ポイントを忘れてしまった場合、再度思い出させることができます。ジェームズ：レンダリング時間には、実は多くの労力を費やしてきました。当初は2分かかっていたレンダリング時間を1分、そして今では10秒未満へと、常に技術革新を続けてきました。最終的な目標は、ユーザーが質問した際に推論が終了し、結果がすぐに表示される、実質的に遅延のないレンダリングを実現することです。これは現在私たちのチームが取り組んでいる課題ですが、新たな方向性を見出すことができました。

完了率は見ていません。最終試験の点数のみを見ています

創設者 Park: この段階では、製品のコア指標をどのように測定していますか？ 動画がユーザーにとって有用かどうかをどのように判断していますか？

Kai:最も重要な指標は試験です。新しいバージョンでは、動画を視聴した後、最後にクイズがあります。正解すれば理解したことが証明され、不正解であれば、説明が明確ではなかったことが証明されます。

学習効果は完了率だけで判断することはできません。受講者によっては、途中で理解してしまう場合もあります。途中でテストを行い、合格すれば残りの部分を見る必要はありません。私たちの製品の中心的な指標は、何人の学生がスコアを向上させたかです。

創設者 Park: しかし、期末試験は別のシナリオで完了します。

パク創業者：でも、期末試験は状況が違うので、どうやって合格か不合格かを判断するのですか？

カイ：

パク創業者：

パク創業者：

パク創業者：

パク創業者：

Park 創業者: 新バージョンの全体的な状況とリリース タイムラインを教えてください。

Kai:早くても 2 か月以内に正式に公開したいと考えています。その頃には、学生は非常に低いレイテンシで質問の回答を得られるようになり、科学シナリオのグラフィック レンダリングは 100% 正確になります。もちろん、当面は競争シナリオや線形代数などの複雑な大学の知識はカバーせず、K-12 分野に重点を置きます。

Park 創業者: VideoTutor の現在の障壁や堀は何ですか?

Kai:いくつかポイントがあると思います。1 つ目は、データ フライホイールです。すべてのビデオの背後にはコードがあります。ユーザーが生成した良質なビデオ データは再注釈付けされ、モデルの再トレーニングと微調整に使用できます。データが多いほど、ビデオの品質は向上します。

Kai: もう一つの重要な要素は、学習行動データです。各生徒がどの知識ポイントに弱点を持っているかを知ることで、データフライホイールを構築できます。つまり、より多くの人が使用すればするほど、製品は生徒をよりよく理解できるようになります。2番目に、アニメーションエンジンアルゴリズムなどの優れた技術的優位性があります。アルゴリズム自体はコアとなる優位性ではありませんが、迅速に反復してより多くのデータを蓄積するにつれて、その優位性はより顕著になります。3番目に、ブランドがあります。VideoTutorはすでに北米の保護者の間でAI教育の主要ブランドとなっており、保護者の信頼は目に見えない障壁となっています。創設者Park：3年から5年後、VideoTutorは最終的にどのような製品になっているとお考えですか？ Kai：将来的には、VideoTutorがSTEM科目を学ぶすべての人のためのAI教師になることを願っています。私たちはSTEMにのみ焦点を当てています。将来的にはDuolingoを超えると考えています。 Duolingoは世界トップクラスの語学学習プロダクトですが、STEM分野ではグラフィックレンダリングを多用するため、これまで世界トップクラスのプロダクトは存在しませんでした。しかし、基本的なモデル技術は整ったので、次の「Duolingo」はSTEM分野から誕生すると考えています。採用活動は、特に国内大手企業出身者を募集しています。創業者のパク氏：これまでにもスタートアップの経験がいくつかあるようですが、どのような経験だったのでしょうか？ カイ氏：私は大学3年生です。1年生の時にジェームズ氏と教育プロダクトを立ち上げ、エンジェル投資で20万ドルを獲得しました。失敗はしましたが、貴重な教訓を得ました。それは、同質的な競争に巻き込まれてはいけないということです。私たちのアプリは市場に類似製品が多く存在し、初期段階でのユーザー獲得競争に巻き込まれ、収益化が困難でした。

2つ目のスタートアップでは、MathGPTProという別のチームに共同創業者として参加し、数ヶ月間在籍しました。その間、製品メトリクスの分析方法、製品の構築方法、そしてユーザーベースの拡大方法を学びました。そして同時に、テキストベースの回答重視の教育製品は限界に達しているという結論に至りました。ChatGPTと何ら変わりなく、Zuoyebangのような企業が多額の投資を行っていた構造化された知識ベースの質問バンクは、大規模モデルの編集機能に取って代わられていたからです。ですから、3 つ目のスタートアップでは、視覚化が避けられないトレンドだとわかっていました。

ハーバード大学でサム・アルトマンと一緒の Zhao Kai の写真

創業者の Park: テキストベースの製品の限界に気付いた以外に、過去 2 つの経験は、チームやその他の面で、現在の VideoTutor の仕事にどのように役立っていますか?

Kai:非常に役立っています。 まず、製品の方向性と将来の可能性をより適切に判断するのに役立ちます。競合他社の Web サイトのトラフィックと収益を分析して、製品全体の進化の方向性を判断します。次に、製品開発の点では、製品設計、フロントエンドとバックエンドの統合、どの指標を監視すべきかなど、製品開発のペースをより適切に判断できます。3 つ目は、チーム管理と組織文化を強化することです。私は、各チームメンバーへの分業、報酬、ストックオプションの発行を含めた、より包括的な管理システムを確立しました。また、資金調達の方法も学びました。この1,000万ドルの資金調達ラウンドは、20日以内に完了しました。 創設者パーク：今、チームには何人いますか？ カイ：6人で、全員一緒に住んでいます。 創設者パーク：チームは最初はどのように構成されましたか？ カイ：ジェームズと私はすでに2つのビジネスを立ち上げています。2人とも同じ大学を卒業し、1年生のときに一緒にアプリを作りました。2年生のときに、私は他の2人とビジネスを立ち上げ、全員がお互いを知っていました。このテクノロジーが非常に大きな製品ビジョンをもたらす可能性があることに気付いたとき、私たちは連絡を取り合い、この製品を開発するチームを結成しました。チームのもう1人のパートナーであるニックは、私の大学のルームメイトでもあり、私たち全員が卒業生でした。

創業者 Park: 現在、採用を拡大する計画があると伺っていますが、どのような人材を求めていますか?

Kai:主にバックエンド、フロントエンド、大規模言語モデル、UI/UX の職務で、経験者を歓迎します。試行錯誤の段階を終え、迅速な製品構築の段階に入ったため、経験豊富な人材の協力が必要となっています。

創業者 Park: 製品を 1 から 10、あるいは 10 から 100 に成長させるためには、経験豊富なエンジニア、プロダクト マネージャー、グロース マネージャーが必要です。

Kai:はい、その段階です。チームは 9 ～ 10 名に拡大する予定で、主にエンジニアの採用に注力します。

今回の採用は中国を拠点とするため、対面とリモートの採用を組み合わせた形式になります。

創業者の Park: どのようなプロフィールを求めていますか? Kai: ByteDance や Meituan のような大企業での経験を持つ候補者を優先します。ByteDance は、若い人材を重視する、ペースの速いダイナミックな組織文化を持っています。ByteDance でトレーニングを受けた人々は強力な方法論とスキルを持ち、その成功体験を私たちのチームに持ち込んで統合と学習を行うことができます。私たちは、大手中国企業で高業績でペースの速いイテレーションを経験した人材を求めています。私たちは学生スタートアップの段階を過ぎており、もう完全な初心者を雇う必要はありません。より経験豊富な人材が必要ですが、絶対的な業界のベテランではありません。業界のベテランは家庭の責任がある場合があり、それほど意欲的ではない可能性があります。そのため、若くて意欲的な中間層の人材が理想的です。優秀な人材には、多額のストックオプションを提供する用意があります。1,100万ドルを調達したにもかかわらず、なぜアメリカのエンジニアを採用しなかったのでしょうか？それは、中国の製品開発力とエンジニアリング能力が本当に優れていると信じているからです。この波は、中国人主導のチームが国際的に成功する素晴らしい製品を生み出すことはほぼ間違いないでしょう。現在、多くのAIアプリケーションが中国人によって開発されており、中国のエンジニアリング能力は本当に素晴らしいものです。これは私たちの強みでもあり、中国とアメリカ双方の強みを活用する必要があります。

シリコンバレーの大学生はこぞってAIビジネスを立ち上げている

創業者パク氏：特にシリコンバレーでは、大学生の起業のトレンドが顕著です。どのような状況ですか？

Kai:この事実を見てください。例えば、今回の資金調達ラウンドで評価額が付けられた企業を見てみましょう。AI採用に注力するMercorは、3億ドルを超える新たな資金調達ラウンドを完了し、評価額はすでに数百億ドルに達しています。一方、Cursorの評価額は100億ドルと既にほぼ確定しています。GPTZeroやPikaのような企業もあります。これらはすべて大学生が立ち上げたスタートアップ企業で、特にCursorとMercorの創業者は2人とも大学を中退しています。

この若い起業家の波には、共通点が1つあります。それは、高度に差別化された競争です。彼らは一般化することなく、非常に狭い分野での取り組みに注力しています。例えば、AI採用に力を入れているMercorは、当初はインド人プログラマーのみを採用していました。

2点目は環境です。

スタンフォード大学、Yコンビネーター、ピーター・ティールのファンドなど、シリコンバレーの資本環境とイノベーションの基盤は、アイデアが完全に完成しているかどうかに関係なく、初期段階の大学生の起業を支援し、サポートし、強力な人脈を提供します。3点目は、これらの大学生の資質だと思います。私たちにしろ、シリコンバレーのこれらの大学生にしろ、彼らは皆、非常に勇敢な冒険心と非常に高い学習能力を持っています。中国の多くの学生は、このような冒険心を持っていないかもしれません。なぜなら、シリコンバレーでは、周囲に刺激を与えてくれる仲間の成功例がたくさんあり、資本環境も若者を信じてくれるからです。私自身も、当時はコストとメリットを比較していました。大学を卒業して就職する道を選んだら、家族の学費を返済できず、大きなリターンも得られないかもしれません。しかし、起業を選べば、若いうちから夢中で学ぶことができ、人生には無限の可能性が広がります。子供の頃から、素晴らしい会社を作りたいと思っていました。創業者パク：なぜ今の世代の大学生は数十億ドル規模の企業を築けるのでしょうか。かつては数千万ドルで売却することが偉業とされていました。AIブームやバブルの影響があるのでしょうか？カイ：完全にバブルだとは思いません。Cursorは4億5000万ドルの実質収益を誇り、非常に堅実な企業です。その背景には、この世代の若いチームの重要な方法論と認知的洞察力があります。これらのチームを見てください。彼らのバックグラウンドは皆非常に優れており、学習能力も非常に優れています。Cursorは当初、AIへの受容度が高く、強力なフィードバックを提供してくれる周囲の大学生プログラマーに頼っていました。創業者自身も才能あるエンジニアであり、ユーザーを深く理解し、強力なエンジニアリングの反復能力を備えています。創業当初はわずか4人で製品を立ち上げ、稼働させました。その後、製品の反復をうまく行うことでユーザーの間で高い評価を築き、収益を上げました。投資家たちは、次のマーク・ザッカーバーグを逃すのではないかと懸念し、さらなる資金を投入しました。

最も基本的な条件は、このAIの波における多くの技術が新しいものであり、若者は学習が速く、実用的で信頼性が高く、大胆であるということです。そのため、彼らはユーザーに対する並外れた理解と、従来の製品を打ち負かすための信じられないほど速いイテレーション速度を持っています。例えば、Cursor以前は、GitHub Copilotはかなり優れていましたが、なぜCursorに勝てなかったのでしょうか？それはユーザーエクスペリエンスと実行速度のためです。創設者のPark：AIは新しい技術であるため、多くの製品の認識も新しい視点から見る必要があると言えますか？ Kai：はい、若い世代の起業家は前の世代よりも深い洞察力を持ち、ユーザーに近いです。現在主流のAIユーザーは主にZ世代であり、彼らの学習とフィードバックのイテレーション速度と許容度は、前の世代の起業家よりも速いです。したがって、認知イテレーションの速度が核心です。モバイルインターネット時代、技術的なイテレーションは数年または四半期単位で測定されていましたが、AI時代では数日単位で測定されるかもしれません。創業者は素早く学ぶ必要があり、若い人は夜更かしして意欲的に働く傾向があります。パク創業者：シリコンバレーの多くの創業者が996時間勤務（週6日、午前9時から午後9時まで）を始めていると、一部メディアで報じられています。これについてどう思われますか？ カイ：私の白人起業家の友人の中には、多額の資金を調達して996時間勤務をしている人もいます。彼らも私たちと同じように、大きな家を借りて、皆で生活し、働いています。996時間は、むしろ環境的な必然性だと思います。シリコンバレーは今、ゴールドラッシュの真っ只中です。誰も後れを取りたくないので、唯一の競争は製品のイテレーション速度であり、そのためには夜更かしして迅速にイテレーションする必要があります。人々はそうせざるを得ない環境なのです。パク創業者：シリコンバレーの大学生起業家は、どのようなビジネスコースを選んでいるのでしょうか？ カイ：教育関係者に限らず、自分のコンフォートゾーン内で起業する傾向があると思います。コンフォートゾーンとは、その分野とそのユーザーを深く理解していることを意味します。 Cursorの創設者はコーディングを非常に深く理解しており、ターゲット層をよく理解しているため、教育分野から事業を始めました。現代の若者は、未知の分野に軽率に飛び込むのではなく、既存の快適な領域で起業する傾向があります。そうすることで、ユーザーからのフィードバックがより迅速かつ正確になります。また、知識の蓄積という問題もあります。教育分野で3回働いた経験から、私は常に理解を深めてきました。大学生は、これまでやったことのないことを軽率に行う傾向が少なく、常により良い方法を考えています。彼らは新しい世代の思考を持ち、常に自身の認知領域内で反復しながら、大胆に機会を創出しようとしています。もう一つのポイントは、大胆に冒険する精神、他人のネガティブな評価に簡単に左右されないこと、「他人がどう思おうと気にしない」という姿勢、そして強い自信です。この背景には、「高速実験」の文化があります。自分の製品がまだ完成していないことは分かっていますが、気にしません。迅速にリリースし、迅速にイテレーションを行い、迅速にフィードバックを得ます。創業者パーク：この傾向はいつ始まったのですか？カイ：これはコンセンサス主導の成功だと思います。GPTZeroのようなプロジェクトが寮の一室から成長し、継続的にイテレーションを行い、資金援助とユーザーの認知を獲得していく様子を見ると、迅速な試行錯誤と急成長の成功事例が数多くあり、コンセンサスが形成されるのです。つまり、「完璧よりも完了」、つまり完璧よりも完了が重要だということです。そして、人々は競争をあまり気にしていません。シリコンバレーの多くの創業者は、模倣されることを恐れず、製品のアイデアを喜んで共有します。彼らはただ、迅速にイテレーションを行いたいだけなのです。この世代の若者たちは、優れたストーリーテリング能力も備えていると思います。このストーリーテリングは、空虚なレトリックではなく、現実と真実に根ざし、彼ら自身の未来へのビジョンと結びついています。創業者パク：まず、自分を売り込むことです。カイ：そうです。根底にあるのは、冒険心と強い自信だと思います。この精神に突き動かされて、彼らは常に勇敢に挑戦し、失敗を繰り返し、間違ったことを言うことを恐れません。彼らは製品のアイデアを大胆に表現し、大胆に実行し、もし失敗しても、いつでも修正することができます。この失敗を恐れない文化が、現在の大学生の起業家精神と成功の波に貢献しています。アメリカのベンチャーキャピタルも大学生のプロジェクトに注目しており、Yコンビネーターは毎回定期的に大学生のプロジェクトに投資しています。資金調達は、VideoTutorにとって今、最も心配するべきことではありません。創業者パク：もしVideoTutorを創業した頃に戻れるとしたら、自分自身にどんなアドバイスを送りますか？何を改善できたと思いますか？カイ：もっとペースを速める必要があると思います。それから、チーム構成も重要です。VideoTutorチームは何度もブラッシュアップを重ねてきました。もっと早く知っていれば、製品に必要なスキルプロファイルに基づいてチームを編成する方が良かったと思います。スタートアップにとって、最終的には組織力が重要だと考えています。人材の選定、人材の発掘、そして人材の効果的な活用といった組織力に、今後はもっと時間をかけていきたいと思っています。

現在のチームは 0 から 1 への成長に適していますが、VideoTutor をさらに大きくするためには、さらに経験豊富な人材が参加し、優れた経験と能力をチームにもたらし、チーム全体が一緒に成長していく必要があります。

創設者 Park: 今後 6 か月で VideoTutor はどのような製品上または技術的な課題に直面すると思いますか?

Kai:1 つはレンダリングだと思います。真のゼロレイテンシを実現するには、まだエンジニアリングのブレークスルーが必要です。2 つ目は成長で、これは製品の味だと考えています。 UIやインタラクションデザインがスムーズで完璧かどうか、機能的なインタラクションにバグがないか、ビジュアルレイアウトが美しいかなど、多くの要素が含まれます。これらはすべて私たちにとっての課題です。

James:当初、VideoTutorはあらゆる科目に対応した視覚的な教育・個別指導ツールとして位置付けられていましたが、後に数学分野に特化するように垂直化しました。なぜなら、数学分野こそが私たちの得意分野だからです。私たちの数学レンダリングエンジンは最もプロフェッショナルです。

次の重要なブレークスルーは、水平展開になるでしょう。例えば、視覚化の利点を人文科学関連のシナリオにどのように応用するか？例えば、「正午に畑を耕すと汗が土に滴る」ということわざを説明するなどです。これは技術的に検討する必要がある点です。創業者Park氏：創業者の経歴は、その後の事業拡大において問題になるでしょうか？ Kai氏：特にありません。a16zのような大手VCから多くのアプローチを受けています。彼らは早すぎる投資ではなく、チームがすでに成功の兆しを見せている段階で投資をします。そうすることで、投資が失敗しないという確信が持てるのです。私たちは多くの大手VCと良好な関係を維持しています。資金調達はVideoTutorにとって最優先事項ではなく、ユーザーエコシステムと製品そのものが最大の関心事です。

オリジナルリンク

BlockBeats の公式コミュニティに参加しよう：

Telegram 公式チャンネル：https://t.me/theblockbeats

Telegram 交流グループ：https://t.me/BlockBeats_App

Twitter 公式アカウント：https://twitter.com/BlockBeatsAsia