“不用纠结，现在是否到了具身的 GPT-3 时刻。”
20 年前，新加坡人陈维广来到中国时，通讯录里几乎没有联系人，普通话也不流利。
陈维广那时已在美国科技圈工作十余年，在 IBM 经历了从大型机到 PC（个人电脑）的转型，后于 2000 年加入 Bluerun Ventures，完整亲历了千禧年的互联网泡沫。当越来越多硅谷华人科学家和工程师回到中国，陈维广投身尚未兴起的中国风险投资市场，后于 2008 年成立蓝驰创投。
此后 20 年里，蓝驰没有成为名声显赫的投资机构：京东、字节、拼多多、快手、小米、小红书、B 站……互联网浪潮里的明星，蓝驰一个都没投。但蓝驰又一直留在 VC 市场，管理规模从最初的几千万美元扩张到 200 亿元人民币，并在 2008 年、2022 年的市场低谷中逆势大额募资。
直到新能源浪潮到来，蓝驰才获得了一个不需要解释的知名项目：理想。支撑这家基金 “慢慢长大” 的，更多是一些知名度不是最大、但带来了不错回报的公司，如赶集、高仙、云圣智能等。
陈维广说：“基金的生命力，最终要兑现为 DPI（投入资本收益率）。” 一位投资市场人士称，蓝驰有严格的出手价格和退出纪律。
在新一轮生成式 AI 和大模型热潮中，蓝驰一改低调，开始频繁出现在头部 AI 项目中，且常常是首轮或早期投资者——自 2021 年起，蓝驰陆续投资了大模型公司西湖心辰、月之暗面，AI 应用公司 Genspark、沐言智语和与爱为舞等。
在具身领域，蓝驰出手尤其凶猛，投资了智元机器人、银河通用、灵初智能。其中，蓝驰连投智元两轮，银河和灵初，都是在天使轮投资。
今年春天，蓝驰又与启明联合领投了它石智航，这家具身智能公司的首轮融资额破纪录地达到 1.2 亿美元。
从上至下，为蓝驰投资的银河通用、智元机器人和灵初智能的产品。
蓝驰押注的是：人口老龄化背景下，中国制造业对具身智能有长期刚需；中美竞争之下，中国产业必须在 AI 与实体经济融合上构建护城河。
而眼前的现实是：具身智能技术仍在早期、产品不成熟、大家都还在试场景。朱啸虎的话引起了更多共鸣：“现在人形机器人就会翻跟头”、“他们说的都是自己想象出来的客户”。
陈维广则相信，入局具身智能，现在并不早。在理想上，他看到了技术落地前慢后快的演进曲线：“如果晚了，就只能跟大厂拼资源了，我们选择支持早上牌桌的创业者。”
围绕具身智能的机会和蓝驰过去的科技投资思考，我们访谈了蓝驰创始合伙人陈维广和管理合伙人朱天宇。
理想是目前蓝驰最知名的项目。投资理想的朱天宇，于 2009 年加入蓝驰，2015 年升为管理合伙人。
陈维广是 60 后，与他同期入行的不少投资人已在近年离开一线。陈维广仍自己看项目、见创始人。他说，蓝驰不是兔子，是乌龟：“慢慢迭代，但不断往前爬，一步步走到今天。”
从 Feature Robot 到 Smart Robot
晚点：蓝驰创投成立 20 年，不过不少人说不出对蓝驰的明确印象。你自己会怎么表达蓝驰是谁？
陈维广：我们是一家慢慢成长，持续迭代认知的创业公司。
晚点：蓝驰最成功的投资是哪些？
陈维广：这要看怎样定义成功。每个阶段我们都有代表性项目，如果是品牌知名度，理想汽车显然算一个。我们当然追求头部项目和高回报，但成功不该只看名气，基金的成功应该是一种整体的成功。
晚点：理想汽车现在要成为 AI 公司，创始人李想现在也重点抓 AI。作为理想投资人，你们怎么看这个转变？
朱天宇：当然是更看好了。他选了一个更大的战场，而车只是入场券。其实 2022 年时，理想就已经明确了市占率、造血能力、供应链能力等阶段性目标，这都是为 AI 打基础。理想内部早就开始定期讨论 AI 带来的正负面影响，这是持续思考的结果，不是突发奇想。
陈维广：我们最近正好在做复盘，看到了当年投理想的立项材料。当时天宇在推这个项目时，就不是以电动车视角，而是自动驾驶的视角。当时我们判断自动驾驶一定会发生，但关键是有没有数据。第三方难以拿到主机厂的数据，而理想这样自己造车、自己布局智驾的公司则可以形成数据闭环，这是我们的信心来源。2017 年时，理想就已在布局自驾了。
晚点：蓝驰近 3 年频繁出手 AI ，既投了大模型公司西湖心辰、月之暗面等，也有 AI 应用公司 Genspark、沐言智语、与爱为舞等；尤其在具身领域，你们是国内出手最集中的机构之一，投了智元机器人、银河通用、灵初智能、它石智航。而 2016 年的那波 AI 热潮中，CV（计算机视觉）四小龙你们一家都没投，为什么变化这么大？
朱天宇：核心是 “场景”。上一波 CV 擅长做评判式 AI，但落地场景有限。这一波我们更关注 NLP（自然语言处理），从 GPT-1 开始就在跟踪它的进展。2020 年 GPT-3 出现时我们就在讨论它的突破意义。那时候我们已通过一些项目发现它在私域数据训练上效果显著。我们 2021 年就投了西湖心辰，创始人蓝教授就是轻量级模型 ALBERT（Google 2019 年推出的一个 Transformer 架构的语言模型） 的作者，我们很早就看好他的研究方向。
晚点：从 NLP 到大模型，再到大力投资具身智能，这个过程是怎样的？
朱天宇：ChatGPT 出现后，我们意识到基础模型的突破是语言作为知识枢纽的能力跃迁，这比过去的 PC 和移动互联网更颠覆。因此我们从基础设施到应用层全面布局。
2022 年底，我就提过 AI+3D 交互 +Robotics 的 “三浪叠加” 将孕育未来 30 年周期中的 Big Thing——所以蓝驰不是割裂地在看 AI、机器人等，许多赛道看似独立，其实都是基于同一个底层逻辑。
所以这之前我们就在投 Robotics，只不过是 feature robot（服务相对特定场景），现在是 smart robot。今天的具身智能，就是融合 AGI、空间计算与 Robotics 的成果。
晚点：同一个底层逻辑指什么？比如现在大量涌现的 AI Agent，它和具身智能、空间智能有共同逻辑吗？
朱天宇：Agent 和具身智能不是割裂开的。从 Agentic System（代理型系统）的整体视角看，它正沿着 instruction（指令） 和 action（动作）的方向演进。
当 Agentic System 驱动数字化能力时，会催生如 Genspark 这样的 Agent 产品，这是搬运比特的数字工具，也就是 computer use；而当其驱动物理能力时，就会产生具身智能，这是搬运原子的物理工具，也就是 tool use。
这就是为什么当行业在热议人形时，我们最关注的是具身脑、而不是形态，因为无论是数字工具还是物理工具，都需要用大脑来调用。
陈维广：这个思路也能解释蓝驰对于 AI 的信心和笃定。移动互联网的价值在于连接，而 Agent 能更进一步交付结果，会创造出 10 倍于移动互联网的价值；具身智能又要进一步完成真实世界的任务，创造的价值又会是 Agent 的 10 倍，这是百倍于移动互联网的市场。
“中国发展具身智能有比较优势，不用纠结现在是否到了 “GPT-3.0” 时刻”
晚点：相比大语言模型，具身在技术上更早期，为什么蓝驰认为现在就是一个投资时机？
陈维广：车是 “轮子上的机器人”，具身的技术路径可以参考车的发展。2017、2018 年，自动驾驶系统还依赖高精地图和大量标注，无法解决 corner case 。但今天，端到端普及，智驾系统体验大幅提升。在具身智能领域，很多团队也在探索在 VLA（Visual Language Action model 视觉、语言、动作模型）端到端思路，让系统更通用，这是个值得投入的方向。
晚点：也有观点认为 VLA 做不出具身基础模型。比如今年 GTC 大会上，Meta 首席科学家杨立坤（Yann LeCun） 说现在的大模型路线很难解决物理世界的 AI：“token 不能表示物理世界”。你们看到了 VLA 哪些被验证的迹象？
朱天宇：确实还在探索期，但已有迹象：智驾已从感知端到端，拓展至 P&N（规划和控制），最终实现系统闭环。机器人比车复杂，需要更多模型、算法与工具链，但我们相信它会像自动驾驶一样逐步收敛。现在是 “准备期”，不是 “结果期”，但市场体量巨大，我们要先占位。我们之前亲历过理想训练体系的迭代，看到系统能力在闭环体系中持续爬坡——这给了我们对具身的信心。
晚点：2016、2017 年时，自动驾驶在训练过的公开道路上，可以自行行驶数十分钟。而机器人现在要独立动起来几十分钟、完成一个现实生产或生活里的复杂任务还非常难。
朱天宇：能不能 “动起来”，要从不同维度来看。机器人能力分为三层：locomotion，也就是运动控制；manipulation，就是操作能力；还有灵巧操作能力，这需要灵巧手。
locomotion 相对积累得久一些，宇树等公司已经做得比较好。但现在行业更关注后两个能力，它们对完成复杂任务更有价值。这两个能力目前还在发展中。
陈维广：还有 “第四层” 能力，大脑，这包括识别、学习和泛化能力。其实很多场景里，也不需要有双足运动能力的机器人，轮式底盘和高效抓取的组合就够了。我们更看重能力组合与任务的适配，而非单项指标。
朱天宇：这也是为什么我们在持续 bet 赛道上的多个优秀团队，因为不同团队有不同解题思路，最后能找到的场景也不完全一样。
晚点：因为你们投的具身公司够多，正好能观察到不同的解题思路，比如在获取数据上，银河通用侧重仿真，智元则在用 1000 台机器人采集真机数据。你们会从哪些维度判断这些不同选择的进展和潜力？
陈维广：其实这些创始人都不会固守一种技术组合，而是会根据技术发展和场景需求动态调整。比如银河也有真机数据，只是比例侧重不同。关键在于最终能否处理真实场景、成本是否合理。
晚点：不少早期科技投资机构更倾向一个领域或方向里只投一个公司，蓝驰在具身智能领域却投了一批公司。这是为什么？
陈维广：因为这个机会太大了，与其说逐一去分辨不同团队的技术组合，我们更大的判断是要重投入具身赛道。
这背后的底层判断是：中国发展具身智能在全球有比较优势，尤其在供应链、工程效率上远优于美欧，现在大家去走访 PI（美国具身智能公司 Physical Intelligence）或 Figure，老美都会说，“具身肯定你们还要比我们迭代更快”。就像当年我们押中智能驾驶一样，我们相信这里能跑出下一代的全球性公司。
朱天宇：具身既包含现在 AI 的进展，又结合了中国的比较优势。投具身智能，是在当下中国市场顺势而为的选项。
晚点：具身智能投资的最大风险是什么？
陈维广：技术路径复杂、场景适配难度高，但这些都逐步能被解决。
朱天宇：有公司倒在 PMF（产品市场匹配） 出现的前夜。
晚点：也有投资人总结，现在具身的挑战不是 PMF，因为它还在 TPF 即技术到产品工程化的匹配阶段。最大风险是，3、5 年后，大家还是找不到做出足够通用的具身基础模型的方法，这就谈不上后面的更通用的机器人产品和商业落地。
陈维广：现在具身智能的挑战肯定有很多，但我们更关注长期趋势。一是中国制造业对具身智能的长期刚需；二是人口老龄化背景下，智能机器人是结构性解法；三是中美竞争格局下，中国必须在 AI 与实体经济的融合上构建护城河。
大模型加持下，智能机器人一定会有新的规模化落地机会。所以不用纠结现在具身智能是不是到了 GPT-3.0 或 3.5 时刻，这没那么重要。如果入局晚了，就只能跟大厂拼资源了，我们选择支持早上牌桌的创业者。
晚点：重押具身智能这类与制造业结合的 AI 赛道，是否也和蓝驰募资的币种的变化有关？
陈维广：我们是双币基金。这和币种没有关系，我觉得 VC 还是要冒风险，要尽量投早。
“找到一边赚钱，一边赚数据的具身智能场景”
晚点：前段时间朱啸虎说：“这几个月金沙江在退出一些过去几年投的早期具身智能项目”，原因之一是现阶段看不到商业化的客户。你们有看到哪些具身智能的潜在商业场景吗？
朱天宇：很多人期待具身机器人先落地在家居场景，但我们更看好工业等没那么性感、科幻的领域。比如我们投的它石、智元，已在探索具体场景，两三年内可能会出现能实际交付的 “机器人岗位”。
ChatGPT 也不是 GPT 的第一个 PMF，它是第一个爆款 PMF。在 GPT-3.5 之前，已经有一些公司、应用是基于 GPT-3 在做了。现在模型创新的速度还在加快，具身智能可能更早实现 PMF。
晚点：那具身的第一批 PMF 可能会是什么？
朱天宇：可能是一些非标的，不那么在意产线节拍的工业场景，或是一些很有痛点的消费场景。
晚点：比如呢？
朱天宇：等做出来再说，能做出来才有说服力。还是要给创业者更多保护和探索空间。
晚点：那么完整总结一下，适合智能机器人的场景可能有什么特点？
朱天宇：关键是能在完成任务的同时，反哺智能成长，最好是能找到一边赚钱、一边积累数据和智能的场景。
晚点：以你们投的银河和智元为例，它们都推出了轮式双臂类人形机器人，目标场景之一是工业生产，而工厂里已经有很多 2016 年之后逐渐进入产线的智能化机器人和设备，它们也有 AI 感知、力控等能力，能适应环境完成一些相对灵活的任务。那么新一批具身智能公司的产品在这些场景的独特竞争力是什么？
陈维广：如果去到工厂，你就会惊讶，现在很多工位还是不能用所谓 “智能化协作机械臂” 来替代人，许多非标任务还是得靠人。这是更通用、灵活的智能机器人的机会。
朱天宇：其实这两类公司都有机会。关键在于团队是否有转型能力和场景构建能力。即使是从 feature robot 起步的公司，如果有合适团队，能找到真实场景，也可能从规则驱动跨越到模型驱动；反之，讲很大智能故事的团队，如果缺乏 know-how 和执行力，也难以真正落地。
晚点：具身发展很快，你们经历过打破已有认知，重新判断的过程吗？
陈维广：肯定有，比如过去我们更看好真机数据，但最近看到仿真数据质量在提升，在重新评估它的价值。
晚点：既然之前有这个认知，为什么在天使轮投资了银河通用？
陈维广：我们首轮投银河时，判断它也需结合真机数据。后来团队迭代很快，用仿真方法也做出了成果。
朱天宇：其实我们之前也不是不看好仿真，而是认为不应执着于某种解法。这正是风险投资的本质——在不确定中寻找方向。我们复盘时也常问自己：是否在一些判断上收敛太快？是否被既有经验限制了思维？
晚点：投了多类 AI 公司后，你们会怎么总结大模型和具身智能投资的不同？
朱天宇：大模型范式还是由美国先定义的，具身则是中国团队自己在摸索着往前跑，这是我们很自豪的一点。
晚点：特斯拉的 Optimus 没能定义具身的范式吗？
朱天宇：它有启发，但不代表全部路径。现在美国投资人也普遍认为，中国会在具身上跑得更快。
晚点：聚焦和多方向探索，怎样才能跑得更快？
朱天宇：资源有限下建议聚焦。但正因为现在还没有共识性的范式，优秀团队要有持续做技术判断的能力。智能机器人又是一个软硬结合，涉及算法、工程、数据等能力，需要计算机、机械工程、材料、能源等多产业支持的跨界行业，我们也很在意团队能力的完整性和综合性。具身创业公司不能只擅长单点技术，也不要迷信某个技术方向。
晚点：你们投资的智元，作为早期公司最近正式发布了面向不同场景的 3 个产品线，分别由 3 个不同的总裁负责。这足够聚焦吗？
朱天宇：每个公司的禀赋不同，智元选择多线并行试错，是因为它有丰富的资本和人才储备，能支持这种高强度迭代。这能帮它尽快找到一边赚钱、一边赚数据的场景。不是所有公司都有资源这么干。
陈维广：这三条线其实针对不同的客户群，有的偏头部客户定制，有的侧重长尾探索，智元也正在摸索不同需求、 不同场景的过程中。
晚点：具身智能的下一个赛点会是什么？谁先做到什么事会和其他公司拉开差距？
朱天宇：就是找到有客户买单、且愿意持续买单的场景。
陈维广：做到这些，不仅任务完成率要接近 100%，边际成本也要可控，ROI（投入产出比）如果不合理，客户会觉得不如用人来完成任务。
晚点：什么时候具身智能机器人会到这个状态？
朱天宇：快的话，2025 年内。
晚点：最先落地的可能是什么形态的机器人？人形、类人形还是其他？
朱天宇：（形态）其实不重要，关键还是看，智能机器人到底有什么能力，能完成什么任务。
项目估值遵循 “幂律分布”，在 AI 里抓 “塔尖投资”
晚点：蓝驰 2008 年成立，在互联网、移动互联网的 “捕鲸时代” 里，错过了一批千亿、百亿美元明星公司，如阿里、京东、字节、拼多多、快手、小红书，至今却依然活跃在牌桌，管理规模从几千万美元扩张到现在的 200 亿人民币，这是怎么做到的？
陈维广：最终一个基金的生命力是要兑现到 DPI 上，也就是给 LP 的实际回报。我们也在持续迭代认知。早年没投进这些项目，有资源限制，也有认知局限。当时支票小，投的是更早期的项目，错过了部分估值迅速拉高的公司。
晚点：你们早年投互联网、移动互联网的经验和教训，对今天投 AI 的影响是什么？
朱天宇：意识到 “贵” 并非坏事。2015 年之前，我们更多是投首轮、投早期，你刚才提到的这些项目，我们除了蚂蚁，应该都见过，但不少项目的估值已超出我们的出手区间了。但后来我们意识到：即便头部项目估值高，但它的市场地位、团队势能和竞争优势会持续增强，反而更值得加注。
晚点：其实你们后来连投理想 5 轮，就是从投早到持续加注头部项目的变化？
朱天宇：对，理想很吸引我们，不是因为它是新能源车公司，而是它从一开始就强调数据闭环、自动驾驶，以及李想本人对组织能力的重视。他经常主动聊组织建设，有很强的战略思维。我们最大的加注是在美团入局前，风险最高，但我们看到了理想团队的执行力和快速迭代能力。
2020 年底我们做过一次系统复盘，截至当时，整个中国市场长出了 6 家千亿美金公司、30 家百亿美金公司、150 至 200 家十亿美金公司，呈现出典型的 1:5:25 的幂律分布。这让我们更笃定 “塔尖策略”。但当我们准备按这个逻辑加大投入时，行业进入深度调整期。直到 2022 年底 AI 崛起，才让 “押头部、投最前沿” 的策略真正可以实践。
晚点：现在你们在 AI 和机器人领域出手更激进，比如它石的天使轮就融了 1.2 亿美元，估值也很高。你们现在怎么定义 “贵”？
朱天宇：我们看的是整体策略，而非单个价格点。关键是这个方向是不是我们坚定看好的、这个团队是不是能真正交付东西。一个简单的常识是：便宜但不能落地的项目等于亏钱，贵但能做出结果的项目，更有投资价值。
晚点：AI 和具身领域，是否已经出现了字节、拼多多这类会被没投到的机构都视为大遗憾的项目？
朱天宇：Agent 方向，可能会跑出这样的公司。这波 AI 跟上一轮移动互联网有本质不同。上一轮的核心是 “连接” 带来的规模效应和平台垄断；而这一轮的核心在于 “生产力” 跃升。Agent 代表智能真正介入生产的能力，在这个过程中还可能重构产业链和价值链，潜力不止千亿美金。
陈维广：很难一开始就看清楚赢家是谁。1995 到 2005 年，我在硅谷待了 10 年，当时大家看好雅虎，没料到后面还会出现 Google；我们投的 PayPal 上市后，市场也觉得电子支付差不多了，后来又出了 Stripe。AI 现在还在早期阶段，是基础模型胜出、还是应用驱动、还是模型 + 应用并行，还未有定论。
晚点：在整个 AI 领域，你们看到的相对确定的趋势是什么？
朱天宇：大模型的 coding 能力正迅速增强，这可能引发一场 “暴乱式” 变革。因为当 Agent 有强大的编程能力，它就能重构各种系统，像野火过境，为下一轮应用爆发奠定基础。
“我们不是兔子，是慢慢迭代、但不断向前的乌龟”
晚点：1999 年前后，你在硅谷完整经历了互联网泡沫的高峰和破灭，这和现在的 AI 热潮哪里相似，哪里不同？
陈维广：其实 1999 年的互联网热潮，并不是硬核技术驱动，更多是建站。那会儿互联网技术已发展了相当一段时间了。而这之后，从 1999 年的硅谷，到移动互联网，再到新能源汽车、智驾，再到 AI，变化速度越来越快，压缩了技术研发到产品化的周期。所以 AI 的节奏，很难完全参考当年的互联网。
晚点：它比较像科技史上的什么阶段？
朱天宇：我觉得比较像上世纪 70 年代，大型机到个人电脑的转变，只不过那是十几年的演进，现在大模型的变革可能被压缩到短短几年内。
陈维广：我当年在 IBM 负责 PC 产品，刚好经历过那一段。搞大型主机的人普遍不看好 PC，觉得只是玩具，IBM 也没把 PC 当主业。那时银行的终端都很 “傻”，改功能要等几个月让 IBM 工程师来改，IT 部门权力极大。后来乔布斯、苹果推动了 PC 普及，5 到 8 年间突然拐点出现，谁没跟上节奏，谁就被淘汰。IBM 后来能活下来，是因为及时转向 IT 咨询，不再死守硬件。
这和今天看具身智能的视角很像：不少人会觉得 “太早期”、“不可能”，但一旦变化启动，再跟就来不及了。
晚点：你后来在 2008 年成立蓝驰中国，这是你第一次长时间来中国，为什么当时想要来中国做风险投资？
陈维广：对，我是新加坡人，刚来中国时，普通话比现在还差。我在国内（指中国）一个人都不认识。但当时在硅谷，已有不少华人工程师和科学家陆续回来，每个月都有欢送会，而且回来的人的质量越来越高，VC 要跟着人才走；第二，坦白说，蓝驰当时在美国不是一线 VC，所以我想来中国寻找机会。
晚点：那时候一批美元 VC 在中国建立的分支，如红杉、GGV，近年都面临变得更独立和本土化的议题。蓝驰是怎么经历这个转变的？
陈维广：蓝驰和其他机构不大一样。早在 2012 年，我们中美两边的募资、管理和投资就完全分开了。之所以还沿用 BlueRun 品牌，是因为我在硅谷做了 10 年投资，跟美国合伙人关系好。
后来 2023 年，我们把品牌英文名从 BlueRun 改为 Lanchi，更多是出于运营考量，我们实际投资是分开的，但不少数据库和媒体会把中美两个蓝驰的项目混为一谈。我们的独立是更早、也更内生的过程。
晚点：20 年过去，和蓝驰同一批来中国的一些机构早不再活跃，也有一批和您同辈的投资人近年陆续退休，为什么你还在一线？
陈维广：我觉得做 VC 不只是追求回报，更要有使命感，你得真心喜欢这件事。这个行业挑战大、风险高，像你提到的机器人现在也没那么 “性感”，但我们还是愿意投，是因为相信一些团队和方向。
我每天还在见项目，尤其这代 AI 创业者，很多是 1998、1999 年出生的年轻人，跟他们交流，我觉得自己也能不断更新。能持续在一线，是因为我享受这个过程。
如果把 VC 比作赛跑，我们不是兔子，是乌龟，慢慢迭代、不断往前爬，一步步走到了今天。
晚点：如果兔子不睡觉怎么办？
陈维广：不一定是兔子要睡觉。其实这条路不好走，可能兔子觉得其他的路是捷径。但乌龟对它的道路非常笃信，一步一步坚持到那里。就像你也知道，2017、2018 年之后，确实很多人对科技发展产生了一些担忧
晚点：别人担心时，你为什么还有信心？
陈维广：可能因为我是一个华侨，在新加坡长大，美国待过，看到过华人在全球的奋斗。我很认可中华文化，我觉得华人的韧性和创新性都非常强，我对中国做硬科技始终看好。
晚点：在 AI 浪潮里，你想让蓝驰发展成什么样的机构？
陈维广：这次 AI 变革堪比工业革命，它能极大提升社会生产力。我们的目标是找到那些 “六边形战士” 的创业者——既有全球视野，又能深度利用中国的比较优势，带来实质性的产业提升。如果我们能帮助他们成长，这本身就是一种满足，也一定能带来好回报。
晚点：你不追求通过 AI 机会让蓝驰变成最一线的 VC 吗？
陈维广：我们更在意的是长期的认知积累和组织成长。这 20 年，我们一直在慢慢变强，对我来说，这是最大的成就感。
晚点：你有给自己设置过退休时间吗？
陈维广：没有。我常跟同事开玩笑，如果有人爬山能比我快，也许那就是我该退
文章来自于“晚点LatePost”，作者“程曼祺”。
