从 12岁在机房里写下第一个RPA自动化脚本开始，Rachel的职业轨迹几乎始终与"数据"和"智能"交织在一起。她既是那个在网页比赛中用RPA脚本给自己投 票的小女孩，也是后来在基金公司做量化分析、用代码驱动财务报表的年轻实习生，更是站在Amazon Web Services机器学习实验室一线的科学家。横跨学 术、金融与科技巨头的经历，让她兼具科学家的理性和创业者的务实。当大模型行业在全球范围内沸腾，她决定躬身入局，开启全新的创业征程。 入局之后， Rachel对方向的选择有自己清醒的判断。"大厂拥有更高质量的数据、更庞大的研究团队、更强的基础设施，像Gemini那样的模型在成本上甚至 可能比GPT-4低五倍。创业公司无法在模型层面和他们硬碰硬。" "模型更像电力。"Rachel用了一句极具穿透力的比喻。百年前，每一家电器制造商都想做自己的发电厂，但最终，真正的价值来自谁能在电力基础上造出更 节能、更好用的产品。她认为，大模型行业的发展也将遵循同样的路径。巨头负责"发电"，创业公司则要去完成"最后一公里"的接入，提供真正让用户省时 间、省钱的工具，做好用的"电器"。2023年，她和合伙人离开AWS，拿到Y C ...