2025-07-08 21:00:00
你怎么会破产的？
渐渐地，然后突然地。
欧内斯特·海明威，太阳照常升起
自从火和轮子以来，每一种颠覆性技术都迫使领导者适应或灭亡。本文讲述了当4000家公司面临颠覆性技术时发生了什么以及为什么只有一个公司幸存下来。
20世纪初，美国是超过4,000家马车和货车制造商它们是机动性的骨干和汽车的前身，用于个人出行、货物配送、军事后勤、公共交通等。这些公司雇佣了数万名工人，并形成了一个包括铁匠、轮匠、鞍匠、马厩和饲料供应商在内的生态系统的核心。
在二十年内，他们消失了。四千家马车和货车制造商中，只有1家公司转向制造汽车。
今天，这个故事感觉不可思议地熟悉。就像马车行业看着汽车从新鲜事物演变成主导力量一样，现代的SaaS、媒体、软件、物流、国防和教育公司正在看着人工智能从新奇事物演变成生存威胁。
一个舒适的行业错过了转弯点
1900年，美国是全球马车制造的领先者。印第安纳州南本德、密歇根州弗林特和俄亥俄州辛辛那提等地的工厂大量生产马车、马车和货车。高端公司生产的车辆大多由木头和皮革制成，由工匠手工制作。其他公司则生产更基本的货车，用于运输货物。
19世纪90年代初，早期汽车开始出现——最初是蒸汽动力，然后是电动，接着是汽油动力——大多数马车和货车制造商对其不屑一顾。他们为什么要关注呢？最早的汽车是：
早期的汽车在大多数对顾客来说很重要的方面都较差。克莱顿·克里斯坦森的《创新者的困境》“描述得恰到好处——破坏始于劣质产品，现有企业不屑一顾。但在这种轻蔑之下，有更深层次的东西：身份和傲慢。马车制造商认为自己不是交通公司，而是优雅的马拉车的工匠。汽车不是演变——它们是异端。于是，他们等待着。看着。并且逐渐停业，然后突然之间全部停业。
早期汽车是小众和实验性的（1890年代-1905年）第一批汽车（蒸汽、电动和早期汽油动力）很昂贵，很不可靠，也很慢。它们是由19它世纪的机械书呆子。而且少数被出售的被认为是其他书呆子和富人的玩具。卡尔·本茨获得了第一台内燃机的专利1886年。 1893年弗兰克·杜里亚驾驶了美国的第一辆汽车.)
这些早期的汽车与一个庞大的马力经济共存。马拉货车、送货、驱动有轨电车和人们。早期的汽车制造商使用他们唯一熟悉的设计：马车。司机坐在高处，就像他们在马车上一样，当他们需要看过马时。
在最初的15年里，马车制造商、马车夫和马厩老板没有看到任何直接的威胁。就像今天的AI一样：汽车曾经强大、崭新、有漏洞、不可靠，并且还未成为主流。
破坏开始（1905-1910）10年后他们第一次出现，汽油车变得更实用，他们有更好的发动机，橡胶轮胎，市政府开始铺设道路。从1903年到1908年福特运送了9种不同型号的汽车当他们尝试我们今天所说的最简可行产品时，福特（和通用汽车）摆脱了他们的马车制造传统，开始从头设计汽车，优化了速度、安全性、大规模生产和现代材料。那是汽车产业发生转变的时刻汽车成为了一种独立的物种。在那之前，它仍然主要是一辆带有发动机的马车。城市精英们从马车转向汽车，以展示他们的身份地位和速度，而出租车、配送车队和富裕的通勤者则在大城市采用了汽车。
即使面对明显的证据，马车公司仍然没有转变方向，认为汽车只是一个潮流。对于马车公司来说，这是“否认和漂移”的破坏阶段。
转折点：福特的T型车和大规模生产（1908-1925）1908年推出的福特T型车（Model T）价格亲民（从825美元降至1920年代的260美元），耐用且易于维修，并采用流水线大规模生产。就在15年内，数以千万计的美国人拥有了汽车。与马相关的行业——不仅是马车制造商，还包括整个铁匠、马厩和饲料供应商的生态系统——开始崩溃。由于粪便、疾病和拥堵，城市禁止马进入市中心地区。这就像谷歌、iPhone 或 ChatGPT 的出现一样：一个阶段性的转变。
旧生态系统的崩溃（1920年代-1930年代）1900年至1930年间，美国的马匹数量从2100万降至1000万，马车和马车生产大幅下滑。新的基础设施——道路、加油站、驾驶执照、交通法规——都是围绕汽车而非马匹建造的。
早期的汽车制造商大量借鉴了马车的设计（1885-1910）。汽车出现在马车占据主导地位的世界中，它们继承了马车制造商的材料和机械设计。
– 19世纪的马车中，板簧是主要的悬挂系统。早期的汽车也使用了相同的系统。
– 早期的马车和汽车都没有减震器，它们都依靠叶片弹簧的阻尼作用，使得它们在高速行驶时会很颠簸，稳定性较差。为什么？道路很糟糕，速度很低，马车制造商知道如何让马车在鹅卵石和泥土路上行驶。
– 马车使用实心钢轴或木轴；早期汽车也是如此。
车身结构和设计借鉴于马车
– 车身采用木质框架，外覆钢板或铝板，类似马车。
- 装饰、皮革工艺和装饰也被保留下来。
– 诸如敞篷跑车, 法埃同, 兰多勒特和布鲁厄姆它们直接继承于马车类型。
– 高座位和狭窄轨道：早期汽车具有高大的车轮和高的离地间隙，类似于马车和马厢，因为早期的道路坑坑洼洼且泥泞。
结果：早期的汽车看起来像没有马的马车，因为从功能和结构上来说，它们就是在马车上加装了发动机。
随着时间的推移发生了什么变化
随着速度的提高和道路的改善，木制马车的设计无法承受更快、更重的汽车的扭转应力。叶片弹簧悬挂对于速度和操控来说太过粗糙。汽车制造商开始使用压制钢体（菲舍尔公司的突破），独立前悬挂（在1930年代引入），最终将汽车车身和底盘整合为一个单一的统一结构，而不是有一个单独的车身和框架（在1930年代-40年代）。
斯图德贝克：从马到马力
唯一一个没有倒闭并成为汽车公司的马车制造商是斯图德贝克1852年，斯图德贝克公司在印第安纳州南本德成立，最初生产农民和向西拓荒者使用的马车。在美国内战期间，他们为联邦军队供应马车，并在19世纪末成为世界上最大的马车制造商。然而，斯图德贝克公司与其同行不同，它在早期就对未来做出了战略性的投资。
1902年，他们开始生产电动车辆——这是一个谨慎但前瞻性的举动。两年后，即1904年，他们进入了汽油车业务，最初是通过外包发动机和底盘。最终，他们开始自己制造整个汽车。
斯图德贝克了解了其他4000家马车公司忽略的两件事：
斯图德贝克他们进行了痛苦的制造转型，重新装备了工厂，并重新培训了员工。到1910年代，他们已经成为一家成熟的汽车公司。
斯图德贝克汽车公司在汽车时代中幸存了很长时间——比大多数早期汽车制造商都要长——并且一直到1966年才停止生产汽车。
费舍尔车身：机械时代的马车制造商
斯图德贝克公司直接将整个公司从马车转向汽车，但可以认为费舍尔车身公司它是一个衍生品。费舍尔兄弟公司由弗雷德和查尔斯·费舍尔于1908年在底特律创立，费舍尔兄弟之前曾在一家马车公司工作，后来开始了自己的汽车车身制造业务。他们专门生产汽车车身，而不是整辆车。他们的主要创新是生产封闭式钢制车身，这比开放式马车和木制车架有了显著的改进。到1919年，费舍尔公司已经非常成功，通用汽车公司购买了控股权，到1926年，通用汽车公司完全收购了费舍尔公司。几十年来，“费舍尔制造”的标志被印在数百万辆通用汽车公司的汽车上。
杜兰-多特：通用汽车的起源
虽然杜兰特-多特马车公司从未生产过汽车，但其联合创始人威廉·C·（比利）杜兰特看到了别人没有看到的东西查看杜兰特冒险的博客帖子这里和这里. 
杜兰特利用他在马车行业赚到的财富投资于蓬勃发展的汽车行业。他于1904年创立了别克汽车公司，1908年成立了通用汽车公司。像硅谷的疯狂企业家一样，他迅速收购了奥兹莫比尔、凯迪拉克和其他11家汽车公司，以及10家零部件/配件公司，创造了第一个汽车集团。（1910年，杜兰特被他的董事会解雇。毫不气馁，杜兰特创立了雪佛兰公司，将其上市，并于1916年对通用汽车公司进行了敌意收购，并解雇了董事会。他于1920年被新董事会再次解雇，并在管理一家保龄球馆时贫困潦倒地去世。）
虽然他的财务过度扩张最终导致他失去了对通用汽车的控制权，但他的远见却重塑了美国的制造业。通用汽车公司成为20世纪最大的汽车公司它世纪
其他3,999辆马车制造商为什么没能成功
大多数马车制造商没有像威廉·杜兰特、费舍尔兄弟或斯图德贝克这样的人坐在董事会里。他们失败的原因是：
到1925年，1900年左右运营的4000多家马车公司几乎全部消失。
马车时代的悲剧和对今天的启示
20世纪初期的它世纪变革与人工智能以及当今的公司有什么关系？很多。这些教训是永恒的，对于当今的CEO和董事会来说具有现实意义。
这不仅仅是马车公司未能适应变化，而且他们有时间和客户，却仍然错失了机会。在每一次颠覆性转变中，都会出现这种模式：公司由那些无法想象除自己所熟悉的世界以外的其他世界的CEO领导。（当公司必须掌握网络、移动和社交媒体时，就发生过这样的事情，如今在人工智能领域又再次发生。）
马车公司的总裁们与销售和增加收入挂钩。来自汽车的威胁似乎还在遥远的未来。这种情况持续了二十年，直到福特T型车的推出，汽车的快速采用使他们的市场崩溃。如今，CEO的薪酬与季度收益挂钩，而不是长期革新。大多数董事会都是由风险规避的受托人组成的，而不是建设者或技术专家。他们奖励股票回购，而不是人工智能项目。真正的问题不是公司看不到未来，而是他们在结构上没有动力去应对未来。同时，颠覆不会等待董事会的批准。
如果你是一名CEO，你不仅仅是在管理利润表，你还在决定你的公司是否会成为史塔德贝克（Studebaker）——或者其他3999家公司之一。
2025-07-01 21:00:38
具有优秀商业理念的创始人通常会感到沮丧，因为他们无法筹集到资金。
这是原因。
我一直在与许多感到沮丧的创始人（我的学生和其他人）喝咖啡，他们抱怨大多数风险投资家（VC）不会与他们见面，除非他们在募资推介中提到人工智能（AI）。而他们看到的AI创业公司获得的估值似乎毫无意义。这些对话让我回想起了从前的一种似曾相识的感觉点通泡沫（在本世纪初），如果你的方案中没有包含互联网，你就无法获得资金。
我意识到这些创始人中大多数只是感到困惑，以为某件事情是这样的，好商业对风险投资者（VCs）有吸引力。当事实上风险投资者正在寻找非凡的能够产生非凡回报的企业。
在美国，创业公司从风险投资家那里筹集资金是推动多个创新浪潮的引擎之一——从硅谷到生命科学，再到互联网，现在到人工智能。然而，对于那些拥有付费客户的创业公司的创始人来说，最令人沮丧的事情之一是看到其他没有收入或技术存疑的公司从风险投资家那里筹集到大量资金。
这是为什么呢？简短的答案是，大多数风险投资公司的商业模式不是建立盈利公司，也不是建立符合国家利益的公司。风险投资公司的商业模式和财务激励是投资于那些能够带来利润的公司和市场。最多为他们的投资者赚取资金。（如果他们碰巧做到前者，那只是一个副产品，而不是目标。）有时这会使他们投资于可能不会产生有用产品或可能造成伤害的公司和行业，但会产生惊人的回报（例如Juul，一些人可以认为社交媒体）。
创始人在寻求风险投资者投资时，需要了解影响风险投资者如何和在哪里投资的四种力量：
1. 风险投资者如何赚钱 2. 跟风效应 3. 当前经济形势 4. 二级市场
风险投资家如何赚钱
只是对风险投资的一些基本知识的提醒，风险投资只是另一个金融资产类别– 带有更高风险的投资，这些投资可能会带来更高的回报。少数风险投资将产生10倍至100倍的回报，以弥补其他公司的损失或较小的回报。关键思想是，大多数风险投资者正在寻找可能带来巨大成功的投资，而不是小型（成功的？）企业。
风险投资公司由普通合伙人经营，他们从有限合伙人（养老基金、捐赠基金、主权财富基金、超高净值个人）那里筹集资金。这些有限合伙人预计在10年内投资资本的净倍数（MOIC）为3倍，这相当于20-30％的净内部收益率（IRR）。经过75年的风险投资，风险投资公司仍然无法预测哪家个别公司会成功，因此他们投资一组公司。投资组合初创企业。
风险投资家在相信赢得投资策略是之间摇摆不定哎，你这啥情况？需要进我的朋友圈吗？别告诉我你是那种天天想刷存在感的人，不然我可没空陪你玩。直接说，啥事儿？前往最热门的交易（想想十年前的社交媒体，今天的AI），与其他人相信发现和投资那些不太明显的赢家（亚马逊，爱彼迎，太空探索技术公司，帕兰提尔）
风险投资（VC）的最终目标是实现成功的“退出”，例如首次公开募股（IPO）或收购，或者在二级市场上出售股份以获得可观的利润。因此，他们的创业公司的衡量标准是创造尽可能高的市值。目标是让创业公司成为一只“独角兽”，即市值达到10亿美元或以上。
群体效应
风险投资家（VCs）通常成群结队地投资。一旦有一家“知名”的风险投资公司投资某个领域，其他公司也会跟进。他们是同时看到了颠覆性的机会，还是害怕错过（FOMO）？（在我的公司Rocket Science Games倒闭多年后，我的两位投资者承认，他们投资是因为需要在他们的投资组合中添加一个多媒体游戏公司。）在本世纪初，风险投资的热点是燃料电池、气候、食品配送、滑板车、社交媒体、加密货币等。现在，热点转移到了国防和人工智能初创公司。当某个领域热门时，资本会大量涌入，而当炒作消退或发生重大失败时，资本就会枯竭。
当前的经济形势
20世纪它几个世纪以来，风险投资（VC）投资初创公司的主要流动性途径（即他们将在初创公司中的股份转化为美元的方式）是通过首次公开募股（IPO）在美国证券交易所上市。当时，承销商要求公司具有收入和利润增长的业绩记录，并且在明年内有可预见的增长路径。如果IPO不可能实现，公司在IPO前被收购是一种快速退出的策略，但通常是在亏本出售的价格下作为最后的手段。
从1995年的Netscape IPO开始，到2000年，公开市场开始对没有收入或利润的互联网初创公司产生兴趣。这些公司承诺会带来下一波颠覆性的变化。在这个领域，焦点转向了浏览量和点击量而不是收入。然而，大多数这些公司在2001-2003年的互联网泡沫崩溃和核冬天中崩溃，但那些在IPO或随后不久出售股份的风险投资者赚取了利润。
过去二十年中，IPO窗口曾短暂打开（尽管间歇性），对于那些没有实现有意义的收入、利润，甚至无法交付产品的初创公司（例如融合、量子等重型基础设施项目，需要数十年才能实现）。然而，通过公司和投资者的公关宣传、炒作以及公众对深层技术的无知，这些公司筹集了资金，他们的投资者脱手后，公众却被留下持有价值不断下降的股票。
今天，公开市场对于初创公司IPO基本上是关闭的。这意味着风险投资公司的资金被困在流动性不强的初创公司中。他们必须思考其他方法来从初创公司投资中获取资金。
二级市场
今天，随着首次公开募股（IPO）对风险投资公司（VCs）获取流动性的途径基本关闭，二级市场已经成为风险投资公司及其有限合伙人获取收益的新途径。
二级市场允许现有投资者（和员工）出售他们已经拥有的股票——几乎总是在他们购买价格以上的价格出售。这些并不是新股，不会稀释现有投资者的股份。（一些风险投资基金可以出售他们整个基金的股份，如果他们想要提前退出。）二级市场为风险投资基金提供了一种方式来收回资金并减少他们的风险敞口。
这里的游戏是，初创公司及其投资者需要不断地宣传其初创公司，以增加公司的感知价值。新的投资者——后期基金、增长股权公司、对冲基金或专用二级基金——现在也必须这样做，以便从他们购买的二级股份中赚取利润。
这些力量对创始人意味着什么？
- 大多数风险投资者都非常热衷于他们投资的行业，如果他们投资于你，他们会尽一切努力帮助你的公司成功。
- 然而，你需要记住他们的公司是一家企业.
- 虽然他们可能喜欢你，认为你有着非凡的才华，但他们给你钱是为了让你为他们和他们的投资者（有限合伙人）赚取更多的钱。
- 看看我的痛苦教训这里当我了解了风险投资家喜欢你和他们有义务赚钱的区别时。
- 你一旦从某人那里拿了钱，他们的商业模式就变成了你的。
- 如果你不了解风险投资公司运作的金融工程模型，你就会成为前任CEO。
- 您需要了解他们的时间范围、规模和他们期望的回报率。
- 一些公司，尽管是优秀的企业，但可能不适合风险投资。
- 您的产品能否提供10到100倍的回报？它是否处于（或可以创造）一个大型100亿美元的市场？
- 风险投资基金通常寻求在7-10年内获得回报。
- 您的团队是否非凡且容易接受指导？
- 风险投资家通常要么跟随热门交易和行业，要么寻找未被发现的伟大想法。
- 了解你正在与哪种类型的投资者交谈。有些公司有一个一致的策略；在其他公司中，可能有不同的合伙人持有相反的意见。
- 讲故事很重要。不仅仅是重要，它还是风险投资游戏中不可或缺的一部分。
- 如果你无法辨别一个伟大的事物，可信的故事符合风险投资规模的标准你还没有准备好成为一名风险投资支持的CEO。
- 如果你足够幸运拥有人工智能背景，就抓住黄金环，它不会永远存在。
2025-06-24 21:00:26
此帖中嵌入的PowerPoint演示文稿最好在史蒂夫·布兰克官网
我们刚刚在斯坦福大学结束了第15届精益创业课。这门课非常受欢迎，2021年我们开始在冬季和春季学期同时教授。
2025年春季学期，八支球队发表了讲话935 潜在客户、受益人和监管机构。大多数学生每周在课堂上花费15-20个小时，大约是普通课的两倍。
这门课程在教学创业精神方面引发了一场革命
该课程的设计目的是打破“如何撰写商业计划”作为创业教育的顶峰。商业计划假设所有初创企业需要做的就是撰写计划、筹集资金，然后执行计划。当我们指出虽然现有的组织需要这样做时，我们推翻了这种正统思想。执行商业模式，初创企业是搜索中为他们。而且，一家创业公司是一种临时组织，旨在寻找可重复和可扩展的商业模式。本课程旨在教创业公司如何寻找商业模式。
多个政府资助的项目已经在大规模采用了这一课程。第一个是在2011年，当时我们将这一教学大纲转变为课程的教学大纲。国家科学基金会创新队列. 埃罗尔·阿克利奇当时美国国家科学基金会商业化部门负责人采用了该课程，说：“你们已经开发出了适用于初创企业的科学方法，使用商业模式画布作为实验室笔记本。”
牛表队 –通过对牛奶进行生物监测来实现对牛感染的早期检测。
如果您可以看到Team Cowmeter的演示，请点击这里
国家卫生研究院的I-Corps计划
2013年，我与加州大学旧金山分校以及国家卫生研究院提供针对生命科学和医疗保健的精益创业课（治疗、诊断、设备和数字健康）2014年，我与国家卫生研究院合作，将UCSF课程搬到中国，并开发、启动了“国际健康领导力学院”（IHLA）项目。-美国国立卫生研究院队伍程序
现在飞行员团队– 用于增强专注力和执行功能的人工智能协同驾驶员。
如果您无法查看Team NowPilot演示文稿，请点击这里
大规模I-Corps
创新军团目前在100所大学开设，并拥有训练了超过9,500名科学家和工程师在NSF（国家科学基金会）的I-Corps中，有7800名参与者，分为2546支队伍；在NIH的I-Corps中，有950名参与者，分为317支队伍；在DOE的Energy I-Corps中，有580名参与者，分为188支队伍。日本15所大学
1. 东京大学
2. 京都大学
3. 大阪大学
4. 名古屋大学
5. 东北大学
6. 九州大学
7. 北海道大学
8. 一桥大学
9. 早稻田大学
10. 慶應義塾大学
11. 上智大学
12. 京都工艺纤维大学
13. 同志社大学
14. 关西大学
15. 广岛大学现在开始上课。
戈德拉团队– AI物理引擎 – 以包装为第一个颠覆性市场。
如果您无法查看Team Godela的演示，请点击这里
40亿美元的风险投资用于I-Corps团队
1,380个NSF I-Corps团队启动了创业公司，筹集了316.6亿美元。 NIH的300多个I-Corps团队总共筹集了6.34亿美元。 能源I-Corps团队又筹集了1.51亿美元的资金。
ProspectAI 团队– 为精简销售团队提供的AI销售开发代理。
如果您无法查看Team ProspectAI演示文稿，请点击这里
使命驱动创业
2016年，我联合创造了网络安全防御课程与皮特·纽威尔和乔·费尔特以及外交黑客课程与杰里米·温斯坦在斯坦福大学。 2022年，史蒂夫·温斯坦创建应对气候和可持续性黑客活动2024年詹妮弗·卡罗兰在斯坦福大学推出了“黑客教育”项目。
VLAB团队– 利用AI数据编排加速临床试验。
如果您无法查看团队VLAB演示，请点击这里
此类的设计
虽然精益创业课的学生们感觉自己正在上一堂完全实践、经验式的课，但这实际上是一种精心设计的幻觉。事实上，它是高度结构化的。课程大纲被设计成这样：我们提供持续的隐含指导、结构和重复。这是我们课和开放式经验课之间的一个关键区别。指导、方向和结构 –
例如，学生以自己的初始指导开始课程——他们相信自己有一个产品或服务的想法（精益启动板/I-Corps）或已被给予一个明确的现实世界问题（网络安全防御进入课堂时，学生们认为他们的目标是验证自己的商业化或部署假设。（教学团队知道，在整个课堂过程中，学生们会发现他们的大多数初始假设都是错误的。）
Blix团队- IRB 临床试验合规性 / 金融服务人工智能治理的控制层
如果您无法查看Blix团队的演示，请点击这里
商业模式画布
"(《世界人权宣言》)商业模式 / 使命模型画布为学生提供了指导、明确的方向和结构。首先，画布提供了一个完整的视觉地图，概述了学生在整个课程中需要测试的所有假设。其次，画布帮助学生通过可视化最优终点来实现目标——找到产品/市场的契合点。最后，画布为学生提供了一个地图，展示了他们通过客户发现工作每周所学的内容。我无法过度强调画布的重要性。与没有框架的孵化器或加速器不同，画布作为连接组织——框架——如果学生迷失或困惑，可以依靠它。它使我们能够教导如何将想法、需求或问题转化为商业实践的理论，逐周逐步地进行。
团队情节– 作者书籍发布的智能营销日历。
如果您无法查看团队情节演示，请点击这里
精益创业工具
客户发现的工具（视频、样本实验等）为学生提供了在课堂外工作的指导和结构。每周进行10-15次客户访谈的明确目标，以及构建一系列最小可行产品的要求，提供了跟踪团队进度的指标。与教师的强制办公时间和导师的支持提供了额外的指导和结构。
艾露娜队/渔网队- 数据中心数据聚合和能量优化软件。
如果您无法查看Eluna/Driftnet团队的演示，请点击这里
嵌入课堂的AI
这是所有团队首次使用人工智能来帮助创建业务模型画布，在数小时内构建可用的最小可行产品，生成客户问题，并分析和总结访谈。
需要一个村庄
虽然我撰写了这篇博客文章，但这个班级是一个团队项目。斯坦福Lean LaunchPad成功的秘密在于一群不平凡的奉献精神十足的志愿者，以这么多关键的方式支持我们的学生。
教学团队由我和：
我们的助教今年的获奖者包括亚瑟·C·坎佩洛、阿尼尔·伊尔迪兹和阿布·B·罗杰斯以及蒂雷尼·阿吉洛雷.
导师帮助团队了解他们的解决方案是否能成为商业上成功的业务。感谢Jillian Manus，Dave Epstein，Robert Feldman，Bobby Mukherjee，Kevin Ray，Deirdre Clute，Robert Locke，Doug Biehn和John Danner。马丁·塞维尔（Martin Saywell）从杰出职业学院（Distinguished Careers Institute）加入了Blix团队。导师团队由托德·巴什（Todd Basche）领导。
摘要
虽然精益创业/ I-Corps 课程是对过去的一次革命性突破，但这并不是终点。在过去的十年中，出现了无数的变体。我们在斯坦福大学教授的课程也一直在不断演进。他人会创造出更好的版本。人工智能已经对客户发现和验证产生了重大影响，我们要求每个团队列出他们使用的AI工具。有一天，另一次革命性突破将带我们到下一个水平。
2025-06-17 21:00:04
此帖中嵌入的视频和PowerPoint演示文稿，最好在史蒂夫·布兰克官网
我们刚刚结束了我们的第10个年度斯坦福大学的“国防黑客”课程。
真是一个年份。
黑客防御（Hacking for Defense）目前已在70所大学开设，团队由学生组成，旨在了解和帮助解决国家安全问题。在斯坦福大学这个学期，8个团队的41名学生共同进行了采访1106 受益人、利益相关者、需求编写者、项目经理、行业合作伙伴等，同时构建一系列最小可行产品并开发部署路径。
今年的问题来自美国陆军、美国海军、中央司令部、太空部队/国防创新单位、联邦调查局、IQT以及国家地理空间情报局。
今年，我们以今年最后的演讲环节开始，听取了鼓舞人心的讲话乔·隆斯代尔关于国防技术创新现状以及对学生的行动号召。在本季度，客座讲师包括前国家安全顾问赫伯特·雷蒙德·麦克马斯特, 吉姆·马蒂斯前国防部长，约翰·科格比尔第18空降军团副指挥官，迈克尔·苏尔梅耶前国防部网络政策助理部长，和约翰·加拉格尔凯雷集团的董事总经理
“经验教训”演讲
在本季度结束时，八支队伍中的每一支都进行了最后的“经验教训”演讲，并附上一段2分钟的视频，以提供有关他们所面临问题的背景。与传统的演示日或鲨鱼坦克不同，后者通常是“看看我有多聪明，这不是一个很好的产品吗，请给我钱”，经验教训演讲讲述了每支队伍10周旅程中获得的经验教训和艰难的学习与发现的故事。对于他们所有人来说，这是一个过山车式的叙述，描述了当你发现第一天你认为自己所知道的一切都是错误的时会发生什么，以及他们最终如何做对了事情。
所有球队都使用了任务模型画布他们利用客户开发和敏捷工程来构建最小可行产品，每个人的旅程都是独一无二的。
今年，我们要求团队在他们的演讲末尾添加两个新的幻灯片：1）告诉我们他们使用了哪些人工智能工具，和2）他们的估计技术成熟度级别和投资成熟度级别的进展.
他们是如何做到的以及他们完成了什么。
奥姆尼拉队 –提高人工智能生成的生物工程威胁的可见性。
如果您无法查看Omnyra团队摘要视频，请点击这里
如果您无法查看Omnyra演示文稿，请点击这里
这些是“邪恶”的问题
恶性问题指的是非常复杂的问题，这些问题有多个变动的部分，解决方案并不明显，也没有明确的公式。我们的黑客防御学生所处理的问题属于这一类别。它们往往是模糊的。它们从一个赞助商的问题开始，不仅解决方案不明确，而且如何获取和部署解决方案也是复杂的。学生们通常发现，事后看来，问题只是一个更有趣和更复杂的问题的症状——而国防部获取解决方案的方式与商业世界中的任何方式都不一样。
而利益相关者和机构之间通常存在着不同的关系——有些是合作的，有些拥有问题或解决方案的一部分，而其他的可能具有相互冲突的价值观和利益。
图表显示了“网络攻击防御”学生遇到的问题类型，其中最常见的问题被阴影标记。
海德拉突击队– 将群体技术应用于海事领域。
如果您无法观看HydraStrike摘要视频，请点击这里.
如果您无法查看HydraStrike演示文稿，请点击这里
以使命为驱动的创业精神
这个班级是更大理念的一部分——任务驱动创业。与其让学生或教师带来自己的想法，我们要求他们解决社会问题，这些问题可能来自国务院、国防部、非营利组织/非政府组织、海洋和气候，或者是学生们热衷的任何事情。关键在于我们使用相同的精益创业课堂/ I-Corps 课程 —— 以及相同的课堂结构 —— 体验式、动手式– 这次由一个使命模型不是一种商业模式。（国家科学基金会和）共同使命项目他们帮助促进了该方法在全球范围内的扩展。
以使命为驱动的创业是对学生们的回应，他们说：“我想回报，我想让我的社区、国家或世界变得更好，同时被挑战去解决一些最艰难的问题。”
超级守望团队跟踪高超音速威胁。
如果您无法查看HyperWatch视频，请点击这里
如果您无法查看HyperWatch演示文稿，请点击这里
它始于一个想法
黑客防御（Hacking for Defense）的起源可以追溯到我2011年在斯坦福大学首次教授的精益创业课（Lean LaunchPad class）。我观察到，仅仅通过教授案例研究和/或撰写商业计划作为创业课的结课项目，并不能与创业的混乱现实相匹配。此外，还没有任何创业课将体验式学习与精益方法论相结合。我们的目标是同时教授理论和实践。同年，我们开设了这门课，它被国家科学基金会（National Science Foundation）采用，用于培训希望获得联邦补助金以商业化其科学研究的首席研究员（Principal Investigators）。小企业创新研究（SBIR）补助金国家科学基金会观察到，“该课程是创业的科学方法。科学家理解假设检验”并将该课程重新命名为国家科学基金会创新军团创新军团（Innovation Corps）。I-Corps成为科学商业化的标准，适用于国家科学基金会国家卫生研究院和能源部，迄今为止已培训3,051支队伍，并启动了1,300多家初创企业。
ChipForce 团队 –确保美国在关键矿物中的主导地位。
如果您无法观看ChipForce视频，请点击这里
如果您无法查看ChipForce演示文稿，请点击这里
在向商务部简报后，Chipforce被商务部提供了工作机会。
防御黑客的起源
2016年，头脑风暴与皮特·纽威尔BMNT的乔·费尔特在斯坦福，我们观察到我们研究型大学的学生与政府试图解决的问题或民间社会正在应对的更大问题几乎没有联系。 当我们思考如何让学生参与时，我们意识到相同的精益创业/I-Corps课程将提供一个框架来实现这一点。 那一年，我们启动了这两项工作网络安全防御和外交黑客（与教授）杰里米·温斯坦以及国务院）在斯坦福大学。国防部采用并在60所大学扩大了“为国防而黑客”的规模，而“为外交而黑客”已经在乔治城大学、詹姆斯·麦迪逊大学、罗切斯特理工学院、康涅狄格大学和现在的印第安纳大学开设，得到国务院外交安全局的赞助（见这里).
阿尔戈斯网络团队– 搜索和救援的即时地理空间数据。
如果您无法观看ArgusNet视频，请点击这里
如果您无法查看ArgusNet演示文稿，请点击这里
防御黑客的目标
我们本课程的主要目标是教导学生在参与国家公共服务的同时学习精益创新方法。
在课堂上，我们看到学生可以在与国防部（DoD）和情报界（Intelligence Community）内部的创新者合作的同时，了解国家的威胁和安全挑战。同时，这种经历也会向赞助者（即国防部和情报界的创新者）介绍一种可以帮助他们更好地理解和应对快速演变的威胁的方法。我们希望展示，如果我们能够让团队快速地使用精益方法发现领域中的真正问题，并且只有到那时阐明需求以解决它们，国防采办项目可以运作于速度和紧急性并交付及时的 并且需要解决方案。
最后，我们希望让学生们熟悉军事作为一种职业，并帮助他们更好地理解其专业知识及其在社会中的适当角色。我们希望这也能向国防部和情报界的赞助者展示，民间学生能够对问题理解和解决现实世界问题的快速原型设计做出有意义的贡献。
Team 新视镜– 面向军事机械师的人工智能故障排除。
如果您无法观看NeoLens视频，请点击这里
如果您无法查看NeoLens演示，请点击这里
上市/部署策略
团队的初始目标是确保他们理解问题。下一步是看看他们是否能找到任务/解决方案的契合点（国防部的商业产品/市场契合点的等价物）。但最重要的是，该课程教会团队了解将解决方案交到战士/受益者的手中所经历的艰难和复杂的道路。谁编写需求？什么是OTA？什么是资金颜色？什么是项目经理？谁拥有当前合同？…
奥姆尼康团队– 提高特种作战单位的通信质量、安全性和抗干扰能力。
如果您无法查看Omnicomm视频，请点击这里
如果您无法查看Omnicomm演示文稿，请点击这里
在70所大学中以使命为驱动，并不断扩大范围和影响力
最初是一堂课，如今已成为一场运动。
从我们斯坦福大学班开始，国防黑客课程现在已在美国70多所大学以及英国开设。为国防部黑客攻击以及在澳大利亚。在美国，这门课程是一项正式的项目，并得到了国会的支持，H4D得到了的赞助共同使命项目, 国防创新单位数字图像单元（DIU），以及海军研究办公室（ONR）。公司合作伙伴包括波音、诺斯罗普·格鲁曼和洛克希德·马丁。
史蒂夫·温斯坦开始影响黑客攻击（非营利组织）和本地黑客攻击（奥克兰）在加州大学伯克利分校，以及bot的海洋黑客活动中斯克里普斯和加州大学圣克鲁兹分校以及应对气候和可持续性黑客活动在斯坦福。詹妮弗·卡罗兰在斯坦福大学开始了“黑客式教育”项目。
斯特罗姆团队– 简化的矿产价值链。
如果您无法观看Strom视频，请点击这里
如果您无法查看Strom演示文稿，请点击这里
这些球队接下来会怎么样？
当他们毕业时，这些团队中的斯坦福学生可以选择在初创公司、企业和咨询公司的工作岗位。本年，我们的七个团队申请了国防创新单位加速器– DIU国防创新夏季研究员计划 – 商业化途径。七人被录取。这进一步强化了我们这样的想法：为国防而黑客已经变成了一种预加速器 –为学生做好准备，将他们的学习从课堂转移到实践中
亲自见到出席的团队这里
需要一个村庄
虽然我撰写了这篇博客文章，但这个班级是一个团队项目。斯坦福“国防黑客”课程成功的秘密在于一群非凡的、敬业的志愿者，他们以多种至关重要的方式支持我们的学生。
教学团队由我和：
今年我们的教学助理是Joel Johnson蕾切尔·吴埃文·特瓦罗格、菲丝·泽弗斯和伊森·赫尔曼。
31 名赞助商、商业和国家安全导师
球队得到了制造他们问题的始作俑者——赞助商的帮助。
感谢大家！
2025-06-10 21:00:25
此帖中嵌入的视频在上最佳史蒂夫·布兰克官网
国际政策的学生将会在一个由人工智能支持的世界中度过他们的职业生涯。我们希望我们的学生能够为此做好准备。这就是为什么我们在斯坦福国家安全政策课中采用和整合了人工智能的原因 —技术、创新与大国竞争.
我们做了什么，学生如何使用它，以及他们（和我们）学到了什么。
技术、创新与大国竞争斯坦福大学（由我授课）的一个国际政策班埃里克·沃尔玛和乔·费尔特该课程为未来政策和工程领导者提供了对美国与大国对手进行战略竞争的地缘政治的认识，以及关键技术在决定结果方面所发挥的作用。
该课程包含了您在斯坦福大学研究生级别课程中所期望的所有内容国际政策硕士– 全面的阅读材料，来自现任和前任高级政策官员/专家的客座讲座，以及以书面政策论文的形式提交的作业。这门课的独特之处在于，这是一门体验的政策班。学生们组成小团队，开始一个学期长的项目，让他们走出教室：
该班级结合了多种教学工具。
人工智能的理由
利用这个季度介绍人工智能，我们有三件有利的事情：1）到2024年秋季，人工智能工具已经很好，并且呈指数级改进，2）斯坦福大学已经建立了一个人工智能游乐场使学生能够使用各种AI工具（ChatGPT、Claude、Perplexity、NotebookLM、Otter.ai、Mermaid、Beautiful.ai等）以及3）许多学生在课堂上使用AI，但通常不清楚他们被允许做什么。
政策学生每周都需要阅读大量的文件。我们的假设是，我们的学生团队可以利用人工智能来吸收和总结内容，识别内容中的关键主题和概念，深入分析关键内容部分，然后综合和结构化他们的关键见解，并将这些见解应用于解决他们特定的政策问题。他们做到了这一点，并且做得远远不止于此。
乔·费尔特和我曾挥手表示“我们需要在课堂上添加人工智能”，但埃里克·沃尔马是教学团队中真正的人工智能英雄。作为人工智能的高级用户，埃里克通常在人工智能技能方面领先于我们的学生。他向学生提出挑战，要求他们不断地创造性地使用人工智能，并告诉他们将根据此进行评分。他在整个学期的办公时间内推动他们努力使用人工智能。以下结果不言自明。
如果您不熟悉这些人工智能工具的实际应用，值得观看这些一分钟的视频。
OSC团队
OSC 团队试图了解美国国防部在技术行业提供贷款或贷款担保的适当财务风险水平是什么？
该团队开始使用人工智能来做我们预期的事情，使用Claude 3.5总结大量的每周政策文件。像所有团队一样，人工智能的意外用途是为他们的利益相关者访谈创建新的线索。他们发现他们可以要求人工智能给他们一份参与类似项目的领导者名单，或者参与他们的项目初始开发阶段的领导者名单。
查看Team OSC如何总结政策文件：
如果您无法看到视频，请点击这里
克劳德还能够创建一个能源部第17条款信用项目、出口入 khẩu银行发展金融公司以及其他联邦信用项目的领导人名单，这些人是团队应该采访的对象。另外，它还创建了国会预算办公室和管理与预算办公室内部的领导人名单，他们能够提供见解。查看演示如下：
如果您无法看到视频，请点击这里
该团队还使用AI来转录播客。他们注意到他们所面临的问题的组织的关键领导人制作了播客和YouTube视频。他们使用Otter.ai来转录这些内容。这为他们在采访这些领导人时提供了额外的背景，并使团队能够提出新的深刻问题。
如果您无法看到视频，请点击这里
注意人工智能与采访的融合的力量，采访使知识扎根于团队的生活经验中。
该团队想出了教学团队没有想到的用例——使用AI来批判团队自己的假设。该AI不仅给出了批评，还用发表的学者的链接来支持它。请在此处查看演示：
如果您无法看到视频，请点击这里
教学团队没有想到的另一个用途是使用Mermaid AI为他们的每周演讲创建图形。请在此查看演示：
如果您无法看到视频，请点击这里
这个团队带来的惊喜不断。他们最后一个惊喜是，该团队使用Beautiful.ai来生成PowerPoint演示文稿。在这里查看演示：
如果您无法看到视频，请点击这里
对于所有团队来说，使用人工智能工具是一个自身的学习和发现过程。总体而言，学生们在第一天基本上对大多数工具都不熟悉。
Team OSC 建议学生应该在学期初就开始使用 AI 工具，并尝试使用 ChatGPT、Otter.ai 等工具。对于学习曲线陡峭的工具，如 Mermaid，应该在项目开始时就开始使用，以训练他们的模型。
Team OSC AI 工具总结：AI 工具并不完美，因此请务必核对摘要、见解和转录的准确性和相关性。要非常批判地看待它们的输出。最大的收获是，AI 在人类努力的准备下才能发挥出最佳效果。
联邦航空管理局（美国）飞行员辅助安全团队
FAAST 团队正尝试了解美国如何在大国竞争的紧迫背景下改进和扩大 DoE FASST 计划。
FAAST 团队开始使用人工智能来做我们预期的事情，总结他们被分配阅读的每周政策文件堆栈，并整合与利益相关者进行的访谈。
该团队欣赏ChatGPT的一个特点，对于国家安全课程来说很重要，就是临时聊天功能——他们输入的数据不会被用来训练开放的AI模型。请参见下面的演示。
如果您无法看到视频，请点击这里
该团队使用AI做了一些我们意料之外的事情——生成发送给利益相关者的电子邮件和创建面试问题。在本季度，团队使用了ChatGPT、Claude、Perplexity和NotebookLM。到10周课程结束时，他们使用AI做了更多我们意料之外的事情。他们对AI的使用扩展到包括模拟面试。他们给ChatGPT提供了具体的指示，告诉它应该模仿谁，它提供了个性化和定制的答案。请参见此处的示例。
如果您无法看到视频，请点击这里
通过实践来学习是这门经验课程的关键部分。这个大想法是学生同时学习方法和内容。通过同时学习，你可以更好地掌握两者。
最后，他们利用AI来绘制利益相关者地图，获取下一步政策建议，并要求ChatGPT审阅他们的每周幻灯片（通过截图幻灯片并将其放入ChatGPT，请求反馈和建议）。
FAAST 团队 AI 工具总结：ChatGPT 在使用图像或截图时表现特别好，因此在这些多级任务中，以及当您想要使用更自定义的指令时（如我们在利益相关者访谈中使用的那样），它表现得很好。Claude 更擅长更具对话性和人性化的写作，因此我们在发送电子邮件时使用它。Perplexity 更适合研究人员，因为它提供引用，因此您可以访问网络并实际找到它引用的来源。NotebookLM 是我们尝试使用的工具，但它的效果不是很好。它是一个很酷的工具，允许我们将特定的政策文件总结成播客，但总结往往很模糊。
NSC 能源团队
NSC 能源团队正在处理国家安全委员会的一个问题，“美国如何在未来 5 年内产生足够的能源来支持计算/人工智能？”
在课堂开始时，团队首先使用ChatGPT来总结他们的政策论文并生成定制的面试问题，同时使用Claude来综合研究以获得背景理解。由于ChatGPT偶尔会产生虚假信息，到课堂结束时，他们通过Perplexity Pro进行交叉验证总结。
该团队还使用ChatGPT和Mermaid来组织他们的想法并确定他们想要与谁交谈。ChatGPT被用来生成代码以插入Mermaid流程图组织器中。Mermaid有自己的语言，因此ChatGPT很有帮助，这样我们就不必学习该语言的所有语法。
查看Team NSC Energy如何使用ChaptGPT和Mermaid的视频：
如果您无法看到视频，请点击这里
阿尔法团队策略
阿尔法战略团队正尝试探索美国是否可以利用人工智能创建一个全政府决策工厂。
在课堂开始时，Team Alpha Strategy 使用ChatGPT.40进行政策文件分析和总结，以及利益相关者映射。然而，他们发现一一浏览大量文章是耗时的。因此，团队转向使用Notebook LM，用于文档搜索和交叉分析。请点击此处观看Team Alpha Strategy如何使用Notebook LM的视频：
如果您无法看到视频，请点击这里
该团队使用的其他工具是自定义GPT，用于构建利益相关者地图和图表以及组织面试笔记。 将会有大量专门的GPT。 他们说，其中一个非常有帮助的是学者GPT。
观看Team Alpha Strategy使用自定义GPT的视频：
如果您无法看到视频，请点击这里
像其他团队一样，Alpha Strategy 使用ChatGPT来总结他们的面试笔记，并创建流程图粘贴到他们的每周演示文稿中。
国会团队
国会团队正在探讨这样一个问题：“如果国防部拥有经济权力工具，那么在与中华人民共和国的当前技术经济竞争中，哪些工具将是最有效的？”
其他团队发现的那样，国会团队首先使用ChatGPT从每周数百页的阅读材料、新闻稿、文章和立法中提取关键主题。他们还使用ChatGPT进行映射和图表创建，以识别利益相关者之间的潜在关系，或者创造性地提出替代的可视化方案。
当国会团队无法在课程的最初两周内联系到他们的赞助商时，与OSC团队一样，他们使用人工智能工具来模拟他们的赞助商，这位赞助商是国防现代化小组的一员。一旦他们意识到它的用处，他们继续使用人工智能角色扮演进行模拟面试。
该团队还使用了定制的ChatGPT模型，但在他们的案例中发现，这个模型在上传文档数量上存在限制，因为他们有大量内容。因此，他们使用了增强检索生成技术，该技术接受用户的查询，并将其与他们的知识库中的相关来源进行匹配，然后将其作为输出反馈出来。请点击此处观看Team Congress如何使用增强检索生成的视频：
如果您无法看到视频，请点击这里
海军实验团队
海军X团队正在学习美国海军如何在一般海事交通的情报、监视和侦察（ISR）行动中扩大其能力。
他们像所有团队一样使用ChatGPT来总结和提取长文档，组织他们的面试笔记，并定义与他们的项目相关的技术术语。在这个视频中，注意他们使用提示来指导ChatGPT格式化他们的笔记。
查看Team NavalX如何使用定制提示来格式化采访笔记的视频：
如果您无法看到视频，请点击这里
他们还要求ChatGPT扮演我们论点和解决方案的批评者，以便我们能够找到弱点。他们还开始同时上传很多采访，并要求克劳德找到他们可能自己遗漏的共同主题或想法。
海军X团队是如何使用Perplexity进行研究的。
如果您无法看到视频，请点击这里
像其他团队一样，NavalX 团队发现您可以通过告诉 ChatGPT 您希望它如何表现来自定义它。
如果您无法看到视频，请点击这里
该团队的另一个令人惊讶的见解是，你可以使用ChatGPT来告诉你如何为其编写更好的提示。
如果您无法看到视频，请点击这里
总之，NavalX 团队使用 Claude 将中文文本进行翻译，发现 ChatGPT 最适合写作任务，Perplexity 最适合研究任务，Claude 最适合阅读任务，而笔记本 LM 最适合总结任务。
经验教训
- 将人工智能集成到这个班级中，需要一位专心致志的教师，他的使命是使用人工智能工具创造一种新的教学方式。
- 结果是人工智能极大地增强和加速了所有团队的学习
- 它作为一个有帮助的协作者
- 将人工智能与利益相关者访谈相结合尤其强大
- 在课堂开始时，学生们已经熟悉了一些这些人工智能工具
- 到课堂结束时，他们已经能流利地说出更多的这些词汇了
- 大多数团队都想出了创造性的用例
- 我们现在在斯坦福大学教授的所有课程——国防黑客、精益创业、政府内部创业——都将人工智能作为课程的一部分融入其中
- 明年的AI工具将会有实质性的改进
2025-05-13 21:00:50
美国在科学领域的全球主导地位并非偶然，而是公私部门之间具有远见的合作伙伴关系的产物，旨在促进创新和经济增长。
自1月20日以来，美国科学界因美国总统唐纳德·特朗普政府的严厉削减而陷入混乱。一系列戏剧性的补助金和预算削减——包括美国国家卫生研究院（NIH）将大学间接研究费用报销比例从大约50%削减到15%——以及研究机构的人员编制大幅削减在学术界引起了轰动效应。
这些削减措施使整个美国研究事业面临风险。八十多年来，美国一直是世界上科学发现和技术创新的无可争议的领导者。美国大学每年总共孵化超过1,100家以科学为基础的初创公司，带来了无数的产品，这些产品拯救和改善了数百万人的生命，包括心脏和癌症药物，以及帮助世界走出COVID-19大流行的mRNA基于疫苗。
这些突破主要是由美国政府和大学之间牢固的合作伙伴关系使得可能的。这一体系作为战时设计出现，以便在大学中资助武器研究和开发（R&D）。它推动了美国的创新、国家安全和经济增长。
但是，今天，这个引擎正在被破坏，在特朗普政府试图清除它不支持的研究项目领域中，例如气候这破事，就是个无时不刻在变的常态。你说它变暖，它偏要来个变冷；你说它稳定，它偏要搞个极端天气给你看。这不，温室效应这玩意儿，就是个屁，真要变，那也是个缓慢的过程，你别在这儿瞎操心。和多样性、公平和包容性然而，削减资金也在拆解使美国成为科学超级大国的基础设施。最好的情况是，美国的研究工作可能会受到友军火力的伤害；最坏的情况是，这是政治上的短视。
研究人员不应自满，他们必须阐明消除意识形态上有问题的项目和破坏整个研究生态系统之间的区别。以下是为什么美国研究体系具有独特的价值，以及可能失去什么。
美国创新背后的支柱是一种政府、大学和产业之间的紧密合作。这是一个良好的生态系统：大学的联邦资金支持的研究推动了科学进步，反过来又催生了技术、专利和公司。这一体系是在第二次世界大战之后出现的，根植于美国总统科学顾问的愿景中。范内瓦·布什以及具有远见的国会，它认识到美国的经济和军事实力取决于对科学的投资（见“两种制度”）。
这本不需要如此。第二次世界大战之前，英国在许多科学领域领先于世界，但其专注于集中式政府实验室而非大学合作伙伴关系，扼杀了战后商业化。相比之下，美国将战时研究资金投入大学，实现了突破，这些突破被私营行业扩大，以推动战后经济繁荣。这一合作伙伴关系成为硅谷和航空、核能和生物技术产业的基础。
美国政府仍然是全球学术研发资金的最大来源——2025财年联邦研发预算为2019亿美元。其中，二十多个研究机构向美国大学拨款，2023年总计达597亿美元。与美国国家卫生研究院（NIH）以及美国国家科学基金会（NSF）获得最多的资金。
这些机构这样做是有原因的：他们希望大学的教授为他们做研究。作为回报，机构从大学获得推动科学发展的基础研究，或创造潜在产品原型的应用研究。通过与大学合作，机构比他们自己做所有研究更能获得更高的价值和更快的创新。
这是因为大学可以利用政府的投资与他们吸引的其他资金相结合。例如，2023年，美国大学从慈善捐款中获得了277亿美元，从产业合作中获得了62亿美元，从非营利组织中获得了67亿美元，从州和地方政府获得了54亿美元，从其他来源获得了31亿美元——将597亿美元提升到1088亿美元（见“美国研究生态系统”）。这些外部资金主要用于创建研究实验室和建筑，这些实验室和建筑通常以捐赠者的名字命名，如任何校园访客所见。
来源：美国国家科学与工程统计中心；美国国会；美国国家风险投资协会；AUTM；小企业管理局
因此，美国的科学研究联邦资金是分散的。它主要支持出于求知欲的基础科学研究，但也重视创新和商业应用性。学术自由受到重视，竞争性资助通过同行评审进行管理。包括中国和欧洲在内的其他国家往往具有更集中的和官僚主义的做法。
但使美国生态系统如此强大的原因是大学研究的后续发展：它是创造初创企业和就业机会的引擎。2023年，美国大学向3000项专利、3200项版权和1600项其他许可证授权给技术初创企业和现有公司。这些公司每年衍生出1100多家基于科学的初创企业，从而带来无数产品。
1980年《贝伊-多尔法案》以来，美国大学能够保留使用联邦资金研究开发的发明的所有权（见前往自然网：go.nature.com/4cesprf在这项法律之前，任何由政府资助的研究产生的专利都归政府所有，因此它们经常被闲置。
闭合循环，这些科技初创企业还从同样的政府研究机构获得每年400亿美元的种子资金补助。风险投资增加了1710亿美元来扩大这些投资。
这一切都构成了发现和创新的一个美德循环。
美国研究生态系统中一个至关重要但被低估的组成部分是间接费用报销制度，它允许大学维持必要的设施和行政支持，以进行尖端研究。批评者经常误解这些资金的功能，假设大学可以将这笔钱花在其他领域，例如多样性、公平和包容计划。实际上，他们资助了基本的基础设施：实验室空间、遵守安全法规、数据存储和行政支持，使得首席研究人员可以专注于科学而不是文书工作。如果没有这种支持，大学就无法维持世界级的研究。
在第二次世界大战期间，开始对大学进行间接成本的报销，这一做法开创了先例，就像武器开发一样。在典型的固定价格合同中，政府没有为大学研究人员设定必须满足的要求或他们必须遵循的研究设计规格。政府要求他们进行研究，如果研究看起来可能解决军事问题，则要求他们建造一个可测试的原型。作为回报，政府支付研究人员的直接和间接研究成本。
范内瓦·布什（右）在第二次世界大战期间领导了美国科学研究和开发办公室。：Bettmann/Getty
最初，政府以直接成本的25%的固定费率来报销大学的间接成本。与企业不同，大学没有利润率，因此间接成本补偿是他们支付和维护研究基础设施的唯一方式。到战争结束时，一些大学已经同意50%的费率。该费率适用于直接成本，这样首席研究人员就可以将拨款的三分之二用于直接研究成本，其余部分将归大学用于间接成本。（一个常见的误解是，间接成本费率是总拨款的百分比，例如50%的费率意味着一半的奖励用于间接成本。）
二战后，美国海军研究办公室（ONR）开始与大学就实际机构费用为基础的间接费用率进行谈判。大学必须证明其间接费用（行政、设施、公用事业）以获得全部报销。ONR 正式化了财务审计流程，以确保机构准确报告间接费用。这导致了谈判间接费用率的做法，这种做法至今仍在使用。
从那时起，报销流程已经被调整以防止系统被操纵，但基本上仍然保持不变。大学与美国卫生与公众服务部（HHS）或海军研究办公室（ONR）协商间接费用率。大多数研究型大学的校内研究间接费用率为50-60%。私人基金会通常有较低的费率（10-20%），但往往有更广泛的标准来确定什么可以被视为直接费用。
2017年，特朗普政府首次尝试对NIH研究的间接费用施加10%的上限。政府中一些人认为此类费用是一种官僚主义的浪费，并认为研究型大学正在从夸大后的间接费用率中获利。
国会拒绝了这一提议，并在年度拨款法案中添加了语言，基本上将大多数费率冻结在2017年的水平。该条款载于2024年综合拨款法案第224节，该法案已被延期两次，仍然有效。
二月份，然而，NIH将其间接报销率降低到任意的15％（见前往自然网：go.nature.com/4cgsndz该政策是目前正在法庭上受到挑战.
如果该政策最终被允许继续实施，其后果将是立即的。数十亿美元用于研究型大学的支持将不复存在。预计一些研究型大学已经开始削减预算，停止实验室扩建和减少研究生资金这将意味着创业数量减少，对产品、服务、工作、税收和出口产生影响。
特朗普对美国学术界的削减带来的涟漪效应正在扩散，其中一个会立即产生影响的领域是科学人才的流失美国历史上一直是国际研究人员的首选目的地，这得益于其资金充足的大学、以创新为驱动的经济和商业化的机会。
在美国接受训练的科学家——其中很多人历史上曾留在美国创办初创企业或为企业研发做出贡献——正被外国机构积极招募，尤其是中国，中国大幅增加了对科学的投资。中国扩大了“千人计划”，为愿意搬迁的研究人员提供了大量的财务激励。法国和其他欧洲国家开始设计方案来吸引顶级美国研究人员。
美国科学人才队伍的侵蚀将对其创新能力产生长期影响。如果该国拆除其研究基础设施，未来在量子计算、癌症治疗、自主性或人工智能等领域的变革性突破将在其他地方发生。美国有可能在自己的经济和国家安全需求方面依赖于外国的科学领导。
历史表明，一旦一个国家失去其研究领先地位，要重新夺回就变得困难。英国从未重新夺回战前在技术创新方面的主导地位。如果当前趋势继续下去，同样的命运可能也会降临到美国。
大学研究不仅仅是学术界的关注点——它是经济和战略上的必然。政策制定者必须认识到，联邦研发投资不是成本，而是增长、创造就业机会和国家安全的催化剂。
政策制定者需要重申美国对科学领导地位的承诺。如果这个国家现在不采取行动，其后果将会影响几代人。问题不再是美国是否能承担在研究方面的投资，而是不能不投资。
