Google Docs
Evalyze Investor List.
Evalyze Investor List. 300+ Canada Websummit Investors 50 Top European Venture Capitals 50 Top Canadian Venture Capitals 50 Top US Venture Capitals 50 Top Middle East Venture Capitals 20 Top Canadian Accelerators/Incubators 20 Top Middle East Acc…
🚀 بیش از ۱۰۰۰ سرمایهگذار و منبع کاربردی برای فاندرهای ایرانی
💡 اگر کسی در مسیر راهاندازی استارتاپش در خارج از ایران هست و نمیدونه چطور باید سرمایهگذار یا شتابدهنده مناسب پیدا کنه، این مجموعه دقیقاً همون چیزی هست که نیاز داره.
مجموعهای از بیش از ۱۰۰۰ سرمایهگذار و منبع معتبر گردآوری شده تا بنیانگذاران بتونن راحتتر ارتباط بگیرن، یاد بگیرن و قدمهای بعدی رو محکمتر بردارن، فرقی نداره کجای دنیا خارج از ایران باشن.
موارد داخل این لیست:
این منابع بخشی از نسخه پولی پلتفرم Evalyze.ai هستن، اما برای حمایت از بنیانگذاران ایرانی در همه جای دنیا به اشتراک گذاشته شده تا پیدا کردن فرصتهای سرمایهگذاری کمی سادهتر بشه.
🔗 لینک دسترسی به این لیست.
@investingfund
💡 اگر کسی در مسیر راهاندازی استارتاپش در خارج از ایران هست و نمیدونه چطور باید سرمایهگذار یا شتابدهنده مناسب پیدا کنه، این مجموعه دقیقاً همون چیزی هست که نیاز داره.
مجموعهای از بیش از ۱۰۰۰ سرمایهگذار و منبع معتبر گردآوری شده تا بنیانگذاران بتونن راحتتر ارتباط بگیرن، یاد بگیرن و قدمهای بعدی رو محکمتر بردارن، فرقی نداره کجای دنیا خارج از ایران باشن.
موارد داخل این لیست:
✅ بیش از ۳۰۰ سرمایهگذار Websummit کانادا
✅ ۵۰ ویسی برتر اروپا
✅ ۵۰ ویسی برتر کانادا
✅ ۵۰ ویسی برتر آمریکا
✅ ۵۰ ویسی برتر خاورمیانه
✅ ۲۰ شتابدهنده و انکوباتور برتر کانادا
✅ ۲۰ شتابدهنده و انکوباتور برتر خاورمیانه
✅ ۲۰ شتابدهنده و انکوباتور برتر آمریکا
✅ ۵۰ سرمایهگذار فرشته برتر کانادا
✅ ۵۰ سرمایهگذار فرشته برتر آمریکا
✅ ۵۰ سرمایهگذار فرشته برتر اروپا
✅ بیش از ۱۰۰ ویسی مرحله سری A
✅ بیش از ۷۰ سرمایهگذار فرشته برتر خاورمیانه
این منابع بخشی از نسخه پولی پلتفرم Evalyze.ai هستن، اما برای حمایت از بنیانگذاران ایرانی در همه جای دنیا به اشتراک گذاشته شده تا پیدا کردن فرصتهای سرمایهگذاری کمی سادهتر بشه.
🔗 لینک دسترسی به این لیست.
@investingfund
❤41💯2🏆2👌1
⚽️ شرکتهای AI یا تیمهای حرفهای فوتبال؟
چطور محققان هوش مصنوعی به ستارههای میلیارد دلاری تبدیل شدن
💡تا چند سال پیش، دستمزدهای عجیب فقط مخصوص دنیای فوتبال بود. اما حالا محققا و مهندسای AI همون نقشی رو پیدا کردن که فوتبالیستهای معروف برای باشگاهها دارن: نماد قدرت، اعتبار و رقابت جهانی. این چند نمونه رو فقط بررسی کنیم:
🔸شرکت Meta برای جذب محققای ارشد AI بستههایی تا ۳۰۰ میلیون دلار تو ۴ سال پیشنهاد داده. برای «روومینگ پانگ» از اپل هم قراردادی ۲۰۰ میلیون دلاری رو میز گذاشتن.
مایکروسافت هم با سرمایهگذاریهای چند میلیارد دلاری داره تلاش میکنه OpenAI و تیم سم آلتمن رو حفظ کنه.
🔸گوگل فقط برای حقوق تیم Windsurf حدود ۲.۴ میلیارد دلار هزینه کرده.
همزمان Anthropic بیش از ۶ میلیارد دلار سرمایه تازه گرفته تا بهترین استعدادای AI رو سمت خودش بکشه.
🔸طبق گزارش Reuters، حقوق سالانه یه پژوهشگر ارشد AI تو سیلیکونولی بین ۲ تا ۲۰ میلیون دلاره. بعضی شرکتا مثل Thinking Machines Lab (استارتاپ جدید میرا موراتی) هم حقوق پایه ۵۰۰ هزار دلار و مشوقهای چندمیلیونی میدن.
📌 این رقابت فقط سر پول نیست. الان GPUها هم اندازه حقوق مهم شدن. زاکربرگ گفته بیشتر محققا دنبال دسترسی به هزاران GPU قدرتمند مثل Nvidia H100 و آزادی عمل تو تحقیق هستن.
برای همین Meta و مایکروسافت تو همین یک سال میلیاردها دلار صرف قرارداد ابری و خرید دیتاسنتر کردن تا زیرساخت بینظیری بسازن.
📌 شباهت این ماجرا با فوتبال خیلی جالبه:
▫️باشگاهها برای جذب بازیکن ستاره پول انتقال میدن. غولای فناوری برای جذب تیم تحقیقاتی کامل، قراردادهای چندمیلیاردی میبندن یا همون acqui-hire میکنن.
▫️شاید این اعداد عجیب باشه، اما وقتی یه مدل مثل GPT-4 میتونه سالی ۱.۵ میلیارد دلار درآمد داشته باشه، این سرمایهگذاری منطقی به نظر میاد.
▫️امروز محققای AI همون جایگاهی رو دارن که یه زمانی ستارههای فوتبال داشتن: قهرمانایی که آینده صنعت رو میسازن.
و این تازه شروع یه رقابت بزرگه.
▫️ شاید تا 5 سال پیش فکر نمیکردیم یک دانشمند کامپیوتر بتونه حقوقی مشابه کریستیانو رونالدو بگیره و حتی اگر روند سرمایهگذاریها ادامه پیدا کنه، این دستمزدها حتی از فوتبال هم جلو خواهد زد.
@investingfund
چطور محققان هوش مصنوعی به ستارههای میلیارد دلاری تبدیل شدن
💡تا چند سال پیش، دستمزدهای عجیب فقط مخصوص دنیای فوتبال بود. اما حالا محققا و مهندسای AI همون نقشی رو پیدا کردن که فوتبالیستهای معروف برای باشگاهها دارن: نماد قدرت، اعتبار و رقابت جهانی. این چند نمونه رو فقط بررسی کنیم:
🔸شرکت Meta برای جذب محققای ارشد AI بستههایی تا ۳۰۰ میلیون دلار تو ۴ سال پیشنهاد داده. برای «روومینگ پانگ» از اپل هم قراردادی ۲۰۰ میلیون دلاری رو میز گذاشتن.
مایکروسافت هم با سرمایهگذاریهای چند میلیارد دلاری داره تلاش میکنه OpenAI و تیم سم آلتمن رو حفظ کنه.
🔸گوگل فقط برای حقوق تیم Windsurf حدود ۲.۴ میلیارد دلار هزینه کرده.
همزمان Anthropic بیش از ۶ میلیارد دلار سرمایه تازه گرفته تا بهترین استعدادای AI رو سمت خودش بکشه.
🔸طبق گزارش Reuters، حقوق سالانه یه پژوهشگر ارشد AI تو سیلیکونولی بین ۲ تا ۲۰ میلیون دلاره. بعضی شرکتا مثل Thinking Machines Lab (استارتاپ جدید میرا موراتی) هم حقوق پایه ۵۰۰ هزار دلار و مشوقهای چندمیلیونی میدن.
📌 این رقابت فقط سر پول نیست. الان GPUها هم اندازه حقوق مهم شدن. زاکربرگ گفته بیشتر محققا دنبال دسترسی به هزاران GPU قدرتمند مثل Nvidia H100 و آزادی عمل تو تحقیق هستن.
برای همین Meta و مایکروسافت تو همین یک سال میلیاردها دلار صرف قرارداد ابری و خرید دیتاسنتر کردن تا زیرساخت بینظیری بسازن.
📌 شباهت این ماجرا با فوتبال خیلی جالبه:
▫️باشگاهها برای جذب بازیکن ستاره پول انتقال میدن. غولای فناوری برای جذب تیم تحقیقاتی کامل، قراردادهای چندمیلیاردی میبندن یا همون acqui-hire میکنن.
▫️شاید این اعداد عجیب باشه، اما وقتی یه مدل مثل GPT-4 میتونه سالی ۱.۵ میلیارد دلار درآمد داشته باشه، این سرمایهگذاری منطقی به نظر میاد.
▫️امروز محققای AI همون جایگاهی رو دارن که یه زمانی ستارههای فوتبال داشتن: قهرمانایی که آینده صنعت رو میسازن.
و این تازه شروع یه رقابت بزرگه.
▫️ شاید تا 5 سال پیش فکر نمیکردیم یک دانشمند کامپیوتر بتونه حقوقی مشابه کریستیانو رونالدو بگیره و حتی اگر روند سرمایهگذاریها ادامه پیدا کنه، این دستمزدها حتی از فوتبال هم جلو خواهد زد.
@investingfund
❤13👍3😱3👌3
🤖 نسخه جدید ChatGPT، عامل هوشمصنوعی مستقلی که قراره همهچیز رو تغییر بده.
💡به تازگی OpenAI قویترین نسخهی ChatGPT رو معرفی کرده: ChatGPT Agent
این نسخه دیگه فقط یه چتبات نیست، میتونه فکر کنه، توی وب بگرده، کار انجام بده و حتی وظایف پیچیده رو مستقل پیش ببره.
📌 چرا این نسخه مهمه؟
🔸چند ابزار مختلف رو یکی کرده: مرورگر وب، ترمینال، و اتصال به سرویسهایی مثل Gmail، Calendar، Google Drive و GitHub.
🔸 میتونه فرم پر کنه، ایمیل چک کنه، اسلاید بسازه، تحقیق کنه یا حتی یک گزارش کامل بده، همه در یک درخواست.
🔸 با دسترسی به تقویم و ایمیل شما، میتونه مثل یه دستیار واقعی برنامههاتون رو مدیریت کنه.
📌 چند کاربرد واقعی:
✅ مدیریت ایمیلها و مکاتبات کاری: ایمیلها رو بهصورت هوشمند خلاصه میکنه، پیشنهاد پاسخ میده، و حتی میتونه پیشنویس ایمیلهای حرفهای بنویسه.
✅ برنامهریزی جلسات و مدیریت تقویم: با اتصال به Google Calendar، میتونه زمانهای مناسب برای جلسات رو پیدا کنه، دعوتنامه ارسال کنه و تداخلهای زمانی رو بررسی کنه.
✅ تحلیل رقبا و ساخت گزارشهای تحلیلی: اطلاعات مربوط به رقبا رو از منابع مختلف جمعآوری میکنه، تحلیل میکنه و در قالب گزارش یا دک ارائه تحویل میده.
✅ ساخت اسلاید، گزارش و فایلهای مالی: از ساخت پاورپوینت و نمودار تا مدلسازی مالی و فایلهای اکسل، همه بهصورت خودکار و متناسب با نیاز کاربر تولید میشن.
✅ تعامل با وبسایتها: میتونه وارد سایتها بشه، فرمها رو پر کنه، اطلاعات رو بخونه یا ذخیره کنه و وظایف چندمرحلهای رو تا پایان انجام بده.
📍 اما نکته مهم برای استارتاپهای AI:
هر بار OpenAI یه آپدیت بزرگ میده، یه سری استارتاپها ساکت و بیسروصدا میمیرن. آخرین مورد؟ Manus.AI یه ابزار محبوب چینی که Agent-style بود، ولی حالا با انتشار این نسخه عملاً بلااستفاده خواهد شد.
پس اگه داری یه محصول AI میسازی، یه سوال ساده از خودت بپرس:
🔗 لینک ویدئوی معرفی کامل
@investingfund
💡به تازگی OpenAI قویترین نسخهی ChatGPT رو معرفی کرده: ChatGPT Agent
این نسخه دیگه فقط یه چتبات نیست، میتونه فکر کنه، توی وب بگرده، کار انجام بده و حتی وظایف پیچیده رو مستقل پیش ببره.
این یه نقطهی عطف جدیه. ChatGPT Agent یه دستیار نیمهخودکار هوشمنده که میتونه کارهای واقعی رو در دنیای واقعی انجام بده.
📌 چرا این نسخه مهمه؟
🔸چند ابزار مختلف رو یکی کرده: مرورگر وب، ترمینال، و اتصال به سرویسهایی مثل Gmail، Calendar، Google Drive و GitHub.
🔸 میتونه فرم پر کنه، ایمیل چک کنه، اسلاید بسازه، تحقیق کنه یا حتی یک گزارش کامل بده، همه در یک درخواست.
🔸 با دسترسی به تقویم و ایمیل شما، میتونه مثل یه دستیار واقعی برنامههاتون رو مدیریت کنه.
📌 چند کاربرد واقعی:
✅ مدیریت ایمیلها و مکاتبات کاری: ایمیلها رو بهصورت هوشمند خلاصه میکنه، پیشنهاد پاسخ میده، و حتی میتونه پیشنویس ایمیلهای حرفهای بنویسه.
✅ برنامهریزی جلسات و مدیریت تقویم: با اتصال به Google Calendar، میتونه زمانهای مناسب برای جلسات رو پیدا کنه، دعوتنامه ارسال کنه و تداخلهای زمانی رو بررسی کنه.
✅ تحلیل رقبا و ساخت گزارشهای تحلیلی: اطلاعات مربوط به رقبا رو از منابع مختلف جمعآوری میکنه، تحلیل میکنه و در قالب گزارش یا دک ارائه تحویل میده.
✅ ساخت اسلاید، گزارش و فایلهای مالی: از ساخت پاورپوینت و نمودار تا مدلسازی مالی و فایلهای اکسل، همه بهصورت خودکار و متناسب با نیاز کاربر تولید میشن.
✅ تعامل با وبسایتها: میتونه وارد سایتها بشه، فرمها رو پر کنه، اطلاعات رو بخونه یا ذخیره کنه و وظایف چندمرحلهای رو تا پایان انجام بده.
📍 اما نکته مهم برای استارتاپهای AI:
هر بار OpenAI یه آپدیت بزرگ میده، یه سری استارتاپها ساکت و بیسروصدا میمیرن. آخرین مورد؟ Manus.AI یه ابزار محبوب چینی که Agent-style بود، ولی حالا با انتشار این نسخه عملاً بلااستفاده خواهد شد.
پس اگه داری یه محصول AI میسازی، یه سوال ساده از خودت بپرس:
داری یه فیچر میسازی یا یه محصولی که با یه آپدیت ساده از طرف OpenAI نابود میشه؟
چون مزیت رقابتی واقعی، فقط ابزار نیست، بلکه اجرای قوی، دادهی خاص و حل یه مشکلیه که OpenAI هنوز براش وقت نذاشته.
🔗 لینک ویدئوی معرفی کامل
@investingfund
❤12👌8👍5👏1
💰آشنایی با بزرگترین امپراطوری بانکی دنیا؛ جیپی مورگان چیس
💡جیپی مورگان چیس الان رسماً به باارزشترین بانک دنیا تبدیل شده. ارزش بازارش توی جولای ۲۰۲۵ از مرز ۸۰۰ میلیارد دلار گذشته؛ یعنی از مجموع سه رقیب اصلیش یعنی، بانک آو آمریکا، سیتیگروپ و ولز فارگو هم فراتر رفته.
اما این فقط یه عدد بزرگ نیست، بلکه نشونهایه از اینکه چطور یه بانک میتونه با برنامهریزی درست، ریسکپذیری حسابشده و مدیریت قوی، به یه قدرت بیرقیب تبدیل بشه.
📌 چرا جیپی مورگان تا این اندازه جلوتر از رقباست؟
▫️ جیپی مورگان تقریباً توی همهی بخشهای بانکداری فعالیت میکنه؛ از حسابهای بانکی و کارت اعتباری گرفته تا وامهای تجاری، سرمایهگذاری و مشاوره مالی برای شرکتهای بزرگ.
▫️توی بیشتر از ۱۰۰ کشور حضور داره و تو خیلی از تصمیمهای اقتصادی جهانی نقش مستقیم داره.
▫️رهبری این بانک از سال ۲۰۰۵ دست جیمی دایمونه؛ مدیری که خیلیا قبولش دارن و تونسته بانک رو از چندتا بحران بزرگ عبور بده.
▫️این بانک یه استراتژی داره به اسم «ترازنامه دژ مستحکم»؛ یعنی همیشه منابع و ذخایر مالی کافی داره تا توی شرایط سخت ضربه نخوره.
▫️حسابی روی تکنولوژی سرمایهگذاری کرده؛ مثل هوش مصنوعی، امنیت سایبری و بانکداری دیجیتال، که باعث شده همیشه چند قدم از بقیه جلوتر باشه.
📍چه خدماتی این بانک رو متمایز کرده؟
جیپی مورگان فقط یه بانک نیست؛ از خدمات روزمره مثل حساب بانکی، وام و کارت اعتباری گرفته تا مشاوره برای شرکتهای بزرگ، همهچیز رو پوشش میده. این بانک تو عرضه اولیه سهام شرکتهایی مثل عربستان آرامکو، علیبابا و یوبیلبز نقش کلیدی داشته. همچنین در زمینهی مدیریت دارایی، خزانهداری بینالمللی و مشاوره مالی به دولتها هم جزو پیشروهاست. همین تنوع و تخصص باعث شده همیشه چند قدم جلوتر از بقیه باشه.
📌 سرمایهگذاری در تکنولوژی؛ رمز فاصلهی جیپی مورگان با رقبا
ارزش بازار جیپی مورگان حالا از مجموع سه رقیب بزرگ بعدیاش هم بیشتره؛ یکی از دلایلش تمرکز جدی روی فناوریه. این بانک هر سال بیش از ۱۵ میلیارد دلار روی تکنولوژی سرمایهگذاری میکنه. مثلاً پلتفرم پرداخت سریع JPM Coin برای تراکنشهای بینالمللی، یا ابزار تحلیلی مبتنی بر هوش مصنوعی LOXM در معاملات سهام، نمونههایی از این رویکرده. مسیر جیپی مورگان بهسمت بانکداری کاملاً دیجیتال و دادهمحوره؛ با هدف سرعت بیشتر، امنیت بالاتر و خدمات هوشمند برای مشتریهای جهانی.
@investingfund
💡جیپی مورگان چیس الان رسماً به باارزشترین بانک دنیا تبدیل شده. ارزش بازارش توی جولای ۲۰۲۵ از مرز ۸۰۰ میلیارد دلار گذشته؛ یعنی از مجموع سه رقیب اصلیش یعنی، بانک آو آمریکا، سیتیگروپ و ولز فارگو هم فراتر رفته.
اما این فقط یه عدد بزرگ نیست، بلکه نشونهایه از اینکه چطور یه بانک میتونه با برنامهریزی درست، ریسکپذیری حسابشده و مدیریت قوی، به یه قدرت بیرقیب تبدیل بشه.
📌 چرا جیپی مورگان تا این اندازه جلوتر از رقباست؟
▫️ جیپی مورگان تقریباً توی همهی بخشهای بانکداری فعالیت میکنه؛ از حسابهای بانکی و کارت اعتباری گرفته تا وامهای تجاری، سرمایهگذاری و مشاوره مالی برای شرکتهای بزرگ.
▫️توی بیشتر از ۱۰۰ کشور حضور داره و تو خیلی از تصمیمهای اقتصادی جهانی نقش مستقیم داره.
▫️رهبری این بانک از سال ۲۰۰۵ دست جیمی دایمونه؛ مدیری که خیلیا قبولش دارن و تونسته بانک رو از چندتا بحران بزرگ عبور بده.
▫️این بانک یه استراتژی داره به اسم «ترازنامه دژ مستحکم»؛ یعنی همیشه منابع و ذخایر مالی کافی داره تا توی شرایط سخت ضربه نخوره.
▫️حسابی روی تکنولوژی سرمایهگذاری کرده؛ مثل هوش مصنوعی، امنیت سایبری و بانکداری دیجیتال، که باعث شده همیشه چند قدم از بقیه جلوتر باشه.
📍چه خدماتی این بانک رو متمایز کرده؟
جیپی مورگان فقط یه بانک نیست؛ از خدمات روزمره مثل حساب بانکی، وام و کارت اعتباری گرفته تا مشاوره برای شرکتهای بزرگ، همهچیز رو پوشش میده. این بانک تو عرضه اولیه سهام شرکتهایی مثل عربستان آرامکو، علیبابا و یوبیلبز نقش کلیدی داشته. همچنین در زمینهی مدیریت دارایی، خزانهداری بینالمللی و مشاوره مالی به دولتها هم جزو پیشروهاست. همین تنوع و تخصص باعث شده همیشه چند قدم جلوتر از بقیه باشه.
به قول جیمی دایمون، مدیرعامل جیپی مورگان:
شما باید هر روز، دوباره شایستگی خود برای وجود داشتن را ثابت کنید.
📌 سرمایهگذاری در تکنولوژی؛ رمز فاصلهی جیپی مورگان با رقبا
ارزش بازار جیپی مورگان حالا از مجموع سه رقیب بزرگ بعدیاش هم بیشتره؛ یکی از دلایلش تمرکز جدی روی فناوریه. این بانک هر سال بیش از ۱۵ میلیارد دلار روی تکنولوژی سرمایهگذاری میکنه. مثلاً پلتفرم پرداخت سریع JPM Coin برای تراکنشهای بینالمللی، یا ابزار تحلیلی مبتنی بر هوش مصنوعی LOXM در معاملات سهام، نمونههایی از این رویکرده. مسیر جیپی مورگان بهسمت بانکداری کاملاً دیجیتال و دادهمحوره؛ با هدف سرعت بیشتر، امنیت بالاتر و خدمات هوشمند برای مشتریهای جهانی.
@investingfund
❤12👌4👍2
This media is not supported in your browser
VIEW IN TELEGRAM
🎞چطور میشه به یه ایده عالی برای استارتاپ رسید؟
💡سم آلتمن تو یه گفتوگو توی کانادا، با زبونی ساده توضیح میده چرا بیشتر استارتاپها شکست میخورن و ایده درست از کجا میاد. میگه نباید فقط برای اینکه استارتاپ بزنی، دنبال یه ایده بگردی. اینطوری فقط تحت فشاری و احتمال اینکه چیزی بیارزش بسازی خیلی زیاده.
یه جایی میگه:
📌 نکات مهم صحبتاش:
▫️خیلیها فکر میکنن ایده یعنی کپی چیزی که جواب داده. ولی ایده اصیل کمه و تقلید از بقیه معمولاً به جایی نمیرسه
▫️اگه بتونی مشکلی که خودت تو زندگی تجربه کردی رو حل کنی، احتمال اینکه ایده خوبی دربیاد خیلی بیشتره
▫️دنبال موجهای بزرگ تکنولوژی باش. اونایی که زودتر از بقیه سوار موج میشن، معمولاً برندهان
📍آلتمن میگه بهجای اینکه دنبال یه چیز ترند شده بری، سعی کن بفهمی موج بعدی کجاست. اگه همزمان با شروع اون موج، ایدهت رو اجرا کنی، موفقیت از تقلید نمیاد، از شجاعت تو انتخاب مسیر متفاوت میاد.
@investingfund
💡سم آلتمن تو یه گفتوگو توی کانادا، با زبونی ساده توضیح میده چرا بیشتر استارتاپها شکست میخورن و ایده درست از کجا میاد. میگه نباید فقط برای اینکه استارتاپ بزنی، دنبال یه ایده بگردی. اینطوری فقط تحت فشاری و احتمال اینکه چیزی بیارزش بسازی خیلی زیاده.
یه جایی میگه:
بهترین استارتاپها از جایی شروع میشن که کسی عمیقاً به یک ایده باور داره و فکر میکنه راه تحققش فقط ساختن یک استارتاپه
📌 نکات مهم صحبتاش:
▫️خیلیها فکر میکنن ایده یعنی کپی چیزی که جواب داده. ولی ایده اصیل کمه و تقلید از بقیه معمولاً به جایی نمیرسه
▫️اگه بتونی مشکلی که خودت تو زندگی تجربه کردی رو حل کنی، احتمال اینکه ایده خوبی دربیاد خیلی بیشتره
▫️دنبال موجهای بزرگ تکنولوژی باش. اونایی که زودتر از بقیه سوار موج میشن، معمولاً برندهان
📍آلتمن میگه بهجای اینکه دنبال یه چیز ترند شده بری، سعی کن بفهمی موج بعدی کجاست. اگه همزمان با شروع اون موج، ایدهت رو اجرا کنی، موفقیت از تقلید نمیاد، از شجاعت تو انتخاب مسیر متفاوت میاد.
@investingfund
❤29👍8👌3
This media is not supported in your browser
VIEW IN TELEGRAM
💎 درس مهم رهبری از جف بزوس: مهمترین فرهنگ در هر تیم، حقیقتگویی است
💡جف بزوس تو گفتوگویی با لکس فریدمن از یکی از پایهایترین اصول رهبری حرف میزنه: ایجاد فرهنگی که توش حقیقت گفته بشه، حتی وقتی شنیدنش سخت یا ناخوشاینده.
📌چند نکته مهم از نگاه بزوس:
▫️بذار اعضای تازهوارد یا جونیور اول نظر بدن، نه آخر
▫️اگه مدیر یا ارشد جلسهای هستی، آخر صحبت کن تا بقیه نظر واقعیشون رو بگن
▫️نظرات قوی وقتی ارزشمند میشن که پشتش دیتا یا تجربه باشه
▫️گاهی حتی یه حس یا داستان شخصی میتونه جرقه یه ایده خوب باشه
▫️خوشبینی بیش از حد میتونه خطرناک باشه، همیشه دنبال حقیقت باش حتی اگه تلخ باشه
📍بزوس یادآور میشه که رهبری واقعی یعنی ساختن فضایی که همه بتونن صادقانه نظر بدن، فارغ از جایگاه یا سابقه. وقتی اعضای تیم بدونن نظرشون شنیده میشه، اعتماد بالا میره و تصمیمهای درستتری گرفته میشن. اینجاست که تیم به جایگاه واقعی خودش میرسه.
@investingfund
💡جف بزوس تو گفتوگویی با لکس فریدمن از یکی از پایهایترین اصول رهبری حرف میزنه: ایجاد فرهنگی که توش حقیقت گفته بشه، حتی وقتی شنیدنش سخت یا ناخوشاینده.
هر تیمی که بخواد عملکرد بالایی داشته باشه، باید مکانیزمها و فرهنگی داشته باشه که از گفتن حقیقت پشتیبانی کنه.
📌چند نکته مهم از نگاه بزوس:
▫️بذار اعضای تازهوارد یا جونیور اول نظر بدن، نه آخر
▫️اگه مدیر یا ارشد جلسهای هستی، آخر صحبت کن تا بقیه نظر واقعیشون رو بگن
▫️نظرات قوی وقتی ارزشمند میشن که پشتش دیتا یا تجربه باشه
▫️گاهی حتی یه حس یا داستان شخصی میتونه جرقه یه ایده خوب باشه
▫️خوشبینی بیش از حد میتونه خطرناک باشه، همیشه دنبال حقیقت باش حتی اگه تلخ باشه
📍بزوس یادآور میشه که رهبری واقعی یعنی ساختن فضایی که همه بتونن صادقانه نظر بدن، فارغ از جایگاه یا سابقه. وقتی اعضای تیم بدونن نظرشون شنیده میشه، اعتماد بالا میره و تصمیمهای درستتری گرفته میشن. اینجاست که تیم به جایگاه واقعی خودش میرسه.
@investingfund
1❤14👍7👌4
📈 در خبری تکراری! OpenAI دوباره رکورد VC را شکست!
💡سم آلتمن و OpenAI دور جدید جذب سرمایه ۴۰ میلیارد دلاری خودش رو با لیدرشیپ سافتبنک باز کرده و حالا ارزشگذاری شرکت به ۳۰۰ میلیارد دلار رسیده یعنی نزدیک دو برابر در کمتر از 6 ماه!؛ بالاترین ارزش در بین استارتاپهای خصوصی.
📌 چند فکت آماری مهم از OpenAI
🔸 تا حالا ۱۰ میلیارد دلار جذب شده؛ ۷.۵ میلیارد از سافتبنک و ۲.۵ میلیارد از سرمایهگذاران دیگه
🔸 اگه تغییر ساختار شرکت تا آخر سال نهایی بشه، کل رقم به ۴۰ میلیارد میرسه
🔸تا امروز مجموع جذب سرمایه OpenAI به بیش از ۶۳ میلیارد دلار رسیده
🔸این شرکت بین ۴۰۰ تا ۵۰۰ میلیون کاربر فعال هفتگی داره و روزانه بیش از ۲.۵ میلیارد پیام رو پردازش میکنه
🔸درآمد ۲۰۲۴ حدود ۳.۷ میلیارد دلار بوده و برای ۲۰۲۵ بین ۱۲ تا ۱۳ میلیارد پیشبینی شده
🔸نرخ سوخت مالی سالانه ممکنه تا چند سال آینده به ۴۶ تا ۵۰ میلیارد دلار برسه و سوددهی تا حدود ۲۰۲۹ عقب بیفته
📍حالا OpenAI فقط در زمینه هوش مصنوعی پیشتاز نیست، تو جذب سرمایه هم رکورد میزنه. با این رشد سریع کاربرها، درآمدهای بزرگ و حمایت غولهای سرمایهگذاری، ه نظر میرسه آلتمن و تیمش مصممان تا هر چیزی که لازم باشه بسوزونن، فقط به شرطی که آینده رو بسازن.
@investingfund
💡سم آلتمن و OpenAI دور جدید جذب سرمایه ۴۰ میلیارد دلاری خودش رو با لیدرشیپ سافتبنک باز کرده و حالا ارزشگذاری شرکت به ۳۰۰ میلیارد دلار رسیده یعنی نزدیک دو برابر در کمتر از 6 ماه!؛ بالاترین ارزش در بین استارتاپهای خصوصی.
فرقی نداره سالی ۵۰۰ میلیون بسوزونیم یا ۵ میلیارد یا حتی ۵۰ میلیارد… تا وقتی که در مسیر ساختن ارزشی خیلی بیشتر از اون برای جامعه باشیم، مشکلی نیست.
— سم آلتمن
📌 چند فکت آماری مهم از OpenAI
🔸 تا حالا ۱۰ میلیارد دلار جذب شده؛ ۷.۵ میلیارد از سافتبنک و ۲.۵ میلیارد از سرمایهگذاران دیگه
🔸 اگه تغییر ساختار شرکت تا آخر سال نهایی بشه، کل رقم به ۴۰ میلیارد میرسه
🔸تا امروز مجموع جذب سرمایه OpenAI به بیش از ۶۳ میلیارد دلار رسیده
🔸این شرکت بین ۴۰۰ تا ۵۰۰ میلیون کاربر فعال هفتگی داره و روزانه بیش از ۲.۵ میلیارد پیام رو پردازش میکنه
🔸درآمد ۲۰۲۴ حدود ۳.۷ میلیارد دلار بوده و برای ۲۰۲۵ بین ۱۲ تا ۱۳ میلیارد پیشبینی شده
🔸نرخ سوخت مالی سالانه ممکنه تا چند سال آینده به ۴۶ تا ۵۰ میلیارد دلار برسه و سوددهی تا حدود ۲۰۲۹ عقب بیفته
📍حالا OpenAI فقط در زمینه هوش مصنوعی پیشتاز نیست، تو جذب سرمایه هم رکورد میزنه. با این رشد سریع کاربرها، درآمدهای بزرگ و حمایت غولهای سرمایهگذاری، ه نظر میرسه آلتمن و تیمش مصممان تا هر چیزی که لازم باشه بسوزونن، فقط به شرطی که آینده رو بسازن.
@investingfund
❤10🏆8👍1🤔1👌1
YouTube
Andrew Ng: Building Faster with AI
Andrew Ng on June 17, 2025 at AI Startup School in San Francisco.
Andrew Ng has helped shape some of the most influential movements in modern AI—from online education to deep learning to AI entrepreneurship.
In this talk, he shares what he’s learning now:…
Andrew Ng has helped shape some of the most influential movements in modern AI—from online education to deep learning to AI entrepreneurship.
In this talk, he shares what he’s learning now:…
🎥 چطور با هوش مصنوعی سریعتر استارتاپ بسازیم؟
💡در این ویدیوی ۴۴ دقیقهای از Startup School وایکامبینیتور، اندرو انگ، بنیانگذار Coursera و یکی از چهرههای اصلی دنیای AI، از تجربهی واقعی ساخت استارتاپها در AI Fund میگه؛ جایی که هر ماه با یک تیم جدید، یک استارتاپ واقعی راهاندازی میشه. صحبتهاش پر از نکات عملی برای کسانیه که میخوان در دنیای امروز، سریع و درست حرکت کنن.
✅ نکات مهمی که در این ویدیو یاد میگیریم:
▫️چرا لایهی اپلیکیشن در AI، جاییه که بزرگترین فرصتها هست، نه مدلهای بنیادی.
▫️مفهوم Agentic AI یعنی چی و چرا تغییر دهنده بازیه برای ساخت محصولهای دقیقتر با AI.
▫️چرا ایدهی مبهم مثل «بهبود سلامت با AI» خوب نیست، ولی ایدهای مثل «رزرو MRI با هوش مصنوعی» کار میکنه.
▫️چطور میشه با AI coding assistants ده برابر سریعتر MVP ساخت.
▫️تکنیکهای واقعی برای گرفتن سریع بازخورد از کاربر قبل از اینکه وقت و پول بسوزه.
▫️چرا در تیمهای موفق امروز، نسبت مدیر محصول به برنامهنویس داره برعکس میشه.
▫️خطر اصلی برای بنیانگذاران نه «هزینه توکن» یا «امنیت» بلکه ندانستن سرعت گرفتن با AIهست.
▫️نگرانی از اینکه AI شغلها رو میدزده یا منجر به آخرالزمان میشه، بیشتر یک «ابزار بازاریابی» برای کنترل بازار توسط غولهاست.
📌 چرا دیدن این ویدیو مهمه؟
چون مسیر ساختن استارتاپ در عصر AI رو با مثالهای واقعی نشون میده. بدون شعار و بدون اغراق. اگه کسی دنبال ساخت محصولیه که واقعا کار کنه و بتونه سریعتر تصمیم بگیره، این ویدیو براش یک نقطه شروع عالی هست.
🔗 لینک تماشا در یوتیوب
@investingfund
💡در این ویدیوی ۴۴ دقیقهای از Startup School وایکامبینیتور، اندرو انگ، بنیانگذار Coursera و یکی از چهرههای اصلی دنیای AI، از تجربهی واقعی ساخت استارتاپها در AI Fund میگه؛ جایی که هر ماه با یک تیم جدید، یک استارتاپ واقعی راهاندازی میشه. صحبتهاش پر از نکات عملی برای کسانیه که میخوان در دنیای امروز، سریع و درست حرکت کنن.
«ایدهی مبهم کلی تعریف میگیره، ولی ایدهی واضح زودتر ساخته میشه، حتی اگه شکست بخوره.»
✅ نکات مهمی که در این ویدیو یاد میگیریم:
▫️چرا لایهی اپلیکیشن در AI، جاییه که بزرگترین فرصتها هست، نه مدلهای بنیادی.
▫️مفهوم Agentic AI یعنی چی و چرا تغییر دهنده بازیه برای ساخت محصولهای دقیقتر با AI.
▫️چرا ایدهی مبهم مثل «بهبود سلامت با AI» خوب نیست، ولی ایدهای مثل «رزرو MRI با هوش مصنوعی» کار میکنه.
▫️چطور میشه با AI coding assistants ده برابر سریعتر MVP ساخت.
▫️تکنیکهای واقعی برای گرفتن سریع بازخورد از کاربر قبل از اینکه وقت و پول بسوزه.
▫️چرا در تیمهای موفق امروز، نسبت مدیر محصول به برنامهنویس داره برعکس میشه.
▫️خطر اصلی برای بنیانگذاران نه «هزینه توکن» یا «امنیت» بلکه ندانستن سرعت گرفتن با AIهست.
▫️نگرانی از اینکه AI شغلها رو میدزده یا منجر به آخرالزمان میشه، بیشتر یک «ابزار بازاریابی» برای کنترل بازار توسط غولهاست.
📌 چرا دیدن این ویدیو مهمه؟
چون مسیر ساختن استارتاپ در عصر AI رو با مثالهای واقعی نشون میده. بدون شعار و بدون اغراق. اگه کسی دنبال ساخت محصولیه که واقعا کار کنه و بتونه سریعتر تصمیم بگیره، این ویدیو براش یک نقطه شروع عالی هست.
🔗 لینک تماشا در یوتیوب
@investingfund
❤17👌7👍1
📈فیگما و IPO شگفتانگیز 68 میلیارد دلاری؛ وقتی فقط ساختن جواب میده
💡سال ۲۰۱۲، دو همدانشگاهی (Dylan Field و Evan Wallace) از دانشگاه براون انصراف دادن تا یه ایده بلندپروازانه رو دنبال کنن: طراحی تو مرورگر، بدون نیاز به نصب نرمافزار. چهار سال طول کشید تا فیگما بالاخره تو ۲۰۱۶ لانچ عمومی بشه، اما وقتی اومد، دنیای طراحی رو متحول کرد.
خیلی زود سرمایهگذارایی مثل Index، Greylock، Kleiner Perkins و Sequoia وارد شدن. تو ۲۰۲۲، ادوبی پیشنهاد خرید ۲۰ میلیارد دلاری داد، ولی رگولاتورها جلوشو گرفتن. معامله کنسل شد، فیگما یه میلیارد دلار غرامت گرفت و بهجای توقف، با قدرت بیشتر ادامه داد.
📊 چرا بازار عاشق فیگما شد؟
🔸تو ۲۰۲۴، فیگما ۷۴۹ میلیون دلار درآمد داشت و ۴۸٪ رشد سالانه.
🔸 نرخ نگهداشت مشتری ۱۳۲٪ بود؛ یعنی مشتریا بیشتر خرج میکردن.
🔸 حاشیه سودش بین ۸۸ تا ۹۰٪ بود ، خیلی نزدیک به ایدهآل Saas
🔸نزدیک به ۹۵٪ شرکتهای Fortune 500 ازش استفاده میکنن.
🔸بیش از ۱۳ میلیون کاربر فعال ماهانه داره که خودشون ابزار رو تبلیغ میکنن.
🔸 بدون تیم فروش رشد کرد؛ یه محصولی که خودش برای خودش فروش میکنه.
🔸 بعد IPO حدود ۱.۵۶ میلیارد دلار پول نقد داره برای سرمایهگذاری روی آینده، مخصوصاً هوش مصنوعی.
💸 بازدهی سرمایهگذارها: یه شرطبندی افسانهای
❇️ شرکت Index Ventures با فقط ۳.۹ میلیون دلار سرمایهگذاری اولیه روی فیگما، حدود ۷.۲ میلیارد دلار برگشت گرفت (بیش از ۱۸۰۰ برابر!).
❇️ شرکت Greylock با سرمایهگذاری سری A به حدود ۶.۷ میلیارد دلار رسید.
❇️ ویسیهای Kleiner Perkins و Sequoia هم هرکدوم چند میلیارد دلاری سود کردن.
❇️ دیلن فیلد، مدیرعامل فیگما هم هنوز حدود ۶.۳ میلیارد دلار سهم داره.
📌 فیگما دنبال ترند نرفت، دنبال تخفیف نرفت، فقط ساخت، یه محصولی که مردم عاشقش بشن. تمرکز، صبر، و گوش دادن به کاربرها باعث شد به یکی از موفقترین IPOهای دهه تبدیل بشه. حالا که Canva هم در آستانه IPO هست، سال ۲۰۲۵ قراره سال درخشش ابزارهای طراحی بشه. و نکتهای که باید یاد گرفت اینکه؛ محصولی که مردم واقعاً دوستش دارند، آخرش برنده میشه.
@investingfund
💡سال ۲۰۱۲، دو همدانشگاهی (Dylan Field و Evan Wallace) از دانشگاه براون انصراف دادن تا یه ایده بلندپروازانه رو دنبال کنن: طراحی تو مرورگر، بدون نیاز به نصب نرمافزار. چهار سال طول کشید تا فیگما بالاخره تو ۲۰۱۶ لانچ عمومی بشه، اما وقتی اومد، دنیای طراحی رو متحول کرد.
خیلی زود سرمایهگذارایی مثل Index، Greylock، Kleiner Perkins و Sequoia وارد شدن. تو ۲۰۲۲، ادوبی پیشنهاد خرید ۲۰ میلیارد دلاری داد، ولی رگولاتورها جلوشو گرفتن. معامله کنسل شد، فیگما یه میلیارد دلار غرامت گرفت و بهجای توقف، با قدرت بیشتر ادامه داد.
سهام فیگما در بورس نیویورک روز اول عرضه اولیه ۲۵۰٪ رشد کرد و با قیمت ۱۱۵.۵۰ دلار بسته شد. ارزش شرکت رسید به ۶۸ میلیارد دلار.
📊 چرا بازار عاشق فیگما شد؟
🔸تو ۲۰۲۴، فیگما ۷۴۹ میلیون دلار درآمد داشت و ۴۸٪ رشد سالانه.
🔸 نرخ نگهداشت مشتری ۱۳۲٪ بود؛ یعنی مشتریا بیشتر خرج میکردن.
🔸 حاشیه سودش بین ۸۸ تا ۹۰٪ بود ، خیلی نزدیک به ایدهآل Saas
🔸نزدیک به ۹۵٪ شرکتهای Fortune 500 ازش استفاده میکنن.
🔸بیش از ۱۳ میلیون کاربر فعال ماهانه داره که خودشون ابزار رو تبلیغ میکنن.
🔸 بدون تیم فروش رشد کرد؛ یه محصولی که خودش برای خودش فروش میکنه.
🔸 بعد IPO حدود ۱.۵۶ میلیارد دلار پول نقد داره برای سرمایهگذاری روی آینده، مخصوصاً هوش مصنوعی.
💸 بازدهی سرمایهگذارها: یه شرطبندی افسانهای
❇️ شرکت Index Ventures با فقط ۳.۹ میلیون دلار سرمایهگذاری اولیه روی فیگما، حدود ۷.۲ میلیارد دلار برگشت گرفت (بیش از ۱۸۰۰ برابر!).
❇️ شرکت Greylock با سرمایهگذاری سری A به حدود ۶.۷ میلیارد دلار رسید.
❇️ ویسیهای Kleiner Perkins و Sequoia هم هرکدوم چند میلیارد دلاری سود کردن.
❇️ دیلن فیلد، مدیرعامل فیگما هم هنوز حدود ۶.۳ میلیارد دلار سهم داره.
📌 فیگما دنبال ترند نرفت، دنبال تخفیف نرفت، فقط ساخت، یه محصولی که مردم عاشقش بشن. تمرکز، صبر، و گوش دادن به کاربرها باعث شد به یکی از موفقترین IPOهای دهه تبدیل بشه. حالا که Canva هم در آستانه IPO هست، سال ۲۰۲۵ قراره سال درخشش ابزارهای طراحی بشه. و نکتهای که باید یاد گرفت اینکه؛ محصولی که مردم واقعاً دوستش دارند، آخرش برنده میشه.
@investingfund
❤25🔥8👌4👍2👏1
🚀 روند سرمایهگذاری VC در سهماهه دوم ۲۰۲۵: سرمایههای بزرگ، معاملات کمتر و موج جدید هوش مصنوعی و فناوریهای پیشرفته
💡گزارش جدید CB Insights با عنوان وضعیت سرمایهگذاری ریسکپذیر در Q2 2025 نشون میده که سرمایهگذارها دارن با دقت بیشتری پول خرج میکنن. سرمایه همچنان توی جریان هست ولی بیشتر داره سمت استارتاپهای باتجربهتر و مراحل بالاتر میره. برای تیمهایی که تازه شروع کردن، شرایط سختتر شده.
📊 نکات کلیدی گزارش:
🔸 ۹۴.۶ میلیارد دلار سرمایه جذب شده و سومین فصل پیاپی با سرمایهگذاری بالای ۹۰ میلیارد دلار ثبت شده.
🔸 فقط ۶۰۲۸ معامله انجام شده که نشون میده تعداد معاملات به پایینترین سطح توی ۹ سال گذشته رسیده.
🔸 سرمایهگذاری روی هوش مصنوعی به ۴۷.۳ میلیارد دلار رسیده و سایز میانه معاملاتش ۴.۶ میلیون دلار بوده (بالاتر از میانگین کلی بازار یعنی ۳.۵ میلیون دلار).
🔸 فناوریهای پیشرفته (Hard Tech) برگشتن به صحنه — ۶ تا از ۱۰ معامله بزرگ فصل توی این حوزه بودن که مجموعاً ۸.۷ میلیارد دلار جذب کردن.
🔸 ۶۱٪ از سرمایهها رفته سمت مگاراندهها (بالای ۱۰۰ میلیون دلار) که نسبت به دو سال پیش رشد چشمگیریه.
🔸 معاملات مراحل ابتدایی ۶۴٪ کاهش داشته که نشون میده تمرکز رفته سمت استارتاپهای رشد یافتهتر.
🔸 سرمایهگذاریهای CVC ۸٪ افت کرده ولی همکاری بین چند تا CVC به رکورد ۳۲٪ رسیده.
🔸 ۳۲ یونیکورن جدید متولد شدن — از جمله Thinking Machines Lab با ارزش ۱۰ میلیارد دلار و Scale AI با ارزش ۳۰.۲ میلیارد دلار.
📍بازار VC هنوز فعاله، ولی دیگه مثل قبل نیست. سرمایهگذارها با دقت بیشتری پول میدن، بیشتر هم سراغ استارتاپهایی میرن که پختهترن و تو حوزههایی مثل AI و فناوریهای زیربنایی کار میکنن. برای استارتاپهای تازهکار، الان باید قوی و مشخص ظاهر شد و ارزش واقعی رو نشون داد.
🔗 لینک گزارش کامل CB Insights
@investingfund
💡گزارش جدید CB Insights با عنوان وضعیت سرمایهگذاری ریسکپذیر در Q2 2025 نشون میده که سرمایهگذارها دارن با دقت بیشتری پول خرج میکنن. سرمایه همچنان توی جریان هست ولی بیشتر داره سمت استارتاپهای باتجربهتر و مراحل بالاتر میره. برای تیمهایی که تازه شروع کردن، شرایط سختتر شده.
«تأمین مالی جهانی در Q2 به ۹۴.۶ میلیارد دلار رسید، در حالی که تعداد معاملات افت کرده و به پایینترین سطح از ۲۰۱۶ رسیده. سهم مراحل اولیه هم فقط ۶۴٪ از کل معاملات بود.»
📊 نکات کلیدی گزارش:
🔸 ۹۴.۶ میلیارد دلار سرمایه جذب شده و سومین فصل پیاپی با سرمایهگذاری بالای ۹۰ میلیارد دلار ثبت شده.
🔸 فقط ۶۰۲۸ معامله انجام شده که نشون میده تعداد معاملات به پایینترین سطح توی ۹ سال گذشته رسیده.
🔸 سرمایهگذاری روی هوش مصنوعی به ۴۷.۳ میلیارد دلار رسیده و سایز میانه معاملاتش ۴.۶ میلیون دلار بوده (بالاتر از میانگین کلی بازار یعنی ۳.۵ میلیون دلار).
🔸 فناوریهای پیشرفته (Hard Tech) برگشتن به صحنه — ۶ تا از ۱۰ معامله بزرگ فصل توی این حوزه بودن که مجموعاً ۸.۷ میلیارد دلار جذب کردن.
🔸 ۶۱٪ از سرمایهها رفته سمت مگاراندهها (بالای ۱۰۰ میلیون دلار) که نسبت به دو سال پیش رشد چشمگیریه.
🔸 معاملات مراحل ابتدایی ۶۴٪ کاهش داشته که نشون میده تمرکز رفته سمت استارتاپهای رشد یافتهتر.
🔸 سرمایهگذاریهای CVC ۸٪ افت کرده ولی همکاری بین چند تا CVC به رکورد ۳۲٪ رسیده.
🔸 ۳۲ یونیکورن جدید متولد شدن — از جمله Thinking Machines Lab با ارزش ۱۰ میلیارد دلار و Scale AI با ارزش ۳۰.۲ میلیارد دلار.
📍بازار VC هنوز فعاله، ولی دیگه مثل قبل نیست. سرمایهگذارها با دقت بیشتری پول میدن، بیشتر هم سراغ استارتاپهایی میرن که پختهترن و تو حوزههایی مثل AI و فناوریهای زیربنایی کار میکنن. برای استارتاپهای تازهکار، الان باید قوی و مشخص ظاهر شد و ارزش واقعی رو نشون داد.
🔗 لینک گزارش کامل CB Insights
@investingfund
❤12👍4
Media is too big
VIEW IN TELEGRAM
🤖 ساخت اسلاید و پیچدک رایگان فقط با یک پرامپت!
آشنایی با هوش مصنوعی جدید و قدرتمند چینی Z.ai
💡 مدل زبانی جدیدی به صورت Open Source توسط چینیها به اسم GLM-4.5 به تازگی معرفی شد که از طریق Z.ai در دسترس هست که قابلیتهای جالبی داره.
📌 چند ویژگی منحصر به فرد این ابزار:
🔸 اولا اینکه کاملا Open Source و رایگان برای یوزرهای عادی هست، از لحاظ قدرت با ChatGPT 4o قابل مقایسه است.
🔸 به صورت آفلاین داخل گوشی قابل ران شدن هستش، به طور کلی آپشن آفلاین جذابی رو در اختیار کاربران قرار میده.
🔸 سیستم جالب Multi Agentic داره که با یک پرامپت و چت همزمان چندین کار انجام میده، از سرچ کردن و فک کردن تا ساختن اسلاید!
🔸 و مهمترین و جذابترین کاربردش به نظر من ساختن اسلایدهای خوب هست، یک پرامپت مثل ویدئو کافی هست که اسلایدها رو با سرچ و فک کردن و تصاویر مرتبط آماده کردن اسلایدها رو میسازه که دوباره با پرامپت قابلیت ادیت داره.
🔸همچنین یک ابزار به اسم Magic Design داره که تصاویر با نوشتار جالبی رو میشه باهاش ساخت به طور کلی تمرکز ویژه این مدل در طراحی و دیزاین مشهود هست.
🔗 برای تست ازین لینک میتونید استفاده کنید.
@investingfund
آشنایی با هوش مصنوعی جدید و قدرتمند چینی Z.ai
💡 مدل زبانی جدیدی به صورت Open Source توسط چینیها به اسم GLM-4.5 به تازگی معرفی شد که از طریق Z.ai در دسترس هست که قابلیتهای جالبی داره.
📌 چند ویژگی منحصر به فرد این ابزار:
🔸 اولا اینکه کاملا Open Source و رایگان برای یوزرهای عادی هست، از لحاظ قدرت با ChatGPT 4o قابل مقایسه است.
🔸 به صورت آفلاین داخل گوشی قابل ران شدن هستش، به طور کلی آپشن آفلاین جذابی رو در اختیار کاربران قرار میده.
🔸 سیستم جالب Multi Agentic داره که با یک پرامپت و چت همزمان چندین کار انجام میده، از سرچ کردن و فک کردن تا ساختن اسلاید!
🔸 و مهمترین و جذابترین کاربردش به نظر من ساختن اسلایدهای خوب هست، یک پرامپت مثل ویدئو کافی هست که اسلایدها رو با سرچ و فک کردن و تصاویر مرتبط آماده کردن اسلایدها رو میسازه که دوباره با پرامپت قابلیت ادیت داره.
🔸همچنین یک ابزار به اسم Magic Design داره که تصاویر با نوشتار جالبی رو میشه باهاش ساخت به طور کلی تمرکز ویژه این مدل در طراحی و دیزاین مشهود هست.
🔗 برای تست ازین لینک میتونید استفاده کنید.
@investingfund
❤9👍6👌3
🚀 سرعت رشد دیوانهوار مدلهای AI!
دو هفتهی گذشته یکی از هیجانانگیزترین دورهها در تاریخ هوش مصنوعی بوده و چندین محصول مهم تازه معرفی شده که مرز تواناییهای این تکنولوژی رو جابهجا کرده.
✨ مهمترین معرفیها:
🔹 رونمایی سمآلتمن از GPT-5 و gpt-oss
بزرگترین خبر این روزها GPT-5 هست، جدیدترین مدل پرچمدار OpenAI. نسبت به نسخهی قبلی، پیشرفت چشمگیری در دقت، استدلال و انعطافپذیری داره. میتونه مکالمههای خیلی طولانی یا پروژههای پیچیده رو بدون گم کردن موضوع ادامه بده و برای استفادههای واقعی قابل اعتمادتره.
تفاوتهای مهم GPT-5 نسبت به نسل قبل:
🔹 رونمایی ایلان ماست از Grok Imagine
محصول جدید از xAI که گفتوگوی هوشمند رو با تولید تصویر باکیفیت ترکیب میکنه و همه این کارها رو در یک جریان انجام میده.
🔹 مدل جدید Claude Opus 4.1
بهترین مدل Anthropic که در استدلال و حل مسائل ساختاری، رقیب جدی GPT-5 محسوب میشه و تمرکز زیادی روی ایمنی و دقت داره.
🔹گوگل با Genie 3
دستاورد بزرگ Google DeepMind در شبیهسازی مولد. متن ساده رو به دنیاهای سهبعدی تعاملی و محیطهای چندکاراکتری تبدیل میکنه.
🔹و ElevenLabs Music
آهنگ کامل با وکال، هارمونی و سازبندی رو فقط از یک توضیح کوتاه میسازه و کل فرایند تولید موسیقی رو چند دقیقهای انجام میده.
📌 در حال حرکت به سمت هوش مصنوعی چندوجهی کامل هستیم که متن، تصویر، صدا، ویدئو و کد رو یکجا پردازش میکنه. قابلیتهای خودکار و عاملمحور بیشتر میشه و این مدلها میتونن تحقیق، برنامهریزی و اجرای وظایف پیچیده رو با کمترین هدایت انسانی انجام بدن. مدلهای متنباز هم سریع دارن فاصله رو جبران میکنن و احتمالاً دستیارهای شخصی هوش مصنوعی خیلی زود مثل گوشی هوشمند همهگیر میشن.
@Investingfund
دو هفتهی گذشته یکی از هیجانانگیزترین دورهها در تاریخ هوش مصنوعی بوده و چندین محصول مهم تازه معرفی شده که مرز تواناییهای این تکنولوژی رو جابهجا کرده.
✨ مهمترین معرفیها:
🔹 رونمایی سمآلتمن از GPT-5 و gpt-oss
بزرگترین خبر این روزها GPT-5 هست، جدیدترین مدل پرچمدار OpenAI. نسبت به نسخهی قبلی، پیشرفت چشمگیری در دقت، استدلال و انعطافپذیری داره. میتونه مکالمههای خیلی طولانی یا پروژههای پیچیده رو بدون گم کردن موضوع ادامه بده و برای استفادههای واقعی قابل اعتمادتره.
تفاوتهای مهم GPT-5 نسبت به نسل قبل:
• افزایش ظرفیت حافظه مکالمه به ۲۵۶ هزار توکن (تقریباً دو برابر GPT-4 Turbo)
• حدود ۳۰٪ دقت بیشتر در تستهای داخلی و عمومی
• پاسخدهی ۵۰٪ سریعتر در وظایف چندمرحلهای و سنگین
• هماهنگی بهتر با لحن و سبک دلخواه کاربر، حتی در مکالمات طولانی
• توانایی بالاتر در استدلال چندمرحلهای و اصلاح اشتباهات حین انجام کار
• عملکرد دقیقتر در ترکیب متن و تصویر
همراه با GPT-5، نسخه gpt-oss هم ارائه شده که نشون میده OpenAI تلاش داره بازار OpenSource رو هم تصاحب کنه.
🔹 رونمایی ایلان ماست از Grok Imagine
محصول جدید از xAI که گفتوگوی هوشمند رو با تولید تصویر باکیفیت ترکیب میکنه و همه این کارها رو در یک جریان انجام میده.
🔹 مدل جدید Claude Opus 4.1
بهترین مدل Anthropic که در استدلال و حل مسائل ساختاری، رقیب جدی GPT-5 محسوب میشه و تمرکز زیادی روی ایمنی و دقت داره.
🔹گوگل با Genie 3
دستاورد بزرگ Google DeepMind در شبیهسازی مولد. متن ساده رو به دنیاهای سهبعدی تعاملی و محیطهای چندکاراکتری تبدیل میکنه.
🔹و ElevenLabs Music
آهنگ کامل با وکال، هارمونی و سازبندی رو فقط از یک توضیح کوتاه میسازه و کل فرایند تولید موسیقی رو چند دقیقهای انجام میده.
📌 در حال حرکت به سمت هوش مصنوعی چندوجهی کامل هستیم که متن، تصویر، صدا، ویدئو و کد رو یکجا پردازش میکنه. قابلیتهای خودکار و عاملمحور بیشتر میشه و این مدلها میتونن تحقیق، برنامهریزی و اجرای وظایف پیچیده رو با کمترین هدایت انسانی انجام بدن. مدلهای متنباز هم سریع دارن فاصله رو جبران میکنن و احتمالاً دستیارهای شخصی هوش مصنوعی خیلی زود مثل گوشی هوشمند همهگیر میشن.
توصیه شخصی: پرامپتهای قبلیتون در chatGPT رو مجددا از GPT 5 بپرسید متوجه تفاوت عمیق به خصوص در سرعت و مهمتر ازون کیفیت نوشتار میشید!
@Investingfund
❤15👍6🙏1
🟠 ایدههای جذاب استارتاپی پاییز ۲۰۲۵
فراخوان جدید Y Combinator برای استارتاپهای AI-First
💡اخیرا Y Combinator توی فراخوان پاییز ۲۰۲۵ میگه که دیگه دوران اثبات تواناییهای هوش مصنوعی تموم شده و الان وقتشه که محصولات رو از روز اول با هستهی AI-First ساخت. این شش محور رو بهعنوان مهمترین فرصتهای الان معرفی کرده و میتونه نقطه شروع جدی برای هر تیمی باشه.
🟧 بازآموزی نیروی کار برای اقتصاد هوش مصنوعی (Retraining Workers)
کمبود نیروی ماهر تو رشتههایی مثل برقکاری، جوشکاری، HVAC و اپراتوری صنعتی برای ساخت دیتاسنترها و خطوط تولید پیشرفته، داره تبدیل به یه چالش جدی میشه. راهحل اینه که پلتفرمهای آموزشی ساخته بشه که با ویدیو، صدا و بینایی ماشین، بازخورد لحظهای بدن و با AR/VR، مهارتها رو شبیهسازی و ارزیابی کنن.
مثال: مربی AR جوشکاری که عملکرد هنرجو رو آنالیز میکنه، گواهی مهارتی میده و مستقیم وصلش میکنه به کارفرما.
مشتریان هدف: پیمانکارای دیتاسنتر، اپراتورای ابری، مراکز آموزش فنی و نهادهای دولتی محلی.
🟧 ویدیو بهعنوان زیربنای نرمافزار (Video Generation as a Primitive)
تولید ویدیو الان رسیده به جایی که میشه محتوای باکیفیت و شخصیسازیشده رو تو چند ثانیه و با هزینه کم ساخت. این اتفاق باعث میشه ویدیو تبدیل به یکی از پایههای نرمافزار بشه و بازارهایی مثل رسانه، خرید آنلاین، گیمینگ، آموزش و شبیهسازی رو زیر و رو کنه.
مثال: اتاق پرو ویدیویی که کاربر و لباس رو تو هر محیطی نشون میده یا سیستم استیجینگ خودکار ملک با مبلمان واقعی کاربر.
مشتریان هدف: فروشگاههای آنلاین، پلتفرمهای املاک، شرکتهای تبلیغاتی و توسعهدهندههای بازی.
🟧 شرکت ۱۰ نفره با ارزش ۱۰۰ میلیارد دلار (The 10-Person, $100B Company)
هوش مصنوعی این فرصت رو داده که تیمهای کوچیک بتونن به بهرهوری و درآمدی برسن که قبلاً فقط سازمانهای بزرگ میتونستن. شاخص اصلی این مدل «درآمد به ازای هر نفر» هست و برای موفقیت باید فروش، پشتیبانی، عملیات و R&D رو کامل خودکار کرد.
مثال: پلتفرمی که ۸۰٪ آنبوردینگ، خدمات مشتری و تحلیل داده رو ایجنتها انجام میدن و یه تیم ۱۰ نفره هزاران مشتری رو مدیریت میکنه.
حوزههای مناسب: SaaS عمودی، فینتک B2B، زیرساختهای API و ابزارهای تصمیمگیری خودکار.
🟧 زیرساخت برای سیستمهای چندایجنتی (Infrastructure for Multi-Agent Systems)
کاربردهای AI از یه ایجنت ساده گذشته و رسیده به ناوگانی از ایجنتها که با هم کار میکنن. برای این کار، نیاز به زیرساختهایی هست که بتونه هماهنگی، امنیت کانتکست، مدیریت مموری و کنترل هزینه رو هندل کنه.
مثال: پلتفرم «AgentOps» با نسخهبندی پرامپت، sandbox ایمن، مانیتورینگ زنده و کنترل هزینه مرحلهای برای صدها هزار زیردستیار.
مشتریان هدف: تیمهای دیتا، واحدهای تحقیق و توسعه و شرکتهایی با عملیات پیچیده.
🟧 نرمافزار سازمانی AI-Native
نسل بعدی نرمافزارهای سازمانی، محصولاتی هستن که فقط داده رو ثبت نمیکنن، خودشون کل کار رو انجام میدن. این نرمافزارها باید هم خودکار باشن و هم قابل اعتماد و حسابرسی.
مثال: CRM هوشمندی که ایمیل مینویسه، جلسات رو تنظیم میکنه، پایپلاین فروش رو آپدیت میکنه و پیشبینی دقیق میده.
حوزهها: منابع انسانی، مالی و حسابداری، تدارکات و پشتیبانی مشتری.
🟧 مدلهای زبانی - LLM بهجای مشاوره دولتی (LLMs Instead of Government Consulting)
دولتها و صنایع تحت مقررات هر سال میلیاردها دلار خرج خدمات مشاوره، انطباق و مستندسازی میکنن. بخش زیادی از این کارها رو میشه با پلتفرمهای LLM انجام داد که قوانین رو میخونن، رویههای منطبق میسازن و مستندات لازم رو آماده میکنن.
مثال: کوپایلتی که الزامات FedRAMP رو بررسی میکنه، شکافهای انطباق رو پیدا میکنه، سیاستهای جدید مینویسه و مدارک ممیزی رو جمع میکنه.
مشتریان هدف: آژانسهای دولتی، پیمانکارها و شرکتهای فعال تو حوزههایی مثل سلامت، مالی و انرژی.
📌 این فراخوان یه جور نقشه راهه برای تیمهایی که میخوان سریع و مؤثر وارد بازار بشن. انتخاب یه حوزه مشخص، خودکارسازی کامل یه جریان کاری و نشون دادن اثر با عدد و داده، کلید موفقیت تو مسیر پیشنهادی Y Combinator هست.
📎 لیست کامل + ویدیوهای توضیحی
@investingfund
فراخوان جدید Y Combinator برای استارتاپهای AI-First
💡اخیرا Y Combinator توی فراخوان پاییز ۲۰۲۵ میگه که دیگه دوران اثبات تواناییهای هوش مصنوعی تموم شده و الان وقتشه که محصولات رو از روز اول با هستهی AI-First ساخت. این شش محور رو بهعنوان مهمترین فرصتهای الان معرفی کرده و میتونه نقطه شروع جدی برای هر تیمی باشه.
🟧 بازآموزی نیروی کار برای اقتصاد هوش مصنوعی (Retraining Workers)
کمبود نیروی ماهر تو رشتههایی مثل برقکاری، جوشکاری، HVAC و اپراتوری صنعتی برای ساخت دیتاسنترها و خطوط تولید پیشرفته، داره تبدیل به یه چالش جدی میشه. راهحل اینه که پلتفرمهای آموزشی ساخته بشه که با ویدیو، صدا و بینایی ماشین، بازخورد لحظهای بدن و با AR/VR، مهارتها رو شبیهسازی و ارزیابی کنن.
مثال: مربی AR جوشکاری که عملکرد هنرجو رو آنالیز میکنه، گواهی مهارتی میده و مستقیم وصلش میکنه به کارفرما.
مشتریان هدف: پیمانکارای دیتاسنتر، اپراتورای ابری، مراکز آموزش فنی و نهادهای دولتی محلی.
🟧 ویدیو بهعنوان زیربنای نرمافزار (Video Generation as a Primitive)
تولید ویدیو الان رسیده به جایی که میشه محتوای باکیفیت و شخصیسازیشده رو تو چند ثانیه و با هزینه کم ساخت. این اتفاق باعث میشه ویدیو تبدیل به یکی از پایههای نرمافزار بشه و بازارهایی مثل رسانه، خرید آنلاین، گیمینگ، آموزش و شبیهسازی رو زیر و رو کنه.
مثال: اتاق پرو ویدیویی که کاربر و لباس رو تو هر محیطی نشون میده یا سیستم استیجینگ خودکار ملک با مبلمان واقعی کاربر.
مشتریان هدف: فروشگاههای آنلاین، پلتفرمهای املاک، شرکتهای تبلیغاتی و توسعهدهندههای بازی.
🟧 شرکت ۱۰ نفره با ارزش ۱۰۰ میلیارد دلار (The 10-Person, $100B Company)
هوش مصنوعی این فرصت رو داده که تیمهای کوچیک بتونن به بهرهوری و درآمدی برسن که قبلاً فقط سازمانهای بزرگ میتونستن. شاخص اصلی این مدل «درآمد به ازای هر نفر» هست و برای موفقیت باید فروش، پشتیبانی، عملیات و R&D رو کامل خودکار کرد.
مثال: پلتفرمی که ۸۰٪ آنبوردینگ، خدمات مشتری و تحلیل داده رو ایجنتها انجام میدن و یه تیم ۱۰ نفره هزاران مشتری رو مدیریت میکنه.
حوزههای مناسب: SaaS عمودی، فینتک B2B، زیرساختهای API و ابزارهای تصمیمگیری خودکار.
🟧 زیرساخت برای سیستمهای چندایجنتی (Infrastructure for Multi-Agent Systems)
کاربردهای AI از یه ایجنت ساده گذشته و رسیده به ناوگانی از ایجنتها که با هم کار میکنن. برای این کار، نیاز به زیرساختهایی هست که بتونه هماهنگی، امنیت کانتکست، مدیریت مموری و کنترل هزینه رو هندل کنه.
مثال: پلتفرم «AgentOps» با نسخهبندی پرامپت، sandbox ایمن، مانیتورینگ زنده و کنترل هزینه مرحلهای برای صدها هزار زیردستیار.
مشتریان هدف: تیمهای دیتا، واحدهای تحقیق و توسعه و شرکتهایی با عملیات پیچیده.
🟧 نرمافزار سازمانی AI-Native
نسل بعدی نرمافزارهای سازمانی، محصولاتی هستن که فقط داده رو ثبت نمیکنن، خودشون کل کار رو انجام میدن. این نرمافزارها باید هم خودکار باشن و هم قابل اعتماد و حسابرسی.
مثال: CRM هوشمندی که ایمیل مینویسه، جلسات رو تنظیم میکنه، پایپلاین فروش رو آپدیت میکنه و پیشبینی دقیق میده.
حوزهها: منابع انسانی، مالی و حسابداری، تدارکات و پشتیبانی مشتری.
🟧 مدلهای زبانی - LLM بهجای مشاوره دولتی (LLMs Instead of Government Consulting)
دولتها و صنایع تحت مقررات هر سال میلیاردها دلار خرج خدمات مشاوره، انطباق و مستندسازی میکنن. بخش زیادی از این کارها رو میشه با پلتفرمهای LLM انجام داد که قوانین رو میخونن، رویههای منطبق میسازن و مستندات لازم رو آماده میکنن.
مثال: کوپایلتی که الزامات FedRAMP رو بررسی میکنه، شکافهای انطباق رو پیدا میکنه، سیاستهای جدید مینویسه و مدارک ممیزی رو جمع میکنه.
مشتریان هدف: آژانسهای دولتی، پیمانکارها و شرکتهای فعال تو حوزههایی مثل سلامت، مالی و انرژی.
📌 این فراخوان یه جور نقشه راهه برای تیمهایی که میخوان سریع و مؤثر وارد بازار بشن. انتخاب یه حوزه مشخص، خودکارسازی کامل یه جریان کاری و نشون دادن اثر با عدد و داده، کلید موفقیت تو مسیر پیشنهادی Y Combinator هست.
📎 لیست کامل + ویدیوهای توضیحی
@investingfund
Y Combinator
Requests for Startups | Y Combinator
Y Combinator is looking for startups working on these ideas. If you're working on something we're interested in, we'd love to hear from you.
❤12👍3👌1
This media is not supported in your browser
VIEW IN TELEGRAM
📊 نحوه تقسیم سهام بین فاندرها باید چگونه باشه؟
💡مایکل سیبیل، مدیرعامل YC، توضیح میده که چرا تصمیمگیری درباره سهام نباید فقط بر اساس یک مذاکره سریع باشه. اون میگه تقسیم درست سهام میتونه تیم بنیانگذار رو برای سالهای طولانی و سخت ساختن یک شرکت بزرگ، متعهد نگه داره.
📌 چند نکته مهم:
🔹 سهام فقط عدد نیست یک ابزار برای ایجاد انگیزه بلندمدته.
🔹 خیلی از همبنیانگذارها سالها کار موردنیاز برای موفقیت استارتاپ رو دستکم میگیرن.
🔹 یک CEO خوب به نفع بلندمدت همبنیانگذارها فکر میکنه، حتی اگه خودشون الان متوجهش نباشن.
🔹 تقسیم سهامی که فقط بر پایه مذاکره باشه، معمولا توی مسیر سخت، انگیزه رو حفظ نمیکنه.
🔹 بهترین ساختار، قراردادن چهارسال دوره تخصیص سهام (Vesting) با یک سال دوره پرتگاه (Cliff) هست تا اگه یکی از بنیانگذارها زود شرکت رو ترک کرد، بشه ساختار رو اصلاح کرد.
✅ یک تقسیم سهام حسابشده، هم انگیزه تیم رو حفظ میکنه و هم از شرکت محافظت.
@investingfund
💡مایکل سیبیل، مدیرعامل YC، توضیح میده که چرا تصمیمگیری درباره سهام نباید فقط بر اساس یک مذاکره سریع باشه. اون میگه تقسیم درست سهام میتونه تیم بنیانگذار رو برای سالهای طولانی و سخت ساختن یک شرکت بزرگ، متعهد نگه داره.
اولین فکری که یک CEO باید داشته باشه اینه: چطور میتونم سهام رو طوری تقسیم کنم که انگیزهی همتیمیهام به حداکثر برسه؟
📌 چند نکته مهم:
🔹 سهام فقط عدد نیست یک ابزار برای ایجاد انگیزه بلندمدته.
🔹 خیلی از همبنیانگذارها سالها کار موردنیاز برای موفقیت استارتاپ رو دستکم میگیرن.
🔹 یک CEO خوب به نفع بلندمدت همبنیانگذارها فکر میکنه، حتی اگه خودشون الان متوجهش نباشن.
🔹 تقسیم سهامی که فقط بر پایه مذاکره باشه، معمولا توی مسیر سخت، انگیزه رو حفظ نمیکنه.
🔹 بهترین ساختار، قراردادن چهارسال دوره تخصیص سهام (Vesting) با یک سال دوره پرتگاه (Cliff) هست تا اگه یکی از بنیانگذارها زود شرکت رو ترک کرد، بشه ساختار رو اصلاح کرد.
✅ یک تقسیم سهام حسابشده، هم انگیزه تیم رو حفظ میکنه و هم از شرکت محافظت.
@investingfund
1👍14❤9👌2
🔗 دسترسی به ۴۸ فایل ارائه واقعی که در ۲۰۲۴ و ۲۰۲۵ سرمایه جذب کردن.
💡یه برد فیگما آماده شده با ۴۸ دک واقعی از استارتاپهای YC، Pre-Seed، Seed و Series A که توی 18 ماه گذشته موفق شدن راند جذب کنن.
برای هر فاندر، این یه مرجع فوقالعادهست برای اینکه ببینه الان چه چیزی واقعاً جواب میده.
📌 ویژگیهای مشترک این دکها:
📍 نحوه استفاده:
وارد لینک فیگمای زیر بشید، وارد اکانتتون بشید و یا ثبت نام کنید، از گوشه سمت چپ روی فلش کنار اسم فایل کلیک کنید و گزینه Duplicate رو بزنید، حالا نسخه داپلیکیت شده در اکانت خودتون قابلیت ادیت، کپی و یا اکسپورت رو داره.
🔗 لینک فیگما 48 New Pitch Deck
#pitchdeck #پیچدک
@investingfund
💡یه برد فیگما آماده شده با ۴۸ دک واقعی از استارتاپهای YC، Pre-Seed، Seed و Series A که توی 18 ماه گذشته موفق شدن راند جذب کنن.
برای هر فاندر، این یه مرجع فوقالعادهست برای اینکه ببینه الان چه چیزی واقعاً جواب میده.
📌 ویژگیهای مشترک این دکها:
🔸کوتاه و بدون حاشیه: معمولاً ۱۰ تا ۱۴ اسلاید. فقط نکات کلیدی، نه پرزنت طولانی.
🔸اسلایدهای Problem & Why now قانعکننده: با عدد و مثال نشون میدن چرا مشکل فوریه و چرا همین حالا زمانشه.
🔸محصول شفاف و تصویری: اسکرینشات و دمو واضح، تا سرمایهگذار دقیق بفهمه چه چیزی ساخته شده.
🔸اسلاید Traction زود نمایش داده میشه: مثل نمودار رشد، retention یا حتی اولین مشتریهای پولی.
📍 نحوه استفاده:
وارد لینک فیگمای زیر بشید، وارد اکانتتون بشید و یا ثبت نام کنید، از گوشه سمت چپ روی فلش کنار اسم فایل کلیک کنید و گزینه Duplicate رو بزنید، حالا نسخه داپلیکیت شده در اکانت خودتون قابلیت ادیت، کپی و یا اکسپورت رو داره.
🔗 لینک فیگما 48 New Pitch Deck
#pitchdeck #پیچدک
@investingfund
👍14❤9🔥4🏆3👌1
📈 موفقیت در VC: شانس یا مهارت؟ دادههای ۱۹۹۶ تا ۲۰۲۵ پاسخ میده
💡یک پژوهش تازه از دانشکده کسبوکار استنفورد و Jackson & Strebulaev (۲۰۲۵) روی بیش از ۱۲ هزار سرمایهگذار خطرپذیر ارشد آمریکا بین سالهای ۱۹۹۶ تا ۲۰۲۵ انجام شده. این تحقیق بزرگ برای اولین بار نشون میده که تکرار موفقیت در VC چقدر کمیابه و چرا فقط تعداد اندکی از سرمایهگذاران میتونن بارها و بارها اسمشون رو در تیتر خبرها ببینن.
📊 نتایج کلیدی تحقیق:
🔸حدود ۵۵٪ از سرمایهگذاران خطرپذیر حداقل یک خروج موفق داشتن (یونیکورن، عرضه اولیه یا فروش سودآور).
🔸فقط ۳۶٪ تونستن به دو برد یا بیشتر برسن.
🔸این عدد به شدت سقوط میکنه: تنها ۱۵٪ پنج موفقیت ثبت کردن.
🔸و در نهایت فقط ۵٪ به رکورد ۱۰ برد یا بیشتر رسیدن.
🌍 اما استثناها:
در میان دادهها، چند اسم خاص بارها تکرار شدن:
📍این افراد هر کدوم به بیش از ۳۰، ۵۰ یا حتی ۶۰+ سرمایهگذاری موفق رسیدن. از کل ۱۲ هزار نفر بررسیشده، فقط ۲۰۳ نفر تونستن بالای ۲۰ برد داشته باشن و تنها ۱۱ نفر به رکورد فوقالعاده ۵۰+ موفقیت رسیدن.
⚡️ چرا این موضوع مهمه؟
دنیای VC پر از هیجان و اعداد بزرگ به نظر میرسه، اما حقیقت اینه که بیشتر سرمایهگذاران فقط یکبار طعم واقعی موفقیت رو میچشن. به همین دلیله که بارها همون چند اسم تکراری رو در داستانهای موفقیت استارتاپی میبینیم؛ چون چند برد متوالی به ترکیب نادری از مهارت، تجربه، و زمانبندی درست نیاز داره.
📌 در کل برای استارتاپها، جذب سرمایه از این سرمایهگذاران «چند بردی» فقط پول نیست؛ بلکه نشونهای از اعتبار، شبکه و تجربهایه که میتونه مسیر موفقیت رو تغییر بده. برای سرمایهگذاران تازهکار هم این دادهها یک درس مهم دارن: شانس شاید یک برد بیاره، اما ساختن کارنامهی تکراری از موفقیتها فقط با سالها تلاش، یادگیری و صبر ممکنه و تنها یک اقلیت بسیار کوچک به اونجا میرسن.
📌 این دقیقاً همون چیزیه که قانون Power Law در VC توضیح میده؛ قانونی که اسکات کوپر در کتاب «سرمایهگذاری خطرپذیر» هم بهزیبایی بازش کرده: بیشتر ارزش بازار فقط توسط تعداد کمی از سرمایهگذاران و استارتاپها ساخته میشه.
@investingfund
💡یک پژوهش تازه از دانشکده کسبوکار استنفورد و Jackson & Strebulaev (۲۰۲۵) روی بیش از ۱۲ هزار سرمایهگذار خطرپذیر ارشد آمریکا بین سالهای ۱۹۹۶ تا ۲۰۲۵ انجام شده. این تحقیق بزرگ برای اولین بار نشون میده که تکرار موفقیت در VC چقدر کمیابه و چرا فقط تعداد اندکی از سرمایهگذاران میتونن بارها و بارها اسمشون رو در تیتر خبرها ببینن.
«یک برد میتونه شانسی باشه، اما چند برد پیاپی فقط از مهارت و تجربه میاد.»
📊 نتایج کلیدی تحقیق:
🔸حدود ۵۵٪ از سرمایهگذاران خطرپذیر حداقل یک خروج موفق داشتن (یونیکورن، عرضه اولیه یا فروش سودآور).
🔸فقط ۳۶٪ تونستن به دو برد یا بیشتر برسن.
🔸این عدد به شدت سقوط میکنه: تنها ۱۵٪ پنج موفقیت ثبت کردن.
🔸و در نهایت فقط ۵٪ به رکورد ۱۰ برد یا بیشتر رسیدن.
یعنی حدود دو سوم کل سرمایهگذاران خطرپذیر در طول دوران کاریشون بیشتر از یک برد واقعی تجربه نمیکنن.
🌍 اما استثناها:
در میان دادهها، چند اسم خاص بارها تکرار شدن:
- تیم دریپر (سرمایهگذار اولیه در Tesla و Skype)
- پیتر تیل (همبنیانگذار PayPal و Palantir)
- وینود خوسلا (بنیانگذار Khosla Ventures و شریک پیشین Kleiner Perkins)
- یوری میلنر (سرمایهگذار اولیه در Facebook و Airbnb)
- جان دور (شریک ارشد Kleiner Perkins و سرمایهگذار در Google و Amazon)
- اسکات سندل (مدیر Bain Capital Ventures)
- مایکل مورتیز (شریک Sequoia Capital و سرمایهگذار در Google و Yahoo)
- داگلاس لیونه (شریک Sequoia Capital و سرمایهگذار در WhatsApp و LinkedIn)
📍این افراد هر کدوم به بیش از ۳۰، ۵۰ یا حتی ۶۰+ سرمایهگذاری موفق رسیدن. از کل ۱۲ هزار نفر بررسیشده، فقط ۲۰۳ نفر تونستن بالای ۲۰ برد داشته باشن و تنها ۱۱ نفر به رکورد فوقالعاده ۵۰+ موفقیت رسیدن.
⚡️ چرا این موضوع مهمه؟
دنیای VC پر از هیجان و اعداد بزرگ به نظر میرسه، اما حقیقت اینه که بیشتر سرمایهگذاران فقط یکبار طعم واقعی موفقیت رو میچشن. به همین دلیله که بارها همون چند اسم تکراری رو در داستانهای موفقیت استارتاپی میبینیم؛ چون چند برد متوالی به ترکیب نادری از مهارت، تجربه، و زمانبندی درست نیاز داره.
📌 در کل برای استارتاپها، جذب سرمایه از این سرمایهگذاران «چند بردی» فقط پول نیست؛ بلکه نشونهای از اعتبار، شبکه و تجربهایه که میتونه مسیر موفقیت رو تغییر بده. برای سرمایهگذاران تازهکار هم این دادهها یک درس مهم دارن: شانس شاید یک برد بیاره، اما ساختن کارنامهی تکراری از موفقیتها فقط با سالها تلاش، یادگیری و صبر ممکنه و تنها یک اقلیت بسیار کوچک به اونجا میرسن.
📌 این دقیقاً همون چیزیه که قانون Power Law در VC توضیح میده؛ قانونی که اسکات کوپر در کتاب «سرمایهگذاری خطرپذیر» هم بهزیبایی بازش کرده: بیشتر ارزش بازار فقط توسط تعداد کمی از سرمایهگذاران و استارتاپها ساخته میشه.
@investingfund
👍10❤5👌3🙏1🏆1
This media is not supported in your browser
VIEW IN TELEGRAM
💡فقط یک راه برای فهمیدن موفق شدن یک ایده وجود داره!
❇️ مارک راندولف، موسس نتفلیکس و کارآفرینی که ۷ استارتاپ راهاندازی کرده و امروز ثروتی بالای ۶۰۰ میلیون دلار داره، در این ویدئو تجربهای ارزشمند رو به اشتراک میذاره: هیچکس از روز اول نمیتونه حدس بزنه کدوم ایده برنده میشه و کدوم شکست میخوره.
🔑 نکات کلیدی از صحبتهای او:
🔸 حتی بعد از ۷ استارتاپ، راندولف میگه هیچکس نمیتونه موفقیت یا شکست ایده رو پیشبینی کنه.
🔸تنها راه فهمیدن موفقیت یک ایده، امتحان کردنه.
🔸ریسکپذیری و اجرا، از فکر کردن بیپایان مهمتره.
🔸تست، ساخت و فروش هرچقدر هم کوچک، بهتر از هر جلسه طولانی طوفان فکریه.
📌 از نگاه راندولف، آیندهی هیچ ایدهای رو نمیشه روی تخته سفید پیشبینی کرد. اون با ۷ استارتاپ فهمید که بعضیها شکست میخورن و بعضیها به موفقیت میرسن، اما چیزی که همیشه جواب داد، امتحان کردن بود. ایده فقط وقتی ارزشمند میشه که ساخته بشه، تست بشه و در عمل خودش رو نشون بده.
@investingfund
❇️ مارک راندولف، موسس نتفلیکس و کارآفرینی که ۷ استارتاپ راهاندازی کرده و امروز ثروتی بالای ۶۰۰ میلیون دلار داره، در این ویدئو تجربهای ارزشمند رو به اشتراک میذاره: هیچکس از روز اول نمیتونه حدس بزنه کدوم ایده برنده میشه و کدوم شکست میخوره.
«یک ساعت کاری انجام دادن، بیشتر از سه ماه فکر کردن بهت یاد میده.»
🔑 نکات کلیدی از صحبتهای او:
🔸 حتی بعد از ۷ استارتاپ، راندولف میگه هیچکس نمیتونه موفقیت یا شکست ایده رو پیشبینی کنه.
🔸تنها راه فهمیدن موفقیت یک ایده، امتحان کردنه.
🔸ریسکپذیری و اجرا، از فکر کردن بیپایان مهمتره.
🔸تست، ساخت و فروش هرچقدر هم کوچک، بهتر از هر جلسه طولانی طوفان فکریه.
📌 از نگاه راندولف، آیندهی هیچ ایدهای رو نمیشه روی تخته سفید پیشبینی کرد. اون با ۷ استارتاپ فهمید که بعضیها شکست میخورن و بعضیها به موفقیت میرسن، اما چیزی که همیشه جواب داد، امتحان کردن بود. ایده فقط وقتی ارزشمند میشه که ساخته بشه، تست بشه و در عمل خودش رو نشون بده.
@investingfund
👍20❤9👌3
🏆 ایندکس ونچرز؛ بهترین نمونه تاریخ برای درک بازدهی در سرمایهگذاری خطرپذیر
💡ایندکس ونچرز یکی از شگفتانگیزترین کارنامهها رو تو سرمایهگذاری خطرپذیر ساخته. فقط با حدود ۸۰ میلیون دلار سرمایهگذاری تونسته بیش از ۲۱ میلیارد دلار ارزش ایجاد کنه؛ عددی که اونا رو کنار موفقترین صندوقهای تاریخ قرار میده.
💎 فلسفهشون ساده ولی کمیابه: از همون اول روی بنیانگذارای استثنایی شرط میبندن، به محصولایی که ظرفیت جهانی دارن ایمان میارن، و اونقدر صبر میکنن تا نتیجه بده. خودشون میگن:
📌 نمونهی همین استثناها برای ایندکس فوقالعادهست:
🔸سال ۲۰۱۳ روی فیگما (Figma) تو سید حدود ۲٫۸۵ میلیون دلار با قیمت هر سهم ۰٫۰۹ دلار گذاشتن. این سرمایهگذاری تو عرضه عمومی ۲۰۲۵ با قیمت ۱۱۵ دلار به ۱۳۵۵X رسید و نزدیک ۷ میلیارد دلار ارزش ساخت.
🔸سال ۲۰۱۶ رولوت (Revolut) تو سری A با ۵ میلیون دلار و قیمت ۰٫۴۸ دلار برای هر سهم وارد پرتفوشون شد. امروز هر سهم حدود ۱۲۰۰ دلاره و این یعنی بازدهی نزدیک ۲۵۰۰X و حدود ۱۲٫۵ میلیارد دلار.
🔸اسکیل اِیآی (Scale AI) هم سال ۲۰۱۸ تو سری B با ۱۶٫۵ میلیون دلار و قیمت هر سهم ۰٫۱۶ دلار جذب شد. بعدتر متا این شرکتو روی ۲۹ میلیارد دلار ارزشگذاری کرد و بازدهی ایندکس به حدود ۱۸۸X و ۳٫۱ میلیارد دلار رسید.
🔸ویز (Wiz) آخرین نمونهست. سال ۲۰۲۰ با ۵۷ میلیون دلار و قیمت هر سهم ۰٫۹۲ دلار سرمایهگذاری شد. قرارداد گوگل برای خرید این استارتاپ روی ۳۲ میلیارد دلار بسته شد و حدود ۳۲X یا ۴٫۳ میلیارد دلار برای ایندکس آورد.
جمعبندی این چندتا سرمایهگذاری مشخصه:
📍 این همون قانون توان (Power Law) تو سرمایهگذاری خطرپذیره: بیشتر سرمایهگذاریها یا شکست میخورن یا بازدهی معمولی دارن، اما چندتا استثنا میتونن همهچیزو تغییر بدن.
🖍 تز ایندکس همیشه سادهست: نرمافزار از روز اول جهانیه، برندهها وقتی ساخته میشن که سرمایهگذار با باور و همراهی کنار بنیانگذارای بزرگ بمونه، و بازده واقعی هم از چند موفقیت خیلی بزرگ میاد، نه از موفقیتای کوچیک و متعدد.
@investingfund
💡ایندکس ونچرز یکی از شگفتانگیزترین کارنامهها رو تو سرمایهگذاری خطرپذیر ساخته. فقط با حدود ۸۰ میلیون دلار سرمایهگذاری تونسته بیش از ۲۱ میلیارد دلار ارزش ایجاد کنه؛ عددی که اونا رو کنار موفقترین صندوقهای تاریخ قرار میده.
💎 فلسفهشون ساده ولی کمیابه: از همون اول روی بنیانگذارای استثنایی شرط میبندن، به محصولایی که ظرفیت جهانی دارن ایمان میارن، و اونقدر صبر میکنن تا نتیجه بده. خودشون میگن:
تو سرمایهگذاری، بیشتر تصمیما معمولیان، اما چندتا استثنا سرنوشت کل صندوق رو میسازن.
📌 نمونهی همین استثناها برای ایندکس فوقالعادهست:
🔸سال ۲۰۱۳ روی فیگما (Figma) تو سید حدود ۲٫۸۵ میلیون دلار با قیمت هر سهم ۰٫۰۹ دلار گذاشتن. این سرمایهگذاری تو عرضه عمومی ۲۰۲۵ با قیمت ۱۱۵ دلار به ۱۳۵۵X رسید و نزدیک ۷ میلیارد دلار ارزش ساخت.
🔸سال ۲۰۱۶ رولوت (Revolut) تو سری A با ۵ میلیون دلار و قیمت ۰٫۴۸ دلار برای هر سهم وارد پرتفوشون شد. امروز هر سهم حدود ۱۲۰۰ دلاره و این یعنی بازدهی نزدیک ۲۵۰۰X و حدود ۱۲٫۵ میلیارد دلار.
🔸اسکیل اِیآی (Scale AI) هم سال ۲۰۱۸ تو سری B با ۱۶٫۵ میلیون دلار و قیمت هر سهم ۰٫۱۶ دلار جذب شد. بعدتر متا این شرکتو روی ۲۹ میلیارد دلار ارزشگذاری کرد و بازدهی ایندکس به حدود ۱۸۸X و ۳٫۱ میلیارد دلار رسید.
🔸ویز (Wiz) آخرین نمونهست. سال ۲۰۲۰ با ۵۷ میلیون دلار و قیمت هر سهم ۰٫۹۲ دلار سرمایهگذاری شد. قرارداد گوگل برای خرید این استارتاپ روی ۳۲ میلیارد دلار بسته شد و حدود ۳۲X یا ۴٫۳ میلیارد دلار برای ایندکس آورد.
جمعبندی این چندتا سرمایهگذاری مشخصه:
ایندکس با ۸۰ میلیون دلار تونسته بالای ۲۱ میلیارد دلار ارزش بسازه و میانگین بازدهی صندوقش به ۲۶۲X برسه.
📍 این همون قانون توان (Power Law) تو سرمایهگذاری خطرپذیره: بیشتر سرمایهگذاریها یا شکست میخورن یا بازدهی معمولی دارن، اما چندتا استثنا میتونن همهچیزو تغییر بدن.
🖍 تز ایندکس همیشه سادهست: نرمافزار از روز اول جهانیه، برندهها وقتی ساخته میشن که سرمایهگذار با باور و همراهی کنار بنیانگذارای بزرگ بمونه، و بازده واقعی هم از چند موفقیت خیلی بزرگ میاد، نه از موفقیتای کوچیک و متعدد.
@investingfund
👍8👌4❤1
postimg.cc
slush startup challenges 2025 — Postimages
🚀 چالش اصلی استارتاپها در ۲۰۲۵: پول، رشد یا بقا؟
💡اسلاش (Slush) بهعنوان یکی از بزرگترین رویدادهای استارتاپی جهان، تازه گزارش Startup Struggle Survey 2025 رو منتشر کرده. این گزارش بر اساس تجربهی بیش از ۶۰۰ بنیانگذار استارتاپ اروپایی جمعآوری شده و نتایجش خیلی روشنه:
📌 برخی از یافتههای کلیدی این گزارش:
▫️جذب سرمایه همچنان چالش اصلیه. ۵۸.۱٪ از بنیانگذاران میگن بزرگترین مشکلشون پیدا کردن سرمایه است. نسبت به ۲۰۲۴، ۷.۶٪ بیشتر معتقدن تأمین سرمایه سختتر شده.
▫️انتظارات سرمایهگذاران بالاتر رفته. بنیانگذاران میگن سرمایهگذارها روی رشد و سودآوری پافشاری میکنن، اما همین رشد پایدار چیزیست که بهسختی به دست میاد.
▫️کسب مشتری به بنبست میرسه. ۶۸٪ میتونن مشتری بالقوه شناسایی کنن، اما فقط ۳۰٪ قادرن اونها رو به مشتری واقعی تبدیل کنن.
▫️کمبود استعداد همچنان ادامه داره. یک پنجم بنیانگذاران برای جذب نیروی فنی مشکل دارن، مخصوصاً در حوزه هوش مصنوعی که رقابت با غولهای تکنولوژی شدیده.
▫️با وجود همهی فشارها، انگیزه قویه. ۸۱٪ میگن حتی اگر دوباره برگردن عقب، باز هم تصمیم میگیرن شرکت خودشون رو راه بندازن.
🔍 تصویر روشنه: در سال ۲۰۲۵، جذب سرمایه سختتر، کندتر و انتخابیتر از هر زمان دیگهست. بنیانگذاران باید کارایی سرمایه و مسیر سوددهی رو ثابت کنن، اما خودِ فرآیند جذب سرمایه ماهها زمان و انرژی ازشون میگیره.
✍️ و این دقیقاً دلیلی بود که ما Evalyze رو راه انداختم. چون این سختی رو لمس کردیم. میخواستیم ابزاری بسازم که استارتاپها بتونن سریعتر و هوشمندتر سرمایه جذب کنن، به سرمایهگذار درست وصل بشن، و بهجای ماهها دویدن دنبال سرمایه، فقط در چند هفته بتونن مسیرشون رو جلو ببرن. هدف ما سادهست: کمک کنیم بنیانگذاران وقت و انرژیشون رو صرف ساختن و رشد کسبوکارشون کنن، نه فقط جنگیدن برای بقا.
🔗 لینک گزارش.
@investingfund
💡اسلاش (Slush) بهعنوان یکی از بزرگترین رویدادهای استارتاپی جهان، تازه گزارش Startup Struggle Survey 2025 رو منتشر کرده. این گزارش بر اساس تجربهی بیش از ۶۰۰ بنیانگذار استارتاپ اروپایی جمعآوری شده و نتایجش خیلی روشنه:
📊 تنها ۱۸٪ از بنیانگذاران معتقدن که الان میتونن راحت جذب سرمایه کنن، در حالی که ۵۷٪ صریحاً مخالفن. این یعنی جذب سرمایه در ۲۰۲۵ سختتر از هر زمان دیگهای شده.
📌 برخی از یافتههای کلیدی این گزارش:
▫️جذب سرمایه همچنان چالش اصلیه. ۵۸.۱٪ از بنیانگذاران میگن بزرگترین مشکلشون پیدا کردن سرمایه است. نسبت به ۲۰۲۴، ۷.۶٪ بیشتر معتقدن تأمین سرمایه سختتر شده.
▫️انتظارات سرمایهگذاران بالاتر رفته. بنیانگذاران میگن سرمایهگذارها روی رشد و سودآوری پافشاری میکنن، اما همین رشد پایدار چیزیست که بهسختی به دست میاد.
▫️کسب مشتری به بنبست میرسه. ۶۸٪ میتونن مشتری بالقوه شناسایی کنن، اما فقط ۳۰٪ قادرن اونها رو به مشتری واقعی تبدیل کنن.
▫️کمبود استعداد همچنان ادامه داره. یک پنجم بنیانگذاران برای جذب نیروی فنی مشکل دارن، مخصوصاً در حوزه هوش مصنوعی که رقابت با غولهای تکنولوژی شدیده.
▫️با وجود همهی فشارها، انگیزه قویه. ۸۱٪ میگن حتی اگر دوباره برگردن عقب، باز هم تصمیم میگیرن شرکت خودشون رو راه بندازن.
🔍 تصویر روشنه: در سال ۲۰۲۵، جذب سرمایه سختتر، کندتر و انتخابیتر از هر زمان دیگهست. بنیانگذاران باید کارایی سرمایه و مسیر سوددهی رو ثابت کنن، اما خودِ فرآیند جذب سرمایه ماهها زمان و انرژی ازشون میگیره.
✍️ و این دقیقاً دلیلی بود که ما Evalyze رو راه انداختم. چون این سختی رو لمس کردیم. میخواستیم ابزاری بسازم که استارتاپها بتونن سریعتر و هوشمندتر سرمایه جذب کنن، به سرمایهگذار درست وصل بشن، و بهجای ماهها دویدن دنبال سرمایه، فقط در چند هفته بتونن مسیرشون رو جلو ببرن. هدف ما سادهست: کمک کنیم بنیانگذاران وقت و انرژیشون رو صرف ساختن و رشد کسبوکارشون کنن، نه فقط جنگیدن برای بقا.
🔗 لینک گزارش.
@investingfund
❤12👍5👌3
This media is not supported in your browser
VIEW IN TELEGRAM
💎 خوششانسترین نسل تاریخ؛ نگاه سم آلتمن به نسل امروز
💡طی مصاحبه اخیرش سم آلتمن میگه هوش مصنوعی بعضی نقشهای شروع کار رو حذف میکنه، اما اهرمِ سازندههای جوان رو بیشتر از هر زمان دیگهای بالا میبره.
• بعضی شغلها از بین میرن؛ این تو هر موج فناوری عادیه.
• جوونها سریعتر خودشون رو وفق میدن و بدون عادتهای قدیمی ابزارهای جدید رو یاد میگیرن.
• نگرانی اصلی برای کسیه که نمیخواد بازآموزی کنه، نه فارغالتحصیلهای امروز.
• الان یه نفر میتونه کاری رو بکنه که قبلاً یه تیم کامل لازم داشت؛ از ایده تا محصول و کاربر.
• توزیع دموکراتیک شده: کد، محتوا و مشتری فقط «یه کلیک» فاصله دارن.
📌 جوانهای امروز خوششانستر از هر نسلی هستن چون فاصله ایده تا نتیجه خیلی کم شده و با کمک هوش مصنوعی یک نفر میتونه کار یه تیم کامل رو انجام بده. بعضی شغلها از بین میرن اما کسایی که سریع یاد میگیرن راه جلوشون باز میشه. کافیه ابزارهای جدید رو یاد بگیرن و یک مسئله واقعی رو حل کنن، بدون نیاز به تیم بزرگ یا رزومه خاص.
@investingfund
💡طی مصاحبه اخیرش سم آلتمن میگه هوش مصنوعی بعضی نقشهای شروع کار رو حذف میکنه، اما اهرمِ سازندههای جوان رو بیشتر از هر زمان دیگهای بالا میبره.
اگه الان ۲۲ ساله بودم، خودمو خوششانسترین آدمِ تاریخ حس میکردم.
• بعضی شغلها از بین میرن؛ این تو هر موج فناوری عادیه.
• جوونها سریعتر خودشون رو وفق میدن و بدون عادتهای قدیمی ابزارهای جدید رو یاد میگیرن.
• نگرانی اصلی برای کسیه که نمیخواد بازآموزی کنه، نه فارغالتحصیلهای امروز.
• الان یه نفر میتونه کاری رو بکنه که قبلاً یه تیم کامل لازم داشت؛ از ایده تا محصول و کاربر.
• توزیع دموکراتیک شده: کد، محتوا و مشتری فقط «یه کلیک» فاصله دارن.
📌 جوانهای امروز خوششانستر از هر نسلی هستن چون فاصله ایده تا نتیجه خیلی کم شده و با کمک هوش مصنوعی یک نفر میتونه کار یه تیم کامل رو انجام بده. بعضی شغلها از بین میرن اما کسایی که سریع یاد میگیرن راه جلوشون باز میشه. کافیه ابزارهای جدید رو یاد بگیرن و یک مسئله واقعی رو حل کنن، بدون نیاز به تیم بزرگ یا رزومه خاص.
@investingfund
👍9❤6👌1👨💻1