摘要

TiDB 的核心价值，是把传统数据库需要管理的“一千个杯子”变成一个能随数据自动扩大的“魔法杯子”。 PingCAP 2015 年成立，前两年主要埋头写代码，最终把分布式关系型数据库做到美团外卖、微信支付和银行卡交易等场景背后。黄东旭的判断是：数据持续增长，而传统容器容量有限，降低多容器扩展和管理复杂度，才是 TiDB 的真正产品价值。
开源的护城河不是公开源代码，而是用透明过程换取信任、人才和项目主导权。 顶级开源不是完成后把代码扔上 GitHub，而是从第一份文档起开放完整构建过程，如同把饭店后厨变成玻璃房；“答案给你抄是不够的”，持续迭代的思路才有价值。PingCAP 约有 300 名 engineer、每年以亿级计的投入及多年积累的 history know-how，后来者即使一次投入 500 人，也很难迅速改写方向。
在收入规模化以前，投资人买的是非共识技术判断和持续上升的 adoption。 PingCAP 公开的上一轮估值为 30 亿美元，但 A 轮时软件甚至尚不能运行、没有收入；云启的陈昱扫了约五分钟 source code 就作出判断，而看不懂代码的人只能依赖滞后的商业数字。一个具象例子是：一家大客户没有预算，却直接派出四五名年薪约 50 万至 100 万元的工程师参与项目，形成开源价值交换。
云服务终于让开源商业化不必以破坏信任为代价。 PingCAP 至少前五年“铁了心不做”商业化，早期销售去大用户处“收保费”、制造信息不对称，被黄东旭视为“杀鸡取卵”；MongoDB 从软件公司转向服务公司后的增长，则给出了可参照的答案。如今 PingCAP 超过 70% 的 ARR 收入来自云服务，最近两年基本每年保持三位数增长，主要与国际化和云相关。
真正的全球化不是从中国远程“出海”，而是创始人把身体、组织和商业关系长在当地。 黄东旭 2015 年 6 月、公司刚开始运作时就去了旧金山，经历 2017 年起的弯路后，于 2022 年举家搬到美国；他的经验是海外头三年可能几乎不赚钱，并强调创始人亲自 all in，不能只靠设立一个 global team。英文文档 day one 优先、2022 年内部 IM 和会议全面英文、local 团队与区域 CEO/CTO，都是“反向工作法”推出来的组织里程碑。
美国 GTM 最容易被华人创始人高估的是语言和商业化难度，最容易低估的是叙事、定价与长期关系。 黄东旭给 AI 创业者的建议是至少在当地生活半年，尽早找本地销售并由创始人亲自卖；英语“只要敢说”即可，他赴美前每天与外教聊两小时，先消除心理障碍。真正的问题往往是产品有 value 却“不敢卖高价”，以及不会用 demo、message framework 和故事抢占心智——“酒香不怕巷子深”在 AI 时代并不成立。
PingCAP 对 AI 的核心下注不是再做一个模型，而是为 agent 提供 right context、企业数据和共享记忆层。 黄东旭认为年初 DeepSeek 的出现标志着 LLM 基础能力已足够支撑有用应用，第一波重构会发生在企业软件：他自己的公司仍有三名全职员工维护 Salesforce 报表，而 data agent 已能直接回答销售活动问题。黄东旭先提到 NCP、A2A 所涉及的交互，后续又以 MCP 为例；通用 shared memory layer 尚未形成。未来两三年仍是“wild west”，开放标准、真实使用和网络效应比先设计变现更重要。

精读

1. TiDB 把一千个数据杯子变成一个会长大的容器

黄东旭把数据库解释为“数据的容器”：微信、小红书、微博等数字生活背后，都依赖数据中心内的数据库软件；TiDB 则是一款分布式数据库，目标是让多台机器对外提供统一服务。
曲凯追问，Oracle 已是数千亿美元级巨头，半个世纪历史的数据库为何还有创业机会。黄东旭的回答是水与杯子：数据越来越多，传统数据库容量有限，工程师只能管理“一千个杯子”；TiDB 让一个杯子随水量自动变大。
PingCAP 2015 年成立，前两年主要“憋着写代码”。黄东旭称，美团外卖、微信支付和银行卡交易等场景已由 TiDB 支撑：“只要你在数字世界里生活一天，你一定会间接成为我们的用户。”

2. 开源的护城河不是代码，而是透明过程与迭代主导权

黄东旭确认，PingCAP 从 day one 就开放文档和构建路径。GitHub 上“百分之九十九”的项目只是把代码放出来，而顶级项目应当全生命周期开源，并以开放方式运营。
基础设施承载客户的“身家性命”，透明度直接影响信任。他用餐馆作比：给顾客菜谱还不够，最好把后厨变成玻璃房，让采购、处理和烹饪的全过程都能被看见。
曲凯担心公开思路会让大公司或更快的竞争者抄走。黄东旭的回应是：“答案给你抄是不够的”，解题思路才有价值；软件不是做完即停止的产品，持续演进的认知、方向和速度才是核心竞争力。
先发并非天然必胜，但累积会改变门槛。PingCAP 约有 300 名 engineer，并有每年以亿级计的投入和多年积累的 history know-how；即使 AWS 或 Google Cloud 决定进入，也很难立刻调来 500 人并补齐系统历史。

3. PingCAP 押中“最难、最大、全球”的方向，也踩中硬件拐点

十年回看，黄东旭列出的 day one 决策包括 open source、关系型数据库与全球化。关系型、SQL、交易型数据库像“珠穆朗玛峰”，但 Oracle 证明其天花板可达数千亿美元；相较之下，垂直市场即使成功，可能也只有百亿美元。
这也是一次承认运气的复盘：“我们年轻，工程能力也比较强，那时候也比较 naive。”如今他认为事情确实太难，能走到现在“不容易”；但期望值来自选择 bigger market，“走的方向可能比你跑得多快更重要”。
真正的 why now 是硬件成熟。约十年前，数据网络交换机的带宽条件改善，SSD 吞吐和速度较老式磁盘快不止一个数量级，价格又持续下降；算法本身可能已研究十到二十年，但大规模分布式系统终于获得可用的底层条件。与此同时，互联网技术开始进入慢半拍的银行、政府和大型企业。

4. 资本在收入前买的是非共识技术判断和 adoption

黄东旭把基础软件称为高杠杆的 moonshot：数据库、操作系统和浏览器会被几乎所有公司使用。难点不在想象市场，而在判断一个尚未完成的软件能否长成通用基础设施；“估值最高的项目一定是非共识的”。
PingCAP 公开的上一轮估值为 30 亿美元，但 A 轮时只是 GitLab 上的开源项目，没有收入，软件甚至还运行不起来，融资并不轻松。云启的陈昱看了约五分钟 source code 就迅速决定投资，体现的是“打开汽车引擎便能看出不同”的专业判断。
早期并非没有用户，而是用户不付钱。大量互联网公司招聘 engineer 自行部署 TiDB，解决了重要问题；黄东旭的价值观是，若创造一万亿元社会价值，只需转化其中 1%，也能成为一家了不起的公司。
一个具象例子来自一家大客户：CTO 表示没预算，却愿派四五名工程师任 PingCAP 调遣。按当时每人约 50 万至 100 万元年薪计算，这已是可观投入；客户得到项目保险，PingCAP 得到优秀贡献者，“有几条好汉”替代了现金。

5. 开源直到云出现，才有了不伤根基的商业化解

PingCAP 至少前五年“铁了心不做”商业化，因为数据库需要长期打基础，过早收入目标会扭曲投入。最早的销售策略被证明失败：销售自然会向大型免费用户“收保费”，以不给钱就减少支持来制造信息不对称。
这种做法在黄东旭看来是“杀鸡取卵”：开源靠透明建立信任，商业化却试图重新关闭信息。曲凯追问，今天还能否奢侈地三五年不赚钱；黄东旭反而认为现在更容易，因为“开源做生态、做社区，赚钱靠 SaaS 和云服务”已是标准路径。
MongoDB 从软件公司转向软件服务公司后的股价增长，为 PingCAP 提供了样板。如今公司超过 70% 的 ARR 收入来自云服务而非 on-prem license，业务大概从疫情那几年开始加速，最近两年基本每年保持三位数增长。
国内云化更慢：不少企业连软件 SKU 如何入账都不清楚，只能用人天或“铁盒子”承载价格；黄东旭坚决反对把软件绑上硬件。国内云服务厂商自身也没赚到什么钱，难给伙伴留空间，“不要找饿得两眼放光的合作伙伴”；这套开源加云模式适合通用软件，垂直软件则不必开源，其行业 know-how 是重要资产。

6. 全球化不是“出海”，而是创始人把公司长在当地

黄东旭认为，很多公司的国际化是国内环境转差后的被迫选择，容易形成打德州扑克时“看看牌”的心态。但海外 business 头几年是在交学费，前三年甚至可能几乎不赚钱；没有承担连续亏损的预期，就很难建立长期业务。
PingCAP 在 2015 年 6 月完成天使轮、办公室刚租好、三位创始人刚离职出来做这件事时，黄东旭便背着行李去了旧金山。他说自己“很讨厌‘出海’这个词”：出海仍以中国为原点，像出差；真正的全球化是搬到当地、组建 local 团队并建立 local 关系。
这要求创始人亲自 all in。黄东旭强调，如果自己不去完全投入就很难做好，也复盘了只保留中国大部队、另设 global team 等弯路。如今 PingCAP 已按中国、日本、APAC、欧洲和北美划分 region，各自拥有 CEO、CTO 与技术团队；黄东旭担任集团 CTO，常住美国并面向全球客户和研发。

7. 英文优先不是包装，而是组织反向工作法

PingCAP 的第一份文档就是英文，代码从 day one 起没有中文注释，第一个国内客户拿到的软件甚至没有中文文档，只能临时翻译。曲凯追问全球化是否等于“去中国化”，黄东旭认为刻意屏蔽国内 IP“太刻意了”；英文优先只是顶级开源项目的默认设置。
第二个里程碑大概到 2022 年才实现：内部 IM 与内部会议都使用英文。第三个里程碑，是海外 new hire 从招聘市场印象、HR 体系到 onboarding，都感觉不到这是一家“起源在中国”的公司。
即便高管会上全是中国人，只要录像和决策需要长期留档，也必须使用英文，以便未来国际团队回看。曲凯把这理解为对未来的信心，黄东旭却说更像亚马逊的“反向工作法”：先定义未来组织，再倒推今天的 milestone。
他借《降临》解释语言与思考方式的关系：国际语言也是国际 mindset。黄东旭在 PingCAP 前没有海外工作、留学甚至出国经历，但认为语言“练多了就好了”；专业能力再强却英语不行，也不能满足他们对全球化高管的要求。

8. 身体在哪里，至少七成精力就会被哪里牵住

第一阶段的坑，是大部队仍在中国、旁边另设 global team；第二个坑是人的错配。海外商业化若仍由中国人为主的团队反复拜访并强调“本土产品”，客户感受并不自然；PingCAP 后来商业化团队基本由本地人组成，客户关系一侧当地人超过一大半。
中国团队还容易下意识把产品做得大而全、功能复杂。黄东旭复盘，如果更早采用“纯硅谷”的产品和商业化方式，会少走很多弯路；其中最大的错误，是自己没有更早搬到美国。
他从 2017 年开始踩弯路，到 2022 年才举家搬迁。其观察是，肉身在哪，约 70% 的时间、关系和思维就会自然被哪里牵住；“人在国内、一心做海外”并非不可能，但他几乎没见过特别成功的 case。
美国之所以优先，是软件世界的两个高峰之一。先占硅谷这个“山头”，再辐射日本、新加坡等 region，往往比逐国推进省力；他初到日本时，客户愿意见面，正因为把 TiDB 视为“顶级美国项目”。

9. 美国 GTM 的门槛被高估，真正短板是叙事与定价

给 AI 初创公司的第一年建议很具体：无论用什么签证，先在美国生活至少半年；产品 ready 后尽早启动商业化，找一名本地销售共同跑客户，并由创始人亲自卖，而不是只靠技术路线判断市场。
美国团队擅长故事、GTM message framework 和成熟传播方法，中国创始人则常常“太踏实”。语言只是工具，关键是敢说；黄东旭赴美前在北京找外教，每天聊两小时，先证明自己能与外国人连续交流，再消除心理障碍。
另一个被高估的是销售难度。美国客户“不羞于谈钱”，产品有价值就愿意付款；真正普遍的问题，是创始人没有发现自身 value，不敢卖高价。Pinterest 使用量大便直接付费，没有国内开源客户常见的弯弯绕绕。
黄东旭曾迷恋 secret sauce，学了一圈后发现答案多是常识；Databricks、Snowflake 和 MongoDB 已反复验证云上的商业模式。“所有尝试过的花活基本都失败了。”请客、喝咖啡、解决怪问题、建立长期关系各地都一样。
他对销售的比喻是，一个在国内很好的销售，直接丢到陌生环境里也可能仍是 top sales。北美商业的天花板更高，但他也承认 PingCAP 还没有进入最顶级的圈子，对华人创始人来说进入这一层可能更难；这是公司达到 100 亿美元之后再考虑的问题。中美关系的影响，在 ARR 突破 10 亿美元后才可能更明显；眼下先把硅谷办公室方圆 5 公里之外的客户做好。

10. 国际化的组织税没有捷径，只能长成老茧

初创公司第一二年便要管理多国分公司、人种、时差、产品、融资和业务，黄东旭的结论是：“这是我们要交的税，没办法。”华人团队相较本土竞争者是“负分起步”，语言 gap 与组织复杂度都无法被方法论消除。
他刚到美国时，最夸张的一天从睁眼起连续开了 19 个小时的会：中国时区结束后接美国时区。组织会逐渐产生韧性，像弹吉他的手指反复磨出老茧，“一开始很痛”，后来却成为弹好的必经之路。
这些痛苦也可能转化为优势：经历过复杂组织、跨文化协作和高强度工作的华人创业者，更能把痛苦转为未来的竞争优势。黄东旭看好年轻 Chinese founder 从 day one 就把 business 长在美国，因为他们既有工程基本功，也更接近“nothing to lose”。

11. 中国 AI 团队强在工程，弱在让市场听见

黄东旭认为，中国 AI 产品的工程化基本功“非常非常强”，DeepSeek 是最典型的例子；其工程细节拿去与美国同行交流，经常会被视为“magic”。
短板仍是 go-to-market。他作为 Cursor 重度用户，看过一些国内 AI IDE，产品“一点都不差”，却在美国从未听说；这不是技术失败，而是项目没有进入当地开发者的认知和讨论网络。
“酒香不怕巷子深”在 AI 时代是错误判断。行业仍在街上叫卖，品牌、message、一个足够酷的 demo 都会影响先机；黄东旭直言，有时华人群体干不过印度人，差距就在讲故事和放大声音的能力。

12. 共享记忆可能成为 agent 时代的数据基础设施

黄东旭认为 AI 尚未解决好的核心问题是“记忆”：怎样让 LLM 更了解引号里的“你”——无论企业还是个人——并持续 set right context。数据库公司天然靠近这层数据与 context 工具。
传统数据库的 interface 面向程序员、DBA 和开发者，但未来用户可能变成 agent。站在 agent 角度，什么是好数据库、怎样访问和组织数据，都与人类直接操作不同；PingCAP 已拨出部分资源探索这一尚无行业标准的方向。
黄东旭先提到 NCP 定义 agent 与 tool 之间的交互、A2A 也是交互；随后曲凯以 MCP 为例，黄东旭则讨论 Anthropic 推出的 MCP。通用 shared memory layer 仍未形成。
决定标准成败的，是足够开放、有人使用、获得几个行业头部 trigger，并最终形成网络效应。黄东旭说，Anthropic 推出 MCP 时好像最初少有人关注，最近两个月似乎由 Cursor 带火；他把未来两三年称为“wild west”，主张先占坑、保持开放，不要为了未来竞争优势扭曲协议：“做 TCP/IP 的人肯定没想着用 TCP/IP 挣钱。”

13. 企业软件可能从大系统拆成由 agent 串联的小能力

黄东旭把年初 DeepSeek 的出现视为分水岭：LLM 基础能力已经达到“可以做一些有用的东西”的阶段。第一波重构可能发生在企业软件，因为企业的核心竞争力仍是行业 know-how，LLM 不懂这些专有知识，只能帮助加速其交付。
他的具象样本是 Salesforce：PingCAP 至少有三名全职员工负责制作报表和回答数据问题，而他演示的 Chat BI/data agent 已能直接回答“这个 sales 最近在看哪些客户”“最近一个月谁跑得最勤”等运营问题。
企业软件的 interface 因而可能从 Salesforce 式大而全、静态系统，拆成一块块能力，再由 LLM agent 串联；每个人拥有一个个人助理，助理在底层访问一个大的数据池，人不必亲自穿行于复杂菜单。
曲凯追问，OpenAI 是否最终会成为连接所有企业数据的统一入口。黄东旭把企业经营拆成“常识”和“数据”：LLM 已有常识，但企业最宝贵的是自己的数据；有客户交互界面的公司会尽量保存过去被丢弃的信息，也会更谨慎地把数据交给 OpenAI，因此他判断数据库生意反而会扩大。

14. 十年后留下的方法论是耐心、精力和常识

黄东旭过去“想到什么就干什么”，动手过快；创业十年后，他更愿意在确认方向后保持耐心。早期面对不确定性会慌、会乱动，现在的选择是：“这个方向是 OK 的，那你就应该更有耐心一点，剩下交给时间吧。”
他把个人能坚持至今归因于精力管理、身体和工作之外的出口：玩音乐、做合成器和艺术创作，CEO 则打羽毛球。最终仍回到“尊重常识，没有什么花活”；二十多岁创业时的底气也很朴素——“nothing to lose，大不了做失败了回大厂再上个班。”

116: 当AI研究者写科幻，与Meta田渊栋聊他的智能想象：我们终会“所思即所得”Trump的大周：中东之行、中国协议、药品行政令与“大而美法案”——与Ben Shapiro对谈