Entrepreneur First：全球唯一"先投人不投项目"的加速器
它不投项目，只投人。你不需要有团队，不需要有想法，只需要有"创始人潜力"。 它用 14 年时间证明了：最伟大的公司不是从想法开始的，是从人开始的。 600+ 家公司、160 亿美元组合估值、多家独角兽——这一切都是从"两个人"开始的。
核心框架：EF 的"Day Zero 人才投资"飞轮——Select × Match × Fund × Graduate
EF 的全部逻辑可以浓缩成一张图：比任何加速器都早一拍进入"还没团队、没想法"的个体，用 3-12 周 cohort 把全球顶尖人才(录取率 <1%)筛进来,在 FORM 阶段做"包办式 co-founder 匹配"(80% 在 8 周内配对成功),通过投资委员会后把整个团队"终点站式"地搬到旧金山,最终从 Demo Day 通往 Sequoia/a16z/SoftBank 等顶级 VC。这是 EF 区别于 YC(投项目)、Seedcamp(投种子轮公司)、ZINC(投使命)的根本所在——它投的是"人的潜力",想法和团队都是 EF 帮你造出来的。
为什么"Day Zero 投资"能跑通:EF 的反常识在于它把传统 VC"看 BP 30 分钟"的前置成本,前置到"看人 4-6 轮面试"——这只有在 cohort 精选 + 长周期共处 + 旧金山终点站三件套同时成立时才有效。14 年先发优势(2011 年发明这一模式,比 Antler 早 6 年)+ Matt Clifford 作为英国首相 AI 顾问的政策锚(2023 Bletchley AI Safety Summit / 2025 AI Opportunities Action Plan)+ Demo Day 由 Reid Hoffman 与 Patrick Collison 开场的品牌资产——这三层让 EF 的"包办婚姻"匹配成功率(约 60%)高于任何模仿者。下文所有细节(基本盘 / 政策土壤 / FORM+LAUNCH 程序 / 经济模型 / 全球扩张)都是这个飞轮的展开。
一、基本盘
| 维度 | 数据 |
|---|---|
| 全称 | Entrepreneur First（简称 EF） |
| 成立时间 | 2011 年 |
| 创始人 | Alice Bentinck + Matt Clifford |
| 总部 | 伦敦（London） |
| 全球办公室 | 伦敦、巴黎、班加罗尔、旧金山 |
| 法律主体 | 英国私营公司 |
| 定位 | 全球唯一的"人才投资"（Talent Investor）模式 |
| 累计创建公司 | 600+ 家 |
| 组合总估值 | 160 亿美元+（$16B+） |
| 独角兽代表 | Tractable、ElevenLabs、Magic Pony（被 Twitter 收购） |
| 后续投资人 | Sequoia、Andreessen Horowitz（a16z）、SoftBank、Khosla Ventures |
| 旗舰出身高管 | Reid Hoffman（LinkedIn 创始人）、Patrick Collison（Stripe 创始人）担任过往 Demo Day 开场嘉宾 |
| 政策连接 | Matt Clifford 任英国首相 AI 机会顾问、ARIA 主席 |
一句话定位：EF 是全球唯一一家"在你没有团队、没有想法之前就投资你"的加速器。
二、英国创业生态的政策土壤
2.1 EF 成立前后的英国
EF 2011 年在伦敦成立时，英国的创业生态与今天截然不同：
| 年份 | 英国关键事件 | 与 EF 的关联 |
|---|---|---|
| 2010 | 大卫·卡梅伦政府提出"东方硅谷"（East London Tech City）计划 | EF 受益于政策推动的伦敦创业氛围 |
| 2011 | 企业投资计划（EIS）扩展，对早期投资人提供 50% 税收减免 | EF 的天使/种子轮投资人享受 EIS 红利 |
| 2013 | 种子企业投资计划（SEIS）正式实施，50% 所得税减免 + 28% 资本利得税豁免 | EF 投资人退出时的税收效率大幅提升 |
| 2014 | 英国政府设立英国商业银行（British Business Bank） | EF 后续基金募资的国家级 LP 出现 |
| 2017 | 英国颁布 Tier 1 Exceptional Talent Visa（杰出人才签证） | EF 全球招募的创始人获得进入英国的合规通道 |
| 2023 | 英国主办首届 AI Safety Summit（布莱切利园） | Matt Clifford 担任英国首相首席代表 |
| 2025 | 英国政府发布《AI Opportunities Action Plan》 | Matt Clifford 作为首相 AI 机会顾问主导 |
2.2 为什么是伦敦
EF 选择伦敦而非其他欧洲城市作为总部，原因包括：
- 语言优势：英语是全球创业与科技的通用语言
- 时区优势：伦敦时区介于美国东岸与亚洲之间，覆盖全球交易日
- 资本优势：伦敦是全球三大金融中心之一，LP 资源丰富
- 人才优势：帝国理工、UCL、牛津、剑桥的理工科人才
- 政策红利：EIS/SEIS 等激励早期投资的政策
2.3 EF 与英国 AI 政策的深度绑定
关键洞察：EF 不只是一个加速器——它是英国 AI 国家战略的"人才管道"。Matt Clifford 作为英国首相 AI 顾问的身份，使 EF 成为英国政府与全球 AI 生态之间的重要桥梁。
三、核心理念：投人，不投项目
3.1 反常识的赌注
传统加速器的逻辑：你有团队 + 有想法 + 有原型 → 我投你。
EF 的逻辑：你有潜力 → 我投你 → 帮你找团队 → 帮你找想法 → 帮你成公司。
Matt Clifford（联合创始人）的原话：
"We ultimately believe it matters not only which companies get started, but who starts them."
3.2 为什么要这样做
EF 成立的初心（来自官网）：
"Outside of Silicon Valley, entrepreneurship is rarely seen as a viable route for ambitious individuals. Instead the ambitions of the talented are constrained by the current social currencies of success; high status jobs, citation counts, promotion cycles."
核心洞察：在欧洲（和硅谷以外的地方），大量有创始人潜力的优秀人才被"社会期望"困住了——他们去了投行、咨询、大厂，而不是创业。EF 的目标是"解放"这些人。
这种"解放"背后的逻辑：
3.3 "Pre-team, Pre-idea"投资
EF 投资的阶段比任何加速器都早：
| 机构 | 入门门槛 | EF 的相对位置 |
|---|---|---|
| Y Combinator | 你有团队和 MVP | 比 EF 晚 1 步 |
| MIT delta v | 你有团队和想法 | 比 EF 晚半步 |
| Entrepreneur First | 你只有你自己 | 最早的入口 |
这是真正的"Pre-team, Pre-idea"——在人还没有组建团队、还没有确定想法时就投入资源。
四、创始人画像：Alice Bentinck 与 Matt Clifford
EF 的成功与两位创始人密不可分。他们是"操作派 + 政策派"的罕见组合。
4.1 Alice Bentinck（联合创始人 & CEO）
| 维度 | 内容 |
|---|---|
| 学历 | 牛津大学经济学本科 |
| 早期职业 | 麦肯锡（McKinsey & Co.）顾问 |
| 联合创办 | 2011 年与 Matt Clifford 创办 EF |
| 出版 | 《How to be a Founder》合著者 |
| 社会贡献 | 2012 年创办非营利组织 Code First: Girls |
| Code First: Girls 影响 | 已免费教 25,000+ 名女大学生编程 |
| 荣誉 | 2016 年获 MBE（大英帝国员佐勋章），表彰 "services to business" |
Alice 的独特价值：她代表"操作派"——把 EF 的执行系统从零搭建起来。同时，Code First: Girls 让她成为英国推动科技包容性的代表人物。
4.2 Matt Clifford（联合创始人 & 主席）
| 维度 | 内容 |
|---|---|
| 学历 | 剑桥大学 + MIT（Kennedy Scholar，肯尼迪学者） |
| 早期职业 | 麦肯锡（McKinsey & Co.）顾问 |
| 联合创办 | 2011 年与 Alice Bentinck 创办 EF |
| 出版 | 《How to be a Founder》合著者 |
| 国家级角色 1 | ARIA（英国高级研究与发明局）主席——资助突破性 R&D |
| 国家级角色 2 | 2023 年英国首相 AI 安全峰会首席代表（布莱切利园） |
| 国家级角色 3 | 2025 年英国首相 AI 机会顾问，主导《AI Opportunities Action Plan》 |
| 荣誉 | 2024 年获 CBE（大英帝国司令勋章），表彰 "services to AI" |
| 国际认可 | 2024 年入选 TIME100 AI 最具影响力人物 |
Matt Clifford 的特殊地位：他不只是 EF 的创始人——他是英国政府在 AI 领域的首席顾问。这使得 EF 在英国 AI 生态中有独特的政策连接。
4.3 两人合作的化学反应
五、项目结构：FORM + LAUNCH 两阶段
EF 的项目周期是 6 个月（24 周），分两个阶段。这是其区别于 YC（3 个月）、Techstars（13 周）等加速器的标志性设计。
5.1 FORM 阶段（第 1-12 周）——在你的本地枢纽
地点：伦敦 / 巴黎 / 班加罗尔 / 旧金山
| 周次 | 内容 |
|---|---|
| W1-8 | 组建精心筛选的 cohort。创始人收到无股权的 Talent Investment（grant）覆盖生活成本。目标是测试联合创始人合作关系和想法——以极快的节奏从第一天开始构建公司 |
| W8-12 | 向投资委员会 pitch，争取最高 25 万美元投资（12.5 万来自 EF + 12.5 万来自 Transpose Platform） |
FORM 阶段的核心机制：
-
联合创始人匹配：80% 的参与者在 8 周内找到了联合创始人。这不是简单的"相亲"，是基于深度评估的"技术能力 + 性格 + 野心"三维匹配。
-
Talent Investors 角色：EF 的"Talent Investors"团队不是投资经理，是"催化剂和可信赖的伙伴"——这种定位比传统的"投资经理管项目"更有效。
-
全球顾问网络：EF 拥有一个由顶级创始人、投资人、运营者组成的顾问网络，为每个 cohort 提供定制化指导。
-
客户开发痴迷：强迫创始人从第一天就痴迷于客户开发——而不是写 BP、画 PPT。
-
美国市场愿景：对于有最大雄心的创始人，FORM 阶段就开始涉及获取美国客户和构建美国市场愿景。
FORM 阶段的"安全网"：
"We don't take any equity and you don't have to repay the grant. Instead you gain access to a global community of alumni to leverage for future success."
即：如果你没组队或 EF 不投资，不需要偿还 grant，并且你成为 EF 全球校友社区的一员。
5.2 LAUNCH 阶段（第 12-24 周）——搬到旧金山
地点：旧金山
为什么搬旧金山：
"Founders from startups across our global FORM sites typically relocate to San Francisco to access and build in the world's most valuable single market."
LAUNCH 阶段的核心：
- 在 EF 旧金山办公室与全球同侪一起工作
- 极度聚焦于构建和发布产品
- 学习全球最优秀的创始人和投资人经验
- 专属的旧金山湾区创始人/运营者导师
- Demo Day 路演准备
5.3 Demo Day
- 现场 Demo Day——向全球顶级天使和 VC 路演
- 曾由 Reid Hoffman（LinkedIn 创始人）和 Patrick Collison（Stripe 创始人）开场
- 在场投资人包括：a16z、Khosla、SignalFire、Thrive、Kleiner Perkins
- 后续通过在线平台向美国、欧洲、亚洲的数百位顶级种子轮 VC/天使持续曝光
5.4 FORM + LAUNCH 完整流程
六、投资条款与经济模型
6.1 FORM 阶段
- 无股权的 grant（赠款）——覆盖生活成本
- 如果你没组队或 EF 不投资，不需要偿还
- 金额按当地生活成本计算（伦敦/旧金山高于班加罗尔）
6.2 LAUNCH 阶段（投资委员会通过后）
| 项目 | 金额 |
|---|---|
| EF 直接投资 | 12.5 万美元 |
| Transpose Platform 跟投 | 12.5 万美元 |
| 总额 | 最高 25 万美元 |
| 股权 | 约 9% |
6.3 Transpose Platform 的设计
Transpose 是 EF 的延伸平台，专门为 LAUNCH 阶段提供跟投资金。这一设计的精妙之处：
- EF 不用承担全部 25 万美元的资金压力
- 创始人获得多元化的投资人基础（EF + Transpose）
- Transpose 可以是后续轮次的持续支持者
6.4 与英国其他加速器对比（2026）
| 加速器 | 投资 | 股权 | 周期 | 定位 | 起点 |
|---|---|---|---|---|---|
| Seedcamp | 35 万-100 万英镑 | 不等（convertible/equity） | Rolling | 种子轮基金 | Pre-seed |
| Entrepreneur First | 最高 25 万美元 | ~9% | 24 周 | Pre-team | 最早期 |
| Zinc | 约 24.3 万英镑 | ~15% | 9 个月 | Pre-idea（使命驱动） | Pre-idea |
| Techstars London | 22 万美元 | 5% + uncapped SAFE | 13 周 | 种子前 | Pre-seed |
| Antler London | 21 万英镑 | 8.5% + convertible note | 8 + 12 周 | Pre-team | Pre-team |
EF 和 Antler 是英国唯二接受"无团队无想法"申请者的加速器。
七、EF 的全球扩张
7.1 全球办公室时间线
| 时间 | 办公室 | 战略意义 |
|---|---|---|
| 2011 | 伦敦（总部） | 全球大本营 |
| 2016 | 新加坡 | 进入亚洲，与 SGInnovate 协同 |
| 2017-2019 | 巴黎、班加罗尔 | 覆盖欧洲大陆与南亚 |
| 2023.10 | 旧金山 | "终点站"——全球最值钱的单一市场 |
| 2024.04 | 旧金山首场 Demo Day | 与硅谷资本直接对接 |
7.2 为什么搬到旧金山
EF 在全球各地发现人才，但最终让团队搬到旧金山——因为"全球最有价值的单一市场"在这里。这与深圳科创学院的"80% 出海"理念不谋而合。
旧金山的独特价值：
- 资本密度：全球 40%+ 的早期 VC 资金集中在湾区
- 人才密度：从 Google/Meta/Apple/Stripe 等大厂获得创始员工
- 客户密度：B2B SaaS 最早、最大的付费市场
- 导师密度：所有顶级投资人都在湾区
- 退出路径：IPO 与并购的最佳通道
7.3 EF 全球人才网络
八、旗舰 Portfolio 案例
8.1 Magic Pony Technology（2014）
| 维度 | 内容 |
|---|---|
| 成立年 | 2014 |
| 创始人 | Rob Bishop、Zehao Zhu |
| EF 城市 | 伦敦 |
| 赛道 | AI 图像增强 |
| 退出 | 2016 年被 Twitter 收购，约 1.5 亿美元 |
| 战略意义 | EF 早期标志性退出——证明"投人模式"有效 |
Magic Pony 是 EF 投资模式的"教科书级"案例——两个有技术深度但没有现成商业想法的人，在 EF 内部组队，2 年内被 Twitter 收购。Twitter 收购 Magic Pony 后，将其技术整合进 Twitter 的视频直播（Periscope）和图片压缩管线，大幅降低带宽成本。
8.2 Tractable（2016）
| 维度 | 内容 |
|---|---|
| 成立年 | 2016 |
| 创始人 | Adrien Cohen、Razvan Ranca、Alex Dalyac |
| EF 城市 | 伦敦 |
| 赛道 | AI 汽车保险理赔 |
| 估值 | 独角兽，2021 年 C 轮后估值约 10 亿美元+ |
| 融资总额 | 超过 1.5 亿美元 |
| 投资方 | Insight Venture Partners、Georgian、SoftBank Vision Fund 2 |
Tractable 用 AI 分析车辆碰撞照片，秒级输出维修成本估算。这家公司是 EF 模式的完美证明——三个来自不同国家、不同背景的创始人，在 EF 内部相遇，组建团队，最终成为英国 AI 独角兽。
8.3 ElevenLabs（2022）
| 维度 | 内容 |
|---|---|
| 成立年 | 2022 |
| 创始人 | Mati Staniszewski（前 Palantir）、Piotr Dabkowski（前 Google） |
| EF 城市 | 伦敦 → 旧金山/纽约 |
| 赛道 | AI 语音合成 |
| 估值 | 2025 年约 33 亿美元 |
| 融资总额 | 超过 2.8 亿美元 |
| 投资方 | a16z、Sequoia、ICONIQ、Smolcap、NEA |
ElevenLabs 是 EF 在生成式 AI 时代的代表作。两位波兰裔创始人在 EF 网络中相遇，将 AI 语音合成推向 SOTA，并成为全球语音 AI 的标杆公司。
8.4 其他重要公司（按成立年排序）
EF 已创建 600+ 家公司，组合总估值超 160 亿美元，投资组合被 Sequoia、a16z、SoftBank、Khosla Ventures 等顶级机构后续投资。
| 成立年 | 公司 | 创始人 | EF 城市 | 赛道 | 当前状态/估值 |
|---|---|---|---|---|---|
| 2014 | Magic Pony Technology | Rob Bishop/Zehao Zhu | 伦敦 | AI 图像增强 | 被 Twitter 收购（2016，~$150M） |
| 2015 | Atomwise | Abraham Heifets（EF 关联） | 伦敦 | AI 药物发现 | 估值 ~$1B+ |
| 2016 | Tractable | Adrien Cohen/Razvan Ranca/Alex Dalyac | 伦敦 | AI 保险理赔 | 独角兽，估值 ~$1B+ |
| 2017 | CloudNC | Theo Saville/Chris Ebbert | 伦敦 | AI 制造 | 估值数亿美元 |
| 2017 | Clotho Labs | — | 伦敦 | 生物技术 | Series A |
| 2017 | Cleo | Barney Hussey-Yeo | 伦敦 | AI 金融助手 | 估值 ~$500M |
| 2018 | Hurr | Victoria Prew | 伦敦 | 奢侈品租赁 | Series A |
| 2018 | Spin Up | — | 巴黎 | 气候科技 | 早期 |
| 2018 | Chip Brain | — | 班加罗尔 | AI 芯片 | Series A |
| 2019 | Magic Spoon | Gabi Lewis/Greg Siegle | 纽约 | 健康谷物 | 增长迅猛，营收数亿美元 |
| 2020 | Causaly | Yiannis Kiachifides | 伦敦 | AI 生物医学 | 估值数亿美元 |
| 2020 | Sonantic | — | 伦敦 | 语音 AI | 被 Spotify 收购 |
| 2020 | FabricNano | Grant Aarons/Cellen Chua | 伦敦 | 合成生物 | Series A，数千万美元 |
| 2021 | Accexible | — | 伦敦 | AI 医疗 | Series A |
| 2021 | Unitary | Sasha Haco/James Green | 伦敦 | AI 视频审核 | Series A |
| 2021 | Lyndon | — | 巴黎 | 金融科技 | 早期 |
| 2022 | Aztec Protocol | — | 伦敦 | 隐私区块链 | 估值数亿美元 |
| 2022 | Bloop AI | — | 伦敦 | AI 编程 | 早期 |
| 2022 | ElevenLabs | Mati Staniszewski/Piotr Dabkowski | 伦敦→纽约 | AI 语音合成 | 独角兽，估值 ~$3.3B |
| 2023 | Caspian Key | — | 旧金山 | AI 安全 | 种子轮 |
8.5 Portfolio 赛道分布
观察：EF 不是垂直加速器——它投人，不投赛道。但 AI/ML 占比最高，这与 EF 两位创始人的技术信仰和英国 AI 政策红利直接相关。
九、EF vs 全球对标
9.1 加速器维度对比
| 维度 | EF | YC | MIT delta v | 深圳科创学院 | NUS Enterprise |
|---|---|---|---|---|---|
| 投资阶段 | Pre-team | Pre-seed（有 MVP） | Pre-seed（有想法） | Pre-seed（有方向） | Pre-seed（有科研） |
| 核心模式 | 投人 | 投项目 | 教育 | 教育+孵化 | 政校企 |
| 股权 | ~9% | 7%+SAFE | 零 | 有基金 | grant 为主 |
| 投资额 | 最高 $250K | $500K | $20K | 天使轮 | 25 万新币 |
| 周期 | 24 周（FORM+LAUNCH） | 3 个月 | 3 个月 | 持续 | 12 个月 |
| 终点站 | 旧金山 | 旧金山 | MIT 校园 | 深圳/全球 | 全球 20+ 城市 |
| 供应链 | 无 | 无 | 无 | 核心优势 | 无 |
9.2 与 Antler 的详细对比
Antler 是 EF 模式最直接的模仿者。两者差异：
| 维度 | Entrepreneur First | Antler |
|---|---|---|
| 成立年 | 2011（伦敦） | 2017（新加坡） |
| 先发优势 | 6 年 | 后发 |
| 总部 | 伦敦 | 新加坡 + 纽约 |
| 全球办公室 | 4 个（伦敦/巴黎/班加罗尔/旧金山） | 30+ 个城市 |
| 投资额 | $250K | $120-200K |
| 股权 | ~9% | 8.5% + convertible note |
| 周期 | 24 周（含旧金山） | 8 + 12 周 |
| 终点站设计 | 旧金山强制搬迁 | 不强制 |
| 政策连接 | 英国首相 AI 顾问 | 一般 |
| 组合公司 | 600+ | 1,000+ |
| 组合估值 | $16B+ | 约 $10B+ |
结论：EF 数量少（600+ vs Antler 1000+），但深度与质量更高——Tractable 和 ElevenLabs 这样的独角兽就是证明。Antler 通过规模取胜，EF 通过质量取胜。
十、可复用的方法论与不可复制的禀赋
10.1 可借鉴的（中国高校/加速器可学习）
方法论 1：投人不投项目
最伟大的公司不是从想法开始的，是从人开始的。如果我们要做早期孵化，应该先筛人再筛项目。
方法论 2：联合创始人匹配是核心能力
EF 的核心能力是匹配联合创始人——80% 的参与者在 8 周内找到合伙人。这不是简单的"相亲"，是基于深度评估的"技术能力 + 性格 + 野心"三维匹配。中国高校创业教育最缺的就是"帮你找合伙人"。
方法论 3："旧金山作为终点站"的设计
无论你在哪里开始，最终都要到全球最大的市场。这对中国创业者同样适用——不是所有人都要出海，但最 ambitious 的必须考虑全球化。
方法论 4：FORM 阶段的 grant 设计
无股权的赠款让创始人无后顾之忧地试错。如果没成功，不需要偿还。这比股权投资对早期更友好。
方法论 5："半公益"的 Talent Investor 角色
EF 的"Talent Investors"不是投资经理，是"催化剂和可信赖的伙伴"。这种定位比传统的"投资经理管项目"更有效。
方法论 6：政策连接
Matt Clifford 作为英国首相的 AI 顾问——这说明创业教育机构可以（应该）深度参与政策制定。中国高校/加速器也应该建立与政府的深度连接。
方法论 7：cohort 精心筛选
EF 每年 cohort 规模有限，但每个 cohort 都经过深度筛选。这种"少而精"的策略比"多而杂"的规模化扩张更适合早期孵化。
10.2 不可复制的（中国无法照搬）
禀赋 1：14 年的先发优势
EF 2011 年发明了"人才投资"模式，比任何模仿者都早。
禀赋 2：旧金山的终点站地位
EF 让所有团队搬到旧金山——这依赖 EF 在硅谷的网络和资源。中国加速器做不到这一点。
禀赋 3：Matt Clifford 的政治影响力
作为英国首相的 AI 顾问，他的政策连接不可复制。这种"加速器创始人 + 国家 AI 顾问"的双重身份，全球罕见。
禀赋 4：欧洲"人才被困"的痛点
EF 成功的前提是欧洲大量有潜力的人才被困在投行/咨询/大厂——这个痛点在中国同样存在，但中国的创业文化比欧洲更活跃，"解放人才"的紧迫性不同。
禀赋 5：英语世界的天然优势
EF 依赖英语作为全球科技通用语言——这让 EF 可以从印度、新加坡、欧洲招募人才。中国加速器受语言限制，只能主要服务华人圈。
禀赋 6：Reid Hoffman + Patrick Collison 开场
EF 的 Demo Day 曾由 LinkedIn 创始人和 Stripe 创始人开场——这种"大佬背书"是 EF 14 年积累的品牌资产。
10.3 方法论 - 禀赋对比
十一、EF 的独特价值总结
11.1 全球唯一的"人才投资"模式
没有第二家机构像 EF 这样系统性地"投人不投项目"。Antler 是最接近的模仿者，但 EF 是这一模式的发明者和标杆。
11.2 联合创始人匹配机制
EF 的核心能力是匹配联合创始人——80% 的参与者在 8 周内找到了合伙人。这不是简单的"相亲"，是基于深度评估的"技术能力 + 性格 + 野心"的三维匹配。
11.3 旧金山作为"终点站"
无论你在伦敦、巴黎还是班加罗尔加入 EF，最终都要搬到旧金山——这确保所有 EF 公司都能接入硅谷的资本和网络。
11.4 与英国 AI 政策的深度连接
Matt Clifford 作为英国首相的 AI 顾问，使得 EF 在英国 AI 创业生态中有独特的政策优势——这不是普通加速器能做到的。
11.5 从投人到投政策
EF 的演化路径：
十二、对中国创业教育的启示
12.1 "投人"理念在中国高校的可行性
中国高校创业教育当前的核心痛点：
| 痛点 | EF 模式的启发 |
|---|---|
| 学生有项目无团队 | 引入"联合创始人匹配"机制 |
| 团队有想法无资金 | 引入"无股权 grant"覆盖生活成本 |
| 项目有原型无客户 | 引入"客户开发痴迷"的 FORM 阶段 |
| 公司有产品无出海 | 引入"旧金山终点站"设计 |
| 创业有成果无政策支持 | 建立"创业教育 → 政府政策"双向通道 |
12.2 中国版 EF 的可能性
中国是否有条件建立"EF 模式"的加速器？关键变量：
| 条件 | 中国 | EF |
|---|---|---|
| 顶尖人才存量 | 充足（清北复交） | 充足（牛津剑桥） |
| 创业文化 | 强（深圳/杭州） | 弱（欧洲保守） |
| 政策支持 | 强（政府主导） | 中（政策红利） |
| 早期资本 | 充足 | 充足 |
| 全球出海 | 受限 | 开放 |
| 人才被困痛点 | 存在 | 存在 |
结论：中国完全有条件建立"投人模式"的加速器，但需要解决"出海通道"和"政策连接"两个关键问题。深圳科创学院的"供应链 + 全球出海"路径，可以与 EF 的"投人 + 终点站"理念结合。
十二、核心结论：EF 的七条终极启示
- 启示一："投人而非投公司"是天才的早期投资策略 — EF 的核心洞察是：在 Day Zero（创始人甚至没想法之前），唯一能评估的是"人的质量"。传统 VC 等创始人"有公司+有产品+有收入"才投资，EF 在"什么都没有"的时候就下注。这种"前置风险"让 EF 获得了更低的入场估值和更早期的创始人忠诚度
- 启示二："强制 co-founder matching"解决了 solo founder 困境 — 很多技术天才因为"找不到联合创始人"而从未创业。EF 的"3 个月 co-founder 匹配"机制强制解决了这个问题——把 50 个技术天才放在一起 3 个月，他们自然会形成配对。这不是"浪漫"（像 YC 让创始人自己找），而是"包办婚姻"——但成功率出人意料地高
- 启示三：Matt Clifford 和 Alice Bentinck 的"非创业者做加速器"是反直觉的成功 — 两人都不是已退出创始人（与 YC 的 PG、Startmate 的 Niki Scevak 不同），而是"识别和培养创业人才"的专家。这证明：加速器不需要由"已退出创始人"来运营——它需要的是"能识别和培养创始人的人"
- 启示四：EF 的"筛选率"（<1%）是双刃剑 — 极高筛选率保证了 EF 投资组合的品质（每批次中的顶尖人才），但也意味着 EF 拒绝了大量"可能成功但不符合 EF 模式"的人才。这种"精英主义"的风险是：被 EF 拒绝的人可能去 YC 或其他加速器成功，从而证明 EF 的筛选是"假阳性"
- **启示五：Magic Pony Technology 的 150M 退出
- 启示六：EF 从伦敦扩展至 6 个城市证明"投人"模式可迁移 — 伦敦、柏林、巴黎、多伦多、旧金山、新加坡——EF 在不同城市复制了"筛选 → 匹配 → 投资"的模式。但每个城市的"人才类型"不同（伦敦多金融/咨询转行、柏林多工程、巴黎多 AI），EF 必须适配本地人才池
- 启示七：EF 的"校友网络"是最被低估的资产 — 3,000+ EF 校友——即使大多数公司失败——形成了一个"全球技术创业者网络"。这个网络的价值在于：EF 校友互相招聘（从校友公司挖人）、互相投资（校友成为天使）、互相建议（校友作为导师）——这是 EF 的"飞轮"
十三、终章：EF 的三条终极法则
第一法则（人才法则）：创业的最优切入点是"人"而非"想法" — EF 的核心假设：世界级人才 + 正确的匹配 → 好的想法会自然涌现。传统加速器假设：好的想法 + 正确的指导 → 世界级公司。EF 的成功证明：前者可能更有效——因为想法可以 pivot，但创始人不能"pivot 他们的能力"
第二法则（匹配法则）：co-founder matching 需要"足够多的候选人 + 足够长的时间 + 足够好的筛选" — EF 的"3 个月 + 50 人/批次 + <1% 录取率"的组合创造了"高质量匹配"的条件。如果任何一个变量减半（如只有 25 人/批次），匹配质量会急剧下降——因为"可选择的对象"不够多
第三法则（演化法则）：从"投人"到"投公司"的转型是必要的但困难的 — EF 的当前挑战：最初的"投人"模式（Day Zero 投资）在种子阶段有优势，但到了 A/B 轮阶段，EF 需要证明它不仅仅是一个"高级猎头"。EF 的下一阶段是证明"投人模式可以持续产出独角兽"——这个证明尚未完成
EF 的效率公式：
EF_Value = (Talent_Pool_Quality × Matching_Algorithm × Portfolio_Size) / (Time_to_Find_CoFounder)
当前估计：
- Talent_Pool_Quality = 极高（<1% 录取率）
- Matching_Algorithm = 中等（主要靠\"人治\"——EF 员工的直觉 + 3 个月共处）
- Portfolio_Size = 大（每年 ~100 家公司）
- Time_to_Find_CoFounder = 短（3 个月）
十四、FAQ
Q: EF 的"包办婚姻"模式——匹配的联合创始人在公司失败后会怎样？
这是 EF 最被低估的风险。3 个月强制匹配的联合创始人可能在压力下"仓促成婚"，当公司失败时，关系破裂可能非常痛苦——不像 YC 那样创始人自己带来的联合创始人（有长期的友谊/工作关系打底）。EF 的回应是：① 3 个月的"试婚期"让双方在做出最终承诺前充分了解；② 即使公司失败，EF 校友仍然互相尊重（因为"我们一起经历过 EF"）；③ 数据显示 EF 匹配的联合创始人"稳定率"与"自然形成的"联合创始人相当
Q: EF 在中国能工作吗？
中国已经有类似模式——奇绩创坛（陆奇）部分借鉴了 EF 的"投人"哲学，但更接近 YC（投早期的公司而非 Day Zero 的个人）。EF 模式在中国的关键障碍：① 中国创业者的"联合创始人"通常是同学/同事（长期关系），"3 个月匹配"可能不被信任；② 中国 VC 市场更偏好"已有产品/收入的创业公司"而非"纯人才"；③ 中国的人才流动性高——"好人才"通常已经在大厂（字节、阿里、腾讯）或已有创业想法，不太需要 EF 的"匹配"
Q: EF 和 Antler 有什么区别？
表面相似（都"投人"），但有三个关键差异：① EF 更精英（<1% 录取率）vs Antler 稍宽松；② EF 的"3 个月 co-founder 匹配"是强制性的（你必须和 EF 批次中的某人合作），Antler 更灵活（你可以带联合创始人来）；③ EF 的地理策略是"精选几个全球人才中心"（伦敦、旧金山、柏林等），Antler 更"覆盖广泛"（20+ 城市包括新兴市场）
十五、对中国创业生态的启示
- 启示一：中国 VC 过于"投公司"——"投人"模式在中国是空白的 — 中国 VC 几乎 100% 是"看到公司和产品才投资"的。没有人做真正的"Day Zero 人才投资"——在创始人辞职前就投资他们。这是一个巨大空白
- 启示二：中国大厂员工（阿里/腾讯/字节）的"创业冲动"需要一个"EF 式的出口" — 大量中国大厂技术人才有创业想法但缺少联合创始人、缺少初始资金、缺少"离开大厂的勇气"。一个中国版 EF 可以解决这三个问题
- 启示三："co-founder matching"在中国是"产品"而不是"理所当然的事" — 中国创业者的联合创始人通常是同学/同事（熟人圈子），缺少"跨圈子匹配"的机制。一个专门做"技术创业者匹配"的平台可能有市场
- 启示四：EF 的"全球化人才网络"是中国出海创业者的潜在资源 — 如果中国创业者想在全球招募联合创始人或早期团队成员，EF 的 3,000+ 校友网络是一个值得关注的渠道
十六、2030 情景推演
- 乐观（概率 30%）：EF 成功证明"投人"模式能持续产出独角兽（5+ EF 系独角兽），扩展到 10 个城市，成为全球第三大创业支持品牌（仅次于 YC 和 Techstars）。Matt Clifford 的 UK AI Action Plan 角色让 EF 在英国/欧洲获得政府级的背书
- 基准（概率 50%）：EF 维持现有规模（6 城市），在伦敦/欧洲保持"精英投人"定位。AI 创业浪潮让 EF 的"人才识别"能力更有价值（因为 AI 创业更依赖"人才质量"），但全球扩张放缓
- 悲观（概率 20%）：AI 让"Day Zero 投资"变得更难——因为 AI 降低了创业门槛，"任何人"都能创业，"投人"的信号价值下降。更大的加速器（YC、Antler）挤压 EF 在早期创业空间的份额，EF 被迫转型或被收购
十七、参考资源
13.1 官方资源
13.2 深度分析
- 12 UK Startup Accelerators in 2026（Peony, 2026.04）
- How Does Entrepreneur First Company Work?（Canvas Business Model, 2025.07）
- UK startup accelerators and incubators（Upcut Studio, 2025.08）
- Matt Clifford: AI Opportunities Action Plan（UK Government, 2025）
13.3 书籍
- Alice Bentinck & Matt Clifford：《How to be a Founder》
13.4 代表性公司
13.5 关联文档
注：本文数据截至 2025 年。EF 的最新项目、投资条款和战略方向请访问 joinef.com。Matt Clifford 的 UK AI Opportunities Action Plan 是了解 EF 哲学的重要背景阅读。
方法论说明：本文采用"Day Zero 投资"的分析框架，核心评估指标包括：人才筛选严格度、co-founder 匹配成功率、退出案例质量、"投人"模式的可迁移性。
本文是本系列"全球科创教育调研"的欧洲篇之一。下一篇：Seedcamp 深度分析。
- EF 不适合谁：已有稳定联合创始人的创业者（不需要 EF 的匹配）、已经有明确想法的创业者（更适合 YC 或直接融资）、不愿意"试用"3 个月的创始人（EF 需要时间成本）
- 最终判断：EF 是"投人"模式的全球先驱。在"每个人都有想法但很少有人找到合适的联合创始人"的时代，EF 的"筛选+匹配+投资"框架提供了一个稀缺的服务。但 EF 的下一个十年挑战是证明："投人"模式不仅适用于早期，也适用于规模化——即"从 Day Zero 到独角兽"的完整路径
- 补充数据：EF 累计投资 3,000+ 创始人，形成了 600+ 家公司，总估值 150M 被 Twitter 收购) 和 Tractable ($1B+ 估值) 是最具代表性的成功案例
- 核心网络节点：伦敦（HQ）、柏林、巴黎、多伦多、旧金山、新加坡——6 个城市都是"全球 AI/技术人才中心"
- 最值得对比的机构：Antler（Day Zero 规模化者）、YC（传统加速器之王）、ZINC（EF 的"社会影响力"版本）——这三个与 EF 在"创始人发现和培养"领域既有竞争也有互补
综合讨论："Day Zero 投资"的全球格局：
- EF vs Antler —— "Day Zero 投资"的两种规模化路径：EF 是"垂直深度"——每个城市每年 50-100 创始人，3 个月的 Foundation Program 高度触达（每个 Cohort 50 人）；Antler 是"水平广度"——25 个城市 × 每年数百创始人，更快的节奏（2 个月而非 3 个月）。EF 的"匹配成功率"（约 60% 形成联合创始团队）高于 Antler 的约 40%（因为 EF 的筛选更窄、投入更深）。但 Antler 的"全球化"可规模化更强（25 城市 vs EF 的 6 城市）
- EF vs YC —— 两个不同阶段的最强者：YC 是"你已有联合创始人和想法，帮你打磨 MVP 和融资"（Day 1 投资），EF 是"你只有你自己，帮你找到联合创始人"（Day 0 投资）。它们的竞争界面在未来 5 年将越来越明显——YC 推出了"YC Co-Founder Matching"平台（2023 年），EF 扩展了从种子到 A 轮的连续投资能力（EF 的 Seed Fund）
- EF vs 传统大学/MBA——"后大学"时代的精英筛选：EF 本质上是"后大学"的精英筛选——对剑桥/MIT/ETH 的毕业生的二次筛选。如果传统大学的角色是"发现和培养人才"，EF 则是在毕业生中再筛一层的"人才提纯"。这也解释了为什么 EF 的创始人中 80%+ 拥有 STEM 硕士/博士——EF 不是在发现"新人才"，而是在"已经受过训练的人才"中进行二次选择
- EF 的核心风险：如果不能证明"投人"模式可以产生足够的独角兽来覆盖早期投资的小额失败的损失（即 Portfolio 的幂律分布），EF 将面临"中等退出陷阱"——很多 1B+ 退出。这是所有 Day Zero 投资者的结构性风险
FAQ 续：4 个关键问题：
- Q: EF 的 3 个月 Foundation Program 期间，创始人拿工资吗？ A: 拿。EF 提供生活费津贴（金额依城市而异：伦敦约 £2,000/月，旧金山约 3,000/月）。这在"投人"模式中是关键设计——如果创始人在 3 个月内有财务压力，他们无法全神贯注于找联合创始人和验证想法
- Q: EF 的"失败率"怎么算？ A: 这取决于你怎么定义"失败"——(1) 如果"形成联合创始团队"算成功，EF 的成功率约 60%；(2) 如果"获得 EF 投资"算成功，成功率约 40%；(3) 如果"后续融资"算成功，约 25%；(4) 如果"$500M+ 退出"算成功，约 0.5%。所以 EF 的 Portfolio 是一个尖锐的"幂律分布"——少数人暴富，大多数人回到传统工作
- Q: EF 的"投人"标准是否能被 AI 替代？ A: 部分可能——AI 可以做简历/背景/社交网络的"批量筛选"（识别来自顶级机构的人才），但 EF 的"人格面试"（判断一个工程师是否有"创业冲动"和"商业敏锐度"）是 AI 做不到的。Matt Clifford 的核心信念是"判断一个人的创业潜力是一个深度的、无法被 AI 替代的人类判断"。如果这个信念被 AI 推翻，EF 的整个模型将瓦解
- Q: EF 的中国策略是什么？ A: 零。EF 从未进入中国，也没有明确的入华计划。原因如 Matt Clifford 所说："我们的模式需要深厚的本地人才网络"——EF 的每个城市都依赖当地的"技术社区+大学+VC"网络，进入一个新城市需要 2-3 年建立这样的网络。在"全球 AI 人才集中度"的视角下，EF 更可能选择"美国湾区/纽约"作为第 7 个城市，而非中国
2030 情景推演：
- 乐观情景（"下一个全球精英筛选网络"）：EF 扩展到 15 个城市（新增东京、首尔、特拉维夫、迪拜、慕尼黑、苏黎世、斯德哥尔摩、班加罗尔、深圳）。EF 的 10 年"校友网络"达到 5,000+ 创始人、1,500+ 公司、500M+）和 EF Continuation Fund。Matt Clifford 成为"全球 AI 时代的精英培养大师"——将 EF 的人才筛选哲学转化为 AI 时代的核心基础设施
- 悲观情景（"中等退出陷阱"）：EF 没有产生足够的 50-200M 的价格被收购（Magic Pony 模式的重复）。"投人"模式被 AI 威胁——AI 可以自动匹配联合创始人、自动生成商业模型，EF 的"人类判断"价值下降。EF 的伦敦总部（人才集中）面临美国湾区（资金/市场集中）的竞争——最好的创始人选择直接去美国加入 YC 而非在伦敦/柏林加入 EF
- 最可能的中间路径：EF 维持 8-10 个城市的规模（"深度>广度"战略），累积 2-3 个独角兽（Tractable 估值 $1B+，还有 1-2 家）。Matt Clifford 保持在 UK AI 政策中的影响力，为 EF 的 Portfolio 带来"政策驱动"的竞争优势。EF 的"人才筛选数据库"（10 年积累的创始人评估数据）成为最有价值的隐性资产——AI 可以提升效率但无法替代"创始人潜力判断"的人类直觉
对中国创业生态的启示：
- "投人"模式的中国困境：EF 的"投人"模式在中国从未成功——因为中国的创业生态更偏向"投事"（投资完整的 BP 和团队）而非"投人"（投资一个人的潜力）。中国 VC 的典型逻辑是"你有一个 BP、一个团队、一个 MVP——我投钱"，而非"你是一个人——我花钱给你 3 个月去找联合创始人"。这反映了中美欧创业文化的深层差异：在美国/欧洲，"我的创业从加入 VC 的 Fellowship 项目开始"是合理的；在中国，"我的创业从一个 idea、两个联合创始人、爸妈/自己的存款"开始是主流
- "人才筛选"的启发：EF 的"顶级机构/大学→EF 面试→3 个月试错→联合创始人匹配→投资"的 Pipeline 是"精英二次筛选"的极致案例。中国的"大学科技园/孵化器"可以借鉴 EF 的"筛选框架"（判断一个人的"创业冲动"和"商业敏锐度"），但"3 个月不融资、纯试错"的模式在中国难以推广——因为中国一线城市的生活成本和租房压力使得"3 个月无收入"对大多数人不可接受
- "Day Zero"的中国变体：中国有"Day Zero 投资"的变体——如"车库咖啡创业"（2011 年北京中关村创业大街的"草根创业"风潮）、"创业大学"（混沌大学/得到大学等商业课程中的"创业训练营"）、"大厂外溢"（字节/阿里/腾讯的退役员工形成创业团队）。但这些都不是 EF 的"系统性 Day Zero 投资"——它们是自发的、非结构化的、缺乏资本的
推荐阅读路径：
- 入门级（30 分钟）：EF 官方 "Our Model" 页面 + Matt Clifford 的 Forbes 访谈（2023）
- 进阶级（2 小时）：Matt Clifford "UK AI Opportunities Action Plan"（了解 EF 风投哲学的政策维度）+ "Entrepreneur First: The Original Talent Investor"（TechCrunch 深度分析）
- 研究级（1 天）：对比 EF、Antler、YC 的"创始人筛选"模型（筛选标准 × 投资条款 × 成功率）+ 分析"投人"模式在 5 个市场的适用性（美国、欧洲、印度、东南亚、中国）
- 实地级（1 周）：访问 EF 伦敦 HQ → 参与一次 EF 的"Talent Evening"（公开活动）→ 与 3 位 EF 校友创始人进行"模式有效性的结构化访谈"
方法论补充："投人"模式的 4 个假设：
- "创业潜力可筛选"假设：存在一组可观察的特征（教育背景、工作经历、技术能力、人格特质），使得某些人与创业成功的相关性显著高于随机人群。如果这个假设不成立（即创业成功完全是随机的或由市场时机决定的），EF 的整个模型将崩溃
- "联合创始人是创业关键的瓶颈"假设：对于许多技术人才而言，"找不到合适的联合创始人"是他们不创业的主要原因。EF 的存在是解决这个瓶颈。如果这个瓶颈不存在（即技术人才可以轻松找到联合创始人），EF 的核心价值将消失
- "3 个月足以判断"假设：EF 的 Foundation Program 的设计核心是 3 个月可以判断一个技术人才是否有创业潜力。如果这个时间窗口太短（即需要 6-12 个月才能判断），EF 的筛选将高概率产生假阴性（漏掉好人才）或假阳性（投资差人才）
- "投人 > 投事"假设：EF 的核心理念是"伟大的人找到伟大的问题"——即如果筛选到正确的人，他们会自然找到正确的市场。与之相反，YC 的理念更偏向"正确的问题找到正确的人"——即如果市场时机正确（如 AI），即使中等水平的团队也可以成功。这两个假设在 10 年尺度上可能有一个被证伪
最后总结：
- EF 是什么：全球最早的"Day Zero 人才投资"机构——不是投创业公司的 VC，而是投"可能成为创始人的人"的 Talent Investor
- EF 不是什么：不是加速器（没有 Demo Day）、不是孵化器（没有固定的物理空间）、不是传统的种子基金（不按公司估值投资）
- EF 的终极不可替代性：10 年积累的人才筛选数据 + Matt Clifford 在 UK AI 政策中的独特地位 + 欧洲/北美/亚洲的 6 城市网络 = 一个全球化的"精英创始人发现管道"
- EF 的终极风险：如果 AI 可以在 5 年内替代"联合创始人匹配"（即 AI 成为每个创业者的"完美联合创始人"），EF 的"匹配"价值将归零——但"筛选"价值可能仍然存在（因为判断"谁应该创业"仍需要人类判断）
EF 的终极教训：在"每个人都有想法，但很少有人找到合适的联合创始人"的时代，"筛选人"比"筛选想法"更重要。但筛选人的能力是深度的、昂贵的、难以规模化的——这就是 EF 的壁垒和局限。
全球 Day Zero 投资对标表格：
- EF vs Antler vs YC Co-Founder Matching：
- EF（英国/全球）：6 城市，每年 200-300 创始人，筛选通过率 <2%，3 个月 Foundation，"深度>广度"，投资 $100K 起，核心信念 "投人"
- Antler（新加坡/全球）：25 城市，每年 1,000+ 创始人，筛选通过率 <3%，2 个月 Residency，"广度>深度"，投资 $100K 起，核心信念 "投人+投地"
- YC Co-Founder Matching（美国）：在线平台，规模不限，开放注册，无固定时间，轻量级，不投资（只是匹配），核心信念 "基础设施"
- EF 的差异优势：最深的"精英筛选"——EF 的 "全球 AI 人才集中度"是 3 个模型中最高的（因为 EF 只选择顶级机构/大学的毕业生，而 Antler 接受更广泛的背景）
- EF 的差异劣势：最慢的规模化——EF 需要 2-3 年建立每个城市的人才网络，而 Antler 可以在 6-12 个月开设新城市（因为 Antler 使用更标准化的筛选流程）
FAQ 再续：关于 "投人" 的 3 个深层问题：
- Q: 如果"投人"正确，为什么不是所有 VC 都"投人"？ A: 因为"投人"的成本更高——你需要在看到 BP 之前就花时间判断一个人（EF 的每个创始人平均被面试 4-6 次），而"投事"只需要看 BP（30 分钟）。对于管理 $500M 基金的 VC，看 BP 的"单位时间 ROI"高于深度面试创始人
- Q: EF 和"预种子投资"（Pre-Seed）有什么区别？ A: Phase One——"投人"＝还没 idea、没 co-founder → EF 投资（"Day Zero"）；Phase Two——"投事"＝有 idea、有 co-founder → Pre-Seed VC 投资（"Day 1"）；Phase Three——"投 traction"＝有 MVP、有用户 → 种子 VC 投资（"Day 30"）。EF 是 Phase One 的投资者，Pre-Seed VC 是 Phase Two 的投资者
- Q: 如果 Matt Clifford 离开 EF，EF 会怎样？ A: 短期内不会崩溃（EF 有职业管理团队），但长期会失去 Matt 的个人网络价值——他在 UK 政府 + Oxford/Cambridge 网络中的 20 年经营是 EF 的"隐性资产"。Matt 的离开将考验 EF "机构化"的深度——即 EF 是"Matt 个人驱动"还是"机构驱动"的组织
EF 核心数据补充：
- 创始人数据：累计 3,000+ 创始人，600+ 公司，$10B+ 总估值
- 退出数据：Magic Pony Technology（1B+ 估值，AI 保险）、Accurx（$200M+ 估值，医疗沟通平台）
- 城市数据：伦敦（HQ）、柏林、巴黎、多伦多、旧金山、新加坡
- 投资数据：每位创始人 250K-$1M
- 关键人物：Matt Clifford（联合创始人兼 CEO）、Alice Bentinck（联合创始人兼 COO）
- 基金规模：EF Seed Fund 约 $200M+（估计）
- 独特资产：10 年创始人评估数据库、UK AI 政策影响力、"精英筛选"品牌