本集简介
双语字幕
仅展示文本字幕，不包含中文音频；想边听边看，请使用 Bayt 播客 App。
时至今日的2025年，AI 给整个科技行业带来影响，我想已经毋庸置疑了。
时至今日的2025年，AI 给整个科技行业带来影响，我想已经毋庸置疑了。
有些人甚至把 AI 称作对整个产品创业的革命性的范式颠覆。
有些人甚至把 AI 称作对整个产品创业的革命性的范式颠覆。
这期节目啊，我们请来了先后在 Amazon 与 Google 从事 AI 产品，并给多家 startup 提供咨询的 Roger 从解决方案、护城河、运营等多个角度和大家聊一聊，AI到底对产品创新与创业带来什么样的影响。
这期节目啊，我们请来了先后在 Amazon 与 Google 从事 AI 产品，并给多家 startup 提供咨询的 Roger 从解决方案、护城河、运营等多个角度和大家聊一聊，AI到底对产品创新与创业带来什么样的影响。
哎，一个好的产品经理，或者一个好的好的创业团队，听取用户的反馈哈，啊，能够把它应用到下一代的这个产品的迭代当中。
哎，一个好的产品经理，或者一个好的好的创业团队，听取用户的反馈哈，啊，能够把它应用到下一代的这个产品的迭代当中。
所以这一块呢，在 AI 的这个领域。
所以这一块呢，在 AI 的这个领域。
它并不是 nice to have，它是一个 must to have。
它并不是 nice to have，它是一个 must to have。
真正成功的企业，他不需要大规模的 bc 的资金。
真正成功的企业，他不需要大规模的 bc 的资金。
反倒是一些呃非常很 struggle 或者并没有找到产品和市场契合点的公司。
反倒是一些呃非常很 struggle 或者并没有找到产品和市场契合点的公司。
啊，因为它的这个收入规模没有起来，所以它需要 VC 的持续的资本的注入。
啊，因为它的这个收入规模没有起来，所以它需要 VC 的持续的资本的注入。
这里是牛油果烤面包。
这里是牛油果烤面包。
大家好，欢迎来到新一期的牛油果烤面包节目。
大家好，欢迎来到新一期的牛油果烤面包节目。
我是尚。
我是尚。
我是温迪。
我是温迪。
我是 david 好，非常欢迎大家再次来啊，今天又是一次非常精彩的关于 AI 相关的节目。
我是 david 好，非常欢迎大家再次来啊，今天又是一次非常精彩的关于 AI 相关的节目。
这次啊，我们非常荣幸的请到了一位在 AI 产品和创业领域拥有丰富经验的专家啊， Roger Jin。
这次啊，我们非常荣幸的请到了一位在 AI 产品和创业领域拥有丰富经验的专家啊， Roger Jin。
主持人好，哈喽，大家好！
主持人好，哈喽，大家好！
非常高兴今天来到这个节目，我是 Roger。
非常高兴今天来到这个节目，我是 Roger。
在过去的三年，我在谷歌担任产品主管，在 DeepMind 部门负责 Gemini 这个大语言模型产品的开发。
在过去的三年，我在谷歌担任产品主管，在 DeepMind 部门负责 Gemini 这个大语言模型产品的开发。
在谷歌之前呢，我在亚马逊带领产品团队，负责 Alexa 这个智能语音啊信息服务的产品。
在谷歌之前呢，我在亚马逊带领产品团队，负责 Alexa 这个智能语音啊信息服务的产品。
啊，我在 AI 创业领域啊作为联合创始人和 CEO。
啊，我在 AI 创业领域啊作为联合创始人和 CEO。
创办了两家 AI 相关的公司。
创办了两家 AI 相关的公司。
啊，其中之一呢是通过 AI 服务于啊智能语音和客服系统。
啊，其中之一呢是通过 AI 服务于啊智能语音和客服系统。
啊，另外一家公司是大数据啊，对于企业和营销品牌的服务。
啊，另外一家公司是大数据啊，对于企业和营销品牌的服务。
啊，那么这两家企业呢，一共融资了超过2000万美金，也取得了8000万美金以上的这个年销售的收入。
啊，那么这两家企业呢，一共融资了超过2000万美金，也取得了8000万美金以上的这个年销售的收入。
我目前的工作呢是担任顾问、啊，教练和咨询师，给一些科技领域的从业者和创业者啊提供咨询服务，帮助个人的职业规划，啊，和初创公司的产品设计、市场推广和融资的服务。
我目前的工作呢是担任顾问、啊，教练和咨询师，给一些科技领域的从业者和创业者啊提供咨询服务，帮助个人的职业规划，啊，和初创公司的产品设计、市场推广和融资的服务。
啊。
啊。
非常丰富的经验，就看到你在 AI 这个领域其实做了很久，然后包括有大厂，有创业公司啊。
非常丰富的经验，就看到你在 AI 这个领域其实做了很久，然后包括有大厂，有创业公司啊。
今天我们还是挺想聊一聊，就是在现在新的 AI 之下，包括大厂，包括创业公司做产品产生这样的变化。
今天我们还是挺想聊一聊，就是在现在新的 AI 之下，包括大厂，包括创业公司做产品产生这样的变化。
因为现在好像大家会很经常会听到一些一些说法，说啊，现在有 AI 的时代，所有的范式都被打破了，所有东西都不一样。
因为现在好像大家会很经常会听到一些一些说法，说啊，现在有 AI 的时代，所有的范式都被打破了，所有东西都不一样。
所以以你的视角来看，你觉得这次 AI 的浪潮产生的影响和产生变化是什么呢？
所以以你的视角来看，你觉得这次 AI 的浪潮产生的影响和产生变化是什么呢？
对，这样你提到一个非常好的问题啊，我觉得在这个 AI 这个浪潮里边啊，我们现在有许多的 hype 或者叫是噪音啊。有非常多的这个。
对，这样你提到一个非常好的问题啊，我觉得在这个 AI 这个浪潮里边啊，我们现在有许多的 hype 或者叫是噪音啊。有非常多的这个。
对这个噪音里边里边呢，就是分成两块。
对这个噪音里边里边呢，就是分成两块。
第一块，有一方的这个呃观点呢，觉得这个 AI 是呃完全是一个颠覆性的这么一个技术哈，它不仅仅是一个技术本身。
第一块，有一方的这个呃观点呢，觉得这个 AI 是呃完全是一个颠覆性的这么一个技术哈，它不仅仅是一个技术本身。
它也是啊相当于非常底层的一个范式的转变。
它也是啊相当于非常底层的一个范式的转变。
那么在这个里面呢，我们有非常非常多的机会，在非常多的行业能够颠覆啊这个原有的一些。
那么在这个里面呢，我们有非常非常多的机会，在非常多的行业能够颠覆啊这个原有的一些。
一些商业模式。
一些商业模式。
那么另外一个另外一个视角呢，是觉得这个是有一点过度的 over hype 哈，啊，过度的噪音，就是说其实它只是啊，就像原来这个移动的这个浪潮啊。
那么另外一个另外一个视角呢，是觉得这个是有一点过度的 over hype 哈，啊，过度的噪音，就是说其实它只是啊，就像原来这个移动的这个浪潮啊。
能够带来的这些转变是非常有限的。
能够带来的这些转变是非常有限的。
啊，那么许多的这个投资或者说估值也有很大的泡沫。
啊，那么许多的这个投资或者说估值也有很大的泡沫。
那我觉得这两个观点呢，其实不完全绝对是都正确，但是呢，我更偏向于第一个观点。
那我觉得这两个观点呢，其实不完全绝对是都正确，但是呢，我更偏向于第一个观点。
啊，我觉得呃我按照现在的这个呃趋势来看的话呢，AI不仅仅是一跑得更快的一匹马，啊，它其实是一辆车，这就是一个啊比较根本性的一个范式的转变。
啊，我觉得呃我按照现在的这个呃趋势来看的话呢，AI不仅仅是一跑得更快的一匹马，啊，它其实是一辆车，这就是一个啊比较根本性的一个范式的转变。
那么这个里边呢，其实它有一个啊底层的逻辑和原因。
那么这个里边呢，其实它有一个啊底层的逻辑和原因。
啊，这一块呢我我有一个观点啊，就是说 AI 是打破了原有啊，我们叫叫三难的这么一个啊，一个困境。
啊，这一块呢我我有一个观点啊，就是说 AI 是打破了原有啊，我们叫叫三难的这么一个啊，一个困境。
在原有的技术的范式之下呢。
在原有的技术的范式之下呢。
我们经常需要在三个啊维度当中做出一个艰难的选择。
我们经常需要在三个啊维度当中做出一个艰难的选择。
一般来说，一个产品或者一个企业在推出一个服务的时候。
一般来说，一个产品或者一个企业在推出一个服务的时候。
他需要在这个三个不同的维度当中，选择其中之二。
他需要在这个三个不同的维度当中，选择其中之二。
其中这三个维度呢，一个是规模，第二个是定制化，第三个是质量啊。
其中这三个维度呢，一个是规模，第二个是定制化，第三个是质量啊。
我们讲 scale customization 和 quality 那么在这三个维度当中，几乎没有一个商业模式能够三者兼得啊。
我们讲 scale customization 和 quality 那么在这三个维度当中，几乎没有一个商业模式能够三者兼得啊。
我们可以举些例子嘛，每个我们大家可能耳熟能详的商业，他们怎么在这三，刚才提到的三个里面选了两个？
我们可以举些例子嘛，每个我们大家可能耳熟能详的商业，他们怎么在这三，刚才提到的三个里面选了两个？
可以，对，第一种就是他取了规模和质量，但是牺牲了。
可以，对，第一种就是他取了规模和质量，但是牺牲了。
定制化，这个是我们非常熟悉的一些标准化产品啊，比如说啊典型的这个福特梯形车哈，啊，包括你，其实大家这个购买的各种商业汽车。
定制化，这个是我们非常熟悉的一些标准化产品啊，比如说啊典型的这个福特梯形车哈，啊，包括你，其实大家这个购买的各种商业汽车。
你可以得到一辆非常。
你可以得到一辆非常。
啊，iPhone 就明显了，很多局限性。
啊，iPhone 就明显了，很多局限性。
啊，包括我们的，其实在软件产品当中也是这样的，它是一个标准化的，一刀切的产品是吧？
啊，包括我们的，其实在软件产品当中也是这样的，它是一个标准化的，一刀切的产品是吧？
它非常可靠。
它非常可靠。
然后它可以服务百万人这个量级的这个用户。
然后它可以服务百万人这个量级的这个用户。
但是呢它缺乏一个个性，它很难进行定制。
但是呢它缺乏一个个性，它很难进行定制。
啊，所以呢，这个是一个规模加上质量的这么一个，呃，一个局限。
啊，所以呢，这个是一个规模加上质量的这么一个，呃，一个局限。
啊，第二种商业模式呢，它是取了质量和定制化，但是它牺牲了一个规模。
啊，第二种商业模式呢，它是取了质量和定制化，但是它牺牲了一个规模。
啊，这个是我们日常当中啊，非常典型的一个个性化服务的这么一种，呃，一种产品。
啊，这个是我们日常当中啊，非常典型的一个个性化服务的这么一种，呃，一种产品。
比如说你有一个个人的这个导师啊，或者定制的一套西装。
比如说你有一个个人的这个导师啊，或者定制的一套西装。
啊，给你量身打造，但是呢它没有办法规模化，它的成本很高。
啊，给你量身打造，但是呢它没有办法规模化，它的成本很高。
啊，只有少数的人能够负担得起。
啊，只有少数的人能够负担得起。
啊，这个像像一些咨询啊，定制的这个软件呢，就是这样的一类。
啊，这个像像一些咨询啊，定制的这个软件呢，就是这样的一类。
就很多对于企业专门做一些一些克制化的那些 TO B的一些一些产品，就是很像是这种东西。
就很多对于企业专门做一些一些克制化的那些 TO B的一些一些产品，就是很像是这种东西。
对，没错。
对，没错。
呃，这个是第二种，就是质量加定制化，第第三种模式呢，就是另外两头，就是你取了规模和定制化，但是你的质量特别低。
呃，这个是第二种，就是质量加定制化，第第三种模式呢，就是另外两头，就是你取了规模和定制化，但是你的质量特别低。
啊，这个是我们很多的早期 AI 产品陷入了一种。
啊，这个是我们很多的早期 AI 产品陷入了一种。
哈哈哈。
哈哈哈。
早期 AI 就是这个这个领域里面就没有成功的吗？
早期 AI 就是这个这个领域里面就没有成功的吗？
因为它没有规模是吧？
因为它没有规模是吧？
就是它没有质量，它没有质量。
就是它没有质量，它没有质量。
对，它可以，比如说我们其实看到很多的这个营销的软件哈，它就是把你的名字放进去，然后试图试图让让它感觉好像这是这一篇。
对，它可以，比如说我们其实看到很多的这个营销的软件哈，它就是把你的名字放进去，然后试图试图让让它感觉好像这是这一篇。
呃，内容是为你个性定制的，但其实它只是一些非常死板的一些规则。
呃，内容是为你个性定制的，但其实它只是一些非常死板的一些规则。
那它这样的这个个性化呢，其实是不能满足很多用户的需求的，所以它牺牲了很大的很大的质量。
那它这样的这个个性化呢，其实是不能满足很多用户的需求的，所以它牺牲了很大的很大的质量。
所以你大家看到就这种三种商业模式里边，就所有的企业和服务都只非常陷入一种三，我们叫三难困境。
所以你大家看到就这种三种商业模式里边，就所有的企业和服务都只非常陷入一种三，我们叫三难困境。
就这三个里边，你只能选两个。
就这三个里边，你只能选两个。
啊，是一个非常令人纠结的权衡吧。
啊，是一个非常令人纠结的权衡吧。
原因呢，其实是在这个原有的这个技术的范式之下。
原因呢，其实是在这个原有的这个技术的范式之下。
他没有办法克服这些瓶颈。
他没有办法克服这些瓶颈。
那为什么 AI 现在来了之后，我的理解就是，OK，AI 来了是三者可以兼顾的意思。
那为什么 AI 现在来了之后，我的理解就是，OK，AI 来了是三者可以兼顾的意思。
对，其实 AI 里边呢，就是说整个的这个范式，它能够颠覆的有有其中这三个原因哈。
对，其实 AI 里边呢，就是说整个的这个范式，它能够颠覆的有有其中这三个原因哈。
这第一呢，我们之前看到，其中的一个很重要的因素，它是智能只存在于人们的大脑当中，是吧？
这第一呢，我们之前看到，其中的一个很重要的因素，它是智能只存在于人们的大脑当中，是吧？
只有人能够提供这些服务，比如说你的一个私人的这么一个 tutor 一个导师，啊，或者提供一个啊法律咨询的服务。
只有人能够提供这些服务，比如说你的一个私人的这么一个 tutor 一个导师，啊，或者提供一个啊法律咨询的服务。
那没有办法去通过技术啊，能够扩展这些智能。
那没有办法去通过技术啊，能够扩展这些智能。
但是 AI 能够达到这一点，所以 AI 的使用了以后，它可以扩展到无限的智能，就能够颠覆其中的一个瓶颈啊。
但是 AI 能够达到这一点，所以 AI 的使用了以后，它可以扩展到无限的智能，就能够颠覆其中的一个瓶颈啊。
第二块呢，其实是这个传统计算的领域啊，它有一个很大的局限。
第二块呢，其实是这个传统计算的领域啊，它有一个很大的局限。
比如说这个传统的这个软件啊，它的计算是非常的呃 rigid 我们叫它它非常的僵化，它没有办法能够动态地理解很多场景。
比如说这个传统的这个软件啊，它的计算是非常的呃 rigid 我们叫它它非常的僵化，它没有办法能够动态地理解很多场景。
但新一代的这个 AI 大语言模型的话，对于这个场景的理解非常地深入，它能够在这一方面能够攻克一个非常大的瓶颈。
但新一代的这个 AI 大语言模型的话，对于这个场景的理解非常地深入，它能够在这一方面能够攻克一个非常大的瓶颈。
第三块呢就是这个信息过载的一个问题。
第三块呢就是这个信息过载的一个问题。
原有的这些呃软件，这个服务的产品，它一旦涉及到个性化的时候，它就会需要加载非常多的数据，非常大的这个信息的计算。
原有的这些呃软件，这个服务的产品，它一旦涉及到个性化的时候，它就会需要加载非常多的数据，非常大的这个信息的计算。
那这块呢是原有的整个的架构没有办法处理。
那这块呢是原有的整个的架构没有办法处理。
那在 AI 的这个领域呢，我们就是可以实现超个性化。
那在 AI 的这个领域呢，我们就是可以实现超个性化。
其实每一个服务对于每一个用户呢，他都是能够非常定制的提供，所以这个是啊逾越它的一个瓶颈的非常重要的点。
其实每一个服务对于每一个用户呢，他都是能够非常定制的提供，所以这个是啊逾越它的一个瓶颈的非常重要的点。
那么综上所述呢，这三点其实能使得 AI 能够破局哈，能够原来的这三个，三个这个商业模式里边能够取得颠覆性的突破。
那么综上所述呢，这三点其实能使得 AI 能够破局哈，能够原来的这三个，三个这个商业模式里边能够取得颠覆性的突破。
诶，这里可以举一个具体的一个例子，比如说我们想象一下，呃，假使我是一个创业者，或假使我要做一个产品。
诶，这里可以举一个具体的一个例子，比如说我们想象一下，呃，假使我是一个创业者，或假使我要做一个产品。
诶，那在 AI 之前，比如说我想要做一个东西，它根本做不到。
诶，那在 AI 之前，比如说我想要做一个东西，它根本做不到。
那我现在因为刚才提到了 AI 的破局的那些特点之后，OK，我现在可以做个什么样的产品？
那我现在因为刚才提到了 AI 的破局的那些特点之后，OK，我现在可以做个什么样的产品？
以前是做不到的。
以前是做不到的。
对，这个其实在过去的一到两年里面，我们已经看到在很多不同的行业啊。
对，这个其实在过去的一到两年里面，我们已经看到在很多不同的行业啊。
已经有了一些啊我们叫 pioneer 一些先驱，已经趟开了这个 AI 能够实现这个三难困境的这样一些案例哈。
已经有了一些啊我们叫 pioneer 一些先驱，已经趟开了这个 AI 能够实现这个三难困境的这样一些案例哈。
比如说在教育领域，刚才我提到的一个私人导师的这样的一个一个服务。
比如说在教育领域，刚才我提到的一个私人导师的这样的一个一个服务。
啊，以前啊因为我自己也有小孩。
啊，以前啊因为我自己也有小孩。
其实小孩的教育的话是非常需要个性化的，你只能请到一个一对一的导师来帮助他辅导啊，比如说语文、数学的这些功课。
其实小孩的教育的话是非常需要个性化的，你只能请到一个一对一的导师来帮助他辅导啊，比如说语文、数学的这些功课。
然后定制化有，但是没有没有规模。
然后定制化有，但是没有没有规模。
是的，质量和定制化，但是呢，它的这个规模化是无法达到的，那其实也只能让少数的用户能够享受这样子的高质量、高定制化的服务。
是的，质量和定制化，但是呢，它的这个规模化是无法达到的，那其实也只能让少数的用户能够享受这样子的高质量、高定制化的服务。
那么在教育领域呢，其实现在有非常多的这个初创公司或者原有的教育企业在试图破局，能够用 AI 来啊打造一个一对一的导师，然后能够服务越来越多的学生和用户。
那么在教育领域呢，其实现在有非常多的这个初创公司或者原有的教育企业在试图破局，能够用 AI 来啊打造一个一对一的导师，然后能够服务越来越多的学生和用户。
啊，在这块呢，在这 kind of college 在美国的这一家初创企业推出了一个新的产品叫 Camigo 那它是一个 AI 的在线的导师，它能够根据你这个学生。
啊，在这块呢，在这 kind of college 在美国的这一家初创企业推出了一个新的产品叫 Camigo 那它是一个 AI 的在线的导师，它能够根据你这个学生。
个体的这个水平，啊，需要去辅导的内容来设计专属的课程和题目，然后通过交互性的方式来进行个性化的辅导。
个体的这个水平，啊，需要去辅导的内容来设计专属的课程和题目，然后通过交互性的方式来进行个性化的辅导。
啊，其实整个这个新的产品已经在几百个美国的学区进行了试点，啊，能够已经有上万个学生提供了这种高质量的服务，取得的先期效果是非常的好。
啊，其实整个这个新的产品已经在几百个美国的学区进行了试点，啊，能够已经有上万个学生提供了这种高质量的服务，取得的先期效果是非常的好。
而且这并不是一个孤立哈，这个是在教育领域，啊，预计有超过上千亿美元的这样的一个 AI 教育市场，在未来几年当中会有非常大的突破。
而且这并不是一个孤立哈，这个是在教育领域，啊，预计有超过上千亿美元的这样的一个 AI 教育市场，在未来几年当中会有非常大的突破。
那给我感觉，比如它是一个挺有代表性的，就是给我感觉就是刚才我们说的这个案例，就是是如何把刚才提到的有质量，然后定制化，但没规模的东西扩展成有规模。
那给我感觉，比如它是一个挺有代表性的，就是给我感觉就是刚才我们说的这个案例，就是是如何把刚才提到的有质量，然后定制化，但没规模的东西扩展成有规模。
比如说我可以想象到刚才提到教育是一个吧，然后那任何一对一或者一对多的这样一种类型的，可能都会符合这样一个分类。
比如说我可以想象到刚才提到教育是一个吧，然后那任何一对一或者一对多的这样一种类型的，可能都会符合这样一个分类。
比如说呃律师啊，什么咨询啊。
比如说呃律师啊，什么咨询啊。
甚至于可能医疗可能都是调到这样一个一个分类下面。
甚至于可能医疗可能都是调到这样一个一个分类下面。
对，像你说的非常好，其实这在 AI 破局这个原有的范式之下，把一个原有有一定质量，有非常大的定制化的产。
对，像你说的非常好，其实这在 AI 破局这个原有的范式之下，把一个原有有一定质量，有非常大的定制化的产。
品，提高它的规模是一个非常典型的突破的点哈。
品，提高它的规模是一个非常典型的突破的点哈。
啊，因为之前的这种所谓的 professional service 专业服务领域，都是靠这个专业的服务人员哈。
啊，因为之前的这种所谓的 professional service 专业服务领域，都是靠这个专业的服务人员哈。
给你来做一对一的一的定制，包括你说的这个医疗保健领域啊，其实这个都是非常大的典型，包括法律服务哈，一个律师，一个医生，他其实都是提供了非常高质量的。
给你来做一对一的一的定制，包括你说的这个医疗保健领域啊，其实这个都是非常大的典型，包括法律服务哈，一个律师，一个医生，他其实都是提供了非常高质量的。
定制化的服务。
定制化的服务。
啊，但是与此同时，你也，我们也可以看到在美国这边，医生和律师的这些服务的成本是非常的高。
啊，但是与此同时，你也，我们也可以看到在美国这边，医生和律师的这些服务的成本是非常的高。
啊，那么这样也导致许多普通的人没有不能得到最好的服务。
啊，那么这样也导致许多普通的人没有不能得到最好的服务。
那么在在 AI 这个领域呢，我们已经看到了，在这个 healthcare 啊，医疗领域啊，已经有非常多的初创公司在应用 AI 去能够把专家级的服务啊，推广，然后规模化应用到啊，越来越多的病人的身上哈。
那么在在 AI 这个领域呢，我们已经看到了，在这个 healthcare 啊，医疗领域啊，已经有非常多的初创公司在应用 AI 去能够把专家级的服务啊，推广，然后规模化应用到啊，越来越多的病人的身上哈。
啊，我这边还可以举一个新的例子啊，有一家公司叫 PathAI 啊，它就是利用机器学习，能够让整个 AI 达到像病理学家这样子的一个诊断的啊准确率和质量，已经在全球的规模当中得到了很好的很好的验证。
啊，我这边还可以举一个新的例子啊，有一家公司叫 PathAI 啊，它就是利用机器学习，能够让整个 AI 达到像病理学家这样子的一个诊断的啊准确率和质量，已经在全球的规模当中得到了很好的很好的验证。
而且这只是其中的一家创业公司。
而且这只是其中的一家创业公司。
啊，非常非常多的 AI 公司已经介入到了医疗这个领域，辅助这个医生或者护士啊，整个这个医疗团队来解决这个医疗成本和质量和规模推广的这么一个问题。
啊，非常非常多的 AI 公司已经介入到了医疗这个领域，辅助这个医生或者护士啊，整个这个医疗团队来解决这个医疗成本和质量和规模推广的这么一个问题。
所以在这个 healthcare 的整个的领域前景可能比呃教育领域有更加大的价值体现。
所以在这个 healthcare 的整个的领域前景可能比呃教育领域有更加大的价值体现。
诶，我感觉像刚才提到这一类嘛，就是相当于是质量加克制化，把它变得规模化，听上去像是一个很多创业公司可以做的事情。
诶，我感觉像刚才提到这一类嘛，就是相当于是质量加克制化，把它变得规模化，听上去像是一个很多创业公司可以做的事情。
因为相当于是你就把之前一个一个人的个体，把它变成一个规模化的解决方案。
因为相当于是你就把之前一个一个人的个体，把它变成一个规模化的解决方案。
那我好奇，比如说刚才提到另外一种情况，比如说诶，有规模。
那我好奇，比如说刚才提到另外一种情况，比如说诶，有规模。
有质量，但没有克制化。
有质量，但没有克制化。
这样的类型的呃产品是在现在 AI 时代如何变得克制化？
这样的类型的呃产品是在现在 AI 时代如何变得克制化？
我想我想是不是大公司可能会更偏向于思考这种类型的问题？
我想我想是不是大公司可能会更偏向于思考这种类型的问题？
呃，你说的一点没错，上。
呃，你说的一点没错，上。
其实呃我可能举举两个例子是在这个领域哈，就是原来是一个有规模，呃，也有一定的质量，但是没有定制化的这样子的产品。
其实呃我可能举举两个例子是在这个领域哈，就是原来是一个有规模，呃，也有一定的质量，但是没有定制化的这样子的产品。
其实在大公司这样的产品的例子非常多哈，就以我原来工作的啊，亚马逊为例哈，我们当时在大语言模型出现之前，我们就开始了第一代的个人语音助理 Alexa 的工作。
其实在大公司这样的产品的例子非常多哈，就以我原来工作的啊，亚马逊为例哈，我们当时在大语言模型出现之前，我们就开始了第一代的个人语音助理 Alexa 的工作。
呃，我不知道大家有这个听众朋友们，主持人有没有用过这个 Alexa 的服务，或者 Google Assistant 哈，类似的这样的智能语音助理。
呃，我不知道大家有这个听众朋友们，主持人有没有用过这个 Alexa 的服务，或者 Google Assistant 哈，类似的这样的智能语音助理。
呃，它其实的这个功能的范围还是非常的广泛哈，给你能够放音乐。
呃，它其实的这个功能的范围还是非常的广泛哈，给你能够放音乐。
啊，能够给你设一个提醒，啊，然后能够帮助你开关灯，然后做一些这个智能家居方面的应用，或者回答一些简单的问题。
啊，能够给你设一个提醒，啊，然后能够帮助你开关灯，然后做一些这个智能家居方面的应用，或者回答一些简单的问题。
但是这一类的产品哈，这也是我当时在在阿阿 Alexa 的组的时候，一个非常大的一个局限就是它有一定的质量啊，但是它也有一定的规模，它可以有数百万的用户，但是它其实非常难定制化。
但是这一类的产品哈，这也是我当时在在阿阿 Alexa 的组的时候，一个非常大的一个局限就是它有一定的质量啊，但是它也有一定的规模，它可以有数百万的用户，但是它其实非常难定制化。
他非常难能够理解，真正深入地理解一个用户，他自己真正的需求。
他非常难能够理解，真正深入地理解一个用户，他自己真正的需求。
通过他的这个许多的交互，通过他的这个呃已有现有的数据。
通过他的这个许多的交互，通过他的这个呃已有现有的数据。
啊，然然后来帮助他完成一些更加复杂，更加个性化的，定制化的功能，是非常难达到的。
啊，然然后来帮助他完成一些更加复杂，更加个性化的，定制化的功能，是非常难达到的。
呃，这也是原有的技术的一个瓶颈。
呃，这也是原有的技术的一个瓶颈。
那么其实我们现在也看到，不管是谷歌还是亚马逊，啊，已经在原有的这些智能语音的产品之上，加入了大模型，加入了 Generative AI 啊，生成式 AI 的。
那么其实我们现在也看到，不管是谷歌还是亚马逊，啊，已经在原有的这些智能语音的产品之上，加入了大模型，加入了 Generative AI 啊，生成式 AI 的。
啊，这样一些技术的架构，真正能达到既能够有质量，又有规模啊，再加上呃啊，我刚才说的超个性化的这样的一个服务。
啊，这样一些技术的架构，真正能达到既能够有质量，又有规模啊，再加上呃啊，我刚才说的超个性化的这样的一个服务。
能够达到下一代的产品体验，真正的个人助理服务。
能够达到下一代的产品体验，真正的个人助理服务。
那亚马逊的话就是啊 Alexa plus 啊 Alexa 加的这样的一个服务，很快就要推广到它现有的。
那亚马逊的话就是啊 Alexa plus 啊 Alexa 加的这样的一个服务，很快就要推广到它现有的。
啊，所有的这些智能语音的设备当中。
啊，所有的这些智能语音的设备当中。
那谷歌的话呢，也把 Gemini 的这个服务加入到它 Google Assistant 的个人助理的服务当中。
那谷歌的话呢，也把 Gemini 的这个服务加入到它 Google Assistant 的个人助理的服务当中。
这个其实是大公司。
这个其实是大公司。
呃，一个非常大的优势，其实像你刚才也讲到了，因为他们有非常大的这个用户触达，啊，现有的用户群，啊，已经在使用了他们那些规模化的高质量的服务，那加上个性化的话呢。
呃，一个非常大的优势，其实像你刚才也讲到了，因为他们有非常大的这个用户触达，啊，现有的用户群，啊，已经在使用了他们那些规模化的高质量的服务，那加上个性化的话呢。
啊，其实是如虎添翼，更加多的体现出 AI 在这个产品的这个用户群体上的价值。
啊，其实是如虎添翼，更加多的体现出 AI 在这个产品的这个用户群体上的价值。
你让我想到就是，这其实感觉好像刚才你提到的 Alexa Plus 包括 gemini 其实都是最近的，可能最近几个月的时间加入到之前的语音助手里面。
你让我想到就是，这其实感觉好像刚才你提到的 Alexa Plus 包括 gemini 其实都是最近的，可能最近几个月的时间加入到之前的语音助手里面。
所以有段时间我就感觉这个体验好割裂啊，就一边我跟 GPT 聊天，它好聪明啊，另外一方面就是我们家的 Google Home 怎么就是不听我的话呢？
所以有段时间我就感觉这个体验好割裂啊，就一边我跟 GPT 聊天，它好聪明啊，另外一方面就是我们家的 Google Home 怎么就是不听我的话呢？
它是不是故意要搞我那种？
它是不是故意要搞我那种？
确实是的，就是说原有的，在大语言模型出现之前，所谓的 AI 啊就是陷入了我们刚才讲的三个这个范式当中，一个非常局限的，有一定的质量。
确实是的，就是说原有的，在大语言模型出现之前，所谓的 AI 啊就是陷入了我们刚才讲的三个这个范式当中，一个非常局限的，有一定的质量。
啊，有相当的规模，但是完全没有啊个性化的服务的这样的一个妥协当中。
啊，有相当的规模，但是完全没有啊个性化的服务的这样的一个妥协当中。
这样子的产品体验，其实在新一代的用户在使用过 AI 大语言模型的产品之后。
这样子的产品体验，其实在新一代的用户在使用过 AI 大语言模型的产品之后。
这个已经成为了上一代的产品，已经失去了用户的呃信任。
这个已经成为了上一代的产品，已经失去了用户的呃信任。
所以这样子的一个传统的一些服务，今后会遇到非常大的挑战，如果他们就能够快速地导入 AI 的这些功能的话，他们会遇到非常大的挑战。
所以这样子的一个传统的一些服务，今后会遇到非常大的挑战，如果他们就能够快速地导入 AI 的这些功能的话，他们会遇到非常大的挑战。
哎，让我看起来让我看起来就是现在 AI 其实就产生了一个很大的机会，其实我觉得大家可以从，比如说去寻找之前的那些解决方案，哪些解决方案是，哎，有质量、有规模。
哎，让我看起来让我看起来就是现在 AI 其实就产生了一个很大的机会，其实我觉得大家可以从，比如说去寻找之前的那些解决方案，哪些解决方案是，哎，有质量、有规模。
没克制化，或者是哪些是，哎，有克制化，有质量没规模。
没克制化，或者是哪些是，哎，有克制化，有质量没规模。
就是跑到这样一个领域去，然后去看，哎，有 AI 之后，我是不是可以对同样的问题解决方法，又找到新的 solution。
就是跑到这样一个领域去，然后去看，哎，有 AI 之后，我是不是可以对同样的问题解决方法，又找到新的 solution。
那是不是这样一个方法是一个对于大家考虑说如何去 build 新的产品，新的，有有意义的产品，一个很好的一个思维方式呢？
那是不是这样一个方法是一个对于大家考虑说如何去 build 新的产品，新的，有有意义的产品，一个很好的一个思维方式呢？
啊，刚才其实讲到了 AI 这一块，啊，在整个的行业当中有这么样一个颠覆性的啊，价值，有许多非常好的机会，不管是对于大公司还是小公司。
啊，刚才其实讲到了 AI 这一块，啊，在整个的行业当中有这么样一个颠覆性的啊，价值，有许多非常好的机会，不管是对于大公司还是小公司。
那么下一步我们就要考虑的是。
那么下一步我们就要考虑的是。
在这样子的机，这个行业机遇之上，我们怎么样去能够找到相应的点来切入，来打造一个新的产品，或者打造一个新的业务方向。
在这样子的机，这个行业机遇之上，我们怎么样去能够找到相应的点来切入，来打造一个新的产品，或者打造一个新的业务方向。
啊啊，这一点上呢，我在我们这个高科技行业，我们看到有非常多的反面的典型。
啊啊，这一点上呢，我在我们这个高科技行业，我们看到有非常多的反面的典型。
其实许多的技术创业者或者啊公司在打造一个新的产品的时候。
其实许多的技术创业者或者啊公司在打造一个新的产品的时候。
容易形成一种拿着锤子找钉子的，这这样这样的一种模式。
容易形成一种拿着锤子找钉子的，这这样这样的一种模式。
就是说，哎，AI 是一个很好的啊机会啊，我们现在有大语言模型，有这些 generative 呃这个生成式 AI 的这样的一些技术。
就是说，哎，AI 是一个很好的啊机会啊，我们现在有大语言模型，有这些 generative 呃这个生成式 AI 的这样的一些技术。
我们有这么好的技术，看看能不能啊，找到一个非常好的点，能够打造一个非常酷的啊，一个模型或者一个产品。
我们有这么好的技术，看看能不能啊，找到一个非常好的点，能够打造一个非常酷的啊，一个模型或者一个产品。
相信有许多的用户会来使用吧。
相信有许多的用户会来使用吧。
啊，这一点是一个啊我们在硅谷啊，或者是这个这个科技行业的一个很大的一个一个陷阱。
啊，这一点是一个啊我们在硅谷啊，或者是这个这个科技行业的一个很大的一个一个陷阱。
最近我看到有一个研究的数据，大概有85%的 AI 的项目啊，不管是新的产品，还是现有业务条件当中的呃引入一些新的新的这个项目，85%的项目都。
最近我看到有一个研究的数据，大概有85%的 AI 的项目啊，不管是新的产品，还是现有业务条件当中的呃引入一些新的新的这个项目，85%的项目都。
啊，以失败而告终。
啊，以失败而告终。
啊，诶，这里感觉大厂其实在这方面是比较有优势，我可能就是之前的产品就是一直在那边，但是它它就是做得不好嘛。
啊，诶，这里感觉大厂其实在这方面是比较有优势，我可能就是之前的产品就是一直在那边，但是它它就是做得不好嘛。
那现在说，ok，那问题肯定本身是是成立的，那我将来有 AI 之后就可以把它解决得更好。
那现在说，ok，那问题肯定本身是是成立的，那我将来有 AI 之后就可以把它解决得更好。
像创业公司的话，需要说是诶，我可能要自己找问题，那你觉得对于创业公司来说，自己找问题的话，如何去避免拿着锤子找找钉子这样一个问题？
像创业公司的话，需要说是诶，我可能要自己找问题，那你觉得对于创业公司来说，自己找问题的话，如何去避免拿着锤子找找钉子这样一个问题？
对，像你其实这个问题问得特别好。
对，像你其实这个问题问得特别好。
我我在和许多的创业公司合作，呃，给他们提供咨询的过程当中，啊，有很大的一批的创业者。
我我在和许多的创业公司合作，呃，给他们提供咨询的过程当中，啊，有很大的一批的创业者。
他们在这个问题上并没有想的非常的精深。
他们在这个问题上并没有想的非常的精深。
我有一个很大的建议啊，对这些创业者，就是真正的了解你的用户，非常精确的去把握你的用户画像。
我有一个很大的建议啊，对这些创业者，就是真正的了解你的用户，非常精确的去把握你的用户画像。
比如说一个非常重要的问题就是，你所针对的这个用户群体到底是什么样子的？
比如说一个非常重要的问题就是，你所针对的这个用户群体到底是什么样子的？
这个呃我们叫 persona 他的画像是什么样子的？
这个呃我们叫 persona 他的画像是什么样子的？
他们的平时的工作是什么？
他们的平时的工作是什么？
他们平时要解决的问题是什么？
他们平时要解决的问题是什么？
他们最迫切的痛点是什么？
他们最迫切的痛点是什么？
在这些问题上面，我觉得作为一个创业者来说，是需要花比生成解决方案更大的精力。
在这些问题上面，我觉得作为一个创业者来说，是需要花比生成解决方案更大的精力。
那么很多的创业者，就像你刚才提到的，作为一个初创企业，他们并没有现有的一些客户，所以在这个方面，很多的创业者需要花很多的时间去实地的走访。
那么很多的创业者，就像你刚才提到的，作为一个初创企业，他们并没有现有的一些客户，所以在这个方面，很多的创业者需要花很多的时间去实地的走访。
这个这个潜在的客户，真正的了解他们的痛点，甚至于通过啊，打造一个小小的解决方案，来试图和这个用户和客户进行初步的合作。
这个这个潜在的客户，真正的了解他们的痛点，甚至于通过啊，打造一个小小的解决方案，来试图和这个用户和客户进行初步的合作。
来验证它这个问题确实痛点实际的存在。
来验证它这个问题确实痛点实际的存在。
啊，来了解这个用户的画像。
啊，来了解这个用户的画像。
所以在这一点上面呢，很多的初创企业并没有花足够多的精力，其实也是许多创业公司失败的啊，一个非常大的原因。
所以在这一点上面呢，很多的初创企业并没有花足够多的精力，其实也是许多创业公司失败的啊，一个非常大的原因。
啊，我们也看到在 AI 的初创公司当中，啊，它的成功概率现在也是非常的低，大概有超过半数的 AI 初创企业呃已经走到了他们关门歇业的这个节点，因为 AI 给了我们更多的创业团队，更多的这个行业。
啊，我们也看到在 AI 的初创公司当中，啊，它的成功概率现在也是非常的低，大概有超过半数的 AI 初创企业呃已经走到了他们关门歇业的这个节点，因为 AI 给了我们更多的创业团队，更多的这个行业。
呃，有了这样的机会，所以说拿着锤子找钉子的这样子的现象，在过去的两年当中出现得更加的频繁。
呃，有了这样的机会，所以说拿着锤子找钉子的这样子的现象，在过去的两年当中出现得更加的频繁。
这个是我觉得这两年一个特有的一个现象。
这个是我觉得这两年一个特有的一个现象。
啊，第二点我想讲的就是啊在 AI 这个新的赛道里边，啊，我们也看到一些初创企业有了一些不同的啊落地的模式哈。
啊，第二点我想讲的就是啊在 AI 这个新的赛道里边，啊，我们也看到一些初创企业有了一些不同的啊落地的模式哈。
第一种呢是像 OpenAI 啊，啊，包括现在的 thinking machines 这样子一类的做基础大模型的基础设施的公司。
第一种呢是像 OpenAI 啊，啊，包括现在的 thinking machines 这样子一类的做基础大模型的基础设施的公司。
他们的这个战略和护城河呢，其实就是融大量的规模的资金，啊，呃，然后打造一个呃自有的模型，啊，同时呢，要吸引巨量的呃 research 啊。
他们的这个战略和护城河呢，其实就是融大量的规模的资金，啊，呃，然后打造一个呃自有的模型，啊，同时呢，要吸引巨量的呃 research 啊。
科研啊，技术的人才，呃，同时购买很大量的这个算力，这样一类的公司呢，是我们叫基础模型的公司。
科研啊，技术的人才，呃，同时购买很大量的这个算力，这样一类的公司呢，是我们叫基础模型的公司。
啊，在另一头呢，是我们看到很多所谓叫精益创业的公司。
啊，在另一头呢，是我们看到很多所谓叫精益创业的公司。
他们应用这些基础的模型来打造一个啊在垂直领域应用的这么样一个商业化和产品推广的这样的一种模式。
他们应用这些基础的模型来打造一个啊在垂直领域应用的这么样一个商业化和产品推广的这样的一种模式。
对，大家好像发觉这一，现在。
对，大家好像发觉这一，现在。
现在好像很少的一个团队，就比如说可能就是几个人，十几个人，就能够在非常快的速度之内做成一个非常大的所谓的独角兽。
现在好像很少的一个团队，就比如说可能就是几个人，十几个人，就能够在非常快的速度之内做成一个非常大的所谓的独角兽。
有很多这样的这样的例子，比如说像 Midjourney 也好，包括大家如果关注新闻的话，很多时候是新闻都是震惊某个几个人的什么斯坦福团队做了什么什么东西，被什么几个亿被收购，这样这样这样的例子会会很多。
有很多这样的这样的例子，比如说像 Midjourney 也好，包括大家如果关注新闻的话，很多时候是新闻都是震惊某个几个人的什么斯坦福团队做了什么什么东西，被什么几个亿被收购，这样这样这样的例子会会很多。
所以我就很好奇，就是为什么就现在这种状态下面可以这么夸张地说，这么几个人就可以马上快速地做出这样的事情。
所以我就很好奇，就是为什么就现在这种状态下面可以这么夸张地说，这么几个人就可以马上快速地做出这样的事情。
对，像你提到了一个很好的呃一个现象哈，这个也是我觉得当时那个 OpenAI 的 CEO Sam Altman 也讲到一点，就是未来我们很快地在未来几年当中会出现一个现象叫。
对，像你提到了一个很好的呃一个现象哈，这个也是我觉得当时那个 OpenAI 的 CEO Sam Altman 也讲到一点，就是未来我们很快地在未来几年当中会出现一个现象叫。
啊，一人独角兽啊，一个人的公司作为一个 founder 或者叫 solo preneur 能够打造一家啊估值上十亿美金级别的这样的一个创业公司。
啊，一人独角兽啊，一个人的公司作为一个 founder 或者叫 solo preneur 能够打造一家啊估值上十亿美金级别的这样的一个创业公司。
呃，那这个目前来说呢，我们还没有看到这样的现象。
呃，那这个目前来说呢，我们还没有看到这样的现象。
但是呢，我们已经看到了所谓50人独角兽啊，像 Midjourney 和类似的一些公司。
但是呢，我们已经看到了所谓50人独角兽啊，像 Midjourney 和类似的一些公司。
在团队规模在几十人的过程当中，已经达到了上亿美元级别的年销售额，啊，估值已经超过了10亿美金。
在团队规模在几十人的过程当中，已经达到了上亿美元级别的年销售额，啊，估值已经超过了10亿美金。
那么这个现象出现在生成式 AI 这一波技术浪潮之前是不可想象的。
那么这个现象出现在生成式 AI 这一波技术浪潮之前是不可想象的。
啊，因为我们之前传统创业，不管是啊软件还是 SaaS 服务，不管是对于 to B 还是 to C 啊，不同的细分领域。
啊，因为我们之前传统创业，不管是啊软件还是 SaaS 服务，不管是对于 to B 还是 to C 啊，不同的细分领域。
很大的一个，啊，一个要素就是说你需要有大量的团队的规模。
很大的一个，啊，一个要素就是说你需要有大量的团队的规模。
啊，不管是工程师、技术人员、设计人员，包括市场推广，你要有一个很大的团队才能够。
啊，不管是工程师、技术人员、设计人员，包括市场推广，你要有一个很大的团队才能够。
啊，打开足够的市场，吸引足够的用户，获得足够多的啊，这个收入。
啊，打开足够的市场，吸引足够的用户，获得足够多的啊，这个收入。
在这块里面呢，我们看到这个 AI 给了我们非常大的一个 boost 啊，或者一个提升，就是在一个团队产品开发和市场推广当中的一个效率。
在这块里面呢，我们看到这个 AI 给了我们非常大的一个 boost 啊，或者一个提升，就是在一个团队产品开发和市场推广当中的一个效率。
啊，能够现在有非常多的企业，刚才呃上你提到的，啊，非常精益的这样一种模式，5个人，10个人的团队，啊，少数的一些工程师。
啊，能够现在有非常多的企业，刚才呃上你提到的，啊，非常精益的这样一种模式，5个人，10个人的团队，啊，少数的一些工程师。
通过 AI 的这些一些工具和一些产品和服务，能够快速的打造一期的他们这个 AI 的一个产品。
通过 AI 的这些一些工具和一些产品和服务，能够快速的打造一期的他们这个 AI 的一个产品。
同时推广市场啊，获得足够多的这个啊用户流量，包括收入，很快的能够打造上千万美元级别的这样的一个年收益。
同时推广市场啊，获得足够多的这个啊用户流量，包括收入，很快的能够打造上千万美元级别的这样的一个年收益。
这所以这一块我提到一个概念，叫做像一个杠铃效应哈，啊，一头是这样子的，像 Midjourney。
这所以这一块我提到一个概念，叫做像一个杠铃效应哈，啊，一头是这样子的，像 Midjourney。
包括很多的精益创业的这样的一个公司，能够通过先期一个非常小的啊一个启动资金，打造一个非常小而美，然后高收益的。
包括很多的精益创业的这样的一个公司，能够通过先期一个非常小的啊一个启动资金，打造一个非常小而美，然后高收益的。
啊，这么样一个初创企业。
啊，这么样一个初创企业。
啊，另一头呢，就是 OpenAI 啊啊， thinking machines， SSI 这样啊这样子的公司，需要通过上亿美金是或者十亿美金级别的投资。
啊，另一头呢，就是 OpenAI 啊啊， thinking machines， SSI 这样啊这样子的公司，需要通过上亿美金是或者十亿美金级别的投资。
啊，来打造基础模型、基础设施的架构。
啊，来打造基础模型、基础设施的架构。
所以这个两类的创业呢，其实现在啊是整个资本市场上和创业市场上，啊，非常常见的。
所以这个两类的创业呢，其实现在啊是整个资本市场上和创业市场上，啊，非常常见的。
那对我们个人的一个创业者来说，或者新进的呃许多在啊，科技从业者想要进入这个 AI 创业赛道来说，这第一类的企业是我们在这个时代非常大的一个机会。
那对我们个人的一个创业者来说，或者新进的呃许多在啊，科技从业者想要进入这个 AI 创业赛道来说，这第一类的企业是我们在这个时代非常大的一个机会。
啊，那么刚才讲到了所谓的精益创业，因为这个概念可能也是有十年二十年的这么一个概念，我们做创业公司想要以精益的方式来起步。
啊，那么刚才讲到了所谓的精益创业，因为这个概念可能也是有十年二十年的这么一个概念，我们做创业公司想要以精益的方式来起步。
啊，来验证你的这个所解决的问题和痛点。
啊，来验证你的这个所解决的问题和痛点。
但在 AI 的这一波浪潮当中，你的精益不仅仅是快速的验证你的啊行业的，所谓叫 product market fit 产品和市场的契合点。
但在 AI 的这一波浪潮当中，你的精益不仅仅是快速的验证你的啊行业的，所谓叫 product market fit 产品和市场的契合点。
更重要的一点是在你的规模化的过程当中，能够快速的增长你的这个产品的市场占有率。
更重要的一点是在你的规模化的过程当中，能够快速的增长你的这个产品的市场占有率。
在这一点上是在原有的创业的范式当中。
在这一点上是在原有的创业的范式当中。
非常少见的一点。
非常少见的一点。
啊，原因也是在于啊，原有的这个传统的创业，刚才讲到的，你需要有几十人、上百人的团队来规模化你的产品和市场。
啊，原因也是在于啊，原有的这个传统的创业，刚才讲到的，你需要有几十人、上百人的团队来规模化你的产品和市场。
但在现呃现有的 AI 的这一波浪潮当中，其实你的产品的迭代和你市场推广的规模和增长的趋势可以是指数级别。
但在现呃现有的 AI 的这一波浪潮当中，其实你的产品的迭代和你市场推广的规模和增长的趋势可以是指数级别。
但是你的这个人员的增长的这个趋势，啊，并不需要是指数级别，甚至于可以线性的增长你的人员规模，啊，指数级的增长你的这个收入规模。
但是你的这个人员的增长的这个趋势，啊，并不需要是指数级别，甚至于可以线性的增长你的人员规模，啊，指数级的增长你的这个收入规模。
所以这样子的话，你能够很快速的。
所以这样子的话，你能够很快速的。
利用少有的资本和先期的启动资金来达到大规模的啊收入的增长。
利用少有的资本和先期的启动资金来达到大规模的啊收入的增长。
所以并不像之前的一个创业，你需要通过不断的 VC 的融资啊。
所以并不像之前的一个创业，你需要通过不断的 VC 的融资啊。
啊，来 feed 你的这个成长。
啊，来 feed 你的这个成长。
那现在的话，你可以通过你指数级的收入的增长，来 feed 你业务的成长，所以进进入一个非常良性的循环。
那现在的话，你可以通过你指数级的收入的增长，来 feed 你业务的成长，所以进进入一个非常良性的循环。
所以说我是个人，并不就会觉得奇怪，在未来几年当中，我们出现一个叫一人独角兽的这样的一种模式。
所以说我是个人，并不就会觉得奇怪，在未来几年当中，我们出现一个叫一人独角兽的这样的一种模式。
我们可能很快出现十人独角兽、五人独角兽，最终达到一人独角兽。
我们可能很快出现十人独角兽、五人独角兽，最终达到一人独角兽。
啊，通过各种 AI 工具的赋能，能够使一个非常小的团队有非常大的能量。
啊，通过各种 AI 工具的赋能，能够使一个非常小的团队有非常大的能量。
我有一个非常基础的问题啊，就是这个精益是精益求精的精益对吧？
我有一个非常基础的问题啊，就是这个精益是精益求精的精益对吧？
这个概念是从哪来的？
这个概念是从哪来的？
我查了一下，这是是是它英文对应的是 lean 这个词吗？
我查了一下，这是是是它英文对应的是 lean 这个词吗？
没错。
没错。
啊，我可以介绍一下哈。
啊，我可以介绍一下哈。
呃，精益创业呢，是可能这个概念推出已经有十几二十年了。
呃，精益创业呢，是可能这个概念推出已经有十几二十年了。
这个这概念的本身呢，其实也是硬核我们刚才讲的一个一个话题，就是有许多的创业公司也好啊，包括大公司，他们在想要推出一个新的产品，占领一个新的市场的时候，是拿着大棒找钉子是吧？
这个这概念的本身呢，其实也是硬核我们刚才讲的一个一个话题，就是有许多的创业公司也好啊，包括大公司，他们在想要推出一个新的产品，占领一个新的市场的时候，是拿着大棒找钉子是吧？
他们是通过技术为先导的这样的一种模式。
他们是通过技术为先导的这样的一种模式。
啊，A，我有一个非常新颖的技术，我可以打造一个非常酷的产品，那相信应该有用户会是来使用。
啊，A，我有一个非常新颖的技术，我可以打造一个非常酷的产品，那相信应该有用户会是来使用。
那么导致的一个问题呢，是他们投入了大量的先期的开发，啊，然后包括市场推广的工作，打造了一个非常酷，甚至于非常完备的一个产品，最终在市场过程中都碰了这个钉子。
那么导致的一个问题呢，是他们投入了大量的先期的开发，啊，然后包括市场推广的工作，打造了一个非常酷，甚至于非常完备的一个产品，最终在市场过程中都碰了这个钉子。
啊，就是他们发现他们打造的非常酷的产品，非常酷的技术，并不能解决用户实际的问题。
啊，就是他们发现他们打造的非常酷的产品，非常酷的技术，并不能解决用户实际的问题。
这个其实是一个巨大的浪费啊，我们在呃，大公司和小公司上都看到很多的这样的案例。
这个其实是一个巨大的浪费啊，我们在呃，大公司和小公司上都看到很多的这样的案例。
那么精益创业的概念就是希望通过非常 lean 的模式，把先期就是找到产品和市场的契合点的这个周期能够大大的缩短。
那么精益创业的概念就是希望通过非常 lean 的模式，把先期就是找到产品和市场的契合点的这个周期能够大大的缩短。
所以你能够非常快的去验证你初步的一个产品和市场的一个思路。
所以你能够非常快的去验证你初步的一个产品和市场的一个思路。
啊，Lean 的模式就是说你打造这个，我们叫 minimal viable product。
啊，Lean 的模式就是说你打造这个，我们叫 minimal viable product。
最小可用产品的周期流程要非常的短，可能在3个月、6个月之内，快速的打造一个非常简单的产品。
最小可用产品的周期流程要非常的短，可能在3个月、6个月之内，快速的打造一个非常简单的产品。
能够在市场上面得到相应的认证，然后再以循环的方式叫 iterative 啊，通过不断的快速迭代的方式去叠加你的功能，占领更大的市场。
能够在市场上面得到相应的认证，然后再以循环的方式叫 iterative 啊，通过不断的快速迭代的方式去叠加你的功能，占领更大的市场。
那么这个是是 lean startup 就是精益创业的一个概念。
那么这个是是 lean startup 就是精益创业的一个概念。
所以这个这个概念，因为我我我从来没有听过这个概念，所以我我这个是想想理解一下，就是说这概念的核心就在于说，像大公司，他很喜欢堆人堆资源去投入一个项目，结果他会实际上你并不能够很快地迭代，或者说很快地验证说这个东西市场上真正需要的。然后我精益
所以这个这个概念，因为我我我从来没有听过这个概念，所以我我这个是想想理解一下，就是说这概念的核心就在于说，像大公司，他很喜欢堆人堆资源去投入一个项目，结果他会实际上你并不能够很快地迭代，或者说很快地验证说这个东西市场上真正需要的。然后我精益
的这个创业或精益的公司，它实际上就说我投入的资源和人力相对少一点，然后我采用这种更加敏捷的一些开发方式，然后使得这个事情它是否真的真的能够 work 对吧？
的这个创业或精益的公司，它实际上就说我投入的资源和人力相对少一点，然后我采用这种更加敏捷的一些开发方式，然后使得这个事情它是否真的真的能够 work 对吧？
或者说它是否能够呃符合市场需求，然后我我如果想转弯，我想换一个方向，我也尽快能够反应过来。
或者说它是否能够呃符合市场需求，然后我我如果想转弯，我想换一个方向，我也尽快能够反应过来。
是这样的一个概念的。
是这样的一个概念的。
没错，你讲的非常对。
没错，你讲的非常对。
其实啊，我我补充的一点是，大公司和小公司其实都遇到这样的挑战。
其实啊，我我补充的一点是，大公司和小公司其实都遇到这样的挑战。
啊，然后呢，精益创业的这个概念呢？
啊，然后呢，精益创业的这个概念呢？
不仅是在开发的过程当中，非常快速的迭代。
不仅是在开发的过程当中，非常快速的迭代。
其实在市得到市场反馈这一点上，呃，也需要非常快。
其实在市得到市场反馈这一点上，呃，也需要非常快。
对， end to end 的，这端到端的这么一个反馈机制要更快的达到。
对， end to end 的，这端到端的这么一个反馈机制要更快的达到。
然后这一点我我可能要补充一句啊，这个也是啊我在亚马逊工作当中得到的一个非常大的一个学习到的一个要点。
然后这一点我我可能要补充一句啊，这个也是啊我在亚马逊工作当中得到的一个非常大的一个学习到的一个要点。
就亚马逊的这个公司文化当中，有一个概念叫叫 two pizza team 啊，就是叫两个披萨的这个样一个团队。
就亚马逊的这个公司文化当中，有一个概念叫叫 two pizza team 啊，就是叫两个披萨的这个样一个团队。
啊，那这个 two pizza team 啊，两个披萨团队，它为什么有这么一个概念呢？
啊，那这个 two pizza team 啊，两个披萨团队，它为什么有这么一个概念呢？
就是其实是和我们精益创业的概念非常的契合。
就是其实是和我们精益创业的概念非常的契合。
在亚马逊有非常多的新啊，包括像谷歌这样的公司，有非常多的新的产品的方向。
在亚马逊有非常多的新啊，包括像谷歌这样的公司，有非常多的新的产品的方向。
啊，这些 idea 或者一些 initiative 一些新的项目。
啊，这些 idea 或者一些 initiative 一些新的项目。
那么怎么样能够把这些项目更快地推向市场，得到验证？
那么怎么样能够把这些项目更快地推向市场，得到验证？
甚至于非常多的项目会走向失败，那么即使我们要失败的话，能够更快地得到答案呢？
甚至于非常多的项目会走向失败，那么即使我们要失败的话，能够更快地得到答案呢？
那么这这个是当时亚马逊的创始人、 CEO 呃 Jeff Bezos。
那么这这个是当时亚马逊的创始人、 CEO 呃 Jeff Bezos。
提出了一个概念，就是任何这些新的项目，我们能够把它限定设计成一个 two pizza team 啊，两个披萨能够啊就是他们在工作当中如果点披萨的话，两个披萨就能够。
提出了一个概念，就是任何这些新的项目，我们能够把它限定设计成一个 two pizza team 啊，两个披萨能够啊就是他们在工作当中如果点披萨的话，两个披萨就能够。
让所有人都吃饱一顿饭，那么其实他们的人数呢应该在10~20个人以内。
让所有人都吃饱一顿饭，那么其实他们的人数呢应该在10~20个人以内。
啊，能够快速的在3~6个月之内呢，迭代，啊，生成出来的产品推向市场。
啊，能够快速的在3~6个月之内呢，迭代，啊，生成出来的产品推向市场。
得到更好的，快速的验证。
得到更好的，快速的验证。
啊，那如果这个产品不能 work 啊，不能够得到市场的反馈，那么快速的呃 pivot 转换方向。
啊，那如果这个产品不能 work 啊，不能够得到市场的反馈，那么快速的呃 pivot 转换方向。
如果能够得到验证呢？
如果能够得到验证呢？
啊，那大公司现在有机会投入更多的资源去把它更好的规模化。
啊，那大公司现在有机会投入更多的资源去把它更好的规模化。
或者整合到现有的产品和用户的这个基础上。
或者整合到现有的产品和用户的这个基础上。
那 two pizza 这个理理论其实是在前 ai 时代提出的嘛，我就很好奇现在这个 ai 创业时代，会不会 two pizza 变成一个披萨。
那 two pizza 这个理理论其实是在前 ai 时代提出的嘛，我就很好奇现在这个 ai 创业时代，会不会 two pizza 变成一个披萨。
啊，确实没错，这个是一个很好的预判哈。
啊，确实没错，这个是一个很好的预判哈。
我觉得 two pizza team 在 AI 的这个领域，首先第一，一个很小的团队能够通过 AI 赋能。
我觉得 two pizza team 在 AI 的这个领域，首先第一，一个很小的团队能够通过 AI 赋能。
知道原本一个非常大的团队能够在这个短时间内达到的一个一个结果是非常可以预见的。
知道原本一个非常大的团队能够在这个短时间内达到的一个一个结果是非常可以预见的。
也许我们只要一个披萨，right？
也许我们只要一个披萨，right？
或者说我们 two pizza team 的话，能够做原来呃三十个人、五十个人啊在3~6个月才能做出的工作。
或者说我们 two pizza team 的话，能够做原来呃三十个人、五十个人啊在3~6个月才能做出的工作。
所以这个在前期的， MVP 就是最小可用产品的迭代过程当中，是非常呃有价值，而且甚至于缩短了这个时间的周期。
所以这个在前期的， MVP 就是最小可用产品的迭代过程当中，是非常呃有价值，而且甚至于缩短了这个时间的周期。
然后往后看，规模化的这个过程。
然后往后看，规模化的这个过程。
其实 two pizza team 也是可行。
其实 two pizza team 也是可行。
原原先的话，那些大公司为什么要用 two pizza team 呢？
原原先的话，那些大公司为什么要用 two pizza team 呢？
他们就是快速验证以后，最后要落地到。
他们就是快速验证以后，最后要落地到。
规模化，大量的用户的时候，还是要投入非常大的人员和财力的这个资源。
规模化，大量的用户的时候，还是要投入非常大的人员和财力的这个资源。
但是在现有的 AI 的过程当中，我们看到很多的这些所谓的50人，20人的独角兽。
但是在现有的 AI 的过程当中，我们看到很多的这些所谓的50人，20人的独角兽。
他们在规模化他们的产品推向市场的时候，也并不需要大规模的投入人力和财力的，啊，这样一些资源。
他们在规模化他们的产品推向市场的时候，也并不需要大规模的投入人力和财力的，啊，这样一些资源。
这个是 AI 在创业的中后期，包括大公司应用 AI 能够更加快速地占领大规模的市场当中，有一个新的现象。
这个是 AI 在创业的中后期，包括大公司应用 AI 能够更加快速地占领大规模的市场当中，有一个新的现象。
嗯。
嗯。
那现在创业或者是做产品来说，会有什么样的新的问题呢？
那现在创业或者是做产品来说，会有什么样的新的问题呢？
比如说之前可能不会像现在这样，你稍微去调试一下，就花了几块钱出去，做那个 token 的花费就已经花费出去了。
比如说之前可能不会像现在这样，你稍微去调试一下，就花了几块钱出去，做那个 token 的花费就已经花费出去了。
说的没错，这个管理我们这个产品开发，包括市场推广的这个成本问题啊，是一个很啊，很有意思的一个概念，就过去我们做啊，传统的 software 啊，软件或者 saas 产品，一个很大的成本点其实是人力啊。
说的没错，这个管理我们这个产品开发，包括市场推广的这个成本问题啊，是一个很啊，很有意思的一个概念，就过去我们做啊，传统的 software 啊，软件或者 saas 产品，一个很大的成本点其实是人力啊。
刚才我们讲的就是说你可能，如果你要指数级的增长你的收入和你的市场规模，你可能需要指数级的增长你的呃，你的人员哈，你的开发，呃，工程师啊，市场推广人员，销售人员。
刚才我们讲的就是说你可能，如果你要指数级的增长你的收入和你的市场规模，你可能需要指数级的增长你的呃，你的人员哈，你的开发，呃，工程师啊，市场推广人员，销售人员。
呃，那现在呢，我们会发现，啊精益创业给我们的一个优势是我们可以啊，用小规模的人力。
呃，那现在呢，我们会发现，啊精益创业给我们的一个优势是我们可以啊，用小规模的人力。
啊，能够带动一个指数规模的这个收入。
啊，能够带动一个指数规模的这个收入。
但是当你的这个市场和用户越来越多的时候，AI 它的另外一块的成本，呃， GPU 啊，包括计算的成本成为了我们。
但是当你的这个市场和用户越来越多的时候，AI 它的另外一块的成本，呃， GPU 啊，包括计算的成本成为了我们。
整个 AI 团队哈，不管是大公司还是小公司，呃，当中一个很大的一个成本的模块。
整个 AI 团队哈，不管是大公司还是小公司，呃，当中一个很大的一个成本的模块。
所以在这块里边，我们是需要有个新的，呃，一种方式去管控。
所以在这块里边，我们是需要有个新的，呃，一种方式去管控。
啊，以前我们做创业或者在大厂里面的话，计算的成本其实可以相相当于是个零头。
啊，以前我们做创业或者在大厂里面的话，计算的成本其实可以相相当于是个零头。
嗯。
嗯。
呃，肯定是不足10%~20%，那在这一块呢，我们可以比较粗放的哈。
呃，肯定是不足10%~20%，那在这一块呢，我们可以比较粗放的哈。
展开剩余字幕（还有 208 条）
这个服务器啊，然后很多的 service 啊，我们就可以去，反正并不会影响我们的 bottom line 但是目前就像你说的，训练一个新的模型，或者说是增加新一个新的服务啊，然后增加客户的很多的这个 API。
这个服务器啊，然后很多的 service 啊，我们就可以去，反正并不会影响我们的 bottom line 但是目前就像你说的，训练一个新的模型，或者说是增加新一个新的服务啊，然后增加客户的很多的这个 API。
会大大的增加我们的成本，会对我们的 bottom line 就是我们这个呃成本的收益产生很大的影响，所以这块是呃不管是在大公司，还是在初创企业当中，非常需要考虑的一点。
会大大的增加我们的成本，会对我们的 bottom line 就是我们这个呃成本的收益产生很大的影响，所以这块是呃不管是在大公司，还是在初创企业当中，非常需要考虑的一点。
啊，另外我在想一个点，就是刚才我们提到呃精益创业，或者说是诶，一个很小的团队可以撬动一个很大的市场。
啊，另外我在想一个点，就是刚才我们提到呃精益创业，或者说是诶，一个很小的团队可以撬动一个很大的市场。
但是这个事情就是你能做，别人也能做。
但是这个事情就是你能做，别人也能做。
就是之前可能说你你觉得诶，我这样一个东西可能呃我做到一定规模之后，能做到我这个规模的人才跟跟我进行竞争。
就是之前可能说你你觉得诶，我这样一个东西可能呃我做到一定规模之后，能做到我这个规模的人才跟跟我进行竞争。
然后我的我的竞争对手可能没有那么多，但是现在会觉得诶，反正我，你这个团队可能就八个人花了半年的时间做成这样，那那别人新来一个团队可能八年，然后八个人，半个月时间又可以做跟你一样好。
然后我的我的竞争对手可能没有那么多，但是现在会觉得诶，反正我，你这个团队可能就八个人花了半年的时间做成这样，那那别人新来一个团队可能八年，然后八个人，半个月时间又可以做跟你一样好。
那那这样的话，如何去确保你做的这样一个东西是，虽然解决问题都是对的，但是你怎么能确保就是在这样一个竞争过程过程中，你你是比别人更好？
那那这样的话，如何去确保你做的这样一个东西是，虽然解决问题都是对的，但是你怎么能确保就是在这样一个竞争过程过程中，你你是比别人更好？
对，这个是一个很好的问题，这也是我啊发现在最近在这个啊这段时间在 AI 创业市场当中的一个很大的，可能产生了一些焦虑哈。
对，这个是一个很好的问题，这也是我啊发现在最近在这个啊这段时间在 AI 创业市场当中的一个很大的，可能产生了一些焦虑哈。
因为这是一个 AI 技术所带来的一个双刃剑。
因为这是一个 AI 技术所带来的一个双刃剑。
首先第一，它给了我们很多，它能够解决这个刚才讲的三难困境，它给各个行业带来了很多的机会，它也能够赋能我们的创业。
首先第一，它给了我们很多，它能够解决这个刚才讲的三难困境，它给各个行业带来了很多的机会，它也能够赋能我们的创业。
公司呃能够更快速的走向市场。
公司呃能够更快速的走向市场。
那同时它的这个硬币的另一面，它给带来了非常多的竞争对手。
那同时它的这个硬币的另一面，它给带来了非常多的竞争对手。
啊，啊，现在我们在市场上看到有一个现象叫。
啊，啊，现在我们在市场上看到有一个现象叫。
Day zero commoditization 就是你在推出市场的第一天，或者你还没有把你的产品推向市场的时候，你已经成为了一个叫我们叫 commoditization 这英中文怎么说？
Day zero commoditization 就是你在推出市场的第一天，或者你还没有把你的产品推向市场的时候，你已经成为了一个叫我们叫 commoditization 这英中文怎么说？
啊，就是，就是你在你在推向市场的第一天，就变成了一个并没有竞争优势的这么样一个一个产品啊。
啊，就是，就是你在你在推向市场的第一天，就变成了一个并没有竞争优势的这么样一个一个产品啊。
因为呃我们讲了许多的许多的 AI 创业公司，你看到了他们做的其实就相当于一个 rapper 嗯，他们只是在这些基础模型之上。
因为呃我们讲了许多的许多的 AI 创业公司，你看到了他们做的其实就相当于一个 rapper 嗯，他们只是在这些基础模型之上。
啊，做了一个嵌套，把这个原有的这个 OpenAI 的 API 啊，做成了他们公司的一个 API 并没有增加啊，足够多的价值，那么就导致了他们在市场，在走出市场之前，其实就已经失去了竞争的优势。
啊，做了一个嵌套，把这个原有的这个 OpenAI 的 API 啊，做成了他们公司的一个 API 并没有增加啊，足够多的价值，那么就导致了他们在市场，在走出市场之前，其实就已经失去了竞争的优势。
啊，那么也就是像你刚才说的一种焦虑啊，诶，我做了这个产品，我我有了这些客户，但是别人也可以做。
啊，那么也就是像你刚才说的一种焦虑啊，诶，我做了这个产品，我我有了这些客户，但是别人也可以做。
我有什么优势呢？
我有什么优势呢？
所以这一点呢，就是说在 AI 创业的过程当中，我们要我们要从在做 MVP 就是最小可行性产品的过程当中，就要考虑把你的这个护城河。
所以这一点呢，就是说在 AI 创业的过程当中，我们要我们要从在做 MVP 就是最小可行性产品的过程当中，就要考虑把你的这个护城河。
设计在你的产品的第一版的产品当中。
设计在你的产品的第一版的产品当中。
那么这个护城河呢？
那么这个护城河呢？
我们有很多，啊，在过去我们在创业的过程当中，想想要打造一个护城河啊，一个是技术的护城河，或者数据的护城河。
我们有很多，啊，在过去我们在创业的过程当中，想想要打造一个护城河啊，一个是技术的护城河，或者数据的护城河。
那么比如说我们许多 AI 的创业公司说，哎，我有一个模型的护城河啊，我这个模型可能就训练得比别人要好，但是我们其实发现啊，模型本身，这些基础性的模型本身相互之间也越来越少有这样的护城河。
那么比如说我们许多 AI 的创业公司说，哎，我有一个模型的护城河啊，我这个模型可能就训练得比别人要好，但是我们其实发现啊，模型本身，这些基础性的模型本身相互之间也越来越少有这样的护城河。
而且这个模型的迭代的速度啊，版本非常的快，他们的能力提升得非常高。
而且这个模型的迭代的速度啊，版本非常的快，他们的能力提升得非常高。
所以作为一个创业者，创业团队，创业产品来说。
所以作为一个创业者，创业团队，创业产品来说。
模型本身的这个技术的啊，这个护城河其实是非常难以啊持久的，可持续。
模型本身的这个技术的啊，这个护城河其实是非常难以啊持久的，可持续。
那我们在创业公司过程当中就要考虑怎么样才能打造。
那我们在创业公司过程当中就要考虑怎么样才能打造。
真正属于一个创业公司产品的新的护城河。
真正属于一个创业公司产品的新的护城河。
我目前看到在市场上有一个有一个新的现象，一种模式，这个是能够产生非常有价值的护城河，它的这个过程是一个产品开发、迭代周期，整个过程本身是它的护城河。
我目前看到在市场上有一个有一个新的现象，一种模式，这个是能够产生非常有价值的护城河，它的这个过程是一个产品开发、迭代周期，整个过程本身是它的护城河。
那我来举一个非常简单的例子哈。
那我来举一个非常简单的例子哈。
假设我们一家公司啊，这样的案例非常的多。
假设我们一家公司啊，这样的案例非常的多。
这个公司是打造一个市场推广，Marketing 的，啊，市场营销的这么一个 AI agent 啊，AI 的助理。
这个公司是打造一个市场推广，Marketing 的，啊，市场营销的这么一个 AI agent 啊，AI 的助理。
它能够帮助啊你这个企业啊，在市场营销的过程当中。
它能够帮助啊你这个企业啊，在市场营销的过程当中。
啊，生成文案，啊，来管理你的这一些啊营销的 campaign 啊，一些项目。
啊，生成文案，啊，来管理你的这一些啊营销的 campaign 啊，一些项目。
那么这样的一个产品呢，他们也是借力于啊许多的这个啊基础的这个模型之上。
那么这样的一个产品呢，他们也是借力于啊许多的这个啊基础的这个模型之上。
那么这样，像这样的一种一种产品，啊，在各个的行业的细分领域，有非常多的这样的案例。
那么这样，像这样的一种一种产品，啊，在各个的行业的细分领域，有非常多的这样的案例。
那他们怎么样打造他们的护城河呢？
那他们怎么样打造他们的护城河呢？
其实你看这个产品的本身，它在推广之初是没有没有任何的啊护城河的。
其实你看这个产品的本身，它在推广之初是没有没有任何的啊护城河的。
其实任何的一个团队，加一个 rapper 加一个外包，一个一个 layer 就可以打造类似的产品。
其实任何的一个团队，加一个 rapper 加一个外包，一个一个 layer 就可以打造类似的产品。
但是当你在这个产品走向市场，有了实际的用户的情况之下。
但是当你在这个产品走向市场，有了实际的用户的情况之下。
它的整个的循环就产生了。
它的整个的循环就产生了。
你有了用户，用户会给你的这个产品产生一个反馈，他会对你产生的这个模型的输出，会给你一些应用，或者这个 sum up sum down 是吧？
你有了用户，用户会给你的这个产品产生一个反馈，他会对你产生的这个模型的输出，会给你一些应用，或者这个 sum up sum down 是吧？
这个点赞或者说是啊这个修改，怎么样一个过程。
这个点赞或者说是啊这个修改，怎么样一个过程。
那么这个信号呢，就回到你的这个啊模型本身。
那么这个信号呢，就回到你的这个啊模型本身。
你让你通过这些用实际用户的反馈，再迭代你内部的数据集。
你让你通过这些用实际用户的反馈，再迭代你内部的数据集。
迭代你的这个模型的这个优化，最后推出一个新的呃版本。
迭代你的这个模型的这个优化，最后推出一个新的呃版本。
这个新的版本又能够得到更多的用户反馈，在这个循环的和迭代的过程当中，真正产生了。
这个新的版本又能够得到更多的用户反馈，在这个循环的和迭代的过程当中，真正产生了。
你这个产品本身特有的一个护城河。
你这个产品本身特有的一个护城河。
这个护城河是其，是其他的竞争对手非常难以拷贝的，原因就是在于它并不是一个单一的模型的一个啊，或者数据的一个啊，一个一个优化，而是整个迭代和循环速度能够带来的一个非常强的一个竞争优势。
这个护城河是其，是其他的竞争对手非常难以拷贝的，原因就是在于它并不是一个单一的模型的一个啊，或者数据的一个啊，一个一个优化，而是整个迭代和循环速度能够带来的一个非常强的一个竞争优势。
所以我，我们现在看到在 AI 的创业过程中，非常多的企业啊，通过这样一一种方式，形成了他们自己特有的护城河。
所以我，我们现在看到在 AI 的创业过程中，非常多的企业啊，通过这样一一种方式，形成了他们自己特有的护城河。
并不是有一个单一的模型。
并不是有一个单一的模型。
能够快速地复制，能够超越。
能够快速地复制，能够超越。
给我感觉上来说，就是这里面几件事情比较重要。
给我感觉上来说，就是这里面几件事情比较重要。
第一是赶紧把你的产品放过去，让用户去用。
第一是赶紧把你的产品放过去，让用户去用。
然后第二点就是在用户用的过程中，赶紧去搜集一些对于产品迭代有用的一些一些一些信号。
然后第二点就是在用户用的过程中，赶紧去搜集一些对于产品迭代有用的一些一些一些信号。
然后把这两件事情赶紧拼起来。
然后把这两件事情赶紧拼起来。
其实我觉得这样来讲跟互联网产品还是挺像的，因为比如说像社交网络，社交网络的话，你也是说诶，赶紧出一个社交网络，赶紧把人搬上来，赶紧把你的社交的那个 friends 加好。
其实我觉得这样来讲跟互联网产品还是挺像的，因为比如说像社交网络，社交网络的话，你也是说诶，赶紧出一个社交网络，赶紧把人搬上来，赶紧把你的社交的那个 friends 加好。
这个时候你再再出一个新的社交网络，就可能比较难跟你竞争了，因为用户的数据已经被你给建立好，抓住了。
这个时候你再再出一个新的社交网络，就可能比较难跟你竞争了，因为用户的数据已经被你给建立好，抓住了。
这是一个很好的一个，很好的一个观察，确实这个快速迭代在 AI 之前的这一些产品和应用当中。
这是一个很好的一个，很好的一个观察，确实这个快速迭代在 AI 之前的这一些产品和应用当中。
也是一个非常重要的一个因素。
也是一个非常重要的一个因素。
啊，在 AI 这一块呢，它的不同点是在哪里呢？
啊，在 AI 这一块呢，它的不同点是在哪里呢？
是第一就是说用户的反馈对于这个产品模型和效果的迭代产生的影响要远大于在 AI 产品之前啊。
是第一就是说用户的反馈对于这个产品模型和效果的迭代产生的影响要远大于在 AI 产品之前啊。
比如说刚才你讲的这一些社交网络，Consumer 的这些产品，或者说是 SaaS 服务哈，软件产品。
比如说刚才你讲的这一些社交网络，Consumer 的这些产品，或者说是 SaaS 服务哈，软件产品。
用户的反馈也非常重要，但是它只是作为下一版本迭代的一个输入之一啊。
用户的反馈也非常重要，但是它只是作为下一版本迭代的一个输入之一啊。
许多的这个优化呢，还是取决于啊，很多的 feature 或者我们的这个功能性的这个要求。
许多的这个优化呢，还是取决于啊，很多的 feature 或者我们的这个功能性的这个要求。
但是在 AI 这个领域的话呢，用户的反馈，它的价值，它在下一个迭代版本的权重会非常的高。
但是在 AI 这个领域的话呢，用户的反馈，它的价值，它在下一个迭代版本的权重会非常的高。
所以说呢，通过反复迭代的这个循环，能够带来的竞争优势也更加的明显。
所以说呢，通过反复迭代的这个循环，能够带来的竞争优势也更加的明显。
啊，所以说，啊，这个是很大的不同。
啊，所以说，啊，这个是很大的不同。
第二点的话呢，我们也看到现在这个行业从业者，不管是大公司的产品。
第二点的话呢，我们也看到现在这个行业从业者，不管是大公司的产品。
啊，负责人或者是呃小公司的创业公司的这个创业者，在如何快速地收集用户反馈，并快速地把用户反馈迭代到下一版本的这个模型的更新的这个过程当中，也碰到了很多的挑战。
啊，负责人或者是呃小公司的创业公司的这个创业者，在如何快速地收集用户反馈，并快速地把用户反馈迭代到下一版本的这个模型的更新的这个过程当中，也碰到了很多的挑战。
许多的公司，他们呃能够形成这样的护城河的原因，是他们找到了。
许多的公司，他们呃能够形成这样的护城河的原因，是他们找到了。
能够快速获得用户反馈，并迭代呃下一版本模型的一个很好的一个通路。
能够快速获得用户反馈，并迭代呃下一版本模型的一个很好的一个通路。
这个通路本身其实是非常大的竞争的优势。
这个通路本身其实是非常大的竞争的优势。
啊，比如说一个团队，他能够在一周之内就把上一个版本用户的反馈迭代到下一个模型。
啊，比如说一个团队，他能够在一周之内就把上一个版本用户的反馈迭代到下一个模型。
那和另一家公司可能要花一两个月才能完成这样一个迭代的话。
那和另一家公司可能要花一两个月才能完成这样一个迭代的话。
他们之间的这个竞争的差距会越来越大。
他们之间的这个竞争的差距会越来越大。
那感觉有点像是在比谁的哪个团队更卷。
那感觉有点像是在比谁的哪个团队更卷。
哈哈哈。
哈哈哈。
我觉得卷确实是一个嗯很好的一个一总结，但是在这个卷的过程当中。
我觉得卷确实是一个嗯很好的一个一总结，但是在这个卷的过程当中。
很多的这个产品的设计和这个运营的这么一个效率，啊，和这个反馈机制的建立，其实是一个很大的技术活。
很多的这个产品的设计和这个运营的这么一个效率，啊，和这个反馈机制的建立，其实是一个很大的技术活。
而在这一块呢，我们在上一个上一世代的这个软件产品的，呃，和产品管理的过程当中，许多的团队，许多的从业者并没有这方面的积累，所以这是一个一门新的功课。
而在这一块呢，我们在上一个上一世代的这个软件产品的，呃，和产品管理的过程当中，许多的团队，许多的从业者并没有这方面的积累，所以这是一个一门新的功课。
啊，而且是对于每一个产品和每一个细分领域，可能它的反馈的机制还有所不同。
啊，而且是对于每一个产品和每一个细分领域，可能它的反馈的机制还有所不同。
所以这个里边是很有值得深挖的点和我们的从业者需要去学习的这么一个方面。
所以这个里边是很有值得深挖的点和我们的从业者需要去学习的这么一个方面。
就感觉你做了一个新的产品，如果你没有想过你的用户的使用之后给你的反馈如何用的话，那感觉就是白推出了那种感觉。
就感觉你做了一个新的产品，如果你没有想过你的用户的使用之后给你的反馈如何用的话，那感觉就是白推出了那种感觉。
或者说是你做出来的东西是会超越。
或者说是你做出来的东西是会超越。
你说的一点没错，上就是其实我们之前说需要迭代啊，需要得到用户的反馈。
你说的一点没错，上就是其实我们之前说需要迭代啊，需要得到用户的反馈。
在上一代的产品当中，这个是一个叫 nice to have 啊，就是哎，一个好的产品经理，或者一个好的好的创业团队。
在上一代的产品当中，这个是一个叫 nice to have 啊，就是哎，一个好的产品经理，或者一个好的好的创业团队。
听取用户的反馈哈，啊，能够把它应用到下一代的产品的迭代当中。
听取用户的反馈哈，啊，能够把它应用到下一代的产品的迭代当中。
所以这一块呢，在 AI 的这个领域，它并不是 nice to have 它是一个 must to have 啊，就是是一个必备的啊，一个产品的功能。
所以这一块呢，在 AI 的这个领域，它并不是 nice to have 它是一个 must to have 啊，就是是一个必备的啊，一个产品的功能。
所以你在推出这个 MVP 推出在第一代产品的过程当中，就需要把这个反馈的机制啊，能够能够很好的设计在这个当中。
所以你在推出这个 MVP 推出在第一代产品的过程当中，就需要把这个反馈的机制啊，能够能够很好的设计在这个当中。
非常有道理，刚才你就提到，就是我们现在 AI 产品有个很厉害的特点，就在于用户的反馈可以马上，就是相当于是迭代，然后让这个产品对于这个用户来说更克制化。
非常有道理，刚才你就提到，就是我们现在 AI 产品有个很厉害的特点，就在于用户的反馈可以马上，就是相当于是迭代，然后让这个产品对于这个用户来说更克制化。
然后，但是我在想另外一个点，就是硬币的另外一面哦，就是之前我们提到呃，就产品本身的话，就是可以质量很高，然后同时又又规模做得很大，但它不能克制化嘛。
然后，但是我在想另外一个点，就是硬币的另外一面哦，就是之前我们提到呃，就产品本身的话，就是可以质量很高，然后同时又又规模做得很大，但它不能克制化嘛。
然后另外一个，私密的另外一面就说，OK，一个产品可以特别克制化，然后质量很高，但是没有办法大规模推广。
然后另外一个，私密的另外一面就说，OK，一个产品可以特别克制化，然后质量很高，但是没有办法大规模推广。
但是说，OK，现在 AI 可以使得这三点都有了。
但是说，OK，现在 AI 可以使得这三点都有了。
包括每个人都可以得到非常克制化的体验了。
包括每个人都可以得到非常克制化的体验了。
那我在想，就作为一个创造这个产品的人，创造这个产品的人，面对你的产品，对于不同人在做不同的事情，那你怎么去管理和设计说我应该做什么样的产品？
那我在想，就作为一个创造这个产品的人，创造这个产品的人，面对你的产品，对于不同人在做不同的事情，那你怎么去管理和设计说我应该做什么样的产品？
就是之前我们可能感觉，OK，我们做一个一模一样，就是对每个人来说都是一样的一个一个一个机器，那么，OK，我们这机器怎么做，应该输入什么，输入什么，其实可以设计得非常的好。
就是之前我们可能感觉，OK，我们做一个一模一样，就是对每个人来说都是一样的一个一个一个机器，那么，OK，我们这机器怎么做，应该输入什么，输入什么，其实可以设计得非常的好。
或或者说是另外一种情况，就说哎，我们只是做一个咨询师，那我可能就面对一个四五个人，所以这对于这四五个人来说，我们可能去解决他们的问题，也可以做的特别好。
或或者说是另外一种情况，就说哎，我们只是做一个咨询师，那我可能就面对一个四五个人，所以这对于这四五个人来说，我们可能去解决他们的问题，也可以做的特别好。
但现在我们要做一个大规模的千人千面的这样一个产品，我在想对于做产品来说，他怎么去做？
但现在我们要做一个大规模的千人千面的这样一个产品，我在想对于做产品来说，他怎么去做？
对你说的非常好，这个问题其实也是现在许多的 AI 产品管理人员和这个 AI 创业者碰到了一个非常大的一个挑战。
对你说的非常好，这个问题其实也是现在许多的 AI 产品管理人员和这个 AI 创业者碰到了一个非常大的一个挑战。
因为在传统的我们这个 SaaS 或者啊软件服务产品当中。
因为在传统的我们这个 SaaS 或者啊软件服务产品当中。
有一个很大的特性，就是它有一个确定性。
有一个很大的特性，就是它有一个确定性。
嗯，这也是我们这个计算产品的一个一个特点啊，它能够非常确定的呃输出呃相应的内容，对于特定的输入。
嗯，这也是我们这个计算产品的一个一个特点啊，它能够非常确定的呃输出呃相应的内容，对于特定的输入。
那么我们在产品管理当中，传统的模式是写一个这个产品需求文档，我们叫 Product Requirement Document PRD。
那么我们在产品管理当中，传统的模式是写一个这个产品需求文档，我们叫 Product Requirement Document PRD。
那么传统的这个软件产品的开发过程当中，所有的规划设计和产品的这个研发以及啊质检都是围绕着这个 PRD 的这个文档来展开的。
那么传统的这个软件产品的开发过程当中，所有的规划设计和产品的这个研发以及啊质检都是围绕着这个 PRD 的这个文档来展开的。
因因为这个呃产品本身的确定性导致的啊，我们每一个功能模块都可以非常啊确定的进行这个设计啊，然后质检。
因因为这个呃产品本身的确定性导致的啊，我们每一个功能模块都可以非常啊确定的进行这个设计啊，然后质检。
最后用户在特定的使用的这种方式之下，能够得到确定性的输出。
最后用户在特定的使用的这种方式之下，能够得到确定性的输出。
但在我们的 AI 的这个新的范式之下，刚才像你说到的这个千人千面的这样的一个一个服务啊，它的这个特性本身就是有不确定性。
但在我们的 AI 的这个新的范式之下，刚才像你说到的这个千人千面的这样的一个一个服务啊，它的这个特性本身就是有不确定性。
啊，对于呃不同的用户的输入，它的输出模式是不一样的，它是一个概率模型。
啊，对于呃不同的用户的输入，它的输出模式是不一样的，它是一个概率模型。
那么在这样子的一个啊新的范式之下，我们作为一个产品管理和设计规划的这样的一个团队。
那么在这样子的一个啊新的范式之下，我们作为一个产品管理和设计规划的这样的一个团队。
就碰到了一个很大的挑战，并没有办法像我们原来呃写一个 PRD 这样子的，或者我们的质检的这样的一个模式。
就碰到了一个很大的挑战，并没有办法像我们原来呃写一个 PRD 这样子的，或者我们的质检的这样的一个模式。
啊，能够便利所有的输入和应用的这个场景，然后确保呃这个产品本身能够达到啊我们啊所预设的这么一个结果。
啊，能够便利所有的输入和应用的这个场景，然后确保呃这个产品本身能够达到啊我们啊所预设的这么一个结果。
在这个过程当中，我们就需要应用一套新的管理的模式。
在这个过程当中，我们就需要应用一套新的管理的模式。
啊，我们传统的 PRD 可能就是不够，那我们在这个过程上要引入一套我们叫评估的这样一个整个的规模的机制。
啊，我们传统的 PRD 可能就是不够，那我们在这个过程上要引入一套我们叫评估的这样一个整个的规模的机制。
英文里面叫 evaluation framework 对于 AI 产品啊，不同的输入，它的输出是满足什么样子的一个特性，能够确保达到。
英文里面叫 evaluation framework 对于 AI 产品啊，不同的输入，它的输出是满足什么样子的一个特性，能够确保达到。
高质量，包括那个高准确率啊，这样的一些一些模块。
高质量，包括那个高准确率啊，这样的一些一些模块。
所以我们在整个评估的架构当中，要涉及到一个非常多维度的。
所以我们在整个评估的架构当中，要涉及到一个非常多维度的。
这样的一些评估的指标啊，通过整个的评估的这个指标，能够确保整个的 AI 产品在不同的应用场景，不同的用户输入。
这样的一些评估的指标啊，通过整个的评估的这个指标，能够确保整个的 AI 产品在不同的应用场景，不同的用户输入。
情况之下，能够达到我们所预想的这个输出的结果。
情况之下，能够达到我们所预想的这个输出的结果。
所以这一块内容也是整个我们 AI 产品的从业者，啊，一个新的挑战。
所以这一块内容也是整个我们 AI 产品的从业者，啊，一个新的挑战。
啊，许多的这个，啊，初创公司，包括大厂里的。
啊，许多的这个，啊，初创公司，包括大厂里的。
啊，产品经理都在学习一套新的这个评估机制和模式的这样的一个新的范式。
啊，产品经理都在学习一套新的这个评估机制和模式的这样的一个新的范式。
那这一块啊也是很多我们我们的从业者需要去掌握的一个一个新的技能。
那这一块啊也是很多我们我们的从业者需要去掌握的一个一个新的技能。
可以举个例子嘛，就是这个评估长个什么样子？
可以举个例子嘛，就是这个评估长个什么样子？
好的，我可以举一个啊，一个一个案例哈。
好的，我可以举一个啊，一个一个案例哈。
比如说我们回到啊前面讲的一个实例，作为这个产品营销的一个 AI agent 那么在在传统的软件当中，如果我们是一个啊，一个市场营销的一个一个 SaaS 服务。
比如说我们回到啊前面讲的一个实例，作为这个产品营销的一个 AI agent 那么在在传统的软件当中，如果我们是一个啊，一个市场营销的一个一个 SaaS 服务。
我们的这个 PRD 我们的功能模块可能是，哎，用户可以查询啊，一个市场营销 campaign 的一个它的一个指标数值，那它能够正确的显示这个数值，然后用户可以去对它做一个更改。
我们的这个 PRD 我们的功能模块可能是，哎，用户可以查询啊，一个市场营销 campaign 的一个它的一个指标数值，那它能够正确的显示这个数值，然后用户可以去对它做一个更改。
那么在一个 AI 产品当中，我们可能需要这个 agent 能够针对某一个呃市场营销的 campaign 生成一段新的文案，或者生成这个新的关键字啊，这个搜索关键字的这个一个提示。
那么在一个 AI 产品当中，我们可能需要这个 agent 能够针对某一个呃市场营销的 campaign 生成一段新的文案，或者生成这个新的关键字啊，这个搜索关键字的这个一个提示。
那么在这个过程当中，我们就没有办法通过一个确定性的，这样的一个产品需求描述来表达。
那么在这个过程当中，我们就没有办法通过一个确定性的，这样的一个产品需求描述来表达。
那我们就要提供一套。
那我们就要提供一套。
评估的机制和它的这个评估的这个指标。
评估的机制和它的这个评估的这个指标。
比如说在评估的指标当中，我们可以有可以有一个准确性。
比如说在评估的指标当中，我们可以有可以有一个准确性。
啊，在用户的提问之下。
啊，在用户的提问之下。
我们能够准确的找到这个呃市场营销的呃 campaign 啊，能够读取啊正确的啊营销的这个数值和它的这个 performance 的。
我们能够准确的找到这个呃市场营销的呃 campaign 啊，能够读取啊正确的啊营销的这个数值和它的这个 performance 的。
这么一个数据啊，这个是可能在准确性方面。
这么一个数据啊，这个是可能在准确性方面。
但另外一块呢，我们又要提到它能够在形成关键字的这样的一个一个生成的这个推荐上面。
但另外一块呢，我们又要提到它能够在形成关键字的这样的一个一个生成的这个推荐上面。
能够达到，呃，我们叫 contextual 能够结合上下文，呃，符合它的情境，呃，得到相应的这个合理的关键词的提示。
能够达到，呃，我们叫 contextual 能够结合上下文，呃，符合它的情境，呃，得到相应的这个合理的关键词的提示。
那这是就是另外一个呃指标。
那这是就是另外一个呃指标。
那第三个指标可能是在这个延时性方面，它需要在啊0.5或者说500毫秒或者200毫秒的这个。
那第三个指标可能是在这个延时性方面，它需要在啊0.5或者说500毫秒或者200毫秒的这个。
呃，时间之内生成你这个关键字的推荐。
呃，时间之内生成你这个关键字的推荐。
所以这已经是三个不同的指标，那我们其实在这个后续可以加非常多的不同的指标来保证整个的这个 AI Agent。
所以这已经是三个不同的指标，那我们其实在这个后续可以加非常多的不同的指标来保证整个的这个 AI Agent。
在和用户的交互过程当中，在不同的维度都能够达到我们的质量的要求。
在和用户的交互过程当中，在不同的维度都能够达到我们的质量的要求。
所以这个质量本身，它既是有一定的客观性，又有一定的主观性。
所以这个质量本身，它既是有一定的客观性，又有一定的主观性。
所以说我们的产品的设计人员和开发人员需要对这个主观和客观的质量不仅是做一个定性的描述，还要做一个定量的描述，能够使得我们的产品的开发根据整个的呃评估的这个架构，达到我们所想要预期的这个效果。
所以说我们的产品的设计人员和开发人员需要对这个主观和客观的质量不仅是做一个定性的描述，还要做一个定量的描述，能够使得我们的产品的开发根据整个的呃评估的这个架构，达到我们所想要预期的这个效果。
就感觉是之前说人人都是产品经理，但你刚才听你刚才的说法，让我感觉是人人都是人人都是数据科学家。
就感觉是之前说人人都是产品经理，但你刚才听你刚才的说法，让我感觉是人人都是人人都是数据科学家。
啊，你说的一点没错。
啊，你说的一点没错。
其实我们会发现很多在 AI 产品团队开发当中，呃，数据科学家、产品经理和技术开发人员，以及以及产品的设计人员。
其实我们会发现很多在 AI 产品团队开发当中，呃，数据科学家、产品经理和技术开发人员，以及以及产品的设计人员。
需要更加紧密的合作，呃，然后来对整个啊，整个 AI 产品的这个输出和它的质量和它的这个体验做一个总体的把握，所以这个对于我们从业人员来说，又是一个又是一个新的新的一个一个一个挑战。
需要更加紧密的合作，呃，然后来对整个啊，整个 AI 产品的这个输出和它的质量和它的这个体验做一个总体的把握，所以这个对于我们从业人员来说，又是一个又是一个新的新的一个一个一个挑战。
就相当于每一个人都需要在各自可能原先的这个这个 function 啊，不同的这个专业领域，要能够站在一个整体的一个一个用户的这个角度，一个一个高度，然后对于这个产品的整个的这个输出和它的效果。
就相当于每一个人都需要在各自可能原先的这个这个 function 啊，不同的这个专业领域，要能够站在一个整体的一个一个用户的这个角度，一个一个高度，然后对于这个产品的整个的这个输出和它的效果。
达到一个总体的把握。
达到一个总体的把握。
所以这个是也是 AI 所带来的很多的，打消了原有的一些，专业领域、细分领域的这样的一些 barrier 吧。
所以这个是也是 AI 所带来的很多的，打消了原有的一些，专业领域、细分领域的这样的一些 barrier 吧。
啊。
啊。
所以所以也也是一个新的，一，新的这个 AI 产品合作团队的一个一个新的模式。
所以所以也也是一个新的，一，新的这个 AI 产品合作团队的一个一个新的模式。
包括我想之前可能说，诶，有一个 PM 带一个四五个工程师，加上一个数据科学家，这样的一个核心团队的构成，说不定在未来的 AI 时代就不那样了，或者甚至于那个工种可能也不会这么划分。
包括我想之前可能说，诶，有一个 PM 带一个四五个工程师，加上一个数据科学家，这样的一个核心团队的构成，说不定在未来的 AI 时代就不那样了，或者甚至于那个工种可能也不会这么划分。
对的，就是所以这个工种之间的这个区别可能会越来越小。
对的，就是所以这个工种之间的这个区别可能会越来越小。
啊，其实工程师的话可能需要更多的站在产品经理的角度来思考问题，产品经理可能要更多的啊，站在一个数据科学家的啊视角啊来看待这个问题。
啊，其实工程师的话可能需要更多的站在产品经理的角度来思考问题，产品经理可能要更多的啊，站在一个数据科学家的啊视角啊来看待这个问题。
所以说这个也是我们看到的一个啊目前一个小小的趋势吧。
所以说这个也是我们看到的一个啊目前一个小小的趋势吧。
所以对于这个所谓的 function 啊的定义和它的范畴。
所以对于这个所谓的 function 啊的定义和它的范畴。
又和原来的传统的这个软件产品开发很不一样的一个地方。
又和原来的传统的这个软件产品开发很不一样的一个地方。
刚才你还提到一个很有意思的观点，就是说上一代创业的时候，其实大家脑海中是诶，我要拿 vc 的钱，我要A轮、B轮、C轮、D轮，然后来扩大规模，最后成功上市，这是我的。
刚才你还提到一个很有意思的观点，就是说上一代创业的时候，其实大家脑海中是诶，我要拿 vc 的钱，我要A轮、B轮、C轮、D轮，然后来扩大规模，最后成功上市，这是我的。
所有人觉得创业公司该走这样的一个路径。
所有人觉得创业公司该走这样的一个路径。
刚才你其实有提到过，说，哎，这一次创业的话，其实不一定要拿 VC 的钱，怎么理解这件事情呢？
刚才你其实有提到过，说，哎，这一次创业的话，其实不一定要拿 VC 的钱，怎么理解这件事情呢？
对，我们刚才讲的这个杠铃效应哈，在新一代的创业公司当中啊，一头是 OpenAI 这样的重资产哈，重投入的这样的一个同一类的公司，另外一头就是大量的像我们呃这个 AI 从业者能够给我们的这个创业的机遇。
对，我们刚才讲的这个杠铃效应哈，在新一代的创业公司当中啊，一头是 OpenAI 这样的重资产哈，重投入的这样的一个同一类的公司，另外一头就是大量的像我们呃这个 AI 从业者能够给我们的这个创业的机遇。
是在精益 AI 创业这一块。
是在精益 AI 创业这一块。
那么在精益 AI 创业这一块呢？
那么在精益 AI 创业这一块呢？
刚才提到的一个一个它的一个特点就是可能通过非常小的资本的先期的投入，能够撬动一个啊，一个垂直领域的应用，快速的增长你的这个业业务群体和收入的规模。
刚才提到的一个一个它的一个特点就是可能通过非常小的资本的先期的投入，能够撬动一个啊，一个垂直领域的应用，快速的增长你的这个业业务群体和收入的规模。
与此同时呢，能够把你的这个团队规模保持在一个比较小的范围，啊或者并不需要大规模的去去去去招募这些产品和市场推广人员。
与此同时呢，能够把你的这个团队规模保持在一个比较小的范围，啊或者并不需要大规模的去去去去招募这些产品和市场推广人员。
那这一块就是导致了我们从创业者的角度，或者资本市场的角度，对于整个呃，创业公司财务管理，一个一个新的这么一个现象。
那这一块就是导致了我们从创业者的角度，或者资本市场的角度，对于整个呃，创业公司财务管理，一个一个新的这么一个现象。
那在我目前观察下来呢，一个比较特别的一个模式是这样子。
那在我目前观察下来呢，一个比较特别的一个模式是这样子。
就说你在，你一个创业公司找到了这样一个特定的垂直领域，进入这样一个市场。
就说你在，你一个创业公司找到了这样一个特定的垂直领域，进入这样一个市场。
在早期的时候呢，你确实还是需要一些啊，资本的启动资金啊，那么这个启动资金主要是一个啊早期的一些开发人员，啊，以及一些算力，啊啊， computer 的这么一些成本，能够帮助你从零到一，找到你的第一批客户。
在早期的时候呢，你确实还是需要一些啊，资本的启动资金啊，那么这个启动资金主要是一个啊早期的一些开发人员，啊，以及一些算力，啊啊， computer 的这么一些成本，能够帮助你从零到一，找到你的第一批客户。
啊，找到这个产品和市场的契合点，叫，我们叫 product market fit 啊，与此同时呢，有第一批啊稳定的收入。
啊，找到这个产品和市场的契合点，叫，我们叫 product market fit 啊，与此同时呢，有第一批啊稳定的收入。
那么在这一个阶段呢，一些 angel 或者 pre seed 啊，在早期的这些投资个人或者机构，呃，是能够给创业者一个非常大的帮助的。
那么在这一个阶段呢，一些 angel 或者 pre seed 啊，在早期的这些投资个人或者机构，呃，是能够给创业者一个非常大的帮助的。
啊，但是在到了中期，比如说你啊，有了一定的业务规模，有了一定的业务团队的时候呢，我们会发现真正头部的一些非常成功的初创企业。
啊，但是在到了中期，比如说你啊，有了一定的业务规模，有了一定的业务团队的时候呢，我们会发现真正头部的一些非常成功的初创企业。
反倒是并不需要有特别大的资本的这个注入。
反倒是并不需要有特别大的资本的这个注入。
可能你的这个ARR，我们叫呃年收入已经高于了。
可能你的这个ARR，我们叫呃年收入已经高于了。
你的这个 burn rate 啊，你的这个人员的，或者是呃计算成本的开支。
你的这个 burn rate 啊，你的这个人员的，或者是呃计算成本的开支。
那么这个时候你就变成了一，反倒变成了一个倒挂，就是真正成功的企业。
那么这个时候你就变成了一，反倒变成了一个倒挂，就是真正成功的企业。
他不需要大规模的 VC 的资金。
他不需要大规模的 VC 的资金。
反倒是一些呃非常很 struggle 或者并没有找到产品和市场契合点的公司，呃，因为他的这个收入规模没有起来。
反倒是一些呃非常很 struggle 或者并没有找到产品和市场契合点的公司，呃，因为他的这个收入规模没有起来。
所以它需要 VC 的持续的资本的注入。
所以它需要 VC 的持续的资本的注入。
这个我们在这个整个创投行业啊，VC 的行业也听到了以上一个声音，就是今后的这个 AI 相关的这些呃，资本运作和这个投融资的这方面的这个现象，可能和我们之前的传统行业不一样。
这个我们在这个整个创投行业啊，VC 的行业也听到了以上一个声音，就是今后的这个 AI 相关的这些呃，资本运作和这个投融资的这方面的这个现象，可能和我们之前的传统行业不一样。
这也给这 VC 的从业人员带来了很大的很大的挑战。
这也给这 VC 的从业人员带来了很大的很大的挑战。
你已经是一个成熟的公司了，去自己赚钱吧，赚不到钱，对，这个是能力问题。
你已经是一个成熟的公司了，去自己赚钱吧，赚不到钱，对，这个是能力问题。
对，可能可能对于创业者来说，这是一个好的现象。
对，可能可能对于创业者来说，这是一个好的现象。
啊，那回到你刚才的第一个问题上，就是说是不是啊创业者来说，我们怎么样去规划自己的啊融资的这个节奏，包括每一笔融资需要的资金的规模，可能和我们做传统的 SaaS 或者说上一代的这个软件。
啊，那回到你刚才的第一个问题上，就是说是不是啊创业者来说，我们怎么样去规划自己的啊融资的这个节奏，包括每一笔融资需要的资金的规模，可能和我们做传统的 SaaS 或者说上一代的这个软件。
这个产品是有不一样的这一个节奏的把握，所以这一块也是也是现在我们这两年看到的一个新的趋势。
这个产品是有不一样的这一个节奏的把握，所以这一块也是也是现在我们这两年看到的一个新的趋势。
哎，非常感谢啊，Roger 今天带大家嗯聊了很多关于 AI 创业也好，产品开发也好，在这样一个新的 AI 时代的一些注意点和变化。
哎，非常感谢啊，Roger 今天带大家嗯聊了很多关于 AI 创业也好，产品开发也好，在这样一个新的 AI 时代的一些注意点和变化。
所以，所最后我想问一个问题，我们很多聊到专业领域的问的情况下，都会问一个问题是，哎，你对于比如说真的想要一头钻进去去做这样的一个 AI 的产品创业的人有什么样一个比较。
所以，所最后我想问一个问题，我们很多聊到专业领域的问的情况下，都会问一个问题是，哎，你对于比如说真的想要一头钻进去去做这样的一个 AI 的产品创业的人有什么样一个比较。
对，我觉得呃确实，相信有非常多的这个现在在技术领域的从业者哈，看到了这么多的机遇，也有很多很好的想法。
对，我觉得呃确实，相信有非常多的这个现在在技术领域的从业者哈，看到了这么多的机遇，也有很多很好的想法。
来走上创业的这一条路。
来走上创业的这一条路。
我觉得目前来说，其实未来的这几年应该说是一个创业的一个新的时代。
我觉得目前来说，其实未来的这几年应该说是一个创业的一个新的时代。
啊，我也看到了越来越多的创业者。
啊，我也看到了越来越多的创业者。
或者新进的创业者找到了自己很好的这一个方向，有更多很好的资源来做这件事情。
或者新进的创业者找到了自己很好的这一个方向，有更多很好的资源来做这件事情。
我这里想提一句的就是，其实需非常多的这个 AI 的创业机会。
我这里想提一句的就是，其实需非常多的这个 AI 的创业机会。
也不仅仅局限在传统的科技行业的从业者，有许多的这个传统行业的从业者能够通过 AI 赋能，啊，来打造一家 AI 的技术创业公司去颠覆一个它原有的这个传统行业的这领域。
也不仅仅局限在传统的科技行业的从业者，有许多的这个传统行业的从业者能够通过 AI 赋能，啊，来打造一家 AI 的技术创业公司去颠覆一个它原有的这个传统行业的这领域。
所以我觉得这个越来越多的创业群体，不同的背景的群体，啊，能够加入到 AI 创业的这股浪潮当中，也是也是很有很有价值，很有意义的事情。
所以我觉得这个越来越多的创业群体，不同的背景的群体，啊，能够加入到 AI 创业的这股浪潮当中，也是也是很有很有价值，很有意义的事情。
那回到你刚才的那个话题。
那回到你刚才的那个话题。
呃，newcomer 哈，就是呃进入这个创业这个赛道，我觉得很很重要的一一点的准备是对于你用户啊，实际想要解决的想要解决的问题的一个非常深入的把握。
呃，newcomer 哈，就是呃进入这个创业这个赛道，我觉得很很重要的一一点的准备是对于你用户啊，实际想要解决的想要解决的问题的一个非常深入的把握。
这是回到我们刚才讲的第一个话题，我觉得也是所有的创业哈，不管是 AI 还是非 AI 的创业领域，啊，所有的创业者啊需要问的第一个问题。
这是回到我们刚才讲的第一个话题，我觉得也是所有的创业哈，不管是 AI 还是非 AI 的创业领域，啊，所有的创业者啊需要问的第一个问题。
也就是，你是不是对于你的用户足够的理解？
也就是，你是不是对于你的用户足够的理解？
对于他们的痛点有了非常准确的把握，啊，以及现有用户的。
对于他们的痛点有了非常准确的把握，啊，以及现有用户的。
现有的用户，他在解决他这个问题当中，碰到的很大的困惑，呃，现有的 solution 或现有的产品所无法达到的这一点。
现有的用户，他在解决他这个问题当中，碰到的很大的困惑，呃，现有的 solution 或现有的产品所无法达到的这一点。
我相信在对这些问题这样的非常深入的理解以后。
我相信在对这些问题这样的非常深入的理解以后。
一定是可以在通过 AI 的这一些赋能，找到更好的啊解决方案，能够帮助你踏出这个 AI 创业的第一步。
一定是可以在通过 AI 的这一些赋能，找到更好的啊解决方案，能够帮助你踏出这个 AI 创业的第一步。
那也非常感谢各位听众啊收听这期节目，然后欢迎大家在各大泛用型播客平台点赞、转发、评论。
那也非常感谢各位听众啊收听这期节目，然后欢迎大家在各大泛用型播客平台点赞、转发、评论。
那我们后会有期，下期再见！拜拜。拜拜。谢谢，拜拜。
那我们后会有期，下期再见！拜拜。拜拜。谢谢，拜拜。
关于 Bayt 播客
Bayt 提供中文+原文双语音频和字幕，帮助你打破语言障碍，轻松听懂全球优质播客。