近日，真格基金管理合伙人戴雨森與 @課代表立正展開了一場(chǎng)關(guān)于 AI 創(chuàng)業(yè)的深度對(duì)談。對(duì)話圍繞一個(gè)共識(shí)展開：真正的技術(shù)突破，不依賴營(yíng)銷也能實(shí)現(xiàn)自發(fā)傳播。DeepSeek 是例子，一上線即火遍全球，Manus 亦然。戴雨森認(rèn)為，AI 正在把我們帶回那個(gè)憑產(chǎn)品力打動(dòng)用戶的時(shí)代。Genspark、Manus、Cursor 等新產(chǎn)品正在快速驗(yàn)證：只要?jiǎng)?chuàng)造了真實(shí)價(jià)值，就有機(jī)會(huì)跨越鴻溝。

大家好，我是真格基金的管理合伙人戴雨森。

在真格基金，我們專注投資全球華人創(chuàng)業(yè)者的第一筆錢。這幾年我主要關(guān)注 AI 的天使輪項(xiàng)目，在第一輪主導(dǎo)和深度參與投資 Kimi、Manus、與愛為舞、Genspark、無問芯穹、Youware 等 AI 創(chuàng)業(yè)公司。真格基金也天使投資了 HeyGen、Opus Clip、MaxAI 等在全球都有不小影響力的 AI 應(yīng)用。

24 年行業(yè)都在關(guān)注大模型公司的軍備競(jìng)賽，大家都在問：訓(xùn)練大模型燒了這么多錢，應(yīng)用什么時(shí)候落地，商業(yè)價(jià)值到底在哪？而我們認(rèn)為新技術(shù)的落地需要時(shí)間，就像送孩子上學(xué)，前期學(xué)費(fèi)是投入，要等他長(zhǎng)大才能賺錢。好在和歷史上其他創(chuàng)新技術(shù)相比，生成式 AI 的應(yīng)用落地速度非常快，今年我們已經(jīng)看到隨著模型能力的飛速進(jìn)展，不少 AI 應(yīng)用開始有實(shí)打?qū)嵉氖杖搿?/p>

比如我們投的 Genspark，上線 45 天就實(shí)現(xiàn)了 3600 萬美元的 ARR。這個(gè)速度，在傳統(tǒng) SaaS 時(shí)代可能得一年以上才能做到。這說明一件事：AI 產(chǎn)品真的越來越有用，用戶真的愿意為其付費(fèi)。

我們正在見證 AI 革命進(jìn)入新紀(jì)元。

8 年投資，8 年創(chuàng)業(yè)
看 AI 真正跨越鴻溝

我是 86 年生，98 年開始上網(wǎng)，算是個(gè)互聯(lián)網(wǎng)原住民。從中學(xué)起就一路見證了互聯(lián)網(wǎng) 20 多年的波瀾壯闊發(fā)展。22 歲聯(lián)合創(chuàng)辦聚美，趕上移動(dòng)互聯(lián)網(wǎng)大潮；現(xiàn)在做早期投資，又很幸運(yùn)遇上了生成式 AI 這波技術(shù)革命。我自己的親身體會(huì)是，每一次技術(shù)大變革帶來的應(yīng)用落地，都是創(chuàng)業(yè)者和投資人最好的機(jī)會(huì)窗口。

我在 2017 年轉(zhuǎn)做投資，那時(shí)移動(dòng)互聯(lián)網(wǎng)已經(jīng)進(jìn)入下半場(chǎng)，年輕人單靠創(chuàng)新走到最后的機(jī)會(huì)越來越少，取而代之的是老司機(jī)和大公司的補(bǔ)貼、燒錢，比如 O2O 大戰(zhàn)、社區(qū)團(tuán)購大戰(zhàn)，大量同質(zhì)化的公司最后是比拼資源和效率。當(dāng)時(shí)大家就在討論，移動(dòng)互聯(lián)網(wǎng)的創(chuàng)新周期是不是已經(jīng)結(jié)束了？我們是小紅書的天使投資人，也有不少同行覺得它可能是中國移動(dòng)互聯(lián)網(wǎng)最后一個(gè)大 DAU 產(chǎn)品。

當(dāng) 22 年底 ChatGPT 上線的時(shí)候，我特別興奮，用到凌晨四點(diǎn)，我回憶起 99 年第一次用到 Google 的感覺：一個(gè)簡(jiǎn)單的輸入框，用自然語言什么都可以問，問什么都有答案。這是我對(duì)終極產(chǎn)品的向往：把極為先進(jìn)的技術(shù)包裝在超級(jí)簡(jiǎn)單的界面背后，像魔法一樣讓普通人具備非常強(qiáng)大的能力。

雖然早期的大模型還不夠聰明，也有很多幻覺，但它讓我第一次覺得，AI 不再只是在科研界的熱議話題，而是真正能用起來的產(chǎn)品。在生成式 AI 浪潮到來之前，雖然AlphaGo已經(jīng)擊敗李世石和柯潔，特斯拉也已推出 FSD，但 AI 離普通人的生活還比較遠(yuǎn)。當(dāng)時(shí)談 AI，還更多是在講科技研發(fā)和未來愿景，跟大眾產(chǎn)品還很有距離。

ChatGPT 是一個(gè)真正的轉(zhuǎn)折點(diǎn)，讓 AI 變得人人可用，也真的好用。我一直很喜歡認(rèn)知技術(shù)創(chuàng)新的框架「跨越鴻溝」，它的主題是創(chuàng)新技術(shù)怎么從早期市場(chǎng)進(jìn)入主流市場(chǎng)。當(dāng)時(shí)直覺就很強(qiáng)：ChatGPT 可能是第一個(gè)能真正跨越鴻溝的 AI 產(chǎn)品。現(xiàn)在每個(gè)月全球有一億人在用 ChatGPT，已經(jīng)驗(yàn)證了這一點(diǎn)。

我們?cè)?jīng)把早期成功創(chuàng)業(yè)者分成四類：小天才、老司機(jī)、科學(xué)家、操盤手。但最近我們想，是不是還得區(qū)分「技術(shù)變革的早期」和「技術(shù)成熟期」，不同時(shí)期成功幾率大的創(chuàng)業(yè)者畫像和打法可能都不一樣。過去十年是移動(dòng)互聯(lián)網(wǎng)的成熟期，在下半場(chǎng)，容錯(cuò)率更低，經(jīng)驗(yàn)和資源更重要，打過仗交過學(xué)費(fèi)的連續(xù)創(chuàng)業(yè)者勝率或許更高。例如張一鳴、王興、黃崢，都是第三次才做出大公司。

而現(xiàn)在的 AI，又回到了技術(shù)變革的早期。創(chuàng)業(yè)者需要對(duì)新技術(shù)很懂，對(duì)技術(shù)邊際變化帶來的機(jī)會(huì)很敏感，這就給年輕創(chuàng)業(yè)者帶來了很多機(jī)會(huì)。但同時(shí) AI 也要通過成熟的形態(tài)如 App 或網(wǎng)站去落地，因此對(duì)創(chuàng)業(yè)者提出了更高的要求：既要懂前沿技術(shù)，又要有很強(qiáng)的產(chǎn)品執(zhí)行力。我們投資的不少公司創(chuàng)始人如 Manus、Kimi、Genspark、Heygen、Youware 等都符合這個(gè)畫像。

與此同時(shí)，很多產(chǎn)業(yè)成熟期的方法論，比如 AB 測(cè)試、精細(xì)化投放等，在產(chǎn)業(yè)早期卻未必最有效。舉個(gè)例子，AB 測(cè)試適合找到產(chǎn)品方案的細(xì)節(jié)差異，但技術(shù)早期往往是要在沒有數(shù)據(jù)的情況下做選擇，選對(duì)了就是 10 倍起步，選錯(cuò)就全盤皆輸。例如 Transformer 出現(xiàn)之后，BERT 和 GPT 哪個(gè)技術(shù)路線更好，OpenAI 不是 AB 測(cè)試出來的，是靠判斷選出來、執(zhí)行做出來的，甚至在模型規(guī)模到達(dá)一定規(guī)模之前，BERT 反而是效果更好的方案。但這種選擇的能力，反而是 AI native 創(chuàng)業(yè)者面對(duì)大廠的機(jī)會(huì)。

花一點(diǎn)小錢看未來，其實(shí)很值

做早期投資的難點(diǎn)在于反饋周期太長(zhǎng)。投一個(gè)項(xiàng)目，5-10 年才知道對(duì)不對(duì)。有些項(xiàng)目一開始聲量很大，最后不一定走得遠(yuǎn)；反而一些看起來沒那么熱鬧的，拉長(zhǎng)時(shí)間可能更有價(jià)值。像泡泡瑪特，幾乎中國 VC 都看過，大家后來都說錯(cuò)過了很可惜。

這有點(diǎn)像訓(xùn)練 AI 模型，是不斷調(diào)整模型權(quán)重減少損失函數(shù)的過程。對(duì)于早期投資這個(gè)「模型」的訓(xùn)練和優(yōu)化的確需要更長(zhǎng)的時(shí)間。不過現(xiàn)在技術(shù)變革越來越快，我們可以參考過去新技術(shù)幾十年甚至上百年的演化路徑，在很短時(shí)間里走過完整的技術(shù)周期，這是好事，不然還沒等看到結(jié)果，我們就老了。5 年、10 年走完之前 100 年的路，雖然發(fā)展路徑能借鑒，但心態(tài)也得跟上，要學(xué)會(huì)適應(yīng)更快、更大的變化。

強(qiáng)化學(xué)習(xí)中重要的是環(huán)境（Environment）和獎(jiǎng)勵(lì)（reward）的設(shè)計(jì)。那我們?cè)趯W(xué)習(xí) AI 的時(shí)候這兩者是什么？我認(rèn)為一大核心是不斷學(xué)習(xí)新的技術(shù)，不斷體驗(yàn)新的產(chǎn)品。

第一批吃螃蟹的人往往會(huì)得到不菲的獎(jiǎng)勵(lì)。例如當(dāng)年第一批做互聯(lián)網(wǎng)創(chuàng)業(yè)的人，很多是最早買電腦、最早上網(wǎng)的；第一批做移動(dòng)互聯(lián)網(wǎng)的人，也常常是最早買 iPhone 的?，F(xiàn)在 AI 產(chǎn)品其實(shí)已經(jīng)很便宜，一個(gè)月可能只要花 20 美金，也就一頓飯的價(jià)格，但能幫助你先看到未來，也先抓住機(jī)會(huì)。

比如第一個(gè)真 · Agent 產(chǎn)品 Devin 剛發(fā)布那天，我就充值了 500 美金試用，大為震撼。朋友圈里我寫道：「Devin 作為第一個(gè)真正能用的真 · Agent 產(chǎn)品，它的出現(xiàn)可能標(biāo)志著人類歷史的一個(gè)重要時(shí)刻。500 美金可以買兩瓶茅臺(tái)，或者可以開一個(gè) Devin 賬號(hào)，提前體驗(yàn)未來。」后來 Manus 的產(chǎn)品設(shè)計(jì)也受到了很多 Devin 的啟發(fā)。

另一方面，AI 也讓執(zhí)行力變得更平價(jià)。以前你有個(gè)想法，要找人寫代碼、做設(shè)計(jì)，過程很重，所以有人開玩笑說我有個(gè)好想法，就差個(gè)程序員了。而現(xiàn)在使用 Cursor、Manus、Youware 這些工具，很快就能把想法變成一個(gè) demo，甚至是可以使用的產(chǎn)品。

當(dāng)執(zhí)行力不再稀缺，我認(rèn)為工作的關(guān)鍵反而變成：

1）你要做什么。這是人的主觀主動(dòng)性，英文叫 Agency。我們和創(chuàng)業(yè)者交流，很關(guān)注他是不是那個(gè)真正行動(dòng)的人，清楚自己要做什么，想辦法推進(jìn)，招人、找錢、做產(chǎn)品，遇到問題也能努力解決往前走。

2）你選擇什么。也就是所謂的 Taste（品味）。AI 可以創(chuàng)造很多選項(xiàng)，但是選擇最后還是人來做。Midjourney 一次給你四張圖，Vibe Coding 給你多個(gè)實(shí)現(xiàn)方案，你選哪個(gè)？也許有一天 AI 的 taste 會(huì)比人更強(qiáng)，但現(xiàn)在，決定還得人來做。Agency（主觀能動(dòng)性）和 Taste（品味），是 AI 時(shí)代人與人之間的關(guān)鍵分野。

愿意花點(diǎn)錢去體驗(yàn)可能代表未來的產(chǎn)品，本質(zhì)上也是一種發(fā)揮主觀能動(dòng)性的選擇。

給用戶創(chuàng)造了價(jià)值，就總有辦法變現(xiàn)

我常舉一個(gè)例子去說明指數(shù)增長(zhǎng)：

假設(shè)有一個(gè)池塘，其中荷葉每天的面積都會(huì)翻倍增長(zhǎng)。第一天只有一小片，第二天變成兩片，第三天四片……以此類推。如果到第30天，整個(gè)池塘被荷葉完全覆蓋，但如果第 29 天的早上去看，池塘還有一半沒有被覆蓋呢。

我認(rèn)為 AI 現(xiàn)在的發(fā)展，正如 William Gibson 所說，「未來已經(jīng)到來，只是尚未均勻分布」。AI 模型已經(jīng)在寫作、編程、數(shù)學(xué)、推理等領(lǐng)域超過 99% 的人類，已經(jīng)有不少人在用 Cursor、Manus、Genspark 等工具給自己的工作 10x 提速，他們看到的是完全不一樣的世界。但對(duì)于沒有體驗(yàn)這些產(chǎn)品的人來說，世界沒有什么變化。

技術(shù)擴(kuò)散需要時(shí)間，所以才會(huì)有從創(chuàng)新者、早期采用者到大眾市場(chǎng)的創(chuàng)新擴(kuò)散曲線?，F(xiàn)在，我們已經(jīng)能直觀地看到那道鴻溝的存在。

舉個(gè)例子，Google 剛出來時(shí)是個(gè)基于先進(jìn)技術(shù)，非常好用但沒盈利模式的產(chǎn)品。那時(shí)候華爾街有很多質(zhì)疑，說它不做廣告，還鼓勵(lì)用戶盡快離開網(wǎng)站，這怎么賺錢？但 2002 年，Google 通過 AdWords 和 Adsense 找到了商業(yè)模式，現(xiàn)在搜索引擎廣告是互聯(lián)網(wǎng)行業(yè)最很賺錢的印鈔機(jī)之一。

這是一個(gè)啟示。新技術(shù)驅(qū)動(dòng)的產(chǎn)品，早期常常是「用戶愛用但不知道怎么賺錢」。商業(yè)模式的完善需要時(shí)間。我相信，只要產(chǎn)品能給用戶創(chuàng)造足夠大的價(jià)值，總會(huì)有辦法把價(jià)值提取轉(zhuǎn)化出來變成收入。不論是訂閱、廣告還是導(dǎo)流，商業(yè)的本質(zhì)就是你為用戶創(chuàng)造更多價(jià)值，并從中提取利潤(rùn)。

也可以問一個(gè)問題：如果你被要求一輩子不能再用 ChatGPT，你愿意出多少錢？不少人可能會(huì)開出很高的價(jià)格。這說明它已經(jīng)變成一個(gè)不可替代的工具。

當(dāng)然，也有人說這些收入是 vibe revenue（氛圍營(yíng)收），用戶嘗鮮付費(fèi)一次就走了。確實(shí)有這個(gè)風(fēng)險(xiǎn)，但我覺得 AI 產(chǎn)品和傳統(tǒng)產(chǎn)品最大的不同是：它的進(jìn)化速度非常快。你買的車不會(huì)進(jìn)化、APP 一年下來可能也沒什么大更新，但 AI 的能力卻在飛速進(jìn)化。兩年前你可能覺得 ChatGPT 沒啥用，但現(xiàn)在已經(jīng)迥然不同了。

去年我們見證了很多模型能力升級(jí)的例子。比如 SWE-bench 被用來測(cè)試 AI 完成 GitHub 上編程任務(wù)的能力。2024 年初 GPT-4 得分還只有 4-5 分，到 24 年底 o1、o3 mini 已經(jīng)做到 60-70 分，25 年中，領(lǐng)先模型突破 80 分，我們的被投企業(yè) Kimi 剛發(fā)布的開源模型都突破了 60 分。巨大的能力升級(jí)，會(huì)大幅提升用戶的價(jià)值，進(jìn)一步推動(dòng)用戶留存。

所以關(guān)于 AI 能不能賺錢這件事，我們?cè)絹碓接行判摹?/p>

在行業(yè)早期，奢談終局都沒有意義，唯有下場(chǎng)開始執(zhí)行。就像 2015 年，很少有人能預(yù)見今天的字節(jié)跳動(dòng)。那時(shí)大家還在討論今日頭條有沒有壁壘?，F(xiàn)在看似順理成章，但經(jīng)歷過的人都知道，短視頻賽道其實(shí)已經(jīng)死過一輪，Vine、秒拍都沒做大。很多事，只有回頭看才顯得顯而易見，人在局中時(shí)都只有奮力突圍。比起終局，我更關(guān)注當(dāng)下：誰在用，得到了什么價(jià)值，以及未來還會(huì)在哪些場(chǎng)景繼續(xù)產(chǎn)生價(jià)值。

增長(zhǎng)的關(guān)鍵不在投放
而是有沒有「魔法體驗(yàn)」

投放是移動(dòng)互聯(lián)網(wǎng)后期的必修課，然而現(xiàn)在很多 AI 應(yīng)用的成功，投放不是重點(diǎn)，甚至根本不需要投放。關(guān)鍵是能不能讓用戶有魔法般的體驗(yàn)產(chǎn)生自然傳播。當(dāng)用戶突然遇到一個(gè)體驗(yàn)好十倍的產(chǎn)品，這時(shí)候，口碑和自然增長(zhǎng)的力量，遠(yuǎn)比投放更管用。

DeepSeek 就是個(gè)例子，一上線火遍全球，但沒花一分錢在營(yíng)銷上。Manus 也一樣。過去幾年，投放這件事被高度專業(yè)化，做增長(zhǎng)的人越來越多，但技術(shù)范式一變，這些成熟方法不一定還管用。

我很開心 AI 把我們帶回了那個(gè)靠產(chǎn)品力打動(dòng)用戶的時(shí)代，需要產(chǎn)品經(jīng)理用判斷做選擇，用體驗(yàn)打動(dòng)人。回頭看互聯(lián)網(wǎng)早期，投放還不是個(gè)顯學(xué)，大家靠的是產(chǎn)品、內(nèi)容和口碑本身。比如 Facebook，用戶加了幾個(gè)好友就會(huì)上頭，呈現(xiàn)出非常好的留存，產(chǎn)品設(shè)計(jì)本身就很有利于病毒傳播。當(dāng)時(shí)「情感狀態(tài)」這個(gè)功能，誰變單身了大家都看得到，也是自帶話題的設(shè)計(jì)。

再說留存和新增的選擇。做增長(zhǎng)的人總說留存重要，但這有個(gè)隱含前提：產(chǎn)品夠普世。很多小眾產(chǎn)品，比如豆瓣、即刻，用戶留存都很好，還在用的人絕對(duì)是真愛，但是它不增長(zhǎng)了。我覺得在技術(shù)革命早期，有明確的亮點(diǎn)，快速吸引用戶才更重要。

并且在技術(shù)還不完善的時(shí)候，留存差一點(diǎn)也正常，技術(shù)本身還在演進(jìn)?；仡^看亞馬遜剛起步的時(shí)候，能買的東西很少，體驗(yàn)也一般，但重點(diǎn)是產(chǎn)品進(jìn)化的斜率高不高。

AI 時(shí)代，ChatGPT 就是典型。一開始功能沒那么強(qiáng)，很多人試完，覺得和 AI 瞎聊幾句也沒啥用，留存遠(yuǎn)沒有現(xiàn)在好。反倒是 C.ai 這樣情感類的 AI 產(chǎn)品當(dāng)時(shí)留存高，因?yàn)楹诵挠脩粽承詮?qiáng)。但你逐漸會(huì)發(fā)現(xiàn)，這類產(chǎn)品的用戶群相對(duì)集中，大多數(shù)人沒感覺。而 ChatGPT 的需求是更加普適的。哪怕一開始留存一般，但產(chǎn)品能力隨著模型進(jìn)步非?？?，從 good to have 變成 must to have，走入了真實(shí)的高頻場(chǎng)景。

所以比起留存，我現(xiàn)在更看重一個(gè) AI 應(yīng)用是否有吸引用戶的亮點(diǎn)：第一，產(chǎn)品有沒有在某個(gè)場(chǎng)景的吸引力，不靠補(bǔ)貼和投放，用戶自己愿意來使用；第二，產(chǎn)品是不是在快速變好，斜率是否夠高。這可能就是技術(shù)革命早期和成熟期做增長(zhǎng)最大的區(qū)別。

當(dāng) AI 替你工作，你愿意付它多少工資？

我最近在想，AI 可能會(huì)帶來一種新的商業(yè)模式：虛擬雇傭。

過去我們對(duì)工具付費(fèi)，通常想的是它的價(jià)值加上你的時(shí)間成本。但雇一個(gè)人不一樣，本質(zhì)上是買他的時(shí)間。工具和員工的定價(jià)機(jī)制是兩套邏輯。

現(xiàn)在如果有一個(gè) agent 真能幫你完成工作，那你可能會(huì)愿意把原本付給員工的錢，部分轉(zhuǎn)給它。這個(gè)時(shí)候，它的價(jià)值就遠(yuǎn)超傳統(tǒng)訂閱模式我們?yōu)楣ぞ吒顿M(fèi)的價(jià)值。

比如一個(gè)工具訂閱費(fèi) 100 美元，很多人覺得貴，是因?yàn)槟氵€得親自操作。但如果它能節(jié)省你時(shí)間，甚至直接把活干完，那就完全是另一回事了。

我們最近也常講一句話：Attention is not all you need。這是從 Transformer 的論文標(biāo)題「Attention is all you need」來的。

移動(dòng)互聯(lián)網(wǎng)的商業(yè)模式基本都是圍繞「注意力」展開的。你刷短視頻、看信息流，平臺(tái)再用這份注意力去變現(xiàn)。但人的注意力是有限的，世界上就那么多人，每個(gè)人每天就那么多時(shí)間，在移動(dòng)互聯(lián)網(wǎng)滲透率已經(jīng)很高的當(dāng)下，如果你做的應(yīng)用還需要用戶持續(xù)的注意力，那本質(zhì)上都是零和的有限游戲，都得從抖音小紅書搶時(shí)間。

而如果 AI 能直接幫你做事，解放注意力，想象空間就完全變了。你可以有 10 個(gè)、100 個(gè) agent 并行干活，真正的限制變成了：你到底想讓它做什么？

只要 AI 真的幫我創(chuàng)造了價(jià)值，比如它幫我節(jié)省或賺到了 100 塊錢，我付他 20 塊，可能是個(gè)很自然的決定。這已經(jīng)不再是按月訂閱，而是更像「給 AI 發(fā)工資」。

這種正向循環(huán)不僅可以突破人類的注意力上限，也有機(jī)會(huì)突破傳統(tǒng)訂閱的價(jià)格上限。現(xiàn)在像 Cursor、一些 AI 工具已經(jīng)開始按使用量計(jì)費(fèi)，幫你做了多少任務(wù)，系統(tǒng)自動(dòng)算賬。

本質(zhì)上，它們都在朝「虛擬雇傭」的方向走。

AI 應(yīng)用的價(jià)值會(huì)越來越大

應(yīng)用或者是「套殼」到底有沒有長(zhǎng)期價(jià)值？這是這幾年大家一直在討論的話題。有人認(rèn)為模型越來越強(qiáng)大，會(huì)吞噬應(yīng)用的價(jià)值。我卻恰恰認(rèn)為相反：模型越強(qiáng)大，應(yīng)用就越能夠通過專有的上下文和環(huán)境來創(chuàng)造增量?jī)r(jià)值。

首先，從事實(shí)看：Cursor、Perplexity 剛出來時(shí)，很多人說這些只是套殼，很快會(huì)被模型公司干掉。但現(xiàn)在就算 ChatGPT 做了搜索，Perplexity 也還在快速增長(zhǎng)；各家模型公司都推出了自己的代碼產(chǎn)品，Cursor 也還是 AI coding 的首選，年化收入到達(dá) 5 億美金，最新一輪估值已經(jīng)接近 200 億美金。

所以哪怕和通用模型正面撞上了，只要 AI 產(chǎn)品能解決問題，提供獨(dú)特價(jià)值，也不是世界末日。好產(chǎn)品總有它存在的價(jià)值。

第二，應(yīng)用公司能使用的模型也在越來越強(qiáng)大。如果我是一家應(yīng)用開發(fā)公司，模型公司會(huì)不會(huì)有比我好十倍的模型？

2023 年初大家確實(shí)有擔(dān)心：OpenAI 有人、有卡、有數(shù)據(jù)、有錢，如果它一家獨(dú)大，能訓(xùn)練出 100 分的模型給自己的產(chǎn)品使用，而應(yīng)用開發(fā)者手上只有 10 分的模型，那就沒得打。

但現(xiàn)在我們看到，頭部模型公司競(jìng)爭(zhēng)激烈， API 的差距在不斷縮小。如果應(yīng)用公司始終能使用接近 SOTA 水平的模型 API，那么加上好的產(chǎn)品設(shè)計(jì)、用戶數(shù)據(jù)、使用習(xí)慣、品牌效應(yīng)等，就可能做出更好的體驗(yàn)。

最近在思考一個(gè)框架， AI 應(yīng)用的價(jià)值積累可以分為三層。

最底層是模型能力，這一層是相對(duì)通用和公開的，確實(shí)需要大模型公司通過開源模型或者閉源 API 的方式來提供。

中間層是模型權(quán)重中并不直接具備的上下文（context），這里又可以細(xì)分成三層：首先是公開的上下文（public context），如用于搜索的新聞報(bào)道等；其次是組織專有的上下文（organizational context），比如說組織內(nèi)的文件，流程，數(shù)據(jù)等；再者是用戶私人的上下文（personal context），如用戶和 AI 的交互記錄，個(gè)人信息和偏好等。這里組織專有的上下文和用戶私人上下文都是模型可以建構(gòu)的壁壘。

在上下文之外，還有環(huán)境層（environment），這里包括模型可以調(diào)用的各種工具如 computer use，MCP，A2A 等協(xié)議，以及模型可以改變迭代的 code base 等。

隨著 AI 產(chǎn)品越來越完善，更多的價(jià)值創(chuàng)造會(huì)出現(xiàn)在上下文和環(huán)境這兩層，這也就是 AI 應(yīng)用的壁壘。

我認(rèn)為應(yīng)用創(chuàng)業(yè)者真正該做的，是去思考 6-12 個(gè)月以后 SOTA 模型會(huì)有哪些能力，再基于這個(gè)做準(zhǔn)備。正如喬布斯引用一位傳奇冰球教練的話：「我永遠(yuǎn)滑向冰球?qū)⒁サ牡胤??！?/p>

第一次，我們都可以當(dāng)（AI 的）老板了

能夠自主完成任務(wù)的 Agent 的出現(xiàn)，意味著第一次我們每個(gè)人都可以當(dāng)（AI 的）老板。當(dāng)然，要當(dāng)一個(gè)好老板不容易，也需要很多學(xué)習(xí)。

學(xué)習(xí)當(dāng)個(gè)好老板，要多試試未來、多用點(diǎn)新的 AI 產(chǎn)品。就像當(dāng)年面試產(chǎn)品經(jīng)理，我們會(huì)讓 TA 打開手機(jī)看看常用 App，來感受 TA 對(duì)移動(dòng)互聯(lián)網(wǎng)的認(rèn)知程度。現(xiàn)在也一樣，對(duì) AI 產(chǎn)品的體驗(yàn)學(xué)習(xí)很重要。無論是 Genspark、Manus 還是 Deep Research，你都可以試試看這些新產(chǎn)品，看看 AI 到底能在多大程度上幫你提高效率、節(jié)省時(shí)間。

技術(shù)升級(jí)往往會(huì)帶來組織的 scaling law。一方面，新技術(shù)可以讓更小的團(tuán)隊(duì)完成更多的工作，另一方面，新技術(shù)也可以讓大公司管理更大更多的業(yè)務(wù)。例如移動(dòng)互聯(lián)網(wǎng)革命中，既出現(xiàn)了 Instagram 這樣被 10 億美金收購時(shí)只有十來個(gè)人的 mini 公司，也出現(xiàn)了美團(tuán)這樣能夠使用技術(shù)高效管理幾百萬騎手的超級(jí)公司。

AI 革命可能讓組織的 scaling law 進(jìn)一步發(fā)展。通過當(dāng)更多更好 AI 的老板，Sam Altman 預(yù)言我們很快就會(huì)看到一個(gè)人的獨(dú)角獸公司，而大公司擁有更多的資金和算力，也可能使用更強(qiáng)大的 AI 去管理更大的團(tuán)隊(duì)和處理更多元化的業(yè)務(wù)。

AI 的發(fā)展有點(diǎn)像燒開水，在水已熱但還沒燒開之前，可能只能泡咖啡，但一旦到達(dá) 100 度的沸點(diǎn)，將會(huì)解鎖蒸汽機(jī)，帶來各行各業(yè)巨大的生產(chǎn)力變革。

我們已經(jīng)看到在推理、研究、編程等越來越多的領(lǐng)域，模型能力進(jìn)展，給 AI 應(yīng)用帶來了魔法般的體驗(yàn)，也看到了用戶數(shù)和收入的爆發(fā)式增長(zhǎng)。

也許這一次，水真的燒開了。