Q1. 今年以来，AI 市场的温度在如何变化？
**A：**今年上半年，整个一级市场（尤其是 AI 领域）之差可以说是十年所未见。
AI 赛道从去年 3 月左右开始火起来，下场创业的很多都拿到了融资，但 9 月之后形势开始急转直下 (原因我们在去年的年终总结里也有写过)。到了今年，市场还在进一步变冷，从 1 月到 5 月，拿到主流机构投资的 AI 公司不会超过 30 家，其中相当一部分还是追加轮次的公司。
这个数字大概是十年前的百分之一，也就是说整个市场的融资难度提高了百倍。在这个数字之下，绝大多数人的任何选择和努力都是无效的。
Q2. 为什么机构出手这么少？是他们需要更多时间跟踪和学习吗？
**A：**我们接触了这么多机构，其实非常能理解为什么他们不出手：
1）讲大故事的是否能做出来？AI 能做到吗？大厂竞争怎么办？大模型做了怎么办？
2）现在能赚钱的、有数据的，会不会不够 AI？是不是太像生意？市场是不是不大？
3）AI 未来到底会怎么发展？甚至大模型到底行不行？
其实说穿了，就是现在这件事有太多的不确定性。机构如果仍然在之前的评价体系里，就一定是无法出手的。所以我觉得问题不是说大家对于这事的了解还不够，花的时间还不够，而是现有的评价体系跟现在的 AI 发展状态就是不 match 的，这个是根本问题。
所以你就会看到很多机构一会说我要往后面投，我要去投有 PMF 的，一会儿说我要往更早投，我要投好的人，中间来回切换，最后也没有太出手。所以“没有打法” 这个是本质问题。
另外，我自己还总结了一个原因，就是一级市场里的新韭菜实在太少了，没有新人新钱进来，老人都踩了太多坑，所以反而会过于谨慎保守，这也不是一个非常健康的市场环境。
所以，现在出来融资的 AI 创业者，都是英雄，因为你们都潜移默化间做了整个市场的养料，进行了对整个市场的教育作用，但这又是一个必经的阶段，无法避免。
Q3. 上半年，硅谷的 AI 进展也是有些无聊的，为什么 AI 的发展都不及大家预期呢？
**A：**最大的问题倒不是市场不行，而是大家太急了。
过去的十年里，整个市场都处于一种越来越急躁的状态里，从几年一个赛道，变成一年一个赛道，变成半年甚至一个季度一个赛道，机构期待一年里就把该投的都投了，就有特别明星的公司长出来，数据就要炸裂，甚至于就找到下一个字节，这本来就是不现实的。
客观规律就是要等一个市场慢慢地去走，我们自己的主观能动性跟外部的市场环境一定是配合着来的，我觉得这个是当下所有从业者都要特别注意的，就还是要慢慢来。
而且，AI 的进展其实已经远超一开始的想象了。你想，过去这么多年里，有什么事能像这两年的 AI 一样带来这么多的可能性？已经非常好了。
Q4. 应用侧，有什么能看到 PMF 的新思路，新线索吗？
**A：**我们之前做过一个总结，目前全球华人创业者做的 AI 公司，真正留存收入过关的，有 PMF 的暂时还不超过 30 家。
但在这个里面，我们也还是看到了一些新的趋势，比如：
1）各种工具型产品开始出现，包括 AI 笔记、AI 心理、AI 下厨房等等，这就有点 2010 年的影子了。
2）服务 Prosumer (Professional consumer) 人群的产品可能是个新赛道，这个人群包括视频剪辑师、音乐创作人、券商分析师、保险从业者等等，有点「小 b 大 c」的感觉，他们本质是 c 端用户，但因为这些 AI 产品能服务他们本身的工作，所以他们又具备一定的 b 端付费能力。
3）还有把非结构化的数据结构化，也是一条线索。
除此之外，这半年火起来的大多还是增长型产品点，比如黏土滤镜，meme 表情等等，它更像是试出了一堆玩法，但不一定特别刚需。
Q5. 目前刚需型的 AI 产品还很少，这是时间问题还是认知方法的问题？
**A：**都有。产品落地本来就需要时间，比如一款好的游戏，正常上线时间可能也要两年，而这波 AI 出来目前都还没有两年时间。从认知方法上来说，各种试错和探索也都是正常的，很难一步到位。
以及最重要的，大模型本身的能力还不成熟，在很多场景下还达不到要求。
但即使模型能力还达不到，它的想象空间其实已经具象化地呈现在大家面前了。从 Sora，到 4o，到 3D，各个模态其实都已经有了很好的 demo 了。这些未来一定是可以实现的，问题只是在于半年、一年、还是两年的问题。那我们可以思考的是，站在今天这个时间点，我能做哪些准备，去 meet 几年之后的技术成熟度，未来当模型能力真的成熟了，我的产品要长什么样子？
Q6. 现在是进场的好时机吗？
A： 一定是，虽然我前面说市场还处在非常早期，但我仍然坚信这两年是进场的好时机。很多市场在讨论的问题，比如模型会怎么发展？端到端到底会不会分离？很多人觉得说，等路线确定了，这时候下场是最高效的，但问题是，如果没有经历前面所有的过程，你是不清楚它为什么会这样，以及在很多细微场景中，又要怎么灵活调整的。
此外，市场的爆发有时候是比较突然的，可能突然某个技术或方法成熟了，市场就起来了，等你这个时候再组团队，补认知，一切就已经晚了。
Q7. 现在做 AI 创业，有先发优势吗？
**A：**有没有先发优势，还是取决于壁垒到底是什么。目前大模型公司基本是没有先发优势的，今天用 Kimi，明天用豆包，没有切换成本，后来者只要有钱，模型就能做出来，而且后发的训练成本还能更低。
应用的话，倒可能会有两个优势：一是认知，二是数据。尤其现在大家越来越认可高质量数据的重要性，最后倒不一定是拼数据集有多大，而是拼其中高质量数据有多少。
Q8. 大家入局后，最应该做些什么？
**A：**就一件事：尽最大的努力，跑通一个 AI PMF。
这个 PMF 的定义因人而异，哪怕只是几千个用户，能跑正 ROI 也可以算是一种 PMF。
在这个过程中，遇到问题解决问题就是最好的积累认知的手段，且在整个过程中，自然就能把适配的团队组织起来。
我觉得大家要尽量避免纸上谈兵，也要避免高举高打。比如过去一年里很多人找我们介绍技术，我会问他你到底是要算法还是要工程？就这一个简单的问题，现在市面上大多数公司其实都是没有想清楚的，他不知道是只把工程做好就行了，还是自己未来也要训模型，甚至做一些算法上的研究，这些事情都是需要边做边摸索的。
Q9. 什么样的人最适合在 AI 时代创业？做移动互联网的产品经验对做 AI 产品是有很大帮助的吗？
**A：**大家把这个问题想得太局限了，经常有人问，是不是产品经理是最适合创业的？然后就会有人跳出来说，张一鸣就不是产品经理，人家是技术出身。我觉得这些都是太把人标签化了。
其实本质问题就是，一个好的 AI 创业者需要具备什么特点？那 TA 可能需要对技术有深刻认知，需要有足够的洞察用户需求的能力，并且能够在创业过程中锻炼出很好的组织能力等等。
这些能力不会因为一个人的职业经理中有过产品经理这个 title，他就真的是一个产品经理了，反之亦然。
所以我核心判断的标准就两点，一是学习能力，二是对做成这件事的渴望程度。如果你有足够强的意愿，又有足够好的学习能力，没有什么是学不会、做不好的。
Q10. 你觉得最近一年大家对于 AI 的认知有提升吗？
**A：**绝对是有大幅提升的。很有意思的一个点是，很多人觉得市场不好，大家普遍悲观，但我觉得悲观反而是认知提升的体现，懂得越多，越知道技术的局限在哪里，越容易悲观。
但在一年多前，大家都不知道 AI 能做什么、不能做什么，但现在大家已经碰壁了很多次，试错过很多，也对很多技术、模型上的操作有最佳实践和解决方案了。
所以我还想再强调一下，不用过于悲观、不用太着急，跳出来看 AI 这一年已经有很大进步了。
Q11. 你这半年最想吐槽的是什么？
**A：**我们现在和国内做 2C 产品的人聊天，发现做视频多模态的都喜欢说自己是下一个抖音，做搜索的都喜欢说自己是下一个 Google。这些故事我真的有点听腻了。
其实在移动互联网时代，那些最后大成的公司，很少人是在做下一代的 xxx，大家做的是更全新的产品形态，所以我觉得大家还是应该把思路打开。
我随便举个例子，未来的音乐播放器，它的面板是不是就可以是类似于 DJ 的一个简易版面板，我手往上一滑，这首歌就会往摇滚风格上靠一靠，我往右一滑，它就能引入另外一个人的音色，大家多往这种方向上去探索产品，可能会有意思很多。
Q12. 为什么今天的创业者都在考虑出海？
**A：**有一次我介绍一位创业者，说他是一位很有名的「出海」企业创始人，对方赶紧纠正我说不是「出海」，我们是「global」。其实现在很多创始人已经不觉得自己在做出海了，大家就是面向全球市场。只是现在基本是先做海外，等时机成熟，再杀回国内。
这里又有两个核心原因：一方面是地缘政治、国家政策，包括政策影响下的技术支持；另一方面是，海外有更强的付费能力，现阶段做欧美市场，更容易把 ROI 跑通。
Q13. 未来模型和应用的分工是怎样的？
**A：**我越来越认为端到端分离是更合理的。如果 scaling law 成立，那马太效应就一定成立，最终一定有一两家公司，占据了最多的资源，能产出最好的结果。既然如此，底层有这几家公司作为基础设施提供方就足够了，端到端分离就应该会是一个主流的选择。
但端到端分离并不代表只有底层的模型层和上面的产品层，这中间可能还分 n 多层——最底层是 OpenAI 等最一线的大模型，中间有一些垂直领域的模型，往上可能是 infra 层的东西，再往上才是真的应用层（当然最终形态不一定是我说的这样，但我还是相信生态和分工合作是市场最自然合理的状态，而不是一家通吃）。
Q14. 和移动互联网时代相比，AI 时代的 「入口」有多大可能性会发生变化？
**A：**大概率会变化，聊天形式天然就是更好的「入口」，尤其当未来 AI coding 成熟之后，你想让一个界面长成什么样子，它就能即时编程，生成什么样子。
所以我觉得现在国内大多数从业者都没有给 AI coding 这件事足够的重视。
Q15. 怎么看大厂做模型？
**A：**我们观察，大厂之所以做模型，有两种出发点：
一种是以字节为代表的进攻型玩家。和其它互联网大厂相比，字节没有社交关系，也没有其它刚需的内容，所以其实很难说字节拥有自己的「入口」。它在 AI 时代投入很大成本做模型，包括前一阵被曝出下场做硬件，可能都是出于这个目的。
第二种则单纯是做战略防守。像美团、小红书等等，内部也都在做自己的模型，但他们似乎并不追求把模型做到多大多好。他们可能更担心的是未来的「入口」会改变。比如，如果未来有一天确实是没有 App 了，那我要保证现阶段就不要掉队，到时候一旦发现形势不对，我能快速跟上。
Q16. 如果要选择一个上市公司作为 AI 的投资标的，你会选择哪个公司？
**A：**我觉得还是苹果，苹果的位置是无敌的，就像前面一个问题讲的，如果未来其它现有 APP 都变成了服务提供商，都是由手机直接发起组织，那苹果的价值会多高？可能未来买来一个手机，开机就只有一个对话框，而没有任何 APP 界面了。
其次就是腾讯，以腾讯现存的社交关系和数据的珍贵程度来说，他们如果真的下定决心动起来，我很难想象现在做所谓的 AI 助手、AI 社交等的公司该如何抗衡。
Q17. 问一个关乎英伟达股价的问题。目前投资者对英伟达最大的担心在于，大公司决策者可能有一天会开始真正计算 AI 的 ROI，然后放缓军备竞赛了，你觉得未来一年能看到这个时刻吗？
**A：**一定能。（欢迎打脸）
Q18. 中国模型和美国模型的差距，究竟是在缩小，还是在拉大？
**A：**差距在拉大，但这不仅仅是国内与海外的问题，就全球范围来说，一线与非一线的差距都在拉大。OpenAI、Anthropic 等几个头部公司无论在技术，还是资源储备等方面都处于绝对一线，其余公司，不光是国内的公司，像 Cohere、Character.AI 等也都在掉队。
其实只要你认可 scaling law，就一定能推衍出这个结果，头部和其它的差距只会越来越大。
PS：最后插播一条全职招聘信息！我们在招募新的内容同事，协助我们做播客、采访、私董会等等，欢迎大家点击阅读原文了解投递
42章经
思考事物本质
