给创业者的建议 - 抢占市场先机是初创公司的重中之重 [6] - 定价应以交付价值为准绳，考虑按用量或价值收费，而非局限于按人头收费 [6] - 即刻开展评估，在初始阶段建立明确的指标体系和 AI 系统性能评估方法 [6] - 应深耕细分领域解决特定难题，而非着眼于通用 AI [6] - 创始人需做到找人要精、脸皮要厚、嗓门要大、离钱要近 [6][18] 平台级应用的新机会 - 当前市场对出现千亿级公司机会尚未形成共识，百亿级公司机会更为现实 [7][9] - 出现千亿级公司需突破三道门槛：分发格局改写、大厂机制逆袭、冷启动与产品力完美耦合 [7] - AI 未像移动互联网那样引入分发渠道变革，大厂仍把控流量入口且反应迅速 [9] - 百亿美金路径现实存在，假设给20倍市销率，仅需5亿美金年度经常性收入，目前已有公司达到1-2亿美金年度经常性收入以上 [9] - 跑出百亿美金级别AI原生消费级公司，需在集中基础设施格局中找到差异化切口，打磨产品体验与商业模型 [10] AI应用公司的模型策略 - 应用公司无需自研模型，可类比消费电子行业与芯片供应商的关系 [11] - 只依赖单一闭源模型的应用最脆弱，供应商可能下场做相同业务或停止提供接口 [11] - 当市场出现多家供应商或强大开源模型追平闭源模型时，应用生意更安全且可节省模型层毛利 [11] - 自研模型收益低且可能丧失使用所有前沿模型的灵活性优势，对规模尚小的公司是麻烦 [11] - 时机是第一位的，应尽快将产品做出并进行市场验证，快速获得反馈 [12] AI应用的壁垒 - 随着智能提升，最初以为的壁垒会发生变化，难以有能一直延续的壁垒 [13] - 认知以及基于认知的速度可能是唯一的壁垒，做得早、做得快就是壁垒 [13][14] - 长期来看，垂类数据相比通用数据更难获取，可能构成壁垒，但若模型智能足够强可自我学习则壁垒不存在 [13][14] - 真正难点在于可持续性，即能否形成稳定盈利结构实现每年5亿美金净利润 [13] - 当前客服、设计、代码、法律、教育、医疗等多个垂类均显现出潜在爆款应用苗头 [13] AI产品的形态与增长 - AI产品过去是模型越好体验越好的「生鱼片型」，现在更像需看厨艺和配料的「水煮鱼」，产品能力更重要 [15] - AI应用能力分为三层：模型层、Context层（公共、组织、个人）和环境层（模型与外部世界交互的能力） [15][16] - AI产品增长靠创新而非广告，需让用户意识到创新点，用户对AI敏感，真正创新会自发传播 [16][17] - 花钱投广告对AI产品大多无效，增长核心不是怎么花钱，而是有何新东西 [16][17] - 推广方式改变，创始人需直接上台清晰讲解新能力，产品需持续迭代以留在用户记忆里 [17] 创始人与组织建设 - 抢占优秀人才比找方向更重要，公司前3-4号位对成败的权重可能占90%以上 [19] - 不要被自己说过的话绑架，环境变化快，该调整调整该转型转型 [19] - 技术品牌是重要竞争力，吸引用户和顶级人才需要足够响亮的声量 [19] - 用户付费是很好的价值验证投票器，产品从一开始就要尽可能离钱近 [19] 出海战略与素质 - 出海AI组织需具备三大素质：比较优势识别能力、选择与判断力、执行力 [23][24][25] - 需找到人类共同需求（普适需求）或对目标市场有真正深入理解和审美 [21][25] - 发挥中国创业者优势，如工程师性价比和执行力，在产品品位达标基础上抢占用户心智 [25] - 产品需为未来设计，预判技术趋势，滑向冰球将去之处而非现在方向 [25] - 生而全球化，AI是全球机会，全球化视角决定能否捕捉最大机会 [25] - 建议错位竞争，利用比较优势，例如避开美国转向中东、拉美等增长市场 [26] 投资人看好的赛道与准则 - 有四类AI产品值得投资：双边网络效应产品（极稀缺）、非共识路径、数据和场景优势、复杂产品 [27][28][29][30] - 双边网络效应曾是强护城河，但当前AI产品多是用户对模型的单边交互，未来形态尚难预测 [27] - 伟大公司早期多为非共识，能在没人看懂时做对事情，错开巨头注意力争取成长窗口 [28] - 拥有数据和场景是长期护城河，垂类场景尽早落地产品并绑定数据流可构筑有效壁垒 [29] - 复杂产品的竞争力来自产品模式、技术路径和商业模式的复杂耦合，本身是门槛 [30][31] - 投资核心准则包括建立前瞻视角、找准数据路径、秉持第一原理、优秀的创始人和出色的产品缺一不可 [32][33][34][35]