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）的融资情况可以用“冰点”来形容，可谓是十年所未见。
从去年 3 月左右开始，AI 赛道逐渐火热起来，大量创业者涌入并获得了融资。然而，从去年 9 月开始，形势急转直下，融资环境迅速冷却（我们去年年终总结中对此也进行了分析）。到了今年，市场进一步降温，从 1 月到 5 月，获得主流机构投资的 AI 公司数量不超过 30 家，其中相当一部分还只是追加轮次的公司。
这个数字仅仅是十年前的百分之一，这意味着整个市场的融资难度提高了百倍。在这种情况下，绝大多数人的任何选择和努力都难以取得突破。
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：我们接触了众多机构，对他们为何迟迟不出手有着深刻的理解。主要原因如下：
1）那些讲述宏大叙事（big story）的 AI 公司，是否真的能够实现？大厂的竞争如何应对？大模型的出现又将如何影响市场格局？
2）目前市场上那些盈利能力强、拥有数据的公司，是否需要 AI 技术？他们是否已经足够像商业公司，而非科技公司？市场规模是否足够大？
3）AI 的未来发展方向究竟如何？甚至大模型本身的可行性都值得质疑？
归根结底，当前 AI 领域存在太多不确定性。如果机构仍然按照过去的评价体系进行投资，他们必然无法出手。因此，问题不在于大家对于 AI 的了解还不够，也不在于他们花费的时间还不够，而是在于现有的评价体系与当下 AI 的发展现状之间存在着巨大的差距，这是一个根本问题。
所以，你经常会看到很多机构一会说要投资更后期、拥有 PMF 的公司，一会又说要投资更早期、拥有优秀团队的公司，一直在犹豫徘徊，最终却很少出手。所以，“没有打法”才是本质问题。
除此之外，我个人还总结了一个原因：一级市场中的“新韭菜”数量急剧减少，没有新资金的加入，老玩家们经历过太多失败，反而会变得更加谨慎保守，这并非一个健康的市场环境。
因此，现在正在进行融资的 AI 创业者都是英雄，因为他们在潜移默化中成为了整个市场的养料，推动了市场教育的进程。但这同样是不可避免的必要阶段。
Q3. 上半年，硅谷的 AI 进展也有些乏善可陈，为什么 AI 的发展不如预期？
A：最大的问题不是市场不行，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，投资节奏从几年一个赛道，变成一年一个赛道，再变成半年甚至一个季度一个赛道。机构期望在一年内完成所有投资，出现明星公司，数据快速增长，甚至找到下一个字节，这本就不现实。
客观规律决定了市场需要时间慢慢发展，我们自身的主观能动性必须与外部市场环境相配合，我觉得这是当下所有从业者都需要注意的，需要放慢脚步，慢慢来。
而且，AI 的进展实际上已经远远超出了最初的预期。想想看，过去这么多年，有什么事情能够像近两年的 AI 一样带来如此多的可能性？已经非常好了。
Q4. 在应用侧，有什么能看到 PMF 的新思路或线索吗？
A：我们之前做过一个总结，目前全球华人创业者所创办的 AI 公司中，真正实现了用户留存和收入过关，拥有 PMF 的公司数量还不到 30 家。
然而，在这个过程中，我们依然看到了一些新的趋势，例如：
1）各种工具型产品开始涌现，包括 AI 笔记、AI 心理、AI 下厨房等等，这让人不禁联想到 2010 年的景象。
2）服务于专业消费者（Prosumer）人群的产品有可能成为一个新的赛道，这类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。虽然他们本质上是 C 端用户，但由于这些 AI 产品能够为他们的工作提供服务，因此也具备一定的 B 端付费能力。
3）将非结构化数据转化为结构化数据，也是一条可行的线索。
除此之外，近半年来火起来的主要是增长型产品，例如黏土滤镜、meme 表情等等，它们更像是一些新的玩法，不一定具有强烈的刚需性。
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：两者都有。
产品落地本身就需要时间，例如一款好的游戏，通常需要两年的时间才能上线。而这波 AI 浪潮出现到现在还不到两年。从认知方法的角度来看，各种试错和探索都是正常的，很难一步到位。
更重要的是，大模型本身的能力还不成熟，在很多场景下无法达到要求。然而，即使模型的能力还不够完善，它的想象空间已经具象化地展现在大家面前。从 Sora 到 4o 再到 3D，各个模态都已经有了很好的展示。这些未来都是可以实现的，只是时间问题，可能是半年、一年还是两年。我们可以思考的是，站在今天的时点，我们可以做哪些准备，来迎接几年后技术成熟的时刻？当模型能力真正成熟时，我的产品应该是什么样子？
Q6. 现在是进入 AI 市场的好时机吗？
A： 一定是，虽然我前面说市场还处于早期阶段，但我仍然坚信近两年是进入 AI 市场的好时机。很多人在讨论模型的发展方向、端到端是否会分离等等问题，认为等路线确定后再进入市场是最有效的。但问题是，如果没有经历过前面的过程，你就无法理解它为何会如此，也无法在众多细微场景中灵活调整。
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，市场就会迅速崛起。如果你等到这个时候再组建团队，补充认知，一切就已经晚了。
Q7. 现在做 AI 创业，有先发优势吗？
A：是否有先发优势，取决于壁垒究竟是什么。
目前，大模型公司基本没有先发优势，今天使用 Kimi，明天使用豆包，没有切换成本，只要有资金，后来者可以快速做出模型，而且后发的训练成本还有可能更低。
在应用方面，可能存在两个优势：一是认知，二是数据。现在大家越来越认可高质量数据的价值，最终比拼的不是数据集的大小，而是高质量数据的数量。
Q8. 大家进入 AI 领域后，最应该做些什么？
A：只有一件事：尽最大的努力，找到一个 AI 的 PMF。
PMF 的定义因人而异，即使只有几千个用户，只要能达到正向 ROI，也可以算作一种 PMF。在这个过程中，遇到问题就解决问题，这是积累认知的最佳方式。同时，在这个过程中，自然能够组建起一个适配的团队。
我认为大家要尽量避免纸上谈兵，也要避免好高骛远。例如，过去一年里，很多人找我们介绍技术，我会问他们，你究竟是需要算法还是工程？就这个问题，现在市面上大多数公司都没有想清楚，他们不知道是只需做好工程就可以，还是未来自己也要训练模型，甚至进行一些算法上的研究。这些事情都需要在实践中不断摸索。
Q9. 什么样的人最适合在 AI 时代创业？做移动互联网产品的经验对做 AI 产品有很大帮助吗？
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？然后有人就会说，张一鸣就不是产品经理，他是技术出身。我认为这些都是标签化思维。
其实关键问题在于，一个优秀的 AI 创业者需要具备哪些特质？他可能需要对技术有深刻的认知，需要能够洞察用户需求并锻炼出优秀的组织能力等等。
这些能力不会因为一个人的职业经理中有过产品经理头衔，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只有两点：一是学习能力，二是完成目标的渴望程度。如果你有足够的强烈意愿，又有足够强的学习能力，就没有什么学不会、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。
很有意思的一点是，很多人觉得市场不好，普遍感到悲观，但我认为悲观恰恰是认知提升的体现。懂得越多，越清楚技术的局限性，越容易感到悲观。但一年前，大家还不知道 AI 可以做什么、不能做什么。现在，大家已经多次碰壁，经历过许多试错，也对许多技术和模型操作有了最佳实践和解决方案。
所以，我想再次强调一下，不要过于悲观、不要太着急，跳出来看，AI 这一年已经取得了巨大的进步。
Q11. 这半年你最想吐槽的是什么？
A：我们现在和国内做 2C 产品的人交流，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。这些故事我已经听腻了。
实际上，在移动互联网时代，最终取得成功的公司，很少有人是在做下一代的 xxx，大家都在创造全新的产品形态。所以我认为大家应该打开思路，不要局限于模仿。
举个例子，未来的音乐播放器，它的界面可以类似于 DJ 的简易面板，当我向上滑动时，歌曲会往摇滚风格倾斜，当我向右滑动时，它可以引入另一个人的音色。大家可以多往这个方向探索产品，可能会更有意思。
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“出海”企业的创始人，对方赶紧纠正我说不是“出海”，而是“global”。实际上，现在很多创始人已经不觉得自己是在做出海了，他们就是面向全球市场。只是现在基本先做海外，等时机成熟，再回归国内。
这里有两个核心原因：一是地缘政治、国家政策，包括政策影响下的技术支持；二是海外市场拥有更强的付费能力，目前做欧美市场，更容易实现 ROI。
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方案。如果 scaling law 成立，那么马太效应必然也会成立，最终只有一两家公司占据了最多的资源，能够产出最好的结果。既然如此，底层只需有几家公司作为基础设施提供方就足够了，端到端分离将成为主流选择。
但端到端分离并不意味着只有底层的模型层和上面的产品层，中间可能还分很多层——最底层是 OpenAI 等等最顶尖的大模型，中间层是针对特定领域的模型，往上可能是基础设施层，最后才是真正的应用层（当然最终形态不一定和我说的完全相同，但我仍然相信生态和分工合作是市场最自然合理的形态，而不是一家独大）。
Q14. 与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：极有可能发生变化。聊天形式本身就是更好的“入口”，尤其是在未来 AI 编码成熟之后，你想让一个界面变成什么样子，它就能及时编程，生成任何你想要的样子。
所以我认为，现在国内大多数从业者都没有足够重视 AI 编码。
Q15. 如何看待大厂做模型？
A：我们观察到，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。与其它互联网大厂相比，字节没有社交关系，也没有其它必不可少的内容，因此很难说字节拥有自己的“入口”。他们在 AI 时代投入大量资金做模型，包括前一阵被曝出的进军硬件领域，可能都是出于这个目的。
第二种则是单纯的战略防守。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将模型做到最大最好。他们可能更担心的是未来“入口”会发生变化。例如，如果未来有一天真的没有 App 了，那么要确保自己不掉队，一旦发现形势不对，能够快速跟上。
Q16. 如果要选择一个上市公司作为 AI 投资标的，你会选择哪个公司？
A：我认为仍然是苹果。苹果处于无敌的位置，就像前面一个问题中提到的，如果未来现有的 App 都变成了服务提供商，都是由手机直接发起组织，那么苹果的价值将会有多高？也许未来购买一部手机，开机后只有一个对话框，没有其他 App 界面了。
其次是腾讯。基于腾讯现有的社交关系和数据的珍贵程度，如果他们真的下定决心，我很难想象现在做 AI 助手、AI 社交等等的公司如何抗衡。
Q17. 问一个关于英伟达股价的问题。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。你认为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，在全球范围内，一线与非一线的差距都在拉大。OpenAI、Anthropic 等等几个头部公司在技术和资源储备方面都处于绝对领先地位，其他公司，不仅是国内的公司，像 Cohere、Character.AI 等等也都在掉队。
