互联网和科技创业与投资的异同

技术重要，但人文与商业决定长期胜负

每个技术周期的早期都由能力领先和基础设施主导；当聪明人集中涌入，技术会迅速普及。大部分创业者最终都会使用现成模型，技术差异收窄，胜负重新回到市场、扩张和防御。

因此，AI 创业并没有让互联网时代的经验全部失效。用户需求、交易结构、留存、组织能力和获客效率，仍然是必须回答的老问题。

三个 S：大市场、可扩张、能防守

Significant 看市场是否足够大、用户是否有支付能力与意愿；Scalable 看模式能否低成本复制和依靠口碑增长；Sustainable 看留存、粘性以及能否抵抗大平台的整体吸收。

软件在中国难做大的常见原因是高度定制。每增加一个客户都要重新投入人力，就很难形成风险投资所需要的倍数增长。

有流量不够，还要看流量如何转成业务

腾讯依托社交网络向外画同心圆，通过投资和赋能扩张；字节既有流量高地，又亲自下场做业务；阿里的业务则长期围绕交易，通过并购和生态不断获取流量。

这些差异说明，“有流量”只是必要条件。流量能否沉淀为业务增长，还取决于流量性质、组织执行方式和企业是否掌握直接入口。

双边平台能不能成立，关键看供需是否分散

出租车是高频、供给高度分散的双边市场；电影票虽然需求不低，但出票系统集中在少数供应商手里，平台控制力弱。低频服务也容易反复承担获客成本。

滴滴从出租车切入，而不是先做专车，避免了同时教育司机和用户。好的切入点不仅市场大，还要顺着现有行为和基础设施，把启动成本降下来。

体验可以被复制，结构性优势更难被拿走

市场份额、供给规模、用户入口和组织能力，往往比单一产品体验更能形成长期壁垒。蘑菇街先做出双列瀑布流，但淘宝能够快速复制界面，并依靠更大供给拉开差距。

另一种打法是重新定义市场：DoorDash 把“有配送能力的餐厅”扩大到“所有餐厅”，Airbnb 把高端度假房扩展到普通人的空闲空间，从而把市场边界放大。

判断技术机会，要比较进步速度与扩散速度

互联网经常奖励先发者，因为早期获客便宜；技术投资却可能奖励后发者，因为先行者承担高昂试错，路径一旦被验证，跟进成本会迅速下降。

当扩散成为主导，光伏、电动车、机器人和模型行业都会开始拼供应链、资金成本、渠道、品牌与规模。这些通常是成熟公司的主场。

开源模型可能更快走完 Linux 的历史

当“足够好”的开源模型覆盖大多数应用需求，闭源模型的定价权会持续承压。云厂商部署开源模型可以保留更多收益，应用公司也能本地化部署并显著降低成本。

投资方法因此强调“偏离共识约 15 度”：避开估值极高、共识拥挤且资本消耗大的方向，寻找估值合理、长期价值明确、资本投入相对低的机会。

AI 原生应用还在“3G 前夜”

消费应用爆发需要几个条件同时成立：Token 成本接近包月畅用、响应延时大幅降低、用户不必写复杂提示词，也不用自己在模型之间做选择。

已经出现的机会，大多把旧时代验证过的需求，用 AI 做到数量级更好的体验。角色扮演、情绪价值、推理和视频生成之所以率先增长，是因为用户能直接感知新能力带来的差异。

不赌通用突破，先拿下具体场景

水下清洗机器人和柔性装配机器人代表同一种策略：任务边界明确、人工成本或风险高、结果容易验证，而且客户愿意为稳定交付付费。

这类机会不需要等待通用机器人解决所有问题。创业公司先把一个“够得着”的场景做深，再由相邻需求自然扩张，往往比从宏大叙事出发更可靠。

大厂不愿意干、看不上、又需要长期下苦功的脏活累活，反而可能成为创业公司的护城河。