近日，真格基金管理合夥人戴雨森與 @課代表立正展開了一場關於 AI 創業的深度對談。對話圍繞一個共識展開：真正的技術突破，不依賴營銷也能實現自發傳播。DeepSeek 是例子，一上線即火遍全球，Manus 亦然。戴雨森認為，AI 正在把我們帶回那個憑產品力打動使用者的時代。Genspark、Manus、Cursor 等新產品正在快速驗證：只要創造了真實價值，就有機會跨越鴻溝。
大家好，我是真格基金的管理合夥人戴雨森。
在真格基金，我們專注投資全球華人創業者的第一筆錢。這幾年我主要關注 AI 的天使輪專案，在第一輪主導和深度參與投資 Kimi、Manus、與愛為舞、Genspark、無問芯穹、Youware 等 AI 創業公司。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 應用。
24 年行業都在關注大模型公司的軍備競賽，大家都在問：訓練大模型燒了這麼多錢，應用什麼時候落地，商業價值到底在哪？而我們認為新技術的落地需要時間，就像送孩子上學，前期學費是投入，要等他長大才能賺錢。好在和歷史上其他創新技術相比，生成式 AI 的應用落地速度非常快，今年我們已經看到隨著模型能力的飛速進展，不少 AI 應用開始有實打實的收入。
比如我們投的 Genspark，上線 45 天就實現了 3600 萬美元的 ARR。這個速度，在傳統 SaaS 時代可能得一年以上才能做到。這說明一件事：AI 產品真的越來越有用，使用者真的願意為其付費。
我們正在見證 AI 革命進入新紀元。
8 年投資，8 年創業看 AI 真正跨越鴻溝
我是 86 年生，98 年開始上網，算是個網際網路原住民。從中學起就一路見證了網際網路 20 多年的波瀾壯闊發展。22 歲聯合創辦聚美，趕上移動網際網路大潮；現在做早期投資，又很幸運遇上了生成式 AI 這波技術革命。我自己的親身體會是，每一次技術大變革帶來的應用落地，都是創業者和投資人最好的機會視窗。
我在 2017 年轉做投資，那時移動網際網路已經進入下半場，年輕人單靠創新走到最後的機會越來越少，取而代之的是老司機和大公司的補貼、燒錢，比如 O2O 大戰、社群團購大戰，大量同質化的公司最後是比拼資源和效率。當時大家就在討論，移動網際網路的創新週期是不是已經結束了？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網際網路最後一個大 DAU 產品。
當 22 年底 ChatGPT 上線的時候，我特別興奮，用到凌晨四點，我回憶起 99 年第一次用到 Google 的感覺：一個簡單的輸入框，用自然語言什麼都可以問，問什麼都有答案。這是我對終極產品的嚮往：把極為先進的技術包裝在超級簡單的介面背後，像魔法一樣讓普通人具備非常強大的能力。
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品。在生成式 AI 浪潮到來之前，雖然AlphaGo已經擊敗李世石和柯潔，特斯拉也已推出 FSD，但 AI 離普通人的生活還比較遠。當時談 AI，還更多是在講科技研發和未來願景，跟大眾產品還很有距離。
ChatGPT 是一個真正的轉折點，讓 AI 變得人人可用，也真的好用。我一直很喜歡認知技術創新的框架「跨越鴻溝」，它的主題是創新技術怎麼從早期市場進入主流市場。當時直覺就很強：ChatGPT 可能是第一個能真正跨越鴻溝的 AI 產品。現在每個月全球有一億人在用 ChatGPT，已經驗證了這一點。
我們曾經把早期成功創業者分成四類：小天才、老司機、科學家、操盤手。但最近我們想，是不是還得區分「技術變革的早期」和「技術成熟期」，不同時期成功機率大的創業者畫像和打法可能都不一樣。過去十年是移動網際網路的成熟期，在下半場，容錯率更低，經驗和資源更重要，打過仗交過學費的連續創業者勝率或許更高。例如張一鳴、王興、黃崢，都是第三次才做出大公司。
而現在的 AI，又回到了技術變革的早期。創業者需要對新技術很懂，對技術邊際變化帶來的機會很敏感，這就給年輕創業者帶來了很多機會。但同時 AI 也要透過成熟的形態如 App 或網站去落地，因此對創業者提出了更高的要求：既要懂前沿技術，又要有很強的產品執行力。我們投資的不少公司創始人如 Manus、Kimi、Genspark、Heygen、Youware 等都符合這個畫像。
與此同時，很多產業成熟期的方法論，比如 AB 測試、精細化投放等，在產業早期卻未必最有效。舉個例子，AB 測試適合找到產品方案的細節差異，但技術早期往往是要在沒有資料的情況下做選擇，選對了就是 10 倍起步，選錯就全盤皆輸。例如 Transformer 出現之後，BERT 和 GPT 哪個技術路線更好，OpenAI 不是 AB 測試出來的，是靠判斷選出來、執行做出來的，甚至在模型規模到達一定規模之前，BERT 反而是效果更好的方案。但這種選擇的能力，反而是 AI native 創業者面對大廠的機會。
花一點小錢看未來，其實很值
做早期投資的難點在於反饋週期太長。投一個專案，5-10 年才知道對不對。有些專案一開始聲量很大，最後不一定走得遠；反而一些看起來沒那麼熱鬧的，拉長時間可能更有價值。像泡泡瑪特，幾乎中國 VC 都看過，大家後來都說錯過了很可惜。
這有點像訓練 AI 模型，是不斷調整模型權重減少損失函式的過程。對於早期投資這個「模型」的訓練和最佳化的確需要更長的時間。不過現在技術變革越來越快，我們可以參考過去新技術幾十年甚至上百年的演化路徑，在很短時間裡走過完整的技術週期，這是好事，不然還沒等看到結果，我們就老了。5 年、10 年走完之前 100 年的路，雖然發展路徑能借鑑，但心態也得跟上，要學會適應更快、更大的變化。
強化學習中重要的是環境（Environment）和獎勵（reward）的設計。那我們在學習 AI 的時候這兩者是什麼？我認為一大核心是不斷學習新的技術，不斷體驗新的產品。
第一批吃螃蟹的人往往會得到不菲的獎勵。例如當年第一批做網際網路創業的人，很多是最早買電腦、最早上網的；第一批做移動網際網路的人，也常常是最早買 iPhone 的。現在 AI 產品其實已經很便宜，一個月可能只要花 20 美金，也就一頓飯的價格，但能幫助你先看到未來，也先抓住機會。
比如第一個真 · Agent 產品 Devin 剛釋出那天，我就充值了 500 美金試用，大為震撼。朋友圈裡我寫道：「Devin 作為第一個真正能用的真 · Agent 產品，它的出現可能標誌著人類歷史的一個重要時刻。500 美金可以買兩瓶茅臺，或者可以開一個 Devin 賬號，提前體驗未來。」後來 Manus 的產品設計也受到了很多 Devin 的啟發。
另一方面，AI 也讓執行力變得更平價。以前你有個想法，要找人寫程式碼、做設計，過程很重，所以有人開玩笑說我有個好想法，就差個程式設計師了。而現在使用 Cursor、Manus、Youware 這些工具，很快就能把想法變成一個 demo，甚至是可以使用的產品。
當執行力不再稀缺，我認為工作的關鍵反而變成：
1）你要做什麼。這是人的主觀主動性，英文叫 Agency。我們和創業者交流，很關注他是不是那個真正行動的人，清楚自己要做什麼，想辦法推進，招人、找錢、做產品，遇到問題也能努力解決往前走。
2）你選擇什麼。也就是所謂的 Taste（品味）。AI 可以創造很多選項，但是選擇最後還是人來做。Midjourney 一次給你四張圖，Vibe Coding 給你多個實現方案，你選哪個？也許有一天 AI 的 taste 會比人更強，但現在，決定還得人來做。Agency（主觀能動性）和 Taste（品味），是 AI 時代人與人之間的關鍵分野。
願意花點錢去體驗可能代表未來的產品，本質上也是一種發揮主觀能動性的選擇。
給使用者創造了價值，就總有辦法變現
我常舉一個例子去說明指數增長：
假設有一個池塘，其中荷葉每天的面積都會翻倍增長。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。
我認為 AI 現在的發展，正如 William Gibson 所說，「未來已經到來，只是尚未均勻分佈」。AI 模型已經在寫作、程式設計、數學、推理等領域超過 99% 的人類，已經有不少人在用 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。但對於沒有體驗這些產品的人來說，世界沒有什麼變化。
技術擴散需要時間，所以才會有從創新者、早期採用者到大眾市場的創新擴散曲線。現在，我們已經能直觀地看到那道鴻溝的存在。
舉個例子，Google 剛出來時是個基於先進技術，非常好用但沒盈利模式的產品。那時候華爾街有很多質疑，說它不做廣告，還鼓勵使用者儘快離開網站，這怎麼賺錢？但 2002 年，Google 透過 AdWords 和 Adsense 找到了商業模式，現在搜尋引擎廣告是網際網路行業最很賺錢的印鈔機之一。
這是一個啟示。新技術驅動的產品，早期常常是「使用者愛用但不知道怎麼賺錢」。商業模式的完善需要時間。我相信，只要產品能給使用者創造足夠大的價值，總會有辦法把價值提取轉化出來變成收入。不論是訂閱、廣告還是導流，商業的本質就是你為使用者創造更多價值，並從中提取利潤。
也可以問一個問題：如果你被要求一輩子不能再用 ChatGPT，你願意出多少錢？不少人可能會開出很高的價格。這說明它已經變成一個不可替代的工具。
當然，也有人說這些收入是 vibe revenue（氛圍營收），使用者嚐鮮付費一次就走了。確實有這個風險，但我覺得 AI 產品和傳統產品最大的不同是：它的進化速度非常快。你買的車不會進化、APP 一年下來可能也沒什麼大更新，但 AI 的能力卻在飛速進化。兩年前你可能覺得 ChatGPT 沒啥用，但現在已經迥然不同了。
去年我們見證了很多模型能力升級的例子。比如 SWE-bench 被用來測試 AI 完成 GitHub 上程式設計任務的能力。2024 年初 GPT-4 得分還只有 4-5 分，到 24 年底 o1、o3 mini 已經做到 60-70 分，25 年中，領先模型突破 80 分，我們的被投企業 Kimi 剛釋出的開源模型都突破了 60 分。巨大的能力升級，會大幅提升使用者的價值，進一步推動使用者留存。
所以關於 AI 能不能賺錢這件事，我們越來越有信心。
在行業早期，奢談終局都沒有意義，唯有下場開始執行。就像 2015 年，很少有人能預見今天的字節跳動。那時大家還在討論今日頭條有沒有壁壘。現在看似順理成章，但經歷過的人都知道，短影片賽道其實已經死過一輪，Vine、秒拍都沒做大。很多事，只有回頭看才顯得顯而易見，人在局中時都只有奮力突圍。比起終局，我更關注當下：誰在用，得到了什麼價值，以及未來還會在哪些場景繼續產生價值。
增長的關鍵不在投放而是有沒有「魔法體驗」
投放是移動網際網路後期的必修課，然而現在很多 AI 應用的成功，投放不是重點，甚至根本不需要投放。關鍵是能不能讓使用者有魔法般的體驗產生自然傳播。當用戶突然遇到一個體驗好十倍的產品，這時候，口碑和自然增長的力量，遠比投放更管用。
DeepSeek 就是個例子，一上線火遍全球，但沒花一分錢在營銷上。Manus 也一樣。過去幾年，投放這件事被高度專業化，做增長的人越來越多，但技術正規化一變，這些成熟方法不一定還管用。
我很開心 AI 把我們帶回了那個靠產品力打動使用者的時代，需要產品經理用判斷做選擇，用體驗打動人。回頭看網際網路早期，投放還不是個顯學，大家靠的是產品、內容和口碑本身。比如 Facebook，使用者加了幾個好友就會上頭，呈現出非常好的留存，產品設計本身就很有利於病毒傳播。當時「情感狀態」這個功能，誰變單身了大家都看得到，也是自帶話題的設計。
再說留存和新增的選擇。做增長的人總說留存重要，但這有個隱含前提：產品夠普世。很多小眾產品，比如豆瓣、即刻，使用者留存都很好，還在用的人絕對是真愛，但是它不增長了。我覺得在技術革命早期，有明確的亮點，快速吸引使用者才更重要。
並且在技術還不完善的時候，留存差一點也正常，技術本身還在演進。回頭看亞馬遜剛起步的時候，能買的東西很少，體驗也一般，但重點是產品進化的斜率高不高。
AI 時代，ChatGPT 就是典型。一開始功能沒那麼強，很多人試完，覺得和 AI 瞎聊幾句也沒啥用，留存遠沒有現在好。反倒是 C.ai 這樣情感類的 AI 產品當時留存高，因為核心使用者粘性強。但你逐漸會發現，這類產品的使用者群相對集中，大多數人沒感覺。而 ChatGPT 的需求是更加普適的。哪怕一開始留存一般，但產品能力隨著模型進步非常快，從 good to have 變成 must to have，走入了真實的高頻場景。
所以比起留存，我現在更看重一個 AI 應用是否有吸引使用者的亮點：第一，產品有沒有在某個場景的吸引力，不靠補貼和投放，使用者自己願意來使用；第二，產品是不是在快速變好，斜率是否夠高。這可能就是技術革命早期和成熟期做增長最大的區別。
當 AI 替你工作，你願意付它多少工資？
我最近在想，AI 可能會帶來一種新的商業模式：虛擬僱傭。
過去我們對工具付費，通常想的是它的價值加上你的時間成本。但僱一個人不一樣，本質上是買他的時間。工具和員工的定價機制是兩套邏輯。
現在如果有一個 agent 真能幫你完成工作，那你可能會願意把原本付給員工的錢，部分轉給它。這個時候，它的價值就遠超傳統訂閱模式我們為工具付費的價值。
比如一個工具訂閱費 100 美元，很多人覺得貴，是因為你還得親自操作。但如果它能節省你時間，甚至直接把活幹完，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 的論文標題「Attention is all you need」來的。
移動網際網路的商業模式基本都是圍繞「注意力」展開的。你刷短影片、看資訊流，平臺再用這份注意力去變現。但人的注意力是有限的，世界上就那麼多人，每個人每天就那麼多時間，在移動網際網路滲透率已經很高的當下，如果你做的應用還需要使用者持續的注意力，那本質上都是零和的有限遊戲，都得從抖音小紅書搶時間。
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、100 個 agent 並行幹活，真正的限制變成了：你到底想讓它做什麼？
只要 AI 真的幫我創造了價值，比如它幫我節省或賺到了 100 塊錢，我付他 20 塊，可能是個很自然的決定。這已經不再是按月訂閱，而是更像「給 AI 發工資」。
這種正向迴圈不僅可以突破人類的注意力上限，也有機會突破傳統訂閱的價格上限。現在像 Cursor、一些 AI 工具已經開始按使用量計費，幫你做了多少任務，系統自動算賬。
本質上，它們都在朝「虛擬僱傭」的方向走。
AI 應用的價值會越來越大
應用或者是「套殼」到底有沒有長期價值？這是這幾年大家一直在討論的話題。有人認為模型越來越強大，會吞噬應用的價值。我卻恰恰認為相反：模型越強大，應用就越能夠透過專有的上下文和環境來創造增量價值。
首先，從事實看：Cursor、Perplexity 剛出來時，很多人說這些只是套殼，很快會被模型公司幹掉。但現在就算 ChatGPT 做了搜尋，Perplexity 也還在快速增長；各家模型公司都推出了自己的程式碼產品，Cursor 也還是 AI coding 的首選，年化收入到達 5 億美金，最新一輪估值已經接近 200 億美金。
所以哪怕和通用模型正面撞上了，只要 AI 產品能解決問題，提供獨特價值，也不是世界末日。好產品總有它存在的價值。
第二，應用公司能使用的模型也在越來越強大。如果我是一家應用開發公司，模型公司會不會有比我好十倍的模型？
2023 年初大家確實有擔心：OpenAI 有人、有卡、有資料、有錢，如果它一家獨大，能訓練出 100 分的模型給自己的產品使用，而應用開發者手上只有 10 分的模型，那就沒得打。
但現在我們看到，頭部模型公司競爭激烈， API 的差距在不斷縮小。如果應用公司始終能使用接近 SOTA 水平的模型 API，那麼加上好的產品設計、使用者資料、使用習慣、品牌效應等，就可能做出更好的體驗。
最近在思考一個框架， AI 應用的價值積累可以分為三層。
最底層是模型能力，這一層是相對通用和公開的，確實需要大模型公司透過開源模型或者閉源 API 的方式來提供。
中間層是模型權重中並不直接具備的上下文（context），這裡又可以細分成三層：首先是公開的上下文（public context），如用於搜尋的新聞報道等；其次是組織專有的上下文（organizational context），比如說組織內的檔案，流程，資料等；再者是使用者私人的上下文（personal context），如使用者和 AI 的互動記錄，個人資訊和偏好等。這裡組織專有的上下文和使用者私人上下文都是模型可以建構的壁壘。
在上下文之外，還有環境層（environment），這裡包括模型可以呼叫的各種工具如 computer use，MCP，A2A 等協議，以及模型可以改變迭代的 code base 等。
隨著 AI 產品越來越完善，更多的價值創造會出現在上下文和環境這兩層，這也就是 AI 應用的壁壘。
我認為應用創業者真正該做的，是去思考 6-12 個月以後 SOTA 模型會有哪些能力，再基於這個做準備。正如喬布斯引用一位傳奇冰球教練的話：「我永遠滑向冰球將要去的地方。」
第一次，我們都可以當（AI 的）老闆了
能夠自主完成任務的 Agent 的出現，意味著第一次我們每個人都可以當（AI 的）老闆。當然，要當一個好老闆不容易，也需要很多學習。
學習當個好老闆，要多試試未來、多用點新的 AI 產品。就像當年面試產品經理，我們會讓 TA 開啟手機看看常用 App，來感受 TA 對移動網際網路的認知程度。現在也一樣，對 AI 產品的體驗學習很重要。無論是 Genspark、Manus 還是 Deep Research，你都可以試試看這些新產品，看看 AI 到底能在多大程度上幫你提高效率、節省時間。
技術升級往往會帶來組織的 scaling law。一方面，新技術可以讓更小的團隊完成更多的工作，另一方面，新技術也可以讓大公司管理更大更多的業務。例如移動網際網路革命中，既出現了 Instagram 這樣被 10 億美金收購時只有十來個人的 mini 公司，也出現了美團這樣能夠使用技術高效管理幾百萬騎手的超級公司。
AI 革命可能讓組織的 scaling law 進一步發展。通過當更多更好 AI 的老闆，Sam Altman 預言我們很快就會看到一個人的獨角獸公司，而大公司擁有更多的資金和算力，也可能使用更強大的 AI 去管理更大的團隊和處理更多元化的業務。
AI 的發展有點像燒開水，在水已熱但還沒燒開之前，可能只能泡咖啡，但一旦到達 100 度的沸點，將會解鎖蒸汽機，帶來各行各業巨大的生產力變革。
我們已經看到在推理、研究、程式設計等越來越多的領域，模型能力進展，給 AI 應用帶來了魔法般的體驗，也看到了使用者數和收入的爆發式增長。
也許這一次，水真的燒開了。