虚心求求各位反驳

看多了就发现：AI创业的尽头就是卖token。就像SaaS时代的本质是套壳excel。 以前一直不理解为什么认识的一个AI创始人朋友，最初的产品哲学源于他在美国华尔街做投行时每天面对的excel，因为他说excel可以解决一切问题。 直到我理解，原来SaaS本质就是套壳excel，就像现在所有这些五花八门的AI工具和产品，本质上套壳大模型一样。 甚至因为中美大模型价格的差异，出现了套利生意模式，把便宜的国产大模型token套在自己的出海app上，欧美发达国家习惯了一个月20美金的消费，但不知道成本可能也就不到1美金。 也发现去年国内真正赚钱的那波公司很多都是中间层的infra，各种AI生图生视频公司用它们的API，技术更流畅，价格更便宜。ARR很快上千万美金，本质上是走个流水。只要控制 成本结构 + 性能差异 + 调度能力，基本上可以起势。 当然也还有一些更sao的操作，注册了N家公司薅土豪gemini撒的免费credit。 读到这里各位对这个世界也别太绝望，毕竟这恰好也是希望和机会的起源：最🐮的套壳，学习时无止尽的，也是真正的壁垒，如何研究好用户，努力提升用户体验。 每一波技术红利早期，都会出现价格认知差带来的套利窗口。我们还在窗口期。

在新加坡看AI大半年来，已经过于习惯跟人很务实地聊一些问题，甚至之前写过《新加坡没有梦想》：吴庆瑞的生存创伤理念为了安全让这个国家永远在解决生存问题。 但今天，同学们，我太激动了，我发现了一个真正有灵魂的产品——ILLUCIO。它不仅是一个 AI 学习工具，更是“学术的脑”与“人文的心”的结合，试图在 LLM 时代重新定义“学习”：同一段知识，不同的灵魂，不同的演奏方式。 用你的方式理解世界。 🎨 灵魂产品的进化论 起源： 去年 8 月，一封《为什么我们需要一款哲学阅读软件》在小红书俘获了 2,000 颗不安分的心。 现在迭代到第二版，从哲学延伸到通用学习，用昂贵的 Claude 模型成本，换取最流畅的动画、游戏般的交互与流动的音乐。 两个创始人，一个是@⁠Judy⁠ CS背景，另外一个叫船长，哲学系科班出身，他们认为，只有做自己真正感兴趣的产品，才能在工具泛滥的时代留下真正的价值。 我们邀请你参加这场跨越时区的 Coffee Chat，听 Judy分享如何种出一朵 AI 与人文交织的花。 时间：2026年4月22日 (周三) 🇸🇬 新加坡： 20:00 🇫🇷 法国： 13:00 🇯🇵 日本： 21:00

本期对话@⁠Jasmine⁠ 美国常青藤大学毕业，过去六七年帮中国消费品牌出海东南亚，同时深耕内容产业——投过国内顶流大IP，今年开始深度参与一个大IP的运营开发，把自己扔进了AI+影视的一线战场。 这期没聊技术，聊的是人。Jasmine发现技术圈和创作圈在AI这件事上的态度是两个极端，但私底下双方都在打自己的脸。她在中间做mediator，把互相看不顺眼的人摁到一张桌子上。她说AI时代最难的不是技术问题，是人的问题。 1. 两个90% Jasmine在sourcing AI内容生成团队的过程中问过每个创始人一个问题：你们觉得AI能不能替代内容创作者？ 差不多90%以上技术出身的创业者会告诉她：以后不需要导演，不需要编剧，所有东西都是技术能实现的，他们对这件事非常自信。 反过来问创作者，90%甚至更高比例——95%到99%——会告诉她：AI现在什么都不是，自我意识的表达、讲故事的方式，只能人来做，技术实现不了。 但私下完全不是这样。她看那些"AI完全替代人为创作"的技术团队作品，一剪就问："这全部是没有人为干预的吗？"对方会告诉她，其实非常需要人去校准，去把控讲故事的方式。而那些嘴上非常排斥AI的导演和编剧，私底下偷偷用AI写剧本，用AI生成前期concept。 双方都在打自己的脸。她在中间做的事，就是让大家摒弃成见，不要站在对立面上讨论项目。 2. "80年代的feelings"——她的工作是中译中 技术团队觉得内容创作者傻。导演会说"这个vibe不对"、"这不是我想要的feelings"，工程师完全费解。 Jasmine举了一个真实的例子。前两天讨论内容，导演说想要"80年代的feelings"。工程师的反应是：你是要加一些复古的filter吗？ 这时候导演的创作骄傲上来了——工程师不懂精。但Jasmine能做的是visualize——把导演说的那个抽象感受具象化：80年代内地的feelings、香港的feelings、美国的feelings，视听语言完全不一样，你指的是哪一种？确定基调之后，光线是一部分，人物精神面貌是一部分，神态表达是一部分。 她做的事叫"中译中"。  把创作者抽象的表达，通过可视化、可量化的方式传递给技术团队，让他们理解最终视觉上呈现的到底是什么。 3. 生成和创作，两个词之间有subtle的区别 Jasmine自己一直在做写作练习，会把自己写的东西和AI生成的放在一起比较。她的结论是：至少现在，AI还是在"生成"，不是在"创作"。 你给AI一个prompt，把事情的来龙去脉告诉它，它可以做扩写，可以根据你给的前摇做后续创作。但它遵循的是已有的素材和语料库，它在生成，而不是创造。 这个判断有一个很具体的验证方式——她带着market research的心态硬看现在点击非常好的AI漫剧。她发现她能看下去，但engaged的是情节发展本身，像小时候听有声书——并不是她被视听语言打动。 传统导演有远中近景切换、光影运用、拍摄角度，你能在情节之外跟角色共情。现在的AI漫剧做不到这个交互过程。 "所以现在这个阶段用'替代'这个词，真的还是为时尚早。" 4. 干预、影响、替代——三个词的区别 Jasmine特别精细地区分这三个词。 替代 她不认同——AI很难讲好一个故事。 影响 是她认为比较理想的状态——AI在立项阶段做information gathering，在筹备阶段做concept设计，在拍摄阶段做流程优化。它作为facilitator存在，最终的decision maker还是创作者。 干预 是负面的例子。她讲了一个漫改项目——韩国漫画要本地化，需要重新设计世界观和价值观。团队用AI辅助做世界观调整，但AI的训练语料是以西方为主，给出的反馈跟创作者想法有很大冲突。 年轻团队网感很强，看重用户体验，反问她：AI代表的是大多数用户的反馈，和我的想法不一样，我该怎么办？ Jasmine的判断很明确——自圆其说是很重要的，你的起因经过和结果有逻辑性就可以了。但团队陷入了"自己想法和AI反馈的majority之间的纠结"。 本来一个中剧的时长不应该花这么多时间，结果前期立项准备阶段被AI的参与拉长了。 5. AI时代最难的不是技术问题，是人的问题 Jasmine说管理艺术家脆弱的自尊心是她工作的一部分。这轮AI冲击，问题不在技术。 创作者对AI的抗拒不是对技术本身的rejection，是对"有一天会被替代"的恐惧。  带着恐惧讨论问题，关注的就不是问题本身，而是自我保护。人会下意识反驳，下意识否定。 她的方法是循序渐进。AI团队和内容团队凑在一起时，她严格把控不让话题滑向"AI到底能怎么take over人的角色"这种宏观讨论。focus在小任务上——从一个具体的产品concept开始，让AI先给一些方向，团队在上面讨论。 一个真实的案例：这个IP的产品设计团队一开始坚持要做非常硬核、非常精密的高客单价收藏品。但在和AI反复来回的过程中，他们发现这只能满足很小一圈死忠粉，反而忽略了这个IP存续多年积累的情感资产——普通用户怎么能以沉浸式的方式参与到这个IP的故事里。 这个方向不是AI提出来的，但AI给出的不够精确的方向，帮团队确定了自己真正应该做什么。最关键的是—— 大家看到AI确实不是什么都能做，创作者的焦虑被消解了。 6. 国内IP行业的真问题：跳过了原始手搓阶段 Jasmine说国内做IP开发和运营还处在非常premature的阶段。 "学Disney、学Pixar、学Marvel"说了多少年了，但国内没有真正跑出来一个有生命力的长线IP。和美国日本最大的不一样是——那些老牌公司工作室都经历过原始、手搓的阶段，日本现在也还在手搓。 国内基本上跳过了原始手搓阶段，直接进入了AI介入的过程。 AI对她个人最大的帮助是——她一直想做IP运营但总觉得手头有更重要的业务。现在AI能把她脑子里模糊的画面可视化，初始成本降低了，决策门槛也降低了。她不再需要调动整个设计师团队去勾勒她的想法，AI可以很快帮她把视觉呈现出来。 这件事提振了她做IP运营的信心。 7. 投的还是人，但多看一个维度 作为投资人，Jasmine的判断标准在变，也有不变。 变的是：她不再愿意投制作周期3年以上、回报周期5年以上的大项目。以前年纪轻无知者无畏，整个经济向好，你拿出一笔大钱投大IP，不成也无所谓。现在她会认真问自己愿不愿意。整个行业其实都很默契地在缩小项目规模、缩短回报周期。 不变的是：投的还是人。 "内容的价值永远在，变的只是媒介和载体。"  她经历过纸媒、自媒体井喷、电影电视剧、短剧漫剧、现在的AI生成内容——每个阶段都有成功的showcase。原因不是追形态，是相信人。 但现在看创作者多了一个维度：除了讲故事的能力和对作品的态度，她会看这个人对技术的心态、学习能力，以及和不同团队打配合的能力。 8. 我啥都懂点，这就是我的核心竞争力 最后Jasmine聊到文科生这个身份。 她是纯文科生。大学双学位——国际关系+经济。但过去这些年做的所有事——出海、消费品牌、内容投资、IP运营——全部是离人最近的业务。 20多岁的时候她觉得没有solid skill是件很虚的事。现在她的答案是： "我啥都懂点，做串联者和调停者，这就是我的核心竞争力。" 她给文科生的建议是：不要把自己困在文科理科的标签里。本身文科理科就是人为分出来的，跨学科的能力在这个时代最强。立足自己的专业，然后发散，看自己的专业能和哪些行业产生联系—— 这种连接本身就是文科生最大的机会。

👍💛

感谢@⁠Jerry Huang⁠ ，学习到了很多，整理下要点： 一、 核心产品逻辑与市场表现深耕母婴标品： hibobi 专注于母婴行业的“标品”（如推车、婴儿床、电动摇椅），认为标品比纺织类非标品更容易建立长期价值 。 产品革新与平替：通过技术革新和专利设计降低成本。例如，将单价四五千元的传统品牌推车优化到一千多元，或给扭扭车增加三电技术，提升溢价与趣味性 。 中东市场第一：hibobi 在中东已做到行业第一，年营收超过 1 亿美金，且在墨西哥也已冲进前三 。 备货策略应对动荡：在市场环境不稳定时（如战争期间），公司通过 4 个月的深度库存储备，在竞争对手断货时通过溢价获取了额外收益 。 二、 AI 实现的底层提效组织极简： 中国团队从 240 人缩减至 80 人，AI 替代了一大半人力 。 职能重塑：设计：从 20 多人减少到 2 人，主要依靠 AI 解决美学主色和修图 。 财务：通过本地部署 AI 跑数，财务人员从 20 多人减至 4 人，报表周期从 20 多天缩短至 5-7 天 。 招聘标准：将“能否熟练驾驭 AI”作为基础考核标准，无法用 AI 输出解决方案的人员将被淘汰 。 AI 赋能业务：公司利用 AI 智能体（Agent）抓取和分析市场数据，节省了调研费用，并成功挖掘出“带屏耳机”等细分增长品类 。 三、 创新的商业模式： 从品牌到渠道卡塔尔模式（空军+地面）：品牌方负责线上营销和流量（空军），本地合作伙伴负责线下开店、履约和售后（地面），通过流量反哺线下，实现业绩数倍增长 。 渠道复利：利用在中东成熟的电商和线下渠道，代运营华为、海信、海尔、追觅等中国智能制造品牌，将渠道资源转化为新的增长点 。 定位“渠道”而非平台：Jerry 认为 AI 时代平台价值会稀释，但物理上的销售渠道始终稀缺，hibobi 的目标是成为链接中国好物与全球零售最核心的通道 。 四、 市场扩张与合伙人逻辑借力本地合伙人： 认为靠创始人亲自“啃”新市场效率太低，需要寻找语言文化对齐、在当地有深厚根基的家族或公司合作（如在东南亚寻找当地华人零售家族） 。 灵活的合作机制：不执着于品牌归属，可以接受合资（JV）、代理或在本地打包上市，关键在于共同持有资产和分摊成本 。 东南亚观察：越南：存在需求与生产力不匹配的矛盾，缺乏高品质品牌，是品牌切入的空白机会 。 新加坡/马来西亚：新加坡用于快速洗流量做品牌，马来西亚则利用本地资源批量复制模型 。 五、 营销与运营哲学洗流量逻辑： 进入新市场初期不看 ROI，而是追求覆盖率（对用户覆盖 5-8 次），通过泛流量快速筛选用户画像并建立品牌认知 。 聚焦一胎妈妈：避开已有消费习惯的二三胎妈妈，通过教育新手妈妈建立长期品牌忠诚度 。 产品反向锁定用户：不参与低价竞争，而是通过切入高端玩家已定义好的细分人群（如登机车受众），用更优的产品力及更有竞争力的价格进行拦截 。

@⁠曹亮⁠ 曹亮，Component.app 创始人兼 CEO。前微软，企业软件领域深耕十余年。 1. 你在做什么？ 我是曹亮，Component.app 的 founder 和 CEO。我们想让企业软件的开发变得更高质量、更低成本。我们搭了一个平台，企业用户可以在上面开发自己想要的定制化企业软件。 2. 在微软的经历，企业软件的痛点是什么？ 我 14 年加入微软，当时微软还在卖传统的 on-premises license，正好赶上向云转型。待了六七年，经历了从 on-premises 到 cloud、从传统业务到开源和软件开发的整个变迁。后期做 BD 的时候接触到微软的低代码产品 PowerApps。 在推广过程中发现，企业软件开发的成本依然非常高，不管大企业还是小企业，在这块的支出和痛感都非常强烈。这也是我 2020 年出来创业的一个重要原因。 3. 从 on-premises 到云到低代码再到 AI，这个技术迁徙的趋势怎么总结？ 软件开发行业的变迁非常大。从 70 年代的 ERP，到 00 年互联网兴起亚马逊开始卖 Webapp，再到 2010 年 SaaS 广泛兴起，再到 2023 年 AI 介入。过去几十年变化巨大，接下来十到二十年变化会更加剧烈。企业软件行业可能会被重塑，这里面蕴藏着很多机会。 4. 你怎么看 SaaS 行业的未来？ 个人拙见，SaaS 行业方向走偏了： • 第一，成本结构倒挂。 开发一个 SaaS 软件的成本越来越低，但销售和营销成本极其巨大。开发成本大概占 20%，销售成本占 80%。真正对企业有价值的其实是那 20% 的开发部分，但因为 go-to-market 的原因，销售营销必然占大头。 • 第二，SaaS 太固化了。 标准化产品在某些细小场景下能满足需求，但你稍微横向扩展，就需要二次开发。企业的流程得按你的软件来变，这在局部可以，宽泛一点的时候其实并不好用。 两个有意思的现象： 1. 定制软件市场更大： 如果 SaaS 的 volume 是 10，定制开发可能是 15 甚至 20。 2. 头部效应断层： 美国 SaaS 上市公司真正著名的不多，最大的就是 Salesforce。 5. 这个阻力的本质是什么？ 本质上还是需求的个性化占主导。如果你卖的是一种业务形态（如招聘服务），你做自己的软件提供服务，这种不受影响。但传统的企业内部软件，可能会走向很大的 disruption。 6. 明明技术在进步，为什么企业软件体验还是那么烂？ 因为开发软件依然非常贵。不只是雇几个开发写代码，持续迭代需要养团队，打磨业务流程需要高级产品经理，这些人非常昂贵。大企业要处理几百个场景，人员一多组织复杂度指数型增长。当年微软讲 digital transformation，企业都认可，但最终没有翻天覆地的变化，原因就是成本太高了。 7. 离开微软创业的那个瞬间是什么？ 我在微软推 PowerApps 的时候，合作伙伴的老板问我："亮，do you believe in it？" 我没有任何思索就回答了："Yes, I believe." 说完这句话回到家里，我就在想——我自己是不是真的相信这件事？我觉得我是真的相信。那如果我真的相信，这个机会为什么不自己去抓？ 8. 2020 年出来之后怎么做的？ 先验证市场。拿到了微软和中美其他低代码产品的授权，在东南亚卖低代码无代码产品，打进了新加坡好几家大企业。但疫情打断了节奏。过程中发现低代码产品本身的挑战也很多，并不如宣扬的那样能迅速改变开发模式。所以 2023 年左右决定做自己的产品。 9. Component.app 的模块化思路是怎么来的？ 核心理念是：企业软件不需要 100% 代码级别的控制。 很多功能可以封装好拿来用，关键是不同功能在不同颗粒度上灵活组合。好处有三点：开发速度快；代码质量可控；新模块不断推出，用户不需要从零开始想功能。我们的目标是找到模块化和耦合之间的平衡。 10. 产品经历了几次重构？ 三次。 • 第一代（2023 年初）： 纯模块化引擎。 • 第二代（2024 年初）： 加入 AI + 模块化组装。 • 第三代（2024 年底 - 2025 年初）： 更向 AI native 演进。 每一次重构都是因为我们在问自己一个问题：大模型又进步了，我们做的这个东西还有没有存在的价值？ 如果没有价值，今天就把公司关掉。 11. 你一直在推翻自己，这个过程是怎样的？ 我们一直在和自己对抗。发现大模型不行的，我们自己做。但凡大模型出了新版本发现可以了，我们马上推翻自己，把那块改掉。 12. 大模型处理不了什么？ 两个根本的点： 1. 软件工程： 企业软件不是简单的 vibe coding 能实现的，软件工程本身非常严谨复杂。 2. 企业业务逻辑： 跟 ChatGPT 聊出来的流程看似像样，但落实到 APP 上的准确性和严谨度差别非常大。企业软件经常报错是不能接受的。 13. 大模型当工具还是当人？ 你把大模型当工具，它是非常好的工具，前提是你自己有完整的知识体系。但你如果把它当人——事情交给它就不管了，中间不检查，结果也不检查——大模型今天还没办法做到一个人的水平。 14. 哪些放心交给大模型？ 前端页面的构建。 但即便如此，我们还是加了工程化手段来控制代码质量。大模型准确率可能达到 99%，但那 1% 出问题时，它可能循环很多次也改不过来。所以我们的原则是：让大模型尽量发挥，兜底靠平台的工程能力。 15. 你是怎么认识大模型这个东西的？ 大模型本质上还是基于概率的计算。 引申出两个结论： 1. 不具备逻辑思考能力： 那些推理本质上是基于概率在模拟。这就是为什么我们需要构建 Agent 体系和逻辑体系。 2. 不具备创造未来的能力： 它基于过往成功经验的积累，创造（如新语言、新框架）目前还是由人来实现的。 16. vibe coding 平台如 Lovable、Cursor 怎么看？ 它们做得蛮成功，但 80-90% 的价值是大模型本身的编程能力。完全基于大模型能力的公司，站在大模型车轮前方一点，很可能会被碾压过去。 17. 两年前对大模型的预测，哪些准了？ • 准的部分： 大模型能力增长边际递减。2025 年底 2026 年初，ChatGPT 不会让我们觉得比一年前有特别大的惊艳。 • 没想到的部分： Anthropic（Claude）在代码训练上的进展比想象中好很多。 18. Component.app 现在的业务进展？ 长期专注企业软件开发。我们跟很多创业方法论不一样，不追求尽快出原型，因为产品需要做很多基础性工作。估计两三个月会有一个非常惊艳的产品出来。 20. 现在是卖产品还是卖服务？ 最终想卖产品。我们在探索一些新的业务模式，可能会改变企业内部做定制软件的方式。暂时保密。 21. 有什么印象深刻的客户案例？ 一个之前对开发完全没概念的客户，一边用我们的产品，一边受 Claude Code 影响自己也去学了。 面向未来的人才结构一定是在 AI 和软件工程双向加持下的人。 22. 未来还需要 App 这个东西吗？ 软件不会消失。 操作数据、交互数据、呈现数据最好的方式，本质上还是程序。AI 交互只在处理模糊场景（如客服）下效率最高。看销售报表，打开 dashboard 永远比让 AI 重新 query 一遍效率高。 23. 东南亚中小企业的数字化能撑起这个市场吗？ 比较难。软件需求来自两方面：企业复杂度和人均 GDP。如果工资低，同样的钱加一个人永远比加一个软件好。所以未来我们会往发达国家推。 24. 你一直在反对自己，这个习惯怎么来的？ 有句话说，一个职业经理人最终失败的那个位置，一定是能力不足的那个位置。反过来说，人必须不断推翻自己来提高。 我比较喜欢读战争历史。两军对垒，谁能先从对方角度来打击自己，想明白对方怎么赢我，那个人往往能取得最长远的胜利。 宁可公司关掉，也不要在错误的路上 justify 自己。

这次Verdent AI团队来坡，交流了一次～ 估值2亿美金 红杉腾讯投的 记录几个让我印象很深的点👇 1. 大厂做AI应用根本没优势 大厂做基模的和做应用的是两个事业群，内部调模型和你外面的人调API没有任何区别。不会因为你是”自己人”就给你做任何优化。结算走内部费用，除此之外跟两家公司没区别。 所以他三个人出来创业，反而跑得比大厂快。现在10万海外开发者在用。 2. 最反直觉的操作：功能做好了不上线 他们会提前半年把一个功能做出来，然后放着不发。因为当时模型的能力还达不到这个功能需要的效果。但是如果你不提前做，等半年后模型能力到了，你再从零开始就来不及了。 所以他们的节奏是：预判模型发展→提前开发→模型到位的那一刻立刻释放。这个时间差就是他们跑赢同行的关键。 3. 他教我的一个判断框架：站在模型的延长线上做事 做AI应用最怕的就是你辛辛苦苦做的功能，下一版模型更新就自带了。他的原话是： “有些事模型变聪明之后自然就不犯了，这种事少做。有些事是怎么训都训不进模型里的，那就多做。” 他们团队有大厂出来的模型专家，专门做这个预判。这不是产品思维，这是算法思维在指导产品节奏。 4. 代码写完了谁来保证是对的？ AI一天能写几千行代码，但Claude告诉你”写完了”，它说的就是对的吗？尤其用户自己不懂代码的时候。 他们的做法是：让GPT、Gemini、Claude一起交叉review同一段代码，互相挑毛病。 原话：“让魔法打败魔法。” 5. 六个字讲清一种商业模式 他说他们的策略是”水龙头开源，水收费”。工具免费用，降低门槛获客；真正赚钱的是背后的模型调用和增值服务。插件装进VSCode生态甚至能装进Cursor、Trae这些竞品里——借着别人的流量长自己的用户。 三个人起步 不做中国只做海外 24年12月开始 现在10万开发者 这个团队的生存能力和判断力都很强💪

Genesis 全球初创企业大赛：招募早期前沿科技创业者 亚洲规模最大的 AI 盛会 SuperAI 现已开启 Genesis 创业大赛报名通道！我们诚邀全球处于早期阶段的前沿科技创始人加入。 本次大赛将于 6 月 10 日至 11 日 举行。入选团队将深度对接顶尖投资人、企业买家及 AI 领袖，获取足以改变业务格局的核心资源。 参赛要求 轮次不限： 欢迎种子轮至 A 轮的初创企业报名。 赛道广泛： 往届决赛选手涵盖了机器人、金融、生物技术、医疗科技、前沿模型及智能体工具（Agentic Tooling）等多个领域。 赛事福利： 丰厚奖金： 赢取由 OpenAI 赞助的 10 万美元 奖金池。 Genesis Spotlight（50 强）： 获胜者将通过 SuperAI 官方网站及全球营销渠道获得全方位曝光，并受邀参加在新加坡举办的闭门投资者交流会。 金沙舞台路演（10 强）： 决赛入围者将登上新加坡滨海湾金沙酒店的舞台，在逾万名全球观众面前进行现场路演。 权威评审： 评委团由来自 OpenAI 和 Canonical 的行业专家组成。 截止日期： 4 月 30 日 报名链接：https://www.superai.com/genesis-startup-competition 重要‼️我们可以直接内推，直接进入Top 50，团队将获得SuperAI免费门票，跟SuperAI核心网络投资人和企业交流对接。

我最直观的感受是这个月的电费账单😭😭