经过一个月的在Velocity Capital的投资探索，看了一些AI的项目，从AI+知识管理、AI+教育、AI的开发者工具，到AI+信用管理，到AI+泛沟通等项目，每个项目都有其独特的魅力。
我从曾经扎根北京的连续创业者，加持了在硅谷作为投资人的视角，以及在斯坦福学习CS的视角，以及体验了很多AI工具（数字人、PPT、语音、知识整理等各类产品）的PM视角，想综合以上四个观察的角度，和早期的应用型AI项目的创始人分享一些我的心得，希望能帮助大家少走弯路。
感谢和我沟通的创始人，每个人的背后都有一套有趣的故事。
（如果你已经是资深的AI赛道创始人，可以绕道，今天我写的这个内容的深度可能太偏向早期创业团队。）
一、做具有刚性需求的产品，是缓解早期现金流的一剂“良药”
当产品设计的初衷本身能够满足市场的刚性需求时，被AI赋能后，产品的价值会更容易被市场所认可并且在早期获得可观的现金流。
以AI+信用管理为例，在美国市场上，信用分会影响一个人买房买车的贷款利率。想象一下，只需为一个AI+信用提升的APP产品支付几十美金的年费，就有可能因为信用分提高而使得购房或购车的年利率从9%降到7%或6%。对于消费者来说，这是一个巨大的吸引力。在产品能够满足用户刚性需求的情况下，即使该产品在AI技术上并非市场领先，但其实现的功能和解决的问题也具有极大可能使它的现金流远超一些目标不明确的AI工具。
当然，这类市场也面临着风险：竞争者或许可以抱着和早期进入者一样的对于业务的深入理解，且具有强市场能力，技术能力又更强的情况下晚些入场。所以刚性需求类型的产品或者本身非强技术背景的创业团队该如何通过早期的用户深耕，为自己在领域中建立起来护城河，这种能力就极其重要。
相比这类刚性需求的产品，我看到还有一类创业团队是抱着技术进来的，有非常强的用技术改变世界的决心和动力，然而在进一步沟通的时候，感觉团队似乎还没有开始探索希望解决的真正的市场需求在哪个细分领域。
这是我作为投资人视角比较担心的，我们不排除技术大牛可以在某个节点吸引到对于用户和市场理解很深入的PM或者业务方面的合伙人。对于技术驱动的创业团队，当然，有强大的技术背景是一个很强的优势，然而如果团队不能证明其产品与用户可以产生真正的共鸣，那么这种技术上的优势可能会很快被市场所淡化。
在钱多的领域，大家彼此博弈竞争类似一个Min-Max算法的博弈， 而且玩家的策略都很强。里面大玩家、小玩家都挺多，如何能在技术很强的情况下，商业方面也有一些数据模型可以验证其产品能够被市场的接受性也是非常重要的。
总结一下就是：
1. 原本的刚性需求 + AI工具 = 原本获取的现金流的能力被放大；
2. 目标用户看不懂，也很难第一时间理解能解决什么问题的AI工具 = 艰难的现金流；
3. 强技术实力 = 很强的获取现金流的潜力（但是产品和市场碰撞后是否有足够的火花需要被验证）。
我的建议：
如果团队本身是技术很强的背景，切勿忽视市场的反馈，一个可行的做法是：形成一个早期的用户转化率的数据估算模型。通过早期的获客数据，收集自己的产品获取的自然流量、转化率、付费比例、付费之后的留存率等数据，形成初始化的预测财务变化的模型。
创业本身是一场综合实力的比赛，有时候我听到创业团队的创始人和我说“我们技术实力很强，市场不需要验证”，这个时候我会觉得可能创始团队需要重新思考一下应该如何看待市场、用户，和自己的市场策略（实际上，我的内心有点怕这样的创始人，觉得可能对方还需要一些时间和真实的市场接轨，因为最终产品是要到市场上去检验的，用户会用行动和付费来投票）。
二、如果产品是在GPT上“建筑”一层layer，这层layer的壁垒很重要
如果你的产品是在GPT上“建筑”一层layer，请清晰地回答那么这层layer的壁垒究竟有多高，是由什么构成的。
为什么“设计这个竞争壁垒”+“通过一些行动证明这个壁垒已经初步建立起来了”很重要？
1. 壁垒提供可持续的竞争优势：壁垒是企业能够在市场上持续存在的关键。如果其他竞争公司可以简单地复制早期进入者的业务模型，那么这家早期进入的创业公司很难实现长期的盈利。当创业团队明确其产品的壁垒时，创业团队实际上正在构建自己的竞争优势。
2. ROI的保障：从投资人的角度来看，投资一个有明确壁垒的公司，意味着我们的投资有更大的可能性获得回报。相反，投资一个容易被竞争对手模仿的公司意味着更高的风险。
3. 技术壁垒，或者商业模式创新壁垒，或者社区壁垒等，总之创业团队要有至少一个到两个壁垒来将门槛筑高：部分建立在GPT之上的产品由于基于相同的核心技术（GPT提供的），有的团队在pitch的过程中，有时候会混淆GPT的能力和自己团队能力的分水岭。创业公司必须要回答清楚自己能够在大语言模型上建立起来的壁垒究竟是什么，且这是一个值得长期思考的问题。
两个例子：
Comet.ml：这是一个帮助数据科学家和工程师更容易跟踪、比较、解释和优化机器学习实验的平台。虽然其基础技术可以被其他团队复制，但其强大的社区、教育内容和集成工具为其创造了一个独特的市场位置。
Hugging Face：尽管是基于开源模型，但Hugging Face通过提供高质量的模型、强大的社区和易于使用的工具库来为其用户创造价值。
对于这两家公司，他们的技术基础不是其唯一的壁垒，但创业公司的社区、品牌和特定的产品功能使它们在市场上保持了领先地位。
我的建议，采取两步行动：
“设计这个竞争壁垒” + “通过一些行动证明这个壁垒已经初步建立了”。
三、优质的数据是关键之一，清晰的数据策略非常重要
AI和机器学习的模型与其所使用的数据质量直接相关。确保创业公司有适当的数据策略，并对数据采集、存储和处理做出了相应的规划也是非常重要的一环。
1. 数据的质量和数量：高质量的数据是机器学习模型表现良好的关键。如果数据存在偏见、错误或噪音，模型的输出也可能是不准确或有偏见的。此外，尽管有些模型可以在较少的数据上工作，但许多深度学习模型需要大量的标注数据才能达到良好的效果。创业团队需要思考高质量的数据来源问题。
2. 数据的多样性：为了使模型在各种条件下都表现良好，它需要在多种场景和条件下的数据进行训练。这确保了模型的泛化能力。
3. 数据的隐私和合规性：随着数据隐私法规的实施，如欧洲的GDPR和加利福尼亚的CCPA，对数据的收集、存储和处理有了严格的要求。创业公司需要确保其数据策略符合相应的适用的法规。（我个人目前觉得，这在早期可能不是最重要的，但是在产品规模化过程中，数据隐私是一个需要有应对方案的问题。）
我的建议：策划创业公司的数据策略。
四、尽早建立跨功能的多学科团队
我给早期团队的个人建议是组建一个具有多种技能的团队，其中包括数据科学家、工程师、业务领域“专家”、市场策略“专家”。从我的观察来看，这个步骤越早越好。
从执行的角度看，多学科团队的专家不一定在团队内部全职，但是AI团队一定需要相应的视角来完善自己的产品，比如可以有一些内部顾问或者定期沟通的外部顾问。
我的认知中，投资后一个相对风险较低的团队模型公式如下：
理想团队 = 技术“大神” + 领域知识的专家（提供Domain knowledge） + 产品经理“大神”（技术向产品矩阵的转化 ）+ 市场营销专家（2C或者2B）
（当然了，这也是一个比较片面的模型，如果我们投资种子轮，那么技术实力极强也是一个非常好的要素，但是如果是较高金额的投资，如A轮，肯定是综合实力的团队相对来讲更具一些竞争力。）
五、某些领域需要关注算法的可解释性
某些学科需要关注算法的可解释性：AI的决策过程应当透明和可解释，特别是当它们涉及关键决策时。在某些涉及安全的领域，如金融和医疗，如果遇到创始团队对算法解释不清的情况，对于潜在要进入的投资者可能不是一个很好的信号。
1. 安全性和信任：与人类有关的技术，安全尤为重要。在Tesla的自动驾驶汽车或某些医疗预测决策中，了解系统为何做出特定决策是至关重要的。对于AI，在某些特定领域，如果创始团队不能理解和解释模型的决策，我们就难以信任创业团队对产品的把握程度，特别是在一些产品的关键决策中。
2. 公众和监管接受度：透明和可解释的AI系统更容易得到公众和监管机构的信任。随着AI在医疗、金融和其他关键领域的应用日益增多，可解释性将成为监管要求的一部分。
3. 故障诊断和优化：当模型做出错误或非预期的决策时，可解释性可以帮助工程师和研究者诊断问题，并优化或修正模型。
4. 竞争优势：在商业竞争环境中，为客户提供一个可以理解和信任的AI解决方案可能是一个显著的竞争优势，特别是在企业级市场。
六、做好提升用户体验的策略，或者做好用户引导的策略
对于大多数用户和客户来说，AI可能是一个相对陌生和复杂的领域，如何在实际应用中有效地操作产品可能并不是一件非常直观的事情，而让目标客户/用户认为产品用起来很直观，是创业团队的使命之一。为用户提供必要的引导和培训成为了AI创业公司需要采取的行动之一，还有一个方法是可以通过Design Thinking的设计策略，在产品设计的初衷，就降低产品的使用门槛，提高产品的易用性。
1. 提高用户的信心和舒适度：了解和熟悉一个新的产品或技术可以大大提高用户的信心。通过相应产品中设计的引导功能，用户会觉得他们对产品有更多的掌控感，从而更愿意使用和推荐它。
2. 减少可能产生的错误和误解：当用户不了解如何正确使用一个产品时，他们可能会做出错误的决策或产生误解。引导用户可以确保他们知道如何最有效地使用产品，避免常见的错误和误区。
3. 如果是企业级场景，需要加强和客户的沟通和达成相应的共识。我们会看到部分创业团队会提供一些和B端客户中的角色需求不是很对称的产品：如开发的产品解决的问题偏向技术层面，客户无法理解在业务场景下，这个技术产品如何落地。
4. 拓展产品的应用范围：通过引导，用户可能会发现产品的新用途或不同的应用方式，从而增加用户对产品的依赖度和满意度。
5. 满足合规要求：在某些行业，例如医疗和金融，使用AI工具可能需要遵循特定的培训和教育指南，以确保终端用户正确、安全地使用AI工具。
一些可以实操的行动建议：
通过Design Thinking设计产品界面和流程：为用户使用AI产品提供相应的无形的支持，促进用户从情感上和使用上更容易地接受新的AI产品。
在线教程和课程：可以为用户提供步骤明确、易于理解的在线教程，从基础知识到高级技巧，帮助他们更好地使用AI产品。
工作坊和研讨会：组织实际活动（比如AMA），允许用户亲自体验、提问和与团队，专家互动。
文档和FAQ：提供详细的产品文档和常见问题答疑，以便用户可以随时查找和学习。
社区和论坛：创建一个用户社区，使用户之间可以相互提问、分享经验和最佳实践，或者使用户可以和自己的核心团队的人进行直接的交流和反馈。用户社区可以考虑在Discord、WhatsApp或者各种平台上建立。
七、创始人的开放心态
一个成功的创业者确实需要有明确的愿景和强大的执行力，但这仍然不足以保证一个公司的长期成功。开放的心态是决定性的因素之一，它可以塑造公司文化、促进团队协作，并驱动创新。
1. 适应变化的能力：市场和技术的变化速度之快，意味着今天有效的策略明天可能就过时了。开放的创始人能够适应这些变化，而不是坚持过时的策略或方法。
2. 多样性和包容性：开放的心态促进了对多样性的尊重和包容，这不仅有助于创建一个更积极、创新的工作环境，而且还能够吸引和留住各种背景的顶尖人才。
3. 客户（用户）中心思维：开放的创始人更容易听取客户、用户的反馈，并据此调整产品和服务，这对于确保产品和市场之间的契合度至关重要。
一个拥有开放心态的创始人，不仅可以更好地适应外部环境的变化，还可以带来更多的机会和灵感，从而驱动公司的持续成功。在创业的道路上，开放和灵活比封闭和固执更能够带来长期的成功。
我个人认为创始人可以多听一些其他的外部声音，尤其是来自不同Domain或者不同视角的声音，这样可以快速丰满自己对于整体市场认知的意识。
本文来自微信公众号：小So姐的学习实验室（ID：gh_df9ece1030bf），作者：一个叫静静的脑科学发烧友