We're sunsetting PodQuest on 2025-07-28. Thank you for your support!
Export Podcast Subscriptions
Questions we’re asking of AI startups in 2025.
2025/3/12
Hallway Chat
F
Fraser
N
Nabeel
Nabeel: 我认为，即使AI产品持续比现有产品好10%，也不足以在市场上取胜，这取决于我们对“取胜”的定义不同。当前AI应用主要集中在容易实现的领域，而真正具有颠覆性的创新往往源于解决现有问题的突破。早期投资更青睐那些在某个方面有10倍提升的创新产品，即使其他方面存在不足。我之前的观点与现在有所不同，是因为我之前假设用户已经广泛使用并熟悉现有产品，而现在我认为用户仍处于探索阶段。目前AI产品市场仍处于早期阶段，用户还在尝试不同的产品，因此即使产品只有微小的优势也能获得成功。我所说的10%优势并非指模型评估结果的提升，而是指用户实际使用体验的提升。早期搜索引擎市场竞争激烈，即使某个搜索引擎持续保持10%的优势，也能在Google出现之前赢得市场。用户更关注产品实际使用体验的提升，而非模型评估结果的提升。在用户习惯尚未养成，且产品切换成本较低的情况下，持续的微小改进也能带来最终的胜利。一旦用户形成使用习惯并产生切换成本，那么即使产品并非最优，也能保持市场地位。推理模型的快速发展令人惊讶，这将为产品构建带来新的可能性。推理模型的训练所需计算资源较少，这将促进更多人参与模型开发和产品创新。我们需要探索推理模型在产品中的更多应用场景。当前的深度搜索产品之间差异不大，主要区别在于推理能力的差异。深度搜索产品的可读性和趣味性也很重要，这会影响用户体验。深度搜索产品缺少对更多上下文和数据的访问能力。计算机使用能力是AI领域一个新的发展方向，其应用前景广阔，但目前仍处于早期阶段。计算机使用能力的应用需要更高的准确性和可靠性，目前的技术还不够成熟。我们需要探索计算机使用能力的应用场景，并思考如何提高其准确性和可靠性。在某些应用场景中，计算机使用能力的误差是可以接受的，例如游戏。计算机使用能力的成熟应用还需要时间，未来可能会出现一些令人惊喜的产品。计算机使用能力的发展需要经历一个类似于大型语言模型的发展过程，需要时间来探索其应用场景。计算机使用能力的应用可能并非直接操作计算机，而是辅助人类完成任务。目前计算机使用能力还不足以完全自动化完成复杂任务，更适合作为辅助工具。计算机使用能力的发展需要经历一个从辅助工具到自动化工具的过程。推理模型的进步使得计算机使用能力能够更好地理解和执行任务。我们需要开发更多能够增强人类思维能力的AI工具，而不是试图取代人类。
Fraser: 我认为即使AI产品持续比现有产品好10%，也不足以在市场上取胜，现有大型语言模型如ChatGPT已经占据了巨大的市场份额和品牌信任度，新产品即使略微优于现有产品，也很难赶超。要建议初创公司在竞争中取胜，应该专注于某个领域实现10倍的提升，而非在所有方面都略微领先。随着用户数量的增长，用户会互相交流使用体验，因此产品无需大幅领先就能获得市场份额。我之前对10%优势的假设是基于模型本身的评估，而现在我认为应该考虑用户感知到的整体产品体验。用户更关注产品实际使用体验的提升，而非模型评估结果的提升。在用户习惯尚未养成，且产品切换成本较低的情况下，持续的微小改进也能带来最终的胜利。一旦用户形成使用习惯并产生切换成本，那么即使产品并非最优，也能保持市场地位。我们需要思考在AI领域，先发优势和后发优势分别体现在哪些市场。一些市场可能由先发者主导，但也有一些市场可能由后发者凭借更优的产品体验获得胜利。早期互联网搜索引擎市场竞争激烈，最终Google凭借更优的产品体验胜出，这说明后发者也可能获得成功。我们需要判断哪些市场适合先发制人，哪些市场适合等待时机，利用后发优势。如果产品体验能够带来显著价值，那么后发者可能拥有更大的成功机会。新兴的推理模型可能会带来前所未有的产品体验，这需要考虑后发优势。评估后发优势时，不应该过分关注收入或市场炒作，而应该关注现有解决方案的不足之处。一些早期AI产品在获得高额收入后迅速衰落，这说明需要关注产品是否真正解决了问题。判断是否适合采用后发优势策略，需要评估市场竞争格局和产品差异化程度。对于已经进入竞争激烈的市场，需要考虑通过差异化策略而非简单的迭代改进来获得竞争优势。一些公司通过提供真正解决问题的产品，在看似饱和的市场中获得了成功。我们内部会定期回顾和反思，并提出一些关键问题来指导投资决策。推理模型的快速发展与以往不同，我们需要快速适应并探索其应用场景。推理模型带来的产品体验提升是显著的，这与以往模型的迭代不同。推理模型的应用场景可能与以往的模型不同，需要我们改变思维方式。在法律领域，推理模型可以用于识别合同风险，而非仅仅进行文本总结。我们需要探索哪些领域最需要推理能力，并思考如何利用AI来解决这些问题。我们需要思考AI推理能力如何应用于经济学等领域，并改变我们的思维方式。推理模型的快速发展与以往不同，我们需要快速适应并探索其应用场景。深度搜索产品之间差异主要体现在推理能力上，拥有更强推理能力的产品体验更好。深度搜索产品的可读性和趣味性也很重要，这会影响用户体验。计算机使用能力是AI领域一个新的发展方向，其应用前景广阔，但目前仍处于早期阶段。计算机使用能力的应用需要更高的准确性和可靠性，目前的技术还不够成熟。计算机使用能力的成熟应用还需要时间，未来可能会出现一些令人惊喜的产品。计算机使用能力的发展需要经历一个类似于大型语言模型的发展过程，需要时间来探索其应用场景。计算机使用能力的应用可能并非直接操作计算机，而是辅助人类完成任务。目前计算机使用能力还不足以完全自动化完成复杂任务，更适合作为辅助工具。计算机使用能力的发展需要经历一个从辅助工具到自动化工具的过程。推理模型的进步使得计算机使用能力能够更好地理解和执行任务。我们需要开发更多能够增强人类思维能力的AI工具，而不是试图取代人类。目前AI工具开发更关注效率提升，而非创造性思维的增强。向投资者推销效率提升更容易，这导致了对创造性创新的忽视。真正有创造性的产品更难被取代，也更有潜力。当前的文化环境更倾向于效率和套利，这导致了对创造性创新的忽视。扩散模型的出现促进了艺术创作领域的创新，但其商业化模式仍存在局限性。Midjourney的成功在于其专注于创造性价值，而非效率提升。Cursor等工具作为辅助工具，增强了人类的创造力，而非取代人类。
Deep Dive
Shownotes Transcript