從網路熱潮到AI:避免過去科技陷阱的教訓

在網路熱潮時期,為公司名稱加上“.com”就能使股價飆升,即使沒有客戶、收入或可行的商業模式。如今,類似的狂熱圍繞著“AI”,公司急於採用這一標籤以利用熱潮。
企業正急於將“AI”融入品牌、產品描述和域名。根據Domain Name Stat,2024年“.ai”域名註冊量年增77.1%,新創公司與既有企業爭相與人工智慧掛鉤,無論是否具備真正的AI能力。
1990年代末教會我們,僅靠尖端技術不足以成功。網路熱潮的倖存者並非追逐潮流,而是滿足真實需求並謹慎擴展。
AI具有改變產業的潛力,但成功不會來自表面品牌塑造,而是來自突破噪音、專注影響的公司。
關鍵?從小開始,找到利基市場,然後策略性擴展。
從小做起:在擴展前專注利基市場
網路熱潮的一大失誤是過快擴展,這是今日AI創新者必須警惕的教訓。
以eBay為例,它最初僅為收藏品(如Pez糖果盒)提供簡單拍賣平台,解決了線下無法連繫的愛好者問題。在精通這一利基市場後,eBay才擴展到電子產品、時尚等領域。
相較之下,Webvan試圖通過線上訂單和多城市快速配送革新雜貨購物。它在證明需求前耗費數百萬於倉庫和物流,最終因過於雄心勃勃而崩潰。
啟示:專注於精準的用戶需求,先主導狹窄市場再擴展。
對AI開發者而言,這意味著避免打造“通用的AI”。例如,一款用於數據分析的生成式AI工具必須針對特定群體,如產品經理、設計師或數據科學家。你服務的是SQL新手還是資深分析師?每個群體有獨特需求和工作流程。
專注於明確的受眾(如SQL技能有限、需要快速洞察的技術產品經理),深入了解其需求,優化體驗,打造不可或缺的產品。然後再擴展到相關用戶或功能。在打造持久AI產品的競賽中,勝者將是為特定受眾提供卓越服務的公司,而非面面俱到。
確保數據優勢:建立持久的防禦性
從小開始有助於實現產品市場契合,但持續成功需要防禦性—特別是通過專有數據。
網路熱潮的倖存者不僅吸引用戶,還積累了獨特數據。例如,Amazon不僅賣書,它利用購買和瀏覽數據優化推薦,然後根據區域訂單模式優化物流,為Prime的兩日送達奠定基礎。
Google採取類似策略。每個搜尋、點擊和修正都改善了搜尋結果,後來更應用於廣告,形成反饋迴路,增強其優勢。
對AI建造者來說,教訓很明確:長期成功取決於隨時間提升產品的專有數據迴路。
任何人都能微調開源大語言模型或使用API,但高價值的真實用戶數據難以複製。
AI產品建造者應及早問:
- 我們的產品將從用戶互動中捕捉哪些獨特數據?
- 如何創造反饋迴路以持續改進?
- 能否以道德且安全的方式收集競爭者無法獲得的領域特定數據?
以Duolingo為例,借助GPT-4,其“解釋我的答案”和AI角色扮演功能生成豐富的用戶數據,不僅捕捉回應,還記錄學習者的思考和互動方式。這些數據優化體驗,創造競爭優勢。
在AI時代,專有數據是你持久的優勢。設計能從獨特數據中學習的產品的公司將領先群倫。
結論:這是一場馬拉松,而非短跑
網路熱潮證明,炒作短暫,基本面永存。AI熱潮遵循相同模式。成功不會來自追逐潮流,而是解決真實問題、謹慎擴展並建立防禦性優勢。
未來屬於將AI視為馬拉松、保持紀律的建造者。
傅凱良是Uber的AI產品經理。
相關文章
人工智慧揭露新聞內容中的隱藏議程
ChatGPT風格的模型現正接受訓練,以揭示新聞文章背後的潛在觀點——即使該觀點被隱藏在引語、框架或(有時虛偽的)中立表象之下。透過將文章拆解為標題、導語和引語等段落,新型系統能識別長篇專業新聞報導中的偏見。 這種掌握作者或發言者真實立場的能力——學術文獻中稱為立場檢測——正挑戰語言解讀中最複雜的難題之一:從可能刻意設計用以隱藏或模糊意圖的內容中辨識真實意圖。從喬納森·斯威夫特的《一個謙卑的建議》
Anthropic的Claude 4.1在編碼基準測試中表現優異,搶先GPT-5發布
Anthropic於週一發布其旗艦人工智慧模型的升級版本,為軟體工程任務的效能樹立新標竿。此舉使這家人工智慧新創企業得以捍衛其在利潤豐厚的編碼領域的霸主地位,同時預見來自OpenAI的全新競爭挑戰。新版Claude Opus 4.1模型在SWE-bench Verified測試中獲得74.5%的分數,該測試是評估AI系統解決真實世界軟體問題能力的權威基準。此成績超越OpenAI o3模型的69.1
Nvidia 推出具備可切換推理功能的開放原始碼 AI 模型 Nemotron-Nano-9B-v2
小型語言模型正掀起波瀾。 繼麻省理工學院衍生公司Liquid AI推出智慧手錶尺寸的視覺模型,以及Google推出適用於智慧型手機的產品後,Nvidia如今也以精簡版競爭者Nemotron-Nano-9B-V2進軍市場。此新型號在關鍵基準測試中領先同級產品,並引入獨特功能:使用者可啟用或停用AI「推理」機制——此機制實質上是在提供最終答案前進行自我檢查的流程。儘管90億參數規模仍高於近期報導的數百
相關專題推薦
評論 (2)
0/500
Esto me recuerda a la burbuja de las puntocom, pero con IA. ¿Cuántas empresas están usando 'AI' solo para inflar su valor sin tener nada real detrás? Me preocupa que la gente no aprenda de los errores pasados 😅

在網路熱潮時期,為公司名稱加上“.com”就能使股價飆升,即使沒有客戶、收入或可行的商業模式。如今,類似的狂熱圍繞著“AI”,公司急於採用這一標籤以利用熱潮。
企業正急於將“AI”融入品牌、產品描述和域名。根據Domain Name Stat,2024年“.ai”域名註冊量年增77.1%,新創公司與既有企業爭相與人工智慧掛鉤,無論是否具備真正的AI能力。
1990年代末教會我們,僅靠尖端技術不足以成功。網路熱潮的倖存者並非追逐潮流,而是滿足真實需求並謹慎擴展。
AI具有改變產業的潛力,但成功不會來自表面品牌塑造,而是來自突破噪音、專注影響的公司。
關鍵?從小開始,找到利基市場,然後策略性擴展。
從小做起:在擴展前專注利基市場
網路熱潮的一大失誤是過快擴展,這是今日AI創新者必須警惕的教訓。
以eBay為例,它最初僅為收藏品(如Pez糖果盒)提供簡單拍賣平台,解決了線下無法連繫的愛好者問題。在精通這一利基市場後,eBay才擴展到電子產品、時尚等領域。
相較之下,Webvan試圖通過線上訂單和多城市快速配送革新雜貨購物。它在證明需求前耗費數百萬於倉庫和物流,最終因過於雄心勃勃而崩潰。
啟示:專注於精準的用戶需求,先主導狹窄市場再擴展。
對AI開發者而言,這意味著避免打造“通用的AI”。例如,一款用於數據分析的生成式AI工具必須針對特定群體,如產品經理、設計師或數據科學家。你服務的是SQL新手還是資深分析師?每個群體有獨特需求和工作流程。
專注於明確的受眾(如SQL技能有限、需要快速洞察的技術產品經理),深入了解其需求,優化體驗,打造不可或缺的產品。然後再擴展到相關用戶或功能。在打造持久AI產品的競賽中,勝者將是為特定受眾提供卓越服務的公司,而非面面俱到。
確保數據優勢:建立持久的防禦性
從小開始有助於實現產品市場契合,但持續成功需要防禦性—特別是通過專有數據。
網路熱潮的倖存者不僅吸引用戶,還積累了獨特數據。例如,Amazon不僅賣書,它利用購買和瀏覽數據優化推薦,然後根據區域訂單模式優化物流,為Prime的兩日送達奠定基礎。
Google採取類似策略。每個搜尋、點擊和修正都改善了搜尋結果,後來更應用於廣告,形成反饋迴路,增強其優勢。
對AI建造者來說,教訓很明確:長期成功取決於隨時間提升產品的專有數據迴路。
任何人都能微調開源大語言模型或使用API,但高價值的真實用戶數據難以複製。
AI產品建造者應及早問:
- 我們的產品將從用戶互動中捕捉哪些獨特數據?
- 如何創造反饋迴路以持續改進?
- 能否以道德且安全的方式收集競爭者無法獲得的領域特定數據?
以Duolingo為例,借助GPT-4,其“解釋我的答案”和AI角色扮演功能生成豐富的用戶數據,不僅捕捉回應,還記錄學習者的思考和互動方式。這些數據優化體驗,創造競爭優勢。
在AI時代,專有數據是你持久的優勢。設計能從獨特數據中學習的產品的公司將領先群倫。
結論:這是一場馬拉松,而非短跑
網路熱潮證明,炒作短暫,基本面永存。AI熱潮遵循相同模式。成功不會來自追逐潮流,而是解決真實問題、謹慎擴展並建立防禦性優勢。
未來屬於將AI視為馬拉松、保持紀律的建造者。
傅凱良是Uber的AI產品經理。
人工智慧揭露新聞內容中的隱藏議程
ChatGPT風格的模型現正接受訓練,以揭示新聞文章背後的潛在觀點——即使該觀點被隱藏在引語、框架或(有時虛偽的)中立表象之下。透過將文章拆解為標題、導語和引語等段落,新型系統能識別長篇專業新聞報導中的偏見。 這種掌握作者或發言者真實立場的能力——學術文獻中稱為立場檢測——正挑戰語言解讀中最複雜的難題之一:從可能刻意設計用以隱藏或模糊意圖的內容中辨識真實意圖。從喬納森·斯威夫特的《一個謙卑的建議》
Anthropic的Claude 4.1在編碼基準測試中表現優異,搶先GPT-5發布
Anthropic於週一發布其旗艦人工智慧模型的升級版本,為軟體工程任務的效能樹立新標竿。此舉使這家人工智慧新創企業得以捍衛其在利潤豐厚的編碼領域的霸主地位,同時預見來自OpenAI的全新競爭挑戰。新版Claude Opus 4.1模型在SWE-bench Verified測試中獲得74.5%的分數,該測試是評估AI系統解決真實世界軟體問題能力的權威基準。此成績超越OpenAI o3模型的69.1
Nvidia 推出具備可切換推理功能的開放原始碼 AI 模型 Nemotron-Nano-9B-v2
小型語言模型正掀起波瀾。 繼麻省理工學院衍生公司Liquid AI推出智慧手錶尺寸的視覺模型,以及Google推出適用於智慧型手機的產品後,Nvidia如今也以精簡版競爭者Nemotron-Nano-9B-V2進軍市場。此新型號在關鍵基準測試中領先同級產品,並引入獨特功能:使用者可啟用或停用AI「推理」機制——此機制實質上是在提供最終答案前進行自我檢查的流程。儘管90億參數規模仍高於近期報導的數百
Esto me recuerda a la burbuja de las puntocom, pero con IA. ¿Cuántas empresas están usando 'AI' solo para inflar su valor sin tener nada real detrás? Me preocupa que la gente no aprenda de los errores pasados 😅





首頁






