留学的企业家他们可能会选择在美国安家并寻找当地的CEO作为代言人。第三类是超级巨头如BAT他们继续在中国发展同时雇佣美国领导者来拓展全球市场。最后个不成功的策略是试图在中国同时管理美国的业务这种方式难以成功如最近国内家头部企业要求管理海外业务的员工必须搬到海外否则离职。这说明跨地域管理业务存在很大难度。 黄山在人力资源方面中国确实有优势国内竞争激烈是公认的事实。此外我想给国内泼盆冷水。尽管中国企业在人力资源方面有优势但在AI时代AI的成本更为关键。国内使用的大模型的成本是多少这是个非常关键的问题。国内企业需要在AI的质量和成本上建立优势这样出海时才会有竞争力。大家都知道我们在GPU方面被卡脖子如果时间可以回到10年前或20年前我相信定会优先解决GPU问题。现在虽然在应用层面的开发总体是可行的但还是解决这个技术制约最重要国内应该在这方面投入更多精力。
氪从黏土相机到Talkie等社交类应用AI产品
面临同质化生命周期较短的 罗马尼亚电话号码库 问题。两位更看好哪类产品怎么看同质化现象？ 黄山我觉得 AI应用比较好的领域还是所谓的能变现的领域。无论什么应用你不能期望永远领先别人但在他人超越之前你可以进行变现。因此我认为这是个值得关注的方向。具体来说哪些领域可以实现变现？ 首先是内容生成。AI内容生成目前成本较高因为它需要大量的AI资源。但有两个趋势可以判断是AI的成本肯定会越来越低二是用户对内容错误的容忍度。大模型经常会出错但是如果AI应用产品方向选择得好用户对错误的容忍度会较高。而如果用户对错误的容忍度为零那么这个领域就不适合。其次是AI的数据方面。AI主要是通过训练数据生成的而这些数据可以作为企业的核心资产你不需要将其开放给他人就像Llama样不将数据分享给他人别人就无法复制其产品。因此AI训练数据是个具有良好知识产权保护的赛道。第三我认为AI陪伴是个好赛道因为这是个刚性需求。未来如果有设备可以提供更真实的陪伴那这个领域将会有很大的发展空间。同行们暂时做得还不够好但未来肯定会有改进因此AI陪伴也是个值得关注的赛道。 至于同质化我认为产品被复制的问题并非由AI引起。在AI出现之前任何热门产品都难以避免被复制的命运。
如果个产品容易被复制那么它就应该
被复制且必然会被复制在产品开发时就应考虑 络安全网络基础设施以及短路和 到这点。大家可以访问Y CombinatorYC的网站查看他们每期孵化的公司带着这个问题看看这些公司可能会有新的感悟。至少可以了解如何保护自己的产品不被轻易复制或者至少提高复制的难度。 云飞我们经常内部讨论这个问题最终得出的结论是不应按赛道来关注而应围绕创始人。每位创始人都有其专业领域的深厚背景比如新闻或供应链创业者在这些领域积累了十年的经验知道行业内的真实场景和问题是什么再将AI技术嵌入其中就能更容易接到订单变现。在硅谷早期投资人和创业者都清楚真正成功的创业者通常在第阶段就能实现销售而不是依赖于宏大的故事。 对大多数人来说成功的商业模式往往是那些看似不性感甚至有点无聊的商业策略。这又回到了之前提到的企业竞争力的关键在于了解对方的真实需求而不是仅仅推销个万能的AI工具。市场已经对这种推销已经麻木了不再相信个工具能解决所有问题。按照这个逻辑推下来的话比较有潜力的AI赛道还是在 SARS 领域尤其是 ToB SARS。我通常会鼓励AI创业者深入实际扎实地掌握看似无聊的商业技能完成交易实现订单成交。许多成功的独角兽公司也是从单订单开始逐渐积累最终实现平台化和产品化。对于没有特定领域经验的创业者建议考虑那些费时但简单的任务这些任务非常适合AI处理。 最后目前创业者面临的现实是如果AI工具只解决单场景问题就会很容易被复制和替代。在ToC层面用户可能会因为免费或CEO的品。
因此ToB领域提供了更多机会因为ToB不是单点链接而是通过 aero线索 多个环节与客户建立联系。替换个ToB产品需要巨大的成本因此客户更倾向于保持现状。这为ToB领域的创业者提供了更多机会和发挥空间他们可以通过多个钩子牢牢抓住客户。 氪对AI公司而言更快实现PMF打造底层能力的差异化拥有自己的用户数据哪个更重要？ 云飞首先说结论PMF产品市场契合度最重要尤其是现在级市场投资并不十分活跃的情况下。尽管美国新政府上任可能会带来些变化但在这之前PMF仍然是关键。我举个Agency Right公司的例子它的创始人最初是想帮广告商提高广告投资回报率ROI许多投资者的第反应是很惊讶因为这是个竞争激烈的赛道。但是这位创始人在广告行业有多年经验他对行业的理解足够深
