摘要：周喆吾 是 Presence 公司创始人、CEO ，曾任 MetaApp 联合创始人，前摩拜单车移动端负责人，回国前曾在硅谷 LinkedIn 、Uber 总部增长团队做研发工作。

AI 浪潮刚开始，我们就冲到了美国总榜前 30。当时看着同屏的公司，都是耳熟能详的大厂，其中有两位还是自己当年在美国服务过的老东家，有一种飘飘然的感觉。

在这波 AI 落地的技术浪潮中沉浮冲浪了两年，我的认知螺旋上升，被现实一再的打击和蹂躏，逐步意识到哪些是错误的产品方向（留存、营收、护城河等角度判断），再一点点 pivot —— 思考、实践、反馈、迭代。本文记录一下阶段性的一些挫折和反思。

我之前忽略了 快 的重要性

在中国体验不到，在硅谷生活的时候就发现 ChatGPT 随手用太顺手了，虽然单次用户价值没有那么那么高，但是用户习惯会被方便影响；反观 Perplexity，一开始起量也是因为快，自从加了 Cloudflare check 之后我的使用率就大幅下降了。23 年写的这篇 ChatGPT 是 AI 时代的 91 手机助手 ，当时的判断还是莽撞 了。 丝滑、加载快 ，价 值千钧。

之前写的 L4 取代白领是错误想法，其实 90%是扩大了白领工作 TAM

例子： bland.ai ，能达到真人声音的打电话，调用预制好的决策树和每个「prompt 单元格」。使用场景比如 Flexport（美国的航运、卡车运输的满帮）一个个给司机打电话问是否接单，然后同步到 demand 侧。

再举一例：行业习惯于用短信做召回，用产品做推送，现在可以直接有个「真人」客服做激活和留存；有点像是我们之前做游戏的时候，只有大 R 才能得到的 GS 体验，客服运营拉满，情绪价值和产品体验飙涨。这个之前在小 R 和不够大的订单场景下，由于商业价值小于雇人的成本所以只能用静态产品化体验，现在可以达到客制化体验（product -> product + sales/ops） 举例子之前 Superhuman 的首次激活，不是让你直接探索产品，而是约一个 30 分钟的视频电话，投屏 step-by-step 做到 inbox zero，有个售前陪着你达到 aha moment，这样付费率飙涨。这种打法未来可以普及到更多的、更低 LTV 的场景里了。

这 直接颠覆 了 10 年前彼得·蒂尔《从 0 到 1》里提到的 distribution doldrum，之前只有大 ARPU 的商品可以做销售，低 ARPU 的商品只能靠 mkt distribution，现在低 ARPU 的商品也可以提供强销售和客制化体验了！

再举一个例子是本地化，之前出海公司主要做纯空军（工具、信息流、游戏）和空降兵（电商），陆军业务很多都铩羽而归（滴滴只拿下巴西、OPay 在非洲收缩）。有了 L4 的 AI 员工，其实不应该是去取代传统的空军员工，而是 低成本扩张陆军 啊......

Workflow Capture 怎么做？

新市场出来了，切到业务增量里，然后把用的什么模型、什么云厂商，都抽象掉；引用王川， 王川：宁要高维度抽象化的草，不要低维度具象化的苗 商业的 value creation 和 value capture 是两码事，谁被管道化谁就被 commoditize，变成完全竞争，不可能有超额利润了。举例子微信管道化了运营商，字节穿山甲管道化了应用商店。

Marc Andresseen 最近的采访里说 browser war 对现在最大的指导意义是，Unix 最后战胜了所有的 properitary server OS，SUN 公司 1000 亿美金如日中天最后归零。开源模型会使得模型层被管道化。最后价值在应用层，workflow capture —— 回归迁移成本和网络效应

我忽略了 真正可用的 long context 的实战效应

Gemini 2.5 pro 给了惊鸿一瞥，原来 long context 真的如此有用，之前行业讲了三年的 RAG/企业知识库都是忽悠，因为模型在 runtime 只能利用一鳞半爪的上下文，根本达不到销售说的功效。（很多时候大 SaaS 公司的老板是最大的 bs 销售）

然而最新的 1m token context 真实可用的模型出来之后，丢 30 个文档再聊，是完全不一样的产品。

其实去年 Eric Schmidt 斯坦福演讲就说的很清楚了，就是更少的 hallucination，更长的 context，更可用的多模态多 agency，路径很早就 layout 了。但是只有模型真的出来，才醍醐灌顶。我真是后知后觉啊！

我为什么会犯这样的错误？

反思：对于快和 long context 的忽略，包括更少 hallucination 会有什么 c 端体感。 我为什么会犯这样的错误？

模型从业者的微观体感：产品需求写在 PRD 里的很多实际上没有意义，因为通过产品需求描述已经很难得到模型到底能不能做出来了。

比如 「让模型调用企业知识库里的相关文档来给建议」，这样的需求，到底是用什么模型、多长的 context，是用 RAG 还是全塞进去，效果/速度/成本都有巨大的差别。 天渊之别，云泥之判！

所以产品经理写一个这样的需求就没意义了。这个怎么解？我只能想到先多把玩，然后大量 ab 实验，且实验的时候一定要对基模和 prompt 参数有强限定。比如某个 feature 不行，不一定是 PRD 不行，没准换个更大的 base model 就能打正。

其实这件事之前张月光也给我们讲过了，妙鸭相机和其他所有类似的影楼写真就是模型能力区别。关键词：真、像、美。DeepSeek 也是一样道理。C 端产品经理需要大踏步的提升自己的认知模型。很多时候最大的正向收益在调模型里，怎么调用怎么利用，而不是在 UI/UX 上。模型是超能力，是力量之源。

同理，投资人的工作也很难做，我观察到投资人经常专注在产品定位、流量和交互上，实际上还是要看快/长/智带来的 C 端体验变量。最让我佩服的投资人是 Yuri Milner，他是我见过这些大老板里唯一一个跟我坐在一起手把手把玩产品，问我画面延迟细节的。大家都会看 30 日留存、看用户访谈汇总、看 TAM，但是有几个会自己把玩？移动互联网中美一共有 10 家达到千亿美金，他投中了 7 家。

推荐算法年代的以史为鉴

最后剩者为王，最强的产品是能最大化把推荐算法能力爆发的 UGC 短内容生态。AI 时代可能也是，什么产品 最大化发扬模型的超能力 ，能赢。

Sundar Pichai 最新的思考里，只做一件事：做出最好的模型，场景、商业模式 follows。管理 20 万人可以只专注到一件事上捅穿，是有大智慧的。

来源：晚晚的星河日记一点号