之前 @Benchmark 的 @EverettRandle 認為即使在這個AI時代護城河依然在於技術，這和中文圈裏盛行的 營銷/找需求 為重的氛圍完全不一樣。 但其實這兩者之間只是看上去都在AI圈而已，內在本質差別巨大。 —— 讓我們看看原話是什麼： “我們學到的一個重要教訓是，打造優秀的 AI 產品極其困難。它與 SaaS 產品完全不同，不僅是接入 OpenAI API 、在對話框之類地方使用它那麼簡單。在引入 LLMs 等方面有很多不同的環節。你如何改進它們？比如它如何融入一般的工作流程？實際上，要打造一款卓越的 AI 產品，一款能夠超越實驗室應用本身的產品，是極其微妙和複雜的。所以我仍然認為這是技術問題。 實際上這是人才稀缺和人才技術模式的問題，因為懂得以超級智能、有品味的方式構建產品並基於這些模型進行開發的人並不多。這也是為什麼頂尖 AI 研究人員能拿到數十億美元合同的原因。” 而實際上中文圈大部分靠vibe coding做產品的（比如我）並不具備這種實力和品味。 1. 不在LLM研究領域就沒法直接構建這幾年最偉大的幾款產品，而即使套皮也是要有品位的。 2. 由於ai出代碼的速度快，導致一些簡單場景技術不光不再是卡脖子的部分，反而是時間成本最低的部分。那麼選擇先廣範圍營銷/找需求後，再寫代碼，能掙一筆是一筆快速試錯的方法自然會被大多數人選擇，尤其是原本無代碼能力的人。 —— 最後：關注vc的朋友可能已經發現了，@benchmark 是一家vc，所以這些觀點都是vc們根據“應不應該投資”的標準來闡述的。 而ai和超級個體時代裡，產品爆發式的湧現使得絕大部分產品沒必要也不能夠走傳統的vc投資路線。 總之，各玩各的。 @dotey @nake13 @dongxi_nlp @chaowxyz