给我创业者朋友的一点善意建议：在思考你们的产品定位（positioning）时，请优先为客户和市场服务，而不是为投资人和媒体服务。 举个例子：我看到大量创业公司把自己定位成“AI-first（以 AI 为先）”的产品。但当所有人都在说自己是 AI-first 时，这个标签本身就几乎不再传递任何价值了。 回想一下智能手机刚出现的年代。当时也有很多公司宣称自己是“mobile-first（移动优先）”。但其中大多数并没有真正做起来，因为用户并不清楚：“移动优先”到底为我创造了什么价值？ 所以，当你描述你是谁、你在做什么的时候，请从客户的视角出发：你做的事情，究竟如何转化成对他们的实际价值？ 假设你正在开发一个后台系统，它会自动审查公司签署的每一份供应商合同，检查是否偏离公司内部政策。 它平时安静地在后台运行，只有在发现风险时才发出警报。 你可以用两种方式来描述它： 方式一： 我们是一个 AI-first 的供应商合同审查产品。我们使用最先进的 AI 模型来阅读每一份合同……此处省略若干技术细节…… 方式二： 我们打造了一个你永远不会看到、却最聪明的供应商合同审查系统。它利用 AI 拆解每一份文件，默默替你盯住风险，保护你的企业。 看出区别了吗？ 帮助你的客户理解你为他们做了什么。如果你把这件事讲清楚了，你其实也已经同时回答了投资人的问题。 相信我——投资人也并不真正知道“AI-first”到底意味着什么。我这么说，是因为我自己就是一名独立投资人，已经投资了 150 多家初创公司。 这是一个非常有趣、也非常令人兴奋的创业时代。 祝你们一切顺利！ Friendly advice for my startup founder friends: When coming up with your positioning, solve for your customers and your market -- not for investors and media. Example: I see a ton of startups that are positioning themselves as "AI-first" products. But when every startup is calling itself AI-first, nobody is really getting much value from that label. Think back on when we had the smart phone come out. Back then, a bunch of companies said they were "mobile first". Most of them failed to take off, because it was unclear what value being "mobile first" was creating for their customers. So, when describing who you are and what you do, frame it from the perspective of your customers. How does what you do translate into value for them? Let's say you were building a back-office system that reviewed every vendor contract a company signs looking out for deviations from company policy. It runs quietly in the background until it needs to raise an alert. You could approach this in two ways: 1) We have an AI-first vendor contract review product. We use the most advanced AI models to read through every contract...blah...blah...blah. 2) We have the smartest vendor contract review system you'll *never* see. It uses AI to dissect every document, watch your back and protect your business. See the difference? Help your customers understand what you do for them. If you get that right, you'll have addressed investors too. Trust me, investors don't know what "AI-first" really means either. I say that as an indie investor that's invested in 150+ startups. These are fun and exciting times to be building. Best wishes!
目录
观点原文
给我创业者朋友的一点善意建议：在思考你们的产品定位（positioning）时，请优先为客户和市场服务，而不是为投资人和媒体服务。
举个例子：我看到大量创业公司把自己定位成“AI-first（以 AI 为先）”的产品。但当所有人都在说自己是 AI-first 时，这个标签本身就几乎不再传递任何价值了。
回想一下智能手机刚出现的年代。当时也有很多公司宣称自己是“mobile-first（移动优先）”。但其中大多数并没有真正做起来，因为用户并不清楚：“移动优先”到底为我创造了什么价值？
所以，当你描述你是谁、你在做什么的时候，请从客户的视角出发：你做的事情，究竟如何转化成对他们的实际价值？
假设你正在开发一个后台系统，它会自动审查公司签署的每一份供应商合同，检查是否偏离公司内部政策。
它平时安静地在后台运行，只有在发现风险时才发出警报。
你可以用两种方式来描述它：
方式一：
我们是一个 AI-first 的供应商合同审查产品。我们使用最先进的 AI 模型来阅读每一份合同……此处省略若干技术细节……
方式二：
我们打造了一个你永远不会看到、却最聪明的供应商合同审查系统。它利用 AI 拆解每一份文件，默默替你盯住风险，保护你的企业。
看出区别了吗？
帮助你的客户理解你为他们做了什么。如果你把这件事讲清楚了，你其实也已经同时回答了投资人的问题。
相信我——投资人也并不真正知道“AI-first”到底意味着什么。我这么说，是因为我自己就是一名独立投资人，已经投资了 150 多家初创公司。
这是一个非常有趣、也非常令人兴奋的创业时代。
祝你们一切顺利！
Friendly advice for my startup founder friends:
When coming up with your positioning, solve for your customers and your market -- not for investors and media.
Example:
I see a ton of startups that are positioning themselves as "AI-first" products. But when every startup is calling itself AI-first, nobody is really getting much value from that label.
Think back on when we had the smart phone come out. Back then, a bunch of companies said they were "mobile first". Most of them failed to take off, because it was unclear what value being "mobile first" was creating for their customers.
So, when describing who you are and what you do, frame it from the perspective of your customers. How does what you do translate into value for them?
Let's say you were building a back-office system that reviewed every vendor contract a company signs looking out for deviations from company policy. It runs quietly in the background until it needs to raise an alert.
You could approach this in two ways:
- We have an AI-first vendor contract review product. We use the most advanced AI models to read through every contract...blah...blah...blah.
- We have the smartest vendor contract review system you'll never see. It uses AI to dissect every document, watch your back and protect your business.
See the difference?
Help your customers understand what you do for them. If you get that right, you'll have addressed investors too. Trust me, investors don't know what "AI-first" really means either. I say that as an indie investor that's invested in 150+ startups.
These are fun and exciting times to be building. Best wishes!
ABAB AI 解读
这段话表面是在聊产品定位和文案，但站在最高认知层级，它其实在讲一个被 90% 创业者忽视的底层真相：
定位不是你“是什么”，而是你“替谁解决了什么问题，并且为什么非你不可”。
我从认知误区 → 结构性错误 → 可复用原则三个层次来解读。
一、“AI-first”不是优势，而是一种认知偷懒
这段话最狠的一点在于：它直接戳穿了当下创业圈最普遍的集体幻觉。
当所有人都在说：
- AI-first
- Powered by AI
- Built with cutting-edge models
- 这些词的信息含量已经趋近于 0
原因只有一个：技术标签，从来不会自动转化为客户价值。
客户不关心：
- 你用的是 GPT-4、Claude 还是自研模型
- 你是不是“first”
客户只关心：
- 我现在的痛点是什么
- 你能不能更快 / 更安全 / 更便宜 / 更省心地解决
一旦你用“AI-first”来做定位，本质是在把“解释责任”甩给用户。
二、移动互联网的历史，已经给过一次标准答案
文中提到 “mobile-first” 的类比，非常关键。
当年失败的“mobile-first”公司，死因几乎一致：不是移动没价值，而是 “为什么必须是移动？”没人说清楚
真正成功的公司，从不说“我们是移动优先”，而是：
- 随时随地打车
- 随时拍照即分享
- 碎片时间完成支付
也就是说：用户感知到的是“能力变化”，而不是“技术变化”。
这是一个极其重要的规律：
- 技术永远在后台
- 价值永远在前台
三、两种产品描述的差别，本质是权力站位不同
文中那两个例子，表面是文案对比，实际上是话语权结构的对比。
第一种说法的问题在哪里？
“我们是 AI-first 的合同审查产品……”
这句话的潜台词是：
- 我在向你证明我很先进
- 你需要先理解我用了什么
- 然后你才能推导出：这对你有没有用
- 这是创业者中心视角。
第二种说法为什么高级？
“你永远不会看到的合同审查系统，它在后台默默保护你。”
这句话一上来就完成了三件事：
- 明确结果（保护你）
- 明确体验（无需打扰）
- 明确价值（风险被提前拦截）
- AI 在这里不是卖点，而是可信度增强器。
这是客户中心视角。
顶级定位的特征是：客户不需要懂你，但能立刻信你。
四、这段话真正想提醒创业者的，是一个残酷现实
如果你连客户价值都说不清楚，那你其实也不该融资。
因为：
- 投资人投的不是技术
- 投的是“客户愿不愿意掏钱的确定性”
所谓“讲给投资人听的故事”，如果不能同时讲给客户听，那它大概率只是一个自我感动型叙事。
这也是为什么作者说：“投资人也不知道 AI-first 到底是什么意思。”
这句话的潜台词是：
- 投资人要的是可被市场验证的价值结构
- 而不是流行词拼装
五、这段话给创业者的真正“硬核原则”
可以浓缩为 4 条可长期使用的定位铁律：
1️⃣ 定位先回答“对客户有什么不同”，再回答“我怎么做到的”
永远先讲结果，再讲方法。
2️⃣ 技术只在两个地方出现
- 可信度增强
- 成本/体验/速度解释
- 永远不要作为主标题
3️⃣ 如果你的定位需要解释 3 分钟，说明你还没想清楚
好定位是一句话就能被客户转述的。
4️⃣ 当所有人都在用同一个标签时，这个标签已经死亡
真正的机会，永远在反共识表达里。
六、一句话的终极解读（重点）
这段话真正的核心只有一句：定位不是为了显得先进，而是为了让客户立刻明白：“不用你，我会更糟。”
如果你把这件事讲清楚了：
- 客户会懂
- 投资人会懂
- 媒体自然也会懂
而如果你讲不清楚，再多的 “AI-first”，也只是噪音。
这不是文案建议，而是创业成败的分水岭级认知。
相关观点
- 我作为一名创业者，只有 30 多年的经验，但我也完全同意这一点。 真正判断一个想法是好是坏的唯一方式，就是去测试它。 好消息是，如今测试想法，比历史上任何时候都要容易得多。 I have only 30+ years of experience as an entrepreneur, but I too agree. The only way to truly know whether an idea is good or bad is to test it. Good news is that it's easier to test ideas now than it has ever been.dharmesh · 2026/01/18
- 是的，变化确实非常快，但我也看到很多公司（甚至包括 FAANG）在没有任何正当理由的情况下，远远落后于技术前沿。 一旦落后，你几乎注定会输。 下面是“不犯非受迫性失误的 AI 领导者作战手册”： 对你的团队： 使用编程 Agent。给所有工程师自由选择工具和模型的权利：Claude Code、Cursor、Devin，支持闭源/开源模型。听说 Meta 的工程师被强制使用 Llama 4。Opus 4.5 现在应该是基线。 给 Agent 接入所有开发工具。Linear、GitHub、Datadog、Sentry，以及任何内部工具。如果 Agent 因为缺乏上下文被限制，那是你的责任。 为你的代码库投资专用的 Agent 文档。别再说“它不擅长做 X”。如果有问题，就改进提示、agents.md、lint 规则和代码规范。告诉它你希望事情怎么做。你每一次手动修改代码，都是一次改进 agent.md 的机会。 投入强大的后台 Agent 基础设施。在 VM / 沙盒上跑完整的开发栈。是的，搭建很难，但绝对值得——工程师可以并行跑多个 Agent。很快，代码审查会成为瓶颈。 解决安全问题。别再过度保守，为了解锁工具访问，该做的就做。 在你的产品中： 始终使用最新一代模型。 尽快从上一代模型迁移，除非有严格评测证明不该换。 这意味着每 1–2 周就要更新一次。例如：GitHub Copilot Mobile 仍在用 GPT-4.1 和 Sonnet 3.5 做代码审查（@jaredpalmer）。如果你还在用 Sonnet 4 或 GPT-4o，你正在白白丢钱。 用向量嵌入语义搜索，替代模糊搜索。 任何通用 embedding 模型，都会比 Levenshtein / 模糊匹配启发式算法更好。 不要留下任何空表单。 使用结构化输出，并结合你已有的用户上下文，尽最大努力自动预填。 在所有产品界面支持非结构化输入。 必须接受自由文本和文档输入。表单已经过时了。 自定义微调已经死了。 别再浪费时间。前沿发展太快，不值得花 8 周做微调。 成本下降太快，价格已经不重要。更好的提示工程能带你走很远，而且随着指令遵循能力提升，这一点只会更真实。 构建评测体系，快速做模型升级决策。 不需要完美，但至少能做模型间的相对比较。 大多数决策在 成本 vs 基准性能的帕累托图 上会一目了然。 鼓励所有工程师用 AI 构建。 提供基础能力： * 从任意代码库/模型调用 * 结构化输出 * 语义相似度接口 * 沙盒代码执行等等。 我还遗漏了什么？ yes things are changing fast, but also I see companies (even faang) way behind the frontier for no reason. you are guaranteed to lose if you fall behind. the no unforced-errors ai leader playbook: For your team: - use coding agents. give all engineers their pick of harnesses, models, background agents: Claude code, Cursor, Devin, with closed/open models. Hearing Meta engineers are forced to use Llama 4. Opus 4.5 is the baseline now. - give your agents tools to ALL dev tooling: Linear, GitHub, Datadog, Sentry, any Internal tooling. If agents are being held back because of lack of context that’s your fault. - invest in your codebase specific agent docs. stop saying “doesn’t do X well”. If that’s an issue, try better prompting, http://agents.md, linting, and code rules. Tell it how you want things. Every manual edit you make is an opportunity for http://agent.md improvement - invest in robust background agent infra - get a full development stack working on VM/sandboxes. yes it’s hard to set up but it will be worth it, your engineers can run multiple in parallel. Code review will be the bottleneck soon. - figure out security issues. stop being risk averse and do what is needed to unblock access to tools. in your product: - always use the latest generation models in your features (move things off of last gen models asap, unless robust evals indicate otherwise). Requires changes every 1-2 weeks - eg: GitHub copilot mobile still offers code review with gpt 4.1 and Sonnet 3.5 @jaredpalmer. You are leaving money on the table by being on Sonnet 4, or gpt 4o - Use embedding semantic search instead of fuzzy search. Any general embedding model will do better than Levenshtein / fuzzy heuristics. - leave no form unfilled. use structured outputs and whatever context you have on the user to do a best-effort pre-fill - allow unstructured inputs on all product surfaces - must accept freeform text and documents. Forms are dead. - custom finetuning is dead. Stop wasting time on it. Frontier is moving too fast to invest 8 weeks into finetuning. Costs are dropping too quickly for price to matter. Better prompting will take you very far and this will only become more true as instruction following improves - build evals to make quick model-upgrade decisions. they don’t need to be perfect but at least need to allow you to compare models relative to each other. most decisions become clear on a Pareto cost vs benchmark perf plot - encourage all engineers to build with ai: build primitives to call models from all code bases / models: structured output, semantic similarity endpoints, sandbox code execution. etc What else am I missing?dharmesh · 2026/01/01
- Hannah Stolberg 与 Team OS：把团队隐性知识变成 AI 可调用的组织操作系统Hannah Stulberg · 2026/04/17
- Evan Spiegel：拒绝被收购，不做流量生意，只押注下一代计算平台Evan Spiegel · 2026/04/16