企业的第一性是什么呢？其实是极其数字的经济理性。如果褪去各种装饰，那必然回到这里。把企业类比生命体的话，这就是马斯洛说的生理和安全需求。在此之上再进阶当然可以赋予它某种使命和意义。从第一性的视角看，创业的定义就是实现一般人想象中的使用价值向财务价值的跨越。只是中间的这条鸿沟是如此深广，以至于不管掉下去多少公司，都根本看不到填平迹象。
相当多的情况下，失败还不是因为努力不够，而是想象中的使用价值先天就不具备跨越到对岸的可能。不具备跨越可能的使用价值就是假的机会。假的机会还可以进一步分类，比如对某些大企业它有用，但不具备创业价值等。在这篇文章里我们会说几个典型的假的机会。
配套价值
从使用价值的角度看，从声学的麦克风阵列算法到感知的语音识别再到认知的大模型等每个子类别都创造价值，但这类算法往往只在特殊的场景下能用，只有配套价值，是供应链的一个环节，这类情景通常不适合创业。
当企业变成一个纯粹的供应链一环时，需要经营的就远不是自己的技术和产品，还有在整个产业链里面的位置。你的位置和发言权决定了你的生存空间。这时候最适合用波特五力模型。
( https://www.mindtools.com/at7k8my/porter-s-five-forces )
也可以再简化 :使用价值 x 定价权 = 财务价值。
而在过去这条路并非没有成功者。
比如杜比，杜比是事实的行业标准，也是独立品牌，在定价权那个环节，显然大于单纯的技术价值。
比如经常说的激光雷达、楼氏带算法的麦克风等，它们在软硬融合的点上，打磨稀缺性和壁垒（稀缺性支撑定价权）。一定程度上硬的部分总是比软的部分关键。
这种风格实在没那么适合 AI，因为 AI 核心还是软件算法。
在价值链条上，AI 人员擅长的算法，权重实在是低的，不是说这类事情不能做，而是说对 AI 创业者不是什么好的选择。
单纯的具有配套价值的算法就两种宿命：一种是变成公有云的一部分，彻底的无差别货品化变成大白菜，一种则是特别关键了或者成本过高之后最主要的客户会选择公司自研。（还是五力模型）
这种模式我们可以这么总结：算法的使用价值也许大也许小，但定价权很差，所以不是什么好的创业机会。纯粹技术人员找点活做做，赚点钱反倒是更容易些。
上限水温 90 度
很多技术放到 C 端产品上是另一种情况。
它确实可以作为一个核心的新体验的支撑，但不同的场景对所谓可用的划线是不一样的。不同的可用程度对应不同的商业价值。这就是橘猫和小老虎底子上的差异。
这拿过去十年里还算立住的智能音箱最容易看清情况。
智能音箱是不是跨过了可用线呢？
其实是跨过了，但它上限比过去设想的低，既不是通用计算平台，也不是新的入口。而是像燃气灶加没加屏。
大模型出现之前，技术的限度让它还是音箱而不是个人助理和机器人。这种天花板决定了这个过去十年里最具代表性的 AI 产品发展轨迹。（和上面的例子不同，这个是使用价值自身就有问题）
这类产品的奇妙之处在于：假设技术成熟度够，那这种大品类会变成巨头激烈竞争的市场；如果技术不成熟，那就还是传统品类。
汤因比对文明的总结有个很有意思的观点：周围环节太酷烈和太安逸都不灵，而是要适度的刺激。这对于在这个方向上立住产品很关键：音箱就是太酷烈，活着费劲；电脑就是太安逸，没有活性和新机会。反倒是无人机、扫地机这类早期看似边缘的新品类得到了立足发展的机会，并且随着市场的扩大谋求到了自己的广阔空间。
在此之外，真做这类产品，骨子里一上来就需要明确自己的定位其实是小米、大疆这类 C 端消费品的公司，要通过新类目的机会树立自己的品牌。需要围着品牌渠道打，不能围着技术转。
这是一种没有网络效应的硬应用。就是需要把传统消费品的事做好。很是忌讳老琢磨后端变现。因为早期团队就那么多精力，老惦记后端变现，很容易导致你前端产品干不好。
在这个逻辑下，技术虽然很关键，但还是局部，可 AI 人员创建这类公司很容易整成技术人员管整体，这很麻烦，相当于局部大于整体。实际需要调过来，产品的权重也大于技术点，是产品驱动研发而非调过来。（这点看苹果就可以了）
总结下，对于这么个需要重度投入的复杂方向，如果上限水温是 90 度，那努力不说白搭，成效很难好是大概率事件。
管理运营最重要
也可以叫项目制。
项目制因为最容易捕捉用户需求所以最容易跑出现金流。
大家如果仔细看就会发现稻盛和夫的京瓷在早期其实做很多定制型项目工作。
项目制的麻烦在于需要运转很多个经营单元，与此同时还需要提供某些统一服务。有的地方适合分开，有的地方适合整合在一起。（阿米巴、中台处理的都是那里分那里合的问题）
AI 技术一般在需要被整合在一起的部分。
这时候负责 AI 技术的部门产出的可复制性就很关键。如果这地儿供给不足那相当于不管多么花里胡哨最终抢占的还是一个 CPU，固定的 CPU 就有那么大计算量。业务本质上是没法扩张的。
假设这个带宽够，那这事会变成什么样呢？
这会变成拼精细化管理运营的活，更麻烦。
( https://www.statista.com/statistics/1133436/challenges-digital-transformation/ )
( 真做管理运营，数字化需要解决的问题一个也漏不下，本质是一个事，而数字化的成功率基本是九死一生）
管理运营是一个每个人都觉得自己擅长，但其实所谓的擅长都是在 60 分以下的擅长。
宁高宁说的回到教科书其实是对的，但用最正常的思路也能想明白：创业早期的核心竞争力变成管理运营，这对于绝大多数场景肯定不靠谱。有点像钢铁侠体格不行，但战甲太重直接被压垮了。
确实有几类场景会把管理运营的重要度加剧到无以复加的地步，比如项目制，比如长链条运转。长链条运转是指包括售前、产品、软件、硬件、供应链、客服、软件还得分算法、云端、前端、客户端、测试等需要紧密配合，才能推动着业务的螺旋持续放大。
这类活分钱搞不好（机制建设），那不管加多少人都白搭，越加人人效越差。
解决这情况的本质方法理论上有三个：
一个是躲开，比如你做微信类产品，那就还好。当然 WhatsApp 190 亿美金被收购的时候也不过 30~40 人，还是就干一个产品，这就好整。
一个方法是正面迎上，这要真干好了，还真无敌。同其它公司竞争的时候很像终结者对战僵尸。提到华为大家经常说技术，但技术是结果，华为的成功其实是组织和机制的成功。只是绝大多数人实在不能类比任正非先生。
一个方法是让碳基算法上，但现在其实没有真的能解决这问题的通用产品。这事是可能的，如果把抖音、MCN、主播看成一个公司，这无疑的是阿米巴最成功的实现，是活力和规则的高度统一。
总结下，这种模式下，使用价值的实现可以实现就是很难控制实现的成本，再加上定价权的约束就很像需要把比较干的毛巾拧出水来，和大部分创业者擅长的事是背离的。
重资本游戏
还有些机会确实是新机会，但其实非常大的权重是资本的游戏。不是说技术不重要，而是说这变成大资本和高端技术的综合体。最典型的就是的大模型。这领域从资本的角度看和过去修铁路、修公路其实没差别，但它又需要极高的人才密度。真的是只有非常少的一部分有资格做这事。 ( OpenAI 干技术的算 200 人，最终地球上肯定不需要 100 个 OpenAI，所以一共不要 2 万人，大多是跟着凑热闹的）
在过去有鸡头凤尾一说，但按照前面提到过的数字空间会具有名实唯一特征，那在这类别下其实就没有鸡，只有凤。鸡很快会被折磨死的。更进一步这类产品是典型的大赢大输。一般人应该对它的应用特性和潜能保持理解，其实可以离这领域远一点。（最容易纠结的是贴点边的研发人员，这时候特别考验急流勇退的智慧和勇气）
总结下，这类领域不适合用上面说的使用价值和定价权了，本质就是门槛太高，做不起。贴边的适合自我降维。
AIGC 名字里的密码
那新机会到底来自那里呢？换个视角就是新类别从那里诞生呢？
从外往里看，首先要做的一定是个新类别，而新类别的原点我认为在 AIGC 这个名字里面。这个最原始的词其实是有密码的。
要思考的是 GC（Generate Content）的内容和场景如何结合叠加。
忽略成绩大小，过去其实有点成绩的产品都是围绕这个转，或者直接就是内容生成的工具，或者就是在包装生成的内容。
但凡深度依赖 GC 的必然是新品类，因为过去这事就做不了。
在此之上才是和场景结合，这个过程中需要砍掉那些对着电影里面产生的关于 AI 的虚幻发散枝杈。（我自己也在尝试，但需要点时间，有进展了后面再说。）
小结
明治维新那个年代的涩泽荣一写过一本叫《论语与算盘》的书，说的正是古代儒家的义利之辨，我们当然可以让义利两者复合，为企业赋予更高维度的价值，组织有更高的追求，不单搞定经济现实还让他有意义。这样确实可以走的更高更远，否则很难持续开创出 chatGPT 这类产品。但这篇说的不是这个，而是最最基础的脚下。
来源：钛媒体
