纵观科技革命的历史规律，每一次技术革新后都会涌现大量的应用产品，这个周期大致是2-3年以上。国内大模型的火热已经持续了1年左右，从上半场的追赶GPT-3.5，逐渐演变成了下半场的AI应用。

　　AI应用何时迎来大爆发?市场上有两种声音，一方认为集中精力做好底层大模型，应用能力自然就有了；另一方认为，并不是所有的产品都需要最好的模型去解决。

　　陈春宇属于后者。在他看来，一个创业公司想要更长久的存在，需要在用户的场景里解决好他们的问题，这比模型能力更重要。

　　作为00后的创业者，出生在江西上饶，家庭普通，但父母开明，从小鼓励他自己做决定去探索世界。他称自己为中国应试教育体系下的漏网之鱼，从未参加过中高考，竞赛保送一路到清华。

　　他现有的人生经历堪称一部“爽剧”，惊喜的是这些路径选择的背后，都是他自行根据兴趣探索出来的路。

　　2017年，他发邮件申请在清华的实验室工作，科研期间发表了两篇论文。2020年，受丁香园疫情报告的启发，做了疫情动态地图被众多头部媒体报道，其中有关数据被30余家科研机构使用。这个成果，让他意识到一件事情只要有价值，就会有很多人愿意来帮忙。

　　在第二年源码资本的实习中，参加创业比赛，遇见了第一位投资人。他有了从清华休学的想法，和同学一起做一款沙盒游戏。在这之后，他们见到了朱啸虎，在北京国贸聊了十余分钟，就决定投他们600万。

　　但这段创业经历以失败告终。但他不认为会有“路”这个概念，想要什么，就直接去做。2022年9月初，他再一次创业，在北京设立极群科技。此外，2023年4月6日，在硅谷也注册了GroupUltra Limited。

　　Riffo产品，不是“必然事件”，而是“偶然事件”。刚到硅谷，他需要申请工作签证。面对上百份PDF材料如何搜索客户whatsapp，变得束手无策。

　　他花了两小时用 Python 写了脚本，让AI根据每份材料的内容自动命名归档。就像《黑客与帝国》所言，当你被迫把东西做得很简单时，你就被迫直接面对真正的问题。

　　当他将脚本发布在GitHub和社交媒体上后，意外的事情出现了。上百个用户私信：这个软件可以在哪里下载，很急需。自此，Riffo产品诞生了。

　　除了Riffo产品的完善，他目前从用户的交流中有了一些模糊的感知，他觉得WhatsApp或微信，其实已经不能很好的解决用户沟通的需求，他知道这里会有新的机会。

　　在他的办公墙面上，写下了大量碎片化还不成型的想法。对他来说这是相对漫长的试错指令，将自己抽离出熟悉的环境，持续观察用户的需求，观察和实践将一直反反复复。当AI科技评论在7月的采访中问道，你坚信，未来会有新的产品取代微信吗?

　　陈春宇：我了解自己，知道怎么快速学习一个新领域的知识并做实践。我身边有一群信任我的朋友，愿意和我一起做事。从源码资本实习到第一段和朋友创业，我积累了与投资人争取资源的经验。当时真格基金给我推荐了诸如《黑客与画家》、《硅谷之火》以及一系列伟大公司和人物的传记。

　　看完那些书后，我发现当一个企业家不需要都是天纵之才，很多人其实只是把该做的事情都做好。创业就意味着接受了不确定性，你可能会经历很多次失败，但同样你也会拥有很多次幸运的时刻。

　　只有跳进这片海洋里，我才会随着波浪寻找到自己想做的事情。苏世民有一句话对我影响很大，做大事和做小事的难度是一样的。

　　想要取得一个非凡的成就很难，但我还是想选择最有挑战性的事情，因为能让我成长的更快。当把这些事情想明白了以后，我觉得自己要创业，得拉一支队伍，拿一点钱，把这件事情做起来。

　　陈春宇：一方面，第一段和朋友创业做游戏公司，面临国内游戏行业突然没有版号发放的现状。在涉及面对C端更复杂的环境，初创企业的抗风险能力会差很多。

　　我更喜欢和用户互动从而设计出新产品的创业过程，创业前期其实是试错的过程，我希望能有一个更自由的空间来试错，海外可能更合适。

　　此外，当时我的天使投资人，在我什么都没有的情况下就投了100万。关于这100万，他觉得怎么花都行，拿去旅行也没关系。

　　2022年，我去了像新加坡、韩国等亚洲的其他区域，了解完有了比较明显的感受，全世界最大的市场就在中国和美国。像东南亚，是一个很分散且体量没有很大的地方，这里遇见的人并没有我在北京遇到的人更有趣和更有想法。

　　陈春宇：在来美国前，我在中国注册了这家公司，最早是由奇绩创坛和唯猎资本两个机构投的。当时ChatGPT还没出现，我们做过聊天机器人的Demo，让用户和AI一起玩“你画我猜”，通过发文字的指令进行互动的小游戏。

　　有天在奇绩创坛的路演日展示，被百度的人看到，所以百度就成了我的第一个客户。后来和百度合作，在百度贴吧做了一些趣味bot，在一家什么都没有的公司成为了百度的供应商，其实我们是得到了信任和支持。

　　由于群聊的实践，我们做了第一个产品Moobius，用户案例是计算机文化基础教学群聊。大学的课程群互动性不高，经常会有同学问重复的问题，老师和助教在有限时间内不可能回答所有问题。所以，我们做了群聊，让AI解答问题，每个被AI回答的问题其他同学都可以看见。这个产品得到了清华大学计算机系的支持，用进了课堂的教学。

　　但这只是一个教学实验性质的产品，没办法对外广泛传播。因为在中国做一个聊天软件，需要非常严格的合规。我们目前还没有这个能力，所以只能给清华大学有限范围内的同学测试使用。

　　陈春宇：创业这两年多，这是我一直在学习的事情。当市场上出现一些新产品，我会去研究这个产品是用什么样的方式去解决用户的问题。

　　另外，让我受益匪浅的是在清华辅修过的科学史专业，有位老师叫王程韡。他当时推荐了一本拉图尔的《实验室生活》。在这本书里，我学习了一个概念叫陌生化，意思是你要对自己已经很熟悉的东西假装不熟悉，尝试把自己抽离出来，用很陌生的状态再来重新看你所处的日常生活中的事物。

　　在他的课上，我喜欢上了田野调查。我可以像一位人类学家进入非洲的部落去观察这个部落到底有什么。同样的道理，我观察用户或者重新审视自己的生活，同样也可以陌生化。

　　我会刻意避开像微软或苹果这类大厂的员工，转向观察更大多数的美国人。虽然科技大厂的精英在社交媒体的声音更大，但其他人才是主流人士，这些精英反而成了少数人。

　　我和自己的用户聊天，如果没有告诉他，我能解决他的某个问题，那就是我的失败。用户不会在意技术，他们更关心自己的问题能否得到解决。

　　比如装修工人，他和我讲自己有非常多的小票需要管理，如果丢掉一张小票就会有几百美元的损失。他希望Riffo未来能帮他把所有的小票都管理起来，如果产品能实现这个功能，他愿意每月为Riffo付200美元。

　　陈春宇：现在我们希望能融300万美金。像Riffo这个产品，我们已经收集了很多用户的需求。创业领域有个概念叫PMF。有一种验证，如果你能找到 PMF 的办法，也就是说用户的需求已经多到团队都解决不完了，那就说明用户真的很需要这个产品，那么现在我们就遇到了这个问题。

　　用户反馈的各类场景问题有很高的相似度，我们希望能把它解决的更好。接下来，我们希望让模型跑在用户的Mac 电脑上，这样，所有个人的数据都不用上传到云端，在自己的本地就能用大模型处理。类似很多问题的完善，我们其实是需要招聘更多的工程师以及更优秀的人才来一起解决。

　　我们没有很焦虑，只需要解决好用户的问题，投资人早晚会来，或者说我们的问题解决的很好，我们不需要投资人，用户就可以为我们付费。

　　陈春宇：整体都是使用Mac的知识类用户，具体到行业，会计师对庞杂的小票进行命名有需求；记者对从大量缩略图里寻找图片有需求；仓库管理员或行政人员，对固定资产的登记清单，将文件里的编号与资产人的姓名快速编辑成文件名有需求。

　　目前不做更精准的用户画像，更希望把重命名这个单点功能做好，向所有用户免费提供。未来也不止重命名这一件事，我们会自行随访一些积极的用户，通过了解他们所处的工作场景使用Riffo的体验以及反馈，来一起改进产品。

　　其实最终在用户需求和产品面前，每个用户其实不是一个画像，而是由一个个具体的人组成。我们希望能和本土更多的用户进行更深入的交流，将用户的需求解决的更好。

　　陈春宇：面向C端，我们会免费向大家提供服务。针对C端比较特殊的场景或个人需求，会有收费的会员版本。我们更在意SMB，也就是美国的中小企业，他们可能是规模很小的律师事务所或汽车修理厂，每天面临大量文件需要处理。我们针对他们的场景需求做一套SaaS服务，更好的解决他们的需求。

　　其实我们走的就是PLG（product-led growth）策略，通过提供产品的免费使用，进行终端用户生态的运营，凭借良好的产品力，实现从下而上由终端用户驱动企业采购的B端产品增长。

　　陈春宇：大家会觉得大模型的推理很烧钱，尤其我们为了让用户的体验更好，还用了云端的推理。我们有办法把大模型的成本压缩的很低，比如可以对模型在特定的与文件相关的任务上进行蒸馏，用更小参数的多模态模型，去完成用户相关的任务。

　　我们可以在模型层面的推理上做一些优化，如果不是特别大参数的模型，推理成本已经非常低了。现在我们欢迎全世界任何一个Mac用户来使用Riffo，巴不得所有人来使用我们的产品。

　　AI科技评论：硅谷很多公司对技术路线的选择没有太多执念，比如打造一款伟大的产品，采用什么技术路线好像无所谓。所以在你看来，先思考模型再思考产品，还是先思考产品再思考模型？

　　陈春宇：我并不是大模型领域的科学家，在我的工作中，最首要的是去思考产品以及如何运用好的模型能力去解决用户的问题。我会学习很多大模型相关技术知识，这对于我再去给用户设计好的解决方案，是非常必要的事情。

　　如果不了解大模型的很多东西是如何运作的，那我们可能也没有办法设计出一个好的解决方案。所以我觉得从一个做产品的公司来说，更重要的事情是理解用户和场景，从而做出好的产品，但是理解模型是做出好产品中不可或缺的一步。

　　AI科技评论：最近AI工具聚合网站“DANG”的死亡名单，收录７３８个死了的AI产品。很多产品如果注定会面临英年早逝，你会担心自己的产品吗?

　　陈春宇：我自己是学生物出身，非常理解进化，环境的变化就会导致选择压的变化。在一个巨大的多样性基因库里，会有不同的个体能够存活下来。

　　我没办法说我一定能够成为最终活下来的那一个，如果我们顺着选择压来看，这个选择压就是市场、用户需求以及你的产品和企业本身是否有足够的效率。能考虑到这些选择压的情况下，如果我们能够以更加灵活的姿态不断调整应对这些状况，相应我们就可以活得更久一些。

　　陈春宇：关键还是在能否把用户的问题解决好，并不是说模型的能力越强就一定能解决的越好，最后你会在一个很细的场景下去做权衡。所以我不觉得模型能力最后会成为对创业公司的限制，因为模型能力，最终大家可能都会在几个月或者一两年内追平。

　　一个创业公司想要更长久存在，是需要在用户的场景里去解决好他们的问题，这个比模型能力更重要，因为很多产品的问题其实并不需要最好的模型去解决。

　　像大模型公司，未来会做类似的产品功能，但他们面向的都是几十亿用户，这种体量的用户差异性很大，我的公司可能只要服务好几百万甚至几十万用户，就足够让我公司中的某一个业务活得很好。

　　一个服务几十亿用户的产品，它相对不会有服务几十万用户产品的最好状态，所以我觉得最后市场上还是会留下很多机会。

　　陈春宇：美国对我来说是个陌生的环境，相应可以把田野调查的方法运用的更好。我在逐渐熟悉生活中的一点一滴，比如怎么倒垃圾、怎么扫二维码、怎么停车等等。无数这样微小的细节都会让我重新思考：大家都是人类，人的本质需求最终都是这些，那么在一个不同的文化环境下，这些本质的需求又被以什么样的形态去满足？

　　在国内，我们可以扫二维码付钱，在美国，刷信用卡也能付钱。那么这些事情，其实都能对人的需求有一个更高和更抽象的思考。技术在变化，解决需求的方式也会随之变化，但最终所有产品终归都会回到这些具体的需求上。

　　陈春宇：国内是我直接成长的环境，所有的事物对我来说过于熟悉，即使我尝试把周边的环境陌生化，但还是比不上我直接观察一个陌生的环境。就像乔布斯，他最厉害的能力是一秒钟变成傻瓜，但我不能在很短的时间内变成傻瓜。

　　我来了美国，就真的可以像傻瓜一样。这样我就能更好地理解一个普通用户，他在面临一些情境或者产品，他的心态是什么样的？什么样的解决方案可能更符合他的直觉？

　　陈春宇：一方面，我们会更加关注 Riffo 的产品用户，找到用户具体在哪类场景的需求量更多，很愿意和这些用户进行更深度的交流，指导我们把产品做得更完善。

　　另一方面，我认为聊天软件这件事还有很大的机会，类似微信或WhatsApp，会不会被再做一遍？我从用户的交流中有一些模糊的感知，像WhatsApp或微信，其实已经不能很好的解决用户沟通的需求了。

　　所以我知道这里会有新的机会，现有类似微信这种产品已经十多岁了，所以一定会有新的机会做新的产品，但我现在还没有想清楚，能有的也只是我现在墙上的这种碎片化的想法，它不是一个具体的产品形态，但这是我接下来会去关注的一件事情。

　　这可能对我来说是一个试错的指令，很难预言最后它到底会长成什么样子。我需要更多的观察用户和动手操作，做出一些小样给到用户，看用户是否喜欢或者有没有解决他的问题。我可能得一直反复这样，经历很多的用户以后，才能把最终的产品做出来。

　　陈春宇：有很多，这方面我确实做得不是很好，团队的成员都比较包容我，犯了很多错误，大家也都一起就走过来了，挑战也在慢慢的解决。我目前在学习一些比较经典的理解人的书，像《毛泽东选集》、《大明王朝1566》和《Netflix文化手册》。

　　本文作者rl0209-关注AI原生应用产品，记录科技创业者的故事，期待与感兴趣的读者、创业者、开发者交流。

　　AI 法律公司 Clio 获 9 亿美元融资；阿里云、腾讯云推出 Llama3.1 训练推理服务；可灵国际版上线丨AI科技评论

　　边缘人工智能提供商 Gcore 获 6000 万美元融资；马斯克开训最大 AI 集群，目标年底开发全球最强 AI丨AI情报局

　　炒菜机器人公司橡鹿科技再获京东近 2 亿元投资；袁进辉公司硅基流动新增两位联创，获哈勃智谱 AI 等入股丨AI情报局

　　科大讯飞将在港投资 4 亿港元，专注大语言模型等开发；英伟达 Mistral AI 联手发布 12B 参数小模型丨AI情报局

　　Anthropic 联设 1 亿美元 AI 初创基金；OpenAI推出“小”模型GPT-4o Mini；通义千问大模型技术骨干周畅将离职创业丨AI情报局