第一性原理做产品1从《创新者的窘境》看AI颠覆——为什么大模型不是护城河本文是专栏「第一性原理做产品AI时代从能做到做好的破局之道」第1篇。我们用第一性原理重新解读六部经典产品/商业著作在AI时代提炼新的产品方法论。一、你正在追逐的可能是别人的游戏现在做AI产品你一定听过这些话“我们的模型参数又涨了。”“我们用的是最新的MoE架构。”“我们在MMLU榜单上超越了GPT-4。”听起来很厉害对吧但请你停下来想一个问题如果明天OpenAI发布了一个新模型在所有指标上碾压你你的产品还剩什么如果你的答案让你感到不安那么恭喜你——你正在经历Clayton Christensen在1997年就精准预言过的创新者窘境。1997年Christensen出版了《创新者的窘境》The Innovator’s Dilemma。这本书讲的是硬盘行业的故事但它的洞见穿透了时间在AI时代比任何时候都更锋利。Christensen的核心发现是什么大公司并不是被做得不好打败的。恰好相反大公司是在做得太好这件事上被颠覆的。他们在持续性创新Sustaining Innovation上无敌——但恰恰是这种无敌让他们在颠覆性创新Disruptive Innovation面前脆弱得像纸糊的一样。为什么因为大公司被价值网络Value Network绑架了。他们的客户、股东、组织流程、KPI体系全部围绕服务现有客户赚取更高利润来运转。当一个颠覆性技术出现时它最初的表现往往不如现有方案——它更便宜、更简单、更差劲。大公司的现有客户看不上它大公司的利润模型支撑不了它于是大公司选择理性地忽视。而颠覆者就在这个被忽视的角落里生长从低端市场切入逐步提升性能最终吃掉整个市场。这就是《创新者的窘境》的核心洞见。但它跟AI有什么关系关系大了。二、AI时代的两条路你走在哪一条让我们把Christensen的框架平移到AI时代。你会发现整个AI行业的竞争格局清晰得令人窒息。2.1 大模型是持续性创新——这场游戏你赢不了持续性创新的定义是什么在现有性能维度上做得更好。更快、更大、更准、更强。大模型竞赛是不是这样完全就是。GPT-3到GPT-4参数从1750亿到据说1.8万亿。Claude 2到Claude 3上下文窗口从100K到200K。Gemini、Qwen、DeepSeek……所有人都在同一条赛道上比拼同一个指标模型能力。这是一场持续性创新的战争。而在持续性创新上大厂几乎一定会赢。原因很简单持续性创新拼的是资源。算力、数据、人才、资金。大厂拥有所有这些要素的绝对优势。Google有TPUMeta有开源生态Microsoft有Azure和OpenAI绑定。你一个创业公司拿什么拼OpenAI是例外吗不是。OpenAI恰恰证明了规则——它之所以能跑出来是因为它在2015年就起步了那个时候大模型还是一个没有现有客户的领域大厂的价值网络还没有覆盖到这里。但一旦大厂意识到这个赛道的重要性OpenAI立刻需要Microsoft的130亿美元投资才能继续玩下去。所以如果你现在还在想我要做一个更强的模型来建立护城河请立即停止这种想法。这不是护城河这是给大厂当陪练。2.2 真正的颠覆从低端切入重新定义游戏颠覆性创新的特征是什么它不是在现有维度上做得更好而是重新定义了好是什么。Christensen在书中举了一个经典案例钢铁行业。大型综合钢厂如美国钢铁公司在高质量钢材上不断精进而小型电炉钢厂如Nucor从废钢回收起步生产的是低端钢筋。大钢厂看不上这块市场——利润太低客户太小。但小钢厂在这个低端市场站稳脚跟后逐步向上突破最终把大钢厂赶出了整个市场。AI时代的颠覆者走的是完全一样的路径。来看三个案例。三、三个案例谁在颠覆谁在被颠覆案例1GPT套壳产品——持续性创新的附庸2023年到2024年出现了无数GPT套壳产品。它们的基本逻辑是接入OpenAI的API加一个UI就叫AI写作助手、AI客服、AI翻译……这些产品有一个共同的问题它们没有独立的价值主张。它们的好完全依附于底层模型——底层模型变强它们就变强底层模型变弱它们就变弱。它们做的事情本质上是在持续性创新的列车上买了一张站票。当OpenAI自己推出ChatGPT Plus、GPTs、GPT Store时这些套壳产品瞬间失去了存在的意义。因为它们的价值网络和OpenAI的价值网络完全重叠而OpenAI拥有底层模型的绝对控制权。这不是颠覆性创新这是寄生。而寄生者没有未来。案例2Cursor——不是在更好的代码补全上竞争现在来看一个反例Cursor。当GitHub Copilot已经占据了AI代码补全的心智时Cursor做了什么它没有去跟Copilot比谁的补全更准。它重新定义了AI编程这件事。Copilot的范式是IDE AI插件。你写代码AI帮你补全。Cursor的范式是AI原生编程环境。你描述意图AI帮你实现你可以直接跟代码库对话可以一键apply AI生成的改动可以在编辑器里跟AI进行多轮迭代。Cursor不是在持续性创新的维度上跟Copilot竞争。它创造了一个新的维度——“AI First的编程体验”。在这个新维度上Copilot反而是落后的——因为Copilot被GitHub的价值网络绑定了它必须兼容现有的IDE和工作流不能做一个完全AI原生的东西。这就是颠覆性创新的经典路径你不是在现有战场上做得更好而是换了一个战场。案例3Midjourney——不是更好的图像生成而是更好的创意工具DALL-E 3出来的时候很多人说Midjourney完了。毕竟DALL-E背靠OpenAI文字理解能力一流而且和ChatGPT深度集成。但Midjourney不仅没死反而活得越来越好。为什么因为Midjourney从一开始就没有在图像生成质量这个维度上跟DALL-E死磕。Midjourney选择了一个不同的战场创意工作流。Midjourney的产品设计围绕创意迭代展开你可以用remix模式对生成结果进行微调可以用vary region做局部修改可以用describe从图片反推提示词可以在Discord里跟社区一起创作。Midjourney不是在做一个更好的AI画图工具而是在做一个AI原生的创意协作平台。DALL-E的价值网络绑定了OpenAI——它必须跟ChatGPT集成必须服务于对话式AI的战略。这让DALL-E很难在创意工作流这个维度上跟Midjourney竞争。Midjourney赢了不是因为它技术更强而是因为它选择了一个大厂不擅长的战场。四、实操框架AI产品的颠覆性机会评估矩阵基于以上分析我为你设计了一个简单的评估框架。当你思考一个AI产品机会时把它放进这个2x2矩阵里看看它落在哪个象限。持续性创新在现有维度上做得更好颠覆性创新重新定义好是什么大厂擅长算力、数据、渠道、生态死亡区大模型竞赛、通用AI助手、AI搜索跟Google/Bing拼战略区需要大厂资源但能重新定义品类的机会如Apple Vision Pro式的硬件AI大厂不擅长垂直场景、新工作流、社区驱动、小众需求存活区垂直领域的AI微调、行业知识库、专业翻译可做但天花板低黄金区Cursor式的AI原生工具、Midjourney式的创意平台、行业AI工作流重塑如何使用这个矩阵如果你的产品落在死亡区——立即调整方向。你不可能在通用大模型上拼过Google/Microsoft/Meta。如果你的产品落在存活区——可以活但要做深做透垂直场景建立数据和关系壁垒。如果你的产品落在战略区——需要极强的资源整合能力一般不适合初创团队。如果你的产品落在黄金区——这就是你该全力投入的方向。找到一个大厂看不上、做不好、或者被价值网络绑住手脚的切入点重新定义用户对好的认知。判断黄金区机会的三个标准大厂看不上这个市场现在看起来太小大厂的ROI算不过来大厂做不好这个需求跟大厂现有的产品逻辑冲突他们不能做大厂来不及这个市场变化太快大厂的决策链条跟不上五、行动清单读到这里你可能会问“道理我都懂了但具体怎么做” 以下是你可以立即开始的三件事第一步审视你当前的产品。用上面的矩阵诚实地评估你的产品落在哪个象限。如果你在死亡区不要自欺欺人——现在调整方向比六个月后被迫调整要好得多。第二步寻找被忽视的角落。问问自己有哪些用户需求大厂因为不够大“不够赚钱”不够性感而忽视了这些需求里有没有AI可以重新定义好的机会第三步重新定义你的竞争维度。不要问我的AI比大厂强在哪里而要问我在做什么大厂不会做的事情。如果答案是什么都没有那你就需要重新思考了。六、一个提醒Christensen在书里反复强调一个观点颠覆性创新不是技术问题而是战略问题。颠覆者用的技术往往不是最先进的——小钢厂用的电炉技术大钢厂十年前就掌握了。但大钢厂选择不用因为他们的价值网络不允许。AI时代也一样。Cursor用的底层模型Copilot也能用。Midjourney用的扩散模型跟Stable Diffusion没有本质区别。真正让它们颠覆的不是技术而是它们选择了一个不同的战场。所以下一次当你听到有人说我要做一个更强的AI模型时请记住Christensen的警告“好的敌人往往是更好”。下一期预告第2篇《从〈从0到1〉看AI创业——在能做通胀时代找到你的秘密》。Peter Thiel说竞争是失败者的游戏在AI让能做变得无比廉价的今天这句话比任何时候都更致命。我们下周见。如果这篇文章对你有启发欢迎点赞、收藏、转发。你的支持是我持续创作的动力。投票你觉得你的AI产品目前处于哪个象限A. 死亡区——正在跟大厂拼模型能力有点慌B. 存活区——垂直场景暂时安全但天花板可见C. 黄金区——找到了一个被忽视的角落正在发力D. 还在探索中不确定评论区话题你见过哪些AI产品看似在颠覆实际上只是持续性创新的附庸欢迎在评论区分享你的观察。关于这个专栏「第一性原理做产品」是一个用经典商业理论重新解读AI产品实践的深度专栏。每篇文章结合一部经典著作剖析一个AI时代的核心命题提供可复用的实操框架。如果你也在思考AI让’能做’归零之后做好’到底靠什么欢迎关注本专栏一起探索。