这篇不是创业指南。它更接近一些我攒了好几年才终于写成文字的东西，这几年里我一直在自己做东西、在旁观，也亲手搞砸过不少事。
AI 让做东西这件事，成本一下子低了很多。可围绕创业公司的那套融资和组织逻辑，还没有跟上。
套壳产品的墓地
在 AI 热潮的第一波里，一款产品只要套上一个大模型，加点提示词工程，给聊天框换层新皮肤，就还能融到一笔像样的钱。那会儿模型能力每隔几个月就往上跳一截，演示出来看起来都像魔法。
回头看，这些产品大多已经不在了。风投把选品范围收得很窄，原因可以理解。如果你的护城河只是一段提示词，那下一个模型版本就是你的竞争对手。2022 年 10 月，Jasper 以 15 亿美元估值融了 1.25 亿美元，卖的是 AI 文案。一个月后 ChatGPT 来了，直接把这个产品的核心免费送给了所有人。等到 Claude Code 和 Codex 推出，同样的事落在一整代编程工具头上。这些创业公司没有突然变得不擅长自己做的那件事，只是底层模型把那些原本收费的能力，吸收成了基础设施。
一次模型升级，不是普通的竞争对手。普通对手还得读懂你的产品、复刻你的工作流、去跟你的用户抢市场。而模型供应商只需要把能力往前推一步，你产品里的一大块就整个消失了。Windsurf 在 2025 年更惨烈地体会到了这一点。就在 OpenAI 以 30 亿美元收购它的节骨眼上，Anthropic 切断了它的 Claude API 访问，交易黄了，公司也被拆分。Google 拿到了技术授权、把创始人招走，Cognition 接走了剩下的部分。模型供应商既是你的供货方，又是你的竞争对手，有时候还掌握着你这篇故事要怎么收尾。
复杂的地方在于，过去两年里跑得最快的公司中，也有不少是套壳的。Cursor 套壳，Perplexity 套壳，Harvey 也套壳。所以，问题不在"套壳"和"不套壳"的对立。真正的分界线，是看你到底握着什么：是一门模型还没完全掌握、下一版发布就会悄悄收回的能力，还是模型发布永远无法自动给到你的工作流、分发渠道和行业知识。太多团队把第一样当成了第二样。他们把模型暂时做不到、和马上就能做到之间那个小小的缝隙，当成了一片能长久存在的市场。
投资人的账本没有变
一片产品的墓地，不代表硅谷那套账本也跟着变了。只要剩下的那一家能长成独角兽，风险投资人依然能接受一百次下注里九十九次归零。对这位投资人来说，这笔账算得完全理性。他买的不是一家安安静静、稳稳赚钱的小生意，他买的是一份改变整个行业的期权。
也就是说，人们熟悉的那套创业游戏，奖励的仍然是最宏大的故事。你可以耐心地搭东西，但故事不够大的话，就很难为传统的创业配置融到足够的钱。十倍、百倍的增长，做成平台，做出网络效应，这些比"咱们先认真解决一个小问题，看看有没有人愿意付费"更契合那本账。
问题不在于讲故事。每一份融资路演都得描述一个未来。问题在于，故事里的那个未来，总是抢在今天的证据之前先到。于是团队开始按故事去摆布现实，而不是让现实来改写故事。
把摆布现实推到极致，它就变成字面意思了。Builder.ai 融了大约 4.5 亿美元，2025 年崩了，内部调查把它的营收重新核定到大约原来披露的四分之一。Nate 是一个人工智能购物助手，最后被发现其实靠一个呼叫中心在运作，创始人被控欺诈。这些是极端案例，但它们都扎在同一个寻常的种子里：一个必须比证据更庞大的故事。
当烧钱变成去融资的理由
通常的说法是，创业公司融资是为了活下去。团队要发工资，办公室要交租金，公司还得招人、做管理、做营销。所以，公司只能不停去融下一轮。
我越来越觉得，因果关系常常是反的。
对许多不在具身智能、机器人和硬科技圈子的团队来说，从演示产品走到初期产品、联系早期客户、检验需求，根本不需要一屋子员工。两三个有干劲的创始人，再加上两三个 Claude 和 Codex 账号，就已经能走完这段路。
先把团队招起来、把场地租下来，这首先制造了一笔巨大的生存成本。这笔成本接着就反证，融资是不可或缺的。钱到账之后，扩团队看起来就是顺理成章的事，因为钱总得花出去。
烧钱支撑了融资，融资又制造了更多烧钱。很快，团队存在的目的就不再是检验需求了。需求必须看起来足够庞大，团队才能继续存在。一个本该两周就被证伪的假设，变成了一条没人敢承认是错的战略方向，因为几十份工资现在就压在它上面。
替代的幻想
AI 也让"产品"这个词显得更空了。大多数产品并不是凭空造出一片蓝海，它们想象的是取代某种既有工作方式里的一个环节。我在校那阵子，自动求职助手和约会助手是很流行的想法。两者都依赖大模型的能力，也都基于同一个推断：原来的流程很烦人，所以人们肯定愿意把它交给一个智能体。
可一个繁琐的流程，不意味着它就自动该消失。流程本身可能藏着内嵌的价值，只有那个行业的内部人才能真正看懂。有时候那是一条心照不宣的规矩，有时候是某人的利益就押在"那种麻烦最好原封不动"上面。而且，就算一个流程本该消失，用户也未必愿意让它被智能体去掉。
一个项目起步时，也总是塞满了一堆还没人验证过的假设。就拿求职助手来说。它得跨平台拿到最新的职位列表，这就意味着要解决 API 和数据访问的问题。它还得合法地持续获取这些数据，于是平台条款和合规就进了产品。它得理解用户的背景，再把这位用户匹配到合适的岗位上。最后，它还得一键投递简历，同时应付各种不同的招聘系统、身份校验和反自动化防护。
这五个环节里，任何一个都可能推翻整个想法。如果数据源没有一个合法的渠道能稳住，这不是以后可以慢慢优化的小问题，它直接否掉了这套实现方案。如果用户不愿意把职业生涯的判断交给智能体，那再好的营销文案也救不回来，是需求这个假设本身错了。
这就是为什么真正的实现，必须去检验需求是不是真的。到了这一步，团队就不该再继续烧钱去维护那个旧故事。只要有两三个创始人、几个 Claude 和 Codex 账号要供养，它就能迅速转向，去测试另一个需求。
所以，关键在付费，而不是在"愿意付"。
"要是真有这个，我会用""等它做好了，我可能会买"，这些都不算验证。当早期用户真的付了钱，你才算有了证据，证明你找到的东西超越了礼貌、好奇心，或者对新技术的一时兴奋。你找到了一份值得去解决的问题。
早期团队里最重要的技术人员
早期团队该放谁进来，取决于你想先压下去的那个最大的风险。
如果产品容易做，但你不知道有没有人愿意付钱，那风险在需求。检验工具是你、你的 Claude，以及身边触手可及的那圈受众。如果需求很明确，但你不确定这东西做不做得出来，我想到的例子是机器人、火箭，或者新药，那风险就在技术端，工程师就是检验工具。
套壳潮的荒诞之处就在这里：很多人是用技术风险的成本结构，去做一款需求风险的产品。他们招来一屋子工程师，去检验一个本来不用这屋子人就能证伪的需求。
起步阶段，Claude 和 Codex 可能是你团队里最重要的技术成员，另外还有愿意试用这个粗糙产品的早期用户。一位真正懂行、看得懂这个领域的技术顾问，依然能起到很大的作用。他能审查这份工作，本质上是同时审查你和你的 Claude，指出哪里偏离了行业标准，或者指出哪里藏着某个外行人看不见的坑。
更多专业的人，应该等到早期用户来了、真实付费发生了、迭代方向更清楚了、服务器、SEO、营销和销售渠道都得跑起来之后，再进来。工程师可以从创始人手里接过技术工作，下一个人可能去做营销、销售、人事或者管理，也可能专门招一个人去跑融资，让创始人能专心盯着市场份额，保证团队不断粮。
现在需求变化很快，还常常得并行检验。这让创始人身边那个"池子"变得比固定的人数更重要。这个池子里可以有技术人员，也可以有来自不同行业、握着真实需求的人。需求一冒出来，你就去连接那个对的人。除非你的野心异常巨大，比如要造一台人形机器人、并且赢过每一个对手，否则你通常并不需要先供养一支技术团队，再去做需求验证。
为什么每个摊子都往中间挤
说得难听一点，卖故事的创始人只是在做商业一直以来在做的事：消费信息差。他们利用投资人对技术和行业不够完整的了解，去换一笔大投资。好一点的项目能走到 A 轮或 B 轮，差一点的会遇到信息差大到完全拿不到回款的投资人。
这是一段糟糕透顶的投资体验。投资人看不懂团队在做什么，团队看不清未来在哪里，然后大家一起被下一次模型升级碾平。
只怪创始人，那也太轻松了。投资人理性地买下那些幂律分布的故事，因为一百次里赢一次，就可能是基金最好的结果。创始人理性地讲投资人愿意买的故事，因为没有这些故事，他们就供养不起一路被教着去组建的那套传统团队。有才华的人理性地涌向最热、拿钱最多的叙事，因为那里的薪水、期权和下一份工作看起来都更稳。
每一方都在玩一场理性的游戏。把它们凑到一起，却可能给所有人产出最坏的结果。
想象一条很长的沙滩。每个卖冰淇淋的摊主都希望能离最多的顾客更近，于是一个个摊子都往中间挪。开头那几个可能赚得不错，后来所有摊子都挤到了中央。边缘的顾客不想走那么远，而中央的摊子比顾客还多。每个摊主都试图把自己的收益最大化，可这条沙滩并没有多出多少生意，它只是多出一排摊子，在分食同一批人。
身为创始人，我在乎的正是这个：如果 AI 已经改变了我们生产的方式，我们能不能选一种贴合这种新生产方式的路子去开公司，而不是围在同一个产品四周，一起挤在中央？
我们一直在试的那条路
我们的起点很简单。需求可以自由流动，也能并行去探索。该需要的时候再接上技术团队，而早期的大量实现，Claude 和 Codex 就能扛下来。一个人可以真正地"拥有"一个需求，时间允许的时候技术帮手随时可以加入，或者创始人一个人先完成第一轮验证。
这个需求，必须连着一个真实行业里的一套真实工作流。我们用 AI 先把这份工作复刻出来，再去收拾那些在产能过剩时代，解决成本已经很低的小问题。Word 和 Excel 文件可以自动读取，图片可以走 OCR，零散的工作可以被归拢到一个地方。我们让数据流动起来，再去寻找那部分更值得被认真对待的东西。
那个把我们对接到行业上的人，必须真正懂这个行业。他手里得有真实的需求，还得能把上下游的活儿、那些细节，以及外行人看不见的沉默规矩讲清楚。人是有惯性的，个人习惯很难改，行业习惯更是连在一整条利益链上，动起来会很痛。一个聪明的原型，并不会让这层阻力消失。
负责需求的人用 Figma 或者 Claude 把原型画出来、把工作流理清楚之后，技术人员就可以进来了。这种项目制地把需求和执行拼到一块的方式，我们管它叫"一家像律所一样的公司"：那个懂行业、握着客户的人负责找到需求、拥有结果；那些能交付的人按需接上，对实现负责。
在这种模式里，创始人更接近一场音乐会的指挥，按当下的需要，把这份工作该用的资源请进来。如果将来有一天智能体能直接把市场带动起来，也许连营销都能省掉。但在当下，还得人来挖掘需求、找到投资、推动市场，并且和客户一路并肩工作。
这种"池子"式的工作方式，同样在利用快速 AI 迭代制造出来的信息差。你进入一个行业，拿到重要的需求信息，用小团队那种敏捷先做出一款更强的产品，再靠颠覆性技术，去跟那个行业里的老产品竞争，就像当年 Dollar Shave Club 对付吉列那些昂贵的剃刀一样。
这条路不是免费的。靠自己资金一点一点验证，创始人得自己扛下那笔机会成本。可能有一段很长的日子：没有工资，看不到融资公告的光环，也得不到一大群人快速推进时那种情绪上的安全感。你用自己的时间，去换一个很低的烧钱速度，再抱着一个不确定的回报，去换来持续转向的自由。这笔代价，应该老老实实地记进账本里。
一家公司，应该挣来自己存在的理由
我现在相信的那种现代化创业公司，不会先搭一支大团队去匹配某个故事，再祈祷市场给这支团队一个存在的理由。它带着一点谦逊，持续向内、也向外看。把假设搭出来，好让现实能够推翻它。有人付了钱，就往前走一步。下一步需要什么样的专业，就补什么样的专业。
故事仍旧有它的位置，但它应该从已经发生的证据里生长出来，而不是逼着所有人去维护一个未来的虚构。AI 给创始人的机会，不只是写代码更快。它让我们能拿"先做出来、先卖出去，再决定这值不值得相信"，去替换"因为我们需要融资，所以先相信"。
你不必先拥有一家公司，才有资格去找需求。
真实的付费在前。只有付了钱，一家公司才有一个围绕它生长起来的理由。
我是真的很想听听：有哪些真实的工作流，是你需要帮忙的。不是那种漂亮的包装说法，而是那些一直跟你手头工具较劲、就是搞不定的活儿。告诉我它在哪里卡住，你现在又是怎么硬撑过去的。
这篇文章最早出现的网站 lingchonghu.com，就是这个论点最实在的证明：29 个演示，整个网站中英双语，还有一套"旅程"系统，全部由几位只握着 Claude 和 Codex 账号的创始人做出来。这就是低成本的验证，在我们自己手里该有的样子。
来源
-
原文标题：The Ice Cream Stands in the Middle of the Beach: why rational AI startups fail together -
作者：Lingchong Hu -
发布平台：Substack（lingchong.substack.com） -
原文链接：https://lingchong.substack.com/p/the-ice-cream-stands-in-the-middle
相关链接
-
作者关于"律所式公司"的前作：https://lingchong.substack.com/p/in-the-ai-era-your-company-will-look -
作者网站（lingchonghu.com）：https://lingchonghu.com/
相关阅读：
AI 工具越多，工作流反而越慢：我最后留下的 Agent 工具栈
