推荐语
AI创业者的真实心路历程：从外包开发到AI硬件创业，看普通人如何抓住大模型机遇。
核心内容：
1. 作者从华为外包到腾讯打工人再到AI创业者的职业转型故事
2. AI硬件创业的灵感来源与首个落地项目
3. 大语言模型在实体场景中的创新应用实践
杨芳贤
53AI创始人/腾讯云(TVP)最具价值专家
今天特别高兴能来参加冷逸创业一周年的庆祝活动，首先，恭喜冷逸！ 创业一年，不仅活下来了，还做出了不少亮眼的成绩，真的非常不容易。说实话，在这个环境下，能坚持一年、做出成绩的人，都值得我们认真鼓一次掌。
当我接到冷逸的邀请，说让我来分享一下AI创业的经历时，我其实挺犹豫的。
我不是什么成功创业者，也没有融资几千万，更没上过什么大会演讲台。但后来我想，既然今天来的都是“冷逸朋友圈”的小伙伴，那咱们就是自己人，聊点真话、掏点心窝子，可能反而对在座一些想做AI创业的“普通人”更有帮助。
所以今天这场分享，不吹牛、不包装，我就把自己这两年AI创业的得与失，坦坦荡荡地拿出来晒一晒。中间可能会有些“暴论”，大家轻喷，喷狠了我也没地方躲。
先简单介绍一下我自己。我从2009年开始工作，第一份工作是在华为做外包开发。干了一年，实在受不了那种死气沉沉的节奏——每天写代码、改bug、开会评审，感觉自己像个螺丝钉，拧哪儿都一样，但就是看不到未来。
于是2010年，iPhone 3GS上市那年，我决定辞职创业。那时候移动互联网刚起步，我就拉了几个小伙伴，开始做移动端的应用开发。2013年又转战微信生态，做公众号、小程序这些。但折腾到2015年，项目彻底关门大吉，算是灰头土脸地结束了第一次创业。
不过还好，当时我们跟腾讯一起做过城市服务项目，积累了一些关系。2016年1月4日——其实是那年的第一个工作日，我入职了腾讯外包，正式开启了我的“大厂打工人”生涯。
在腾讯期间，我负责过几个外包项目。如果在座有腾讯的小伙伴，你们深恶痛绝的那个目标管理系统——就是我负责的产品；如果有百度的同学，你们天天吐槽的那个问卷系统，也是我当产品负责人做的；还有咱们成都蓝光地产的阿拉汀项目，也是我牵头总负责的。2019年，我还拿了个全国十强B2B平台的称号。
听起来好像还不错？但说实话，那几年，我越来越觉得：我在帮别人建系统，却没在为自己创造价值。
疫情来了之后，西安的团队撤办，我们这些西安的小伙伴只能往北上广跑。我也趁这个机会离职，开启了第二次创业。
一开始其实挺迷茫的，在西安一家小集成公司混日子，做点系统集成、弱电工程之类的项目，勉强糊口。直到2023年，国内大语言模型爆发，我突然意识到：这可能是我的机会。
我一直有个特点——擅长把新技术应用到具体业务场景里。所以我很快提了一个行业应用方案，算是真正开始尝试把大语言模型用到生产环境中。
但要说真正落地的第一个项目？是AI硬件。
为什么做这个？因为我女儿特别喜欢玩乐高，天天拉着我过家家。有一天我就想：能不能做个AI模块，塞进乐高积木里，让它能说话、能互动？
于是我就手搓了一款AI硬件，封装进乐高，还把这套解决方案拓展到旅游导览、智能家具等各种实体场景。去年7月参加了百度的“千帆杯”大赛，10月又拿了“文心智能体大赛”的奖，还和复旦国际金融学院一起参与了行业白皮书的编写。
听上去是不是挺风光？但今天回头看，这个项目，是个彻头彻尾的失败项目。
不光这个，包括我之前做的那些“AI+行业”的方案，现在看也都是失败的。为什么？因为我犯了一个典型的错误：我拿着AI这把锤子，看谁都像钉子。
我总想着“AI能解决一切”，于是到处找场景去套。结果呢？热闹是热闹了，拿了几个奖，上了几次媒体，但没有正儿八经的产出，没有可持续的商业模式，也没有现金流。
评价我2023年这一年，就两个字：热闹。
但2024年，我们迎来了真正的转机。我们做对了三个场景，开始有了稳定的收入和客户来源。今天我想重点分享这三个方向，可能对在座想做AI创业的朋友有点启发。
【第一个场景：数据分析与归因】
我们服务了一个化妆品品牌，帮他们做客户画像建模；还有一个城市的12345市长热线，做投诉数据的归因分析。
听起来很普通？但关键在于，我们不是简单出个报表，而是针对每一条投诉、每一个客户，做深度研究，最后输出一份有洞察的研究报告。
在这个过程中，我们发现几个关键点：
1. 需求越来越难标准化。以前客户只想知道“谁投诉了”，现在有了大模型，他们开始想研究“为什么投诉”“背后有没有系统性问题”。需求变深了，但投入意愿没跟上，因为这类分析不直接产生收入。
2. 生态位特别重要。我们的项目来源，基本靠朋友介绍、行业推荐。为什么？因为涉及政府数据、企业敏感信息，必须保密，必须用服务化的方式交付，不能做成SaaS。
3. 复利效应开始显现。我们积累的组件、提示词库、对照表、分析模板，逐渐形成了门槛。别人想抄？抄不动。因为我们的模型不是靠一个prompt跑通的，而是靠一整套“AI工作流+人工校验+行业知识”的组合拳。
我们现在是怎么做的？
先用提示词做内容提取，再做单一业务的归因分析，最后生成报告。
价格也很透明：分析一条数据1毛钱，归因1块钱，5万条起做，报告另算。
别小看这1毛钱，积少成多，关键是——稳定、可持续、可复制。
【第二个场景：跨境电商POD业务】
现在，很多跨境电商公司的商业模式是这样的：先做大量设计，上架试销，卖得好再生产发货。经过多年发展，他们已经有一套成熟的方法论，其中一个核心动作叫——“借鉴”。
什么叫“借鉴”？就是每天扒平台上的爆款设计，拿来改一改，变成自己的产品上架，这几乎是行业公开的秘密。
这类公司通常20人团队：2个设计师，18个“市场人员”。
设计师每天要“借鉴”30个产品，画出印花图；
市场人员每天硬指标：发布4000个SKU——注意，T恤按版型、工艺不同，一个设计能拆出200多个SKU。
他们的逻辑很简单：发布SKU的数量 ≈ 收入。纯靠人力赌概率。
我们就做了两件事：
下一步，我们要把AI能力打通他们的定制平台，实现设计、选版、生产、物流的一站式AI化。
目标是：人人都是产品经理。
我知道有人会说这不道德，但现实是——这个行业就是这么运转的。我们不是创造需求，而是用AI提效，帮他们更快地“卷”。
而且说实话，在AI时代，效率就是道德。
【第三个场景：高校科研课题】
这个方向是我今年最满意的一个。为什么选高校？两个字：钱简单，有门槛。
我们跟交大、西北大等高校的教授合作，把大模型融入他们的科研项目。
比如故障诊断系统。原来他们的模型是这样的——先采集数据，设阈值，调A算法判断问题范围，再调B/C/D/E一堆算法分析原因，最后人工写报告。
问题是：算法很牛，但用不起来。 没有调度、没有串联、没有自然语言输出。
我们用大模型做“调度中枢”，把这一堆算法串起来，形成一个可交互、可输出的系统。现在在成都、重庆已经落地了几个试点。
跟高校合作的好处是什么？
每月稳定的服务费，现金流健康；
项目跟学术结合，有一定技术门槛，野蛮人进不来；
容易形成行业解决方案，未来可以复制到工业、能源等领域。
最舒服的是——教授们不怎么砍价，也不怎么催进度。
讲完这三个方向，我想给在座的AI创业者，尤其是没钱、没资源、没背景的普通人，分享几点血泪建议：
1. 找企业需求和个人需求之间的“中间态”——职业需求。
别总想着改变世界，先想想怎么让一个人的工作更快、更好、更轻松。AI不是替代人，而是放大人的能力。
2. 找准生态位。
你不可能一个人出去跑业务、谈政府、对接大厂。那就帮同类的人解决问题。我做的虽然是企业和政府项目，但本质都是在解决“人”的问题。
3. AI和传统软件的打法完全不同。
传统软件是自上而下，为管理服务；AI是自下而上，为人服务。我去年失败，就是因为老想着做“行业解决方案”，其实是没看清AI的本质是赋能个体。
4. 找商务短、交付短的事。
谈一个不成就换一个，别玩极限拉扯。有意向就试用，我们一般是2小时写脚本出Demo，试完不掏钱就算了，及时止损。
现在白嫖狗太多了，又当又立。有那功夫，不如多优化交付体验，让他们主动介绍同行。
先付钱后干活，现在已经是常态。
5. 别光聊思路和想法。
知易行难，干出来再说。你说一万遍“AI能改变教育”，不如先做出一个能自动批作文的demo。
6. 一个项目能成，是能力；两个能成，是运气；三个还想成？你得想想是不是目标太高了。
创业初期，降低目标，聚焦场景，比什么都重要。
别觉得自己有个绝妙点子，也别怕别人已经做了。
有人干过的事更值得干——起码证明这事儿能挣钱。你只需要找一个更小的场景，把它做到极致。
7. 别做大模型发展延伸线上的“平行事”。
大模型的“智商”会越来越高，缺的是经验和工具的运营能力。你要关注的是：人在具体场景下的工作经验，和他们用的工具。这些，不管模型多强，都长期有效。
8.工作流是大模型“婴儿期”的工作指导。
等它到“成年期”，自然会有规划模块来替代。所以别把所有精力都押在工作流设计上，要开始关注更高层的“意图理解”和“自主决策”。
以上，就是我在AI创业这条路上的一些真实感悟。
没有PPT，没有融资故事，也没有“颠覆行业”的豪言壮语。
有的只是：试错、调整、坚持、活下去。
粤ICP备14082021号
免费POC，
零成本试错
