朱啸虎北大演讲的19条商业判断：从3S原则到AI落地标准

只投AI应用的铁投哥 · 2026-09-17T23:03:02

9月16日朱啸虎在北大的演讲要点整理，非现场逐字稿，核心落脚在AI应用与商业壁垒的筛选逻辑： 1. 技术领先只是阶段性优势，长期竞争最终还是回到商业。技术进步快的时候拼技术；技术扩散快的时候，拼渠道、品牌、供应链、成本、用户入口和运营效率。 2. 判断创业项目最重要的是 3S：Size（市场足够大）、Scalable（能够快速规模化复制）、Sustainable（能够长期防御，不容易被大厂复制或吞掉）。 3. 高度定制化的业务很难 Scale。如果每个客户都需要重新部署、重新开发、重新服务，本质上更接近服务公司，而不是可规模化的产品公司。 4. 最好的增长是用户主动带来用户。社交网络、社区和双边平台的优势，在于网络效应和自然传播，而不是长期依赖买量。 5. AI 创业最危险的是做成一个“大厂可以免费集成的功能”。如果只是一个简单 AI Feature，没有入口、数据、网络效应等壁垒，很容易变成给大厂“打样”。 6. 用户入口往往比单纯的技术领先更加重要。腾讯能够不断后发追赶，一个重要原因就是微信、QQ 这样的流量入口长期存在。 7. 双边、多对多的平台更容易形成长期壁垒。滴滴、美团这类平台的核心不是简单撮合，而是同时连接大量供给方和大量需求方。 8. 高频业务比低频业务更容易形成独立产品和用户入口。一个比较理想的标准是用户至少每周使用一次；频率太低，很难长期占据用户心智。 9. 创业公司最好不要教育市场。最好的切入点，是用户本来就存在需求、已经形成习惯，只是原来的解决方案不够好。 10. 用户数量本身并不等于商业价值。更重要的是用户是否愿意付费、是否有留存、是否能够升级到更高价值的服务。 11. 交易越标准化，越容易规模化。像打车这种“A 点到 B 点”的标准需求，更容易形成大平台；高度非标的家政、美容等服务则更难 Scale。 12. 留存比单纯增长更重要。朱啸虎提到看 AI 产品时，希望看到的大致标准是次月留存 50%+、六个月留存 20%+。 13. AI 正在从 Token Maxing 转向 Value Maxing。未来不是所有任务都要使用最强模型，而是选择最合适、性价比最高的模型完成任务。 14. 开源模型可能逐渐成为 AI 基础设施的重要形态。类比 Linux 的发展，随着模型能力趋同和成本下降，开源模型可能获得越来越大的市场空间。 15. 真正成熟的 AI 产品应该把模型和 Prompt 隐藏起来。用户不需要关心 GPT、Claude、DeepSeek，也不需要自己选择模型，只需要提出需求，系统自动完成任务。 16. AI 最好的创业机会之一是“旧需求 × 10 倍体验”。不一定需要创造全新的需求，而是找到已经被市场验证的需求，再利用 AI 把体验提升 10 倍甚至 100 倍。 17. 目前重点提到的 AI 应用方向包括角色扮演、Coding 和视频。这些场景具有高频、强需求，以及 AI 相比传统技术明显提升体验的特点。 18. 中国 AI 软件出海，开源可能是一种重要获客方式。相比传统依赖海外销售团队的 SaaS，开源可以通过产品本身和开发者社区直接触达全球用户。 19. 机器人创业不一定追求“通用”，而应该优先解决高价值的具体任务。相比大量同质化的人形机器人，更值得关注的是水下清洗、工业装配等“高价值、任务明确、泛化要求低”的场景。