失败档案

一、三个「天才产品」，三个史诗级失败 硅谷的历史上，从来不缺"天才产品"的失败故事。但2026年回头看，有三个案例尤其经典——它们烧的钱、背后的团队、发布时的声势，都堪称"顶级"，而它们的失败方式，也惊人地相似。 Google Glass（2013-2015）： 谷歌的"天才之作"——一副可以拍照、录像、导航、翻译的智能眼镜。谷歌联合创始人Sergey Brin戴着它出现在TED舞台上，全场尖叫。但上市后，用户发现了一个致命问题：戴着它走在街上，所有人都用异样的眼光看着你。它被叫做"Glasshole"（眼镜混蛋），被酒吧、餐厅、电影院禁止入内。Google Glass烧了约10亿美元，在2015年宣布停产消费者版本。 Juicero（2016-2017）： 硅谷制造的"智能榨汁机"——售价699美元，只能用公司特制的"果汁包"（每包5-7美元），连接WiFi，通过App控制。听起来很酷？实际上，Bloomberg的记者做了一个实验：用手捏果汁包，挤出来的果汁，和机器榨出来的一样多。Juicero烧了1.2亿美元，2017年宣布倒闭。 Quibi（2020）： 好莱坞和硅谷的"超级联姻"——由梦工厂创始人Jeffrey Katzenberg和eBay前CEO Meg Whitman创办，融了17.5亿美元，做"手机上看的10分钟短剧"。但Quibi忽略了一个事实：YouTube、TikTok、Netflix上已经有无限的免费短内容，用户为什么要付费看Quibi？Quibi在2020年4月上线，10月宣布关闭，成为史上最短命的流媒体平台。 三个产品，烧了将近30亿美元，全部失败。它们的失败，不是"技术不行"，不是"团队不行"，不是"钱不够"。它们失败的根源，完全一样。 二、共同的死因：三个致命假设 致命假设一：“用户需要这个。” Google Glass的创始人假设：人们需要一副眼镜来拍照、导航、翻译。但现实是：人们已经很习惯用手机拍照、导航、翻译了。用眼镜做这些事，没有提供任何"增量价值"。而且，眼镜是一个"社交物品"——你戴着它，别人会不舒服。没有人愿意和一个"随时可能在偷拍你"的人说话。 Juicero的创始人假设：人们需要一台联网的智能榨汁机来喝新鲜果汁。但现实是：人们要么买瓶装果汁（便宜方便），要么用普通榨汁机（便宜好用），要么直接吃水果（健康便宜）。699美元的榨汁机+5美元一包的果汁包，在任何一个维度上都不如已有的替代方案。 Quibi的创始人假设：人们需要"用手机看10分钟的高质量短剧"。但现实是：人们用手机是在"碎片时间"里刷TikTok（免费、无限、算法推荐），而不是"专门花时间看付费短剧"。Quibi没有理解"手机内容消费"和"电视内容消费"的根本区别——前者是"被动消遣"，后者是"主动选择"。 致命假设二：“用户会为酷买单。” 三个产品的创始人都是"技术乐观主义者"——他们相信，只要产品足够酷，用户就会买单。但现实是：用户不为"酷"买单，用户为"有用"买单。Google Glass酷吗？酷。但它有什么用？Juicero酷吗？不好说。但它的价值在哪里？Quibi酷吗？好莱坞明星+10分钟短剧，听起来很酷。但谁需要它？ 致命假设三：“新技术一定能创造新市场。” 这是硅谷最经典的"技术驱动"思维——有了新技术，就有了新产品，新产品就能创造新市场。但现实中，大多数成功产品是"需求驱动"的——先有用户需求，再有产品满足需求。iPhone不是"触摸屏技术"驱动的，而是"人们需要更好的手机体验"驱动的。Google不是"搜索引擎技术"驱动的，而是"人们需要在海量信息中找到答案"驱动的。 三、共同的行为模式：创始人「信息茧房」 三个失败案例还揭示了一个共同的行为模式：创始人活在"信息茧房"里。 Google Glass的测试者都是Google员工——住在硅谷，身处科技圈，每天接触的都是"这个太酷了"的反馈。但当一个普通人在爱荷华州的小镇上戴着Google Glass走进酒吧时，他被赶了出来。Google的"信息茧房"让它完全低估了"社交接受度"这个最关键的障碍。 Juicero的创始人Doug Evans是一个"素食主义者+果汁爱好者"，他的社交圈都是"愿意花699美元买榨汁机"的人。当他问朋友"你们会买吗"，朋友们都说"会"。但他没有问过"普通人"——那些月收入5000美元、觉得7美元一杯果汁太贵的人。 Quibi的创始人Jeffrey Katzenberg是好莱坞大佬，他的社交圈是"好莱坞明星+硅谷投资人"。他问身边人"你们会在手机上花10分钟看短剧吗"，大家都说"会"。但他没有意识到，他的朋友圈不是"普通人"，而是"有大量空闲时间、愿意为内容付费的精英群体"。 创始人信息茧房的本质是：你只问"和你一样的人"，只听到"你想听到的答案"。而真正的产品验证，需要问"和你不一样的人"——那些"不会买你的产品"的人。 四、2026年的启示：PMF不是"圆点"，是"过程" 产品-市场匹配（Product-Market Fit, PMF）是创业圈最常被引用的概念。但很多人把PMF当成一个"圆点"——找到了就找到了，没找到就没找到。2026年，更准确的理解是：PMF不是"圆点"，而是"过程"。在产品开发过程中，持续验证PMF，而不是"做完了才验证"。 Google Glass、Juicero、Quibi的共同错误是：它们都假设了PMF存在，然后花大量资源把产品做出来，最后发现PMF不存在。正确的做法是：在花10亿美元之前，先花100万美元验证"用户真的需要这个吗"。 2026年，创业圈最流行的验证方法是"NPS前移"——不是"产品上线后测NPS（净推荐值）"，而是"在产品原型阶段就测NPS"。如果用户对原型都不"推荐"，那产品做出来也不会"推荐"。如果用户对原型说"这是我需要的"，那产品做出来才有机会成功。 五、结语 Google Glass、Juicero、Quibi——三个"天才产品"，三个史诗级失败。它们的失败，不是"技术不成熟"，不是"时机不对"，不是"运气不好"。它们的失败，是因为它们都在回答一个"正确的问题"——“我们能做什么？"——而不是"用户需要什么？” 硅谷最不缺的就是"天才"，最缺的是"对用户的敬畏"。Google Glass的工程师可以造出世界上最先进的智能眼镜，但他们不知道普通人会不会戴着它上街。Juicero的工程师可以造出最复杂的智能榨汁机，但他们不知道普通人愿不愿意花699美元买一台榨汁机。Quibi的创始人可以请到好莱坞最顶级的明星，但他们不知道普通人会不会在手机上花10分钟看付费短剧。 2026年，所有创业者和产品经理都应该记住这三个名字。不是因为它们有多成功，而是因为它们的失败，揭示了产品开发中最本质的真理：不是"你能做什么"，而是"用户需要什么"。 这个真理，简单到让人觉得是废话，但难到让几十亿美元的公司反复跌倒。

2023年，AI知识付费是中国互联网上最火的赛道之一。李一舟靠卖AI课年入过亿，无数知识博主涌入这个赛道，试图复制「99元AI课+社群运营+私域转化」的商业模式。 我认识的老周就是其中之一。他曾经是抖音上最火的AI博主之一，700万粉丝，单条视频播放量超过5000万。2024年初，他的AI课程月营收超过500万，公司估值2亿。 2025年中，公司破产清算。700万粉丝，换来的是2000万负债。 怎么起来的？ 老周原来是做科技自媒体的，2023年ChatGPT大火后，他果断转型AI赛道。他的内容策略很简单：「AI恐慌+AI搞钱」——每一条视频都在告诉你，AI要取代你的工作了，但别怕，买我的课，我教你用AI赚钱。 这套打法在2023年极其有效。焦虑是最好的流量密码，而AI带来的焦虑，是那一整年最大的流量红利。 老周的爆款视频标题： 「AI将取代这10种工作，你的工作在其中吗？」 「我用AI三个月赚了100万，完整教程在这」 「不会用AI的人，五年后将被彻底淘汰」 每一条都是百万播放，每一条都在导流到他的课程。99元入门课，转化率7%。2999元进阶课，转化率1.5%。还有49999元的「AI创业私董会」，每期招50人，场场爆满。 怎么死的？ 老周的死亡，是一个经典的「流量陷阱」案例。 第一，流量成本失控。 老周以为700万粉丝是「自己的」，但算法是抖音的。2024年，AI内容供给严重过剩，抖音的推荐算法调整，AI类内容的自然流量从峰值下降了70%。老周如果想维持同样的曝光，必须投流。投流成本从每月10万涨到每月200万，但营收却没有同步增长。 第二，复购率崩盘。 知识付费最大的问题是：用户买了一次，发现「学不会」或者「没用」，就不会再买了。老周的99元课程完课率不到15%，2999元课程完课率不到8%。没有完课，就没有口碑传播。没有口碑，就只能持续投流。投流成本越来越高，形成恶性循环。 第三，内容同质化。 2024年，AI知识付费赛道涌入了几百个博主，所有人都在讲同样的内容：Prompt工程、AI绘画、AI视频、AI搞钱。老周的内容和其他人没有任何区别，用户凭什么只买你的？ 第四，退费潮。 2025年初，一篇名为「AI知识付费，2024年最大的智商税」的文章刷屏。文章列举了大量「买了AI课、学了AI技能、但没赚到钱」的案例。老周的退费率从3%飙升到25%，资金链断裂。 最讽刺的是什么？ 老周的公司倒闭后，他做了一期视频，标题是：「我靠AI知识付费亏了2000万，这5个教训价值一个亿。」 这期视频又火了，播放量3000万。 但这次，他没有导流到任何课程。评论区最高赞的留言是：「你终于讲真话了。」 结尾 老周的故事不是孤例。2024-2025年，AI知识付费赛道经历了一场残酷的洗牌。能活下来的，不是流量最大的，而是真正能交付价值的。 老周后来跟我说了一句话：「知识付费的本质不是知识，是付费。用户付了钱，期待的是改变。如果你不能帮他改变，他不仅不会复购，还会变成你的黑粉。」 700万粉丝、2000万负债，老周用真金白银买来了一个教训：流量是放大器，不是护城河。如果你的产品没有真正的价值，流量越大，死得越快。

2017年，硅谷诞生了一个传奇笑话：Juicero，一台售价700美元的榨汁机，被彭博社记者发现用手就能挤出果汁。公司融资1.2亿美元，最终以倒闭收场。 2025年，这个笑话有了继任者。 一台1999美元的「AI储物柜」 Nestora（化名）是一家硅谷AI硬件创业公司，2024年完成8000万美元A轮融资，a16z领投。他们的产品叫「Nestora HomePod」——一台售价1999美元的智能储物柜。宣传语是：「AI驱动的家庭物品管理革命」。 它能做什么？把东西放进去，AI会自动识别物品类型、记录库存、过期提醒、智能补货建议。听起来像是亚马逊Dash按钮的豪华升级版。 产品发布时，科技媒体一片叫好。TechCrunch说它是「智能家居的iPhone时刻」，The Verge称赞其「工业设计堪称艺术品」。预售订单破了5000台，用户画像很清晰：硅谷科技新贵，家里有智能冰箱、智能灯、智能马桶，现在再加一个智能储物柜。 然后有人拆开了它 一位YouTube科技博主花了1999美元买了一台，做了一期拆解视频。他在视频里发现： 「AI识别模块」本质上是一个50美元的摄像头模组，运行着一个开源的YOLO目标检测模型 「智能补货系统」只是一套固定规则的if-else逻辑 整台机器的BOM成本（物料清单成本）不超过300美元 最贵的部分是外壳——用了航空级铝合金，据说是前苹果设计师操刀 视频标题是：「我花了1999美元买了一台自动售货机。」 播放量3天破千万。 更致命的是商业模式 Nestora的定价策略是「硬件+订阅」：1999美元买硬件，还要29.99美元/月订阅「AI服务」。但用户很快发现，如果不付费订阅，机器就变成了一台普通的储物柜——连物品识别功能都被锁了。 这还不是最糟糕的。Nestora的「智能补货」功能会自动帮你在合作的电商平台下单，但价格比市场价高15%-30%。用户戏称这是「AI宰熟」。 Reddit上出现了一个帖子，标题是：「我的储物柜背着我偷偷买东西。」 硅谷工厂的典型症状 Nestora的失败不是偶然的。它完美复刻了硅谷硬件创业的经典死亡公式： 1. 过度设计。 创始人坚信「硬件必须有苹果品质」，在材料和工艺上不计成本。结果就是：一台储物柜的成本比一台MacBook Pro还高。 2. 为融资而做产品，而非为用户。 整个产品逻辑围绕「让投资人觉得性感」展开：AI、订阅制、智能家居、生态闭环。但用户只想要一个「能装东西、能找东西」的柜子。 3. 把「AI」当遮羞布。 任何功能前面加个「AI」就能溢价10倍。这是2023-2025年AI创业最常见的套路，也是死得最快的套路。 结局 2025年底，Nestora宣布停止运营。8000万美元烧光，卖出了大约12000台设备，但退货率高达40%。公司尝试转型做企业级仓储管理，但为时已晚。 创始人后来在X上发了一条推文：「我们犯了一个错误：我们以为人们需要一台AI储物柜，但人们只是需要把东西放好。」 这条推文被转发5万次，点赞最多的评论是：「你花了8000万美元才想明白这件事。」 真正的教训 Nestora的故事告诉我们三件事： 第一，AI不是万能药。 把AI贴在一个没有真实需求的场景上，只会制造一个更贵的无用之物。 第二，硬件创业的第一性原理是「用户需要的功能/价格」。 硅谷的投资人不在乎这个比值，但用户在乎。 第三，如果你自己都不能一句话说清楚用户为什么需要你的产品，那用户也不需要。 Nestora的官网用了300个字解释产品价值，但用户用四个字就拆穿了：自动售货机。 Juicero的幽灵，依然在硅谷游荡。

2024年，中国EdTech赛道经历了最惨烈的一年。双减政策后，所有教育创业公司都涌向了「AI+教育」这个方向——AI辅导、AI批改、AI个性化学习、AI口语陪练……每个细分方向都有至少三家公司在烧钱。 一年后，三家最具代表性的公司相继倒闭。它们的死亡，不是个案，而是整个赛道问题的集中爆发。 案例一：AI辅导——「AI老师」不如真人老师 知学AI（化名）的愿景是「让每个孩子都有一个AI私教」。产品用GPT-4做底层模型，结合国内教材做了知识图谱，学生可以随时向AI老师提问，AI会给出解答和讲解。 产品上线后，用户增长很快。免费试用期间，DAU破10万，家长反馈「孩子终于愿意主动提问了」。 但问题也很快出现了： 第一，AI会「胡说」。 尽管准确率号称95%，但在教育场景中，5%的错误率意味着每20道题就有一道是错的。对家长来说，这是不可接受的。一个家长在社群里怒斥：「我让孩子用你们的AI辅导作业，结果数学考了68分——AI教的都是错的！」 第二，学习效果无法量化。 用了AI辅导，成绩有没有提升？没有数据。没有数据，家长凭什么续费？ 第三，用户付费意愿极低。 免费试用期结束后，付费转化率不到3%。家长的心理是：「AI辅导是锦上添花，不是雪中送炭。我可以不花这个钱。」 案例二：AI批改——技术好但没场景 阅卷通（化名）做的是「AI自动批改作文和主观题」。技术确实不错，在多个公开评测中拿到第一。公司拿到了一线基金5000万A轮融资。 但做了一个残酷的发现：愿意花钱买AI批改的学校，都是不缺钱的好学校。而好学校的老师，根本就不信任AI批改。 一个校长直接告诉创始人：「我们的老师不放心把作文交给AI批改。作文评分不只是找错别字，是理解学生的思想。AI做不到。」 而愿意用AI批改的学校呢？没钱。二三线城市的学校，连电教设备都没配齐，你让他们买AI批改服务？ 两头堵死。高不成，低不就。 案例三：AI口语陪练——被大模型直接干掉了 话伴AI（化名）是2023年最火的AI教育产品之一。用户可以和AI进行英语口语对话，AI会纠正发音、语法，提供更好的表达方式。 2024年，ChatGPT高级语音模式发布。原生支持40多种语言，发音自然度接近真人，而且免费（或含在Plus订阅中）。 话伴AI的日活从5万跌到3000，只用了两周。 这不是技术问题，是生态位问题。你在大模型的必经之路上开店，大模型稍微往前走一步，你的店就没了。 三家公司的共同死因 回看这三家公司，它们的死因高度一致： 1. 教育是一个「效果导向」的行业。 家长和学校不为技术买单，只为效果买单。AI教育产品必须证明「用了成绩能提高」，但绝大多数AI教育产品做不到这一点。 2. 教育是一个「慢」行业。 技术迭代快，但教育决策慢。一个学校采购一套教学系统，可能需要一年的审批流程。而AI创业公司等不起一年。 3. AI教育的最大敌人不是竞品，而是大模型本身。 你在GPT-4上面做教育应用，GPT-5可能就自带教育功能了。这种「上游依赖」的结构性风险，让所有AI教育公司都坐在火山口上。 结尾 AI+教育不是没有未来。Duolingo用AI做个性化学习路径，Course Hero用AI做学习资料推荐，都做得不错。 但那些把AI包装成「教育革命」的公司，请先回答一个问题：你的产品，有没有让一个学生从「学不会」变成「学会了」？ 如果答案是不能，那你的AI教育产品，本质上只是一个更贵的搜索引擎。

2024年11月，硅谷创业圈发生了一件大事。一家名为NovaMind（化名）的AI公司，在完成1.5亿美元B轮融资后的第8个月，创始人被发现在旧金山机场准备登机前往迪拜。FBI在登机口将其逮捕。 随后爆出的真相，让整个硅谷瞠目结舌：这家公司几乎没有真正的技术，几乎没有真正的客户，几乎没有真正的收入。它的1.5亿美元融资，建立在系统性、全方位的欺诈之上。 一个完美的故事 NovaMind成立于2022年，定位是「企业级AI决策平台」。创始人Marcus Chen（化名）是斯坦福计算机博士，之前在Google Brain工作过两年。他的BP里有一个让投资人无法拒绝的故事： 「我们的AI平台已服务超过200家财富500强企业，帮助客户平均提升决策效率300%，降低运营成本40%。2023年ARR达到8000万美元，增长率为400%。」 配合这个故事，Marcus展示了一系列「证据」： 与多家知名企业的合作Logo（后来发现是未经授权的） 详细的财务数据（后来发现是伪造的） 几个知名企业高管的推荐信（后来发现是AI生成的） 技术Demo演示（后来发现是预先录制的） 这个故事的完美之处在于，它没有任何一个环节是「肉眼可见的假」。每一个环节看起来都合理，但合在一起，就是一个巨大的谎言。 为什么没人发现？ 后来复盘，所有人都问同一个问题：顶级VC的尽调是怎么做的？ 答案令人震惊：几乎没做。 NovaMind的A轮投资人是一家知名VC，他们投了2000万美元。在投B轮的时候，新的投资方只做了两件事：1）看了A轮投资人的背书；2）和Marcus吃了两顿饭。 没有人去核查客户的真实性。没有人去核实收入的真实性。没有人去验证技术Demo的真伪。甚至没有人去扒一下Marcus的博士论文——后来发现，他的论文存在严重抄袭。 这就是硅谷FOMO（害怕错过）文化最极致的体现。当所有人都害怕错过「下一个OpenAI」的时候，尽调就变成了一场走过场。投资人们不是在判断「这家公司好不好」，而是在赌「别人会不会投」。 一个细节揭穿了整个骗局 最终戳穿NovaMind的，是一个看似微不足道的技术细节。 2024年10月，一位技术博主受邀参加NovaMind的产品发布会。发布会上，Marcus展示了「NovaMind的AI实时分析引擎」，处理速度号称比GPT-4快10倍。 这位博主细心观察后，发现了一个问题：屏幕上显示的「实时分析」结果中，有一个API返回的JSON格式，和OpenAI的API响应格式完全一致——包括OpenAI特有的错误代码。 他当晚写了一篇文章：「NovaMind的AI引擎，可能只是套了一层壳调用OpenAI的API。」 这篇文章引起了轩然大波。更多前员工开始爆料，更多客户开始否认合作，更多投资人开始要求核查。多米诺骨牌一块接一块倒下。 系统性欺诈是如何运作的 FBI介入调查后，发现NovaMind的欺诈行为是系统性的： 假客户： 公司网站上的200多个「客户Logo」，多数是未经授权使用的。真正签约的客户只有5家，而且都是免费试用，从未付费。 假收入： 财务报表中的8000万美元ARR，真实数字可能不到50万美元。公司通过关联交易和空壳公司制造了虚假的流水。 假技术： 公司的核心技术确实存在，但只是一个非常基础的机器学习模型，没有任何独特的技术壁垒。所有的「先进功能」Demo都是精心制作的录屏。 假团队： 公司声称有50名博士研究员，实际只有12人，其中多人是兼职。 后记：谁在买单？ Marcus Chen目前面临多项联邦指控，可能面临20年以上监禁。投资方正在通过法律途径追回资金，但1.5亿美元中的大部分已经被挥霍或转移。 但这个故事最讽刺的不是Marcus的欺骗，而是整个硅谷投资生态的集体失智。当市场上充斥着「害怕错过」的焦虑，当投资决策变成了「别人投了所以我也投」的从众心理，下一个NovaMind的出现只是时间问题。 正如一位匿名投资人在事件后说的：「我们不是在寻找独角兽，我们是在寻找看起来像独角兽的东西。而Marcus，恰好给了我们想要的东西。」

2019年，国内自动驾驶赛道最热的时候，星途智行（化名）完成了C轮融资，估值30亿美元。投资方阵容豪华：红杉、IDG、蔚来资本、以及两家国有产业基金。创始人张洋（化名）在发布会上放话：「2023年实现L4级自动驾驶量产。」 2025年，这家公司进入破产清算。6年，烧掉80亿人民币，交付了0台量产车。 钱花哪了？ 80亿，听起来很多。但自动驾驶是一个「无底洞」赛道。 人力成本：30亿。 鼎盛时期，星途智行有1200名员工，其中算法工程师超过400人。自动驾驶行业的人才战堪称疯狂——一个应届生算法岗年薪50万起步，资深工程师年薪200万是常态。光人力成本，一年就要烧掉5-6亿。 硬件成本：25亿。 每台测试车改装成本超过100万——激光雷达、高精度GPS、计算平台、冗余系统。星途智行在全国部署了超过500台测试车，光硬件投入就超过5亿。 运营成本：15亿。 测试车队需要安全员、运维人员、车辆维护、数据存储和传输。数据存储费用尤其惊人——每天产生的数据量超过100TB，存储和带宽成本每月超过千万。 研发费用：10亿。 算法研发、仿真平台、高精地图、车路协同……每一项都是吞金兽。 为什么没做出来？ 不是技术不行。星途智行的技术在国内绝对属于第一梯队。他们的无人车在封闭园区跑了超过100万公里，零事故。在多个城市拿了自动驾驶测试牌照。 问题出在「技术可行」和「商业可行」之间的鸿沟。 1. 技术可行不等于商业可行。 在封闭园区和固定路线跑得好，不代表能在开放道路上跑。每增加一个复杂场景——暴雨、施工路段、逆行电动车、突然横穿的行人——需要投入的研发资源指数级增长。而L4的要求是「全场景、全天候」，这意味着你永远在追下一个1%的corner case。 2. 商业化路径从未清晰。 投资人问得最多的问题是：「你们的商业模式是什么？」星途的答案是：Robotaxi、无人配送、无人环卫、自动驾驶卡车……每一个都试过，每一个都没跑通。Robotaxi需要法规支持，无人配送需要解决「最后100米」，无人环卫对成本极其敏感，自动驾驶卡车面临物流公司的信任危机。 3. 投入产出比彻底失衡。 一个残酷的事实是：星途智行花了80亿，但整个中国自动驾驶出行市场的年收入加起来可能都不到80亿。这不是一个「烧钱换规模」的赛道，这是一个「烧钱换希望」的赛道。 最讽刺的是什么？ 星途智行倒闭后，最值钱的资产不是技术，不是专利，而是那400个算法工程师。他们被各大车企、自动驾驶公司和AI公司疯抢，平均涨薪40%。 讽刺的是，这些人去了新公司，继续做同样的事——追逐L4的圣杯。只不过换了一个金主买单。 终极教训 自动驾驶行业的真正问题不是「能不能做出来」，而是「做出来之后能不能赚钱」。 Waymo用了15年，烧了谷歌超过100亿美元，至今没有盈利。特斯拉的FSD卖了快10年，离真正的「全自动驾驶」还很远。苹果秘密研发了10年，最终放弃了造车。 如果连这些巨头都搞不定，凭什么一家创业公司能搞定？ 张洋在最后一次内部会议上说了一句话：「我们不是在造车，我们是在造一个还需要20年才能成熟的未来。」 这句话，值80亿。

2024年，AI制药是资本圈最热的概念之一。在这个赛道里，有一家公司格外耀眼——BioMind（化名），成立三年，一轮融资比一轮高，C轮估值10亿美元。零收入，亏损3亿，但投资人说「这是改变世界的企业」。 2025年，这家公司被内部员工实名举报。举报信里写着：「我们所有的临床前数据都是造假的。」 完美到可疑的数据 BioMind的PPT里，有几组让投资人疯狂的数据： AI预测药物分子活性准确率：94.7% 从靶点发现到先导化合物优化，比传统方法快100倍 已与三家跨国药企达成战略合作 管线中有12个候选药物，「最快的一个2026年进入临床」 这些数字放在任何一个药企面前，都是降维打击。传统制药行业，从靶点发现到新药上市，平均需要10年、10亿美元。BioMind号称能把时间压缩到18个月，成本压缩到1/10。 投资人排队进场。2024年C轮融资，20家机构抢份额，最后选了5家。 没人问过的问题 但从来没有人问过三个问题： 第一，94.7%的准确率是在什么数据集上测的？ 答案：BioMind自己构建的内部数据集。这套数据集有多大？从未公开。测试方法是怎样的？从未公开。是否有第三方验证？没有。 第二，三家跨国药企的「战略合作」具体是什么？ 答案：两份NDA（保密协议）框架下的初步探索，一份MOU（备忘录）。没有任何实质性付款，没有任何管线授权。这是典型的「用合作新闻稿凑背书」。 第三，12个候选药物，为什么没有一个进入临床？ 答案：AI可以预测分子活性，但无法预测毒性、代谢、副作用。这些才是药物研发真正的瓶颈。BioMind的AI模型在「好看」的指标上表现完美，在「难」的指标上毫无建树。 举报信里的真相 2025年初，一名BioMind前员工在知乎上发了一篇万字长文，标题是「我为什么要离开AI制药行业」。 核心指控有三条： 数据筛选。 团队在训练AI模型时，会刻意剔除预测效果不好的数据点，让模型在测试集上「看起来」很准。这相当于考试前先看答案。 结果美化。 所有对外公布的「候选药物」实际上都是已知化合物的微小变体，没有任何创新性。几个所谓的「AI发现的新分子」，后来被证明在十年前就已经有人发表过。 虚假合作。 所谓的「跨国药企战略合作」，实际上只是药企出于FOMO（害怕错过）心态做的技术调研，没有任何实质性进展。 举报信发布后，BioMind的估值一夜之间从10亿美元缩水到不足1亿美元。C轮投资方启动了对赌条款，要求创始人回购股份。创始人跑路去了瑞士。 为什么AI制药这么容易「骗」？ 因为药物研发的验证周期太长了。 一个AI模型预测「这个分子有效」，从预测到验证，需要经过细胞实验、动物实验、临床一期、二期、三期，快则5年，慢则10年。也就是说，AI制药公司可以在10年内没被证伪。 10年够融多少轮？够做多少PPT？够创始人套现多少？ 这就是AI制药赛道最大的问题：「故事」和「验证」之间的时间差，长得足以让一个骗局看起来像一个创业。 结尾 AI制药不是伪命题。DeepMind的AlphaFold确实改变了蛋白质结构预测，Recursion的AI药物发现平台也确实有真实进展。 但问题在于，AI制药的「技术价值」和「估值」之间，存在一个巨大的泡沫。那些把AI包装成「制药魔法」的公司，不是在做科学，是在做金融。 投资人们，请记住：如果一个AI制药公司的主要产出是PPT而非临床数据，那它就不是一家药企，是一家广告公司。

2023年春天，林远（化名）站在北京国贸三期的落地窗前，刚签完B轮融资协议。3个亿，估值15亿，投资方是两家一线美元基金和一家互联网大厂战投。他给团队发了一封全员信，标题是「我们要改变世界了」。 2024年秋天，同一扇窗前，他给投资人发了一条微信：「对不起，钱烧完了。」 18个月，3个亿，0收入。这是一家AI创业公司的死亡全记录。 他们做的是什么？ 简单说，是一个「AI Agent开发平台」——让企业用低代码的方式搭建自己的AI助手。概念听起来很性感：2023年正是AI Agent概念最火的时候，AutoGPT在GitHub上狂揽15万星，所有人都相信AI Agent是下一个风口。 问题是从一开始，他们就没想清楚一个最根本的问题：谁愿意为这个产品付费？ 死亡路线图 第1-6个月：招人狂欢。 拿到钱的第一件事是什么？扩张。从30人扩张到200人，平均月薪3万+，算法团队占了60人，全是985硕士起步。光人力成本就烧掉每月600万。办公室从共享空间搬到了望京SOHO整层，装修花了200万。「那时候觉得，我们值这个排面。」 第7-12个月：产品迭代的死循环。 客户说A功能不够好，他们改A。客户说需要B功能，他们加B。客户说竞品有C功能，他们追C。12个月迭代了47个版本，每次发布会都号称「重大更新」，但付费用户始终没破两位数。原因很简单——他们做的功能，大模型厂商一个API更新就能覆盖。 第13-18个月：救火和甩锅。 现金流预警响起的时候，团队开始内耗。CTO说要All in垂直场景，CEO说要坚持平台路线。销售VP三个月没开单，把锅甩给产品「太烂」。产品VP把锅甩给市场「没有leads」。市场VP说「预算不够」。最后一轮裁员从200人砍到30人，赔偿金又烧掉一大笔。 三个致命错误 第一，把「概念热度」当成了「市场需求」。 AutoGPT火了不代表企业需要Agent平台。大多数企业连Prompt都写不好，你让他们搭建Agent？这不是需求，这是幻想。 第二，把自己当成了「平台」而非「工具」。 平台的前提是生态，生态的前提是规模。一个200人的公司，凭什么做平台？Salesforce做了20年才敢说自己是平台。 第三，烧钱速度与验证速度严重脱节。 3个亿足够验证100个PMF假设，但他们花在了验证1个假设的100种形态上。钱花完了，市场还没摸清楚。 最讽刺的是什么？ 林远后来跟我说，他们清算的时候，发现公司最有价值的资产不是代码，不是专利，而是那60个算法工程师。解散后，这帮人去了字节、阿里、腾讯，年薪普遍涨了30%。「我们其实是一家猎头公司，融了3个亿给大厂输送人才。」 结尾 这个故事每一年都在重复，只是换了个赛道。2015年的O2O，2017年的共享经济，2019年的社区团购，2023年的AI。每一个风口下，都有无数个「林远」在重复同样的错误。 如果你正在创业，或者准备创业，请记住：融到钱不是成功，是负债。 每一分钱都在倒计时，花多快，死多快。在花完之前找到PMF，才是唯一重要的事。

2023年，每家科技公司都在说同一句话：「AI将彻底改变客服行业。」 逻辑很简单：全球有1700万客服人员，平均年薪3万美元。如果能用AI替代其中10%，每年就能节省500亿美元。这是一个千亿级的市场。 ServiceBot（化名）的创始人陈宇（化名）就是被这个逻辑说服的。2023年，他创立了这家AI客服公司，一年内完成5000万美元融资。投资人说：「这是客服行业的iPhone时刻。」 2026年，公司关闭。陈宇在朋友圈发了一句话：「AI替代客服，是2020年代最大的商业谎言。」 5000万美元烧出了什么？ ServiceBot的产品是一套「AI客服Agent」系统——基于大语言模型，能理解客户意图、自动回答常见问题、处理退换货流程、甚至能进行简单的销售推荐。 技术上，产品是成功的。AI客服的意图识别准确率92%，自动解决率65%，响应时间0.5秒。这些指标在行业中都是顶尖的。 但有一个指标，他们一直不敢公开：客户满意度。 AI客服的客户满意度评分是3.2/5。人工客服是多少？4.5/5。 差距在哪里？陈宇团队花了三个月分析，得出一个结论：AI客服擅长「回答问题」，但客服工作的本质不是「回答问题」，是「解决情绪」。 客服的本质不是信息，是情绪 一个典型的客服对话是这样的： 客户：「你们的产品质量太差了，用了三天就坏了，我要退款！」（愤怒） AI客服：「很抱歉给您带来不便。根据我们的退换货政策，您可以提交以下材料申请退款……」(正确但冰冷) 客户：「你就不能先道歉吗？我花了500块钱买个垃圾，你就给我复制粘贴？」（更愤怒） AI客服：「我理解您的不满。为了帮您尽快处理，请提供订单号。」(依然正确，但客户已经想砸手机了) 同一个场景，人工客服会怎么做？ 「哥，真的太对不起了！你消消气，这个事我马上帮你处理，三分钟之内给你搞定。」（先安抚情绪，再解决问题） 这才是客服工作的核心：在解决问题之前，先解决情绪。 AI可以做到前一句，但做不到后一句。因为后一句需要共情、需要语气、需要人与人之间的化学反应。这些，是大模型永远无法复制的。 更讽刺的成本账 ServiceBot的AI客服系统，单次交互成本约0.15美元。听起来很便宜，对吧？ 但实际运营中，客户和AI客服的交互轮次平均是5.2轮。而人工客服呢？2.8轮。因为AI需要反复确认，而人工客服一次就能理解客户的问题。 算下来：AI客服处理一个工单的成本是0.78美元。人工客服处理一个工单的成本是0.85美元。 成本几乎一样，但满意度差了30%。 而且，还有一个更隐蔽的成本：AI客服处理不了的复杂问题，最终还是要转人工。 转人工的工单，客户已经和AI「吵」了5轮，情绪更差，处理难度更大。 ServiceBot的一位客户（某电商平台）给他们算了一笔账：引入AI客服后，客户投诉率上升了15%，退货率上升了8%。这些「隐性成本」加起来，远远超过了AI客服省下的那点人力成本。 AI客服的正确打开方式 陈宇后来反思，AI客服不是没有价值，而是定位错了。 AI客服不应该替代人工客服，而应该做人工客服的「副驾驶」——辅助人工客服更快、更好地服务客户。比如： 实时推荐话术和解决方案 自动总结对话内容，减少人工客服的录入工作 质检和培训，帮助人工客服提升服务质量 在这种模式下，AI不是替代人，而是增强人。客户满意度不降反升，人力成本也能降低20%-30%。 结尾 陈宇现在在一家传统企业做客服系统的数字化改造。他告诉我，他现在跟客户说的第一句话是：「AI不能替代客服，但AI可以帮助客服做得更好。」 5000万美元买来的教训，总结成一句话：技术能解决「效率」问题，但解决不了「人心」问题。 而客服，恰恰是一个关于人心的行业。

我是一个做技术的。2023年底，我拉了两个朋友，拿了200万天使投资，开始做一款「AI驱动的智能客服SaaS」。18个月后，付费用户7个，月收入不到3000块。我关掉了公司。 这不是一个技术失败的故事。我们的产品技术很扎实，响应速度比竞品快30%，AI准确率在测试集上达到92%。但没人用。 复盘下来，我犯了三个致命错误。每一个单独拿出来都不致命，但三个加在一起，就是死刑。 错误一：为「想象中的用户」做产品 我们做的是一个「AI智能客服机器人」，目标客户是「中小企业电商卖家」。听起来很合理对吧？电商客服是刚需，AI能降本增效，中小企业的痛点。 问题在于，我们从来没有真正和电商卖家聊过。 我们想象中的用户：每天收到大量重复咨询，急需AI替他们回答「亲，这款有货吗」「什么时候发货」「能便宜吗」。 真实的用户：一天200个咨询已经算多了，其中150个是「在吗」和「已拍」。他们更需要的不是AI客服，而是一个会推销的真人客服。 我们花了6个月做的产品，解决了一个不存在的问题。 错误二：「功能军备竞赛」害死人 产品上线后，终于有用户开始试用。问题来了：用户说「这个功能没有，那个功能没有」。 我们慌了。开始疯狂加功能：知识库管理、多语言支持、情绪识别、主动营销、CRM集成、数据分析面板……前后加了47个功能点。 每次加完功能，我们都觉得「这次稳了」。但用户数纹丝不动。 后来才明白，用户说「功能不够」的真实意思是「你的产品没解决我的核心问题」。功能多不等于好，只会让产品变得臃肿、复杂、没人会用。 有一个数据让我至今心痛：我们47个功能中，用户真正使用过的只有6个，频繁使用的只有2个。 剩下41个功能，全是噪音。 错误三：不敢收费 这是最蠢的一个错误。 我们做产品的时候，一直觉得「还不够好」「还要打磨」。免费试用期从14天延长到30天，再到90天。我们害怕用户觉得不值，害怕差评，害怕被拒绝。 结果呢？免费用户来了又走，没人付费。因为免费的东西，用户不会认真用。不认真用，就没有真实反馈。没有真实反馈，产品就永远「不够好」。 这是一个死亡螺旋：不敢收费 → 没有真实反馈 → 产品不迭代 → 更不敢收费。 后来我认识了一个做竞品的朋友，他做的产品比我们差多了，但他第一天就收费，月费299。一年后，他年收入400万。我问他秘诀是什么，他说：「收费是最好的产品验证。用户愿意付钱，说明你解决了真问题。不愿意付钱，说明你做的事没价值。」 我学到的最重要的一课 如果你现在问我，创业第一件事是什么？我会说：在写一行代码之前，先找到10个愿意付钱的用户。 不是「愿意试试」，不是「听起来不错」，不是「做好了告诉我」。是「你现在收我钱，我马上付。」 这10个人，比任何市场调研报告都靠谱。 200万买来的教训，送给每一个正在做产品的你。