AI 改变世界之前，先找到 PMF | 九合创投「增长」系列沙龙精彩回顾

九合创投九合创投··3·4

一场关于GenAI时代PMF的现实主义讨论

“

生成式AI开启了重大的时代变革，但从大模型能力到产品落地，还需要跨越鸿沟，目前获得普遍认可的PMF并不多见。

九合创投「增长」系列的第二期沙龙聚焦生成式AI时代的PMF与商业化，邀请九合被投企业创始人和行业专家，展开了一场关于PMF的务实讨论。在通往AGI的路上，先找到PMF，这是关乎创业公司生存的重要命题。

”

王啸 九合创投创始人

智能崛起：主流AI商业模式及创业机会

九合长期在AI领域深耕，从自动驾驶公司Momenta、"医疗AI第一股"鹰瞳科技，到应用层的心影随形、CreativeFitting等公司，再到机器人和智能硬件，我们一直在积极布局。

我参与了百度第一代搜索引擎的研发，后来的头条是第二代的推荐引擎，这两代引擎围绕的是信息的获取和推送。随着互联网数据大爆炸、算力提升和Transformer算法的演进，以ChatGPT的诞生为标志，我们迎来了一个新的科技周期。

大模型成为第三代智能引擎，从大语言模型逐渐泛化出多模态模型、垂直领域模型，将给千行百业提供智能基础设施。垂直行业的AI改造存在显著的机会，行业有独特的数据和know how，智能体可以和人一起提供端到端的服务。

从商业模型上来看，在移动互联网时代，平台依靠流量分发获得抽成，本质是通过广告变现，核心指标是用户规模和留存率，容易出现头部效应，赢家通吃。

在生成式AI时代，智力即服务，盈利模式是通过智能体提供服务来收费，提高人效比，存在多赢的可能性。Token成本和服务收入决定了毛利率的水平，竞争壁垒在于将用户产生的数据用于模型的迭代，形成数据自循环。

两者的PMF有不同的逻辑，从细分市场崛起是AI应用发展的重要趋势之一，产品要先满足单一场景需求的应用，建立数据闭环，提升用户体验，完善产品功能，然后再进行迭代，演变成多领域应用的综合平台。所以不能简单的用互联网的思路把产品重做一遍，创业者需要从数据，以及服务和数据的交叉领域等多个维度出发，思考底层的商业模式和创造的价值。

大模型技术上的突破将带来生产力的变革，期待和更多创业者交流，分享我们在产品、管理、融资等方面的经验，帮助大家更顺利的完成从0到1的跨越。

袁进辉 硅基流动创始人兼CEO

AI Infra的PMF

我从2016年开始创业，上一家创立的公司OneFlow做深度学习框架。我们很早就预见到模型会变得越来越大，需要新的底层架构，成立之初就获得了九合的天使轮投资。大模型爆发后，这个方向迅速变成共识，OneFlow被光年之外并购，后来我又从美团出来，成立了SiliconFlow。

浪潮来临时，最先赚钱的是卖铲的公司。AI Infra介于算力公司和大模型公司之间，能把几个要素连接起来，形成一体化方案。Infra的PMF也要找到合适的市场、产品形态和商业模式。从市场的角度考量，我们选择了做推理部署，未来推理模型所消耗的算力可能是训练模型消耗量的几百甚至上千倍，客户群体也更广泛。

PMF首先要找到切入点，等第一个产品立足后，再进行延伸，快速迭代，这样能有效提高产品的成功率。我们产品背后的主线是从面向开发者需求、让开发者喜欢这个产品，演化成付费能力更强的企业级需求。

袁行远 彩云科技创始人兼CEO

AI 时代：从 0 到 1 的创业方法论

彩云小梦是中国第一个AI 网文写作应用，在2021 年上线，比ChatGPT的出现早一年。PMF首先要找市场，我们的洞察来自学术界，工业界和学术界存在五年左右的时间差。2016年，如果你关注学术论文，会发现AI学术届都在做语言的研究，那时候工业界还专注在图像领域。2017年，Transformer上线之后，就提示我们要用更大的模型去解决语言问题。

顺应趋势之后，要等待用户洞察带来的灵感。2019年我们做彩云小译的过程中，发现用小译翻译的人，60%-80%都在看小说，由此我们意识到小说是中文文字的主流消费。所以我们把中文到英文的翻译，换成从上文到下文的续写，取得了非常好的效果。

产品推出后，从满足用户需求到完成PMF，有个非常大的门槛，就是用户留存。目前影响AI应用留存率的重要原因是产品不够智能，大模型的能力还需要做进一步的提升。除了接受市场和用户反馈，你自己也要变成一个用户，与用户同呼吸，才能更好的对产品功能进行取舍，满足用户对于AI应用的真正需求。

秦勇 鹰瞳科技COO

医疗 + AI 的产品探索之路

鹰瞳科技借助AI技术，通过视网膜影像提供早期辅助诊断和健康风险评估，提供软硬件一体化的解决方案。我们选择目标市场的关键词是慢病，截至2024年，中国有约5亿慢病患者，约6亿近视患者。根据预测，到2030年，视网膜AI市场规模将达到340亿元，近视防控市场规模将达2100亿元。同时，国内医疗资源并不平衡问题，对于AI产品的需求也非常庞大。

我们选择视网膜作为慢病检测的切入点，因为视网膜是人体唯一可以通过无创手段观测到体内血管和神经的部位，视网膜图像是评估多类疾病进展的直接医学证据。产品形态上，我们采用软硬一体化解决方案，设备更便携，最重要的是患者可以自助完成检测，大大降低了使用门槛。

商业化场景方面，我们覆盖医院临床科室、体检中心等医疗机构，以及保险公司、药店、视光中心等大健康场景。根据场景的需求，我们会出具不同的检测报告。比如在保险公司，我们出具的健康风险预测能帮助保险公司提高成单率，并根据风险等级确定相应的保费水平。除了To B场景，我们的近视防控产品也会进入C端市场，服务更多家庭。

圆桌讨论

对话嘉宾：

袁进辉 硅基流动创始人

王碧豪 心影随形联创&COO

昝 智 龙猫数据创始人

宁辽原 TTC 联创&CTO

李星宇 燧原科技首席生态官

各位一般用哪些指标来验证产品的PMF，这些指标能说明哪些情况或问题？

袁进辉：验证AI Infra产品PMF的指标有token生成量、做模型推理的GPU数，以及代表性用户的数量。Token和GPU的数量代表了市场的需求，同时要看每个赛道流量高的企业有多少在使用我们的产品。

王碧豪：我们主要看三方面的数据。首先关注传播力，如果没有传播力，C端产品的PMF是不成立的。另外要看用户愿不愿意去裂变，一般会通过UGC的方式，现在UGC最大的问题在于内容的消费价值并不是很高，还需要探索。

第二个指标是MAU和DAU，包括新增留存率和活跃留存率，新增留存率能反映渠道上的健康度。第三个指标是商业率，包含老客户的复购率，以及新用户的转化率。

昝智：我们比较关注硬性的PMF，就是公司是否真的赚钱。一方面是产品和服务是不是可持续的需求，能否产生订单和收入。第二，要算清楚毛利，要计入销售、定制化开发、交付人员等成本，有的大订单回款比较慢，利润有可能微薄甚至是负数。

宁辽原：PMF核心是market，我们的选择是进入相对成熟的market，比如招聘，这样就只需要调整产品，用AI结合猎头的专业服务，满足客户的需求。我认为除非产品特别优秀，尽量不要选择客户教育成本特别高的市场，提供更好的解决方案远比培育市场的速度要快。

李星宇：从算力指标的角度来看，当企业从训练算力转向推理为主，就证明产品已经开始推向市场。因为训练是内部研发，推理是面向用户，如果推理算力增长快，就证明用户规模在增长，有望达到PMF。

一般资本市场普遍认可的PMF将会持续融资和扩张，但当前被普遍认可的PMF相对不多，这种现象背后的原因是什么？生成式AI浪潮和移动互联网时代的创业有哪些区别？

袁进辉：AI应用的爆发与模型能力的成熟度挂钩，依赖于模型 reasoning推理能力的提升，技术的渗透需要时间。同时，随着小模型的发展、infra层的优化和芯片成本的下降，算力成本也会降低，我对AI应用的崛起毫不怀疑。

王碧豪：AI时代远比移动互联网时代的机会更多，因为这是改变全人类的一次科技能力，我们会看到自动驾驶、机器人和 AI 助理这三个超级应用的蓬勃发展。AI要继续向前演进，C端一定很重要，未来会出现所有人都能参与的终端，产生大量的数据，从而促进大模型的发展。

现在的问题是AI在C端的用户规模不够，但是我们可以先挖掘目前这批AI用户，给他们创造价值，然后再做拓展。其次，在自己最擅长的行业里用AI进行改造。我们要想清楚是否在解决新问题、新需求，或者更高效地满足现有需求。

昝智：生成式AI和移动互联网时代不同，网络效应不那么明显，所以不能指望把产品服务做到用户规模非常大，才开始挣钱，要更早的去看自己的服务成本和营收。AI时代开发者的成本可以很低，满足一些细分的需求就能赚钱。

移动互联网时期，很多企业砸钱扩大用户规模，但现在是不一样的经济环境和时代。应该早期就向用户收费，获得收入后去融资，把已验证的业务扩大，而不是拿到融资后，砸钱扩大规模，这无异于饮鸩止渴。如果用户真的不愿意付钱，可能是自己的产品做错了。

宁辽原：现在融资主要集中在大模型的头部公司，但其实中国已经有一些水下的AI公司开始盈利，他们没有宣传自己做的AI应用登上了榜单，在闷声赚钱。只要埋头干，就能感受到AI快速的发展。我不建议大家把生成式AI和移动互联网直接做类比，要更直接的观察这一次技术变化的本质是什么。

李星宇：今天中国的AI创业和移动互联网时代有深刻的区别，To B创业远远多于To C。首先To B是国家鼓励的新质生产力；第二，大模型的审核使To C端发展天然受到约束；第三，从技术难度来讲，To C的产品开发难度高于To B，To B是在相对封闭的垂直领域。现在中国To B端有很多垂类的AI产品，虽然不像过去那么吸睛，但已经有一定的商业规模。最终，AI应用会发展到To C，只是周期更长。

新一代的AI企业更重视人才哪些方面的能力？

宁辽原：我们观察到很多创业企业，招聘时除了能力外，还很重视候选人对公司使命和愿景的认可度。如果候选人在选择时更多在比较薪资的差别，就会影响企业对候选人的印象，企业更希望看到候选人对公司愿景、做的事业的认同和热情，找一起打拼事业的伙伴，而不只是加入公司工作的员工。如果候选人只看重薪资，很可能因为更高的薪资而离开，这样对于公司的损失更大，大于没有招到这个员工。

李星宇：首先，AI人才对确定性的追求不能那么高，要容忍在不确定性的环境里发展。第二，要有成长性，AI公司对人才的要求可能会不断调整，相比于过去的skill set，动态性和成长性更加重要。

王碧豪：我们也比较重视心态和成长。专业能力相对容易在面试中判断，成长性是比较难判断的，做得到从失败中学习的人，才有成长性。

昝智：我比较关注候选人的创新和创业能力。AI时代在不断地变化，过去的经验不一定对未来的成绩有所帮助。需要自主学习新的技术，用新方法解决问题。对于岗位的分工配合，我希望销售懂技术，技术人员对客户需求也有了解，如果只待在自己的领域里，往往很难做出正确的决定。

袁进辉：在AI浪潮里，成长和创新能力确实非常重要。从AI模型的角度，我们每个人也是一个大模型，有过去的经验，同时要不断强化学习，尤其在创业公司里，要快速的迭代自己。