任鑫谈 AI 创业成本结构：做东西贬值约百倍，先卖再做

2026/10/18 20:55

成本侧判断：任鑫称 AI 让「做出一个东西」的成本贬值约 100 倍，稀缺环节从生产转向找到真正买单的人。他给出的动作很直接——「你应该先卖，卖完再做，先把钱收了，或者至少把订单先收了」。
卖出去才发现买的是什么：他曾先卖出尚未开发的转型 Agent 试点，交付时判断「其实大家买的根本不是这个产品」，客户真正需要的是更早期的东西——如何让决策者的思路变清楚。由此延伸出的取舍是「能不产品化就一概不产品化」：服务里跑出来的能力，需同时满足有人买单、毛利够高、能复制，才值得投入做成产品。
标准即工作量：企业用 AI 之前要先想清两件事——这件事值多少钱，以及「你的测试集在哪里」。晓辉的补充是，定义出这个标准的过程本身就是在干活，而非前置的准备动作。
止损案例：复盘 2015 年做对话式 AI 助手的第二次创业，任鑫称那次「既不代表我从技术出发，也不代表我从市场出发，它是从一个口号出发」。被问及想对当时的自己说什么，他只有一句「早点关公司」——原计划去澳大利亚看袋鼠，出发前一周袋鼠去了新西兰，就该改签，而不是说服自己海岸线也不错。
当前做法：不融资，用顾问收入养试验，「每三个月试一个不同的想法和产品，去试市场」；只做稳赚不赔的事（如播客），播放量多少都只是 bonus。他把学习类比强化学习——「如果没有疼痛或者爽感，那个学习都是假的」。
组织侧观察：企业 AI 转型推不动，常常不是方法问题，而是「大家信不信有一个愿景，并且这个愿景里面有我」。对 HRBP 的建议是别守边界：用好 AI 之后，「它应该是一个抢地盘的过程」。
行业观察：这期对谈把 AI 创业的瓶颈从「能否做出来」移到了两处更难量化的地方——获客前的需求验证，以及交付前的评价标准定义。当生成成本整体下移，团队在写第一行代码之前先确认谁付钱、用什么测试集验收，比追赶模型能力更影响单位经济模型；而对转型项目而言，「愿景里有没有我」这类激励问题，往往比工具选型更早决定落地成败。 🔗 播客原链接