@antonsten: 我有幸与 @MatthewEdanWoo 共事超过四年。这是我们正在探索的一些内容的初窥:
摘要
作者分享了关于在AI领域从产品导向转向研究导向的公司构建的见解,探讨未来的人机界面,并提到了像Kyutai's Moshi这样的最新模型。
查看缓存全文
缓存时间: 2026/08/22 01:25
很幸运,我与 @MatthewEdanWoo 共事已超过四年。这是我们目前探索方向的初步介绍:https://matthewedanwoo.substack.com/p/building-a-research-vs-a-product…
研究型公司与产品型公司的构建之道
来源:https://matthewedanwoo.substack.com/p/building-a-research-vs-a-product
我原本无意打造一家研究公司。我没有博士学位——团队里也没有人拥有博士学位。过去十年,我一直是一位产品负责人,致力于带领团队解决那些具体、火烧眉毛的痛点问题。但在过去两个月的构建过程中,我们逐渐偏离具体问题(尤其是在软件领域),转向那些更模糊、需要信念飞跃的挑战。
-
具体问题(尤其是软件领域)无论从买方还是供给方来看都已高度饱和——全球约有3-4万家SaaS公司(https://colorlib.com/wp/saas-statistics/)(仅美国就有约1.7万家),且SaaS收入增长正在放缓(2026年增长率为12%,而2021年为30%),因为买家正趋于整合支出而非采用新软件(https://www.saas-capital.com/blog-posts/four-early-2026-saas-trends/)(https://www.bettercloud.com/monitor/saas-statistics/)
-
你仍然可以找到细分市场起步,但我发现,一旦我们扩展到初始受众之外,立即就会遇到多家做着同样事情的公司(https://techcrunch.com/2024/11/22/y-combinator-often-backs-startups-that-duplicate-other-yc-companies-data-shows-its-not-just-ai-code-editors/)
-
如果你能找到一个空间,能以远低于以往的成本构建定制解决方案,这并非坏事——但许多软件领域的想法,其成果似乎更接近百万级而非十亿美元级(https://aventis-advisors.com/saas-valuation-multiples/)
-
因此,在过去两个月里,我和团队凭借直觉去判断未来2-5年世界会是什么样,并提出如下问题:
- 人们与AI交互的主流方式将是什么?不同场景下有何差异?
- 设备 → 手机、桌面电脑、智能音箱、AR眼镜、VR
- 模态 → 文本、语音、脑机接口
- 界面 → 聊天应用、软件、交通工具
- 基于这些交互方式,人们与AI互动的行为和预期将如何改变?
- 基于这些行为和预期,软硬件将如何适应?
- 人们与AI交互的主流方式将是什么?不同场景下有何差异?
-
我们仍在探索这些问题的早期阶段(稍后会分享更多观点),但关于以“研究型”公司而非“产品型”公司模式运营,有一些观察:
-
我们花费更多时间思考构建和运行哪些实验来回答不同的问题——更像是一种“广度”搜索,而非那种按部就班、层层深入的“深度”里程碑式推进。
-
阅读库恩的科学革命著作时,有一点令我印象深刻,即他关于测量的论点(https://www.journals.uchicago.edu/doi/abs/10.1086/349468):正是那些定量异常——只有当测量现象的能力提升后才变得明显的差距——击碎了旧有的信念体系并引入新体系。而定性异常往往只会被修补掩盖。
-
虽然这个类比不完全贴切,但我认为在“研究”模式下某些方面是相通的——如果你在前沿领域探索,测量工具必须为你的实验量身定制,因为现成的工具无法提供足够精度来产生新洞见。
-
至少花一天时间阅读研究论文,以了解技术发展走向以及商业化后的成果。
-
例如:全双工语音模型的初步探索出现在2024年底Kyutai的Moshi论文中(https://arxiv.org/abs/2410.00037),在2025年加速发展(https://arxiv.org/pdf/2502.13472),到2026年中已出现在产品中——Thinking Machines在5月推出的交互模型(https://techcrunch.com/2026/05/11/thinking-machines-wants-to-build-an-ai-that-actually-listens-while-it-talks/),以及OpenAI在7月用GPT-Live(https://openai.com/index/introducing-gpt-live/)取代ChatGPT的高级语音模式。阅读这些论文能让你提前约18个月预览趋势。
公平地说——我们的核心仍不是一家研究公司(至少目前还不是),我认为将产品原则应用到这个阶段确实有价值。将在未来文章中分享更多想法。
本文讨论
准备好了吗?
相似文章
@tuhinone: https://x.com/tuhinone/status/2054603346905080136
一篇观点文章,主张未来应是由专注、以客户为中心的团队开发的专业化AI模型,并列举了OpenEvidence、SchoolAI、Lovable、Harvey、Boltz和Notion等公司。
Meta的AI负责人谈AI争端、新模型以及和扎克伯格的生活(3分钟阅读)
Meta的AI负责人Alex Wang在接受独家专访时讨论了公司的新Muse Spark模型、追赶OpenAI和Anthropic等竞争对手的努力,以及他从Scale AI的转型。
@omarsar0: Tobi 写了一篇很棒的文章。正在打造 AI 原生公司?赶紧去读。我忍不住用我的 artifact 生成器把它可视化了…
一条分享并可视化了 Tobi 关于打造 AI 原生公司文章的推文,重点强调了当 AI 代为完成工作时,无人从中学习的潜在风险。
@zhang_benita: https://x.com/zhang_benita/status/2078716535548600458
本文采访了Moonshot AI创始人杨植麟,讨论了构建基础模型和AI助手Kimi的挑战与愿景,并反思了过去一年的发展。
@johnschulman2: 我们一年半前创办Thinking Machines时,基于几个直觉:人们应该拥有更强大的能力来定制模型并开展研究…
John Schulman回顾了Thinking Machines的创始原则,强调定制化与人机协作,并分享了公司在AI智能体取得最新进展后更新的愿景。