AI 创业多视角评估

先说清楚要解决什么

看 AI 创业项目时，判断往往被视角绑架：投资人盯着 ROI 却漏掉团队，孵化器看到项目却看不到政策，创始人谈愿景却误判市场。任何单一视角都自带盲区，结论越确定，反而越危险。这个技能要解决的，是把散落在不同角色身上的判断标准拉到同一张桌子上，让它们互相打架，而不是各自自证。

核心能力与工作流程

五个独立视角，同一套评分语言。 每个视角都有自己的评估框架和关键问题：

• 创始人视角（scenario-ai-startup-framework）：需求金字塔、AI×场景融合、数据飞轮、成本平衡，回答「这个项目能不能跑通」
• 投资人视角（investor-pitch-evaluation-framework）：6 维评分卡加 5 分钟信号，回答「值不值得投」
• 孵化器视角（startup-ecosystem-operating-model）：5 层生态与 3 阶段支持，回答「能不能长大」
• 政策视角（ai-startup-policy-trend）：4 个政策维度与算力国产化，回答「能不能持续」
• 学术视角（ai-driven-economic-research）：方法论与数据价值，回答「方法论是否先进」

执行顺序分三步：

1. 用每个视角的专属框架分别给项目打分，维度分差区间（如需求真实性的 0-3 / 4-6 / 7-10）而非印象分
2. 交叉比对，找出只有单一视角才能解释的异常——比如投资人给了高分但政策视角显示监管沙盒收紧
3. 汇总成一张统一评估表，输出明确决策：投、不投、跟、观察

前四个视角构成主干，学术视角作为方法论层面的补充校验。

适用边界与注意点

这套方法是决策辅助，不是决策外包。评分卡只能暴露盲区和冲突，最终判断仍需依赖人对行业和团队的了解。它适合早期项目的方向与节奏研判，不适合替代财务模型或法律尽调。

注意三点：一是评分需要可验证的事实支撑，「已付费」「客户访谈过」这类证据比描述重要；二是视角之间权重因项目阶段而异，种子期创始人视角权重高，扩张期政策与融资视角权重上升；三是政策维度的时效性强，算力成本与监管沙盒状态变化快，评估结果需定期刷新。