AI创业真实案例评估

一个常见的评估陷阱

看 AI 创业项目时，最容易犯的错误是用单一视角做判断。只盯技术、只算市场、或者只谈团队，都会留下盲区。更隐蔽的问题是"投/不投"二分法——把复杂决策压缩成一个结论，中间那些有价值的信息就被丢掉了。第三种失效方式是评估没有落地动作：分数打完了，项目放一边，几个月后再回来看，发现当时的风险已经兑现。

这个技能要解决的就是这三件事：把评分量化、把冲突识别出来、把跟进动作变成可执行项。

9 视角如何协同工作

核心流程分四步：

1. 多视角打分：从 9 个维度各取信号——创始人视角看需求金字塔与数据飞轮、投资人视角看 6 维评分卡、CTO 视角看技术债与 DORA 指标、CMO 视角看 ICP 与 GTM 模式，等等。每个视角都有具体的检查项，比如 需求真实度、数据飞轮 L1/L2/L3、4 维技术债。
2. 冲突识别：视角之间出现分歧时，不是简单的取平均，而是把冲突本身当作风险信号。一个技术过硬但 GTM 模糊的项目，和一个市场明确但工程落地存疑的项目，需要不同的跟进路径。
3. 加权决策：9 视角加权后落入 4 档——≥ 7.5 重点跟进、6.0-7.4 重点观察（1-3 月验证）、4.5-5.9 谨慎参与、< 4.5 暂不推进。注意这是有条件决策，不是终局判决。
4. 生成跟进动作：针对每个项目输出 1-3 个月内的具体验证项，而不是一句"再看看"。

用起来前需要想清楚的事

这个框架适合已有初步材料的真实项目——商业计划、路演 deck、技术架构说明、客户访谈记录。如果信息太薄，9 个视角都只能打经验分，冲突识别的参考价值也会下降。

另一个注意点是视角权重不等于决策权重。加权分是触发器，真正判断"要不要继续"时，某些红线项（如数据合规、知识产权）具有一票否决性质，这个在投资人视角的红线检查里有覆盖。

最后，评估模板需要随项目阶段调整。Pre-A 和 A 轮的检查重点完全不同——前者重需求验证和团队搭建，后者重 GTM 效率和现金流。