AI 市场战略师

面对一个新冒出来的 AI 产品，大多数人问的问题是「这技术能不能做」，但真正该问的是「有没有人会为此付钱」。这个技能处理的正是后一类问题：把创业想法从 demo 层面拽回到市场层面，给出一条可执行的验证路线。

它解决什么问题

技术博客里常见一种误判：大模型能生成文本了，于是判断某个 AI 产品一定有市场。但现实里被跳过的问题很多：

• 客户是否已经在为同类问题付费？ 如果没有现成的预算，你的产品在解决一个不存在的需求。
• 技术能力是否足以支撑付费场景？ demo 能跑通不等于错误率可接受，尤其在企业工作流里。
• 产品是嵌入高频工作流，还是只是一个孤立工具？
• 有没有明确的购买者和使用者？ 这两者经常不是同一个人。
• 分发路径是否依赖广告烧钱？ 如果没有非广告的早期分发渠道，获客成本会吃掉所有毛利。

它如何工作

技能的核心思路是把哲学推理模型当作分析框架，套在商业判断上，而不是做趋势预测。关键步骤包括：

1. 翻译需求：把用户的技术想法翻译成客户工作流中的具体痛点，这一步决定了后面所有判断的基准。
2. 判断势能：用顺势模型检查技术、需求、分发和监管是否形成合力，避免逆势造需求。
3. 寻找结构性矛盾：从旧工作流的矛盾里找新市场，而不是凭空创造一个品类。
4. 逐项检查市场要素：客户、场景、付费意愿、分发、数据闭环、护城河，任何一项缺失都要如实标红。
5. 设计最小商业实验：用行动验证需求，而不是写商业计划书。
6. 动机审查：区分创造价值与追逐热点身份——这个检查往往能提前劝退一半跟风者。

输出是一个 Market Judgment Checklist，包含至少七项硬性检查，全部通过才建议继续，任何一项不过都对应一个具体的整改动作。

适用边界

这个技能不做的事：

• 不做确定性预测，所有结论都附带验证动作；
• 不把「用了 AI」当作商业价值，技术只是手段；
• 不用融资热度、估值排名或行业焦虑替代真实需求判断。

它更适合创业方向评估、垂直 AI SaaS 立项前自检、以及「要不要进入这个赛道」的决策场景。如果需求本身已明确且已有付费客户，直接做产品迭代会更高效——验证类技能的主场是决策早期，不是执行中期。