场景化AI创业方法论

很多 AI 创业团队容易陷入“拿着锤子找钉子”的陷阱：技术参数行业领先，却找不到真实的业务场景；或者产品虽然有人用，但成本结构根本无法支撑商业化。这个技能提供了一套从路演实战中提炼的场景化创业方法论，帮助团队在“技术、场景、数据、成本”之间找到平衡，避免在伪需求和过早优化上浪费资源。

核心能力与评估维度

该方法论通过结构化的框架，引导创业者从客户的真实痛点出发，而非从技术参数出发。它包含四个核心模块：

• 需求挖掘金字塔：将产品划分为 -1（方向未明）、0（MVP验证）和 1（规模复制）三个阶段，并提供“黄金提问”与“土办法”判断标准，帮助识别真伪需求。
• AI × 场景融合度评估：从痛点强度、流程嵌入度、决策权转移等五个维度进行 1-5 分量化打分，判断 AI 是否真正嵌入了核心生产流程。
• 数据飞轮与成本甜蜜点：指导团队构建“数据→智能”闭环，应用“千元级硬件法则”和商业化三段验证（MVP、PMF、规模），并规划规模、数据或生态层面的成本壁垒。
• 反模式警告与自检清单：提供 12 项评估维度和一份综合自检清单，帮助团队规避“先有技术找场景”、“盲目追求 SOTA”、“烧钱换增长”等典型陷阱。

适用边界与注意事项

这套框架主要用于早期 AI 项目的战略决策、产品规划和商业化推演，不涉及具体的代码实现或模型训练指导。
在使用该技能时，需要注意以下几点：

• 它强调 场景 > 概念，独立 App 或脱离核心业务流程的辅助工具很难建立真正的壁垒。
• 模型效果从 90% 提升到 95% 的边际成本极高，建议采用“80% 的模型 + 100% 的场景嵌入”策略，而非盲目追求技术 SOTA。
• 商业化验证必须严格遵循留存和付费指标（如 5% 转化率、NPS > 30），在没有跑通 PMF 之前，不应盲目投入资源做规模扩张。