Ngoài việc thực hành, trang web chính thức của dự án là một tài liệu học tập AI rất tốt, đặc biệt là đối với những người không có nền tảng kỹ thuật muốn hòa nhập vào bối cảnh ngành AI. Bởi vì trang web chính thức của dự án đều được tóm tắt và tinh gọn: vừa có thể tóm tắt một cách chính xác những gì họ đang làm, giúp người dùng bình thường hiểu được; đồng thời cũng có một số khái niệm chuyên môn, giúp người trong ngành hiểu rõ hơn về vấn đề. Vì vậy, khi gặp một dự án mới thú vị, trước tiên không cần phải vội vàng sử dụng AI để tra cứu tóm tắt dự án, mà hãy vào trang web của họ xem trước, ghi lại thông tin dự án (như lĩnh vực, bối cảnh đội ngũ, tình hình tài trợ, v.v.) vào bảng của mình. Cùng lúc đó, vừa xem vừa hỏi AI về một số khái niệm không hiểu. Khi tích lũy nhiều, một số khái niệm rời rạc sẽ ghép lại thành một khung hoàn chỉnh hơn.

Hôm nay tôi đã trò chuyện với một người bạn đại học đang làm kỹ sư ở khu vực Vịnh, anh ấy làm việc tại một công ty khởi nghiệp về hạ tầng AI có hơn 100 nhân viên. Anh ấy nói với tôi rằng, gần đây những người đến phỏng vấn cho vị trí kỹ sư junior ở công ty của họ chủ yếu là sinh viên đại học từ Stanford, Ivy League và các trường tương tự, và họ cần có từ 2 đến 3 kỳ thực tập, để có thể ngay lập tức đảm nhận công việc của những người senior. Làm việc tại các công ty lớn ở khu vực Vịnh vẫn khá thoải mái, nhưng ở các công ty khởi nghiệp, khối lượng công việc hiện tại rất lớn. Nếu không nhanh chóng học hỏi và hoàn thành công việc, rất dễ bị loại bỏ 🥲 Ngoài ra, vì mọi người đều đang sử dụng Claude Code để lập trình và đã khá yên tâm với AI, nên cách mà mỗi người viết mã trở nên khó giải thích cho nhau, do đó mỗi kỹ sư phụ trách các module trở nên độc lập hơn 😂

Gần đây tôi đã trao đổi với một số công ty AI hướng đến người tiêu dùng, nói thật là với độ trưởng thành của thị trường hiện tại, việc tăng trưởng thực sự không dễ dàng: 1/ Việc tạo ra ứng dụng C端 thành công rất phụ thuộc vào thẩm mỹ của đội ngũ và sự hiểu biết về người dùng, có tính xác suất và ngẫu nhiên rõ rệt, khó có thể dự đoán hoặc sao chép chính xác. 2/ Hiện tại, thị trường khá phân mảnh, chẳng hạn như ứng dụng của Mỹ khó vào được Trung Quốc, ứng dụng của Trung Quốc vào thị trường nước ngoài lại gặp nhiều rào cản. Đối với các dự án muốn vào thị trường tiếng Anh trước, lưu lượng truy cập và thị trường khu vực trong thị trường tiếng Anh phân tán nhiều, không thể tiếp cận hiệu quả qua một kênh hoặc chiến lược duy nhất, điều này có nghĩa là dự án phải có chi phí đầu tư lớn. 3/ Chi phí đầu tư trên thị trường hiện tại không rẻ, báo giá của KOL cho lưu lượng chung thường là 10% tổng số người theo dõi (RMB), trong khi KOL trong lĩnh vực AI phải trả thêm 2-4 lần. Tôi đã kiểm tra và thấy rằng chi phí đầu tư của Kimi vào năm 2025 là cấp độ hàng trăm triệu RMB, điều này đối với các công ty khởi nghiệp đã huy động được một hoặc hai triệu là không đủ sức chịu đựng, vì vậy chắc chắn sẽ không thể chi trả nổi. 4/ Các sản phẩm yêu cầu mức độ nhận thức AI cao từ người dùng tương đương với việc phục vụ "phân khúc của phân khúc". Trước đây có người nói rằng hiện nay nhiều sản phẩm AI chỉ là tự sướng trong một nhóm nhỏ, tôi trước đây nghĩ rằng đó là vấn đề về khả năng marketing của các sản phẩm này, nhưng giờ tôi nghĩ đó là vấn đề về quy mô khách hàng mục tiêu và khả năng chi trả. Dựa trên điều này, nếu trong trường hợp khả năng, ngân sách và tổng thể người dùng hướng đến C hạn chế, có lẽ cách mà các dự án AI có thể tạo ra ARR tốt nhất vẫn là logic "tìm khách hàng lớn" - tìm nhóm có nhu cầu rõ ràng nhất và khả năng chi trả mạnh nhất, sau đó từ từ mở rộng, tức là hướng đến B, đến nhà phát triển, đến các nhóm chuyên nghiệp, rồi mới đến lưu lượng chung. Còn về lý do tại sao phải tạo ra ARR, là vì hiện tại không có ARR, dự án rất khó để huy động vòng thứ hai.