Subscribe
Share
Share
Embed
课代表立正的官方Podcast
深度访谈，有用干货，亲身验证的「真本事」
Superlinear Academy创始人，Maven Top AI Instructor
前Statsig布道师（OpenAI收购），腾讯副总监，Meta，Amazon；康奈尔经济学博士
社区：Superlinear.Academy
课程：ai-builders.com
个人：lizheng.ai
好好
咱们开始下半集
激动人心的AI创业到了
哈哈哈哈
就是我们跟灶爷当时请上个周吧
去Statsig跟VJ聊了聊天
然后就很明显感觉到
我记得有一个moment是
请了你和当时也是坐在这访谈
竹子和Cooper去嘛
然后VJ就说呃
你在跟人pitch（推销）的时候
永远不要去讲你的产品
对
永远不要去讲你的产品有多么厉害
然后你讲对对对对
然后竹子和Cooper就 啊？为什么？
对对
就是很明显
他推荐的那个《the mom test》
我把那本书拿出来
这本书就是VJ推荐的那本《the mom test》
拯救了Statsig的这本书
在那之前
他问的所有人问题全都是错误的
就在那讲自己的产品有多好
这所谓mom test
就是能让你的妈妈都不骗你
就是你去跟你妈妈说你要创业了
你有一个idea
你妈妈说好好你好厉害好棒
但是你怎么样子可以让你妈妈都说
你的产品到底哪好哪不好
就是这本书的东西
然后我给你推荐那本书
是那个《The E-Myth Revisited》嘛
我刚找了一下
我应该我家那本送人了
对
那本书你说
我记得你发的那个朋友圈就是
首先这本书对你是一个很大的一个（谢谢）启发
不不～谢谢那本书的作者
我只是推荐了一下
就是你看了那本书之后
在那之前你都是写代码
你是做技术的
然后看了那本书之后你就
我再也不写代码了
再也不写代码了
但是反而你看公司
现在反而进入了一个比较focus
这样的情况（是是是）
这里边有好多认知
我们一个一个聊
这本书的节点
我想说一下
这本书的节点是
是在24年的3月份
当时决定把三个产品关掉
那这本书我是在24年的2月份看的
哦是看完以后就做了决定
看完之后其实是做了一系列这个test
就是从比较理性的这个角度
做了一系列这个测试
后来是觉得不行
大家创业之后可以发现
你所有这个错误其实都可以变成货币
都可以计算成货币
就是一个错误
大概是值多少钱
对就是你可以measure得出来
首先第一个
我们有没有可能通过持续融资
烧钱的这种方式
就是把这个LTV逐渐做上去
并且就是beat
这个CPA (cost per acquisition）平均获客成本是吧
然后我们当时后来基本上计算了一下
当时这个差距
可能每个月得保持60%以上的一个增长
然后完了
就是说我们必须得持续的烧钱
烧一年到两年左右时间
那个时候你的心情是什么样子
压力呢
烧了一半的钱嘛
哈哈哈烧了一半多的钱
是吧
我就压力肯定是巨大的
我肯定我也是跟团队说了
因为大家其实就是都是说
原来有正常工作
辞掉了之后过来创业的
就是大家压力都挺大的
所以我其实当时2月份做了一件事情
所有人陪着我停掉
包括我自己
就是我们所有人都不从公司拿工资了
然后这是第一个决定
大家当时可以选择走嘛
对吧
然后但如果说你们觉得
我这个人靠谱
还有希望的话
那咱们就再努（力）一把
当然我觉得比较幸运的是
确实是遇到一帮好伙伴
大家都跟我留下来
今天都没走
那当时我们实际上就是很明确
因为c端这个东西经常会遇到一种
就是topic idea
就是你跟大家说这个东西有没有需求
大家觉得很酷很有需求是吧
但实际上就是做下来之后
其实你说你就
其实你也就是打开了一遍
打开了一遍
就没有再打开了
对就是这里面最核心的就是
你问别人任何的hypothetical question（假设性问题）
别人都会跟你说yes
对对
所以最终结果就是说
你会听到很多positive feedback（正反馈）
包括我们去这个 Product Hunt launch 的时候
下面基本一片positive
哇大家都说好酷好酷好酷
早就应该存在的
这个东西我等了10年了
天天都想用
没用
没用所以我觉得
这个事情就是真的是大家的一个困境
就是你做ToC产品的时候
听到的所有feedback都是positive
everyone is nice to you
但是这个东西并不是说必须的
并不是一个必需品
是所以最终结果就是说
我们当时实际上
靠数据驱动的这个方法
把这个怪圈给打破了
就没有再继续在这个里面去纠缠
那如果说我们现在要跳出这个困境的话
其实我们要看B2B的东西
原因是因为ToC的这个东西大家平时都用
大家都看到了是吧
要跟你做一样事情的人
可能会很多很多
但B2B如果在一个
vertical当中是比较偏垂直
比较niche的话
你从一个很小的这个市场开始切
切贴进去的话
这个时候你有可能就是说
从这个小的这个地方做出一个突破
但是同时
我觉得这里边遇到最大一个问题
你得走出这个舒适区
因为首先我也说我们是做这个技术的
对吧做技术出身的
做generic技术出身
做generic产品出身的
我们团队所有人都是这样的
那你现在要做到一个垂直领域
所以这里面其实是一个巨大的
这个认知差别
就是包括后来
我们真的开始往深的做了之后
你基本上比如我们做服装的这个东西
我们就得在人家的这个工作室当中
待个一个礼拜的时间就是看
人家那个到底用你这个东西有什么样这个use case
我先抽象一点问
就是你现在觉得
让你去任何一个垂直领域
服装啊珠宝啊餐饮whatever
你想要把这里边
你需要得到的domain knowledge学会
大概需要多长时间
我觉得其实不需要全学会
你只要学会必要的
学会必要的我觉得可能一周可能就够了
OK一周你可能够了
你就你知道痛点是什么
而剩下这个部分
你知道痛点了之后
慢慢学就好了
细节了之后
你一边做一边总会
磕磕碰碰的
怎么找到痛点呢
怎么找到痛点
这个是好问题
就首先一点
也跟运气有关系
就是
我是3月份的时候决定pivot了
然后我当时很确定我要做B2B的东西
对吧
但我不知道做哪个vertical
所以呢首先第一点是
从我过去做第一个APP的时候
也是做图片相关的这个东西
然后有reach out到我的这些用户
然后当中去找
就是有没有潜在可能我们可以聊一下的
然后第二个的话就各种途径了
就包括说投资人
包括我身边network（人脉）
最后是怎么找到服装这个事情呢
是因为我一个多年的一个朋友
在Amazon的一个朋友
他后来是去了那个Saks Fifth Avenue（萨克斯第五大道精品百货店）
就是在那边
管他们的那个operations of the photo （ 摄影工作室日常运营 ）
哦我知道了飞哥
对对对Frank嘛对
后来的话就是说catch up（叙旧）一下
大家约一个咖啡吧
好久没有聊了
就聊起来这个事
然后他当时其实就跟我讲
他试着用我们的那个线上的这个APP
去做这个
换服装各种东西
对吧
然后就发现说其实不是特别好用
然后呢实际上市面上也有一些这个try on的一些model
但是感觉试了一下
其实都没有办法满足需求
后来我们就说了
那这个事情
对你的这个impact（影响）到底有多大
他就跟我说
他们这边的话
一年下来就是大概在这个上面
就是拍摄上面
花大概几百万美金花在上面
而且效率比较低
而且现在就是说整个start up效率各方面其实都不高
那这种情况下的话
他就问我们
这个事情你们有没有办法能够解决
如果能解决的话我帮你牵个线
然后就是跟公司的这一块
就其他的这个高层聊一聊看一下
就是说我们怎么样去推进一下POC什么的
当时的情况是我们model也没有是吧
数据也没有
什么各种东西都没有
市面上只有开源模型
我们就拿开源模型来试
然后发现说开源模型有个巨大的问题
就是说基本上没有一个work的
为啥呢
数据不行
因为所有开源模型
基本都是基于这个公开数据
去训练出来的
对那当时我们就看
这个领域当中的公开数据
其实是不对的
就第一个是大致整个这个领域当中
能train try on model
就这种平面的try on model的数据集
最经常用的可能就是两个
然后加起来大概只有6万多个pair
那6万多个pair的话
这里面还全部都是标清的
没有高清的
然后另外一个就是说
你想你作为一个百货的话
你卖衣服
你不可能只卖女装
基本上就是因为网上的这个
大部分数据
可能都是女装的
所以说就导致说那个公开数据当中
女装的这个比例
远比男装和其他品类的是要多
所以女装的performance非常好
但是的话
就是其他服装品类
你但凡是稍微Niche （小众）一点的服装品类
就肯定是不行的
男装的话
有时候经常也是一团糟
有时候你try on出来之后发现说哎
身材突然间变好了
哈哈哈哈
就是这种
然后另外一个就是说
那个各种不同角度的
你看你现在去网上买衣服
上架图
你发现说就是说不同角度的
是吧（对）
你不会说只会正面的
但基本上现在公开数据当中
80%以上都是正面的数据
侧面也有但不多然后就是背面的也更少了
然后所以这个其实是你原始的
这个养料就没有
然后第三个的话
就是说这个服装品类问题
就是刚才其实说一个是女装
但后来我们其实做的过程当中
发现还有很多别的问题
包括西装泳装
即使是女装当中的泳装
哦是
然后童装大码女装
就是你但凡遇到一个edge case这个都是fail掉的
对而且还有一点
就是说你那个版型都是标款的
这种版型
就正常这种t恤
但如果你但凡有个oversize
这种版型的话
它基本是不可能给你做出来的
是
所以后来我们发现这个问题之后
就当时其实有两个discussion
就团队内部有两个discussion
一个是说我们是不是等一下
下面就是其他人再出开源模型
我们再做是吧
那第一个是机会不等人
如果我们那个时候不上的话
对吧
那这个就其实说白了就等于没做对吧
第二个的话
是这个事情本身的话
就是说我们如果不练模型的话
这个事情有可能永远不会解决
不用指望说
别人还会给你一个好的数据集
对所以这种情况下
后来我们只好硬着头皮上自己练模型
就是因为市面上
没有办法找到任何一个开源模型
能满足要求的
所以我们从5月份接触
6月份7月份8月份9月份
基本上都在训练模型的过程当中
所以那几个月时间
就也面临着巨大的不确定性
训练模型周期比较长
我们cost
其实当时虽然大家不拿payoff（工资）了对吧
但其实你还是有cost的压力
我们钱已经烧了一半了
也没有融资
另外一个就是说
你不知道能不能练得出来
首先一步你要beat这个SOTA (state of the art）
第二步的话
就是说你首先要有足够这个数据
所以当时其实蛮好的一点是
他给了不少数据上面的这个support
他的上架的这个数据
所以我们其实用那个东西
补充了一部分
但是呢就是说我们同时为了handle（处理）
就是更generic case（通用的情况）
其实自己也收集了不少别的数据
那这样的话
就是说我们大概花了几个月时间
一边做数据的工作
一边做这个训练的这个工作
摸爬滚打
就是这个领域从头开始
然后后来一直到了9月份
当时上架了一版模型
后来其实这版模型反馈是不错
一直到前段时间这款模型上架
才被我们换掉了
那就是说这个整个过程当中
我觉得就是真的
就概括起来就是一波三折
所以你发现没有
就刚刚回到你刚刚那个问题
就你是怎么去找到这个东西的
是吧
那问题是在于刚刚说运气这个事情
但这个实际上又是一个刺猬和狐狸的比喻了
就是狐狸的方式
会怎么找呢
我去找很多很多的这种数据
不同的这个行业
不同的行业是吧哪个的TAM (total addressable market)比较大
total addressable market（总体潜在市场）比较高
完了就是说在这个行业当中
我再去挖一挖
有什么东西我能解决
这个是狐狸的解决问题的方式
但是我是一个刺猬
所以刺猬解决问题的这个方式
其实就是说你在眼前看到这个问题
我能不能解决
我如果能解决我就grab（抓住）是吧
所以后来我其实对这个团队
我觉得对团队这个认知
我感觉也是在逐渐的迭代
我后来就认识到
这个整个团队的这个特质
是在于一个技术产品比较强的一个团队
那这么一个团队适合的这个项目呢
是一个什么事情
是一个商业模式或者说应用场景
很多年大家都在讨论
但是技术差一点点
就是你要做的这个事情
并不是去创造新的故事
而是讲旧的故事
然后这个时候就是说
把差一点点那种东西
试图给他补上
用各种方法补上
就比如说我们现在服务的这些客户
他也是做这个服装上下图
但是他本身一天可能几百款上千款
这种东西出来是吧
然后你很难想象说
他请很多个人坐在这个电脑前面
每天type type（不断打字）的跟那个GPT 4o说
我要把这个衣服换掉
他给你一个结果说这个因为违反我的政策
因为是个泳装
或者是一个童装我换不了
是吧对吧
所以这个事情就很难想象
而且换出来结果差那么一点点
其实也是很难接受的
因为这个事情就算他换出来完美吧
我就假设他换出来完美
你去请1,000个人去做这个事情也很难
是所以这样的话你就必须要有一个
不管说信息组织的方式也好
还是怎么样也好对吧
很多时候是 Workflow（工作流程）是吗
我觉得它并不完全是那种
传统意义上面
处理一张图的 Workflow（工作流程）
就比如说我现在通过几个模型是吧
每个处理一步
然后把它叠起来
这是一种 Workflow（工作流程）
这种 Workflow（工作流程）
我觉得最终肯定会被这种generic model
怎么样也好
它就是在很大程度上去取代
我说的 Workflow（工作流程）更多是企业内部的
就是它的这个整个流程
和管理的这种 Workflow（工作流程）
就比如说
你现在真的是我们像这个企业当中
它有大批量的情况下
怎么样做会更加scaleable
但这个scaleable是
更多是管理资源的这个方式
然后再包括说
就是他现在内部的这个团队
你去推deal（交易）的时候
你可能会遇到很多很多阻力
对吧
你怎么样把这个stakeholder人和这个AI这个系统
就是给它给耦合到一块去
变成一个非常自然的一个生态
就比如说在过去的话
我们就考虑这个问题是说
如果你做一个ERP（企业资源规划）也好
这个CRS（客户关系管理系统）也好
怎么样就这种大的这种企业级系统
很多时候
我们考虑是把企业当中
纯粹人的这个stakeholder给on board（加入）上去
但今天的话
我觉得我整个build这个
后面的这个经历的话
我的感觉是AI逐渐可以变成人
变成一个人在一套这种系统上面
跟其他人一起工作
但我觉得就是说有一点
大家说不要练模型什么各种事情
这个事情
我觉得对于垂直上面来讲的话
我并不是完全认同的其实
首先就是那个
我觉得大家不应该再去练另外一个GPT
但是你Fine-tuning（微调）GPT
他们也开放了各种这种服务
我觉得是值得的
然后图像我不确定诶
其实图像
我没有觉得有一个特别大的玩家
然后在搞一个特别大的
就是水涨船高的scaling的东西
我觉得这个事情
现在思维方式可能要变化
这个也是我跟第一次创业的时候
不太一样的一个地方
第一次创业的话是我做图像的
所以我就坚持一直在图像领域做
那从今天的这个角度来讲
我做这么一个项目
我觉得其实你更多可以理解说
我在这个垂直领域当中
用技术去解决一些实际的问题
你在做solution
对我现在在做solution
那当我跟这些这个我的客户
去聊的过程当中的话
我觉得我现在更关注的一个点是在于说
我以一个我能做的
比任何人都好的一个点切入
是吧先解决他的一部分很痛的需求
然后在这个需求过程当中
我在跟他交流的时候
然后他如果提出来哎
我还需要这个东西
我需要这个东西
而且这个东西跟你这个东西
是一个天然耦合的关系的话
那我其实非常fast
包括加上文字
加上视频
各种东西我其实都可以
所以最终的一个结果我觉得是完全
这个也是从Amazon那边
我觉得带过来最有（价值的）就是customer obsession（客户至上）
包括说我在一年多以前
偶尔有时候会跟一些VC（风险投资人）去聊天
那就有一些VC（风险投资人）就直接就是直接说
像...现在什么年代了
就是你要做视频
做视频不要再做图像了
对吧做图像没前途
对很多人会这么说
就觉得没有技术含量
没有技术壁垒
这种VC(风险投资人）的水平一般听起来...
也是有不少人就不仅是VC了
还有一些其他的
就包括说一些这个行业里面的同行
等等这些
就你别卷图像了
去卷视频等等
做视频不是不能做
但问题是在于说
我觉得我现在会让我改变决定去做一件事情的
更多是我的客户跟我说
我需要这个东西
那这个时候的话
我觉得就是说你具体需要什么样
我跟你去磨
磨出来你满不满意是吧
你满意我把它放到产品里面去
所以这个是
我现在对这个整个产品的一个态度
就是它其实是一个无我的一个东西
是由我客户来驱动的
还有一个点就是
很多同学
就是尤其技术背景的同学
他们是没有意识到go to market这件事情
是多么多么多么多么的难
我猜你在一开始的时候
是不是也有一个类似的这种epiphany（顿悟）
就是你可能知道它难
但是后来发现哦
原来是这么这么的难
或者这么这么贵
我觉得就是顺其自然
顺势而为嘛
因为我觉得你这个
哦更多的是那个ToC产品的
ToC的产品
对我觉得是这样子
就是你ToC这个东西
你如果开始的这个起始点
出发点没找对的话
你就是再努力的也没有用的
我觉得难的
其实是在找那个点上面
就是说这个突破点上面
说实话
就是说如果你是在一个
就是本身他就没有什么太大需求的
这个上面是吧
或者大背景就已经被框死的这个环境下
你去这上面去雕花嘛
这实际上是雕花的这个事情
这事情说白了ROI就很低了
但就是说如果你还有一点
就你刚才说的SMB（中小企业）的这种
他能够做起来是吧
那有一些
他可能团队技术背景各方面一般
但他能做起来
他可能就是确实就碰到一个
就是common的一个需求
他就能做起来
所以我觉得很关键还是找这个点
product market fit
对所有东西还是product market fit
但product market fit也是要迭代出来的
就包括我们即使找enterprise（企业级客户）一样的
我们也面临一样的问题
也需要说把这个东西逐渐迭代一下
你知道就是说我们现在去找enterprise
后来开始做
在去年11月份的时候
我们当时其实是帮人家做服装上架
和上款的这个
我们整个这个11月份的话
就大概能deliver
可能也就是十几个SKU
这个团队的人上去
为啥呢
最主要的一个原因是因为你想
首先AI这个事情吧
就是说用过这个diffusion model（扩散模型）也好
任何技术
即使是今天的这个4o
你基本上遇到很多这种细节问题
是吃瘪的一个状态
但是问题是
对于这个上架的这个服装的话
它的一个要求非常高
就是说基本上你如果说
有不consistent（一致）这种东西存在的话
就会导致
这个用户的这个退货率上升
所以这个其实对公司的损失是很大的
对
所以所有的公司对上架这个图的审核
就但凡是稍微有规模的公司
对上架图的这个审核都是很严格的
所以这种情况下的话
我们当时比方说
即使说我们各个角度AI是能出来是吧
每张图的话
我基本也能保持
这个单独看也没什么问题
那你把这些图放到一块去看
它就是有问题的
是他就是说你要调整这个发型
你要调整这个地方
是吧
而且很多时候就AI你没办法那么智能
就所有地方都给你做
所以这种时候我还得要借助人力
对
所以在借助人力的这个过程当中的话
我们当时首先一点是
我们也是第一次跟人力团队合作
对吧首先这个整个合作磨合SOP（标准作业程序）是吧
从AI到这个人
然后到这个整个合作的这个流程
然后怎么样能够让这个事情in production（运行）
最有效率
然后我们一边做这个事情
一边还需要去开发系统
就把所有的这个SOP（标准作业程序）
尽可能放到这个系统当中
所以当时其实做了一件事情
就是说在一边造飞机
一边飞飞机
就莱特兄弟干的事情
我记得当时我4年前采访VJ的时候
他说创业的时候就干嘛
就是你从悬崖上跳下来
然后希望你在降落的时候
做好那个降落伞对
对就这个是很risky（冒险）的一个过程
而且当时我们要严格的控制这个成本
就非常可怜的这个剩下几十万美金是吧
烧到现在
就是说现在基本上我觉得慢慢就好了
盈亏平衡之类的
还没到盈亏平衡
但是现在逐渐是在一个好的状态上
但是呢就这个事情
就本身就是24年11月份的那个时候
那个时候的话是什么都没有
只有一个模型wrapper（套壳）
然后你也没有说外部的这个协作是吧
然后我们所有这个SOP要重新建
系统要重新搭
包括说客户的磨合
我不知道他的criteria（标准）到底是什么
success rate（成功率）就是他的那个标准
这些整个标准我们都必须要总结
然后所以要跟他做
而且他做完之后还得测
所以就是简单这种服装测试
就是它包括上线之后测试这种performance
基本上是几个月下来的
就是包括说我们后来上几百款是吧
就是逐渐量上去之后就越来越快
其实每个月基本上是翻倍的这个量
就是上去
基本上后来你做到这个几百款
上千款之后
就是说我们这些合作的这些enterprise
他自然就是会去测这个CTA CTR（点击率）
测conversion（转化率）
测这些这个数据
对所以他会把这些东西feedback给我们
是不是真的省了钱
是不是效果真的可以
所以这个事情
是能够决定
他们是否能够继续再用你这个东西的
一个核心指标
所以我们实际上是
基本上是借的这个enterprise
跟他们去做（改进）
就我觉得也很幸运真的是碰到他
design partner（设计合作伙伴）
对 24年11月跟他合作
然后一直合作到了今年2月份
今年2月份我后来专门回去一趟
就是回国到了一趟广东
去他们的那个设计室
去他们公司就待了一段时间
就说当时其实我们就能够看到
就我们过去几个月
就是上架的这些图
反正最早11月份就是十几款
后来逐渐有上百款出来的
然后在他的那个网站上
实际上的perform是怎么样
所以他们后来给我们总结了一整个
就包括说
有多少图是outperform（表现优于）他的这个真人模特的
然后包括说
就是说有一些这个A/B测的东西
一些信息
对吧
所以这个事情后来就整个做出来之后再加上说
他们发现说
我们这个整个团队
就在从开始做到现在
他基本上这个整个东西
全部都系统化了
就是逐渐逐渐就是上到一个
就是非常scalable的一个系统上面去
包括这个系统
基本上是一个大的一个
物料管理系统了
就在他们看来
所以后来就是说
他们一个是
就是说确实这个上线的数据好
这个是合作下去的基础
然后另一个是就是说效率越来越高
确实效率基本上每个月
可能是上个月翻倍的这个量
然后我们会identify
这个在合作过程当中
哪些地方不scalable
去不停的改进它
然后改进到现在的话
就是一直到上个月
所以我们开始找欧美这边的这些外部客户
然后这外部客户就相当于说
我们通过这个流程
打磨出一套这个系统出来
然后就是说在就是我们这个系统当中
你可以onboard（接入）能力的这个情况下
然后你相当于mimic（模拟）我们的整套流程
生成这种非常高质量这种物料出来
对所以我们后来去卖这个
整套enterprise这个系统
所以现在为止我觉得进展不错