朱啸虎这场北大演讲，信息密度确实够高，19条观点几乎覆盖了一个投资人对AI创业的完整判断框架。但正因为它太“完整”了，值得拿出来掰开了聊几句。说得最准的部分：“AI创业最危险的是做成大厂可以免费集成的功能。”

客户觉得好用，可不愿掏钱，这是人工智能（AI）创业最难跨过去的一道坎。写一段文字、整理一份资料，过去需要专门购买的服务，如今可能随常用软件一起提供。
创业者面对的问题变了：产品有没有用，已经不足以决定生意能不能成立，还得解释清楚，用户为什么要单独为它付费。这也是朱啸虎这场演讲值得讨论的地方，36氪平台9月18日刊载的潮涌人工智能（AI）整理稿，将演讲时间标为2026年9月16日，地点为北京大学创新创业课堂。
整理稿呈现的一项核心判断是：当技术扩散得越来越快，企业就更需要依靠对用户需求和商业经营的理解建立优势。理解这个判断，不妨从采购者的一张账单看起。
假设一家企业买了人工智能（AI）工具，员工起草文件确实快了，但每份内容仍要反复核对，还得有人搬运数据、调整格式。软件演示时省下的时间，可能在后面的修改中又花了出去。
企业愿意长期付费，通常需要看到整个工作过程有所改善，而不只是某一步变快。由此看，创业团队需要警惕的，不只是大厂推出相似功能，还有自己误判了客户购买的东西。
客户要的可能是少返工、少出错、按时交付，团队展示的却一直是生成速度。两边关注的事情没有对上，再漂亮的演示也很难换来稳定续费。
这种错位，比竞争者多一个按钮更值得重视。大平台的优势当然存在，而且未必非得免费。
2025年1月，微软宣布将Copilot功能纳入Microsoft 365个人版和家庭版，同时调整订阅价格并设置使用额度。集成和免费不是一回事，但都可能影响独立工具的收费空间。
不过，客户也不会永远只选大平台。假如一个专业工具能够准确处理行业里的特殊要求，还能与现有系统配合，使用者就有理由留下。
比如处理采购文件，除了提取文字，还要识别规格差异、标出缺失项目、保留修改记录。真正需要检验的，是这些工作做得是否可靠，而非功能名称是否独特。
这也解释了为什么“技术优势会缩短”不能推出“技术不重要”。模型能写代码，不代表生成的程序可以直接投入使用；模型能制作视频，不代表人物和场景能始终保持一致。
把结果检查好、把异常处理好、把交付过程做稳，都需要技术。应用企业不一定自建基础模型，却不能把技术责任一并交出去。
开源则把这种考验推得更近。DeepSeek-R1官方项目说明，其代码和模型权重采用MIT许可证，并允许商业使用。
这为开发者提供了更便利的技术起点。但是，别人也能获得相近的起点。

创业者依然需要支付运行、维护和服务成本，并回答一个问题：同样的模型交到不同团队手里，自己究竟多做成了什么？答案未必是积累更多数据。
未经整理的记录，可能只是增加存储负担；不准确的数据，还可能把错误带进结果。更有价值的是，在合法授权的前提下，把客户反复遇到的问题整理成可验证的改进。
当天解决一次，次日同类问题能够少花一点力气，这样的积累才有机会降低成本、改善体验。因此，判断产品好不好，留存率需要看，但不能孤立地看。
参考材料提到“50%以上”“六个月20%以上”，其中前一个数字没有明确统计周期，也缺少完整的计算口径。注册用户和付费用户不能混为一谈，打开软件和完成任务也不是一回事。
没有这些条件，单凭百分比很难比较不同产品。还有一种情况容易被忽略：用户留下来了，公司却越服务越吃力。
每次使用都消耗计算资源，遇到错误还需要人工补救；客户要求不断增加，收费却没有相应变化。这样的高留存，未必意味着经营健康。
对于企业客户，续约是否顺利、交付成本是否下降、服务能否复制，往往也值得一起观察。至于是否应该教育市场，可以把问题缩小一些。
不必一开始就让所有人接受新概念，先找到确实遇到麻烦的一小群人，让他们拿真实任务试用。有人愿意持续使用，再逐步扩大投入。
这样既给新品类留下机会，也能避免把大量资金花在解释概念上。创新可以大胆，验证过程仍然需要扎实。
从相关信息看，这场讨论最有价值的地方，是提醒创业者把注意力从“我做出了什么”，移到“客户因此改善了什么”。但如果把所有经验都变成禁令，也会失去判断具体问题的耐心。
一个看起来普通的功能，可能因为服务深入而形成稳定业务；一个听起来全新的方向，也可能迟迟找不到付款的人。不能只凭项目名称判断前景。
从现有情况看，可靠的创业判断应当允许试错，同时要求证据不断增加。早期可以看客户是否愿意试，中期看是否愿意付费，继续发展则要看能否稳定交付、覆盖成本。
平台的集成能力值得重视，却不必成为放弃探索的理由。真正需要避免的，是把一时的新鲜感当成长久需求，把暂时的技术领先当成永久保障。