我为什么想给AI创业热泼一点冷水

一个月约270万美元的销售额，卖的是普拉提防滑袜。看到这段AI电商解说时，我很难不动心，因为我们当时也在研究，能不能在瑞士做这门生意。

解说里的主人公用AI分析市场、研究消费者，再借助中国供应链，把产品做了起来。选品、设计、网站、营销，整个过程被拆成几个步骤，甚至说大部分人都能复制。

如果没有研究过这个方向，我可能看过也就过去了。但我们恰好正在考虑同一种产品，这个故事就特别容易让人兴奋。原本还在摸索的想法，好像突然得到了印证：已经有人做成了，我们是不是也可以？

那笔销售额是解说里的说法，我没有独立核实，也不知道扣掉推广、退货和履约费用以后，究竟留下多少。他在这之前做过什么、准备了多久，同样没有弄清楚。只是当一个案例恰好说中了自己的期待，这些问题就很容易往后放。

看起来，只差动手了

我们当时觉得，瑞士专门做这类产品、又特别突出的品牌似乎还不多。当地消费水平高，也许有做出差异的空间。这只是初步印象，离市场验证还远，但看到那个案例以后，继续往下做的念头确实更强了。

AI又让准备工作显得很快。产品描述、商品详情、宣传视频，都有办法先做出一个样子。过去要找人、花时间的事情，现在说清要求，似乎就能往前推进。

可真正研究下去，问题很快就具体了。卖什么样的袜子，哪家工厂能做，供应商有没有合适的设计、图片和视频？我们想，能不能先找到已经有产品和素材的供应商，再用AI帮助整理、加工？沿着这个思路找下去，最后又回到了阿里巴巴国际站。

走到这里，我有了一种熟悉的感觉。绕了一圈新工具，还是得回来找产品、找工厂、判断市场。视频里一句话带过的“联系供应商”，到了自己这里，是一项项没有落实的工作。

这并不说明方向错了。只是那个案例能让我愿意研究，却不能替我证明，这门生意到了我手里也能成立。宣传内容可以先做好，顾客为什么买、愿意花多少钱，仍然得去市场里找答案。

当年做外贸，我是先在乌克兰市场上卖货，知道有人要什么，再回国内采购、找工厂。后来到上海做外贸，也是因为接触的一些工厂有生产能力，外贸沟通和业务处理却不够熟悉。我看到了中间缺的环节，才想把它接起来。

但有了公司，并没有解决所有问题。客户和主要资源还在我手里，最大的业务员仍是我自己。招来的人，更多是在协助完成已有业务，公司持续开发新市场的能力，并没有随着人数一起长出来。

后来乌克兰市场竞争越来越激烈，我们希望在国内拓展，又借助阿里巴巴国际站，招人来做。同样的平台，有人用得好，有人仍然做不起来。工具提供了渠道，后面的事情还得靠人去完成。

所以今天听到“一人公司”，我能理解它为什么有吸引力。一个人借助AI，确实可能承担过去需要更多人配合的工作。但我以前缺的如果是客户和市场，今天少雇几个人，也未必就能把这道难题解开。

何况，原来就在行业里的人也在用AI。阿里巴巴国际推出了Accio、Accio Work这类产品，原有平台正在把新工具接进自己的业务。

我不需要先做得过阿里巴巴，才能做一门外贸生意。但如果进入一个陌生行业，最有把握的只是“我会用AI”，那准备得还不够。已经懂产品、懂客户的人也拿到了这些工具，客户最后为什么选我？这个问题，不能跳过去。

方案写完了，事情才刚开始

有人可能会说，现在信息公开，过去难找的资料，问一问AI就有了。这当然是进步。但我以前买海关数据的经历，让我很难把拿到资料和看懂市场当成一回事。

比如研究中国出口到乌克兰的一类商品，我既要看中国出口多少，也要看乌克兰进口多少，双方统计的时期和商品分类是否一致。货到了乌克兰，多少在当地消费，多少又流向其他国家？只拿一个总量，就可能把中转的货也算成当地需求。

数字对不上，还要查差异来自哪里。计价方式、统计时间、商品分类和转口等，都可能影响结果，不能一看不一致就认定有人造假。

再结合当地人口、消费情况，倒过来看国内生产和供货能力，才慢慢接近自己想知道的东西。有时能用设备、用电等资料辅助核对，但这些也只能是线索。不同的信息要互相印证，不能拿到一个数字，就急着作决定。

AI可以帮忙整理、比较，甚至提醒我注意遗漏。可如果我根本不知道应该核对什么，一份条理清楚的报告，反而可能让我过早相信，自己已经研究明白了。

我自己大量使用AI，最初也是兴奋的。一个想法说出来，很快就有思路、方案和步骤，原先费劲的事情，好像突然找到了入口。可是时间长了，没有用上的内容越来越多。有些方案生成时很完整，放在那里，却始终没有变成下一步行动。

忙了不少，方向反而开始模糊。这种感觉我经历过，所以我想给这股热潮泼点冷水，也是在提醒自己。

现在我看一份方案，会更在意里面的判断从哪里来。文字流畅、结构完整，过去多少能反映一个人的表达和分析水平；有了AI以后，这些外在差别会缩小。有人借它把经验讲得更清楚，也有人交出了一份自己并没有真正弄懂的东西。

这对创业者还有另一层影响：连自己也容易被说服。项目名称有了，市场分析有了，推广计划也有了，眼前已经像是一门完整的生意。可等到客户不买、供应商出问题、成本超出预期，还是得有人知道问题在哪里，接下来怎么办。

AI确实能省掉一些工作。只是省下来的时间，最后有没有用来接触客户、验证产品、解决问题，比又多生成了多少份方案，更值得我关心。

突然出现的机会，背后往往有很长的路

也因为这样，我现在看成功故事，会多留意那些不太醒目的过程。

Eight Sleep做的是能够自动控温的智能床套。创始人在2018年的文章里，已经谈到他们从2014年开始创业。今天看见的产品，背后有多年的摸索。

硅谷101那期由品牌赞助的访谈，讲到团队做原型、众筹以后发现成本问题，到中国学习制造，又怎样面对现金流困难。这些是创始人在节目中的讲述，比起哪些名人在用、产品卖多少钱，我更关心他们怎么走过这一段。

做出能运行的东西，到有人愿意购买，再到稳定量产、持续交付，每一步遇到的问题都不一样。后来讲成故事，几句话就过去了，当事人却得用时间和资金去补上这些能力。

这让我看到，进入新领域并非不可能，但需要学的东西，不会因为今天有了AI就全部省掉。

把目光再放远一点，AI本身也经历了漫长的积累。1950年，图灵已经讨论机器能否思考；1955年的达特茅斯提案使用了“人工智能”这个名称，相关研究项目于1956年举行。以这个重要起点计算，到2026年已经70年。

这些年有进展，也有反复，并非一路顺利地走到今天。对我这样的使用者来说，它像是突然打开了一扇门；对长期参与其中的人来说，他们已经走了很久。

互联网、移动互联网、电商，各有新的突破，也彼此联系。设备、网络、支付、物流和生产经营的条件逐渐变化，许多新业务才有了生长的地方。AI也在与已有的芯片、软件、数据和行业经验结合。一家公司可以很年轻，支撑它的人和技术，却未必从那一天才开始积累。

所以我看这轮机会，会把自己放回实际的位置。作为使用者，我可能接触得不晚；作为某个行业的创业者，我却可能仍是新人。这两种身份，不能因为都会操作同一套工具，就混在一起。

技术继续向前，投入的人未必都能赚到钱

把这个问题放到整个产业，值得追问的事情就更大了。AI可能创造巨大的价值，但今天围绕它投入的每一笔钱，仍然需要各自找到回报。

2026年10月20日，周小川在外滩年会上提出，巨额资金流向AI及相关基础设施，部分投资失败可能引发金融动荡，应当提前研究并储备应对工具。他提醒的是需要准备的风险，并非宣布危机必然到来。

国际清算银行今年1月的研究也关注了融资的变化：更大的投资需求，将推动企业更多依靠债务和私人信贷，而热潮能否持续，与较高的盈利预期能否兑现有关。报告当时仍认为宏观和金融稳定风险相对温和。

我在意的是这里面的时间差。未来的需求还在形成，今天的设备、建设和融资成本却已经发生。方向看对了，建设得太贵、投产得太晚，或者客户付的钱没有预想中多，项目照样可能亏损。

技术进步还可能让这笔账更难算。假如同样的工作，以后用更少的设备就能完成，使用者会受益；此前高价买入设备、准备靠出租算力回本的人，却要重新面对价格和使用率。当然，成本下降也可能带来更多需求，这两股力量最后怎样影响收入，仍要落到具体项目上。

在我看来，真正需要警惕的，是用一个越来越宏大的未来，替眼下每一笔投入作保证。市场暂时缺什么，资金就去追什么；等供给补上，技术和需求也可能已经变了。产业最终发展起来，与参与者能否收回成本，是两笔需要分别计算的账。

风险一旦通过借贷和金融机构向外传递，影响还可能超出最初参与投资的人。没有投过AI的家庭，也可能承受就业和收入的变化。技术创造了多少价值、收益怎样分配、损失由谁承担，这些问题都值得放进讨论里，不能只留下少数成功者的回报。

普通人创业，规模虽然小，遇到的判断却有相通之处。因为怕错过而投入，又因为已经投入而舍不得停下来，慢慢就很难分清，自己是在追一个还有依据的机会，还是在替前面的决定寻找理由。

这也是我对这轮热潮最大的保留。热闹会让人觉得，机会已经替自己准备好了，赶快进去就行。等真正做起来才发现，需要学习、积累和承担的事情，一件也没有因为宣传声大而消失。

我还会继续学AI，也会继续用。过去几十年的外贸经验，至少让我知道一些问题该从哪里问起；新工具能把哪些事情做得更好，我愿意一项项试。到了不熟悉的地方，就承认自己还不懂，先弄清楚，再决定走多远。

我并不想把最初那点兴奋全部浇灭。到了今天，还能对一件新事物生出兴趣，愿意重新学习，本身是件好事。只是这一次，我希望走得慢一点也没关系，至少每往前一步，都知道脚下是什么。