一个打算创业的朋友跟我聊起 ComfyUI。
他说,最近的开源视频模型已经很强,普通显卡也能跑,网上还有大量现成工作流。只要把节点调顺,就能批量生产短剧和短视频,成本比闭源模型低很多。
我问他:
「折腾这些以后,你对客户多知道了什么?」
他愣了一下。什么题材有人看,什么质量客户愿意买,做到什么程度能成交,这些问题还没有答案。 但他已经知道,怎么把一条视频的生成成本再压低 30%。
我跟他说,判断创业是否在拖延,不能看他有没有研究技术,也不能只看他有没有订单。你得盘一下这段时间有没有换回足以改变下一步行动的信息。
有人花一周研究,做出 20 条不同风格的视频,拿去发账号、投流、见客户。最后一单没成,但他知道了悬疑题材完播率更高,客户不在意 4K,却愿意为角色一致性付钱。
这周没有收入,却产生了认知。
另一个人也研究了一周。工作流更复杂了,速度快了 20%,显存省了 3G,却没有一条内容被真实用户看见。
他优化了生产,却没有更新自己对市场的判断。
后者才是最隐蔽的拖延。
工具特别擅长奖励勤奋。比如节点跑通会亮绿灯,速度提升有数字,画面变好肉眼可见。
市场不会这样配合你。作品发出去可能没人看,客户可能不回复,做了一个月的东西,对方一句「暂时不需要」就结束了。
工具给了人很大的确定性,市场却暴露人的无知。
所以我们很容易留在工具里,持续优化一个尚未被证明值得解决的问题。
AI 又把这种倾向放大了。
过去,生产成本很高,团队必须谨慎决定做什么。现在一个人几天就能做出网站、Agent、视频账号和自动化流程。生产能力迅速变得廉价,选择做什么却更难了。
当「做出来」不再稀缺,真正的竞争就转向了两件事:
- 你能多快发现自己哪里想错了?
- 你能多便宜地买到下一条有效信息?
从这个角度看,早期创业更像一套认知系统。每项工作都应该帮助团队缩小一点未知。
这也是为什么,早期团队不该只算模型调用费、显卡成本和人效,还应该算一笔更重要的账,信息收益率。
投入一周,换回了多少能改变决策的信息?
探索技术当然没错,只要诚实地命名: 满足好奇心,叫学习。 验证能力边界,叫实验。 解决真实需求,才叫业务。
AI 创业真正需要优化的,往往是认知速度。
模型显卡都只是确定性的支出,最难追回的是一周又一周过去,做了很多事,却仍然不知道客户要什么。