AI创业者必须回答的六个问题：技术很强，但用户为何不买单？
在旧金山的一次圆桌讨论中，来自OpenAI、xAI和Google DeepMind的研究人员与创业者和投资人齐聚一堂，深入探讨了AI在实际落地中面临的挑战。讨论梳理出AI创业公司必须解决的六个关键痛点：推理服务的客户留存与毛利、世界模型演示后的持续使用、在递归自我改进（RSI）中如何判断下一步方向、Agent越界时人的介入与权限、数据信任边界，以及AI for Bio的任务界定。
从演示到部署：留存与毛利的鸿沟
引人注目的演示与可持续产品之间的差距正在扩大。对于推理服务，一旦新鲜感消退，用户流失迅速，客户留存成为难题。同时，不断上升的计算成本挤压了毛利率。创业公司必须设计出具有粘性的产品——融入工作流程、提供定制化服务，并按价值而非token数量定价。
世界模型与进步的错觉
世界模型的演示令人印象深刻，但持续使用需要解决实际问题。创业公司需要超越炫目的视觉效果，提供可操作的见解和可靠的性能。问题在于这些模型能否跨领域泛化并随着时间的推移持续提供价值。
驾驭RSI：方向与判断
递归自我改进有望带来快速进步，但创业公司必须决定将其应用于何处。没有明确的方向，RSI可能导致失控的复杂性或错位。人类的判断对于设定目标和评估结果仍然至关重要。
Agent监督：何时介入
随着Agent获得自主性，定义人类何时应该介入至关重要。创业公司必须构建权限系统和升级路径，在自动化与控制之间取得平衡，尤其是在高风险领域。
数据信任与任务定义
数据信任边界至关重要：用户需要确保他们的数据被合乎道德且安全地使用。在AI for Bio中，任务定义同样关键——模糊的目标可能导致资源浪费或伦理问题。
前瞻性视角
圆桌讨论强调，仅凭技术实力是不够的。AI创业公司必须优先考虑产品市场契合度、单位经济效益和安全框架。投资者正日益审视这些基本面，而那些解决这些问题的公司将在下一波AI创新中引领潮流。
