岂凡超：AI 创业如何从模型转向信息产品

张小珺采访深言科技创始人岂凡超，了解一家获得融资的 AI 创业公司如何选择方向、建设产品和组织团队。

岂凡超回忆自己在清华学习电子和计算机，先研究计算机视觉，再转向自然语言处理，博士阶段参与大模型相关研究。

他在读博期间开始探索创业，既受到技术变化的吸引，也希望把研究转化成更多人能够使用的产品。

他认为，做产品可以使用已有模型，但具体用户需求有时还需要额外技术或针对性的工程工作。

他回忆 ChatGPT 出现前与投资人交流的经历。投资人对技术和应用的理解不同，创业者需要不断解释自己想解决的问题。

ChatGPT 发布后，融资环境和市场关注发生变化。他描述这种变化给创业公司带来的机会，也带来了快速变化的竞争。

他回忆到 2023 年下半年，单靠训练模型建立差异化越来越难，公司因此重新思考战略和产品方向。

他不把模型本身等同于完整产品，认为企业需要将技术、交互和真实用户需求组合起来。关于行业未来的判断是他的观点。

他介绍团队使用多个模型配合处理任务，试图降低单次输出的不确定性。组合模型并不自动保证结果正确，仍需要评估与验证。

他的产品构想来自信息过载：研究领域不断扩大时，他发现自己需要阅读的论文越来越多，个人筛选和理解信息的时间有限。

他把新闻阅读和信息助手作为探索方向，关注用户如何找到相关内容、理解重点并跟进感兴趣的问题。

他讨论内容生产、消费和分发的变化，认为数字工具使信息的数量与获取方式不断改变。

在他的框架里，内容是承载信息的形式；如果能分析更细的信息单元，系统或许可以更好地帮助用户筛选。

他描述一种产品设想：把文章、视频和音频拆解为信息点，识别重复与独特内容，再根据用户兴趣重新组织。准确性、来源和上下文仍需核查。

他认为用户未必总能轻松提出清晰问题，因此信息产品还要考虑降低交互成本，而不是只提供一个输入框。

他观察到内容链条的重心逐渐向消费者需求移动，并讨论自动化工具可能如何改变创作者和读者的工作。

介绍当时刚推出的语鲸时，他展示了面向阅读的功能，包括以层级大纲帮助用户浏览论文或长文。功能描述反映访谈时的产品。

在智能大纲中，用户可以逐层展开文章结构，从整体主题进入章节和段落，再决定要深入阅读的部分。

谈到 Cursor、NotebookLM 和 Perplexity 等产品时，两人讨论如何把模型能力融入具体工作流，让工具对用户有可感知的帮助。

他把创业比作没有完整海图的航海：团队需要设定方向，同时根据反馈和环境变化不断修正。

他进一步把结构化阅读比作从线性的文字恢复层级关系，并设想未来进一步连接不同内容中的相关思想。

他回忆曾为了组织整齐而引入过高的切换成本，后来更注意衡量流程收益是否值得团队付出的代价。

讨论年轻 CEO 的管理方式时，他反思信息共享、沟通与授权，认为管理者需要在变化中学习，而不能只依赖职位。

他认为模型输出的不确定性会影响产品开发和组织协作：团队需要实验、评估和反馈机制，才能判断改动是否真的改善体验。

随着用户反馈增多，他希望把分散的需求整理成可执行的优先事项，并衡量团队能否有效交付。

他认为技术演进很快，产品和管理者需要理解基本原理及其变化，同时持续听取用户反馈。