10個精華信息點｜新晉千億IPO明星MiniMax創始人閆俊傑對話老羅

作者：多元宇宙喵
日期：2026年1月18日 下午2:09
來源：WeChat 原文

✦整理版優先睇

速讀 5 個重點 高亮

MiniMax創辦人閆俊傑同羅永浩對談：AI多模態融合係大趨勢，個人要強化判斷力同閉環能力

整理版摘要

呢篇文章係羅永浩同MiniMax創始人閆俊傑嘅4小時長談精華整理。閆俊傑係清華姚班出身，曾經主導阿里AI芯片同微軟深度學習框架，回國四年就將MiniMax推上千億IPO，連黃仁勳都點名係全球AI五強之一。文章想解決嘅問題係：AI會點發展？普通人點樣唔被淘汰？商業組織點樣可以生存得耐？整體結論係：AI正由玄學變成工程學，多模態融合係明確方向；個人要放棄頭銜思維，專注「想法→原型→迭代」嘅閉環能力；組織就要砍掉補丁式忙碌，投資通用底座，同時注意風險管理同國際化。

閆俊傑認為，AGI最終會係動態輸入輸出嘅多模態融合體，MiniMax嘅策略係先分開跑通子系統，再統一整合。佢仲判斷，最強模型唔會通殺，市場會似工具箱，不同模型因為成本同能力側重長期共存。呢啲判斷同時回答咗「往邊度走」「點樣走」「點樣打」三個問題。另外，佢強調AI唔係玄學，訓練鏈路可以拆解同驗證，算力差距反而會逼出更高效率嘅創新，呢個對資源有限嘅團隊係好消息。

對於普通人，閆俊傑指出互聯網式崗位框架會失效，未來係「圍繞任務嘅能力組合」。門檻降低令小團隊做大事更常見，但可量化評估嘅能力會被模型追平，所以判斷力、整合力同落地力先係核心。佢仲提醒，技術拐點經常超預期，要持續重估工具棧，而且AI嘅平權效果令表達同學習門檻下降，個人路徑更依賴自我選擇。最後，商業上要避免純免費模式，國際化同可持續收費先係長期主義嘅地基。

  • 結論：AI未來走向多模態融合，模型會似工具箱共存，唔會通殺。
  • 方法：先拆解子系統跑通，再整合融合，係MiniMax嘅穩健路線。
  • 差異：AI由玄學變工程學，可拆解可驗證，資源限制反而倒逼創新。
  • 啟發：個人要強化判斷力、整合力、落地力，因為可量化評估嘅能力會被AI追平。
  • 行動點：設計一個每週固定執行嘅AI流程，將工具塞入真實場景；每月重估工具棧同方法論。
整理重點

趨勢判斷：AI會去邊度？

閆俊傑一開始就認定AGI必然係動態輸入/動態輸出融合體，所以MiniMax做全模態唔係貪多。早期路線唔清晰，就先分模態跑通再整合。

  • 多模態融合係方向，但路徑係先拆後合：子系統單獨跑通再統一。
  • 資源約束（例如算力差距）反而倒逼更高效率嘅流程同工程化創新，唔係壞事。
  • AI正由玄學變成工程學：訓練鏈路有明確目標同可拆解路徑，用指標驗證。
整理重點

個人策略：普通人點樣唔被淘汰？

閆俊傑認為AI時代唔可以沿用互聯網崗位框架，崗位會被重組為圍繞任務嘅能力組合。未來能跑通「想法→原型→迭代」閉環嘅人/團隊會更值錢。

  1. 1 頭銜變薄，閉環能力變硬：評價標準由「你是邊個」變成「你交付咗咩」。
  2. 2 落地層容易踩嘅坑：只盯炫技，忽略穩定服務；只看技術可行性，忽略私隱、授權同使用摩擦。
  3. 3 門檻降低後，小團隊做大事更常見，但可量化評估嘅能力會被模型追平，所以要強化判斷力、整合力同落地力。
  4. 4 技術拐點經常超預期，需要高頻重估：最穩嘅唔係一次性規劃，而係持續校準。
  5. 5 AI對普通人嘅關鍵意義：表達同學習平權，但個人路徑更依賴自我選擇——越容易學到嘢，越需要快啲判斷要學咩、做咩、放棄咩。
整理重點

商業與組織：點樣活得耐？

閆俊傑總結破局關鍵係將資源由補丁式忙碌抽出來，聚焦長期複利嘅通用底座。佢回憶人臉識別低谷期，集中資源做通用模型、放棄短期修補就實現反轉。

  • 商業模型係長期主義嘅地基：國內如果長期純免費，會擠壓創新公司生存空間，所以國際化係必走路。
  • 付費方式需要創新：要結合本土消費習慣，例如起點式收費，先可以做到可持續。
  • 問自己：手上有冇可持續收費嘅交付物？最小可售賣版本係咩？
呢篇文章入面，喵將「羅永浩對話 MiniMax 創辦人閆俊傑」呢場 4 個鐘長傾裏面最值得重複睇嘅內容，整理成 10 個精華信息點。每一條都係用「信息點 + 原文背景 + 喵嘅解析 + 名詞解釋」嘅結構嚟呈現，幫你將 4 個鐘嘅內容壓縮成 10 分鐘就可以讀完嘅重點，亦盡量講得清清楚楚。
10個精華信息點｜新晉千億IPO明星MiniMax創始人閆俊傑對話老羅.png

MiniMax係咩？

MiniMax喺2026年1月9日港交所上市，發行價165港元，首日勁升109%，市值衝破千億港幣，打破全球AI最快IPO紀錄。

支撐呢個估值嘅係全球唯一同時將文本、語音、視頻、Agent四條大模型做到前五名兼且賺到錢嘅公司實力——2.1億用戶、幾十億收入，連黃仁勳都點名話佢係「全球AI五強之一」。

而呢個背後，係清華姚班出身嘅創辦人閆俊傑，曾經主導阿里AI芯片同微軟深度學習框架，返國四年就將MiniMax推上巔峯。





Part.01

模塊一｜趨勢判斷：AI 會向邊度走

1
信息點： 閆俊傑對「未來 AI 形態」嘅判斷可以歸結成三句說話：通用智能會走向多模態融合；MiniMax喺實現上考慮到比較穩陣嘅路徑係先拆開跑通子系統再統一融合；競爭格局會更似「工具箱」，唔同模型會因為成本同能力側重而長期共存。
原文引用： 閆俊傑由一開始就認定 AGI 必然係「動態輸入/動態輸出融合體」，所以 MiniMax 做全模態唔係貪多；早期路線唔清晰，就分開模態跑通再整合。
閆俊傑亦判斷四個市場最終會融為一體；但最強模型都唔會通殺，唔同模型會因為成本同側重而長期共存。
喵嘅註解： 呢一條同時回答咗「向邊度走（多模態融合）」「點樣走（先拆後合）」「點樣打（工具箱思維）」。

名詞解釋

多模態 / 全模態：同時理解文字、圖像、音頻、影片等。
子系統 / 閉環：可以單獨運行嘅模塊；可以由開始做到結果並覆盤改進。



可以諗嘅問題： 我哋想達到嘅長期目標係咩？可唔可以拆分成唔同模塊嚟計劃同落地執行？
2
信息點： AI 正在由「玄學」變成「工程學」：好多能力可以用第一性原理拆解、用指標驗證；喺呢種範式下，資源限制（例如算力差距）反而會迫出更高效率嘅流程同工程化創新。
原文引用： 閆俊傑強調 AI 唔係玄學，訓練鏈路有明確目標同可拆解路徑；同時都提到算力差距迫住要創新，唔可以照抄美國路線。
喵嘅註解： 當一件事可以被拆解同驗證，普通人就可以用「學習—實驗—覆盤」快速追到。資源不足都唔一定代表失敗，關鍵係我哋可唔可以將動作做得更慳、更穩、更可複製。

名詞解釋

第一性原理：返到最基本事實同規律嚟拆解問題。
算力：訓練/推理所需嘅計算資源。



可以諗嘅問題： 我哋所在嘅領域入面，邊啲能力可以拆成 3–5 個步驟並用 1–2 個指標去衡量？我哋手上面嘅「資源短板」可否迫出更高效率嘅流程？


Part.02

模塊二｜由崗位衝擊到個人策略：普通人點樣先唔會被淘汰

3
信息點： AI 時代互聯網式嘅崗位框架會失效，崗位會被重組成「圍繞任務嘅能力組合」；將來能夠跑通「想法→原型→迭代」閉環嘅人/團隊可能會更值錢。
原文引用： 閆俊傑認為 AI 時代唔可以繼續用互聯網崗位框架；產品經理呢啲角色已經可以用 AI 做原型、帶 demo 去討論方向。
喵嘅註解： 頭銜變緊薄，閉環能力變緊硬。喺 AI 時代，評價標準可能會由「你係邊個」變成「你交付咗啲咩」：能夠穩定產出可用結果、並用數據覆盤改進嘅人更值錢。
可以諗嘅問題： 你喺AI時代最適合填補閉環嘅邊一段：將想法講清楚、將原型做出嚟，定係將迭代跑起嚟？
4
信息點： 當崗位同工具都喺度快速變化嘅時候，落地層最容易踩嘅坑係：只係睇「炫技」，忽略「穩定服務」；只睇技術可行性，忽略私隱、授權同使用上嘅唔方便。
原文引用： 羅永浩覺得聲音克隆效果好驚訝；閆俊傑回應話呢個本來係副產品，核心係高質素聲音服務，並強調審核同授權。
羅永浩問 AI 眼鏡呢類入口；閆俊傑強調舒適度、續航力、發熱問題同私隱爭議會限制普及，短期內唔會作為主線。
喵嘅註解： 技術做到出嚟唔等於賣得出，更加唔等於可以被長期使用。越貼近人、越貼近硬件，就越要將「社會摩擦成本」當成產品嘅一部分嚟設計。
可以諗嘅問題： 我哋做任何 AI 應用/內容嗰陣，可唔可以先回答三件事：佢提供咗咩穩定價值？風險點樣管理？用戶願唔願意為佢付出額外嘅唔方便（安裝、授權、私隱）？
5
信息點： 門檻降低之後，小團隊做大事更加常見；但「可量化評估」嘅能力會被模型快速追平，普通人更加要強化判斷力、整合力同落地力。
原文引用： 閆俊傑提到 AI 寫程式碼降低技術障礙；並強調只要能力可以量化評估，模型就會追平甚至超過頂尖人類。
喵嘅註解： 我哋嘅優勢會更加多來自「選題、取捨、組織資源、同人協作、持續交付」。
可以諗嘅問題： 我哋嘅工作入面，邊啲部分係「可以評分、容易俾人追平」嘅？我哋可唔可以將精力轉移到更加需要判斷同取捨嘅環節？
6
信息點： 技術拐點經常超出預期，所以需要高頻重新評估；好多躍遷唔係「準備好曬先做」，而係「認知到位先上車」，經驗邊做邊補。
原文引用： 閆俊傑回憶 GPT-3.5 嘅衝擊並話速度快過預期；亦提到讀完 GPT-3 之後確認方向就決定出嚟。
喵嘅註解： 最穩陣嘅唔係一次性規劃，而係持續重新評估、持續校準。
可以諗嘅問題： 我哋可唔可以設定一個固定節奏（例如每月一次）去更新工具棧同方法論？我哋而家有冇一個值得即刻做細規模試驗嘅方向？
7
信息點： AI 對普通人嘅關鍵意義，一方面係「表達同學習嘅平權」，另一方面係「個人路徑更加依賴自我選擇」：當表達同學習門檻下降，我哋更加要用更快嘅學習同更清醒嘅自我認知，去做賽道遷移同能力組合。
原文引用： 閆俊傑用外公寫自傳嚟說明普通人都可以完成高門檻表達，並認為教育資源差距可以被個人化輔導部分填補。
閆俊傑都提到由數學轉向 AI 嘅原因：意識到天賦邊界之後轉向更加適合自己嘅方向。
喵嘅註解： AI 俾咗更多「可以學、可以寫、可以表達」嘅工具，但工具唔會幫我哋做選擇。越容易學到嘢，就越需要更快做判斷：我哋要學啲咩、做啲咩、放棄啲咩。
可以諗嘅問題： 我哋可唔可以將 AI 用喺兩個最現實嘅地方：將想講嘅寫出嚟、將想學嘅學得明？喺呢個基礎上，我哋需唔需要調整自己嘅能力組合或者賽道？
8
信息點： 工具本身唔係答案，真正嘅答案係「場景同引導」：要將 AI 塞入一個非用不可、可以重複產生結果嘅流程。
原文引用： 閆俊傑強調關鍵係使用場景同引導。
喵嘅註解： 工具擺喺度唔會自動生效，我哋要將佢塞入流程裏面。
可以諗嘅問題： 我哋可唔可以設計一個適合自己、每星期固定執行嘅 AI 流程？

Part.03

模塊三｜商業同組織：點樣先可以生存得耐

9
信息點： 閆俊傑總結破局同長期生存嘅關鍵，係將資源由「補丁式忙碌」度抽返出嚟，聚焦到可以長期複利嘅通用底座；同時要承認黑天鵝可以擊穿最強團隊，所以組織要將風險管理擺喺前面，做到關鍵承諾可以兑現、領先性可以驗證，先至可以長期得到外部信任同合作資源。
原文引用： 羅永浩追問低谷點樣突破；閆俊傑回憶喺人臉識別低谷期，透過集中資源做通用模型、放棄短期修補實現反轉。
閆俊傑提到硅谷銀行事件導致資金冇得用，嚴重到出唔到糧；並強調融資本質係逐漸建立信任，承諾大部分都兑現，領先性「呢啲一測就知」。
喵嘅註解： 好多項目死喺「補丁地獄」，翻盤往往來自一次明確取捨：斬走緊急嘅小事，將資源投落會長期複利嘅底座。但只係睇技術唔夠，黑天鵝同現金流同樣會決定生死。對內要「可恢復」（有備份、有應變方案），對外要「可驗證」（其他人用指標就可以驗證）。兩樣一齊，先至叫真正嘅可持續。

名詞解釋

黑天鵝：好難提前預測、但一發生就影響好大嘅意外事件。
可驗證：唔係靠自我描述，而係其他人用一套測試/指標就可以驗證出嚟。



可以諗嘅問題： 我哋而家有邊啲「補丁式忙碌」可以斬走？我哋想打造嘅「通用底座」係咩（流程、能力、作品集、賬號資產）？
10
信息點： 閆俊傑判斷，國內如果長期陷入「純免費」模式，會壓縮創新公司嘅生存空間；因此商業模式唔係錦上添花，而係長期主義嘅地基，同時都需要更加貼近本土習慣嘅付費創新。
原文引用： 閆俊傑強調預測國內會陷入純免費，創業公司好難生存，所以國際化係必行之路。
閆俊傑都話期待起點式收費，需要結合消費習慣去創新。
喵嘅註解： 呢個係「問題—後果—解法」：免費做法將利潤空間榨乾，長期投入就會斷纜；所以一係揾到可持續嘅商業化，一係就好難長期投入。
可以諗嘅問題： 我哋手上面嘅內容/技能/產品，可唔可以做一個「可以持續收費嘅交付物」（按次/按章/按功能/按結果）？先由最小可售賣版本開始係咩？


Part.04

🪄宇宙喵碎碎念：

嚟評論區同喵仲有小夥伴們一齊傾下偈啦～
  • 你最俾邊一條信息點打動？講下你嘅故事同想法
  • 或者講一句：你而家最想用AI解決嘅具體任務係咩（寫作？學習？揾資料？做原型？）


📢 跟多元宇宙喵一齊探索 AI 嘅 N 種可能：令 AI 成為你嘅工具，而唔係你嘅焦慮～


・往期推薦・
黃仁勳稱之為「天才之舉」嘅 Perplexity 係咩樣嘅 AI 工具？
睇明 2025 AI 關鍵信息，先可以贏喺 2026
Claude Skills 到底係咩？一張表講清楚佢同 MCP、Project 嘅分別同聯繫！
圖片

喜歡就關注哦
圖片
鬱下手指公㩒個贊
圖片
點在看最好看
圖片
本文中，喵把「羅永浩對話 MiniMax 創始人閆俊傑」這篇 4 小時長談裏最值得反覆看的內容，整理成 10 個精華信息點。每一條都按“信息點 + 原文背景 + 喵的解析 + 名詞解釋”的結構呈現，幫你把 4 小時內容壓縮成 10 分鐘就能讀完的重點，也儘量把話說清楚。
10個精華信息點｜新晉千億IPO明星MiniMax創始人閆俊傑對話老羅.png

MiniMax是？

MiniMax於2026年1月9日港交所掛牌，發行價165港元、首日狂飆109%，市值衝破千億港幣，刷新全球AI最快IPO紀錄。

支撐這一估值的是全球唯一同時把文本、語音、視頻、Agent四條大模型做到前五並盈利的公司實力——2.1億用戶、數十億營收，連黃仁勳都點名它是“全球AI五強之一”。

而這背後，是清華姚班出身的創始人閆俊傑，曾主導阿里AI芯片與微軟深度學習框架，回國四年便把MiniMax推上巔峯。





Part.01

模塊一｜趨勢判斷：AI 會往哪裏走

1
信息點： 閆俊傑對“未來 AI 形態”的判斷可以歸結為三句話：通用智能會走向多模態融合；MiniMax在實現考慮的到比較穩健的路徑是先拆分跑通子系統再統一融合；競爭格局會更像“工具箱”，不同模型會因成本與能力側重長期共存。
原文引用： 閆俊傑從一開始就認定 AGI 必然是“動態輸入/動態輸出融合體”，因此 MiniMax 做全模態不是貪多；早期路線不清晰，就先分模態跑通再整合。
閆俊傑也判斷四個市場最終會融為一體；但最強模型也不會通殺，不同模型會因成本與側重長期共存。
喵的註解： 這一條同時回答了“往哪走（多模態融合）”“怎麼走（先拆後合）”“怎麼打（工具箱思維）”。

名詞解釋

多模態 / 全模態：同時理解文本、圖像、音頻、視頻等。
子系統 / 閉環：可單獨運行的模塊；能從開始跑到結果並覆盤改進。



可以思考的問題： 我們希望達成的長期目標是什麼？是否可以拆解為不同模塊來進行計劃和落地執行？
2
信息點： AI 正在從“玄學”變成“工程學”：很多能力可以用第一性原理拆解、用指標驗證；在這種範式下，資源約束（比如算力差距）反而會倒逼更高效率的流程與工程化創新。
原文引用： 閆俊傑強調 AI 不是玄學，訓練鏈路有明確目標與可拆解路徑；同時也提到算力差距倒逼必須創新，不能照搬美國路線。
喵的註解： 當一件事能被拆解與驗證，普通人就能用“學習—實驗—覆盤”快速追上。資源不足也不必然意味着失敗，關鍵在於我們能不能把動作做得更省、更穩、更可複製。

名詞解釋

第一性原理：回到最基礎事實與規律來拆解問題。
算力：訓練/推理所需的計算資源。



可以思考的問題： 我們所在領域裏，哪些能力可以拆成 3–5 個步驟並用 1–2 個指標衡量？我們手裏的“資源短板”能否倒逼出更高效率的流程？


Part.02

模塊二｜從崗位衝擊到個人策略：普通人怎麼不被淘汰

3
信息點： AI 時代互聯網式崗位框架會失效，崗位會被重組為“圍繞任務的能力組合”；未來能跑通“想法→原型→迭代”閉環的人/團隊可能會更值錢。
原文引用： 閆俊傑認為 AI 時代不能沿用互聯網崗位框架；產品經理等角色已能用 AI 做原型、帶 demo 討論方向。
喵的註解： 頭銜在變薄，閉環能力在變硬。在 AI 時代，評價標準可能會從“你是誰”變成“你交付了什麼”：能穩定產出可用結果、並用數據覆盤改進的人更值錢。
可以思考的問題： 你在AI時代最適合填補的是閉環的哪一段：把想法說清楚、把原型做出來，還是把迭代跑起來？
4
信息點： 當崗位與工具都在快速變化時，落地層最容易踩的坑是：只盯“炫技”，忽略“穩定服務”；只看技術可行性，忽略隱私、授權與使用摩擦。
原文引用： 羅永浩驚訝聲音克隆效果；閆俊傑回應其本是副產品，核心是高質量聲音服務，並強調審核與授權。
羅永浩問 AI 眼鏡等入口；閆俊傑強調舒適、續航、發熱與隱私爭議會限制普及，短期不會作為主線。
喵的註解： 技術能做出來不等於能賣出去，更不等於能長期被使用。越貼近人、越貼近硬件，越要把“社會摩擦成本”當成產品的一部分來設計。
可以思考的問題： 我們在做任何 AI 應用/內容時，能不能先回答三件事：它提供了什麼穩定價值？風險怎麼管？用戶願不願意為它付出額外摩擦（安裝、授權、隱私）？
5
信息點： 門檻降低後，小團隊做大事更常見；但“可量化評估”的能力會被模型快速追平，普通人更應強化判斷力、整合力與落地力。
原文引用： 閆俊傑提到 AI 寫代碼降低技術障礙；並強調只要能力可量化評估，模型就會追平甚至超過頂尖人類。
喵的註解： 我們的優勢會更多來自“選題、取捨、組織資源、與人協作、持續交付”。
可以思考的問題： 我們的工作裏，哪些部分是“可打分、容易被追平”的？我們能否把精力遷移到更需要判斷與取捨的環節？
6
信息點： 技術拐點經常超出預期，所以需要高頻重估；很多躍遷不是“準備好了才做”，而是“認知到位先上車”，經驗邊跑邊補。
原文引用： 閆俊傑回憶 GPT-3.5 的衝擊並說速度超預期；也提到讀 GPT-3 後確認方向就決定出來。
喵的註解： 最穩的不是一次性規劃，而是持續重估、持續校準。
可以思考的問題： 我們能不能設一個固定節奏（比如每月一次）更新工具棧與方法論？我們現在有沒有一個值得立刻做小試驗的方向？
7
信息點： AI 對普通人的關鍵意義，一邊是“表達與學習的平權”，一邊是“個人路徑更依賴自我選擇”：當表達與學習門檻下降，我們更要用更快的學習與更清醒的自我認知，去做賽道遷移與能力組合。
原文引用： 閆俊傑用外公寫自傳說明普通人也能完成高門檻表達，並認為教育資源差距可被個性化輔導部分彌補。
閆俊傑也談到從數學轉向 AI 的原因：意識到天賦邊界後轉向更適合自己的方向。
喵的註解： AI 給了更多“能學、能寫、能表達”的工具，但工具不會替我們做選擇。越容易學到東西，越需要更快做判斷：我們要學什麼、做什麼、放棄什麼。
可以思考的問題： 我們能不能把 AI 用在兩個最現實的地方：把想說的寫出來、把想學的學明白？在此基礎上，我們是否需要調整自己的能力組合或賽道？
8
信息點： 工具本身不是答案，真正的答案是“場景與引導”：要把 AI 塞進一個不得不用、能反覆產生結果的流程。
原文引用： 閆俊傑強調關鍵在使用場景與引導。
喵的註解： 工具擺在那裏不會自動生效，我們得把它塞進流程裏。
可以思考的問題： 我們能不能設計適合自己的一個每週固定執行的 AI 流程？

Part.03

模塊三｜商業與組織：怎麼活得久

9
信息點： 閆俊傑總結破局與長期生存的關鍵，是把資源從“補丁式忙碌”裏抽出來，聚焦到能長期複利的通用底座；同時要承認黑天鵝能擊穿最強團隊，所以組織要把風險管理前置，做到關鍵承諾可兑現、領先性可驗證，才能長期拿到外部信任與合作資源。
原文引用： 羅永浩追問低谷如何突破；閆俊傑回憶在人臉識別低谷期，通過集中資源做通用模型、放棄短期修補實現反轉。
閆俊傑提到硅谷銀行事件導致資金無法動用，嚴重到發不出工資；並強調融資本質是逐漸建立信任，承諾大多兑現，領先性“這些一測就能知道”。
喵的註解： 很多項目死在“補丁地獄”，翻盤往往來自一次明確取捨：砍掉緊急小事，把資源投到會長期複利的底座。但只盯技術還不夠，黑天鵝與現金流同樣會決定生死。對內要“可恢復”（有備份、有預案），對外要“可驗證”（別人用指標就能驗）。兩者一起，才叫真正的可持續。

名詞解釋

黑天鵝：很難提前預測、但一發生就影響巨大的意外事件。
可驗證：不是靠自我敍述，而是別人用一套測試/指標就能驗出來。



可以思考的問題： 我們現在有哪些“補丁式忙碌”可以砍掉？我們想打造的“通用底座”是什麼（流程、能力、作品集、賬號資產）？
10
信息點： 閆俊傑判斷，國內如果長期陷入“純免費”模式，會擠壓創新公司生存空間；因此商業模型不是錦上添花，而是長期主義的地基，同時也需要更貼合本土習慣的付費創新。
原文引用： 閆俊傑強調預判國內會陷入純免費，創業公司難以生存，因此國際化是必走路。
閆俊傑也說期待起點式收費，需要結合消費習慣創新。
喵的註解： 這是“問題—後果—解法”：免費把利潤空間擠幹，長期投入就斷供；所以要麼找到可持續的商業化，要麼就很難長期投入。
可以思考的問題： 我們手裏的內容/技能/產品，能不能做出一個“可持續收費的交付物”（按次/按章/按功能/按結果）？先從最小可售賣版本開始是什麼？


Part.04

🪄宇宙喵碎碎念：

來評論區跟喵還有小夥伴們一起聊聊吧～
  • 你最被哪一條信息點戳中？說一說你的故事和想法
  • 或者說一句：你現在最想用AI解決的具體任務是什麼（寫作？學習？找資料？做原型？）


📢 跟多元宇宙喵一起探索 AI 的 N 種可能：讓 AI 成為你的工具，而不是你的焦慮～


・往期推薦・
黃仁勳稱之為“天才之舉”的Perplexity是什麼樣的AI工具？
看懂2025 AI關鍵信息，才能贏在2026
Claude Skills到底是什麼？一張表講清楚它和MCP、Project的區別和聯繫！
圖片

喜歡就關注哦
圖片
動動小手點個贊
圖片
點在看最好看
圖片