AI時代創業者的決策原則
整理版優先睇
AI 創業者嘅六大決策原則：分發為王、長期主義、品味係最後護城河
呢篇文章係劉小排喺 2026 年二季度寫嘅，佢話而家 AI 創業者進入全新時代，Build 已經唔係壁壘，最重要係 Distribution。佢重新梳理咗自己公司嘅決策原則，希望幫到其他創業者。整體結論係：創業者要建立低成本流量機器、有成本意識、諗廿年後嘅複利、將 AI 用嚟提升 capability 而唔係單純提效、自己要先識得判斷先好 rely on AI、同埋用品味做出差異化。
佢提到「誰發明瞭低成本流量機器，誰就贏了」，因為 AI 編程令 Build 門檻大跌。另外，任何決定都有代價，要睇長遠收益，例如拒絕短期商單保護用戶信任、用最好模型寫 code 慳時間。佢強調「站在二十年的時間跨度思考」，複利要十年以上先見到，所以要維護網站權重、個人IP、口碑呢啲有複利嘅資產。
而家唔係講「提效」嘅時候，而係要問「我發揮AI嘅最大能力未？」。自己唔懂嘅事，AI 話識做都唔好亂嚟，要先列「概念清單」搞清先。最後，品味係最後嘅護城河，要自己多睇多比較先培養到。
- 分發（Distribution）比建造（Build）更重要，創業者要建立低成本流量機器，係未來贏嘅關鍵。
- 有成本意識，認清任何選擇都有代價：唔係所有錢都要賺，唔係所有錢都要慳，要為長期複利犧牲短期利益。
- AI 嘅價值唔係提效，而係提升 capability，令你做一啲冇 AI 就做唔到嘅事。做任何事前先問：「我發揮AI嘅最大能力未？」
- 自己唔識嘅嘢，即使 AI 話做到都唔好開始。先列「概念清單」，確保自己明曬先可以判斷 AI 嘅執行結果。
- 品味係最終差異化來源，AI 畀唔到，要靠自己多睇好嘢爛嘢、多對比、多失敗慢慢長出來。
低成本流量機器與代價意識
劉小排認為，AI 編程時代令「做出嚟」唔再係壁壘，所以未來只剩「分發」最重要。佢話：「誰發明瞭 低成本流量機器，誰就贏了。」日常決策就係努力維護呢部機器。
同時，任何事情都有代價。唔可以淨睇收益而唔睇成本。佢舉例：公眾號成日拒絕商單，因為長期用戶信任係更貴嘅成本；寫 code 要用最好嘅模型，因為慳 Token 但付出時間成本；新產品線要小心，因為擔心維護成本同心智帶寬成本。
- 公眾號拒絕大多數商單，因為短期賺錢會犧牲 長期用戶信任，成本太高。
- 寫 code 只用最好嘅模型，慳 Token 但浪費時間，時間成本更高。
- 新產品線首次開發成本唔高，但 維護成本、心智帶寬成本、決策成本可能拖垮團隊。
二十年複利思維，放棄短期利益
劉小排提倡「站在 二十年的時間跨度思考」，因為複利差距要十年以上先睇得出。佢話有好多方法可以短期提升付費率，但唔會做，因為代價係長遠失去流量機器。
網站權重、個人IP、口碑、聲譽、品牌呢啲都係 越久越值錢，有複利。所謂「收益最大化」係指廿年甚至更長週期嘅收益，唔係未來一兩個月。
從提效到 capability，自己先要識得判斷
過去兩年成日講「提效」，但到咗 2026 年呢套已經唔夠睇。劉小排話：「Not productivity, rather capability。」AI 唔係更快嘅打字員，而係令你做一啲冇佢就做唔到嘅事。佢建議做任何事前都問：「我發揮AI嘅最大能力未？」
但同時，佢強調「AI 懂，不等於你懂」。自己唔明嘅事，即使 AI 話識做都唔可以開始。因為 AI 做嘅係執行，你做嘅係判斷——判斷佢做得啱唔啱、路線優唔優、幾時停。判斷嘅前提係你自己要明。所以先列一份「概念清單」，確保每個關鍵概念你都可以解釋清楚。
- 1 發揮AI最大能力：設法令人花更少時間、AI 花更多 Token，釋放 AI 潛力。
- 2 提升溝通質量：畀更多上下文，避免 AI 亂猜、反覆溝通、抽卡。
- 3 善用 Skills：幾乎所有場景都有成熟 skills，例如 SEO 審計、頁面審美提升、TDD、開發文檔、自動化測試。如果覺得冇，多數係你未去揾。
品味係你最後嘅護城河
劉小排話，AI 時代大家「能做嘅嘢」差唔多，差距在於「品味」。佢用 Windows vs MacOS 做案例：功能差別唔大，但用過 MacOS 嘅多數唔願返去 Windows，分別就係品味。
品味嘅差距在於「能識別乜嘢」：一眼睇出呢個頁面醜、標題爛、交互差、方向係死路、代碼將來會出事。呢種能力 AI 畀唔到你，要自己慢慢長——多睇 好嘢、多睇 爛嘢、多見過、多比較、多失敗。
1. 邊個發明咗低成本流量機器，邊個就贏。
喺AI編程時代，「做出嚟」(Build) 唔再係咩大壁壘，所以未來只有「分發」(Distribution) 最重要。
邊個發明咗低成本流量機器，邊個就贏。
喺日常工作入面，我哋好多決策，都係為咗維護我哋嘅「低成本流量機器」。
2. 任何事都有代價
唔可以淨係睇成本唔睇收益，亦都唔可以淨係睇收益忽略成本。
大多數人淨係睇收益，唔睇成本。
當我哋有「成本意識」嘅時候就會發現 — 唔係所有錢都要賺，唔係所有錢都要慳。我舉幾個例：
- 公眾號我成日拒絕商單，拒絕嘅遠多過接嘅。雖然表面睇好似每個月少賺好多錢，但係嗰啲錢我哋唔應該去賺，因為佢哋會令我哋付出好高嘅成本（長期嘅用戶信任）。
- 我哋只用最好嘅模型寫程式，一啲平嘅模型，表面慳咗短期嘅Token費用，但我哋付出嘅成本係 — 時間
- 對於新開產品線，我哋已經變得非常謹慎。第一次上線嘅開發成本的確唔高，但我哋擔心俾「維護成本」同「心智頻寬成本」「決策成本」拖累。
3. 用二十年嘅時間跨度去諗
點解係二十年？因為複利嘅差距，要十年以上先睇得出。
我哋有好多方法，令短期內付費率提升，但我哋都唔會做，因為呢啲方法嘅代價係：喺長遠嘅未來會失去流量機器。
網站權重、個人IP、口碑、聲譽、品牌，全部都係越耐越值錢，有複利。我哋要維護好佢哋。
所謂「收益最大化」係指「喺二十年甚至更長嘅週期內收益最大化」，而唔係未來一兩個月嘅短期收益。
4. Not productivity, rather capability.
過去兩年，AI討論入面最常見嘅詞係「提效」— 「我用咗AI提效20%」、「我哋公司提效800%」，員工週報入面一片繁榮。
聽落都幾勵志。本質上係將AI當成更快嘅打字員、更快嘅查資料工具。
到咗2026年，呢套已經唔夠睇啦。提效只係基本操作，唔值一提。
真正重要嘅係「能力」(capability)— 讓AI帶你去做嗰啲冇佢你根本做唔到嘅事。
喺GPT-5.5同Claude Opus 4.7出現之後，我哋做任何事都應該抱住一個隱含假設：至少99%嘅場景，AI嘅能力遠勝於我。
所以做任何事之前，都要問自己一句：「我發揮咗AI最大嘅能力未？」
如果一定要講「提效」，咁我哋只提一種效—同AI協作嘅效率。
- 有冇辦法令到人花更少時間、令AI花更多Token，從而釋放AI嘅潛力？
- 有冇辦法提升同AI溝通嘅質量，俾更多上下文，避免AI自己估、避免反覆溝通、避免抽卡？
- 喺你當下嘅場景入面，有邊啲skills可以更好咁幫到AI？無論係第三方嘅，定係自己沉澱嘅。喺我哋嘅工作入面，幾乎所有場景都已經有成熟skills—SEO審計、頁面審美提升、TDD、開發文檔、自動化測試……如果覺得冇，咁好大機會係你仲未去揾。
5. AI識，唔代表你識。
自己唔識嘅事，就算AI話俾你聽佢識做，我哋都唔可以做。
聽落同第4條矛盾—上一條唔係要令AI最大化發揮咩？唔矛盾。AI做嘅係「執行」，你做嘅係「判斷」：判斷佢做得啱唔啱、判斷佢揀嘅路線優唔優、判斷佢幾時要停。
判斷嘅前提，係你自己識。
所以做任何事之前，先列一份「概念清單」— 將件事涉及嘅所有關鍵概念列出嚟，逐個問自己：呢個概念我講得清楚嗎？講唔清楚，就先搞清楚，再開始做。
呢份清單唔係俾AI睇嘅，係俾你自己睇嘅。佢亦都係你同人哋（包括AI）討論嘅基礎—概念對齊，先有討論；概念唔對齊，再多溝通都係抽卡。
6. 品味係你最後嘅護城河。
喺AI時代，差距唔在於「做到乜嘢」—大家做到嘅嘢都差唔多。
關於「品味」，我諗到最明顯嘅案例係Windows vs MacOS。同樣係電腦操作系統，功能上可以有幾大分別？但係用過MacOS嘅大部分人（特殊用途除外），都唔再願意返去Windows。當中嘅分別，就係「品味」。
品味嘅差距在於「識別到乜嘢」：可唔可以一眼睇出呢個頁面樣衰、呢個標題爛、呢個交互唔好、呢個產品方向係死衚衕、呢段程式碼將來會出問題。
呢種識別能力，AI俾唔到你，只能你自己慢慢培養出嚟—多睇好嘢、多睇爛嘢、多見過、多對比、多失敗。
1. 誰發明了低成本流量機器，誰就贏了。
在AI編程時代，「做出來 」(Build) 不再是多大的壁壘，因此，未來只有「分發」(Distribution) 最重要。
誰發明了低成本流量機器，誰就贏了。
在日常工作中，我們的很多決策，都是在努力維護我們的「低成本流量機器」。
2. 任何事情都有代價
不能只看成本不看收益，也不能只看收益忽略成本。
大多數人只看收益，不看成本。
當我們有「成本意識」的時候就會發現 —— 不是所有錢都要掙，不是所有錢都要省。我舉幾個例子：
- 公眾號我經常拒絕商單，拒絕的遠比接的多。雖然看起來似乎每個月少賺了不少錢，但是那些錢我們不該去賺 ，因為他們會讓我們付出非常高的成本（長期的用戶信任）。
- 我們只用最好的模型寫代碼，一些便宜的模型，表面上省了短期的Token費用，但是我們付出的成本是 —— 時間
- 對於新開產品線，我們已經變得非常謹慎。首次上線的開發成本的確都不高，但是我們擔心被「維護成本」和「心智帶寬成本」「決策成本」拖累。
3. 站在二十年的時間跨度思考
為什麼是二十年？因為複利的差距，要十年以上才看得出來。
我們有大量的方法，讓短期內付費率提升，但是我們都不會做，因為這些方法的代價是：在長遠的未來失去流量機器。
網站權重、個人IP、口碑、聲譽、品牌，都是越久越值錢，有複利。我們要維護好它們。
所謂「收益最大化」是指「在二十年甚至更久的週期內收益最大化」，而不是未來一兩個月的短期收益。
4. Not productivity, rather capability.
過去兩年，AI討論裏最常見的詞是「提效」——“我用了AI提效20%”、“我們公司提效800%”，員工週報裏一片繁榮。
聽起來挺勵志。本質是把AI當成了更快的打字員、更快的查資料工具。
到了2026年，這套已經不夠看了。提效只是基操，不值一提。
真正重要的是「能力」(capability)——讓AI帶你去做那些沒有它你根本做不了的事。
在GPT-5.5和Claude Opus 4.7出現之後，我們做任何事情都應該抱有一個隱含假設：至少99%的場景，AI的能力遠勝於我。
所以做任何事情之前，都要問自己一句：「我發揮AI的最大能力了嗎？」
如果一定要說「提效」，那我們只提一種效——與AI協作的效率。
- 有什麼辦法能讓人花更少的時間、讓AI花更多的Token，從而釋放AI的潛力？
- 有什麼辦法能提升和AI溝通的質量，給予更多上下文，避免AI自己猜、避免反覆溝通、避免抽卡？
- 在你當前場景下，有哪些skills能更好地幫助AI？無論是第三方的、還是自己沉澱的。在我們的工作中，幾乎一切場景都已經有成熟skills——SEO審計、頁面審美提升、TDD、開發文檔、自動化測試……如果覺得沒有，那大概率是你還沒去找。
5. AI懂，不等於你懂。
自己不懂的事情，即便AI告訴你它會做，我們也不能做。
聽起來和第4條矛盾——上一條不是要讓AI最大化發揮嗎？不矛盾。AI做的是「執行」，你做的是「判斷」：判斷它做得對不對、判斷它選的路線優不優、判斷它什麼時候該停下來。
判斷的前提，是你自己懂。
所以做任何事情之前，先列一份「概念清單」——把這件事涉及的所有關鍵概念列出來，挨個問自己：這個概念我能講清楚嗎？講不清楚，就先搞清楚，再開始做。
這份清單不是給AI看的，是給你自己看的。它也是你和別人（包括AI）討論的地基——概念對齊，才有討論；概念不對齊，再多溝通都是抽卡。
6. 品味是你最後的護城河。
在AI時代，差距不在「能做什麼」上——大家能做的事情都差不多了。
有關「品味」，我能想到的最顯著案例是Windows vs MacOS。 同樣是電腦操作系統，功能上能有多大差別？ 然而用過MacOS的大部分人（特殊用途除外），都不再願意去回到Windows。其中的差別，就是「品味」。
品味的差距在「能識別什麼」上：能不能一眼看出這個頁面醜、這個標題爛、這個交互不好、這個產品方向是死衚衕、這段代碼以後會出問題。
這種識別能力，AI給不了你，只能你自己慢慢長出來——多看好東西、多看爛東西、多見過、多對比、多失敗。