Posts

本文是关于早期创业公司最简单也最重要的仪表盘建议。作者 Andreas Klinger 认为，在早期阶段，创业者应该关注用户留存，因为留存是客户满意度的直接体现。他强调，创业者不应过早追求复杂的数据可视化工具，而是应该利用已有的客户列表，通过添加关键活动信息来监控和提升客户活跃度，从而确保客户满意度。 关键细节 留存与客户满意度：Klinger指出留存是客户幸福感的函数，即如果用户对产品不满意或未从中获益，他们很可能不会继续使用。 数据可视化的误区：他认为，在优化新用户导入转化之前，复杂的数据可视化工具如留存队列表通常是无效的。 客户列表的使用：建议早期创业公司的客户列表应简单易用，足以容纳所有客户，并添加关键活动指标来监控客户活跃度。 客户活跃度监控：提出通过颜色编码来区分不同活跃度的客户，并指定团队成员负责保持客户活跃度。 客户接触的重要性：强调产品经理或创始人的工作是保持与客户的联系，一旦发现客户活跃度下降，应及时通过电子邮件或Skype联系他们。 客户流失的早期干预：指出客户流失不是在取消订阅或停止付费时发生，而是在停止使用产品时就已经开始，因此需要尽早介入。 客户幸福感指数：对于某些产品，可能需要创建一个综合多项活动的客户幸福感指数，来衡量客户行为的重要性。 工具推荐：文中推荐了Intercom这一服务，它提供了手动和自动消息传递功能，并拥有出色的创业产品博客。 Klinger的建议强调简单性和实用性，鼓励早期创业公司关注可以直接采取行动的信息，而不是过度依赖复杂的抽象数据。 最简单且最重要的初创企业仪表板 | Andreas Klinger 这篇博客文章是一个涵盖初创企业指标基础知识的小系列的一部分。我的个人目标是更有效地帮助早期初创企业，同时避免在指导计划中重复自己太多。 如果你正在开发处于生命周期早期的软件产品，这个系列可能对你有用。 该系列的其他文章： 初创企业指标入门。选择哪种分析工具 简单但容易出错。如何以及在何处设置分析目标 初创企业指标：一个爱情故事。我7小时工作坊的幻灯片 早期初创企业指标 最常见的建议之一是在早期阶段专注于留存率。因为留存率本质上是客户满意度的反映。 留存率 = f(客户满意度) 很简单：如果用户对你的产品不满意，或者使用它没有获得任何好处，他们大多数不会继续使用它。 我们通常会想到像留存率队列表这样的酷炫可视化工具。 虽然这些表格看起来很漂亮，让你有一种在做有用事情的美好感觉，但遗憾的是，在你开始优化新用户的引导转换之前，它们通常有点无用。 请不要太早追求华丽的可视化效果。 这种可视化在你有大量用户并需要整体概览时很有用。B2C移动应用通常在早期阶段就有这个问题。但我合作的大多数SaaS公司（或仍处于测试阶段的公司）在达到产品市场契合之前都没有这个问题。 对20个客户进行20%的变化分析不会告诉你太多信息，除了标准差的基本知识。与客户保持个人关系会让你了解他们的故事。保持他们的近距离。 如果你把付费客户当作百分比和无意义的数字来对待，他们也会对你做同样的事。 几乎所有早期初创企业的一个“仪表板”其实已经拥有。让我们开始使用它。 只要你的客户列表可以放在一两页上，你应该有所有这些客户的列表。（我很确定你已经在后端有这个列表了） 向此表添加活动信息。显示他们活动水平的核心关键绩效指标（或至少他们的最后登录日期）。根据活动情况用颜色突出显示。并且让团队中的某个人负责确保每个人都保持绿色状态。 虚拟模型是虚拟的 真的吗？这与指标无关，还是？ “这是给人提供咨询服务时的建议吗？让他画复杂的图表或者带上干草叉。” 这个仪表板实现起来如此简单，我甚至害怕发布这篇文章。但它是 - 并且一直是 - 我对定制仪表板的最常见建议。 我不知道你怎么想。但我不一定需要数字。我需要可以采取行动的信息。我想要产品洞察力 - 使用我的数据库信息创建可行洞察力的简单方法。 大多数抽象如图表、留存队列、AARRR漏斗等在你有太多信息时很棒。在那之前它们只做一件事，创建一个抽象层。 对我个人而言，我发现即使在稍后阶段这也很有用：如果你只有0-100个新注册用户，不要隐藏它们。这是同一个游戏在更高层次上的表现。他们的第一个月是决定你是否会留住他们的一个月。让某人负责让他们保持绿色。 让一个人负责让所有客户保持绿色。这个人很可能就是你。 你作为产品经理/创始人的工作是与所有这些客户保持联系。一旦某人变成橙色，通过电子邮件或Skype联系他们。 找出发生了什么。现在他们仍在决策过程中。现在你仍然可以说服他们留下来。现在你甚至可能获得对产品更改的有用信息。 流失不是在用户取消订阅你的服务或停止支付时发生的。这只是你注意到它的时候。流失发生在用户停止使用你的产品时。你想在客户有风险时介入，当他可能停止使用你的产品时。 只要你有几十个付费客户，你可以亲自联系每一个人。没有借口。不要把他们当数字对待，如果你不想被同样对待的话。 客户幸福指数 如果客户的最后活动对你的产品没有多大意义（例如登录可能并不意味着他找到了/做了什么），你可能需要关注更深层的核心活动。 通常人们会创建一个客户幸福指数。将所有完成的活动组合成一个总数，并为每个活动赋予权重。 通过这样做，你可以说登录对你来说不如购买重要。你甚至可以将这些数字按组汇总，从而看到用户群中的某些段存在问题。 但说实话，虽然这很花哨，但我几乎从不需要这个。 直到我需要汇总这些数字。例如显示某个客户群的幸福指数。 但在那之前 - 根据我的个人经验 - 我通常只看到产品中的1-3个核心活动。（例如在一个项目工具中 - 项目总数、每周关闭的待办事项、每周活跃的团队成员）通常我倾向于简单地推荐将这些数字添加到表中就可以了。

这篇文章主要探讨了 SaaS 业务的关键绩效指标（KPIs），以及作者所在的投资公司 Craft 在进行 A 轮融资时所关注的基准。文章强调了以下几个核心 KPIs 的重要性： 成长：以收入增长作为理解SaaS业务的基础，特别是月度或年度经常性收入（MRR 或 ARR）。 留存：通过客户分群（队列）来跟踪保留率，分析不同时间段的客户留存情况。 销售效率/单位经济：通过比较新客户的价值与获取他们的成本，来评估销售效率和可持续性。 利润率：分析毛利润和客户终身价值（LTV）等指标，以评估公司的财务健康。 资本效率：通过燃烧倍数和炒作比率等指标，评估公司在增长过程中资本的利用效率。 参与度：用户参与度对于SaaS创业公司越来越重要，特别是在免费试用或免费增值用户转化为付费账户方面。 具体细节如下： ➡️ 成长 MRR或ARR：经常性收入是 SaaS 公司的主要标准，对于寻求 A 轮融资的初创公司，500k ARR 已成为新的门槛。 CMGR：复合月增长率（CMGR）是衡量 MRR 增长的最佳方式，对于寻求 A 或 B 轮融资的初创公司，至少需要 15% 的 CMGR（在$1M以下ARR）和10%以上（$1M以上ARR）。 MRR组成：详细分析 MRR 的各个组成部分，包括留存、扩张、新销售、复活、缩减和流失等。 ➡️ 留存 美元留存：通过比较各队列的原始收入与后续期间的收入，考虑扩张收入，最佳 SaaS 公司的年美元留存率超过120%。 Logo留存：跟踪活跃（非流失）客户的百分比，通常低于美元留存率，且与客户规模相关。 ➡️ 销售效率/单位经济 新销售 ARR 与销售和市场（S&M）费用：比较新客户带来的 ARR 与同期的 S&M 支出。 CAC：客户获取成本（CAC）是衡量销售效率的关键指标。 ACV与CAC：比较新客户的年度合同价值（ACV）与CAC，理想的ACV应大于CAC。 ➡️ 利润率 毛利润：SaaS 公司应保持至少 75% 的毛利润。 LTV：终身价值（LTV）综合了CAC、美元留存和毛利润，是评估公司整体健康状况的重要指标。 ➡️ 资本效率 燃烧倍数：衡量公司净消耗与净新增 ARR 的关系，是评估增长效率的关键指标。 炒作比率：通过比较筹集（或消耗）的资本与 ARR，来衡量资本效率。 ➡️ 参与度...

本文来自于 YC 创业视频课 How To Talk To Users。主要阐述了创业者为何以及如何与用户沟通，从而更好地理解用户需求并开发出符合市场的产品。Gustav（作者）强调了以下观点： 优秀的创业者会始终与用户保持沟通。 创业者应直接与用户交流，以获取第一手反馈。 用户是唯一支付给公司钱的利益相关者，他们的反馈至关重要。 ➡️ 用户沟通的重要性 用户和客户可以让公司保持诚实，他们是对产品最直接的评判者。 创业者应通过直接沟通了解用户的真实需求和问题。 ➡️ 如何找到用户并与之沟通 创业者可以通过联系认识的人、同事或前同事开始寻找用户。 使用 LinkedIn、Reddit、Slack 或 Discord 社区，甚至参加线下活动也是寻找早期用户的方法。 作者提供了一个模拟创业过程，展示如何通过联系潜在用户来了解他们的需求和动机。 ➡️ 采访用户的技巧 采访应在视频通话、电话或面对面进行，以便更深入地了解用户。 创业者应建立与采访对象的良好关系，以便获得坦诚的反馈。 采访中不要过早介绍自己的产品理念，以免影响回答的客观性。 提问应开放，鼓励用户详细描述他们的体验和需求。 ➡️ 问题的类型 创业者应询问用户目前如何处理特定问题、遇到的困难、为何重要等。 避免问是否会使用你的产品或关于产品特性的具体问题。 ➡️ 用户反馈的利用 创业者应将反馈组织起来，识别关键问题，并据此形成假设。 使用假设来创建最小可行产品（MVP），并通过与用户测试来验证其价值。 ➡️ 销售和用户参与 创业者应考虑解决问题的价值，并评估目标受众的易销售性。 MVP 原型可以展示给用户，通过观察他们的使用过程来获取反馈。 创业者应保持与用户的沟通，通过 Slack 或 WhatsApp 群组等方式，让用户感觉自己是产品开发的一部分。 How To Talk To Users 大家好，我叫 Gustav，我是 Y Combinator 的一名小组合伙人，自 2017 年以来一直在这里工作。在加入 YC 之前，我在 Airbnb 工作，在 2007 年成为了 YC 的创始人。今天，我将讨论如何与用户和未来客户沟通。以下是我今天计划讨论的内容： 为什么最优秀的创始人在公司整个生命周期内都与用户交流 如何找到你的用户并与他们沟通 应该问用户哪些问题以及不应该问哪些问题 如何将你的结论转化为 MVP（最小可行产品）。 为什么最优秀的创始人在公司整个生命周期内都与用户交流 世界上大多数人对新创业公司的形成方式存在很大的误解，他们认为新产品的创意是在一个闲散的周日或深夜编程时偶然产生的。但事情并不是这样的。这是电影《社交网络》中的一个场景，这是一部很棒的电影，但他们对 Facebook 实际上是如何起步的描绘存在很多错误。这是 Brian Chesky，Airbnb 的联合创始人兼 CEO，照片左边的是 Amal，Amal 是 Airbnb 的第一位客人，他们实际上在旧金山一起度过了一个周末。你注意到这张照片和前一张照片的区别了吗？这张照片是真实的，它包含了与真实客户的双向对话。优秀的创始人在他们甚至还没有产品之前就与未来的客户沟通。实际上，世界上最优秀的创始人在公司生命周期内始终从用户那里学习，但前提是你正确识别了你的用户。你可能会问为什么？用户和客户会让你保持真实，他们是唯一真正付费给你的人，如果有人会告诉你真相，那就是他们。所以，我今天的演讲是关于如何做到这一点的。...

英伟达发布了名为 Nemotron-4 340B 的开源模型家族，开发者可利用这些模型为大型语言模型（LLM）生成合成数据，应用于商业领域，如医疗、金融、制造、零售等行业。高质量的训练数据对LLM的性能至关重要，但获取这些数据通常成本高昂且难度较大。Nemotron-4 340B提供了免费且可扩展的方法来生成合成数据，有助于构建强大的LLM。原文戳这里。 ➡️ Nemotron-4 340B 模型家族 包括基础模型、指导模型和奖励模型，形成生成合成数据的流水线，用于训练和精调LLM。 这些模型针对英伟达 NeMo 开源框架进行了优化，该框架支持端到端模型训练，包括数据整理、定制和评估。 同时也针对开源的英伟达 TensorRT-LLM 库进行了优化，以便进行高效推理。 ➡️ 生成合成数据的流程 在数据获取受限的情况下，LLM 可以帮助生成合成训练数据。 Nemotron-4 340B 指导模型生成模仿真实世界数据特性的多样化合成数据，提高数据质量，增强 LLM 在多个领域的性能和鲁棒性。 开发者可以使用 Nemotron-4 340B 奖励模型筛选高质量响应，该模型在 Hugging Face RewardBench 排行榜上排名第一。 ➡️ 模型优化与精调 使用 NeMo 框架和 TensorRT-LLM，开发者可以优化指导模型和奖励模型，生成合成数据并评分响应。 所有 Nemotron-4 340B 模型都利用 TensorRT-LLM 进行优化，以实现张量并行，提高大规模推理的效率。 Nemotron-4 340B 基础模型经过 9 万亿个令牌的训练，可通过 NeMo 框架定制，以适应特定用例或领域。 ➡️ 安全性与评估 Nemotron-4 340B 指导模型经过了广泛的安全性评估，包括对抗性测试，并在多个风险指标上表现良好。 用户仍需对模型的输出进行仔细评估，以确保生成的合成数据适合其用例，安全且准确。 NVIDIA 发布用于训练大语言模型的开放合成数据生成管道 NVIDIA 今天宣布 Nemotron-4 340B，这是一个开放模型系列，开发者可以用来生成用于商业应用的大语言模型 (LLM) 的合成数据，涵盖医疗、金融、制造、零售等各个行业。 高质量的训练数据对于定制 LLM 的性能、准确性和响应质量至关重要，但强大的数据集往往非常昂贵且难以获得。 Nemotron-4 340B 通过一个独特的开放模型许可，为开发者提供了一种免费的、可扩展的方式来生成合成数据，从而帮助构建强大的 LLM。...

在 2024 年加州理工学院（Caltech）毕业典礼上，NVIDIA 的 CEO 黄仁勋受邀做了演讲，演讲中 Jesen 强调了毕业生们通过刻苦努力取得的成就，并指出未来面对的挑战和机遇。他分享了自己的职业经历，特别是 NVIDIA 在加速计算和人工智能（AI）领域的突破，强调了坚持和适应力的重要性，并鼓励毕业生们在未来的职业生涯中要有耐心、坚韧和对技术的热情。视频地址。演讲关键细节如下: 个人与 Caltech 的联系： NVIDIA 的首席科学家都来自 Caltech。 演讲者通过在 Caltech 的招聘，推介 NVIDIA 的良好企业文化和发展前景。 技术革新与贡献： 描述了 NVIDIA 从图形公司转型为 AI 公司，并通过加速计算和深度学习技术的进步推动整个计算行业的变革。 强调 CUDA 和 GPU 的开发以及这些技术在深度学习中的应用，对AI革命的重要性。 职业经历与挑战： 分享了多次因市场变化和竞争对手的策略调整而被迫转型的经历，从集成图形芯片到移动设备，再到最终进入机器人领域。 强调在面对挫折时迅速调整策略和视角的重要性，并从中培养出公司文化的韧性。 未来技术与行业： 讨论了 AI 技术的飞速发展和未来机器人技术的潜力。 提到新兴的 AI 工厂，这些工厂将生产“智能代币”，并将其视为下一次工业革命的重要组成部分。 人生哲理与建议： 通过在日本银阁寺的经历，强调专注于自己的事业和持续改进的重要性。 建议毕业生每天从最重要的工作开始，优先处理生活中的重要事项，从而有效地利用时间。 鼓励毕业生相信并致力于某些未被广泛接受的理念或技术，接受挫折作为新的机遇，并从中成长。 总结与祝福： 确信 Caltech 毕业生在面对未来挑战时已经做好了充分的准备。 鼓励他们在未来的事业中找到自己的“工艺”，将其作为终生事业不断完善，并在过程中发展出坚韧和适应能力。 原文 女士们，先生们，Rosenbaum 校长，尊敬的教职员工，亲爱的来宾，骄傲的家长，最重要的是，加州理工学院 2024 届的毕业生们。今天对你们来说是一个非常高兴的日子。你们应该表现得更兴奋一些。你们知道你们即将从加州理工学院毕业。这里是伟大的 Richard Feynman, Linus Pauling, 以及对我和我们的行业有深远影响的 Carver Mead 的母校。是的，这是一件大事。 今天是一个充满自豪和喜悦的日子。对你们所有人来说，这是一个梦想成真的日子，不仅仅是你们，因为你们的父母和家庭为了看到你们达到这个里程碑做出了无数的牺牲。所以让我们借此机会祝贺他们，感谢他们，并告诉他们你爱他们。不要忘记这一点，因为你不知道你会在家住多久。今天你应该特别感激。作为一个骄傲的家长，我真的很喜欢我的孩子们没有搬出去，每天看到他们很棒，但现在他们搬走了，这让我很难过。所以希望你们能和父母多些相处。你们的旅程是你们性格、决心、愿意为梦想做出牺牲的见证，你们应该感到自豪。做出牺牲、忍受痛苦和磨难的能力，这些都是你们未来生活中需要的品质。 你们和我有一些共同点。首先，NVIDIA 的两位首席科学家都来自加州理工学院。我今天演讲的原因之一是因为我在招募人才。所以我想告诉你们，NVIDIA 是一家非常棒的公司，我是一个非常好的老板，受到普遍喜爱，来 NVIDIA 工作吧。...

Nvidia 因其架构、工程和供应链的领先，在生成式 AI 市场占据了优势地位。公司不仅资金充足，而且其 GPU 和互连技术路线图已规划至 2027 年，显示了其在推动AI革命中的雄心壮志。Nvidia 的 CEO 黄仁勋在 Computex 大会上强调了生成式 AI 的重要性，并展望了 AI 的未来以及 Nvidia 硬件的发展。 🔑 关键细节 ➡️ 性能提升与能源消耗 从“Pascal” P100 GPU 到即将推出的 “Blackwell” B100 GPU，Nvidia 的GPU 性能在 8 年间提升了 1053 倍。 性能提升部分得益于将浮点精度从 FP16 降低到 FP4，这一变化使得性能增加了约 4 倍。 能耗降低是关键，因为生成大型语言模型响应所需的能量成本必须降低，以便与性能提升保持同步。 ➡️ 成本与投资 GPU 的价格在过去 8 年中上涨了约 7.5 倍，但性能提升超过 1000 倍。 使用 Blackwell系 统，公司可以在约 10天 内用大约 10000 个 GPU 训练 GPT-4 1.8T MoE 模型。 一个包含 10000 个 GPU 的 Blackwell 系统成本约为 8 亿美元，而 10 天的电力成本约为 54,000 美元。...

HuggingFace 发布了一个名为 🍷 FineWeb 的新大规模预训练数据集，该数据集旨在提升大语言模型（LLM）的性能。FineWeb 数据集由 96 个 CommonCrawl 快照生成，总计 15 万亿个 token，占用 44TB 磁盘空间。通过详细记录和分析数据去重和过滤策略，FineWeb 数据集在性能上优于其他公开的预训练数据集。此外，本文还介绍了 FineWeb 的子集 📚 FineWeb-Edu，该子集通过自动化高质量注释构建，专注于教育内容，并在多个教育基准测试中表现优异。 🔑 关键细节 ➡️ 数据集构建与处理 数据来源：FineWeb 使用了 CommonCrawl 作为数据源，涵盖了从 2007 年至今的 96 个快照。 数据处理：使用了 datatrove 开源库进行数据处理，包括文本提取、去重和过滤。 去重策略：采用 MinHash 技术进行模糊去重，确保数据集的多样性和质量。 ➡️ 质量评估与基准测试 小模型评估：通过训练小模型（1-2 亿参数）并在一组基准任务上评估，验证数据集质量。 基准任务：包括 CommonSense QA、HellaSwag、OpenBook QA、PIQA、SIQA、WinoGrande、ARC 和 MMLU。 ➡️ 过滤策略 基础过滤：包括 URL 过滤、语言识别和质量过滤。 高级过滤：借鉴了 C4 数据集的过滤策略，并开发了新的启发式过滤器。 自定义过滤器：基于统计分析，开发了新的过滤器，进一步提升数据集质量。 ➡️ FineWeb-Edu 子集 教育内容注释：使用 Llama-3-70B-Instruct 模型对 50 万个样本进行教育质量评分。 类器训练：基于这些注释训练了一个小型分类器，用于大规模数据过滤。 性能提升：FineWeb-Edu 在教育基准测试中表现出色，显著优于其他公开数据集。 ➡️ 未来展望...

Goole I/O 2024 公布了计划在 Chrome 上推出内置 AI 模型 Gemini Nano。今天官方放出了详细的文档。我用 FisherAI Chrome 插件 对文档进行了翻译，模型使用了 gpt-4o。 Chrome 内置 AI 早期预览计划 欢迎使用 Prompt API 的早期预览版 作者： Kenji Baheux Thomas Steiner Alexandra Klepper 联系：见此部分 最后更新：2024 年 5 月 28 日 介绍 欢迎并感谢您参与我们的内置 AI 功能早期预览计划（文章, Google I/O 2024 演讲）。在探索改进或增强 Web 体验的 AI 机会时，您的参与非常宝贵！ 内置 AI 早期预览计划有几个目标： 倾听：我们渴望听取您对早期 API 的反馈。帮助我们更好地理解您要解决的问题。这将确保我们以正确的方式设计您需要的 API。 探索：我们希望促进对内置 AI 应用的发现，这将直接影响我们的路线图和优先级讨论。为此，我们将提供探索性 API，例如 Prompt API。 支持：您的见解和兴趣将为我们与其他浏览器供应商的讨论提供参考，因为我们致力于在 Web 浏览器中实现 AI 集成的通用标准。 📣 知道其他人也想加入这个计划吗？或者您是从朋友那里获得了此文档的访问权限？注册以直接在您的收件箱中获取最新更新。 在本次更新中，我们很高兴提供关于即将推出的探索性 Prompt API 的详细信息，该 API 旨在通过本地原型开发促进 AI 用例的发现。更具体地说，此 API 将允许您在开发环境中直接与设备上的 Gemini Nano 进行互动。...

本文是对保罗格雷厄姆的这篇 How To Think For Yourself 的摘要和翻译，由 FisherAI Chrome 插件 完成，模型为 gemini-1.5-pro-latest。 摘要 主要观点 这篇文章探讨了独立思考的重要性，特别是对于那些从事需要创新性工作的人来说，例如科学家、投资者、创业者和作家等。作者认为，独立思考的能力很大程度上是天生的，并将其分解为三个核心要素：对真相的挑剔、拒绝被灌输思想和强烈的好奇心。文章还探讨了如何培养和加强独立思考能力，包括与志同道合的人交往、接触不同的思维方式，以及主动质疑既有观念等。 关键细节 独立思考的必要性： 在科学、投资、创业和写作等领域，要想取得成功，仅仅正确是不够的，你的想法必须既正确又新颖。 独立思考者的特质： 独立思考者往往对真相有近乎苛刻的追求，他们会仔细考量自己对每个观点的相信程度，并且会积极抵制任何形式的思想灌输。他们热爱颠覆传统思维的想法，并对一切充满好奇。 培养独立思考的方法： 与其他独立思考者为伍，创造一个能够自由表达和交流想法的环境。 接触不同领域、不同背景的人，从他们的视角和经验中汲取灵感。 阅读历史，尝试理解过去人们的想法和思维方式。 培养质疑精神，不要轻易接受任何未经证实的观点。 保持强烈的好奇心，积极探索自己感兴趣的领域，并从中发现新的问题和挑战。 作者还指出，独立思考能力并非一成不变，我们可以通过有意识地锻炼和培养来加强它。文章最后鼓励读者，不要害怕挑战传统思维，要勇敢地追求自己的好奇心，因为那是通往新发现和新思想的必经之路。 译文 如何独立思考 2020 年 11 月 有些工作，你必须有异于常人的想法才能做好。例如，要成为一名成功的科学家，仅仅做到正确是不够的。你的想法必须既正确又新颖。你不能发表论文说一些别人已经知道的事情。你需要说出别人还没有意识到的东西。 投资者也是如此。对于公开市场投资者来说，仅仅正确预测一家公司的发展是不够的。如果很多人都做出了同样的预测，那么股价就会反映出来，你就没有赚钱的空间了。只有大多数其他投资者不认同的见解才是有价值的。 创业者也是如此。你不会想要创办一家公司去做一件所有人都认为是好主意的公司，因为肯定已经有其他公司在做这件事了。你必须做一些在大多数人看来是坏主意的事情，但你知道这不是——比如为几千名业余爱好者使用的一台小型计算机编写软件，或者建立一个让人们租用陌生人家中充气床的网站。 散文家也是如此。一篇告诉人们他们已经知道的事情的散文会很无聊。你必须告诉他们一些新东西。 然而，这种模式并非适用于所有情况。实际上，对于大多数工作来说，这种模式并不成立。以成为一名管理员为例，大多数工作只需要你正确判断，并不需要其他人出错。 在大多数类型的工作中，都有一定的创新空间，但在实践中，那些需要独立思考的工作和那些不需要独立思考的工作之间有着相当明显的区别。 我希望在我还是个孩子的时候就有人告诉我这种区别，因为这是你在决定想做什么样工作时要考虑的最重要的事情之一。你想做那种只有你的想法与众不同才能成功的工作吗？我怀疑大多数人的潜意识会在他们的意识有机会回答这个问题之前就给出答案。我知道我的潜意识会。 独立思考更多是天生的，而非后天培养的。因此，如果你选择了不合适的工作，你会感到不开心。如果你天生独立思考，那么做中层管理者会让你很沮丧。而如果你天生传统保守，尝试做原创研究会让你感到阻力重重。 然而，这里有一个难题是，人们往往无法正确判断自己是偏传统思维还是独立思维。传统思维的人不喜欢认为自己是传统的，他们真的觉得自己有独立的见解，只是碰巧与同伴相同。而独立思维的人则常常不知道自己的想法有多么与众不同，直到他们公开表达为止。 [1] 成年后，大多数人对自己的智力水平有了大致了解（即解决预设问题的能力），因为他们经常被测试和排名。但学校一般忽视独立思维，甚至会试图压制它。所以，我们几乎得不到关于自己独立思维程度的反馈。 甚至可能存在一种类似邓宁-克鲁格效应的现象，即最墨守成规的人确信自己是独立思考的，而真正独立思考的人则担心自己可能不够独立思考。 你能让自己变得更加独立思考吗？我认为可以。这种品质可能很大程度上是天生的，但似乎有一些方法可以放大它，或者至少不要压制它。 一种非常有效的方法是大多数书呆子无意间使用的：对传统观念知之甚少。如果你不知道该遵循什么，就很难成为一个循规蹈矩的人。不过，这样的人可能本身就具备独立思维。相反，传统思维的人可能会因为不知道他人的想法而感到焦虑，并会更加努力地去了解。 你和谁在一起很重要。如果你周围都是墨守成规的人，这将限制你能表达的想法，进而限制你拥有的想法。但如果你周围都是独立思考的人，你就会有相反的体验：听到别人说一些令人惊讶的事情会鼓励你，让你想出更多的东西。 因为独立思考的人觉得与墨守成规的人在一起不舒服，所以一旦有机会，他们就会倾向于自我隔离。高中的问题是，他们还没有机会这样做。此外，高中往往是一个封闭的小世界，其居民缺乏自信，这两点都放大了墨守成规的力量。所以高中对独立思考的人来说通常是一段糟糕的时光。但即使在这里也有一些优势：它教会了你应该避免什么。如果你后来发现自己处于一种让你觉得“这就像高中”的境地，你就知道你应该离开。 另一个将独立思考者和墨守成规者聚集在一起的地方是成功的初创公司。创始人和早期员工几乎都是独立思考者；否则，这家初创公司就不会成功。但墨守成规的人远远多于独立思考的人，因此随着公司的发展，最初的独立思考精神不可避免地会被稀释。这会导致各种各样的问题，除了公司开始走下坡路这一显而易见的问题外，还有一个最奇怪的问题是，创始人发现自己可以与其他公司的创始人更自由地交谈，而与自己的员工却不能。 幸运的是，你不需要所有时间都和独立思考的人在一起。有一两个可以定期交谈的朋友就足够了。一旦找到，他们通常也会渴望交流；他们也需要你。尽管大学不再像过去那样垄断教育资源，但好大学仍是结识独立思考者的好地方。虽然大多数学生还是传统思维，但你至少能找到一些独立思考者，而不像高中时那样几乎没有。 另一种方法是反其道而行之：除了培养少数独立思考的朋友，还尽量结识各种类型的人。这样，你会减少单一同龄人的影响。如果你处在多个不同的圈子中，还可以将一个圈子的想法引入另一个圈子。 但说到不同类型的人，我指的不是人口统计学上的不同。为了使这种方法奏效，他们必须有不同的想法。因此，虽然去其他国家看看是一个很好的主意，但你很可能在你身边就能找到想法不同的人。当我遇到一个对不寻常的事情了如指掌的人时（如果你深入挖掘，几乎每个人都是如此），我就会试着去了解他们知道而别人不知道的事情。这里几乎总是有惊喜。这是与陌生人见面时进行对话的好方法，但我这样做并不是为了进行对话。我真的想知道。 通过阅读历史，你不仅能在空间上，还能在时间上拓宽你的影响源。我读历史不仅是为了了解过去发生的事情，还试图理解当时人们的思维方式。他们如何看待那些事物？这虽然很难，但值得努力，就像为了准确定位一个点而进行远距离的旅行一样。 你还可以采取更明确的措施来防止自己自动接受传统观念。最普遍的做法是培养一种怀疑的态度。当你听到别人说某件事时，停下来问问自己“这是真的吗？”不要大声说出来。我不是建议你让每个和你说话的人都必须证明他们说的话，而是建议你自己承担起评估他们说的话的责任。 把这当作一个谜题来看待。你知道一些被普遍接受的观点将来可能会被证明是错误的，试着猜猜哪些会是错的。最终目标不是挑出你听到的东西中的缺陷，而是找到那些被错误观点掩盖的新想法。因此，这个过程应该是一场充满新奇的探索，而不是单调的智力清洁。当你开始问“这是真的吗？”时，你会惊讶地发现，答案往往并不是立刻肯定的。如果你有想象力，你会发现线索多得多，而不是太少。 一般来说，你的目标是不让任何未经审视的观点进入你的头脑，而且这些观点不总是以明确的陈述形式出现。有些最强大的影响是隐性的。你如何注意到这些呢？通过退一步观察别人如何获得他们的想法。 当你退后足够远时，你会看到思想像波浪一样在人群中传播。最明显的例子是时尚：你注意到几个人开始穿某种款式的衬衫，然后越来越多的人穿，直到你周围一半的人都在穿同样的衬衫。你可能不在意穿什么，但思想上也有时尚，而你绝对不想随波逐流。不仅因为你想掌控自己的思想，还因为不流行的观点更可能带来有趣的发现。找到未被发现想法的最佳地方，往往就是那些没人关注的地方。 [4] 为了超越这个普遍适用的建议，我们需要进一步探究独立思考的内在结构，就像锻炼肌肉一样，锻炼独立思考也需要锻炼构成它的每一块“肌肉”。我认为，独立思考包含三个要素：对真理的严谨态度、抵制外界思想灌输和好奇心。 对真理的严谨态度，不仅仅是不相信虚假信息，更意味着要对“相信”的程度保持谨慎。大多数人很容易走向极端：不可能的事情被完全否定，而概率性事件则被视为绝对会发生。[5] 但在独立思考者看来，这种极端的态度未免太过草率。他们乐于接受任何观点，从大胆的推测到看似 (self-evident) 不言自明的观点，但对于自己真正关心的问题，他们会对每个观点都进行审慎的评估，并赋予其相应的可信度。[6] 因此，独立思考者往往对意识形态抱有警惕，因为意识形态要求人们不加分辨地全盘接受一整套信念，并将其奉为圭臬。这对独立思考者来说，就像让一个挑剔的美食家吃下成分不明的三明治一样难以接受。 缺乏对真理的严谨态度，就无法做到真正的独立思考。仅仅是不人云亦云是不够的。有些人拒绝接受传统观念，转而拥抱各种天马行空的阴谋论。而这些阴谋论往往是为了迎合他们的心理而刻意编造的，最终让他们陷入更深的思维陷阱。[7] 他们非但没有独立思考，反而被这些精心设计的谎言所操控。 我们能否提升自己对真理的严谨态度呢？我认为是完全可以的。根据我的经验，仅仅是认真思考那些我们所重视的事情，就能让我们更加严谨。如果真是这样，那么严谨的态度就是一种可以通过后天培养的美德，而且越认真就越有可能获得。与其他类型的严谨态度一样，我们也可以从小培养孩子的严谨态度，我在这方面就深受父亲的影响。[8] 独立思考的第二个要素是抵制外界思想灌输，这也是三个要素中最容易被观察到的。但即使是这一点，也常常被人误解。人们常常错误地将“抵制外界思想灌输”视为一种消极的品质，我们使用的语言也强化了这种误解，例如“特立独行”、“不在乎别人的看法”等等。但“抵制外界思想灌输”绝不仅仅是“免疫”于外界的影响，对于真正独立思考的人来说，“不想被告知该怎么想”是一种积极的内在驱动力。他们不是单纯地怀疑一切，而是热衷于探索颠覆传统认知的观点，越反直觉越好。 有些新颖的想法，在当时听起来可能像玩笑一样。想想看，当你听到一个新奇的想法时，是不是常常会忍不住笑出来？我认为这并非因为新奇的想法本身就有趣，而是因为新奇和幽默都带有一种“出人意料”的特质。虽然两者并不完全相同，但它们之间存在着明显的关联性：有幽默感的人往往更独立，而缺乏幽默感的人则更容易墨守成规。[9]...

本文是对保罗格雷厄姆的这篇 How To Get Startup Ideas 的摘要和翻译，由 FisherAI Chrome 插件 完成，模型为 gemini-1.5-pro-latest。 摘要 主要观点 这篇文章主要探讨了如何获得好的创业点子。作者认为，最好的方法不是去刻意想点子，而是去发现问题，尤其是自己亲身遇到的问题。很多成功的创业公司，比如微软、苹果、雅虎、谷歌和脸书，都是这样诞生的。 作者指出，许多创业者失败的原因是他们试图解决一些实际上并不存在的问题。创业点子应该是那些创始人自己想要、能够实现并且很少有人意识到的有价值的事情。 关键细节 创业者应该专注于解决那些真实存在且急需解决的问题，而不是那些听起来很美好但实际上没有用户需求的“虚构”点子。 好的创业点子通常开始于一个小众市场，但有快速扩张的路径。微软的 Altair Basic 和 Facebook 的早期版本都是很好的例子。 作者建议，想要获得好的创业点子，最好的方法是让自己成为那种能够发现问题的人。 这可以通过不断学习新知识、尝试新事物，以及让自己处于快速变化的领域的前沿来实现。 程序员可以通过学习其他领域的知识，比如生物技术，来发现跨领域的问题。 作者还建议创业者要克服对“不体面”和“繁琐”工作的排斥，因为这些领域往往蕴藏着有价值的创业机会。 当你有一个好的创业点子时，你可能会觉得自己已经落后了，但不要因此却步。竞争对手的存在实际上是一个好现象，因为它表明市场需求旺盛，而且现有的解决方案都不够好。 总而言之，这篇文章为创业者提供了一个寻找好的创业点子的实用指南。作者强调了关注用户需求、保持好奇心以及勇于尝试的重要性。 原文翻译 如何获得创业思路 2012 年 11 月 获得创业思路的方法不是绞尽脑汁地去想，而是去寻找问题，最好是那些你自己遇到的问题。 最好的创业思路往往有三个共同点：它们是创始人自己想要的，是他们自己能够构建的，而且是很少有人意识到值得去做的。 Microsoft、Apple、Yahoo、Google 和 Facebook 都是这样开始的。 问题 为什么致力于解决你自己遇到的问题如此重要？其中一个原因是，这能确保问题确实存在。说你应该只解决存在的问题，这听起来似乎是显而易见的。然而，初创公司最常犯的错误就是去解决根本不存在的问题。 我自己就犯过这样的错误。1995 年，我创办了一家公司，想把艺术画廊搬到网上。但画廊并不想上线。这不是艺术行业的运作方式。那我为什么还要花 6 个月的时间在这个愚蠢的想法上呢？因为我没有关注用户。我臆想了一个与现实不符的世界模型，并以此为基础开展工作。直到我试图说服用户为我们开发的产品付费时，我才意识到我的模型是错误的。即使在那时，我也花了很长时间才明白过来，真是尴尬。我固执于我所构想的世界模型，而且我已经在软件上投入了大量的时间。他们一定想要它！ 为什么这么多创始人开发出无人问津的东西？因为他们一开始就试图去想创业的点子。这种做法有两重危险：它不仅很少产生好的点子，而且还会产生一些听起来似是而非的坏点子，让你愚蠢地为之付出努力。 在 YC，我们把这些称为“虚构的”或“情景喜剧式的”创业点子。想象一下，一个电视剧中的角色要创办一家公司。编剧必须为这家公司虚构一些业务。但想出一个好的创业点子是很难的。这不是你一蹴而就就能做到的。所以（除非他们运气好到爆棚），编剧们想出的点子听起来可能貌似合理，但实际上却很糟糕。 例如，一个为宠物主人创建的社交网络。这听起来似乎没什么问题。数百万人养宠物，他们常常非常关心自己的宠物，并在宠物身上花费大量金钱。许多人肯定会喜欢一个可以与其他宠物主人交流的网站。也许不是所有人，但如果只有 2% 或 3% 的人定期访问，你就会有数百万用户。你可以向他们提供有针对性的优惠，甚至可以对高级功能收费。 这种想法的危险在于，当你向有宠物的朋友提起时，他们不会说“我绝不会用这个。”他们会说“嗯，也许我会用这样的东西。”即使创业公司刚开始运营，很多人也会觉得这个点子挺不错。他们自己现在不想用，但可以想象其他人会想用。把这种反应放到整个社会来看，你最终会发现没有用户。 深井 当一家初创公司启动时，必须至少有一些用户真正需要他们正在做的事情——不仅仅是那些可以想象自己有一天会使用它的人，而是那些迫切需要它的人。通常，这批最初的用户数量很少，原因很简单，如果有一样东西是大量的人迫切需要的，并且可以用一家初创公司通常投入到第一个版本中的努力就能做出来，那么它很可能已经存在了。这意味着你必须在一个维度上做出妥协：你要么构建一个大量的人少量需要的东西，要么构建一个小部分的人大量需要的东西。选择后者。并非所有这类想法都是好的创业想法，但几乎所有好的创业想法都属于这类。 想象一张图表，它的 X 轴代表所有可能想要你正在做的事情的人，Y 轴代表他们有多想要它。如果你把 Y 轴的刻度颠倒过来，你就可以把公司想象成一个个洞。Google 是一个巨大的陨石坑：数亿人在使用它，而且他们非常需要它。一家刚刚起步的初创公司不可能指望挖掘出那么大的体积。所以，对于你一开始要挖的洞的形状，你有两个选择。你可以挖一个宽而浅的洞，也可以挖一个窄而深的洞，就像一口井。 虚构的创业点子通常是第一种。很多人对宠物主人的社交网络略感兴趣。 几乎所有好的创业点子都是第二种。Microsoft 在开发 Altair Basic 时就像一口井。当时只有几千名 Altair 用户，但如果没有这款软件，他们就只能用机器语言编程。30 年后，Facebook 也具有同样的形状。他们的第一个网站是专门为哈佛学生服务的，而哈佛的学生只有几千人，但那几千名用户非常需要它。...