在「缓慢、昂贵且分散」的市场,AI 的机会最性感 | 对谈 Mizzen AI 孙克强&李一豪十字路口Crossing

在「缓慢、昂贵且分散」的市场,AI 的机会最性感 | 对谈 Mizzen AI 孙克强&李一豪

45分钟 ·
播放数3071
·
评论数23

🚥 本周「十字路口」,我们有幸邀请到用 AI 辅助用户研究的创业公司「觅深科技 Mizzen AI」的创始人 CEO 孙克强,以及他的天使投资人、CreekStone 合伙人李一豪

孙克强是一位拥有计算机视觉博士背景的创业者,也是一位将“YOLO(You Only Live Once)”刻在骨子里的乐观行动派。他试图挑战已有百年历史的传统用研模式,通过 AI 绘制一张前所未有的全网“人类偏好图谱”。

他提出 Vibe User Research,并希望与 Vibe Coding 一起形成产品闭环,迈向「产品自迭代」的新范式。

而作为投资人,李一豪不仅分享了早期和团队共同探索成长的过程,更从资本视角抛出了一个判断:垂直赛道AI范式是怎样的,为什么那些最缓慢、最昂贵、最分散的“老旧”赛道,反而是 AI 时代孕育新寡头的最佳土壤?

这是一场关于技术、人性和市场机会的对话,希望能给在十字路口探索的你带来新的启发。

🎬 我们的视频播客来啦!本期播客在上海漕河泾 AI Hacker House 内录制。将随后上线于 @Koji杨远骋 的视频号、小红书哔哩哔哩Youtube 等平台。

📒 文字版将随后发布于 @十字路口Crossing 公众号。

🟢 00:51 快问快答:年龄、毕业院校、MBTI 和星座、一句话介绍现在的公司和产品、团队规模、创业前经历

🟢 02:08 AI 加速了生产,却卡在了洞察

一个巨大的供需剪刀差:当生产力的天花板被 AI 掀翻,洞察力却还停留在劳动密集型时代。
  • 效率的百倍差异:传统用研是线性的、串行的;而 AI 可以用并发的方式同时访谈所有人。
  • 巨大的供需矛盾:AI 让产品研发的速度大幅加快,但从用户端获得反馈的速度却远远滞后。
  • 为什么这是一个通往伟大的赛道?当用研速度跟上研发速度,产品甚至可能实现“自动迭代”。

🟢 09:10 在千亿美金的「僵局」里寻找新垄断。

市场越固化,越是「缓慢、昂贵且分散」,AI 的机会越性感。
  • 市场的终局推演:像 Legal、HR 和用研这种已经固化但结构依然分散的市场,技术变量最容易催生新的寡头。
  • 一个反直觉的判断:人力越密集、越传统的行业,AI 带来的供需差越大。
  • 为什么看好中国团队?互联网原生的理解力 + 极强的运营交付能力。
  • 未来的组织形态:AI 会长出很多只有 1-10 个人的“超级公司”。

🟢 07:07 永远好奇的 AI

  • 什么是「对齐税」?多个主持人之间为了同步信息、对齐颗粒度所消耗的高昂隐形成本。
  • 人类的认知边际效应递减:访谈第 1 个人时你很兴奋,访谈第 20 个人时你的兴趣浓度会大幅衰减。
  • AI 的优势在于「永远好奇」:它可以像对待第一次访谈那样,对第 100 个受访者充满热情地追问。

🟢 21:38 人类在 AI 面前反而更坦诚

如果主持人是女性,受访者是男性,男性会不自觉变得更 defensive;但如果对面是 AI,人反而会卸下防备。
  • 扬长避短:Hack 掉人类对 AI 的特殊感知,利用霍桑效应让受访者感受到价值感。
  • 越真实赚钱越多:建立一套 Benchmark 系统,用博弈论的方式引导用户说真话,甚至不仅说事实,还提供主观分析。
  • 为什么面对 AI 的受访者诉说欲变强了?因为没有了面对“人”时的社会压力和表演欲。

🟢 25:05 大模型是好的「回答者」,却是糟糕的「提问者」

  • 为什么 AI 模拟用户行不通?模型无法感知动态的、当下的环境(比如疫情前后人的心态巨变)。
  • 技术圈的普遍误区:现在的 LLM 都是被训练成很好的 Answerer,却没人教它如何做一个好的 Asker。
  • 如何训练 AI 的提问能力?用强化学习(RL)构建环境,把行业里最优秀的访谈数据作为 Benchmark。

🟢 30:39 绘制一张全网「人类偏好图谱」

  • 告别标签化:传统的用户画像是离散的标签,未来的用户画像应该是基于语言和对话构建的、立体的 3D 模型。
  • 从「项目制」到「连续渐进式」:用户研究不再是几个月一次的大工程,而是像打开摄像头拍照一样日常且频发。
  • 并不是要取代产品经理:我们希望做 PM 的「钢铁侠战衣」,让 AI 包揽枯燥的访谈,让人类挥洒神来之笔的直觉。

🟢 34:32 时刻将死亡铭记于心

  • 既然终将灭亡,我要给世界留下什么?一个可以影响上亿人的产品作品。
  • 转型背后的逻辑:从计算机视觉博士到做 AI 用研,本质没变,都是为了理解最稀缺的原生信息——「人类偏好」。
  • The $3M Question:如果现在给你 300 万美金做投资人,你会投给哪三个人?

欢迎订阅「十字路口」:

🚦 我们关注新一代 AI 技术浪潮带来的行业新变化和创业新机会。

🚦 十字路口是乔布斯对苹果公司的一个比喻,形容它站在科技与人文的十字路口,伟大的产品往往诞生在这里。AI 正在给各行各业带来改变,我们寻找、访谈和凝聚新一代 AI 创业者和 AI 时代的积极行动者,和他们一起,探索和拥抱新变化,新的可能性。

👦🏻  主播 Koji:我创办了十字路口,发起了 AI Hacker House 这个新一代 AI 创业者的社群空间,在真格基金担任 Venture Partner(投资合伙人)。我相信科技尤其是 AI 是我们这一代人最大的价值创造机遇。Koji 的即刻Koji 的网站

👧🏻 主播 Ronghui:我联合创办了十字路口,在美元 VC 工作过,也做过五年的硅谷驻站记者,关注科技发展和商业故事,欢迎大家找我聊天,和我交流。Ronghui 的即刻

展开Show Notes
Koji
Koji
3天前
置顶
Mizzen 官网链接:https://mizzen.top/
听完了整个分享,还是比较真诚的,有2个点想说说

1.用户访谈得出洞察的质量问题,有很多对用户理解的knowhow和角度是必须在垂直行业深耕多年才可以得出的,通用访谈得不到甲方想要的质量,更多就是提供样本代执行访谈任务的价值,所以由甲方主导这个事实依然不会被改变,agent中间执行的步骤还是挺多的,人复核的动作肯定少不了,当然中小企业很多比较滞后,能提升下限,这个平权逻辑还是挺好。目前用研整个行业在中国市场的问题还是比较大,无论是预算进一步缩减甚至没有,还是在企业内地位的下降,都很明显,这个角度也值得深入思考,选对客户类型是关键,国内市场依然是垂直高价值客户稀缺,拿长期大订单逻辑,国外就另说

2.说到了AI模拟用户缺陷的问题,这个非常欣赏,行业里有某些还挺大的公司,不断在鼓吹用AI模拟真实用户的可行性,都是讲故事为主,嘉宾没有选择这条路也说明了真的在一线摸爬滚打而不是一味地强调技术
KeqiangSun:感谢分享!非常认同你的观察,国内传统用研确实面临两个结构性问题:预算缩减 和 组织地位偏弱。这让传统高成本的用研形态难以在国内跑通长期逻辑。 但我们过去几个月看到一个更底层的现象: 需求并没有减少,只是被压抑在原有供给模式之下。 1. 在 SMB 和创业公司,需求甚至更旺盛,因为他们对产品方向的不确定性更强,但往往没有预算和时间去做传统用研。 2. 在 大公司内部,也有大量被忽视、被冷落的真实用户问题,只因为传统用研的成本、周期无法满足业务团队的节奏。 从这个角度看,我们觉得行业的核心不是“预算不够”,而是: 旧的供给形态无法满足新的需求结构。 当深度访谈从“昂贵稀缺”变成“低成本、可日常使用”的工具后, 用研会自然地渗入更多团队的工作流,而不只是属于高预算团队。 所以选对客户固然重要,但更关键的是: 用新的交付方式,重新打开被压抑的需求,让用研回到产品决策的中心。 国内市场确实更考验落地,但也正因为如此,它能给我们最真实的反馈; 而国际市场的高价值密度,则是我们要同时走的另一条路径。 感谢你提出这个点,也期待你的进一步分享和探讨!🙋🏻‍♂️
KeqiangSun:kqsun@mizzen.ai 期待交流!
4条回复
非常有意思,也很认同!上周末在奇绩看到相似起心动念的项目,期待
KeqiangSun:感谢认同!最近确实越来越多团队在从不同角度切这个方向,说明问题真的存在。我们也在全力推进产品,后面会在播客和公众号同步更多一线实践,欢迎一起见证 🤗
垂直领域代替人力资本比较重的行业,是 AI非常好的方向,看好
KeqiangSun:非常认同。 我们这段时间的体会是: 当成本和速度被重新定义后,很多被压抑的真实需求都会重新被释放出来。 很期待能给企业提供哪怕是微小的帮助,也感谢你的看好和支持❤️
经冬Jingdong
经冬Jingdong
7小时前
今天体验了一下Mizzen,坦白讲,真的是一个做的非常solid的产品,只是通过demo就让我觉得我自己的目前的两个需求能够通过这个平台得到不错的结果。当然,最关键的还是受访者招募,我的一个需求是特别专业人士的访谈需求,这个受访对象的招募是个很大的问题,也不是Mizzen最擅长解决的,但如果我来招募,mizzen来完成,那预计结果应该也会很不错。
usky_1nmp
usky_1nmp
1 天前
用AI来假装受访人,是否能骗取礼金?
11091
11091
1 天前
🤔
评论区的链接呢😭😭😭
Koji
:
请看置顶😃
页面加载发生错误🥺🥺
KeqiangSun:https://mizzen.top 应该没有问题哈,您再试试?
errun
errun
2天前
互联网媒体/广告公司,基于用户数据的洞察,相当大的取代了所谓 问卷、访谈 这种收集分析模式了吧…
KeqiangSun:确实,媒体和广告行业长期依赖用户行为数据来做分析。但二者不冲突,对定量研究提供了补充。 事实上,定量行为数据能告诉你“发生了什么”,却很难解释“为什么发生”。 广告投放、内容偏好、转化路径都能被量化,但用户的动机、犹豫、痛点、认知模型、取舍逻辑——这些很难仅从行为里推出来。 这是为什么品牌方的咨询,最后落脚点都是“深度访谈”。 尤其在产品决策、创新方向、早期探索、产品迭代等阶段,洞察“为什么”往往比洞察“多少”更重要。 Mizzen Insight 的作用,就是把这种过去昂贵低频的“为什么”,变成团队日常可用的工具。🤗
杨梓杉
杨梓杉
3天前
怎么确定被访谈的人不会“为了拿到礼金”而回答呢?人的真实行为和他的表达很可能不一致,在现实场景时会调用“系统1”做出选择,在回答问卷调研时是不是更多调用的“系统2”做出回答?
KeqiangSun:确实,受访者为了奖励而“迎合”是传统用研的老问题,我们的做法不是回避,而是尽量降低失真: 1)在提问上尽量聚焦“事实”而非“态度”。 2)质量评分只奖励“细节与一致性”,不做预设,也不奖励“说得好听”。真实反而得分更高。 3)多模态信号(语气、停顿、表情)用于识别敷衍和模板化回答。 基于这样的规则,受访用户会发现,他们的优化解是:真诚、详实地回答问题。 另外,我们也观察到一个有趣现象: 面对 AI,人们往往更少心理负担,反而更愿意说真话。
抢先听一个新鲜出炉!!
Koji
:
哈哈哈,沙发被你坐到了