重新组织整个投资组合的问题
在任何投资者的职业生涯中，放弃跟随共识并不是一种浪漫的姿态，而是一种经济学的基本决策。一位专门从事人工智能的风险投资者已经达到这一点，并以罕见的清晰度记录了这一过程：他不再询问哪家公司值得支持，而是开始关注大公司系统性忽视的问题。
这种重新定位并不是语义上的变化。它完全改变了资产评估的过程。当分析从市场的空白开始，而不是从现有的技术能力出发，机会的范围便扩展到大公司因自身的机会成本而放弃的领域。 对于一家价值5亿美金的公司来说无效的方案，对于那些愿意以小型结构运营的企业来说，可能就是一个盈利的基础。
这直接影响到今天值得关注的商业模式。不是那些在现有基础设施上迅速扩展的公司，而是那些在没有组织化供应的地方创造需求的公司。
为持有信用卡的客户构建的陷阱
在企业人工智能中的主导叙事针对的是一个非常特定的客户画像：在英语市场中的中大型企业，具备现成的管理系统、内部技术团队，并愿意支付美元订阅费用。这个画像之所以舒适，是因为它降低了客户获取的成本，简化了整合过程，并产生了可预测的留存率指标。
问题是，这个画像已趋于饱和。 每周都会有一层新的SaaS工具出现，它们建立在相同的基本模型上以服务同一个客户。 在《财富》杂志中被引用的投资者称这是一种令他夜不能寐的现象，而这并不是因为他害怕这些企业会失败，而是因为一种系统性排除世界大部分地区的模型的成功。
非洲有超过14亿人口，手机采纳率的增长速度超过多个西方市场，正是反驳这一逻辑的最有力论据。人工智能能够解决的诸多问题，如获取金融服务和农村地区的医疗诊断，实际上并不要求低科技复杂性；它们需要完全不同的产品架构和盈利模式。
大多数试图拓展至这些市场的团队掉入的陷阱就是：他们将为旧金山或伦敦所构建的产品照搬带去，并期望通过小规模的本地化进行调整。这并不是验证，而是对假设的出口。 结果几乎总是一个在技术上可行但没人购买的产品，因为它以错误的价格解决了错误的问题。
产品之前的商业模型
这个投资者的一个不同之处在于提问的顺序。在评估技术是否可行前，他会先询问这个细分市场是否有可行的支付机制。这听起来似乎是显而易见的，但在实践中，大多数产品团队往往反其道而行之：他们首先构建，之后才考虑盈利模式，往往在已经投入过多资本难以痛苦转型之时。
在新兴市场中，这一错误的顺序致命的速度更快。 反馈周期更短，误差范围更狭窄，用户的信任是逐步建立的，而非一蹴而就。 未能在早期互动中展现出实质价值的模型便没有第二次机会。
根据这一视角所推导出的逻辑，成功的模型是那些以最低限度、可验证、可重复的交易开始的，而不是期望在第六个月转化的无偿模式。真正的交易确认用户了解他们所购买的内容，并愿意在第一次接触时为此付费。这个在新市场中对不同条件的初始销售数据，远比任何之前的市场研究更具价值。
采取这一方法的投资者与跟随共识的投资者之间的区别并不在于风险偏好，而在于他们寻找降低风险的证据的方向。 第一者在用户对真实价格的反应中寻找，第二者则在尚未涉足市场的预测中寻找。
下一个周期不会是拥有最佳语言模型的赢家
对这个故事的一种肤浅解读将其简化为关于地域的论点：在非洲投资，因为发达市场已趋饱和。然而，这一解读忽视了最重要的部分。
这位投资者所描述的是价值构建逻辑的变化。在过去三年间，资本流入那些能够优先接触基础模型并迅速构建产品层的人。这个窗口正在关闭，因为接触这些模型的机会已被民主化，技术差异化的空间被压缩。
剩下的可持续优势是对一个大公司没有动力或结构去良好服务的用户细分市场的深刻理解。 这种理解不能用资本购买，而是通过反复迭代积累而来。 而积累这一理解的唯一途径是与实际问题贴近，拥有一个足够轻便的产品以便快速修改，并从第一天起就测试盈利模式。
那些将在下一阶段定义行业的企业，不会是那些构建最强大基础设施的企业。而是那些首先到达被忽视市场、并在本地规模上运行成功的企业，随后再尝试全球扩展。地理是症状，深层道理是 持续的企业增长发生在抛弃完美计划的幻想时，并在未被关注的客户身上开展持续的验证。
