杭州AI出海闭门会亲历：00后创始人的“杠杆思维”与Vibe Coding实践

——一个 AI 从业者的闭门会观察与思考

昨天我在杭州良渚参加了一场由数栖湾举办的 AI出海创业者交流闭门会。一下午听下来，收获颇多。

数栖湾是杭州的一个OPC(One person company)一人公司孵化与支持基地，提供免费的办公区和融资投资咨询解决方案。比起营销号天天喊着改变世界，现场的真实声音让我意识到：真正的 AI 创业者正在脚踏实地解决问题。 同时，现场观众的提问也让我觉得：比起对AI信息的错失恐惧，能明确自己问题的使用场景更重要。

这篇文章，我想分享几个让我印象深刻的观点，以及一个从业者的思考。

一、00 后创始人的“聪明”打法

第一个让我印象深刻的是 Spark AI 的 00 后创始人。

说他聪明，不是夸他学历背景，而是他在 ToB 和 ToC 场景下的灵活性和性价比思维：

ToC 场景的轻量启动策略

在海外市场，他提出了一个比较敏捷的验证思路：

1. 先用最轻量的 MVP 验证想法
2. 尝试直接用网页构建产品原型
3. 通过“等待排队”制造产品稀缺感，也可以测量市场热度
4. 这样给用户和观众营造“蓄势待发”的印象，也是积累反馈打磨产品的常见途(比如最近我在用的Chatcut剪辑产品，基本上也是这种策略)

曾经的理论是先完成一个基本的最小化可用产品。而现在已经敏捷到可以借助 AI 生成部署一个产品初始模型，确实更有杠杆率。

社群运营的“个性表达”

他的团队运营策略也很真实：

• 团队 10 个人一起在 Twitter 上做 GEO、SEO
• 不是硬广产品，而是分享性格、经验、见解
• 通过特立独行的观点吸引同频共振的人
• 让产品自然筛选出优质用户

这种“以人带产品“的思路，比单纯的广告投放更有温度。

学习与解决问题的逆向思维

最让我意外的是，当大家都在讨论“如何学习用 AI 自动化提效”时，他给出了另一种捷径：

“利用好小红书或淘宝上做相关咨询、购买服务，来反向最快速度获取知识与方案帮助。”

这比闭门造车更有性价比。既然有人已经踩过坑并形成了商业解决方案，那一定就是最痛的。比起你折腾上手的耗时，哪个贵？当你不了解一个领域的工具时，或许最好最快了解它的方式就是直接去咨询这个工具的付费服务商(比如 Coze 或者 N8N)，这是入门掌握的最快策略。

二、Vibe Coding：技术门槛正在消失

第二个分享者是 James，一个在杭州的 YouTuber，设计师板块的 KOL。他的分享再次让我深刻感受到 AI 编程的普适性。

这两个月从字节来到杭州，我也暂时停止了编写程序。然而最近切实感受到，各行各业的人们都开始使用 AI 编程来表达、呈现自己的想法和设计，随心所欲地部署网站和构建自动化工具。相比于构建复杂的软件，这种“AI First”的程序意识正以革命性的速度蔓延。而我们这些曾经以专业为壁垒的程序员，其优势也在逐渐消融。

技术平权正在以月为单位实现。

5 分钟从想法到 iOS 上架

他现场演示了如何将一个想法应用打包到 iOS 上架的全流程，只用了 5 分钟。

作为曾经也写过代码的人，我知道这个过程以前有多痛苦：

• 了解编程范式
• 掌握打包结构
• 学习语言机制
• 研究开源库
• 解决各种技术栈问题

但现在，Cursor 等工具已经让“天马行空的想法”在一次次对话中实现了。

一个设计师的创作自由

当我看到他展示自己部署的个人网站时，H5页面的审美、内容思考和艺术构图确实一流。

映入眼帘的是 James 的个人作品——一个将网络评论做成 Web 游戏的作品(上图)。

我们看到了一个在浩荡沙漠中让主角前后行走的 Web 游戏，光影距离处理得非常完美。更让我惊讶的是，这个游戏的创意源于处理网络评论时的思考——他把网络上的友善、偏见、戾气做成了沙漠里的不同内容。

之后还有很多个他用 AI 做的人机互动页面，都非常炫酷，且有底层想表达的内容。

我发现越来越多的人能够将抽象的美学、哲学、思想以所见即所得的方式呈现出来。

未来的变化

未来不需要专家，而是需要能够清楚描述自己想法、敢于释放想象力的人。

我们以前缺的是能实现想法的人，甚至一度认为只有想法是廉价的。

而Vibe Coding在今天如穿透了信息冰山的一滴催化剂，滴入了不同人类构成的想象力之海。
我看向平静的海面，已经逐渐掀起波澜。而旧规则的改变，也才刚刚开始。
这些无关商业，也无关竞争。

三、AI 模型技术与信息焦虑

第三趴比较硬核，分享嘉宾是我腾讯的前同事，混元模型的算法研发专家。在场做技术和模型训练的朋友不多，现场也只有我跟他聊得甚是投机。

我们聊到了姚顺雨最近那篇 CL bench(上下文学习) 论文。

论文的大致思考是，大模型现在拥有大量静态已有知识，但在“干中学”、“联想性学习”、“启发性学习”、“经验迁移”这些人类擅长的场景下，提升空间还很大。

相当于说，与其让模型搞各种写卷子一样的评测集，不如去让AI有效解决人们现实中的具体问题？怎么让它像人一样能够解决现实的动态复杂场景？

例如，论文中提到：一个律师可以快速地从法律文件中找到关键信息并处理，一个工程师可以在接手项目运行时很快上手，并对问题定位和数据处理有明确的规划和路径。

能够让我们生产力实现进一步提升，模型的基于上下文推理决策能力至关重要。看看现如今的Agent工程实践，或许能更好地理解。

1. 要让AI模型直接帮我理解一个法律文件、一个代码仓库，直接全部发给它是不行的。输入一旦变大，模型的注意力就会分散，当达到上下文阈值的时候，模型就会想尽快结束问题，而且回复似乎总会以总结性的观点来结束话题。
2. 目前针对这些模型难以做到的点，反而在Agent工程中的实践能看到一些探索。目前Agent普遍使用Re-Act等分解和循环范式。当用户发来一个任务时(比如理解一个大型代码仓库)，Agent会将当前项目的上下文按重点筛选、节选、多轮次发给模型决策，按需再调用相关工具。

这也是启发模型的一种方式。通过将上下文信息拆开，按需按量地给模型输入，再结合外部工程的介入编排，也能解决当前现实任务里的大部分问题。

从本次的论文来看，模型侧如果在上下文学习工程上做得越来越好，那么Agent工程的干预环节也会越来越少，我们也会有更多精力实现更灵活和更强大的智能体，去解决更多复杂和现实问题。

关于FOMO(信息错失恐惧症)

同时，现场很多朋友问：“AI 工具一天一个样，到底该选哪个？”

作为一个从业者，我也在现场分享了一些我的观点和思考。

确实，如今铺天盖地的AI模型与工具让人目不暇接，我也偶尔会有AI工具选择的FOMO。下面是我的观点：

AI 目前还处在快速实验阶段，没必要被各种“天塌了”的营销号声音裹挟。我们要更多关注自己的问题场景。

两类需求，理性选择

对于我们普通人，AI 应用可以分为两类：

1. 当手替：提升工作效率，处理重复性工作
2. 当顾问：获取创作灵感，启发性咨询

拿我现场举的例子：逼自己用AI的新场景-咨询与解决方案

“客户咨询视频→AI 识别音频处理→搜索知识库→生成答复文档”

关键是看它是否能解决自己的具体场景痛点，或者自动化需求，一试便知。

信息源管理比工具选择更重要

信息输入的噪音是造成焦虑的首要原因。

每当一个模型发布，都铺天盖地“天塌了”的消息。但其中：

• 多少是经过筛选的？
• 哪些是个人观点？
• 哪些收了钱？

我推荐几个可靠的信息源：

• www.bestblogdev.com
• ThoughtWorks的技术雷达
• GitHub 的 trend blog
• 按工作需要筛选，不盲从

我的 AI 任务处理与工具使用流程

我一般的陌生信息解构流程：

1. Deep Research：先深度研究了解当前信息全网的接受度、应用情况。
2. 多模型对比：用两个 AI 模型分析优劣。我一般会倾向于直接使用 Gemini 和 GPT，国内备选使用DeepSeek和Qwen的模型。
3. 社区验证：在 YouTube/B 站搜索评测（只看前两个）
4. 动手试用：订阅费贵，那就去海鲜市场试试。这是投资未来
5. 灵活切换：Gemini、GPT、Deepseek 按场景使用

在同样规模的参数和同一时期训练出来的模型里，目前没有真正的第一模型，每个都有自己的强项。

有人可能想，搞个1V6，一个问题同时让6个模型跑，看哪个好。我觉得不行。信息会更有噪音，而且你还得花时间去对比。两到三个就够了，有个上限和下限就行。本质上都是在清空上下文，找出概率中最优的那个解释。

四、开发生态的悄然变化

会议最后，有个消息还挺有意思。

听说微信小程序推出了 Vibe Coding，免费提供会员和算力，让大家能在小程序上生成自己想要的东西。

这背后的逻辑是什么？

在 AI 时代，大家都可以随心所欲地构建自己的信息产品。如果你有自己的存储、买了域名，流量入口其实已经从微信离开了。现在已经有很多人这么做了。

微信通过 Vibe Coding 免费算力，是想留住或者吸引这些创作者，继续留在自己的生态。这是大厂的必然选择。

但长远来看，信息的交互方式可能会被重构。以最近的 Moltbook(智能体们自行构建的论坛)为例，这样的形式还只是一个开始。

可能从“公司资本管理的私有数据体系”，变成“AI 自适应的、基于公共网络甚至区块链的平等网络系统”。

听起来有点科幻，但参考最近的一些技术发展趋势，这一切都有可能。

五、写在最后：AI 时代的个人成长

参会最大的感受是：信息和信息之间的变化，可能会重构之前的交互方式。

从公司资本管理的私有数据体系，变成 AI 自适应的、基于公共网络的、更宽泛的网络系统。

这不是科幻小说，而是正在发生的现实。

给 AI 创业者，也给我自己的建议

最后，分享几个在闭门会上听到的实用建议：

1. 先验证，再完善：不要追求完美，先用 MVP 验证想法
2. 以人带产品：通过分享建立个人品牌，自然吸引用户
3. 逆向学习：站在巨人的肩膀上，比闭门造车更聪明
4. 理性选择：根据具体需求选择工具，不被营销声音裹挟
5. 动手实践：工具会变，但解决问题的思路不会变

做一个实践者

这场会上的年轻人——Spark AI 的 00 后创始人、James 那个设计师、还有那些在腾讯做模型的务实派——他们身上有种共同的东西。

他们不是在追风口，而是在实践。

不是在看别人怎么说，而是自己动手去试。

不管是用轻量 MVP 验证想法，还是用 Vibe Coding 把脑洞变成现实，或者是在具体场景中把 AI 当手替、当顾问——他们都在做一件事：

把技术变成解决问题的工具，而不是把技术变成焦虑的来源。

这可能才是 AI 时代最重要的能力。

结语

这次闭门会让我意识到：AI 创业的黄金时代才刚刚开始。

不是因为技术有多炫酷，而是因为真正有人在脚踏实地地解决问题。

作为从业者，我们要做的不是追逐每一个新工具，而是建立自己的方法论，形成稳定的工作流。

毕竟，无论 AI 怎么变，清晰思考、理性判断、动手实践的能力永远不会过时。