搜索
2025 年 12 月 19 日，旧金山。
硅谷创业社区 South Park Commons 的一场对话中，微软 CTO Kevin Scott 聊职业拐点、与 OpenAI 合作、AI 时代更值钱的问题为什么总被忽视。整场对话 56 分钟，话题从创业试错，一路聊到开源与闭源。
他最关键的一句话是：
AI 创业最怕的，不是技术落后，而是把“噪音”当信号。
什么是噪音？
看起来像积极信号，但对你做的东西没有价值，而且没有关系的信息。 媒体热度、投资人兴趣、技术热词，这些信号容易获取、容易量化，但可能正在把你引向错误的方向。
这篇文章讲四件事：
第一， Kevin 如何学会识别正确的信号。
第二，今天的创业者面对什么样的环境。
第三， ChatGPT 为什么成功。
第四， 如何识别被忽视的真实信号。
第一节｜放弃有趣的技术，选择值得做的事
Kevin Scott 原本想当一名大学教授。博士期间他研究动态二进制翻译，技术含量极高，但他后来放弃了。
原因很简单：这事除了我，几乎没人在意。
他说：我花了大量时间研究这些优化方法，能提升系统几个百分点性能。写论文、被引用、继续写论文……然后呢？
在学术界，这就是标准路线。但在真实世界里，这些百分比的提升没有任何意义。Kevin 第一次意识到：学术界的评价标准，和真实世界的价值判断，根本不是一回事。
学术界看重论文数量、引用次数、同行认可，这套机制清晰、容易量化。但真实世界在意的是：有多少人因此受益？产生了多大价值？
这两套标准不一致，甚至是冲突的。
于是他从学术界出来，进入Google。他做的第一个项目，是广告审核流程的自动化。这事听起来一点也不酷。Kevin说：其实就是做一套自动过滤规则，判断广告文案能不能用感叹号、有没有成人内容。
但这个问题值钱。每天 5000 万美元的广告被卡住，人工审核处理不过来。就这么点改动，最终每年帮 Google 省了近 10 亿美元。
这让他得到创始人奖。
从那时起，他确定了一条职业准则。做每一件事，第一眼先看它有没有可能产生真正的影响，其次才是技术有多有趣。
他说，人生是从放弃最复杂的技术，转向最有价值的工作开始的。
这是他第一次识别出正确的“信号”。
第二节｜容易获取的反馈，往往是噪音
Kevin 20 年前做的那次选择很简单：学术界 vs 商业世界，二选一。
今天的 AI 创业者面对的环境要复杂得多。
现在做创业比过去任何时候都便宜。但也正因为便宜，试错的人多了，噪音也就多了。
什么是噪音？
他给出定义：
看起来像是正反馈，但和产品价值无关的信息。
媒体热搜、点赞数、风投的兴趣，这些都可能是噪音。很多创业者依赖的这些信号，恰恰也是最容易把你带偏。
因为这些信号背后有自己的利益机制。
- 媒体需要流量，选择有话题性的故事。
- 投资人看重多元的项目组合，对热门赛道表现出兴趣。
- 技术社区追逐最新的模型、最大的参数量。
但这些和有人愿意为你的产品买单是两回事。
更麻烦的是，这些噪音还特别容易获得。
你发一条帖子，几百个赞；写一篇文章，上了热榜；见几个投资人，都说感兴趣。你开始觉得方向是对的。但这可能只是说明：你踩中了一个热门话题，成了转发素材，而不是解决了真正的问题。
很多创业者开始往热门概念上靠：“我们是AI+教育”、“AI时代的浏览器”、“GPT时代的新笔记工具”……
这些说法新颖、容易讲，但不等于有人真正需要。
Kevin 给了一个判断方法：要分清楚两件事。
一件事是你希望它发生；另一件事，是它不管有没有你都会发生。真正适合创业的，是后者。
那么，什么才是真正的信号？
Kevin 用 ChatGPT 说明。
第三节｜当所有人卷模型，OpenAI在做什么
ChatGPT 上线时，用的是老模型。业内很多人都见过，Kevin 说，包括他自己在内，没人想到它会成为爆款。
那为什么它成了？
因为所有人在追一个信号，OpenAI 在追另一个信号。
2022 年底，每个实验室都在追逐容易量化的数字：更大的参数量、更高的benchmark、更先进的架构。但这些是噪音。
OpenAI 关注的信号是：
普通人能不能零门槛使用
交互是否足够自然
能否成为日常工具
这些才是真实需求。
ChatGPT 的改动极小：一套老模型，加上 RLHF，加上一个输入框。技术上没有任何突破。但它让普通人第一次可以直接和 AI 对话，不需要任何技术门槛。
Kevin 明确表示：
“它不是我们见过最强的模型，但第一次让 AI 直接进入了用户生活。”
在他看来，这类机会有三个特征：
技术能力已经够了
但没人认真设计用法
因为看起来太普通、太基础、没热度而被忽略。
这些机会不会出现在热词榜上，也讲不出宏大的故事，但可能打开万亿美元市场。
关键是：如何识别这样的机会？
第四节｜识别真实信号的三个标准
为此，Kevin 给出了三个判断标准。
标准 1 ：看能力和使用的差距
他说：现在不是 AI 不够强，而是很多人不知道怎么把它用好。
这意味着什么？意味着机会不在能力端，而在使用端。
他举了长期记忆的例子。现在大模型能对话，但记不住历史。用户每次都要重新交代背景，AI 像个永远喝断片的“实习生”。
技术上能解决吗？完全可以。只需要做数据管道、内容压缩、历史记录。
但没人做。
为什么？因为这不会上论文，也拿不到媒体关注。。
Kevin 说：很多人不愿意做这件事，是因为它看起来像修修补补，不像创造。但这恰恰是真实信号。因为用户真的需要，技术能力已经够了，只是没人认真做。
标准 2：看谁在制造噪音
如果媒体在报道、投资人在追逐、大公司在布局，这很可能是噪音。
这就像 Kevin 20 年前的选择：他做的是所有人觉得不够酷的事，但恰恰解决了真实问题。今天同样如此。已经有太多资源在追逐那些热门赛道，你作为创业者很难胜出。
真正的机会往往在被忽视的地方：大公司觉得太琐碎、媒体觉得不吸引眼球、投资人觉得不够宏大。
正因为被忽视，竞争反而更小。
标准 3 ：做小实验验证
Kevin说，做工具的成本已经非常低了。现在真正缺的，是愿意动手的人。
比如：
让 AI 记住用户历史。搭个简单的上下文缓存，看用户是否真的需要。
用现有工具搭建一个端到端流程。把 AI 对话、自动化工具、文档系统连起来，做一次完整闭环，看能不能真正替代人工。
不写 PPT，直接做交互原型。从产品体验出发，而不是从概念包装出发。
现在是 AI 创业最好的时候，因为你可以不靠预测未来，只靠动手做个小实验，就能找到好的方向。
关键是分清噪音和真实信号。
你是追逐容易讲的故事，还是解决真正的问题？
结语｜信号比方向更重要
Kevin Scott 说，他不追求快乐，只想做有意义的事。
因为有意义的事，自带清晰的信号。
20 年前，Kevin 只需要选择：学术界还是商业世界。今天的创业者面对更复杂的环境：媒体热度、投资人兴趣、技术热词，哪些是噪音？哪些是信号？
Kevin 的方法是：不要靠判断去猜，要靠行动去验证。
做工具的成本从未如此低，但噪音也从未如此多。
找对信号，比找对方向更重要。
参考资料：
https://www.youtube.com/watch?v=Vut9hUEKyfk&t=10s
https://news.microsoft.com/signal/articles/5-ai-insights-from-microsoft-cto-kevin-scott/
https://www.linkedin.com/posts/adityaagarwal3_what-did-kevin-scott-see-that-others-didnt-activity-7407467737867784193-0DGC
https://podcasts.apple.com/ie/podcast/minus-one/id1759014294
来源：官方媒体/网络新闻
