山巅周刊第317期：开发数字产品的新挑战

《山巅周刊》定期分享科技、商业、医学及人文资讯，以及商业智慧和最佳实践，每周日发布。

一直以来，如果有一个绝妙的应用程序创意，还需要优秀的开发人员和丰裕的资金保障，项目才能变成现实。

现在，利用人工智能技术，怀揣梦想的创业者就能相对轻松地用代码将应用打入App Store。虽然技术护城河不复存在，但信号的另一半是，别指望Vibe Coding就能打造出下一个互联网巨头。绝大多数应用最终都会失败。

整理市场调研公司Appfigures的数据发现，2026年第一季度发布了41.4万个新的iOS和Android应用程序，比2025年同期增长了115%。但仅有118款新应用达到了“高流量”状态——即在美国的下载量超过5万次——命中率仅为0.02%。

Appfigures 的首席执行官兼联合创始人 Ariel Michaeli 表示：“应用商店可能正在进入一个噪音更大的时代：更多的实验、更多的快速发布，以及更小的份额最终转化为有意义的业务。”

以下是开发数字产品面临的主要新挑战，以及对应的最佳解决方案（同样适用于实体创业，比如用以辅助决策是卖自画像还是开柠檬水铺子）。

1、“绝妙的点子”本身缺乏真实市场需求

谁能真正代表绝大多数人的需求和愿望？你那绝妙的商业想法，在普通人听来或许并不那么吸引人——甚至在冷静下来仔细想想，你自己可能也会觉得有点不可思议。

挑战：AI大幅降低构建门槛后，“绝妙商业想法”泛滥，但绝大多数并不真正代表普通人的需求和愿望。结果是，“绝妙的点子”无法验证真实需求并形成赢利闭环，大量产品建成却无人问津。

《South Park》中一群“内裤小矮人”制定了一个三阶段商业计划。他们有一张简明的图表，展示了致富的三步：第一步是收集内裤；第三步是盈利；而第二步，则是一个巨大的问号。

解决方案：

• 验证优先：不要先建产品。用微利基发现引擎这样的专业工具，指导快速扫描市场、搜索趋势、竞品密度和付费信号，用质量标准进行筛选，用优先级矩阵进行评分。进行10-20次真实用户访谈，问“您现在为类似问题花钱吗？”而非“您觉得这个idea酷吗？”。
• 需求证明而非假设：寻找已有付费方案的痛点。在落地页中收集预售、等待意向，在零代码情况下验证付费意愿。
• 从小众开始：聚焦已存在活跃社区和明确痛点的垂直领域，避免为所有人解决问题。快速失败、战略调整，直到找到人们实际会买的idea。

2、市场极端饱和

市场饱和使得脱颖而出更加困难，而且大多数创意本身缺乏都缺乏独特性、可扩展性，并且不易推广。

挑战：Vibe coding让几乎任何人能在几天或者几周内构建并上线App，同质化产品泛滥，总会有类似Uber或Duolingo的产品出现，冷流量跳出率高，算法推荐有限。

解决方案：

• 专注利基+差异化：避免通用idea，结合真实用户痛点、独特数据和专有洞见，深入特定垂直领域，挖掘微利基市场。尝试多版本测试，同时发多个变体，找到那个反馈最好的，剩下的就当为统计数据作贡献。
• 外部流量驱动：不要完全依赖平台发现，在平台以外构建内容漏斗作为暖流量入口。SEO、GEO、AEO全优化，把独立站做到极致。
• 多平台+付费获取：广撒网，必要时投入广告。采用付费获取要有财务节制和回报评估，避免只是为广告公司增加赢利。

3、分发和营销壁垒

即使应用上架了 Google Play 或 App Store，也不意味着你的应用就会被所有人看到或使用。分发仍然是最难解决的问题，而应用的激增只会让情况变得更糟，而不是更好。

挑战：技术护城河消失后，营销和分发成为最大瓶颈。idea执行容易，但用户获取、留存和变现难。

解决方案：

• 系统化漏斗：内容 → 信任 → 产品页 → 销售 → 邮件/社区循环。把分发视为核心能力，而非事后。
• 社区与生态：构建小而活跃的用户群，鼓励UGC和口碑传播。
• 多元化收入：不止单一产品，做产品包、订阅、附属服务。并非所有人都想打造价值连城的产品，小工具和小插件也不错。

4、信任与转化难题

陌生访客只有大约八秒钟的时间来决定是否信任你，建立信任才有可能开户销售转化过程。

挑战：AI生成内容泛滥导致“AI疲劳”和信任危机，冷访客容易在8秒内就决定不予信任。产品页如果只列出功能和价格，而不是解决具体问题，用户会快速跳出。另外，流行的“低价起步，收集评论”并不是永恒的真理，却可能损害感知价值和平台算法推荐。

解决方案：

• 产品页优化为销售页：首句就强调结果和转化，而非功能列表。放置社会证明和明确“这个不适合谁”，以提升针对性。
• 定价策略：根据感知价值定价，避免过低价格导致低质评价和差评。测试不同价位对平台推荐算法的影响。
• 证明真实性：用真人故事、详细案例、人类编辑内容对抗AI合成感。构建邮件列表、社交群组进行跟进，将一次购买转化为重复购买和推荐。

5、质量、维护和可扩展性不足

即使代码几乎是免费搭建起来的，仍然需要建模和持续维护。

挑战：Vibe coding生成的代码容易产生缺陷、安全漏洞，并且维护困难。非技术创始人不懂修复，原型易死在生产环境实际应用中。

解决方案：

• 混合开发模式：Vibe coding用于原型MVP，然后引入专业工程师处理架构、安全、边缘案例。
• 迭代+监控：内置分析与用户反馈循环。优先构建可维护的架构，而非纯提示生成。
• 非代码产品优先：优先卖提示库、模板、工作流、知识产品，而非复杂的App，维护成本低。

6、其他新兴挑战

AI本身更是一种挑战，它不仅能够取代你，更包含你的产品。

• AI自身替代：大模型可直接生成类似解决方案，用户可能不需下载App。既然可以免费让 Gemini 制定营养或者健康计划，谁还需要专门的应用程序来获取饮食或者锻炼建议呢？
• 审批延迟：应用商店可能因更多的快速发布而审批变慢，甚至直接拒绝AI生成的应用。

成功者不是idea最酷或代码最快的人，而是最懂用户真实需求、最擅长验证和系统执行的人。行动第一步，使用微利基发现引擎，基于24个行业解析、六项质量标准、优先级矩阵评分与五周执行计划，系统化发现50-100个有利可图的微利基市场。

人物：阿图尔·费舍尔

阿图尔·费舍尔（Artur Fischer）是一位德国发明家，他最著名的发明是膨胀塑料墙塞。上周末我在小维修的时候准备了高粘双面泡棉胶带、尼龙扎带和塑料墙塞。比较起来，塑料墙塞可要高明得多。

费舍尔出生在德国北部黑森林地区，父亲是村里的裁缝，母亲负责熨烫衣领。母亲发现了儿子在机械方面的天赋，并一直鼓励他，不仅帮他在家里搭建了工作台，还给他买了一套Märklin金属拼装玩具。

Märklin立式锅炉蒸汽机

和通常的木制积木不同，Märklin既可以用于搭建静态结构，也可以用于搭建包含机械连接和其他活动部件的动态结构。Märklin主要以铁路模型闻名，二战前就开发出发条、酒精灯和交流电驱动的电动铁路。

中学的时候，费舍尔跟随锁匠大师完成了学徒生涯。

二战期间，没有高中毕业文凭的费舍尔担任飞机机械师，并在斯大林格勒战役中幸存下来，搭乘最后一架飞机逃离。斯大林格勒战役被认为是军事史上规模最大、伤亡最惨重的城市巷战，也是第二次世界大战中规模最大的战役。

后来他在意大利被英国人俘虏，并被送往英国的战俘营。1946年回到家乡后，费舍尔在一家工程公司找到了一份助理的工作，并开始利用军用废料创业，制作打火机和织布机开关。

1948年，费舍尔创立了自己的个人工作室，后来发展成为费舍尔公司（Fischerwerke）。

1949年，费舍尔想到将电子闪光灯与相机快门同步，发明了同步闪光摄影技术，后来被相机公司爱克发收购并推向市场。

费舍尔最著名的发明是灰色膨胀墙塞，由塑料材料制成，自1958年以来有各种形状和尺寸可供选择。膨胀墙塞彻底改变了混凝土、砖块、石膏和干墙等脆性材料的紧固方式，爱好者和专业人士都能轻松实现安全可靠的安装，比如在石膏板墙上挂画。

这一发明的契机是他以前的锁匠师傅来访。师傅当时正在打造楼梯扶手，需要一种更结实耐用的锚固件，以便更方便地安装。费舍尔将这个问题转化为了解决方案。

费舍尔公司因原版墙塞的高需求而迅速取得成功，现在，每天在全球生产数千万个膨胀墙塞。

1964年圣诞节期间，费舍尔为工业客户的工程师和采购人员准备了一件新奇礼物：积木玩具套装。基本模块由硬质尼龙制成，凸起部分可以插入其他积木的凹槽中，从而形成紧密贴合的组件，几乎可以拼成任何形状。这不离费舍尔公司是紧固件制造商的本色。

fischertechnik da Vinci 玩具套装

积木玩具套装大受欢迎，因此在1965年圣诞节，费舍尔公司在德国推出了首款零售积木套装fischertechnik。很快，为了使模型能够移动，便又添加了电动机、动力源和齿轮，和费舍尔小时候玩过的Märklin差不多了。也许，他想用同样的方式唤醒其他孩子的好奇心和实验精神。

fischertechnik Omniwheels创客套件

fischertechnik在一定程度上促进了青少年对科技的兴趣和教育，用于学习简单机械、电机驱动和机械结构，爱好者通常简称其为FT。到1970年左右，这些积木套装开始在美国的高档玩具零售商销售。fischertechnik还生产结构更复杂的系统，常被工程师用于机器人教学和工程模拟。

费舍尔在德国拥有超过1100项专利，包括骨塞和鸡蛋切割器，超过了在美国拥有1093项专利的托马斯·爱迪生。他还拥有5867项商业权利。

2014年，阿图尔·费舍尔被欧洲专利局授予欧洲发明家奖。

声音：人工智能导致失业的争论

Citrini Research创始人James van Geelen与Alap Shah合作撰写了一篇报告《The 2028 Global Intelligence Crisis》，探讨AI成功导致的“智能过剩”危机。这篇假装是2028年6月30日发布的备忘录，核心论点是：如果AI远超预期地取代白领工作，导致中产阶级被掏空、消费需求崩溃，即使GDP“幽灵式”增长，经济也会陷入通缩螺旋、失业率飙升和金融危机。

虽然是情景分析而非预测，报告还是引发了广泛讨论和市场震荡。美股单日蒸发超过了2850亿美元，IBM也创下了25年来单日的最大跌幅，而多家媒体和分析师给予反驳。

Coinbase首席执行官Brian Armstrong在致员工的一封信中宣布了裁员计划，裁员比例为14%。他表示，这家加密货币公司的所有员工都必须是“积极主动的个人贡献者”。他还指出，这些变革意味着团队规模将会缩小——在某些情况下，甚至可能只有一名员工及其人工智能助手——而且公司将不再设立“纯粹的管理者”职位。

科技行业的组织架构日趋扁平化。一些公司即使没有裁员，也正在缩减招聘规模。

美国经济学家，现任白宫国家经济委员会主任Kevin Hassett表示，现有数据完全没有迹象显示 AI 正在导致任何人失业。

《连线》杂志创始主编Kevin Kelly认为AI无法替代人类的情感、道德与意义追求‌，反复指出人类应转向管理AI、承担责任、追求非效率驱动的意义领域。他在20260509期CCTV 2《对话》中说，没有数据证明AI正在导致失业。

一边是深入描绘失业危机，一边是数据论证人们想多了，中间派则继续在安慰哪些是幸存者。

私募市场巨头阿波罗全球管理公司（Apollo）的首席执行官Marc Rowan表示，人工智能时代将出现“蓝领阶层崛起”和“白领阶层压力增大”的局面，岗位挤压将主要针对办公室工作人员。但别指望影响到那些从事体力劳动的美国人（但机器人呢？它们在从作战到日常任务的表现令人迷恋）。

这场争论在持续，但失业潮却未见逆转。

影像：晶圆级芯片

为了提升芯片生产效率和降低成本，硅晶圆通常的尺寸为12英寸（300mm）。但为了克服将硅晶圆刻成芯片的制造缺陷，还需要尽可能缩小芯片尺寸，以便从每片晶圆上获得更多合格芯片。

直接将整片晶圆作为一个单一计算单元使用‌，叫晶圆级引擎（Wafer Scale Engine，WSE）架构，可以避免传统多芯片间通信的延迟与带宽瓶颈。但多年的尝试都以失败告终。

2019年，Cerebras的WSE-1芯片尺寸达到215毫米×215毫米，2021年发布了WSE-2，2024 年发布了 WSE-3。Cerebras 声称，WSE-3的推理速度比基于 GPU 的方案快 15 倍。

对于300mm直径的晶圆，其内接正方形边长约为212.1mm。实际上，Cerebras的WSE芯片还在制造过程中对晶圆边缘进行了一定程度的扩展利用，并通过特殊工艺补偿边缘缺陷问题。

2026 年 5 月 14 日，Cerebras 在纳斯达克上市，是 2019 年 Uber 上市以来，美国科技圈最大规模的 IPO。