Spotify收購的男人揭露:AI正讓那些「不可能」的消費型創業起死回生

Spotify收購的男人揭露:AI正讓那些「不可能」的消費型創業起死回生

前Lightspeed Ventures合夥人、Podcast平台Anchor創辦人Mike McNano,在Y Combinator的最新訪談中,深入剖析了AI如何徹底顛覆消費性新創的遊戲規則。McNano不僅是將Anchor成功出售給Spotify的創業家,更是投資了Neurolink、xAI、Suno等傳奇公司的頂尖投資人。他指出,過去十年,許多消費性產品的創業點子因技術限制、發行困難而被判了死刑,但AI的出現,正讓這些「不可能」的機會起死回生。

McNano以他投資的爆紅AI音樂生成應用Suno為例,闡述了AI如何打破創意產業的舊有壁壘。他回憶道:「在AI出現之前,沒有任何技術能真正降低音樂創作的門檻。相機讓攝影普及,麥克風讓Podcasting普及,但音樂創作始終是專業人士的領域。」

Suno的核心理念,就如同當年的Instagram之於攝影。Instagram不僅讓人們能輕鬆拍出好看的照片,更提供了一個發行渠道。Suno則利用AI達成了同樣的目標:「現在有了AI,任何人都能創作音樂。」

McNano觀察到一個前所未見的用戶行為:「人們正在為自己創作音樂,然後自己去聽。這種行為在其他任何內容形式中都非常罕見。」這證明了AI不僅是個新奇的玩具,更成功地將一個曾經遙不可及的專業技能,轉化為人人都能體驗的個人化創作樂趣。

消費性新創的生死難題:時機、文化與用戶增長

McNano坦言,消費性新創的成功往往像「瓶中閃電」,極難預測。他強調:「最困難的部分不僅是找到趨勢和團隊,而是抓對時機。你的產品何時才能真正融入文化,並與之產生共鳴?這幾乎是不可能預測的。」

他分享了自己創辦Anchor時的瀕死經驗。當時公司資金即將耗盡,產品增長停滯。為了求生,他們採納了矽谷教父Paul Graham的一條鐵律:「我們必須在接下來的三個月裡,達成每週15%的用戶增長。」這個看似不可能的目標,迫使團隊放棄了最初打造「音訊社群平台」的執念,轉而傾聽用戶的真實需求。

用戶真正想要的是:「我們喜歡你們的工具,但我們希望內容能出現在Spotify和Apple Podcasts上。」當時這些平台並沒有開放API,於是團隊採取了「做無法規模化的事」策略——由真人手動為用戶創建RSS feed並提交到各大平台。正是這個由增長壓力催生出的轉變,最終拯救了公司,並使其大獲成功。

AI時代的流量密碼:從被遺忘的藝術到人人必備的技能

過去十年,隨著Facebook等社群平台關閉API,消費性新創的免費流量管道枯竭,導致B2B和SaaS模式成為主流。如今,McNano認為AI正在重塑流量的獲取方式。

新的分銷手冊已經出現,那就是善用創作者。「利用TikTok、Reels等平台的影響力人物來觸及大規模用戶,現在幾乎是基本功。這些渠道能帶來的下載量和註冊量,是五年前的消費性新創無法想像的。」

他提到一個有趣的現象:許多頂尖的消費性產品增長專家現在都在東歐,這項技能在西方幾乎成了「失落的藝術」。這種透過創作者達成的傳播,雖然不是純粹的「口碑傳播」,卻是一種高效的「非付費」流量。對於創業者而言,這是一個價值被低估的資產,能以相對較低的成本撬動巨大的市場關注。

社群媒體的終局:當AI開始為你「創造」內容

McNano提出了他對社群媒體演進的深刻洞見,並將其分為三個階段:

  • 第一階段:社交圖譜媒體 (Social Graph Media) 內容分發基於你的好友和追蹤對象,如早期的Facebook。

  • 第二階段:推薦媒體 (Recommendation Media) 演算法根據你的興趣為你推薦內容,創作者為演算法而生,如TikTok。

  • 第三階段:AI生成媒體 (AI-Generated Media) 以OpenAI的Sora為代表,平台不再需要人類創作者。McNano預測:「最終,平台可以直接為你即時動態生成內容。」

在這個終極階段,人類的角色可能不再是內容的「創作者」,而是「靈感提供者」。你的肖像、品牌、甚至個人獨特性,都可以被模型調用,成為AI生成內容的一部分,這或許將成為下一代社群平台全新的分銷模式。

創業者的新機會:在被宣告死亡的領域中尋找黃金

對於正在尋找機會的創業者,McNano給出了兩個明確的方向:

  1. 重新審視被遺忘的領域 「我們最近投資了一款郵件App,這在過去通常是創業的墳場,但AI帶來了全新的機會。」他鼓勵創業者思考,有哪些被認為已經「定型」或「過時」的產品,可以透過AI徹底重建。

  2. 挖掘未被觸及的龐大數據集 「有哪些公開或私人的大型數據集,一旦疊加上大型語言模型,就能創造出有趣的應用?」他舉例,像是個人的健康數據(Apple Health)、醫療記錄,甚至是手機裡的相簿,都蘊藏著巨大的潛力。你的照片裡藏著你的社交圈、生活習慣、消費偏好,這些都是AI可以挖掘的寶藏。

McNano自己也再次投身創業,創辦了AI學習平台Obo。他認為,教育是另一個可以被AI徹底改造的領域,透過超個人化的學習路徑,AI有潛力真正提升人類的智慧。

總結來說,AI不僅僅是一個提升效率的工具,它更像一把鑰匙,正在重新開啟許多過去被認為已經關閉的機會大門。對於創業者而言,現在的問題不再是「這個東西能做出來嗎?」,而是「有哪些被遺忘已久的問題,現在終於可以用AI來解決了?」

參考資料: https://www.youtube.com/watch?v=Z4L4ZqL1xqQ

Read more

Claude 的 Project、Skill、Connector 到底怎麼分?一次搞懂三者的關係

Claude 的 Project、Skill、Connector 到底怎麼分?一次搞懂三者的關係

很多人問我,在 Claude 裡面,Project、Skill、Connector 這三個東西到底差在哪裡? 什麼時候該用哪一個? 老實說,我一開始也搞得很混亂。 但實際用了一段時間之後,我發現其實邏輯很簡單。 先從最基本的開始:Connector 是對外的資料來源 如果你需要從外部拿資料,比如說接 Google Calendar、接 Notion、接你自己的資料庫,你就需要 Connector。 它就是一個 MCP 的連結,讓 Claude 可以去外面抓資料回來。 沒有 Connector,Claude 就只能用它自己知道的東西,沒辦法碰到你的資料。 Skill 則是內部的運算邏輯 Skill 沒有辦法對外連接。 它只能在內部用 Python 或程式碼執行。 你可以把它想成是一個 Controller,專門負責處理運算的部分。 比如說,你想讓 Claude 用特定的格式改寫文章、

By Andy Lin
讓 AI 認識你 — Memory is All You Need

讓 AI 認識你 — Memory is All You Need

讓 AI 認識你 — Memory is All You Need 最近我在 Claude 上快速搭建了七大 Agent。 原因很簡單:你的助理應該是越使用越懂你。 而 Claude Project 有個關鍵功能叫 Memory,它會根據你不斷詢問的過程,主動提取記憶。 這就是我認為 AI 助手真正強大的地方。 GA 分析助手:從進階到客製化 自從我串接 GA MCP 後,這位助手已經變得非常厲害。 漏斗分析、訪客來源、異常事件追蹤、站上任何問題都難不倒它。 但我想要的不只是這些。 我希望它隨著時間,能夠對齊我的知識,知道我要什麼。 你不用想太多,不用一次設定好整個 instructions。 試著使用一週,再回頭看看 memory,你會發現它已經根據你的行為開始學習客製化了。 許多助手不需要懂老闆要什麼,但網站分析不一樣。 因為我沒有那麼多美國時間,

By Andy Lin
AGI 來臨:兩大 AI 巨頭的預測與警示

AGI 來臨:兩大 AI 巨頭的預測與警示

在近期的達沃斯論壇上,Anthropic 執行長 Dario Amodei 與 Google DeepMind 執行長 Demis Hassabis 進行了一場關於「AGI 之後的世界」的深度對談,揭示了 AI 發展的最新進展與未來展望。 AGI 時間線預測 Dario 重申了他去年的預測:在 2026-2027 年,AI 模型將能夠在諸多領域達到諾貝爾獎得主的水準。他表示目前 Anthropic 的工程師已經不再親自寫程式碼,而是讓模型來完成編寫工作,人類只負責編輯和周邊任務。他預估在 6-12 個月內,模型將能端到端完成大部分工程師的工作。 Demis 則持稍微保守的態度,認為在十年內有 50% 的機會實現 AGI。他指出編程和數學領域較容易自動化,因為結果可驗證;但自然科學領域則更具挑戰性,需要實驗驗證,且目前模型在「提出問題」和「建立理論」

By Andy Lin
讓 AI 當你的健康顧問:我用 Apple Watch 數據打造個人健康分析 Agent

讓 AI 當你的健康顧問:我用 Apple Watch 數據打造個人健康分析 Agent

最近我嘗試做了一個 Agent,專門用來分析我的身體健康狀況。 這不是什麼有商業潛力的專案,純粹是出於好奇。 我想知道現在的 AI 到底能幫我們把健康分析做到什麼程度。 資料從哪來? 要讓 AI 分析任何東西,首先得有資料。 我第一個想到的就是 Apple Health。 因為我每天戴著 Apple Watch,它本來就會自動記錄睡眠、運動、心跳這些數據。 除此之外,我也在嘗試另一個經絡檢測的儀器,有點像中醫把脈的概念,只是還沒整合進來。 我覺得如果未來能把更多資料源串在一起,應該可以做出更有意思的應用。 技術架構其實不難 我用了一個叫「Apple Health Auto Export」的 App。 這個 App 可以把健康資料透過 REST API 自動傳送到你指定的伺服器。 資料打到伺服器後,我再處理並存到 Database 裡。 接著寫一個 MCP Server,然後在

By Andy Lin