创业的方向：工具，算法和解决方案。你选哪一个？

八月初的时候，一家名不见经传的初创公司——Felt——目前只有的六位员工、还是分散在不同地方的地图软件企业，宣布募集了450万美元。这项融资由贝恩资本风险投资(Bain Capital Ventures)领投，参与方有设计师基金(Designer Fund)以及几个在硅谷颇有名气的科技公司大咖，比如Firefox的前CEO John Lily，Figma的CEO Dylan Field。

Felt的联合创始人Duruk在采访中说：“湾区的每个人在醒来时都会查看空气质量地图、天气地图和火灾地图（湾区人可能被加州不断的森林大火搞的有点焦虑——本文作者点评），每个人都在尝试用地图做点什么，但世界上只有少数公司有资源能真的做点什么……”。我将这句话翻译一下：我们每个人都有做地图的愿望，想用地图去解决日常生活中的问题，但是我们没有数据和好用的软件去做地图。

Felt还没有正式发布产品，显然也不会有确定的收入模型。网站上是充满了极客年轻感的申请报名早期试用的文案。从新闻稿中我还可以判断的是，Felt初始版本会提供一些开放的，贴近加州老百姓防火场景的数据，比如气候、气象、从遥感影像上处理的火险点，通过一个简单使用的SaaS，吸引动手愿望比较强的地图爱好者来协同标注火灾风险地图。这里面主要体现的价值主张是：

1、平台自带数据，数据背后的GIS（地理信息系统）知识，制图者不用具备；

2、制作地图靠画画的直觉即可，吸引你来一起画地图的出发点是好玩简单；

3、你做的地图可以分享，一起再加工，多人协作体现1+1>2的知识传递。

我问读者几个问题。就凭借创始人这样的愿景描述，如果你是投资人，会给他们投资吗？如果你是一个空间信息领域的工作者，会看好Felt的发展吗？如果你是一个GIS的用户，会使用Felt的产品吗？如果你是一个软件工程师，你愿意加入这家公司吗？即便这些和你都无关，你只是得知这条消息的普通大众中的一员，你愿意看到这个世界有这样一款产品吗？

这些年，关注SaaS领域创业的投资人、创业者、媒体人、分析师早已总结过，美国的SaaS创业与中国颇为不同。文章多多，我不拾人牙慧。我倒是提议Felt的融资案例可以作为考究初级分析师思维的一道面试题。对我本人来说，一个用地理位置数据使得决策智能化的创业者，以我的感受，Felt已经算是实现了第一步的成功：拿到融资，即将发布产品。这个阶段性的成功，再次证明了美国投资人和用户对于这类工具SaaS骨子里的一点点“偏见”，Ta们愿意投资和使用：

1、能将过去复杂的东西做简单了的产品；

2、能将过去丑陋的东西做美丽了的产品；

3、能将过去俗气的东西做崇高了的产品。

哪怕这个产品市场很小，功能很弱，离宣扬的理想还很远。谁知道呢？火箭发射的市场也没大到哪儿去，几十台猛禽发动机组在一起连100个人都带不到火星，即便到了火星这100个人还不知道吃喝用度能坚持几天。没关系，马斯克的SpaceX是他的超级理想主义，这不还有小一点的理想主义特斯拉吗？

Felt对你我来说是欧美（主要是美国）市场上无数不知名的小理想主义中的沧海一粟。Ta们背后的创业者很可能就是觉得好玩，其中有些运气好的，拿到了投资，多玩一程，赢了就部分实现Ta们的理想，败了就琢磨下一程的玩法。这里再举一个和Felt很可能在协作功能上可以用来类比的产品Excalidraw——市场上真不缺这种画结构图、示意图的模拟白板马克笔工具，但Excalidraw的开发者就觉得你们都不开源，画出来的东西风格自带“丑气”，又不能大家合作无缝的画，那我就给你一个小伙伴们一起手绘风格的开源作品。

（“反论的结构”是近藤哲鹏在《商业模式2.0图鉴》中提出来的理论。作者为了在商业中发掘“怎样才有创造性”而设想思维框架的模板。该框架包含了：1、从出发点引导出普遍定律；2、推理与定律相违背的反论；3、再将出发点与反论组合起来。）

Felt要是成功了，是使用新工具的“新人类”的胜利，我在这个语境里暗含了新人类和旧人类的比拼；在Felt宣布融资消息的同一天，仲量联行宣布收购地产科技创业公司Skyline AI，在这又一个阶段性成功的创业故事里，明示了人工智能对人类的胜利。新闻稿中“Skyline AI的平台使用专有的AI/ML模型来处理来自300多个数据源的数据——多户住宅（一座建筑里有多个独立的住宅单元，美国常指公寓）行业最大和最准确的数据集——并跟踪10,000个属性，如所有者信息、物业特征、人口统计情况。随着长时间的积累，Skyline AI的平台能识别差异，并确定哪些信息是最准确的，以帮助投资者最大化Ta们的投资和租赁机会的收益”的这段文字，从中你能读出哪些信息？

Skyline AI代表了算法的胜利。仲量联行的专家从工作那天起都是在忙碌着给用户推荐物业，预测投资收益，对这个行当的理解，你猜专家们会服气于一些说不清道不明的算法吗？但是Skyline的AI能考虑上百个不同的数据源，叠加成上万个判断维度的组合，瞬间挑出来某一个维度的数据切片。即便算法的预测准确度和方法论还没有那么让专家信服，就是维护数据、处理数据、抽取数据这一点，专家一定会服气。另外一点也是算法的优势，仲量联行的专家极大可能会因为Ta本人住过、租过某一座公寓而喜欢、厌恶它，以至于非理性的抬高或压低这座公寓的估值。算法不会。

上面这段是我对算法胜利比较浅表的理解。更深度的探究：算法自己不会胜利，至少目前还不会。算法需要粮食，算法需要人类老师教它进步，更为重要的，算法还需要用户界面、需要业务模式才能成功。再来看看离我们近一点的：马上要登录港交所的第四范式——超越视觉类人工智能“AI四小龙”、率先上市的决策类智能公司。从招股说明书上，我得出的结论：算法，工具，数据已经内化成了第四范式的解决方案。第四范式的客户不会单独购买其人工智能算法，甚至主要的收入也不是标准化的产品，解决方案翻译成土话就是为用户定制的项目。不过定制项目，这就是用户的需求，算法也得满足用户的需求，才能卖上价。

到你思考创业方向的时候了：

a、开发一个国内很难很难融资的小众的、美丽的工具；

b、需要自己爬取、清洗大票数据训练出来的能卖给大公司的算法；

c、用户需要什么就攒什么但却要包装出好故事的解决方案。

abc，你选哪个？当然你也可以都选，或者和马斯克一样，每一次出发的起点都不是做这个，做着做着不得不就做成了那个，因而也喜欢上了那个。不管怎样，出发就好。

国家推出来发展“专精特新”的中小企业大方向，对在巨头中夹缝生存的创业者来说，是值得喜大普奔的超级利好。无论你选择工具、算法还是解决方案，都有机会创造自己的“专业化、精细化、特色化、新颖化”优势。不过这里面每一项都是结果，作为创业者，我们是怎么体现专业的，怎么实现精细的，怎么显现特色的，怎么呈现新颖的？换句话说，我们该怎样做到专精特新呢？也许这一代创业者孜孜不倦却求不得，下一代创业者是因为好玩，好看，好有趣，好理性主义，反而自然而然的就专精特新了。