标签 商业模式 下的文章

每次看他的一些经验都会有新的收获:

1.想公司、想生意,要想 10 年、20 年后公司是什么,不要理会市场,你永远不会明白“疯子”在想什么。

2.大多数普通人根本就没打算看长远,那又怎么能看懂(一家公司究竟是什么样的)?

3.你认为 10 年后还在的公司都有谁(定义是 10 年后营业额和利润都不低于今天的才可以认为还在)?(这个问题很有意思,在巴菲特跟自己的投资助手讨论时,这也是个必问题)

我觉得苹果,茅台,腾讯应该都还在;谷歌,微软,BRK 应该也还在。我希望 OV ( oppo 和 vivo )还在,但不是 100%确定。

20 年:我觉得苹果,茅台应该还在,谷歌,微软,BRK 也应该还在,腾讯 90%还在,OV 应该 75%还在。

30 年呢?

没事想想这个也许能对投资有点帮助。

4.我大概是这么看公司:在年利润 10 亿美金以上或年利润 50 亿人民币以上的公司里,有谁未来 10 年的总利润会比过去 10 年高?在这些企业中,有谁的未来 10-20 年的获利总和会比过去 10 年的总和高?

当你这么看公司时,很自然就重视商业模式了。


5.我了解的公司很少,在我比较了解的公司里(年利润 10 亿美金以上的),我觉得未来十年总利润比过去 10 年总利润高的公司可能有:苹果、茅台、BRK 、微软、谷歌、腾讯。

拼多多应该算一个,但那是因为拼多多过去 10 年还没怎么赚到钱;麦当劳、可口可乐这类公司打败通胀的概率应该很大,所以也应该算。


6.看懂一家公司确实很难,那些买了一点点的不算看懂了,如果真的看懂了却只买了一点点是说不过去的。


7.我对“看懂”的定义非常简单,就是敢下重注。

按巴菲特最多分散 6 个公司的说法(我很同意),“看懂”并敢下注的比例至少要占 1/6 ,不然都应该叫“观察仓”。

但其实不一定要达到 1/6 ,因为有时候价格(机会)并不是那么合适。



8.我只是侥幸看懂了几个我刚好懂得的好企业而已,绝大部分我也看不懂,我看不懂就不碰了。



9.很多人做不到(不懂就不碰)还想赚快钱;当然,我也是很想赚快钱的,但知其不可为而已。



10.投资其实不需要什么理论,“买股票就是买公司”其实属于定义,因为股票就是公司的一部分。



11.作为一个满仓主义者,最近有点下不了手了,闲钱先都买成短期国债再说。( 1 月 27 日)



12.对在股市上老是亏钱的人们而言,买进标普 500 可能是个好的办法,就当存银行了,利息还高。



13.很久以前确实买过 1 万股英伟达,但因为看不懂就又卖掉了,持有的时间不是很长,印象中赚的钱也不多。



14.科技公司非常难看懂,我看不懂,也没时间看,就只能错过了。



15.以前没看懂(英伟达),现在再看也还是没懂,搞不清楚这家公司 10 年后会是更好还是不如现在。



16.科技公司很难看懂的原因是他们的产品不是消费品,我没办法直接感受他们的产品,英伟达是一个,微软也是一个……



17.电动车公司 20 年后大多都在过苦日子,而不是大概率都在过苦日子,因为不排除有少数能做得特别好的;在我看来电动车的差异化比油车还要小,价格竞争会比较厉害。



18.奢侈品公司不太容易理解;瓶装水的差异化也不容易理解。



19.“不投不能评估其未来自由现金流的生意”——比如比特币。



20.说服任何人都是很难的。



21.我不对抗市场,我尽量不理睬市场而已。



22.不懂不碰、不贪,努力看得长远等等,可以避开绝大多数的麻烦。



23.聪明绝顶是误解,朴实是真的,割裂是你自己的认知问题。



24.想象力丰富一般不是坏事,但对投资而言则未必是好事。



25.我觉得“平面几何”学好了可能会(对学习逻辑)有点帮助。不过,我确实见过很多受教育程度很高的人有时候也没什么逻辑。



26.如果是凭运气赚的钱大多早晚都会凭实力亏掉的;但如果有人几十年运气都很好,千万别觉得那是幸存者偏差,巴菲特讲的那个扔硬币实验就是个很好的例子。



27.知道别人投什么对不懂公司的人来说不会有什么帮助,有时间还是看看巴菲特 1998 年在佛罗里达的演讲(会有很多收获)。



28.很多人认为长期主义太难,但长期主义却是最容易的办法。



29.不是长期主义难,而是大多数人都很不理性地贪心,想赚快钱,结果就是绝大多数人都亏钱;长期主义其实非常简单,偶尔看一下,平时该干嘛干嘛。



30.狩猎是互为猎物的,是个零和游戏,投资是赚公司赚的钱。短期看有时候很像,但时间长了区别非常大。



31.量化“投资”其实是投机,是赚市场的钱,是零和游戏。假设最后市场上都是量化“投资”,那他们赚谁的钱?

当然,量化们其实也不用担心,总是会有很多“韭菜”前赴后继的。



32.我不会浪费时间在对我没意义的事情上。



33.我不是那么相信天才,我总觉得天才其实就是因为喜欢,所以花的时间比别人多很多很多,于是就有了好很多很多的结果。



34.刚刚看到宗庆后去世了。他是一个很努力的人,也非常享受他做的事情,我相信他也非常享受他的人生。

大致上这也是我的墓志铭。

我其实一直很努力,努力让自己能做自己喜欢的事情,以及努力做自己喜欢的事情。



35.公平和公平心是不一样的,没有任何东西可以让每个人在每时每刻都得到最公平的结果。



36.其实我比 99.9%的人见过更多江湖险恶,(但是)你会因为见过一次或若干次癞蛤蟆就不热爱这个世界了吗?

https://www.fiflynote.com/topic/view?topicId=topic_c22616ad-0d57-469c-8b87-6a4b4c214c0a

近日,OpenAI 在其官方网站及官方社交媒体公告中表示,公司计划在“未来几周内”开始在 ChatGPT 对话界面中测试广告投放,这些广告将首先面向美国地区的免费版用户以及新推出的低价订阅层级“ChatGPT Go”用户。

 

广告内容的展示形式预计主要是在 ChatGPT 生成的回答底部以清晰标注的独立模块形式出现,与 AI 生成内容严格区分。

OpenAI 强调,广告不会影响 ChatGPT 的回答逻辑,也不会向广告商分享用户对话内容。付费订阅用户(如 Plus、Pro、Business 及 Enterprise 层级)仍将享受无广告体验。

 

据官方发布内容及多家外媒消息,OpenAI 此举是为了进一步拓展营收来源,以缓解高昂的研发与基础设施支出压力,同时扩大服务的可持续性。

 

公司管理层表示,即便公司业务规模庞大,依靠订阅收入仍难覆盖巨额算力成本,而广告收入是补充营收的一种必要尝试。OpenAI 同时承诺,广告不会改变 AI 应答过程,并且将在敏感话题如健康、政治等领域避免投放广告。

 

OpenAI 此举引发了社区热议,但批评声音居多。

 

在 Hacker News 上,有用户表示,由于他们加了广告,很多用户已经转向了 Gemini,所以长远来看这种行为是得不偿失。

 

“OpenAI 广告的一个问题是,用户已经开始转向 Gemeni,而 Gemeni 并不投放广告。

 

ChatGPT 大多数情况下也比 Gemeni 差(或许如此),而且没有像 Gemeni 那样严格的速率限制。因此,他们已经开始流失用户,并且产品体验也比竞争对手更糟糕。

 

OpenAI 当然能从广告中赚到一些钱,但这能弥补他们巨额的亏损吗?我觉得不太可能。他们真的需要像微软那样,被一位财力雄厚的“金主”收购,才能玩转这种游戏。”

 

还有用户表示即使他们加入了广告,也不会向谷歌和 Facebook 那样赚大钱,只是赚一些小钱罢了。该用户评价道:

 

“就我所了解的广告市场而言,像谷歌和 Facebook 这样的公司之所以能赚得盆满钵满,主要是因为它们在广告市场的垂直整合中占据了绝对优势。而 OpenAI 整合广告的方式在我看来,似乎只是想分得蛋糕里最小的一块——一个投放广告的地方——这意味着,我估计他们的用户收入更接近于报纸网站,而不是最大的社交媒体网站,或者更接近于推特或 Tumblr 这类从未实现过巨额盈利的公司。”

 

明知加广告会被骂,OpenAI 为什么还要这么做?那就要从 OpenAI 的财务状况说起。 

营收增长 10 倍,但算力投入扩大 9.5 倍

 

OpenAI 的财务状况与算力投入呈现出高度协同的增长态势,过去三年,二者均实现了累计十倍左右的扩张,印证了“算力决定营收上限”的核心逻辑。这种强关联不仅是业务发展的结果,更成为 OpenAI 规划未来投入、平衡供需关系的重要依据。

 

在 OpenAI 最新一期博客中,公司首席财务官 Sarah Friar 透露了 OpenAI 的财务细节。

 

从算力投入来看,OpenAI 的扩张速度堪称惊人。

 

  • 2023 年,其算力规模为 0.2 吉瓦(GW);

  • 2024 年,迅速提升至 0.6 吉瓦;

  • 2025 年,进一步增至约 1.9 吉瓦,三年累计扩大约 9.5 倍。

 

为保障未来算力供应,Sarah Friar 称 OpenAI 已与微软、英伟达、AMD、甲骨文等企业签署数千亿美元的合作协议,同时从单一供应商转向多云、多芯片的多元化布局,在高端训练任务中采用最新硬件,在大规模推理场景中使用低成本基础设施,平衡效率与开支。

 

值得注意的是,算力投入存在显著的时间差,当前的投入需提前规划至 2028~2030 年的需求,这也意味着 OpenAI 需要稳定的长期收入来覆盖前置成本。

 

营收方面,OpenAI 同步实现了三倍速年度增长,与算力扩张节奏高度匹配。

 

2023 年,其收入达到 20 亿美元,2024 年增至 60 亿美元,2025 年预计突破 200 亿美元,三年累计增长约十倍。

 

这种增长并非依赖单一业务,而是构建了多元化的收入结构:一是订阅收入,涵盖个人用户的 ChatGPT Go、Plus、Pro 档位及企业订阅服务,满足不同层级用户需求;二是 API 服务收入,为开发者和企业提供模型调用能力,支出与交付成果直接挂钩;三是广告与电商收入,依托免费用户流量开辟新增长曲线;未来还将探索授权许可、知识产权合作、结果导向定价等模式,进一步丰富收入来源。

 

从运营效率看,OpenAI 的算力投入与营收的强相关性,验证了其商业模式的可行性。但当前仍面临算力缺口的核心挑战——由于算力不足,诸多潜在产品与功能无法落地,尚未充分释放价格弹性杠杆

 

这也解释了为何 OpenAI 持续加码算力投资,同时通过广告等业务拓宽收入渠道,本质上是为了打破算力瓶颈,释放更多商业价值。

加入广告,也会坚守三大原则

 

从成本端看,算力是 OpenAI 发展的核心命脉,且需求近乎无限。但 Sarah Friar 在博客中表示,即便在模型中加入广告,也会“死守”三大底线。他表示:

 

“大家普遍会疑惑,广告会对产品本身和公司运营产生怎样的影响?要回答这个问题,我们可以从当前的用户结构说起:如今,我们消费端平台上 95% 的用户都在使用免费版本。这恰恰契合了我们的使命 —— 研发通用人工智能是为了造福全人类,而非仅仅服务于有能力付费的群体。因此,保障用户的访问权至关重要。

 

从广告业务的角度出发,我认为有三点原则必须坚守。第一,我们要让所有人都清楚:模型给出的永远是它能提供的最佳答案,而非付费推广的结果。很多其他平台正是在这一点上栽了跟头,导致用户无法判断看到的内容是付费广告还是真实的最优推荐。而我们的核心准则就是,模型始终以提供最优答案为导向。

 

第二,广告本身可以具备很高的实用价值我们会明确标注广告内容,让用户一目了然。举个例子,如果用户搜索 “圣地亚哥周末短途旅行”,那么一条爱彼迎的广告可能会非常有帮助。用户甚至可能愿意在 ChatGPT 的对话场景中,与广告商展开深度交流 —— 前提是他们清楚这是广告环节。这正是我们需要创新的方向,要打造出与平台生态深度融合的广告形式,而非简单地把传统的横幅广告生搬硬套过来。

 

第三,也是最后一点,我们必须保留无广告的服务层级,让用户拥有选择权和控制权。同时,我们对用户数据的保护始终保持高度谨慎。此前推出医疗健康功能时,我们就明确告知用户,相关数据会被隔离存储,不会用于模型训练。信任是 OpenAI 的立足之本,即便在广告业务上,我们也会坚守这些原则。”

 

Sarah Friar 还表示,其实不只是 OpenAI,未来,消费者很可能会订阅多款人工智能服务,就像现在大多数人都会订阅不止一个流媒体平台一样,这一消费行为模式可以作为很好的参考。不同的人会根据自身需求做出不同选择,包括免费选项 —— 毕竟也有广告支持的免费流媒体服务。

 

而且即便是同一项服务,也会同时提供付费版和免费版两种选择,未来的市场格局会呈现出丰富的多样性。不过,用户切换不同平台时也会面临一个问题 —— 迁移成本。

 

Sarah Friar 还表示模型的记忆功能也是值得探讨的问题。他还进一步表示 OpenAI 不会垄断整个市场:

 

“未来的模型是会实现跨平台统一记忆,还是会分平台独立记忆?其实即便是基于同一个模型,不同服务商也会推出各具特色的服务,在功能取舍上各有侧重。哪怕是依托 OpenAI 模型的服务,也有很多不同的开发者在提供差异化产品,这也是我所理解的 ‘多平台使用’ 的含义。当然,我并不认为 OpenAI 会垄断整个市场。”

 

为维持算力与营收的同步增长,OpenAI 需要持续投入数千亿美元用于基础设施建设与合作伙伴拓展,而单一的订阅制模式难以支撑如此庞大的资金需求。

 

广告业务的引入,能够借助免费用户的流量规模,开辟新的收入来源,为算力投入提供稳定的资金补充,形成“算力支撑业务、业务反哺算力”的循环。

 

此外,广告业务的布局也与 OpenAI 的长期战略相契合。在 ChatGPT 月活用户突破 8 亿且仍有巨大增长空间的背景下,广告成为连接免费用户与商业价值的桥梁。

 

据业内消息,OpenAI 预计 2026 年通过广告获得数十亿美元级收入,未来将逐步放大这一收入来源,与订阅、API 服务等形成互补,降低单一模式的经营风险。

OpenAI 缺钱了?

 

既有巨额的算力成本支出,又有逐年翻倍的营收进账,那 OpenAI 到底是不是真的缺钱了?

 

近日,《纽约时报》的一位专栏作家却做出了一个明确的预测:OpenAI 将在 18 个月内因其在人工智能领域的投入而破产。

 

该作家表示,根据去年的一份外部报告,OpenAI 预计在 2025 年将烧掉 80 亿美元,到 2028 年将烧掉 400 亿美元。鉴于该公司据报道预计到 2030 年实现盈利,不难计算出其中的利害关系。

 

Altman 的风险投资计划在数据中心领域投入 1.4万亿 美元。正如外交关系委员会经济学家 Mallaby 所指出的,即便 OpenAI 重新考虑那些受盲目乐观影响的承诺,并“用其估值过高的股票为其他投资买单”,仍然存在巨大的资金缺口。

 

Mallaby 并非唯一持此观点的人,贝恩公司去年发布的报告显示,即便在最乐观的预期下,该行业也至少存在 8000 亿美元的资金缺口。

 

这位金融专家巧妙地分析了这种情况,他概括地指出,问题的关键不在于终端用户人工智能是否会在技术上得到普及,而在于开发人工智能在中长期内是否具有经济意义。

 

分析师指出,理论上,投资者应该“弥合一项伟大技术出现与最终盈利之间的差距”,但实际上,许多人工智能公司烧钱的速度似乎远远超过了其盈利能力。Mallaby 指出,鉴于微软或 Meta 等“传统”公司在人工智能出现之前就已经拥有盈利业务,并且(实际上)有能力等待必要的时期,直到人工智能最终带来收益,因此,这些新来者的处境比它们要糟糕得多

 

据他所说,大多数人都在使用免费服务,一旦他们常用的 AI 模型添加了广告或使用限制,他们就会毫不犹豫地转向竞争对手。目前各种任务都有无数的选择,也证实了这一点。

 

不过,他认为这对人工智能提供商来说只是暂时的难题,随着智能人工智能越来越深入人们的日常生活,转换将会变得更加困难,因为 AI 模型最终应该能够掌握你所有的购物偏好、愿望和情感特征——甚至可能比你本人做得更好。

 

Mallaby 确实赞扬了 OpenAI 首席执行官 Sam Altman 的“吸金能力”,他成功筹集了 400 亿美元的投资,超过了历史上任何一轮私募融资的规模——甚至超过了沙特阿美 300 亿美元的融资额。不同之处在于,沙特阿美和其他一些上市企业拥有成熟的商业模式和盈利能力,而 OpenAI 目前这两点都不具备。

 

人工智能金融这条衔尾蛇看起来确实像是要吞噬自己的尾巴,但也有人认为它只会失去较新的部分。如果人工智能市场失去一个或多个开创者,那将颇具讽刺意味。

参考链接:

https://www.tomshardware.com/tech-industry/big-tech/openai-could-reportedly-run-out-of-cash-by-mid-2027-nyt-analyst-paints-grim-picture-after-examining-companys-finances

https://news.ycombinator.com/item?id=46663341

我们进入了一个物资丰沛的时代

我们现在所处的是这样一个物资丰沛的时代:如果我们要买一个东西,有无数的选择供我们挑选,所有的生产者都在想方设法讨我们的欢心。

直播带货的本质是:物资丰沛时代,个人信任的变现

物资丰沛时代,我们其实已经陷入了一种选择困难症,面对对成百上千的选择根本无从选择。
这个时候,有一个人将自己的信用为赌注,向大家分享自己对商品的评价。
以上就是直播带货模型的逻辑。

既然个人的信用可以变现,为什么企业不能?因此,我预测:

未来,一定会有家企业,通过建立自己的信用,将自己对商品的评价进行变现。谁能实现这个商业模式,谁就能建立下一个电商帝国。

生成式 AI 的投资回报远超预期?Snowflake 调研全球 1900 位企业与 IT 专业人士后发现平均 ROI 高达 41%!点击下载完整报告

在技术发展史上,总会出现一些被反复回望的“拐点时刻”。在 Snowflake 首席执行官 Sridhar Ramaswamy 看来,我们正身处这样的关键节点之中——多年来机器学习与深度学习的研究积累、Transformer 等关键架构的突破,以及云计算规模能力的成熟,在这一刻汇聚,推动人工智能走向真正的产业化阶段。

在这一背景下,Snowflake 邀请了两位深度参与并塑造这一进程的核心人物,共同展开了一场关于 “未来十年 AI 蓝图” 的对话:堪称全球最具影响力的人工智能教育者和先驱者、LandingAI 执行董事长、DeepLearning.AI 创始人吴恩达(Andrew Ng),以及亚马逊云科技 Agentic AI 副总裁 Swami Sivasubramanian,他曾主导 Amazon SageMaker 与 Amazon Bedrock 的构建。

这场对话并未停留在对模型能力的抽象讨论,而是围绕竞争优势、商业模式、工程架构、数据治理以及开发者未来等关键问题,勾勒出一条从战略到落地的清晰脉络。

竞争焦点正逐渐脱离模型本身

围绕“AI 时代的护城河从何而来”这一核心问题,讨论首先打破了一个常见误区:竞争优势并不必然源于模型本身

在吴恩达看来,ChatGPT 这类产品在消费者层面形成的品牌认知,本身就构成了防御壁垒;但在更多行业场景中,护城河往往取决于行业结构,而非 AI 技术能力。例如,借助 AI 加速构建双边市场的平台,其持久性来自平台机制本身,而不是底层模型。

一个重要变化是,软件护城河正在被削弱。过去需要多年、大规模团队才能构建的软件系统,如今在 AI 辅助编程的加持下,其可复制性显著提高。API 调用的灵活性也使开发者能够迅速切换工具,这让“API 即护城河”的逻辑变得愈发脆弱。

Swami 从企业市场的视角补充道:在真实的企业环境中,竞争焦点正从“谁的模型更强”,转向“谁能通过 API 和服务,以更优的性价比,帮助企业真正提升收入或降低成本”。在这个意义上,真正的“最佳模型”,往往是企业自身的商业模式

从订阅制到按量计费:AI 正在重塑软件商业逻辑

在商业模式层面,圆桌讨论也触及了一个正在发生的结构性变化。

过去十余年,SaaS 以订阅制为核心,其背后依赖的是软件接近零边际成本的特性。但在 AI 尤其是智能体场景中,这一前提正在发生变化——推理成本真实存在,且可能随使用规模非线性增长

Swami 指出,当 AI 系统开始代表用户执行任务,且工作负载与用户数量脱钩时,更接近云服务的按量计费模式将变得合理且必要。吴恩达则从开发者体验出发,分享了一个直观感受:AI 编程工具的效率如此之高,以至于开发者愿意为其消耗更多算力和费用,因为由此带来的生产力提升是实实在在的。

这并非简单的定价方式变化,而是意味着 AI 正在重新定义“软件价值如何被衡量和付费”

成功的 AI 架构:产品先行,为不确定性留出空间

当讨论从战略转向工程实践,三位嘉宾形成了高度一致的共识:产品市场契合(PMF)始终优先于成本优化

吴恩达强调,在早期创新阶段,最大的挑战不是控制成本,而是打造用户真正热爱的产品。当 PMF 出现后,工程手段总能在后续阶段将成本曲线重新压低。关键在于,在架构设计之初,就为模型可替换性和技术选择权留出空间。

Swami 从大量初创企业的实践中总结出一条清晰路径:

  • 初期采用通用基础模型快速验证产品;

  • 随着真实负载显现,通过微调、蒸馏、提示缓存优化等手段应对非线性成本;

  • 将模型选型视为可演进的工程问题,而非一次性决策。

在这一过程中,掌控自身数据层被反复强调。将数据牢牢掌握在企业自身体系内,而不是被封装进供应商的“云端密匣”(box in a cloud),是确保未来技术与合作可选性的关键。

非结构化数据的真正解锁:从 PDF 开始

在谈及 AI 应用的下一个增长点时,吴恩达将注意力投向了一个长期被忽视的领域:非结构化数据

在他看来,企业中最具价值、却最未被充分利用的隐性数据,正大量存在于 PDF 文档之中。无论是金融领域复杂的报表,还是医疗行业的各类表单,过去人们对 PDF 的主要交互方式,往往只是简单的关键词搜索。

而如今,借助智能体驱动的文档解析能力,AI 已能够理解复杂表格结构、提取语义信息,并将其转化为可分析、可计算的数据资产。这一变化,正在迅速催生大量新的企业级应用场景。

给开发者的长期建议:回到基础,拥抱创造

在圆桌的最后,讨论回到了一个更具情绪张力的话题:年轻开发者在 AI 浪潮下的焦虑

Swami 指出,行业在某种程度上混淆了“编程”与“计算机科学”。即便 AI 能生成大量代码,对底层原理的理解,编译器、数据库、系统架构、数学与统计基础,依然不可替代。历史经验表明,每次技术变革初期都会经历短暂低谷与普遍焦虑,当前正处在类似阶段,但最终带来的是更大规模的创造者群体。

吴恩达则将这一判断推向更积极的方向:这是一个前所未有的创造窗口期。构建产品所需的时间和成本正在大幅降低,而 AI 辅助编程让“学习编程”本身变得更具现实意义和乐趣。

正如 Sridhar Ramaswamy 在圆桌结束时表示,未来无需被动等待,当下的我们比以往任何时候都更有能力去进项创造 。

原视频地址:https://www.snowflake.com/en/build/americas/agenda/?login=ML

点击链接立即报名注册:Ascent - Snowflake Platform Training - China

背景:看到 V2 上的帖子,说做一个 [大爷快跑] 的项目未成功 https://www.v2ex.com/t/1185161

因为做了很久天使投资、所以常和创业者接触,有一些直观的感受:

[最小可行性验证] 一个成熟创业者,一般是这么做的:
1 、先组建微信群:一个是有意赚这个钱的老人,一个是有意请人帮拿快递的小区邻居。如何组建呢?要么通过小区业主群,要么通过去老人常去的地方蹲守。
2 、然后在微信群中接单、下单;
3 、如果这个业务量能做起来了,说明这个商业模式能跑通,然后才是开发专门的平台;
4 、然后在周边小区推广,逐步扩张。

[项目重点分析] 另外,这种业务其实最关键的要考虑的是风险:
1 、老人取快递的时候、不小心搞坏了,如何应对?
2 、老人接单后取快递的过程中、不小心受伤了,如何应对?
这 2 点,如果是老人自愿自发去做的、他们自己会想办法承担责任;但如果是接单的商业行为,呵呵,大概率是会要创业者承担责任。而这种责任,很有可能让创业者打工一辈子去还。

技术人员常见的思路:
1 、不管三七二十一,有了想法先花时间做个小程序或 APP 出来;
2 、然后想办法推广;
3 、然后才在过程中发现模式不通、竞争无法应对、甚至重大风险;
4 、最后无奈停止。
导致的结果:
1 、浪费自己的时间精力、甚至金钱;
2 、浪费早期用户的信任 —— 这种做的多了,就有可能留下不好的印象了。