原来迅雷创始人、现在远望资本创始人程浩的作品。浩哥重点在看人工智能赛道的机会，这确实也是当下的确定趋势之一，行业+人工智能，提供了很好的思路。这本书在微信读书app里读完了全文，收获很大，摘要一二。
精益的精髓是什么？第一个是Fail Cheap，就是很便宜地试错；第二个是Fail Fast，就是很快地试错。
方法论而言，这世上没有一蹴而就的商业模式。我们找到用户的准确需求以及准确解决方案的唯一手段：就是通过尝试不断去逼近这个方案，直到被验证。因为这世上从来没有一蹴而就的商业模式。
产品的实体性越强，开发中的精益性就越少。一般来说，互联网产品的实体性较弱，精益的空间很大，你想验证什么，就可以有很多非常简单、轻便的方法去验证。
我特别相信基因决定论，如果BAT找个懂行的高管就能搞定任何一项新的业务，那么中国互联网的生意就全是BAT的了，就没创业公司什么事了。大家能做什么，不能做什么，跟公司的基因是高度相关的。To C的企业CEO是首席产品经理，To B的企业CEO是首席销售所以投资于To B企业时我们要求CEO具有销售基因。
低成本快速试错的道理虽简单，但往往还是有人前赴后继。
但如果回归到商业本质，我认为被需要是第一重要的！跟刚需并列的还有一个参数叫高频，刚需和高频这两个参数把生意分为了四个象限。
刚需+高频，两个核心的判断机会的维度。刚需是前提。
不精益的五类问题：问题找错，方案做错，闭门造车，过早优化，过早扩张。其实对于创业公司，最容易遇到的问题是前两个，就是问题找错和方案做错。成熟的创业者通常不会犯后面三个错误。
对于规模大一些的公司来说，异地办公相对好一点，因为总能找到一些比较独立的业务。但沟通成本仍然是不可忽视的问题。对于大公司，或许可以把一些独立业务抽出来放在异地。对于创业公司，总共就一件事，根本抽不出来。总有一些措施会吸引你，使得你很有动力去外地开分公司，但由此带来的沟通成本，你一定要提前想清楚。这很可能是一桩看似降低了显性成本但实则大幅提升了隐性成本的买卖。所以，是否开分公司，一定要业务驱动，而不是成本驱动。省了成本，牺牲了效率，就是捡了芝麻、丢了西瓜。大家知道对于创业来讲，最大的隐性成本是什么吗？我相信很多人已经猜到了，那就是时间成本。
要用户导向，永远不能纯技术导向。不以用户需求为导向的KPI，一定是错误的。KPI是手段，不是目的。我们不能为了KPI而KPI。用户量小的时候，每个人都是核心用户，留存率一定得高，一旦放量，留存率通常会下降。但如果小规模的时候留存率就很低，那就要仔细找找原因了。
3～5人做不好的一个项目，30～50个人同样也做不好。如果事情本身就是错的，跟团队有多少人没关系。
需关注可能导致失败的问题。
需求探索是一种非常高效的验证想法的过程。核心是六件事：①找痛点；②用常识判断是不是痛点；③头脑风暴；④找到核心用户；⑤核心用户访谈；⑥总结。
常识还会告诉你三件非常重要的事：①你到底喜不喜欢这件事？②你到底擅长不擅长这个领域？这虽然是个风口，但究竟是你的风口还是别人的风口？③你自己是不是核心用户？
如果你是团队里的老大，一定要自己少说，多听别人讲。因为你是老大，如果你先说，别人就只能顺着你说。其次就是不要轻易定调，假设有三个小伙伴，你要让另外两个人先说，不要先说我觉得对或不对，否则，就会阻止大家发言。
谁是核心用户呢？答案很简单——谁的痛点最痛谁就是核心用户。首先，找到核心用户之后，一定要面对面地访谈，而不要通过电话或在微信里沟通。因为在电话和微信里有很多东西是说不清楚的，沟通效率也比较低。其次，用户访谈一定要保持开放式的讨论，千万不要让用户去做选择题，这一点极其重要。最后，用户访谈绝不要搞小组讨论，而是要一对一地进行
很多验证性的工作其实只要深度想一想就能有不一样的收获。不少失败的根源其实是思维的懒惰。
资源分配一定要遵循内部市场化。很多人对内部市场化的概念还不太理解，我先解释一下。内部市场化，简单地讲就是亲兄弟明算账。
马化腾说过，腾讯资源很多，但资源只是叠加，核心还是产品力。也就是产品才是最核心的，资源是加分项。如果产品不行，资源再多都没用，反而会毁了公司的品牌。
好的打法要多学习，产品力其实是核心。解决方案能力如果不能成为通用产品，公司做大还是难度不小。
人工智能是下一波大势。人工智能离我们很近，已经进入我们生活的方方面面，并将深刻改造我们的生活。同时，人工智能还是一条长期赛道，还处于早期。因此远望资本专注于这个领域，相信未来一定能投出BAT级别的公司。
创业公司做底层基础架构和赋能型 通用技术的下两层风险比较大，这是大公司的必争之地。我认为创业公司的机会在最上层的应用落地，就是拿着下边两层的成果去改造垂直行业，也就是所谓的人工智能+，特别是“行业+AI”。
“行业+AI”相对对创业公司更为友好，也更容易构建壁垒。我认为，在未来行业壁垒才是人工智能创业最大的护城河。因为每个行业都有垂直纵深，即使BAT技术好一点也不是关键。
科技的成熟都需要一定的时间。从任何一项技术演进的历程来看，几乎都延续了从军工（航天）、到政府、到企业、到B2B2C、再到To C这个规律。
人工智能正在酝酿未来的BAT机会，底层技术会通用化，被巨头把持，但行业型的机会会有创业公司的较大机会。这么看的话未来高利润行业的解决方案更为有价值，一是政府，二是金融，三是医疗和教育机构，四是制造，都是重点机会所在。
“关键性应用”要追求99.9……%后的多个9，做不到就无法实现商业化。所以“关键性应用”领域，就是不能犯任何错误的人工智能领域，必须要有技术大牛、科学家或算法专家坐镇。同时，这类项目的研发周期都很长。但人工智能领域的创业，有95%都是“非关键性应用”。简单地讲，在这些领域，AI的可靠度只要过了基础线，高一点与低一点区别并不大。“非关键性应用”不追求高大上，简单、实用、性价比高更重要。关键性应用”必须有技术大咖坐镇，“非关键性应用”则要求团队懂行业，同时更加综合和全面。
我们提出“一横一纵”理论，如图9-2所示。前期可以做技术服务，但是不能一辈子做技术服务。“横”能服务很多行业，但一定要找到一两个最有市场机会、最适合你的垂直领域，深扎进去做“全栈”：把技术转化为产品，然后搞定用户卖出去，实现商业变现，再通过商业反馈更多的数据，更加夯实自己的技术。用一句话讲，要做技术、产品、商业和数据四位一体的“全栈”，这就是“一纵”。这才是健康的商业模式。
如果你的技术创新对于垂直领域是革命性的，就有机会走到下游；如果只是改良性的，你就只能老老实实赚辛苦钱。越是颠覆性的东西，越有机会往下游走。
人机混合是To B比较主流的模式，这大幅降低了机器人普及的难度。我们还投资了工业和物流领域做无序分拣的熵智科技以及把工人从高污染的喷涂环境中解放出来的喷绘机器人公司曲线智能等。机器替代人已成为远望资本重要的赛道。
非关键型应用，还是要争取做全栈的产品才能有胜出的机会。