link: https://www.youtube.com/watch?v=McTi0DdKybY
AI 這一年來席捲世界，不論創業者、打工人、學生，都在問同一個問題：
在這麼快、這麼卷的新時代裡，到底誰能真正抓住機會？
我們常聽到的答案包括：學習能力強、對新工具敏感、具備技術背景、動手快……
但這些答案說出口的瞬間，我們心中其實都會浮現一句話：真的存在這種人嗎？直到我看完立正與 Head AI 創辦人 Kay 的那場對談。
如果你想看到一個“符合 AI 時代典型特質”的創業者——Kay 幾乎把所有特質集於一身。
以下是一篇基於那場三小時深聊後，我提煉出的觀察與啟發。
這不是訪談摘要，而是我希望在 Medium 留下的一篇超越內容本身的洞察紀錄。
一、00 後創辦人 Kay：一個“非典型，但極合理”的創業者
Kay 的背景看似跳躍：
- 高中畢業後一路參與各種 side projects
- 原本準備念 HCI / 互動設計，卻在看到一間 AI 新創招人後直接退學
- 19、20 歲成為 AI 公司的市場負責人
- 一年半前建立 Head AI，用大模型做達人行銷匹配與定價
- 公司至今已服務 300 多家品牌，累計融資近 1,000 萬美金
但你若把「時代背景 x 個人特質」套上去，會發現
她完全符合 AI 時代“新型人才”的底層特徵。
這些特徵不是“高分”“證照”“年資”，
而是：
1. 病態級的好奇心（Curiosity Obsession）
她會因為一個工具起興趣，
跑去把所有競品、整個生態看一遍。
2. 對真實世界的偏好（Reality-Driven Learning）
她不是在課堂上“學行銷”，
而是在 17、18 歲就開始真的做行銷。
3. 對 AI 的直覺敏感（AI Native Thinking）
她是完全把 AI 當生產力工具的人，
而不是把 AI 當話題、當熱潮。
4. 能在沒有正回饋的狀態下長期輸出（Long-term Grit）
Head AI 的第一年，
她說他們“幾乎沒有任何正回饋”。
你能想像一個 20 歲的人，
一連一年都看不到“自己做的東西有效”嗎？
並不容易。
但她真的挺住了。
二、為什麼 AI 時代需要完全不同的市場人（Marketing in the AI Era）
其中我最驚訝的觀點是關於“市場負責人該怎麼選”
Kay 說：
早期的行銷、GTM，不是找有經驗的人，而是找“對產品有信仰的人”。
這句話其實完全推翻了 SaaS / B2B 傳統共識。
因為 AI 時代的早期市場有三個本質差異：
1. 新產品的新受眾，是“早期採用者”，不是大眾
你在賣的是創新，不是 FMCG，不是傳統工具。
你需要了解那些願意嘗鮮的人，而不是懂舊世界渠道的人。
2. 模板不再可靠，所有舊 playbook 都在重寫
過去的 SEO、投放、內容行銷 SOP 都在被刷新。
能快速學新方法，比能複製舊方法更重要。
3. 對產品深度理解 > 對渠道的熟練度
AI 工具越來越抽象、複雜、快速變動，
行銷負責人必須同時扮演“教育者 + 使用者”。
因此她說：
有些人燒過幾千萬預算，但完全不適合 0→1。
反而是那些從 Day 1 就在公司裡、真正喜歡產品的人，
才能把它推向市場。
這句話值得所有創辦人好好記住。
三、Head A(後改名叫 Aha) 的底層：用大語言模型重寫「達人行銷」這個行業
這段是整場訪談最技術、也最本質的地方。
達人行銷本質上是一個“不完整的資料問題”
傳統達人行銷的困境：
- 你不知道這個博主的受眾到底是誰
- 你不知道他接商單的表現如何
- 你不知道他的內容能否自然植入
- 你不知道合理價格是多少
- 你不知道受眾的購買力、地區分布是否匹配
結果就是——
整個行業長期在「靠人判斷」
而人在這件事上，實際上極不穩定。
四、做的事情其實不是行銷，而是“重建這個行業的基礎設施”
Head AI 的模式本質上有三層：
1. 大模型構建“達人畫像”與“產品畫像”
用模型讀取：
- 達人內容（30 條以上）
- 字幕
- 文案
- 受眾
- 過往合作表現
讓模型判斷：
- 受眾匹配
- 語氣 / 風格匹配
- 植入可能性
- 內容調性
2. 用 LLM 做“召回 → 粗排 → 精排”
這一套流程其實等同於重寫「搜廣推」系統：
- 從幾千萬博主中召回
- 用硬條件過濾
- 用語意 + 模型推理排序
- 最後給出最佳匹配清單
3. 動態定價模型（Dynamic Pricing）
這一塊是他們的真核心競爬：
- 基於商單表現（而不是普通內容播放量）定價
- 考慮平台、影片型態、受眾地區
- 根據接單率動態調整
- 實際以“合理成交價格”為基準，而非粉絲數
這就是為什麼立正說：
“我心中對自身頻道的合理報價，就是這套模型算出來的價格。”
五、為什麼別人抄不走？
Kay 的答案很坦白。
1. 這是一個又髒又累的活
- 大量資料清洗
- 大量人類標註
- 模型不斷重訓
- 產品與資料閉環要跑數十輪迭代
- 商單資料非常難取得
2. 早期一年幾乎沒有正面回饋
大多數公司在這種狀態下會直接撤案。
3. 需要同時具備 AI 能力 + 行業知識
這兩個組合在人才市場上極度稀缺。
4. 執行速度與決心
她說第一年光研發就燒了 200 萬美金。
如果一間公司沒有 conviction，很難撐得住。
六、個人成長：什麼特質讓她能跑在前面？
我總結出 Kay 身上三個我認為最罕見的特質：
1. 病態級的求知慾（Learn or Die）
她說若遇到不懂的東西，包括 AI 論文，
會逼自己讀到“看懂為止”。
2. 能長期忍受“沒有正回饋”的環境
這絕對是最稀缺的能力。
大部分人的成長倚賴回饋
- 上課要成績
- 工作要 KPI
- 舉重要看到進步
但建立新事物時，
你不會有任何正回饋。
她能接受。
3. 把時間配置在“真實世界”，而不是“作業世界”
她說自己高中時下午兩點放學，
大量時間拿來：
- 做 side project
- 學工具
- 看創業內容
- 研究行銷
- 拆分析別人的模式
不是為了“考試”，
而是為了“讓自己成為能創造價值的人”。
七、AI 時代的個人競爭力：我從她身上看到的公式
如果要把她的“成長方式”濃縮成一條公式，那會是：
（對某個領域的深刻理解） ×（把 AI 當作基礎設施） ×（長期迭代）
你不需要變成大模型工程師。
你需要做的是：
- 找一個你熟悉、你在意的領域
- 用 AI 做所有“人做會很痛苦”的苦工
- 用 AI 放大你 10 倍的迭代速度
- 並且能在沒有掌聲的狀態下堅持一年
這才是 AI 時代真正的競爭力。
八、寫給每一個想要抓住 AI 時代的人
如果你是學生、剛畢業、或正想轉職，
Kay 是一個很值得參考的範本。
不是因為她“很年輕就創業”，
而是因為她做的每一步都極其“AI 時代合理”。
你可以從她身上學到三件事：
1. 把時間投資在“真實世界”而不是“作業”
去做真的有人會用的東西。
去參與真實專案，而不是只做課堂練習。
2. 把別人的 blog、case study 當教材，而不是參考資料
大多數人“看過”而已。
她是“讀完就用”。
3. 找一個你願意付費的問題，用 AI 把它死磕到底
用 AI 是手段，
解決問題才是目的。
結語：AI 時代需要新物種，而 Kay 就是其中一種
AI 時代的競爭力不是年資、不是科系、不是履歷。
而是：
- 好奇到停不下來
- 勇於深挖一件事
- 用 AI 強化自己的方法論
- 能忍受一段時間沒有回報
- 找到真實問題並解決
Kay 與 Head AI 正在回答：
當世界變得這麼快、這麼亂，我們該如何找到自己的位置？
如果你也在尋找自己的“個人 PMF”，
這場訪談會給你很多靈感。
