研究型创业的三条起步路径：以 DeepSeek、Cursor、Mindverse 为例丨奇绩创业公开课

对于研究型创业公司来说，研究和产品都非常重要，但一般在创业初期，团队的时间和资源都相对有限，很难同时把两件事都做好。

过去几年，AI 行业出现了不同的成功案例：有的公司会先投入研究，积累技术成果后再探索产品化；有的公司会选择先推出产品，获得用户后再逐步建立研究能力；还有一些公司，可能会在研究和产品之间不断迭代。

这三条路径虽然都能走向成功，但各自面临的困难，以及对团队能力和市场时机的要求并不相同。接下来，我们结合 Mistral、DeepSeek、Midjourney、Cursor、World Labs 等具体案例，聊聊它们各自的机会与挑战，为正在考虑研究型创业的你提供一些参考。

本文整理自 Mindverse（心洲科技）创始人、奇绩 F23 校友 Andrew 在香港大学的《Researcher Founder：研究型创业的研究、产品化与市场实践》主题分享，欢迎添加小助手了解更多课程内容。

 01  研究先行

先积累研究成果，再逐步探索产品化

1.1 只有研究：投资人可能连你论文中的一句话都看不懂

假设你成立了一家研究型公司，做出了很好的研究成果，但还没有产品，也没有收入，这时，公司需要依靠融资继续开展研究。但问题在于，投资人可能连你论文中的一句话都看不懂，尤其是在前沿技术领域，研究论文中的技术细节往往具有很高的理解门槛。

如果外界无法理解你的研究，就很难判断这些成果究竟有多大价值。所以，就需要找到一种方式，让市场能够看见、理解，最好还能实际体验或验证研究成果。

Mistral 和 DeepSeek 的模型发布方式，就能说明这个问题。

Mistral 曾是欧洲领先的基础模型公司之一，DeepSeek 则是中国具有代表性的基础模型公司。两家公司都拥有很强的模型研究能力，也都发布过开源模型，但它们让外界接触研究成果的方式有所不同。

Mistral 采用一种很直接的方式：在 Twitter 上发布模型权重的下载链接，让大家自行下载、部署和测试。但这种方式需要一定的技术能力，也需要投入时间和精力。

在开源模型数量相对有限时，研究人员和开发者或许愿意逐一下载测试。随着模型越来越多，大家的注意力也越来越有限，如果每次了解一个新模型，都需要先完成下载、部署和测试，那么即使模型很优秀，也可能只有一小部分专业人员真正体验过它的能力。

相比之下，DeepSeek 提供了一个更方便的入口。在发布模型时，DeepSeek已经有了可以直接访问的网站，用户无需自行下载和部署模型，打开网页就能与模型交互，体验它的回答和推理能力。

这意味着，体验模型不再局限于具备一定技术能力的研究人员和开发者，更多普通用户也能直接接触模型，即使不了解背后的技术原理，也可以通过实际使用，感受到模型能够完成什么任务、效果如何。

两家公司的区别就在这里：Mistral 通过开放模型权重，让具备一定技术能力的人自行下载和测试；DeepSeek 则降低了体验门槛，让更多人能够直接使用模型，了解它的实际能力。虽然两种方式都能帮助外界了解模型，但能够触达的人群、用户需要付出的时间和精力，并不相同。

对于需要融资的研究型公司来说，研究成果本身的质量固然重要，如何降低外界体验和验证研究成果的门槛，让市场能够理解其实际价值，同样值得重视。

1.2 从研究起步：World Labs 与长期技术积累

除了如何让研究成果被市场理解，研究先行的公司还需要面对一个现实问题：一些技术领域距离成熟的产品应用仍有较长的研发周期。在这段时间里，公司需要持续积累研究能力，并获得支持后续研发的资源。

这类路径在具身智能、机器人和世界模型等领域比较常见，例如 Generalist、Figure AI，以及李飞飞创立的 World Labs。

这些领域有一个共同特点：从技术研究到实际产品应用，往往需要较长的时间。以机器人为例，要让机器人能够在真实环境中完成各种任务，需要持续解决一系列复杂的技术问题，产品化的周期也相对较长。

因此，这类创业公司可以先集中力量开展研究，建立技术能力和研究影响力，再通过融资支持后续研发，逐步推进产品化。

World Labs 就是一个很有代表性的例子。李飞飞长期从事人工智能研究，尤其关注空间智能和三维世界模型，她创立的 World Labs 希望构建能够理解、生成和交互三维世界的 AI 系统。

World Labs 在成立初期就获得了较高的市场关注和估值，这一方面与李飞飞此前积累的研究声誉有关，另一方面也与空间智能和三维世界模型这一研究方向本身的潜力密切相关。

围绕这样的研究方向，World Labs 未来也存在不同的产品化可能。例如，利用世界模型从图像生成三维场景，为游戏开发提供内容；或者生成三维环境，为机器人训练提供数据，帮助机器人学习在物理世界中完成不同任务。

这些潜在应用也体现了研究先行的一个特点：一项重要的研究成果，可能进一步延伸出不同的产品方向，团队可以先围绕核心技术开展研究，再逐步探索如何将这些能力应用到实际场景中。

不过，这条路径也意味着，创业公司可能需要经历较长时间的研发投入，才能逐步实现产品化。在此期间，公司尚未形成稳定的产品收入，需要持续获得资金支持，而具体的产品应用方向，也可能需要随着研究进展进一步明确。

因此，研究先行可以让团队集中精力解决重要的技术问题，但能否持续推进，也取决于研究进展、资金支持，以及后续将技术转化为产品的能力。

 02  产品先行

先接触用户，再逐步建立研究能力

2.1 只有产品，基础模型可能很快就把你的价值覆盖掉

另一种情况是，公司一开始只有产品，缺少自主研究能力。

在 AI 时代，创业团队可以直接调用现有的第三方基础模型 API，围绕某个具体场景开发产品，即使没有自己的模型，也可能早期获得大量用户，甚至取得商业上的成功。

但问题在于，如果产品的核心能力高度依赖上游模型公司，那么当上游模型不断进步，或者模型公司自己进入相关应用领域时，原有的产品优势就可能受到冲击。

Jasper 就是一个很典型的例子。

2022 年到 2023 年，Jasper 曾经是一款非常成功的 AI 营销文案工具，也成长为了一家独角兽公司。它通过调用 OpenAI 的模型，为用户提供营销文案生成服务，用户不需要直接使用底层模型，就能通过 Jasper 完成广告、营销文案等写作任务。

但在 ChatGPT 发布之后，用户可以直接通过 ChatGPT 完成很多类似任务，原本需要通过 Jasper 才能方便实现的部分功能，现在基础模型公司的产品也能够提供，这让 Jasper 原有的竞争优势受到很大冲击。

这表明，当产品最重要的能力来自上游模型时，基础模型能力的提升，就可能直接削弱产品原有的价值。

而且，在 AI 时代，基础模型的能力进步会越来越快。以前，一项新技术可能需要很多年才能覆盖现有产品的功能，但现在可能只需要几个月。

因此，对于依赖基础模型 API 的应用公司来说，即使早期产品已经取得成功，也需要考虑如何建立更持久的竞争优势。

这也是为什么  Cursor、Manus、Genspark、Harvey 等 AI 产品公司，都在探索或加强自身的模型能力，以应对 Anthropic 等基础模型公司带来的竞争压力。

发展自身模型能力，可以让团队有机会围绕具体的产品场景和用户需求开展研究，进一步改善产品体验，并尝试建立自己的差异化优势。当然，这也取决于公司的研究能力和实际投入，并不意味着拥有自己的模型就一定能够获得长期竞争力。

2.2 从产品起步：Midjourney 与 Cursor

Midjourney 和 Cursor 是产品先行的代表性案例。

Midjourney 是一家专注于 AI 图像生成的公司，它最初并没有自己的模型，而是先通过 Discord 上的机器人，接入图像生成模型，让用户能够直接生成图片。

产品推出后，Midjourney 逐渐积累了一批用户，随后不断发展自己的模型能力，利用用户反馈改善图像生成效果。当自身模型能够提供更好的体验时，用户也就有了继续使用 Midjourney 的理由。

这就是产品先行的一种路径：先通过产品吸引用户，再逐步发展研究能力，用模型能力的提升进一步改善产品体验。

Cursor 也采用了类似的路径。作为一款 AI 编程产品，Cursor 在尚未拥有自研模型时，就已经取得了较高的市场估值。此后，Cursor 开始发展自己的模型能力，推出了 Composer 模型。

Composer 的特点在于速度。虽然它在部分编程任务上的能力可能不如其他模型，但运行速度更快，因此在不少实际使用场景中具有优势。Cursor 也利用真实用户的使用数据和反馈，对开源模型进行微调，进一步改进模型在编程场景中的表现。

Midjourney 和 Cursor 都展示了产品先行的可能性。不过，这条路径能否走通，也与市场时机密切相关。

2021 年到 2024 年年初，AI 产品曾经历过一个相对容易获得关注的时期。当时，一款新 AI 产品发布后，就可能迅速吸引大量用户，甚至在 2023 年年底，将一款产品发布到 Discord 上，还有机会一夜之间获得十万用户。

但如今的情况已经发生变化，即使在 Product Hunt 等平台发布新产品，也未必能获得多少关注。因此，对于今天选择产品先行的创业公司来说，获取初始用户、积累反馈，以及进一步发展自身模型能力，都可能面临更大的挑战。

与此同时，基础模型公司的发展也让产品先行面临更多不确定性。如果一款产品主要依赖第三方基础模型 API，那么创业公司能够获得多长的发展窗口，很大程度上取决于上游模型公司行动有多快，以及它们选择进入哪些应用领域。

Cursor 就曾受益于这样的时间窗口。当时，Anthropic 尚未迅速进入相关编程产品领域，为 Cursor 发展自身模型能力留下了时间。

不过，这也不意味着面对基础模型公司和大型科技企业，创业公司就没有机会。

大公司虽然拥有庞大的资源，但未必会把这些资源全部投入某一个具体领域。比如腾讯，整体规模非常大，但具体到某个产品，实际参与竞争的可能只是一支十几人的团队。

面对这样的竞争对手，一家足够专注的创业公司仍然可能具备优势。从这个角度来看，大公司有时也像“纸老虎”：整体实力很强，但在具体领域，创业公司仍有机会与之竞争。

因此，产品先行仍然是一条可能走通的路径，但能否成功，很大程度上取决于市场时机。创业公司需要争取足够的时间积累用户、发展自身模型能力，并逐步建立产品优势；如果上游模型公司推进得更快，原有产品也可能在形成足够优势之前，就面临被覆盖的风险。

 03  研究与产品交替迭代

第三条路径，是让研究和产品在发展过程中不断交替推进。研究成果可以转化为产品，产品进入实际使用场景后，又可以为下一阶段的研究提供反馈和方向。

DeepSeek 就采用了这样的发展方式。虽然 DeepSeek 在 V3 和 R1 发布后获得了广泛关注，但在此之前，它已经经历了多轮模型研发和产品迭代。

早期，DeepSeek 先从相对较小规模的语言模型研究入手，将阶段性的研究成果发布出来，让用户能够直接体验，并获得来自市场的反馈。随后，团队利用这些反馈继续推进下一代模型的研究和改进，再将新模型推向市场。

经过这样的多轮迭代，研究成果不断进入实际使用场景，用户反馈又为后续研究提供参考，DeepSeek 也在后续模型版本中获得了更广泛的关注。

Mindverse 的发展过程也体现了研究与产品之间的交替推进。

2023 年，Mindverse 团队从 FireAct 研究起步，探索如何通过训练提升语言模型执行智能体任务的能力。研究论文发表后，团队推出了第一款产品。在此基础上，团队又重新投入模型研究，围绕 Meta 的 Llama 70B 模型开展后训练工作，尝试改善模型在内容生成、写作等任务中的表现。

到 2025 年，团队进一步探索更大规模模型上的强化学习训练，并在这一阶段推出了 Macaron AI。在 Macaron AI 推出之后，Mindverse 又将研究重点延伸至模型训练与推理基础设施，并进一步发展面向企业客户的相关业务。

从 FireAct 到第一款产品，再到模型后训练、Macaron AI，以及后续的企业服务，Mindverse 的发展经历了多次从研究走向产品、再重新投入研究的过程。

DeepSeek 和 Mindverse 的经历都展示了研究与产品交替迭代的可能性：团队可以将阶段性的研究成果投入实际使用，通过产品获得反馈，再利用这些反馈或已有的技术积累，推进下一阶段的研究与产品探索。

这条路径为研究和产品之间建立持续联系提供了一种可能，但两者能否形成有效的相互支持，仍然取决于研究成果的实际价值，以及产品能否获得有意义的使用反馈。

从自己更擅长的事情开始

三条路径都有成功的案例，也各有难度，但对于具备科研背景的 Researcher Founder，从研究开始通常会相对容易一些。

一方面，科研人员可以通过论文和项目合作，了解潜在联合创始人的能力与合作方式，尽早判断双方是否适合长期共事。另一方面，研究本身就是他们已有的优势，可以先持续积累有影响力的成果，再逐步探索产品和市场。

当研究取得重要进展时，也可能为团队带来融资和产品化机会。即使最初的产品尝试未能成功，持续积累的研究能力仍可能支持后续探索。

创业本身已经足够困难。从自己更熟悉、更有积累的领域开始，往往能让最初的几步相对容易一些。