产品匹配度Product Fit
Kimi 的 Coding、Agent、长上下文、Research、API 与开源能力，在开发者场景中更容易转化成可感知价值。
Coding · Agent · Long Context · Research · API00
01
02
第 1 问 · 我的选择
我的选择
≫
优先服务「用 Kimi 创造东西的人」，而不是「只和 Kimi 聊天的人」
03
第 1 问 · 为什么是他们
为什么选开发者？因为三个条件同时成立
商业价值Value
高频工作流 × 明确生产力收益 × 更高付费意愿。真正应该找的是“AI 帮他创造的经济价值最高的人”。
高频工作流 · 明确生产力收益 · 更高付费意愿增长杠杆Leverage
个人使用 → 构建产品 → 带入团队 → 进入企业 → 触达更多终端用户。
个人使用 → 构建产品 → 带入团队 → 进入企业 → 触达更多终端用户04
第 1 问 · 为什么不选大众用户
为什么不是大众用户？
这部分群体固然大，但是Kimi当前的比较优势不在那里
性能、成本、Agent 能力和 API 体验
品牌认知、默认入口、广告投放和生态绑定
差异化更弱
简单问答、写作、翻译、搜索、娱乐已被 ChatGPT / Gemini / Claude 等充分覆盖。
品牌与渠道竞争更激烈
大众市场更依赖品牌认知、默认入口、广告投放和生态绑定；开发者更愿意按性能、成本、Agent 能力和 API 体验多模型选择。
商业价值更难量化
普通用户的使用价值更分散；开发者更容易把 AI 转化为生产力收益或商业收入。
Kimi 不一定需要先拥有所有最终用户，它可以先成为更多 AI 产品背后的能力层。
05
第 2 问 · 案例
出海商业化案例
TikTok Shop
它靠什么赚钱？关键假设是什么？我做会有什么不同？
TikTok Shop 最值得关注的不是把中国直播电商的模式搬到海外，而是验证了「内容可以直接创造消费需求」这套逻辑全球适用。开始拆解 →
06
为什么是 TikTok Shop？
TikTok Shop 已经从「出海试水」， 走到了「规模化商业化」
2025 年，TikTok Shop 已在全球形成数百亿美元交易规模， 并在美国等核心市场继续高速增长。
规模 × 增长 × 多市场复制→TikTok Shop 的海外商业化已经得到初步验证
07
第 2 问 · 商业模式
它靠什么赚钱？ 核心：一个能「自我强化」的商业飞轮
交易佣金和广告收入直接变现；内容、商家 ROI 与创作者生态让飞轮持续加速。
点击任意卡片，查看商业飞轮 ↗
●○○○○○
当前：01 内容与创作者作用：吸引注意力，建立交易入口
交易佣金 + 广告收入是直接变现；其余环节决定这两类收入能否持续增长。
08
第 2 问 · 关键假设
这套模式真正赌的是： 内容能不能创造购买意图？
用户打开 TikTok 原本不是为了购物。 TikTok Shop 要成立，必须把“我只是看看”变成“我现在想买”。
消费内容
“我只是来刷视频。”
短视频 · Creator · Live消费商品
“这是我刚刚才发现自己想买的东西。”
Shop · Search · Checkout关键不是用户有没有购物需求， 而是内容能不能创造原本不存在的购买需求。
83%曾在 TikTok Shop 发现新产品70%曾发现新品牌
TikTok Shop 赌的不是海外用户会复制中国人的购物方式， 而是「内容能够创造需求」这件事本身具有跨市场性。
09
第 2 问 · 如果是我
同一个商业机制， 在不同市场应该长得「不一样」
美国 TikTok Shop 已经跑出了和中国、东南亚明显不同的成交结构
更偏直播驱动
- 直播成交
- 主播 / 达人强转化
- 成熟内容电商习惯
内容创造需求
- Content
- Demand
- Commerce
Shop + Video 更重要
10
第 3 问 · 故事开始
我的经历：大三那年，我主动 走进了一个完全陌生的研究项目
我本科是数据科学专业，一次偶然在校园网站上看到教授研究方向，觉得很有意思，于是主动给教授发了邮件。
几轮沟通后，我加入了一个全是博士生的实验室，自己做了一个此前从没接触过的实验系统开发项目。
- 看到研究方向
- 主动联系教授
- 加入 Lab
- 接到陌生项目
11
第 3 问 · 最大阻力
我接到的，是一个连技术路线 都还在摸索中的项目
实验目标很明确，但系统怎么搭、多人状态怎么同步、最后用什么框架，都要边做边试。
博士生团队研究人和算法在追逐、合作中的策略选择；而我要搭一个多人实时实验系统，让受试者在 2D 场景里互动，并记录行为轨迹。
- Waiting Room
- 实时对战
- AI Hunter
- 轨迹记录
当时的我：数学+数据科学背景
- 只上过两节Python的课
- 没做过前端项目
- 没搭过多人实时系统
- Web部署经验接近0
“这真的是你想做的吗？如果不是，你也可以找一个更适合自己背景的 Lab。”
“我想先试试看。”
2024 年，AI Coding 还远没有今天成熟， 我只能一边问 AI，一边自己试、自己判断。
01简单网页原型
先验证两个玩家能不能进入同一个 Waiting Room。
遇到的问题状态同步一直出错玩家 ID / 实时位置 / client-server state12
第 3 问 · 为什么坚持
教授给了我退出的选择， 但我还是想试试看。
更安全的选择
回到熟悉的领域
- 数学 / 数据科学
- 已有技能
- 更低的试错成本
OR
我的选择
留下来，把它做出来
从一个模糊的实验想法，做到真正能运行的系统。
13
第 3 问 · 怎么做成
我先让两个用户成功进入同一个房间， 再一点点把系统做出来。
点击节点，看看系统怎么一点点长出来 →
01先验证最小闭环：两个玩家能不能稳定进入同一个房间。
先验证最小闭环
AI 给方案，我负责测试、判断和修改
- 开发
- 部署
- 用户实验
- 数据采集
14
第 3 问 · 前后对比
2024 → 2026：工具变了，我解决问题的方法没变
今天十分钟能完成的事情，两年前可能需要反复试错很多个小时。
gameAreaTrial 1
两名玩家追逐黄色目标
Prototype works
Basic movementTarget chasingMinimal state feedback
ROOM 01TRIAL 01 / 03
P1P2TARGET
P1P2
Chasing target...
Same logic, clearer system
Player / trial stateTarget-caught feedbackCleaner UI
← → / Space