创意可以看成对现有元素的重新组合,但判断它是否真创新,要看它是否解决了一个此前没被满足的真实需求;获得创意的路径是靠近真实问题、快速交给现实修正,而不是坐在房间里凭空想点子。
AI根据立正公开的文章和视频整理,不是他本人回复。重要的判断,请回到出处核对。
组合是形式,真正的新在于看见了没被满足的需求
材料里的观点把已有元素重新排列,确实能产生新东西,但排列本身不保证价值。判断一个点子是否真创新,可以问:它是否让一笔原本不会发生的交易变得值得发生?如果只是把别人正在卖的东西换个排列,那还是在争夺旧需求,价格容易成为最后的计分牌。真正的新需求,是看见一群具体的人身上真实而尚未被满足的需要,并给出足够好的解决方案。屠龙在访谈里提到,小体量时过早看竞对往往有害,因为你会发现对方的功能确实有道理,抄一点、他抄一点,最后变成没有特色的四不像,还主动接受了对方定义的竞争维度1。
创意来自离真实问题足够近,再交给现实修正
材料里的观点灵感不是凭空想出来的,而是离真实问题足够近,近到能看见别人习以为常、却仍然值得改变的东西。有了这个判断后,还需要勇气在它尚未被数据证明时,就把它做成产品,尽快交给用户和现实修正。夏淳博士对第一次创业者的提醒也指向同一件事:一开始想的点子基本可以打赌是错的,创业者需要不断调整,Zoom 早期也走偏过,后来才转向企业用户。所以使命上要坚定,路径上要灵活,市场不是静态靶子,而是移动中的变量2。
把注意力放在高价值问题上,比多产点子更关键
如果创意是为了做出真正有影响的东西,那更值得投入的不是数量,而是把注意力集中到少数高价值的问题上。立正讲过,我们做的很多工作其实没有意义,找到那少数真正重要的事,效率会拉开巨大差距3。他也提到,回报往往是超线性的:比别人好一倍可能得到十倍用户,质量低一半可能什么都得不到,所以与其做很多事每件做到八十分,不如聚焦一件事做到一百五十分4。这和创意的关系是:真正的新点子往往来自对某个问题的深度投入,而不是浅尝辄止地扫过很多方向。
现有材料没有直接定义“创意”本身,也没有给出判断创新性的统一标准;上述判断是从关于新需求、创业调整和高价值工作的材料中推出来的。
出处
- 1AI提效的危险,在于急功近利
讲清了新需求与旧需求竞争的区别,以及小体量时抄竞对为什么会磨掉特色,适合核对“什么算真创新”。
- 2从“算计太多”到“心力劳动”:我和夏淳博士聊硅谷创业、AI时代与人的下一次迁徙
夏淳博士谈第一次创业者的常见误区,说明点子一开始往往是错的、需要不断调整,适合理解创意如何被现实修正。
- 3如何找到10%高价值工作,降维打击内卷?
解释为什么大部分工作没有意义、找到少数重要的事能拉开差距,适合理解创意该往哪里投入注意力。
- 4“80 分陷阱”:你越忙,越拿不到真正的结果
讲超线性回报和聚焦一件事做到极致,适合理解为什么深度投入比多产点子更可能产生真正的新东西。
你也有想问的?
卡住的时候,问问立正:回答只从立正讲过、写过的东西里来,每一段都能点回原文。
问类似的问题也可以接着问:
别人还问了
- 什么场景/团队/项目用MCP/Skills什么时候不用
MCP 和 Skills 不是按场景二选一,而是先看结果、再看它是否真省 context:官方 MCP/CLI 简单但结果杂乱、几轮就撑满窗口时,才值得自己做成 Skill。
- 如何用 AI 辅助 产品设计
用 AI 做产品设计,关键不是让 AI 画图或写代码,而是把 AI 放进产品运行过程里承担任务,并把自己的判断标准写成 AI 能读的上下文。
- 如何能找到building的第一个东西
先做一个能跑通的最小版本,用它来发现你原本看不见的需求;building 是习惯,不是一次学会的知识。
- 想做的事情太多,身边的噪音也太多,害怕选择了一条路放弃了别的东西,什么都想抓住,到头来什么都做不好。ai时代日新月异,该如何保持well informed,同时找到并且坚定自己的conviction
先分清哪些是决定方向的层级、哪些只是执行方法,再把“保持知情”当成筛选信息的能力而非追新;信念感来自对底层逻辑的理解,不是靠意志硬撑。
- 如何有效的整合和利用数据?
整合数据的关键不是把数据堆在一起,而是先建立对业务、产品和用户的正确心智模型,再用实验检验每个改动,让数据回答它真正能回答的那部分决策。
- Ai平权下,资源更值钱,那么学习知识的目的是什么
AI让知识本身不再稀缺,学习的目的从「记住答案」转向「能判断、能行动、能交换」——用行动和思考引领求知,而不是先囤知识。