现有材料里，最具体的方向来自梁津晶：ToC 应用、软硬结合、算力与数据基础设施；立正本人的材料则强调用 AI 替代劳动力、把 AI 放进用户实际使用环节。
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。
三个被明确点出的创业方向
材料里的观点梁津晶在访谈末尾给出三个方向。第一是 ToC 应用：她认为做 App 的成本和周期下降，ROI 变好，且 C 端付费意愿在提高；但她同时提醒，若做的是和 TikTok 抢注意力的零和类 App，竞争会更激烈，机会在解决以前做不到的实际问题。第二是软硬件结合，她认为国内创业者在硬件供应链上有先天优势，并举 Plaud 为例。第三是算力相关，包括 compute、芯片、存储及集成，她提到 YC 新一批项目里有帮企业托管或自托管模型的创业公司1。这些是她的判断，不是立正本人的结论。
立正自己的框架：让 AI 承担劳动力，而不只是辅助开发
立正在课程里把纳瓦尔的杠杆理论做了修正：纳瓦尔认为雇佣劳动力是最差的杠杆，但立正认为有了 AI 后，用 AI 取代的“劳动力”可能是一种很好的杠杆，并提到有专门讲用 AI Agents 取代劳动力的内容2。他在另一篇项目分类里也划了一条线：只在开发过程中用 AI、用户使用时没有 AI 参与的项目属于 L0，可以是有价值的工具，但要进入 AI 产品，需要让 AI 在用户使用时承担判断、生成或行动3。把这两点合起来，一个可操作的方向是：找一个原本要雇人做的重复性工作，让 AI 在用户实际使用时接手。
渠道和 GTM 上的提醒
陈唱在访谈中说，不要为了不招销售就硬做 PLG；产品单价高、setup 复杂、团队又没人真正了解市场时，纯线上投放测试大概率得到负面反馈。她认为 PLG 能成功，通常是因为开发者接入后很快体会到“啊哈时刻”，之后再靠销售拉高客单价4。周楠则说自己不怎么看软件，更关注 infra 和硬件，并提醒机器人领域真正稀缺的是落地场景中采集的数据，而不只是模型方法论5。这两条对选择方向的人意味着：方向之外，还要想清楚第一批用户从哪里来、产品能不能让人快速感知价值。
材料没有给出一个统一的“AI Building 创业方向”清单；上述方向分别来自不同嘉宾在不同时间的判断，且梁津晶与周楠的访谈日期在 2026 年，是否仍适用需结合当下市场核对。立正本人对这三个方向没有逐条表态，不能把他的框架直接等同于认可这些方向。
出处
- 1一个人管400个AI任务，已经是标配了？｜对话GitHub七万星的Orca创始人津晶
梁津晶明确给出 ToC、软硬件结合、算力三个方向及各自理由。
- 2第10课｜打工人的运用公式，最大化自己的赢面的具体路径
立正本人关于 AI 作为劳动力杠杆的表述。
- 3用“AI产品的六个层次”，分类AI Architect学员项目，结果如何？
立正对“AI 参与开发”与“AI 进入用户使用环节”的区分。
- 4建立AI时代的“非对称优势”：找客户、卖产品、选渠道｜对话硅谷增长专家，Hockey Stick陈唱
陈唱关于 PLG 适用条件和红人营销的判断。
- 52026年，硅谷创投，几乎不看AI应用了？｜硅谷一线投资人周楠
可回到原文核对这部分判断
你也有想问的？
卡住的时候，问问立正：回答附有出处，可以点回原文核对。
也可以接着问：
别人还问了
- 我现在在一家公司做数据工程师。公司初始以毕业生这个项目相当于管培生的这么一个项目进来的。去年的时候我转正，但是我们当时公司这个架构重组，所以其实我做的这些工作包括学的都是数据工程。但是重组之后，数据团队就只包含数据分析师和数据科学家，然后所在的是数据科学家团队，但我的头衔是数据分析师。现在我过去一年就是我接手了一个新的这个 AI 相关的项目，所以就一直在负责这个项目。今年的时候绩效考核我得了4分，就是算是超过预期。我就和领导提这件事，就是我的这个头衔是分析师，但是我做的事其实是数据科学家以及数据工程师的工作。我就问他有没有可能把头衔改变，他说他在争取。然后他还说我们之后可能会有这个机器学习工程师的岗位，不过就是还不知道什么时候能就是确立这个新岗位。然后我问他如果他是我的话，他会怎么来选择。 因为他也知道我现在的这个做的工作和我拿的薪水其实并不完全匹配。他说他可能会看一些外在的这个机会。我还问了他一件事，就是在这个公司是否能，比如我额外多做这件事情，然后我来要求这个升职。他说这个公司更多的时候就是，只有你想去的那个岗位，有人就是腾出来之后，你申请，才有可能获得岗位。他不太会是因为你做得多做得好，他就给你升职。不过它每年会给你一定的涨薪。所以我就是，以我现在做的这个数据工程，市场价大概是至少十万。我现在拿的是八万。所以我和他聊了之后，我就大概判断说，我在这个公司转这个晋升和不管是升职呢还是加薪，其实意义不大。所以我就把方向调转了。因为我这个工作是远程办公在家，所以很多时候我可能几天的活，我可能一两个小时我就能用AI来完成。所以我就想着，那我如果没办法提高我的公司，那我就要把我的工作时间压缩。这样子我就留出我的其他的时间，用在我的这个个人自媒体的这个制作上。所以这就是我过去大概两三个月就在做这一件事情。当然外在的机会我也会在看，也在投。不过我就在想，如果长久来说，并不真的是想在职场上就是晋升，无论是去当资深的工程师，还是去成为管理者。那我是不是现在我就把更多的时间和精力就放在做自媒体上，在我还有这个稳定的收入的时候。
你的判断有依据：在这家公司靠多做多好换头衔和大幅加薪，领导已明说路径很窄。把稳定工资当底线、把省下的时间投向自媒体，是合理的杠铃式配置；但先要把自媒体要放大什么说具体，再决定投入多少。
- AI 原生思维和会用 AI 工具，差别到底在哪？
差别不在会不会用工具，而在把 AI 当临时调用的工具，还是围绕它重建做事方式：先想清交付什么，再让 AI 承担判断与执行，并持续积累上下文。
- 我们公司成立了一个 AI 专项小组，现在要进行一个内部的分工和推进，我不知道应该从哪里开启。
本次呢，一共有 9 个人报名，然后经过一个启动会吧，每个人说出自己的想法，提问式的啊，提问式抢答，或者是有想法的就自己分享一下，选出了三个人，我是全票通过的，也是担任了小组组长的一个角色。
所以目前想了解一下应该如何的去推进。
先别急着分岗位。让每个人用一周时间，各自拿一件公司里真实的小事，用 AI 做出一个能看的产出，再根据产出和过程决定分工。
- 当下国内的AI产品快速迭代，作为一个纯外行我们接触ai的咨询是非常有限的，那么对于我一个身处国内的有极大兴趣了解和应用ai进行场景应用开发，工作优化的个人来说；我使用什么样的平台或许是更为合适的呢?(这里补充一下我目前使用的是trae+kimicode），是否我需要继续使用deepseek harness？ 在我的实践中，我如果以去寻找AI短视频开发的插件作为商业落地突破口，对比我现在的开发各种工作层面优化的插件；我想新选择的路线是否合适呢？
先别急着换平台或换赛道：立正主张先改方法和习惯，再选工具，并优先用开放、能调用任意上下文和工具的产品；短视频插件这条路线，现有材料不足以证明它比工作优化插件更适合你。
- ai会让哪些岗位更值钱？
AI 让“生成”变便宜后，更值钱的是能定义问题、设定约束、评估验收并对结果负责的人，而不是只会把执行做得更快的人。
- 作为在公司执行层的个人，相比于在中间做管理层，是否意味着未来有更大的左端机会。
不能仅凭“执行层还是管理层”就断定左端机会更大。材料更支持的是：离真实决策和真实客户反馈越近、能积累可迁移判断的人，左端机会更大；中层若只做传话和包装，反而更远。