核心命题:预训练覆盖与大厂竞争

你当晚提出的命题:"当前多数创业所做之事都处于大模型预训练数据的覆盖范围内,是否终将被大厂取代?消费数据是否属于预训练永远覆盖不到的领域?"

我们从技术、商业、产业史三个维度做了正反论证(红蓝对抗),结论分三层:

第一层:命题的技术判断成立

个人消费明细属于私域数据(private data),不存在于任何公开语料中,且因隐私监管与平台数据孤岛(data silo)效应,未来进入预训练语料的可能性极低。方向判断正确:与基础模型的通用能力正面竞争是高风险路径;基于模型无法获取的数据构建应用,是正确的选址。

第二层:但威胁模型(threat model)找错了对象

真正的竞争威胁不来自预训练,而来自推理期数据接入:平台方(蚂蚁、腾讯)无需将账单纳入训练数据,只需在推理时通过工具调用(function-calling)接入自有交易数据即可实现同等能力。且这已是现在进行时:蚂蚁 2025 年 11 月发布新一代 AI 产品,4 天用户破百万;其记账理财类助手用户量级在数千万至亿级。你当晚"支付宝的 AI 是外挂、我们才是原生"的判断已被事实证伪,应停用。

第三层:真正的结构性壁垒只有两条

竞争分析的结论:平台大厂在此赛道存在两个结构性约束(structural constraint,指由商业模式和产业结构决定、无法通过投入资源解决的限制):

1. 利益冲突(conflict of interest):平台的商业模式依赖用户锁定(lock-in)与金融产品分发,"数据可携带"(data portability,即用户可完整导出并迁移自己的数据)与其核心利益直接冲突——支付宝不可能提供"一键带走全部数据"的功能,因为这等于拆除自身的转换成本(switching cost)。
2. 数据孤岛的互斥性:微信、支付宝、银行之间的交易数据互不可见,任何单一平台都无法获得跨平台账本的并集(union)。完整消费画像的构建位置,结构上只能由中立第三方占据。

对外表述的标准口径(替代原命题表述)

"我们做一件所有大厂结构上做不了的事:把散在微信、支付宝、银行之间彼此不可见的交易数据,聚合成一份可携带、逐年累积的消费人格档案。支付宝做不了,因为这与其锁定模式冲突;微信做不了,因为它拿不到支付宝的数据。"

"不在预训练语料中"降级为技术注脚,不再作为主论点——因为它描述的是入场券(table stakes),不是护城河(moat)。

关于"是否永远如此"

否。当前窗口期由监管收紧与大厂组织惯性共同构成,估计以年为单位。窗口期转化为持久壁垒,依赖三项资产的累积:跨平台账本并集、逐年人格快照(纵向数据,后进入者无法追溯重建)、用户间社交网络效应(network effects)。 三者未成,窗口即为倒计时。

外部评审与现场反馈

方法说明:三个相互隔离的模型(DeepSeek v4、Kimi K3、MiniMax M3)在不接触我方任何内部分析的前提下,各自通读全部录音转写并独立出具评审;另汇总现场参与者的真实反应。三方评审的独立结论高度收敛。

三方一致的三项批评

1. 将入场券误认为护城河。 获取他人无法获取的数据只构成进入资格;可防御性(defensibility)来自上一篇所述的两条结构性约束,而你当晚的论证停留在数据获取层。
2. 商业模式回避。 "拿到钱的数据就不用纠结商业模式"——评审援引产业史:这正是中国记账应用十年衰亡潮(随手记、挖财、网易有钱)的共同教训,详见"市场事实核查"篇。
3. 两处严重减分表述:"商业模式不是难点"(信号:未经思考)与"数据主权象征性地还给大家"(信号:理念与动机不一致)。风险投资人对此类表述的解读几乎没有善意空间。

单列:最高风险的一段发言

第三场:"我本质上不是这个目的,我不能跟用户这么讲,但我可以跟你这么讲——他就是被我蒸馏了。"

该发言处于录音环境。对一个以"数据主权归还用户"为核心叙事的项目,创始人表述出"对用户与对同行两套说法",构成双重风险:其一,《个人信息保护法》(PIPL)框架下的告知同意原则要求对用户的说明真实完整,"两套说法"若公开将直接冲击合规叙事;其二,信任资产的不可逆折损。处置结论:对用户与对同行统一为同一套"数据贡献与回报机制"表述,无例外。

现场的市场信号

四场交流,零机构投资推进信号;唯一实质邀约来自媒体栏目。作为样本这说明的是当晚的叙事方式无效,而非项目无效(评审亦注明:深夜社交场合的表现不宜等同于正式路演)。融资路径结论与你的既有直觉一致:先完成天使/家办轮,补齐付费验证与准确度验证(见"行动项"篇),再接触机构轮。

评审综合评分

方向感 A-,战略论证 C+,叙事纪律 D+,可见执行证据 C-。结论:资产在方向与洞察,负债在表达与验证。

九句停用表述及替代口径

每条三行:原表述 → 听者的实际解读 → 替代口径。

1.「商业模式不是难点 / 拿到数据就不用纠结商业模式」 解读:未思考过变现路径。 替代:"变现有三条已识别路径;当前刻意优先积累数据资产与用户信任,第一条路径将于下月开始付费验证。"

2.「数据主权象征性地还给大家」 解读:理念是叙事工具,动机是数据收割。 替代:仅陈述已实现的工程事实——"逐项授权可见、随时可撤回、数据一键可携带,均已实装。"

3.「欲望消解隐私」 解读:操纵性框架(注:隐私经济学的实证研究——Acquisti 等,Science, 2015——恰好批判此类框架;且你被追问时自己也未能守住该表述)。 替代:"隐私不是被消解,而是被交换——基于互惠披露:用户每开放一层数据,先获得一层对应洞察。"

4.「我是你的供应商 / 他就是被我蒸馏了」 将远期 B 端期权表述为进行时,且隐含"两套说法"。 替代:"在用户规模成立后,用户可自愿授权匿名画像参与城市级消费洞察——这是远期选项,不是当前业务。"

5.「脱裤子你还要给我钱 / 把你底裤翻开」 裸露隐喻,媒体语境下即公关事故。 替代:"为你的钱做一次全面体检,把你未曾意识到的生活方式呈现给你。"

6.「反 AI 联盟 / 今明后年全是过渡态」 "反 AI"触发投资人警觉,且与我方深度使用 AI 的事实自相矛盾。 替代:"做未来五到十年必然发生、且基础模型自身无法触达的事。"

7.「数字孪生」(面向投资与技术受众) Digital Twin 在工程语境暗示 1:1 全量复制,当场已被质疑,且自设过高验证标准。 替代:"数字分身(persona)——不是复制,是基于行为数据的投影。"

8.「3 分钟复刻 80% 的你」(无限定词) 不可证伪的量化承诺,且口径在 80/85/80–90 间漂移。 替代:"3 分钟生成你的消费与生活方式画像,准确到能指出你自己已遗忘的支出。"

9.「我不能跟他们这么讲,但可以跟你这么讲」 最高风险,见上一篇。替代:无。对任何受众使用同一套表述。

附:「四个故事」的诊断与修复

四场表述经逐句比对,底层架构完全一致(数据层→人格层→社交层),问题在于每次从不同层级切入且不先给出整体框架——属表达层失控,非战略漂移。修复方案:任何场合开场先给主线句:

"大模型触达不到的交易数据 → 构建数字分身 → 以真实人格进入社交匹配。"

再按受众展开对应层:投资人→数据资产与结构性壁垒;技术受众→管线与验证机制;C 端→"懂你"的体验。主线句不因场合变化。

当晚的有效资产(保留并强化)

对抗性研究的另一半结论:以下内容经受住了三方评审的检验,属于应保留并强化的核心资产。

• 「你以为的自己 vs 行动的你」——对应经济学的显示性偏好理论(revealed preference,Samuelson 1938:陈述的偏好不可靠,实际支付行为才揭示真实偏好)。这是四场中兼具理论根基与产品力的最强表述,也是与一切"问卷式人格测试"产品的本质区别。面向学术或专业受众可直接使用该术语。
• 消费数据的宏观—微观贯通价值——获得财政部背景智库研究者的独立同构表述,构成外部佐证。个体账单向上聚合即为城市与时代的消费结构切片。
• 反标签化论证(购买帮宝适不构成"精致中产"推断,啤酒购买模式反而更具判别力)——论证有效,保留。但须注意一致性约束:我方"3 分钟画像"必须避免落入同类静态标签化——标准表述为"事实层先行校准,解读层持续迭代"。
• 现场记忆实验("你上上周三中午吃了什么"——无人能答)——即席演示了自传体记忆(autobiographical memory)的系统性缺失,是"账单记得你不记得的人生"最有力的开场论证,收入标准演示流程。
• 「truly you / 真实」定位——直觉正确:市面社交产品的竞争维度是呈现优化(美化),账单数据的不可伪造性是唯一反向定位。该定位与"85% 真实 vs 120% 美化"的表述冲突,统一口径见下:输入层 100% 保真(不可伪造的事实),呈现层由用户自主选择(可配置的表达)——分别对应社会学拟剧论(Goffman)中的后台与前台,二者不矛盾。

关系与线索资产

• 建议保持联系:空间音频数据团队(评审判定当晚最扎实的项目)、记忆产品团队(技术认知最清晰)、财政部背景智库研究者(数据价值观同频)。
• 产品线索入库:"择偶匹配 agent"已列入社交产品评审议程。
• 信号:你的多个原创表述(如"蒸馏"隐喻)已被他人独立说出——认知开始形成圈层共识。这既是方向验证,也是紧迫性信号:认知的稀缺性正在衰减,执行的稀缺性在上升。

行动项(按优先级)

1. 撰写单页文档:「为什么支付宝做不了这件事」

内容即"核心命题"篇的两条结构性约束(利益冲突/数据孤岛互斥)。这一页是后续所有融资沟通的第一页;若无法流畅成文,说明论证仍有缺口。素材已备好,待你回来定稿。

2. 产品上线首日即设置付费点

定价可低(例如 9.9 元),目的不是收入而是付费验证(willingness-to-pay validation):以真实交易验证"用户愿意为看清自己付费"这一核心假设。免费积累用户、变现无解的路径,记账应用行业已有完整的失败样本库(见"市场事实核查"篇),你此前 600 万用户产品的经验亦属同一教训。

3. 为数字分身建立准确度核验回路

让每位用户对自身画像进行确认与纠错,形成"预测→确认→修正"的闭环,并将准确度提升做成可对外展示的指标。这同时是:产品护城河(纵向数据资产)、融资叙事的证据层(可验证的数据飞轮)、以及防止画像退化为"星座运势式泛化描述"(Barnum effect,巴纳姆效应)的机制保障。系统底层能力已具备,缺一个显性化的指标层。

合规前置(必须知晓)

2026 年 7 月 15 日,网信办等五部门发布《人工智能拟人化互动服务管理暂行办法》:对"模拟人格特征、开展持续性情感互动"的服务设立监管框架,月活跃用户超过 10 万即触发强制安全评估。该定义直接覆盖数字分身类产品。

判断:短期是约束,中期是壁垒——合规成本对后进入者同样成立,先完成合规架构者获得结构性先发优势。产品设计自第一天即按此框架执行,已列入工程日程。

市场事实核查

以下为研究过程中的全网事实核查结果,均有公开来源,与决策直接相关。

数据聚合类产品的产业史结论

• Mint(美国):个人财务聚合的标杆产品,2,500 万注册用户,免费运营 17 年未建立可持续变现,2024 年被母公司 Intuit 关停。
• 随手记、挖财、网易有钱(中国):均曾达到千万级用户。现状:前两者边缘化,网易有钱已关停(其衰退与 2018 年前后监管收紧银行数据抓取直接相关)。
• Plaid(美国):同样以数据连接起家,但定位为 B 端基础设施(为金融应用提供账户连接 API),年经常性收入超 5 亿美元并实现盈利。
• 产业史结论:数据获取(access)本身从未构成商业模式;唯有转化为付费意愿明确的用户价值,数据才成为资产。 这正是三方评审在商业模式问题上不放行的依据。

"数据主权"的市场检验

Tim Berners-Lee 主导的 Solid 项目(数据归属用户的个人数据仓,Personal Data Store)拥有 BBC、英国政府等背书,十余年未能转化为大众产品。结论:数据主权作为理念不构成独立卖点,必须封装在具体用户价值中交付。 我方"数据可携带"的表述必须始终与具体收益绑定。

支付宝年度账单:传播机制与合规边界

年度账单的病毒式传播证明"以账单叙述个人年度"具备真实的传播势能(机制:自我呈现+社交货币)。但 2018 年其因默认勾选《芝麻服务协议》被工信部约谈。结论已列为我方产品红线:叙事产品与数据授权动作必须在交互上完全分离,禁止在情绪高点获取授权。

AI 伴侣/数字人赛道:需求与监管并存

国内头部产品日活达数百万量级,需求真实;但 2025 年"清朗"专项后头部产品下载量单月下滑约 80%,美国亦出现针对 AI 伴侣产品的诉讼。叠加 7 月 15 日新规,该赛道的准确画像是:需求真实、增长受监管节奏调制、合规能力构成竞争壁垒。

大厂动向核查(2025–2026)

蚂蚁、腾讯、字节、美团在"记账/理财助手"功能层已充分布局(蚂蚁系三款产品用户均过亿);但在"消费数据→人格叙事→社交匹配"这一层,各家均无公开产品或明确布局。结论:差异化窗口真实存在,且恰好位于监管敏感区——因此合规前置不是可选项,是窗口期的入场条件。

理论基础(用于对外沟通与产品设计)

以下为跨学科文献研究的核心结论,每条附规范术语与出处,可直接用于融资沟通、产品设计评审与对外内容。

为什么人需要"消费自传"

• 延伸自我(Extended Self,Belk 1988;数字时代修订 2013):人的占有物与消费构成自我概念的一部分。查看消费记录本质上是自我审视行为——这解释了年度账单类产品的情感势能,也是"消费自传"的心理学正当性。
• 自传体记忆(autobiographical memory,Conway 2000):人对自身经历的记忆呈系统性重构与遗忘。账单作为不可篡改的行为记录,恰好补足记忆的结构性缺陷——即现场记忆实验的理论基础。

需要规避的两个效应

• 怀旧对财务动机的抑制(Vohs 等实验研究):怀旧情绪会显著降低储蓄与理财动机。产品含义:"回忆"与"财务管理"两类场景应在交互上分区,避免情绪与决策互相污染。
• 巴纳姆效应(Barnum effect):泛化描述会被用户误认为精准洞察,短期提升满意度、长期摧毁信任。防线即"行动项"篇的准确度核验回路:让画像可证伪、可纠错。

支撑核心定位的三个理论

• 显示性偏好(revealed preference,Samuelson 1938):实际支付行为比自我陈述更真实地揭示偏好——"你以为的自己 vs 行动的你"的学术表达。
• 拟剧论(dramaturgy,Goffman 1959):自我呈现分前台(表演)与后台(真实)。产品口径:数据层是不可伪造的后台,呈现层是用户可配置的前台——"真实"与"体面"由此统一,不再互相矛盾。
• 隐私计算行为的实证(privacy calculus / privacy paradox,Acquisti 等,Science 2015):用户以收益-成本权衡决定披露,互惠披露框架有效;操纵性框架("以欲望瓦解隐私防线")被该文献明确批判——这是第三句停用表述的学术依据。

一个技术边界的诚实声明

个性化 Agent 与记忆系统的前沿研究(Generative Agents 2023 及后续综述)显示:分身间自主社交所需的记忆交换机制,在学术界仍属未解问题。 对外表述的技术诚实边界:说"AI 辅助撮合与破冰"(已可实现),不说"分身自主代理社交"(尚不可实现)。承诺保持在可兑现范围内,是技术信誉的一部分。