Linkloud 引言
一款拥有超过 1 亿注册用户的 AI 产品，眼下最重要的产品工作居然是疯狂做减法。在 First Round Capital 这档主打深度访谈硬核创始人和顶尖投资人的播客中，Gamma 联合创始人兼 CPO Jon Noronha 分享了这场发生在成功之后的“产品重做”全过程。
Gamma 在 2023 年用 AI 拿走用户面前的空白页，一夜之间找到了 PMF。为了让当时还很弱的模型稳定工作，团队搭起了一套严密的“产品护栏（Guardrail）”。三年后，模型已经足够聪明，护栏却成了新的限制。本文主要拆解了这场重做背后更根本的问题：AI 产品的正确答案有多长的保质期，哪些系统必须耐久，哪些又必须随时准备被扔掉？Enjoy！
01. 模型变强后，Gamma 开始拆掉曾经有效的护栏
一个拥有超过 1 亿注册用户的 AI 产品，眼下正在做一件反常的事：收缩功能，拆掉当年帮助它成功的护栏。
Gamma 的 AI 版本诞生于 2023 年，那时候的大模型还称不上是 Agent，更像一组“笨道具”，随时可能自己把事情搞砸，得靠护栏把它们保护起来。
为了让这些还不够聪明的模型稳定产出一份能用的 PPT，Gamma 给产品加上了大量结构性限制：用户和模型都不能自由决定单个文本块的字体、颜色和字号，样式统一由系统控制；模型也不能直接写元素的 x、y 坐标，只能给出“三栏布局”这类语义指令，再由 Gamma 完成渲染；文字不能溢出到页面之外，字号不能小到读不清。
这套“护栏”做的事情，是把当时能力有限的模型，转化成一份稳定可用的产品体验。对于用户而言，这样做省掉了绝大部分调格式的精力，也应了 Gamma 的核心价值主张：拿走排版的琐碎，让人专注内容。
这套设计撑起了 Gamma 第一次真正的 PMF。但三年过去，更强的模型已经能处理复杂布局，甚至直接生成 HTML 和 CSS，这一套护栏正在反过来限制产品的上限。
我们当年立起来的这些护栏，正在拖住更聪明的 AI。我们现在的状态不是继续添加功能，而是不断做减法，放松限制，让 AI 承担更多。
团队要同时解决两个互相牵制的问题：把 AI 的创作上限抬高，也要保住原来那条稳定的质量下限和一套简单的编辑体验。曾经的成功条件，正在变成下一阶段的负债，PMF 不是永久的，你不会因为曾经拥有它，就一直拥有它。
02. 消灭空白页，才是 Gamma 找到 PMF 的真正转折
Zoom、Slack、Loom 都在疫情期间快速增长，一套全新的协作工具似乎正在成为机会。团队从一开始就盯着 PowerPoint，这个市场每月有约 10 亿用户，普遍的不满也留下了改造空间。
方向对了，时机却押错了。2020 到 2022 年，Gamma 基本只有原型，没有真正的产品。2022 年 Product Hunt 上线后，积累了最初几千名用户，月活可能只有数百，每日新增注册也停在数百量级，转化率只有 5% 到 10%。
这时候，Stable Diffusion 和 GPT-3 刚刚露头，团队意识到 Gamma 真正的核心问题是一张空白页：用户打开产品，面对一片空白的屏幕，然后从零开始。
做一份 PPT，第一步往往最痛苦。你要想设计、挑模板、搭结构、组织故事，再把内容一页页放进去。文字不能溢出，空白处还得找图填上。好不容易完成，同事改几下，整个版式可能又乱了。PowerPoint 和 Google Slides 早就有同样的问题，但一直没有更好的替代方案。
Gamma 成立之初访谈了 100 位用户，有顾问、教师、医生，也有科技公司员工。职业差异很大，抱怨却高度一致，出现最多的一句话是：
我把 90% 的时间花在排版上，只有 10% 花在内容上。
一份像样的 PPT，往往要花至少 10 小时。Gamma 用 AI 先生成一份可编辑的初稿，直接省去其中 8 到 9 小时。护栏让这份初稿足够稳定，空白页的消失则带来了需求爆发。
团队最初只是想改善低得惊人的激活率。新用户注册后停在空白页，不知道从哪里开始，直到 AI 版本上线后，他们才意识到，这也是用户每次制作 PPT 时最头疼的环节。Onboarding 此时与核心需求完全重合：只要用户在前 5 分钟拿到一份像样的初稿，Gamma“把 10 小时压缩到几分钟”的价值就被看见了。
AI 版本上线后，每日注册从数百跃升到一两千。正常的发布通常是短暂冲高再迅速回落，Gamma 的曲线反而继续向上，一两个月内爬到每天一万、两万、三万，第一年就突破每天十万。公司当时没有做任何付费营销，靠的是纯粹的口碑自增长。
服务器隔三差五宕机，客服请求堆积到处理不完，产品还没开始收费，就已经有用户写邮件求着要付钱。
PMF 的感觉，是你终于不用再把石头推上山，转身开始追着它往山下跑。
速度，是 Gamma 后来提炼出的唯一差异化词。这次成功也留下了一句被反复验证的忠告：如果什么都做不好，至少把 onboarding 做好，因为如果能在头五分钟里做对，就等于做对了产品剩下所有的价值主张。
但这次成功证明的只是入口找对了，并不代表团队此前对产品未来的所有判断都是正确的。
2025 年 7 月，基于用户自有材料的生成首次超过从零生成。到 2026 年第一季度，从零生成的占比已由 59% 降至 31%。来源：Gamma Creation Index 2026。
03. 顺序错了，正确的想法也会拖慢增长
Gamma 早期最重要的一个教训，跟“对错”无关，跟“先后”有关。
团队最初想创建一种介于 PPT、文档和网页之间的新格式，内容能在移动端自动适配屏幕重排，还可以加入实时互动元素。这个方向从长期看没有问题，甚至天然适配大模型。问题出在团队过于相信用户会一直留在这套新格式里，没有及时正视一个反复出现的实际情况：用户的同事、公司模板、协作流程，仍然生活在 PowerPoint 里。
于是 Gamma 补上了导出为 PowerPoint 文件的功能，但这个功能整整晚了一年。
当时的优先级被长期愿景带偏了。Gamma 急着建立专有格式和产品壁垒，却低估了采用新工具本身有多困难。生产力产品里的用户从来不是真空中的个人，他身后还有同事、模板、规范和协作对象。产品需要先搭一座通往旧系统的桥，等用户走进来，新的工作方式才有机会逐渐成立。
实时交互功能经历了类似的错位。第一轮 PMF 出现时，用户只想做出熟悉的 PPT，交互元素没有得到多少响应，还给 PowerPoint 兼容制造了大量麻烦。等 Gamma 有了自己的分发和使用场景，这些能力又开始变得有价值。它们可以让用户留在 Gamma 中完成展示，不再急着导出。
同一个想法，在不同阶段可能拥有完全相反的优先级。先赢得采用，再逐步建立黏性。
产品功能有自己的出场时机，商业模式同样如此。用户怎么付费、公司服务谁，也在跟着产品的阶段不断变化。
04. 从 10 美元订阅到 Fortune 25，需求改写商业路径
Gamma 没能找到一套可以从 2023 年一直沿用到今天的定价模式，也没能照着预想的节奏，从个人用户一步步爬升到企业客户。
AI 产品比传统 SaaS 更容易赢得第一次付费。用户清楚模型运行是要花钱的，也很容易在心里做一道简单的算术，省下的时间和要付的价格谁更划算。一个月省 8 小时，付 20 美元，对大多数人来说是显而易见的选择。
但首次付费不代表长期留存。Jon 把这种现象叫作“AI tourism（尝鲜）”：人们很愿意尝试一款新的 AI 工具，刷了一次卡，不代表真正养成了使用习惯。
PPT本身又是一个低频场景，Gamma 接受相当一部分个人用户注定会流失，也继续保留月付方案，用不同价格去筛选不同类型的需求。
最终形成三档定价：入门方案每月 10 美元，在发展中国家更受欢迎；Pro 每月 25 美元，价格更高，留存反而更好；Ultra 每月 100 美元，服务高频使用、追求更强模型和更好结果的人。个人订阅之外，又加上了 Team 和 Business 档位，团队版本的留存明显好过个人版本。
价格在这里也是筛选器，帮助 Gamma 看清谁只是来逛，谁会真正留下。
另一条增长曲线来自企业。Gamma 原本计划从个人用户开始，慢慢进入 SMB、中型企业，再走向大型企业。但竞争的速度和现成的需求打乱了这个节奏。
当时 Gamma 大约 50 人，其中 20 名工程师，没有销售团队，也没有完整的合规、隐私和 IT 审批体系。团队甚至试图拒绝一些 Fortune 25 级别的客户，对方却一次又一次自己找上门。
原因很简单，企业内部已经有员工在自发使用 Gamma，同时不少公司的 CEO 正在自上而下推动“AI mandate”，员工被问到最想用 AI 做什么，除了聊天工具和 Coding 工具，第三个反复出现的答案就是 PPT。
企业真正愿意付钱的地方，是团队里那些重复发生的工作流。比如销售团队把 Salesforce 当作 CRM。每当商机创建、进入新阶段或完成一次会议，Gamma 都可以调用已有材料，自动为销售生成下一场会议需要的 PPT。原本靠复制粘贴模板维持的脆弱流程，就这样变成了一个稳定、可重复的组织级流程，价值远高于单纯多卖几个席位。
Gamma 的前 1% 创作者更频繁地使用 Agent、文件上传、Connector 和 API。高产来自工作方式的改变，也意味着 Gamma 的价值正在从单次生成进入重复工作流。来源：Gamma Creation Index 2026。
05. 服务一亿用户的系统，只准备使用六到十二个月
传统工程喜欢造桥，希望系统稳定运行几十年。Gamma 现在更像在搭脚手架。它同样要结实，甚至要承受超过 1 亿注册用户的使用；但团队从动工那天就知道，模型再进步几轮，这套结构很可能需要拆掉。
我们要建的系统，得撑住一亿多人使用的规模，但只准备用六到十二个月。因为模型进步太快，终究要跟这些系统说再见，把它们扔掉，重新建。
这不代表一切都可以将就了事。Gamma 对用户仍然承担着长期责任：数据隐私和安全必须稳定，内容的存储、渲染和访问必须可靠，PPT 常常是长期存在的工作资产，产品不能在模型升级之后擅自更改用户已经完成的东西。
相反，生成和编辑内容的方式，应该更快迭代，甚至比现在还要更频繁地被替换。
最终作品必须耐久，生产作品的方法可以易朽。
这个判断也改变了 Gamma 对功能数量的态度。界面里每增加一个按钮、一个旋钮、一个格式选项，都会形成未来必须维护的承诺。模型能力一旦覆盖它，团队仍要继续兼容用户过去的习惯。
功能做得越满，AI 可以发挥的空间越小。
Gamma 开始倾向于更少、更简单的 Building Blocks，再把开放需求交给模型。与其为几十种布局分别制造控制项，不如让模型直接生成 HTML 和 CSS。原来需要产品填满的空白，现在要主动留给模型。
精简团队也强化了这种取舍。团队一度做到人均 ARR 超过 200 万美元，人效极高，压力极大，却也逼着产品团队练出了最难的一项能力：主动做减法。AI coding 又进一步压低了临时搭建的心理成本。既然一套系统可以快四倍做出来，团队就更没理由舍不得在六个月后把它扔掉。
06. AI 时代，认真打磨产品也要允许团队推翻自己
Craft 一直是 Gamma 的核心价值观之一。早期的成功，来自团队对用户体验感的极度在意，来自设计师和工程师一起反复打磨产品的文化。但在今天的 AI 市场里，Craft 不能再意味着一个人关在工作室里雕琢好几个星期，也不能靠所有人通过共识分享同等的产品所有权。
团队必须更早把东西发出去，在真实使用中检验它是否成立，也必须更快地舍弃不再成立的功能。
用一句话概括数据和创造力就是：用数据诊断，用设计求解。
活跃度、用户分层、流失去向，这些数据负责指出 PMF 正在哪里松动。用户访谈提供的是定性的信号，但用户不会替团队直接设计出答案。
真正的解法往往来自设计师做出的一份 Mockup，或者工程师借助 AI 迅速拼出的一个 Prototype，有时候一个新方案能把之前听到的三四个分散问题一次性合并解决，再拿回用户面前验证是否真的成立。
Gamma 的前 1% 创作者平均修改 4.5 次，是普通用户的 1.8 倍。生成速度越快，成熟创作者反而越重视后续编辑。来源：Gamma Creation Index 2026。
过去，这个循环需要 6 到 12 个月。今天，它可以缩短到一天至一周。Gamma 发展到大约 100 人时，已经感觉自己太慢。两三人的团队几乎没有历史负担，可以快速转向；大公司却要面对向后兼容、合同、法律责任和组织协作带来的摩擦，速度很难达到同一水平。
真正有效的速度带有明确方向。团队需要每天被数据“扇一巴掌”，看清哪里需要激烈改变，哪里适合渐进优化，哪里已经表现很好，可以继续保持。
Gamma 也很坦率地承认运气。公司最初押错了远程办公，AI 浪潮恰好在公司现金流快要耗尽时到来。风何时吹来无法安排，调整船帆的速度仍掌握在团队手里。
AI 时代，模型会过期，正确答案也会。最危险的，常常是那一个你最舍不得放手的答案。
