a16z 合伙人:加密项目找 PMF 的三条活路

marsbit发布于2026-06-09更新于2026-06-09

文章摘要

a16z Crypto运营合伙人Jason Rosenthal提出,加密项目找到产品市场匹配(PMF)是其生存发展的关键,并分享了三条当前验证有效的路径。 首先,**绑定顶级客户,按需共建**。与所在领域最成熟的潜在客户(如大型金融机构)合作,根据他们的具体需求来定义产品。这种深度合作虽慢,但其采纳和验证比任何宣传或数据都更有价值,能精准指向PMF。 其次,**抢占指数增长曲线的先机**。在市场完全爆发前,提前洞察趋势并卡位。当前最明确的曲线是AI Agent正在成为自主的经济行为体。例如,项目如AgentCash正在构建让AI Agent能用加密货币自主支付的基础设施,为即将到来的Agent经济铺设底层轨道。 最后,**自己做第一个且最好的客户**。最持久的基础设施公司会先利用自身技术解决自己的实际问题,以此验证能力,再向外推广。例如,Matter Labs没有抽象地推销ZKsync技术,而是先用它构建了具体的代币化存款应用Cari Network,成功吸引了多家银行使用,从而证明了其基础设施的价值。 核心逻辑在于,找到PMF的最快路径不是盲目试错,而是选择正确的战场,通过深度合作、前瞻布局或自身实践,带着信念坚定执行。

作者: Jason Rosenthal

编译: 深潮 TechFlow

深潮导读: a16z Crypto 运营合伙人 Jason Rosenthal 总结了当前加密项目找到 Product-Market Fit 的三条路径:绑定顶级客户共建、卡位 AI Agent 指数级增长曲线、以及自己先做第一个用户。文章结合 LayerZero、AgentCash、ZKsync 等案例展开,对正在 pivot 或尚未找到 PMF 的团队有直接参考价值。

Product-Market Fit(PMF)是决定一家公司生死的最关键变量。找到了,你才有机会。找不到,别的什么都救不了你。

@jasonrosenthal 发推:

找到并实现 Product-Market Fit 是任何早期创业公司最有力、最重要的事。我职业生涯中花了大量时间在这件事上,横跨多家公司。以下是在 Web3 中找到 PMF 的 5 个策略。

砸更多钱进去,只是把跑道延长到一个糟糕的结局。跟真实战略脱节的增长黑客和持续空投,与其说是通往 PMF 的路径,不如说是在掩盖一个事实:你还没找到它。加密行业中一些最强大的武器(代币和网络效应)甚至会误导项目对 PMF 的判断。

好消息是,头部团队现在找到 PMF 的速度更快了。稳定币这样的杀手级应用已经跑通,传统金融和更广泛的消费者群体也在加速入场。

以下是三个正在跑通的模式。如果你的项目还在 PMF 之前,或者正在 pivot,认真看。

1.绑定顶级客户,按他们的需求造产品

找到你所在领域里最老练的潜在客户,跟他们一起共建产品。他们的需求就是你的产品规格书。

这比做一个通用产品然后公开迭代要慢,但如果你的第一个客户每天经手万亿美元的交易量,他们的采用比任何媒体报道、TVL 数据或散户关注都更有价值。PMF 的本质定义是你的产品能引起广泛客户的共鸣,而这些旗舰客户就是最好的风向标。

从加密创业公司和传统金融公司之间多个高调的合作公告和产品发布可以看出,现在的产品路线图正在被机构客户书写。区块链正在开始承载全球金融基础设施。

2.找到一条指数增长曲线,抢在前面站位

PMF 有时来自于把一个现有市场服务得更好,有时来自于在市场自己还没完全反应过来之前就看到它要往哪走,并且足够早地卡位。

当前最明显的那条曲线:AI Agent 正在变成经济行为体。它们自主调用 API、部署资金、以机器速度执行交易。「人类在回路中」这个假设崩塌的速度比大多数人预期的都快。

拿 Agent 商业化来说,Samuel Ragsdale 和 Ryan Sproule 在 Merit Systems 很早就看到了这一点,正在基于 x402 协议构建 AgentCash。AgentCash 让 AI Agent 用加密货币支付 API 访问费用,这是一个 Agent 无需人工管理账单就能自主完成程序化交易的基础设施。

支付是让 Agent 从「助手」变成「参与者」的关键环节。谁现在把这些支付轨道建起来,谁就在 Agent 经济到来时拥有一块基础层。

3.做自己的第一个、也是最好的客户

最持久的基础设施公司不会干等着外部开发者来验证自己的技术。它们先自己在自家轨道上构建应用,用实际运行来证明能力,然后再邀请别人来用。

亚马逊把这套玩法发挥到了极致。AWS 不是一开始就卖给创业公司的。亚马逊先为自己的电商业务搭建了所需的基础设施,在大规模场景下跑通之后,再逐步将其对外开放。

Matter Labs 的 Alex Gluchowski 正在跑同样的剧本。

他没有把 Prividium 当作一个抽象的企业产品去推销,而是把它锚定在一个具体应用上:代币化存款。成果就是 Cari Network。Huntington Bancshares、First Horizon、M&T Bank、KeyCorp、Old National Bancorp 这些美国区域性银行,现在可以在区块链轨道上实时跨行转移客户存款,而这些资金全程不离开受监管的银行体系。ZKsync 不只是建了轨道,还找到了轨道上的杀手级应用。

三个模式,一个底层逻辑:通往 PMF 最快的路径不是在黑暗中反复试错,而是选对战场,在所有人都跳进来之前就带着信念打下去。

跟那个验证效应能复利的客户共建。在共识形成之前就站到曲线前面。做自己的第一个最佳客户。

选一个适合你产品的模式,然后动手。

相关问答

Q根据文章,在加密行业中,什么是决定一家公司生死的最关键变量?

AProduct-Market Fit(产品-市场匹配,简称PMF)是决定一家公司生死的最关键变量。文章指出,找到了PMF,公司才有机会;找不到,别的什么都救不了。

Q文章中提到的当前加密项目找到PMF的三条路径是什么?

A文章提到的三条路径是:1. 绑定顶级客户,按他们的需求造产品;2. 找到一条指数增长曲线(例如AI Agent成为经济行为体),抢在前面站位;3. 做自己的第一个、也是最好的客户,先用实际运行证明能力。

Q在第二条路径“找到指数增长曲线”中,作者列举了哪个具体案例作为抢占AI Agent经济先机的例子?

A作者以Samuel Ragsdale和Ryan Sproule在Merit Systems构建的AgentCash为例。这是一个基于x402协议的项目,它让AI Agent能够使用加密货币自主支付API访问费用,旨在为AI Agent经济铺设关键的支付基础设施。

Q在第三条路径“做自己的第一个客户”中,作者引用了亚马逊和哪个加密项目的例子来说明这一策略?

A作者引用了亚马逊AWS(先服务自身再开放)和Matter Labs的Alex Gluchowski所采取的策略。他没有直接推销ZKsync技术,而是将其应用在代币化存款的具体场景中,构建了Cari Network,吸引了多家美国区域性银行使用,从而验证了其技术栈的价值。

Q文章作者认为,加密项目通往PMF最快的路径其背后的底层逻辑是什么?

A文章作者认为,通往PMF最快的路径其底层逻辑不是盲目试错,而是“选对战场,在所有人都跳进来之前就带着信念打下去”。具体方法是:与能产生复利效应的关键客户共建;在市场共识形成前就站到趋势前面;以及让自己成为技术的第一个最佳使用者。

你可能也喜欢

如何用 Claude 的 Dynamic Workflows 做深度研究

做技术调研容易陷入信息过载和结论模糊的陷阱。AI虽执行力强,但易困于当前信息且跨界联想弱。Claude近期推出的Dynamic Workflows(动态工作流)功能,旨在通过AI自动设计并执行任务流程来提升深度研究能力。 其核心是六种工作流模式:1) 路由模式:由主Agent判断任务类型并分发给最专业的子Agent处理,精准高效但处理模糊任务能力弱;2) 拆分合并模式:将任务拆分为多个独立子任务并行执行后合并结果,速度快但Token成本高,合并有挑战;3) 对抗验证模式:让多个Agent从反驳角度挑战同一结论,基于多数票通过,能有效减少确认偏误,但需基于事实而非观点;4) 生成与过滤模式:先生成大量候选方案,再用预设标准筛选出最优,能提升多样性,但过滤标准至关重要;5) 锦标赛模式:多个Agent竞争同一任务,通过两两对比逐轮淘汰选出最优,评判更稳定;6) 循环模式:通过自适应迭代不断尝试直至满足条件,擅长处理边界未知的任务,但有失控风险。 相较于作者自建的深度研究技能,官方的动态工作流增加了关键环节:问题拆解、信息可信度评估、交叉删除(投票淘汰而非简单合并)以及目标导向的输出。这有效解决了AI长任务中的目标漂移、过早停止、上下文污染和输出偏向等问题。 总之,Dynamic Workflows将研究流程本身结构化,通过多Agent的智能调度,显著提升了研究的效率和结论的可靠性,将以往可能需要十几次对话的调研压缩到3-4次,尽管Token消耗大幅增加。但它仍有局限:在验证机制上可能过于依赖官方文档而非事实数据;对于完全跨界、数据不足的深度思考支持有限;在解决方案的验证与成本权衡上仍有不足;在针对不同受众进行信息极致浓缩方面也需进一步优化。

marsbit20分钟前

如何用 Claude 的 Dynamic Workflows 做深度研究

marsbit20分钟前

当LP用豆包教我投资:一位私募GP的转行自述

文章标题:当LP用豆包教我投资:一位私募GP的转行自述 摘要: 本文通过一位前小型私募美元基金普通合伙人(GP)“二狗”的转行经历,探讨了AI工具普及对私募基金行业,特别是采用主观策略的小型基金与有限合伙人(LP)之间关系的冲击。 二狗指出,小型美元私募基金本就面临募资困境,原因包括其采用的“原始”开曼架构对亚洲LP吸引力不足,以及量化策略基金(尤其是AI赋能后)更受市场青睐。AI的普及进一步加剧了这一挑战。过去,GP的核心价值在于为LP提供专业的研究和决策支持。如今,AI工具实现了“信息平权”,LP能轻易获取分析并质疑GP的判断,导致双方摩擦增加,甚至引发撤资。 文章以二狗清退一位使用AI结论频繁质疑其操作的LP为例,说明了这种新型矛盾。LP群体“成分复杂”,包括高净值个人、企业主等,他们在AI辅助下,有时会过度自信,特别是在牛市散户收益可能超越基金时,更容易动摇对GP的信任。 然而,二狗认为问题关键不在于AI能力,而在于多数LP并未正确使用它。他们可能依赖“豆包”等陪伴式AI,这些工具为提供情绪价值可能产生“机器幻觉”,其逻辑自洽的分析未必符合事实。投资者往往是在寻求认同而非真相。 最终,AI未必会完全取代GP,因为资产管理本质是基于信任的服务业。但行业需适应变化:GP应善用AI提升自身,同时,在AI追求效率最大化的未来,“人类私募”或许也需要加强提供情绪价值的能力。

Odaily星球日报49分钟前

当LP用豆包教我投资:一位私募GP的转行自述

Odaily星球日报49分钟前

王川:当隔壁老王投资存储股票赚了三十倍后,如何还能不焦虑 (七)- 四分之一世纪的轮回

本文是系列文章的第七篇,探讨投资泡沫中的风险与人性弱点。文章以“净美元留存率”等概念为例,指出泡沫上升期企业和市场常存在浮夸与“反身性”需求,即需求与投机行为相互强化,推动价格非理性上涨。这种由恐慌和流动性驱动的需求以及对应的“反身性”投机者,共同制造了市场的极端价格。 作者进一步分析,存储、半导体等硬件行业面临更大风险,其周期并非由代码固定,复苏可能极其漫长。以美光、英特尔、思科为例,它们在21世纪初的股价高点,经历了超过25年才被突破,期间伴随超过80%的深度回撤。这背后是“牛鞭效应”(需求骤减但产能调整滞后导致严重过剩)和“叙事迁移”(资金追逐新故事,高估值叙事灵魂早逝)的共同作用。 文章指出,在泡沫中获利容易给人植入两大危险“思维钢印”:一是误将短期强劲增长等同于长期趋势;二是认为赚快钱、赚大钱很容易。这种心态使人如参加没有指针时钟的舞会,沉醉于狂欢,难以在逆转前离场。最终,市场逆转时,估值体系崩溃,可能面临巨额亏损和长达数十年的等待。 文末以“隔壁老王”为例,描绘了杠杆爆仓或急于翻本导致资源耗尽的典型结局。最后引用叔本华的比喻警示:同样的戏法看第二、第三次时,便失去了欺骗性,其魔力亦荡然无存。

marsbit1小时前

王川:当隔壁老王投资存储股票赚了三十倍后,如何还能不焦虑 (七)- 四分之一世纪的轮回

marsbit1小时前

交易

现货
合约
活动图片