样机能运行，为什么还没找到市场：从 YC 的 MVP 与 PMF 谈验证边界

把能做出来与有人需要分开

样机完成一次演示，证明团队在特定条件下做到了某件事。客户愿意再次使用，提供的是另一类证据；持续付费又是下一步。高校团队向市场前进时，容易把这些不同进展写进同一条增长曲线，结果既说不清风险，也不知道下一轮应该验证什么。

Michael Seibel 在 YC 的 MVP 课程中区分轻量产品与硬科技等领域较重的验证工作；在 PMF 文章中提醒，融资和团队规模不能代替用户需求。本文据此提出瞻行自己的验证表，表内步骤并非 YC 的统一评价标准。

假设一支 AI 团队帮助设备售后人员查找维修资料。第一版可以先服务一种设备、一个资料来源与一种问题类型。测试前写下：什么算找到可用答案，什么必须转交工程师，以及测试结束时要决定什么。如果范围仍是服务所有工业场景，就很难解释一次试用的结果。

硬件也可以缩小验证范围，但缩减的是场景与功能，不是必要的安全要求。割草机器人可以先在约定的封闭场地检验一个工作任务，而不是把未经充分验证的机器交给普通用户。具体测试边界应由团队与有责任权限的现场方共同确定。

下面这张表用于规划下一次实验。不是每个项目都按相同顺序推进，也不存在靠填满四行就自动达到 PMF 的结论。它的作用是让团队知道当前缺的是技术、需求、采购还是交付证据。

五家试用客户留下三家，和五十家试用客户留下三家，是不同的故事。记录起始样本、进入时间、使用机会以及退出原因，避免只展示累计注册或累计试点。工业采购周期较长时，按客户可使用的机会看行为，比机械套用每日活跃更有意义。

也要记录为这些数据付出了多少人工支持。假设每次使用都需要创始人提前整理半天资料，团队就还需要验证交付方式。人工支持在早期可以有价值，但应呈现在工作记录和成本假设里，而不是隐藏在看似自动化的体验后面。

周度复盘可以只回答三个问题：新增了什么证据，哪条假设被削弱，下周准备停止什么。继续验证、缩小场景、修改方案和暂停投入，都是可能的决定。尚未证明需求时，不应把增加功能当作唯一的前进方式。

向瞻行资本提交 AI、机器人或大学成果转化项目时，可带上测试边界、观察窗口和真实使用记录。没有收入的项目也能清楚说明进展；关键是把已经验证的部分与待验证的部分摆在一起，让资金、产品与团队安排围绕下一个具体判断展开。