十五年前 Eric Ries 告訴大家要快速迭代，沒想到十五年後，這套理論被生成式 AI 玩成了最廉價的垃圾產線。現在 Hacker News 上還有人問他 AI 時代要怎麼更新精益創業，其實答案就在眼前：當你用 Claude Code 幫新書做總結，或者讓 ChatGPT 幫你寫 MVP 代碼時，你到底是在創業，還是在製造一堆連你自己都不想看的數位排泄物？這種現象在矽谷已經變成一種病態的循環，大家都在追求速度，卻沒人關心那個所謂的「最小可行性產品」是不是真的有靈魂，還是只是大語言模型根據幾千億個 token 拼湊出來的統計學幻覺。
目前四大平台裡，xAI 的 Grok 在這種「即時反應」的場景下表現得最像個刺頭。如果你把 Eric Ries 那套關於使命感和公司腐化的理論丟給 Grok，它不會像 ChatGPT 那樣給你一堆溫和的、充滿爹味的建議，它可能會直接嘲諷你現在的商業計畫書根本就是從別人的 Prompt 裡偷來的。這就是問題所在：當我們討論 AI 賦能創業時，我們其實是在討論「決策成本」的消失。當決策變得太容易，失敗也就變得不再具有教育意義。ChatGPT-4o 在處理這類商業邏輯時，總是表現得太過圓滑，它會順著你的話說，告訴你你的 MVP 很有潛力，這種「AI 幻覺式的鼓勵」正是精益創業最大的敵人。
技術層面上，Claude 在處理這種長週期的邏輯追蹤時，確實比其他模型更像一個合格的編輯。有人在 Eric Ries 的討論帖裡提到用 Claude Code 來整理新書進度，這涉及到對大量非結構化訪談資料的語義對齊。Claude 的長文本窗口處理能力，在面對這種需要深度理解上下文的任務時，注意力衰減控制得比 GPT-4o 好得多。但這也帶來另一個技術困境：當 AI 幫你過濾了所有的噪聲，你是否也失去了在噪聲中發現「真需求」的機會？精益創業的核心是在混亂中尋找秩序，而 AI 卻是直接給你一個預設好的秩序。
這時候看一眼現在的技術環境，DeepSeek V4 Pro 最近在特定圈子裡有點聲音，但那終究是另一條路徑的故事。回到主流視角，Gemini 在整合 Google Workspace 數據進行商業分析時，其 Function Calling 的穩定性依然是個硬傷。當你試圖讓 Gemini 調用你的用戶反饋數據庫來驗證 Eric Ries 的「開發-測量-學習」循環時，它經常會在工具調用的參數傳遞上出錯，導致你得到的數據分析結果與現實脫節。相比之下，xAI 的做法是直接把 Grok 接入即時數據流，雖然有時候顯得雜亂，但至少它捕捉到的是當下的情緒，而不是三個月前的靜態數據緩存。
現在的技術界有一種黑暗面，正如 Eric Ries 所說，優秀的公司會偏離使命。在 AI 領域，這種偏離表現為對「參數規模」和「響應速度」的盲目崇拜，而忽視了模型對人類複雜價值觀的承載能力。我們看到很多團隊利用 ChatGPT 的 API 快速搭建出產品，然後宣稱自己是 AI Native 的創業公司，但本質上他們只是在做一層薄薄的包裝。當底層模型的 API 稍微調整一下權重，這些所謂的精益創業項目就會像沙堆上的城堡一樣崩塌。
這引發了一個更深層的技術疑問：如果 AI 可以模擬出成千上萬個虛擬用戶來幫你做 A/B 測試，那麼 Eric Ries 強調的「走出辦公室去驗證」還有意義嗎？當你在 Grok 上運行一個模擬市場環境的 Agent，得到的反饋數據是真實的，還是僅僅是模型內部的自我強化？如果未來所有的創業驗證都是在矽基環境下完成的，那種源自於真實世界、讓人感到痛苦卻又清醒的失敗經驗，是否會就此絕跡？當技術徹底消滅了失敗的痛感，我們還能期待誕生出真正「不可腐蝕」的偉大公司嗎？或者是說，在 AI 代勞一切的時代，創業本身已經變成了一種自動化的演算，而我們只是在旁邊按個確認鍵的旁觀者？