传统黑客松一般是 48 小时的比赛周期,一些 AI 黑客松也是采用类似的周期,但现在更多的 AI 黑客松开发时间很短。
即将进入大三的泽楚,曾经和多家互联网大厂合作举办校园性质的 AI 黑客松,也有多次参赛经历,他告诉我们,“ 现在黑客松越来越多,几乎每个城市都要办一场,有点为了做而做,质量就很难保证。举办方也不会特别重视,还要考虑成本,所以时间会压得很短。比如我之前参加的一个 AI 黑客松,开发时间甚至只有一个下午。”
开发时间压缩带来的一个直接后果是,项目很难做完整,“ 所以经常会出现直接用 PPT 展示的情况。有 AI 辅助之后,大家展示的很多其实就是前端,和技术没什么关系,甚至可以说和 PPT 也没什么区别。”
评审偏好也发生了变化,“ 一个项目最后能不能获奖,可能取决于产品好不好看,以及路演的人有没有感染力,这也会带来优秀团队主导角色的变化。以前可能是做产品的人主导,现在可能变成谁更会路演、谁更有台风,谁来主导。即使没有专业背景,借助 AI 也可以很好地承担主导角色。”
“很多中小型 AI 黑客松的评委也没有那么专业,有些校园性质的 AI 黑客松找的是学校里的老师或者学生,所以才更关注项目趣味性、路演感染力而不是技术水平。有些做的一般的获奖项目,获奖者本身就是体量较大的自媒体博主,也比较擅长路演。”
如果说拿 PPT 参赛、认可 PPT 交付是一种质量倒退,那另一些操作则可能直接改变 AI 黑客松的性质。
泽楚表示,“ 因为一些 AI 黑客松会请当地大企业的 CEO 或者 VC 过来,有些参赛者就把它当成一个社交平台,带着成品直接来交流。”
“比如我之前参加的那个只有一下午开发时间的 AI 黑客松,大部分人都在聊项目、社交,并没有多少人在开发。但到了晚上路演,很多人展示的项目看上去是已经做完的阶段,其实就是直接带着产品过来拉投资。”
更过分的是,这些人不仅带着成品来参赛,甚至还不停拿着同一个作品走穴。“ 比如最近举办的一个互联网大厂支持的 AI 黑客松,我看到很多以前在其它地方见过的项目,人也是一样的。”
曾在企业担任数智化工程师,多次参加 AI 黑客松的晓雨( 小红书账号:晓雨 Arya )也告诉我们:“ 现在很多 AI 黑客松会见到熟悉的人,他们可能打磨一个产品后,参加这一场,再参加下一场,持续迭代、拿奖。真正从 0 到 1 开发,在短时间的项目打磨中其实不太占优势。”
“之前我参加过国内的一个闭门商业活动,有参与者在讨论融资和商业化,说自己想把产品做起来,但又不太愿意展示,觉得自己的产品有壁垒。有个评委就问他,你这个产品的壁垒是什么?对方回答说,是用 AI 和软件开发出来的。那位评委就说了一句,我觉得特别有意思:能用 AI、用软件做出来的东西,都没有壁垒。”
晓雨补充道,“ 很多项目都没有护城河,如果大厂介入,基本上是碾压式的。如果只是一个 idea,有了 AI 后技术上很容易复刻,产品和营销又没有优势,项目就很难形成壁垒。”
这就要说到另一个角色了,那就是 AI 黑客松通常会有的投资方。他们过来可能是想投资好的项目,也可能直接把方案白嫖走,晓雨说,“ 白嫖这种现象肯定存在,投资人也有自己的 KPI,他们手上可能有和你方向相似的项目,为了让自己的项目发展得更好,也会去找好的想法或者人才,把想法拿过去,或者把人挖过去发展自己的项目。”
泽楚也表示:“ 很多项目都是短时间内借助 AI 想出来的,本身没有什么护城河,甚至可以说是零护城河。你把自己的项目书一交,其实别人完全可以拿着你的东西去做。”
“不过,有些情况确实很难完全规避。比如我们上次在新加坡举办的黑客松,之前已经给了选手一个多月的场外开发时间,很难要求他们完全从零开始,也很难核实他们此前具体完成了哪些工作。现在有些技术能力很强的人,借助 AI 几天就能做出一个产品。如果别人能做到,而你做不到,也不能因此就认定对方违规。”
在新加坡这场黑客松中,作为主办方的 Claire 也近距离感受到了评审标准的多元化,“ 我们邀请的评审都是新加坡 AI 领域比较顶尖的人,当时请了 28 位,一般的黑客松很难请到这么多评委。
“他们有些是 Founder,有些负责技术、Business、资源链接或者安全。另外,也有 AI 实验室的学者、大学老师等。不同公司、不同岗位的侧重点本身就不一样,所以大家关注项目的角度也会不同。”
“我们也仔细看了他们的打分原始数据,同一个项目,有些评委打得高,有些打得低,这其实没有办法避免,因为不同背景的人本来就会有不同的偏好,哪怕两个人都是技术背景,对同一个东西的看法也未必一样。所以黑客松的评判本身就会有一定的主观性。有些人觉得 idea 的价值更高,有些人更看重技术落地,有些更看重现场展示和执行能力,有些人更看重 Marketing,希望最后能商业化。”
Claire 表示,“我最近正在做企业调研,尤其关注 AI 加工业这个领域。现在 AI 的软件方向的产品已经比较泛滥了,所以我觉得 AI 加工业是一个不错的赛道。中国本身就是制造业大国,工业市场非常庞大。但从目前的调研来看,AI 加工业的落地还是比较难的,除非是在一些小的场景里,才能够实现有限的落地。”
“因为工业本身对稳定性的要求很高,但现在的 AI 还不够稳定。很多制造业是整条生产线连贯运作的,如果 AI 系统不稳定就贸然上线,一旦出了问题,后续给企业带来的成本可能会非常大。另外,AI 本身也有一定的局限性。工业领域的很多经验都是通过长期实践、一步步试错积累起来的,有些东西很难标准化,更多还是需要定制化解决方案。所以,AI 说到底只是一个工具,是一种赋能手段。你还是需要具备解决实际工业问题的能力,才能借助 AI 把这种能力放大。”