别再等灵光一现：先开始，再迭代

扎克伯格在近期的一段分享中，对流行文化里的创业叙事开了一炮。他没有谈技术趋势，也没有复盘产品决策，而是直指一种几乎人人默认的观念：伟大的创新来自某个瞬间的“灵光一现”。在他看来，这不仅是一种误读，更是一句危险的谎言。

灵光一现的神话正在劝退行动者

“如果我在开始之前就必须知道关于连接人们的一切，那我永远不会建成 Facebook。”扎克伯格的这句话点出了问题的核心：起步并不需要完整的地图。

但电影和流行文化反复灌输另一种画面——主角在某个瞬间被闪电击中，然后一切顺理成章。这种叙事带来的心理后果是微妙的：它让人觉得自己“还没等到那个时刻”，从而把迟迟不行动合理化为等待灵感。更糟的是，它让那些手里已经握有好点子雏形的人，因为觉得自己的想法不够“完整”而不敢迈出第一步。

扎克伯格的判断很直接：这种单一顿悟时刻的观念，是“一句危险的谎言”。它制造的不是激励，而是自我怀疑。

好点子最初都只是种子

注意扎克伯格用的词——“seeds of good ideas”，好点子的种子。这个比喻本身就否定了“成品思维”。种子不需要一开始就长成大树，它需要的是被种下去，然后在真实环境中接受光照、水分和修剪。

这对当下的 AI 产品开发尤其有参照意义。大量团队在动手之前，试图先把模型选型、数据管线、用户增长路径全部想清楚。但现实是，AI 应用的价值往往在第一次真实用户交互之后才会显现，而非在需求文档里。先做一个粗糙但可用的版本放出去，比在脑子里推演三个月更接近正确答案。

**最小可行产品（MVP）**是精益创业方法论的核心概念，由埃里克·莱斯在《精益创业》中系统提出：用最低成本构建仅包含核心假设的产品版本，投放给真实用户以验证需求，而非在内部打磨完美方案后再发布。MVP 的关键不是功能少，而是可被真实使用并产生可观测的反馈信号。对 AI 应用而言，MVP 常表现为一个粗糙但可交互的原型，用真实用户数据暴露模型在边界场景下的失败模式。

构建—测量—学习循环与 MVP 配套：先构建最小版本，再用行为数据测量效果，最后据此修正对用户需求的假设，形成快速闭环。其前提是团队愿意把“假设可能错”作为起点。对 AI 产品开发而言，模型能力、提示策略、交互流程都是需要被这一循环检验的假设。团队在动手前试图想清模型选型与数据管线，往往只是用计划换取心理安全感。

顺便辟个谣：没人真的在玻璃上写公式

扎克伯格还顺手拆了另一个电影桥段：天才在玻璃板上写满数学公式。“没人会在玻璃上写数学公式，好吧？根本没这回事。”这句吐槽看似玩笑，其实指向同一个问题——流行文化把创新包装成一种表演性的、仪式感十足的行为，而真实的构建过程要枯燥得多，也平凡得多。

真正推动事情向前的是反复的试错、不优雅的临时方案、以及在不完整信息下做决定的能力。把创新浪漫化，反而掩盖了它最可复制的部分：开始行动，然后根据反馈调整。

对构建者的实际含义

如果把扎克伯格这段话翻译成可操作的原则，大致有三条。其一，把“我还没准备好”当作一个需要警惕的信号，而不是合理的借口。其二，用最小可行版本去换取真实反馈，而不是用完美计划去换取心理安全感。其三，接受起步时的粗糙，因为迭代的前提是先有一个可以被迭代的对象。

创新不是被等来的顿悟，而是被启动的过程。你不需要知道所有答案，你只需要开始。

迭代指基于真实反馈对产品进行多轮小步修改，而非一次性规划到位。它成立的前提是存在一个可被修改的对象——这正是扎克伯格“种子”比喻的落点：先种下去，再根据光照、水分和修剪调整生长方向。迭代的反面是完美主义式的瀑布流程，即把所有决策前置到文档阶段。对构建者来说，判断标准不是计划是否周全，而是能否尽快获得可供修正的真实信号。