Steve Blank：AI让创业课的最小可行产品“已死”，教学必须重来
15年前，我的Lean LaunchPad课程改变了创业教学的方式。如今，这门课在全球数百所大学开设，并帮助孵化了数千家初创企业。但今年夏天，我开始思考AI是否毁掉了我们的Lean LaunchPad课程，以及随之而来的Lean Startup和Customer Development。我意识到，如果我们希望学生学习如何真正建立企业，而不是制造AI垃圾（AI slop），就必须重新思考这门课。以下是事情的经过、我们如何诊断所需的变化，以及我们计划如何继续推进。
在过去的15年里，Lean LaunchPad课程的节奏一直保持不变。学生们带着对产品创意和目标客户的假设来到课堂。每周，学生团队走出大楼，与10到15位利益相关者交谈。下一周，他们展示“我们原本的想法、我们做了什么、我们学到了什么，以及我们下周要做什么”。在为期10周的学季里，每个团队会与100多位利益相关者交谈，并利用这些反馈来验证、修改或否定他们关于商业的假设，同时不断打磨和迭代他们的最小可行产品（Minimal Viable Product, MVP），以寻找产品/市场契合。这段经历旨在模拟初创企业创始人的现实旅程，而且无论当时的技术潮流是什么（社交媒体、移动应用、能源、生命科学、国防等），这套教学法15年来都像钟表一样精准运转。进入2026年春季学期时，我完全没有想到这会是它的最后一年，也没有想到创业教学将从此永远改变。
课程的第一周总是令人兴奋
在2026年春季课程开始前几个月，我们面试了各个团队，了解他们想研究什么问题，并筛选哪些团队能加入课程。第一次正式课上，看到他们在开课第一天之前已经对问题钻研了多少，总是很有趣。在第一堂课上，团队通常会用PPT或线框图来展示他们的产品概念。然而今年，当第一个团队展示时，没有PPT或线框原型。相反，他们演示了一个完整的产品（针对小儿睡眠呼吸暂停、货运代理、GPU的3D打印散热、音乐归属……）。哇。我们印象深刻——这是我们第一次见到有团队在第一天就做出如此快速且功能丰富的产品。当我还在消化这个团队做得多么出色时，下一个团队站起来，也演示了一个成品。这次我大吃一惊。连续两个！？等到第3、第4、第5、第6、第7和第8个团队都展示了他们的完整产品时，教学团队的所有人都惊呆了。我们不停地互相看着对方，试图确认：“你看到我看到的了吗？”老实说，一开始我们这些教员都很兴奋。所有团队都用AI构建了往年我们希望在第十周结束时才能看到的应用、数字孪生或临床终点。我们离开教室时认为这些团队走上了伟大的轨道，并且确信这个开始会为他们所有人带来惊人的结果。我们错，错，错。
……………老套但准确的梗……………
作为教学团队，我们太迷恋这种虚幻的进展，以至于没有及时叫停并重新引导学生们。我们没有意识到，AI已经点燃了我们的课堂，且会把它烧成灰烬。
AI在课堂内部改变了什么
过去几年，学生们会走出大楼，花时间深入理解客户的问题。他们使用商业模式画布（business model canvas）来记录他们在检验所有假设（市场进入策略、定价、产品/市场契合、收入、成本等）时学到的东西——这些都是将一个想法变成企业所需的基本要素。AI让这个过程失效了。学生们用AI代替客户来获取洞察和验证。而因为这些信息来自AI，他们就认定它是正确的。AI让学生把想法转化为产品变得更容易、更快——但他们不知道这个AI产品是否满足客户需求，是否解决了客户的问题。随着时间一周周过去，那些原本看起来很有潜力的团队学到的越来越少。最小可行产品（MVP）变成了销售话术，而不是实验；团队收集的是赞美，而不是反证；受访者是对产品做出反应，而不是解释他们的问题/需求。与此同时，团队们惊讶地发现，许多潜在客户已经在使用同样的AI工具，以同样快的速度构建他们自己的替代品。（这一发现向团队传递了一个信号：他们创业公司能卖的功能，底线在哪里。）最终，许多学生无法放下AI帮他们构建的初始想法。转型在心理上变得更加昂贵，那些初始想法无论听到多少客户证据都变得僵化。这很讽刺，因为现在从技术上来说产品转型成本很低。教学团队不得不介入，把这些初始未测试产品（我们开始称之为MVP的那些东西）从学生手中撬出来。
行动后复盘（After-Action Review，AAR）
课程结束几天后，趁记忆犹新，我们召集教学团队和斯坦福大学的教员一起分享笔记，讨论发生了什么、为什么会发生，以及如何改进。当我们在房间里轮流描述所见与所想时，有几件事变得清晰。AI对学习的影响远远超过了它带来的好处。当然，在课堂中使用AI也有积极的部分。学生们用Claude Skills和Gemini Gems构建了这些惊人的产品。还有大量尚未开发的机会，比如构建数字孪生，或同时测试十几甚至上百个应用。AI对客户探索的影响同样令人印象深刻。在AI的辅助下，团队能够找出正确的问题，向正确的人提问，从而更快地获得更好的答案来检验假设。团队用ChatGPT做市场研究，用Replit建网站，用Granola和Twinmind做笔记；用Listen Labs和Viewpoints AI创建合成用户，再与真实客户数据对照测试；用Google NotebookLM或Notion总结研究，然后用Perplexity制作每周演示。
MVP已死
最显而易见的是AI对最小可行产品（MVP）的影响。在过去，MVP是费尽心力开发出来的，反映了每周与利益相关者交谈所积累的知识。MVP也是团队技术能力的证明。我们猛然意识到，第一天就拥有产品，意味着MVP不再能证明任何东西：无论是客户探索、批判性思维、假设检验、产品/市场契合、客户验证，甚至承诺。
几乎零成本地快速创造产品，让团队得以更快地把坏主意推向远处。AI制造了证据剧场。这些初始未测试产品感觉像是证据，但它们几乎是在没有接触客户（或极少接触）的情况下构建的。它们看起来像是进展，却极大地强化了确认偏误，推迟了转型。
学生的学习变得不平衡。一个看起来完成度很高的产品感觉像是成功。学生们把精致的交付物与深入理解所有利益相关者需求以及寻找客户验证的必要性混为一谈。团队的理解缺乏细微差别；在对要解决的问题以及客户需求理解程度上，各团队的深度普遍不足。
不是AI在幻觉——是团队在幻觉。即便他们转型，也为时已晚，因为他们以为精致的成品就意味着产品/市场契合。（在AI出现前，团队会转型3到4次。）有一个团队确实“IUP上瘾”，每周都创造新的IUP，却从不让积累的证据增加。
所有这些都累积成了学习债。这些初始未测试产品（IUP）让团队跳过了过去的挣扎，而正是那些挣扎带来了客户洞察和理解。代码能用，演示文稿光鲜，分析也连贯，但因为用AI来总结访谈内容，团队错过了客户洞察。结果，他们无法为自己的假设辩护，也无法解释边缘情况。
当教学团队讨论我们所见的和认为其含义时，有几件事变得清晰。
作为价值主张学习工具的MVP已经死了。
初创企业的瓶颈已经从构建产品的时间和成本，转移到了判断该构建什么、为谁构建。这意味着创始人仍然需要知道哪个问题重要、谁会付费、如何分发，以及如何比同样能在周末构建出东西的其他团队跑得更快。
当每个人都能快速构建时，你选择构建什么、为谁构建，就成了整个游戏的关键。
这意味着竞争格局变得重要得多。过去，一个团队可以几乎用整个学期无视竞争对手，因为构建产品的时间和成本成了一道护城河。这道护城河已不复存在。团队现在需要深刻理解当前的竞争格局和快速的竞争趋势。
AI让客户变得更加精明——现在他们可以和初创企业一样快地用AI构建解决方案。这意味着探索过程现在也需要寻找护城河和规模化路径。
克隆的壁垒很低。同样的易创建性意味着初创企业需要学习如何构建可防御的护城河——并把护城河当作一个探索问题，而不是融资演示文稿中的一页幻灯片。知识产权曾经是可以防御的。现在什么是可防御的知识产权？
离开行动后复盘时，我们以为自己理解了问题。最小可行产品不再是一种用于学习、探索价值主张和产品/市场契合的有用工具。我有信心，我们可以对教学大纲做一些简单修正来解决这个问题。
[此处应有笑声]
和我们的学生一样，我们刚刚把症状（MVP已死）与更大得多的问题混淆了。经过大量迭代，我们找到了根本原因，并知道如何让这门课在AI时代保持鲜活。
第二部分将讲述我们学到了什么。