从支线项目到行业颠覆者:DeepSeek等8大AI产品的意外崛起之路

从支线项目到行业颠覆者:DeepSeek等8大AI产品的意外崛起之路

这些改变世界的产品,最初居然都是不被当回事儿的支线项目 side project

包括但不限于:

  • DeepSeek:幻方量化的支线项目
  • Qwen:阿里的支线项目
  • Claude Code:Anthropic的支线项目
  • ChatGPT:OpenAI的支线项目
  • PyTorch:Meta的支线项目
  • Gmail:Google的支线项目
  • Twitter (现𝕏) :Odeo的支线项目
  • Slack:Tiny Speck的支线项目

随便单独拎哪一个出来,都会让人诧异:这居然也能是个支线项目?

首先需要界定,什么是“支线项目”。简单来说,就是非主线、非KPI驱动、最初非战略立项。这些项目成立之初并不重要,更不是公司翻身的战略方案。因此,失败或与主线方向冲突,都无伤大雅。

但正如网友的热烈讨论所言:

没有项目经理、销售、GTMs、合规、股东,支线项目总是魔法生效的地方。

从支线项目到行业颠覆者:DeepSeek等8大AI产品的意外崛起之路

从国内到硅谷,side project神话屡见不鲜

先看国内,将“副业”做得比主业更家喻户晓的幻方量化,正是DeepSeek背后的母公司。

幻方量化内部长期存在大量围绕算力、模型和工程效率的技术研究,但这些研究首先服务于其量化交易的主业。AI更多是辅助金融分析的支线工具。因此,DeepSeek并非在聚光灯下诞生,而是内部技术自然演进的结果。

这种状态让它绕开了创业项目常见的约束——节奏、叙事、融资节点、对外承诺,让技术得以先于需求自由探索。此外,做量化起家的幻方量化拥有丰富的GPU集群资源,在算力为王的时代占据优势。长期深耕金融场景也带来了数据优势,使其在研发通用智能时更注重模型的推理与数学能力。顶尖的人才储备加上高强度的算法投入,共同造就了DeepSeek的崛起。

从支线项目到行业颠覆者:DeepSeek等8大AI产品的意外崛起之路

同属国内开源大模型第一梯队的Qwen,也是一个支线项目。其技术负责人林俊旸在𝕏上公开表示:Qwen was a side project。

从支线项目到行业颠覆者:DeepSeek等8大AI产品的意外崛起之路

作为老牌互联网公司,阿里早期在大模型上的战略主线是面向行业的ToB商业化交付。Qwen则坚定地走上了一条开源道路。林俊旸认为,支线项目能提高成功几率:一是减少了过度决策的参与,将自主权交还给真正写代码的人;二是微观管理少,更大的试错空间换来了更快的迭代速度。

在Qwen的早期发展中,阿里找到了一条折中道路:以支线任务的形式“放养”研究团队,给予充分空间,待其证明价值后,再逐步融入主线资源。

从支线项目到行业颠覆者:DeepSeek等8大AI产品的意外崛起之路

再看硅谷,Claude Code是另一个典型案例。它最初只是工程师Boris Cherny的一个实验性项目:通过连接AppleScript,让Claude能告诉用户正在听什么音乐并切换歌曲。

在与产品经理交流后,Cherny意识到可以开发一个能与系统文件交互(如读/写文件、运行命令)的工具。就这样,Claude Code在相当偶然的情况下诞生了。它最初只是一个员工基于自家大模型手搓的side project,但面市后产生了暴风式传播,最终成为Anthropic的当家产品之一。

Boris Cherny在𝕏上记录道:

一年前,Claude在生成bash命令时难以避免转义错误。而且它一次只能工作几秒或几分钟。
快进到今天。在过去的三十天里,我提交了259个PR——497次提交,添加了40000行代码,删除了38000行代码。
每一行代码都是由Claude Code+Opus4.5编写的。
Claude持续运行数分钟、数小时甚至数天。

软件工程的范式正在被改变。当初一个未被委以重任的支线项目,如今已成为推动我们进入编程新时期的一股绕不开的力量。

支线项目或将催生更多“逆袭”故事

AI加速进入软件工程流程,显著降低了试错成本。过去需要团队协作和资源协调才能完成的探索,现在个人就能更轻松、迅速地完成初步验证。从这个角度看,“探索”本身不必再是必须正式立项的“正经行为”,在日常工作中就可能迸发新思路。

从支线项目到行业颠覆者:DeepSeek等8大AI产品的意外崛起之路

许多支线项目正是如此诞生——从解决一个具体问题开始,通过真实使用不断修正方向,逐渐成长为核心支柱。AI极大地缩短了从想法到验证的距离。像Claude Code这样的项目,并非一开始就瞄准“核心工具”,而是在不断使用中积累成熟度,最终进入真实生产流程。

当试错成本足够低廉,能否被迅速使用和获得反馈就变得更为关键,小项目的价值也随之被放大。这无疑直接提升了个人探索的价值。

从支线项目到行业颠覆者:DeepSeek等8大AI产品的意外崛起之路

不过,AI虽然提升了执行效率,却未必能同步提升战略判断的准确性。在技术环境剧变时,主线项目更容易被原有判断束缚,正所谓“船大难掉头”。需要强调的是,这并非在抨击主线项目或否定其意义

只是在当下,情况发生了变化:支线项目探索的成本更低、反馈更快,这为主线在方向被验证后承接规模化任务打下了坚实基础。这种变化仍在进行中,其最终形态尚不清晰。但一个趋势已经显现——

在AI时代,一些关乎未来方向的早期信号,或许会越来越多地出现在那些一开始并不被当成“正事儿”的项目里。

并非所有支线项目都能成功“转正”

当然,并非所有的支线项目在成为主线后,都能迅速取得好结果。

例如:

从支线项目到行业颠覆者:DeepSeek等8大AI产品的意外崛起之路

参考链接:
[1]https://x.com/Yuchenj_UW/status/2005361471224746368
[2]https://x.com/bcherny/status/2004887829252317325
[3]https://x.com/hardmaru/status/1882698763988545808

从支线项目到行业颠覆者:DeepSeek等8大AI产品的意外崛起之路


关注“鲸栖”小程序,掌握最新AI资讯

本文来自网络搜集,不代表鲸林向海立场,如有侵权,联系删除。转载请注明出处:http://www.itsolotime.com/archives/17761

(0)
上一篇 2026年1月11日 上午11:41
下一篇 2026年1月11日 上午11:46

相关推荐

  • 突破GPU瓶颈:d-PLENA NPU架构实现扩散大模型采样2.53倍加速

    关键词:dLLMs、NPU、采样优化、d-PLENA、GEMM 扩散型大语言模型(dLLM)是一种融合了扩散模型迭代去噪特性的大语言模型,可实现并行 Token 生成。但其采样阶段展现出与以通用矩阵乘法(GEMM)为核心的 Transformer 层截然不同的计算特征。 Beyond GEMM-Centric NPUs: Enabling Efficient…

    2026年2月10日
    31900
  • CompTrack:基于信息瓶颈的动态压缩范式,为具身智能开启高效AI新篇章

    在机器人与具身智能领域,Transformer模型正变得越来越通用,同时也越来越“重”。我们渴望获得SOTA精度,但现实世界的边缘设备(如机器人端场景)却难以承受其高昂的计算成本和延迟。 由东南大学、中南大学、明略科技联合提出、被AAAI 2026接收为Oral的论文CompTrack,为“Efficient AI”的核心挑战——“模型是否真的需要处理所有输…

    2025年12月2日
    31300
  • Gemini 3.1 Pro震撼发布:推理能力翻倍,成本效率双突破,AI竞赛进入新阶段

    今天,Google正式推出Gemini 3.1 Pro。在评估模型解决全新逻辑模式能力的ARC-AGI-2基准测试中,其得分达到77.1%,相较前代Gemini 3 Pro的31.1%实现了翻倍以上的飞跃。 具体基准测试表现 根据详细测试数据,Gemini 3.1 Pro在多个关键领域取得显著突破: 智能工具使用:能力提升82%,在APEX-Agents测试…

    2026年2月20日
    54700
  • SIM-CoT:隐式推理新突破,零开销实现可解释的AI内部思考

    魏熙林是本文的第一作者,复旦大学博士生,师从林达华教授,研究方向主要为多模态大语言模型与高效人工智能。他目前在上海人工智能实验室实习,指导老师为臧宇航与王佳琦。 本文介绍隐式思维链(Implicit Chain-of-Thought)的最新进展——SIM-CoT(Supervised Implicit Chain-of-Thought)。该方法直击了隐式Co…

    2026年2月1日
    63300
  • Meta豪掷数十亿美元收购Manus,通用AI Agent赛道迎来巨头入局

    今早,Manus 突然发文称已经加入 Meta。“对我们而言,这不只是一条新闻,更是对 Manus 在通用 AI Agent 领域里工作的认可。” 根据《晚点 LatePost》报道,Meta 此次收购金额达数十亿美元,是 Meta 成立以来第三大收购,花费仅次于 WhatsApp 和 Scale AI。在 Meta 收购前,Manus 正以 200 亿美元…

    2025年12月30日
    54900