Full text · 原文
2,670 字
衡宇 鹭羽 发自 凹非寺<br>
量子位 | 公众号 QbitAI<br>
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）？！<br>
包括但不限于：<br>
DeepSeek：幻方量化的支线项目<br>
Qwen：阿里的支线项目<br>
Claude Code：Anthropic的支线项目<br>
ChatGPT：OpenAI的的支线项目<br>
PyTorch：Meta的支线项目<br>
Gmail：Google的支线项目<br>
Twitter（现）：Odeo的支线项目<br>
Slack：Tiny Speck的支线项目<br>
就说例举的这8个项目里面，你日常会用几个吧（doge脸等答案）～<br>
反正，随便单独拎哪一个出来，都会让人小小诧异一下：这居然也能是个支线项目？<br>
不过我们先来界定一下，什么叫做“支线项目”。<br>
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。<br>
所以失败也好，和主线方向冲突也罢，都没有太大关系。<br>
但——<br>
用热烈讨论的网友的话来说：<br>
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。<br>
从国内到硅谷，side project神话屡见不鲜<br>
废话不多说，先来看国内做副业做得比主业还家喻户晓的幻方量化。<br>
也就是DeepSeek背后的母公司。<br>
幻方确实很技术范儿——在幻方量化内部，长期存在大量围绕算力、模型和工程效率的技术研究。<br>
但幻方并不是一家专门的AI Lab，所以上述这些研究首先服务于量化交易本身。<br>
更多时候，AI的作用都是辅助金融市场的分析研究，妥妥的支线工具属性。<br>
所以，DeepSeek并不是在聚光灯下诞生的项目，是沿着内部技术演进自然延伸出来的结果。<br>
这一点非常关键。<br>
这种状态，恰恰让它能够绕开很多创业项目必经的约束，比如节奏、叙事、融资节点、对外承诺……<br>
总之就是技术可以先跑在需求前面。<br>
更别提做量化起家的幻方，完全不缺卡了。<br>
毕竟这个时代算力为王，谁能拥有更丰富的GPU集群，谁就占据资源优势，而幻方量化显然将这点做到了极致。<br>
同时长期深耕金融专业场景，也让它拥有得天独厚的数据优势，在研发通用智能时也会更倾向于注重模型推理和数学能力。<br>
长期高强度的算法投入，加上顶尖的人才储备，幻方量化能打造出爆款AI，可谓天时地利人和。<br>
而同属国内开源大模型第一梯队的Qwen其实也是支线项目。<br>
通义千问技术负责人林俊旸在上公开：Qwen was a side project。<br>
作为成熟的老牌互联网公司，阿里早期在大模型上的战略定位更多的还是面向行业ToB用户，大模型的商业化交付才是绝对主线。<br>
Qwen则坚定走上了一条开源道路。<br>
而且据林俊旸所说，side project能够提高成功几率。<br>
一是因为没有过度的决策参与，把自主权交还给真正写模型的人。<br>
二是微观管理少，更大的试错空间换来更快的迭代速度。<br>
简单来说，在Qwen的早期发展中，阿里不是完全不管，也不是严加看管，而是找到了一条折中的道路。<br>
即尽可能给予研究团队空间，以支线任务的形式“放养”，在证明其价值后，再逐步融入主线资源。<br>
再看硅谷，同样的典型案例有Claude Code。<br>
最初，它不过是工程师Boris Cherny的一个Claude实验性工程：<br>
通过连接AppleScript，它能告诉用户正在听什么音乐，还能切换在播的音乐。<br>
有用肯定是有用，但听起来有点平平无奇（？<br>
某次和产品经理交流后，Cherny意识到，或许可以给终端来点和系统文件交互的工具，比如读文件、写文件，还有运行批处理命令什么的。<br>
Anyway，Claude Code就这样在相当偶然的情况下诞生了。<br>
初露苗头时，它只是一个员工基于自家大模型手搓的side project。<br>
但正式面市后，随即产生了暴风式传播效应，并成为Anthropic的当家产品之一。<br>
Boris Cherny在上记录道：<br>
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。<br>
软件工程的范式正在改变。<br>
谁也没想到，当初一个并未委以重任的支线项目，现在已经成了一股绕不开的力量，推着我们走进编程新时期。<br>
支线项目说不定会出现更多“逆袭”故事<br>
AI加速进入软件工程流程之后，试错的成本被明显拉低了。<br>
过去需要团队协作和资源协调才能完成的探索，现在能由个人更轻松、更迅速地来完成初步验证。<br>
从这个角度来想的话，其实真的不用把“探索”当作正经必须立项的行为了。<br>
因为你每天就干自己的活，都有可能探索个新思路或者新方法出来。<br>
许多支线项目都是在这种条件下出现——从解决一个具体问题开始，通过真实使用不断修正方向，然后逐渐茁壮成长，最终成为一根根台柱子。<br>
现在，AI能很好地缩短从想法到验证的距离。<br>
像Claude Code这样的项目，并不是一开始就奔着“核心工具”去，而是在不断使用中积累成熟度，最终进入真实生产流程。<br>
当试错足够便宜，能否被迅速使用和反馈就更加重要，小项目的价值也随之改变。<br>
就说是不是直接放大了个人探索的价值吧！<br>
不过，AI虽然提升了执行效率，却未必同步提升战略判断的准确性。<br>
在技术环境变化时，主线项目更容易被原有判断束缚，而且老话说什么来着，船大难掉头。<br>
这只是某一侧重点下的对比结果，我们绝对不是在说抨击主线项目，或者说主线项目就会因此失去意义。<br>
只是在当下，有些东西发生了变化。<br>
支线项目探索的成本更低，反馈更快，也为主线在方向被验证后承接规模化任务打下了坚实基础。<br>
这种变化还在进行中，其最终形态并不清晰。<br>
不过可以看到一个清晰的趋势——<br>
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。<br>
One More Thing<br>
BTW，并不是所有的支线项目变成主项目后，都能很快拿到一个好的结果的。<br>
Be like：<br>
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