DeepSeek8大產(chǎn)品都是意外？！改變世界的項目們最初都沒當(dāng)事兒辦

衡宇 鷺羽 發(fā)自 凹非寺
量子位 | 公眾號 QbitAI

這些改變世界的產(chǎn)品，最初居然都是不被當(dāng)回事兒的支線項目（side project）？！

包括但不限于：

• DeepSeek：幻方量化的支線項目
• Qwen：阿里的支線項目
• Claude Code：Anthropic的支線項目
• ChatGPT：OpenAI的的支線項目
• PyTorch：Meta的支線項目
• Gmail：Google的支線項目
• Twitter（現(xiàn)）：Odeo的支線項目
• Slack：Tiny Speck的支線項目

就說例舉的這8個項目里面，你日常會用幾個吧（doge臉等答案）～

反正，隨便單獨拎哪一個出來，都會讓人小小詫異一下：這居然也能是個支線項目？

不過我們先來界定一下，什么叫做“支線項目”。

簡單來說，就是非主線、非KPI驅(qū)動、最初非戰(zhàn)略立項。這些項目成立之初并不重要，更不是公司翻身的戰(zhàn)略方案。

所以失敗也好，和主線方向沖突也罷，都沒有太大關(guān)系。

但——

用熱烈討論的網(wǎng)友的話來說：

• 沒有項目經(jīng)理、銷售、GTMs、合規(guī)、股東，支線項目總是魔法生效的地方。

從國內(nèi)到硅谷，side project神話屢見不鮮

廢話不多說，先來看國內(nèi)做副業(yè)做得比主業(yè)還家喻戶曉的幻方量化。

也就是DeepSeek背后的母公司。

幻方確實很技術(shù)范兒——在幻方量化內(nèi)部，長期存在大量圍繞算力、模型和工程效率的技術(shù)研究。

但幻方并不是一家專門的AI Lab，所以上述這些研究首先服務(wù)于量化交易本身。

更多時候，AI的作用都是輔助金融市場的分析研究，妥妥的支線工具屬性。

所以，DeepSeek并不是在聚光燈下誕生的項目，是沿著內(nèi)部技術(shù)演進自然延伸出來的結(jié)果。

這一點非常關(guān)鍵。

這種狀態(tài)，恰恰讓它能夠繞開很多創(chuàng)業(yè)項目必經(jīng)的約束，比如節(jié)奏、敘事、融資節(jié)點、對外承諾……

總之就是技術(shù)可以先跑在需求前面。

更別提做量化起家的幻方，完全不缺卡了。

畢竟這個時代算力為王，誰能擁有更豐富的GPU集群，誰就占據(jù)資源優(yōu)勢，而幻方量化顯然將這點做到了極致。

同時長期深耕金融專業(yè)場景，也讓它擁有得天獨厚的數(shù)據(jù)優(yōu)勢，在研發(fā)通用智能時也會更傾向于注重模型推理和數(shù)學(xué)能力。

長期高強度的算法投入，加上頂尖的人才儲備，幻方量化能打造出爆款A(yù)I，可謂天時地利人和。

而同屬國內(nèi)開源大模型第一梯隊的Qwen其實也是支線項目。

通義千問技術(shù)負責(zé)人林俊旸在上公開：Qwen was a side project。

作為成熟的老牌互聯(lián)網(wǎng)公司，阿里早期在大模型上的戰(zhàn)略定位更多的還是面向行業(yè)ToB用戶，大模型的商業(yè)化交付才是絕對主線。

Qwen則堅定走上了一條開源道路。

而且據(jù)林俊旸所說，side project能夠提高成功幾率。

一是因為沒有過度的決策參與，把自主權(quán)交還給真正寫模型的人。

二是微觀管理少，更大的試錯空間換來更快的迭代速度。

簡單來說，在Qwen的早期發(fā)展中，阿里不是完全不管，也不是嚴加看管，而是找到了一條折中的道路。

即盡可能給予研究團隊空間，以支線任務(wù)的形式“放養(yǎng)”，在證明其價值后，再逐步融入主線資源。

再看硅谷，同樣的典型案例有Claude Code。

最初，它不過是工程師Boris Cherny的一個Claude實驗性工程：

通過連接AppleScript，它能告訴用戶正在聽什么音樂，還能切換在播的音樂。

有用肯定是有用，但聽起來有點平平無奇（？

某次和產(chǎn)品經(jīng)理交流后，Cherny意識到，或許可以給終端來點和系統(tǒng)文件交互的工具，比如讀文件、寫文件，還有運行批處理命令什么的。

Anyway，Claude Code就這樣在相當(dāng)偶然的情況下誕生了。

初露苗頭時，它只是一個員工基于自家大模型手搓的side project。

但正式面市后，隨即產(chǎn)生了暴風(fēng)式傳播效應(yīng)，并成為Anthropic的當(dāng)家產(chǎn)品之一。

Boris Cherny在上記錄道：

• 一年前，Claude在生成bash命令時難以避免轉(zhuǎn)義錯誤。而且它一次只能工作幾秒或幾分鐘。
  快進到今天。在過去的三十天里，我提交了259個PR——497次提交，添加了40000行代碼，刪除了38000行代碼。
  每一行代碼都是由Claude Code+Opus4.5編寫的。
  Claude持續(xù)運行數(shù)分鐘、數(shù)小時甚至數(shù)天。

軟件工程的范式正在改變。

誰也沒想到，當(dāng)初一個并未委以重任的支線項目，現(xiàn)在已經(jīng)成了一股繞不開的力量，推著我們走進編程新時期。

支線項目說不定會出現(xiàn)更多“逆襲”故事

AI加速進入軟件工程流程之后，試錯的成本被明顯拉低了。

過去需要團隊協(xié)作和資源協(xié)調(diào)才能完成的探索，現(xiàn)在能由個人更輕松、更迅速地來完成初步驗證。

從這個角度來想的話，其實真的不用把“探索”當(dāng)作正經(jīng)必須立項的行為了。

因為你每天就干自己的活，都有可能探索個新思路或者新方法出來。

許多支線項目都是在這種條件下出現(xiàn)——從解決一個具體問題開始，通過真實使用不斷修正方向，然后逐漸茁壯成長，最終成為一根根臺柱子。

現(xiàn)在，AI能很好地縮短從想法到驗證的距離。

像Claude Code這樣的項目，并不是一開始就奔著“核心工具”去，而是在不斷使用中積累成熟度，最終進入真實生產(chǎn)流程。

當(dāng)試錯足夠便宜，能否被迅速使用和反饋就更加重要，小項目的價值也隨之改變。

就說是不是直接放大了個人探索的價值吧！

不過，AI雖然提升了執(zhí)行效率，卻未必同步提升戰(zhàn)略判斷的準(zhǔn)確性。

在技術(shù)環(huán)境變化時，主線項目更容易被原有判斷束縛，而且老話說什么來著，船大難掉頭。

這只是某一側(cè)重點下的對比結(jié)果，我們絕對不是在說抨擊主線項目，或者說主線項目就會因此失去意義。

只是在當(dāng)下，有些東西發(fā)生了變化。

支線項目探索的成本更低，反饋更快，也為主線在方向被驗證后承接規(guī)模化任務(wù)打下了堅實基礎(chǔ)。

這種變化還在進行中，其最終形態(tài)并不清晰。

不過可以看到一個清晰的趨勢——

在AI時代，一些關(guān)乎未來方向的早期信號，或許會越來越多地出現(xiàn)在那些一開始并不被當(dāng)成正事兒的項目里。

One More Thing

BTW，并不是所有的支線項目變成主項目后，都能很快拿到一個好的結(jié)果的。

Be like：

參考鏈接：
[1]https://x.com/Yuchenj_UW/status/2005361471224746368
[2]https://x.com/bcherny/status/2004887829252317325
[3]https://x.com/hardmaru/status/1882698763988545808