为什么值得解剖失败
创业报道有一个结构性偏差：媒体写成功者，数据平台收录活着的公司，成长到一定规模后的死亡连讣告都省了。智能体赛道两年内的产品更替速度极快，失败样本的绝对数量远超成功样本，公开可得的失败信息却稀薄得不成比例。这篇做一次尽量克制的解剖：不追逐具体某家的八卦，而是把公开可见的关停与转型按主要原因分类，看看每一类死法留下了什么信号。
先立一个诚实的立场：失败几乎从来不是单因的。一个产品关停，复盘往往能列出一串原因——需求站不住、成本压不住、对手太强大、时机不合适，分类只是取其主要矛盾。分类的价值不在于给历史贴标签，而在于给活着的人一张检查清单：你的产品身上，现在就能看到几类死因的早期症状。早期症状可见，是这篇存在的全部理由；等死因显性化，就没有讨论的必要了。
还有一层方法论的诚实：文中涉及的案例都用公开报道过的知名事件，因果解读限于公开信息能支撑的范围，不虚构任何细节。失败解剖最忌讳的就是把道听途说当成尸检报告。
五类死法：关停原因的粗分类
第一类：需求缺失——演示惊艳，留存惨淡
最常见的死法。特征是技术演示惊艳、真实留存惨淡：用户试一次，说一句「好厉害」，然后再也不来。智能体领域尤其高发，因为演示容易做好——大模型天生擅长给出令人惊艳的一次性表现——而真实任务需要的是持续可靠，可靠性恰恰是当前技术最难的部分。
硬件形态的 Agent 产品是重灾区。某个主打随身 AI 硬件伴侣的明星产品，发布时宣传铺天盖地，上市后功能迟迟补不齐、体验达不到演示水准，销量远不及预期，一年之内公司关停并回购售出的设备，成为行业级的反面教材；另一款口袋形态的 AI 设备同样陷入「这些功能手机上都能实现」的质疑，勉强存活但存在感持续走低。它们的共同点是把「新交互形态」当成了需求本身，而用户真正要的是把既有任务做得更省事。专用硬件的问题在于成本结构与迭代速度都输给手机应用，除非解决手机物理上做不了的场景，否则很难成立。
软件侧的需求缺失更隐蔽：面向开发者的 Agent 平台，注册转化漂亮、社区声量不小，但用户只把玩具项目部署上去，生产环境里没人敢用——注册数与星标数骗了所有人，包括创始团队自己。还有一类是「演示需求」：产品解决的问题是发布会视频里存在的，真实用户的工作流里根本没有这个环节。判断需求真实性只看两个数：第四周的留存率，与生产环境的渗透率。其余指标都是可以先涨后跌的幻觉。
值得注意的是，需求缺失的产品常常有一个共性：它们解决了「以前不存在的问题」，而不是「用户一直在忍受的问题」。前者的市场需要从零教育，后者的产品一上线就在替代现存的忍受成本。判断时可以问一句：如果这个产品明天消失，会有谁真的不方便？答案含糊的，需求大概率是想象出来的。
第二类：成本失控——毛利为负的增长
第二类死法自带时代特征：每次调用都在烧钱，定价却按传统订阅软件的惯性按月收取。用户用得越多，亏得越多；增长越快，死亡越近。这类产品早期往往数据亮眼——用得猛的用户被当成铁杆粉丝写进融资材料，实际上每个铁杆粉丝都在放大亏损。
早期一批主打「无限对话」与「全自动任务」的产品都栽在这里：推理成本没有随规模摊薄，反而因长上下文与多轮工具调用线性放大；有的产品用限速与配额自救，结果核心卖点（无限、自动）先死，口碑跟着死；有的硬扛成本等模型降价，等来的是竞争对手先融到更大一笔钱把市场占掉。成本结构的教训后来变成行业共识：Agent 产品的定价必须与推理成本联动——按任务计费、按成功计费、或者用小模型路由把大头流量导向便宜算力。第 4 篇讨论过按席位、按 token 与按结果三种商业模式的利弊，本篇补充的是反面样本：商业模式与成本结构错配的产品，增长曲线越陡，坠落越快。判断方法很简单，把「单个高活跃用户的月推理成本」算出来跟客单价比一下，账面立刻见分晓。
第三类：平台碾压——护城河被一次更新抹平
第三类死法最让人唏嘘：产品验证了需求，跑通了成本，然后平台一个版本更新把核心能力做成了原生功能。写作助手、简单摘要、基础客服，都是典型重灾区——模型厂商每发布一代新模型，「你的产品不就是模型加个壳吗」的质疑就响一成，而这质疑往往是对的。
更隐蔽的碾压形式是收编：产品团队被大厂整队挖走，产品关停，技术融入平台。智能体赛道里创始团队带着产品加入大厂的交易屡见不鲜：明星研究者的初创公司以人才收购的方式并入大平台，产品对用户停止服务；另有陪伴类产品的核心团队被平台吸收，原服务转由合作方维持。对创始人是估值兑现，对用户是服务终止，对赛道是竞争格局的一次清洗。还有一种温水碾压：平台不直接做你的功能，而是把基础模型的价格降到你的毛利线以下，或把自家产品放进分发入口的默认位置——用户没有离开你，是发现你的入口越来越深。
对这类死因的防御只有一个方向：能力可以被平台复制，数据、工作流嵌入与行业沉淀很难。产品越深地嵌进客户的业务流程与私有数据，平台的原生功能越难替代；反之，凡是一个提示词就能复刻的功能，都要默认平台明天就会上线它。
第四类：监管与伦理红线——加速撞墙
第四类死法与产品能力无关，与边界有关。陪伴类 Agent 撞上未成年人保护争议，心理支持类产品被质疑替代专业干预并发生悲剧性事件，简历筛选工具被指存在系统性歧视——监管介入或舆论反噬后，应用商店下架、支付渠道收紧、诉讼缠身，收入骤降拖到关停。
这类死法的早期信号非常一致：增长依赖争议性场景，且团队对「这个场景出了事谁来负责」没有可回答的方案。有的团队明知有风险，选择先做大再合规的策略，但伦理争议的特点是爆发时点不可控——一次社会新闻就可能让整个品类被重新审视，所有的规模都会变成负资产。合规不是成本项，在某些赛道是生死项。
第五类：治理崩塌——产品没输，组织输了
第五类最少见但最戏剧化：产品没死在市场上，死在创始人的言行与组织的内耗里。创始人不当言论引发用户抵制，联创内斗导致核心团队出走，融资对赌压垮产品决策。智能体是人格化极强的产品品类，创始人本身就是品牌的一部分，个人声誉风险直接传导为产品风险——用户对「谁在做这个产品」的在意程度，远超传统软件时代。治理崩塌的死法最难预警，但从外部能看到的信号是：核心成员的持续流失、公开路线图的反复摇摆、以及融资节奏与产品节奏的长期脱节。
最后要强调复合性：真实的关停复盘里，五类死因通常两三件套出现。需求缺失的产品往往同时成本失控——因为要靠补贴与投放维持虚假的活跃；平台碾压的团队常伴随治理内耗——因为危机时刻路线之争最容易爆发。单一归因的故事好讲，但用它做决策会漏掉连锁反应：风险评审时该问的不是「主要风险是什么」，而是「一个风险发生时会引爆哪几个」。健康的商业计划里，死因清单应该是矩阵，不是单选题。
从失败反推的幸存条件
把五类死法倒过来，得到一张幸存条件清单。
留存压倒声量：真实任务上的第四周留存与生产渗透率，是唯一可信的需求证据，演示效果与社区热度都是噪声。成本与定价联动：按任务或按结果计费，让收入曲线与推理成本曲线同向，单用户毛利模型先算清楚再放量。嵌入深度构建壁垒：把产品做进客户的流程与数据，让替代成本高于平台复刻成本；能力做加法容易，嵌入做深度难，难的部分才是护城河。边界清单先于功能清单：明确不做什么场景、出了事谁兜底，敏感赛道把合规当核心竞争力而不是成本中心。治理结构干净：把创始人与核心团队的声誉风险纳入风险管理，融资节奏服从产品节奏。
五条背后是同一个元原则：智能体产品的护城河不在模型能力里——模型是租来的——而在数据、流程嵌入、成本结构与信任里。租来的东西撑不起一家公司，能攒下来的东西才可以。
失败信息的获取困境
最后必须承认方法论的局限。失败样本的获取有三个系统性偏差：媒体只报道明星产品的死亡，长尾关停无人记录；数据平台在产品下线后停止收录，历史数据随之消失；从业者出于行业关系与法律顾虑，对失败细节讳莫如深。我们能看到的失败，是被幸存者偏差二次筛选过的失败——这个事实本身就该写进每一次行业分析。
对策是建立自己的失败跟踪习惯：关注产品下线公告与用户迁移讨论，关注团队解散后成员的招聘去向，关注用户社群里「迁移去哪了」的帖子。这些碎片拼出的行业地图，比融资新闻拼出来的更接近真相。对做生态观察的人，一个朴素的建议是：一半时间花在读讣告上。融资新闻告诉你钱在哪，讣告告诉你钱为什么死——后者才是定价信息。
还有一个正在成长的补救生态：产品墓志铭类的社区项目与网页存档服务，正在系统化地保存关停产品的定价页、帮助文档与更新日志。个人研究者可以直接利用这些存档做横断面分析——比如对比一批同期关停产品的定价结构，比单案例的叙事更接近规律。数据会消失，但保存数据的成本在下降，失败研究的门槛因此比十年前低了一个量级；缺的不是数据，是愿意花时间读的人。
小结
明星产品的关停不是噪音，是生态用真金白银做出来的实验记录。需求缺失提醒我们演示与留存是两回事；成本失控提醒我们商业模型与推理成本必须联动；平台碾压提醒我们护城河要建在平台够不着的地方；监管红线提醒我们边界清单比功能清单更重要；治理崩塌提醒我们人格化产品要为创始人风险定价。
对从业者，最有价值的动作不是记住案例，而是把五类死因变成季度自查清单：我的留存证据是什么？我的毛利模型撑得住增长吗？平台更新会抹平我吗？我的场景撞什么红线？我的组织有没有埋雷。五个问题答不上来任何一个，都比答错更危险。
失败信息稀缺且失真，读下线公告、看用户迁移、盯团队去向，比读融资新闻更能看清生态的真相。生态的进化方向，是由死掉的产品投票出来的——读懂投票结果的人，才知道下一轮该把票投给谁。
读者留言
COMMENTS 暂无还没有留言，来说第一句？