面 AI 产品经理，十个人里有六个人会提到数据飞轮，通常出现在回答「你们的壁垒是什么」的时候。句子都很顺：用户越多，数据越多，模型越好，体验越好，用户更多。
我会接着问三个问题：你手上是哪一类数据，这个信号有多脏，从信号到产品变好要多久。
三个都答得出来的人不多。
三类数据，多数产品只拥有第一类
输入数据是用户给了什么：一段话、一份文档、一张截图。这类数据最好收集，也最没用——它只告诉你用户想干什么，不告诉你产品干得好不好。
交互数据是用户怎么反应：直接采纳、改了几个字、重新生成、关掉页面。它离「好不好」近了一步，但最容易被误读。
结果数据是业务上成没成：工单有没有真的解决、邮件有没有人回、代码有没有合进主干。这一类才有资格谈飞轮，因为它跟价值直接挂钩。
我面过的一个团队做会议纪要，用户量不小，数据仓库里存了几十万条录音转写。我问他们的飞轮靠什么转，答案是「数据多」。可他们没有任何一条记录能回答「这份纪要有没有人真的拿去用了」。只有输入，没有反馈，这堆数据只能做分析，喂不动任何迭代。
所以第一个问题其实在问：你有没有一条从使用到结果的链路。没有的话，先别谈飞轮，谈怎么把链路建起来。
隐式信号很脏，脏得超出想象
假设你决定用「用户没有修改」当作满意。这个假设在多数场景下不成立。
他没改，可能是没看。可能是扫了一眼觉得差不多。可能是已经放弃，只是还没来得及关。反过来，「复制走了」看着像好评，实际上经常是拿去别的地方改——因为你的编辑器不好用。
显式反馈更稀缺，而且偏。只有体验特别好和特别差的人会点，中间那一大段沉默的用户，才是产品的主要使用者。
我的处理方式是把信号分强度。强信号是「采纳后直接对外发出」，比如生成的回复直接发送、生成的代码直接提交，这种信号背后有成本，用户不会随便做。中信号是小幅修改，说明方向对、细节不对。弱信号是停留时长、滚动、二次点击，只能用来发现问题，不能用来训练。
分层之后，你会得到三个不同的用途：强信号做评估、中信号做失败模式分析、弱信号做预警。混在一起当成一个「满意度分」，就什么都做不了。
还有一个常被忽略的来源：用户的修改本身就是标注。他把「请您尽快处理」改成「麻烦今天下班前回复」，这一对差异告诉你的信息，比一百个赞都具体。能不能把这个差异结构化地存下来，是产品设计问题，不是数据团队的问题。
冷启动的时候不要假装有飞轮
第一天没有数据，这是常识，但很多方案写得像数据已经在那儿了。
现实的做法是先用规则和人工顶住：意图识别用关键词，回答从文档里检索，检索不到就转人。这套东西很土，但它能上线，能拿到真实输入，能让你开始积累失败案例。
我把它叫人肉飞轮：每周固定时间，把本周的坏例子捞出来，归因、改提示词、改检索、改交互，下周再看。转得很慢，一次一周，但它是真的在转，而且不需要训练管线。
等积累到几百个稳定标注的案例，再谈自动化和模型迭代。跳过这一段直接搭训练管道，通常会得到一套没人维护的基础设施，和一份三个月前的数据集。
转速取决于闭环时间，而不是数据量
飞轮这个词容易让人想到规模，实际决定它有没有用的是周期。
从「用户点了不满意」到「下一版变好」，中间要经过收集、归因、标注、修改、验证、发布。这个链条如果是三个月，一年只转四次，那它就不是飞轮，是年度项目。
缩短周期的手段都不新：固定评测集让验证变快，bad case 库让归因不用从零开始，灰度和开关让发布不用等版本，自动化回归让改动敢做。这些东西的价值不在技术含量，在于它们把「一次改进」的时间从月压到周。
链条里最慢的一环通常不是训练，是决策和标注。谁来判定这条样本应该怎么标，谁有权决定这周改什么，这两个问题没有答案，流程就会卡在会议里。
所以我会追问第三个问题的细节：上一版改了什么、依据是哪几条样本、改完怎么验证、用了几天。答得具体，说明这套东西在跑；答得抽象，说明它存在于 PPT 里。
数据不是壁垒，可积累的东西是
这一层最不好听。
同样的任务，竞争对手也能收到分布相似的数据。你有的输入，别人也有；你能看到的采纳率，别人也能埋点。数据本身不构成壁垒，除非它稀缺、独占、且合法可用。
合法这一条经常被忽略。C 端产品的用户协议里通常没有写「你的对话会被用于训练」，写了也未必经得起推敲；B 端合同里禁止把客户数据用于训练的条款越来越常见。也就是说，很多团队手里那堆「壁垒」，实际上是不能动的。
通过第三方 API 调用时还有一层：数据会不会被供应商用于改进模型，取决于条款和配置。这件事要在采购阶段确认，而不是等出事再翻合同。
那什么能积累？
领域评测集和标注口径是第一个。它不在模型里，在团队里，别人复制不了你的判断标准。失败案例库是第二个，它记录了这个领域所有恶心的边界，越用越厚。第三个是用户已经嵌进工作流的习惯——当你的输出直接进了他的审稿流程、进了他的工单系统，切换成本就不再是「换个工具试试」，而是「重做一遍流程」。
飞轮不是名词，是动词：一套每周都在转的流程。没有流程，数据只是存着。
我自己的判断标准很简单：如果明天核心模型能力提升一大截，你的产品会不会立刻被别人复制。如果答案是会，那你积累的东西还不够硬；如果答案是不会，通常是因为你积累的是流程和判断，不是数据量。
评论