梁津晶在访谈末尾给出三个方向。第一是 ToC 应用：她认为做 App 的成本和周期下降，ROI 变好，且 C 端付费意愿在提高；但她同时提醒，若做的是和 TikTok 抢注意力的零和类 App，竞争会更激烈，机会在解决以前做不到的实际问题。第二是软硬件结合，她认为国内创业者在硬件供应链上有先天优势，并举 Plaud 为例。第三是算力相关，包括 compute、芯片、存储及集成，她提到 YC 新一批项目里有帮企业托管或自托管模型的创业公司⁠1。这些是她的判断，不是立正本人的结论。

立正在课程里把纳瓦尔的杠杆理论做了修正：纳瓦尔认为雇佣劳动力是最差的杠杆，但立正认为有了 AI 后，用 AI 取代的“劳动力”可能是一种很好的杠杆，并提到有专门讲用 AI Agents 取代劳动力的内容⁠2。他在另一篇项目分类里也划了一条线：只在开发过程中用 AI、用户使用时没有 AI 参与的项目属于 L0，可以是有价值的工具，但要进入 AI 产品，需要让 AI 在用户使用时承担判断、生成或行动⁠3。把这两点合起来，一个可操作的方向是：找一个原本要雇人做的重复性工作，让 AI 在用户实际使用时接手。

陈唱在访谈中说，不要为了不招销售就硬做 PLG；产品单价高、setup 复杂、团队又没人真正了解市场时，纯线上投放测试大概率得到负面反馈。她认为 PLG 能成功，通常是因为开发者接入后很快体会到“啊哈时刻”，之后再靠销售拉高客单价⁠4。周楠则说自己不怎么看软件，更关注 infra 和硬件，并提醒机器人领域真正稀缺的是落地场景中采集的数据，而不只是模型方法论⁠5。这两条对选择方向的人意味着：方向之外，还要想清楚第一批用户从哪里来、产品能不能让人快速感知价值。