9 分钟「杀死」一家公司？moat 其实没被碰到

「9 分钟、一条 prompt、复刻一家刚融了 130 万美元的创业公司。」这个剧本10 月底真实上演了一遍，主角是资深 iOS 开发者 Joe Blau（gitignore.io 作者）。但把这个故事完整拆开后，最有价值的部分不是「9 分钟杀死一家公司」，而是那个被忽略的细节：真正的护城河从头到尾没被碰到。

起源是这样的：Georgia Tech 学生团队 Subvocal（YC Fall 2026 批次）宣布拿到 130 万美元 pre-seed，做「无声眼镜」，用 RF sensing 把无声口型变成文字，声称速度超 200 wpm，已经开始预售。Joe Blau 回了一条：「我用一个 prompt 在 9 分钟里为 AirPods Pro 3 复刻了 subvocal」，随帖开源了 Subvox，演示视频播放超 90 万。评论区一片叫好：「bro killed that startup in 9mins」「There is no moat」。

一、不碰大模型，先做统计验证

Subvox 定位是一个验证：AirPods Pro 的头部运动数据，到底携不携带足够信息把无声口型变成文字。实现上完全没碰大模型，走的是老派路线：小词表模板识别器加统计检验。信号源是 CMHeadphoneMotionManager 公开的头部运动数据，每帧 9 维，包括 user acceleration 3 维、rotation rate 3 维、attitude 变化 3 维；匹配用 1-NN 加动态时间规整（DTW），并设拒绝阈值。最难得的是统计严谨性：Evaluate 流程跑 leave-one-out 分类，外加 500 次标签置换检验，输出 accuracy 对 chance 的差值、p 值和混淆矩阵，p 小于 0.05 才承认这个词真的能区分。

二、Known limits 写在明面上

README 里的限制条款很诚实：运动数据是处理过的、低采样率的（AirPods 上约 25 Hz），拿到的是下颌和头部的联动信号，不是声带振动；模板是用户和会话特定的，重新佩戴后信号会漂移。

三、冷水：四条都得泼

一，「9 分钟复刻」是噱头：复刻的只是 demo 形态，Subvocal 的核心难题是专用 RF 传感硬件加开放词表解码，这两样都没被碰到。二，双方本质上都是 claim 加 demo：Subvocal 的 200 wpm 同样无人验证，谁也没比谁更「实」。三，5 词小词表离「会议室隐形打字机」的产品愿景差着两个数量级。四，作者没有公布任何准确率数字，只有方法论。Blau 自己的 prompt 笔记倒是把底牌亮了：AirPods Pro 3 真正有用的 speech-detecting accelerometer 和内向麦克风都是私有 API 不开放，公开的头部加速度数据在他的评级里只有二星；他的结论是公开 API 做真 subvocal 未被证实，先做 whisper 输入更值得。

四、判断

这个故事的两面都成立。AI coding 时代，demo 成本确实归零了：一条 prompt、9 分钟、3 天 688 星，公开演示就能动摇一家拿了 pre-seed 的公司的叙事，这在新资本环境里是真实发生的压力。但 Subvocal 如果真有料，它的 moat 在 RF 传感硬件和开放词表解码上，那是一段 prompt 替代不了的重资产研发。另一面更值得记住：Blau 没有吹自己的 9 分钟产物，而是用置换检验和 p 值告诉大家「我证明了什么、没证明什么」。这种克制，在两边都在大声 claim 的战场上，是稀缺品。

来源：github.com/joeblau/subvox（第一手，2026-11-03 直读）；startupfortune 报道；TG 原帖 t.me/piracy6/36461。