即刻App年轻人的同好社区
下载
置顶
GLM-5.3-Flash（Ox-Alpha）：
定价为GLM-5.3的1/10，是GLM-5系列的首个原生多模态模型。
跑在国产芯片上：过去一周，我们首次在大规模流量中尝试用大国产芯片集群提供服务，这些芯片通过自研高带宽互联网络连接。
为克服单张芯片算力与内存容量相对有限的问题，我们在SGLang 基础上构建了专用的推理引擎。值得一提的是，整个构建工作由GLM-5.3驱动的infra agent 大大加速，它协助工程师开发与优化算子、诊断性能瓶颈、改进部署服务栈，形成了“模型优化系统，系统承载模型”的正向循环。
这些芯片主要瓶颈在于内存容量与带宽，尤其是支持长达1M上下文长度很有挑战。这要求我们针对底层架构进行激进的内存优化，包括以算力换带宽、以通信换显存等定制优化。我们的技术栈结合了用于线性注意力和LM head的节点内张量并行、ReplaySSM、W8A8量化、INT8/FP8/BF16混合缓存量化，以及Layer Split等技术。
在集群层面，我们采用生产级Encode–Prefill–Decode（EPD）分离式架构，将多模态编码、prompt预填充和逐token解码拆分为可独立调度、独立扩缩容的工作池，从而在国产加速芯片上实现了高效、可靠的服务。
与同一硬件上的初始基线相比，端到端服务性能提升了3倍，硬件效率和单token成本已达到与主流英伟达GPU相当的水平。这证明国产芯片完全可以在大规模场景下高效、经济地支撑前沿模型的推理需求。
mp.weixin.qq.com
定价为GLM-5.3的1/10，是GLM-5系列的首个原生多模态模型。
跑在国产芯片上：过去一周，我们首次在大规模流量中尝试用大国产芯片集群提供服务，这些芯片通过自研高带宽互联网络连接。
为克服单张芯片算力与内存容量相对有限的问题，我们在SGLang 基础上构建了专用的推理引擎。值得一提的是，整个构建工作由GLM-5.3驱动的infra agent 大大加速，它协助工程师开发与优化算子、诊断性能瓶颈、改进部署服务栈，形成了“模型优化系统，系统承载模型”的正向循环。
这些芯片主要瓶颈在于内存容量与带宽，尤其是支持长达1M上下文长度很有挑战。这要求我们针对底层架构进行激进的内存优化，包括以算力换带宽、以通信换显存等定制优化。我们的技术栈结合了用于线性注意力和LM head的节点内张量并行、ReplaySSM、W8A8量化、INT8/FP8/BF16混合缓存量化，以及Layer Split等技术。
在集群层面，我们采用生产级Encode–Prefill–Decode（EPD）分离式架构，将多模态编码、prompt预填充和逐token解码拆分为可独立调度、独立扩缩容的工作池，从而在国产加速芯片上实现了高效、可靠的服务。
与同一硬件上的初始基线相比，端到端服务性能提升了3倍，硬件效率和单token成本已达到与主流英伟达GPU相当的水平。这证明国产芯片完全可以在大规模场景下高效、经济地支撑前沿模型的推理需求。
mp.weixin.qq.com
4 00
月之暗面（Moonshot AI）正与微软（MSFT.O）、亚马逊（AMZN.O）以及 Alphabet 旗下的谷歌（GOOGL.O）洽谈收入分成协议，以允许这些美国云巨头托管其备受瞩目的 Kimi K3 模型。希望从微软 Azure、亚马逊 AWS 以及谷歌云（Google Cloud）上产生的 K3 相关服务收入中抽取最高达 30% 的分成。
月之暗面否认了关于 Kimi K3 的性能是通过“知识蒸馏”实现的说法，表示其性能提升源于底层架构的原创性改进。
路透社：中国月之暗面正与微软、亚马逊、谷歌商讨 K3 收入分成事宜
北京/新加坡，8月26日（路透社）—— 据三位知情人士透露，中国人工智能初创公司月之暗面（Moonshot AI）正与微软（MSFT.O）、亚马逊（AMZN.O）以及 Alphabet 旗下的谷歌（GOOGL.O）洽谈收入分成协议，以允许这些美国云巨头托管其备受瞩目的 Kimi K3 模型。
若达成任何协议，都可能标志着中国 AI 企业与美国主流云服务巨头之间达成的首个重大收入分成合作。
尽管华盛顿出于国家安全担忧对向中国出口 AI 芯片实施了禁令，且美国高级官员对月之暗面发表了批评言论，但这些谈判凸显出：中国顶尖的 AI 模型由于通常比西方同类产品更具成本优势，正在美国市场获得青睐。
据不愿透露姓名的知情人士称（因相关讨论属于非公开性质），正筹备首次公开募股（IPO）的月之暗面希望从微软 Azure、亚马逊 AWS 以及谷歌云（Google Cloud）上产生的 K3 相关服务收入中抽取最高达 30% 的分成。
这与消息人士所透露的该初创公司向使用该开放权重（open-weight）模型的大客户提出的条件一致。
知情人士表示，谈判目前处于早期阶段，尚不能确定最终是否会达成协议。
月之暗面未就潜在交易的置评请求作出回应。微软、谷歌和亚马逊 AWS 均拒绝置评。
月之暗面否认了关于 Kimi K3 的性能是通过“知识蒸馏”实现的说法，并在上个月向中国《每日经济新闻》表示，其性能提升源于底层架构的原创性改进。
谈判中尚未解决的问题
据其中一位知情人士透露，月之暗面与美国云巨头谈判中尚未解决的分歧包括：具体的收入分成比例、数据访问权限以及 Token（词元）使用量的审计方式。
Token 是 AI 模型处理的文本基本单元，在使用量计费模式下，准确计量 Token 的使用是计算收入的核心依据。
Kimi K3 在第三方评测中表现出强劲实力。
Arena.ai 在一项评估网页界面构建能力的基准测试中将其排在第一位；而 Artificial Analysis 则指出，其性能可与 OpenAI 的 GPT-5.5 以及 Anthropic 的 Claude Opus 4.8 媲美，尤其是在评估复杂、多步骤任务的测试中。
对于像月之暗面这样的大型 AI 模型提供商而言，主流云平台是实现企业级应用落地的主要渠道。
尽管 Kimi K3 是一个可供下载和修改的开放权重模型，但分析师指出，由于所需的算力成本极其庞大，极少有客户能够在自有基础设施上独立运行一个拥有 2.8 万亿参数的系统。
知情人士表示，月之暗面已经与一些规模较小的云平台签署了类似协议，但未透露具体细节。
今年 7 月，中国 IT 服务提供商中软国际（0354.HK）表示已与月之暗面达成收入分成协议，不过并未公开具体的分成比例。
月之暗面成立于 2023 年，由毕业于卡内基梅隆大学的 AI 研究员杨植麟创立，获得了包括云计算巨头阿里巴巴（9988.HK）在内的数家中国科技巨头的投资支持。
据知情人士透露，该初创公司于今年 5 月筹集了超过 20 亿美元资金，目前正在筹备赴港上市。
另据消息人士透露，阿里巴巴也在为其最新的开源 AI 模型寻求与主要用户达成收入分成协议。
月之暗面否认了关于 Kimi K3 的性能是通过“知识蒸馏”实现的说法，表示其性能提升源于底层架构的原创性改进。
路透社：中国月之暗面正与微软、亚马逊、谷歌商讨 K3 收入分成事宜
北京/新加坡，8月26日（路透社）—— 据三位知情人士透露，中国人工智能初创公司月之暗面（Moonshot AI）正与微软（MSFT.O）、亚马逊（AMZN.O）以及 Alphabet 旗下的谷歌（GOOGL.O）洽谈收入分成协议，以允许这些美国云巨头托管其备受瞩目的 Kimi K3 模型。
若达成任何协议，都可能标志着中国 AI 企业与美国主流云服务巨头之间达成的首个重大收入分成合作。
尽管华盛顿出于国家安全担忧对向中国出口 AI 芯片实施了禁令，且美国高级官员对月之暗面发表了批评言论，但这些谈判凸显出：中国顶尖的 AI 模型由于通常比西方同类产品更具成本优势，正在美国市场获得青睐。
据不愿透露姓名的知情人士称（因相关讨论属于非公开性质），正筹备首次公开募股（IPO）的月之暗面希望从微软 Azure、亚马逊 AWS 以及谷歌云（Google Cloud）上产生的 K3 相关服务收入中抽取最高达 30% 的分成。
这与消息人士所透露的该初创公司向使用该开放权重（open-weight）模型的大客户提出的条件一致。
知情人士表示，谈判目前处于早期阶段，尚不能确定最终是否会达成协议。
月之暗面未就潜在交易的置评请求作出回应。微软、谷歌和亚马逊 AWS 均拒绝置评。
月之暗面否认了关于 Kimi K3 的性能是通过“知识蒸馏”实现的说法，并在上个月向中国《每日经济新闻》表示，其性能提升源于底层架构的原创性改进。
谈判中尚未解决的问题
据其中一位知情人士透露，月之暗面与美国云巨头谈判中尚未解决的分歧包括：具体的收入分成比例、数据访问权限以及 Token（词元）使用量的审计方式。
Token 是 AI 模型处理的文本基本单元，在使用量计费模式下，准确计量 Token 的使用是计算收入的核心依据。
Kimi K3 在第三方评测中表现出强劲实力。
Arena.ai 在一项评估网页界面构建能力的基准测试中将其排在第一位；而 Artificial Analysis 则指出，其性能可与 OpenAI 的 GPT-5.5 以及 Anthropic 的 Claude Opus 4.8 媲美，尤其是在评估复杂、多步骤任务的测试中。
对于像月之暗面这样的大型 AI 模型提供商而言，主流云平台是实现企业级应用落地的主要渠道。
尽管 Kimi K3 是一个可供下载和修改的开放权重模型，但分析师指出，由于所需的算力成本极其庞大，极少有客户能够在自有基础设施上独立运行一个拥有 2.8 万亿参数的系统。
知情人士表示，月之暗面已经与一些规模较小的云平台签署了类似协议，但未透露具体细节。
今年 7 月，中国 IT 服务提供商中软国际（0354.HK）表示已与月之暗面达成收入分成协议，不过并未公开具体的分成比例。
月之暗面成立于 2023 年，由毕业于卡内基梅隆大学的 AI 研究员杨植麟创立，获得了包括云计算巨头阿里巴巴（9988.HK）在内的数家中国科技巨头的投资支持。
据知情人士透露，该初创公司于今年 5 月筹集了超过 20 亿美元资金，目前正在筹备赴港上市。
另据消息人士透露，阿里巴巴也在为其最新的开源 AI 模型寻求与主要用户达成收入分成协议。
2 00
今年前七个月，DeepSeek的整体毛利率为44.6%，而通过应用程序编程接口（API）出售模型访问权限的毛利率则高达82.9%。相比之下，OpenAI在第一季度的营收为57亿美元，毛利率为39%；Anthropic第二季度营收达到115亿美元，并预计其毛利率将从2025年的40%上升至2026年的63%。这是因为DeepSeek成功降低了模型运行成本，例如通过提高其AI基础设施的效率，使AI系统能够用更少的芯片完成任务。
今年前七个月，DeepSeek在AI基础设施相关方面的支出约为110亿元人民币，包括租用配备AI芯片的服务器或购买芯片及其他计算设备。而在2025年，该公司在相关支出上仅花费了约12亿元人民币。
The information：截至7月DeepSeek营收达7000万美元，较2025年激增十倍
据两位知情人士透露，随着这家中国人工智能实验室全力推进第二轮融资，DeepSeek今年前七个月创造了约4.75亿元人民币（约合7070万美元）的营收，大约是其2025年全年营收的十倍。
知情人士补充称，今年1月至7月期间，DeepSeek录得净亏损约7.15亿元人民币，而2025年全年的净亏损为9.35亿元人民币。该公司目前正与现有及新投资者就新一轮融资进行持续讨论，该轮融资计划以5000亿元人民币的估值筹集500亿元人民币。
DeepSeek未立即回复通过电子邮件发出的置评请求。
尽管与Anthropic和OpenAI等美国AI大模型开发商相比，DeepSeek的营收规模依然微不足道，但该公司正在实现健康的毛利率。这是因为它成功降低了模型运行成本，例如通过提高其AI基础设施的效率，使AI系统能够用更少的芯片完成任务。
今年前七个月，DeepSeek的整体毛利率为44.6%，而通过应用程序编程接口（API）出售模型访问权限的毛利率则高达82.9%。相比之下，OpenAI在第一季度的营收为57亿美元，毛利率为39%；Anthropic第二季度营收达到115亿美元，并预计其毛利率将从2025年的40%上升至2026年的63%。
这些此前未曾公开报道的营收及其他数据，展现了其在过去几个月中的加速增长态势。《The Information》上个月报道称，DeepSeek的年化营收已达到4亿至5亿美元之间。
营收的增长可能会为融资谈判以及未来的潜在首次公开募股（IPO）提供助力。该公司在6月完成的首次融资中筹集了500亿元人民币，随后几乎立刻启动了第二轮融资。公司已聘请投资银行协助筹备明年在上海的上市事宜。
营收的攀升凸显了DeepSeek开源大模型更广泛的普及度。其旗舰V4系列——尤其是小型化的V4-Flash——因其低廉的成本和出色的性能，在全球开发者中广受欢迎。
DeepSeek近期采取了多项措施以进一步增加营收。本月早些时候，该公司上调了API接口价格。例如，其旗舰模型V4-Pro的高峰时段每100万Token输出价格上涨至3.96美元，非高峰时段为1.98美元——较此前的0.87美元大幅提升。
不过，即便在提价之后，DeepSeek的模型仍比其他中美主流模型便宜得多。月之暗面（Moonshot）的Kimi K3输出价格为15美元，而Anthropic的Claude Opus 5输出价格为25美元。
DeepSeek的支出也在快速增长，尽管与美国同行相比依然较低。今年前七个月，DeepSeek在AI基础设施相关方面的支出约为110亿元人民币，包括租用配备AI芯片的服务器或购买芯片及其他计算设备。而在2025年，该公司在相关支出上仅花费了约12亿元人民币。
今年前七个月，DeepSeek在AI基础设施相关方面的支出约为110亿元人民币，包括租用配备AI芯片的服务器或购买芯片及其他计算设备。而在2025年，该公司在相关支出上仅花费了约12亿元人民币。
The information：截至7月DeepSeek营收达7000万美元，较2025年激增十倍
据两位知情人士透露，随着这家中国人工智能实验室全力推进第二轮融资，DeepSeek今年前七个月创造了约4.75亿元人民币（约合7070万美元）的营收，大约是其2025年全年营收的十倍。
知情人士补充称，今年1月至7月期间，DeepSeek录得净亏损约7.15亿元人民币，而2025年全年的净亏损为9.35亿元人民币。该公司目前正与现有及新投资者就新一轮融资进行持续讨论，该轮融资计划以5000亿元人民币的估值筹集500亿元人民币。
DeepSeek未立即回复通过电子邮件发出的置评请求。
尽管与Anthropic和OpenAI等美国AI大模型开发商相比，DeepSeek的营收规模依然微不足道，但该公司正在实现健康的毛利率。这是因为它成功降低了模型运行成本，例如通过提高其AI基础设施的效率，使AI系统能够用更少的芯片完成任务。
今年前七个月，DeepSeek的整体毛利率为44.6%，而通过应用程序编程接口（API）出售模型访问权限的毛利率则高达82.9%。相比之下，OpenAI在第一季度的营收为57亿美元，毛利率为39%；Anthropic第二季度营收达到115亿美元，并预计其毛利率将从2025年的40%上升至2026年的63%。
这些此前未曾公开报道的营收及其他数据，展现了其在过去几个月中的加速增长态势。《The Information》上个月报道称，DeepSeek的年化营收已达到4亿至5亿美元之间。
营收的增长可能会为融资谈判以及未来的潜在首次公开募股（IPO）提供助力。该公司在6月完成的首次融资中筹集了500亿元人民币，随后几乎立刻启动了第二轮融资。公司已聘请投资银行协助筹备明年在上海的上市事宜。
营收的攀升凸显了DeepSeek开源大模型更广泛的普及度。其旗舰V4系列——尤其是小型化的V4-Flash——因其低廉的成本和出色的性能，在全球开发者中广受欢迎。
DeepSeek近期采取了多项措施以进一步增加营收。本月早些时候，该公司上调了API接口价格。例如，其旗舰模型V4-Pro的高峰时段每100万Token输出价格上涨至3.96美元，非高峰时段为1.98美元——较此前的0.87美元大幅提升。
不过，即便在提价之后，DeepSeek的模型仍比其他中美主流模型便宜得多。月之暗面（Moonshot）的Kimi K3输出价格为15美元，而Anthropic的Claude Opus 5输出价格为25美元。
DeepSeek的支出也在快速增长，尽管与美国同行相比依然较低。今年前七个月，DeepSeek在AI基础设施相关方面的支出约为110亿元人民币，包括租用配备AI芯片的服务器或购买芯片及其他计算设备。而在2025年，该公司在相关支出上仅花费了约12亿元人民币。
2 00
《20VC with Harry Stebbings》 的访谈对话了红杉资本合伙人 Julien Bek，深入揭示了红杉的内部投资运作机制、顶尖合伙人的心智模型、如何识别杰出创始人以及对 AI 时代商业范式演进的前沿思考。
1. 红杉资本的内部文化与决策机制
- 全员“猎人”文化：外界常误以为红杉只是坐在办公室等明星公司找上门，但红杉早期投资团队仅约 12 人，每个人都像足球队前锋一样必须在市场上主动出击（Hunter）。无论资历深浅，全员都背负极高的业绩预期。
- 异步讨论与投委会（IC）决策：红杉延续了数十年的周一 IC 会议传统，目前正在探索异步模式：先通过文档让合伙人们异步交流进行“慢思考”，再在 IC 会议上进行面对面的“快思考”。
- 高信念（Conviction）胜过共识：在 IC 讨论后所有人会打分（1～10分），但最终拍板取决于项目发起合伙人（Sponsor）的坚定信念。例如合伙人 Shaun Maguire 当年力推 SpaceX 时甚至有合伙人投了 1 分，但因其极强信念推动团队实地调研并下注，最终成为红杉史上最成功案子之一。
- 及时更新先验假设（Updating Priors）：顶级投资人必须克服虚荣与傲慢，在环境发生质变时敢于推翻过往判断、以更高估值重新投资此前错过的公司（如在 AI 领域对 Anthropic 的投资）。
- 座右铭：“We are only as good as our next investment”（我们的价值仅取决于下一笔投资）。
2. 红杉传奇合伙人的核心认知框架
- Doug Leone 的背调提问法：
- 先问创始人：“谁是你最好的背调人（Reference），为什么？”
- 紧接着追问：“谁会是你最差的背调人，为什么？”
- 关键不在于对方是否完美，而在于其是否有足够的自我认知与坦诚度。
- Pat Grady 的“向量（Vector）模型”：
- 评估人才应看作物理向量——方向（Direction）（为什么做这件事、动机是什么）与大小（Magnitude）（野心多大、能承受多少痛苦与挑战）。
- Alfred Lin 的履历陷阱提醒：
- “不要把杰出的执行者/运营者（Outlier Operator）误当成杰出的创始人（Outlier Founder）。”
- Shaun Maguire 的评估维度
- ELO 等级分法则：国际象棋中顶尖棋手一眼就能识别另一个顶尖棋手，做背调必须找极少数卓越之人，普通人的评价往往缺乏分辨力。
- 判断力（Judgment）与政治系数（PQ）：在复杂动态系统中，洞察与决策的“判断力”远比单纯的 IQ 重要；在复杂组织中游刃有余的“PQ”比单纯的 EQ 更重要。
- Don Valentine 的 2x2 矩阵：
- 将创始人按“你是否喜欢”与“能否赚钱”画为象限，投资人的核心职责是在能赚钱的象限寻找机会，不能因为个人喜好而排斥有棱角甚至略带傲慢但极度出色的创始人。
3. 如何深度识别与评估创始人
- 以脆弱换取真实（30 分钟洞察特质）：在短时间内看清一个人的独特长板（Spike），Julien 会主动先分享自己成长过程中的挫折与家庭故事，打破交易式对话，引导创始人展现真实的自我。
- 连问 5 次“为什么”防范伪装：针对异常的转折点（如放弃顶级名校、离谱的数据跃升）多层追问，观察对方的语速、肢体语言与反应，识别是否存在叙事包装或造假。
- 关注“走过的距离”（Distance Traveled）：不单纯对比现有的履历光环，而是结合创始人的童年与起点，看其为了达到今天的高度跨越了多少障碍、付出了多少努力。
- 不可妥协的特质：强度（Intensity）。建立伟大企业过程漫长而残酷，缺乏极致专注与坚韧的人很难走到最后。
4. AI 时代的投资洞察与范式转移
- 智能体是新客户（Agents are the new customer）：
- 未来 Agent 产生的数据与采购流量将远超人类。过去 20 年企业在优化面向人类的像素级 UI 与转化率，未来需要构建面向 Agent 决策的“Bits-perfect”平台与 AEO（答案引擎优化）。
- 软件伪装成服务（Services as Software）
- 下一个万亿美元级的巨头将是“伪装成服务业务的软件公司”。
- 传统买软件工具（如 QuickBooks）只占总支出的 1/7，其余 6/7 花在人工服务（会计师）上；随着 AI 达到人类水准，商业模式正从卖工具（Copilot）转向直接交付结果（Autopilot）（如客服领域的 Sierra）。
- 新市场（Green Field） vs 替代市场（Replacement）：
- 全新 AI 场景短期内呈现爆发式垂直增长，但在 5～10 年后终会演变为存量替代市场；真正决定终局回报的依然是进入壁垒、数据重力与企业级信任。
- 未来的前沿方向：看好脑机接口（BCI）以及借助 AI 突破生命科学与重大疾病治疗（Life Sciences/Biology）的底层创新。
1. 红杉资本的内部文化与决策机制
- 全员“猎人”文化：外界常误以为红杉只是坐在办公室等明星公司找上门，但红杉早期投资团队仅约 12 人，每个人都像足球队前锋一样必须在市场上主动出击（Hunter）。无论资历深浅，全员都背负极高的业绩预期。
- 异步讨论与投委会（IC）决策：红杉延续了数十年的周一 IC 会议传统，目前正在探索异步模式：先通过文档让合伙人们异步交流进行“慢思考”，再在 IC 会议上进行面对面的“快思考”。
- 高信念（Conviction）胜过共识：在 IC 讨论后所有人会打分（1～10分），但最终拍板取决于项目发起合伙人（Sponsor）的坚定信念。例如合伙人 Shaun Maguire 当年力推 SpaceX 时甚至有合伙人投了 1 分，但因其极强信念推动团队实地调研并下注，最终成为红杉史上最成功案子之一。
- 及时更新先验假设（Updating Priors）：顶级投资人必须克服虚荣与傲慢，在环境发生质变时敢于推翻过往判断、以更高估值重新投资此前错过的公司（如在 AI 领域对 Anthropic 的投资）。
- 座右铭：“We are only as good as our next investment”（我们的价值仅取决于下一笔投资）。
2. 红杉传奇合伙人的核心认知框架
- Doug Leone 的背调提问法：
- 先问创始人：“谁是你最好的背调人（Reference），为什么？”
- 紧接着追问：“谁会是你最差的背调人，为什么？”
- 关键不在于对方是否完美，而在于其是否有足够的自我认知与坦诚度。
- Pat Grady 的“向量（Vector）模型”：
- 评估人才应看作物理向量——方向（Direction）（为什么做这件事、动机是什么）与大小（Magnitude）（野心多大、能承受多少痛苦与挑战）。
- Alfred Lin 的履历陷阱提醒：
- “不要把杰出的执行者/运营者（Outlier Operator）误当成杰出的创始人（Outlier Founder）。”
- Shaun Maguire 的评估维度
- ELO 等级分法则：国际象棋中顶尖棋手一眼就能识别另一个顶尖棋手，做背调必须找极少数卓越之人，普通人的评价往往缺乏分辨力。
- 判断力（Judgment）与政治系数（PQ）：在复杂动态系统中，洞察与决策的“判断力”远比单纯的 IQ 重要；在复杂组织中游刃有余的“PQ”比单纯的 EQ 更重要。
- Don Valentine 的 2x2 矩阵：
- 将创始人按“你是否喜欢”与“能否赚钱”画为象限，投资人的核心职责是在能赚钱的象限寻找机会，不能因为个人喜好而排斥有棱角甚至略带傲慢但极度出色的创始人。
3. 如何深度识别与评估创始人
- 以脆弱换取真实（30 分钟洞察特质）：在短时间内看清一个人的独特长板（Spike），Julien 会主动先分享自己成长过程中的挫折与家庭故事，打破交易式对话，引导创始人展现真实的自我。
- 连问 5 次“为什么”防范伪装：针对异常的转折点（如放弃顶级名校、离谱的数据跃升）多层追问，观察对方的语速、肢体语言与反应，识别是否存在叙事包装或造假。
- 关注“走过的距离”（Distance Traveled）：不单纯对比现有的履历光环，而是结合创始人的童年与起点，看其为了达到今天的高度跨越了多少障碍、付出了多少努力。
- 不可妥协的特质：强度（Intensity）。建立伟大企业过程漫长而残酷，缺乏极致专注与坚韧的人很难走到最后。
4. AI 时代的投资洞察与范式转移
- 智能体是新客户（Agents are the new customer）：
- 未来 Agent 产生的数据与采购流量将远超人类。过去 20 年企业在优化面向人类的像素级 UI 与转化率，未来需要构建面向 Agent 决策的“Bits-perfect”平台与 AEO（答案引擎优化）。
- 软件伪装成服务（Services as Software）
- 下一个万亿美元级的巨头将是“伪装成服务业务的软件公司”。
- 传统买软件工具（如 QuickBooks）只占总支出的 1/7，其余 6/7 花在人工服务（会计师）上；随着 AI 达到人类水准，商业模式正从卖工具（Copilot）转向直接交付结果（Autopilot）（如客服领域的 Sierra）。
- 新市场（Green Field） vs 替代市场（Replacement）：
- 全新 AI 场景短期内呈现爆发式垂直增长，但在 5～10 年后终会演变为存量替代市场；真正决定终局回报的依然是进入壁垒、数据重力与企业级信任。
- 未来的前沿方向：看好脑机接口（BCI）以及借助 AI 突破生命科学与重大疾病治疗（Life Sciences/Biology）的底层创新。
4 02
A16z：Kimi’s Got a Career Update
虽然感觉已经过去了很久，但实际上月之暗面（Moonshot）发布其 Kimi K3 模型仅仅两周时间，就在信息流时间线上掀起了一场关于“开源与闭源”的全网大讨论。
显然，这么高的关注度意味着很多人都想知道大家究竟在吵些什么，于是他们决定亲自去一探究竟：
根据 SensorTower 的数据，Kimi App 的下载量和日活跃用户数（DAU）几乎在一夜之间双双暴增。下载量增长了近 5 倍，DAU 也跃升了约 40%。至少目前来看，K3 的这次“首秀亮相”远不止是噱头——大家确实都在亲自试用这款模型。
顺便提一句，Kimi 带来的绝大部分影响似乎都发生在美国以外的市场：
SensorTower 的预估数据显示，虽然美国的应用内周购买量确实有所增长（基于相对较小的基数），但全球范围内的跃升要明显得多。自今年年初以来，Kimi 的全球收入规模显然一直在扩大——已经是美国市场的 6 到 7 倍——而 7 月份的应用内内购总收入更是直接拉出了一根垂直阳线，短短一周内基本翻了一番。换句话说，尽管炒得沸沸扬扬，Kimi 依然更像是一个全球（乃至中国本土）的现象，而不是一个美国现象。
不过有趣的是，SensorTower 同时也提供了一些迹象，表明 Moonshot 正在试图改变这一现状——不仅是在转移地域重心，还可能是在尝试切入一个完全不同的细分赛道：
Moonshot 2026 年的营销策略与 2025 年截然不同。这家中国实验室一改此前在 YouTube 上砸钱的打法，转而将超过 60% 的广告火力对准了 LinkedIn（而 YouTube 已经成了次要选择）。
如今，把广告预算砸在 LinkedIn 上并不必然意味着 Moonshot 要进军企业级市场，但这确实是一个潜在信号。而且 Moonshot 也不是唯一一家在 LinkedIn 上打广告的公司——今年早些时候的数据就表明，总体而言，LinkedIn 是各家 AI 应用最青睐的广告投放渠道。
无论如何，LinkedIn 现在显然成了一个全方位被“AI 废话/垃圾内容”占领的地方……到处充斥着 AI 生成的职业心得水贴，并伴随着源源不断的 AI 广告，为你提供挑选趁手“作战武器”的各类选项。
虽然感觉已经过去了很久，但实际上月之暗面（Moonshot）发布其 Kimi K3 模型仅仅两周时间，就在信息流时间线上掀起了一场关于“开源与闭源”的全网大讨论。
显然，这么高的关注度意味着很多人都想知道大家究竟在吵些什么，于是他们决定亲自去一探究竟：
根据 SensorTower 的数据，Kimi App 的下载量和日活跃用户数（DAU）几乎在一夜之间双双暴增。下载量增长了近 5 倍，DAU 也跃升了约 40%。至少目前来看，K3 的这次“首秀亮相”远不止是噱头——大家确实都在亲自试用这款模型。
顺便提一句，Kimi 带来的绝大部分影响似乎都发生在美国以外的市场：
SensorTower 的预估数据显示，虽然美国的应用内周购买量确实有所增长（基于相对较小的基数），但全球范围内的跃升要明显得多。自今年年初以来，Kimi 的全球收入规模显然一直在扩大——已经是美国市场的 6 到 7 倍——而 7 月份的应用内内购总收入更是直接拉出了一根垂直阳线，短短一周内基本翻了一番。换句话说，尽管炒得沸沸扬扬，Kimi 依然更像是一个全球（乃至中国本土）的现象，而不是一个美国现象。
不过有趣的是，SensorTower 同时也提供了一些迹象，表明 Moonshot 正在试图改变这一现状——不仅是在转移地域重心，还可能是在尝试切入一个完全不同的细分赛道：
Moonshot 2026 年的营销策略与 2025 年截然不同。这家中国实验室一改此前在 YouTube 上砸钱的打法，转而将超过 60% 的广告火力对准了 LinkedIn（而 YouTube 已经成了次要选择）。
如今，把广告预算砸在 LinkedIn 上并不必然意味着 Moonshot 要进军企业级市场，但这确实是一个潜在信号。而且 Moonshot 也不是唯一一家在 LinkedIn 上打广告的公司——今年早些时候的数据就表明，总体而言，LinkedIn 是各家 AI 应用最青睐的广告投放渠道。
无论如何，LinkedIn 现在显然成了一个全方位被“AI 废话/垃圾内容”占领的地方……到处充斥着 AI 生成的职业心得水贴，并伴随着源源不断的 AI 广告，为你提供挑选趁手“作战武器”的各类选项。
3 00