即刻App年轻人的同好社区
下载
做AI创业，大部分人在想一个问题：我怎么接上最强的模型。
错了。
a16z的合伙人Andrew Chen两小时前发了一条推文，核心就一句话：消费级AI的赢家，不是套壳最强模型的那批人。
那赢家是谁？是那些找到了高价值用户、并且能让AI真正重塑体验的人。说白了，这是一场ARPU战争。你的用户值多少钱，决定了你能活多久。
一道算术题
每次用户跟你的AI产品交互——问一个问题、生成一张图、让agent帮忙做一件事——你都要付推理成本。调一次GPT-4级别的模型，成本几分到几毛钱。一个用户一天用20次，一个月十几块。10万用户，月烧百万。
然后问：你每个用户每月能赚多少？这就是ARPU（单用户平均收入）。
ARPU > 推理成本 = 活。ARPU < 推理成本 = 死。
推理成本在持续下降，这是行业共识。所以这道题的唯一变量是ARPU。
用游戏的话说：刷一个副本花20分钟，掉落值100金还是值5金，决定了你该不该刷这个本。赛道选错了，就是在用最好的装备刷最垃圾的本。
四个高收益副本
Chen点名四个赛道：个人理财、健康、效率工具、游戏。共同特征——用户愿意掏钱，而且掏得起。
个人理财
Rocket Money的AI自动扫你银行账单，发现被遗忘的订阅扣款，帮你跟商家砍价。商业模式：砍成功收第一年省下来的35%-60%，砍不成不收钱。已经帮用户省了2.45亿美元。用户完全不觉得亏——你帮我省1000，我分你350，我净赚650。
Betterment做智能投顾，AI配置投资组合+自动税务优化，按管理资产0.25%收费。用户放100万进去一年收2500，比找人类理财顾问（$200/小时）便宜一个数量级。
理财赛道高ARPU的底层原因：工具帮你省的钱/赚的钱可以精确量化，用户付费是纯理性决策。AI agent加持后更恐怖——24小时自动优化订阅支出、调投资组合、信用卡积分快过期自动兑换、异常消费实时预警。每一个功能都直接对应省下来的真金白银。
健康
Noom做AI减重，订阅$60-70/月。贵吗？请私教几千块一个月，Noom是它的零头。
Oura Ring智能戒指+App，硬件$300+，订阅$6/月。2025年收入10亿美元，估值110亿。硬件锁定+软件订阅，买了戒指就离不开App，ARPU极高。
健康赛道的逻辑：**健康无法定价，所以用户对工具价格最不敏感。**AI在这个赛道的想象空间集中在三个方向——基于基因+肠道微生物组数据的个性化营养方案（Nuuro、Mynu已经在做）、可穿戴设备持续监测数据喂AI做健康预警（Oura、Whoop的方向）、心理健康AI提供7×24小时情绪支持（Calm、Headspace正在整合）。每个方向都指向高付费意愿。
效率工具
Superhuman，AI邮件客户端，$30/月。谁会付这个钱？每天花两三小时处理邮件的投资人、高管、创始人。他们的时间值几百美元一小时，Superhuman每天帮省30分钟，月省时间价值几千美元，$30连零头都不算。
Notion Business版$20/用户/月，AI直接嵌入文档、数据库、wiki——不用把内容复制到ChatGPT再粘回来，在工作上下文里直接总结会议、提取任务、检索整个工作空间。省的是知识工作者最贵的资源：注意力切换的成本。
游戏：大R经济学的终极形态
这部分我展开讲，因为这是我的老本行。
Chen用了"whale dynamics"这个词——鲸鱼用户动力学。游戏行业的核心付费结构：1%的大R养活整个游戏。
这个结构在AI时代有一个关键推论：AI不需要让所有玩家买单，只需要让大R觉得体验值得多充。
具体场景：AI生成的NPC对话——不是预设几百条文本循环播放，而是真正理解剧情上下文、记住你之前的选择、根据你的行为调整态度的角色。AI程序化生成的副本——不是简单随机排列，而是根据你的操作习惯和技能水平智能生成的个性化挑战，每次体验都不同。
一个原神大R，如果觉得剧情更沉浸、角色更有灵魂，多充几万完全不是决策障碍。这个增量ARPU轻松覆盖推理成本。
游戏还有一个天然优势：交互频次极高。一个用户一天可以触发几百次AI交互——对话、战斗、剧情选择。高频交互 = 更多数据 = 更好的个性化 = 更高留存和付费。这是飞轮。
低收益副本：内容创作工具
反面案例是内容创作工具。三个结构性问题：
用户本身不赚钱。 大部分是兼职博主、刚起步的小创作者，自己都还没变现，很难为工具月付几十块。
替代品多且免费。 Canva免费版、CapCut免费、各种AI写作工具都有免费额度。切换成本为零，没有定价权。
全球化拉低ARPU。 用户遍布东南亚、拉美、非洲，付费天花板可能只有几美元/月。用户基数大，但单用户价值低。
三个问题叠加形成死亡螺旋：低ARPU → 只能用便宜模型 → 体验差 → 留存弱 → ARPU更低。野外刷怪地图，没门槛就没利润。
2027：广告模型flip后的大爆发
Chen提到一个时间判断：还需要18-24个月，AI产品才能靠广告变现。
原因很具体：AI产品的交互界面是对话式的、动态生成的，跟传统App的信息流、固定页面结构完全不同。广告行业花了十几年适配移动App的广告形态，现在需要重新适配AI产品的UX，这个过程还没完成。
这意味着低ARPU赛道目前两条路都走不通——用户不付费，广告又没ready。只能等。等到2027年左右广告生态适配完成，"免费+广告"的模式才能养活低ARPU产品。
所以Chen预测2027年会有一波消费级AI大爆发。关键点：这波爆发是商业模型突破驱动的，不是技术突破驱动的。
这个框架在中国怎么用
ARPU决定生死，这个底层逻辑全球通用。但具体到赛道，中国有几个差异：
理财赛道受限。 美国的AI理财工具能直接帮用户交易、管投资组合，中国金融监管不允许这种自由度，天花板更低。
游戏和健康更有机会。 中国游戏市场的大R文化根深蒂固，AI提升体验的付费转化逻辑完全成立。健康赛道也是——中国人的养生执念是文化级别的，付费意愿全球领先。
内容创作工具比美国更卷。 抖音、小红书、B站、快手、微信公众号——平台更多，创作者更多，工具供给更多，ARPU可能更低。
Chen这条推文归根结底在问一个问题：你要服务的那群人，愿不愿意为你的产品付足够多的钱？
选赛道就是选难度。高难度副本门槛高，但掉落值得。低难度副本看起来轻松，打一天背包里全是白装。
别去刷白装。
错了。
a16z的合伙人Andrew Chen两小时前发了一条推文，核心就一句话：消费级AI的赢家，不是套壳最强模型的那批人。
那赢家是谁？是那些找到了高价值用户、并且能让AI真正重塑体验的人。说白了，这是一场ARPU战争。你的用户值多少钱，决定了你能活多久。
一道算术题
每次用户跟你的AI产品交互——问一个问题、生成一张图、让agent帮忙做一件事——你都要付推理成本。调一次GPT-4级别的模型，成本几分到几毛钱。一个用户一天用20次，一个月十几块。10万用户，月烧百万。
然后问：你每个用户每月能赚多少？这就是ARPU（单用户平均收入）。
ARPU > 推理成本 = 活。ARPU < 推理成本 = 死。
推理成本在持续下降，这是行业共识。所以这道题的唯一变量是ARPU。
用游戏的话说：刷一个副本花20分钟，掉落值100金还是值5金，决定了你该不该刷这个本。赛道选错了，就是在用最好的装备刷最垃圾的本。
四个高收益副本
Chen点名四个赛道：个人理财、健康、效率工具、游戏。共同特征——用户愿意掏钱，而且掏得起。
个人理财
Rocket Money的AI自动扫你银行账单，发现被遗忘的订阅扣款，帮你跟商家砍价。商业模式：砍成功收第一年省下来的35%-60%，砍不成不收钱。已经帮用户省了2.45亿美元。用户完全不觉得亏——你帮我省1000，我分你350，我净赚650。
Betterment做智能投顾，AI配置投资组合+自动税务优化，按管理资产0.25%收费。用户放100万进去一年收2500，比找人类理财顾问（$200/小时）便宜一个数量级。
理财赛道高ARPU的底层原因：工具帮你省的钱/赚的钱可以精确量化，用户付费是纯理性决策。AI agent加持后更恐怖——24小时自动优化订阅支出、调投资组合、信用卡积分快过期自动兑换、异常消费实时预警。每一个功能都直接对应省下来的真金白银。
健康
Noom做AI减重，订阅$60-70/月。贵吗？请私教几千块一个月，Noom是它的零头。
Oura Ring智能戒指+App，硬件$300+，订阅$6/月。2025年收入10亿美元，估值110亿。硬件锁定+软件订阅，买了戒指就离不开App，ARPU极高。
健康赛道的逻辑：**健康无法定价，所以用户对工具价格最不敏感。**AI在这个赛道的想象空间集中在三个方向——基于基因+肠道微生物组数据的个性化营养方案（Nuuro、Mynu已经在做）、可穿戴设备持续监测数据喂AI做健康预警（Oura、Whoop的方向）、心理健康AI提供7×24小时情绪支持（Calm、Headspace正在整合）。每个方向都指向高付费意愿。
效率工具
Superhuman，AI邮件客户端，$30/月。谁会付这个钱？每天花两三小时处理邮件的投资人、高管、创始人。他们的时间值几百美元一小时，Superhuman每天帮省30分钟，月省时间价值几千美元，$30连零头都不算。
Notion Business版$20/用户/月，AI直接嵌入文档、数据库、wiki——不用把内容复制到ChatGPT再粘回来，在工作上下文里直接总结会议、提取任务、检索整个工作空间。省的是知识工作者最贵的资源：注意力切换的成本。
游戏：大R经济学的终极形态
这部分我展开讲，因为这是我的老本行。
Chen用了"whale dynamics"这个词——鲸鱼用户动力学。游戏行业的核心付费结构：1%的大R养活整个游戏。
这个结构在AI时代有一个关键推论：AI不需要让所有玩家买单，只需要让大R觉得体验值得多充。
具体场景：AI生成的NPC对话——不是预设几百条文本循环播放，而是真正理解剧情上下文、记住你之前的选择、根据你的行为调整态度的角色。AI程序化生成的副本——不是简单随机排列，而是根据你的操作习惯和技能水平智能生成的个性化挑战，每次体验都不同。
一个原神大R，如果觉得剧情更沉浸、角色更有灵魂，多充几万完全不是决策障碍。这个增量ARPU轻松覆盖推理成本。
游戏还有一个天然优势：交互频次极高。一个用户一天可以触发几百次AI交互——对话、战斗、剧情选择。高频交互 = 更多数据 = 更好的个性化 = 更高留存和付费。这是飞轮。
低收益副本：内容创作工具
反面案例是内容创作工具。三个结构性问题：
用户本身不赚钱。 大部分是兼职博主、刚起步的小创作者，自己都还没变现，很难为工具月付几十块。
替代品多且免费。 Canva免费版、CapCut免费、各种AI写作工具都有免费额度。切换成本为零，没有定价权。
全球化拉低ARPU。 用户遍布东南亚、拉美、非洲，付费天花板可能只有几美元/月。用户基数大，但单用户价值低。
三个问题叠加形成死亡螺旋：低ARPU → 只能用便宜模型 → 体验差 → 留存弱 → ARPU更低。野外刷怪地图，没门槛就没利润。
2027：广告模型flip后的大爆发
Chen提到一个时间判断：还需要18-24个月，AI产品才能靠广告变现。
原因很具体：AI产品的交互界面是对话式的、动态生成的，跟传统App的信息流、固定页面结构完全不同。广告行业花了十几年适配移动App的广告形态，现在需要重新适配AI产品的UX，这个过程还没完成。
这意味着低ARPU赛道目前两条路都走不通——用户不付费，广告又没ready。只能等。等到2027年左右广告生态适配完成，"免费+广告"的模式才能养活低ARPU产品。
所以Chen预测2027年会有一波消费级AI大爆发。关键点：这波爆发是商业模型突破驱动的，不是技术突破驱动的。
这个框架在中国怎么用
ARPU决定生死，这个底层逻辑全球通用。但具体到赛道，中国有几个差异：
理财赛道受限。 美国的AI理财工具能直接帮用户交易、管投资组合，中国金融监管不允许这种自由度，天花板更低。
游戏和健康更有机会。 中国游戏市场的大R文化根深蒂固，AI提升体验的付费转化逻辑完全成立。健康赛道也是——中国人的养生执念是文化级别的，付费意愿全球领先。
内容创作工具比美国更卷。 抖音、小红书、B站、快手、微信公众号——平台更多，创作者更多，工具供给更多，ARPU可能更低。
Chen这条推文归根结底在问一个问题：你要服务的那群人，愿不愿意为你的产品付足够多的钱？
选赛道就是选难度。高难度副本门槛高，但掉落值得。低难度副本看起来轻松，打一天背包里全是白装。
别去刷白装。
1 00
YC W26 Demo Day 上最值得关注的 16 家初创公司
作者：Dominic-Madori Davis
发布时间：2026 年 3 月 26 日 12:30 PM PDT
在这届最新的 YC Demo Day 上，AI 再次成为最热关键词。将近 190 家公司参加了 Y Combinator 2026 冬季批次，并在周二展示了各自的创业项目。
这些公司覆盖了法律、交通、医疗等多个行业的产品方向。
老实说，考虑到本届规模实在太大，以及今年 Demo Day 面向媒体的展示形式，我并没有把每一个项目路演都看完。YC 这次并不是直播，也不是邀请媒体到线下统一观看，而是创始人展示后大约 20 分钟，逐个放出他们的路演视频。
所以，我读完了全部 190 家公司的介绍，又花了一整天去看那些我觉得有意思的项目路演，最后筛出了 16 家我认为是这一届 YC 里最值得关注的公司。
ARC Prize Foundation
做什么： 创建衡量 AGI 进展的基准测试。
为什么有意思： YC 里居然有一家非营利机构！不过转念一想，OpenAI、Anthropic 和 Google 都已经在使用这家机构某种形式的基准测试，它能进 YC 也就说得通了。这个基金会希望通过举办竞赛和发放研究资助，推动更多开源 AGI 研究。推动这轮 AI 革命的重要目标之一就是实现 AGI（英伟达 CEO 黄仁勋甚至说 AGI 已经到来了），而这类基准测试将来很可能会成为记录“我们距离通用人工智能还有多远”的历史坐标。
Asimov
做什么： 收集人类动作数据，用于训练人形机器人。
为什么有意思： 世界各地的人都可以上传自己执行动作和任务的视频，这家公司再把这些视频整理成数据集，用来训练机器人。这是推动“人形机器人真正落地”的一部分，尝试为其找到供应链和娱乐业之外的更多用途。我对人形机器人技术一直比较看好，尽管我们离“机器人女仆 Rosey”的时代可能还很遥远。用数据去教人形机器人理解人类动作的节奏，甚至可以说是“优雅感”，或许能让它们执行任务时不那么机械。
Avoice
做什么： 帮建筑事务所自动化处理那些繁琐但非设计类的工作。
为什么有意思： 很少会听到有新技术专门瞄准建筑行业。创始人自己也说，这是一个长期被忽视、但潜力很大的市场。这个工具用 AI 来自动化那些建筑师这类创意工作者通常不太喜欢的琐碎任务，比如审查规范文件、图纸、合同和提案。
Button Computer
做什么： 一款可穿戴 AI 设备。
为什么有意思： 现在所有人都在试图让“AI 可穿戴设备”成为下一波潮流，尤其是在 OpenAI 收购 Jony Ive 公司、外界都在等待它推出新硬件的背景下。Button 由两名前苹果员工创办，本质上是一个为 AI 而设计的小型计算设备。创始人表示，它可以连接邮箱、Slack、Salesforce 等应用，并通过语音指令操作这些应用去完成任务。下一代必备硬件很可能就是某种 AI 可穿戴设备，所以看看这一波会冒出什么新东西很有意思。
CodeWisp
做什么： 让任何人都可以借助 AI 做游戏。
为什么有意思： 创始人说，你只需要告诉 AI 想做什么样的游戏，它就能帮你做出来。这件事本身就很有趣、很有创意，也很让人兴奋。我小时候也试过做游戏，但总觉得既困难又麻烦，可设计游戏的那种兴奋感一直都在。现在“vibe coding”已经成为做应用的流行方式，这类工具会让想象真正落地变得更容易。也许这会成为下一代“凭感觉创造”的工具。
Crosslayer Labs
做什么： 帮助检测伪造网站。
为什么有意思： 随着 agent 工具兴起，伪造网站正变得更容易，而坏人显然不会放过这种新能力去骗人。Crosslayer Labs 帮客户检测和监控他们的线上资产，帮助其抵御这种新型互联网威胁。
Doomersion
做什么： 让你一边“刷废内容”，一边学语言。
为什么有意思： 我们花太多时间在无意义地刷短视频上，不断把信息垃圾塞进大脑，不是让人更烦躁，就是让脑子越来越迟钝。这家公司的应用会像 TikTok 信息流一样，给用户展示短视频，只不过视频内容是用户正在学习的那门语言。如果我们注定每天都要往脑子里灌这么多内容，那不如让它变得有意义一点。这家公司把用户停不下来的行为——花几个小时滑手机刷内容——和语言学习结合在了一起，确实很聪明。Très intéressant（非常有趣）。
Lexius
做什么： 将先进 AI 嵌入安防系统。
为什么有意思： 它可以升级现有摄像头系统，让监控画面自动识别并报告偷窃或跌倒等事件，替代现在那种碎片化、主要靠人工处理的流程。公司表示，他们瞄准的是那些已经装了摄像头、但摄像头本身没有 AI 能力的企业。现在很多场景是摄像头拍到了事故，但公司却没法及时行动，而这个产品正是为了解决这个问题。
Librar Labs
做什么： AI 驱动的图书馆管理系统。
为什么有意思： 这是 AI 在触及一个科技行业长期忽视的领域——图书馆。目前这家公司先从学校场景切入，用 AI 做库存管理和目录整理。正如创始人在路演里说的，在这个领域里，自动化和创新本来就没什么竞争，所以任何一个新点子都有机会成为“下一个大机会”。
Milliray
做什么： 用雷达系统追踪小型无人机。
为什么有意思： 国防科技是当下最热的赛道之一。创始人说，现在很多人在野外靠肉眼尽力追踪那些很小的无人机，但人眼很容易看漏，或者把无人机误认成鸟，反过来也一样。这家公司用传感器判断天上那个小点到底是不是无人机。考虑到当前的地缘政治环境，各国都需要新的技术来保持领先，应对潜在威胁，这类产品的需求只会越来越明显。
MouseCat
做什么： 用 AI 调查欺诈行为。
为什么有意思： AI 对工作很有帮助，对骗子的“工作”也一样。MouseCat 会从 Databricks、Snowflake 这类大型云数据平台中提取企业数据，分析消费者行为和活动是否存在异常，再给出如何处理的建议。既然坏的 AI 也能放大坏事，那这类 AI 原生的风控工具就会变得越来越重要。
Opalite Health
做什么： 用 AI 帮助医护人员与不会说英语的患者沟通。
为什么有意思： 当两个人彼此听不懂时，太多信息都只能靠猜。在医疗场景里，这甚至可能是生死攸关的问题。这个 AI 医疗翻译工具试图打破语言障碍，让医护人员理解说不同语言的患者。在一个全球化世界里，尤其像美国这样人口多元的国家，让每个人都能不受语言限制地获得医疗服务非常重要。当然，这个想法并不算完全原创，因为已经有不少初创公司和医疗科技服务商在做类似产品了。
Sequence Markets
做什么： 让用户在一个系统里跨多个市场交易，比如加密货币和预测市场。
为什么有意思： 对于像我这种喜欢把所有东西都放在一个地方的人来说，当然能理解为什么有人希望交易流程不要那么割裂。这就像我至今还是喜欢去大型商超买各种品牌的东西——我想一次性看到所有选项。
ShoFo
做什么： 一个几乎囊括一切内容的视频资料库。
为什么有意思： 这家公司把自己定义为“世界的视频图书馆”，说实话，这个概念挺酷的。我是在 YouTube 和 Tumblr 上长大的，还记得早年你想搜一个具体视频时，搜索体验有多脆弱和痛苦。虽然这个产品更像是一个定制化视频索引，帮助 AI 实验室高效找到多样化数据集，但我一直都喜欢那些能让搜索和整理更容易的工具。
Sonarly
做什么： 帮软件自动修复生产环境问题。
为什么有意思： 这个方向听起来就很酷。它可以接入其他监控系统，减少告警噪音（避免工程师被一堆不重要的报警干扰），自动定位问题根因，然后尝试修复，或者给工程师提供下一步建议。现在 AI 代码审查公司越来越多，大模型厂商自己也在做类似功能，但当代码真正进入生产环境之后，独立工具仍然应该有很大空间。这是创业者们正在自动化的又一个工作环节。
Terranox AI
做什么： 用 AI 在北美寻找铀矿。
为什么有意思： 创始人提醒大家，下一代核能的发展需要铀。（如今人们通常认为核能本身是安全的，当然，铀本身显然是有毒的——而创始人在路演里并没有解释该如何安全开采它。）这些创始人认为，为了给正在兴建的新一代数据中心供电，核能会成为必要的一部分。为了支撑 AI 革命的人类野心，地球需要来自多种来源的大量能源。
from techcrunch
作者：Dominic-Madori Davis
发布时间：2026 年 3 月 26 日 12:30 PM PDT
在这届最新的 YC Demo Day 上，AI 再次成为最热关键词。将近 190 家公司参加了 Y Combinator 2026 冬季批次，并在周二展示了各自的创业项目。
这些公司覆盖了法律、交通、医疗等多个行业的产品方向。
老实说，考虑到本届规模实在太大，以及今年 Demo Day 面向媒体的展示形式，我并没有把每一个项目路演都看完。YC 这次并不是直播，也不是邀请媒体到线下统一观看，而是创始人展示后大约 20 分钟，逐个放出他们的路演视频。
所以，我读完了全部 190 家公司的介绍，又花了一整天去看那些我觉得有意思的项目路演，最后筛出了 16 家我认为是这一届 YC 里最值得关注的公司。
ARC Prize Foundation
做什么： 创建衡量 AGI 进展的基准测试。
为什么有意思： YC 里居然有一家非营利机构！不过转念一想，OpenAI、Anthropic 和 Google 都已经在使用这家机构某种形式的基准测试，它能进 YC 也就说得通了。这个基金会希望通过举办竞赛和发放研究资助，推动更多开源 AGI 研究。推动这轮 AI 革命的重要目标之一就是实现 AGI（英伟达 CEO 黄仁勋甚至说 AGI 已经到来了），而这类基准测试将来很可能会成为记录“我们距离通用人工智能还有多远”的历史坐标。
Asimov
做什么： 收集人类动作数据，用于训练人形机器人。
为什么有意思： 世界各地的人都可以上传自己执行动作和任务的视频，这家公司再把这些视频整理成数据集，用来训练机器人。这是推动“人形机器人真正落地”的一部分，尝试为其找到供应链和娱乐业之外的更多用途。我对人形机器人技术一直比较看好，尽管我们离“机器人女仆 Rosey”的时代可能还很遥远。用数据去教人形机器人理解人类动作的节奏，甚至可以说是“优雅感”，或许能让它们执行任务时不那么机械。
Avoice
做什么： 帮建筑事务所自动化处理那些繁琐但非设计类的工作。
为什么有意思： 很少会听到有新技术专门瞄准建筑行业。创始人自己也说，这是一个长期被忽视、但潜力很大的市场。这个工具用 AI 来自动化那些建筑师这类创意工作者通常不太喜欢的琐碎任务，比如审查规范文件、图纸、合同和提案。
Button Computer
做什么： 一款可穿戴 AI 设备。
为什么有意思： 现在所有人都在试图让“AI 可穿戴设备”成为下一波潮流，尤其是在 OpenAI 收购 Jony Ive 公司、外界都在等待它推出新硬件的背景下。Button 由两名前苹果员工创办，本质上是一个为 AI 而设计的小型计算设备。创始人表示，它可以连接邮箱、Slack、Salesforce 等应用，并通过语音指令操作这些应用去完成任务。下一代必备硬件很可能就是某种 AI 可穿戴设备，所以看看这一波会冒出什么新东西很有意思。
CodeWisp
做什么： 让任何人都可以借助 AI 做游戏。
为什么有意思： 创始人说，你只需要告诉 AI 想做什么样的游戏，它就能帮你做出来。这件事本身就很有趣、很有创意，也很让人兴奋。我小时候也试过做游戏，但总觉得既困难又麻烦，可设计游戏的那种兴奋感一直都在。现在“vibe coding”已经成为做应用的流行方式，这类工具会让想象真正落地变得更容易。也许这会成为下一代“凭感觉创造”的工具。
Crosslayer Labs
做什么： 帮助检测伪造网站。
为什么有意思： 随着 agent 工具兴起，伪造网站正变得更容易，而坏人显然不会放过这种新能力去骗人。Crosslayer Labs 帮客户检测和监控他们的线上资产，帮助其抵御这种新型互联网威胁。
Doomersion
做什么： 让你一边“刷废内容”，一边学语言。
为什么有意思： 我们花太多时间在无意义地刷短视频上，不断把信息垃圾塞进大脑，不是让人更烦躁，就是让脑子越来越迟钝。这家公司的应用会像 TikTok 信息流一样，给用户展示短视频，只不过视频内容是用户正在学习的那门语言。如果我们注定每天都要往脑子里灌这么多内容，那不如让它变得有意义一点。这家公司把用户停不下来的行为——花几个小时滑手机刷内容——和语言学习结合在了一起，确实很聪明。Très intéressant（非常有趣）。
Lexius
做什么： 将先进 AI 嵌入安防系统。
为什么有意思： 它可以升级现有摄像头系统，让监控画面自动识别并报告偷窃或跌倒等事件，替代现在那种碎片化、主要靠人工处理的流程。公司表示，他们瞄准的是那些已经装了摄像头、但摄像头本身没有 AI 能力的企业。现在很多场景是摄像头拍到了事故，但公司却没法及时行动，而这个产品正是为了解决这个问题。
Librar Labs
做什么： AI 驱动的图书馆管理系统。
为什么有意思： 这是 AI 在触及一个科技行业长期忽视的领域——图书馆。目前这家公司先从学校场景切入，用 AI 做库存管理和目录整理。正如创始人在路演里说的，在这个领域里，自动化和创新本来就没什么竞争，所以任何一个新点子都有机会成为“下一个大机会”。
Milliray
做什么： 用雷达系统追踪小型无人机。
为什么有意思： 国防科技是当下最热的赛道之一。创始人说，现在很多人在野外靠肉眼尽力追踪那些很小的无人机，但人眼很容易看漏，或者把无人机误认成鸟，反过来也一样。这家公司用传感器判断天上那个小点到底是不是无人机。考虑到当前的地缘政治环境，各国都需要新的技术来保持领先，应对潜在威胁，这类产品的需求只会越来越明显。
MouseCat
做什么： 用 AI 调查欺诈行为。
为什么有意思： AI 对工作很有帮助，对骗子的“工作”也一样。MouseCat 会从 Databricks、Snowflake 这类大型云数据平台中提取企业数据，分析消费者行为和活动是否存在异常，再给出如何处理的建议。既然坏的 AI 也能放大坏事，那这类 AI 原生的风控工具就会变得越来越重要。
Opalite Health
做什么： 用 AI 帮助医护人员与不会说英语的患者沟通。
为什么有意思： 当两个人彼此听不懂时，太多信息都只能靠猜。在医疗场景里，这甚至可能是生死攸关的问题。这个 AI 医疗翻译工具试图打破语言障碍，让医护人员理解说不同语言的患者。在一个全球化世界里，尤其像美国这样人口多元的国家，让每个人都能不受语言限制地获得医疗服务非常重要。当然，这个想法并不算完全原创，因为已经有不少初创公司和医疗科技服务商在做类似产品了。
Sequence Markets
做什么： 让用户在一个系统里跨多个市场交易，比如加密货币和预测市场。
为什么有意思： 对于像我这种喜欢把所有东西都放在一个地方的人来说，当然能理解为什么有人希望交易流程不要那么割裂。这就像我至今还是喜欢去大型商超买各种品牌的东西——我想一次性看到所有选项。
ShoFo
做什么： 一个几乎囊括一切内容的视频资料库。
为什么有意思： 这家公司把自己定义为“世界的视频图书馆”，说实话，这个概念挺酷的。我是在 YouTube 和 Tumblr 上长大的，还记得早年你想搜一个具体视频时，搜索体验有多脆弱和痛苦。虽然这个产品更像是一个定制化视频索引，帮助 AI 实验室高效找到多样化数据集，但我一直都喜欢那些能让搜索和整理更容易的工具。
Sonarly
做什么： 帮软件自动修复生产环境问题。
为什么有意思： 这个方向听起来就很酷。它可以接入其他监控系统，减少告警噪音（避免工程师被一堆不重要的报警干扰），自动定位问题根因，然后尝试修复，或者给工程师提供下一步建议。现在 AI 代码审查公司越来越多，大模型厂商自己也在做类似功能，但当代码真正进入生产环境之后，独立工具仍然应该有很大空间。这是创业者们正在自动化的又一个工作环节。
Terranox AI
做什么： 用 AI 在北美寻找铀矿。
为什么有意思： 创始人提醒大家，下一代核能的发展需要铀。（如今人们通常认为核能本身是安全的，当然，铀本身显然是有毒的——而创始人在路演里并没有解释该如何安全开采它。）这些创始人认为，为了给正在兴建的新一代数据中心供电，核能会成为必要的一部分。为了支撑 AI 革命的人类野心，地球需要来自多种来源的大量能源。
from techcrunch
0 00
AI时代，内容不值钱了，但「内容创业」会更值钱
创作者赚钱，过去十年只有一种方式。
涨粉，接广告。
本质上你在出租观众。品牌商花钱，借你的粉丝看一眼他们的东西。你是二房东，赚的是过路费。
这个模式有个致命的问题：定价权不在你手上。品牌给多少，你拿多少。
现在AI来了，品牌自己就能做内容。二房东没人需要了。
但另一扇门开了。
以前创作者卖不了自己的产品。做一个工具要找开发团队，5万起步。做一个App要融资组团队。做一个课程体系要录几十个小时的视频。
门槛太高。所以大部分人只能老老实实当二房东。
AI把这些门槛拆了。一个人，一个周末，能做出以前一个团队干三个月的东西。
这意味着什么？
创作者第一次可以不出租观众，直接卖东西给观众。
Naval说过，赚钱有两种方式：出租时间，和拥有资产。
广告是出租时间。你停更，收入就停。
产品是资产。你做一次，卖一万次。你睡着的时候它还在帮你收钱。
以前创作者很难拥有资产，因为做产品太贵。
现在不贵了。
三条路，从轻到重。
第一条：把你回答过100遍的问题写成文档，卖29块。
你做了半年自媒体，私信里一定有反复出现的问题。你每次花10分钟回答，回答完就没了。
花一个下午，把这个答案写完整——步骤、坑、注意事项。做成PDF或Notion模板。
有人买吗？有。你踩了半年的坑，别人不想再踩一遍。人付钱买的不是你的文档，是省下来的半年。
第二条：做一个AI小工具。
有个做简历辅导的人，以前手动帮粉丝改简历。一份30分钟，一天最多改8份。
后来她用Cursor做了个网页工具——上传简历，AI自动给修改建议。她不会写代码，全靠跟AI对话描述需求。花了一个周末。
现在每月600多人付费，29.9/月。将近18000。
两年前做不了这件事。不是没需求，是做一个工具要花5万找团队。AI把这个成本打到接近零。
你不需要看懂代码。
你只需要知道两件事：粉丝需要什么，做出来的东西好不好用。
中间的活，AI干。
第一版一定粗糙。但重点是——以前你连第一版都做不出来。
第三条：训练一个AI版的你。
你做了一两年内容，攒了几十万字——文章、回答、聊天记录。
这些就是训练数据。
喂给AI，它就能用你的风格、你的方法论、你的判断来回答问题。
你一天能做6小时咨询。AI版的你24小时在线，同时跟1000个人聊。
本人咨询299一次。AI版9.9一次。用户自己选。大多数问题不需要真人。
选一条，这周开始。
最轻的：翻三个月的评论区，找那个被问超过5次的问题。花一个下午写成完整文档。挂上去，29.9。看有没有人买。
卖出10份你就知道这条路通不通。
不要在”哪条路更好”上纠结。先走第一步。做了才有反馈，有反馈才知道往哪调。
有人会说：我粉丝才几百，谁买我的东西。
反过来想。
你有500个粉丝，其中50个人反复看你的内容，5个人愿意付29.9。
一个月150块？
不多。但这150块证明了一件事：有人愿意为你的经验付钱。
剩下的事情就是把500变成5000。内容就是干这个的。
AI时代最大的变化，不是AI能写文章了。
是”做产品”这件事，不再需要一个团队了。
一个有经验、有判断力、被人信任的人，加上AI，就是一家公司。
你可能觉得离自己很远。
但你手上已经有最值钱的原料了——你的经验，和信任你的那些人。
AI给不了这些。
创作者赚钱，过去十年只有一种方式。
涨粉，接广告。
本质上你在出租观众。品牌商花钱，借你的粉丝看一眼他们的东西。你是二房东，赚的是过路费。
这个模式有个致命的问题：定价权不在你手上。品牌给多少，你拿多少。
现在AI来了，品牌自己就能做内容。二房东没人需要了。
但另一扇门开了。
以前创作者卖不了自己的产品。做一个工具要找开发团队，5万起步。做一个App要融资组团队。做一个课程体系要录几十个小时的视频。
门槛太高。所以大部分人只能老老实实当二房东。
AI把这些门槛拆了。一个人，一个周末，能做出以前一个团队干三个月的东西。
这意味着什么？
创作者第一次可以不出租观众，直接卖东西给观众。
Naval说过，赚钱有两种方式：出租时间，和拥有资产。
广告是出租时间。你停更，收入就停。
产品是资产。你做一次，卖一万次。你睡着的时候它还在帮你收钱。
以前创作者很难拥有资产，因为做产品太贵。
现在不贵了。
三条路，从轻到重。
第一条：把你回答过100遍的问题写成文档，卖29块。
你做了半年自媒体，私信里一定有反复出现的问题。你每次花10分钟回答，回答完就没了。
花一个下午，把这个答案写完整——步骤、坑、注意事项。做成PDF或Notion模板。
有人买吗？有。你踩了半年的坑，别人不想再踩一遍。人付钱买的不是你的文档，是省下来的半年。
第二条：做一个AI小工具。
有个做简历辅导的人，以前手动帮粉丝改简历。一份30分钟，一天最多改8份。
后来她用Cursor做了个网页工具——上传简历，AI自动给修改建议。她不会写代码，全靠跟AI对话描述需求。花了一个周末。
现在每月600多人付费，29.9/月。将近18000。
两年前做不了这件事。不是没需求，是做一个工具要花5万找团队。AI把这个成本打到接近零。
你不需要看懂代码。
你只需要知道两件事：粉丝需要什么，做出来的东西好不好用。
中间的活，AI干。
第一版一定粗糙。但重点是——以前你连第一版都做不出来。
第三条：训练一个AI版的你。
你做了一两年内容，攒了几十万字——文章、回答、聊天记录。
这些就是训练数据。
喂给AI，它就能用你的风格、你的方法论、你的判断来回答问题。
你一天能做6小时咨询。AI版的你24小时在线，同时跟1000个人聊。
本人咨询299一次。AI版9.9一次。用户自己选。大多数问题不需要真人。
选一条，这周开始。
最轻的：翻三个月的评论区，找那个被问超过5次的问题。花一个下午写成完整文档。挂上去，29.9。看有没有人买。
卖出10份你就知道这条路通不通。
不要在”哪条路更好”上纠结。先走第一步。做了才有反馈，有反馈才知道往哪调。
有人会说：我粉丝才几百，谁买我的东西。
反过来想。
你有500个粉丝，其中50个人反复看你的内容，5个人愿意付29.9。
一个月150块？
不多。但这150块证明了一件事：有人愿意为你的经验付钱。
剩下的事情就是把500变成5000。内容就是干这个的。
AI时代最大的变化，不是AI能写文章了。
是”做产品”这件事，不再需要一个团队了。
一个有经验、有判断力、被人信任的人，加上AI，就是一家公司。
你可能觉得离自己很远。
但你手上已经有最值钱的原料了——你的经验，和信任你的那些人。
AI给不了这些。
3 00
人都会羡慕历史里那些充满机会的时代浪潮，改革开放，工业革命，大航海时代，文艺复兴…想象自己身处哪个时代该有多好。
今天AI变革把这些时代打包在一起以极短的时间席卷世界。
无数机会在眼前涌现，却又不知道如何去抓住一个。
时代浪潮中，才知道成功需要多少努力。
今天AI变革把这些时代打包在一起以极短的时间席卷世界。
无数机会在眼前涌现，却又不知道如何去抓住一个。
时代浪潮中，才知道成功需要多少努力。
0 00
一人公司/Vibe Coding开发应用最佳技术栈
今天个人开发者可以用0成本，把数据库、认证、支付、部署、监控、邮件这些公司级能力拼起来，快速做出能收钱的产品。
Supabase、Stripe、Resend、PostHog、Sentry、Upstash 这类服务，把以前要自己养团队才能做的事，压缩成了几个 SaaS 账号，并且在初期阶段完全免费。
#vibecoding大赏 #个人开发者 #AI人工智能 #程序员 #AI产品 #vibecoding
今天个人开发者可以用0成本，把数据库、认证、支付、部署、监控、邮件这些公司级能力拼起来，快速做出能收钱的产品。
Supabase、Stripe、Resend、PostHog、Sentry、Upstash 这类服务，把以前要自己养团队才能做的事，压缩成了几个 SaaS 账号，并且在初期阶段完全免费。
#vibecoding大赏 #个人开发者 #AI人工智能 #程序员 #AI产品 #vibecoding
1 00
a16z顶级风投：未来AI产品的创业机会在这里
Andrew Chen，a16z合伙人，《冷启动》作者，硅谷研究增长和分发的顶级大脑，最近在X上发了一段长帖，把我看沉默了。
他的核心观点是：每个技术时代都带来了新的增长渠道。Web 1.0有搜索和邮件，Web 2.0有信息流和病毒邀请，移动时代有应用商店和短视频。
那AI呢？他一直在吐槽AI没带来什么新渠道。但现在他看到了一个：以API/CLI形态构建的产品，能被AI agent随时调用。
他说，所谓"AI原生酒店App"，不是在预订页面贴个聊天面板，而是一个能被agent直接调用的订房工具。贴聊天面板，是这一代对AI最弱的理解。
💡 几个炸裂观点：
1️⃣ 现有产品大部分"规格错了"。它们被设计成目的地，但agent不要目的地，要的是可调用的能力。
2️⃣ 分发逻辑彻底反转。过去靠SEO和应用商店排名，未来靠成为agent调用栈里的默认选项。从"漏斗顶部"到"调用栈顶部"。
3️⃣ 品牌也被反转了。过去人类选品牌，未来agent选。品牌变得"机器可读"——可靠性、延迟、错误率、接口清晰度成了新的排名因子。
4️⃣ 新护城河出现。不只是数据和网络效应，而是与agent生态的集成深度。如果Claude/Codex发现你的工具最靠谱，你就被写进模板，成为默认。默认选项的粘性，历史上大得惊人。
5️⃣ 当前的AI功能（聊天面板、Copilot、助手）都是过渡形态。真正的终局是隐形基础设施，agent来编排，UI只是人类的调试层。
最终结论：对任何新产品来说，核心问题不再是"UI长什么样"或"杀手功能是什么"，而是——
"我们能暴露出的那个最小、最高杠杆的能力是什么，让agent在构建新东西时反复选择我们？"
这个思路对做AI产品的人来说，值得反复咀嚼。
📎 原文来自Andrew Chen的X账号 @andrewchen
#AI创业 #产品思维 #增长策略 #a16z #硅谷洞察 #agent时代
Andrew Chen，a16z合伙人，《冷启动》作者，硅谷研究增长和分发的顶级大脑，最近在X上发了一段长帖，把我看沉默了。
他的核心观点是：每个技术时代都带来了新的增长渠道。Web 1.0有搜索和邮件，Web 2.0有信息流和病毒邀请，移动时代有应用商店和短视频。
那AI呢？他一直在吐槽AI没带来什么新渠道。但现在他看到了一个：以API/CLI形态构建的产品，能被AI agent随时调用。
他说，所谓"AI原生酒店App"，不是在预订页面贴个聊天面板，而是一个能被agent直接调用的订房工具。贴聊天面板，是这一代对AI最弱的理解。
💡 几个炸裂观点：
1️⃣ 现有产品大部分"规格错了"。它们被设计成目的地，但agent不要目的地，要的是可调用的能力。
2️⃣ 分发逻辑彻底反转。过去靠SEO和应用商店排名，未来靠成为agent调用栈里的默认选项。从"漏斗顶部"到"调用栈顶部"。
3️⃣ 品牌也被反转了。过去人类选品牌，未来agent选。品牌变得"机器可读"——可靠性、延迟、错误率、接口清晰度成了新的排名因子。
4️⃣ 新护城河出现。不只是数据和网络效应，而是与agent生态的集成深度。如果Claude/Codex发现你的工具最靠谱，你就被写进模板，成为默认。默认选项的粘性，历史上大得惊人。
5️⃣ 当前的AI功能（聊天面板、Copilot、助手）都是过渡形态。真正的终局是隐形基础设施，agent来编排，UI只是人类的调试层。
最终结论：对任何新产品来说，核心问题不再是"UI长什么样"或"杀手功能是什么"，而是——
"我们能暴露出的那个最小、最高杠杆的能力是什么，让agent在构建新东西时反复选择我们？"
这个思路对做AI产品的人来说，值得反复咀嚼。
📎 原文来自Andrew Chen的X账号 @andrewchen
#AI创业 #产品思维 #增长策略 #a16z #硅谷洞察 #agent时代
0 01