即刻App年轻人的同好社区
下载
如何打造一个服务医疗行业的智能体创业公司？
今天分享的是a16z播客关于Lassie创始人的访谈。
Lassie是一个专门服务美国牙医行业的AI智能体公司。这个项目之所以产生，是因为创始人每年都会看两次牙，而她的牙医告诉她自己就有很麻烦的医疗保险单据索赔问题需要处理。
这让到处找场景痛点的Olivia发觉原来她以为早已解决的此类医保索赔问题仍然是众多中小牙医诊所的痛点。
如果你也在做企业服务，下面的要点可能对你有所启发：
1.从软件的历史来看，绝大多数企业软件本质上是把文件柜放进数据库。
2.但从历史看，企业软件在对小企业企业效率的提升上贡献并不大。
3.AI的出现，让软件从数据库的存储工具，变成了可以完成工作的工具。工作的规模比工作所基于的信息存储要大几个数量级。
4.金融科技软件让市场变大了一点，但与其只做数据的管道或存储，与其通过捆绑金融处理来多收一点钱，现在我们可以让软件直接完成工作，并且可以按工作收费。
5.一个反热门观点的经济学常识是，对于很多小企业来说，很多工作实际上并没有办法做，因为做这个事情的人工或者软件成本太高，ROI算不过来。但AI直接把ROI打正了。
6.举个例子，为什么不是美国每家牙科诊所都有一个荷兰裔前台？因为只有百分之一的概率有只说荷兰语的患者出现在诊所门口，你得付为这个前台付 400 美元。但如果只花一美元就可以达到前台的效果，那每家牙医诊所都会有一个荷兰裔助手。所以一旦加入AI降低了劳动力成本，市场就会大规模扩张。
7.你不需要100%的把一个事情自动化，自动化到95%就已经足够让客户满意了。
8.实施这类小企业项目，你需要自己亲自下场做那些工作。然后再用AI把这些工作自动化。小企业和大企业的区别在于小企业里没有人会用工具。
9.创业公司应该做的是无聊的事情——构建底层的管道，然后获得客户。然后你就能在上面构建有趣的功能。
10.做小企业无需担心大公司竞争，因为有很多类别从来就没有过软件巨头，因为唯一需要完成的工作就是实际的人力投入。
11.最终，AI 就是软件，软件就是 AI。
12.服务此类垂直行业的做法是，亲自上手做工作，了解流程。构建一个本体论系统，也就是数据模型，然后基于这个数据模型打造智能体。
13.通常你需要几年才能真正起步（这让我想起了Palantir)，但这个时间也会成为你的竞争壁垒。
14.要规模化这类服务，大量工作不仅在于构建这个智能体，还在于如何让人们自己完成设置，使得几乎所有的摩擦都消失。
15.市场策略就是专注于一个垂直市场，把它吃透，然后平移到另一个同类市场。
16.找人策略只看两点，一：只需要那些学习曲线陡峭的人，有野心、有驱动力，技能处于前 5%——无论是在工程还是在销售方面。二：看他的AI化程度。
17.成本降低会让原来行业的竞争更难，但由于进入门槛降低，所以整体社会福利增加。
18.前沿模型虽然通用智能很强大，但是它们并不了解大多数工作流的所有细微之处。因此，单独训练的边缘模型更有机会。未来智能会无处不在，而我们离那个还很远。
6/100
今天分享的是a16z播客关于Lassie创始人的访谈。
Lassie是一个专门服务美国牙医行业的AI智能体公司。这个项目之所以产生，是因为创始人每年都会看两次牙，而她的牙医告诉她自己就有很麻烦的医疗保险单据索赔问题需要处理。
这让到处找场景痛点的Olivia发觉原来她以为早已解决的此类医保索赔问题仍然是众多中小牙医诊所的痛点。
如果你也在做企业服务，下面的要点可能对你有所启发：
1.从软件的历史来看，绝大多数企业软件本质上是把文件柜放进数据库。
2.但从历史看，企业软件在对小企业企业效率的提升上贡献并不大。
3.AI的出现，让软件从数据库的存储工具，变成了可以完成工作的工具。工作的规模比工作所基于的信息存储要大几个数量级。
4.金融科技软件让市场变大了一点，但与其只做数据的管道或存储，与其通过捆绑金融处理来多收一点钱，现在我们可以让软件直接完成工作，并且可以按工作收费。
5.一个反热门观点的经济学常识是，对于很多小企业来说，很多工作实际上并没有办法做，因为做这个事情的人工或者软件成本太高，ROI算不过来。但AI直接把ROI打正了。
6.举个例子，为什么不是美国每家牙科诊所都有一个荷兰裔前台？因为只有百分之一的概率有只说荷兰语的患者出现在诊所门口，你得付为这个前台付 400 美元。但如果只花一美元就可以达到前台的效果，那每家牙医诊所都会有一个荷兰裔助手。所以一旦加入AI降低了劳动力成本，市场就会大规模扩张。
7.你不需要100%的把一个事情自动化，自动化到95%就已经足够让客户满意了。
8.实施这类小企业项目，你需要自己亲自下场做那些工作。然后再用AI把这些工作自动化。小企业和大企业的区别在于小企业里没有人会用工具。
9.创业公司应该做的是无聊的事情——构建底层的管道，然后获得客户。然后你就能在上面构建有趣的功能。
10.做小企业无需担心大公司竞争，因为有很多类别从来就没有过软件巨头，因为唯一需要完成的工作就是实际的人力投入。
11.最终，AI 就是软件，软件就是 AI。
12.服务此类垂直行业的做法是，亲自上手做工作，了解流程。构建一个本体论系统，也就是数据模型，然后基于这个数据模型打造智能体。
13.通常你需要几年才能真正起步（这让我想起了Palantir)，但这个时间也会成为你的竞争壁垒。
14.要规模化这类服务，大量工作不仅在于构建这个智能体，还在于如何让人们自己完成设置，使得几乎所有的摩擦都消失。
15.市场策略就是专注于一个垂直市场，把它吃透，然后平移到另一个同类市场。
16.找人策略只看两点，一：只需要那些学习曲线陡峭的人，有野心、有驱动力，技能处于前 5%——无论是在工程还是在销售方面。二：看他的AI化程度。
17.成本降低会让原来行业的竞争更难，但由于进入门槛降低，所以整体社会福利增加。
18.前沿模型虽然通用智能很强大，但是它们并不了解大多数工作流的所有细微之处。因此，单独训练的边缘模型更有机会。未来智能会无处不在，而我们离那个还很远。
6/100
2 13
Marc Andreessen十年前做的预言以及如何做融资
这是10年前Marc前在YC 创业者学校的分享，至今仍不过时。
当时他还预测了三个行业的兴起，首先是加密货币、其次是人工智能，这两个已经兑现。第三个接着往下看。
以下是要点记录：
1.为什么融资过程中a16z和大部分风投公司只对熟人推荐的项目才认真考虑？因为这是对创业者的第一场考验。它测试的是你是否有能力通过人脉网络找到投资人。在投资人看来，如果连如何通过人脉联系到一家风投机构——而这本就是风投机构的核心业务——你都搞不定的话，那么你大概率也无法通过人脉去开拓市场或建立商业版图。
2.为什么接触投资机构的年轻投资经理是比直接跟合伙人谈更好的策略？先从初级员工切入是更好的融资策略。首先是预演，看看你的项目呈现效果如何，以及他们会如何看待你的想法。其次年轻投资经理非常了解资深合伙人的心思，能告诉你项目会得到什么样的反馈，并为你提供帮助。实际上资深合伙人经常会向年轻人请教。第三，资深合伙人一年看的项目有限，对于一个完全没有背景的创业者来说，想直接从资深合伙人那里拿到“Yes”是非常困难。
3.为什么融资过程非要让创始人在那儿照着 PPT 做正式演示？正式演示其实是另一项测试。作为创始人，如果连在60分钟内向机构投资者清晰地阐述并推销都做不好，就更不用提客户了。 风投公司实际上非常乐意被说服投钱，相比较之下客户就难搞多了。
4.如何判断一个投资人是否真的优秀？ 对投资人做背调。联系那些曾经与该投资人合作过的人，比如其他创业者，或者在该投资人所投公司工作过的人。联系其他投资人。
5.过去创业的难度要大得多，所以那些在过去取得成功的人往往比我们现代人更优秀，因为环境的艰苦迫使他们必须变得更强。
6.科技行业的往事相关的历史非常值得研究。比如凯文·曼尼关于 IBM 的创业故事、迈克尔·马龙关于惠普的《比尔与戴夫》、关于爱迪生的《门洛帕克的奇才》、关于福特的书《我发明了现代》、以及更早的历史比如《达·芬奇的机器人》、《月球人》
7.Marc从历史中领悟到的是：创业永远是艰难的。即使是像如今电这样普及的产品，最初的推广爱迪生也付出了极大的努力。
8.创业这件事没有银弹（万能良药）。当你陷入困境时，总会产生一种诱惑，觉得“一定有办法摆脱困境，一定有某种捷径，比如换个角度推销产品，或者雇佣某个人，亦或是签下某个客户，一切问题就迎刃而解了”。这是错的。
9.你唯一能做的就是脚踏实地，把所有该做的工作都做完。大部分工作其实就是一种苦差事。就是枯燥的体力活，没有任何捷径可走。
10.巨大的成功往往高度依赖于具体细节，它们是特定条件下的产物，所以情况非常复杂，即使是a16z也无法预测。
11.谷歌大概是第 35 个搜索引擎。在那之前已经有 34 个搜索引擎出现过，而且当时行业都确信两件事：第一，搜索技术行不通，给出的结果都很糟糕；第二，搜索业务根本赚不到钱。
12.伟大的创始人几乎总是觉得自己入场太晚，但实际上你几乎总是入场太早。你之所以总觉得太晚，是因为对你个人而言，这个想法已经变得显而易见了。现实情况是，你几乎总是入场太早了。我们几乎从未见过优秀的创始人因为进入市场太晚而失败。失败的原因几乎总是因为他们进入得太早。
13.如果今天（2016年）Marc重新回到 22 岁会选择做什么？他会毫不犹豫地再次选择计算机科学专业，然后专注于以下三个领域之一：第一，加密货币、分布式系统及其广阔的生态；第二，人工智能、机器学习和深度学习；第三，生物学与技术的交叉领域。因为他觉得这三个领域在未来二十年里都会产生变革性的成果。
备注：
今天是这个播客发布的第10年。加密和人工智能的突破和变革已经发生，但生物科技看起来还没有掀起同等规模的巨浪。
我们还有10年时间看看这个预言是否成立。
5/100
这是10年前Marc前在YC 创业者学校的分享，至今仍不过时。
当时他还预测了三个行业的兴起，首先是加密货币、其次是人工智能，这两个已经兑现。第三个接着往下看。
以下是要点记录：
1.为什么融资过程中a16z和大部分风投公司只对熟人推荐的项目才认真考虑？因为这是对创业者的第一场考验。它测试的是你是否有能力通过人脉网络找到投资人。在投资人看来，如果连如何通过人脉联系到一家风投机构——而这本就是风投机构的核心业务——你都搞不定的话，那么你大概率也无法通过人脉去开拓市场或建立商业版图。
2.为什么接触投资机构的年轻投资经理是比直接跟合伙人谈更好的策略？先从初级员工切入是更好的融资策略。首先是预演，看看你的项目呈现效果如何，以及他们会如何看待你的想法。其次年轻投资经理非常了解资深合伙人的心思，能告诉你项目会得到什么样的反馈，并为你提供帮助。实际上资深合伙人经常会向年轻人请教。第三，资深合伙人一年看的项目有限，对于一个完全没有背景的创业者来说，想直接从资深合伙人那里拿到“Yes”是非常困难。
3.为什么融资过程非要让创始人在那儿照着 PPT 做正式演示？正式演示其实是另一项测试。作为创始人，如果连在60分钟内向机构投资者清晰地阐述并推销都做不好，就更不用提客户了。 风投公司实际上非常乐意被说服投钱，相比较之下客户就难搞多了。
4.如何判断一个投资人是否真的优秀？ 对投资人做背调。联系那些曾经与该投资人合作过的人，比如其他创业者，或者在该投资人所投公司工作过的人。联系其他投资人。
5.过去创业的难度要大得多，所以那些在过去取得成功的人往往比我们现代人更优秀，因为环境的艰苦迫使他们必须变得更强。
6.科技行业的往事相关的历史非常值得研究。比如凯文·曼尼关于 IBM 的创业故事、迈克尔·马龙关于惠普的《比尔与戴夫》、关于爱迪生的《门洛帕克的奇才》、关于福特的书《我发明了现代》、以及更早的历史比如《达·芬奇的机器人》、《月球人》
7.Marc从历史中领悟到的是：创业永远是艰难的。即使是像如今电这样普及的产品，最初的推广爱迪生也付出了极大的努力。
8.创业这件事没有银弹（万能良药）。当你陷入困境时，总会产生一种诱惑，觉得“一定有办法摆脱困境，一定有某种捷径，比如换个角度推销产品，或者雇佣某个人，亦或是签下某个客户，一切问题就迎刃而解了”。这是错的。
9.你唯一能做的就是脚踏实地，把所有该做的工作都做完。大部分工作其实就是一种苦差事。就是枯燥的体力活，没有任何捷径可走。
10.巨大的成功往往高度依赖于具体细节，它们是特定条件下的产物，所以情况非常复杂，即使是a16z也无法预测。
11.谷歌大概是第 35 个搜索引擎。在那之前已经有 34 个搜索引擎出现过，而且当时行业都确信两件事：第一，搜索技术行不通，给出的结果都很糟糕；第二，搜索业务根本赚不到钱。
12.伟大的创始人几乎总是觉得自己入场太晚，但实际上你几乎总是入场太早。你之所以总觉得太晚，是因为对你个人而言，这个想法已经变得显而易见了。现实情况是，你几乎总是入场太早了。我们几乎从未见过优秀的创始人因为进入市场太晚而失败。失败的原因几乎总是因为他们进入得太早。
13.如果今天（2016年）Marc重新回到 22 岁会选择做什么？他会毫不犹豫地再次选择计算机科学专业，然后专注于以下三个领域之一：第一，加密货币、分布式系统及其广阔的生态；第二，人工智能、机器学习和深度学习；第三，生物学与技术的交叉领域。因为他觉得这三个领域在未来二十年里都会产生变革性的成果。
备注：
今天是这个播客发布的第10年。加密和人工智能的突破和变革已经发生，但生物科技看起来还没有掀起同等规模的巨浪。
我们还有10年时间看看这个预言是否成立。
5/100
1 00
拿破仑打过的仗比亚历山大、汉尼拔和凯撒加起来还要多。
这一期播客来自《Founders》。
里面的拿破仑语录我觉得非常有意思，有些与我正在看的《钢铁侠马斯克》有所共通，记录如下：
1.新手很容易被发现，因为他们做得太多。太多的成分，太多的动作，太多的解释。而大师则用最少的动作来完成他们的意图。
2.一个将军应该每天对自己说好几次，如果敌军出现在我的前面，或者我的右边，或者我的左边，我该怎么办？如果安排不好，就会出问题。他必须纠正他的错误。任何人都不应该能让你措手不及。
3.没有人应该比你更相信你的生意。如果不是这样，你就错了。
4.你应该避免一个你的敌人已经研究过的战场。你应该更小心地避免一个他已经加固过的的战场。
5.所有伟大的事件都悬于一线。聪明的人利用一切。不忽略任何可能给他带来额外机会的东西。一个营有时会决定胜负。
6.在战争中，一切都是观点，对敌人的观点，以及对自己士兵的观点。
7.十个叫喊的人比一万个保持沉默的人制造的噪音更大。
8.在战役开始时，是前进还是不前进，是需要慎重考虑的事情。但一旦进攻，就必须坚持到最后。
9.一支军队的力量是其质量乘以其速度的乘积。
10.小必须快。
11.伟大的领导者必然勇敢。
12.一个伟大将军行动的重要性，不是偶然或命运的结果。它们总是源于规划和天才。
13.犹豫和半途而废在战争中会失去一切。技巧在于将大量的火力集中在一个点上。
以上皆可平移到商业。
4/100
这一期播客来自《Founders》。
里面的拿破仑语录我觉得非常有意思，有些与我正在看的《钢铁侠马斯克》有所共通，记录如下：
1.新手很容易被发现，因为他们做得太多。太多的成分，太多的动作，太多的解释。而大师则用最少的动作来完成他们的意图。
2.一个将军应该每天对自己说好几次，如果敌军出现在我的前面，或者我的右边，或者我的左边，我该怎么办？如果安排不好，就会出问题。他必须纠正他的错误。任何人都不应该能让你措手不及。
3.没有人应该比你更相信你的生意。如果不是这样，你就错了。
4.你应该避免一个你的敌人已经研究过的战场。你应该更小心地避免一个他已经加固过的的战场。
5.所有伟大的事件都悬于一线。聪明的人利用一切。不忽略任何可能给他带来额外机会的东西。一个营有时会决定胜负。
6.在战争中，一切都是观点，对敌人的观点，以及对自己士兵的观点。
7.十个叫喊的人比一万个保持沉默的人制造的噪音更大。
8.在战役开始时，是前进还是不前进，是需要慎重考虑的事情。但一旦进攻，就必须坚持到最后。
9.一支军队的力量是其质量乘以其速度的乘积。
10.小必须快。
11.伟大的领导者必然勇敢。
12.一个伟大将军行动的重要性，不是偶然或命运的结果。它们总是源于规划和天才。
13.犹豫和半途而废在战争中会失去一切。技巧在于将大量的火力集中在一个点上。
以上皆可平移到商业。
4/100
2 00
AI时代如何教育自己的孩子？
今天记录Marc Andreessen在Lenny的一期播客。
对于宏观，Marc有三个判断：
1.许多人长期以来对全球“传统机构”的信任正处于全面崩溃之中。
2.很多以前不能讨论的议题现在都可以谈了。
3.在全世界地缘政治转变正在发生。
有趣的是，以上三个因素同时出现。这种历史时刻，在震级上可以二战结束相提并论。
AI已经在技术应用领域被证明可行。现在核心假设是，在任何有可验证答案的领域，AI 的推理能力都会变得极强。
有一种错误的一维视角，即：技术奏效了，AI 就会横扫世界并改变一切。Marc认为这个框架是错的。
目前世界的现实是：生产力近80年可能没有实质性的进步，全球人口持续萎缩。
而AI与这些宏观因素的交互会变得非常复杂，没有简单的外推结论。
AI会让本来就擅长做某些事情的人变得非常擅长。教育系统的重点应该放在这里。
教育的方向应该是，让你的孩子不仅在他们擅长的事情上很深入，而且能够深入到足以充分利用AI的力量，使得他们不仅是优秀，而且是极其卓越。
这才是真正的机会。这也是Marc鼓励家长努力的方向。
在生活中成为一个能够完全承担责任、主导局面、管理组织、领导项目或创造新事物的人，将会获得巨大的溢价。
AI 应该是具有主动性的孩子用杠杆翘起世界的终极工具。
教育中有一种方式总是有效，就是布鲁姆 2 Sigma 效应”（Bloom's 2 Sigma Effect）。
这种教学方法能将学生的表现提高两个标准差，让一个处于 50% 分位水平的孩子跃升到 99% 分位，而这种方法就是“一对一辅导”。
由于一对一成本太高，那么传统学校加上通过 AI 实现的一对一辅导将会是AI时代的魔法公式。
以上来自播客Lenny's Product《Marc Andreessen - The real AI boom hasn’t even started yet》
这是我记录所听到播客精华的第三天。
3/100
今天记录Marc Andreessen在Lenny的一期播客。
对于宏观，Marc有三个判断：
1.许多人长期以来对全球“传统机构”的信任正处于全面崩溃之中。
2.很多以前不能讨论的议题现在都可以谈了。
3.在全世界地缘政治转变正在发生。
有趣的是，以上三个因素同时出现。这种历史时刻，在震级上可以二战结束相提并论。
AI已经在技术应用领域被证明可行。现在核心假设是，在任何有可验证答案的领域，AI 的推理能力都会变得极强。
有一种错误的一维视角，即：技术奏效了，AI 就会横扫世界并改变一切。Marc认为这个框架是错的。
目前世界的现实是：生产力近80年可能没有实质性的进步，全球人口持续萎缩。
而AI与这些宏观因素的交互会变得非常复杂，没有简单的外推结论。
AI会让本来就擅长做某些事情的人变得非常擅长。教育系统的重点应该放在这里。
教育的方向应该是，让你的孩子不仅在他们擅长的事情上很深入，而且能够深入到足以充分利用AI的力量，使得他们不仅是优秀，而且是极其卓越。
这才是真正的机会。这也是Marc鼓励家长努力的方向。
在生活中成为一个能够完全承担责任、主导局面、管理组织、领导项目或创造新事物的人，将会获得巨大的溢价。
AI 应该是具有主动性的孩子用杠杆翘起世界的终极工具。
教育中有一种方式总是有效，就是布鲁姆 2 Sigma 效应”（Bloom's 2 Sigma Effect）。
这种教学方法能将学生的表现提高两个标准差，让一个处于 50% 分位水平的孩子跃升到 99% 分位，而这种方法就是“一对一辅导”。
由于一对一成本太高，那么传统学校加上通过 AI 实现的一对一辅导将会是AI时代的魔法公式。
以上来自播客Lenny's Product《Marc Andreessen - The real AI boom hasn’t even started yet》
这是我记录所听到播客精华的第三天。
3/100
6 02
我也是基于这个微信。 //@机械獅: 既然对微信的隐私暴露已经无法避免，那么微信输入法不会把隐私暴露扩大化。这是我选择的理由
一泽Eze: 现在得选豆包输入法了，微信输入法之前的特点在跨设备同步，然后这一次豆包更新上去了 从语音输入这个最重要体验上来看，豆包输入法应该是目前最丝滑的、响应速度最快的免费产品。 在热词识别上，豆包会更加激进一点，比如说你某一次输入错误了，但你没有更正，到后面可能都会比较偏的给你去按照你之前打错字来输出。 微信输入法这一块呢，就热词会不太敏感，但这直接就导致经常会输入是错误的，并且相对来讲识别速度较慢，会有卡顿感
0 00
抛开所谓的AI自主权，为什么企业AI的解决方案必然是开源模型？
当AI服务从个人转向拥有百万客户的企业的时候，延迟而非模型的智能成为了更重要的考虑因素。
现在最好的模型性能无法满足大型企业的速度要求，唯一的解决方案就是使用开源模型。但开箱即用的开源模型不够好，也达不到在特定任务上的质量标准，因此你不得不做微调，不得不改造它们。
智能体会进行对话，处理很多事情，但并不是所有的事情，你都需要最智能的模型。你只需要让你的模型特别擅长某一个特定任务，而这可以通过用小模型达成。
如果你把小模型微调得在这个特定任务上非常出色，那么它可以和大模型一样好，甚至更好。
by Jesse Zhang，Decagon联创
我决定每天写下一条我听到的播客精华，坚持100天。 这是第二天。
2/100
当AI服务从个人转向拥有百万客户的企业的时候，延迟而非模型的智能成为了更重要的考虑因素。
现在最好的模型性能无法满足大型企业的速度要求，唯一的解决方案就是使用开源模型。但开箱即用的开源模型不够好，也达不到在特定任务上的质量标准，因此你不得不做微调，不得不改造它们。
智能体会进行对话，处理很多事情，但并不是所有的事情，你都需要最智能的模型。你只需要让你的模型特别擅长某一个特定任务，而这可以通过用小模型达成。
如果你把小模型微调得在这个特定任务上非常出色，那么它可以和大模型一样好，甚至更好。
by Jesse Zhang，Decagon联创
我决定每天写下一条我听到的播客精华，坚持100天。 这是第二天。
2/100
1 00