即刻App年轻人的同好社区
下载
最近最喜欢用的几个 AI 产品和场景：
- 看 Youtube 可以用 Granola take notes, 只要几个 key words 就能记全整个视频
- 播客用 Podwise 导出 transcripts，然后打印下来阅读纸质书，Podwise 的排版和字体我很喜欢、很优美，takeaway 抓得也准，转录很准基本可以纸质阅读
- Typeless 的 Whisper 模式，办公场景厌倦了打字可以直接对着电脑口喷输入，轻声的时候 ASR 也很准，最喜欢的是会自动 bullet point 的整理出来，更有书面感，更正式，不会潦草
- Exa.ai 可以抓 Linkedin 的数据，每次去硅谷想找某个 background 的人，只要输入“xx 公司 xz 岗位之前做过 xx 方向”就能一次性输出 50 个 Linkedin 链接给我
- Grok 当 X 爬虫用，Gemini 当 Reddit 爬虫用
- Manus / Cursor 没找到使用场景最近打算重新用起来
还有什么大家觉得好用的 AI 产品吗？2026 希望更加猛烈地使用 AI 工具。
- 看 Youtube 可以用 Granola take notes, 只要几个 key words 就能记全整个视频
- 播客用 Podwise 导出 transcripts，然后打印下来阅读纸质书，Podwise 的排版和字体我很喜欢、很优美，takeaway 抓得也准，转录很准基本可以纸质阅读
- Typeless 的 Whisper 模式，办公场景厌倦了打字可以直接对着电脑口喷输入，轻声的时候 ASR 也很准，最喜欢的是会自动 bullet point 的整理出来，更有书面感，更正式，不会潦草
- Exa.ai 可以抓 Linkedin 的数据，每次去硅谷想找某个 background 的人，只要输入“xx 公司 xz 岗位之前做过 xx 方向”就能一次性输出 50 个 Linkedin 链接给我
- Grok 当 X 爬虫用，Gemini 当 Reddit 爬虫用
- Manus / Cursor 没找到使用场景最近打算重新用起来
还有什么大家觉得好用的 AI 产品吗？2026 希望更加猛烈地使用 AI 工具。
79 634
1/ 在计算机工业史上，Intel 的Andy Grove 提供算力，Bill Gates 通过软件升级吃掉这些算力，两者交替推动行业进步。AI 时代正上演新版本的 Andy-Bill Law：模型厂商不断拓展算力与能力的边界，而应用厂商则负责通过产品外壳把这些溢出的能力“吃掉”并转化成用户价值。
2/ 产业正从早期的垂直整合走向分层。台积电的出现创造了芯片代工和芯片设计两个行业，“壳公司”的任务是让这个“壳”变得越来越厚，通过更符合直觉的交互来承载并放大模型的外溢能力。
3/ AI 应用更像消费品（尤其是消费电子），而非传统的移动互联网产品。 Agent 公司去向微软等厂商申请 API 配额，就像经销商向厂家拿货/囤货。 就像小米手机会强调使用骁龙芯片，AI 产品也会标注“Intel Inside”式的模型标识（如 Powered by GPT-4）。最终产品的护城河将不仅在于底层技术，更在于像 DeepL 和 Grammarly 那样，通过 go-to-market 策略在特定场景中建立起坚固的用户品牌认知。
4/ “贸工技” vs “技工贸”，Monica 坚持了 “贸工技” 路线，比如华为虽然今天技术极强，但第一天其实也是生意做得极好的“贸工技”典型，也是交换机的贩子，只是在后续过程中把工程和技术补齐了。
5/ 从 DeepSeek 到 Agent，好的产品体验可以来自于技术创新的可视化。
6/ Agent = 虚拟服务器 + 浏览器 + 自主编写代码，真正的 Agent 应该是异步执行的，不应该像 Windows 系统那样在每个关键点都弹窗问用户“Yes/No”来甩锅，而应该是给它一个模糊指令，它能像最完美的实习生一样，自主在云端虚拟机里解决问题，最后交付结果。
7/ 博弈而非简单的逻辑推导，逻辑推导往往会让人因为大厂的资源优势而感到绝望，但一个重要的变量加入，会改变整个环境的走向。
8/ 用时代的年龄思考而不是生理年龄思考。
Notes from www.xiaoyuzhoufm.com
2/ 产业正从早期的垂直整合走向分层。台积电的出现创造了芯片代工和芯片设计两个行业，“壳公司”的任务是让这个“壳”变得越来越厚，通过更符合直觉的交互来承载并放大模型的外溢能力。
3/ AI 应用更像消费品（尤其是消费电子），而非传统的移动互联网产品。 Agent 公司去向微软等厂商申请 API 配额，就像经销商向厂家拿货/囤货。 就像小米手机会强调使用骁龙芯片，AI 产品也会标注“Intel Inside”式的模型标识（如 Powered by GPT-4）。最终产品的护城河将不仅在于底层技术，更在于像 DeepL 和 Grammarly 那样，通过 go-to-market 策略在特定场景中建立起坚固的用户品牌认知。
4/ “贸工技” vs “技工贸”，Monica 坚持了 “贸工技” 路线，比如华为虽然今天技术极强，但第一天其实也是生意做得极好的“贸工技”典型，也是交换机的贩子，只是在后续过程中把工程和技术补齐了。
5/ 从 DeepSeek 到 Agent，好的产品体验可以来自于技术创新的可视化。
6/ Agent = 虚拟服务器 + 浏览器 + 自主编写代码，真正的 Agent 应该是异步执行的，不应该像 Windows 系统那样在每个关键点都弹窗问用户“Yes/No”来甩锅，而应该是给它一个模糊指令，它能像最完美的实习生一样，自主在云端虚拟机里解决问题，最后交付结果。
7/ 博弈而非简单的逻辑推导，逻辑推导往往会让人因为大厂的资源优势而感到绝望，但一个重要的变量加入，会改变整个环境的走向。
8/ 用时代的年龄思考而不是生理年龄思考。
Notes from www.xiaoyuzhoufm.com
16 02
1/ 在AI行业尚处于下注阶段，Monica 作为一款有初步 PMF的浏览器插件，像是一张“空的画布”，它没有强行改变用户的原本习惯，但能提供无偏的观测窗口，让团队洞察用户在真实场景下如何使用 AI。从这个角度看，Monica 是进入 AI 应用时代一张理智且带有正向现金流的“船票”
2/ AI 行业与移动互联网时代不同，它具有稳定的、线性的推理成本，更像传统的制造业。随着用户量增加，成本会线性提升，这对创始人的经营和操作能力提出了极高要求。不同于上一代推崇“艺术家型”的偏执创始人，AI 时代更需要尊重常识、身心健康且能够冷静应对挫折的 CEO
3/ 模型与应用的边界在未来会越来越变得模糊，Cursor 自研模型的尝试已经证明了这一点，头部应用公司将普遍具备模型能力。最健康的路径是先通过应用获得 PMF 并进入稳定状态，再以降本、拓宽天花板或增加稳定性的思路去做模型，而非在早期被模型的黑盒迭代锁死节奏
4/ 一个 AI 公司的Taste 最终体现在其内部定义的 Evaluation 和选择的 Benchmark 上。这决定了技术是否能真正落地并解决实际问题。因此，无论是模型公司还是 Agent 公司，都必须持续追求 SOTA，因为这直接决定了其品位能否在产品中兑现
5/虽然 Monica 在插件生态表现优异，但 AdBlock 和 Grammarly 等顶级插件 5000 万活跃用户的水准揭示了插件生态的天花板。Manus 团队曾试图研发原生 AI 浏览器以寻求颠覆，但在打磨过程中发现，新浏览器无法提供与“Chrome + 插件”相比具有量级差异的体验，且存在与用户抢夺系统控制权、长程任务导致休眠等交互困境。最终团队放弃了这款“不够酷”且无法自证价值的产品
6/ “对于每一个复杂问题，总有一个简单、清晰但错误的答案。”（For every complex problem there is an answer that is simple, clear and wrong）。过度总结和惯性思维（如机械复刻旧时代浏览器）是危险的
7/ 坚持纯血 Agent 路线：在完成任务的所有过程中，其方式和步骤由智能本身决定，不应有人为预设的 Workflow 或硬编码的约束，因为分工是人类无能的，而模型是全能的
8/ Manus 团队同事用 Cursor 处理非编程任务给团队带来了核心启发：编程不只是垂直能力，而是解决通用任务的媒介；Agent 应异步、并发地在云端运行，不应占用用户电脑的注意力；技术复杂度应被封装，降低门槛；用户定位应是脑力工作者或 Prosumer 而不是工程师和码农
9/ “知道原子弹能造出来”是定义通用 Agent 最难的一步。为了极致利用模型能力的代际提升，Manus 特地将发布时间推迟了两个月，来抓住最新模型能力（如推理能力的突破）的溢出红利
10/ “General Agent”这个词最初是为了剪掉视频中意外闯入的保洁阿姨而加上的黑屏文案，后演变为正式定义。Manus ARR 25 年 11 月已达一亿美金。不同于 Monica 这种像“生鱼片”般依赖模型原材料的简单套壳，Agent 是“地壳一样厚”的壳，因为它拥有环境这一核心层
11/ 走垂直路径本质上是加限制，而 Manus 选择图灵完备的通用方式。通用 Agent 的优势在于能处理那些没有人专门为之优化的高频长尾场景（如处理分子生物学的冷门格式文件）。此外通用能力能产生内部网络效应，例如先进行深度研究，再基于研究自动构建带后台数据库的网页，这是垂直工具无法跨越的壁垒
12/ Agent 的 Token 消耗模式与 Chatbot 截然不同，其输入输出比高达 100:1 甚至 1000:1。这种巨大的算力需求让 Manus 获得了极大的影响力，甚至能帮助 Google DeepMind 构建需求（如可控的 Parallel Function Calling）。目前多数模型仍是为 Chatbot 做对齐，在 Agent 工况下会因“上下文压力”而表现得急躁或质量下降
13/ 长文本 200k 以上就不再重要，更关键的是让模型具备“压缩意识”，学会主动将记忆外化到文件系统。在数据方面，Manus 关注基于集体模式的“Fail Pattern”轨迹数据，用户修复 Agent 错误的过程提供了极高质量的反馈流
14/ OpenAI 在 Agent 赛道上因垂直整合而存在范围劣势，而 Manus 可以组合全球最顶尖的模型来执行任务。Manus 的核心用户是 Jack Dorsey 等“高单价”硅谷用户，这与 ChatGPT 的大众心智形成了错位竞争。很认可 ScaleAI 的 RLI（远程劳动力指标），即 AI 完成的工作是否能让客户愿意付钱且难辨真假
15/ 在真正的 Agent 出现前，云厂商并未准备好应对这种 append-only、Pre-filling 量极大的工作负载。衡量 Manus 的核心指标不应是 DAU，而是 Agentic Hours 。同时Manus 在众多 AI 应用中表现得像是一个“异常值”，其高价值产出、Proactiveness 以及在用户醒来前主动完成工作的原型，正定义着 AI 时代的稳态
Peak 和小珺的这期太好了，谢谢这个时代最可爱的建造者们。
2/ AI 行业与移动互联网时代不同，它具有稳定的、线性的推理成本，更像传统的制造业。随着用户量增加，成本会线性提升，这对创始人的经营和操作能力提出了极高要求。不同于上一代推崇“艺术家型”的偏执创始人，AI 时代更需要尊重常识、身心健康且能够冷静应对挫折的 CEO
3/ 模型与应用的边界在未来会越来越变得模糊，Cursor 自研模型的尝试已经证明了这一点，头部应用公司将普遍具备模型能力。最健康的路径是先通过应用获得 PMF 并进入稳定状态，再以降本、拓宽天花板或增加稳定性的思路去做模型，而非在早期被模型的黑盒迭代锁死节奏
4/ 一个 AI 公司的Taste 最终体现在其内部定义的 Evaluation 和选择的 Benchmark 上。这决定了技术是否能真正落地并解决实际问题。因此，无论是模型公司还是 Agent 公司，都必须持续追求 SOTA，因为这直接决定了其品位能否在产品中兑现
5/虽然 Monica 在插件生态表现优异，但 AdBlock 和 Grammarly 等顶级插件 5000 万活跃用户的水准揭示了插件生态的天花板。Manus 团队曾试图研发原生 AI 浏览器以寻求颠覆，但在打磨过程中发现，新浏览器无法提供与“Chrome + 插件”相比具有量级差异的体验，且存在与用户抢夺系统控制权、长程任务导致休眠等交互困境。最终团队放弃了这款“不够酷”且无法自证价值的产品
6/ “对于每一个复杂问题，总有一个简单、清晰但错误的答案。”（For every complex problem there is an answer that is simple, clear and wrong）。过度总结和惯性思维（如机械复刻旧时代浏览器）是危险的
7/ 坚持纯血 Agent 路线：在完成任务的所有过程中，其方式和步骤由智能本身决定，不应有人为预设的 Workflow 或硬编码的约束，因为分工是人类无能的，而模型是全能的
8/ Manus 团队同事用 Cursor 处理非编程任务给团队带来了核心启发：编程不只是垂直能力，而是解决通用任务的媒介；Agent 应异步、并发地在云端运行，不应占用用户电脑的注意力；技术复杂度应被封装，降低门槛；用户定位应是脑力工作者或 Prosumer 而不是工程师和码农
9/ “知道原子弹能造出来”是定义通用 Agent 最难的一步。为了极致利用模型能力的代际提升，Manus 特地将发布时间推迟了两个月，来抓住最新模型能力（如推理能力的突破）的溢出红利
10/ “General Agent”这个词最初是为了剪掉视频中意外闯入的保洁阿姨而加上的黑屏文案，后演变为正式定义。Manus ARR 25 年 11 月已达一亿美金。不同于 Monica 这种像“生鱼片”般依赖模型原材料的简单套壳，Agent 是“地壳一样厚”的壳，因为它拥有环境这一核心层
11/ 走垂直路径本质上是加限制，而 Manus 选择图灵完备的通用方式。通用 Agent 的优势在于能处理那些没有人专门为之优化的高频长尾场景（如处理分子生物学的冷门格式文件）。此外通用能力能产生内部网络效应，例如先进行深度研究，再基于研究自动构建带后台数据库的网页，这是垂直工具无法跨越的壁垒
12/ Agent 的 Token 消耗模式与 Chatbot 截然不同，其输入输出比高达 100:1 甚至 1000:1。这种巨大的算力需求让 Manus 获得了极大的影响力，甚至能帮助 Google DeepMind 构建需求（如可控的 Parallel Function Calling）。目前多数模型仍是为 Chatbot 做对齐，在 Agent 工况下会因“上下文压力”而表现得急躁或质量下降
13/ 长文本 200k 以上就不再重要，更关键的是让模型具备“压缩意识”，学会主动将记忆外化到文件系统。在数据方面，Manus 关注基于集体模式的“Fail Pattern”轨迹数据，用户修复 Agent 错误的过程提供了极高质量的反馈流
14/ OpenAI 在 Agent 赛道上因垂直整合而存在范围劣势，而 Manus 可以组合全球最顶尖的模型来执行任务。Manus 的核心用户是 Jack Dorsey 等“高单价”硅谷用户，这与 ChatGPT 的大众心智形成了错位竞争。很认可 ScaleAI 的 RLI（远程劳动力指标），即 AI 完成的工作是否能让客户愿意付钱且难辨真假
15/ 在真正的 Agent 出现前，云厂商并未准备好应对这种 append-only、Pre-filling 量极大的工作负载。衡量 Manus 的核心指标不应是 DAU，而是 Agentic Hours 。同时Manus 在众多 AI 应用中表现得像是一个“异常值”，其高价值产出、Proactiveness 以及在用户醒来前主动完成工作的原型，正定义着 AI 时代的稳态
Peak 和小珺的这期太好了，谢谢这个时代最可爱的建造者们。
23 37
今日 takeaways:
- 资金很 heavy在cloud和US，如果26年这些资金re-allocate出来会发生什么？2026 年全世界的 revenue drive，大约 500 亿美元直接来自 AI，但贡献了美股大概1T的市值
- GPU utilization 像挖掘机，中国的挖掘机市场一直火到了 2021 年上半年，是会一直火到市场崩塌前一秒，因为用 GPU 的人，不是 directly 需要 general revenue 才能继续用，它现在是生产资料
- 光通讯公司 AXTI 98年上市，股价2000年bubble的时候最高，到50块，最bubble的时候大家会去炒这种很上游的票，因为无票可炒，现在就是这种 vibe，上游行业的公司本身壁垒是窄的
- AI 的 CapEx 每年增量是 200 到 300 亿美金，算上乘数效应，基本就是拉动 GDP 1.5 到 2 个点；美国每年 GDP 增量是 5000 亿美金；所以算下来 AI CapEx 的增量 exactly 等于美国 GDP 的扩张
- Founders Fund投了很多defense tech，觉得美国 lag 太多，制造业回流造 iPhone 很难，但制造业回流 defense 是国家可以决定的，因为必须得造，而且要用就要用最好的，Anduril目前就是技术上最强的
- Google 现在是全硅谷的consensus，但这一次其实是估值扩张，从20x-30x，是合理的，最大的问题是怎么 deliver EPS，这点是和英伟达最大的区别，广告没那么快（新的 click-alternative business model 还没交棒），GCP price in了七七八八，TPU 自己还不够用，短期产能没那么快
- 资金很 heavy在cloud和US，如果26年这些资金re-allocate出来会发生什么？2026 年全世界的 revenue drive，大约 500 亿美元直接来自 AI，但贡献了美股大概1T的市值
- GPU utilization 像挖掘机，中国的挖掘机市场一直火到了 2021 年上半年，是会一直火到市场崩塌前一秒，因为用 GPU 的人，不是 directly 需要 general revenue 才能继续用，它现在是生产资料
- 光通讯公司 AXTI 98年上市，股价2000年bubble的时候最高，到50块，最bubble的时候大家会去炒这种很上游的票，因为无票可炒，现在就是这种 vibe，上游行业的公司本身壁垒是窄的
- AI 的 CapEx 每年增量是 200 到 300 亿美金，算上乘数效应，基本就是拉动 GDP 1.5 到 2 个点；美国每年 GDP 增量是 5000 亿美金；所以算下来 AI CapEx 的增量 exactly 等于美国 GDP 的扩张
- Founders Fund投了很多defense tech，觉得美国 lag 太多，制造业回流造 iPhone 很难，但制造业回流 defense 是国家可以决定的，因为必须得造，而且要用就要用最好的，Anduril目前就是技术上最强的
- Google 现在是全硅谷的consensus，但这一次其实是估值扩张，从20x-30x，是合理的，最大的问题是怎么 deliver EPS，这点是和英伟达最大的区别，广告没那么快（新的 click-alternative business model 还没交棒），GCP price in了七七八八，TPU 自己还不够用，短期产能没那么快
16 12
朋友家晚餐遇到 @瓦恁 ，瓦总金句：“养娃是生活的杠杆，会让幸福的生活更幸福，反之亦然。”
23 22
