感兴趣 AI Rollup 打法的同学们可以参考这些材料：

General Catalyst 介绍 AI Rollup 打法和自己孵化的一堆案例：The Future of Services
www.generalcatalyst.com

AI Rollup 撬动了哪些杠杆：Value Creation for AI Rollups
www.vinayiyengar.com

AI Rollup 为什么火了：The Dawn of AI Rollups
www.vinayiyengar.com

非常详细深度的全景分析：The Vertical AI Playbook
research.contrary.com

泳池清洗业务也可以 AI Rollup：AI Roll Ups with Jeremy Yamaguchi, Founder & CEO @ Cabana
www.newsletter.lukesophinos.com

Crete 执行主席访谈：Steve Stagner on building Crete's $500 million AI roll-up to modernize accounting
music.amazon.co.jp's-500-million-ai-roll-up-to-modernize-accounting

a16z 组织的 AI Rollup 讨论：AI Roll-Ups: VC with a Twist, or PE with a Prompt?
www.youtube.com

a16z 分析 AI 会如何改造 BPO 产业：Unbundling the BPO: How AI Will Disrupt Outsourced Work
a16z.com

Crescendo CEO 访谈，有很多有意思的数据：How Crescendo is Disrupting Customer Service with Gen AI
www.youtube.com

3 个物业管理领域 AI Rollup 创始人聊天：AI roll-ups: The upsides and challenges: share.transistor.fm

General Catalyst CEO 访谈，聊到了孵化的很多 AI Rollup 思路：Hemant Taneja on Global AI Investing & Energy Needs, AI Team Inefficiency
www.youtube.com

General Catalyst 介绍孵化 Crescendo 过程：Our Creation of Crescendo: www.generalcatalyst.com

General Catalyst 介绍自己的 Transformation Company Percepta：Unveiling Percepta: www.generalcatalyst.com

唱衰的深度文章：The AI-First Roll-up
insights.euclid.vc

Crescendo CEO 的访谈：Crescendo: Interview With CEO Matt Price About The Full-Service CX Company: pulse2.com

非常详细深度的全景分析：Roll-Up Strategies: Industries Ripe for Consolidation: avencp.com

最近两年在大幅度调整自己的学习方法：

一是尽量按需学习，不做囤积。减少“为学习而学习”，先确定自己在做哪些 project，再根据项目需要，借助 AI 主动抓取那些真正有帮助的信息来支持当下任务。大致逻辑是：“如果叮咚买菜可以半小时送货上门，那就实在没必要在家里屯一房间大白菜”。实在是自己想要学，但是又没有对应 project 的领域，就至少给自己安排一个“输出”（比如写篇公众号）搭配，绝不白学。

二是在学习中提高事实性情报的比例：尽量少学“模型”和“方法”，多了解“事实”。AI 给出大道理和框架太容易、也太精彩，没必要专门学。但也正因为 AI 太能瞎扯，所以更需要一些锚点来帮助判断和对齐，而目前想到最好的锚点就是“事实”。现在和 AI 的沟通方式也在变：越来越多是先请它帮忙找到各种维度的相关事实，帮助在脑子里构建起对事实的理解，之后再共创分析和计划。

经常吃 Subway，一半的时间吃的是百味卷，因为我觉得 Subway 面包很大块感觉碳水很高，不如百味卷用面皮裹一下来得“轻食”……然后刚刚被 ChatGPT（& Gemini）告知其实面皮更重，而且油脂更多，所以面包只有 200 大卡但面皮有 300 大卡 [捂脸]……不知道自己脑子里还有多少类似的不自知的 Illusion [发呆]

最近在把做起来的 AI 公司一个个研究一遍。顺便录了一期单口，聊了下Crescendo (AI Rollup 模式)、Mercor (从招聘平台转型数据军火商) 和 Open Evidence (医疗 AI 的信任构建)。

经常有小朋友问：“我以后想创业，现在可以做些什么准备？”这几天忽然觉得，有个特别好的答案是——多和朋友、同事、同学一起做点事。

复杂一点，比如合伙搞个小副业试试水；简单一点，比如组织老同学聚会、安排公司年会旅行、一起开个抖音号……

事情本身不重要，稍微复杂一点、需要合作的最好。如果还能过点钱更棒。

成败也不重要，重要的是：你可以通过这些事儿测试朋友的靠谱程度和合拍程度，算是提前做了团队的 MVP。

测过一遍，等你真要创业时，早期班底的确定性会高很多。

AI Rollup
提问：怎么才能 24 小时获得 8000 万美元年收入？回答：买一家有 8000 万美元收入的公司就可以了。

拉着 BISHENG.AI 的覃睿聊了半天企业 AI 转型落地，他们的开源项目被上万家企业使用过，他自己也帮上百家企业服务过，所以找他问了很多“到底这个场景 AI 能做到多少了”之类的问题[呲牙]

主要话题：

四大真实落地场景： 目前企业 AI 落地最集中的四大类场景是：问答（知识库）、审核（合同、消保）、写报告（研报、尽调） 和 智能问数（Text-to-SQL）。

最“扯”的场景：智能问数（Text-to-SQL）。 覃睿坦言这是他们最谨慎、劝退最多的场景 。原因是这种需求通常来自高层 ，对准确性要求极高 ，但绝大多数企业的数据治理水平根本达不到（如表关系混乱、字段无文档）。

最“不性感”但最高频的场景： 1. 知识库问答（RAG）。2. 情报类应用，即自动监控部委网站、公众号、论文库等，帮员工从“不乐意干”的繁琐工作中解放出来 。

开源是最好的“获客渠道”： BISHENG.ai选择开源，初期是朴素地希望获得快速反馈 。但事实证明，这成为了最高效的获客方式 。严肃的企业客户（特别是大客户）最终仍然会为咨询、实施和定制服务付费 。

中国 To B 赚钱的逻辑： BISHENG.ai已实现盈利 。覃睿的经验是：1. 通过开源筛选正确的客户（主动来的、认知一致的）；2. 做正确的项目（敢于“劝退”不切实际的需求）；3. 抱着**“让客户成功”**的心态，即使短期“算不过账”，也要把真实需求做好，从而赢得二三期项目 。

又找修涵聊了半天 AI 产品设计， 结论是应该让 Agent 当佞臣，让用户当皇上 [呲牙]

主要话题：

Agent 是娱乐场景的 Flash 革命： Agent 技术的重要性，在于它提供了“交互式体验”的能力，而不只是内容生成 。这就像当年的 Flash，让网页从图文展示变成了可以玩的动画和游戏 。

从 "Create" 到 "Recreate"： AI 降低了门槛，但大多数人创作的核心诉求不是成为艺术家 (Create)，而是享受过程 (Recreate) 。这种“再创作”或“消遣”的心态，就像拼乐高或改装四驱车，是更广泛的用户需求 。

"虚拟随手拍" 新范式： 传统内容是 "剧本中心" 的（先有故事再配角色）。AI 带来了 "角色中心" 的范式，用户可以像拿手机 "随手拍" 一样，抓拍一个角色在虚拟世界中的零碎瞬间，这更符合 AI Native 的创作流程 。

IP 的 GitHub 模式： 当成千上万的用户（像“狗仔队”）围绕一个角色进行碎片化创作时 ，IP 的管理模式将不再是自上而下的。未来，AI Native IP 会更像一个开源项目（如 SCP 基金会或临高启明），由一个 "委员会" 通过 "Fork" 和 "Merge" 的方式来管理和演进 。

"延迟设计" 是 C 端的必修课： AI 视频和图像生成的高延迟与高成本是目前 C 端体验的最大障碍 。与其等待技术（短期内）完美解决，不如学习游戏的设计，把 "延迟" 本身设计成一个 "Feature"，例如通过排队、加速付费 、或在等待时插播激励广告 。

理想的 AI 交互：用户是 "玉帝"，不是 "神"： 在复杂的创作中，用户不想当 "神"（承担所有创意工作）。更理想的模式是用户当 "玉帝"（审批者），AI "大臣" 负责提方案（"我们要不要打花果山？"），用户只管 "盖章" 批准。这个 AI "大臣" 还必须是 "佞臣"，擅长察言观色，让 "玉帝" 感觉一切尽在掌握 。

新一批 AI Agent 产品的 PR，离实际上手真实效果的距离，让我以为自己在看Web3……#一句话得罪两群人

有个要找资料做成文档的任务，被 ChatGPT 阳奉阴违 20 个来回一点进展也没，用 Manus 5 分钟搞定。赞美一下。