开场与分类0:00
这是 " 十字路口 " 和 " 屠龙之术 " 主播庄明浩一起串台 ， 介绍 Y Combinator 投资的 AI 公司的节目的第三部分 ，也是我们总结的部分 。Y Combinator 是硅谷最牛逼的创业孵化器 ， 简称 YC。YC 在过去 1 年投资了 260 多家 AI 的初创公司 ， 它们可以说是硅谷乃至全世界 AI 创业趋势的一个缩影 。在前两期的播客里面 ， 明浩和我逐一访问了这 260 家 YC 投资的 AI 公司 ， 我们体验它们的产品
、 浏览它们的官网 、 尝试去理解它们 、 学习它们 ， 借此来了解 AI 的顶尖创业者们究竟在做什么 。
这两期播客加在一起长达 5 个多小时 。 随后， 明浩做了一份总结的 PPT， 尝试对这 260 家 AI 公司进行更宏观的统计和分析 ， 汇总我俩各自的观察和观点 ， 从而更好地帮助自己 ，也帮助大家来理解当下这个时点在 AI 领域的创业趋势 。
今天的播客大家可以参照 show notes 当中明浩准备的 PPT 来进行收听 。
在上期结束之后， 我们立了一个 Flag， 对吧 ？ 我们还是说 ， 嗯 ， 还是做一个整理吧 。 我说为什么做 ，其实也有原因 ， 就是说在上 —— 听完我们上期节目的时候 ， 我有个朋友跟我说 ， 听起来还是太累了 。
就是即便有非常大的耐心 ， 还是太累了 。 再加上一直以来有这个习惯是说 ， 那既然已经做过整理了 ， 我们就再往前多做一步 ， 对吧 ？
然后做了这个今天的这个内容 。 它其实就相当于是把我们梳理过 200 多家公司的内容 ， 做了再一次的拒绝 ， 然后再喂给大家 。
对 。
对 。 我看我们上期现在放出来 ， 完听率大概是 20%。
我还没看完听 。 不敢看 。
真的完听率就是惨淡 。
就是太正常了 。
嗯 。
就是人之常情嘛 ， 对吧 ？ 然后， 呃 ， 针对这个内容 ， 我起了一个标题 ， 叫 《 那些你知道的和你不知道的 AI 创业方向 》。其实在我们整理之前 ， 大概率就已经其实知道一些比较集中的内容的方向 ，但是整理之后其实还是发现一些我们理解没有那么深的方向 。
对 。
所以有了这样一个非常普适的标题 ， 我们又起一个标题党的这个标题 。 然后再多说一句 ， 就写在前面 ， 为什么要做这整理 。
就是我是觉得做完之后还是需要一些更加宏观一点的统计 ， 就是再往上拉高一层 。 虽然这个数据源可能是一个相对单一渠道的数据源 ，但至少它代表了一定的趋势 。
第二就是 ， 我们需要把分散的很多观点聚合起来 。 因为我们在过程中也会发现 ， 针对不同的类目 、 不同的项目 ，有很多的观点的蹦出 ， 对吧 ？
然后第三一点就是 ， 呃 ， 每一个项目的过其实就是一个单点嘛 。 那过完之后， 对于比如说趋势 、 脉络 ， 跟当下时间点 AI 行业的创业的状态 ， 我觉得也需要一个整理 。
就是我们在肉身整理之后， 再做肉身的拒绝 ，而不是交给 AI 来做的拒绝 。 再一点就是 ， 我们的下期是 3 个小时嘛 ， 加上上期两个半 ， 应该是超过 5 个半小时 。
是的 。
还是太 、 太长了 。 就是太累了 。 谁会有这么长的时间来搞这些东西 。
我感觉就做家务的时候 ， 或者跑步的时候 。
但但但是那时候又看不了 ， 你只能听 。 又差了一点点信息量 ， 对吧 ？
是 。
所以就我们还是最后做了一个这个 PPT 的内容 。
嗯 ， 主要是靠这个明浩老师做的 。 我就是他的啦啦队而已 。
嗯 。 然后这个我们最后的表格里面 ，其实包括中间过程中有一些我们认为跟 AI 没有相关 ， 我们就剔掉了 。
最后表格是 259 个项目 。 然后 259 个 AI 项目 ， 我又重新以主观的方式再做了一次细分的分类 。 因为那个拉出来的那个表格 ，是通过 AI 方式做的分类 ，其实有些分类可能不是那么合适 ， 或者说比较模棱两可 。
反正我就主观的方式把它们分了 。 然后把 259 个项目的这个分类的区 ， 这个区 ， 这个统计的区间拉出来 ， 情况是这个样子 。
你会发现 ， 呃 ， 营销相关的 CRM、Sales， 然后客户关系管理是最大的品类 。 我没有那么意外 。 然后第二大品类是 Coding， 就关于代码相关的 。
第三大品类就是我们比较熟悉 ， 叫 AIGC。 然后第四大品类叫 Infra。 然后这几个 。
技术架构 。
对 。 这几个品类的项目都是超过 25 个的 ， 就超过大概 10% 的前四个 。 然后是医疗 、 金融 。 呃 ， 医疗排在所有细分按行业分的第一位 ，其实也是有点出乎我意料之外的 。
是吧 。
对 。 然后金融 。 然后 Agent。 然后数据分析 。 企业内支持可能就包括财务 、 法务 、 审计 、 物流 。
HR。
HR、IT 那些 。 然后安全 。 然后到这应该是前十大分类 。 呃 ， 我按每个分类 ， 这十大分类都做了一些描述 。
然后后面一些小的分类我就没有太做了 。 可能物流 、 法律 、 工业 、 教育 、 机器人 、 交易 、 能源 、 电商 、 物流 、 旅游 。
然后就在我录我们当天那个法律领域那家欧洲的 、 给欧洲律所提供法律服务的那个公司 ， 拿了 benchmark 的几千万美金吧 ， 应该是 。
对 ，1000 万美金 。
对 。
嗯 。 就是我们在录的时候 ，他就已经又成功地融了下一轮 。
对 。
嗯 。
然后我们就 ， 那既然是一个主观的分类 ， 对吧 ？ 那我们就看看我们两个人的这个主观的这个再彻一点的这个结论 。
因为我们在过程中会把每个项目标我们的这个感觉 ， 对吧 ？ 然后 。
对 。 就非常武断地给大家标一个感觉 。
对 ， 非常主观 ， 没有任何的这个客观的这个理由 。 对 。 然后 。
我完全是从用户的角度 。
是的 。 然后我们分了五大类 。 最牛逼的就是牛逼 ， 对吧 ？ 最简单 。 然后有点意思 ，不太行 。 然后肯定黄 ， 跟看不懂 。
嗯 。
然后从结论来看 ，其实这个数据大差不差 。 就牛逼大概都是 20 到 21 个 。
对 。
有点意思的 。
而且很多都是我们共同觉得牛逼 。
对 。 然后有点意思的 ， 可能那个 Koji 相当于多一点 ，200 个 。 我大概 137 个 。 然后不太行的 ， 我暴论比较多 ， 我下了 10 个 。
然后 Koji 下了 7 个 。 差别就在这两个数据上 。 其他的其实肯定黄 ， 跟看不懂的其实差不多的 。 就大概是我们的这个数据结果 。
我还是秉持着鼓励创业者的心情 ， 就是没有标那么多不太行 。 而且我们录到一半的时候 ， 然后当时这个表格分享给一些朋友们看 ， 就有朋友说 ， 哇 ， 我跟你讲 ， 我一个朋友的 startup 被你俩标了不太行 。
当时我心里就一个咯噔 。
压力变大 。
对 。 就想说 ， 哎 ， 还是这个应该这个鼓励鼓励这创业者们 。
是的 。
而且确实很多 YC 的项目 ， 它在从 0 到 1 的时候 ， 就是选了一个就在当时大家没有那么看好的一个小的切入点 。
但是呢 ， 就像那个吴品坚嘛 ， 就是我们的朋友 ，他之前写过一篇文章 ， 就在这个时代 ， 你是要去选择 ， 呃 ， 旁观呢 ， 还是你要选择就是去做一个像汤姆猫这样的 ， 看上去有点荒唐的应用呢 ？
那其实他鼓励还是 ， 就应该跳到浪潮里面去 ， 尝一尝海水的味道 。 就哪怕今天做一个汤姆猫 ，但明天也可能这个汤姆猫会这个从 Hello Kitty 变成大老虎 ， 对吧 ？
也变成一个有点意思的一个项目 。 对 。 所以这是这个我标的时候 ，其实内心对很多项目觉得不太行 ，但其实就秉持着这个鼓励的心情 ， 给它加了有点意思的标签 。
对 。 那我们就一个一个分类过 ， 大概 10 个分类 ， 加一些其他的那个内容 。 第一个分类就是刚才提到最多的这个项目 ， 最多的分类 ， 大概营销相关的 ， 可能占了应该是 30 几个项目 ， 占 13% 左右的比例吧 。
营销类7:13
然后我们在那个聊天过程中其实也有感触 ，是说虽然叫营销也好 ， 叫 CRM 也好 ， 本质上来讲这是一个链条非常长的事情 。
从最开始的潜在客户的列表 、 客户的沟通 、 沟通的文案 ， 文案又分邮件 、 短信 、 社交媒体 ， 对吧 ？
然后在线平台 ， 然后， 呃 ， 你这些营销数据之后有实时的报价 、 售后的支持 、 舆情的监控 、 会员的管理 。
对 。
就整个链条的所有环节 ， 分工超级的细 。
是的 。
有无数的公司可能就是这个这个服务其服务于其中， 对吧 ？ 最大的可能 Salesforce 就是最典型的 。 然后其实抛开 AI， 我回想当年可能 14、15 年做美国的 TMT 融资的时候 ， 呃 ，ToB 板块营销相关的应该也是最大的 。
就在那个时候 ， 一直以来其实都是创业公司比较集中的一个区块 。
因为这里离钱非常近 ， 就我帮你提高一点 ROI， 你可以很容易地算出来你应该为我支付多少的费用 。
对 。
值得你 ， 或者你愿意为我支付多少的费用 。
所以跟销售相关的确实是 。 然后又因为整个美国的 ToB 的在销售这个条线上的巨头也很多 ， 巨头的投资跟并购也非常的活跃 ， 所以整个的这个链条就正向循环起来了 。
是的 。
这件事情其实跟 10 年之前的底层逻辑上没有区别 。
是 。
但从我们看具体这一波做 AI 相关的公司的切入角度 ，其实我大概分了几个几个块 。 第一 ， 最常见的是做端到端的全链路解决方案的 。
就我们看到很多那些 ， 我们其实在通过现阶段的它这个最初始的介绍里面 ， 没有办法评判它的优势跟劣势的那些项目 。
就很多都是全都做了 ， 你也不清楚它针对某些 ， 比如第二类 ， 我刚才讲的这个方式 ， 就是针对不同行业来做 。
是的 。
嗯 。 查服管理 、D2C、 房屋租赁 ， 这是我们见到的几个比较特别的项目 。
对 。
然后再一点 ， 更简单的方式就是集中刚才我们说这么多环节中的某一个节点 ， 做单点 。
去爆破 。
对 ， 去单点爆破 。
去 AI 给它就是加上之后， 可以效率大大的提升 。
对 。 所以其实其实从项目的这个切入角度跟操作方式上来看 ，其实就这么就这些 。 甚至某种来说 ， 做复杂业务的 AI 相关的项目的切入角度 ， 大概其实也是这些 。
就其他几个类目也有类似的这个规律 ， 我们后面会看到 。 然后我列了几个比较有有有代表性的这个营销相关的这个 Deal， 比如说第一个叫 AISDR。
对 。 这个就是从去找潜在客户 ，并且搭讪 。
对 。
就这一个小的点去切入的 ， 它没有做那么复杂的端到端 。
所以它的名字也非常的直接 。
是 。
就是 AI 的销售代表 。
对 。 它帮你把客户的会约到 ， 它就算成功 。
对 。 然后第二就是做这个全链路的 ， 叫 AI 版的 Salesforce。 就 Salesforce 做什么 ， 它基本上也都做了 。 整个的链条 、 报表 、 数据跟踪 ， 然后内容的准备 ， 所有这些品牌的资源相关的全部都做了 。
对 。 这个叫 OctoLane。
对 。 然后第三个就是做这个 Sales 的 Copilot， 就是你在销售过程中需要一些辅助的功能 ， 然后它会帮你做一些辅助的 AI 的介入 。
就是你会发现 ， 就是你通过前面这种分类方式 ， 你再去看这些项目的时候 ， 它的区隔就比较容易区隔的开了 。
虽然从官网描述跟项目描述过程中， 你会发现其实大家都大差不差 。 然后这是营销这个大的品类 。
编程类10:37
然后我们进入第二个品类 ， 就是这个 Coding 相关的 。 就是这个 ， 反正因为我们在过程中， 如果大家听过上两期节目 ， 应该也知道我们找了外援来帮我们做 。
因为确实我们在拿到这个列表最开始的时候 ， 你会发现这一类大类的项目 ， 人家看起来特别的累 。
就是哪怕它有非常长的详细的描述 ， 然后我们也去看了官网跟 YC 的介绍 ， 依然很难说出什么 。
对 。 我觉得一方面是因为我们确实不是技术背景 ， 就虽然我本科研究生学计算机 ，但也那么多年没有真的 。
没碰 。
对 。 然后另一方面是 ， 我觉得其实今天技术是在剧烈的流动吧 ， 技术的边界也在剧烈的变化 。 所以其实大家做的事呢 ，也都就是就是就是很复杂的 。
它没有 ， 它自己可能都没有想好 ， 我如何用一句话把我的价值讲得清楚 。
了解清楚 。
对 。 像昨天晚上我遇到另外一位创业者 ，他在做的是 ByteBase，他们在那个 GitHub 上面已经有 1 万个星了 ， 然后也是在上海的一位创业者 。
然后我就请他给我介绍他的项目 ，他也就是很不容易吧 ， 就是他问我你是什么技术水平 ， 我说我知道这个关系型数据库和非关系型数据库的这种水平 。
然后他深呼吸一口说 。
我来试一下 。
哈哈哈 。
对 。 所以这个事确实不容易 。 但是我看这个明浩还是努力地给它分成了两个大类 。
对 。 分就是硬要分 ， 还是分两 。
通过这个就是 ， 或者说相对对非技术人员比较好理解的方式来分 。 第一种就是从自然语言变成代码 。
就一大部分项目是做这种这种事情 。 那你这个事情反正你想就非常开心嘛 ， 对吧 ？
对 。
生成代码 ， 然后交给 AI 来做 。
对 。
一键生成 ， 无论是前端 、 后端 、 数据库 ， 甚至完整的整个整个 Demo 或者整个 App， 对吧 ？ 理理论上理想状态应该是这样 ，但现在看上去还是有点难的 。
就是一键生成 ， 就是从一个自然语言到完整结果 ， 可能还是比较难 。
真的很难 。 因为一键生成 PPT 现在都还没有那么完美 ，但一键生成网站 ，因为网站还比 PPT， 就在 PPT 之外还多了更多后端的东西 。
对 。
所以不容易 。
如果不能完整的解决 ， 那就再拆 ， 比如说部分生成的 ， 我只生成前端的 CSS 代码 ， 或者只生成数据库 ， 或者只生成后端的这些模块 ， 或者是套一些固定的模板 。
就你专门生成一个什么样的东西 ， 我给你一套这个东西 ， 把这个边界划分得清楚一点 ， 或者是部分用低代码来实现 ，而不是单纯全部通过自然语言来实现 。
然后要么就是从另外一个方式去解决这件事情 ， 既然没有办法去直接生成 ， 那我们先把前面那个事情解决清楚 ， 就是让 AI 去理解代码 ， 然后再去做后面的事情 。
对 。
所以基于自然语言跟代码之间的关系 ，有一堆相关的项目在做这个事情 。 然后另外一种拆分方式就是更简单一点 ， 我们把整个的从代码的 ， 呃 ， 从出现到编程到 QA 到改 bug 到安全到测试 ， 全部流程拆成各个细节 ， 各个环节 ， 让 AI 来帮忙 ， 提高效率还是提高准确率 ， 还是解决那些人肉 。
协同问题 。
对 ， 人肉可能特别累的事情来去做 。 所以这就是我们能够看到的 ， 基于 AI 跟 Code 相关的事情能够做的很多的事 。
是的 。 影响最深的就是 AI 帮你写文档 ， 就是写文档这个事情也是非常痛苦的 。
写文档 ， 对 ， 代码 、 标注 、 注释 、 解释 ， 都是 。
对 。AI 改 bug， 或者 AI 哪怕就是不改 ， 它只是来帮你做 QA。
对 。
这也很 make sense。 对 。 昨天看到另外一位 MIT 毕业的高材生 ， 就告诉我他新的这个方向也是要去做 AI 来去做 QA。
我觉得这个也是很典型的 ， 就排在第二的大的创业方向 。
对 。 然后我也同样找了一些比较有意思的 Deal， 比如第一大类是有几个做前端的 ， 就是要替代改进 Figma， 做前端 UI、CSS 的这些 ， 对吧 ？
还有就是做 LLM 代码直接到 Web， 就那个大理石 ， 大理石的那个那个公司 ， 直接自然语言变成一个完整的 ， 比如说想做一个类似 RMBNB 的网站 ， 它从前端到功能模块到后台 ， 数据库全部帮你搞定 。
对 。 比如我开个火锅店 ， 需要一个官网 ， 官网有些预定功能 ， 然后理论上现在我就可以 。
通过这个来做 。
非常快 。
好 。 第三类就是做 QA 跟改 bug， 就是常见的 QA 改 bug， 应该是这个领域里面小分里面最多的一个品类 ， 好多项目都做相关的事情 。其实还是需要大量的用到智力 ，但是它又有一定的重复性的工作 。
是的 。
这是最容易被取代的 。 然后这是 Coding。 然后下一个类目就是 ToC 的 ， 就是叫 AIGC。其实这个分类的方式在之前 AI 拉出来里面那个分类是没有的 ，但是其实用着我们国内比较好理解的就是 AIGC 这个方向的 。
AIGC类14:55
是 。
然后大概有 30 个项目 ， 占 11.6。其实这个比例是相对于所有项目而言是很低的 。
是蛮低的 。
非常低的 。 然后， 呃 ， 或者说另外一个角度说 ，AIGC 这个概念在美国其实也不像中国这么的被大众跟从业者们所接受 。
然后那生成内容 ， 那到底生成什么 ， 对吧 ？ 知识的文档 ， 对吧 ？ 给政府的 ， 给什么税务报税的 ， 对吧 ？
给什么 ， 还有什么审核的 ， 给生物医药做那个论文的 ， 对吧 ？ 知识的文档 ， 图片 、 视频 、3D 素材 、 动画 、 音乐 、PPT， 对吧 ？
这些其实是在我们没有做这个分类之前 ， 大家也知道 AIGC 里面在做这些事情 ， 对吧 ？ 也基本上是所有可能今天在做大明星也好 ，在做相关业务的巨头们都会要做的事情 。
然后那对于这些初创公司而言 ， 尤其是 YC 所投资的初创公司而言 ，他们做这个相关的项目 ， 那就需要再往前迈一步 。
就是你基于这个认知跟逻辑在做 ， 可能已经很难了 。 所以他们就再往前做 ， 就是说要么是定义 ， 需要更加明确的定义具体到不能再具体的功能 ， 或者使用场景 ， 就是再往前做得更细 。
但是这里面就会引发一个问题是说 ， 你往前多走了 ， 随之而来的问题就是说你的场景 ， 或者说你做事情是会不会太窄 ， 或者太难 ， 对吧 ？
因为我们在这个领域也有几家我们标注了不太行 ， 或者是不太 OK 的公司 ， 那确实就是因为这个问题之间的博弈的取舍 。
是的 。 太窄是很容易被大模型一发布直接给你淹没掉 。
对 。 这个后面会提到 。 然后我找了几个比较印象深刻的 Deal， 第一个是做那个视频风格的 ， 叫 Magic Hour 嘛 。
它最典型就是那个给那个 。
灌篮高手 。
对 。MHUN 做那个超级英雄的风格转换 ， 包括几个营销视频做那个风格转换 。 就是相当于你可以理解 ， 就是它是做视频生成的 ，但是它是做专注于某种风格 。
风格 。 就是把灌篮的这个动作从真人在起跳那一刻 ， 变成某种魔幻的未来感的风格 ， 然后让这个短视频变得 。
更有传播性 。
更有传播性 。
是的 。 然后第二个是做那个帮你做那个文件 ， 那个商品演示的那个 ， 类似 Apple 风格的那个演示风格的那个 。
就是每个人做了 。
叫 Kite。
叫 Kite。 做了公司之后， 或做了一个新产品之后， 大家都要录个视频 ， 然后他讲的就是 ， 好 ， 你来我这儿录 ， 我用 AI 帮你录一个和苹果的风格很像的视频 。
对 。 专注相当于一个场景嘛 。
对 。 专注场景 。
第三个类目就是 ，其实这个项这个方向有两两到三个项目 ， 就是视频搜索跟编辑 ， 用自然语言的方式去找到视频里的素材的帧 ， 然后再做搜索也好 ， 剪辑也好 ， 这个不止一个项目在做 。
然后所以你看 ， 呃 ， 我们这这一章叫 IGC， 对吧 ？ 第一个小的类目叫视频 ，其实有 1/3 的是是做视频相关的 Deal， 然后所有人是没有骚扰的能力的 ， 就跟刚才我们讲的一样 ， 就是这个事情一定巨头是要弄弄到死的 。
所以大家不会去直接对比那家公司 。
对 。
那你只能切 ， 切场景 ， 切风格 ， 切滤镜 ， 或者切处理 ， 对吧 ？ 就是只能往下切 。 这是 AIGC 的视频这个分类 。AIGC 我又分了几个更小的类 ， 比如第二个小的类就游戏 ，其实只有两个还是三个项目在做 AI 游戏相关的事情 。
很少 。
然后从整体的情况来看 ， 包括市面上非 YC 的 AI 游戏相关的创业项目 ， 我觉得今天可以下个结论是说 ， 我们理想中的所谓的 native AI 的 game 还是有点早 ， 就它还属于一个梦想的阶段 ， 对吧 ？
然后我们从生产端去重新去拆分游戏的话 ， 可能今天角色 、 场景 、 世界观 、 地图这些东西生成已经不是特别难 ，因为它基于 2D 也好 、3D 也好 、 动画也好 ，但再之后就是游戏的核心叫 Gameplay 嘛 ， 就跟我们去试那个核心的那个 Simon Owen 的产品一样 ， 就是它的 Gameplay 环节现在还没有办法用 AI 解决的非常的好 。
对 。AI 其实还是帮大家无限的生成素材 ， 让这个游戏变得更丰富 。 我也听到一个新的说法叫千人千旅 ， 就是原来是千人千面 ， 现在是在游戏里面我可以做到 1,000 个人 、1,000 种不同的旅程 。
但是这个 ， 呃 ， 还是只是在元素上面 ， 用 AI 去给你生成足够多的海量的选择是可以的 ，但涉及到 Gameplay 就没有看到靠谱的方案 。
对 。 所以你会发现这几个示范的案例还是那些可能半年之前就大家频繁提到的关键词 ， 斯坦福的小镇那个 Demo， 对吧 ？
可能现在帮你变成一个 3D 素材的 ， 或者变成一个原来是小镇变变到医院里 ， 对吧 ？ 就是是这样的尝试 。
比如说 Roblox 的 AI 化 ，Robleck 的游戏的 AI 化 ， 就还是那些关键词 。 然后那如果今天实现 game 没有办法完整的 100% 的理想状态的呈现 ， 那我们就退而求其次 ， 做互动小说 、 互动的剧 、 互动的内容来去往这个方向靠 。
也有一个项目是把小说变成互动小说 。
对 。
就是这个过程中其实作者什么也不用干 ， 就 AI 给你配图 ， 配一些简单的互动 。
对 。
然后 。
这个是一个 。
AIGC 的与视频的一块 ， 然后游戏 。 第三块我我我列了个小标题叫解决听的问题 。 就是听又分音乐跟新闻跟播客类的内容 。
那音乐反正一样的 ， 跟视频领域一样 ， 谁都不是 。
哈哈哈 。
没有人。
对 。
没有人。 其实对 ， 尤其 YC 头的创业公司 ，他们拿的钱其实是很少的 ，是干不了这样的工作的 。
是的 。 但无论是疑 ， 就是 24 年就是音乐站在舞台最前面的这一段时间 ， 对吧 ？ 然后就属于它的高光时刻 。
然后这可是音乐其实又细分非常多的细分类目 ， 对吧 ？ 旋律 、 歌词 、 完整的歌曲 ， 还是一段 Demo， 甚至要不要配 MV， 生成内容 、 音乐的内容 ， 包括曲风 、 风格 ， 对吧 ？
歌手 。
甚至做一个歌手出来 。
对 。
就是它有好多的角度去做好多的环节 。
没错 。
那这个如果我们今天这些初创的小公司没有办法去完美的从 0 到 1 跟速动一样 ， 那我们只能从别的地方来做 。
你像这两家其实就是更多是从编辑 、 从风格的角度去做 。
对 。YC 投资两家 ， 分别叫 Soundry 和 Sonato。
对 。
他们做的都是编辑 ， 就是我自己没编过音乐啊 ，但是我大概想象中大家也有一个操作面板一样 ， 就是我会把一首歌分成比如说几百个音轨 ， 然后每个音轨是单独生成的 ， 然后在音轨的这个排编 、 拖拽 ， 然后最后做一首音乐出来 。
然后其实这两家公司做的就是这个环节 ， 就你的每个音轨我可以给你生成 ， 虽然我没法直接生成一首完整的歌 ，但是你比如说用钢琴弹一段舒缓的曲子 ， 然后用鼓点再给它配一下这个背景的这种节奏 ， 就就它这么一点一点的帮助人这个堆砌出一首歌出来 ， 或者编辑出一首歌出来 。
这两家公司在做的是这个 。
对 。 然后下一个就是关于播客相关的 ， 对吧 ？ 或者说新闻相关的 。 那其实逻辑上也容易讲通 ，在新的大语言模型来的时候 ， 新闻的获取是否要有变化 ？
因为原来从最早的编辑到算法 、 信息流 、 推荐到今天 ，是不是应该有别的什么方式 ？ 然后那同样再再往前推一步 ， 如果我们去听播客 ， 播客我们今天大部分听的内容是由人去做的 。
对 。
那 AI 是不是 ？ 因为我会发现我在上周末已经在小宇宙上看到国内已经有 AI 做的播客了 。 就是比如把过去一周 10 条新闻抓好整理播出来 。
因为现在小宇宙上天天在那个最热搒单第一名的都是科技早知道 ，其实那是一个新闻广播节目 ， 就是把前一天的几个大的科技新闻 。
对 。 那其实理论上这个事情可以不用人来做 。在现在这个阶段 ， 对吧 ？ 用户比如我指定的 ， 就跟那几个串那个 Demo 项目一样 ， 我指定主题范围 ，AI 来做行不行 ？
其实是可以的 。 然后再更直接一点 ， 比如说我们当这么多年习惯的 RSS Reader 跟 Google Ads， 就是 Google 关键词订阅 ， 理论上来说在今天应该也由 AI 再改进一下 。
对 。
所以也有这些项目在做这个事情 。
然后最后一块是 AIGC 的 ， 应该是 AIGC 的最后一块 ， 就是做 AIGC 的各种工具的 。 这个我又细看了一下， 应该是我们俩标不太行跟肯定会黄比较集中的领域 。
哈哈哈 。
就是就是结论上来说 ， 就是这些东西你一看你就知道是技术产品厂商是一定会去做的 。
太容易被大模型给淹没了 。
对 。 我列了四个 ， 比如说那个 Aquora 就是做那个文本编辑器的 ， 就是从自然语言变成一个可比较正式的那个文本的那个编辑的那个那个那个那个一个笔记本软件 ，Notebook 软件 。
哦 ， 就是你随便给他讲 ，但他最后给你整理出一个知识的 。
明白 。 知识的 ， 就比较完美的这个优雅的一段话 。
对对对 。 然后有做会议纪要整理的 ，有做长 PDF 分析的 ， 包括做文档分析的 。 就是这些功能看上去已经就马上被大模型吃掉了 。
基础设施类23:49
然后这是这个 AIGC 这个板块 。 然后下一个第三大的这个 ， 应该第三大还是第四大分类 ， 就 Infra， 就基础设施这个分类 。
第四大 。
对 。 然后我回头去拉了 ， 就看了一下那个 ，也是大概一个月两个月之前吧 ， 那个 AI50 的那个搒单 ， 就福布斯跟红杉发的嘛 ，他每年都会发嘛 。其实他们也是分了两大类 ， 一部分叫 Apps， 一部分叫 Infra。
然后这个简单来讲 ， 就是从我们今天被无数媒体报道的大模型 ， 到我们期待的那个应用 ， 中间的所有事情还有非常多的事情要做 。
是的 。
所以 Infra 相当于在做最后这中间的事情 。
除了英伟达这样的就提供算力芯片的公司 ，以及除了 OpenAI 这样的做大模型的公司 ， 然后在大家 ToC 天天用到的这个中间 ，其实有大量的中间层的工作是需要技术人员去做的 。
但我们在这里呢 ， 把它们全部都放到了这个 Infra 里面 。 可是就是看这张 PPT 里面能看到 ，Infra 其实也可以细分非常非常多的 ， 比如说就是做数据处理的 ， 这个是很容易理解啊 ， 大模型要理解数据 ， 你不能就是什么都喂给它 ， 你还是要稍微烹饪一下， 给它这个向量化一下， 就打一些标签喂给它 。
对 ， 诸如此类吧 ， 就可以分成呃不同的这个子类别 ，但我们都把它放到了一块 。
对 。 反正就是这些细分功能再拆 ， 比如说我不同模型的评估 ， 那如果用多种模型的部署 ， 然后每一种模型的微调的方法 ， 然后整个你喂给大模型的数据 ， 你不能拿来直接你要做数据的清洗质量的提升 ， 包括有跟云相关的逻辑在线的托管 ， 然后监控测试 ， 甚至这里面还有那个 GPU 做比价的公司 。
就是 。
对 。 那个我印象很深 。
对 。 就是放在那个 。
做了一个应用之后， 你要怎么样能够这个用最高的性价比给它推出去 ， 那第一步就是到底买什么服务器 ，在哪里买服务器 。
那显然这个今天 GPU 那么贵 ， 然后市场上又是一个双边市场 。
双边 。
对 。 所以就有人在中间做了一个这个帮你比价的 ， 实时比价动态选择 。
对 。 所以我在这个 Infra 这个几个有意思的 Deal 里面就挑了几个 ， 第一个叫 Open Foundry， 它是做这个 MM 的部署的 ， 就是开源的 MM， 就大模型部署的 。
然后第二个公司是做这个 MM 的测试与监控的 。
Base from。
对 。 然后第三个就刚我们讲过这个做 GPU 比价的 。
对 。 叫 Shade Form。
就是你相当于在全世界各地去可以比 ， 你同样买一块英伟达的 ， 呃 ， 比如说 A100 的芯片 ， 对吧 ？ 在各个不同地方的价格是有巨大的差别的 。
没错 。 这些都是有非常明确的价值的 ， 只要 ToC 的应用能够这个越做越好 ， 或者 ToB 的能够越做越好 ， 那它们在中间层提供的这个价值是至少在我自己认为啊 ， 看得见的未来都是这个有钱赚的 。
对 。 然后我们进入下一个分类 ， 就是按这个行业分的第一大分类医疗 。
医疗类26:27
医疗 。
然后有 24 个项目 ， 大概占 9.3%。其实比我想象中的要多 。
很多了 。
但 24 个项目当中有 5 个项目是做接电话的 。
哈哈哈 。5 分之 1 是接电话的 。
当然用 AI 这个代替接电话的客服 ，其实是各个行业都在发生的 ， 对吧 ？
对 。 尤其在美国 ， 我觉得大家做很多事情是通过电话去解决的 。
嗯 。 牙医 、 兽医 ， 然后 4S 店 ， 这个我们都看到了 。 然后我们把整个医疗的场景再做细分 ， 可能又分有做诊断的 ，有做治疗的 ， 还有做保险索赔的 。
然后哪怕只是我们看医疗这个过程中的文档 ， 可能又分病历 、 账单 、 文献 。 然后我们如果再按传统医疗的医学分科再去分 。
对 。
有做心理的 ，有做夫妻关系 ，有做脑电波 ，有做妊娠 。
还有 X 光的 。
各种各样的环节 。 然后这只是像偏疗跟后面的事情 ， 那前面生物制药 AI 也在发挥作用 ， 所以也有项目在做生物制药方向的 AI 的尝试 。
是的 。 所以项目这么多 ，也是从不同的方向 ， 不同的这个切点 ， 真的很 。
所以就拉这个有意思项目 ， 就拉最多拉了 6 个 。 有做认识期的 ， 然后有做那个我们聊的比较多 ， 做护士交接班的那个 。
对 。 因为在交接的时候大家最疲惫 ， 最容易交接错误 ， 导致医疗事故 。
对 。
这个里面用 AI 来去帮助 。
嗯 。 然后有做脑电图的分析的大模型 ， 专门给治疗癫痫的医生去做 Copilot。 然后有做医生的培训 ， 然后有做心理健康 ， 包括有做物理治疗的那个全流程的 。
对 。 这个是给上门做理疗的那些这个医生去做他们的 SARS 助手一样 。
对 。
就是能想到的 ， 甚至想到的角度都有人做 ，而且我看他们都做的挺好的 。
是 。 你想敢做医疗都不是一般人， 我觉得 。
对 。 就是因为我们看这 260 多个公司 ，他们都有官网嘛 ，有些官网确实完成度是没有那么理想 ，但是和医疗相关的那个完成度都 。
相对比较高 。
相对是比较高的 。 我印象好深的是那个做心理健康 ， 叫 Sonia 那个 。
对 。 就是那个 。
它那个官网打开之后， 就扑面而来的平静的心情 。
是的 。
还没用 。 对 ， 包括配色交互 ， 还没开始用它的服务 ， 你就觉得心情已经好了一分 。 哈哈哈 。
然后下一大的品类叫金融 ， 对吧 ？ 这从现实世界金融也是一个超级大的品类 ， 对吧 ？ 再细分可能又分保险 、 银行 、 一级市场 、 二级市场 。
金融类28:41
然后呃 ， 分看这个分类的时候 ， 我想到之前那个 Benchmark 的 GP Sarah 提及一个观点 ， 她说 AI 替代人类的工作 ， 可能往往会最先容易发生在今天现实世界当中， 外包非常成熟的行业 。
对 。 过去是外包给人， 现在是外包给 AI。
那金融行业恰恰是 IT 外包最多的一个一个地方 。 然后再细化分到比如具体的工作环节 ， 对吧 ？ 反欺诈 、 滴滴 ， 做滴滴好几家 。
太多了 。
保费的确认 、 贷款的审批 ， 就是你能想到金融环节的各个板块 ， 可能都有公司在做 。
是 。 这也非常 make sense， 就是这个需要智力的文字工作者 ， 工作又带有一定的重复性 。
对 。 然后我就找了两家这个领域我最印象深刻的两家公司 ， 都其实都是产出的结果是变成我工作当中可能需要的内容 。
一家就是当时我们在聊过程中就看了示例的 ， 就是输入公司的名称 、 网站以及股票代码 ， 直接输完整的分析报告 。
分析报告 。 出 PPT 叫 Recent。
对 。 然后另外一个是做这个各种各样金融呃相关的研究 ，他现在给出的 Demo 是一个做金融对手的研究分析的 。
是 。 叫 Meticulate。
同样你输入一个公司名就帮你出去 ， 那它后面还会加很多的相关的分析的模块跟功能 。
我们当时应该对比了一下哈 ， 都是输了 Bilibili， 就输了它的股票代码 Bili 进去 ， 然后请这两家公司 Lucite 和 Meticulate 分别分析 ， 最后得出来的结果我觉得还是蛮 impressive 的 。
就是感觉该 cover 的都 cover 了 ， 甚至还给了一些惊喜 ， 就是哦 ， 还有这样的一些信息或者角度是没有想到的 。
对 。 所以就是一句话总结 ， 就是那种基础的类似实习分身 、 实习分析生的实习生的分析师的工作已经基本上可以不需要了 。
然后我们看到的这个 PPT 上的结果都是我们的输入结果 ， 输入输入的内容只有一个网站的名称代码跟公司的股票代码 。
太了不起了 。 这个 PPT 看上去就 。
非常的专业 。
是 。 然后这只是初期啊 ，因为这两个公司还在迭代 ，他们生成的东西还在增加 。 然后下一个板块 Agent， 就是我我打了一个标题叫又一个共识 。
Agent类30:47
但是我同样问了一句话 ，因为今天就是或者说过去一段时间也有很多的人在探讨 Agent 这种形态是不是其实是一个中间态的事情 。
它在解决大模型能力不完整 。
对 。 是的 。 是不是某天这个事情可能就不需要了 ， 对吧 ？ 然后但这个问题我们没有答案 ， 我们只是放在这里 ，因为最近很多人在讨论这个问题 。
然后我们看这个这个领域的一些分析 ， 第一就说因为它是个共识 ， 所以也是众多项目之间差异性最小的一个板块 。
对 。
就我们看到这个领域做 Agent 相关的项目 ， 基本上没有太大的差别 。
大家的界面交互都越来越像 。
然后那既然 Agent 是代理人嘛 ， 那我们真的要去抠这些项目之间的区隔 ， 可能就是各家实现方式上的细微的不同 。
做录屏的 、 拖出来的 、 工作流的 、 自然语言处理的 、RPA 的 、 纯逻辑树的也有 ， 对吧 ？ 就是只能去抠这种东西才能找到之间的细微的区 。
而且你发现这些东西再往前演进 ， 可能大家连这点新闻区也都会没有了 。
对 。其实说到这个 ， 大家做 Agent 这个分类啊 ， 它在做的其实是一个 Agent 的创建框架 。
对 。
就是它比如说我们也可以讲前面做医疗的 ， 或者做这个心理健康的 ， 它也是某种 Agent 的 ，但是它其实是自己已经给你搭好了 ， 就变成了一个打包好的一个服务 。
但是这些做 Agent 的呢 ，是可能这个创业公司它也没有想好到底要在哪个垂直领域去做 。 所以我干脆就是说我做个平台 ， 你们谁都可以来我这里当 Agent，不知道他们到底活得怎么样 ， 这些公司 。
所以我觉得某种程度来说 ， 可能如果初期执行好 ， 初期的收入应该还可以 ，因为毕竟现在这个阶段 ， 既然市场没有共识 ， 那大家就都都弄着 。
然后你如果比如说营销做的比较好 ， 或者是在某一人群当中的口碑比较好 ， 可能也能做出来一定的效果 ， 就跟今天为什么字节愿意花那么多钱去推 Code 一样 。
对 。 腾讯也刚出了一个对标 Code 的一个新的应用 ，而腾讯这个应用最吸引人的是你完了之后可以直接往这个微信里 ， 呃 ， 公众号和微信去部署啊 ，但至少是现在可以部署到企业微信 ， 能不能部署到个人微信 ， 我猜有点难 。
还在博弈吧 。
对 。 但这个确实是让大家能够看到 ，因为和 Chatbot 的交互最自然就是在微信里面 。
是的 。
这是一个对话的地方 。 那现在加上 Agent 之后， 哎 ， 说到这就是有一个那个我自己现在在用的微信上面的一个小的一个那个叫小六的一个机器人 ，他其实有一点 hack 的成分啊 ， 就是你可以自然语言给他说帮我点外卖 ， 然后我现在已经不打开美团 APP 点外卖了 ， 就让小六帮我订 ， 然后他会记住我的喜好 ， 比如我可以告诉他 。
他背后是谁啊 ？ 后面是 。
他背后是一个中国公司 。
OK。
但他们就是反正这个事就是不太能够宣传 ，但真的很好用啊 ，而且因为所有人都用小六订 ， 所以他的积分特别高 。
然后你甚至比在美团外卖直接订还要便宜一点 。
所以你看我拉的这些公司 ，有做工作流的 ， 对吧 ？ 有做这个案件经理 ， 类似新式的案件经理 ，有做录屏的 ，有做这个 Web 的数据的抓取的 ， 就是你只能去从这些最表层的方式上去区隔这些项目 。
嗯 。 是的 。 这些项目是构成一个非常大的叫 Agent 的分类 。
对 。 然后下一个就是企业内支持的分类 ，其实我觉得这是一个比较取巧的分类 ， 就是我把那些什么 HR 啊 、 财务啊 、 采购啊 、IT 的放在一个品类里 ， 叫企业内支持 。
企业支持类34:06
嗯 。 中后台的 SARS。
就是这些模块跟功能 ，其实在美国在中国已经有非常多非常成熟的 SARS 公司提供服务 。
对 。
今天 AI 时代似乎可以重做或者是改进一下， 对吧 ？
对 。 弯道超车有没有可能 ？ 有可能 。 所以大家在做 。
你会发现这些公司其实在中小初创公司可以安心的做一个非常小的功能点 ， 然后只要做的不错 ， 就可以有一定的收入体量 ， 然后再去找并购的退出可能 。
这跟前面做那营销的那个类目的公司非常的像 。
是 。 就是有一个很繁荣的一个生态 ， 然后整个市场呢 ，是接受为这样的一个小的环节的优化去付可观费用的 。
这个确实和就是我们现在所处的环境有点不一样 。
是的 。
对 。 它这里面就是明昊也拉了一些案例啊 ， 就我们印象深刻的 ，有那个 Kinder IQ。
做那个 。
就专注在做 HR 的薪酬 ， 就它应该是这个全网去抓大家的薪酬水平 ， 然后告诉你就是现在和你类似规模或者阶段的公司 ，他们为某个岗位某个级别付的薪酬是一个什么样的 range。
就这个事之前我们公司也做 ，但都是这个 ， 一个是要么自己手动做 ， 然后其实今天中国也有人卖 。
有流报告 ， 我记得 。 我们 HR 也给我看过 。
对 。 会 ， 你会大概花一点钱买这样的数据 ，但这个事情它其实也是这个实时在变动 ， 可能每个季度都不一样 ， 尤其今天对吧 ， 这个经济环境那么跌宕起伏 。
所以这个事我觉得是一个就离离付费还蛮近的一个需求 。
是的 。
然后下面做这个呃财务审计的 ， 包括做供应链管理的 。
对 。 都有 。
做采购的 。 而且他们切的点我觉得都挺 make sense 的 ， 尤其做采购 ， 就他在讲说公司越大 ， 然后尤其你做跨国的时候啊 ， 就是你的一个采购单上来 ， 这个审批是非常难的 ， 就是你要考虑在这个国家的一些要求 ， 然后还要考虑就是就比如说这个级别的工程师和那个级别的设计师 ，他们都想买同样一个鼠标 ， 到底能买还是不能买 ， 到底应该在亚马
逊买 ， 还是他们可以自己买的报销 ， 就这个规则会随着公司的膨胀就是变得超级复杂 。 原来这个就只能记在部分的这个审核员 ， 就做采购的同事的脑子里面 ， 这难免不出错 ， 一旦出错 ， 员工就会怨声载道 ， 觉得不公平啊 。
现在把这个事情交给 AI 去做 ， 一听就很很 make sense。
数据分析类36:28
是的 。 然后下一个分类做数据分析的 。
嗯 。
就是核心的关键词就一个 BI， 就是 。
把 BI 变 AI。
哈哈哈 。
从 B 变 I。
对 。 然后你会发现就是逻辑也比较简单 ， 就是因为自然语言这个模型的这个更迭跟改进 ， 让机器能够更好的理解我们的需求 。
对 。
那所以就会让数据分析师们有可能从枯燥的重复的日常的这种工作中脱离出来 。
对 。
然后我们原来可能有比较门槛的数据库的 SQL 的分析 。
对 。 写 Circle 这个也可以用自然语言来做了 。
嗯 。 然后同样的又因为这个处理的结果的倒向 ， 就是当市面上越来越多的叫非结构化的数据出现的时候 ， 我们去希望把这些数据结构化跟去做分析整理搜索的时候 ，AI 大模型也可以在从中起到非常重要的作用 。
就是逻辑上来讲 ， 数据分析相关的公司其实都在做类似的事情 。
对 。 一方面是帮所有人更轻松的写 Circle 啊 ，其实当然这个也是可以想见 ， 就是对每一位就是需要有数据查询需求的人都有帮助 。
我就从此不用再把需求提给 BI 部门帮我查 ， 对吧 ？ 就人人都变 BI， 这是一方面 。 另一方面就是说企业的数据变多了之后， 然后其实很难把 100% 的数据都利用起来 ， 可能能用 5% 就了不起了啊 。
那现在有了 AI， 我把 5% 提到 8%， 这个也很厉害 。 比如哪怕就是呃 ， 我现在问一问 ，在去年的这个时候 ， 呃 ， 我们做了哪几个最关键的投放 ， 得到了最好的销售 ， 就这样的一个问题 ，其实在公司内部啊 ， 我比较难有个体感了 。
对 ， 要得到这个回答 ， 你得等等一段时间吧 ， 同时才能查出来 。 查出来之后， 大家还会有一些 argue， 就这个你取了到底是什么 ， 你是不是忘了这个 ， 还有一段数据是到底藏在飞书上还是藏在哪里的 。
对 ，但这个就是企业积累的数据能够用起来不容易 。 那所以我自己认为我是蛮看好的啊 ， 就在过去 ， 本来这就是一个有很大的这个市场体量的一个市场 ， 然后现在用 AI 把它的这个更多的效能给发挥出来 ， 所以做这个的也不少 。
嗯 。 然后下一个就是前十大 ， 最后一个我们就做安全的 。 安全依然还是很多内容我们没有看到那么多 ，但是还是硬分的话可以分几类 。
安全类38:35
第一就是呃 ， 传统的安全相关的工作有了效率提升的可能性 ， 比如传统我们对代码安全漏洞的追踪 ， 安全警报 ， 很多事情是要靠安全工程师人肉来做的 ， 或者用代码来解决一定的效率 ，但今天 AI 可以帮你把这个效率提升 ， 这是传统的安全 。
然后新的安全是什么 ？ 就是自然语言的交互界面 ， 给了安全软件新的安全的课题 。
对 。
就是你所有东西都是通过对话的 ， 那理论上说所有的用户的内容就要跟你的数据间产生沟通跟对接 ， 就是有了新的叫注入的问题 。
对 。
原来呃 ， 安全领域注入是一个很大的分类 ， 就是任何能够用户输入的地方 ， 理论上说都是有安全漏洞的可能性的 。
那今天当你所有的交互都变成输入的时候 ， 你的注入这件事情就被提到了一个非常高的高度上 。 就那个好几家公司举名的案例 ， 那个雪佛兰汽车那个案例 。
对 。
就是他就是客户承诺一美元把汽车卖给神 ， 卖给一个顾客 ， 然后最后这个还搞到加拿大的法庭上面啊 ， 当然最后庭外和解 。
那这个是一个这个典型的标志性的一个案件 ， 就代表着今天 AI 的这个安全必须要引起重视 ， 要不然就会出现无数的像这个 AI 客服承诺一美元卖车的事情 。
对 。 然后同样又因为 AI 生成内容跟传统的我们对内容审核之间的博弈 ，也出现了新的挑战 。
没错 。AI 会生成啥 ， 你其实不是很容易控制啊 。 那其实过去我们输出给用户看的东西 ， 都是经过人最后一道把关的 ， 现在是变成 AI 在直接生成 ， 直接涌现 。
那到底怎样才能不要让它出现这个错误的承诺 ， 或者出现就是这个有违道德风险或政治风险的一些输出啊 ， 这个也是今天一个比较大的课题 ，也有很多公司专门做这个事情 。
对 。 然后至此前 10 个新闻类目 ， 大概 208 个项目就差不多列完 ， 可能占了 80% 的地 ， 我觉得差不多够了 。
其他观察与暴论40:34
后面小的分类我就没有太详细的列了 ，但我会找一些就比较印象深刻的地吧 。 比如第一个做那个 ，其实我们整个这些梳理中的第二个还是第三个项目 ， 就是非常早期的 。
对 。 因为我们是用自我排序嘛 ， 它是 A 开头叫 Aster。
它是做那个太阳能的这个这个 AI 的系统的集成跟这个推荐 。
对 。 这个印象超级深刻 ， 就是给太阳能施工队用的一个 SARS。
嗯 。 这个就太阳板库加勒 ， 这个按我理解就是这样 ， 就是印象非常深 ， 就是他找的切入点 ， 实现的方式跟整个商业的闭环非常的清楚 。
然后第二个是那个 Draft Add， 就做那个 CAD 图的生成 。
嗯 。
就是它相当于在 3D 素材这个已经其实有点卷的领域 ， 再往前迈了一步 。
哎 ， 它是不是说帮你把 CAD 做好之后， 再生成 2D 的图纸的那个 。
相关的 ， 就反正放在你 CAD 的整个的文件里都可以去做 。
这其实有有一点像是就是工程师写完代码之后还要写文档 ， 就是 3D 的设计师就好不容易把这个 3D 的做出来了 ， 然后现在老板说赶紧 ， 今天晚上我们要把这个 2D 的平面文档这个施工图给弄出来了 ， 这个就现场崩溃 。
所以他做的是这个事情 。
对 。 然后最后一个我有印象深刻 ，是做那个在线教育给那个学生做的那个 Notion。
哦 。
就是记录 ， 然后有 AI 的整理 ， 然后文件 ， 包括跟导师的沟通 ，AI 的导师跟人类的导师都可以 ， 然后你的 Schedule， 你的列表 ， 你所有这些东西就大于成一体的这个教育领域的这个 。
这个叫 Shepherd。
嗯 。 然后还有一些我我在标注的时候叫有一些有大爱的地方 ， 就是商业化角度来看确实你很难理解啊 ，但是人家这个创始人可能真的有大爱吧 。
第一个就是做那个开源开源项目捐助的那个 ， 就是你可以看到中小的各种各样的开源项目的介绍 ， 然后你可以选择其中做做这个捐助跟这个这个帮帮他 ， 让他实现的更好 。
然后这些开源项目的持有方可以把他们代码嵌到他们开源项目介绍里 ， 让他实现整个的流程的这个跑通 。
嗯 。 我觉得 YC 投这个是不是也是为了在开源社区创造影响力 。
有可能 。
嗯 。
然后第二是做那个认识机监护的那个 ， 那个女性监护的那个 Deal。
对 。 这个我倒觉得他一方面有大爱 ， 另一方面有可能真的这个离钱也蛮近的 。
是是是 。
他真的在帮你在怀孕期间就是解决你的健康的隐患嘛 ， 用 AI 随时来去问候你 ， 这个这个跟踪你 ， 观察你 ， 就防止一些意外的情况发生 。
对 。 然后最后一个是那个跟你名字很像的那个做开源版的 ChatGPT。
对 。Koji 他这个都不知道怎么念啊 ， 可能是一个嗯 ， 很小的语言的一个单词 ，K-H-O-J。
他就是把开源模型改成了 GPT 的版本 ，并且离支持离线部署 。他希望让那些连网络环境都没有的人的地方能够使用上新时代的 AI 的能力 。
这其实技术挑战蛮大的 。
是啊 。
On-device 的一个这个你可以叫它大模型 ，但它一定是一个这个就非常精简的一个模型 。
嗯 。 然后我又记了一些 ， 就是上面是一些我有印象深刻的地 ， 然后又又又又写了一些 。
黑话 。
有印象的关键词 ， 就是黑话啊 。 第一个关键词就端到端 。
嗯 。
你会在很多很多项目 。
都在讲端到端 。
端到端 。
N2N。 哎 ， 这个是什么时候开始的一个词啊 ？ 现在铺天盖地都是端到端 。其实之前应该也有 ，但是你会发现在这一波的 AI 相关的公司里面更加去强调这件事情 。其实这个词并不是很友好理解起来 。
它是不是有别的表达方式可以更加友好 ？ 大家用它只是感觉它很高级 ，N2N。
对 。 就是简单的全流程服务嘛 。
对 。 就直接交付你完整的东西嘛 。
对 。
你不需要关心中间是怎么实现的 ， 尤其是不在这些项目当中， 尤其是对于用户而言 ，不需要关心 AI 在中间产生了什么作用 。
但我们过去买 SARS 软件也不需要知道 SARS 软件中间运转的 ， 对工程师是怎么写代码的呀 。
用户本身来讲付你的钱是为你的服务付钱 。
对 。 为结果付钱 。
对 。 就是你最好你可提供我好结果 ， 我就为这个结果付钱付钱 。
尤其刚才我们提到就是 Benchmark 的 GP Sarah 她提到的那个观点 ， 就今天大家很多时候在做 SARS 或者在卖 SARS 的时候 ， 卖的并不是一个 subscri， 就卖的不是一个软件的 subscription， 大家希望卖的就直接是一个结果 ，因为它取代或对标的是过去的这种外包工作者 。
那在这个背景之下， 你你本来就应该提供的是端到端的结果嘛 。
嗯 。 对 。 然后第二第二那些关键词就是很多时间的描述 ， 什么 10 倍啊 ，5 分钟 ，15 分钟啊 ，90%，99% 啊 。
嗯 。
然后那其实也好理解 ， 就是在这一波 AI 的浪潮当中， 所有人都在提所谓降本增效 ， 那你就到底看能降多少本 ， 能提高多少的效率 ， 对吧 ？
那在故事很难讲的情况下， 数字永远都是最直接跟就是冲击力最强的方式 。 所以你发现在很多这个项目的官网都会用类似的描述 。
然后再一个强烈感受 ，在我的工作中也经常会提 ， 就是很多这样的软件生态的图会在无数的项目的官网上出现 。
看着很让人羡慕 。
真的非常的羡慕 。
我们做的这个 SARS， 它可以连接这些软件 ， 然后你看哇 ， 一个一堆 logo 墙 ，而且每个 logo 墙背后都代表着一个这个很有价值的一个 business， 对吧 ？
其实就意味着生态的繁荣嘛 ， 生态的繁荣就意味着从业者们的繁荣 。
对 。
哈哈哈 。
然后再一个就是 ， 可能是我做这个相关的 PPT 的这个习惯 ， 会在最后几页放一些暴论 ， 就是 。
现在是不是这个坊间都叫你暴论哥呀 ？
没有没有 。
哈哈哈 。
然后这个第一个暴论就是从人的角度来看 ， 就是绝大部分的创始人其实都是双引号路径依赖的 ，但是我觉得这个路径依赖是某种来说是正确的 。
就是之前大家提到路径依赖 ， 往往都是贬义词 ，但是我们看到这么多 YC 项目 ， 可能绝大部分这些项目的起始的出发点跟所谓用这个创始人的初心 ， 绝大部分都是基于他原来的工作的背景 、 经验 、 呃 ， 人脉的关系的积累导致的 。
当然你可以说这是 YC 或者大部分早期投资者的倾向跟偏好 ，但是确实今天你会发现有那种异想天开的所谓从零开始改变世界的这个 deal 越来越难了 。
是的 。
这是很现实的问题 。
嗯 。 就像当年张一鸣做九九房 ，他其实没有任何房地产经验 ， 对吧 ？ 但是我们今天看到这里面所有做 ， 包括我们刚才说那个太阳能的 AI， 那个 founder 他过去就是太阳能施工队的队长 ，但他学历很高 。
所以就是都是这样的 。
嗯 。
然后第二是证券分化的背后， 就这可能是回到我们最开始去聊这个事情的时候 ， 呃 ， 我们回看所有整理出来的内容 ， 包括今天这个 PPT， 呃 ，其实有很多的内容都是正确的废话 。
你会在过去一段时间的各种各样的媒体文章 、 分析报告中都会看到 。
就是不做这一期 。
也会 。
我们也大概知道这些正确的废话 ，也可以给他哔哔哔 ， 就是讲一个小时 。
对对对 。 甚至不需要再做整理也能写出这些观点 。
是的 。
但有些整理 ， 我反正从我个人经验 ， 就是你会知道再往下一步的执行细节 ， 就是就算出去再跟别人去吹牛逼 ， 你也会吹得更干一点 。
嗯 。
就这个可能就是最直接的一个体现 。
就是你知道结论和知道过程 ， 这是还是两个不同的价值吧 。
对 。 然后第三点就是最大的体验感受是 To C 方向真的可能要看国内的创业者了 。 就相对于 To B 领域整个繁荣 ，To C 是少得可怜的 。
真的 。
真的只能指望国内这个成熟经验的创始人 ，但是国内的监管环境又又你像昨天晚上刚有条新闻是写 AI 陪伴央视报道的 ，是说当然他请了一些专家 ，但专家口吻就相当于可能某些地方是违法 ， 就这个定义下得很很很一刀切 ， 对吧 ？
但是没办法 ， 就是在国内环境大家都知道 。 然后最后 。
讲 AI 陪伴是红色 ，是是黄啊 ，但今天也有一些文章在讲 ，其实就是因为他没有指名道姓嘛 ，其实没指名道姓反而很危险 ， 就是一一棒子打死一个行业的人。
对 ，有可能 。
对 ， 一个风险 。
然后最后一个这个暴论 ， 然后就赶上这个时间叫我叫窗口期 。
嗯 。
窗口期真的非常长 ， 就引发出来最后一页 PPT 了 。
嗯 。
这个我们做上一次整理是 5 月 13 号 。
嗯 。
然后今天是 5 月多少号 ？
20 号 。
5 月 20 号 。
嗯 。
然后这份我做 PPT 的就是上周的工作日，5 月 14 号到 5 月 17 号 。
哇 ， 上周跌宕起伏 。
然后你看很简单 ， 你看上一周 ， 比如周末这几天 ， 各各家科技媒体的头条基本都是过去这一周又是一个 AI 大模型领域的疯狂 。
是的 。
就是 5 月 14 号晚上 GPT 的 。
发布 。
发布 。 然后隔一天 Google I/O。
对 。
然后 5 月 15 号中国的字节豆包第一次公开发表 。
对 。
然后 5 月 17 号腾讯会员的大模型的发布会 。
对 。
然后 5 月 17 号晚上 Google 4o 又演示了一些新的功能 。
对 。 发了一篇 blog， 云淡风轻 ，但我们看完之后觉得啊 ， 又有一些创业公司被淹没 。
哈哈哈 。
就这样 。 对 。 悄悄的来就淹没掉 。
对 。 你像我们正好是 5 月 13 号录完 ， 录完当第二天 ， 然后我们就看到了 Google 4o 的很多内容 ， 然后你们也感觉你的认知理解 。
嗯 。
就变化 。
没错 。
所以就那个归心人上一周发了篇文章 ， 就是 Sam Altman 4 月 17 号写的嘛 ， 说目前两种构建人工智能的策略 ， 一种是假设现有模型不会改进 ， 然后做一些小东西 ， 另一种是假设 OpenAI 会保持相同的增长轨迹疯狂迭代 。Sam 说我认为 95% 的人应该压在第二种策略上 。
对 。其实去年他不止一次讲这个观点 ， 还有一次他也是非常就建议大家不要雕花 ， 然后建议创业者今天在选项目的时候 ， 假设就是已经有 AGI 了 ， 就是你在这样的一个假设之下你可以做什么 。
所以其实这个事当时他虽然就是引起了一些关注 ，但是好像很多人还是不信邪 。
对 。
就是做了一些项目 ， 就很显然是被淹没掉的 。
所以你会发现我们纵观这一周 ， 这无论是国内国外这些大门厂商的发布会 ，他们的功能的改进 ， 价格的降低 ， 然后对很多场景新的拓展 ， 交互方式的提升 ， 淹没了确实一批我们看到的 YC 的项目 ， 就很现实 ， 非常现实 。
所以这是一个巨变的时代 。
太巨了 。 就这这就是一周 ， 太巧了 。
对 。 所以说巨变的时代呢 ， 它风险很大 ，但是可能机会也很多 。 所以就是之前其实会有很多 ， 比如说京剧在讲说这个在巨变的时代才能产生就是巨大的英雄 ，但是巨大的英雄他需要巨大的勇气去这个去逐浪 ， 对吧 ？
就过去这个体感就远没有在今天强 。
对 。
就很可能你花一年就一行一行代码 build 出来的一个项目 ， 你可能一觉醒来就给你拍死 ，但是如果你没有这样的勇气决心 ， 你可能也 build 不出东西 。
是的 。 所以创口期很重要 ，不是说不能做 ，是你要知道这个创口期的长短 ，以及倒推出来你所有的策略 。
嗯 。
所以这就是我们今天关于这个事情的完整的一些整理跟梳理 ， 希望跟对大家能够有一些帮助 。
嗯 。 也祝福听我们节目的创业者们能够顺顺利利 。
嗯 。 好 ， 就这样 。
好 ， 谢谢大家 。
谢谢谢谢 。
嗯 。