多元启程0:00
Hello 大家好 ， 这是十字路口和屠龙之术串台的关于 Y Combinator 投资的 AI 公司的节目的第二部分 。 那 Y Combinator 呢是硅谷最牛逼的创业孵化器 ， 简称 YC。YC 在过去一年投资了 260 多家初创的 AI 公司 ， 可以说是硅谷乃至全世界 AI 创业趋势的缩影 。
那 YC 和 AI 是非常有渊源的 ， 今天 OpenAI 的 CEO 也是科技界风头无二的人物 Sam Altman，他在担任 OpenAI 的 CEO 之前呢 ，在 YC 做了好多年的 CEO， 对吧明浩 ？
大概做了 5 年吧 。 然后 YC 之前网站上有一个非常详细的关于创业的课程 ，其实就是 Sam Altman 做的 。 然后因为我的这个专业叫呃技术经济与管理 ，在国内转专业的时候 ，其实有一个叫创业管理的方向 ， 我还曾经把 Sam Altman 的相关课程给到我的导师说 ， 我说这可能是当前哪怕是在硅谷 ， 最成体系 、 最完整且最有实战的整个的创业的相关的一套课程 。
我还让他给他的学生们去看过 ， 对 。
哦在这期播客里面呢 ， 我们会逐一访问这 260 家 YC 投资的公司和产品的官网 ， 那我们尝试理解他们 ， 学习他们 ， 借此了解 AI 的顶尖创业者们究竟在做什么创业 。
如果说 2023 年的关键词是 AI 的大模型 ， 那么 2024 年在 AI 领域的关键词就是应用要如何寻找到自己的落地场景 ， 寻找到用户愿意买单的价值 ， 就简称为 PMF，Product Market Fit， 产品市场契合度 。
我们认为预测未来的最好方式其实是创建它 ，因此与其纸上谈兵来预测未来会发生什么 ，不如让我们直接打开这一份 YC 的名单 。在这份名单当中， 嗯创业者们都是在 AI 时代积极行动的创建者 ，他们当中很可能就藏着下一个 Google， 下一个 OpenAI， 藏着对未来的答案 。
我们在 show notes 里面提供了这 260 多家公司的详细列表 ， 建议大家对照着列表来收听这一期的节目 。 我们也同步录了一期视频 ，在 show notes 里面大家可以看到视频的链接 。
好在这次播客的第一部分啊 ， 就是上集当中我们聊了 128 家公司 ， 今天我们从第 129 家公司 Leia 开始 。
Leia 又是一个比较我们其实见过很多次的 ， 专注在做法律相关的 AI 的这个这个公司 。 然后相对特别一点是 ， 这家公司是在欧洲在做的 ， 它不是在美国在做的 。
然后呃它已经有一些这个合作的律所跟一些合作的案例出现 。 然后我没记错的话 ， 这家公司的 CEO 跟那个什么应该都是在欧洲地区的这个这个之前的工作经验 。
嗯因为在中国现在最好的律师普遍的平均数啊是 5,000 人民币一个小时的这个小时的费用 。
对 。
然后在这个欧美差不多直接把这个人民币单位换成美元和和欧元 。 对所以这个确实是一个就是最贵的知识工作者 。
而且是已经早就被定价好定了 ， 就是所有人都已经接受好这个定价的行业 。
对所以你帮他优化一个小时等于就是这个是直接明码标价的 。
是的 。
所以那么多人来做这个行业 。
对然后 。
130 家啊 Link。
Link。
呃 Link 是做物流行业的 Copilot。 我感觉好像在美国和在中国的这个物流行业还是有差距啊 ， 就我们可能更领先 ， 尤其是在用户体验方面 。
是的是的 。
啊所以今天看到 YC 这里面有好几家做物流优化的 ，其实都是在讲就是体验状态不够好 ， 比如说找路找不到 ，AI 帮你找路 。
然后这一个不是找路的哈 ， 这一个是用来做这个数据流通的 。
对对相当于把整个物流的全流程 ， 把之前的一些非呃结构化的数据 ，以今天 AI 大模型能够理解的呃类似拖拽或者是增量元的交互方式 ， 把它整个的流程做成一个更简化的方式 ， 让物流行业的上下游的公司能够在效率上得到更多的提升 。
呃 Link AI 对我看我们的写了什么东西吗 ？ 其实没有写什么 ， 就是嗯呃它现在在做的物流行业不是只有这家公司 ，其实之前也有几家公司在做类似的事情 。
嗯这家公司现阶段主要在做的是基于整个物流体系过程中的电子邮件的 Copilot。
那我们第 131 家 Lucid 啊 ， 这是一个明浩评价非常高的一个公司啊 。
对它其实就是相当于给呃我们这种做投资的人提供非常完整的出直接出 PPT 的这种方案 。 然后啊它你看它这个 the fastest way to produce investment banking style 呃文件跟这个整理的 。
然后呃它现在的 demo 其实可以体验的功能还比较少 ， 比如说基本上你可以输入一家公司的名称 ， 你看它这个示例是输入了 Airbnb， 然后直接出现这样一页 ， 就是它的技术介绍 。
如果它是上市公司 ， 会有财报啊 ， 管理团队呃这个这个主要的产品 ， 然后会有竞争对手 ， 然后会有财务的数据的更详细的整理 ， 然后可能潜在的买方跟卖方 ， 就是它这个创始团队就是原来做应该是做二级的吧 ， 还是做一级的 ， 我我不太记得 ，但是它相当于就是用 AI 的方式 ， 把原来一个非常常见的分析师的工作简化成了一句话 ， 甚至都不
是一句话 。 因为它现在 demo 就是你输入呃项目的名称 ， 项目的网站 ， 如果是上市公司 ， 输入上市公司的股票代码 ， 就可以产生这些东西 。
然后它现在功能是这样 ， 后期的还有更多的功能是呃产生这些东西时候可以再编辑 ， 就跟在线的 Canva 一样 。
嗯再编辑再整理 ， 包括有模板的这个设置 。 然后呃我我因为这个事情其实我的日常工作中经常会用到 ， 所以我就特意的去试了一下， 然后有一些这个这个 demo 我就直接下载好 ， 大家可以看一下这个效果 。
我我试了两个案例 ， 一个是这个上市公司 ，因为上市公司相对来说信息会比较全 ， 对吧 ？ 嗯它产出的结果呃我看一下这个能不能录进去啊 ， 这个好像没录进去 ， 我我需要 share 一下这个 。
对是呃大家听播客的朋友可能看不到录屏 ， 我们在视频里面是有一直在投屏的 。
对我们需要看一下这个 PPT 的状态 ， 这 PPT 就是完全生成好的状态 ， 我没有经过任何的编辑 。
啊这个完全就像一个 ， 反正非常至少从格式上来看像模像样 。
对非常标准的 ， 比如投行或者是 FA 去介绍一家公司应该写的那个样子 ， 对吧 ？ 对我我就输入了比利比利 ， 然后 www.bilibili.com 以及比利 ， 就是纳斯达克的那个股票代码 。
嗯然后第一页就是它的整个的介绍 ， 财务竞争对手 ， 然后它的业务形态 ， 然后第二页就是我们需要知道的很多详细的事情 ， 对吧 ？
然后第三页事情是它的投资投融资历史跟这个这个呃趋势 ， 然后核心的一些媒体对它的评价 ， 包括股价 、PE 倍数 、 增长啊 。
然后如果你需要对这家公司进行无论是沟通还是合作 ， 你核心的问题就是呃会是哪些 。 就是如果今天你是一个无论是股票的这个这个购买者 ， 还是一个分析师 ， 嗯还是一个什么样的决策方 ， 你希望对这个公司有一个更深入的沟通跟理解的话 ， 应该准备哪些问题 。
考虑的非常周到 。
对然后这是这是哔哩哔哩的案例 ， 然后我还试了一个更有意思一点的案例是 TikTok，因为 TikTok 不是上市公司 ， 所以理论上来说它的很多内容其实并不会像 ， 尤其是财务数据不会像哔哩哔哩那么清楚 ，但是其他的内容你会发现明显的这个整理的状态也非常的明晰 。
然后那你就是一样的输入 TikTok 六个字母 ， 输入 tiktok.com 生成 ， 然后结果就是这个样子 。
这个看上去已经是可以直接用拿到一个规模不差的会议上去交作业的 。
是的是是真的是可以直接拿来 ， 当然你可以再去改嘛 ，因为它直接就生成了 PPT， 然后你除了生成 PPT 之外， 它的网站还有专门的这个进行修改的这个方式 。
嗯就是你可以直接在网站上编辑 ， 就跟在线的设计软件一样 。 嗯然后当然它现在还有很多待开发的功能 。
嗯反正我觉得用下来之后， 呃我后面应该会蛮常用这个产品 。
哎刚才你用的那两个 PPT 还是免费版本的 。
对对对就是免费直接生成的 。
非常厉害免费都做得那么好 。
这个也是另外一个它的功能 ， 就是设计那个竞争对手嘛 。
嗯这个我也试了啊 ， 就是你输入一个公司 ， 它把竞争对手全部抓下来 ， 然后做成 PPT。
然后按成按照分类来给你 。
按分类对 。
比如我我这个示例依然是这个哔哩哔哩嘛 ， 它按 ACG 相关的视频网站对吧 ？ 然后这个这个这个这个叫年轻人关注的视频网站对吧 ？
嗯然后直播平台 ， 然后 ACG 跟 gaming， 然后游戏公司 ， 然后 ACG 的社区 ， 就是它按分类来 。
你觉得它分得好吗 ？
还行就至少它有它的逻辑存在 。 嗯当然你可以再去调 。 嗯但至少如果某一天我需要对一个我没有那么熟悉的公司 ， 哪怕是很熟悉公司 ， 你也没有办法像它这么穷举的 。
是的是的 。
把它列出来 。
对这是一个很好的 ， 就是哪怕非常熟悉的领域 ， 这也是很好的信息的补充 。
是的嗯就是它的生产成果让我非常的这个这个满意 ， 就它比一个实习生要好很多 。 哈哈哈就是嗯如果你是哔哩哔哩 ， 你特别想希望知道它的财报数据的话 。
对如果上市公司 ， 它可以直接生成这个样子 。 虽然这些图其实你在比如说雅虎财经 。
也能看到 。
雪球上你也能找到 。
但它不是 PPT 嘛 ，因为有时候还是要做成 PPT 交作业 。
你还要截下来对吧 ？ 还要做个表 ，但它这个是可编辑的哦 。
是 。
它不是单纯的一张贴图 ， 它是可编辑的哦 。
啊这个 chart 图表都是可编辑的 。 哇 。
就是它不是一张图生成完贴出来的 。
这个真的很厉害 。 这个是啊 ， 它的官网上有一句话 ， 就直接是非常粗暴的鸡汤 ： 时间就是金钱 。
对就帮你帮你节省这个 。
对帮你省时间省钱 。
对所以很好 ， 这个推荐大家试一下 。 第 131 个我们再往下看哈 ， 然后下面一个叫 Lumina 啊 ，Lumina 呢是给这个科研行业用的 ， 然后它的 point 在于帮你读论文 。
对啊只是我们会我看那个明浩写的评价一般般哈 ，不太行写的是 。 呃我觉得它这个可能还是有点薄啊 ，但我们因为自己不是用户 ， 所以其实对所以这么就只看描述的话 ， 会觉得哎 ， 这会不会和今天任何一个知识长文本的这个 AI 大模型都差不多 。
嗯就是它的增加量没有想象中的那么多 。
嗯但这个可能也需要科研的人员看一看 ，是不是真的能就是读论文 ， 用它读就做了一些微调或做一些定稿 。
因为它的它的官网也非常简单 ，其实跟 ChatGPT 没有任何的区别性 ， 就是一个对话框 。 嗯然后你需要问它一个问题 ， 然后它给你一些答案 。
当然它它会针对你问的问题去找对应的 ， 比如论文或者是相关的文献给到你指引 。 嗯这个就跟今天我们用的很多的 AI 搜索的那个那个场景是类似的嘛 。
对这也像 Perplexity 它这个 。
对对对对对对你看这是它它的搜索结果 ， 就是会有对应的这个信息的来源时间 。 嗯就是这些 。
嗯 。
好我们再看下一个 ， 第 133 个叫 Lumona。Lumona 啊这是专注这个 。
啊这个我有印象 。
对给电商做搜索的 。
对嗯它其实就是基于呃 Reddit 对吧 ？ 然后社交平台上的 。
对对对 。
口碑真实用户的反馈 。
嗯还有 YouTube 的啊 ， 搜回来给你做一个汇总 。
对 。
嗯这个它其实是 to say 的 ， 就是讲说你现在想买一个东西 ， 你要去查它的口碑了 ， 你不要去社交媒体查 ， 你来我这儿查 ， 我可以用 AI 帮你抓各个社交媒体的评论 ， 最后告诉你一个结果 。
对那只是我自己会认为 ， 它要颠覆这样的用户习惯有点不容易了 。 就在国内是小红书 ， 现在是一个消费字典一样的搜索引擎 。
是的大家买啥去小红书上看看好的评价 、 坏的评价啊 ， 然后或去天猫看看那个中评差评都是啥 。
而且现在有一个趋势是 ， 我不知道大家是否最近用拼多多比较多 。 拼多多现在已经支持 ， 如果一个商品的比如评论数量是相对比较多的 ， 嗯它会在所有评论的上面做一个 AI 的整理 。
AI 的整理啊 。
就相当于把底下这几百条评论做你一个整理 ， 明显看着就是 AI 做的 。
OK 它是自然语言还是关键词 ？
呃自然语言 。 哦编辑好的 ， 那一看就是 AI 做的 。
OK OK 只是拼多多我现在还是有点不太相信它的评价 。
那对那 。
现在相信但至少 。
天猫 。
嗯对从功能实现的角度来讲啊 ， 电商平台自己一定会把这个事情做 。
对很可能 ， 或者就是我觉得作为用户习惯 ，有可能在社交媒体搜 ， 就是搜出来看的那个愉悦度或者熟悉感都更高 。
就我在一个自己熟悉的环境里面 ， 然后看的是这个深情并茂的各种评价 ， 然后如果被 AI 给它就是刚货化了 。
整合一下 。
整合一下整合一下， 反而我觉得有一些这个就过购物过程当中的乐趣给丢掉了 。 是的呃所以这个我稍微有点持保留意见吧 。
对 。
可能跟美国的电商生态跟国国内不太一样也相关 。
有可能有可能 。 所以我觉得买东西还是要好玩一点 ， 就是你太干货化 、 太追求效率 ， 它其实只适合非常垂直的部分的购物场景 。
我们再看 134 叫 Magic Hour， 是一个做视频创作的 。
啊这个我记得 。
嗯就是其实它做的更像是啊风格的演绎 。 对就是它它有一些特别明显的风格的演绎的效果 。 嗯典型的是这个它它拿几个呃比如说日本武士的这个忍者的风格去套到了 NBA 的球赛的身上 。
嗯然后古罗马竞技场对吧 ？ 然后钢铁人就是呃它相当于找到了一些风格化的方式的滤镜 ， 你可以这么理解 。
对对对 。
然后当然它未来想做的事情肯定很多了 ， 从从 video 到 video， 从呃人脸的转换 ， 从图到 video 对吧 ？ 动作文本到 video， 包括口型对吧 ？
其实这些呃功能模块应该是今天这个时间点绝大部分做 AI 视频相关的厂商都想做的 。 对只是它现阶段我们看到它找到一个让人非常眼前一亮的风格 。
嗯我觉得这个风格它做的很好 。
嗯就像最近火起来的这个 Gemini。
对 。
啊它就是用那个哎那个风格叫什么来着 ？ 橡皮人。
对 。
啊用那个风格出圈 。
黏土 。
黏土人出圈啊 ， 然后今天我看他们又发了一个新的 。
风格 。
啊叫陶瓷人。 啊就给你做成那个非常土土的 ， 然后但是又有一种富贵感的陶瓷 。
嗯能做就是能做到让人觉得不不突兀 ， 跟没有那个所谓的孔武效应其实还是蛮难的 。 嗯你现在其实它现在就在这几个风格里 ， 我觉得做的已经非常好了 。
但是这几个风格除了能让大家炫一炫之外， 再往后是什么 ， 可能就是需要这团再往后去想的了 。 但确实这个就这几个它它它的这些示范的案例的视频确实非常 。
是酷的看起来 。
对嗯而且没有没有什么违和感 。
嗯 。 135 叫 MAIYA 啊 MAIYA 是一个医药领域的 AI， 然后呃它有趣的地方是呃它应该是针对这个夫妻咨询的 ， 就它是一个特别垂直在心理咨询领域里面 。
我记得那个我记得那个 。
就是给夫妻做 。
给夫妻来用的 。
咨询的一个 AI。
对 。
嗯这个就是角度切的非常垂直 。
对就是相当于你在你的夫妻生活中 。 嗯你跟你的另一半的沟通或者是心事 。 嗯需要一些类似心理上的帮助或者是指导 。
对它用大概是这样一个东西 。
对其实我在中国有和我伴侣去做过这个伴侣咨询的 。OK 我们做过几次呃但是最后一次是有点就是我们愤而离场 ， 就觉得这个咨询师不是很专业 。
然后让我们 。
那这些咨询师原来是做什么的呢 ？
他们都是心理咨询师 。
啊心理咨询师 。
就心理咨询师他们 。
会有这个 。
也会有伴侣咨询的一个业务 。
OK。
啊但是一般也还是比较高级的心理咨询师才能做好伴侣咨询 ，因为你现场要处理的不是一个人是两个人。
对是的是的是的 。
对我们那次之所以生气就是觉得这个你好像你没有很公平 ， 你在帮着其中另一方啊 ， 然后就不欢而散吧 。
嗯但后来反正这个我自己也有点关注这个领域 。 嗯但我我我和伴侣之间的问题后来我们俩自己解决了 。
但是经过那一波之后， 我确实意识到这个事它的需求很强 。 对比如说总有朋友来找我们吐槽对吧 ？
每个人都有这样的经历 。 是的是的就是和男朋友吵架了 ， 和老公吵架了 。 那这个时候你发现有些情况是就是用正常的沟通解决不了 ， 可能是需要一些心理咨询的介入 。
那在中国能够或全世界吧 ， 我觉得能够做这样的服务的心理咨询师 ， 包括他们的价格都是极贵的 。
对你看这个标题叫 Your AI built for couples。 嗯讲的也很清楚 。
非常的细分 。
对非常细 。
嗯后面还有另外一个叫 SONIA， 它是专门针对心理咨询 ，但它就没有这么垂 。 对 SONIA 是更宽泛的 。
更宽的 。
我们聊到的时候可以再给大家介绍一下 。 对然后 SONIA 和这个 MAIYA 他们俩的官方网站的设计都非常的让人看了之后心情愉快 。
很舒服 。
推荐大家去打开看一看 。
对 。
嗯看完之后你就觉得一切问题都可以得到解决了 ， 幸福是可以获得的 。 哈哈我们看第 136 个 ， 它全大写呀 ， 这感觉不是一个单词啊 ， 叫 MAIHEM。MAIHEM 这是一个做 AI infra 的 ， 嗯应该是在帮你做这个大语言模型的测试吧 。
嗯 。
对做质量保证嘛 。
质量保证嗯就是你在部署 AI 应用之前 。
用它 。
用它做测试 。 对啊或者是用它做比较 。
对 。
这里就这这个方面的项目在 YC 的名单里面都不止 5 个 。
对应该是蛮多的 。
非常非常多对 。
137。
叫 Manifold Freight 啊听这个名字就知道它是一个针对运输 ， 尤其是针对这个中大型的这个 。
物流公司 。
物流公司的运输 。 它是一个端到端的一个 SaaS 吗 ？ 还是是一个只是帮你发现这个机会的 ， 帮你发现采购机会的 。
不是它有完整的解决方案的 。
完整的端到端解决方案啊 。
是的是的 。
嗯嗯哎我现在就有一个发现是好像任何在过去就是一个垂直行业 ， 只要这个 SaaS 市场规模足够大 。
嗯那今天就有人说我用 AI 再做一遍 SaaS。
再做一遍 。
嗯然后这是第 137 个啊 ，也是非常垂直啊 ， 第 138 个来了 ， 这个是我们都很喜欢的 。
是的 。
叫 Marbleism 它的名字首先就很有趣 ， 所以 Marble 是大理石的意思啊 。 它 Marbleism 就是像大理石般这个健壮牛逼靠谱的一个服务 。
它什么服务呢 ？ 它是做自然语言生成一个网站或生成一个 APP。
对 。
嗯然后它举的例子啊 ， 第一个例子是我要用啊你帮我生成一个这个 。
Airbnb。
啊 Airbnb 但是 Airbnb 是专门 for 后院租赁 ， 就是我家有个院子我可以租出去 。
对对对 。
然后这个演示也挺牛逼的 ， 真的就是分分钟就把这么一个 for 后院分享租赁的 Airbnb 的网站给你做出来了 。
是的 。
嗯然后它还提到另外几个更典型的或者更可以规模化的用那个用例啊 ， 包括你要做出海外贸 ， 做个独立站 ， 或者你自己写博客要做一个个人网站 。
对啊这些都是可以用它给它一个自然语言就做出来的 ， 这非常非常的傻瓜化 。
嗯你现在来想 ，其实从实现的角度来讲 ， 比如说大家原来做个人站用 WordPress 对吧 ？ 电商用有专门的建站的工具跟网站 。
对那这建站工具跟网站之前做的事情 ， 相当于就是把某一个类型的网站的前端后端跟模块化全部打包好 。
嗯然后给你一个可挑选跟可组装的方式 。 嗯那今天其实相当于它要把这个事情再往前一步 ， 就是用自然语言的方式你告诉我 。
嗯你要哪一类 ， 然后我把这个前端的展现方式 ， 这个前端应该包 ， 比如像刚才 R&B 前端的形态里面 ， 可能就需要包括一个地图 ， 一个展示页 ， 一个搜索框 。
对然后对应这些内容的后台的模块也给你准备好 ， 然后这个网站就搭起来了 。 就是它的逻辑实现逻辑就是这样 ，但是能够实现这些到成到我们看到这个样子 ， 确实是蛮牛逼的 。
嗯然后我们这一次录播客有一位志愿者啊 ，他是技术背景叫智韬 ，他自己去从 0 到 1 生成了一个对话应用 ， 然后他大概算了一下这个中间需要多少时间来做这个事情啊 。
就拿到这个自然语言之后呢 ， 首先呃 Marbleism 是去做数据库 。 嗯然后他做了 6 张表 ， 然后花了大概 3 分钟 。
嗯然后看上去这些表的设计还蛮靠谱的 。 嗯然后第二步呢是做页面 。 嗯然后这个网站它一共做了 11 个页面出来 ， 这个页面也都是它自己自动决定要做啥页面啊 ， 包括注册页 、 登录页 ， 然后甚至包括后台管理页 。
嗯啊然后差不多 11 个页面又花了 2 分钟 ， 所以前后 5 分钟 。 嗯然后拿到代码库之后呃就可以直接部署 ， 甚至还可以拿到一个这个 GitHub 的地址去直接就克隆出来 ， 就继续往下做了 。
所以确实是完成度非常非常高啊 ， 这个是呃而且我我发现这个就是自然语言编码呀 。 嗯现在它有了一个专门的就是词了 。
嗯就当一个领域有了一个词之后， 就变成了一个趋势 ， 一个 。
就一个品类了 。
一个品类了 。 对它叫 NL2 Code， 就 Natural Language to Code。 对啊一开始看到这个觉得有点不明觉厉 ， 然后仔细一看哦 ， 又是一个缩写的很酷的一个单词 。
也很容易理解 。
嗯容易理解啊这个网站设计很好看 。 对它网站上面有一个 。
大理石 。
有一个大理石 ， 然后那个大理石上面放着代码 。
对然后它的这个定价的标签也很有意思 。
对对定价标签它是像糖果一样放在一个塑料袋子里面 ， 然后你便宜一点的就给你的糖果少一点 ， 没那么好看 。
你付的钱越贵就越金光闪闪 ， 然后糖果也越多 。
这确实蛮就是它的实现度很高 ， 就完成度很高 。 嗯那真的是对于我们这些不太懂编程语言 ， 现在没有语言的人来讲 ， 就可以做一个小东西了 。
是的啊 by the way 我最近自己在给播客 ， 就是想给它做一个官网嘛 。OK 然后我发现那个还有更简单的办法 ， 就是写一页 Notion， 然后有另外一个服务叫 Super。OK 然后它会把你的 Notion 的页面直接变成一个网站 ，而且它就是把这个部署和呃顶级域名的这些事全给你做了 ， 你域名都不用买 ，在 Super 上直接买 ， 然后直接部署 ， 然后访问进去之后就是 www.shiziluok.com 啊看到的就是
。
Notion 的那个 。
Notion 的那一页 。 而且那一页它还可以 ，因为 Notion 的那个结构它是非常格式化的嘛 。 对所以你还可以套模板 ，因此也看不出来是一个 Notion 写的 。
对更神奇的是我后来发现 Super 那个网站 ， 它的网站自己的官网的首页超级复杂 ， 然后看到最后它告诉你哈哈我们这个网页也是用 Notion 自己做的 。
嗯这很有趣 。
我觉得某种程度来说 ， 飞书的那个文档也在想做类似的事情 。
对建站真的变容易了 。
对就你像那个那几个做那个 AGI 的什么信息整理那个 。
嗯通向 AGI。
对对对那几个明显感觉那就是当年的博客的 。
对 。
变种了 。
而且效率高多了 。
高太多了 。
通往 AGI 之路 ， 我和 AJ 最近因为一些合作认识嘛 ， 我觉得哇他真的是能量超强 。
那几个人真的是 。
非常厉害 。
也是有大爱的人。
对推荐大家如果听到这里插播一个广告给他们 ， 大家去看一看 ， 我觉得很会很有价值很有收获 。
对 。
好我们看第 139 个 Mark Prompt。
Mark Prompt。
这是一个 CRM。
CRM。
嗯来去做这个客户支持的自动化 。 嗯然后在讲的是不增加员工人数的情况下， 可以扩大规模并且让用户体验变得更好 。
这里讲的也是这个你的客服可能会疲倦 ， 然后你的这个生意越大 ， 你必须是这个边际成本递增的 ，因为你就要招更多的人对吧 ？
其实讲的还是一个效率问题 ，但具体怎么样呢 ？ 这个看不太出来 。
对啊因为 CRM 这个大的品类真的太太大了 。
我觉得我们很难用现在这种方式去 。
对我们真的可能要变成一个客户的方式去 ， 比如看看他的文档 ， 看看他的 API， 甚至看看他的交付的 demo， 才比较容易有体感的更深的感受 。
是的是的然后它的官网也是黑色的哈 ， 我发现这一波 AI 的网站都是搞黑色的官网 。
哈哈哈 。
嗯 。
140。
140 个叫 Marr Labs， 还有两个 r， 所以读 Marr 的时候长一点 。 它是一个做语音的 。
OK。
就是打电话 。
是的 。
然后它的这个最大的一句话叫我们的语音 ， 我们的电话打过来 ， 你和人类分不清 ， 你你分不清楚它和人类的区别 。
对对对 。
啊 。
因为这个团队原来就是给那个一直做语音相关的 ， 我没记错的话 ， 应该是他们上一公司卖给了 Nuance， 然后 Nuance 其实是世界上做之前上一代 AI 时代做语音跟语音识别最牛逼的一家公司 。
哦 。
他们一直在做这个 。
类似科大讯飞吗 ？
对对对类似就是海外的科大讯飞 。
嗯一直在做这个啊 。
对 。
然后现在又有了 AI 之后再来一次 。
对你看我我写的这个评价是之前做的这个技术公司 。 嗯是第一个为 Siri 提供程序支持的软件 ， 然后这公司两点几亿美金卖给了 Nuance。
嗯 。
所以他们相当于一直在做这个领域 ，但是这类公司就是在当下这个时间点 ， 这类公司可能遇到的问题啊 ， 只是可能就是说呃它确实技术很好 。
嗯但是在之后的产品化的边界确定跟场景的选择 ， 可能对于他们来讲就是一个 ，但当然他们只做个技术公司可能也 OK，但是明显大家是其实想往场景里走的 。
是的是的我们往后还有一些 。
很多超级多 。
类似这样的公司 ，有一些我觉得场景找的比他们要再往前一步吧 。
啊他们可能确实技术好 。 对他们应该就技术好 ， 看他的网站 ，他举的一个例子是说他们做家政服务行业 ， 我一看就黑人问号脸啊 ， 所以应该还是一个非常技术的团队 。
是的 。
嗯 。
好第 141 个 Martin。Martin 是一个私人 AI 管家 ，他形容自己是钢铁侠中的贾维斯 ，他认为未来人人都可以拥有自己的贾维斯啊 ， 然后他这个是可以读你的呃 。
Calendar。
Calendar 读你的 email 收件箱 。
对啊 。
然后了解你的一天 ， 帮你这个整理新闻 ， 帮你整理你的日程 。
对 。
嗯然后甚至帮你去下单买杂货 。
我觉得这类偏个人助理类的 ， 我觉得先看看苹果怎么做吧 。
嗯 。
然后再去想插一话对吧 ？ 我觉得现在这些都是炮灰 ， 就很有可能是炮灰 ， 很有可能啊 。
有道理对先看看苹果要怎么做吧 。
对不是最近刚有新闻说下下一代的 iOS 上就会加吗 ？
嗯 。
看看苹果怎么做吧 。
对 。
142。
Mass GPT Pro。
Pro 还加了 Pro。
哈哈哈这是一个做这个数学的 AI 老师的 。 嗯这整个 YC 这一批的 260 多家公司里面有两个 ， 嗯除了这个还有一个 ，但这个里面领域也蛮卷的 ， 现在这个字节有做一个 GOAT。
对 。
嗯然后呃元辅导还是跟还是跟谁学的 ？
对是的是的是的 。
他们做了一个叫 answer.ai。
对也在海外在推的蛮厉害的 。
还是 question.ai 然后 answer.ai 是一个创业团队做的 。
对 。
反正有一个 answer.ai， 一个 question.ai。
对对对 。
反正一问一答啊 ， 然后都做的不错 ， 应该这个领域竞争是蛮激烈的 。 嗯对而且大家都在做数学 。
对因为数学你有公式对吧 ？ 有各种各样的很复杂的那个那个那个内容的那个信息源 。 嗯所以大家都是你像其实国内的那些之前还让做的各种各样的拍题搜 。
嗯其实最早也都是全部都是数学为主的 。 嗯这官网都打不开了 ， 我不知道为什么只找到了他们这个 YC 的介绍页 ， 还是两位应该是华人的创业者 。
也是华人啊 ， 我觉得做这个的好像都是华人。
有拿过数学竞赛一等奖的背景 。
OK。
嗯正常 。
好第 143 个 MediSearch， 这个一听就是一个搞医药的 。
对 。
他描述自己是一个可信赖的医疗信息搜索引擎 ， 可以根据可靠的来源对医疗问题进行直接的解答 。 然后我试着搜了一下哈 ，他确实答案呢全部都来自论文 ，他不是来自于网络的信息 。
对然后大家看演示 ， 这是少有的默认页面可以用汉语的 YC 项目 。
是吧哎这个是因为他团队也是中国的 。
我不确定反正你看我打开之后因为我我的 。
他有汉语的 。
对他是汉语界面 。
哎他是汉语不叫中文 ， 那这个感觉也不是中国团队做的 。
可能是翻的但是他准备了这个 。
OK 因为中国团队做的应该叫中文吧 ，不会用汉语两个字 。
他准备了这个这个这个东西 。
对哎你看他那个默认的问题是咖啡有害还是有益 。
对对对 。
然后告诉你的答案全部都来自于论文啊 ， 然后哎到底有还有益啊 ， 我也很想知道 。 哈哈哈 。
是安全的但是特殊人群需要限制 。
啊哦好的 。
嗯所以他也没有说是有害有益 ， 只是说是安全的 。
我们现在喝着大量的咖啡在这里录播客 。
哈哈哈前一晚睡太晚了 。
哈哈哈 。 144 叫 Metalware。Metalware 正在为全球 150 万固件工程师打造一个 Copilot。
垂直深耕30:53
对 。
它是给写嵌入式软件的硬那个固件工程师做的 Copilot。
是的是的是的 。 对就是反正这个这个团队就是他们俩创始人来自于 SpaceX。 嗯就是做那个火箭的那家嘛 。
嗯因为嵌入式开发就是比如说我为一个专门的什么硬件写一套配套的软件 ， 这个生态跟这个体系跟我们看到的 2C 的消费级软件生态是不太一样的 。
所以它的可更复杂更碎片化对吧 ？ 可能有些东西是封闭的 ， 所以基于这个场景来做 ， 我觉得在一些呃新闻行业里面应该是有机会 ， 或者说从另外一个角度 ， 从为什么他们会做这件事情角度来看 ， 就是他们在做 CBX 的过程中 。
嗯因为要跟无数的硬件软件打交道 。 嗯尤其是硬件相关的软件 ， 然后产生了这个需求 ， 认为这件事情是有意义的 ， 所以他们做了这件事情 。
我们只能这么去理解这件事情了 。
好 145 个 Meticulate 也是一个做这个 AI 搜索引擎的 ， 然后呃明昊和我在之前就是这个做功课的时候啊 ， 我们对这个项目的评价都非常非常高 ， 我俩写的评价都是牛逼 。
哈哈哈嗯然后它有点像上面那个 Lucy Lucy。
对嗯但它更那什么一点是 ， 它其实更多的是在它的页面内实现了这个 ， 就下载只是它的呃辅助一部分 ， 更多的是在页面内 ， 比如说我搜一个公司啊相关的 ， 比如说呃你像它现在已经有的一些功能是公开的信息 。
嗯啊市场的地图 。 嗯一些竞争格局的比较 。 嗯然后它还有可能未来在做的 ， 比如说呃公司的简介 ， 然后地理位置财报 ， 然后甚至市场化的产品价格的对比 ， 案例的研究 ， 包括监管政策 。
嗯就是你能够想到的针对一家公司的各个角度的 。
研究 。
研究跟理解它都在 ， 你看 B2B 的就 SaaS 的细分 ， 然后市场规模的评价 ， 宏观市场的趋势它都在做 ， 然后当然它现在给的这几个功能是比较简单 ，其实跟上面那个那个 。
Lucid。
Lucid 有有点像 ， 你看比如说我同样是用那个呃哔哩哔哩做了这个这个软件 。
对对也是它的竞争格局的一个 PPT。
对啊 。
它呈现出来的效果很像 。
对哪些公司 ， 然后这些公司对应的情况 ，base model， 股票页码代 ， 雇员 。 嗯成立时间 ， 投资人。 嗯对就是 。
全部都有 。
对就相当于一站式的让你成为一个数据库的形式 。
对但我觉得这个他们之间应该也不冲突吧 ， 就是我如果作为一个有接到这个任务的一个一个投资人， 我可以两个都用 。
对是的 。
然后交叉验证嘛 ， 或者交叉补充 。
是的 。
啊两边都付费 ， 很酷这个真的是看到的一个非常非常 。
就是新时代的 ，有点像新时代的万得 。
啊 。
就那个感觉 。
是的但是万得它还是你必须要关键词搜嘛 。
对对对 。
这个是你可以自然语言去给它做各种互动 。
就一看就专业金融人士干好搞的 ， 就它的功能跟涉及的点都是就日常工作中你确实需要这些东西 。
对 。
搞的 。
嗯而且完成度还蛮高的 。
是他现在做了四个嘛 ， 后面这些是 。
它的这个付费模式和很多 AI 产品也比较像 ，他们是说比如说每周给你免费几次 。
的额度 。
然后你这周用完了 ， 下周还可以接着用 。
然后我已经用了三次了吧 ， 它一共是免费用户十次 。
每每周可以做十个报告 。
对 。
嗯 。 好我们再看下一个叫 Metoro。
嗯 。
还是 Metoro， 这个取决于他是日本人还是不是日本人。 哈哈哈 Metoro 是一个由 AI 驱动的一个这个做 IT 运维的一个生产调试器 。
我们下半场里做 IT 运维的好多家 。
蛮多的蛮多的 。 嗯然后它是做自动化运维还加客服 。 嗯并且你可以问它我这个地方到底 。
出了什么问题 。
出了什么问题 。 嗯这个我们就看一看我们这个请到的三位做技术的志愿者给我们的评价啊 。
对 。
嗯自动化运维加客服在运维层面相比于其他的几个呢 ， 它是可以真的帮你解决问题 。 嗯然后这个里面如果付费的话 ，也是在为呃去给运维的可解释性来买单啊 ， 这个听起来评价还不错 ， 可解释性 ，因为有的时候网站宕机真的是要了命的 ， 你都不知道 。
哪是个问题 。
是什么原因在宕机 。
对 。
147。
嗯叫 Millim。
Millim。
嗯 。
啊 Millim 是一个直接加速前端前端渲染的一个 。
哦 。
AI 工具 。 哎但它这个和 AI 的关系我其实没有特别 get 到 。 嗯也可能和 AI 没关系吧 ，因为我们这个表单它是用关键词 ， 就是用一个 agent 去生成的嘛 。
对它有可能是没 。
它可能里面也有一点点误差 。 哎但这个它确实是一个至少从 demo 里面嘛 ， 可以肉眼看到啊 ， 它对前端渲染的这个加速提提速的这个效果很好 ， 叫 Millim。
我们看 148 个是 Model ML。
Model ML。
啊这个是金融领域的 。 嗯为私募股权公司和投资银行提供的一个 AI 工具 。
对 。
嗯 。
也是做 DD 跟研究的 。
对做研究做 DD。
嗯因为也没有太多消息 ， 现在是属于加入 。
对 。
等待列表 。
这个还没有正式发布 。
嗯 。
第 149 个 Momentic。 呃 Momentic 是做自动化测试的一个 AI。 嗯它呃不但是可以这个改 bug， 嗯还能帮你自动写用例 。
测试也好几个了 。 就是做软件测试的 ， 用 AI 的方式做 。
因为原来自动化测试就是一个蛮大的一个 。
对是的 。
赛道嘛 ， 就是这里面的市场规模 ， 包括容纳的公司也足够多 ， 那确实现在有了 AI 之后， 很多过去的步骤是可以变得更好的 。
嗯 。
150。
Momentic。 嗯 150 叫 Navier AI。 呃 Navier AI 是在工业制造领域的一个 AI， 然后这个确实我花了蛮多时间去尝试理解它 ， 我看我能不能够给大家解释清楚 。
那在做这个就是工业领域的这个 CFD 的时候 ，CFD 是什么呢 ？ 是叫计算流体力学 。 嗯啊就是这是一种呃比如说你去设计飞机啊 ， 它就 。
对你需要做经过这个实验 。
对设计飞机或者分析天气预报 ， 你需要用到这个计算流体力学 CFD 的这么一个物理模拟的过程 。 呃但是现在的这种模拟工具用起来非常非常复杂 ， 那 Navier AI 做的呢 ， 就是它去用了一个这个嗯它自己叫做 ML 解算器 ， 应该是 machine machine learning， 就机器学习的解算器 ， 去让这个建构的速度提高 1,000 倍 。
对 。
嗯这个确实是一个听起来不明觉厉 ，但确实离我们实在是有点遥远啊 。
对两个创始人也都是 SpaceX 出来的 。
啊又是 SpaceX。
他们做那个过程中， 然后发现这个流程或者这个工作环境特别的复杂 。 嗯所以他们把这个东西做出来 ， 然后相当于就是做实时的 CFD 的模拟 ， 就流体力学的模拟 。他们有一个渲染图 ， 就相当于比如你做了一个这样的零件 ，在多大的风力条件下， 跟什么样的温度条件下能够产生什么样的流体物物理的这个变化 ， 就大概是这样一个东西 。
OK。
这是它的示例 。
嗯 。
呃看不懂 。
因为原来你可能需要比如说真的把一个这样的东西放到一个类似什么风洞或者什么样的地方去真实的测试 ， 就是测就跟测一台车一样 。
懂了懂了 。
所以最早是要真实的放到风洞去测 。
对 。
然后后来呢 ， 可能就有了刚才他提到这个某种模拟器 ，但那个设计起来超级复杂 。
对 。
所以他说的是我用 AI 来把这个事提高 1,000 倍 。
对是的 ， 大概就是这个逻辑 。
嗯有意思 。 对这个可能相关领域的同学可以去试一试 。
对 。
然后在评论区告诉我们靠谱不靠谱吧 。 那这个感觉可以收费收的非常贵的 。
对那用这个的都都是什么呀 ， 对吧 ？
对对都是 。 好的厉害厉害 ， 这还是看到非常多这个很有野心的在解决很难的问题的公司 。
是的是的是的 。
第 151 个叫 Encompass Technology。Encompass 是一个做又是做 AI infra 的啊 ， 然后它还是是在说在部署今天的大语言模型的时候呢 ， 响应速度慢 ， 呃然后并发有限制 ， 或者你要这个付非常多的费用来去破这样的限制 。
呃所以你用这个 Encompass 提供的 API 就可以让你把任何的开源的或者自己做的模型 。
部署好 。
部署好并且给你加速 。 这还是做这个 infra。
对 。
嗯好再下一个 ， 它是一个叫 Nowadays。
呃这个是一个帮你做 event， 就是帮你去组织活动的 。
对对对这个我记得 。
一个 AI SaaS。
对对对这个我记得 。 这个就怎么说 ， 就还是那个感受吧 ， 就任何在过去就有 SaaS 的领域 ， 现在都可以都值得用 AI 再重做一遍 。在中国可能原来就是比如说活动型 。
对 。
啊在在美国其实更多的 ， 非常非常多 。 嗯然后他们用 AI 是可以帮你这个自动去联系场地 。
对自动导航 。
自动导航到场地 ， 这听起来还蛮 make sense 的 。 嗯然后帮你谈价格 。
对 。
控制谈价格控制预算 。
嗯也是个华人团队 。
啊好 。
153。
153。
No house。
这是一个这个
看上去很牛逼啊 ， 我给大家简单把我的理解介绍一下 。他是说这个美国每年大概有 3 万亿这个股票交易的记录 ，因为这些记录因为它数量过于庞大 ， 所以呢其实这个交易的结算现在是呃很繁琐或者速度不够快的 。
然后他们要做的呢 ， 就是呃实现近乎实时的交易结算 。
嗯 。
嗯对这是他的介绍了 。
对 。
但受限于我们的认知 。
对 。
我们没办法去验证 。
他干他干嘛 。
哈哈哈 。
好的第 154 个叫呃哇这个不好念哎 ， 叫 Nuanced。Nuanced。
差不多吧 。
它是做这个 。
啊 。
嗯 。
用 AI 的方式去评判别人上传的内容是否是 AI 上传的 。
是的 。
AI 做的 。
AI 去识别别人是不是在用 AI 欺骗我 。
就是魔法对抗魔法 。
哈哈魔法对抗魔法 。
它主页就说明是非常明晰的 ， 就是比如说分析一张照片 。
嗯 。
过或者没过他就觉得是 AI 做的 。
对这个帅哥是不是 AI 做的帅哥 。
对这个就是自然的风景嘛 ， 这张照片 。 那这个肯定是 AI 做的 ，因为我们能看出来这个骆驼是有问题的 ， 对吧 ？
对对对 。
它是评判这件事情 ， 包括文字跟那个文档它也能评判 。
是的我觉得 AI 确实是让欺诈这个事情变得挺吓人的 。 啊以前还说转账之前要打一个视频电话 。
视频电话也可以 。
现在视频电话都可以了 ， 那以后到底要怎么办啊 ？
然后它相当于把这个服务可以以自动化服务的方式给到需要用这件事情的 ， 无论比如内容平台呀 ， 或者是什么样的场景里 。
哦它等于是做接口 。
对 。
嗯嗯然后它这里是有提到一个数字啊 ，780 亿美金的浪费是因为这个 deepfake， 就是 AI 做的这种欺诈 。 然后它这个并不是说欺诈骗了 780 亿美金 ，而是大家花了 780 亿美金去 。
处理这些东西 。
处理这些欺诈 。 哦花了那么多钱啊 ， 哇这是我没想到的 。
是 。
好我们再看第 155 个叫 Octolane AI。 呃这也是一个 CRM。 嗯帮你找客户并且和他们打电话 。 嗯啊我都觉得这好像是我们说的第十个还是第二十个这样的应用了 。
差不多吧 。
呃这个我们现在对它的评判呢 ，也就只能是看一看它的 。
图 。
图看它的产品的样子 。 呃我们确实没有办法就是像客户一样去真实的使用它 。
因为还是那个观点 ， 就整个的链条太长了 。
嗯 。
对吧从潜在客户的搜寻 ， 然后跟客户的沟通 ， 沟通可能又分短信邮件电话 。
嗯 。
然后沟通的内容可能又分文案的整理 ， 内部数据库的对接 。
对 。
报价 。
嗯 。
然后再往后走 ， 可能客户返回的信息要收集整理反馈 ， 然后非结构化数据变成结构化 。
嗯 。
然后再涉及到内部的程序对接 ， 就是你想这个流程设计的环节可能几十个 ， 对吧 ？ 那那 Salesforce 可能所有事情都做 ， 大家都知道 。
是 。
但是这些公司可能就是 ， 当然也有人是想全流程做 ，但很多公司其实都是有一个或两个比较重要的切入点 。
我觉得这里面有可能的路径还是说 ， 就是找到一个共建的一个已经有业务打底的公司 ， 比如说一个保险公司 ， 或者就是一个这个做在线教育高科单的销售的公司 ， 然后它自己有非常强的 commitment， 甚至它在你的这个 startup 里面有一些股份 。
嗯 。
大家可以共建一个跟着它的业务流程来做 。
走深一些 。
对来做一套东西出来 。 然后如果只是单纯就从零去 build 一个 CRM， 然后去销售 ， 反正这个事还是一个先有鸡还是先有蛋的问题 。
嗯是 。
嗯我知道国内在做这个的也很多啊 ，也有一些比较靠谱的 ，但就是我感觉他们的路径都是我刚才说的路径 ， 就还是先基于已有的一个挺大的业务盘子 ， 就我已经在卖东西了 ， 然后我现在用 AI 来帮我优化我的效率 。
嗯 。
并且带着去产品化它的规模化它的想法 ， 之后把它变成 SaaS。 从零开始做这个事有难度有挑战啊 ， 加油吧同学们 。
第 156 个 Oculla AI。
Oculla。
嗯这个是一个企业内的搜索 ，因为在美国的企业用的 SaaS 太多了 。
对是的是的 ， 各种工具乱七八糟的 。
对 。
而且还有个人的对吧 ？ 还有企业内的 。
嗯就要找个东西 ， 我现在都会有点晕 ，因为我们用飞书用钉钉也用这个那个什么微信 ， 然后我自己还用 Notion。
Notion。
啊然后所以有时候要找东西真的是不容易 ， 我得想想到底是写在哪里的 ，是谁在什么时候给我说的 。
对 。
嗯它要做的就打破这样的信息墙 ， 做企业级的搜索 。
对就是这个逻辑是其实是比较简单的 ， 只是说看它的实现方式跟真正能实现的效果了 。
好 157 Offdio。
Offdio。
这也是一个金融领域的 AI， 它是一家帮你去做小型企业收并购的 AI 的服务 。
对 。
而且他说他自己要做的就是一个 ，他就是要做这么 ，他不是去给别人提供的 ，他好像自己就是要干这个 。
就是要做投行嘛 。
他要做投行 。 嗯然后他用这种方式把这个小型企业的收并购给他自动化 。
因为他创始人之前就是卖过公司 ，但是公司不是很大 ， 然后过程中觉得这个流程特别复杂 ， 买卖双方的沟通效率特别的低 。
嗯 。
所以他希望把这个事情变得 。 可是哇并购这件事情是通过这种方式就能 。
对这里面太多这个就是人的因素了 。
对啊 。
前段时间就前几年吧 ，有一个在亚马逊上面就做这个事的 ，因为他认为就是真实世界当中的中小企业那是百花齐放 ， 可能没法去这个把它抽象出来变成规律 。
但是亚马逊上的中小卖家我是有办法的 。
对是画画过的嘛 ， 就是切割过 ， 就是边界非常清楚的嘛 。
对对所以他当时就是做了一些逻辑去那样识别 ， 然后去去做 。 嗯但这个 Offdio 如果是在真实世界里面 ， 感觉这个要抽象出来很不容易 。
就是从逻辑实现上来说 ， 它可能就是比如说更先进一些的天眼查 。
嗯 。
然后加 LinkedIn。
嗯 。
然后加一点什么交易并购交易的东西 ， 大概的逻辑应该就是这样 。 但是确实我我是觉得这个市场太难做起来了 。
下一家 。
第 158 叫做 Olio Labs。 呃这是一个医药行业的一个 AI 啊 ， 它是要用这个 AI 来开发联合疗法 。 那呃这个让我们想到就是前段时间 Google 新发的那个 AlphaFold 3。
嗯 。
然后当时它发布也是引起了蛮多的这个就是震撼的 。
是的是的 。
对然后就简单来讲 ， 就 AlphaFold 3 这个模型呢 ， 你可以向它输入蛋白质核酸和小分子配体等等啊 ， 然后它来预测这个蛋白质的结构 。
然后听起来就是对行外的人有点复杂 ，但简单理解就是它可以帮助新药的发现变得更厉害 。 嗯为癌症的治疗 ， 甚至针对性的这个新药的研发提供了加速的可能 。
那我理解就是 Olio Labs 有点像 ， 尤其是这个它的介绍里面提到一个是人体内有数千种会相互作用的蛋白质 。
嗯 。
所以这个为什么叫联合疗法啊 ， 可能和这个也有一定的关系吧 。 嗯所以用 AI 去加速医药的研究 ， 这也是一个非常大的方向 。
是的 。
能看到很多原来有很好的这个医药背景的创始人 ，他们都下场在干这个事情 。
就是嗯医药的 AI 的解决的路径跟尝试 ，其实在上一波 AI 的浪潮里就已经在在比较强的在做了 。
嗯 。
这一波相当于加速了 ， 变得更更宽泛 ， 跟应用场景变得更多 。
嗯 。
可以这么理解 。
OK 我们看第 159 个叫 Omni AI。Omni AI 呢 ， 它是一个就是帮你把非结构化的数据转成表格 。
对 。
嗯然后就我的感觉哈 ， 就是它在尝试把 P 人变 I 变 J 人。
哈哈哈 。
嗯就是帮你收拾房间像收纳师一样 。
就你像它它在官网上列了几个具体的行业 ， 比如说护照中心的 ， 然后健康的 ， 电商的 ， 财务的 。
嗯 。
包括产品相关的文档都可以 ， 甚至不仅仅是文档了 ， 你的邮件应用程序的整个的访问 ， 然后电商里可能各种各样的产品库 ， 产品的评论 ， 然后还能分析情感 。
就是它相当于就是把非结构化的数据用自然语言的方式 ， 呃用大模型就是 LLM 的理解的方式变成结构化的输出 。
对然后再喂给大模型去用 。
对 。
嗯是 。 好第 160 个叫 OneGrip。 呃它是一个这个就是这个编程的 Copilot。Copilot 嗯然后也提到啊 ， 我可以帮你用 10 倍的速度来解 bug。
嗯 。
然后这些比较偏运维方向吧 。
对 。
然后它这里面提到一个我看了之后哎觉得有点意思的一个就很有现场感的比喻 。
嗯 。
它说多数的工程师 25% 的时间其实都是花在随叫随到的工作上面 。
嗯 。
也就是他们工作其实很多时候是没有那么饱和 。
是的 。
但是必须要就是 ready， 就是要保证他要要给他发工资 ， 就是因为你得有人在就是 ready 等着随叫随到 。
嗯所以它这里有说公司为每位工程师的随叫随到这件事情花费就是 61,000 美元每年 。 啊然后它想要把这个成本给解决掉 ，因为这里面随叫随到解决的一些问题应该也是可以用 AI 解决的简单问题 。OK 我们看第 161 个 OpenCall。
呃大概知道是干嘛的 。
对一听就知道是让企业用 AI 去接电话的 。
对 。
嗯嗯这个它官网做的非常好 。
非常酷 。
对因为我们看到好几个用 AI 接电话或者打电话的 ， 我觉得只有它的这个官网看完之后是让你觉得就是又有未来感的 。
对 。
然后比如说它上面有一个非常大的按钮 ， 你直接按那个按钮 。
它就开始说话了 。
就就给你打电话了 。
对 。
它是打个电话到你的手机上， 中国的手机也可以接 。
我靠你接了是吧 ？
我接了 。 嗯然后那个自然语言什么的就挺亲切的 。 它是为了让你这个试试它到底有多靠谱嘛 。
嗯举了各种这个行业的应用 ， 什么房地产 ， 美容院 。
对 。
啊等等。
哇这个行就这个方向太卷了 ， 我觉得 。
嗯太卷了 。
你觉得竞争非常激烈 。
就有技术好的对吧 ？ 有有有场景打的深的 。
对 。
还有你像有专门我记得没错 ， 就下面应该有专门给兽医做这个事情的 ， 对吧 ？
对 。
哇
竞争太激烈了 。
嗯 。
就这个这个场景 。 但确实就是需求很痛嘛 ， 就是这么多人做也是有原因的嘛 。
对嗯 。
下一个 162 OpenCopilot。
一个开源的工具 。 嗯它是一个针对 SaaS 的 AI 客服 。 嗯就是理论上它也可以不针对 SaaS 啊 ，但这是它选择的切入点 。
是的 。
其实就是一个 AI 客服 ，但它选的垂直行业是 SaaS。 因为我理解它针对 SaaS 这个 YC 所有的校友都是它的第一批用户 。
哈哈哈它就不用再去发愁从哪里找第一批客户了 。YC 的同期的同学们都是它的客户 ，其他公司都可以买单 ，而这些公司买单之后也帮它很好的能实现从 0 到 1。
对也是开源的 ，GitHub 上 1 万颗星呢 。
嗯哦 1 万颗星了 。
对 。
哇塞那它这个 。
嗯 。
哦 。
OpenChat 点 AI 吗相当于 。
哇 。
它相当于就是你几乎所有的 SaaS 都可以给你一个相对简单的呃以 Chat 的方式去沟通或去做交流的一个类似客服或者一个机器人。
对吧就是它但凡能够实现的功能比较好 。
嗯 。
看上去应该效果就不错 。
有点厉害了 。
嗯 。
啊然后它的名字也很牛逼 。
对啊 。
叫 OpenCopilot。
对啊这名字占了很大的 。
名字 。
Open 叫叫 Open 的公司好多呀 。
啊我们接下来有好多 Open 的啊 ，因为我们按字母排序嘛 ， 接下来有有好几个 Open 的 。 好再下一个叫 OpenFoundry 第 163 个 。
这是一个嗯把自己定位成 Hugging Face 的开源替代品 。
是的 。
你可以部署各种开源的模型在各种云上面 。 哈哈哈 。
对 。
嗯但它现在好像只支持 AWS。 哎野心就是 。
所有的要接 。
所有的开源模型你都可以部署在你想要的各种云上面 。
嗯再往下第 164 个叫 OpenMart。 呃它说自己是 。
OpenMart 对 。
这个商业搜索引擎 。 嗯然后我看了一下， 它说自己是 AI 的 ZoomInfo。 那 ZoomInfo 呢是一家纳斯达克的上市公司 。 嗯然后这个去年有 12 亿美金的收入是干嘛呢 ？
就是商业搜索引擎 。
对 。
嗯就是搜这个潜在的客户列表 。
客户列表 。
嗯然后搜你潜在的经销商 、 零售商 。
对 。
嗯 。
那上面那个找那个潜在的客户 ， 然后发邮件那个地址其实比较像 。
是的是的 。 嗯它这个 ZoomInfo 的规模也不小哎 。
是 。
一年 12 亿美金的收入 。 嗯难怪有那么多人想去弯道超车用 AI 替代它 。
对 。
嗯 。
我们看第 165 个 OpenPipe。 这也是一个嗯这个做软件研发的一个 AI 啊 。 它是呃可以理解成是一个大模型的一个这个 host， 再加上嗯叫 WMB。
嗯这是一个什么呢 ？ 这个是一个帮助 AI 开发者简化一个端到端的机器学习工作流的一个这个这个机器学习运营平台 ， 然后提供一系列的工具 ， 涵盖模型训练 、 模型微调 ， 还有利用基础模型就方方面面吧 。
这个有点呃
厉害的样子啊 ，因为我们请到的这个工程师们对它的评价还不错哎 。
对 。
嗯给的分数不低的 OpenPipe。 呃我觉得因为听我们这个节目的应该还是有蛮多是这个这个开发者吧 。
对对对去试试我觉得 。
对这个大家都可以试一下 。
我是觉得有一个感受是说嗯虽然大模型的竞争看上去越来越寡头了 。
嗯 。
但是即便是寡头态 ， 还是有现阶段非常多的无论是开源还是闭源 ， 还是成熟 ，是欧洲还是美国 ， 各种各样的东西可以让大家用 。
那在这个阶段看上去做呃微调也好 ， 部署也好 ， 云端的打通也好 ，其实有很多工作是没有经验的 。
对 。
大家是没有经验 ， 无论是大厂还是小厂 。
而且变化非常快 。
对所以我昨天的经验今天可能又没用 。
就应该有服务商 。
对 。
来解决这些事情 。
嗯嗯而且这里面很多人都还做的是开源的东西 。
对 。
嗯是一个 。
生态很好 。
感觉是在一个很好的生态里面 ， 然后大家一起在跨越鸿沟 。
对对对 。
随着中间就有非常多信息不对称 ， 然后大家又都挺互帮互助的 ， 所以诞生了很多公司 。 这里面确实说不定能诞生出一些了不起的新的巨头出来 。
对 。
啊我们看 166 个叫 OrbioEarth。 呃这个是一个啊 ， 这个我觉得真的就是做这一期播客我涨了太多知识了 。
对对对我我记得我记得这个公司 。
它它干嘛呢 ？ 它是用那个卫星图像 ， 然后来去帮你追踪那些做石油和天然气这样行业的这个叫甲烷吧 ， 这个这是不是甲烷 ？
甲烷排放到底怎么样 ， 用 AI 去判断 。 那我就很好奇啊 ， 就是为什么要去做投资之前去判断 ， 就是石油公司 、 天然气公司 ，他们甲烷排放怎么样 ， 这个会影响啥 ？
然后我就还问了一下 ChatGPT， 就为什么投资他们要去判断他们的甲烷排放 。
对 。
嗯然后简单来说就是一个是环境 ， 就是这个有不同的国家有不同的监管政策 ， 如果你破坏太多环境 ， 你其实会被 。
会有问题 。
会有问题 ， 会被扣更多的税 ， 或者你有罚款 ， 对吧 ？ 那对投资来说就很重要 。
对 。
然后再后面呢 ， 就是有些投资机构 ， 它本身就号称我是一个有环境责任感的一个机构啊 ， 然后所以我必须要投同样对环境友好的公司 。
然后财务表现也很重要 ， 就是呃有时候这个甲烷排放直接影响到公司是不是这个呃有泄漏的问题 ， 或者有浪费的问题 。
对 ， 就涨知识了 。
太涨了就是它它用了很多的技术实现 ， 对吧 ？ 有这个卫星的这个地图的跟这个数据的采集 ， 还有这个计算机视觉去分析这个这个这个排放的样子 。
你看就像这样的这样的东西 ， 然后同时它又是针对投资公司的 ， 所以有非常明确的各种各样的上市公司 、 非上市公司的情况列表 ， 它的这个产量 、 产能这些东西的一个组合 。
所以它是一个非常完整的真的想做这件事情的公司 ， 无论是大公司小公司 ， 看到这个东西一定会用 。
就是它它它你能想到的做这件事情的决定的前前后后的很多事情 ， 它都用技术的方式帮你搞定 。
而且我感觉这个事吧 ，不管是投资机构自己还是这样的这个石油天然气公司 ，他们都不可能干 。
对 。
所以这就得一个第三方来干 。
是是是是 。
哎这两位 founder 背景也是和这个有关吗 ？ 和新能和能源行业有关吗 ？
应该是有吧 ， 我记得 。
哦 。 哎这个是特别好的一个感觉 ， 能够收到很高的服务费的一个公司 。 两位 founder 的这个背景看 ，他们介绍自己是这个气候乐观主义者 。
哈哈哈 。
肯定是相关的 。
OK 好 ， 我们看第 167 个叫做 Outset。 这个是一个用 AI 来帮你做用户访谈 、 用户研究时候 。
对用户调研的 。
嗯做用户调研 ， 然后它针对的其实更多是科研行业 。 嗯但我其实在就是做消费品的时候 ， 或做就是哪怕互联网产品 ， 做用户访谈也是一个 。
比较烦的事情 。
就是天天发生非常繁琐的事嘛 。 然后我自己最近在做用户访谈的时候 ，也试着用 AI 录音 ， 然后丢给 Kimi， 然后让它帮我总结 。
然后因为你其实每次访谈完了之后， 还是要花差不多同等的时间去总结提炼观点嘛 。
是的是的 。
现在就是说访谈你其实还是没有省下时间 ，因为还是要人去访 ，但是总结这个事交给 AI， 那就那个时间我觉得压缩了十倍都不止 。
嗯反正我看完就是因为 AI 面试大家这个逻辑已经非常就是理解了嘛 ， 它相当于把这个这个这个业务逻辑放到了调研的场景上 。
嗯 。
那你想嗯也也通对吧 ？ 做事情前后的顺序 ， 整个链条的流程其实差不多 。
对对而且我觉得它这个不只是用户调研啊 ， 它不只是帮你整理一份用户调研效率提高 ，而是比如说这一次我们大概有呃团队 4-6 个人， 调研了 4-60 个人， 然后 40-60 个人， 然后全部丢进去 ， 这样你就可以直接向它提问了 ， 就是百分之多少的人喜欢着我们的这个产品 demo， 对吧 ？
在原来这个工作量那有多大呀 ？ 想一想对吧 ？ 现在其实真的是一个很好的一个提效的领域 。
是的 。
我们看第 168 个 Paradigm。Paradigm 呢是一个做 agent 开发的 。 嗯它就是做 agent 开发 ， 这个反而是一个很通用的一个一个一个大的问题啦 ， 就大家做的也不少 。
智能工具1:00:52
嗯
哎其实我最近认识一位新朋友啊 ，他也是在国内做这个 AI agent， 然后他针对的领域是在做保险的销售 。
嗯 。
然后他当时提到一个他们用 agent 做什么呢 ？ 就是呃其实就今天如果我是一个卖保险的销售人员 ， 然后如果公司数字化做得好 ， 每天我上班第一件事情 ， 公司就会丢给我一堆任务 。
这些任务怎么来的呢 ？ 就是公司会判断我手头的客户有哪些快续保啦 ，有哪些快过生日啦 ， 然后有哪些就是我判断 ， 比如说就是今天重庆高温了 ， 你可以去慰问一下， 就大量的 ticket 丢过来 ， 然后这个时候就是已经销售人员做不完了 。
嗯 。
啊就是他说在他们公司可能只能做 1/3 的这样的 ticket， 那这个 ticket 就是完全是销售人员自己去选择 ， 就我认为哪些有价值我做哪些 。
然后他做的事呢 ， 就是直接让 AI 去完成销售人员不愿意做的那些 ticket。
剩下那些 。
对剩下那些 ，因为他们这个沟通是基于企业微信 ， 所以 AI 是可以用纯文本去做 ， 比如慰问一下生日啊 ， 慰问一下天气热了你嘘寒问暖啊 。
然后他们做了一个周期下来 ， 发现这个就是对他们的加付购的提升 ， 就 revenue 收入的提升是 3% 到 5%。
就这个事还是在他们就是应该有 ， 我记得他们公司大几个亿的体量吧 ， 这还是很了不起的 。
可以的 。 嗯那它这个它这个官网介绍也也其实比较简单直接 ， 就是你的 AI intern 发各种各样的事物 。
哈哈哈销售 。
嗯 。
然后刚才还有什么 ？ 呃 marketing。
市场 。
Marketing。
对 。
就是 。
它这个官网也很像 ， 就我看到一大批官网都是这么做的 。
对 。
就你的 AI 助理或你的 AI 实习生 for， 然后它背后那个 for 什么一直在换 ， 一直在变 。
嗯 。
呃第 169 个 。
169。
Parasale 这是一个 AI HR。 哈哈帮你用 AI 找找到候选人， 甚至可以帮你 ， 它是可以帮你面试吧 ？ 呃可以打电话给候选人的 。
暂时还没上线 。
还没上是吧 ？ 啊想的是要做这个 。
对 。
嗯对 。 然后我看到这个的时候 ， 我当时还想说现在那么多做 HR 的 AI 的 ， 然后也有那么多去帮求职者用 AI 改简历 ， 帮你甚至以后在你面试的过程中就有一个 co-pilot。
对啊现在已经有了呀 。
嗯那其实这个就是也是魔法对抗魔法呀 。
是 。
然后我其实还有问那个 ChatGPT， 就是未来大家魔法对抗魔法 ， 就 HR 用 AI， 求职者也用 AI 会发生啥 ？ 然后 ChatGPT 反正也是说了一些片儿汤话吧 ，但它里面讲到一个我觉得有点 inside 的 ， 它是说呃就是还是有一些用 AI 没法评估的技能和特质的 。
需要人。
嗯比如说它举了一些例子 ， 比如说呃人际交往的能力 。
嗯 。
嗯比如说创造力啊 ， 批判性的思维 ， 这些可能会变得更加重要 。 这个到最后还是要人坐下来对着人， 这个才能够在这样的面对面的沟通当中去评估的 。
嗯 。
170。
叫 Patchwork。Patchwork 是一个简化版的 Slack。
对 。
更加个性化的智能信息流 。 它讲的也是说今天一上班就是大量的 ticket 丢过来 。
对 。
然后这里面尤其 Slack 上面的信息 。
特别多 。
给你淹没 。在国内其实可能对应的就是你飞书 、 钉钉 、 微信上的信息给你淹没掉 ， 然后它做的事呢 ， 就是把淹没你的信息给你排个优先级 ， 让你确保重要的事情看到 ， 关键的任务不要这个漏掉 。
嗯叫 Patchwork。
嗯哼 。
就是当一件事情复杂到极致的时候 ， 就需要有一个再一个服务把它简化 。
哈哈哈嗯这是想当年 Slack 出来的时候 。
对啊 。
你说你这个已经 。
一战式的对吧 ？
对一战式我给你们简单 。
全部解决 。
变高效 。
不需要用那么跨那么多的服务对吧 ？
现在出来一个说 Slack 太复杂了 ， 我要给 Slack 做它的这个高效版本 、 简化版本 。 这就是这个天下大师合酒必分 ， 分酒必合 。
是 。
啊第 171 个叫 Phosphor。 哦这个还挺可爱的一个名字 ，但它做的是一个很复杂的东西 ，是 AI infra 的 。 呃它是想
呃哦它这个是这样的 ， 就如果你今天已经上线了一个大语言模型了 ， 用户就要和它对话嘛 。
对 。
然后它是帮你把所有的这个对话记录给这个记下来 ，并且去分析复盘 ， 然后来改进 。其实它是帮你的这个做 AI 应用去迭代的 ， 就是今天做了 AI 应用 ， 到底就是用户满意不满意啊 ， 我提供的答案或我提供的这个价值有没有足够的理想啊 ，是蛮不容易去评估的 。
是的 。
啊所以 。
Midjourney 好 ， 大家去回看 Midjourney 的发展路程中一个很重要的 ，他们做对的事情就是一次给你生成四张 ， 然后你去选 。
哦 。
你这个选择的过程本质上来讲就是一次 。
就在帮它学习 。
对是的 。
哦 。
就这个可能是无意之间的啊 ， 它可能设计者也没有这么想过 ，但是恰恰可能在某些时候就是这件事情 。
实现了这个目的 。
对实现了这个这个目的 。
哎所以这个 Phosphor 它也讲它可以来帮你做 A/B 测试 。 嗯然后这个其实你刚才说到这个 Midjourney， 它那个四个不也是一个 A/B/C/D 测试嘛 ？
是啊 。
啊只是在普通的这个 ， 或者就是在常规的 AI 应用里面没这个东西 。
没办法弄 。
或者你要去部署这个东西还挺复杂的 。
对你要用要用户选呀什么 ， 哪个好哪个不好啊评价什么 。
甚至你还得在后面把这一套东西给它的这个评估的体系 ， 后最后它也做了 。 啊所以 Phosphor 是帮你干这个事情 。
是的 。
而它这个 A/B 测试也可以帮你比较不同的这个大大语言模型 。 啊你可以就是用比如说 ChatGPT 生成一个 ， 用 Claude 生成一个 ， 再用什么文心一言生成一个 。
嗯挺好的 。 它的收费模式也很好玩哦 ， 它是一美金收一千 ， 就是对应着 1,000 条 。
1,000 个 。
Log 1,000 条记录 。
对 。
嗯它是按记录来收的 。 哎我刚才说到那个就是做保险的那个销售的呃 AI， 它那天还跟我分享了一个我觉得也很酷的点 ，也和这个有一点点相关性吧 ， 就是说他们也是用这个销售人员去帮助大语言模型 ， 帮助 AI 学习 。
它怎么学呢 ？ 就是它现在这个要就大语言模型做出来的文案发给用户之前 ，是要人看一下的 。
嗯 。
那它会发现很多销售会在发之前改 。
嗯 。
然后如果销售人员改完的版本成交了 ， 那它就会特别的去记住改的这个版本是什么 ，因此这可能就意味着一个这个最佳的实践 。
嗯 。
然后再去喂给大模型去学 。 所以就是说这个事它不是就是搞 AI 应用 ， 它不是只是设计出来就完事 。
对 。
你得不断的 。
持续的 。
持续的去调 ， 然后形成一个飞轮效应 。 这个可能才是慢慢跑赢其他人的办法 。 因为今天我们看到上面做各种各样的 CRM 或者电话外呼或者等等等等吧 ， 都是竞争极其激烈的 。
嗯所以这个过程就注重数据的收集和这个效果的迭代 ，有可能是你能够一天进步一点 ， 甩开其他人的办法 。
下一个叫 Pico。
Pico 172 个 。Pico 是做什么呀 ？ 哦 。
做那个屏幕截图的 。
屏幕截图 。
继续截图了再做那什么 。
嗯应该就是 。
识别分析 。
把你手机里面的所有的截图抓出来 ， 然后识别这些截图意味着什么 。 嗯呃我想不太到用例哎 ， 除了就是截图 ， 它可以帮我和人约了一个几号几点在哪里见面 ， 识别出来加到 calendar 之外， 还能够帮我做啥呀 ？
它能帮你做整理吗 ？ 就是这个信息也不多 。 就是有我我看到这个时候想来想到另外一个 ， 就是那个 。
嗯 。
叫 Remind 还是叫 Remind.ai， 就是相当于在你电脑里注一个插件 ， 然后记录你电脑所有的行为 ， 你的点击 ， 你的访问 ， 你的聊天 ， 你的所有的东西 ， 然后相当于形成你的基础数据录入 。
嗯 。
变成你的助理 。
嗯 。
就是当然这个这里面有一个巨大的那个问题 ， 就是因为它什么都接管 。
嗯 。
所以人天生的第一反应是隐私的问题 。
有点害怕 。
对是有点害怕 。
嗯 。
就是你想如果今天有一个什么东西是住在你的系统里的 。
嗯 。
它什么都能记录并且什么都知道的话 。
嗯 。
那真的如果它真的做的有理想中那么好的话 ， 那也代表它确实很危险 。
嗯对我知道你说的那个公司 ，他们最近还出了一个硬件 ， 那个硬件就是让你随身携带 。
对对对 。
然后记下你这一整天说过的话 ， 听到的话 。
啊因为理论上来说 ， 如果你想真的实现那个理想的效果 ， 它的输入就是需要做到这个程度才可能 。
嗯 。
那这中间的这个 。
隐私的让步 。
对这这个怎么对这个怎么解解决呢对吧 ？
以及其实那个公司做的那个产品 ， 它卖的不便宜啊 ， 我记得是 200 美刀还是 400 美刀 ，但是那天我发了一个即刻就有人在我下面留言说华强北已经有替代品了 ， 巨便宜 。
因为本来来讲确实实现起来并从硬件硬件角度来讲并没有那么难嘛 。
是的是的 。
嗯 。
哎我还看到另外一个也很有趣的 ， 这里插播一下 。
嗯 。
就其实我自己最近有一个需求 ， 就是我呃很想打电话的时候 ， 就是也把这个电话的过程给录下来嘛 。
嗯 。
但现在 iPhone 不是不支持嘛 。
对 。
然后现在就有人做了一个手机壳 ， 就这个手机壳就是一个录音的 ， 然后你打电话的时候你稍微摁一下 。
啊 。
大拇指摁一下就开始录了 。 哈哈哈 。
有点像当年那个叫手手机皮啊 ， 叫什么东西 ， 就是原来的可以支持那个那个 iPod 不是没有电话卡吗 ？
对 。
让它变成可以打电话的那个壳 。
哦 。
对然后某一代的那个之前华为被那个限制的时候 ， 某几代华为是没有 5G 芯片的嘛 。
嗯 。
它的解决方案就是你可以买个那个手机壳 。
嗯 。
华为自己出的 ， 然后帮你变成 5G 的 。
嗯所以其实像 Pico 这样的产品为代表吧 ， 就是大家因为有了 AI 之后， 都会进一步的想去数字化我的人生 。
嗯 。
就是把我所有的东西给记下来 。
对 。
啊这个也是一个大趋势 。 嗯虽然隐私很可怕 ，但我觉得这个事也可能是一个不可逆的事情 。
嗯 。
哎 73。
叫 Pinsights， 这是一个法律 AI， 然后它做的是一个 Word 插件 。 呃 。
对 。
律师是不用这个在线文档的我发现 。
对是的是的 。
就是包括公司内部的法务啊 ， 我们都用我们自己公司内部其他部门都用飞书 ，他们就是喜欢用 Word 的 ， 觉得更有安全感 。
因为它它会有版本的记录嘛 。
对 。
审阅修订那个东西 。
嗯 。
我觉得已经深深的烙在所有法律从业者的内心了 。
对这个 Pinsights 它首先做了一个 Word 插件 ， 然后同时我觉得我看它的介绍啊 ，有一个东西做的很好的是 ， 呃你能想到 AI 的这个法律应用 ， 它肯定是帮你改合同对吧 ？
对 。
就告诉你这里应该怎么改 。
对 。
然后它这个是给律师用的 ， 所以它会告诉律师你这么改 ， 然后同时它会同再告诉你说你把这段话告诉甲方 ， 就是这么改的原因都给你写好 ， 就不但帮你改了 ， 还把这个改的原因也写好 ， 所以你可以直接给甲方有一个交代 。
啊然后它另外一个就是做的定制化的价值在于 ， 呃改合同的时候 ， 除了看常规的这些 yes or no 之外， 有一个就是不同公司有不同的 guidance。
对它可以引相当于引用跟看其他人的案例跟情况是怎么样的 。
对对比如说这个呃我知道啊 ， 像一些洋酒公司 ， 呃它就有非常明确的 guidance， 比如说它的这个用的 KOL 不能够低于多少岁 。
嗯嗯 。
甚至它不能看上去低于多少岁 ， 它得看上去是个成年人。 然后同时就是你在拍这个广告的时候 ， 你的那个瓶子里面的酒不能少于 80%。
嗯 。
因为你少于 80% 好像就是在鼓励大家酗酒嘛 ， 就类似这样的这个 guidance。
嗯 。
对吧这个说的只是一方面 ， 可能还有更多的 guidance， 比如说你和中国人做生意的时候要注意哪些地方 。 那不同的律师在去审合同的时候 ， 要结合公司的这些奇奇怪怪的 guidance 来去审这个条款 。在过去这些东西必须装在脑子里面 。
对现在是可以 。
现在这个 Pinsights 它帮你把这个设定做了 。
就是这个嘛 。
啊这个还是很有价值的 。
帮你一个个 check。
嗯 。
是否有违规跟红线的问题 。
是的 。174 这是一个叫做 PureMiddle 的一个医药 AI， 然后它呢是帮你做这个脑电图的识别 。
哦我记得这个 。
对吧这个我看你写的评价是很牛逼的 。 哦因为它非常 make sense。
对太 make sense 了这个 。
嗯 。
相当于就是今天我们的大模型是把人类的信语言跟书跟就是 text 输进去了 ， 然后变成了语言大模型 。
它相当于用所有的脑电图的图作为训练 ， 给到专门的一个大模型 ， 然后用来去分析呃癫痫病的病例 。
当然癫痫只是它第一个那个方向 。
嗯 。
然后这个团队原来就是做脑科学研究的 。
嗯 。
那相当于就是它这个场景就是说 ， 本来的脑科学专家每天看那些图的时间其实也不是特别的多 ， 然后呢那个的经验的数据也没有那么的难 。
很容易出错吧 。
对然后但是今天通过 AI 的方式去训练的方式 ， 可以让这件事情第一简化 ， 第二变得就是脑科学专家可以专心去做那些治疗诊断的事情 ，而不需要花更多的时间去放在这个 。
对 。
图的这件事情 。
看片子上面 。
对因为看片子人是疲惫的 。
对 。
人疲惫就会容易错掉错错失一些细节 。
是的 。
你记得我们之前还看到 YC 另外一家公司在讲的 ， 就是很多医疗事故并不是因为医疗人员就是没有这个知识 ，而是因为他们 。
倦怠了 。
过于疲惫 。
是的 。
所以它当时有一个公司做的事情 ， 就是交班时候用 AI 来辅助 ，因为交班时候人是最累的 ， 所以上一班的人就是 。
就漏掉了一些重要的信息 。
对一方面累 ， 另一方面也想赶紧下班回家躺平了 ， 然后会漏掉一些信息 。 这是导致很多医疗事故的原因 。
所以类似这样的场景 ， 就是用不知疲惫的 AI 来帮助人解决问题 。
是的 。
啊很很棒很棒 。 第 175 家 。
好 。
啊叫做 Private Robots， 这个一听就是知道是干机器人的了 。
是的 。
它做的是这个呃机器臂 。 嗯它做的是什么呢 ？ 呃我又学了一个新知识啊 ， 叫做高混合制造 。 这个是什么意思 ？
就是高混合制造指的是 ， 就是如果你要生产非常多呃种类的产品 ，并且每一种的产量都比较小 。
啊 。
啊所以它就叫高混合制造 。 这个在越高科技的生产领域它越常见 。
对 。
而机械臂其实做出来就是要解决这样的问题 。 嗯就是你给它编好程 ， 所以它就是今天这分钟生产这个 ， 下分钟生产那个 ，是可可以实现的 。
啊嗯然后这个 Private Robots 这个公司要做的就是这个事啊 ， 它是用 AI 去给机械臂去做软件 ， 然后 。
让它能够适应这样的生产方式 。
对对对然后它举的第一个应用案例是金属磨削的任务 ，因为这个人干很 。
很危险 。
危险 。
而且干的精度也不好 。
对然后同时它又是高混合制造 ， 我可能这分钟在削这种金属 ， 下分钟又要削另外一个零件 。
对 。
嗯让生产线变得更灵活 。 嗯这个也是一个细分 ，但是感觉细分啊 ，但你仔细想想 ，有可能它的这个 。
应用场景还是蛮多的 。
应用场景又多 ， 然后又高客单 ， 又是一个值得关注的一个领域 。
觉得现在的这个示例是一个做金属切割的机器人嘛 。
嗯 。
然后有视觉的方案 ， 然后有软件的配套 。
嗯 。
然后你会发现每一个零件其实它可能不像那种传统的机械臂 ， 每一个工作是一样的 。 就是我我这套工序是一直是这样 ，但它现在是不是的 ， 你看它每个新的东西都是不一样的 。
对所以它叫高混合制造 。
对 。
嗯 。
就是不不太适应于原来那种方式 。
嗯 。 哎这真的就看到这个还是内心有点感动的 。
是的 。
就是这个这些创业公司做的这些事情是在 。
改变世界的 。
改变世界的 。 嗯 。
下一个 。
176 个 Pocket Pod。 呃这个和我们日常生活更有关系了 ， 用 AI 帮你做你独一无二的 。
播客 。
对念给你听的播客 。
对 。
啊它还是根据你感兴趣的主题来自动生成播客 。
对我看还特意截了图 。
对我截了一下图 ， 就是你怎么给自己定制一档播客嘛 。
是的 。
啊它这个播客并不是说帮你做一档播客让别人听啊 ， 就你自己定制一档播客 ， 每天早上自己 。
自己听 。
然后它这个牛逼的是 ， 你定制完播客之后， 它给你传到 Spotify 上， 你也可以分享给别人， 你说看有一档专门给 Koji 的播客 ， 你要不要和我一起听 ， 然后我们可以一起来听一下 。
嗯就是我 。
你放链接 。
就是我放了一个链接 ，他为我生成了一档播客 ， 然后他让我选了我感兴趣的这个垂直领域 ， 我住在什么城市 ， 然后甚至让我授权我的日历 。
嗯所以可以试一试听一下 。
行吗 ？
对看能不能放得出来 。
In San Francisco this morning. Yep and with temperatures hovering around the 47 degree mark today, it's a day to pack a light jacket.
这个声音也很好 ， 用的应该也是 Eleven Labs。
Early to make your 9 o'clock meeting with Ross. You've got three meetings this morning and then your day is free and clear. Now let's turn to your news.
觉得很高级哈 ， 两个那么专业的人在告诉我你今天有三个会 ，不要 miss 了 。 我的一下子觉得自己好像在处理什么国家大事一样 。
哈哈哈
。
新时代的 RSS。
嗯新时代的 RSS。
下一张 177。
叫 Point Hunt。 啊这个也是一个我自己看了之后很想用的 ， 它是 。
对 。
就是我们都知道这个 ， 身边有朋友就是很会搞信用卡的积分 。
对 。
啊然后他们因为搞信用卡的积分呢 ，有时候会发现他们获得了一些惊人的福利啊 ， 然后这个就是用 AI 来告诉你 ， 你在刷每个卡的时候用什么信用卡 。
哈哈哈 。
你可以得到最大化的积分 。
是的 。
嗯 。
就是在国内有很多论坛嘛 ， 像非常准这样的论坛 ， 上面就是积分爱好者们在交流 。
我不知道你去不去 ， 我认识一个朋友 ，他最早是小米的工程师 ， 然后他写了一个公众号是专门写信用卡的 。
哦我知道那个号 。
对 。
那个号叫个什么来着 ？
对应该很多人关注 ，他就专门写各种各样的 。
流量巨好 。
信用卡的攻略 ， 然后积分 ， 然后权益 ， 然后旅程的兑换 ， 然后每一个信用卡的好和不好 ， 就是他后来那他就全职做那件事情了 。
啊他全职了 。 哎我们听这个播客的朋友们 ， 你们想到这个公司叫什么名字 ，在评论区给我们留个言 。
想不起来这个名字真的让人太难受了 。
经常会看到那个 。
对这个这个 AI Point Hunt 要做的就是帮你这个玩转信用卡积分 。
对 。
机航空公司的里程 。 嗯最后换机票 。
178。
178 Point One。
Point One。
嗯这个也是给律师行业用的 ，但它切了一个超级垂直的一个场景 。
我对这个印象也蛮深的 ，因为就是你像我们原来做 VC 的时候 ， 我们天天是要跟律师打交道的 。
嗯 。
然后其实如果没有人跟你说 ， 你是不知道其实你每一天你每一个跟律师的会议的电话会议 ，其实都是要收收 。
哈哈哈 。
对吧因为所有的当你完成了这一个项目 ， 律师账单一发过来 ， 你发现哦原来对吧 ， 我们开过那么多会都是 。
早知道少说点废话了 。 哈哈哈 。
对吧然后那你就要想 ， 那律师在工作过程中他的这些时间是怎么记录的 ？
嗯 。
那哪些时间算作是工作时间 ， 哪些时间算作是呃非计时的付费时间 ？
是的 。
那理论上说最人肉的方式 ， 那就是他有一个计时器或者什么东西 。
对他自己 。
iPhone 或者怎么样的 。
他过去应该都自己记 。
对那他这里有说 ，其实一个律师每周有几个小时是在算自己的 。
对 。
算自己的时间的啊 ， 然后他其实就是用 AI 来帮你生成你的时间 。
就相当于你你有个插件放在你的电脑手机里 。
对 。
然后你的日日历 ， 你的会议 ， 你的聊天记录 ， 你的包括你修改 Word 文档 。
对对 。
所有内容 。
然后就把时间记好了 。
他也知道你是在给什么客户做什么项目 ， 然后他官网上面有一个案例嘛 。
对 。
啊是挺厉害的 ，但我觉得这个律师也是 ， 就是越贵的律师可能越 care， 你看他这个干个几分钟的事情都要记下来 。
是啊 。
几分钟也意味着不小的一笔收入呢 。
而且这种钱最后其实也还有 ， 至少在中国也还是有一定人情的成分的 ， 到最后还是要 。
要做一些处理 。
哈哈哈 。
不能完全按照这个来做 ， 要不然真的很难弄 。
嗯 。
Point One 这个公司的名字 。
嗯插入点切入点很有意思 。
很有意思好再下一个 。
我要分享给我的几位律师朋友们 。
哈哈哈 。
让他们试试 。
第 179 个这个公司的名字叫 Poseo，但他们做的产品呢叫做 Tigo。 呃这个是一个用 AI 去加强 Jira，Jira 就是一个这个就是简单来说是管 bug 的一个一个 ticket system。
嗯哼 。
啊就是做软件开发 ， 它其实有很多年的历史 。 我刚做产品经理的时候 ， 就用 Jira 来记 bug， 管 bug， 然后把 bug 分配给人， 然后跟踪排优先级等等等等吧 。
然后这个是用 AI 去加强它 ， 然后帮工程师确认任务到底哪个更优先啊 ， 然后再进一步 ， 它说不定还能帮你改 bug 啊 ， 这个我不确定它会不会做 。
啊 。
但这个产品的问题是什么 ？ 就是就是 Jira 可能自己也会干 。
对对对那肯定的呀 。
Jira 加 AI 那对 anyway 好我们看 180 吧 ， 叫 Powder， 这是一个金融 AI， 这个是给那个 。
财富顾问 。
财富顾问的嗯就财富顾问的一个 co-pilot。
对 。
你在面对你的客户的时候 ，他去理解你的客户是谁 ， 客户给你发过什么材料 ， 然后为你生成一套类似沟通方案的话术 。
嗯 。
啊然后帮助你更好的服务这个客户 。
对也算是细分行业的 。
细分行业的嗯 ， 那这个行业因为财富顾问服务的也都是大单子嘛 ， 所以他也收得起价格 。 我看他收的费用是每个人每个月 500 刀 。
我的天呐 。
所以我拿到一个客户一个月就 3,500 人民币了 。
但确实你会发现他给出的结果 ， 就交付的东西确实还是看的挺像模像样的 。
是的是的 ，而且这个结果我展示给我的客户看 ， 客户都能增强对我的信任 。 嗯就知道你不是一个草台班子 。
对 。
第 181 个 。
嗯 。
Preloop。
Preloop。
Preloop 又是一个 AI 基础设施 ， 它没有上线 ， 看上去是帮你部署大模型吧 。
是的 。
嗯就是让部署变得更简单更轻松 。 嗯我们直接看下一个 。
好 。
第 182 个叫 Prezel。 嗯它要替代的是一个叫做 Jupiter 笔记本的一个软件啊 ， 一个应用 。 这个 Jupiter 笔记本不熟悉它的人呢 ， 可能就是真的不熟悉 。
那这是啥呢 ？ 它是给数据科学家和分析师用的一个软件 。
嗯看起来是笔记软件 。
是一个专业的笔记软件吧 。 嗯嗯对 ， 它也是就是在原来的细分领域里面有一个龙头 ， 应该活的也不错 ， 收入也不错 ， 然后现在我用 AI 去加持一下 。
改造一下 。
看能不能够颠覆它 。 嗯好第 183 个叫做 Protrace，也是工业 AI。 呃这是做的事还挺多的 ， 一个是帮助这个硬件制造公司集中管理他们所有的文件 ， 比如你的 CAD 文件 ， 比如 BOM。BOM 是什么呢 ？
我又长了个知识啊 ， 它是 Bureau of Materials 的缩写 ， 中文意思是物料清单 。
哦 。
嗯然后这是一方面啊 ， 就帮你管文件 ， 这些都是非结构化的东西嘛 。
对 。
然后第二个呢 ，是帮你这个采购 ， 就是跟踪供应商 ， 评价供应商 ， 然后如果供应商付了费没有交货 ， 然后 AI 去帮你催 。
推荐 。
对 。
呃这个也是非常针对一个就是工业制造的公司 ， 对他们做全方位的 AI 智能 。
就相当于就是一个地方把你所有的流程中的文件呃流程对吧 ， 然后包括上下游关系全部 ， 包括采购库存一起来弄 。
对对对 。
大概就是这样一个 。
我理解他这个有可能可以就是卖大客户 ， 然后大客户应该单独为他付费就可以撑得起来了 ， 然后在过程中再慢慢的 SaaS 化 。
而且他相当于只针对是做硬件的团队 。
对只针对做硬件的 。 嗯 。
CAD BOM 文件 。
对 。
工程编程零件采购 。
因为他这里面也有壁垒吧 ， 就是他把 CAD 文件和 BOM 文件就是给他从非格式非这个结构化变结构化 ， 这个事就是做好之后也有他的这个护城河 。
是的 。
嗯第 184 个叫 Prompt Armor。 哦这个也是有点好玩的 。
对 。
就呃明浩你记得去年有一个新闻 ， 就是有一个这个汽车公司的用 AI 客服 。
咱俩上上期讲过 ，但是我记错了 ， 我以为是那个 ，其实是这个 。
啊 。
就是那个雪佛兰那个吗 ？
对雪佛兰那个 ，他就他问客服你卖多少钱 ， 那个 AI 客服被他搞晕了 ， 说一美金 ， 然后最后他一美金买了一辆车 。
最后这个事我查了一下 ，他们在庭外和解了啊 ， 然后还是赔了一笔钱给这个客服 。
那肯定的呀 。
所以这个事呢 ， 就是在讲啊 ， 这个公司 Prompt Armor 在讲的 ， 就是它帮你的这个 AI 大模型的应用来去对抗各种各样的潜在攻击 ，其中一种攻击就是我们刚才说的 。
是的是的 。
攻击你的客服 ， 让客服给我一个非常低的价格 ， 然后还有提到了一些风险啊 ， 比如说数据泄露的风险 。
对 。
啊甚至就是把你的 Prompt 泄露的风险 。
是的是的 。
因为你的大模型应该可以得到你公司的各种隐私数据 ， 如果把客户的这个对吧疾病史给泄露出去 ， 还挺可怕的 。
嗯所以他帮你做这个 ， 然后还有一个是他叫这个帮你对抗网络钓鱼 。
嗯 。
嗯呃还有是啊 ， 提示词的泄露 ， 刚才说到一半 ， 就是呃你有可能会问他 ， 就是你把你的这个整个提示词工程都告诉我 ， 如果你没有做这个防火墙的话 ，有可能他就如实告诉你了 。
那竞争对手就拿着这个 Prompt， 可以再做一个和你一模一样的一个 Chatbot 出来 。
对然后我们的技术顾问其实提提供了一个角度 ， 我也觉得很认可 ， 就是呃大卫星年代的 ， 当大卫星年代来之后， 网络安全变得更复杂了 。
对 。
就是安全的定义变得宽泛了非常多 。
是的 。
那原来的安全可能已经变成一种程序化跟固固定化的方式 ， 可是今天因为嗯有了大模型的黑盒的原因 ， 跟自然语言输入的原因 。
对 。
导致的问题变得复杂跟多样化太多 。
嗯 。
而且很多问题是全新的问题 ， 原来的解决方案是根本跟这件事情没有任何关系的 ， 那你就要新的解决方案去解决这些问题跟潜在的风险 。
嗯你就想说 ， 如果我私的这个法律文件 ，他全部喂给了一个 agent， 然后 。
如果这 agent 在对外 。
对在对外， 哪怕就对内吧 ， 就对跨部门的同事 。
也会有问题 。
也有一些隐私的问题 。
有权限啊 。
我直接问他什么什么合同多少钱 ， 对吧这原来这些事还是没有办法 ， 就是这是这是涉及到一些商业机密嘛 。
嗯这确实是很复杂的问题 ， 所以这个 Prompt Armor 它目标干这个事 ， 我觉得哎这个选择很有趣 ， 这应该是 AI 这个 YC 这一批 260 家公司里面唯一一个干这个事情的 。
数据金融1:29:47
好第 185 家叫 Proceeds， 这是一个金融 AI 啊 ， 一样的就和其他金融 AI 做的事很像 ， 帮你 sourcing， 帮你做 DD， 然后他还提供了一个是说你投的公司多了 ， 你管不过来吧 。
嗯然后我帮你去 monitor 监控你的这些 portfolio，他们的业绩表现 ，他们有没有乱来 。
对其实呃国内有些公司是做也也做类似的事情的 ， 然后最开始是做你可以认为是基金内部的管理软件 ， 或者基金内部的 recall。
嗯 。
然后呃你投了那么多公司 ， 这些公司的每个季度的财务报表增长 ， 然后你所有这些数据要变成数据面板 。
对你要给 LP 写报告 。
你要写报告用 ， 然后你给财务用 ， 然后呃每一个你的团队的人员见到的项目 ， 潜在的项目 ， 哪怕是没有投的项目 ， 然后这项目的情况 ， 会议的纪要 。
嗯 。
然后会议的类项目的类别 ，因为你还可以看 ， 比如看趋势对吧 ， 就是这套东西其实国内也有公司在做 。
嗯 。
然后也有几家其实做了蛮多年的了 。
嗯 。
就当然他是个对内的 ，但你会发现他慢慢过程中也需要对外了 。 就是比如说我我我去聊一个公司的时候 ， 我记得我离开的时候我们用那个系统 ， 比如说我输入一个公司的名字 ， 它可以自动连接到这公司的工商的信息 。
哦 。
人员注册地 。
就不用再天天查再查一遍 。
然后乱七八糟 ， 然后再往外外延 ， 比如说他甚至可以呃其实也有一些第三服务商在做的是呃帮你是不是能够潜在约到这个我们不认识的公司的创始人， 如果有联系方式的话 ， 然后再延续 ， 比如说他竞争对手可能会是谁 。
就是原来 。
哦所以他其实在中间还能就这个提供服务的软件的这个公司 ， 还能帮你去约创始人。
那他他他尝试做这件事 。
增值服务 。
对 。
嗯 。
因为它本质上是一个内部管理系统 。
是 。
但是内部管理系统是收不了太多钱的 。
OK。
它需要往外延 ， 往外走 。 因为就这个项目呢 ， 就是我们看到这个 Process 的项目的创始人其实原来也是做那个 VC 的 。
嗯 。
然后我估计就是他们是基于这个逻辑开始做的 。 你看他们要做的事情包括沟通文档云端的 ， 然后 portfolio 的管理 ，CRM 对吧 ， 然后数据库 ， 所有这些事情其实更多还是对内的嘛 ， 然后现在又开始加了对外的东西 。
嗯这个是有明确的付费意愿 。
这是 。
嗯尤其哎他这个数据面板做的很好 。
对数据统计嘛 ， 投入多少公司 ， 增长情况怎么样 。
对我感觉这个就是因为就是给 LP 写报告 ，其实可能是 GP 最 care 的事情之一吧 。
是啊 。
这个对吧 ， 写一个漂亮的专业的 。 嗯就是他如果能够帮你把这个事干漂亮了 ， 这个事情是 。
他甚至还说如果公司在大肆的招聘 ，也发你像发你发你发送警报 ， 再监控 。
哦就你模拟 ， 就是你投资的公司 ，他大量的在招聘 ， 这也是告诉你你要注意一下 。
对 。
哇塞 。
现在做做投资人也很难 ， 我告诉你现在太累了 。
哈哈哈 。
要管的事太多了 。
哈哈哈 。 哎呀第 186 个 ， 这个叫做 Pythagora， 我的天这个名字是一个什么单词啊 。 它是一个 GPT 的一个 pilot， 嗯也是来用自然语言编程的哈 ， 又是我们刚才提到的这个 natural language to code。
对 。
这个品类 。 嗯嗯
自然语言编程 GitHub 上面有 22,000 个 star 了 ，也是一个规模不小的一个开源工具耶 。
应该是做了有一段时间 ，并且可能也应该有一些示例的做出来的东西 ， 跟代码看上去效果还不错 。
嗯 。
所以要不然不会这么多星 。
对然后我们的技术顾问有提到 ， 嗯他在遇到问题的时候 ， 嗯就是会征求用户的想法 。
嗯 。
就是他拿不准的时候 ，他会给你选择 ， 然后让用户来定 ，而不是一个直接端到端给你全部生成完的一个一个这个代码 AI。
好我们再看第 187 个叫 Quantic。
187。
嗯 Quantic 呢是给销售团队用的 AI， 呃是之前 Salesforce 的授权工程师做的 。
是的 。
这个是不是没上线呀 ？ 所以我们看到的东西不多 。
对因为官网什么都没有 。
对在讲的也和别的这个 sales AI 一样 ， 销售 AI 一样 ， 就是找潜在客户 ， 然后你和他们去在正确的 timing 以正确的信息来联系他 。
都是一些太过宽泛的描述 。
对能想到吧 ， 嗯确实也是有价值的 ， 只是就是看能不能够找到落地场景 。
是的 。
能不能够实现的足够的理想 。 第 188 个叫 Quarry。
Quarry。
Quarry 是一个做 AI infra 的 ，他是号称自己做一个开源的给工程师用的 BI 系统 。
嗯 。
然后帮你把自然语言转化成 circle， 对不对 ？ 他好像提到这一点 。
就是开源的 BI for engineers，他的一句话介绍 。
嗯 。
后面这些公司里面做 BI 的好多家呀 。
嗯因为我们到 Q 开头 。
哈哈哈 。
我发现我们虽然按字母排序 ，但还是这个大家起名字有有迹可循 。
是的是的 。
马上大家会看到 Q 开头的一系列 BI 公司 。
是的是的是的 。
因为那个 query 嘛 ， 就是查询那个那个单词 。
是的 。
所以是这个原因 。 好好我们再看第 189 个叫 Quill AI。 呃这个是一个金融 AI， 嗯它是帮你选股票 ， 然后帮你去读 SEC 的文件 ， 然后读财报 ， 读电话会议 ， 然后读 ， 然后帮你生成这个投资的 memo。
对 。
啊我们俩好像评价都一般对这个哈 ，因为觉得就是为什么不直接用 ChatGPT 呢 ， 就没看到它 。
有太深的 。
特别之处 。
它就是读 SEC 的文件 ， 然后直接跟 SEC 的文件对话 。 就是本着来讲 Bing 理论说也能实现嘛 ， 对吧我直接 ， 或者是 Edge 浏览器 ， 或者 Chrome 加了插件的 Chrome 浏览器 ， 我直接连到 SEC 网站 。
对 。
文档打开 ， 我也可以跟它对话嘛 。
嗯没错 ， 所以有点薄啊 。
现阶段看上去可能 。
现阶段有点薄 ， 对但这个不好讲 。 嗯就是我们可以再关注一下它之后会做啥 ， 让它不要有野心的是别的做 AI 的金融的 AI 啊 ， 别的做金融 AI 的公司 ， 没有哪个说帮你这个选股票的 ， 它直接说帮你选股票 ， 这个是最牛逼的一点 。
嗯好我们看再下面一个 ， 这个叫 Quiver， 它的这个 GitHub 上面数据巨好 ，有 42,000 个星啊 ，不是 32,000 个星啊 。 呃它是做这个针对公司的 RAG， 嗯就是帮公司把这个就做公司的这个知识库吧 ， 然后用 AI 再去和知识库对话 。
对做这个事的人也很多 ，他们应该做的 。
做搜索其实也算 。
对他们做的非常早 ， 我搜了一下他们去年一季度就其实很早 ， 就比别人都抢跑 ， 所以做了一年多了啊 ， 然后应该也是做的很全 ， 体验也不错 。
对 。
就是它是多模态的文本图像视频代码 PPT Excel， 就啥你都可以丢 ， 丢到云端丢给它 。 它又是开源的 。
这里就是这个需求 ，其实在 ChatGPT 哦呦 ，ChatGPT 一出来其实就有了 。
是他们应该就是一出来 。
对然后就把它做了 ， 然后可能得到了不错的用户反馈 ， 然后这个事情就积累起来 。
对对对因为这个里面还是有这种马太效应 ， 就当你这个 GitHub 冲上去了 ， 然后在程序员的圈子里面你冲上去了 ， 然后你肯定就会得到更多的这个贡献者吧 ，因为本来又是开源嘛 ， 你就可以支持更多的数据格式 ， 支持更多的这种三方的连接 ， 然后它支持的模型也特别多 ， 就开源的闭源的都支持 ， 这其实还是一个典型的开源项目 。
是的 。
然后你一开始滚雪球滚起来了 ， 你就会优势越来越明显 。
是的 。
然后你可以一键部署 ， 部署到 Vercel， 部署到 AWS， 就各种云平台 。 嗯挺好的 ， 我觉得就是如果我今天有需求 ， 我可能也会首选它啊 。
因为已经被某种程度上验证过了嘛 。
被验证并且有社群可以帮我解决各种奇奇怪怪的小问题 。
对开源聊天驱动的第二大脑 。
对嗯你你有没有发现 ，其实今天很多开源的这个项目也在融资 。
对 。
就是开源变成了一种竞争方式 。 嗯就挺有趣的 ， 最近那个硅谷 101 还是商业早知道 ，他们还聊了一期 ， 就是呃为什么开源也变成一个商业方式 ，他们到底怎么赚钱的 。
嗯好我们再看第 191 个公司叫做 Radmate。Radmate 这个是 。
给放射科医生的读读那个放射科的报告的 ，也是个读报告的 。
也是读报告 ，AI 读报告 。 刚才那个是读心电图 。
脑电图 。
脑电图这个是读呃 X 光片吗 ？
对 。
嗯哎这里有讲到这个放射科医生用的软件 ， 十多年来一直没变过 。
是的 。
可能过去好像也没有什么理由变 ，因为技术没变 。
不需要变还没什么变 。
嗯现在是厉害了 ，而且它不但能读 ， 还能帮你生成报告 。
嗯还能审 。
嗯写完可以签 。 对它这里给了一个数据 ， 我觉我不知道是不是有点耸人听闻哈 ， 它说 20% 以上的报告 ， 放射科的报告都有一些错误 。
哈哈哈那我自己确实最近也有遇到 ， 就是我因为新冠之后有一个肺结节 ， 然后我们半年要去扫一次 ， 然后最近半年去扫了之后 ，在那个呃家会那个大夫看完之后就说你这个要立即动手术 。
嗯然后你就换了一个 。
我就就是觉得要一个交叉意见嘛 ， 我去飞科医院 ， 上了飞科医院看 ， 看完之后那个大夫说呃我不可能给你动手术 ， 就是真的是不同的诊疗意见 。
是啊 。
但我再回头去看 ， 就是我自己仔细看我那个报告 ，其实我和半年前那个结节并没有变化 ，但我不知道那个医生为什么说你的这个结节在增长 ， 我觉得他就是看出幻觉来了 。他说你长得还有点快 ， 所以你必须要动手术 ，但事实上我看那个报告上有很小的字写着它几厘米几毫米嘛 。
所以 anyway 我觉得人类的医生还是有时候会疲倦 ， 或者太累了 。 对也可能有一些别的原因啊 ， 我也不知道 ，但是这是一个主流的创业方向 ， 用 AI 来读脑电图 ， 能用 AI 来读 X 光片 。
我们看下一个 ， 第 192 个是叫做 Ragas。
Ragas。
啊这个在 GitHub 上面标签也不少啊 ，也是一个开源的啊 ，4,800 个 。 它是做什么呢 ？ 它是做这个评估一个大语言模型的开源的一个标准 。
它做的是一个标准 。
对 。
嗯因为今天其实跑出来说这个要评估大语言模型的标准的这个设定 。
光标准就很多了 。
标准就很多 ， 现在哈哈哈 。
是吧 。
因为这也是一个赚钱的生意啊 。
那搒单永远都是赚钱的生意 。
对做搒单啊 ， 然后现在这个就是说你们这些这个都是都是想赚钱的 ， 我来做个开源的吧 。 它这个也能融到资 ， 我觉得也是挺神奇的 。
是上面我记得好像还有一个也是做那个类似的 。
嗯 。
也融到钱了 。 可以 。
嗯一个裁判员 。 好第 193 个叫 Raz。
Raz。
CRM 又是和其他的这个做 AI 销售的 ，他们的功能描述或者目标愿景是一模一样的 。
是的 。
嗯那我们就过吧 。
过吧 。
都一样 ， 这个确实是需要在应用当中才能知道到底好不好 。
是的 。
而今天他们都太早期了 ， 我们甚至都看不太到他们的这个代表的客户是谁 。
对对对对是的 。
好我们再看第 194 个 Reduct。 嗯是一个做 BI 的吧 ， 呃也是从非结构性的复杂文档当中提取数据 ， 然后再用 RAG 放到大模型里面 ， 然后再做一些流程自动化 。
对它给的示例是一个 ， 它把一个文档变成了一个几个区块的划分 ， 然后每个区块在这个内容再做下文的整理 ， 变成一个相对结构化的东西喂给大模型 ， 大概是这样一个 。
嗯 。
一个工作吧 。 高质啊 ， 大模大语言模型的高质量数取数据摄取 。
嗯 。
解析复杂的文档并优化内容 。
嗯其实还是第一 ， 就是做这个大模型的第一步 。
对 。
就是把企业里面或者把个人的各种复杂的内容给你整理好 ， 结构化丢给大模型 。
是的 。
第 195 个 Weform， 这是针对物流行业的 AI。 针对物流行业的 AI 真的是太多了 。
是的 ，因为太过传统了 。
太传统太繁琐 。 它这里提到了 ， 比如说货运的这个项目的启动 ， 清关的备案和仓库之间订单的对接 。
嗯 。
包括发票的核对等等 ， 这每一件事情听起来都是很繁琐的体力活 。
是的 。
啊干这个事情 。 我们看第 196 个叫 Rimi Security， 一个做安全的 。 嗯这个做安全的是什么呢 ？ 是帮软件工程在这个启动之前 ， 大家都知道会有一个标准的一个流程吧 ， 就是做这个项目的安全审计 ， 就叫项目评审 。
它是在这个阶段来接入 AI 帮项目做安全评审 。
对安全评估 。
对要避免的也是开发到一半或者开发完了发现有些安全漏洞 ， 这个时候你可能会直接因为这有些安全漏洞是由那个架构带来的 ， 如果在事后再发现要去改架构 ， 那这个推翻重来的代价是巨大的 。
所以他要干的是这个事情 。
然后这个团队原来就是微软内部在做这件事情的一个团队 。
哦背景也很好 。
对很相关 。 因为漏洞的跟踪跟安全审查 ， 就是微软已经做了这么多年， 真的是太太过成熟跟太有体感的感受了 。
是今天用 AI 再来加持一下 。
对 。
啊第 197 个叫 Reprompt。 啊这个听名字就是和这个 prompt 有关 。 它要做的是什么呢 ？ 就是帮你那个其实是你开发完了 AI 应用之后， 它帮你去分析这个大语言模型吐出来的结果准不准 ，有没有幻觉 。
呃他们的产品设计的应该比较完整啊 ， 然后 API 直接接到你的那个模型里面 。
对 。
然后它就帮你实时的去跟踪这些结果 。
嗯而且如果某一个地方出了问题 ， 它会把所有出问题的地方再用 AI 去给你归个类 ， 总结分析一下 。其实还是是一个就是软件研发领域的 AI 吧 ， 就是你开开发好了一个 AI 应用之后， 再去用它来帮你调 ， 帮你优化 。
然后我觉得这个太多了 ， 感觉今天做 AI 应用的 100 个 ，但是帮你把 AI 应用做的更好的也有 100 个 。
哈哈哈 。
都是卖水的 。
对都是卖水的 。
没有人不好听 。
哈哈哈 。
第 198 Respite 金融 AI。
做催收的 。
催收的了不起 。
是那个吧 。
是 。
嗯对吧是那个我记得是那个的 。
对方林从 50 美元到 97,000 美元的这个欠款帮你催收回来 ，而且他有提到的是他在用技术来去就是 。
对 。
有尊严的催收 。
催收 。
啊就不知道这个是具体体现在哪里了 。
他会告诉你怎么说一些话术 。
啊他不是帮你催吗 ？ 他不是帮你打电话 ？
呃也有 ，但是也有会帮你 ， 就是告诉你用什么话术跟 。
OK。
用什么 。
怎么催的回来 。
对这个挺需要的 。
哈哈哈朋友借了钱都不知道怎么催 ， 还别说是在这种商业关系里面 ，因为这中间合作应该还在继续进行嘛 。
是啊 。
就是你怎么催才能不影响到现在的合作 ， 又能够把钱拿到 。 有趣有趣选择这么一个领域 ，而且和钱走的很近 。
对有想法 。
走的近就能够赚到钱 。
有想法 。
第 199 个 Retail Ready， 这是给电商做的 。 嗯然后其实给电商物流做的 。
物流做的对 。
对还是给物流做的 ， 就是客数特别多应该怎么办 ， 然后用 AI 来去这个总结客数 ， 分优先级 ，并且他这里哦有提到一个很有趣的 ， 就是现在很多零售商 ，他为了在运输自己的各种产品的时候 ， 保证这个运输到位 ，他有 100 多页的手册来确保这个怎么运那个怎么运 。
嗯然后这里面就大量的这个人的 work 现在用 AI 去做 。 我们看看第 200 个 。
好 。
叫 Retail AI。 呃这个是一个也是帮开发人员的 。 嗯然后帮你实现类似 ，其实就是帮你做一个 AI 客服吧 ， 这样你开发好了自己的软件之后， 你可以直接加一个客服进去 。
对 。
嗯然后他的 demo 呢是一个呃很很有趣啊 ， 这个他展示的还挺直接的 。
对 。
这个就是讲说呃我开发完了软件 ， 如果这个时候有人打电话问我这个软件怎么用 ， 或者问我的服务到底能提供什么样的价值 ，他在演示的就是接电话的这个过程 ，而他一边接电话 ， 一边有把他的这个脚本 ， 就是就是给这个接线员的 prompt 脚本过程有给展示出来 。
OK。
嗯就比如说你接到电话 ， 第一步你应该问候 ， 然后第二步你应该拿到他的需求 。
对 confirm 他的需求 。
对第三步是他就比如说他这个示例是说要来这个重新约一个会议时间 。 嗯就是他有一个 prompt 编排这个步骤 ， 然后同时他的这个 demo 就在展示我在接电话的过程中哪句话对应着我编排的步骤中的哪一步 ， 挺一目了然的 。
让你感觉真的他在工作 。
对是个华人的自美国自己的团队 。
哦 。 TikTok 的 。
华人团队非常非常多 。
对 TikTok 团队 。
好第 201 个叫做 Wavamp。 嗯他是一个做电商的一个 AI， 然后他要做的是个性化的召回 ， 就是流失的客户我怎么用针对性的电子邮件 ， 或者去专门给他做一些这个特殊的优惠券推送 ， 把他召回回来 。
这个也是切了一个好垂直的领域 。
因为创始人原来就是做那个 D2C 创业的 。
啊他就是做品牌的 。
对 。
做电商品牌 。
而且是 D2C 类的 ， 就特别需要这种偏影像像跟偏提升转化率的东西 。
嗯嗯这个事其实堂导都有付费 ，但付费的是一个前 AI 时代的东西 。 它是在淘宝里面做嘛 ， 天猫里面做 ， 就是帮你识别你的这个呃流失的客户 ， 或者没有复购的客户 ， 然后去发消息 。
我之前在付这个费之前啊 ， 这个一年还好几万呢 ， 一开始我就 。
他他不应该根据那什么来付吗 ？
他是付年费非常 。
他不跟交易额转化率相关 。
他没有和交易额挂钩 。 哦我一开始以为这个是天猫自己会带的功能 ， 你听听这个不是应该天猫自己做吗 ？
到后来我发现不是 ，但这个公司他说是阿里投的他们 。
那正常 。
啊是天猫交给生态去做 ， 然后多收一道品牌的钱的感觉 。
好再 202 个是 WeWorked AI 做 agent 开发的 。 嗯他这个在讲的是有点像爬虫 。
对 。
嗯他是一个非常针对爬虫的 agent， 就帮你去抓 web 数据 。
是的是的是的 。
可以提高 100 倍的效率 。
然后 GitHub 上新的也很多 。
嗯
就是这一堆 GitHub 上新多的公司 ， 都符合刚才我们讲的逻辑 ， 就是其实他的需求并不难理解 ， 做的早 。
3 万颗新的 。
然后持续的迭代 ， 持续的满足这个听起来非常简单的诉求 ，并且达到一定的呃比如 70 分 ， 那可能这件事情就就立住了 。
对 。
他就持续的就在这了 。
是的 。
第 203 个叫 Risotto。 啊这个名字很有趣 ， 这是我喜欢吃的一个意大利的一种饭 ， 叫 Risotto 汤泡饭 。他干嘛的呀 ？ 他是做 IT 运维的 。
呃这个真的就是任何原来存在 SaaS 的场景 ， 用 AI 再来一遍 。
对 。
他是用 AI 来去做 IT 支持 。
对 。
嗯应该是像客服一样 。
就是那个对话框 ， 然后你问你需要 ， 你比如说需要一个数据库的什么东西 。
嗯 。
然后你需要找谁 ， 或者打哪个电话 ， 或者是拿哪个代码去哪个仓库什么之类的 。
嗯这个在原来 。
因为 IT 你想在企业内部的 IT 每天的工作基本都是 。
对话 。
重复性的 。
是的 。 嗯我要换电脑 ， 什么流程几年对吧 ？ 我需要更新什么路由器怎么样 ， 就是都是这些事情 。
然后现在的处理方案 ， 就是比如我们公司内部用飞书 ， 我们有叫 IT 服务台的嘛 。
哦 。
它其实是搭出来的 ， 就是我们的 IT 搭出来的 。
嗯 。
根据常见的需求 。
嗯 。
分门别类的列好 ， 然后你点点点点点 ， 然后最后可能链接到某个表格里 。 比如前两天我换电脑的 ， 那先先点是软硬件需求 ， 更换需求 。
嗯 。
更换需求里面有笔记本 ， 然后笔记本然后链接 ， 就最后链接到一个表格里 ， 表格里列的清清楚楚是说什么职级 ， 什么岗位 ， 能对应什么配置的电脑 ， 多长时间能换 ， 然后结束了 。
然后你如果要做这件事情 ， 后面给你链接是这个流程的链接 。
嗯 。
你发起流程就好了 。 那原来是就是就是你可以就是程序化的部署实现 ， 那现在可以用 AI 对话的方式实现嘛 。
嗯听起来很 make sense。
对 。
嗯是确确实实解决问题 。 好我们第 204 个叫 Romi。 啊这又是一个做信用卡的 AI 的 。
对 。
嗯也是 。
这帮朋友三个是做那个信用卡相关的这个 。
嗯哼哼 。
这个里面是说你把你所有的信用卡和你有的一个积分的这个情况告诉他 ， 呃包括不同航空公司你现在积到什么程度了 。
对 。
然后你接下来要再飞下一班的时候 ， 你就去搜 。
你你让他帮你决定 。
对 。
我飞哪个地方可以最有价值 。
可以用哪个银行的里程跟什么来 。
对 。
简单 。
对就是让积分最大化 。
对 。
同时因为其实不同的这个积分 ， 它在不同的时间 ， 它有不同的那个兑换政策嘛 ， 所以我今天换和一年或者一个月换也不一样 。
太复杂了 。
非常复杂这确实是 ，但它又都是规则 ， 所以它理论上又都是可以很好的 。
对对对 。
可以连接起来的 。
第 205 个 round table。
Round table。
做 BI 的 。 这是呃因为 round table 它本来是这个用户调研的一种方式 ， 叫圆桌会议吧 。
嗯 。
就是请小组会议一样 。
对 。
请几位这个客户一块来聊一个话题 ， 就是这样比一对一的访谈 ， 它往往能够激发出更多的观点的碰撞 。
对 。
然后大家可能也更放松一点 ， 所以这其实是很主流的一种科班会教的一个调研方式 。 所以他这个做的事呢 ， 就是帮你就是拿到调研的数据之后， 首先 。
查哪些是没有意义的 。
对对 。
你看你看他他的示例就是他直接能说出来这些话是 GPT 写的 。
是的是的 。
他其实 。
哪些话是真人说的 。
他做的是因为我刚才说圆桌会议 ，是因为他名字是圆桌会议嘛 ，是小组会议 ，但他其实针对的场景是我在网上发了一个问卷 ， 比如收集回来几万份 ， 然后这几万份里面 ，因为我们发问卷往往还是会有一个激励 。
对他就会拿激励瞎写嘛 。
对就会有很多人瞎写 ， 然后他就是帮你用 AI 去判断哪些是瞎写的 。
然后把剩下留下来嘛 。
对把有价值的留下来 。在原来就是没有 AI 之前 ， 就是比如教科书上会说你要设置那种验证性问题 ， 比如说第一个问题和第 38 个问题是一样的问题 ， 换了一个问法问 ， 然后答案的排序不一样 。
如果这两个问题同一个人的答案不同 ， 那这个问卷就作废 ，因为说明他是瞎填的 。
就是你原来是用逻辑跟架构来去解决这件事情 ， 那今天有了大语言模型之后， 你可以交给 AI 来去判定了 。
对 。
嗯 。 好第 206 个叫 SciFi。SciFi 也是开源的 ，也是做 AI infra 的 。他要解决的问题同样是做这个 RAG。 哼哼大家都做的好像 。
是的 。
啊这个我们看一看他的 GitHub 上面有多少个星啊 。 但是说到 GitHub 上面的星啊 ， 现在好像变成了某种评判标准 ， 可大家知道这个也可以刷的 。
1.2 肯定不是很高 。
它不高嗯被上面那个碾压 1,200 个 。 好我们看下一个 。Screech Screech 是一个医药 AI。 啊它是针对兽医的 。
兽医的啊我记得这个 。
针对兽医的 SaaS。 然后我看到这个我就很好奇 ， 我靠兽医的 SaaS 到底是一个怎么样的市场规模 。 我搜了一下， 整个市场规模倒是没搜到 ， 可是我搜到了在这个美国现在有 21 家活着的做兽医 SaaS 的公司 。
就是只做兽医的医院的管理系统的公司 。
对有 21 家不错吧 。 嗯但你仔细想想 ， 兽医医院不少的呀 ， 就宠物医院嘛 。
是啊 。
在中国都不少 。
是啊 。
这是一个有一定规模的一个领域 ，而且它确实能用的这个 SaaS 系统和其他又不通用 。
对 。
它有很多它自己的 。
特殊的 。
特殊需求 ， 甚至那个宠物保险都和别的保险不一样 。
对 。 因为所以你看他的这个 ，他切的就不像那些亲牙医的只做预约审那个日程安排 ，他也做后面的工作流 ， 护理库存 ， 还有保险索赔 。
对 。
全全都做 。
全都做 。
嗯可以 。
可以的可以的 ， 增量市场嘛 。
对 。
早在生育率下降的年代 。
哈哈哈 。
第 208 个 Sensow。Sensow 也是 CRM。 呃这个是
帮你做 AI 客服 ， 帮你去做会员关系的维护 。 嗯 。
还是那些东西 。
对这里面竞争很激烈 ，但也还是相信百花齐放 ，因为大家拿到不同的客户 ， 呃只要你提供的有价值吧 ， 对吧 ？
因为这个里面它服务也挺重的 ， 所以到最后它也不是一个就一家独大的市场 。
哦它是针对信用社行业的 。
信用社行业 。
嗯 。
因为这个创始人原来就是这行业出来的 。
哦所以它还是有它的垂直领域 。
对对对对对 。
嗯有想做 AI 的 SaaS 都有 20， 呃做那个兽医的 SaaS 都 21 家呢 。
对 。
这这个做通用的 CRM 应该市场能容下蛮多的 。
209。
嗯这个叫 Cero。
Cero。
Cero AI 是一个做安全的 。 嗯
然后创始人过去在 Facebook 也在那个 Roblox 做的就是儿童 ， 针对儿童的这个安全和仇恨言论的安全 ， 所以他们这个也应该是 to be 的啊 ， 就帮公司解决类似的安全挑战 。
对 。
嗯这个是不是还没上线 ？
对没上线 ， 官网还没有 。
嗯所以我们能看到的比较有限 。
这就是团队的背景了 。
对 。
因为他们原来这两个 team，Facebook 和 Roblox 的未成年人的内容审核 ， 确实都是比较麻烦的 。
比较麻烦 。 嗯还不只是做这个啊 ，他因为整个安全其实比较泛的 。
是 。
除了刚才我们提到的针对未未成年人的这个审核之外， 还包括就是呃他可以处理用户的投诉 ， 然后还包括这个滥用报告的情况 。
嗯这个我也搜了一下是什么意思啊 ， 滥用报告指的是呃比如最简单理解就是在平台上发 spam， 就发垃圾垃圾广告 。
嗯或者恶意举报 。
对 。
哎或者你在平台上面去发色情内容 ， 或者去做侵权的一些行为 。
嗯 。
甚至是做网络的霸凌 。
嗯哼 。
就是 PUA 吧 。
嗯哼哼 。
这个真的很宽泛 。 嗯然后我们看第 210 个 ， 这个叫 Sera。
Sera。
一个 BI。
是 BI 吗 ？
嗯呃也是 BI。
是 BI。
它做的是什么呢 ？ 就是呃如果我们公司规模比较小 ， 那我的 BI 系统肯定也做的就是比较 。
不是那么那个 。
简单 。
对 。
那用 Sera 呢 ， 可以帮我非常快的构建一个漂亮的 BI 的系统出来 。
是的是的 。
这个漂亮指的是仪表盘 。
对因为它就第一它无代码 ，不需要代码 ， 然后交互方式是那个拖拽 。
嗯 。
然后打标签 ， 定义参数 。
对 。
然后把这个你你需要看到的这个看上去比较好的这个这个展现做出来 。
对像飞书多维表格干的也是类似的事 。
是的 。
对 。 先是像 HR， 这 HRD 就是也是很爱用飞书多维表格 ， 就我看他用的也挺溜的 ， 就是做了很多漂亮的 。
展示的样子 。
对就是结合业务来做 。 嗯我我记得这个公司他好像不只是做工具 ，他好像也是做服务 ， 就是因为不是所有人都能够学会怎么用多维表格 ， 或者用它来搭嘛 ， 所以他其实就是也是 to be 的 。
我查一下 YC 的介绍 。
Sera 它这个名字好像还是这个 macOS 的其中一个版本 。
OK。
对吧这是加州的一个一个风景区吧 。 嗯起的这个名字 。
是开源的 。
是的 。
然后也在讲 CIRCLE 脚本非常复杂 。
我们可以简化 。
对我们可以简化 。
嗯还可以 。 嗯
生活科技2:00:16
下一个吧 。
下一个 Seven AI。 这个是呃
就是帮你做社交媒体要发的图 。
对 。
比如说你今天要发这个 Twitter 要配一张图 ， 要把一个金句做成一个海报 。
对啊我还做了一个 。
啊 。
但是它对中文的理解不是特别理想 ， 所以不是特别合适 。
OK 那这个在国内那可是 。
太多了 。
太多了现在美图秀秀做了一个我自己也在用的 ， 叫开拍 。 啊它是一个独立的 APP， 然后是帮你专门做小红书封面 ， 就你看那些小红书封面就是那个爆款感浓浓 。
哈哈哈什么样文字大小颜色那个状态 ， 包括正摆在哪对吧 。
嗯对 。
就有一定需求确实有 ，但是你说
还能我觉得做个生意也能做 。
嗯 。
就跟当年那些什么 H5 的工具的那一波不也也也一堆吗 ？
是的 。 好我们看下一个 。212 个叫做 Shadeform，是做软件研发的 。 这个应该是帮你这个搞 GPU 的啊 ， 它是软件研发领域帮你搞 GPU 的 ， 就是说我现在要部署一个 AI 应用了 ， 然后我到底是买 AWS 还是买什么云服务 。
对 。
然后他这个等于做了一一个商店 。
对 。
因为现在卖 GPU 的也不止 。
也很多非常多 。
也非常多然后他就帮你比价 ， 就此时此刻你买谁最便宜 。
对我开玩笑我写了一个评价叫这个 GPU 的团 800。
团 800 这个词 。
我就看到暴露年纪了 。
从历史的尘埃当中漂浮出来 ， 知道团 800 的人。
嗯都年纪不小了 。
啊可是就是资深从业者嘛 。 哈哈哈 。
对就是这样的嘛对吧 ， 就是因为特殊时期的特殊需求造成的一个特殊的一一一个一个一个交付的结果对吧 。
对但是我看他这个界面我觉得确实比价有价值哎 。
对当然了 。
他最便宜的最便宜的这个比如说他他这个计量单位啊 ， 就 A100 的这个 GPU 80G 的 ，他是卖 1.21.72 刀 。
最贵要 4 块多呢 。
就是这一瓶最贵的要 4 块多 ， 这差了 3 倍 。 而且这还是他第一瓶 ，他一共有 20 多瓶 。
对啊 。
所以你可以想象最便宜和最贵可能差了 10 倍 20 倍都有可能 。
是啊然后包括各哪个地区能用哪个地区不能用 。
哦对对对 。
其实是有其实是有有有有用的 。
很有需求这个就帮我优化我的成本 。
是啊 。
嗯 。Shadeform。 嗯好第 213 个叫 Siesta Health。
嗯 213 吗 ？
刚才是 212 现在是 213。 啊叫 Siesta Health 这个是针对心理治疗师的 。 啊不啊 sorry 这针对这个这个叫 therapist 它是物理物理治疗师 。
我昨晚我昨晚看到这个产这个产品的 ， 我还是觉得挺让人眼前一亮 。 就是呃就是物理康复嘛 。
嗯物理康复 。
物理康复然后它相当于是一个全流程的交付 ，不单纯只是比如说预约个医生什么的 。
对 。
它甚至是有比如在线的访谈 ， 然后它根据你在线的视频会议 ， 然后比如它可以让你做几个固定动作 ， 然后通过这个呃计算机视觉的方式识别出来你这个比如这个伤 ， 呃这个东西伤病的程度跟恢复的程度 ， 然后再去给你提供建议 ， 提供后续的服务 ， 然后如果你再需要有医生的参与 ， 它再把医生拉进来 。
再上门 。
对就是它的整个的这个这个流程 ， 我写的方式是说第一场景很垂直 。
嗯对吧 。
第二全链路的 。
对 。
然后它为了解决全链路 ， 没有说固定的我一定要特别显示出来哪个技术的先进 ，但是它在每一个环节都找到了合适的技术解决方案 。
嗯 。
先用计算机视觉 ， 然后用 AI， 然后到产品到服务的整个的这个切割的这个完善程度 ， 你会发现确实很完善 ， 然后团队也确实一来一直是干这个 。
是干这个的哈 。 这个其实和我们刚才说到的给兽医给牙医做端到端的 SaaS 是一个道理 。
对 。
只是在美国就是我不知道在中国这个情况 ， 就是这样的物理治疗师 ，他们在美国也是独立诊所嘛 ， 或者就是个体户 。
对是 。
啊然后给他们做端到端的 SaaS 很好 ，而且他还鼓励这个在大医院里面工作的物理治疗师自己出来干 。
就是你这样你就是在在他平台上变成一个 。
对个体户就好了嘛 。
超级个体户 。
对他是说你收入可以翻 3 倍 ，而且你原来不敢干是因为你觉得我还是不是还要招人帮我去获客呀 ， 招人帮我这个记账单啊 。
对对对对 。
现在就是 AI 帮你都干了 。 嗯这个真的是超级个体户的 。
它的这个解决方案是说你先填表格 。
嗯 。
然后这个表格又是跟 。
客户填表格 。
计算机世界跟语言模型 。
病人填表格 。
病人填表然后填完表之后跟你预约那个医生 。
OK。
然后医生过程中他会让你做一些动作 。
来识别情况 。
然后这个动作然后就会识别 。
嗯 。
你的这个情况 ， 然后对应的会有治疗的方案跟后续的再服务的对接 。
非常 make sense。
对非常完整 。
哎我不知道这个 market size 到底有多大啊 ，但是看上去竞争好像没有兽医 。
对 。
或者没有牙医那么激烈 。
是的 。
呃后面还有一个这个做心理咨询的一个 。
对对对是的是的 。
真的心理咨询似的 。 我们待会可以呃介绍 。 好我们先看 214 叫 Shepherd。 这是教育的领域 。 嗯这是一个呃针对学生的吧 。
对 。
就是给学生做 AI 的培训 。 那他这里讲的就是说啊 AI 精灵已经从瓶子里面出来了 ， 你们现在也塞不回去了 ， 反正拥抱它吧 。
哈哈我们来讨论一下怎么办吧 。
而且它就是它第一它最开始它是个软件 。
嗯 。
基础的像 Notion 的功能都有 。
嗯 。
先记笔记 ， 然后它有基于你记的内容跟你学的课程会有助理 ， 然后你可以呃问跟得到答案 。
嗯 。
整理综述所有这些你能想到的功能都有 ， 然后有学习计划 ，有 AI 的这个这个类似导师 ， 然后如果你一些特别呃这个这个资深跟难的问题 ， 你可以真的去找 human 的导师 。
哦它背后还接了 human。
然后还有图书馆 。
OK。
就是如果你是个学生 ， 比如说常见应该是个大学生 。
对 。
你的所有的学习相关的场景 ， 理论上说都可以在这个上面 。
对对它这里其实放了一些它已经合作的大学的 logo。
对 。
我看到有一个芝加哥大学 ， 甚至哈佛它也放在上面 。
是的 。
就是啊 Stanford。
Stanford 也在上面 。
那到底这些学校在怎么用 ？
可能有些学生在用吧 。
哦可能是就是有 Stanford 的学生在用 。
对 。
啊 OK。
我会觉得就是它的实现方式 ， 就是教育是一个很宽泛的关键词 ， 那它的解决方案是一个第一它是个软件 。
嗯 。
然后是一个一体化的软件 。
对 。
然后是有呃学生在学习这件事情过程中的各个环节的对应的功能的解决 。
嗯 。
当然最开始可能 Tera 切了点 ， 比如说就是 note 也可以 。
嗯 。
然后就就是呃 GPT 的助手可能也可以 ，但是这几个加在一起 ， 再加上它又对接了专门的呃真的人类的导师 。
嗯 。
跟后面的这些服务的话 ， 那其实就变得比较丰满了 。
嗯 。 第 215 个 SID。
SID。
哦 SID 的官网我很喜欢啊 ， 首先它是一个做 BI 的啊 。
对 。
也是可以帮你这个呃快速的把自己的各种数据连到呃大语言模型里面去 ， 然后它的官网我很喜欢的原因是它是一个瑞士公司啊 ， 然后很幽默 。
讲述的方式它是用那个讲故事的方式 。
对它讲故事的方式 ， 然后它首先上来就是非常自然语言 ， 它是说这个 。
连接你的各种 。
对我把你的数据接到大语言模型里面 ，在一个下午就给你完成了 。
一个下午时间 。
啊用一个下午的时间 ， 然后在后面呢它有说呃我们的这个整个公司都是程序员做的 ，不是 PM 做的 。
哈哈哈给它黑 PM， 然后说我们提供的体验是苹果一样的体验 ， 我们提供的性能是保时捷一样的性能 ， 然后我们提供的安全是银行级别的安全 ， 就是整个官网推荐大家看一看 。
对设计风格很有意思 ， 就是你像上面那句话不是说 。
嗯 。
一个下午嘛 ， 然后它就开始强调原来的流程的 ， 我花了几个月 。
对 。
然后做哪些事情 。
然后一边出现一边滑掉 。
对一边 。
就一个动态的交互 。
对然后做这么多事情的话用几个月时间 ， 然后现在告诉你这中间的步骤 。
全划掉 。
都不需要了对吧 。
我们只需要一个下午 。
只要一个下午你用 SID 只要一个下午 。
可以实现了 。
然后它里面用了很多 emoji。
对 。
我觉得今天用 emoji 也是一个特别时尚的视觉处理方式 。
就跟国内的猫猫一样 。
嗯嗯 。
做的事好像很多公司也类似 。
嗯 。
只是它的官网看完看完之后就是印象极其深刻 。
一定要试一下 。
嗯 。
OK 我们看第 216 个叫 Sidenote。Sidenote 呢是一个 Chrome 的插件 ， 它也是帮你把会议记录然后去做处理吧 ， 然后首先是这个做会议纪要 ， 同时可以把你们提到的后面的一些会再给你约上约到日历里面 。
对 。
然后如果有些 to-do 的话 ， 给你变成 ticket 放到你的各种项目管理软件里 。
是的 。
然后如果你还有一些要提醒几月几号发生的事 ，也会帮你把这个提醒给创建了 。 今天所有的在线会议软件跟 IAM 软件的有会议功能的 ， 反正也都他们在宣传他们的 AI 功能的时候 ， 基本都会宣传这个 。
嗯 。
会议纪要对吧 。
是的 。
整理 to-do。
对对对 。 所以这个很可能之后会被这些在线的会议软件腾讯会议 Zoom 给切掉 。
218。
哎 217 还没讲 。
217。
对叫 Sizeless。 它是帮助这个机器学习的团队 ，其实还是运行模型测模型迭代模型啊 ，其实帮助这个机器学习的团队开发模型的一个做 AI 基础设施的一个公司 。
对 。
第 218 Skyverm。 这个是自动化手动工作流程 ，也是就是有一点做 agent。
类似 agent。
做 RPA。
对 。
嗯这里面就是我们的技术顾问山沟沟里的孩子说会写字就会写爬虫 。
对 。
啊不会不需要再用代码去搞爬虫了 ， 所以所有的爬虫工程师肯定是失业的 。 我看到我们两个技术顾问都提到了一个公司叫做 Selenium。
嗯哼 。
这应该是上个时代专门做爬虫的公司 。
是的 。
Selenium 啊他们都说这个叫 AI 版的 Selenium。 嗯其实还是那个道理 ， 就上个时代已经有公司拿 AI 去再重来一遍 。
219。
219 个 。Slicker。Slicker 是一个金融 AI， 然后这个解决的问题也很有意思哎 ， 它是说你这个在去不同的国家地区做生意的时候 ， 你要用 。
做支付的那个是吧 。
对做支付的 ， 你是要用不同的支付网关 ，而现在就是不同的网关 ， 它在不同的地方做的靠谱程度不一样 。
对 。
啊所以一个是我帮你选 ， 然后第二个呢就是你支付总是会失败 ， 然后你把这个失败的记录丢给 AI，AI 帮你分析为什么失败啊 ， 然后在中国感觉这个用不上 ，因为反正中国就 Alipay 和 。
就两个就可以了 。
微信支付一统天下了嘛 ，但海外现在确实还是 。
比较复杂 。
复杂分散 ，而且又全球市场 ， 那就更多的国家更多的复杂 。
对 。
嗯再来 220 个是 Soha Health。
Soha Health 这是一个面向这个啊 ， 就我们刚才说到的就是做心理咨询的那个 SaaS， 它是在切心理咨询的保险的这个领域 。
对 。
嗯呃这个怎么理解呢 ， 就是说嗯你在接待一个客户的时候 ， 呃尤其是心理咨询的这个客户啊 ，因为心理疾病其实本身就有点复杂啊 ， 然后也不是所有的保险都有 。
都有覆盖 。
对都覆盖 ，而且它中间的一些界定也有点麻烦 。
是的 。
所以它其实是在帮助你 ， 它是针对这个诊所的或针对心理医生的 ， 就帮助诊所或医生在接客户的时候确认一下这个客户有没有这个保险 ，因为客户自己 。
也很难知道 。
也很难确认啊 ，他就干这个事情 。 嗯也帮你做这个之后的报销这个流程啊 ， 这一系列切的很细 。
太细了 。
嗯 。
怎么发现这种需求的呢 ， 真的是 。
221。
Solar。
Solar。
用就是和上面的很多都很像 ， 做未来的 RPA。
对 。
还是做爬虫的 ， 或者做这个一个是爬虫 ， 还有一个就是做这个重复工作 。
录屏它通过录屏的方式实现的 。
对嗯 。
你当有一件日常经常要操作的过程 。
是 。
通过录屏的方式 。
录下来告诉他 。其实我觉得因为我们看到有一些是用这个 workflow 的方式去编排嘛 。
对 。
但用那个录屏的方法确实是更简单 。
它也支持 。
也支持 workflow 编排 。
哈哈哈 。
啊录屏简单多了 。
简单多了 。
嗯但录屏还是需要 AI 去理解 。
对 。
嗯 。 叫 Solar 这是第 221 个 。 第 222 个呢是一个呃又是给诊所的一个 AI 接待员 ， 叫做宋 。 嗯可以给患者打电话 。
嗯 。
约时间 ， 然后在预约到的时候打电话再提醒患者要来 ， 然后这个面诊结束之后打电话跟进要个反馈 。
我评价就是千篇一律的这类型公司 。
哈哈哈 。
嗯 。
大家都一样了 ， 那我就觉得确实是了 ， 没有一家公司能够吞掉所有的市场嘛 ，在这个阶段尤其 。
是但是你想他们其实都已经是 YC 投了 ， 那你说 YC 在内部评价这些公司的时候在评价什么呢 ？
可能就比如说这个公司 ， 你看它是不是 base， 比如说纽约的 。
好好好 。
只能从这种方式去划分了 。
我猜啊 。
哈哈哈 。
或者就是我觉得我我如果是相信这个方向能够出大公司 ， 我就都投呗 ， 反正在 YC 那么早期投的钱又少 。
人差不多我们就干了是吧 。
啊 。
然后这些创始人的背景又都非常的好嘛 。
嗯是确实 。
也是哈佛的 ， 然后 co-founder 是 MIT 的 ， 没有不投的理由啊 。
哈哈哈 。
好第 223 个 Sonato。
哦 AI 音乐 。
对这个很厉害 。 嗯它不是 Suno 那样 ， 就是输就直接生成一段音乐 。
对 。
生成一首歌就不能改了 ， 它是可以扒开了改 。
再再调 。
再调然后我看极客上面有一个网友叫做 Poppa Z。
嗯 。
他是说这个细到什么程度呢 ， 就你可以把歌曲的人声旋律都拆出来 。
嗯哼 。
就截其中的一部分来改 ，而且这个改是可以用自然语言去用提示词来改的 ， 比如说我说这一段人生 ， 我觉得它这个太温柔了 ， 我要让它唱的更激烈啊 ， 可以这么改 ，但是目前对中文歌的支持一般 。
嗯然后呃他们也有这个支持中文的计划吧 ， 据说在 2.0 会支持中文 。
啊音乐这个类目我是觉得今年因为 Suno 的这个横空出世也好 ， 或者怎么样也好 ， 引发了更多的关注 。
嗯 。
但是音乐的生成其实还是一个我觉得是个非常复杂的事情 。
嗯 。
它有词有旋律有风格 ， 然后有匹配 ， 甚至可能因为大家又有视觉的原因 ， 可能又配所谓的 MV， 就是
听起来 Suno 是一个从文字到结果一站式解决的事情 。
嗯 。
可是这种解决现在看上去对于现有的音乐行业而言 ， 可能未必是一个合适的解决方案 。
嗯 。
或者说我们看到很多大师 ， 双引号大师用 Suno 做出一些产品 ， 然后你看它整个的生成流程 ， 它参与过程中输入的关键词 ，以及为了这件事情 ， 比如它在配图 ， 再去调风格 ， 再去怎么样 ， 就是其实还是做了很多边缘外围的工作 ， 保证了这件事情 。
对 。
质量的高交付 。
对啊 。
就是那其实就是我表达是说音乐的生成这几个字虽然这么简单 ，但是它涉及的环节依然还是非常多的 。
是的 。
还是有很多的地方可以呃再去细化 ， 再去怎么样 ， 甚至是不是呃比如说不同的乐器 ， 不同的节奏 ， 不同的什么样的东西 ， 依然还可以再去做切割 ， 就这个事情其实没有 ， 就为什么我会对这件事情有有关 ，因为我们内部有一个团队在做这件事情 。
哦 。
就是他们原来是做就是 K 歌的工具的 。
OK。
不是 K 歌 ，是 K 歌的工 ， 就是你可以就是在线的虚拟的吉他或者钢琴 ， 它是一个这样的工具 ， 然后他们现在做 AI 音乐生成的时候 ， 就面临的问题变成了在整个这个复杂的链条当中 ，他们到底做哪个部分 。
嗯 。
就是把哪个部分拿出来打磨好 ， 变成可交付的产品以及服务 。
嗯 。
这个其实是他们在过去这可能一年多时间里面不断在尝试的这个解决的问题 。
嗯 。
但现在有另外一个问题很麻烦是说 ，因为有了一个 Suno 的站在前面 ， 就这场仗的门槛被拉的非常高 ， 就竞争门槛瞬间变得极度的高 。
嗯 。
然后你如果想参与上战争 ， 你所付出的前期准备的成本就拉升了 ， 这对于一个小规模团队而言 ， 这场仗就变得很复杂了 ， 就你要打 ， 就你你还没有想清楚怎么打之前 ， 你所要掏的钱就已经很多了 ， 就很麻烦 。
嗯 。 好我们看第 224 个 Sonia， 这个是针对呃这个心理咨询师的 。
对 。
啊它其实不是一个 SaaS， 它是 to C 的 。
是的 。
嗯它直接 to C， 就你可以找这个叫 Sonia 的 。
这个 APP。
APP 来做咨询啊 ，也是网站做的 ， 让人看了心旷神怡 。
是的是的 ， 颜色配图 。
对很优雅啊 ， 非常好 。 然后 。
Anyone anywhere anytime。
对这里我其实有一个自己的感受哈 ， 就我觉得 AI 来了之后， 感觉其实人类离平等更远了 ， 就是贫富差距很可能会进一步加大 。
是的 。
啊但是有另外一种平等 ， 很可能因为 AI 可以得到 ， 就是情绪的平等 ，其实在过去我们小孩子也好 ， 成年人也好 ， 大家的情绪问题是得不到公平的对待的 。
是的 。
就如果你不幸遇到了就这方面 sense 比较弱的父母 ， 或者你就遇到了就是你甚至都没有意识到自己有情绪上的问题 。
对啊 。
然后现在有了 AI 之后， 我觉得至少它如果能够就是覆盖的足够宽的话 ， 可以确保大家的情绪问题被公平的看见 ， 被回应 ， 被呵护 ， 我觉得这个可能是 AI 确实能产生的某种巨大的价值 。
那今天做这个领域的创业的公司呢 ，也不少 。
是的 。
比如 Sonia 就是其中非常有代表性的一个 ， 我觉得他们实现的也很好 。 嗯然后我也下了一下他们的 APP，他们是基于这个呃 CPT， 就是认知行为疗法 ， 这应该是一种很主流的 。
心理健康的 。
心理咨询的一种疗法 。 嗯好我们看第 225 个叫 Soundry AI 啊 ， 这也是一个做这个音乐的 。 嗯然后呃它的这个呢 ，也并不是给你直接生成一首曲子 。
是的 。
它是给你生成 sample。sample 什么意思啊 ， 我理解 sample 的意思就是呃一小段乐器的 。
节奏或者是旋律 。
对然后我要做一首歌出来 ， 我需要非常多这样这样的 sample， 甚至我会把 sample 叠加在一块嘛 ， 就鼓声是一个 sample， 吉他是一个 sample， 就啪啪啪加在一块 ， 然后出来一个效果 。
呃我看了一下它的 demo 啊 ， 它 demo 就是它的这个呃就是创始人自己吧 。
自己唱的是吧 。
就是呃他这个不是唱 ，他是就是做那个音乐 ， 就是做那个乐器的声音 。
对 。
它其实还是一个偏专业化的 。
偏专业化 。
软件可以专门的音乐制作人用的 。
是就大家就想象说 ， 原来你做一首电子音乐 ， 你可能自己要生成几百个 sample， 然后就把它拼接在一块嘛 ， 现在就每个 sample 你可以用 AI 去做 ， 然后自己在人肉去编排它啊 ， 比如我们可以把这个进度条拖到就刚才那个 sample 的进度条 ， 我们拖到后面一点啊 ， 可以听一听它做出来的这个音乐的感觉 。
其实是一个编曲的软件 。
嗯 。
哎 let's check it out all together。
对现在听到的就是它编出来的乐曲 ， 这里面有鼓点 ，有节拍啊 ， 然后它其中因为整个过程我没没办法在播客里面给大家重现嘛 ，但是可以讲的就是它里面的鼓点是 AI 生成的 ， 它那个什么刚才听到的另外一种乐器也是 AI 生成的 ， 然后它演示的时候还说了 ， 比如说我这个鼓点太弱了 ， 太慢了 ， 你给我就用自然语言告诉这个程序 ， 你
帮我变快一点啊 ，是这样的一个就是有点专业的一个音乐制作软件 。
是的 。
但是它用了 AI 来去加强 。
226。
Spark。
Spark。
这是针对这个大型清洁能源开发商的一个 AI 的应用 ，也是针对垂直领域的 SaaS。 它讲到一个重要的用例呢 ，是如果我是一个大型清洁能源的开发商 ， 我做的第一步是要找在哪去破土动工 ， 我的下一个地点 。
对 。
就在哪里有可能能挖出东西来 ， 然后它是用 AI 来去筛选研究 ， 就是各种各样的地点的候选 ， 来决定从哪里开工 。
然后嗯就是我写的就是它涉及到的另外一个很重要的问题在于 ， 各地对于新能源的政策的要求的不同 ， 导致的你要做一件这样的事情 ， 事前要准备的东西变得很多 。
对 。
无论是政策的监管 ， 乱七八糟各种各样东西 ， 然后这里面涉及到的监管文件 ， 政府的网站 ， 各种各样的 PDF， 各种各样乱七八糟的东西 ， 它要做一个你也为它要变成一个 GPT。
嗯 。
然后我们要去问 ， 要去沟通 ， 要去看是否匹配 ， 然后再去动工 。
这也是很大量的繁琐的 paperwork 啊 。
而且它好像已经有那个客户了 ， 就真的有大型的能源集团用他们的服务来去做事前的这个调研跟这个实施 。
OK 227 叫 Spec。Spec 也是做 agent 开发的 。 嗯然后因为做 agent 开发的实在是太多了 ，而且他们再强调的也都是帮你去这个重复做工作嘛 ， 就是所谓的 RPA， 然后我就去好奇搜了一下， 到底 RPA 的市场在 AI 来之前有多大 。
多大啊 。
然后搜出来其实规模也就是这个 30 亿美金啊 ，并不是一个那么大的市场 ， 当然它是有一个预测是说年复合增长率 CAGR 能够到 40%。
确实是增量市场 。 嗯啊很卷的赛道 。
超级 。
嗯 。 好第 228 个叫 Spine。Spine 呢是就是做软件研发的 Copilot。
嗯 。
啊然后我们的技术顾问说有点像 Zapier。Zapier 也是 YC 之前投的一家公司 ， 现在成长的非常厉害 ， 就做各种自动化的 。
我的评价就是我看了过往之后就是将 API 文档数据库 ， 然后多模多模式的文档转换成为 AI 可操作的 。
Copilot。
Copilot 大概是这样一个东西 。
这同质化意味着这是一个大的创业方向 。
是所以要不然没有那么多人做 。
没有那么多人去做啊 ， 说明大家要么是这个技术边界现在让这件事情可实现 ， 要么是它这里面商业价值确实也巨大 ， 当然也可能是这个两方面都有 。
嗯所以我们讲到很多 ，因为讲我们自己讲到后面会觉得哎又是又来一个相同的 ，但很可能就是就是呃你在听这期播客的时候 ， 会可能从另一个角度去理解啊 ， 就这可能就是机会所在 。
对 。
啊我们听 229 就是叫 Structured。 这是 AI 加持的 BI 系统 。
就是将运营数据转化为收入 ， 就它的 BI 可能更多针对于销售相关的数据的展现 ， 收入啊呃平均收入 ， 雇员 。
嗯这些东西的 。 这也是可以帮你把 BI 的结果做出来的同时， 还能帮你做报表啊 。 再下一个是 230 叫 Study， 这个一听就是搞教育的 。
嗯它的 Study 的 D 它有两个 。
对 。
然后也是搞数学的 。
对都是数学 。 然后我我看了一下， 这不就是国内的拍题搜吗 ？
哈哈哈 。
一模一样 。 哎呀好像也是个华人团队做的 。
华人团队和我们上面讲到的那个做数学的那团队一样 。
对就是拍题搜 。
就整个全世界的竞争都是华人在竞争 ， 然后字节的 Google 对吧 ， 作业帮的 Question AI， 还有 Answer.ai， 这都做得很好 。
好然后再下一个 231 个叫 Sudocode， 这个也是自然语言转代码 ，也是这个编程助理 。
就网页就是一个文本框 。
嗯 。
然后输入一件事情 ， 然后它帮你实现一个结果 ， 就是自然语言转代码嘛对吧 。
对 。 232 Super Agent。Agent 开发啊 ， 然后它这个有一个和别的做 agent 的开发不同的点在于 ， 就是两个不同的点吧 ， 首先就是它特别侧重于去帮你抓网页上的数据 。
嗯哼 。
啊然后第二个侧重呢 ，是它和 Airtable 连的很好 ， 然后它的示例里面是就是你给它这个编排好之后啊 ，在 Airtable 里面 ，Airtable 大家理解它就是一个在线的表格 。
对 。
但它今天是在这个就全世界就是做的最好的表格在线的一个云软件吧 ， 然后它的这个 demo 是说我在 Airtable 里面输了一个 LinkedIn 的链接 ， 然后它在后面就自动的去把这个 LinkedIn 的名字 ， 这个职业 ， 它现在在关注关注的领域抓 ，并且填到这个 Excel 里面 。
OK。
但它是提前编排好的 ， 所以它本质上还是 agent，但是它和这个 Airtable 做了深度集成 ， 做出了和别的 agent 的一个差异化 。
233 Sweet Spot。 这个讲起来也很简单啊 ， 它就是你要想去做政府的生意 。
对 。
就是找哪里有政府的项目在招标 ， 然后帮你识别这个招标机会适不适合你 ， 帮你写招标书 。
对政府相关的文件 。
嗯 2G 的生意 ， 就是给那些想做 2G 的人用的一个 AI 工具 。
是的 。
呃 。
政府想见其实也也不是这一个 。
对不是这一个 ， 前面我们还看到了好多别的 。
对 。
234 是叫 Synaptic。 这个呢是用 AI 来培训医生 。
啊啊挺厉害的 。
啊因为它是说这个今天我们去培训医生 。
还是用很多年前的 。
很多年前的办法 。 嗯 。
图也是书也是 。
对而且它还说在原来那种学习方法里面 ， 医生 8 个月就会忘掉 50% 以上的知识 。
哈哈哈太恐怖了 。
很恐怖这个听起来 。
哈哈哈 。
这我在看个啥病啊 。
对 。
然后它的解决办法是用呃 AI 去加持这个学习的过程吧 。
对 。
啊一个是用问题库和卡片库 ， 就一个新的学习的模式 。 第二是用机器学习来去帮助你做记忆 ， 就像原来我们背那个 GRE 的单词 ，不也有一个什么什么记忆法 ， 我有点忘了啊 ， 就讲说你应该第一天 、 第二天 、 第四天 、 第八天 ， 类似这样的逻辑 ， 你去背单词这样就不会忘 。
是的 。
然后现在它是也是把这样的这个过程用机器学习的方法 ， 用 AI 的方法来去优化你的记忆 。 专门做医生的 。
医生领域的教育 AI。
对 。
这是真的教育 ，不是那些外围的教育 。
嗯不是拍照 COT。
对 。
我们看第 235 个叫 Synclabs。 这个很垂直啊 ， 它就是帮你做这个视频 ， 如果你从英文转中文 ， 帮你把口型对上 。
口型对上 。
实时的 AI 的这个口型的调整 。
对 。
哎我其实发现这一批 YC 头的 AI 公司里面 ， 做纹身图 、 纹身视频 ， 或者就是做视频特效的真的很少 ， 可能感觉这一波是不是大家觉得已经 。
卷不动了 。
已经卷不动了 。
就这点这点钱不敢干这个事情 。
对这是已经产生头部了 。
对反正他们现在就是纯技术公司 ， 就专门只做口型这一件事情 。
嗯 。
然后就做到比如他肯定想做到最好跟最最最自然嘛 。
嗯 。
再去想未来的事情 。
那这个能不能做到是一个巨大的问号 。 嗯因为这里面可能需要的是训练数据 ， 或者训练的资源 。
有可能 。
这些都是直接和前语资源挂钩的 。
是的 。
嗯好第 236 个叫 Tiki。
Tiki。
Tiki 是金融领域的一个 AI， 它要做的是税务自动化 。
压轴与终章2:29:27
税务文件 。
对 。
嗯税务文件的 AI 处理吧 。
对这个也是 ， 就是在中国其实搞税务相关的文件还比较轻松啊 ，在美国人人都要报税 。
对人人都报很复杂非常复杂 。
那个可是不容易的 。 但那么不容易的事竟然只有一个公司在做哎 。 哈哈 。
你看律师那么多人做为什么 。
对 。
对吧理论上说应该 。
报税这个事 。
对吧 。
为什么做的那么少呢 ？
我们发现了一个商机 。
哈哈哈 。
我们在播客里面剪掉这句话 ， 我们自己去做 。 好第 237 叫 Talk。 呃这也是一个做 AI 基础设施的 ， 然后它是帮你调模型识别模型 。
呃这里面有一个有意思的事情是什么呢 ， 就是你可以呃自己来设你的 use case。
OK。
呃比如说它这个 demo 里头啊 ， 就是嗯就是有一个 demo 叫波音 737。 这什么意思呢 ， 它就基于波音 737 这个事情生成了几十个问题 ， 然后它用这几十个问题去问大模型 ， 然后它这几十个问题也有标准答案 ， 所以它会根据大模型的回复 ， 再结合标准答案去判断大模型的准确率啊 。
所以一方面是你可以做自己的类似波音 737 这样的问题库 ， 然后另外呢就是呃你用这个问题去问大模型 ， 你不但可以判断它的准确率 ， 还可以判断就不同模型之间的准确率 ， 再结合他们的费用来最后选定你应该用什么大模型 。
所以它帮你干的就是这个事情 。
明白 。
238。
238。
Taylor AI。 这个又是一个我认为那种帮你一秒批人变 J 人的一个 AI 应用 ， 就帮你把散落在各个地方乱七八糟的非结构化的文本 。
变成 。
结构化文本 。
对 。
甚至变成 code。
嗯 。
OK 239 Tempolabs。 哦这个有意思的地方在于 ， 它是直接把画出来的 UI 图变前端代码 。
啊对对对我记得这个公司很有意思 。
很牛逼的很牛逼的 。
对 。
嗯这是 。
它的官网也很有意思 ， 它官网你看我我的指针浮动就是那个指针的变化 。
哦 。
然后当然到下面就不是了 ， 然后把 UI 变成可交付的 。
嗯 。
网站的网页代码 。
其实就是讲说现在前端工程师这个事情 。
对啊 。
其实真的很容易被取代 。
就跟我们上期讲那个我提到 Figma 为什么 Adobe 最后不收了 。
嗯 。
原因嘛 。
嗯 。
就是前端这件事情的交付 ， 无论是 UI 还是代码 ， 看上去都它的生整个生产流程可能真的要发生变化 。
嗯这个 Tempo exactly 做的就是你说的这个事情 。
对啊 。
嗯直接把前端页面 。
对啊 CSS 架构全部都出现了呀 。
是的 。 嗯 。
而且又因为今天这个时间点 ，因为互联网发展这么多 ，其实很多的模块基本都是就是一个地图应该是什么样子的 。
嗯 。
一个登录框应该是什么样子的 ， 一个数据表格应该是什么样子的 。
对 。
其实基本上是固固固化的标准形态了已经 ， 就没有那么难 。
不是一个完全 。
可枚举的 。
过程了 。
嗯 。
除非你要做非常创新的东西 。
对是的 。
要不然是 。
剩下就是排列组合了 。
99% 的网站都是排列组合 。
对啊 。
然后这是第 239 个 ， 那我们第 240 个是 Tom.dev。 啊这也是一个就是针对嗯软件工程师的一个 AI 工具 。
是的 。
嗯我们看到我们的这个技术顾问知涛说 ，他看下来啊 ， 这所有的这个和软件开发相关的 AI 都是两个大方向吧 。
第一个大方向呢 ，是端到端的帮你生成完整代码 ， 就是做代码的 ， 直接生代码 。
对 。
然后第二个呢 ，是就是辅助团队的 。 哦比如说这一个 ， 它是怎么帮团队提效 ， 就是呃帮助团队
做知识分享 。
做记录就是你怎么 。
做记录 。
我这个这一段功能是用了这个 。
啊写文档 。
实现的 。 然后但是这个实现的逻辑跟想法 ， 本质上讲是在我脑子里的 ，而不是在有文档跟有编辑跟注解 。
明白明白 。 就还是说我写了代码不想写文档 。
对 。
这个我来帮你把这些解释工作给做了 。
对对对对 。 然后别人接手的时候 ， 就能理解你为什么用这种方式 。
嗯 。
好第 241 个叫 TensorFuse。 呃这里面呢是在讲说这个 ， 它是一个 AI 基础设施哈 ， 它在讲的是因为有些公司出于安全的考虑 ， 它必须只能用某种指定的云服务 。
嗯哼 。
但是呢这些云服务 ， 它没有做好自己的这个大语言模型的运营和支持 。 那怎么办 ？ 就是就是 TensorFuse 就是干这个事情 ， 就是你任何的云服务 ， 我都可以帮你把这个大语言模型的运维的这一层给做了 。
啊哎说到这 ， 那个我在准备的时候 ， 我就突然想说 ，其实那个 Google 云和 AWS 它们都有做类似的这样的一个这个大语言模型的运维平台吧 。
对 。
都有自己的名字 。
是的 。
但我忘了这个名字 ， 然后我就想去搜这个名字 ， 然后我就试了一下这个搜索场景 ， 用 Google 厉害 ， 用 Perplexity 厉害 ， 还是 Kimi 或者 Minimax 的海螺 。
就最后我发现 Google 完败 。 就我同样的一个 query， 这 query 很模糊的 ， 就是问它 Google 和亚马逊的云服务 ， 它对应的那个 LLM Ops， 就是大语言模型的 Ops 是什么 ，Google 完全没给我任何的准确答案 。
因为本质上来讲 ， 你找的这件事情就是你想 ， 就是为什么传统搜索引擎在这一波所谓的 AI 搜索里面慢了 ， 或者说没有那么理想原因 ， 就是因为这一波的搜索的起始 ， 或者说我们尤其是这种问题 ， 本质上来讲它是一个要先理解再匹配的 。
不是关键词搜索 。
对它不是关键词 。
因为我不知道那个关键词是什么嘛 ， 我要问的是关键词是什么 。
所以它对这种问题就你相当于违背了它整个的最基础的运行规则 。
嗯 。
所以它不可能给你一个好的结果 。
对 。Perplexity 是倒数第二 。
对 。
它帮我把 Google 的这个找出来了啊 ， 就是叫 Vertex。 嗯就是我想起来是这个名字 ，但它没理解我的问题当中还有还有就是一个亚亚马逊的那个叫啥 ， 所以它没回答 。
然后第三名呢是 Kimi。Kimi 一开始也是 Google 回答对了 ， 亚马逊回答错了 。 呃哎不好意思 ，Kimi 也回答对了 。
嗯哼 。
嗯 Kimi 是回答对的 。 嗯然后那个 。
海螺 。
海螺也回答对了 。 所以 Kimi 和海螺都答对了 。
因为它先是理解你 ， 然后再去什么地方用搜索 ， 什么地方用语义理解 ， 对吧它才会有一个切割 。
对 。
我觉得这件事情在过去这几个月时间里面的 ， 无论是中国大明星公司还是美国大明星公司 ，其实有一部分员工应该都在做这件事情 。
嗯 。
就是最开始大明星出来的时候 ， 大家知道它是个黑盒 ， 它不能或者它不擅长做有标准答案的问题的回答 。
嗯 。
这大家都知道 。 但是当 AI 搜索起来之后， 大家发现这件事情你一定要在中间找到一个合理的填平的位置 。
然后这些公司应该有一部分人在针对这个场景做微调 。 所以有一部分有一部分公司是从搜索往这边调 。
嗯 。
有一部分公司是从大模型的工作往搜索这边调 。
对对 。
然后到今天有了大家的看得到的一定的交付 。
嗯 。
好的我们再看第 242 个叫 Toma， 这个就是给 CS 店做的 AI 外呼 。
对看看起来就特别的好理解了 。
对这个一看哎呀太轻松了 ，因为我们这个准备工作量真的不小 ， 感觉脑子最近在疯狂的燃烧 。 看到这个的时候觉得很开心啊 ， 一看就懂 。
明白 。
哈哈哈 。
而且名字还很好念 ， 就 Toma。
对 。
好 243 Topo。Topo 是一个这个呃也是 AI 销售 ，但它不是 copilot， 它做 autopilot。
是的 。
啊这个也是之前十字路口访了一个叫 Tony Gu 的有位创业者啊 ，他这一期我们已经放出来了 ，他当时也观点非常鲜明 ， 就是在做 AI 销售的时候 ， 就是要先做一个非黑即白的选择 ， 我是 copilot 还是 autopilot。他认为这个会指向非常不同的实现方式 。
是的 。
Day one 就决定了公司到底应该长什么样子 。 那我们看到这么多 YC 的公司里面 ， 只有 Topo 是要做 autopilot。
对是的是的是的 。
啊这个就就不是说帮你的销售更好的去做销售服务 。
对 。
它直接取代你的销售 。
所以它要先内部吸收消化 。
对 。
把现有的东西融会贯通之后， 变成真的替代你的那个销售的员工 。
是是是 。 但它也提供了一个这个过渡的方式 。
对对对 。
它说你可以先 copilot。
对对先 copilot， 然后再到 。
对再到 copilot。 然后这个时候是你可以自己决定 ， 觉得哎我 copilot 已经因为这个 copilot 的过程也是在教 AI 嘛 。
对是的是的 。
就根据人去呃的这个 best practice 是教 AI 让它变得更好 。 那这个时候你再切到 autopilot。 嗯好 244 个 TraceCat， 这个是一个做安全的 ， 嗯是帮你这个啊它也是开源的啊 。
对 。
是帮工程师去呃处理 。
安全报安全警报 。
警报嗯甚至它是发现安全的问题 。 嗯 。
并且把这些东西用转当一个安全事件出现之后重重复重现 ， 然后帮你把整个流程梳理清楚 ， 告诉你解决的方案 。
是然后它这里面非常有趣的一个计费模式 ，是它的基本版叫 Free forever， 永远免费 。
牛逼 。
嗯那它我看了一下啊 ， 那它这个给到你的这个限制很多 。
对 。
每分钟跑 10 次 。 嗯好呃我发现美国人没有我们那么喜欢猫哎 ， 我们看到第 244 行才看到第一个名字里面带猫的产品 ， 叫 TraceCat。
感觉今天在中中文互联网 。
猫已经是绝对的正正确了 。
对从唐岛的猫肚皮疹就做的这种猫真的很招人喜欢 。 啊好 245 叫 TraceCat。 呃也是做 BI 的 。
BI 的 。
嗯自然语言来去帮你呃查数据结果 ， 你就不用写 circle 了 。
对 。
而且支持财务文件合同 。
所有的 。
电子邮件啥都支持 。
语音图片 。
嗯多模态的 。
对 。
246。
好 。
TrendUp。 这个是一个帮你去投放在 TikTok 上 。
对找合适的 KOC。
找 KOC 联系 KOC，而且分析 KOC 过去的内容 。
数据 。
它是不是适合你 。
对 。
这一切都是 AI 做的 。 然后这个事吧 ，在过去真的是挺体力活的 。
嗯 。
就是唐岛这种规模的公司投小红书 KOC 都是 。
对啊 。
很不容易啊 。 因为刚才说的这些事都要靠人去做嘛 。
而且 。
人的判断力也会有问题 。
对你想整个的流程里面 ，其实连第一步比如说数据抓取 、 数据标评判的标准 。
嗯 。
然后到沟通对接 ， 到实施 ， 到实施后的监控 。
嗯 。
所有这些事情 ， 你要是一个单独的大的 case 可能还好 。
嗯 。
但你像 KOC 这种大面积的批量的投放 ， 你肯定做的就很糙嘛 ， 就很粗嘛 。 你不可能真的就是所有的流程跟节点那么细致嘛 。
但是今天有 AI 相对来说 ，有一些没有那么复杂的评判的节点 ，其实就交可以可以交给 AI 来做嘛 。
对 。
我觉得做社交媒体营销的不多哎哈 。
不多不多 。
就是感觉没有中国多 。
可能生态确实不如中国 。
生态不如中国那么那么繁荣 。
对 。
嗯大家又发现了一个创业机会 。
是的 。
出海的同学们可以卷一卷这个赛道 。 嗯好 247 叫 Triff。 啊是一个这个你如果有自己的 APP， 它帮你做 AI 搜索 。
搜索 。
其实在上一个时就互联网时代 ，是有人帮你做搜索 。
对站内搜索嘛 。
站内搜索 。
对 。
现在是帮你做 AI 搜索 。 嗯但上个时代做站内搜索的那些公司 ， 最后活得怎么样呀 ？
都没了呀 。
那这个做 AI 搜索的它会不一样吗 ？
那谁不是最最典型 ？ 那个素华离开百度的时候的第一个创业项目 ，不就是做这个吗 ？ 他们第一个客户是大众点评吗 ？
我记没记错的话 。 然后后来是被老周拉到三六零去做了三六零的搜索的最开始的 。
哦 。
然后素华离开了 ， 就开始加入了那个快手嘛 。
嗯嗯 。
AI 搜索啊 。
嗯 。 好 。
248。
嗯 。
啊这个公司我记得 ， 我还回答了你的评论 。
哈哈哈这个叫做 TreeMetrics， 它是做这个叫什么呢 ？ 就是你送快卖 ， 送送外卖的时候 ， 你找不到那个入口在哪 。
那个楼 。
有些地形复杂 。
对 。
然后它给你导航啊 ， 就是导一个最优路径 。
车停在哪 。
嗯嗯嗯把车把摩托车停在哪里最方便啊 。
就是地 Google 地图买的地图已经告诉你道了 ，但是你发现哎到底东西在哪你不知道 。
对这个 。
最后一最后一公里 ， 最后一米吧 ， 都不是最后一公里 。
最后最后一米啊 。
就最后一米 。
哈哈在中国是很多经验数据 ，因为一个快递员他往往 cover 一个小区 。
对我最近总感觉是不是美团跟饿了么应该是有这个数字的 ，有这个东西的 。 因为你看你的就是虽然很多地图现在也有 ， 比如说这个小区的多少号楼在哪个位置上 。
嗯 。
很多的那个比如百度高可能大概率是有的 。
嗯 。
但是比如说哪个门离这个口更近 ， 哪个门在什么时间点会关 。
嗯 。
我觉得这些东西当然可能很多是经验数据啊 ，但是我猜测是不是美团和饿了么应该是有这些东西的 。
嗯 。
只是说这些东西是不是现在是零散的 ， 存散落在比如他们的骑手群里 ， 还是说已经被提炼出来放到了什么地方 。
嗯 。
我们不知道 。
嗯我
觉得之前看到过一篇文章 ， 就是在讲说这个有些快递员 ，他为什么赚的钱比别人多 。
经验就体现在这里 。
对他的经验 ，他就知道这个小区什么地地方我可以穿过去 ， 什么哪个哪个保安上班的时候 ，他不会拦我的摩托车 。
对 。
啊他这个也确实是一些你很难取代的一些很难量化的一些数据 。
是的 。
249 叫 Task。 嗯这个也是给这个软件工程师用的 AI copilot。 啊然后他啊我们的这个技术顾问知涛说他的定位非常清晰 ， 为他点赞 。
呃他把工程师觉得价值不高的一些简单任务拿走了 。 嗯然后因为它集成了非常多的这个三方的服务 ， 比如说 Notion、GitHub、Jira、Liner 等等。
嗯我们再看 250 啊 ， 叫 Ankheis， 这也是一个 CRM。 嗯做的是呃集成到 Salesforce 和 Hopspot， 然后先去帮你识别潜在客户 ， 然后并且用 AI 来预测哪个客户最可能买单 ， 然后去建立联系 。
嗯哼 。
啊大家都在解决这个问题 。
逻辑上是这样 。
逻辑上是能够解决掉的 。
是的 。
再下一个叫 Upsell AI， 这是一个 。
这是那个给客户演示时候用的那个 CRM 的 。
对 。
东西 。
我我理解它是这样 ， 就是有些公司它自己不搭自己的 BI 团队 ， 它会找一个三方来帮我做我的数据分析系统 。
对 。
然后貌似 Upsell 就是要去给那种就是服务企业做数据工具的这个小 b 去用的 。
对就是 BI 很多时候是对内的 。
对 。
但是他做的方案是说我是比如我是一个乙方 ， 我要服务甲方 ， 我要去做无论是做演示 、 做前期的调研 ， 包括做服务过程中的讲解的时候 ， 我也需要展示一套类似 BI 的东西的时候 。
嗯 。
那这套 BI 可能又要考虑到信息的保密 。
嗯 。
可能有可能某种程度上还要权限 。
嗯 。
然后乱七八糟这些条件的时候 ， 它是针对这个场景 ， 它不是针对内部的 。
嗯 。
它是针对乙方服务甲方过程中需要的这个东西的 。
真的细化到真的是 。
蛮细的蛮细的 。
太细了 。
如果我们理解正确的话啊 ， 这真的很细致 。 好第 252 个叫做 Vango AI， 它也是一个这个做 AI infra， 就 AI 基础设施的 。
嗯哼 。
呃而且它特别针对视觉模型 。 嗯就是如果你在开发一个视觉模型 ， 它可以让你开发这个视觉模型的时候 ， 呃有一些定量的方法来 。
它它它更多是把 。
对把 stable diffusion 的那个开源模型更快的让你用起来 。
嗯 。
超级垂直 。
对超垂 。
我我我觉得这个有可能 ， 我不知道像比如说那个如果我今天做一个呃滤镜软件 ， 滤镜 APP， 我会不会就要用它 。
理论上是可以的 。
嗯 。
当然也有另外一种方式 ， 你从头自己来 。
嗯 。
你自己去调 stable diffusion，而不是用一个类似中间件的方式帮你去切 。
OK。
对吧 。 好 253vectorshift。 呃这个一听就和它的名字 ，因为它 vector 嘛 ， 向量就应该是做这个什么 ， 就帮你把数据变成向量数据库 。
嗯那同时 。
也是无代码的 。
对无代码哎 ， 它好像还在强调自己是一个 agent，也是用 workflow 的形式做 agent。
是的 。
啊那这个所以 agent 四个大的场景 ， 它都有 cover， 一个是做内部知识的搜索引擎 ， 第二个就是做这个助手 。
助手 。
就用聊天的方式去和助手对话 。 然后第四个就是做重复工作的自动化 。 然后呃我在 research 的时候看到另外一个啊 ， 就是因为我发现绝大多数做 agent 的都是在 workflow 的方式嘛 ， 就 define codes 都是 workflow。
然后有没有用自然语言的方式去做 agent， 我发现了一个 ， 它不是 YC 的公司 。
OK。
叫这个 babble.cloud。
OK。
啊然后我突然就意识到 ，其实今天我们去做 agent 和过去开发一个软件 ， 它有异曲同工的地方 。
嗯哼 。
就产品经理他先要写一个需求文档 。
嗯 。
然后画一个原型图 。
对 。
然后开发出来 。 而今天的 workflow 其实就是那个原型图嘛 。
原型图对 。 是的 。
啊那有没有可能就原型图这一步我也省了 ， 我就用需求文档丢进去 ， 它就帮我编排一个 agent。
也有可能 。
对吧本质上就是为什么要原型图呢 ？ 过去要原型图的原因是原型图可以把逻辑表达的更清楚 。
对 。
今天也是这样 ， 就你用原型图有 workflow， 你才能够把你的这个就是细节处理的更清晰 。
是的 。
啊但如果 AI 真的牛逼 ， 我用自然语言也给你搞出来 。
也不到位了呀 。
对直接无代码啊 。254 我们今天一共 261 个哈 ， 最后倒数第六个第七个了 。 这个叫 vector view。
又是那个 。
又是一个为做 AI infra 的 。
安全的评估的 。
做安全评估啊 。 它举的例子也是那个一块钱买雪佛兰车的那个 。
对 。
Deal。
好几个三个还是四个 ， 已经都用那个 deal 了 。
都在干这个 。 嗯好第 255 叫 Valus。Valus 是动态报价 。 嗯主打一个动态报价 ，因为我们看今天 YC 的这些做 AI SaaS 的公司啊 ，他们的高级版本全部写着 。
定制化 。
定制化或者面聊 。
对 。
啊但这个其实 。
怎么聊呢 ？
怎么聊呢 ？ 这个公司要帮你做的就是帮你来去做这个定价 。
是 。
我觉得这个真的是环环相扣啊 。
就一步没解决 ， 自然有人帮你解决对吧 。
太牛逼了 。 哎我觉得这个也是市场经济的 。
分工 。
分工吧 。
对 。
就是哪里有机会 ， 哪里有需求 ， 就会冒出新的公司和新的解决方案 。 嗯然后这个里面它甚至还告诉你 ， 我可以帮你来去做 AB 定价测试 。
啊哇它号称自己是唯一可以做 AB 定价测试的平台 。
可以的 。
挺有趣的 。 嗯 。
就是卖水的卖水 。 对吧 。
嗯 。
哇天呐 。Vanta 下一个 。
下一个 256 倒数第五个 Vanta。 啊倒数第六个 Vanta， 这个也是一个 CRM。
CRM。
嗯也是招聘的客户沟通联系发邮件 。
嗯 。
对 。
欧洲的公司吧 。
欧洲公司 。
对 。
嗯网页上写着一个你从来不会睡觉的同事 。 好烦啊这种同事 。 哈哈哈感觉不想要这种同事 。
哈哈哈太卷了 。
嗯第 257 个 Visley 也是做 BI 的 。 啊它和前面的那些 BI 的 AI 有一个差异化 ， 就它主打一个可视化图表 。
对 。
每个问题它都会用一个图表来配合 。
哇它这个演示特别的图表化 。
对演示也很酷炫 。
对 。
哦就这些图表也不是普通 。
甚至它这个演示视频应该我感觉就是用了我们上面提到的 ，有一个那个专门做演示视频的那公司做的 ， 我感觉好像 。
哈哈哈非常像 。
嗯 。
就录屏然后帮你做做一点点美化 ， 就是那个公司 。
嗯 。
都都是嵌套的 。
循环 。
哈哈哈互相用 。
YC 自己投出一个宇宙 。
互相用 。
互相用起来我们的估值就可以就一起翻十倍 。
虚心纵卧 ， 左脚踩右脚 。
哈哈哈好 258 叫 Wato AI。 它个这个也是做 AI 语音的和 AI 打电话的一个 agent。 啊在看到这个的时候 ， 我当时已经非常疲惫了 。
因为 Kimi 去 。
我就把官方网站丢给 Kimi， 我说快帮我总结一下， 用自然语言总结这是个啥 。 然后 Kimi 总结的还可以吧 。 啊我们读一下 。
总的来说就是一一般来说 ， 看到总的来说或总而言之 ， 大家要提高警惕 ， 这肯定就 AI 写的了 。
哈哈哈这是个信号 。
对这是个信号 。 啊总的来说 ，Wato AI 提供了一个平台 ， 让你可以创建能够进行自然对话的 AI 语音助手 ， 帮助你在业务在不同的领域变得更高效 。
嗯 AI 助手 AI 打电话 。259 个 Uli。
小说 。
Uli 是一个小说阅读应用 ， 它是干嘛呢 ？ 是帮你把一本小说变成多媒体小说 。
对 。
嗯 。
互动小说嘛 。
互动小说 。 呃我下它的 APP 看了一下 。
嗯 。
我觉得 。
距离理想状态差的还是蛮远的 。
对差的有点远 ，但也可能是这个英文世界喜欢的这些内容和我们喜欢的内容太不一样了 。
就是逻辑上我觉得这件事情是大家都想 ， 你包括最近其实呃中国也有很多公司在做比如 AI 的动漫 。
嗯 。
因为文字中国的 ， 比如说小说 ， 中国的网络小说的资源是非常丰富 。 当然现在有另外一个极端 ， 就去做短剧了嘛 。
嗯 。
但有另外一种方式是说 AI 来了之后， 包括 AI 做短剧也是的 ， 就是既然 AI 从文字生成图像这件事情看上去已经解决的很好了 。
对 。
那这第一步已经迈出来了 。
对 。
那我们就再往前走一走嘛 。
对 。
能不能把一个成熟的什么样的东西交付成一个多模态的交付 。
嗯 。
那其实所有的比如免费小说的平台 ， 然后动漫的平台其实都在做这种尝试 。 那它这个公司其实也一样 ， 当然它做的方式是说这个事情可能 AI 从文字生成图片是第一步 。
对 。
解决 0 到 1， 然后后面要解决从 1 到 100 到 100 分满分的过程 ， 它可能解决大概也就是到 10 分 。 就说你看到它实现的这个效果 ， 本身来讲也就是一个配图 。
嗯 。
而且是它有一定的风格固化 。
嗯 。
跟取舍 。
它没有互动的吧 。
对就是你 ，而且你看它的图片的生成质量其实也没有那么高 。
嗯 。
就是它其实有一定的风格的取舍 ， 跟呃就是它为了要在这个阶段交付出完整的产品 ， 所以它在这个阶段只能做到这个样子 。
是的这只能说未来可期吧 。
对 。
请加油 。 啊倒数第二个叫 Young， 这个呢是呃用 AI 来帮你做产品视频 。
啊对对对 。
这个就是我们最近和明昊为了录这个播客啊 ，因为我们准备视频一起录嘛 ， 所以我俩研究了一下现在最主流的就是录视频 。
实现这件事情的 。
对工具是什么 ， 然后我们这个视频是用 MMHMM 这个工具录出来的 。
对 。
非常非常好用 。 然后同时也看到另外一个很也做的很头部的叫 Loop。
Loop。
嗯 。
LOOP。
P 是吗 ？
还是 I？
LOOM。
啊对 。
LOOM。
对 。
啊看了这个 Young 之后呢 ， 就觉得离那俩差距还是有点远 。
有点远 。
啊然后他讲到的用 AI 技术去简化吧 ， 我反正没太 get 到他简化的什么 。 嗯所以如果大家要用这个 ， 就可以对比一下试一试 。
对 。
确实我感觉今天视频化的表达变得越来越重要 。
是的 。
就是你做任何一个产品 ， 任何一个 APP 都要录个视频给大家讲 。 那现在这个 Loom 也好 ，MMHMM 也好 ， 都做的非常好 。
来最后一个压轴的一个 ， 这个也非常牛逼 。
对 。
我觉得也是一个具有野心的一个公司 。 它在做啥呢 ？ 就是今天它讲的是机器人已经不少了 ，但很多机器人没有用起来 ，因为要用机器人很复杂 。
就你得写一个它能理解的代码 。
是的 。
然后才能让它去完成你要做的任务 。 所以它要干的事情呢 ， 就是帮助机器人理解并且执行用自然语言说出去的复杂命令 。
而且它提供了一个硬件 ， 你是做机器人的 ， 你用我这个硬件 。
你这个硬件就相当于实现了那个事情 。
对你就不用自己再去造轮子了 。 啊它要解决的是机器人利用不足的问题 。
就相当于让今天的机器人变得智能化 。
嗯 。
且是因为接入了新一代 AI 大模型的高级智能化 。
是的 。 这个创始人叫 Michael Chen，也是一个华人 ，在 YC 的页面上给他的介绍 ， 我看完之后觉得就是他说 Michael Chen 正处在一个独特的十字路口 。
我想说哎给我们播客植入了吗 ？ 哈哈哈他拥有 MIT 的这个机器学习的背景 ， 然后同时他自己还是一个很喜欢搞商业的一个企业家 。他拥有一个酱料品牌 。
哦挺好玩的 ， 我特别喜欢他那个 YC 页面上往下滑 ，有一个两位创始人的合影 ， 就他俩在呃 。
对吧 。
再往下他俩在地铁上 。
哦 。
就他们在搬运一个机器人的一个箱子 。 嗯就拍的又有未来感 ， 然后又接地气 。
是的真好 。 挺好的 。
好我们 260 家公司在我俩倒下之前给大家过完了 。
哇下期下期比上期长很多呀感觉 。
嗯对有可能我们 。
我们可能 。
我们可能也积累了更多知识 ， 所以我们在看每家公司的时候可以讲出更多东西了 。 这也是一个好信号吧 。
然后其实 YC 现在的 CEO 是这个 Gary Tan。
嗯 。
就 Sam Altman 已经去做 OpenAI 了 。
对 。
然后 Gary Tan 呢也是华人， 然后他在讲啊 ， 就今天的这个 AI 的创业者将获得的时代机会 ，他类比于 95 年的互联网的创业者和 09 年的移动互联网的创业者 。
嗯其实也是 Gary Tan 也是一个摇旗呐喊 ， 大家赶紧出来搞 AI 创业的一个人。 哎然后其实这个 YC 之前投的很多的 AI 的公司 ， 今天已经长成独角兽了 。
啊比如说呃我搜到有一个做这个背调的 AI 公司叫 Checker。
OK。
也是感觉很垂直啊 ， 今天独角兽了 。 啊有一个做法律合同管理的 AI 公司叫 IronCloud。 啊还有一个这个用计算机视觉 ， 这是上一个时代的 AI， 用计算机视觉去做自动结账的公司叫 Mashin。
这些公司看上去也都是从很小的角度切入 ，但是成长的非常迅速 。 那我们这一次过了 260 家公司 ，有一些我们看上去也是黑人问号嘛 ， 觉得那么垂直细分真的可以吗 ？
呃但是很可能这也是印证了 YC 一直在倡导的一个投资理念 。 就从他们最早的创始人就 Paul Graham 开始就在讲 ， 就是呃让 100 个疯狂的用户爱上你 ， 比你一开始就做一个 100 万人需要的东西更有价值 。
是的 。
呃所以他们的投资也一直延续着这个逻辑 。 好的念念不舍的和大家告别 ， 我们录了有史以来最长的一期播客 。
哈哈哈我们还在纠结要不要再去再往前迈一步 ， 做一个整理 。
我跟你说 flag 不要随便立 。
我还我们确实还在纠结 ， 我们再看吧 ， 看情况吧 。
好的那谢谢大家听到这里 。
感谢感谢 。
嗯拜拜 。