AI

AI

Jul 19, 2026

Bending Spoons：真正的 AI 驱动型伯克希尔，还是估值过高的软件收购商？

拥有 Evernote、Vimeo 和 AOL 的这家意大利公司刚刚以 16 倍营收倍数上市。而普通 SaaS 公司的平均交易倍数仅为 3.4 倍。Bending Spoons 究竟掌握了什么别人所没有的秘诀？ 我有一位朋友，是美国某顶尖私募股权公司的合伙人，他最近告诉我：“我们所有的软件领域合作伙伴都投入了大量资产，如今这些资产的价值都已大幅缩水，目前还不清楚他们还能把资金投入到什么项目中去。人工智能已经彻底降低了 SaaS 业务的最终价值。” 他说得对。 过去在软件投资领域人们普遍认为，一旦企业将某款垂直领域的软件产品融入自身的工作流程中，就会一直使用它。但现在再不能这样想了。这类产品或许目前还能留住客户，但投资者已无法确信十年后人们仍会需要它。而一旦对产品的长期使用价值失去信心，该企业的估值就会随之暴跌。 正因如此，Bending Spoons 的 IPO 成为了今年最值得关注的融资案例之一。 1/ 总结：Bending Spoons 收购那些虽已过时但仍受用户喜爱的互联网品牌，用规模更小的、以人工智能为核心的团队对它们进行重构，提高价格后永久持有这些品牌。 该公司的 IPO 发行价为 29 美元，据此估算其股权价值约为 184 亿美元。而如今的股价则在 32 美元左右。 按 2025 年 13.1 亿美元的预期营收计算，这一估值相当于营收的 15 倍以上；若将 AOL、Vimeo 和 Eventbrite 等公司的营收也计入，预计总营收约为 26 亿美元，此时估值则约为 8 倍。无论哪种情况，投资者都在为这家收购型企业支付极高的溢价。 2/ 将其与其他软件作比较。 目前普通上市 SaaS […]

阅读全文

AI

Jul 19, 2026

目光清澈，技术全面，岂会失败？

Vertical AI 的创始人何时应该拥有某层技术、获取其访问权，或将其商品化 在经历了十年以轻资产模式获得成功的风险投资企业之后，垂直整合再度成为主流趋势。 其论点如下：人工智能正在使越来越多的软件变成标准化产品，而专有数据、使用场景、现实世界的反馈、信任度以及产品分发渠道则成为仅存的稀缺资源。正因如此，垂直整合型的初创企业才有动力掌控整个价值链。如今，这种趋势已从传统的科技与商业服务领域扩展到由人工智能驱动的家居服务、建筑行业、养老产业，甚至医院系统之中。 NFX 在《AI Wrapper 已死》一文中简明地总结了这一观点： 代码生成环节已经过时了。那些存活下来的企业以及新一代的初创公司将会采取垂直整合的战略来思考问题——“我该如何掌控价值链中的每一个环节？” 毫无疑问，结构较为简单的业务模式容易受到攻击。不过，“掌控所有环节”这种说法其实是一种过度简化的表述，它实际上涵盖了多种截然不同的战略。企业可以选择拓展多款产品、拥有实体资产、将硬件与软件相结合、以服务提供商的身份运营，或是向市场的其他领域进行纵向整合。这些都是差异巨大的战略，其背后的经济逻辑也各不相同。 我们认为，人工智能虽然拓展了由风险投资支持的初创企业的可行发展边界，但并未确定其最优边界。人工智能企业应着力掌控那些数据、工作流程节点以及高价值成果集中的价值链环节。有时这需要实现垂直整合，但往往并非必需。 此外，垂直整合的形式与整合程度同样重要。一家企业即便掌控了整个技术链条，仍可能只能收集到无差异化的数据，不得不依赖与其他公司相同的模型，进而比那些专注发展的竞争对手面临更高的运营阻力与更差的盈利状况。 那种追求极致整合的理念忽视了一个事实：长期以来，那些占据主导地位的垂直应用层平台之所以能够实现强大的规模效应与竞争优势，恰恰是因为它们并未试图涉足所有可能的业务领域。即便在当前的 AI 时代，企业只要专注于掌控那些能够积累学习成果的关键工作环节，依然能够蓬勃发展，甚至获得更好的业绩。 在垂直领域的人工智能领域，正如此前的 SaaS 行业一样，其目标其实很简单：掌控那些关键控制点。当然，这些控制点会因行业不同而有所差异，并且会随着技术的发展而发生变化——有些环节会变得具有独特性，而另一些则会被视为标准化产品。但那种主张全面整合的观点认为，LLMs 已经把每一个垂直领域的环节都变成了控制点，而这正是该观点的致命缺陷。在任何 B2B 业务环境中，顾客的工作流程中能够作为数据系统启动点的关键节点始终是有限的。 粘土·克里斯滕森的另一个理论 粘土·克里斯滕森最为人熟知的作品当属《创新者的窘境》。他还提出了另一个关于垂直整合与模块化的理论，不过知名度较低。克里斯滕森最早在《颠覆、解体与差异性的消逝》一文中阐述了这一理论。在 2006 年接受彭博社采访时，他这样总结了这一观点： 在行业发展的初期，当产品的功能与可靠性还无法满足顾客的需求时，采用专有解决方案几乎总是最佳选择——因为这样能够以最优的方式将各部分整合在一起。 但一旦技术成熟到足够好的程度，行业标准便会出现。这会导致接口的标准化，从而使企业能够专注于整个系统中的特定部分，产品也因此变得模块化。此时，早期领先者的竞争优势就会消失，盈利能力则转而掌握在那些能够控制决定性能的子系统的人手中。 换言之，当市场尚处于初级阶段时，其本质就具有试验性： 买家们正在考虑是应该购买、自行开发，还是等待时机。 供应商分散且标准不一，缺乏内在的规模经济优势。 在这一阶段，如果买家认为这项新技术具有价值，那么采用专有化的方法就会显得更具吸引力。从买家的角度来看：鉴于目前的供应商规模较小且成本高昂，或许我们应当掌握自己的命运，争取在这片新兴领域中占据价值主导地位。而对于供应商而言，垂直整合则更有优势——他们可以提供咨询服务、解决整体问题，并拥有更多控制权。此时，将技术合作伙伴发展成独立运营的企业甚至也是合情合理的。为什么供应商不能像买家那样，拥有自己自主研发技术的成果呢？ 然而，随着该领域的成熟以及相关标准的出现，模块化产品便逐渐占据优势。顾客不再愿意为集成解决方案支付额外费用，反而开始重视产品的互操作性。此时，早期的集成商就会面临困境——那些低成本供应商能够通过各种组件自行组装产品，从而在专业性和价格上对集成商的方案构成冲击。与此同时，开源解决方案也应运而生。而对于那些已经转型为传统运营企业的科技公司而言，它们再也无法保持技术上的自给自足；如果想要获得最先进的技术，就必须亲自成为技术采购方。根据克里斯滕森的理论，长期的市场利润并不会被集成商所获取，而是归那些掌控着“决定性能的关键子系统”的企业所有。 人工智能通过扩大初创企业能够在内部处理的业务范围，使得这一理论再次具有现实意义。越来越多的技术环节可以被自动化、整合或内化。这固然增加了实现垂直整合的吸引力，但却不会改变利润的最终流向。 在《颠覆传统巨头指南》一文中，我们阐述了这一理念如何被初创企业用来通过使互补产品商品化、削弱现有企业的定价能力，并利用由此产生的利润来获取销售渠道与客户信任，从而实现对传统巨头的颠覆。在那篇文章中，我们以 Microsoft 与 PC 市场为例，介绍了商品化策略的典型案例。 20 世纪 80 年代初，软件甚至还不被视为与硬件分离的独立市场。当个人电脑开始流行起来时，IBM 急于成为先行者，于是推出了采用开放架构的 5150 型号：它使用现成的硬件，公开技术规格，并支持扩展卡的使用。 3 包括 IBM 在内的众多追随者迅速陷入价格战，市场竞争愈发激烈。与此同时，作为个人电脑不可或缺的配套操作系统、备受青睐的 4 操作系统的 Microsoft DOS 则销量激增。 即便通过整合能在初期取得优势，日后仍可能失去市场。那些曾经辉煌但现已衰落的技术巨头便是明证。垂直整合在某些情况下可能是结构上的必然选择，或是生态系统成熟之前的临时过渡手段；但它也有可能成为扼杀企业的错误决策。产品同质化终将影响那些采取整合策略的公司。垂直人工智能领域的创业者应当专注于掌握那些具备持久防御能力及盈利潜力的核心组件。 NVIDIA 正是对“整合至上”理念的现代反例。该公司将 GPU […]

阅读全文

AI

Jul 19, 2026

有史以来最具人文关怀的技术

大多数人并不是在试图节省时间，而是在试图消磨时间。 美国 | 科技 | 观点 | 文化 | 数据图表 当人们亲手创造事物时，他们会更加快乐。邻居自己制作的桌子，比他从 West Elm 订购的还要好。孩子们通常在午饭时间就会丢弃那些昂贵的玩具，然后花一整周的时间用包装盒来建造地下的堡垒。我们自己也很清楚这一点，但却常常忘记它，部分原因在于过去一百年来开发的大多数技术都是为了让我们用更少的努力获得更多。 那种技术确实很棒。我可以召唤一辆自动驾驶汽车，或者订购商品，一小时之内它们就会送到手上。但如果你问我什么才是让生活有意义的东西，这些几乎都不会被我选中。画笔从未为任何人节省过一分钟的时间，然而数万年来它始终都在我们触手可及之处。 不久前，那位多年致力于开发人工智能消费产品的尤金妮亚·库达对我说过一句话，我一直记在心里。她说，大多数人并非想要节省时间，而是希望好好享受时间。 无论人们是对人工智能持赞成还是反对态度，几乎所有讨论都围绕着时间这一问题。它会取代工作还是辅助工作？在撰写备忘录以及阅读备忘录的过程中，它分别节省了多少时间？那些计算单元的价值真的与它们的成本相当吗？ 但我认为，人工智能更有趣之处在于它属于另一种类型的技术——那种如同画笔一般、能让我们作为人类表达自我的工具。历史上有一些技术同时具备这两种特性：语言、印刷术以及蒸汽机，这些工具不仅大幅节省了人力，还几乎在无意中拓展了人类的可能性。人工智能也属于这一小类技术，它让创造事物变得更为可行。 为何创造比消费重要得多？奥利弗·萨克斯在晚年提出了一个让我反复思考的观点。他观察到，大多数人将活在当下视为目标，仿佛生活的意义就在于沉浸在当前的这一秒里。他认为这有点可悲。在他看来，那些最有生命力的人总是同时沉浸在过去与未来之中：回忆、规划以及梦想。创造正是如此——它让你跨越三种时间维度，因为你正在运用自己所热爱的一切，去创造那些已然可见的事物。而相比之下，消费只会将你困在当下。 以社交媒体为例。起初它堪称一种奇迹：人们愿意花时间分享身边发生的事情以及自己的想法。但后来它变成了一场竞赛，一种吸引关注的手段。一旦算法开始起主导作用，最能引起轰动的内容就会脱颖而出，于是人们便致力于制作最能引发反响的内容。而最近，我们将这种由机器生成的劣质内容称为“垃圾”。 但在任何机器介入之前，那些内容推送就已经是低质量的产品了。当所有人只知道消费而不去创造时，产生的就只有这类劣质内容，而解决之道就在于让人们重新开始创造，而 AI 在助力这一点方面表现极为出色。这大概是我能想到的最有效的对抗低质量内容的办法了。一个你可以与之交谈、塑造、争论的伙伴，比你在互联网那头观看的名人更能为你带来价值——因为前者是你亲手创造出来的，而后者只是发生在你身上的事情而已。这就好比是播放自动生成的 Spotify 歌单与亲手为某人制作混音带之间的区别，后者才是真正融入了他人日常生活的东西。 这并非只有创意行业的人才能享受到。肯塔基州有一位没有计算机科学学位的资深电工，他利用 AI 开发出了一个负荷计算工具，售价仅为 12.99 美元，却能替代价值 500 美元的上门服务。还有位水管工，在仅用一个下午的时间使用 OpenClaw 之后，就取得了比那些咨询专家数周努力还要好的成果，于是他决定取消那份价值 4 万美元的咨询合同。在计算机发展史的大部分时间里，如果不会编程，那就只能成为他人创意的消费者。但那种状况已经结束了。尝试新事物的成本大幅降低，而最先掌握这项技术的人也并非大家预想中的那类人。软件将会像 YouTube 让视频普及到各个角落一样遍布各地，而其中大部分作品都将出自那些从不认为自己是创作者之辈的手中。 同样的变化也正在人们的居家时光中出现。那种类似麦肯锡式的、缺乏创意的 AI 愿景认为，人们生活中的所有事物效率都会提升 10%。而更美好的愿景则是，每隔一年左右，人们就能发现一件新事物并投入自己的闲暇时间去深耕它。从真正重要的意义层面来看，这些其实都无关紧要，而这反倒是个好消息——因为那些无关紧要的事物往往正是人们最钟爱的。比如同人小说、在卧室里打碟的少年、雨天与女儿一起发明的那些有趣游戏。几乎所有伟大的消费类企业也都是从这类事物发展而来的。正如我的搭档克里斯·迪克森所说，下一件伟大的产品最初看上去也会像一件玩具而已。 工作也是如此。任何一份工作中令人愉悦的部分，就在于能够从事自己真正擅长的事情，而其余的一切——那些政治斗争、地位争夺以及无休止的会议——都不过是为此付出的代价。人工智能正在逐渐抵消这些代价。随着这些负担的减少，工作就愈发像属于你自己的事情，更像是你本来就会去做的。而那些让人感觉像在玩耍的工作环节，向来都是真正突破性创意诞生的地方。优秀的想法几乎从不会出自战略书籍，它们往往源自人们出于兴趣而主动开展的业余项目、那些奇怪的周末计划，或是那些最终带来好结果的奇妙探索。 有一个关于嬉皮士们如何变成这个国家有史以来最出色的资本家的古老故事，大卫·布鲁克斯在《鲍勃们的天堂》一书中对此进行了深入探讨。那些属于 60 年代的个性特质——本应与金钱为敌的东西——逐渐演变成了推动经济发展的动力。奋斗者与反叛者之间的斗争并没有分出胜负，而是以两者融合告终。做一个独特的个体不再被视为一种反叛行为，反而成了整个经济体系的特征（诸如本杰瑞冰淇淋、Restoration Hardware 以及路虎等公司便是这方面的典型代表）。 我想要的是更多这样的东西，而且要以更有力的方式呈现出来——大规模的个性表达。正因如此，那种令人恐惧的 AI 叙事，即少数公司掌控一切，而其他人则沦为永久的底层群体的说法，在我看来始终是错误的。那些支线任务、各种奇思妙想以及周末项目，并不会形成一张清晰明了的图表来展示谁拥有什么。无论 AI 会带来怎样的变化，你首先感受到的将是自己日常生活的改变，是你能够创造什么、能够成为什么样的人，远早于它变成反映社会结构图表的那一天。 看看那些整天都在使用这些工具的人吧。他们并没有因此变得懈怠或失去兴趣，反而工作得更努力了，也更加投入其中。那些多年来只能旁观自己抱负实现的人，终于能够将其变为现实。只要给人们提供实现心中构想的手段，他们就不会退缩，反而会更加努力。他们会熬夜到很晚，甚至在凌晨两点就给你发消息，想让你看看他们的成果。 几个月前，我参加了一次与众不同的男士聚会，每天的生活节奏是：早上花四小时使用笔记本电脑，之后打帕德尔球，接着是漫长的晚餐，而晚餐期间，四位成年男子主要就是在互相展示自己早上创作出的作品。在我看来，那便是未来的模样，主要是因为每个人都极其渴望展示自己的成果。 […]

阅读全文

AI

Jul 13, 2026

任务经济（Task Economy）——数据将成为下一个万亿美元级赛道

Token（Token）经济 今天，当我们谈论 AI 时，Token 已经成为“王者”。 更准确地说，推理（Inference）Token 已经成为衡量 AI 生态增长最重要的指标。 上市公司会公布每月处理了多少 Token 来展示 AI 业务增长；分析师会根据各家模型产生的 Token 数量比较模型的发展情况；企业管理层也会通过 Token 使用量来衡量自己在 AI 上的投入与战略重视程度。 这种现象并不奇怪。 因为 Token 是 AI 智能与计算最基础的计量单位，Token 的增长，本质上就是 AI 世界整体增长的映射。 更重要的是，Token 把复杂的推理过程抽象成了一个统一的计量单位： 足够简单（两分钟就能理解） 足够统一（长期持续跟踪） 足够直观 它就像 AI 世界里的「通用语言（lingua franca）」，无论技术背景如何，人们都可以通过 Token 理解 AI 正在发生什么。 例如： 更多人在使用 AI？Token 增长。 从普通模型进入 Reasoning 模型？Token 增长。 从一次性问答变成 AI Agent？Token 增长。 Agent […]

阅读全文

AI

Jul 13, 2026

人工智能驱动的服务领域投资机遇

目前，借助 AI 的技术服务或许是人工智能领域最具吸引力的应用层投资机会。以下是我用来对各类服务进行评估的 8 项评分标准，同时也指出了那些仍处于“蓝海”状态的领域。 在过去的几个月里，我一直在研究一个论点：为何基于 AI 的服务可能是人工智能领域最具吸引力的应用层机遇，为何有些新入局者仍无法实现具备风险投资规模效应的成果，以及还有哪些具体市场依然处于完全未开发的状态。这篇文章将所有的分析观点汇总在了一起。 我曾亲历过这两类服务——既以 SaaSCEO 的身份在 Gigya 中将专业服务作为核心竞争优势，如今又以投资者身份见证人工智能正在打破软件与服务之间的传统界限。以下便是我得出的结论。 为何选择服务领域，为何偏偏是现在？ 最典型的例子很明确：人工智能能够改变那些历来难以发展的行业。 传统的服务行业存在利润率低、质量不稳定、扩展性有限以及净推荐值不佳等问题。在这些行业中，劳动力本身就是产品，但很难招聘到合适的人才，也难以对他们进行有效培训并保持服务品质的稳定性。而借助人工智能的服务则能够彻底改变这种状况。 但更大的机遇或许在于企业的采用。 要将人工智能代理直接引入企业，往往需要获得多方利益相关者的认可、做好变革管理，同时还要解决员工失业带来的担忧。这些障碍正在拖缓许多此类初创公司的发展速度。 服务市场则有所不同，那些领域早已被外包了。 该企业已经决定不自行承担这项工作，而是直接购买服务成果而非相关工具。这样一来，销售周期会更短，价值实现的速度也会更快，同时所需的内部变革管理工作也大大减少。人工智能可以在供应商的系统中运行，采用 FDE 风格的定制化服务在后台完成，而无需转嫁给客户。 对创业者而言，这个结论有些违反直觉：要让智能代理进入企业，最好的办法或许根本就不要出售这些智能代理。 我对此的思考可以用下面的 2×2 矩阵来表示。内置式 AI 智能体虽能快速创造价值，但也会带来相应的变革管理难题；而传统企业软件在这两方面都表现迟缓。传统的外包服务虽然易于获取，但改进速度却很慢。相比之下，基于 AI 的服务正好处于企业所期望的区间：几乎无需进行变革管理，且能迅速实现价值创造。 利润并非护城河 问题就在这里。 许多基于人工智能的服务类初创企业都将拥有更高的毛利率。但只有少数企业能具备真正的竞争优势：更优质的产品、更完善的数据、更具可操作性的市场环境、更高的转换成本以及稳定的经常性收入。 提升利润率是人工智能最直接的优势。只要将模型应用于那些依赖大量人工的工作流程，成本就会下降。但倘若仅此而已，那么你的优势也就只能持续到下一个创始人（或是你正在颠覆的现有企业）也将同样的模型应用到相同的工作流程中为止。 这正是下表中的两项标准所构成的检验标准。如果人工智能能带来显著影响，但却无法提升业务的持久性，那么这类业务就只是成本削减工具而已；而那些业务本身具有较高的持久性，但人工智能却无法为其服务质量带来实质性提升，这样的业务虽然有发展潜力，但并非真正依托人工智能而诞生。只有处于右上角的那类业务，才能实现创业级别的成功——因为人工智能既能提升服务水平，又能增强业务的持久性。 创业者应当寻找那些能够借助人工智能提升服务质量并增强企业可持续性的领域。 评分体系 为了评估那些提供人工智能驱动服务的公司以及整个行业类别，我使用了一套包含 8 项标准的评分体系，每项标准都按 1 到 5 分进行打分： 潜在总市场规模。目前的金融服务市场是否足够庞大，足以支撑一家初创企业的成功发展？ 市场是否足够分散，足以让新进入者找到切入机会？ 收入质量。该收入是持续性的，还是主要以一次性、项目制的形式出现？ AI 产品带来的实际价值。AI 是否真的能让服务有显著提升，而不仅仅是降低成本或提高速度？ 数据飞轮效应。每一次客户互动都能提升服务质量吗？ 转换成本。一旦开始使用该服务，是否很难再停止使用？ AI 经济效应：AI 是否会在根本上改变企业的毛利率状况——只是小幅上升，还是出现大幅变化？ […]

阅读全文

AI

Jul 13, 2026

AI 封装工具已过时：早期初创企业实现垂直化发展的三种路径

垂直化发展已不再是处于成长阶段企业的策略。 处于种子阶段的初创公司向我们展示着那些全面且高度整合的商业规划。这些规划与打造特斯拉和 SpaceX 时所使用的类似，但它们是为高价值行业、小型团队以及以人工智能为核心的技术理念而设计的。 这种思维模式贯穿多个领域：不仅是为律师设计的人工智能工具，还有以人工智能为核心竞争力的律师事务所；也不仅仅是某个创始人创建的软件采购平台，而是希望最终能够掌控整个供应链的愿景。 这种思维方式一直存在——十多年来它一直是埃隆的行事准则。不过如今在更早的阶段就表现得更为明显了。它的出现，源于在 AI 发展初期所积累的惨痛教训：那些试图通过包装 ChatGPT 来盈利的公司的兴衰历程。 那些熬过了那个阶段、或是正在起步发展的公司，都意识到采用垂直思维模式，才能始终领先于那些前沿实验室以及可能出现的通用人工智能。许多公司也成功地将这一理念付诸实践。 让我们来谈谈这一策略所呈现的形式，以及为何它在当今如此重要： 包装材料的兴衰 在人工智能时代，垂直思维正迅速成为一种重要的防御策略。要理解其中的原因，就必须了解 2023 年到 2024 年之间发生了什么。 当 ChatGPT 出现时，第一批创业者们选择了最常规的做法：在他们的基础之上进行开发。用于文案创作的 AI、用于客户服务的 AI、用于法律研究的 AI、用于销售的 AI。他们的宣传口号始终如一——把人类原本要做的任务交给 AI 来完成，然后通过收取订阅费或服务费来盈利。 Jasper 可称是这类公司的典型代表。2022 年时，该公司的估值高达 15 亿美元，同时还筹集了 1.25 亿美元的资金，一度被视为营销软件领域的未来发展方向。然而不到一年后，它就下调了 2023 年的营收预期，降幅至少为 30%，同时还进行了裁员，其联合创始人也相继退出了公司。此后，该公司将发展目标调整为打造“营销操作系统”。 贾斯珀只是这种更为普遍的典型现象的早期、显而易见的例子罢了。但他们并非唯一。 那些在基础模型之上开发单一功能工具的“封装”公司，是基于这样一个假设来行事的：这些底层模型大致上不会发生太大变化。 各类智能体改变了这种观念。那些处于前沿的实验室立刻开始尝试将其开发的模型转化为可实际使用的产品，取得了不同程度的成功。其中最典型的例子就是 Anthropic——在企业需求的推动下，该公司的营收从 1 月份公布的 140 亿美元增长到了 5 月份的 470 亿美元以上。从他们的产品化战略就可以看出来这一点：Claude Code、Claude Design……这些工具在两年前还仅仅只是简单的外壳而已。 那些将系统构建在单一任务之上的公司，都会面临困境。原本看似是一种产品策略的“面向 X 领域的 AI”理念，实际上只是对暂时性优势的一种描述罢了。（顺便说一句，那些试图打造没有网络效应、缺乏垂直领域专业优势的通用型智能体的公司，其实不过是“包装版 […]

阅读全文

AI

Jul 13, 2026

AI 领域的新空白

随着人工智能第一波浪潮的消退，有哪些新的机遇正在出现？ 周日快乐，欢迎收看《AI 投资》栏目！千万别错过 Zo Computer 的 Ben Guo 带来的最新一期《纽约 AI 展会》报道——那是一种基于 AI 的云服务，能够帮助你构建并托管各类应用。我们发布的 Tokenmining 新闻简报也会不断更新，其中每周都会分享有关推理优化方面的实用技巧，订阅后就能随时掌握高效 AI 推理的相关资讯。 今天我想谈谈新的机遇所在，因为旧有的机会已经消失了。 一年前，人们还可以凭借出色的用户界面设计以及巧妙的提示词策略，宣称自己属于处于热门领域的垂直整合型 AI 企业，从而成功筹集到种子轮融资。但那种做法已经过时了。生成式 AI 领域那些最容易获取的利润——也就是拿一个前沿模型，为其加上一层定制化的界面，然后收取订阅费——早就被摘取、利用完毕了。如果你的推销话术是“这不过是 X 版本的 ChatGPT”，那么现在大多数投资者给出的回答会是“ChatGPT 不也是这样吗”。 但我认为大多数人忽略了一点：随着标准文本生成的能力曲线趋于平缓，一个庞大的新基础设施与执行机遇层面正在其下方出现。我将它称为“新 AI 空白地带”。为了从众多信息中筛选出有价值的内容，我想借助一种我认为如今再度具有重要意义的旧工具——迈克尔·波特的竞争战略矩阵。该矩阵以一个轴表示业务范围的广度与狭窄程度，另一个轴则表示成本领先与差异化竞争策略。这听起来像是商学院的作业，但正如你们将看到的，它实际上能非常精准地指出何处仍可以构建具有持久竞争力的 AI 企业。 过去 180 天里发生了什么变化 大约在同一时间，发生了三重转变，这些转变共同重塑了整个行业格局。 首先，是从提供建议转向实际执行。两年来，人工智能一直扮演着提出建议的角色——它起草邮件供你发送，提出代码供你提交。但那种模式已经结束了。如今的编码智能体能够完成整个代码库的重构，而不仅仅是单行代码的补全。它们还能负责创建工单、处理退款以及更新客户关系管理系统。我思考人工智能时的原则始终是将其与人类执行任务的方式相联系——这里的类比就是：雇佣一名为你撰写备忘录的顾问与雇佣一名亲自完成工作的员工之间的区别。这两者的经济价值截然不同，所需的支持基础设施也各有差异。 其次，双层架构已变为现实。市场分化为成本高昂的云端推理巨头，以及速度极快、价格极低的“工作蜂”——即在本地或边缘设备上运行的小型语言模型。在 Neurometric 的日常工作中，我们经常能看到这一现象：由于技术发展的快速进步，对于许多特定任务而言，小型模型的性能已经可以与最先进的模型相媲美，而且成本仅为后者的百分之一。六个月前这种情况还不太确定，但现在已然成为事实，这也改变了所有基于此类技术构建的产品的成本结构。 第三，系统集成实现了标准化。业界开始采用 MCP 之类的协议，工具集成也从原本需要定制、脆弱且耗时六周的流程，变成了即插即用的方式。如果你经历过在 Stripe 出现之前每个网站都必须自行开发支付集成系统的时代，就能明白接下来会发生什么：那些此前因构建成本过高而无法实现的功能将会大量涌现。 那么，机会点在哪里呢？让我们用迈克尔·波特的竞争战略框架来分析一下。 五大空白市场机遇 1. 全面的成本优势：动态多模型路由中间件 这正是波特理论中所描述的那种经典且低成本的处理方式。这类软件充当企业 API 调用的“交通指挥员”：对于简单的客户支持分类查询而言，根本无需使用复杂的推理模型，就如同日常通勤没必要开法拉利一样；该路由系统会将这类查询引导至成本极低的小型语言模型或设备端模型，而把昂贵的代币留给那些真正需要它们才能处理的查询。 为什么六个月前还没有这样的技术出现？因为小型模型在分类方面的准确性还不够高，无法用来可靠地做出路由决策，而路由处理带来的开销又会增加过多的延迟。这两个问题如今都已得到解决。显然我与这项技术息息相关——这正是我们在 Neurometric 正在开发的领域——但即便如此我仍会撰写相关内容，因为当一家公司每天要处理上百万次 […]

阅读全文

AI

Jul 13, 2026

哪些垂直行业巨头能在人工智能的冲击下生存下来？

与 Cloudbeds 的创始人兼首席执行官亚当·哈里斯一同探讨。 亚当·哈里斯是酒店管理平台 Cloudbeds 的联合创始人兼首席执行官。该平台业务覆盖 157 个市场，年度交易额超过 200 亿美元，每日登录用户达 55 万。在近 14 年的时间里，哈里斯将原本由九个相互独立的系统构成的杂乱架构逐步整合，打造出了一个服务于全球酒店的统一数据记录系统，如今更进一步发展成了具备行动功能的系统。作为一名毕业于加州大学伯克利分校的经济学家，他最初在华尔街工作，之后转入科技行业。最近他推出了“Signals”——这一基于 Cloudbeds 独家酒店行业数据模型构建的对话式人工智能层。它并非简单的辅助工具，而是依托 14 年来积累的酒店定价数据开发而成，正在逐渐演变成真正的动作执行系统。请继续收看，了解他为何认为当前的人工智能热潮带来的更多是投机者而非创新者，一家传统企业要全力投入垂直领域人工智能需要做些什么，以及为何 80%的成熟市场领军者会因反应迟缓而无法生存。 点击此处观看完整节目 今天的这一集 2026 年的每一期播客和演示文稿都在讲述同一个故事：人工智能初创企业将会颠覆那些发展迟缓的现有企业。传统的记录型系统已经过时，未来属于那些最快推出智能代理工具的公司。 亚当·哈里斯早已见怪不怪。他管理的平台在未来六个月内将为 5700 万位客人办理入住手续，处理超过 200 亿美元的交易额，并拥有涵盖 157 个市场的 40 亿条数据记录。上个月，Cloudbeds 就取代了 117 种竞争对手的系统——而其中大多数他甚至从未听说过。对于这种行业变革现象，他的看法十分直接：真正的宝藏在于数据集，而目前其他所有人都在试图掠夺它。 “海盗”问题 亚当对当前酒店业人工智能领域的现状直言不讳。他称：“我把现在称作‘海盗季’，大家都在寻找宝藏，只要能拿到就抢。” 让一个人沦为盗贼的，正是那种捷径——不付出努力去获取财富，却直接将其据为己有。这种行为表现为两种形式： 显而易见的是那些“资质盗用者”——他们是在六个月前进入该行业的从业者，如今已频繁出现在各类会议上，用哈里斯的话来说，还是领英上“最有影响力的人物”之一。 真正值得关注的是那些产品盗用者——那些推出依靠 Claude 驱动的营收工具或会编造取消政策内容的聊天机器人的初创公司。他们把某个前沿模型包装起来，就声称这便是自己的数据护城河。 遗憾的是，对于那些企图抄袭的人而言，想要获取真正的垂直行业数据资产并非易事。任何人只需每月花费 20 美元订阅 Anthropic，就能快速开发出相应的解决方案。但他们无法获得来自 2 万家以上酒店的 14 年间的预订模式、定价决策、客人偏好以及运营数据——至少，除非他们能通过客户关系获得访问权限，或是与经验丰富的平台建立合作伙伴关系，又或者自行打造属于自己的数据优势体系。正如我们之前所论述的，垂直领域 SaaS 领域的核心壁垒始终在于不断积累的数据集。那些已占据市场地位的企业，正面临着对其辛苦积累的资产被不断抢夺的威胁。 “如果 ChatGPT 想要优化酒店相关业务，那就应该来找我，”哈里斯说，“因为我每天都在做这件事。”当我们问他是否愿意向任何基于 […]

阅读全文

AI

Jul 13, 2026

如何构建一个能在你入睡时自动安排会议的无性向 AI 助手

如何逐步获取现有客户，并将其转化为优质洽谈机会的完整指南 我见过许多初创企业创始人所面临的最常见挑战并非如何为网站吸引流量，而是如何将这些流量转化为高质量的商务洽谈机会。而对于那些规模较小的团队来说，尤其是那些尚未设立专门负责主动开发潜在客户的岗位时，维持这一转化流程通常无人负责。结果就是，访问者来了之后只是随便看看，然后就离开了。 一个设计精良的智能代理无需增加额外人手就能解决这个问题。专为酒店业提供人力资源服务的 Qwick 公司生长总监查尔斯·范德库克，仅以每月约 40 美元的成本就打造出了这样一个能够实现该功能的智能代理。以下是他的实现方法。 为何网站流量无法转化为销售会议 大多数 B2B 网站面对进站访客时只会采取两种做法之一：要么将他们引导至表单填写（流程繁琐，转化率低），要么寄希望于他们能自行预约演示（这种想法过于乐观）。与此同时，您的销售发展人员还在为那些从一开始就未被筛选出的潜在客户进行人工跟进，浪费大量时间。 Charles 打造了名为 Avery 的 AI 智能体，正是为了解决这一问题。在短短一个月内，Avery 就处理了 1,400 次访客互动，根据用户特征对他们进行分类，回答相关支持问题，并将符合条件的潜在客户直接添加到 SDR 的日历中。运行整个系统每月的成本大约为 40 美元。 本指南将为您详细介绍他是如何做到的：所使用的工具、系统架构，以及经过四到五次迭代后获得的经验教训。 搭建过程：在 Voiceflow 平台上构建的 AI 智能代理 Charles 所使用的工具是 Voiceflow，这是一款用于构建对话式 AI 智能体的低代码/无代码平台。无需后端开发人员参与。只要能够设计出流程图并编写出合适的提示语，就能构建这样的智能体。 Avery 以弹出式小部件的形式出现在 Qwick 网站的右下角。它经过针对 Qwick 全部网站内容（常见问题、博客文章、入门指南等）的训练，其主要任务就是为访问者指引正确的路径，让合适的潜在客户预约会议。 第一步：在使用该工具之前先明确路由逻辑 在考虑使用哪种人工智能模型之前，先弄清楚谁会访问您的网站，以及不同类型的访客实际上需要什么。这才是最重要的决定。 对于 Qwick 而言，其用户群体分为两类：寻找工作时段的工人，以及需要招聘员工的商家。试图为这两类人构建统一的体验只会造成混乱。而为每类用户分别构建独立的 AI 对话路径，却能让一切变得井然有序。 在打开 Voiceflow 之前，请先在纸上把方案规划清楚： 访问您网站的 2-3 类用户分别是谁？ 它们各自需要什么？（信息？资格评估？还是会议安排？） […]

阅读全文