铃阅
❌

阅读视图

a16z投了家帮助出海公司做"翻译"的AI产品!

原创 随机小助手 2026-11-16 08:40 浙江

投资人押注的,显然不只是把英文换成另一种语言。

一家公司,能把软件翻成几十种语言,这听起来像一款翻译工具。可 General Translation 刚宣布累计融资 2700 万美元后,a16z 给它的定义却是“developer infrastructure company”(开发者基础设施公司)。

a16z 领投了它的 Series A,Seed 则由 Upfront Ventures 领投,硅谷科技大佬Peter Thiel、李飞飞教授等也参与投资。

投资人押注的,显然不只是把英文换成另一种语言。

一位开发者创始人形容,国际化曾经让每个出海的创始人忍不住说“fxxk this”,现在却变成了“trivial”——“以前一碰国际化就想说‘烦死了’,现在却变得轻而易举。”这句话之所以传开,是因为它道出了很多软件团队的真实体验:

产品做得越来越快,跨语言发布却还被代码、表格、翻译审核和外包协作拖住。

General Translation 想解决的,正是这道落差。它不只翻译界面文案,还把代码、产品界面、帮助文档、营销页面、演示文稿乃至视频里的内容接进同一套本地化流程。一个功能改了,相关语言版本可以跟着更新;同一个产品术语,也能在界面、文档和营销内容里保持一致。

创始人 Archie McKenzie 的愿景写得很直接:

“The world’s best companies have global missions(最好的公司都有全球使命).”

他接着说,General Translation 的使命是“bringing these world-class companies into every language”——“帮助这些世界级公司进入每一种语言”。

McKenzie 在普林斯顿主修计算机科学,也有古典语言学背景。他曾在自己的老师、计算机科学家 Brian Kernighan 的办公室白板上画出第一版产品。后来,Kernighan 成为公司的早期天使投资人和董事会成员。语言与软件系统,这两条线索在创始人身上交汇,也变成了公司的产品切口。

产品的关键,是把本地化从“发布前再翻一遍”变成开发流程的一部分。开发者把工具接入代码库,系统识别需要处理的界面内容;Locadex Agent 可以连接 GitHub、内容管理系统和文档工具,生成国际化代码、翻译内容,再把改动整理成 Pull Request 交给团队审核。语言、品牌术语和产品上下文保存在同一套系统里,产品更新时,相关语言版本也能持续同步。

Ramp 和 Cursor 已经把这套工具用在自己的产品全球化上。General Translation 官网列出的范围是:Ramp 覆盖 11 种以上语言的 dashboard、营销落地页和 iOS 产品;Cursor 覆盖 14 种以上语言的 Web 产品和文档。Cursor 的开发者体验负责人 Lee Robinson 公开感谢 GT 帮助推进本地化。

另一位开发者 Theo 看着国际化代码时感叹:“Internationalization went from ‘fuck this’ to ‘trivial’.”——“国际化从‘烦死了’变成了‘轻而易举’。”这句话比一串功能列表更能说明产品价值:

开发团队过去觉得麻烦、总想往后拖的工作,开始能被纳入日常开发节奏。

a16z 看中的也是这个变化。翻译模型会越来越容易获得,难的是让系统理解产品语境、接入代码和内容源、跟上每一次更新,并让团队在同一套术语和流程里协作。General Translation 把开发者工具开源,同时提供 API、CLI 和 MCP 接口,让 Agent 能直接参与本地化。它想成为产品团队每天都会用到的基础设施,而不是产品做完后才打开的一次性工具。

这套差异化能不能变成长期壁垒,还需要市场验证。公司称,其客户的产品覆盖数百万用户和 60 多种语言,但收入、客户留存和每家客户节省的时间都没有公开。接下来要看的,是翻译质量能否稳定、版本同步是否可靠,以及 Ramp、Cursor 这样的团队会不会把它持续留在核心发布流程里。

AI 让软件被更快地造出来,General Translation 押注的是下一步:

让好产品也能更快进入世界各地。

对一家"翻译"公司来说,这个愿景听起来很大.对一支想服务全球用户的开发团队来说,或许正是它们每天都在碰到的基础设施问题。

阅读原文

跳转微信打开

  •  

OpenAI收购成立仅10个月的AI旅行个人助手

随机小分队 2026-11-12 20:05 北京

OpenAI 昨天官宣收购了一家成立不到一年的 AI 旅行 Agent Odessia。创始人 Francis Davidson 宣布加入 OpenAI,负责旅行方向。这个 8 人团队,刚获得红杉美国八百万美金融资,去年夏天,数万名早期测试用户通过 Odessia 规划的旅行,按年化计算超过 6,000 万美元。官宣不久,创始人第一时间做了 Agent 时代打造小团队公司的复盘!

#openai#OpenAI#全球化#AI创业#个人开发者#AI助手#PersonalAgent

跳转微信打开

  •  

突发!OpenAI收购成立仅10个月的AI旅行个人助手!

随机小助手 2026-11-11 09:11 福建

成立10个月,打入Personal Agent,上线不久就被收购,太疯狂了!

Image

OpenAI 收购了一家成立不到一年的 AI 旅行 Agent Odessia。创始人 Francis Davidson 宣布加入 OpenAI,负责旅行方向。

Davidson 是连续创业者:他在大学期间联合创办住宿公司 Sonder,用十年时间把公司从零做到营收 6 亿美元、团队扩展到一千多人。Sonder 后来经历上市与经营困境,在与万豪的合作终止后走向破产。

Image

不到一年后,Davidson 带着一支约 8 人的团队重新出发,创办 AI 旅行 Agent Odessia,并获得 Sequoia 领投的约 600 万美元融资。

按他的说法,去年夏天,数万名早期用户通过 Odessia 规划的旅行,按年化计算超过 6,000 万美元。他把这次创业和上一段经历的最大不同,归结为一句话:抛弃旧打法,全力拥抱 Agent 时代。

而在第一时间,他复盘了自己如何用 AI agents 把公司快速做出来:让 Agent 参与产品、工程、设计、销售、财务和客服;给它们接入公司的上下文;用语音快速下指令;再把人的时间留给判断和纠偏。

Terms and Conditions | Odessia

以下是他们今年十个月的疯狂"Build"之旅:

让 Agent 无处不在,处理所有类型的工作

只要给 Agent 足够的上下文、打磨好的技能、详细的语音指令,再配上前沿模型,它就能成倍提升生产力,有时甚至能一口气完成整个项目。我们说的不只是软件工程任务,还包括战略、合作伙伴关系、设计、营销、客户支持、法务、财务,所有这些工作。

2026 年,我个人使用 Agent 的频率飙升了 25 倍。作为创始人兼 CEO,我脑子里只有一个目标:尽快打造一家优秀的公司。随着我越来越多地使用 Agent,智能所带来的投资回报也持续增长。

把上下文拉满

Agent 需要安全地访问员工能访问的所有信息。这意味着,要通过 MCP 或命令行工具,让它接触公司的每一份会议录音、Slack、邮件、云端硬盘,以及公司使用的各种软件工具。这意味着要接入几十种插件、MCP 或命令行工具。

一次 Agent 运行,就可以调取会议记录、查看云端硬盘里的演示文稿、翻阅邮件往来和 Slack 消息、读取用户反馈,再访问几个业务记录系统。把这些信息放在一起,整体价值会大于各部分简单相加。

我们还为每个决策建立了清晰、共享的文档,让 Agent 能吸收所需的战略背景。Agent 负责维护这套知识库和工作成果记录。

语音指令与技能

要让 Agent 做出优秀的工作,仍然需要大量纠正。但打字写提示词太慢了。语音通常快 3 到 4 倍。我们更喜欢先对 Agent 来一段头脑风暴式的口述,随着想法逐渐成形,把自己的思路也直接说出来。没必要把提示词逐字雕琢得很精致。

以前,几乎任何事情要手动做之前,我们都会先让 Agent 开始试着做。随着时间推移,它交出的工作质量一次次让我们惊讶。比如,产品发布视频就是 Agent 制作的。Agent 还会通过基准测试评估潜在合作伙伴的 API,并把结果整理成电子表格和幻灯片。

Image

我们会把反复出现的纠正整理成技能,让 Agent 在相关任务中主动加载。

反复迭代与前沿模型

一项任务如果手工完成,可能要花 40 个小时。用前沿模型驱动的 Agent,即使经过几轮迭代和反馈,也可能只要两个小时就能完成。生产力提升了 20 倍,而运行 Agent 的成本几乎可以忽略。回报如此之高,理性的做法就是取消使用限制。我们取消额度限制后,生产力明显加速了。

最终的瓶颈会变成你消化 Agent 产出、推动决策的能力。为了更快处理结果,我们越来越常让 Agent 生成一次性的可视化成果。随着 Agent 的自我检查能力提高,更多工作可以在人类审阅前就先完成并修正。比如,让另一个模型批评结果,再让模型循环改进。

知识工作很少是非黑即白的,这正是前沿模型占优势的原因。我们想要高性能软件、漂亮的设计、没有错误的财务模型、扎实可靠的分析等等。但我们也不想每一步都盯着模型、照看它。我们希望只给出高层目标,然后让 Agent 尽可能少经过几轮对话就全力执行。真正的瓶颈是你的时间。

最好的模型能让你用更少的迭代达到质量要求,因此整体成本往往反而低于每个 token 更便宜的模型。不管你怎么写提示词,便宜模型往往还是达不到质量线,最后你只能亲自从头重做,造成巨大浪费。减少迭代次数,比省每个 token 的钱重要得多。2026 年有一条反直觉的经验法则:

前沿模型每个 token 越贵,它的投资回报率反而越高。

补充一点:开源模型常被说成更便宜。但即使不把时间、迭代成本和失败结果算进去,在任何智能水平上,闭源模型都占据整个帕累托前沿的优势位置。

带领一支 Agent 团队

我们的工作日大概是这样开始的:醒来先看 Agent 夜里做了什么,用语音指出需要修改的地方,再启动一个新的 Agent。它可能需要几分钟才能跑完,但你不会只是盯着屏幕等,而是再启动另一个。能让公司变得更好的事情永远做不完。

这要求每个团队成员同时负责多个领域,也要能并行处理很多条工作线。因此我们每天开站会,分工推进并彼此监督。单线程工作、按季度制定路线图的时代已经过去了。

瓶颈应该永远是你,而不是等 Agent 干活。现在每个人都是 Agent 的管理者。好的管理者不会站在团队成员身后盯着他们怎么做,而是先给方向,再审阅完成的工作、提供反馈,反复迭代,直到达到要求。

Image

主动型 Agent 也很关键:它们无需人工逐个启动,就会自己开始工作。比如每天生成分析报告,不只是重复展示同一个仪表盘,还会主动做新的分析;调查每一个线上故障;检查所有客户反馈和追踪记录;核对应付账款;每天站会后更新 Linear;夜间运行冒烟测试。

能做的事情几乎没有上限。企业里的每一份数据,都可以被智能处理,用来改进产品、加快业务增长或提高效率。

疯狂的节奏!!

你可能会以为,Agent 提高生产力后,人类就能少干点活。但事实恰恰相反。越来越多创业公司每周工作六七天,我们也不例外。一个小时变得格外宝贵,因为现在能在一个小时里做的事情比以前多得多。不能让竞争对手抢先一步。这就是杰文斯悖论在我们工作安排上的体现。

我一直很喜欢电子邮件里的“只处理一次”原则:第一次读到邮件就强迫自己回复,之后再也不回头看,也不再惦记它。我开始把这个方法用在任何想探索的产品改进或新点子上:直接启动一个 Agent 去做,不需要任务管理器,不需要路线图、优先级排序或工作排期,只要持续、立即地执行和纠正,直到质量达标。最好的流程就是没有流程。规划和流程的投资回报已经大幅下降。

Image

我妻子觉得挺好笑:我在很多奇奇怪怪的地方,都坚持盯着 Agent 把事情做好。

新的篇章

能在这个生产力超人的新时代里做产品,真的太令人兴奋了。我想到的一些点子,几个小时或几天后就能在现实世界里看到,而不是等几个月甚至几年。回头看,我们曾经用那么手动、那么繁琐的方式运转整个经济,一定会显得不可思议。

任何传统路线图的负责人都知道,其中的取舍有多痛苦,真正能完成的事情有多少,想把一个简单想法交付出来又会变得多混乱、多复杂。

我迫不及待想看到未来几年会出现哪些新能力,也相信它们会明显改变整个经济中的产品与服务。客户会获得更多惊喜体验。那些过去永远排不上路线图的功能,将成为竞争中不可或缺的东西。

原文:https://x.com/fdavidsont/status/2120214953349263473?s=46

阅读原文

跳转微信打开

  •  

把印象笔记砍到20人,Bending Spoons如何打造超级收购系统?

随机小助手 2026-11-01 19:59 美国

从Evernote,到Airtable和Miro,人才是顺利整合的关键。

Linkloud 引言

Bending Spoons 专做成熟软件收购和长期运营,今年 7 月完成 IPO,估值约 184 亿美元。9 月,它以约 13 亿美元完成对 Airtable 的收购,随后又买下拥有超过 1 亿用户的 Miro。更令人瞩目的是,10 月中旬,巴菲特掌舵多年的伯克希尔又追加投资 3.3 亿美元,消息公布当天,公司股价上涨 34%。当初 Bending Spoons 收购老牌笔记软件 Evernote 时,这款产品的团队有 350 人,3 年后,专属运营团队缩到 20 人,营收却不减反增。

本文来自 Bending Spoons 联合创始人兼 CEO Luca Ferrari 的深度访谈。他详细解释了高密度人才为何比快速补位更重要、“把员工能力用满”为何不等于塞满工时,以及公司如何靠长期运营产生现金流,继续买下更大的产品。Enjoy!

01. Bending Spoons 为什么专买成熟软件?

Bending Spoons 很少从零开始去打造一个爆款,而是去寻找已经有用户、收入和品牌认知的产品。买下来之后,再把产品接入自己的招聘、技术和管理体系,长期运营。

作为一款老牌数字笔记和知识管理软件,收购发生时,Evernote 就已经拥有庞大的历史用户基础,年收入接近 9,000 万美元,团队大概 350 人,业务大致处于盈亏平衡状态。Bending Spoons 以 2 亿多美元买下它,随后重新安排团队,重做代码基础设施、产品和商业化。

三年过后,Evernote 的运营团队缩到 20 人左右,产品迭代速度明显提升,营收也在增长。这乍看像一次大裁员,但实际上,这 20多人只是 Evernote 的专属团队,支付、实验、数据处理等能力都是由集团平台提供。人数变少只是表面,真正变化的是工作如何被重新分配:哪些事交给共享平台,哪些事由产品团队继续负责,哪些流程被代码和 AI 接管。

收购对象被接入统一平台之后,公司更愿意持续投入核心团队和技术资源,等待更长期的现金流回报。这个做法和买入后等待出售的短期投资逻辑不同,时间本身也是改造的一部分。

Vimeo、WeTransfer、Remini 和 Meetup 也属于类似的收购对象。它们分属不同市场,却都有一批真实用户和成熟的使用场景。

Bending Spoons 做的事情,是把这些不同的产品接上一套共同的生产系统。Luca Ferrari 还有一个宏大的目标:

“我们想成为历史上最好的公司。”

02. 招人为什么要上升到集团层面?

一个十人团队缺人时,主管最先想到的一般都是尽快招人把空缺填上。项目在等,其他人也都在忙碌中,这时候有工作经验能立刻上手的人自然更有吸引力,可是真正有潜力的候选人,往往都需要时间培养。几年之后,这两种人才的贡献可能会完全不同。

“经验,我们可以给你。”

Bending Spoons 把各个业务的招聘和人员去留,交给同一支专职人才团队负责。人才团队同时看着多个岗位、更多候选人和更长时间的表现,能把人从一个岗位重新匹配到另一个岗位,也能承受等待更好候选人的成本。

比如,一个人投递产品岗位,人才团队可能发现他更适合增长岗位。某个团队暂时缺人,也不意味着必须立刻接受第一个合格的人。只要整个组织的工作可以重新排序,空缺本身就不再是必须马上填补的坑。

这支团队还在尝试把招聘做成一套信号识别系统。从学业记录到开源贡献,从测试表现到邮件往来,申请过程中的细节都可能提供判断依据。公司逐步积累了超过 100 个信号,用来预测一个人的长期潜力。

其中一个细节很有意思。候选人知道面试是在展示自己,通常会刻意表现得体。和招聘支持人员沟通时,候选人往往以为那只是安排面试的行政环节,不会特别留意自己的态度。公司发现,候选人在这些交流中是否尊重他人、是否愿意协作,有时更能预测入职后的团队表现。

“一个空缺的职位,损失小于一个不合适的人。”

招聘的目标是先找到能长期提高组织上限的人,再考虑填补眼前的职位。过去的行为比面试里的表态更有参考价值:长期投入开源项目,或在失败的创业尝试里坚持多年,都能提供线索。聪明和能干还不够,员工也要真正关心结果。

成熟产品未必能吸引最有冲劲的年轻人。一个优秀毕业生可能不愿意在 AOL 待上 5 到 10 年,却愿意加入 Bending Spoons,用 12 到 18 个月重建 AOL 的技术或体验,再去迎接下一个挑战。人才冲着集团加入,随后为旗下产品工作,和咨询公司吸引毕业生、再派他们服务不同客户的方式有些相似。

03. 没有奖金和头衔,员工如何对结果负责?

如果招聘负责人按录用人数拿奖金,岗位填满就很容易变成目标。每次降低一点标准,短期看都没什么,累积起来却会改变整个团队。Bending Spoons 的人才团队没有这类奖金,他们要做的是建立尽可能好的团队。对其他岗位,公司也尽量避免把薪酬或晋升绑在过于具体的短期 KPI 上。

这套管理方式给员工充分信任,也要求他们对公司的整体结果负责。岗位名称依然存在,方便协作和对外沟通,但在内部,每个人都要关注“什么能让公司变得更好”。

“我们所有人的工作都一样,帮助公司每天取得成功。”

这句话听起来简单,真正难的是它对人的要求很高。Luca 把公司重视的品质称为“极端主人翁意识”。这些品质体现为对结果负责、主动发现问题并持续提高标准。必要时,还要帮助别人完成工作。

没有这些基础,减少流程只会让责任边界变模糊。更准确的类比是一支高水平球队:优秀球员之所以可以自由跑位,是因为他们知道什么时候传球、什么时候补位,也知道什么时候放弃一个看似重要的动作。

04. 把员工能力用满,不等于塞满工时

给优秀员工列一张刚好能做完的任务清单,看起来很合理。可他如果只在清单里挑任务,可能永远碰不到更值得做的事。

Luca 提到过一个容易被误解的表达,Saturate their capacity, 也就是让优秀员工的能力一直处于饱和状态。

这不等于把工作时间塞满而是要会取舍。面对远超自身容量的工作选项,要判断什么值得做,什么可以推迟,什么应该直接放弃。

“必须彻底摆脱一个想法:只有清空任务清单,才算把工作做好。”

很多组织把完成任务清单当成工作质量的证明。可一个人做完了所有任务,可能只说明他完成了别人交给他的事情。更高的价值在于,他能不能发现更重要的问题,并重新安排自己的时间。

跨业务轮换也是这套训练的一部分。一个人在不同产品中工作,会接触不同的用户、技术和商业问题。有效的做法可以从一个团队传到另一个团队,新收购的业务也能更快找到合适的人。

管理者要做的,是帮助团队减少低价值流程,持续调整优先级。每天都有大量事情可以做,真正值得投入资源的只占其中一部分。效率先来自放弃低回报工作,再来自把留下来的事情做快。

05. 50 多个内部工具,如何接入每次收购?

员工从一个产品转到另一个产品,如果每次都要重新熟悉支付、数据、权限和实验流程,轮换带来的收益很快就会被交接成本吃掉。

真正难以复制的部分,藏在 Bending Spoons 用了十多年搭建出来的内部工具里。Luca 提到,公司已经有超过 50 个内部工具,覆盖招聘、支付和 A/B 测试,也包括用户生命周期价值预测、数据处理等工作,另外还有权限管理和 AI 模型编排。

单个工具并不神奇,关键在于它们彼此连接。某个业务在使用时发现问题,平台团队修复后,其他业务也可以直接用上。业务越多,平台遇到的真实问题越多,改进的机会也越多。

AI 就嵌在这条生产线上。设计工具 Diagram 可以结合设计规范、代码库和业务上下文生成界面,再接入测试流程。Old Spooner 是 Slack 里的 AI 代理,可以调用和员工相同权限的内部工具,帮助检索用户反馈、分析代码和协作处理任务。

把这些环节放在一起看,逻辑就清楚了。招聘系统找到人,组织机制把人放到高回报任务上,技术平台缩短从判断到执行的距离。收购来的产品接入这条生产线,才有机会用更小的团队承担更大的业务范围。

06. IPO 之后,这套收购系统还能放大吗?

同一款成熟软件,交给不同买家,最后能赚到的钱可能完全不同。如果买家有能力改善产品、减少重复投入,未来现金流就会更高,也就有理由接受更高的收购价格。

“如果一家企业由我们运营会比由几乎任何人运营都更好,那么它出售时,我们就应该是出价最高的人。”

这句话说出了 Bending Spoons 的并购逻辑:高价本身不是目的,关键是接手之后能不能真正改变这门生意。共享平台、人才密度和长期运营能力,必须创造足够大的增量价值,较高的报价才有成立的基础。

长期持有也是这套逻辑的一部分。产品原有的收入、用户和品牌可以继续产生现金流,支持下一次更大规模的收购。并购、运营和资本配置由此连成一个循环,前一次收购积累的能力,会成为下一次交易的基础。

IPO 之后,Bending Spoons 面对的考题变大了。Airtable 和 Miro 的规模都超过 Evernote,业务更复杂,公开市场也会继续追问:这套收购后的运营系统,能不能装下更大的产品?

Bending Spoons 的优势和风险一直都来自同一个地方。从招聘到组织,再到技术和资本配置,都被放进同一套系统里。系统足够强,收购对象就能更快接入平台、完成改造;系统越集中,对人才密度、管理判断和技术整合的要求也越高。

Airtable 和 Miro 会成为比 Evernote 更大的测试。随着业务规模扩大、产品类型变复杂,市场会持续关注收入、订阅数和增长。更重要的问题是,公司能不能继续把最优秀的人放到最值得做的事情上,并且让共享平台跟上业务扩张的速度。

Luca 在访谈中反复提醒,数字必须放回真实的边界条件里理解。对 Bending Spoons 来说,重要的数字不只是买下一家公司花了多少钱,也包括产品接入平台之后,能否用更少的资源创造更高的长期价值。

“从 350人到 20 人”也不是所有产品都应该追求的目标。如果业务越买越大,人手和协调成本同步膨胀,更高的收购价格就很难再靠后续经营收益赚回来。

接下来要证明的,是一次次成功的改造能不能在更大规模上继续成立。

(更多完整内容,请点击阅读原文。)

end

图片

往期回顾

阅读原文

跳转微信打开

  •  

Linkloud协办:全球最硬核的AI Engineer大会,来上海了!

精选小助手 2026-11-01 19:59 美国

以下文章来源于:Linkloud精选

Linkloud精选

欢迎来到Linkloud社区,所有活动实录和精彩内容都在这里!

图片

2023 年 6 月,Shawn "swyx" Wang 在他的播客 Latent Space 上发表了一篇文章,标题叫《The Rise of the AI Engineer》。核心论断只有一句话:

LLM 的出现,催生了一种全新的 AI 工程师角色——不需要从零训练模型,但能用 API 等工具把 AI 能力真正落地成产品。

文章发布后 24 小时内,第一届 AI Engineer Summit 收到超过 1,000 份预报名,最终以 10:1 的申请比例售罄。连 Andrej Karpathy 都公开表示认同。

这就是 AI Engineer 的起点。

在这篇文章之前,swyx 已经用播客 Latent Space 在 AI 工程师社区建立了无可替代的话语权。Greg Brockman、Andrej Karpathy、George Hotz、PyTorch 作者 Soumith Chintala 等等这些定义了整个 AI 时代的人,都曾坐在 Latent Space 的麦克风前。

2025 年,Latent Space 全年读者与听众超过 1,000 万,是全球 AI 工程师社区公认的最高信噪比内容来源之一。

此后三年,AI Engineer 以惊人的速度成长。2024 年,旗舰活动 World's Fair 首届在旧金山举办,吸引超过 3,000 名参会者。2026 年 6 月,29 条并行议题轨道、300 位演讲者、100 家展商,最终到场超过 6,000 人。

核心规则只有一条:只讲真正在生产环境里跑的东西,不讲概念。历届演讲者几乎是 AI 工程领域的权力榜单——Greg Brockman、Andrej Karpathy、LangChain CEO Harrison Chase、Docker 创始人 Solomon Hykes、Conviction 创始人 Sarah Guo……

所有顶级演讲视频全部免费公开,目前已覆盖超过100 万名 AI 工程师、创业者和技术负责人。

三年,从一篇文章到四大洲的旗舰大会,从 500 人到 6,000 人,从旧金山到纽约、伦敦、新加坡、墨尔本。AI Engineer 已经成为全球 AI 工程师社区最核心的年度坐标。

而这一次,Swyx 和他们即将来到上海!

2026 年 11 月 5-6 日,AI Engineer 首次踏上中国。Linkloud 作为联合主办方深度参与其中,与全球团队共同将这场盛会带到中国 AI 创新最活跃的城市之一。

图片

首批确认嘉宾

图片

  • Shawn (Swyx) Wang — AIE 创始人 / Latent Space 创始人

  • Christoph Lassner — World Labs 联合创始人

  • Yibo Zhu — StepFun 首席技术官

  • Vincent Koc — OpenClaw 基金会首席架构师

  • Faye Zhang — Google Gemini 资深工程师

  • Ryo Lu — Cursor 首位设计师

  • Bin Liu — HeyGen 工程副总裁

  • Andrew Qu — Vercel CTO

  • Nancy Wang — 1Password CTO

  • Chen Peng — Arena 数据负责人

  • Gavin Luo — VAST 战略负责人

  • Ivan Burazin — Daytona 创始人兼 CEO

名单持续更新中🔥!

全球最高信噪比的 AI 工程师社区,与中国本土最活跃的创新力量,在这里第一次真正相遇!

图片

报名方式

图片

📅 时间:2026 年 11 月 5 日 – 6 日

📍 地点:上海虹桥祥源希尔顿酒店

🔗 详情介绍:https://ai.engineer/shanghai/2026

🎫 购票:扫描下方海报二维码或点击阅读全文报名!

11 月,我们与他们,上海见 🌊!

图片

THE END

图片

阅读原文

跳转微信打开

  •  

340天、2,000万美元ARR的一人公司Polsia,是神话还是泡沫?

原创 觐开JK 2026-10-28 19:59 北京

从$20M run rate到0.04%留存,增长神话经不起细看。

上周刷到一个视频,标题很有噱头:“I built a $20M ARR AI Startup in 340 days”。

点进去一看,播放量 333。

一个自称做到 2,000 万美元年收入的创始人,视频只有 333 个播放,看起来像是玩“标题党”那一套失败了。但顺着线索挖下去之后发现,这家公司是真的,钱大概率也是真的,而且故事比标题还要野。

公司叫 Polsia,创始人 Ben Cera,一名法国人,一人公司,零员工。

卖“开公司”的服务。

你每月付 $20,描述一个生意想法,也可以让 AI 替你想一个,然后就会有一支 AI 团队开工:CEO Agent 定方向,工程 Agent 写代码并上线网站,增长 Agent 发推、投广告、写 Cold email……官网 Slogan 简单粗暴:

AI that runs your company while you sleep(AI 在你睡觉的时候帮你打工)。

敏锐一些的人这时已经反应过来了,Polsia 这个名字倒过来拼正好是 AI slop(AI 垃圾)。这个由创始人故意设计的“小巧思”,可能是他最划算的一笔营销投入。

1. 增长曲线:越涨越快

先看数据,这里采用的是 Polsia 的自报口径,“自报”两个字十分耐人寻味:

  • 上线 12 周,run rate 突破 $1M

  • 再过 10 周,突破 $10M

  • 再过 6 周,突破 $20M

  • 第 340 天,逼近 $25M,创始人放话,下一站将冲击 $100M

正常 SaaS 的增长越往上越吃力,CAC 上升、渠道钝化,大数定律都会带来压力。Polsia 的情况却相反,每上一个台阶,所用时间反而更短。

为什么能这样?因为它没有走传统 SaaS 的 GTM 路径,而是依靠话题性驱动。每一次破纪录本身就是下一波流量的燃料:涨得快,登上热搜,更多人来试,收入涨得更快,形成一个自我实现的飞轮。

没想到的是,这家公司竟然真的有融资。

今年 5 月,Polsia 以 $250M 估值融了 $30M,由 Sound Ventures 和 True Ventures 领投。创始人 Ben Cera 自称,这轮融资的大部分流程,包括筛选投资人邮件、安排日程和部分沟通,都是他的 AI agent 完成的,整个过程还挂在一个公开 Dashboard 上直播。

投资人看到的不是 Pitch deck,而是实时跳动的数字。

Ben 自己总结这个打法是:融资的游戏规则已经从 “here's my deck” 变成了 “here's the proof happening in real time”(别看 PPT 了,看实时结果)。

2. 把硬币翻过来:增长数字需要“润色”

Ben 本人在播客里亲口承认,这不是传统意义上的 ARR,而是 run rate,也就是把过去 30 天的收入(含一次性付款)直接乘以 12。第三方拆解过它的公开数据,约 41% 的收入按构成是不可重复的。其中,Credit 加油包,也就是用户购买的一次性任务点数,占了 $5.5M;另有约 15% 是广告预算过账。

在 2026 年的 AI 圈,“ARR”这个词已经快被用成“薛定谔的 R”了。看到任何一家 AI 公司报告 ARR,都建议按照招聘 JD 里的“薪资范围”来理解,取下限再打个折。

留存是灾难级的

Ben 坦言公司的首月 Churn “大概 50%”,第二个月仍然是 50%。也有人计算分析过,Polsia 一个付费用户留存超过 12 个月的概率大约只有 0.04%,万分之四。

很难让人相信这是一个 SaaS 的留存曲线,更像是彩票的复购曲线。

用户的“公司”基本不赚钱

Polsia 的公开 Live feed 显示,平台上累计创建过 48 万多家“公司”,到 9 月仍然活着的约 2.9 万家,占 6%。这其中只有约 10% 的公司“赚到过至少 1 美元”;最能打的一家,月收入是 3,000 至 4,000 美元。

公司在 Trustpilot 的评分,从 8 月的 1.8 分爬到 10 月的 3.4 分,看起来有所改善。但两个月里的用户的吐槽依然围绕着:任务标记为“完成”却没有实际部署、Credit 被失败任务白白消耗以及退订困难。甚至有用户反映,AI 在没有得到确认的情况下给真实联系人发了 Cold email。

这已经不只是产品问题,还涉及合规风险。

3. 那这个人到底是谁?

Ben Cera(也叫 Ben Broca)曾是 CloudKitchens(Travis Kalanick 创办的公司)的二号员工,负责了四年半的国际运营;此前还联合创办过 Hutch,融过 $17M,由 Zillow 领投。他拥有 CentraleSupélec 工程本科和哥伦比亚大学硕士学位。

Polsia 是他在巴黎用 6 个月、以 $1M pre-seed 资金做出来的,据说这笔钱基本没有花掉。产品的技术底座是 Claude Agent SDK,巅峰期,他每月要烧掉 $1.2M 的 API 费用。现在他正把大头迁移到自己租用的 GPU 上运行开源模型,目标是把成本降到 $50K/月。做到这一点后,毛利结构会彻底改变。

这是一个老练的 Operator 在做一场精心设计的实验,不能简单看成撞大运。

4. 几点 Takeaway

  • 争议就是免费的分发

“AI slop”倒过来拼成 Polsia 这个名字,让争议本身变成了营销。真正的客户反而不太在意名字,他们付钱,然后使用产品。Ben 算过账,这个名字带来的 Earned media 价值有几百万美元。

  • Build in public 的终极形态是直播融资

公开 Dashboard 加上 AI 代替创始人回复投资人邮件,把尽调变成了一场围观。

Distribution isn't something you do after PMF; it's how you get there faster。

分发要从 PMF 之前就开始做,它本身就能帮你更快找到产品市场匹配。

  • 一人公司放大效率,也放大判断错误

AI 处理了他 80% 的 Founder 日常,包括邮件、客服、退款和投资人初筛。这部分效率革命完全成立,即使 Polsia 明天倒闭,这种工作方式也会留下来。

但 48 万家由 AI 自动开的公司里,没有跑出一家像样的生意。执行已经自动化了,判断还没有。AI 不会主动追问那个最贵的问题:这个东西到底有没有人要?

  • Polsia 真正卖的是“开公司的梦想”

Polsia 按月订阅,$20 起。50% 的月流失率加上源源不断的新用户,让这个模型更像健身房,靠营销带来一轮又一轮的新客,能不能留下变成长期会员另说。它能否从“卖梦想”进化成“真工具”,决定了它会成为下一个传奇,还是下一个案例库素材。

最后说句实话:没人能确定 Polsia 能不能活到 $100M。但一个人 + 一堆 Agent,再通过一场直播,能在 340 天里撬动 $20M 流水和 $250M 估值,这件事本身已经把 2026 年创业的玩法改写了一遍。

剩下的,就看第 680 天时,这条曲线会继续陡升,还是变成另一张图的素材。

end

图片

往期回顾

跳转微信打开

  •  

Codex被合并后OpenAI首次发声,如何让1000万用户"真进步"?

随机小助手 2026-10-25 19:59 北京

怎么判断团队是真的有进步,还是只是更忙了?

Linkloud 引言

ChatGPT 和 Codex 已经合到了一起,OpenAI 为什么还要推出 Work?这次要解决的是,怎么让财务、营销等非开发者也能顺手用 Codex 做表格、写报告。

Latent Space 是面向 AI 开发者的技术播客,本期录制于 ChatGPT Work 发布约一个月后,当时 Codex 与 Work 的用户合计已达 1,000 万。OpenAI 核心产品工程负责人 Akshay Nathan 谈到了具体怎么做:改进 Codex 的执行环境,让它更适合知识工作,同时收起代码仓库、文件差异等开发者熟悉的细节,让用户直接查看和修改结果。

从生成一张表格到协作完成一份报告,AI 开始参与更多具体任务。但做得更快、更多,不代表工作就更有效。访谈也谈到了管理者接下来要面对的问题:怎么判断团队是真的有进步,还是只是更忙了?

Latent Space 创始人 swyx 也是 AI Engineer 大会的发起人,AI Engineer 将会在 11 月 5 日首次落地上海,我们作为协办方,把硅谷许多最火的AI公司的高管与 AI 工程师邀请到了国内,欢迎点击阅读详情,现在报名还有社区专属折扣福利🎁!

01.是什么真正推动 ChatGPT 合并?

ChatGPT Work 的发布看起来像一次产品整合:Codex 进入 ChatGPT,聊天、代码、文件和 Agent 能力被放进了同一个产品。

推动这次合并的线索,来自 OpenAI 内部。Akshay 在用户研究中接触到战略财务、市场等团队,发现他们已经在用 Codex 处理各自的任务。最令他印象深刻的,是这些人对使用 Codex 的自豪感。

“他们觉得自己获得了一种超能力。”

OpenAI 因此开始考虑,怎么把 Codex 的能力带给更多 ChatGPT 用户,让不做开发的人也能用它完成自己的工作。Akshay 过去做 no-code、low-code 创业项目,后来在 Airtable 工作,也一直在解决这个问题:让用户不用写代码,就能做出自己需要的工具。

有了 LLM,用户可以直接说自己想做什么,不用先弄懂代码或数据库,这让更多人有机会用软件解决自己的问题。但能表达需求,不代表用户知道 AI 可以帮自己做什么。

ChatGPT Enterprise 推出早期,很多企业成立了 AI 部署团队,也准备了充足的预算,可一问具体想解决什么问题,各部门的回答却很不一样。

聊天框允许用户输入任何内容,却没有告诉他哪些任务适合交给 Agent,也没有说明需要准备哪些资料、连接哪些工具。企业需要帮助用户找到适合自己的用法,产品也要承担一部分引导工作。

用户独自打开电脑或手机时,ChatGPT Work 就要让他看见,眼前这件事可以怎么交给 Agent 完成。

02.为什么 Work 和 Codex 共用同一套 Harness?

Codex 和 ChatGPT Work 共享同一套 Harness,也就是组织 Agent 使用工具、执行任务的运行底座。模型负责理解和推理,Harness 则让它能调用插件、操作电脑、创建文件。

两种体验因此可以使用相同的执行能力,差别主要在界面,以及部分沙箱安全默认设置。

当用户让 Work 和 Codex 创建同一个退休计算器表格时,两种模式会以不同方式呈现结果。Codex 默认用户在代码仓库里工作,会显示 Git 状态、文件编辑和 Diff,让开发者看到具体改动。Work 则收起这些细节,让用户直接查看做出来的表格。

财务人员不必先理解代码仓库和文件差异,也能用上同样的能力。开发者需要这些信息时,Codex 仍会把它们展示出来。

经典 ChatGPT 的聊天体验也保留了下来。搜索、学习和日常交流更看重响应速度和表达方式,团队长期围绕这些需求优化产品。Codex 的经验则是,给 Agent 一个像电脑一样灵活的环境,它就能调用工具,完成更复杂的任务。

这些体验仍会继续调整。OpenAI 希望用户按任务选择合适的方式,同时能在不同体验之间切换。写代码的人也会做研究和预算,产品没必要因为他进入了某个标签页,就限制他使用其他能力。

03.当 AI 输出开始变成可继续修改的工作产物

Agent 能操作电脑之后,可以交付表格、报告和网站,用户也能在这些结果上继续修改。

节目中的退休计算器就有一个接近实际文件效果的表格查看器。第一版往往还需要调整,用户看得清自己和同事最终会看到什么,才容易指出问题,继续迭代。这也是团队同时改进模型生成质量和产物查看体验的原因。

OpenAI 内部的企业财务团队已经开始用网站做月度报告。过去放在幻灯片和电子表格里的内容,如今可以在同一个页面上呈现,供团队协作。

传统工具仍然有用,但有时用户不知道某个功能怎么操作,有时软件本身不支持他想要的效果。HTML 页面更容易按需求调整:重要内容可以放到显眼的位置,数据和研究结果可以做成交互面板。用户直接提出修改要求,不必先学会对应的软件功能。

本次发布中的模型选择滑块,也几乎完全在一个网站里完成设计、产品和工程协作。团队能直接试用不同方案,讨论实际的操作感受。

主持人的桌游实验展示了网站的另一种用途。他把 Strata 这款实体桌游的约 30 张照片交给 ChatGPT,生成了一个可以放置 3D 棋块的游戏网站,随后又让 AI 自我对弈,尝试自动研究、建立基准测试,并观察训练规模与表现的关系。

研究结果越来越多,他就让 Agent 做一个面板,方便查看实验、调整参数。他开始直接看网站上的研究结果,不用再逐条读聊天输出。

主持人说,这次实验用了约 17 亿 Tokens。后来需要更多数据库和基础设施能力,项目也迁出了 Sites。

网站本身仍需要整理。研究面板很长,数字很多,主持人还得继续删减和调整。页面能生成出来,不代表信息已经组织好了。哪些内容该留下、哪些结果最重要,仍然需要人来判断。

04.Agent 记住越多,权限边界怎么守?

ChatGPT Work 可以跨会话保存文件,做过的产物也能留在资料库里。下次处理相关任务时,Agent 可以继续引用,不必让用户重新提供所有材料。插件负责连接外部工具和资料,定时任务则让同一种工作重复运行。

这些能力也能用在生活中。Akshay 和妻子曾用 OpenClaw 管理家庭日历,团队里也有人把运动规划和饮食追踪转到 ChatGPT Work。日历、计划和记录都需要保存下来,后续任务才能接着做。

云端 Work 体验还会继承 ChatGPT 已有的记忆,并能写回新信息。用户过去聊过的偏好和背景可以继续发挥作用,不必每次都从头解释。这不意味着所有本地文件都会自动进入共享记忆,Agent 能使用哪些资料,仍取决于连接和授权。

资料积累多了,Agent 有机会找到人遗漏的信息。绩效回顾就是一个例子:约 6 个月前的评审周期里,AI 对 Akshay 的帮助有限。这次,它能从代码、评审记录和 Slack 中搜集员工的贡献,找到经理没有注意到的成果。

这里的用途是补全证据。Akshay 不会把完全由模型生成的文字直接交给员工,作为绩效评价。哪些贡献重要、怎么评价一个人,仍由经理负责。

多人协作还有另一层限制。有时同事向 Akshay 提问,他把问题交给 Agent,再将答案转发回去。转述会省掉部分执行过程和上下文,同事只能看到他挑出来的结果。

直接共享 Agent 的工作过程,可能让讨论更完整。但 Agent 接触的本地文件、插件和其他资料可能包含私人信息,一个人有权读取,不代表同事也有权查看。团队仍在探索多人协作,需要同时解决这些权限问题。

05.选项越来越多,普通用户怎么用?

模型类别、推理强度和多 Agent 模式带来了更多选项。普通用户想完成一个任务,不该先研究一遍这些设置。

OpenAI 希望用户先用团队选好的默认配置。结果质量、成本或速度不合适时,再尝试调整。复杂探索或适合并行的任务,可以使用相应的高级模式。

模型选择滑块把多个配置维度压成一条轴:一端偏速度和效率,另一端偏质量和充分程度。用户先表达自己的取舍,再由产品处理具体设置。

Sub-Agent 可以把任务分成几条路径并行处理。主持人还讨论了另一种用法:把适合的小任务交给更便宜的模型,降低成本。对于反复运行的研究、播客准备和自动化任务,这种细节控制可能有价值,但没必要要求所有人都学会。

Ultra 的入口也做过调整。团队后来把它放进高级设置,要求用户主动开启,因为这种模式可能消耗更多使用额度。了解它适合什么任务的用户可以打开,其他人继续使用默认配置。

简化设置的同时,产品还要让用户能检查 Agent 使用了哪些工具、引用了哪些来源。隐藏复杂度不能妨碍用户验证结果。

术语也一样。团队内部把表格、幻灯片等产物叫作 Artifact,用户只要说“帮我做一份幻灯片”,产品就该调动相应能力,不用要求他换一种说法。

至于怎么让用户发现更多用法,OpenAI 还没有完全解决。相比让用户读一篇通用教程,产品可以结合他正在做的任务、过去的行为和关心的领域,直接示范一种新的用法。财务人员和营销人员需要看到的例子,本来就不一样。

06.Agent 的终点,是跨过职业边界

OpenAI 先从开发者开始,再把 Agent 带给其他知识工作者,最终希望扩展到日常生活。

开发者愿意花时间设置工具,也能接受较复杂的操作,适合作为早期用户。财务、营销等岗位需要更容易理解的产物和更清晰的使用引导。这些经验也可以用于退休规划、家庭安排和兴趣项目,因为它们同样需要工具、资料、文件和持续反馈。

ChatGPT Work 希望用户在一次会话里表达需求,通过插件连接所需工具,不必每换一种任务,就去另一个应用里寻找按钮和功能。

这并不意味着专业软件会消失。OpenAI 会继续建设 Codex 这个开发者品牌,也承认其他专业产品和 OpenClaw 的开源价值。ChatGPT 可以通过插件帮助做退休规划和预算,却还不替 Akshay 托管现金和资产。用户从哪里发起任务,与底层系统负责什么,是两回事。

节目讨论的 1,000 万用户,口径已经从 Codex 转为 Codex 加 ChatGPT Work。当时 Work 只向付费用户开放,也不会默认把所有 ChatGPT 用户切换到 Work。

ChatGPT 已有数亿用户,但合并产品不会自动让这些人学会新用法。团队仍要让用户愿意尝试,根据反馈改进体验,才能把执行能力带给更多人。

07.AI 时代怎么区分“假忙碌”和“真进步”?

AI 让人更容易尝试原来不熟悉的工作。产品经理可以搭原型,工程师可以做设计,有专业深度的人也能兼顾更多事情。Akshay 认为,未来更多人会成为 T 型人才:保留自己的专长,同时借助 AI 做其他领域的工作。

但做得更多,也让进度更难判断。过去,代码行数、提交次数和 Story Points,也就是工作量估算点数,被用来间接衡量进展。如今 AI 让这些产出更容易增加,连同 Tokens 消耗一起,都不能单独说明团队是否更接近目标。

在 Akshay 的团队里,更重要的是一次尝试能不能完整做下来。他用 At-Bat,也就是一次上场击球的机会,来形容这个过程:提出想法,把它做出来,拿到反馈,根据反馈验证或推翻假设,再决定下一步。

团队需要增加有质量的尝试,不能只增加产出。如果做出来之后没有验证,代码和设计再多,也不知道解决方案是否有效。这还需要一种工作习惯:愿意承认假设错了,调整之后继续尝试。

团队得先说清楚想实现什么,以及什么结果能证明自己向前走了一步。

这也是想法和品味变得更重要的原因。软件更容易做出来,选择什么问题、判断哪个方案值得继续投入,就需要更多注意力。产品里的好想法仍然来自用户反馈、实际遇到的问题,以及对已有工作的理解。

AI 可以帮团队更快完成一次尝试。什么值得试,结果算不算进步,仍要自己判断。


由Linkloud协办,联手筹备的 AI Engineer 中国首次峰会即将在 11 月启航,就在上海!感兴趣的朋友,欢迎扫描下图右下角二维码购票,限时享受 Linkloud 社区折扣 ⬇️




更多完整内容,请点击阅读原文。

end

图片

往期回顾

阅读原文

跳转微信打开

  •  

Instinct创始人:百亿美金估值后,让用户少逛App,50%交易是旅游!

随机小助手 2026-09-29 19:59 美国

首次揭秘:23岁,第一次创业,跟所有大厂争入口!

Linkloud 引言

硅谷最火的 AI 助理初创公司 Instinct 创始人 Noah Shinn 今年只有 23 岁,2023 年从 Northeastern University 退学;此前,他是 AI Agent 经典论文《Reflexion》的第一作者,也是 Bret Taylor 创办的 AI 客服公司 Sierra 的早期研究员。

本期播客是 Noah 第一次在长篇访谈里公开谈自己的公司。就在节目录制前一天,Instinct 刚完成 10 亿美元 C 轮融资,由 Sequoia Capital、Benchmark 和 Coatue 联合出资,估值也从一个月前的 25 亿美元,直接跳到 100 亿美元,不可思议!

这场对话从 Instinct 如何在零营销的情况下,把交易额做到接近 10 亿美元讲起,还有聊了几个关键问题:为什么它选择短信、语音等熟悉的入口,放弃另做一个新 App?为什么信任会成为个人 AI 真正的护城河?当做任何事的摩擦趋近于 0,旅行、餐饮和出行行业的生意入口又会怎么变?Enjoy!

01. 邀请码卖到 300 美元,Instinct 凭什么日增 10%?

Instinct 的增长故事很适合用“病毒式传播”概括,却不能只停留在这个词上。

它从 200 名亲友用户开始,每个人只有 5 个邀请码。最初每天只增加约 5 人,增长率一路升到接近每天 10%。产品至今没有花钱做营销,用户却会主动在社交平台分享用例,向创始人索要邀请码,或者炫耀自己还剩几个名额。

甚至有人把邀请码放到 eBay 上出售,价格一度达到 300 美元。

“每天,大约有 10% 的用户会决定把自己 5 个珍贵邀请码中的一个交给别人。”

邀请制制造了稀缺性,但解释不了用户为什么愿意消耗名额。真正的推动力来自产品体验本身:用户第一次感受到,AI 可以接手一件事情,替自己跨过多个网站、多个步骤,最后把结果交回来。

这也是 Instinct 和普通 AI ChatBot 的区别。用户来找它,是要把一个现实目标交出去,得到真实结果。目标完成得越可靠,下一次交代的事情就会越复杂。

按 Noah 在播客中的披露,Instinct 仍然是邀请制产品,但平台年化交易额已接近 10 亿美元,其中约一半来自旅行。虽说 10% 的日增长和交易额并非严格统计的结果,但它们足以说明:个人 AI 助理正在从概念竞争进入真实使用竞争。

02. 没有 App,复杂任务怎么交给 Instinct?

Instinct 的产品逻辑很简单:用户不需要学习一套新的软件操作方式。

它有手机、电脑和自己的邮箱,你可以给它发短信、打电话,也可以让它主动来电。Noah 举过一个例子:如果你下午 3 点前必须签一份文件,而现在已经是 2 点 55 分,Instinct 会打电话提醒你,告诉你文件在收件箱里,甚至可以再发一封邮件把它推到最上面。

复杂的工作发生在后台,用户只看到一个熟悉的入口。

“我们不应该把注意力放在能力上,只应该关注可理解性。”

这句话解释了 Instinct 为什么把“产品感觉”放在功能清单之前。团队会观察用户如何阅读消息,重要信息是否出现在前 30% 的位置,文字是不是让人需要滚动很久,任务结果是不是足够容易预测。

模型能力决定产品上限,用户能否理解它正在做什么,决定了用户是否愿意继续使用。

Instinct 的用例跨度很大。有人扫描自己的衣柜和身体比例,让它规划一周穿搭,再从网上找出对应的衣服并直接下单。有人连接银行账户,让它识别长期不用的订阅,进入网站、完成登录和确认流程,最后回报本月省下了多少钱。还有人让它找回美国网球公开赛现场大屏幕上的视频。

这些案例的共同点,在于用户只需要表达想要的结果,Agent 负责把中间步骤补齐,AI 的多任务能力由此变成了可感知的行动。

(用户通过 WhatsApp 让 Instinct 制定旅行预算和行程,并在发现航班组合问题后要求它重新规划。)

03. 三周交出信用卡,个人 AI 助理如何留住用户?

个人 AI 助理最关键的数据,体现在用户愿意交出多少真实生活的控制权。

Instinct 观察到,用户通常需要几周时间才会逐步建立信任。使用约三周后,约 40% 的用户已经愿意绑定信用卡;在至少向 Instinct 连接一项敏感信息、并真正建立信任的用户中,留存率甚至能达到 80%。这种信任一旦建立,就会自我强化,滚成一套产品飞轮。

(Instinct 使用用户授权的信用卡完成酒店预订,并同步创建日历事项。)

用户提供的数据越多,AI 助理越能理解他的偏好,主动完成的事情也越多;而 AI 助理越可靠,用户也越愿意继续授权。信任因此同时决定功能上限和留存质量。

“用户应该始终掌控自己的数据。”

Instinct 设计了一个“可信任的人网络(Trusted network)”。配偶可以分享更多信息,同事只获得工作日历和特定收件箱内容。每段关系都有不同的访问范围,连接本身不等于获得全部权限。

这套设计把现实社会里的信任规则搬进了软件。AI 助理需要理解的,除了“允许”或“拒绝”,还有谁可以在什么时间、以什么理由访问哪一部分信息。

安全架构也必须跟上。Instinct 会用防火墙拦截可能诱导 AI 助理执行恶意操作的文本和媒体,并用与 AI 助理分离的监控系统,在工具调用前暂停、审核和拒绝。早期版本也出现过防护不足的问题,于是团队后来重做了系统。

信任还决定了商业模式。

如果一个免费 Agent 主要靠广告赚钱,很可能会为了广告主,主动向用户推荐并不真正需要的东西。Noah 更希望 Instinct 采用类似 Apple Pay 或支付网络的模式:用户免费使用,商家在交易完成后向 Instinct 支付服务费。这样,Instinct 的收入来自促成真实交易,而不是占用用户注意力或诱导消费。

这条路线的前提,是 AI 助理的利益和用户目标保持一致。AI 助理越聪明,越不能轻易被一套激励牵着走。

(用户分享测试 Instinct 的过程:当 AI agent 开始调用支付卡处理真实购买时,他直言自己“紧张得冒汗”。)

04. 当下单不必打开 App,谁还拥有入口?

旅行是最能体现 个人 AI 助理价值的场景。

用户只需要说:“我今晚要到纽约。”Instinct 可以结合当前位置、常用航司、座位偏好、餐食、支付方式和过去住过的酒店,完成航班、酒店、机场接送和日程安排。用户不需要打开旅行网站逐项填写,也不用记住每次预订时的偏好。

餐厅预订也会发生变化。生日、纪念日或朋友远道而来,Agent 可以把这些背景传递给餐厅,让稀缺座位匹配到更重要的场景。

“我们正在把做任何事情的摩擦降到接近 0。”

这样很可能会改变互联网的分发逻辑。平台过去依赖停留时长、点击和广告,AI 助理却能把用户注意力从交易过程中抽离出来,App 内停留减少,真实交易反而可能增加。

Noah 认为,数字业务大致有两种价值来源:一种赚用户注意力,靠停留时长、点击和广告变现;另一种赚真实交易,靠完成更多订单获得收入。

AI 个人助理让用户少逛 App,前一种平台可能因此承压;旅行、餐饮、出行和外卖等交易型服务,则可能因为下单更省事,获得更多订单。

这也是传统公司需要提前准备的变化。未来,用户可能不再打开 App,而是让个人 AI 助理替自己完成搜索、比较和下单。公司首先要判断,自己的收入究竟来自用户停留,还是来自真实交易:前者需要重新思考用户关系和商业模式,后者则可以把 Agent 当作新的分发入口,先在少量用户和具体场景中测试合作,再根据交易量、用户满意度和商品匹配效率决定是否扩大。

个人 AI 助理带来的变化,未必意味着平台会消失。更可能的情况是,平台从用户每天花时间浏览的目的地,变成 Agent 调用的底层服务。

05. 10% 日增长的另一面:算力需求可能每周翻倍

Instinct 面对的最大约束,可能来自增长本身。

传统消费产品的扩张,主要意味着更多请求、更多数据库和更多带宽。个人 AI 助理还要承担持续发生的后台工作。它需要在用户起床前扫描信息,在用户即将迟到时安排车辆,在用户还没有提出问题时判断是否值得提醒。

用户增长和后台任务一起复合,算力需求可能每周翻倍。Noah 说,自己大约 40% 的时间都在思考算力采购,困扰的地方在于,算力资源的交付周期可能长达数月。买少了,服务会因为增长过快而失速;买多了,几个月后又可能承担数倍的闲置成本。

即使日增长从 10% 放缓到 5% 至 8%,连续复合三四个月也会带来巨大规模算力消耗。主动式 Agent 消耗的 Token 远多于一次问答产品。

Instinct 的做法,是按任务的紧急程度分配算力:用户正在对话的请求优先快速响应,日历、邮件等后台扫描则可以延后几分钟甚至几小时处理。这样,团队就能对不同任务采用不同的模型和部署方式,再配合批处理,减少不必要的高性能计算,在保持接近前沿模型效果的同时压低服务成本。

这件事的难度在于,Agent 越主动,越需要更多计算;用户越信任它,交给它的目标越复杂。产品体验和基础设施不会沿着两条平行线发展,它们会彼此推高。

06. 如果软件只剩一个入口,App 还需要存在吗?

Instinct 的终局想象,远不止“帮我订一张机票”。

短期内,交互会从短信走向语音按钮、耳机和实时语音。用户走路时可以让它整理新闻、清理日历、回复邮件。部分用户有超过 90% 的交互通过语音完成,这说明自然语言正在成为更顺手的操作入口。

中期,Agent 会即时生成旅行行程、婚礼计划或完整网页。过去,新界面需要团队开发、发布,再等待反馈。未来,Agent 可以按目标即时生成界面,用完即走。

长期,用户交代的事情会从一连串单独任务升级为持续数月的目标。比如减重、提升跑步成绩、存下一笔钱,或者让小企业库存始终维持在某个范围。用户只需要给出约束和结果,Agent 自己选择工具与步骤。

“我认为,所有软件最终都会坍缩成一个非常容易使用的界面。”

能力会随着界面简化继续扩大。界面越简单,后台承担的工作越多。软件从固定应用变成按目标生成的服务层,用户面对的是一个入口,背后连接的是越来越多的工具、数据和商业服务。

真正决定这条路能否成立的,仍然是信任。Agent 需要知道什么时候该行动,什么时候该等待,什么时候必须请求确认。它还需要把错误挡在用户受到影响之前。

Instinct 这个名字,指向一种可靠的协作关系。它懂场合、记得偏好,也愿意站在用户一边。

个人 AI 助理的下一场竞争,可能不会先发生在模型排行榜上。它会发生在一个更难测量的地方:用户什么时候愿意把下一件重要的事情交出去。

如果你想继续了解这波个人 AI 助理浪潮,可以延伸阅读我们写过的 Town 如何用 15% 付费率证明需求、Poke 如何靠打造千万播放的营销视频,以及 Cola、Photon 创始人参与的 AI 个人助理专题对谈。

更多完整内容,请点击阅读原文。


往期回顾

阅读原文

跳转微信打开

  •  

Linkloud协办:全球最硬核的AI Engineer大会,来上海了!

精选小助手 2026-09-29 19:59 美国

以下文章来源于:Linkloud精选

Linkloud精选

欢迎来到Linkloud社区,所有活动实录和精彩内容都在这里!

图片

2023 年 6 月,Shawn "swyx" Wang 在他的播客 Latent Space 上发表了一篇文章,标题叫《The Rise of the AI Engineer》。核心论断只有一句话:

LLM 的出现,催生了一种全新的 AI 工程师角色——不需要从零训练模型,但能用 API 等工具把 AI 能力真正落地成产品。

文章发布后 24 小时内,第一届 AI Engineer Summit 收到超过 1,000 份预报名,最终以 10:1 的申请比例售罄。连 Andrej Karpathy 都公开表示认同。

这就是 AI Engineer 的起点。

在这篇文章之前,swyx 已经用播客 Latent Space 在 AI 工程师社区建立了无可替代的话语权。Greg Brockman、Andrej Karpathy、George Hotz、PyTorch 作者 Soumith Chintala 等等这些定义了整个 AI 时代的人,都曾坐在 Latent Space 的麦克风前。

2025 年,Latent Space 全年读者与听众超过 1,000 万,是全球 AI 工程师社区公认的最高信噪比内容来源之一。

此后三年,AI Engineer 以惊人的速度成长。2024 年,旗舰活动 World's Fair 首届在旧金山举办,吸引超过 3,000 名参会者。2026 年 6 月,29 条并行议题轨道、300 位演讲者、100 家展商,最终到场超过 6,000 人。

核心规则只有一条:只讲真正在生产环境里跑的东西,不讲概念。历届演讲者几乎是 AI 工程领域的权力榜单——Greg Brockman、Andrej Karpathy、LangChain CEO Harrison Chase、Docker 创始人 Solomon Hykes、Conviction 创始人 Sarah Guo……

所有顶级演讲视频全部免费公开,目前已覆盖超过100 万名 AI 工程师、创业者和技术负责人。

三年,从一篇文章到四大洲的旗舰大会,从 500 人到 6,000 人,从旧金山到纽约、伦敦、新加坡、墨尔本。AI Engineer 已经成为全球 AI 工程师社区最核心的年度坐标。

而这一次,Swyx 和他们即将来到上海!

2026 年 11 月 5-6 日,AI Engineer 首次踏上中国。Linkloud 作为联合主办方深度参与其中,与全球团队共同将这场盛会带到中国 AI 创新最活跃的城市之一。

图片

首批确认嘉宾

图片

  • Shawn (Swyx) Wang — AIE 创始人 / Latent Space 创始人

  • Christoph Lassner — World Labs 联合创始人

  • Yibo Zhu — StepFun 首席技术官

  • Vincent Koc — OpenClaw 基金会首席架构师

  • Faye Zhang — Google Gemini 资深工程师

  • Ryo Lu — Cursor 首位设计师

  • Bin Liu — HeyGen 工程副总裁

  • Andrew Qu — Vercel CTO

  • Nancy Wang — 1Password CTO

  • Chen Peng — Arena 数据负责人

  • Gavin Luo — VAST 战略负责人

  • Ivan Burazin — Daytona 创始人兼 CEO

名单持续更新中🔥!

全球最高信噪比的 AI 工程师社区,与中国本土最活跃的创新力量,在这里第一次真正相遇!

图片

报名方式

图片

📅 时间:2026 年 11 月 5 日 – 6 日

📍 地点:上海虹桥祥源希尔顿酒店

🔗 详情介绍:https://ai.engineer/shanghai/2026

🎫 购票:扫描下方海报二维码或点击阅读全文报名!

11 月,我们与他们,上海见 🌊!

图片

THE END

图片

阅读原文

跳转微信打开

  •  

YC S26“硬核”盘点:给OPC以宝箱,给普通人以结果

原创 随机小助手 2026-09-21 19:59 美国

7个样本看初创公司如何越来越“硬”,越来越“接地气”。

Linkloud 引言

Y Combinator 作为在硅谷最受关注的创业加速器,每年会分四批筛选最有潜力的早期公司,为其提供投资、辅导和创业者网络。YC S26 是 YC 在 2026 年夏季选出的 234 家公司,在这批公司里,Agent 工具、企业工作流、机器人、医疗和算力等成了最集中的几个方向。

同样也是创业者的 Cathryn Lavery 逐一盘点了这批公司,她的另一半创办的全栈制药公司 RonanRX 也在其中。Cathryn 将 234 家公司按“产品做什么、服务谁”分成 12 类,并挑出了 7 个最具代表性的样本,看 Agent 如何进入物理空间、补齐工作上下文,并在医疗等垂直行业接住完整服务链。Enjoy!

(文末附完整的 YC S26 公司名单。)

YC S26 的 234 家公司横跨 Agent 基础设施、模型训练、开发者工具、机器人、医疗、金融、物流、能源和消费应用等领域,其中最密集的仍是 Agent 工具和企业工作流。机器人、算力、医疗和国防等投入更重、门槛更高的方向也频繁出现。

放在一起看,AI 正从单点功能嵌入完整流程,应用边界也从软件界面延伸到工厂、药房和仓储等实体场景。

从小团队经营的角度看,这批产品大致走向两条路线:

  • 一类为团队提供上下文、权限、协作和模型调用等 Devtools;
  • 另一类则直接承接进口代理、会计和物流等传统业务。

前者减少信息查找和内部协调成本,后者省掉团队与多个服务商之间的反复交接。团队不必同步增加人手,也能处理更多事情。

一、AI 进入真实工作,先要面对哪些现实问题?

1. 家务机器人能否把 AI 带进真实场景?

可用于居家与办公杂务的机器人 Nori,定价 1,688 美元,可以叠衣服、打扫房间、补充货架,还能通过训练学会新任务。以它为代表的公司让 Agent 具象化,真正进入家庭和企业的物理空间。

这个价格足以让家务机器人从实验室走进普通家庭的购买清单。但是落到现实生活场景,它能否自动处理完一整筐衣服,面对不同房间、不同物品,还能不能稳定完成任务,依旧有待观察

另一个高门槛的公司 Atomarine 正在致力于建设一座海上的核能数据中心:把计算设备装进浮动驳船,用海水冷却,并设想由核能输电船供电。它和 Nori 处在同一条路线上:一个把 Agent 带进家庭和办公室,一个为不断增长的计算寻找电力、散热和场地。

Atomarine 的首个试点仍会使用燃气,核能输电船是更长期的计划。这个顺序很重要:宏大的能源设想,最终要先在一个真实的站点里证明成本、可靠性和运维方式。

2. Agent 要接手工作,还缺哪些连接?

Context.dev 为 Agent 提供“翻译服务”,把网页信息整理成 Agent 可直接调用的格式,包括可读正文、指定字段,以及公司的 Logo、颜色和字体。对非技术背景的使用者来说,网页内容可以直接交给后续工具处理,进入 Agent 工具链的门槛也随之降低。

Screenpipe 则是用来记录人们在电脑上的实际操作,并把这些过程变成一份可搜索的记忆;数据可以留在设备本地,也可以存放在团队指定的位置。很多工作经验藏在操作顺序里,这些记录正是 Agent 真正需要的上下文。

对于同时推进多个项目的人来说,Agent FM 则是最契合的产品。它的吸引力在于:可以在同一个地方听进展、继续提问,再把任务交回给不同的 Agent。多 Agent 协作一旦成为日常,统一的沟通入口就成了工作流的一部分。这很符合 YC 的筛选标准之一:人和 Agent 的关系应该接近和同事协作,不该是各自开一个窗口单独使唤。

3. AI 进入传统行业,谁来接住漫长服务链?

RonanRX 选择从药物制造、医生处方、药师审核到配送建立一条完整链路,从工厂直通患者。它试图减少中间环节,绕开中间商把制造、合规和交付放进同一套系统。正因为链条长,任何一个环节都不能掉链子,否则前面的技术优势都无法兑现。

Gamgee 的起点同样具体。Paul Conyngham 曾借助 AI、与 UNSW 科学家合作,为自己的狗 Rosie 设计个性化癌症疫苗,这件事当时也引起了很大的讨论。现在,这套思路被推进到更多狗的个性化 mRNA 疫苗和澳大利亚临床试验。

医疗和制药把监管、证据、制造与交付绑在了一起。RonanRX 和 Gamgee 把 AI 带进高责任行业,产品边界也从软件界面延伸到真实服务。

二、小团队为什么愿意为“少管一件事”付费?

综合看这 234 家公司,Cathryn 真正关心的其实是:一个小团队可以把多少事情处理好,哪些公司能帮他们做到这一点。

有些公司提供工具,有些公司直接接手进口、会计等工作。她设想购买这些产品或服务,理由也很直接:让更多事情被处理好,同时少增加一个需要全员管理的新东西。

给 Agent 提供基础设施的公司,补的是运行环境、业务工具权限和工作记忆。语音 Agent 接起电话只是开始,如果任务还包括改预约或更新记录,就必须连接业务工具;遇到异常时,还需要把任务交给人工。对一个小团队来说,买下这类产品,意味着少处理一部分信息查找、工具切换和进度跟进。

另一类公司直接承担业务。工厂、物流、建筑和物业运营是名单里最大的类别,里面既有处理采购、库存和运输的软件,也有直接成为进口商、经纪人或物业管理者的公司。对于后者,客户购买的内容包括系统,也包括有人处理供应商、设备和人员之间的交接。

RonanRX 进入的是制药业务。它把药物制造、医生处方、药师审核和配送放在同一条链路里。患者最后拿到药,这项工作才算完成。

三、AI 产品怎样才算把一项工作做完?

到了真实工作里,“自主”这个词很快就要让位给几个具体问题:客户到底买到了什么?如果这项工作出了错,损失由谁承担?

会计和法律工作里,有些公司让 Agent 处理记账和报税,再由持证会计师签字;有些公司希望完全由 Agent 运营。真正需要追问的是,发票金额对不上时,谁来修正账目。 产品宣传里有没有“自主”这个词,不如这个问题具体。

销售、客户研究和招聘产品则有可检查的结果。一次完成的创作者到店、一个合格的销售机会、一份可以搜索的人才档案,客户都能据此判断产品有没有完成任务。

工厂机器人也有同样的标准。设置机器人那个人下班回家之后,它还能不能继续工作? 如果答案是肯定的,训练和维护就属于产品的一部分。对 Nori 来说,能不能处理完整的一筐衣服,也比演示里叠好一件衣服更接近真实测试。

消费应用、媒体和学习产品面对的结果又不同。用户是否愿意回来,内容是否真的被看完,课程是否真的被学会,这些指标都比生成了多少内容更重要。

四、真正的 AI 用例,为什么藏在普通工作里?

盘点 234 家公司之后,可能最值得关注的仍然是那些普通工作:订购零件、调取病历、安排本地创作者到店。

这些事情都是某个人已经在面对的现实问题,它们足够具体,也足够接近真实工作。

如果正在做产品,可以请真正会使用产品的人演示一遍,他今天怎样完成这项工作,留意他一直在追什么,以及他为了解决问题发明了哪些变通办法。

所以不妨想想:你想交给 AI 的,究竟是哪一件每天都必须完成的事?


向上👆滑动查看 YC S26 批次的 234 家公司完整名单:

end

图片

往期回顾

跳转微信打开

  •  

寻找2028年的Agent机会·Linkloud先锋加速营第16期招募|美国硅谷2026秋季

Linkloud 小助手 2026-09-21 19:59 美国

以下文章来源于:Linkloud

Linkloud

GO global, BE global.

10 月 Linkloud 先锋加速营将在今年第二次走进硅谷!

9 月底至 10 月,我们又将迎来硅谷 AI 峰会最密集的“大月”:

从 9 月 29 日的 OpenAI DevDay 和 The AI Conference,到 10 月初 SF Tech Week,再到 TechCrunch Disrupt 和下旬的 Cloudflare Connect 与 PyTorchCon,全球 AI 公司创始人、Builders 和投资人在此汇聚,我们也选择在这个金秋带领大家抵达现场!

上周 YC 的创始人 Garry Tan 在 a16z 最新一期播客里,他依旧激情洋溢地鼓励创始人要继续“Token maxxing”,使用更开放的 Agent 系统,把限制主动调高。因为在这种配置下,Agent 能力差异会“几乎立刻”被感受到:

“You basically get to live in 2028(你需要活在 2028 年来创造).”

而同时,他坦诚整个社会采用 AI 的速度会比技术进步慢得多。这不是悲观,而是所谓的 “White pill”:

创业者将拥有一个比想象中更长的窗口,可以在旧玩家尚未完成转型时建立 Agent native 的新公司!

Agent native 的元年已经到来!

6 月,Cloudflare CEO 曾表示,非来自人类的流量将可能在 2027 年首次超过人类流量。而就在 7 月 1 日,Cloudflare 在正式报告《Content Independence Day, One Year On》中进一步确认:

超过 50% 的互联网流量,已经来自 AI Agent、爬虫及其他自动化程序。

过去,产品围绕人的搜索、点击和浏览而设计;未来,越来越多的信息获取、比较、决策,甚至支付与交易,都将由 Agent 代表人完成。

什么是 Agent native 的组织?

哪里是 Agent native 的机会?

创业与投资理念发生什么变化?

欢迎加入我们 10 月的硅谷之行——

美国硅谷 · 寻找 2028 年的 Agent 机会

时间:10 月 12 日 - 10 月 16 日(周一至周五)

地点:美国旧金山及硅谷。

适合对象:对探索全球化与 AI 感兴趣的创业者、从业者及投资人等。

行程主要包括:

超过 20 场高质量闭门分享会,主要包括以下板块:

•

全球化探索具有代表性的华人 AI 与 SaaS 企业创始人。

•

高速成长 Agent Native 公司的华人高管或创始成员。

•

来自科技大厂或 AI Lab 的一线研究员或高管。

•

Linkloud 专属:AI Native 的增长与产品主题闭门研讨。

•

硅谷 VC(包括美国本土和当地华人机构)和 AI 社群等交流。

•

人财税法、招聘、数据合规等重要资源对接。

•

Linkloud 举办的系列 Global Meetup,敬请期待!

报名正式启动,对行程细节和价格等感兴趣,欢迎扫码咨询 Ross:

end

图片

点个「在看」一起上云

跳转微信打开

  •  
❌