行业趋势与背景 - 多模态AI能力已经成熟，OpenClaw等技术带来了具备主动性的AI [1] - 2026年预计将成为AI硬件爆发的一年 [2] - AI硬件正在重新定义人与设备的关系，超越了传统的人与工具关系 [3] - 行业期待出现更多具备新场景、新交互形态和新解决方案的AI Native硬件 [4] 活动与平台介绍 - 百度智能云联合Founder Park，计划在2026年5月的Create 2026百度AI开发者大会上，为优秀硬件项目开辟名为“AI硬件产品快闪”的专属展示舞台 [4] - 活动旨在让AI Native硬件产品获得更多曝光 [4] - 此前在2026年3月和4月，公司已在深圳和上海成功举办了两场“AI硬件MeetUp”，反响热烈 [6] - 本次“AI硬件产品快闪”活动将于2026年05月14日在北京国家会议中心二期举行 [8] 目标硬件产品类型 - 活动不设硬性赛道，重点寻找三类硬件产品 [5] - **前沿交互创新类**：探索新一代人机交互范式的硬件 [6] - **垂直场景重构类**：深入办公、陪伴、健康等特定场景的垂类智能体 [6] - **软硬协同突围类**：基于底层AI框架重构软硬一体化体验的先锋产品 [6] 活动形式与参与者收益 - 活动计划邀请8支极具代表性的硬件团队 [5] - 每支团队拥有20分钟展示时间，形式包括：5分钟“Vision Talk”（阐述产品初心与解决的真实痛点）和15分钟“Live Demo”（现场演示核心交互逻辑） [7] - 参与者将获得**最真实的反馈**：通过“未来意向书”机制，现场观众使用双色表态牌（绿牌代表“想买”，蓝牌代表“想合作”）提供直接反馈 [7] - 参与者将获得**全渠道声量**：获得百度与极客公园的联合报道，覆盖视频号直播及国内外商业、科技媒体的集中曝光 [7] - 参与者将获得**技术资源包**：有机会获得百度智能云提供的专项开发资源包支持 [7]

AI产品出海支付的核心观点 - AI产品出海时，支付是关乎收入能否高效稳定增长的关键基建，而非简单的技术对接[1] - 不同市场的支付方式、拒付率、订阅能力和合规要求差异极大，选择错误可能导致支付成功率低、账户关停或资金冻结[1] - 支付是一套贯穿用户下单到款项入账的完整端到端链路，涉及数十个运营环节，其稳定是业务优化的基础[8][10] - 对AI企业而言，现阶段首要任务是快速搭建支付通道，安全顺畅地收回资金[11] 全球变现市场的选择与优先级 - **美国**：全球最核心的消费市场，支付基建成熟，以信用卡为核心，订阅经济规模超过两万亿美元，拒付率低，是几乎所有AI开发者的必选市场[13] - **日本**：增长势头迅猛，人口规模大、消费意愿强、单客户付费金额高，拒付率非常低，支付生态多样（超过50种方式），进入市场需实现本地支付方式全覆盖[13] - **巴西**：拥有庞大人口基数和强消费意愿，支付方式变化显著，PIX本地即时转账已成为线上第一支付方式，商户费率低至1%以下[15] - 优先市场需具备拒付率低、支付结算链路完善成熟、卡与非卡支付全链路打通、订阅基础设施相对完善等特点[15] 出海支付的主要风险与风控触发器 - **拒付率**：是信用卡支付体系的核心红线，超标将面临罚款或账户关停[18] - **内容合规风险**：AI产品（如To C工具、AI陪伴、二次元类）易触及深度合成内容、NSFW违规内容及IP侵权等红线，导致账号被封或资金冻结[18] - **第一方欺诈**：包括“友好欺诈”（恶意薅羊毛）和职业黑产，会拉高拒付率并造成资金损失[18] - **VCC虚拟信用卡欺诈**：黑产使用批量生成的虚拟卡进行小额高频交易并拒付，定位难，带来巨大资金损失[19] MOR与PSP支付模式的选择 - MOR（名义商家）与PSP（支付网关）的核心差异在于合规与支付链路背后的责任主体和处理事务[22] - PSP模式下，注册和签约主体是公司或个人开发者自身；MOR模式下，主体是支付服务商，由其负责全球支付环节的所有问题[22] - MOR模式的核心优势是支付服务商全程管理欺诈防控、发票开具、对账、账单出具及货币转换等繁琐事务[23] AI内容平台的风控实操要点 - 需重点落地五大方面：IP保护、人物形象管理、成人内容比例控制、审核机制以及举报机制[24] - **IP侵权**和**生成真人相关的深度合成内容**是卡组织规则中的“红线中的红线”，一旦查实将面临账号封禁和巨额罚款[25][26] - 平台需明确展示规则、设置用户举报入口、定期审核并下架违规内容，并对敏感内容做好灰度控制和人工复核[26] 避免支付账户被封的关键措施 - 平台主体信息需清晰披露且可核验，不能使用不存在的地址或不匹配的公司信息[29] - 必须完整公示隐私政策、内容规范等条款，配备明确联系邮箱，用户授权环节需采用主动确认模式（Opt in）[29] - 账单名称与在支付服务商处登记的企业名称必须一致，商品描述、交易币种等信息需统一规范[30] - 严禁使用未报备的外部链接或App发起支付（外跳和下挂交易），支付服务商会持续扫描监测此类违规行为[31] 订阅环节的常见问题与优化策略 - 社交类平台拒付率可能达到5%或更高，AI行业整体拒付率大致在0.9%到2%之间，而0.9%已是卡组织的警戒线[32] - 消费者发起拒付的主要原因包括：未经授权的意外扣款、订阅取消困难、账单信息不明确、商家客服响应效率低[32] - 订阅流程必须清晰透明：套餐名称、扣款日期、金额、周期、取消条件、法律条款、退款政策需明示，且用户必须主动勾选确认[32] - 整个订阅环节的核心是信息明确展示，包括产品描述、价格、周期、用户权益、退款政策和取消入口[33] 拒付发生后的抗辩策略 - 对于不能退让的交易（如恶意欺诈），可走卡组织标准流程进行拒付抗辩[34] - 在数字内容领域，抗辩关键在于留存用户从开通、使用到支付的每一步凭证，如客服沟通截图、产品使用记录、内容创建日志等[36] - 3DS（3D Secure）身份验证工具能有效实现责任转移，验证后若出现非本人用卡，责任转移至发卡行，商户不承担损失[39] 支付服务商的费用与成本考量 - 信用卡支付费用结构复杂，包括按比例收取的MDR商户折扣费率、按笔收取的固定手续费、退款费、3DS验证费等[40] - 表面MDR费率不代表全部成本，点击生成对账单、账户提现、货币兑换等环节都可能额外收费[42] - 选择支付供应商时，需看清完整收费规则，计算整体综合成本，避免因费用不透明而踩坑[42] AI Agent支付的现状与挑战 - AI Agent支付是一个热度高但尚无标准答案的领域，全行业对支付工具、方案合规性及嵌入现有链路均无明确解决方案[44] - **身份核验难题**：AI Agent非自然人，无主体身份、住址和KYC信息，无法进行核身和界定实际控制主体[44] - **交易授权难题**：AI自主执行交易、超出用户指令的消费，责任划分、退款及拒付依据在现行法币体系下无法判定[45] - 在出行、实物消费等传统场景暂不适合Agent支付，当前最贴合的场景是大模型调用和Token消耗，其超高频次、超小额（如单笔零点零零几美金）的特点已超出传统支付链路的处理边界[46] - 未来支付载体可能是稳定币或基于区块链的链上交易，但需解决底层设施支撑、合规风险、交易风险及责任划分等现实问题[46] - 目前头部支付厂商处于早期探索阶段，实际交易规模极小，最终支付形态和行业规则仍是开放性问题[47][48]

OpenAI的硬件战略核心与动因 - 公司硬件战略的核心观点是，AI发展的真正限制已从模型能力转向算力、能耗、成本、延迟等系统级问题，因此公司必须掌握AI运行的底层控制权，而非仅作为一家模型公司[11] - 公司认为当前主流的GPU并非为Transformer、agent及长上下文推理等现代AI负载而设计，继续依赖NVIDIA的硬件路径将无法把模型推向下一量级[12] - 公司硬件工作的本质是重新拿回AI运行底层控制权，其目标不是制造单颗芯片，而是设计一个涵盖芯片、机架、网络、电力、散热、数据中心的端到端系统[13] 自研芯片进展与设计理念 - 公司硬件团队在两年内从零开始完成了芯片设计并交付流片，进度远超传统芯片公司5-7年的周期，甚至快于Google第一代TPU约3年的开发时间[13][14] - 芯片设计理念是“为模型将要去的方向设计硬件，而不是为今天的模型”，硬件团队能预见未来6到9个月的模型变化趋势，并据此进行前瞻性设计[16][17][18] - 公司与Broadcom等供应商的合作模式是，供应商参与IP、物理设计和封装，但无法看到完整的系统架构，核心架构设计逻辑必须完全掌握在公司内部[15] 进军手机与设备端的逻辑 - 公司认为当前手机不是为AI agent设计的，因为其交互范式是基于App和会话的，而agent需要持续存在、执行和跨任务协同，这要求操作系统层级的完整权限[22][23] - 公司判断未来的AI计算范式不是纯粹的云端或边缘计算，而是两者结合，个人上下文和低延迟交互必须在设备端处理[23] - 收购Jony Ive团队相关公司是为了解决消费电子产品的硬件形态与工业设计问题，这是将AI基础设施与消费电子设备结合的关键一步[24] 与同业硬件路径的对比分析 - Rabbit R1的路径是只做硬件外壳，未触及底层，其芯片采用联发科Helio P35，系统为套壳Android，模型依赖第三方API，导致其功能天花板较低[29] - Meta选择通过Ray-Ban智能眼镜让AI进入日常，该产品已售出超过200万副，占据全球智能眼镜市场75%以上的份额，但其定位是AI入口而非重新定义计算[30][31] - 阿里千问眼镜本质上是将其已有的AI服务生态（月活超3亿）延伸至新的硬件形态，是一次生态延伸而非底层重构[32][33] - 相比之下，公司是唯一一家进行“全栈重新定义”的企业，其路径是从芯片、基础设施、能源、操作系统到设备端全面打通[34] 未来竞争格局与系统级护城河 - 未来的AI竞争核心将不再是芯片层，而是系统层级的竞争，比拼的是在同等功耗下能提供多少计算、服务多少用户以及延迟能降到多低[36] - 为支持未来发展，公司及其合作方规划的未来算力需求高达20GW，这相当于十几到二十个核电站的发电量，将问题提升至国家电网和能源政策的层面[36] - 公司的整体图景是连接国家级能源基础设施与用户个人设备，中间通过自研的芯片、系统和操作系统串联，手机只是这条战略路径自然衍生的首个可见形态[37] - 行业真正的变化在于计算范式正从以App为中心转向以Agent为中心，这将引发设备、芯片和操作系统的重新定义[38][39]

公司创始人背景与创业历程 - 创始人张心皓在字节跳动任职10年，参与今日头条DAU从几百万增长至近一亿，并主导了皮皮虾从零到一的建设，该产品峰值营收约10亿元，团队规模上百人[8] - 2023年初首次创业，项目后被阶跃星辰并购，随后在阶跃星辰担任两年ToC产品合伙人，经历了冒泡鸭和跃问两款产品[8] - 于2024年6月创立Jovida，公司产品目标为“从愿望到行动之间，零摩擦”[3] 产品理念与市场定位 - 核心产品理念是“Zero Friction from Desire to Action”，旨在消除用户从产生愿望到采取行动之间的所有摩擦[23][24] - 市场定位避开以“工作效率”为核心的红海赛道，专注于解决用户工作之外16小时内的个人需求，如健康、学习、旅行等[5][17] - 产品方向为“Agent in the Human Loop”，强调以人为中心，让AI助手融入并增强用户的生活体验，而非替代人类[3][48] 对行业趋势与竞争格局的判断 - 认为Claude Code等产品定义了“纯Agent Loop”的智能上限，正在打穿各类工具效率类产品的天花板，到2024年底，人类在纯Agent Loop中需参与的工作将接近0%[4][47] - 判断通用型工作效率Agent赛道将呈现赢家通吃格局，创业公司机会渺茫，而“Agent in Human Loop”面向更广阔的个人生活场景，用户基数更大，且需求分散，适合创业公司寻找细分价值点[46][48][50] - AI创业竞争维度增多，已进入全方位竞争阶段，要求团队在组织、Agent能力、产品体验和用户认知等每个维度都做到极致[85][86] 产品策略与用户价值 - 不采用传统的“用户画像”定义方式，而是聚焦于“场景”，服务于任何有“想做但没做的事”这一gap的用户[30] - 参考福格行为模型，通过提升用户动机、降低行动能力门槛、在合适时机提供触点来促进行为发生[27][28] - 短期aha moment来源于浅层陪伴价值，长期价值则来源于Agent在获取用户多个意图上下文后产生的“涌现”效应，即跨场景关联带来的惊喜[40][41] 技术架构与核心壁垒 - 采用“端云一体”的分布式架构，参考鸿蒙系统，旨在7x24小时感知用户在不同终端的数据，而非纯本地或纯云端方案[70][71] - 认为AI Agent创业时代真正的护城河是“上下文飞轮”，即通过创造特定场景，让用户自愿持续分享上下文，从而使Agent越来越懂用户，形成壁垒[58] - 模型本身被视为无壁垒的组件，关键在于根据业务场景和Benchmark（涵盖经济性、延时等）选择合适的模型并进行任务编排[77][78][81] 商业化与产品指标 - 商业化形式将是订阅制，但本质是用户为“生活秘书”支付工资，核心是用户是否愿意持续付费[62] - 不过度追求DAU或单次ARR等虚荣指标，更关注用户是否愿意持续使用产品、持续贡献上下文以及持续付费[66][67] - 承认在“Human Loop”产品中，结果与用户预期之间存在gap，目标是利用行为科学尽可能缩小这一gap，而非追求完全消除[64] AI创业的方法论反思 - 指出AI时代产品方法论需改变，例如从移动互联网时代的“别煮大海”转变为Agent时代的“煮大海”，即思考初期就应考虑Agent能覆盖多广的用户场景[83] - 认为AI时代最大的风险之一不是找不到产品市场匹配，而是过早地认为自己找到了PMF，从而错失下一轮能力跃迁的机会[32][33] - 给大背景创业者的建议是“Think Agentic”，必须以Agent为中心思考问题、组织和工作方式，避免陷入过去的成功经验[95][96][98]

公司概况与市场地位 - 公司是一家从游戏服务起家的广告技术公司，现已成为挑战Google和Meta双头垄断的广告新巨头 [4] - 2025年公司营收达到55亿美元，市值超过2000亿美元，在两年内增长了25倍，并加入S&P 500指数，跻身全美市值前50 [3] - 公司服务超过10亿日活用户，其基于机器学习的广告竞价系统每天处理超过1000亿次请求，而核心工程团队不到100人 [3][6] 核心领导人与战略转折 - 新任CTO葛小川于2022年底在公司股价从高点下跌80%时加入，并于2025年7月1日正式接任CTO [7] - 其职业选择体现了“弱者之心”的精神，放弃Meta的稳定通道，在逆境中加入并带领公司转型 [22] - 公司高管团队背景多元，CEO为伊朗裔，前CTO为俄裔，新任CTO为华人，这种移民背景带来的逆境经历塑造了公司不服输的文化 [26] 技术演进与核心能力 - 公司早期技术基于社交图谱的规则引擎，在隐私政策变化后失效，随后转型为游戏+广告混合体 [13] - 葛小川加入后，核心团队五人在三个月内上线了新一代推荐模型，填补了与美国中小广告平台之间的技术代际空白 [14][15] - 公司的核心突破在于将LTV预测窗口从行业普遍的7天延长至28天，并直接优化每次转化的价值，而非仅仅优化点击率或转化率 [15] - 公司在没有自有流量的情况下，在第三方交易平台上竞价，并通过保护开发者长期利益（如将更多赚钱的广告位吸引到自家平台MAX）来建立竞争优势 [16] 业务转型与财务表现 - 公司通过收购补齐了广告平台的关键拼图：搭建应用内竞价平台MAX，以10亿美元收购归因平台Adjust，并以10.5亿美元收购Twitter旗下的MoPub以触达7亿日活用户 [13] - 在苹果IDFA隐私政策冲击后，公司股价曾下跌80%，但随后通过技术革新实现业务纯化 [13] - 广告收入从不到总收入的30%变为全部收入来源，三年内翻了五倍，2025年第四季度单季营收达16.6亿美元，EBITDA利润率高达84.4% [16] - 2025年，公司出售了所有游戏业务，正式成为一家纯粹的广告技术公司 [16] 独特的运营与工程哲学 - 公司坚持“弱者之心”的思维，不模仿资源丰富的巨头如Google和Meta的解决方法，而是根据自身资源限制进行创新 [17] - 技术决策追求“干净”的模型，拒绝用规则引擎打补丁，并优先选择能带来最大收益（如20%）而非最热门（如仅5%）的技术方案 [17] - 工程实践上采取反直觉决策：如每块GPU只运行一个模型，将利用率从45%提升至75%且整体消耗减半；将上层逻辑从C++换为Python编排，迭代速度快了一个数量级；实现模型生命周期全自动化 [17] - 组织文化强调极简与高效：实行“零会议文化”，克制招聘，避免团队臃肿，并限制资源（如GPU）使用以迫使团队寻找高效方案，这正是不到100名工程师支撑庞大业务的关键 [18] 新业务拓展与未来布局 - 公司正在拓展电商广告业务，潜在广告主超过1000万，是游戏广告主的数倍，并已开发出电商归因引擎 [19][27] - 公司不自研大语言模型，而是灵活采用市场上最好的模型（如Google的Veo 3和OpenAI的Sora 2），并已将其应用于反欺诈、全自动广告素材生成和算法内特征提取 [19] - 公司计划在2026年上半年上线电商自助服务平台，并正在搭建自有社交媒体平台，其发展路径与Meta相反，是从第三方广告起家向自有流量拓展 [27]