但使用这些广告平台一直以来存在一些问题。 又有一款 AI Agent 产品拿到融资，种子轮 2500 万美元。 营销 AI Agent 公司 MAI 宣布完成凯鹏华盈（ Kleiner Perkins ）领投的 2500 万美元种子轮融资，跟投方包括高榕创投、UpHonest Capital 等机构。 对各类消费品牌、商家而言，Google Ads 等大平台早已成为获客的主要渠道。 广告管理，耗时、缺乏透明度。代理机构专业技术能力参差不齐且花销不菲。大厂基于大数据和机器学习技术搭建的高效增长系统，需要高昂的技 术投入，长期以来是中小企业无法企及的。 MAI Agent 瞄准的就是这个难题。 公司发布的第一款产品「Google Ads Agent」主要解决商家的广告效果难题，帮助品牌更好利用自己的数据，在 Google Ads 上实现更高效的广告投 入和转化。 在官方介绍中，目前 MAI Agent 已经帮助一些客户实现超过 40% 的销售额增长，并且实现完全自主帮助客户管理每月数百万美元的 Google Ads 广 告支出。 联合创始人兼 CEO 吴雨辰曾担任北美生鲜即时配送平台 Instacart 的工程副 ...

Sora 发布后非常短的时间里，收获了数百万用户，全球刷屏。 然后很 快，热闹的人群散去。和 Sam Altman 合影不值得天天往朋友圈里发。 一个月之后，我们发现了一些变化。在各大视频平台上，出现了大量带有 Sora 水印的短视频。 百万播放，数万点赞转发的爆款视频，刷都刷不完。如果常看，甚至可以在竖屏信息流里，每 10 条就刷到三四条 Sora 生成的视频。 这是一个正在快速 扩散的、用户真正喜欢的产品。只是喜欢它的用户，并不是最初讨论它的那群人。 国内有一家创业公司，捏 Ta，在 Sora 诞生之前两年，就在做类似的产品形态，一键 Remix 创作同款内容——只不过他们做的是二次元和 OC 人群。 巧合的是，OpenAI 数月前刚走马上任的 Application 业务 CEO Fidji Simo，是捏 Ta 创始人胡修涵在 Facebook 做社交视频探索的直属领导。Sora 团队 中也有不少前 Facebook 团队的成员——The Information 甚至以此为选题报道「OpenAI 进入 Facebook 时代」。 当我们问胡修涵 Sora 可以类比为怎样的产品时，他说：如果始终用旧的框 ...

文章转载自「白鲸出海」 Bending Spoons，可能是整个欧洲最为瞩目、也最为特别的非游戏类应用工厂。 最近，Bending Spoons 宣布以约 13.8 亿美元，全现金的方式收购视频平台 Vimeo。目前，Bending Spoons 旗下拥有 AI 照片编辑器 Remini、笔记工具 Evernote 以及视频编辑应用 Splice 等一系列热门应用。 有趣的是，没有一款产品是 Bending Spoons 自主开发，通通都是收购而来的。 以下为访谈全文。 超 15000 人的「AI 产品市集」社群！不错过每一款有价值的 AI 应用。 邀请从业者、开发人员和创业者，飞书扫码加群： 进群后，你有机会得到： Bending Spoons 的创始人兼 CEO Luca Ferrari 将这套模式称之为 「PE 和谷歌的混合体」 ，通过收购将潜力产品收入囊中，再通过内部「强大的运营能力」 狂拉增长和营收。 通过「不自研，只收购」的模式，Bending Spoons 实现了高达 7 亿美元的年收入（2024 年）和远超行业均值的利润率（2024 年毛利率为 77%）。 Luca Ferrari 在一次访谈 ...

搜索已经是 AI 产品的标配能力了。 但怎么给 AI 接搜索，还是一个不那么容易的活儿。毕竟，给人用的搜索和给 AI 用的搜索，不管是交 互逻辑、内容呈现、接口配置等，都完全不一样。 过去人类的一次搜索动作，未来可能会变成 Agent 的 10 次搜索。一个复杂的指令，Agent 会拆成多个 子问题，来进行多轮、迭代式的检索。 信息检索的质量，在很大程度上决定了 Agent 的推理能力和任务完成度。 如何保证搜索结果的精准度和实时性？在检索深度与调用成本之间怎么找到最佳平衡点？实际接入外部 搜索 API 时，有哪些「坑」？...... 我们邀请了小宿科技的联合创始人兼 CEO Wiiliam 杜知恒和智能搜索 产品经理 杨政骥，来聊一聊如何 高效地给 Agent 接入搜索能力。 10 月 30 日，晚 20 点，线上闭门，欢迎来聊。 免 费，但名额有限，欢迎扫描下方海报二维码报名。 给 Agent 做一个靠谱且高效的「搜索系统」，到底难在哪？ Agent 接入搜索，有哪些坑需要特别注意？ 「AI 搜索」和「给 AI 用的搜索」，区别是什么？ Wiiliam 杜知恒 小宿科技 联合创始人 & CEO 杨政骥 小 ...

AI产品出海支付挑战 - 支付问题是每个AI产品出海需要解决的核心问题，涉及账户资格、全球收款、地区税率和合规性等实际难题[2] - 税务合规难度高、费率成本高是出海生意中的主要隐藏成本[7][8] - 定价模式选择是需要面对的关键决策，包括按量定价和混合订阅等不同方案[7][8] Stripe支付解决方案 - Stripe被Lovart、Manus等知名AI产品选为支付平台，为AI产品出海提供专业服务[3] - Stripe大中华区团队将分享AI产品如何简单快速集成支付功能的真实案例[7][8] - 公司专注于解决跨境支付的落地难题，帮助企业更快实现全球化支付能力[3] 行业交流活动信息 - 将于10月28日晚20点举办线上闭门交流活动，聚焦AI产品支付集成话题[5] - 活动由Stripe大中华区企业客户总监Pamela Chung和解决方案架构师Stan Wang主讲[8] - 活动名额有限，采用线上闭门形式进行深度交流[5]

AI Agent核心观点 - AI Agent能力的质变关键不在于大模型智力增长，而在于围绕模型设计的认知流程[2] - 从Chatbot到Agent的进化本质是从静态生成转向动态执行流程[33] - 行业竞争核心已从模型参数转向智能流程设计优劣[62] Agent能力演进路径 - 学霸成长比喻展示Agent五阶段演进：原生天才→思考者→细心人→战略家→学者[15] - 思维链(CoT)强制模型分解复杂任务为线性推理子任务，降低幻觉概率[18] - 自我反思(Reflexion)框架引入"先行动-再复盘-后修正"迭代流程，HumanEval代码任务准确率达91%超越GPT-4的80%[20] - 规划能力将宏大目标分解为逻辑清晰子任务清单，提升执行确定性[22] - ReAct框架通过思考→行动→观察循环将AI从封闭大脑变为现实世界行动者[26] 流程设计三重价值 - 结构价值：规划流程在宏观层面建立逻辑脚手架，思维链在微观层面确保推理严谨[36][37] - 迭代价值：反思流程对记忆进行高效压缩，用极小上下文空间保留关键决策信息[42] - 交互价值：工具作为流程神经触手，通过ReAct框架确保AI获取真实世界信息[46][47] 科学理论基础 - 控制论视角：Agent实现从开环系统到闭环系统进化，通过反馈机制持续逼近目标[53][54] - 信息论视角：Agent工作本质是熵减过程，通过行动获取信息消除不确定性[59][60] 开发者角色转变 - 提示词工程师角色正成为历史，新兴角色是Agent流程架构师[64][65] - 新角色三大核心职责：设计AI思考流程、赋能行动工具、构建决策上下文[66][68][69] - 基础Think-Act-Observe循环是Agent心跳，架构师需在此基础上构建大脑与神经系统[70] 性能工程优化 - 架构剪枝：简单场景使用LLM内置工具调用范式降低延迟[70] - 并行化执行：对无依赖子任务实施并行工具调用，将总耗时缩短为最长任务耗时[71] - 模型路由：轻量模型处理高频任务，重量模型仅用于复杂推理节点[71] - 记忆架构：高效检索机制精准提取关键时刻所需知识[72] 前沿架构方向 - 认知调度中心：Anthropic Skills功能实现智能工作流编排，模型自主规划多工具协作[73] - 规约驱动分层：规划Agent生成技术规约作为执行Agent工作契约[74] - 即时代码生成：CodeAct框架让Agent动态创建工具，实现能力边界动态扩展[75]

搜索已经是 AI 产品的标配能力了。 但怎么给 AI 接搜索，还是一个不那么容易的活儿。毕竟，给人用的搜索和给 AI 用的搜索，不管是交 互逻辑、内容呈现、接口配置等，都完全不一样。 过去人类的一次搜索动作，未来可能会变成 Agent 的 10 次搜索。一个复杂的指令，Agent 会拆成多个 子问题，来进行多轮、迭代式的检索。 10 月 30 日，晚 20 点，线上闭门，欢迎来聊。 免 费，但名额有限，欢迎扫描下方海报二维码报名。 给 Agent 做一个靠谱且高效的「搜索系统」，到底难在哪？ Agent 接入搜索，有哪些坑需要特别注意？ 「AI 搜索」和「给 AI 用的搜索」，区别是什么？ 20:00-21:30 信息检索的质量，在很大程度上决定了 Agent 的推理能力和任务完成度。 如何保证搜索结果的精准度和实时性？在检索深度与调用成本之间怎么找到最佳平衡点？实际接入外部 搜索 API 时，有哪些「坑」？...... 我们邀请了小宿科技的联合创始人兼 CEO Wiiliam 杜知恒和智能搜索 产品经理 杨政骥，来聊一聊如何 高效地给 Agent 接入搜索能力。 关注话题 给 Agent 做一个靠谱且高效的 ...

新产品发布动态 - OpenAI发布全新浏览器ChatGPT Atlas，深度集成ChatGPT功能[2][3] - Anthropic正式发布Claude Desktop桌面端，主打随时随地召唤AI助手[3] - 两家公司产品思路不同：OpenAI通过浏览器深度集成AI到网页操作，Anthropic让AI在电脑全局待命[5] ChatGPT Atlas核心功能 - 内置ChatGPT侧边栏，可在任意页面直接调用AI助手查看页面内容[3] - 具备浏览器记忆功能，能记住浏览历史并用自然语言查询历史记录[3][19] - AI智能体模式可在页面上执行点击、输入、跳转等操作，目前仅限付费用户使用[3][22] - 通过全局快捷键和屏幕共享功能提升使用便捷性[4][7] 产品可用性与商业模式 - ChatGPT Atlas目前向所有macOS用户开放，包括免费、Plus、Pro及Go用户[10] - Windows、iOS和Android版本即将推出[10] - 智能体模式以预览版形式向Plus、Pro和Business用户开放，实行付费模式[13] - 设为默认浏览器可获赠7天会员服务[12] 技术特点与用户体验 - Atlas基于谷歌Chromium内核打造[25] - 新标签页作为起点，整合提问和网址输入功能[31] - 支持语音输入按Caps Lock键说话，边想边聊[7] - 个性化建议功能可根据浏览历史推荐下一步行动[38][41] - 家长控制功能新增关闭浏览器记忆和智能体模式选项[52] 智能体能力与限制 - 智能体可自动执行任务如研究分析、任务自动化、规划活动或预订约会[22][54] - 无法在浏览器中运行代码、下载文件或安装扩展程序[60] - 在金融机构等敏感网站会暂停操作，确保用户监督[60] - 存在被恶意指令操纵风险，可能导致数据窃取或非预期操作[57] 团队背景与行业竞争 - Atlas项目由前谷歌Chrome核心开发者Ben Goodger领导[65][68] - AI浏览器成为新竞争前线，Perplexity推出Comet浏览器提供答案引擎功能[78][79] - 谷歌计划将Gemini AI助手深度集成进Chrome浏览器[82] - 全球Chrome浏览器用户超30亿，OpenAI能否撼动市场地位尚待观察[88] 产品发展路线 - 后续版本将支持多用户配置文件，提升开发者工具体验[63] - 为使用Apps SDK的开发者提供更多方法提升应用可发现性[63] - 标志网络活动将通过智能体系统完成的新趋势[58]

智能商品化 - AI发展分为两个阶段：推动前沿阶段（研究人员努力解锁新能力）和商品化阶段（能力被规模化与降本）[11] - 在MMLU基准测试中，达到特定性能水平所需的成本呈现每年下降趋势[11] - 自适应计算时代允许根据任务难度调整计算量，从而持续降低智能成本，无需持续扩大模型规模[13] - 自适应计算的技术突破源于o1模型，证明在测试阶段投入更多计算资源可提升模型在基准测试上的表现[13] - 信息检索效率经历了四个时代的演变：前互联网时代（耗时数小时）、互联网时代（耗时数分钟）、聊天机器人时代（效率提升）和智能Agent时代（耗时几分钟甚至几小时），获取公共信息的时间急剧缩短[16][17] - 例如，回答“1983年釜山有多少对夫妇结婚”这一问题，在智能Agent时代仅需几分钟，而在前互联网时代可能需要飞到韩国并翻阅大量书籍[16] - OpenAI的BrowseComp基准测试显示，人类平均需要两个多小时解决的复杂问题，Deep Research模型可解决约一半[17] - 智能商品化将带来领域民主化，例如编程和个人健康等领域因知识门槛降低而更加开放[20] - 公共信息成本降低使得私有信息（如非市场挂牌的房屋信息）的相对价值提升[20] - 最终信息获取将变得无摩擦，形成高度个性化的信息流，而非公共互联网[20] - 任何公开可用的信息都能立刻获取，形成即时知识[22] 验证者定律 - 验证者定律的核心是：训练AI解决特定任务的能力，与验证该任务完成情况的难易程度成正比[14][26] - 任何可解决且易于验证的任务，最终都会被AI攻克[3][26] - 验证的不对称性指对于某些任务，验证解决方案比找到解决方案更容易[21] - 例如，解数独困难但验证容易，编写Twitter代码困难但验证容易，而设计饮食方案则生成容易验证困难[23][28] - 可通过提供特权信息（如答案或测试用例）来改变任务的验证不对称性，增加验证的容易度[26] - 任务的可验证性体现在五个方面：客观性（有明确对错标准）、验证速度（检查快慢）、可批量验证（一次性检查大量方案）、低噪音（验证结果稳定）和连续反馈（能给出具体质量分数）[29] - DeepMind的AlphaDev项目是利用验证不对称性的绝佳例子，通过进化式搜索算法（生成候选方案、自动评估打分、迭代优化）解决高度可验证的任务[31][32][33][34] - AlphaDev的成功在于其专注于解决单一具体问题，避开了深度学习中的泛化难题[35] - 验证者定律的启示是，首先被自动化的将是那些非常容易验证的任务[38] - 未来重要的领域包括发明衡量事物的方法，为难以衡量的领域（如创造力）设计快速、客观、可扩展的评估体系，从而利用AI进行大规模优化[38] 智能的锯齿状边缘 - 智能的边缘是锯齿状的，意味着AI在不同任务上的能力水平和进步速度因任务特性而异，发展不均衡[14][37][42] - “快速起飞”的假说（即AI在某一领域超越人类后智能会爆炸式增长）可能过于简单化，更现实的场景是自我改进能力存在一个“光谱”，而非二元突破[39][41][42] - 自我改进的速度应按每个具体任务来考量，各项任务会有不同的改进速度[42][44] - 例如，AI在复杂数学题、编程竞赛等“高峰”任务表现出色，但在判断9.11与9.9大小或处理特林吉特语等“低谷”任务上表现不佳[42] - 预测AI改进速度的几个窍门包括：AI擅长数字任务（因迭代速度快，扩展计算资源容易）[47]、对人类越容易的任务AI往往也觉得越容易[47]、AI可能完成人类因生理限制无法完成的任务（如分析1000万张乳腺癌图像）[47]、数据越充足AI表现越好（如语言模型在不同语言中的数学表现与数据量正相关）[47]、存在明确客观评估指标的任务可通过强化学习生成假数据实现自我训练[47] - 基于上述标准，可预测不同任务的自动化时间点：翻译（前50种语言）和调试基础代码已完成，竞赛数学在2024年完成，AI研究可能到2027年，化学研究更晚，拍电影可能在2029年，预测股市不确定，翻译特林吉特语可能性低，修水管和理发等非数字任务AI短期内难搞定，带女朋友约会让她开心AI永远搞不定[48][50] - 启示是AI影响最大的是那些符合数字任务、对人类不难且数据丰富的领域（如软件开发将极大加速），而另一些领域（如理发）可能保持不变[50]

近期有哪些值得参加的 AI 活动？ Founder Park 邀请到了支付服务商 Stripe 进行一场线上闭门分享，聊聊「AI 应用出海，如何高效搞定跨 境支付？」 10 月 22 日，Abaka AI 发起的「Embodied Intelligence After Dark」，将在杭州国际博览中心举办，以轻 松夜话的形式，聊聊具身智能领域的难题。 此外，我们还整理了近期值得参与的一些活动，对更多活动感兴趣的小伙伴，可以点击文末的 「阅读 原文」 查看。 活动时间： 10 月 22 日 19:00 活动地点： 杭州 · 国际博览中心 活动亮点： 来这不用端着聊，面前就是同频人： ⚡️ 智商狂飙的科研大佬（秒懂你所有问号） AI 创业引力场 主办方：九坤创投 Embodied Intelligence After Dark 主办方： Abaka AI 活动时间：10 月 25 日下午 活动地点 ：线上 & 线下北京 活动亮点： 活动报名： https://aic5098tf9k.feishu.cn/share/base/form/shrcn8L6qSgY528ztNLHhS6EGcc 面向人群 ：AI 创业者 ...