「接下来的 AI 行业发展有两条重要路径：一是 AI 需要真正落地应用，以价值驱动技术和应用的发展；二是需要回归实验室，探索下一次技术范式的原始 创新。」 商汤科技联合创始人、首席科学家林达华在最近的一次 AI 论坛上如此说到。 本周， 商汤在产品发布周上发布的如影营销 Agent，就是第一条路径的落地实践。切入直播电商领域，从直播场控、内容生产、店铺运营，到投放优 化、竞品追踪，全方位用 Agent 来提升人工效率，解放人力。 为什么选择切入电商 Agent？大模型时代的数字人，已经可以替代人类主播了吗？在商汤如影营销 Agent 发布之际，我们和团队进行了沟通，更多了解 到了当下电商直播领域，AI 的落地现状与困境。 ⬆️关注 Founder Park，最及时最干货的创业分享 超 17000 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： 01 五个 Agent， 覆盖电商运营全流程 对于电商来说，成本在涨、压力在增，但团队的带宽却是有限的，需要应对各种繁杂的、重复性工作：跨平台的数据收集分析、手工报表、实时监控等 等。 ...

文章核心观点 - 达人营销是AI出海公司重要的增长杠杆，但其规模化执行面临巨大挑战，而Aha公司通过“AI员工+双边平台”的模式，对达人营销的作业模式进行了基础设施级重构，实现了规模化、可控、高效且安全的合作，并成功服务了大量AI企业客户 [1][2][3][9][28][30] 达人营销的价值与规模化困境 - 达人营销因其“活人感”能降低用户信任门槛，成为AI出海公司的重要增长杠杆 [1] - 行业成功实践表明，达人营销需要规模化，并将单次合作沉淀为长期增长资产，如Gamma通过广泛合作沉淀10%爆款带来90%用户增长，Notion通过数据追踪将合作转化为稳定资产 [2][3] - 达人营销规模化执行面临全链路难题：从“找人难”（粉丝量≠影响力、找到≠能合作）、价格博弈不透明（经历4-5轮沟通拉锯战），到执行过程沦为“保姆式”跟进的“人力黑洞” [5][7] - 品牌内部执行触达天花板后，转向与外部Agency合作，但面临其达人池有限、筛选损耗及反复对齐的问题；引入多家Agency则导致管理成本线性上升，去重比价困难，资源与方法论难以沉淀 [7][8] Aha平台的解决方案与核心能力 - Aha定位为连接品牌与创作者的双边平台，其核心是让AI员工承担所有“执行苦役”，人类负责关键决策把关 [9][10] - **智能找人**：重塑决策模式，让AI基于多平台数据像专家一样理解任务，评估达人价值与风险，经过一年多、十余个版本迭代，决策稳定性与专业性接近人类专家 [11] - **智能定价与建联**：通过一口价系统，综合数十个关键因子由算法模型计算达人合理市场价值区间，提供最优一口价，终结价格不透明问题 [12] - **全链路交付与安全保障**：内置授权校验、实时进度监控与催稿；采用预算托管机制，达人完成内容并通过质量验证后才获得付款，保障品牌预算安全 [13] - **品牌端可视化管理**：提供操作面板，清晰展示AI员工沟通进展、意向达人列表（附详细报价、CPM/CPC预估、匹配度分析及粉丝画像），将线下Excel作业升级为可视化平台 [15][16][18] - **高效履约与数据追踪**：品牌确认合作后无缝进入内容制作；平台提供实时更新的数据报表，可随时查看预算花费、播放量、点击量、CPM、CPC等数据，无需人工定期回收 [16][19] - 平台将能力系统化，转化为不依赖人员流动的组织能力，使达人营销方法论得以持续运转和沉淀 [21] 市场验证与商业成果 - Aha已跑通双边平台飞轮模型：品牌增加提升交易流动性，吸引更多优质达人；达人供给丰富又提升品牌体验，吸引更多品牌加入 [23] - **供给侧**：平台沉淀超过500万高质量可合作达人储备，其中已完成签约的达人超过5万名，覆盖从头部到长尾的全层级矩阵 [24] - **需求侧**：已成功服务300+企业客户，包括国内外大厂及AI产品出海榜TOP 50产品（如AiPPT、Vizard）等众多对效率与合规要求极高的AI品牌 [24] - **客户案例**：以客户Manna为例，使用Aha后，单个合作周期从“月”级缩短至最快3天；其通过Aha合作的42位达人中，出现了3条“大爆款”，其中一条几万播放量的视频带来几千次App下载 [26] 平台进化与行业契合 - Aha从1.0到2.0的进化，是对达人营销底层作业模式的“基础设施级重构” [28] - **可控性提升**：2.0版本保持品牌在反选、内容审核等关键路径的决策权，并新增外联邮件预审批、模板预览等功能 [29] - **匹配精准度进化**：依托海量AI行业投放数据，抽象出更细颗粒度的专家经验作为判断因子，使匹配逻辑更稳定地适配不同类型AI产品 [29] - **安全保障强化**：构建了达人信用与交付评分体系、多层反作弊体系，全流程确保数据真实与内容可信 [29] - Aha“AI + 双边平台”的解决方案，将达人营销从高度依赖个人经验的项目，转变为可计划、可掌控、可持续积累的增长资产，精准契合了AI企业对效率与系统化能力的生存需求 [30]

文章核心观点 文章通过介绍七款在极客公园创新大会上亮相的AI新产品及其创始人的思考，展现了当前AI产品发展的几个关键趋势：从追求通用效率转向深度个性化服务，从技术炫技转向解决具体场景的真实需求，以及AI如何作为辅助工具赋能而非取代人的主动性与创造力[1][2][7] AI笔记与个人洞察 - flomo笔记产品坚持不做AI润色和生成内容，其核心是帮助用户基于自己记录的真实经历和思考（即“个人上下文”），通过内置的多元思维视角（如CBT疗法、逆向思考）来获得更好的自我解释[4][7][8] - 产品理念强调“事实 + 不同的视角 = 更好的解释”，AI的作用被定位为一种“透镜”，帮助用户看到不一样的自己，而非单纯的效率工具[12][13] - 该产品通过“AI洞察”功能，将芒格的逆向思考等经典思维方法工具化，内置到产品中，以解决用户“不知道自己不知道什么”的认知盲区[9][11] AI摄影与用户主权 - Doka相机是一款AI构图相机，通过AI实时构图分析和AR引导线，帮助用户随手拍出构图平衡、色彩合适的照片，其产品登顶了台湾地区摄影分类榜单第一名，在零投放成本下获取了数万用户[14] - 产品定位源于对市场的洞察：93%的用户对摄影参数不感兴趣，且近80%的用户排斥1:1模仿他人照片，市场缺乏能屏蔽专业技能、让用户简单跟拍的产品[17][21] - 公司经历了一次重要的战略转向，从早期的“机位灵感跟拍地图”产品转向当前方案，原因是旧模式存在需求低频和用户排斥模仿两个致命问题[18][19][20] - 产品核心理念是“把拍照主权交还给用户”，AI仅作为辅助，提供构图建议但不强迫用户审美，强调“修得好、生成得好，不如拍得好”，认为摄影的本质是记录真实[7][23] - 产品设计追求简单纯粹，超过六成的相机类产品首页是信息流，而Doka旨在提供简约、有质感的纯粹拍照体验[24] 个人化AI办公助手 - remio是一款个人办公助手产品，旨在成为“Personal ChatGPT”，通过自动同步本地文档、无感捕获网页浏览等方式，智能构建用户的工作上下文，以解决用户需要手动为AI提供资料的“数据管理员”困境[27][29] - 产品通过一个真实案例说明了其价值：当通用AI只能简单总结一周工作时，remio能清晰梳理出访谈用户、更新官网、优化数据等所有工作细节，其优势不在于模型更聪明，而在于把“上下文”做到了极致[30] - 公司认为程序员是当前AI时代的受益者，因为AI Agent能访问整个代码仓库，而其他工作场景缺乏完整的资料库，remio的核心就是构建这样一个资料库并对接优秀AI模型，成为真正的工作助理[31] - 解决了两大核心技术难题：一是通过浏览器插件和本地文件实时解析功能实现“全面无感记录”，其中本地文件解析性能比许多开源同类技术提高了10倍；二是通过本地向量库和精细化的策略高效管理上下文，确保回答一次性准确[34][35][36] AI营销与品牌平权 - Pallas AI是一款基于GEO、帮助企业进行AI营销的Agentic产品，其背景是ChatGPT每天影响的交易额在20亿人民币以上，且在41.2%的对话中AI会主动提及特定品牌，33.8%的对话会出现自发产品推荐[38] - 公司认为需要“重新做一次针对‘AI’的营销”，让品牌从被动搜索变为被AI主动推荐，而当前在北美组建一个专业的AEO（AI引擎优化）专家团队起步价每月高达4000美金，这成了大企业的游戏[39][40][41] - Pallas AI旨在成为每个人的AEO专家团队，通过简单的对话框交互，能对客户及竞品进行全域追踪，并进行超过2000次关键词研究、100篇文章研究和30轮次以上的思考，最终生成一个清晰的“营销地图”[42][43] - 产品提供全面的数据监控面板和全内容生产平台，并内置“AI警察局”机制验证内容真实性，从而形成一个能持续学习、优化迭代的闭环营销团队，为企业带来真实增长[43][45] AI Agent商品化与市场生态 - MuleRun是一个AI Agent的Marketplace，平台在上线一个月后达到了50万注册用户数[46][47] - 公司认为随着AI技术发展，制作Agent已不难，但实现其商品化和市场化交付给全球用户仍是难题，解决方案是构建一个由市场经济驱动的AI Agent市场，让开发者能将知识变现，因为“人类社会最强大的动力就是‘搞钱’”[48][49] - 平台定位是覆盖AI领域的中长尾需求，而非解决如AI编程等头部问题，认为Agent只有商品化后才具备价值[50][51] - MuleRun是一个串联开发者、用户和平台的三方平台，具有框架和模型中立、提供开箱即用的底层工具（如聚合主流API、网盘空间、云端Sandbox）以及允许用户用自然语言构建Agent等特点[52][53][54][55] AI可穿戴硬件与健康管理 - OdyssLife品牌的首款产品Odyss N1是一个AI项链，集多模态感知能力于一体，旨在全天候无感记录用户的饮食与运动行为[56] - 产品出发点在于解决健康管理中的核心痛点：尽管人们记录运动、睡眠，但在最重要的饮食行为上从未有过好的用户体验，因为日常饮食行为碎片化，手动记录麻烦且不准确[58] - 选择项链形态是基于第一性原理，因为它可以24小时贴身佩戴、毫无存在感，且拥有与用户相同的视角，能清晰“看见”用户的饮食结构，但只关心健康数据，不记忆原始音频和图像[60] - 产品能智能分析进食顺序、速度、营养成分，并结合运动数据给出个性化健康建议，如同私人营养师提供“今日生活指南”，目标是重新定义用户与食物、与世界的关系[59][62][64] AI视觉内容与时尚产业 - LavieAI是一家专注于服饰垂类的AI视觉内容生成公司，业务包括AI模特生成、广告内容制作和虚拟IP运营，其思路是用AI模型取代传统模特拍摄，以更快、更省钱的方式获得成片[65][66] - 公司的视觉定制化解决方案相比传统拍摄，平均可降低90%的费用成本和90%的制作周期[68] - 公司技术能力扎实，拥有自研的人像生成模型、一个包含5000多位多元模特的AI模特库，并自研了Photoshop AI插件和“无限画布”系统来提升工作效率和图像质量[70] - 公司认为AI让创意的门槛更低，但对审美和想法的要求更高了，其优势在于坚持艺术与技术的结合，在模型训练中加入美术指导专家模式，确保结果符合时尚行业审美[7][71]

原文章：https://cloudedjudgement.substack.com/p/clouded-judgement-121225-long-live 每隔一段时间，都有类似的论断、观点出现。 不会的。相反，这些系统会逐渐变成 Agent 的「基础设施」，成为 Agent 网络的后端之一。 最近，Altimeter Capital 合伙人 Jamin Ball 在一篇文章提到，AI Agent 不仅不会杀死传统的软件系统，反而会让企业内部对数据定义和解释这事，变得比 以往任何时候都更加重要和值钱。 简单来说，企业 Agent 的能力上限，取决于能否用对「上下文」：用哪个系统里的哪个数据？以及能否理解数据之间的协作规则？输入端数据的准确 性，大概率决定了 Agent 完成任务的准确性。 但企业内部的数据、信息，往往都是混乱的。a16z 在前两天发布的 2026 年度预测中提到，企业内部 80% 的知识和信息，都存在于非结构化数据中。数 据的时效性、结构化和准确性正在不断下降。 输入端用什么？谁来决定怎么用？Agent 正在倒逼我们，把「做事的方式」和「事实的来源」分开。未来的这类产品的最核心、也是最值钱的 ...

文章核心观点 - 数据是AIGC创业公司，特别是出海企业，必须严肃对待的关键风险点，而非简单的产品护城河[1][3] - AIGC公司在模型训练、内容生成及产品出海等环节面临复杂且多样的数据合规与知识产权风险，亟需将合规工作前置[2][3][4] - 针对AIGC领域的特定数据风险，行业需要专业的法律合规指导以规避高风险的诉讼与侵权争议[3][4] 活动背景与目的 - 活动由北京星也律师事务所的两位合伙人郑玮和孙奇敏主导，旨在为AIGC创业公司提供出海合规指导[4][10] - 活动形式为线上闭门研讨会，采用筛选制，面向特定受众，需付费报名[5][6][10] AIGC行业面临的核心数据合规议题 - **模型训练数据来源的合规性**：需明确区分合成数据、版权内容、专有数据及用户行为数据等不同类型数据的可用性边界[8] - **不同类型数据的侵权风险**：代码、人像、音视频等不同种类的数据在利用时需注意各自独特的侵权风险[2][8] - **AI生成内容的权属界定**：需要厘清AI生成内容的所有权归属，并针对ToB与ToC不同应用场景界定数据使用权与知识产权[8][10] - **产品出海的数据管理**：出海企业需妥善处理数据跨境传输、本地存储与数据隔离等关键合规问题[8][10] 目标参与人群 - 图像、文本、视频等生成式AI产品的创始人或出海负责人[10] - AI陪伴/社交、AI Coding类产品的创始人或出海负责人[10]

8 月，Looki L1 全球版本发布，意外在国内大火，有博主把它称为「人生回看器」，一个视频千万播放。 10 月，Instagram 上博主的种草视频也火了，同样是千万播放，点赞近 30 万。 Looki 之前备的货，10 月初就卖光了。 这是一台挂在胸口的小设备，可以拍照、录像、录音，记录用户生活中的所见所闻。 四个月前，孙洋很难向人解释，这台画质比主流运动相机差很多的设备，到底有什么不一样。 直到产品出货，用户每天平均使用时长，从 6.2 小时，到 6.4 小时，然后 7.2 小时、7.9 小时，一路飙升。 用户会告诉你，它是一个全新的品类，一个从来没有出现过的产品形态。毕竟没人一天用 8 小时运动相机。 我们在这四个月里多次与 Looki 创始人孙洋深度沟通。 第一次见面，他说 Looki 是一台 Lifelogging Camera，先后强调三遍，这是他当时觉得最准确的描述。 超 17000 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： 「那是一个错误，我们太保守了。」后来 Looki 把 Lifelogging Camera 这个词从 ...

近期有哪些值得参加的 AI 活动？ 12 月 25 日，Founder Park 在上海将举办一场 Meetup（圣诞 特别场）， 邀请一群有体感、有洞察的创业者朋友，来聊聊 AI 陪伴产品。小场闭门，名 额优先。 12 月 21 日，Global Ready 将举办一场「AI 硬件」主题的线上闭门交流活动，交流嘉宾包括：灵宇宙创始人＆CEO 顾嘉唯、无界方舟创始人&CEO 曾晓 东、FOUNTAIN 源泉创始人万旭成。欢迎 AI 硬件相关创业者报名、交流。 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。 数据来源、版权归属， AIGC 公司怎么解决出海合规难题？ 主办方： Founder Park 郑玮 北京星也律师事务所 创始合伙人 活动时间： 12.18 20:00 活动地点： 线上 活动亮点： Host 嘉宾： 孙奇敏 北京星也律师事务所 合伙人 关注话题： 模型训练阶段，如何合规利用爬取数据、版权内容与用户行为数据？ 生成的内容归谁？ToB、ToC 产品，如何界定数据使用权与知识产权？ 产品出海，如何做好跨境传输、本地存储与数据隔离？ 活动详 ...

主打认知安全的公司缔零科技最近宣布完成数千万元天使轮融资。本轮融资由中南创投、凯风创投、普朗克创投联合投资，资金将主要用于其核心产品 「缔零法则」的技术迭代、市场生态构建及认知安全社区建立。 AI 时代的内容安全，正从传统的内容合规，演进到更为隐蔽和复杂的认知影响层，比如此前曾引起热议的 ChatGPT「诱导」用户自杀事件，以及更为复 杂的社会工程攻击手段等。还有目前正海量诞生的 AIGC 内容，都让传统的内容安全体系显得有点吃力。 缔零科技的自研产品「缔零法则」，主打以 AI 治理 AI，提供一站式的内容安全解决方案，审核成本降低 60% 以上，审核效率提升 50 倍以上，风险识别 准确率高达 99.98%，性能较传统机审提升 25%。 用 AI 接管内容审核只是第一步，缔零科技的真正目标，是打造 AI 时代的个人认知安全护栏，让每个用户未来都拥有一个自己的 AI 安全顾问，你不想看 到的、对你有害的、或者可能会遇到的新型诈骗等，都由缔零科技来守护。 ToB 服务只是目前缔零科技产品的一部分，未来，他们想成为「守护人类认知安全的一群人」。 以下内容整理自与缔零科技 CEO 谭亦朗的对话。 ⬆️关注 Foun ...

名额有限，活动采用筛选制，欢迎扫描下方海报二维码报名。 数据不一定能成为产品的护城河，但一定是创业公司需要认真对待的「风险点」。 用户数据、AI 生成的内容、代码音视频等各类数据，在法律上的风险完全不同，需要的处理流程也完全不同。 尤其是出海企业，在各类诉讼、侵权争议频频发生的情况下，把合规风险前置，特别关键。 本期 workshop 中，我们邀请到了北京星也律师事务所的两位合伙人郑玮、孙奇敏， 针对 AIGC 创业公司，聊聊如何规避在出海过程中会遇到的一系列合 规、高风险问题。 12 月 18 日，晚 20 点，线上闭门，欢迎来聊。 在模型训练阶段，合成数据、版权内容、专有数据、用户使用数据...... 如何判断哪些数据能拿来用，哪些不能？ 代码、人像、音视频，不同种类数据，分别需要注意哪些侵权风险？ AI 生成的内容归谁？ToB、ToC 应用，数据使用权、知识产权如何界定？ 产品出海，如何做好跨境传输、本地存储与数据隔离？ -- 孙奇敏 北京星也律师事务所 合伙人 本场交流话题 模型训练阶段,如何合规利用爬取数据、版权内容与用户 行为数据? 生成的内容归谁? ToB、ToC 产品，如何界定数据使用权 与知 ...

文章核心观点 - AI领域的用户留存模式与传统SaaS行业存在根本性差异，出现了“灰姑娘水晶鞋效应”：如果一个新模型在发布初期就能完美解决用户的某个高价值、未被满足的难题，那么首批用户将表现出极高的忠诚度和留存率，并深度绑定业务，这与传统SaaS先发布MVP再迭代改善留存的模式相悖 [1][4][5][7] AI时代用户留存的新范式 - 传统SaaS的典型做法是先发布功能较少的最小可行产品，然后通过快速迭代功能来改善用户留存，初期用户流失被视为常态 [4] - AI领域出现了新现象，一些产品从第一批用户开始就获得了非常高的留存率，用户似乎找到了他们真正需要的东西并长期使用，这形成了“灰姑娘水晶鞋效应” [5] - 该效应比喻市场上存在一批有潜在需求的“客户”（灰姑娘），他们持续寻找能完美解决其“未解决的工作负载”的方案，当某个“前沿模型”以极高精度解决某个棘手且高价值的问题时，就产生了“工作负载-模型匹配”，用户会被有效“锁定” [7][8] - 早期具备高粘性的用户被称为“基础用户群组”，他们通常在模型发布初期出现，留存率非常高，甚至可能比后期加入用户的留存率更高 [8] - 后期用户忠诚度更低，因为他们更多是抱着实验性态度，或者其需求已被其他方案满足，模型只是众多工具中的一个，未被满足的需求会促使他们转向试用新模型 [9] 关键数据与案例分析 - 分析基于OpenRouter平台上60多家提供商的300多个模型，以及100万亿个token的交互数据 [1] - OpenRouter的模型使用量在一年内增长了10倍，处理的Token数量从10万亿增至100万亿以上 [7] - **正面案例：Google Gemini 2.5 Pro**：2025年6月发布的群组在5个月后仍有约20%的用户保持活跃，留存率非常高 [14] - **正面案例：Anthropic Claude 4 Sonnet**：2025年5月的发布群组在第4个月时用户留存率约为40%，显著高于其后期用户群组 [15] - 上述案例表明，当模型凭借明确技术优势发布时，有一个短暂窗口期来吸引“基础用户群组”，一旦成功，这些用户会成为核心用户并长期维持高使用率 [16] - **反面案例**：如Google Gemini 2.0 Flash和Llama 4 Maverick等模型，由于未能实现能力上质的提升，所有用户群组留存率都很低且行为相似，未能形成“基础用户”，图表中所有群组的留存曲线都纠缠在一起 [17] 对AI公司和投资者的启示 - **留存率是关键北极星指标**：早期用户的高留存率是判断能力“真突破”的关键指标，所有群组都快速流失是危险信号，而存在高留存的基础用户群组则值得深入研究 [6][24] - **重新定义先发优势**：率先进入市场不一定成功，关键在于谁能率先完美解决某一类问题，第一个实现新能力水平的模型能锁定大部分忠实用户，因为用户已围绕该模型构建工作流，带来高昂的转换成本和商业“锁定” [6][24] - **PMF等同于工作负载-模型匹配**：在AI领域，实现产品市场匹配意味着比任何对手都更好地解决某一个高价值的工作负载，当产品能够精准满足某一需求时，用户的留存率自然就有了 [6][24] - **“前沿模型”的窗口期非常短暂**：数据显示，“前沿模型”的领先地位是暂时的，可能只有几个月，这是获得“基础用户”的唯一机会，一旦错过就只能陷入增量改进的激烈竞争 [6][16][24] - **需要把某一维度的能力做到极致**：靠“通用”取胜很难，AI下一阶段的竞争不仅是模型更大或更快，更是要找到并彻底解决市场中那些高价值的、未被满足的需求，成为第一个完美解决方案 [6][23][24]