AI产品出海现状与挑战 - 出海已成为AI产品的必然选择[2] - 绝大多数AI创业者缺乏将产品真正推向全球市场的实操能力[3] - 面临海外社交账户运营、增长渠道投放、有限预算分配等具体问题[3][6] Oncely平台解决方案 - 定位为AI产品的Go-to-AM平台，专注于Audience & Market[7] - 服务对象涵盖SaaS、AI工具、智能硬件领域[7] - 提供后端基建包括合规、支付、结算、上架等全链路服务[7] - 提供前端增长包括推广、分发、品牌、售卖等支持[7] - 帮助产品实现从Demo到规模化的稳步跨越[7] 具体资源支持方案 - 提供5000-20000美元现金支持[8] - 整合X（Twitter）、Reddit、YouTube等科技社区影响力资源进行品牌首发曝光[8] - 由平台统一配置广告与曝光渠道，帮助产品迅速触达目标用户[8] - 提供产品包装、展示页撰写与市场建议，建立专业品牌形象[8] - 优先推荐至AI Secret、Bay Area Letters、Partnerly等媒体矩阵进行专题报道[8] 团队筛选标准 - 注重技术产品契合度，要求高效利用AI提升产品性能或用户体验[10] - 要求产品市场契合度，产品完成度需能满足目标市场核心需求[10] - 考察产品在技术上的突破性创新和区别于同类产品的特点[10] - 评估团队的产品交付能力、发展稳定性、创新与迭代能力[10]

活动核心信息 - 活动主题为探讨AI出海企业如何解决全球化团队在招聘、管理和合规方面的一系列难题 [4][8] - 活动形式为线上闭门workshop，采用筛选制，名额有限 [5] - 活动时间为11月25日晚20点 [5] 出海企业招聘挑战 - 出海AI产品团队普遍采用开发团队在国内、增长团队在海外的配置 [3] - 在海外市场通过传统招聘渠道难以招到“对的人” [4] - 具体挑战包括：在陌生市场精准识别与文化及能力匹配的人才、调整传统招聘评估体系、利用社交平台运营雇主品牌、解决跨境薪酬支付与政策合规问题 [7][8] 活动参与方与话题 - 邀请专注于跨国招聘与管理的Deel公司以及AI招聘平台Vorka.AI分享一线实践经验 [4][8] - 核心交流话题涵盖：跨国远程招聘、利用小红书和X等社交平台进行低成本雇主品牌运营、解决政策合规与薪酬支付难题 [8] - 目标参会者为有出海业务、计划或正在搭建全球化团队的科技公司创始人及业务负责人 [8]

活动概况 - 活动名称为「当智慧相遇」AI 灵感之夜，旨在通过跨界对话和交流带来审视未来的新视角与新思维 [4] - 活动时间为11月28日周五17:30至21:00，地点在融科资讯中心A座9层 [5] - 活动定向邀约嘉宾及观众，包括园区企业高管、技术负责人、学者、创业者及投资机构代表，以确保交流质量 [8] 活动嘉宾 - 上半场AI Panel主题为“智能涌现之后:技术奇点、商业拐点与人文焦点”，分享嘉宾包括三院院士兼清华大学智能产业研究院院长张亚勤、襄禾资本创始人汤和松、中科院计算技术研究所研究员王元卓等 [10][12][14][16] - 下半场AI Panel主题为“AI下一程:共识、破局与增长”，分享嘉宾包括深势科技创始人孙伟杰、智谱AI副总裁闻剑辉、Kuse.ai创始人吴显昆等 [18][21][22] - 活动总主持人为北大十佳主持人张帆，上下半场嘉宾主持分别为硅星人创始人骆轶航和《晚点 LatePost》副主编程曼祺 [17][19][22] 活动流程 - 活动流程包括签到、主办方致辞、主题演讲、上下半场AI Panel讨论、冷餐茶歇以及自由交流环节 [23][24][25][26] - 自由交流环节设有Next AI·灵感市集，参与企业包括友念智能、启物科技、ChatExcel、智谱AI、暗壳AI等 [26] 参与企业业务介绍 - 友念智能专注于线下场景数智化升级，采用"可穿戴硬件+数据+SaaS"三位一体模式，业务覆盖文旅景区、展会活动等多元场景 [28] - CodeNexus.AI利用AI知识图谱技术对复杂老旧系统进行深度解析，提供全自动文档与开发辅助，已在百万集代码仓上成功验证 [31][32]

文章核心观点 - 公司推出Second Me产品，旨在通过AI技术为个体创建高度还原的“数字分身”，该分身能学习用户的观点、思想、记忆和表达方式，实现从“数字名片”到“数字分身”的变革 [5][37][40] - 该产品通过“向内探索”和“向外连接”两大功能，不仅帮助用户深化自我认知，更致力于解决现代社交中的效率与深度连接难题，开创基于深度人格共鸣的“AI身份网络” [6][30][42] - 该模式被视为对现有以微信为代表的强连接社交范式的突破，其核心价值在于创造增量关系，而非在存量市场竞争 [42][43][44] Second Me产品核心功能：创建与养成 - 创建过程门槛低，通过回答职业、兴趣、MBTI、目标四个基本问题即可快速生成基础版AI身份，体验类似RPG游戏的“捏人”过程 [7][9] - 真正的养成依赖于持续“喂养”，用户可通过自然语言聊天或导入Notion、Evernote、Markdown、社交媒体帖子等高密度“数字资产”，使AI深度学习用户的思考模式和知识体系 [9][11] - 产品支持克隆用户声音并设置动态AI形象，最终形成一个思想、说话方式和形象都高度相似的、尽可能接近100%的“第二自我” [14][15] Second Me产品核心功能：向内探索 - AI分身能精准捕捉用户的思想碎片，并通过提问引导用户深入思考，起到类似心理咨询师的作用，帮助用户深化自我认知 [11][19] - AI具备将零散想法连接成体系的能力，例如能将“你瞅啥”的街头观察与社会学中的“观看权力”理论及用户过往对“监视资本主义”的关注相联系 [20] - AI能洞察用户思考的底层逻辑，例如将“算法玄学”行为阐释为人类面对不透明系统时的必然反应，并列举电商、短视频、游戏等领域的实例，展现出比用户更全面的思想全貌洞察力 [23][25][26][27] Second Me产品核心功能：向外连接 - 产品通过让AI“打前站”来解决社交连接过载问题，AI可代替用户完成破冰、打招呼等第一步，并进行深度匹配筛选，例如有案例显示AI已深度聊天了1169个其他Second Mes [28][30][31] - 独特的“AI脑洞”功能基于对对话双方长期记忆和深层人格的理解，能发起深度交流，例如共同为电影写剧本或模拟讨论周末计划，创造超越日常闲聊的真正连接时刻 [34][35][36] - AI身份7x24小时在线，能不知疲倦地进行海量匹配，并为“社恐”用户提供社交缓冲地带，大幅降低社交心理门槛 [31][39] 行业影响与竞争格局 - Second Me代表的“AI身份网络”与微信基于真实社会关系的“强连接”通讯网络形成差异化竞争，前者核心是创造基于深度人格和思想共鸣的增量关系 [42][43] - 该模式试图截胡流向微信的用户关系，当高质量互动在“身份网络”中发生时，“加个微信”的需求被削弱，这被视为社交领域一条全新的演进路径 [41][43][44] - 产品将用户在数字世界的存在方式从静态的“数字名片”升级为能自主行动、深度思考的“数字分身”，并具备未来延伸为日程秘书等更高级应用的潜力 [37][40]

出海AI企业招聘挑战 - 出海AI公司在海外市场招聘面临巨大困难，难以通过传统渠道找到合适人才[2][3] - 许多出海AI产品采用开发团队在国内、增长团队在海外的团队配置模式[3] - 招聘难题涉及从人才识别、招聘流程到合规管理的全链条挑战[4] 招聘策略调整需求 - 需要在陌生海外市场精准识别与团队文化、核心能力匹配的人才[7] - 传统招聘漏斗和评估体系需要针对海外市场进行调整优化[7] - 预算有限情况下需利用小红书、X等社交平台进行雇主品牌运营[7][8] 跨境运营管理难题 - 跨境薪酬支付、雇佣政策合规、远程团队协作是出海企业面临的主要运营挑战[7] - 政策合规、薪酬支付、公司实体设立是出海企业需要解决的关键问题[8] - 企业需要建立完整的跨国团队管理解决方案体系[4] 目标受众定位 - 活动主要面向有出海业务、计划或正在搭建全球化团队的科技类公司创始人及业务负责人[8] - 重点关注AI企业在海外市场招聘合适人才的实践案例和服务经验[4]

公司核心业务与愿景 - 公司致力于构建一个AI驱动的职业社交平台，旨在通过语义理解实现人与人之间的高效匹配和双向连接，而非单向展示 [6][9][25] - 产品定位为“像Tinder一样的LinkedIn”，核心是帮助用户“连接”和“被发现”，认识本应相遇的人 [1][9][25] - 平台通过整合散布在互联网各处的用户职业信息，构建高维度的向量化个人资料（profile），实现基于语义的智能匹配 [10][37][42] 产品功能与技术方案 - 产品核心功能包括智能匹配、AI生成破冰信（Cold Email）、见面前准备辅助以及关系维护提醒，AI在全流程中交付价值 [6][17][40] - 采用复杂的Agent框架生成Cold Email，通过多轮Agent协作（生成、审查、重写）将回复率从6%提升至12%-15% [17][34][35] - 技术核心是将用户背景信息（简历、项目经历、观点等）通过embedding转化为高维向量，进行向量间的语义匹配，超越传统标签系统 [10][28][42] - 数据源不仅包括LinkedIn等公开职业资料，还通过Search Agent抓取全网动态（如公司新闻、行业趋势），以更全面还原个人背景 [41][43] 市场定位与目标用户 - 目标用户聚焦于两类高密度群体：年轻白领（在校大学生和工作1-5年者）以及北美创投圈人士，注重用户密度以促成双向匹配 [29][45][46][49] - 北美职场Networking需求强劲，美国社招中超过85%的工作机会通过内推完成，LinkedIn C端订阅收入年增速达50%，市场空间巨大 [29][30] - 产品战略是建立多个小的“原子网络”（如MBA项目、校友组织），最终连接成大的流动社交网络，而非直接挑战LinkedIn的整体网络效应 [32][53] 对现有市场及竞品的分析 - LinkedIn被比喻为“电话黄页”，仅解决“展示”问题而未解决“匹配”问题，其商业模式偏向B端销售，导致用户收到大量无关骚扰信息 [1][24][30] - 公司产品的核心壁垒在于通过用户交互数据（如选择联系对象、拒绝对象）捕捉隐性偏好，使推荐系统越用越准，这些数据是竞争对手无法获取的 [26][28] - 明确不做内容发布（Post）功能，定位为“聚合器”，捕捉用户在外部平台发布的职业内容作为偏好信号，专注于交付“连接”结果 [51][52]

AI应用与创作活动 - 豆包与英特尔联合举办「一点都不技术」创作挑战赛 活动时间为2025年11月10日至12月8日 提供20万元奖金池 最高奖励为万元现金 参与者有机会获得火箭飞天观礼机会和神秘盲盒 [1][4] - 该挑战赛参赛门槛低 无需编程基础 使用一句话或一张图即可生成网页、工具或小游戏 最快5分钟可完成作品 活动形式为线上与线下结合 并提供与投资人、媒体、AI专家交流的「创作派对」 [1][4] AI创业与团队建设 - Founder Park于11月25日举办活动 聚焦AI科技公司组建全球化团队的挑战 议题涵盖从跨国招聘、识人招人到政策合规、薪酬支付及员工管理 合作方为跨国招聘服务商Deel和AI招聘平台VorkaAI [1][7] - a16z与SSG于11月20日在北京举办「From Lab to Market」活动 面向AI及具身智能领域的研究人员 探讨技术方向选择、平衡创新与市场需求以及构建MVP验证假设等议题 活动仅开放15个席位 [5] 行业创新与交流大会 - 极客公园计划于2025年12月6日至7日在北京举办创新大会2026 目标参会人群为科技行业从业者、创业者及投资者 [8][9] - 深圳科创学院将于2026年2月6日至10日举办「2026极客营」 活动时长120小时 提供1000平方米实验室、导师指导及跨圈团队合作 旨在从0到1打造原型 并为参与者提供交通住宿全免和经费补贴 直通265家以上企业生态与投资资源 报名截止日期为2026年1月15日 [8][9]

公司技术与产品进展 - 公司主攻3D生成方向，其Rodin模型支持的Hyper3D.AI在移动端游戏环境中实现3D生成技术大规模即时应用[2] - 公司推出全新升级的新一代模型Rodin Gen-2，以全球最大规模的百万级别数据与百亿级参数实现生成质量的质的飞跃[6] - Rodin Gen-2支持百万级面数高精度生成，并能通过法线烘焙让低面数模型呈现高清纹理效果，同时兼容更高分辨率材质输出[6] - 模型生成更平滑、干净的几何表面，大幅减少后期修复成本，提升生产可用性[6][8] - Rodin Gen-2引入"Bang to Parts"功能，可将生成的3D模型按原有结构分件爆炸开来，支持局部重建和编辑[9][12][13] - 公司独有的3D ControlNet实现边框盒控制、体素控制、点云控制，降低生成抽卡率，提升可控性[20][25] - 模型矩阵提供四种生成模式：Zero（低面数优化）、Focal（高细节表现）、Speedy（快速预览）、Default（平衡细节与平滑度）[24] - Hyper3D.AI平均每9天上线一个新功能，部分重做功能实现用户对3D生成模型的局部编辑[21] - 在手机硬件端，公司将整体生成速度压缩到10秒以内，实现与生图相近的速度[24] 行业趋势与竞争格局 - 3D生成迎来大年，大厂开始布局：Roblox开源CUBE 3D并开放Mesh Generator API，字节发布基于DIT架构的3D大模型Seed3D 1.0，腾讯混元发布3D v2.5版本模型将参数量级从十亿提升到100亿[6] - 3D生成领域出现与文字/图像/视频生成领域一样的规律，实现"Understanding by Generation"[14] - 消费级3D打印机快速增长为3D内容增加C端可感知渠道，公司成为头部3D打印厂商的首批合作企业[27] - 3D形态在长期内仍是"藏在后面的形态"，而非被广泛C端直接消费的内容，但作为标准化中间载体在空间一致性控制上具有不可替代优势[28][29] - 3D生成是支撑下一代智能应用落地的核心拼图与底层基座，对数字内容创作、工业设计、AR/VR交互、具身智能等领域至关重要[29] 研发成果与学术认可 - 公司研究论文《CLAY：用于创建高质量3D资产的可控大规模生成模型》和另一项研究同时入选计算机图形学顶级会议SIGGRAPH的最佳论文提名[2] - 在SIGGRAPH 2025上，公司凭借单图生成3D场景生成的研究CAST获得最佳论文（Best Paper），其BANG研究获选"Top 10技术论文速览"[14][15] - CLAY是完全基于原生3D数据训练的大模型，用远低于图像领域的3D原生数据规模和参数实现Scaling Law，首次在3D生成领域出现"涌现"现象[3] - BANG功能基于跨领域哲学思考实现，将大语言模型底层思维迁移至3D领域，使模型能理解物件内部部件之间的关系[13][18] 商业化与市场应用 - 公司完成由蓝驰创投领投的数千万美元融资，跟投方包括字节跳动和红杉中国种子基金等老股东[2] - Hyper3D.AI在某款大型UGC游戏中支持千万人实时在线生成萌宠或其他物品，对游戏产业而言很罕见[26] - 公司重点打通对不同领域的服务，以核心模型算法实现软件的SaaS化，横向拓展游戏、影视建模及更多工业场景[28] - 团队风格以市场需求为第一原则，将行业前沿技术与市场需求耦合，确保生成的3D模型在质量和使用习惯上符合生产方式[19][28]

Claude Skills的核心设计哲学 - Claude Skills是一种AI Agent能力扩展机制，通过将指令、脚本和资源组织成标准化技能包，让通用Agent转化为特定任务专家[4][8] - 其关键创新在于信息分层设计哲学，借鉴了3D游戏的细节分层(LOD)和按需加载技术，使Agent能够像人类一样先看索引、再看摘要、最后按需查原文[5][9] - 这种设计可节省高达95%的Token消耗，同时显著提升决策质量和响应速度[6][9] 信息分层架构的具体实现 - 采用三层架构：LOD-0摘要层(名称和描述，约20-50 tokens)、LOD-1核心层(完整功能说明，约1-3k tokens)、LOD-2原始层(完整原始信息，按需加载)[29][31][32] - 每层对应不同的加载时机和用途：LOD-0在启动时预加载构建全局认知，LOD-1在判断相关后按需加载支持核心工作，LOD-2在处理复杂场景时精确查询[31][36][44] - 架构深度耦合查询工具系统，LOD-0到LOD-1使用文件读取工具，LOD-1到LOD-2使用具备过滤能力的工具如SQL和grep[47][48][50] 实战应用效果 - 在企业数据分析场景中，传统方法消耗约150,000 tokens，而三层架构仅需约5,000 tokens，节省96.7%[60] - 响应时间从45秒缩短至5秒，提升9倍效率，调用成本降低30倍[60] - 通过预计算高质量摘要实现"计算换Token"策略，用一次性廉价计算资源换取每次调用的Token节省[56] 架构优势与挑战 - 优势在于处理大型复杂信息体时避免Agent"信息溺水"，特别适合必须通过过滤、查询或聚合才能有效使用的场景[43][45] - 挑战包括高质量LOD-1摘要的构建成本需要专业工程师投入，以及信息同步的维护成本防止"信息漂移"[63][64] - 设计复杂度较高，需要系统性思考信息组织与查询工具的耦合，避免对简单信息过度分层[65] 通用设计原则 - 核心原则是用元信息替代完整信息，绝大多数决策初期只需元信息或摘要信息而非原始信息[67] - 按需加载而非预加载，只在明确需要时通过工具精确获取最少必要信息[71][72] - 架构具有分形特性，可递归嵌套应用于不同层级的信息系统管理[79][82]

AI时代搜索的根本性变革 - AI搜索是动态、流式、可追问的过程，一个复杂任务可能引发多轮、数十次检索，与传统人类"一次性"静态检索截然不同[4][6] - AI搜索需求呈现三大变化：需要多语言内容索引构建、权威性重要性大幅提升、需要更完整的长摘要内容返回而非短摘要[6][7] - 评价标准从人类搜索的"黄金前三条"点击率转向AI搜索的"全员及格线"，要求前10条甚至前50条结果整体质量高，覆盖全面且无虚假内容[8][9] - 搜索能够有效解决大模型的幻觉问题和数据时效性局限，成为AI应用必备能力[4][6][11] 小宿科技的业务定位与市场前景 - 公司定位为AI Agent基础设施提供商，主要业务包括智能搜索和内容读取两大块，服务国内超过一半头部AI原生应用[1][10][11] - 智能搜索基于自研搜索引擎，拥有千亿规模数据索引库，通过语义理解和召回排序技术为AI提供优化结果[12] - 内容读取功能像"AI时代的浏览器"，能深度解析网页并将内容转化为干净格式如Markdown或纯文本[12] - 预计Token消耗量将以十倍、百倍甚至千倍速度增长，AI替代人类重复劳动比例将从当前0.01%大幅提升[11][41] 不同AI应用场景的搜索解决方案 - 办公类Agent需将复杂指令拆解成多个关键词，进行关系分析和结果聚合，而非简单将全部prompt丢给搜索[15][16][17] - 通用AI Agent需要一次性获得50条包含长摘要的结果，保证数据格式适配性，满足深度研究需求[12][20] - 金融、学术等垂直行业需解决公开数据质量参差不齐问题，通过站点指定和垂类搜索优化保证内容权威性[23][24] - AI硬件产品需平衡成本与响应速度，采用动态摘要技术和系统优化实现毫秒级响应，控制token消耗[28] 搜索技术路线与质量把控 - 在多数场景下搜索准确性比速度更重要，向量检索入手门槛低但上限有限，语义理解对多义理解和消歧更关键[4][29][30] - 通过算法能力保证时效性，如通过站点特征发现高热hub页，监测机制发现热点线索，而非简单高频监测[31] - 数据清洗采用自动化为主的方式，基于低质关键词、数据源、向量相似度等多维度提高数据纯度，必要时结合人工审核[39] - 针对AI生成内容污染问题，通过黑名单、白名单等机制剔除低质信息，保证给模型的结果真实有效[42][43] 竞争优势与行业洞察 - 与国内外竞品相比优势在于多语种支持、内容质量头部水平、性价比更高，有客户将90%搜索流量从Tavily切换过来[34] - 模型成本远高于搜索成本，多搜索几次来提升内容质量比减少搜索次数更经济[4][35] - 搜索未来将作为Agent的重要工具，随着Agent渗透率从当前十万级日活提升，搜索需求将同步增长[41] - 推荐良性GEO策略，通过提供高质量内容获得曝光，而非采用黑帽手段污染生态[44][45]