AI技术发展路径与未来展望 - 2035-2050年期间技术变化速度将难以用现有框架描述 人类体验层面变化可能不大 但技术栈可实现性和个人生产力将完全不同[4] - AI发展遵循规模定律 通过更好的算法 更强大的计算芯片和更优质的数据推动进步 过去几年主要是算法进步令人难以置信[17] - 未来18个月AI能力可能实现从10到100的跃升 虽然实际影响更大但人们已有所预期 而ChatGPT的推出是从0到1的意外冲击[13][14] - AI研究进程将呈现渐进式加速 无论是AI辅助人类还是人类辅助AI 净效应都是研究进展更快 整个技术供应链都将受益于AI加速[18][19] AI对商业格局的重塑 - 2030年代财富500强公司消亡速度可能加快 新公司增长加速并夺取市场份额 呈现巨大指数曲线[5][8] - 当任何软件都能被实时编写时 SaaS商业模式将面临重大颠覆 用户只需对AI聊天机器人提出需求即可获得软件成品[5][7] - AI软件工程师将是对企业最具破坏性的因素 企业在这方面投资最多 发展最快 直接对应大多数公司当前的瓶颈[38] - 可能出现10人公司年收入达10亿美元的情况 这类公司要么已经出现 要么将在未来几年内出现[44][45] 人类与AI的协作关系 - 生物学编程难以被克服 人类仍会渴望地位 竞争 关注影响者和注意力经济 关心孩子和家庭[11][12] - 许多工作人们不希望AI完成 尤其涉及深层人际互动的工作 如教师给予的激励与AI不同 将出现新的工作类型[9][10] - AI在通用情境下做心理辅导和执行辅导的能力让很多人惊讶 这已成为使用ChatGPT的一个重要场景[41] OpenAI的产品愿景与战略 - OpenAI愿景是打造一小套产品和一个平台 成为用户的默认个人AGI 系统将了解用户 连接各类资源并按用户希望的方式行动[29] - ChatGPT被设想为智能操作系统 将扩展到更多类型服务 用户能够与AI建立重要关系 帮助更高效 更优秀 更快乐[29][32] - 产品发展经验表明 即使只有5%留存率也是有利位置 默认情况几乎总是直线下滑到0[28] - 企业应用有两个方向：虚拟协作同事处理企业事务 AI投入复杂问题解决如科学发现 优化供应链等[37] 创业投资与行业影响 - 作为资本分配者 应该追逐未来而非过去成功的东西 高回报通常来自投资以前不可能的事物和未经验证的项目[21][23] - 下一个数万亿美元公司很可能不是另一个AGI研究实验室 而是因AGI作为新技术出现后被建立起来的公司[21] - 创业者应假设AI模型每年在几乎每个维度上提升约10倍 据此构建产品 不必过度算计短期细节[42] AI的全球影响与挑战 - ChatGPT目前是全球第五大网站 按现有发展轨迹可能成为世界最大网站 将有数十亿人使用免费通用AI[46][47] - AI可能导致极度通缩经济 水 食物 医疗 教育等基本需求变得廉价 过剩财富可能流向地位游戏如艺术品竞拍[49] - AI成本将逐渐向电力成本靠拢 满足全球AI需求需要许多千兆瓦 数十千兆瓦能源 最终可能需要数百千兆瓦[52][53] - 政府需要确保AI充足而非被富人垄断 制定监管护栏和全球规则 分配和访问共享问题需要政府权衡[54]

OpenAI 等人工智能公司迅速公布了斥资数千亿美元建设数据中心的计划，但在展示如何通过创收来覆盖这些开支方面却进展缓慢。咨询公司贝恩 公司最新评估显示，这一资金缺口可能远超此前预期。 贝恩在周二发布的年度《全球技术报告》中指出，到 2030 年 AI 公司需要合计 2 万亿美元的年收入，才能支撑满足预期需求所需的计算能力。但 贝恩预测，由于 ChatGPT 等服务的货币化进程，滞后于数据中心及相关基础设施的投入需求，这些企业的实际收入可能比目标缺口达 8000 亿美 元。 这份报告，势必将引发关于 AI 行业估值与商业模式的更多质疑。随着 OpenAI 的 ChatGPT 、 Google 的 Gemini 等服务的走红，以及全球企业争相 布局 AI ，算力与能源需求正急剧攀升。 但 AI 带来的成本节约效应与企业创收能力，却远远跟不上这种扩张速度。 贝恩全球科技业务主席 David Crawford 表示： " 如果当前规模经济规律持续生效， AI 将日益成为全球供应链的沉重负担。 " 贝恩咨询称，到 2030 年全球新增 AI 算力需求可能飙升至 200 吉瓦，其中美国将占据半壁江山。尽管技术和算法的突 ...

行业趋势 - 一批获得风投支持的初创企业正在涌现，为需要人工智能技术支持的企业提供高科技顾问服务，对Palantir和麦肯锡等专注于高价咨询服务的公司构成了竞争 [1] - 企业对这些咨询服务的收费通常高于普通软件订阅费用，例如OpenAI通常要求客户支付至少1000万美元用于包括指导客户完成模型微调定制在内的服务流程 [4] - 更多专注于AI咨询的初创公司正逐步崭露头角，反映出投资者预期此类服务需求将持续增长 [3][6] Distyl AI公司概况 - Distyl AI是一家成立三年的初创公司，为T-Mobile等企业提供所谓的"前置部署工程师"和AI软件，可自动化处理客户数据分析或人力资源管理等业务流程 [1] - 公司由数据分析软件制造商Palantir前员工创立，在合同量激增后已完成1.75亿美元融资，投后估值达18亿美元 [1] - 公司名称取自"distill（提炼）"一词的双关，意为为客户"提炼价值"，自去年第三季度起已实现净利润和运营盈利 [2] Distyl AI融资与估值 - 现有投资方光速创投与Khosla Ventures共同领投本轮融资，其他参投方包括现有投资者Coatue Management及新晋投资方DST Global [1] - 获得新资金后，这家110人规模的初创公司估值较去年11月的融资轮增长了九倍 [2] - Distyl AI此前已完成2700万美元融资 [1] Distyl AI业务模式 - 对财富100强企业而言，内部应用AI绝非像从Windows XP升级到Vista那么简单，这需要对企业架构进行重组和重新思考，而这种架构重塑需要与模型时代共同成长的技术伙伴 [3] - Distyl公司为客户开发软件时采用OpenAI、Anthropic及开源模型，其客户合同价值可能高达数千万美元，服务周期跨越数年 [3] - 该公司还对软件产品收取许可费用 [3] 竞争对手动态 - 融资谈判反映出投资者预期此类服务需求将持续增长，尽管面临Palantir（同样提供工程师顾问服务帮助客户配置AI软件），以及OpenAI和Anthropic等现有企业的竞争 [3] - 贝恩咨询、麦肯锡等大型咨询机构，以及Cognizant等专业公司也已开始提供企业AI集成服务 [3] - Palantir今年7月宣布推出一款可充当前沿部署工程师的AI智能体，去年还组建了一支专业工程师团队，专注于开发对企业最具挑战性和商业价值的AI应用 [6] Edra AI公司概况 - Edra AI是由在Palantir担任前沿部署工程主管七年的Eugen Alpeza，与前Palantir员工Yannis Karamanlakis联合创立 [6] - 他们在Palantir创立了一支专注于AI的前沿部署工程团队，帮助企业将大语言模型整合至业务流程中 [6] - Edra的12人团队正在训练能够处理保险理赔、筛选客户投诉或对求职者进行排序的AI Agent，该公司还利用咨询师协助这些流程，以弥补AI的不足 [6]

市场调研行业痛点 - 财富500强企业传统上依赖市场调研公司获取客户满意度洞察，这类服务价格昂贵且通常需要数周时间完成 [2] Keplar公司技术方案 - 运用语音AI技术进行客户访谈，能以远低于传统调研公司的成本提供更快速的分析报告 [3] - 平台可在几分钟内设立研究项目，将产品问题转化为访谈主持指南，语音助手通过深入提问了解客户喜好与不满 [4] - 若接入客户CRM系统，AI语音研究员直接联系现有客户，结果被整理成与传统人工研究机构类似的报告和PPT演示文稿 [5] - 语音AI逼真度使参与者有时忘记正在与AI对话，回放录音可听到参与者直呼AI主持人名字（艾莉、安德鲁或瑞安） [5] 融资与竞争格局 - 获得340万美元种子轮融资，由凯鹏华盈领投，SV Angel、Common Metal和South Park Commons跟投 [3] - 竞争对手包括Outset（6月获8VC领投1700万美元A轮融资）和Listen Labs（4月获红杉资本2700万美元投资） [5] 创始背景与客户案例 - 由前谷歌语音AI工程师Dhruv Guliani与机器学习工程师William Wen于2023年共同创立，参与South Park Commons孵化计划 [3] - 客户包括Clorox和Intercom等企业 [5]

回溯TOB工具与数据库领域的发展历程，从早期依赖代码开发的传统数据库，到Airtable开启的表格 式数据库新赛道，再到Notion等工具推动的 "无代码" 协作浪潮，每一次技术迭代都在降低企业数据 管理的门槛。然而，在高度碎片化的业务场景中，大量个性化、长尾的数据协作需求仍未被满足，企 业依然依赖人工处理、多方沟通和零散工具拼凑来完成日常运营。 如今，AI 技术的爆发为 TOB 领域带来了新的破局可能 —— 从 "工具辅助" 向 "智能协同" 的跃迁正 在发生。传统"数据库即存储"的理念逐渐被"数据库即协作伙伴"所替代，AI不仅理解数据结构，更能 主动参与业务流程， 在这一背景下，全球首个Database Agent——Teable的出现，打通了 "需求提出 - 流程落地 - 自动化运转" 的核心枢纽，重新定义了企业协作与数据驱动的效率边界。 本期访谈，我们有幸邀请到 Teable 创始人陈加贝。他曾是飞书多维表格的首批工程师、Vika维格表 的联合创始人兼CTO，如今带领Teable在GitHub上斩获2万Star，并推出全球首个Database Agent。在 这场对话中，我们深入探讨了他如何从多次创业 ...

算力资源制约与应对策略 - 公司面临严重的算力制约，经常因计算资源短缺而推迟新功能或AI模型的发布，有时甚至刻意降低产品运行速度[2] - 公司计划在未来五年内花费约1000亿美元从云服务提供商处租用备用服务器，以应对潜在的算力需求激增[2] - 公司还预估将在2030年前投入总计3.5万亿美元的云服务器租赁费用[2] 算力需求的战略重要性 - 公司CEO认为服务器资源获取将成为AI竞赛中的决定性优势，并预计公司未来需要的服务器运行电力将超过全美电网供电量[3] - 公司高管团队认为，未来产品的爆红或人工智能突破性进展将引发计算需求难以预见的激增[3] - 若缺乏足够服务器应对需求激增，公司将面临业务和用户流失至谷歌或Meta Platforms等竞争对手的风险[3] 资本支出与财务预测 - 包含备用服务器在内，公司计划未来五年年均投入约850亿美元用于服务器租赁[4] - 公司高达1000亿美元的备用服务器成本是其长期资金消耗预测截至2029年达1150亿美元的原因之一，也是其可能需要筹集同等规模资金的原因[4] - 公司预计其收入将从今年的130亿美元增长至2030年的约2000亿美元，主要得益于ChatGPT的实力，这一收入将超过英伟达或Meta平台公司在过去12个月内产生的收入[4] 备用服务器的潜在价值与风险 - 备用服务器具备变现能力，可通过推动研究突破或产品使用量激增为公司带来尚未纳入预测的额外收入[4] - 公司可能通过将过剩容量归还给云提供商或为服务器集群寻找新客户来降低备用服务器成本[6] - 若公司未能利用多余服务器或无法为其找到其他客户，可能会被视为囤积GPU，这可能使其他企业无法获得芯片并促使它们转而使用竞争对手的AI芯片[6] 长期基础设施规划 - 高管们预计公司在备用服务器上的支出将在2028年达到400亿美元的峰值，后续年份成本会显著下降[6] - 公司已表示最终将开发自建数据中心和芯片，这可能弥补未来服务器租赁成本的差额[6] - 公司CFO表示OpenAI将成为一家彻底的垂直整合型企业[7] 市场地位与用户增长 - 尽管经历多次服务中断，公司仍保持在聊天机器人市场的主导地位[7] - 公司在7月达到7亿周活跃用户后，正朝着年底前实现10亿周活跃用户的目标迈进[7]

文章核心观点 - AI支付成为科技巨头竞相布局的新战场，标志着行业发展的关键拐点[2] - Google的AP2协议与Coinbase的x402协议分别从法币合规和稳定币原生两个轨道推动AI支付基础设施发展，呈现双轨并行趋势[7][14] - 协议层之上存在巨大的创业机会，需要将标准转化为可用的产品化执行层，FluxA等公司正致力于此[16][19] AI支付行业背景与趋势 - Stripe、PayPal、Google等科技大厂近期密集布局AI支付领域[2] - 支付能力被视为AI Agent成为互联网"一等公民"的关键，将松动传统电商、广告和互联网金融的逻辑，催生以AI为核心的Agentic Commerce[2] - AI支付需要解决非人类发起交易的安全性与授权验证难题[7] Google AP2协议分析 - AP2旨在为AI与支付的交互奠定统一标准，联合了60多家支付网络、金融机构、电商与区块链公司[4] - 协议核心是建立用户-AI-商户之间的双重授权机制：Intent Mandate（用户给出购买意图）和Cart Mandate（代理找到商品后请求用户确认）[8] - 通过可验证凭证加密签名形成不可抵赖的证据链，为商家和清算网络提供可验证的"交易契约"[9] - AP2在现有清算网络之上增加信任语义层，解决"谁在花钱、凭什么花、越权可追"的问题，而不改造底层网络[9] Coinbase x402协议分析 - x402协议源于HTTP 402状态码，旨在将API调用与支付原生耦合[12] - 当AI代理调用服务时，x402通过HTTP返回付款账单，AI可用USDC等稳定币在链上即时结算[12] - 协议利用稳定币的实时结算和高可编程性，使AI实现即付即用，支持更细粒度的自动化微支付与流支付[12] - 对服务商而言，x402将"访问即报价"能力下沉到协议层，支持按请求、按token、按时长等复杂计费模式[13] 双轨并行发展路径 - AP2代表传统支付体系的AI扩展，关注监管、风控与消费者保护[15] - x402代表稳定币时代的AI原生支付雏形，强调即时结算与可编程性[16] - 两者合流表明AI支付下一阶段将是法币与加密支付双轨并行与互通[14][16] 创业机会与执行层产品 - 协议标准离真实可用的AI支付产品存在差距，协议之上打造产品化组件是创业者的重要方向[16] - AP2协议定义了支付执行层的三大角色：Credentials Provider、Merchant Payment Processor和Network/Issuer[18] - FluxA作为AI Native支付执行层，将身份、钱包、支付抽象成模块化原语，覆盖AI Agent支付的四大环节：身份、钱包、收单和支付通道[19][23] - FluxA定位为协议之上的"量产车型"，对接AP2、x402等协议确保兼容性，为开发者提供一站式抽象层[24][26] 市场前景与生态发展 - 企业希望AI快速接入支付但必须确保合规可审计，对落地中台需求迫切[26] - 开发者需要一站式抽象层，使支付能力像调用API一样简单[26] - 创业公司与巨头更多体现为互补关系，而非对立[26] - 下一阶段AI Payment将由标准与执行层产品共同定义，实现从能对话到能交易的跨越[27]

APPLY NOW. ) T 2025 KAUAI MEETUP October 23 -26, Kauai, Hawaii Skv9 Fellowshin -----------END----------- 我们正在招募新一期的实习生 我们正在寻找有创造力的00后创业 关于 Z Potentials Z Potentials 7P 公众号 社群 我们与Z Potentials同频共振, 交流和分享你们的故事和想法, 我们会是最好的倾听者。 Product Event Research Interview & captain199508 Yuca Hong 主要关注Al、智能硬件、全球化等前沿科技, 前四大交易并购。中国注册会计师。 % qq2943115158 Kelly Xu 主要关注AI、智能硬件出海等科技领域。欢迎 交流。 & sareaistic Sarea Fang 主要关注AI、机器人等科技领域,前建筑黑客 设计师。欢迎交流。 % Srivatsa_Ada Ada Qi 主要关注Al、机器人、智能硬件等科技领域, 前大厂战投。欢迎交流。 Global Version im Resonating ...

公司融资进展 - 在种子轮融资仅四个月后完成1000万美元A轮融资 由谷歌风投领投 [1][2] - 种子轮融资350万美元 同样由谷歌风投领投 [2] - A轮融资仅用14天完成交割 显示投资者信心 [2] 业务表现与增长 - 年度经常性收入从2月的100万美元增长至350万美元 [2][3] - 客户数量从数百家增长至超700家 [2][3] - 目标在年底前实现年度经常性收入翻倍 [3] 技术优势与产品特点 - 采用高性能游戏级CPU 处理速度高达竞争对手两倍 [4] - 计算成本降低多达75% [4] - 通过裸金属架构路线实现经济性控制优势 [6] - 与GitHub Actions形成互补 提供持续集成与持续交付服务 [2][6] 市场定位与客户群体 - 目标客户为拥有500名以上工程师团队的企业 [6] - 当前客户包括Ashby、Chroma、Clerk、Devsisters、Mintlify等知名科技公司 [6] - AI编程助手的爆发式增长为市场空间带来重大机遇 [2] 团队背景与发展历程 - 创始团队来自Faire和Cockroach Labs 具有大规模分布式系统构建经验 [3] - 公司成立于2024年1月 毕业于Y Combinator 2024年冬季训练营 [3][7] - 团队规模从4人扩充至11人 [2][7]

网络与网络效应的力量 - 许多最重要的互联网服务都是网络，随着更多人使用，服务价值会显著提升，例如电子邮件、万维网、YouTube和Facebook [5] - 网络效应是一种强大的指数级力量，使公司能从无到有，最终影响数亿或数十亿用户，变得非常有价值 [6] - 构建网络在初期非常困难，但创业者可采用策略使产品从第一天起就有用，例如借助其他现有网络进行冷启动 [10] 科技中的指数级力量 - 科技领域存在三种重要的指数级力量：摩尔定律（半导体性能约每18-24个月翻倍）、软件的可组合性（开源软件像乐高积木可重用复合）以及网络效应 [6][7][8] - 对于创业者和投资者而言，最重要的事是首先识别并顺应这些指数级力量，因为它们将压倒一切战术性的产品工作 [6][10] - 可组合性使得开源软件能利用互联网的集体智慧，例如Linux从业余项目成长为全球主导操作系统 [7] 创业策略：为工具而来，为网络而留 - 创业者的一种有效战术模式是“为工具而来，为网络而留”，即先提供有价值的单用户工具，再逐步构建网络效应 [10] - Instagram早期通过提供免费酷炫滤镜和借助Twitter等外部网络进行分享，最终在自己的网络上获得吸引力 [10] - 现代生产力工具如Figma、Notion和Stripe的Link产品也体现了这一模式，它们对单人用户有用，但社交功能层变得至关重要 [11] 人工智能时代的竞争与商业模式 - 人工智能领域目前涌现出许多强大的工具，但缺乏明显的网络效应，如何超越一时风尚构建长期吸引力是关键挑战 [12] - 观察到消费者为AI软件支付高额费用的现象，例如Google最高套餐250美元/月，Grok 300美元/月，预示着付费软件的复兴 [14] - 人工智能领域的资本效应显著，筹集大量资金（如10亿美元）本身可以成为护城河，因为保持技术前沿需要巨大投入 [15] 利用社区与运动寻找投资机会 - 关注互联网上极度热情、拥有自己语言和规范的技术爱好者社区，是发现下一个大趋势的重要方法 [17] - 许多重要的科技运动最初由相对较小的核心爱好者群体领导，例如开源软件、加密项目和早期的神经网络研究 [17] - 判断一个运动能否成功的关键在于其背后是否有指数级力量驱动，而不仅仅是线性力量 [18] 平台迁移与想法迷宫 - 在平台迁移中，企业家需要进入正确的“想法迷宫”，即一个动态的、充满未知的领域，并具备在迷宫中保持敏捷和坚持的能力 [24] - 成功的公司如Netflix，其核心是进入正确的迷宫（互联网将导致订阅电影），并通过多次转型实现目标 [24] - 人工智能作为一个元过程，类似于半导体行业的摩尔定律，极有可能在长期内持续指数级扩展，为创业者创造巨大机会和挑战 [26] 原生技术与拟物化技术 - 新技术平台发展初期常出现拟物化设计，模仿先前的媒体形式，随后才会发展出真正原生于新平台的应用和语法 [28][29] - 人工智能目前可能处于拟物化阶段，例如图像生成模仿插画师，未来可能出现全新的、难以预测的原生媒介，如虚拟世界 [30] - 新一代“AI原生”的年轻人可能更善于发现和创造原生于AI技术的新应用和体验 [30] 开源AI与技术的民主化 - 开源软件是技术民主化的关键力量，它极大降低了初创公司和用户获取软件的成本，例如使廉价Android手机成为可能 [35] - 对于AI，开源面临的挑战在于训练顶级模型需要巨大的资本支出，这可能影响其长期的稳态资助模式 [36] - 一个可能的乐观结果是开源AI模型始终稍微落后于顶尖闭源模型，但足以满足大多数初创公司和消费者的需求，形成良好平衡 [36][38]