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]

公司背景与创立契机 - 公司联合创始人兼首席执行官Sam Ross在结束Airbnb产品经理工作后环游世界期间萌生创业想法[1] - 创始人通过运营几家自筹资金的电商品牌支持旅行 直接面向消费者商业模式盛行[2] - 公司成立于2023年 当时创始人申请加入初创企业加速器Y Combinator[4] 融资与估值 - 公司完成3500万美元B轮融资 成立两年估值达到3.5亿美元[2] - B轮融资由Mayfield领投 Benchmark Uncork Capital Y Combinator以及The Chainsmokers成员联合创立的VC机构Mantis等跟投[2] - 此次融资距离其1800万美元A轮融资仅过去六个月[2] 业务模式与技术优势 - 公司业务为利用人工智能自动化处理销售税管理全流程服务[4][6] - AI系统能够跟踪全球11000多个辖区税法变动 并管理税务相关邮件 代客户申报并缴纳税款[6] - 由于大多数销售税规则明确无歧义 AI处理税务管理出现幻觉风险的概率极低[7] - AI系统熟知数千条特殊法规 例如纽约整个贝果免税但切成两半需缴税等规定[8] 市场机遇与行业背景 - 2018年最高法院裁定电商和SaaS公司必须在客户所在地辖区征税 导致企业税务处理复杂度从单一州骤增至40多个州[3][4] - 销售税管理领域已有数家初创企业竞争 包括Anrok Zamp等公司[9] - 行业存在拥有26年历史的老牌企业Avalara 预计将于今年晚些时候上市[9] 经营业绩与竞争差异化 - 公司过去一年收入增长3.5倍 目前为2000多家软件和电商客户提供服务[9] - 国际业务能力使公司在竞争中脱颖而出 能够为坦桑尼亚 肯尼亚等小型市场客户处理税务申报[10][11] - 公司客户包括EightSleep Graza橄榄油和Manus等企业[9]

9 月 19 日，多模态赛道明星创业公司生数科技宣布，该公司近日完成数亿元人民币规模的 A 轮融资。 新一轮融资由博华资本领投，百度战投、北京市人 工智能产业投资基金、启明创投、达泰资本、卓源亚洲、 BV 百度风投等老股东持续跟投，建发新兴投资等产业合作方加码入场。此前，该公司已完成包 括天使轮、天使 + 轮、 Pre-A 轮在内的三轮融资，投资方包括启明创投、蚂蚁集团、百度战投、北京市人工智能产业投资基金、 BV 百度风投、锦秋基 金、星连资本、达泰资本、卓源亚洲、卓源资本、中关村科学城等知名机构。 生数科技首席执行官骆怡航博士表示，多模态生成技术在数字内容产业中的商业化进程正在加速，但目前仍处于早期阶段。预计在未来三年内，多模态生 成将重塑全球数字内容的生产方式，全面渗透到各行各业的内容生产与消费环节，展现出巨大的市场空间与全球性增长潜力。新一轮融资将用于模型研发 和技术创新，探索多模态大模型的智能上限和应用广度，同时将持续加强产品拓展、用户服务、产业合作和全球商业布局。 作为多模态赛道的知名公司，生数科技的每一步动态都引发行业关注。 2023 年 4 月，该公司发布中国首个全面对标 Sora 的视频大模 ...

融资与估值 - Irregular获得8000万美元新一轮融资，由红杉资本和Redpoint Ventures领投，Wiz首席执行官Assaf Rappaport跟投 [1] - 此轮融资后公司估值达到4.5亿美元 [1] 公司定位与技术能力 - Irregular前身为Pattern Labs，是AI评估领域的重要参与者，其研究成果被Claude 3.7 Sonnet和OpenAI的o3、o4-mini模型安全评估引用 [2] - 公司开发了SOLVE框架，用于评估模型漏洞检测能力，该框架已在业内得到广泛应用 [3] - 公司构建了精密的模拟环境系统，能够在模型发布前进行高强度测试，通过让AI同时扮演攻击者和防御者角色来识别防御体系的有效点和薄弱环节 [3][4] 行业趋势与风险 - 人工智能行业将安全作为重点关切领域，OpenAI今年夏天全面升级了内部安全机制以防范潜在商业间谍活动 [4] - AI模型在识别软件漏洞方面愈发娴熟，这种能力对攻击方和防御方均具有重大影响 [5] - 大型语言模型能力增长引发众多安全隐患，前沿实验室致力于创造更复杂强大的模型，而安全公司需持续应对动态风险 [6] 核心观点 - 大量经济活动将来自人与AI互动及AI与AI互动，这将从多个层面打破现有安全防护体系 [2] - Irregular的使命是守护前沿模型，但需应对如射击移动靶标般的动态安全挑战 [6]

图片来源： CodeRabbit CodeRabbit 完成 6000 万美元融资，这家成立两年的 AI 代码审查初创公司估值达 5.5 亿美元 投资者对这家初创企业的增长态势感到兴奋。周二， CodeRabbit 宣布完成 6000 万美元 B 轮融资，公司估值达 5.5 亿美元。 本轮融资由 Scale Venture Partners 领投，英伟达风投部门 NVentures 及包括 CRV 在内的现有投资方跟投，使得公司融资总额升至 8800 万美元。 CodeRabbit 正帮助 Chegg 、 Groupon 、 Mercury 等 8000 多家企业节省代码审查这项 notoriously frustrating 任务的时间——随着 AI 生成代码的兴起，这 项工作变得更加耗时。 哈乔特 ·吉尔（ Harjot Gill ）在 2018 年将他的第一家初创公司 Netsil 出售给 Nutanix 后，又与他人共同创立了可观测性初创公司 FluxNinja 。几年后，他 注意到一个有趣的现象。 "我们有一个远程工程师团队，他们开始在 GitHub Copilot 上采用 AI 代码生成功能，" ...

行业背景与痛点 - 基因测序成本在过去二十年间断崖式下降了18万倍，而数据量却呈指数级暴增超过亿倍[2] - 生命科学领域的数据分析能力远远落后于科技行业，科学家在实验完成后往往要等待数天甚至数周才能拿到生物信息学分析结果，这大大拖慢了科学迭代的周期[3][19] - 生物信息学人才要求具备生物、计算机和统计学的复合型能力，且供给不足，招聘难度大，小型生物科技公司可能只有一位生物信息学家负责多种数据分析[19][22][23] 公司定位与解决方案 - Kepler定位为"企业级AI Agent for Life Science Research"，旨在成为研究组织的"中枢神经系统"，帮助科学家查询文献、生成实验想法、连接数据流水线、结合实验元数据与生物数据进行分析，并将结果与企业既有知识体系关联[3][27] - 该解决方案不仅能完成现有科研工作，还能实现传统方式无法做到的事：同时发起上百个问题，与数据进行批量交互，从而更快、更广地探索潜在发现[3][28] - 与传统工具不同，Kepler设计的是全新的"科学家与AI Agent交互"方式，需要解决引用精确到某次实验或数据库某一行、Agent自主推进与人工确认的边界等全新交互流程问题[11][34] 技术优势与验证 - 在生物信息处理权威基准测试Bixbench中，Kepler以33.4%的准确率超越所有通用及行业Agent（包括GPT-5、Claude-opus-4.1等）[5] - 技术挑战包括对齐与整合专业工具和数据源、处理数百GB级多模态杂乱数据、设计可验证的AI决策流程等，这些在科学领域尚无先例[31][32][33] - 通过构建知识图谱来管理和导航企业内的所有软件和数据源，帮助Agent快速理解全部上下文[35] 市场验证与客户拓展 - 成立第一周便成功斩获首家生物科技客户，该客户内部早已规划自然语言数据交互界面但自建困难，Kepler的出现正好满足其需求[36][37] - 目标客户包括创新型生物科技公司（特别是专注于生物基础模型研究的公司）和高校实验室，同时已与全球前二十的大型药厂建立合作[38][39] - 药企行业竞争白热化，AI转型已成为关键考核指标，但由于非AI原生企业的文化局限，内部开发工具往往受限于速度与通用性，这创造了采购外部解决方案的窗口期[39][42] 竞争格局与差异化 - 不担心OpenAI等通用AI公司，因其存在"最后一公里"问题，不会深入企业整合具体工作流程，而Kepler会针对生物领域特定需求优化模型功能[11][41] - 更关注像Palantir这样采取"前向部署"模式的公司，但指出其扩张速度不会太快，且业务范围不完全相同[41] - 差异化在于专注于研究任务的企业级AI Agents这一独特定位，可以扩展到材料科学、气候科学、农业等其他科学领域[43] 发展愿景与规划 - 长期愿景是成为每个研究组织的"中枢神经系统"，虽然目前专注于生物领域，但技术可拓展到其他有类似研发需求的科学领域[11][43] - 接下来一年最重要的三件事是：确立在生命科学研究领域企业级AI Agents的领导地位、深度整合客户工作流程成为"系统记录"平台、持续完善产品功能提升平台价值[44] - 公司价值主张是AI原生、快速迭代进化，希望吸引对科学工作充满好奇心、渴望探索发现的人才加入[45]

让普通人轻松拥有 " 工业级 "AI 能力 Teable 在社交媒体 X 上的发布帖 过去两年， AI 的进步令人振奋，但对许多一线团队而言，落地仍像一堵看不见的墙：工具要拼、数据在割裂、开发资源也紧缺。 Teable 的做法，是把 AI 前置为数据库的原生能力 ，让非技术同学也能 " 说句人话就开干 " 。从零开始描述业务目标，系统即可自动生成 所需的表结构与关联 ；随后你可以直接 与数据表对话 ，一键生成可上线的 业务应用或落地页 ，并与 权限、审计、自动化 保持同一技术底座与治理体系。发票、合同、简历等文件可被 对话式抽 取为结构化数据 并回写到库中；分析环节无需 SQL ，问一句就能得到 指标与可视化 。一句话概括： 让一切围绕数据的工作变得极致简单，数据直达结 果，告别手搓表格与多工具反复折腾 。 Teable 2.0 多维表格智能体 产品发布视频 AI Agent 赛道新成员 Teable 近日宣布完成数百万美元天使轮融资，投资方包括 真格基金 (Zhen Fund) 、 BV 百度风投（ Baidu Ventures ）与祥峰投资（ Vertex Ventures ） 。北美时间 9 月 16 ...

融资情况 - 公司完成7.5亿美元新一轮融资 投后估值达69亿美元[1] - 融资额和估值均超此前传闻 此前传闻为以近60亿美元估值筹集约6亿美元资金[1] - 本轮融资由Disruptive领投 黑石集团、Neuberger Berman、德国电信资本合伙公司等机构追加投资 三星、思科、D1和Altimeter等现有投资方参与[1] - 公司曾于2024年8月以28亿美元估值融资6.4亿美元 估值在约一年间增长超一倍[1] - 据PitchBook估算 公司迄今融资总额已超30亿美元[1] 业务与技术 - 除研发芯片外 公司还提供数据中心算力服务[1] - 与主流AI系统采用的图形处理器不同 公司将其芯片命名为语言处理单元 硬件称为"推理引擎"[1] - 产品面向开发者和企业 可作为云服务或本地硬件集群使用[2] - 本地硬件是配备集成硬件/软件节点堆栈的服务器机架[2] - 云端和本地硬件都运行Meta、DeepSeek、Qwen、Mistral、Google和OpenAI等热门模型的开源版本[2] - 产品在显著降低成本的同时保持甚至提升AI性能[3] 发展状况 - 公司致力于打破英伟达对AI芯片领域的垄断格局[1] - 目前为超过200万名开发者的AI应用提供支持 一年前这一数字仅为35.6万[3] - 创始人乔纳森·罗斯曾在谷歌开发专为机器学习任务设计的张量处理单元芯片[3] - TPU于2016年发布 至今仍为谷歌云的AI服务提供动力[3]

AI模型企业应用训练 - Anthropic和OpenAI等公司正在训练大型语言模型学习使用Salesforce、Zendesk、Cerner等企业级软件工具，以处理白领工作者的复杂任务[1][2] - 训练方法采用模拟应用程序环境（强化学习环境）和领域专家示范操作，与传统AI训练模式存在显著差异[2] 资金投入与成本结构 - Anthropic计划未来一年投资10亿美元创建企业应用克隆体（强化学习环境）[2] - OpenAI预计2030年数据相关成本（含人类专家费用和训练场建设）将达80亿美元，较2024年的10亿美元增长700%[3] - 人类专家时薪持续攀升：Labelbox公司约20%专家时薪超90美元，近10%超120美元，预计未来18个月将涨至150-250美元[6][7] 技术实施与验证方法 - 图灵公司将任务分解为多步骤并制定评估标准，例如验证AI是否按日期筛选数据库、发送带Calendly链接的邮件、更新客户状态等[4][6] - 通过让AI模型重复执行任务（如DCF分析数十次），筛选与人类专家结果一致的案例用于训练[9] 商业化应用前景 - 成功训练后可销售能自动操作企业应用的"虚拟协作者"智能体，或开发新版企业软件，开辟新盈利渠道[3][5] - 强化学习环境市场规模扩大：图灵公司已构建1000多个模拟环境（含Airbnb、Excel等），Scale、Surge等竞争对手纷纷进入该领域[8] 行业资源与人才需求 - AI公司聘请NASA数据科学家、能源部化学家、放射科医师等高端专业人士示范任务，取代早期硕士/博士学生[9] - OpenAI高管预测"整个经济"可能演变为强化学习训练场，通过记录各领域专业人士日常工作方式训练AI[10] 当前进展与规划 - Anthropic目前将不到10%的训练后优化预算用于强化学习环境，但若趋势持续，明年该比例将显著提升[6] - 除企业软件外，AI开发者持续训练模型处理高难度编程竞赛题、博士级生物学问题等精选难题[9]

核心观点 - 该公众号专注于AI、智能硬件、机器人及全球化科技领域的前沿研究及人才交流[12] - 团队具备投资并购、战略投资及跨行业技术背景的专业研究能力[12] - 正在招募实习生并寻找00后创业者以扩大社区影响力[4][6] 团队专业领域 - 研究覆盖AI、智能硬件、全球化科技领域[12] - 成员具备四大交易并购、注册会计师、大厂战投及建筑黑客设计等复合背景[12] - 国际版块由硅谷HR及加州伯克利背景成员主导全球化视角[13] 社区运营方向 - 通过公众号和社群构建交流平台 鼓励故事分享与想法碰撞[11][12] - 提供研究、访谈、产品及活动等多维度内容输出[12] - 国际版块"Resonating with Z Potentials"强化全球科技人才联结[12][13]