AI经济与Tokens化 - Tokens是用于检索或生成信息的新型"货币"，推动AI经济发展，需要大量算力支持[1] - AI推理模型复杂度提升需要更高准确性，组织机构需遵循预训练、后训练和测试时的扩展流程[1] - NVIDIA愿景聚焦构建跨行业"AI工厂"，涵盖企业IT、云计算到机器人技术[1] NVIDIA芯片技术进展 - 发布Blackwell超级AI工厂平台GB300 NVL72，AI性能比GB200 NVL72提升1.5倍[6] - 公布芯片路线图，支持从Hopper系列升级到Rubin/Feynman系列，Rubin Ultra采用四掩模版GPU，FP4精度达100 petaFLOPS，搭载1TB HBM4e存储器[6] - 新款Vera CPU拥有88个Arm核心，性能是Grace CPU两倍，功耗仅50W，更新周期两年[6] - 推出Spectrum-X硅光子学产品，可横向扩展至数百万GPU，节省数兆瓦电力[6] 系统与基础设施 - 发布DGX SuperPOD GB300，配备36个Grace CPU和72个Blackwell GPU，AI性能比Hopper系统高70倍[10] - 采用第五代NVLink技术和大规模共享内存系统，可扩展至数千个GB超级芯片[10] - 推出1 petaFLOPS的个人超级计算机系统GB10，针对桌面优化微调与推理[14] 软件生态系统 - Dynamo开源框架提升AI推理效率，可使GPU的Tokens生成能力提升30倍以上[19] - Halos平台整合自动驾驶安全系统，覆盖从芯片到算法全链条[20] - CUDA-X拥有超100万开发者，成为最受欢迎的AI编程工具包[23] - 发布Isaac GR00T N1人形机器人基础模型，采用双系统架构模拟人类决策与反射[25] 行业应用拓展 - Aerial平台构建端到端AI驱动的6G技术栈，与T-Mobile等合作开发原生AI网络[23] - Omniverse-Cosmos平台支持机器人训练与场景微调，与DeepMind合作开发物理引擎[25] - 软件专业技术是NVIDIA核心优势，推动高性能芯片在HPC、自动驾驶等领域的应用[25]

文章核心观点 - 2025年第一季度中美AI领域火热，AGI路线图上智能提升是唯一主线，要围绕智能投资和思考，模型公司壁垒在于成为Cloud或OS，未来模型和产品边界将模糊；最大非共识是pre - training空间大，Coding是实现AGI的最好环境，Agentic AI是未来关键，AGI时代组织和文化竞争力仅次于算力 [3] 重新重视Pre - training - pre - training空间大，还会涌现新能力，下一代SOTA模型能显著超过当前模型，只有pre - training能决定模型内在上限，post training和RL不涌现新能力 [5][6] - OpenAI看似不重视pre - training可能是战略选择和组织问题，战略上O系列刷分快、ChatGPT成长快占用精力，组织上pre - training核心团队动荡 [7] - RL能产生合成数据加入pre - training环节，可解决数据瓶颈问题，但training和RL inference融合难，涉及训练框架的Infra问题 [9] - 期待pre - training涌现新能力，如提升模型tool use能力，Manus是Anthropic tool use能力的“ChatGPT时刻” [9][10] - 对两年内实现AGI有信心，Coding是实现AGI最好的环境，是模型的“手”，现实世界多数任务可用Coding表达，Agent可通过操作电脑和手机任务接近AGI [11][12] - Anthropic在Coding上有领先优势，Cursor是热门编程IDE工具，多数开发者选Sonnet，Coding是$1T级机会，模型公司在AI for Science领域突破可达到$1T或$10T [14][15][16] - Coding应作为技术引擎，产品表达形式待定义，期待Cursor在交互表达上有新突破 [17] ChatGPT只是攀登AGI的第一站 - OpenAI和Anthropic在实现AGI路线上发生分化，OpenAI核心bet是O系列和ChatGPT，重视C端市场和自下而上组织文化；Anthropic专注pre - training、Coding和Agentic，重视B端市场和自上而下组织文化 [18] - 路线分化原因可能是Anthropic团队出身pre - training有信心，OpenAI O系列亮眼获更多资源，且pre - training团队变动大 [19] - O系列刷benchmark快，但不确定能否打开智能天花板，其提升的Coding多为竞赛型，Anthropic做实战型Coding更多 [20] - 硅谷对不同路线分歧大，本质是智能和流量哪个重要，更应相信AGI原教旨主义，智能提升是首要目标 [21][22] - 谁能做出显著领先的base model谁可能是赢家，长期来看Anthropic可能比OpenAI更有价值，OpenAI对pre - training重视不够 [23][24] - 国内公司有必要训练自己的闭源模型，智能处于早期阶段，认知差异可能源于想象力局限 [26] - AGI探索主线是智能提升，ChatGPT是第一站，后续还有Coding、Agent、AI for Science等，AI for Science是珠穆朗玛峰，多模态、Online Learning等大概率在主线上 [30][31] - 智能涌现带来Magic moment和流量迁移，当前AGI模型公司和产品无绝对壁垒，应围绕智能主线推动智能提升，应用承接智能红利 [32][33] - DeepSeek放弃Chat Bot流量是因组织文化和智能本质考量，AI Robotics排在AI for Science后面是因数据采集低效、算法架构未达成一致，AI for Science有自动化实验室和垂直领域基础模型等趋势 [33][34][35] Agent & Online Learning - AGI应用爆发少是因Agent产品供给受限，依赖模型能力，模型和云厂商未做好Infra准备，Agent有文本、Coding、通用日常任务等类型 [48] - Agent落地关键能力是Long Context reasoning、Tool use、Instruction following，对应不同Infra能力，Context很重要，存在支付宝级机会 [49][51] - Long Context对Agent完成多步骤任务很重要，但目前未找到有效突破方式，存在数据、成本、架构等难点，long - term memory可能取代Long Context [51][52][53] - 两年内实现AGI确定性高，路径是现有路径，AGI定义是在电脑或数字环境下满足3个90% [54] - 新的范式级路线可能是Online Learning，让模型自主在线探索学习，但存在无清晰reward和目标定义等挑战，可能通过模型微调等实现 [54][55] - 可通过坐标轴评价路线差异，重视数据，未来pre - training叙事和Agentic对算力刺激大，看好算力需求 [58] - 英伟达想成为云厂商，贾扬清的公司被卖符合其战略 [58] 大模型的壁垒到底在哪？ - 应做研究驱动的应用，AI市场有泡沫，Agent泡沫刚开始，AI产品定价偏低 [60][61] - 通用Agent能否出现取决于pre - training和RL及关键能力，Reward Model泛化性微弱 [62][64] - 模型公司壁垒可能是成为Cloud或OS，OpenAI商业模式可能较好，Anthropic专注模型pre - training [65] - 投资人应投研究推动的应用，应用公司构建壁垒需考虑用户数据使用和独立环境构建，长期做大需具备调整模型和做Research的能力 [66] - 用户数据对提升模型能力作用微弱，模型和产品边界将模糊，应用公司和模型公司会相互渗透 [67][68] - Agent可能影响SaaS公司价值，模型训练是人类面向未来的大基建投入，价值链利润将向后迁移 [69][70][71] - AI市场可能出现黑天鹅，如全新架构、新的Agent产品形态等 [72] 全球AI公司的竞争格局 - OpenAI核心bet是O系列和ChatGPT，Anthropic专注pre - training、Coding和Agent，OpenAI领先优势加强，流量集中度提升，与Anthropic拿走市场revenue的80% [73][74] - Anthropic和xAI背后有Amazon和Musk支持，DeepSeek和xAI Grok跟随OpenAI路线，Google多模态强但其他bet不清晰 [75] - GPT - 4.5可能较强，GPT - 5可能是hybird model，预期今年夏天推出，有GPT - 3.5到GPT - 4量级的提升 [76][79][80] - OpenAI支持Anthropic的MCP协议，两家有竞争但路径分化，OpenAI与微软可能因利益冲突产生裂痕，分家对微软有影响 [81][82][83] - OpenAI整体较安全，但存在base model不够领先的风险，xAI Grok写作能力突出，与Twitter合并为了流量 [84][85][86] - AGI是普通本科毕业生操作电脑水平，ASI是爱因斯坦水平，实现ASI需突破，Mira的新公司团队强，可能做打败ChatGPT的产品 [87][88][89] - Manus和Perplexity执行力强，Manus更吃模型能力，ChatGPT的Deep Research后续会集成更多产品，有两个发展方向 [90][91][92] - Devin解决的问题易被模型公司覆盖，Cursor可能是阶段性产品，期待DeepSeek出现范式级创新 [93] - ilya和Noam对AGI推动贡献最大，其次是Dario和Alec等，Sam对业界贡献大但部分行为可能是烟雾弹 [94][95] 如何构建AGI portfolio - 构建AGI portfolio会投25%给Anthropic，25%给Bytedance，10%给OpenAI，10%给Mira的公司，5%给ilya的公司，5%给Cursor，5%给Manus，15%待定，若DeepSeek融资也会投25% [96] - 字节被低估，营收和利润好，可内生投入AGI，Anthropic团队、Roadmap和战略重点更受看好，Mira公司成功概率高 [97][99] - 未来3 - 5年投资最大的bet是AGI带来科学的文艺复兴，会出现多家市值超$10T的公司和下一个Google、Windows等 [101] 组织文化竞争仅次于算力 - 组织和文化竞争力是仅次于算力的核心竞争力，做AGI要有赌性，人才密度比数量重要 [103] - 判断AGI - native组织要看是否AGI first、Research first等，团队成员要年轻聪明、有想象力和执行力 [103][104] - 大概率OpenAI和Anthropic最早实现AGI，中国字节和DeepSeek等也可能实现，开源可突破地缘封锁 [105] - 中美差距快速缩小，中国人才强，字节Infra能力强，有望在AGI领域有突破 [105][106] - 硅谷多0 - 1创新，中国多1 - 100创新，未来中国创新模式可能变化，需资本充裕和冒险精神 [109] - 应把产品和技术做到极致，跨越地缘问题，激进全球化，期待更多中国跨国公司出现 [110][112]

行业趋势 - 2025年被视为AI产业化元年，AI平权化时代来临，推动各行各业智能化转型至临界点[1] - 法律科技行业头部企业法大大基于自研法律大模型发布法务AI智能体产品iTerms Pro，强调AI需穿透专业场景实现人机协同[1][8] - 国内超50%企业已完成合同数字化管理，但多数仍停留在流程线上化阶段，非标合同依赖人工审查[6][7] 产品与技术 - iTerms Pro通过组合式AI和多模态适配实现智能合同审查、履约监控、法律研究等场景，支持多个Agent协同规划[8][10] - 产品采用CoT（思维链）和CoA（行动链）技术生成数字员工，提升人机协同效率[10] - 法律垂直大模型依赖高质量专有语料及专家经验算法转化，开源大模型在专业领域无法替代垂直模型[16][18] 商业化落地 - 企业客户主动参与共建，提供业务know-how数据训练垂类模型以提升准确性[10] - 合同审查场景中，AI可节省50%工作量（人工平均20分钟/份）[25] - 产品定位为开箱即用的上层应用，通过API接口与OA、ERP系统集成，强调开放性[29] 战略价值重构 - AI释放法务生产力，使其从低效检索转向策略优化，尤其在全球化出海场景中凸显法务部门风控策略价值[28] - 技术落地需聚焦人本思维，通过智能体自主规划（如MCP协议逻辑）打通业务流程与单点AI能力[29][30] - 法律AI应用壁垒包括多法域合规动态适配能力、RAG及Agentic AI等实用形态深化[19]

文章核心观点 - MCP是对其他所有LLM中间层的集大成者，已显著垄断Agentic AI中间层且生态已出现，可能带来“Agentic AI领域的Stripe”，能让Context Layer效果最大化，是Agentic AI的安卓，其生态下创业公司有三个主要机会 [2][4][7][23][25][32][33] 各部分总结 Insight 01 - MCP是开放协议，允许系统向AI模型提供上下文信息，可在不同集成场景通用化，定义了AI模型调用外部工具、获取数据及与服务交互的方式 [4] - 发布一个季度内，MCP使用增长速度是所有开源框架中最快的，2025开年以来显著垄断AI Apps & Agents和Tools & Data Sources间的中间层 [5] - MCP在AI开发者核心圈口碑和讨论度高 [6] Insight 02 - MCP在开发者群体渗透率增长极快，围绕其已出现“生态”，包括MCP Clients、MCP Servers、专门的Marketplace、Infra等产品 [7] - MCP核心概念有客户端MCP Client和服务器MCP Server，前者可让产品无缝连到MCP Server获Context，后者可让LLM理解Context Layer，是轻量级Context连接软件 [8] - MCP Client指LLM - native产品或Agent，可通过MCP协议访问数据，一个Client可和多个MCP Server连接，目前多数高质量Client以编程为中心，非技术用户可用Claude Desktop作为切入点 [10][11][12] - MCP Server可看作开放版的GPTs，头部数据库、Coding公司和创业公司基本都有自己的Server，其使用场景多元，开发模式由社区推动，企业也开始开发官方版本 [13][15] - MCP在GitHub的154个MCP Servers列表里，使用场景最多的是搜索和数据检索，还包括数据库、设计、支付等多个领域 [16] - 去年12月Anthropic举办MCP Hackathon，结果显示MCP使用场景多元，开发者希望通过其实现tool use或执行多步骤任务，获奖成果有Santa Claude、Clauduct Manager等 [18][20] Insight 03 - MCP是转接口，能打通不同数据类型和AI应用，Anthropic将其类比为USB - C端口，隐含打造标准化接口的目标，该接口定义在MCP Server和LLM之间 [21] - MCP将数据转接工作量在各方重新分配，虽不能和Stripe直接类比，但“Agentic AI的Stripe”可能是创业公司机会，是Agent领域关键infra [22][23] Insight 04 - 让AI Agent发挥作用需正确丰富的Context、完整工具使用环境和持续迭代的记忆，MCP以Agent为中心的执行模式超越LSP，能帮助Context Layer实现最好效果 [24][25] - Tool use核心是RL环境，memory目前无标准化趋势 [28] Insight 05 - MCP出现前已有很多中间层产品，MCP集各家之长，更轻量、开放，对这些产品冲击不小 [29] - OpenAI Function Call给MCP启发，但MCP更具生态价值；OpenAI GPTs思路被MCP沿用，但太封闭；OpenAI Agent SDK和MCP不同；LangChain和LlamaIndex受冲击大；Composio在MCP环境下生态位不错 [29][30] Insight 06 - 开发者让不能控制或开发的Agent获取数据源和工具时，MCP是最佳选择，其开源灵活，但使用效果精细和效率可能不如Agent SDK，类似安卓，目前不确定OpenAI Agent SDK等是否类似苹果 [32] Insight 07 - MCP生态下创业公司有三个主要机会，分别是Agent OS、MCP Infra、MCP Marketplace [33][35] - Agent OS可将大量MCP Server层统一抽象，使Context和tool use更自然分发和交互 [35] - MCP Infra核心目标是让MCP更可靠、可扩展，需将其设计成无状态协议，还有支持托管与多租户等多种做法 [36][37] - MCP Marketplace可帮助Agent选到更好产品，如Cline发布的MCP Marketplace，用户可浏览、搜索、一键安装MCP Server [39][40][41]

活动概述 - 活动聚焦AI领域从对话到执行的范式转变 强调Agentic AI将重塑产业并带来商业模式创新 [1][6] - 目标受众为AI开发者与创业者 旨在提供技术洞察 开发经验 商业化路径及资源对接支持 [1][6] - 活动由亚马逊云科技主办 合作机构包括CAMEL-AI ANP开源技术社区 深思圈等 [2][4][6] 技术议题 - 主题演讲涵盖Agentic AI应用开发范式 Multi-Agent框架拆解 推理模型实践及Amazon Bedrock工具演示 [4] - 技术分享包括构建自主化Agent系统 MCP与ANP的智能体通信协作机制等前沿方向 [4] - 海外AI Agent生态观察环节探讨全球化市场机遇 [4] 资源支持 - 亚马逊云科技推出Ignite Agent云创计划 提供技术资源 基础设施 专家指导及市场对接支持 [1] - 活动设置开发者交流环节促进实战经验分享与行业连接 [4][6] 活动详情 - 时间定于2025年3月30日 地点为北京颐堤港写字楼18层 [2][6] - 议程包含6场主题演讲及茶歇交流 总时长4小时 [4]

英伟达GTC大会核心观点 - 提出Agentic AI作为AI技术发展的中间态 按照"Generative AI Agentic AI Physical AI"三阶段进化路线推进 [3] - 全球数据中心建设投资额预计2028年达到1万亿美元 Scaling Law发展需要更大规模算力资源投入 [3] 芯片产品规划 - Blackwell Ultra芯片2025年下半年供货 基于Blackwell架构 AI推理性能显著提升 [4] - GB300 NVL72机架级解决方案AI性能比GB200 NVL72提升1.5倍 已全面投产 [4] - Vera Rubin系列芯片为下一代AI平台 预计2026年下半年推出Vera Rubin 2027年下半年推出Vera Rubin Ultra [4] 光通信技术突破 - 推出115.2T的800G Quantum-x CPO交换机 采用微环调制器1.6T硅光CPO芯片 预计2025下半年上市 [5] - 基于CPO共封装光学平台打造Spectrum-x系列光交换机 包括128端口800G和512端口800G型号 [5] 软件与生态系统 - 推出AI推理服务软件Dynamo 支持Blackwell芯片实现推理性能飞跃 [6] - 发布NIM服务支持企业构建AI Agent 推出AI-Q（NVIDIA IQ Blueprint）框架 [6] - 推出DGX Spark个人AI超级计算机和GR00T N1人形机器人模型框架 [6] 大会规模与内容 - 包含1000多场会议 400多项展示和技术实战培训活动 [2] - 聚焦代理式AI 机器人 加速计算等前沿领域发展 [2]

文章核心观点 英伟达在GTC大会上发布多款新硬件、软件，涉足以太网领域，还在自动驾驶和具身智能方面取得新进展，同时大会设有“量子日”活动引发关注 [1][18][29][43][56] 新硬件发布 AI芯片 - GB300推理性能是GB200的1.5倍，将于今年下半年出货 [1][2] - 预览下一代AI超级芯片Vera Rubin，2026年下半年发货，整体性能是GB300的3.3倍 [3][6] - 2027年下半年推出的Rubin Ultra性能是GB300的14倍 [6] - 之后的下一代GPU将命名为Feynman [11] 个人AI超级计算机 - DGX Spark售价3000美元，采用GB10芯片，能提供每秒1000万亿次AI运算，官网已开启预定 [20][21][23] - DGX Station采用GB300芯片，将于今年晚些时候从多家厂商推出 [24][26] 以太网网络平台 - 推出全球首个面向AI的以太网网络平台Spectrum - X，可将AI网络性能提升1.6倍 [29][31] - 推出基于硅光学的Spectrum - X Photonics和Quantum - X Photonics网络交换平台，端口数据传输速度提至1.6Tb/s，总传输速度达400Tb/s [32][33] 软件开源 分布式推理服务库 - 发布NVIDIA Dyamo，可让DeepSeek - R1吞吐量提升30倍，已完全开源 [35][37][38] AI推理模型 - 开源新的AI推理模型Llama Nemotron，49B参数量性能远超其他对比模型 [39][41] 自动驾驶与具身智能进展 自动驾驶 - 与通用汽车合作，通用将在自动驾驶上使用英伟达AI技术 [44] - 发布端到端自动驾驶汽车全栈综合安全系统NVIDIA Halos，在三个层面提供支持 [45][47] 具身智能 - 与Google DeepMind和Disney Research合作开发下一代开源仿真物理模型Newton [50] - 推出全球首个开源的、完全可定制的人形机器人基础模型Isaac GR00T N1 [51] 大会其他亮点 - 今年GTC大会首次设立“量子日”活动，老黄将与多家量子计算企业高管讨论行业发展 [56]

文章核心观点 - Lynx AI获跨境电商大卖数百万人民币天使轮投资及华君出海资本跟投，其基于Agentic AI框架为跨境电商企业提供解决方案，已与超十家年GMV数亿至百亿级企业合作，未来计划开发通用标准化产品拓展客户群体 [2][3][7][8] 公司情况 - Lynx AI成立于2023年，是为跨境电商企业提供Agentic AI产品平台的企业，基于自主研发的产品创新模型和Agentic AI框架，提供系统性解决方案 [3] - 创始人张克一曾在多家头部企业担任高管，带领致欧家居实现年营收翻倍并上市；产品和品牌负责人丁茗茗曾担任果壳网等联合创始人；首席科学家刘通是之江实验室博士后；技术负责人李小藤曾在知名互联网企业带领重要研发业务 [8] 行业现状 - AI在跨境电商行业应用仍有很重信息工具属性，卖家大多仅用其完成基础信息整合工作，传统数字化工具在认知复杂度与动态适应性上有局限，企业对更精准高效决策要求迫切 [3] - 跨境电商选品业务耗费大量人力物力，流程长且依赖产品经理个人经验，蓝海时间窗口缩短，高效成迫切需求，市面上AI跨境工具难以深入业务 [5] 技术优势 - Agentic AI使AI工具兼备深度行业认知框架和自主推理能力，Lynx AI能将复杂业务分析响应速度提升至分钟级，产品决策认知精度通过领域知识图谱实现90%+决策可靠性，有高运营弹性，能自适应构建超1000维度动态决策模型 [4] - Lynx AI团队有丰富跨境电商运营战略经验，技术团队在系统植入上市企业及跨境大卖战略框架，通过算法深度推理与慢推理协同打造“超级大脑” [5] 产品应用 - 推出“智能洞察专家Jaxx”，通过四维洞察实现对行业价值链动态扫描，发现新产品机会点 [6] - “智能产品经理Jobs”通过多维信源综合推理进行组合式产品创新和定义，缩短产品开发周期并提升成功率 [6] - “智能产品GTM Pony”基于四维洞察制定产品商业成功计划，提升产品销售经营精准和效率 [6] 商业化情况 - 已与超过十家年GMV规模数亿至百亿级的跨境电商企业达成合作 [2][7] - 未来计划开发通用标准化产品，通过平台化自主订阅模式覆盖海外电商企业，拓展目标客户群体 [8] 投资人意见 - 战略投资人认为中国企业出海趋势下跨境电商企业挑战加剧，优秀产品经理稀缺，Lynx AI的“AI产品经理”能帮助企业实现产品创新、品牌塑造和业务增长 [9] - 华君出海资本创始人表示Lynx AI创始团队稀缺，具备全球商业化和全栈AI技术均衡能力，相信其能实现愿景 [9] 市场规模预测 - Research and Market预估AI Agent市场规模将从2024年的51亿美元增长到2030年的471亿美元，年均复合增长率为44.8% [4] - Y Combinator报告显示AI Agent市场规模预计达SaaS行业十倍量级，未来三年全球将涌现超300家垂直领域AI独角兽 [4]

公司融资情况 - 唐三两打酒铺完成近千万元天使轮融资，投资方为挑战者创投，该公司是新式散酒连锁化开创者，以“产地直供”为核心竞争力，SKU超120种，全国落地超30余家门店 [2] - LynxAI获跨境电商大卖数百万元天使轮投资，华君出海资本跟投并担任独家财务顾问，该公司为跨境电商企业提供Agentic AI产品平台 [3] - 喜味盈水饺砂锅菜完成A轮融资，由源码资本领投，是新中式快餐品牌，以传统水饺和砂锅菜为特色 [4] - 格物科技完成数千万元Pre - A轮融资，由天际资本领投，专注于AI智能硬件领域，2023年获小米天使轮融资成为小米生态链企业 [5][6] - 云南数智文旅完成数千万元Pre - A轮融资，由歌尔投资领投、深空星河跟投，中国银河证券担任独家财务顾问，是数字化驱动智慧旅游解决方案提供商 [7] 公司业务动态 - 奈雪的茶3月12日在深圳南山前海开业全球首家轻饮轻食“green店”，产品主打均衡搭配的轻饮、轻食，价格带集中于19 - 29元，不少新品仅限该店专属；预计2024年全年收入约48至51亿元，同比下降，经调整净亏损约8.8至9.7亿 [9] - 万辰集团签约门店总数突破15000家，旗下好想来在营门店数突破10000家；2023年集团总营收同比增长近16倍，量贩零食业务营收同比大增13058%；2024年前三季度营收同比增长320.63%，达206.13亿元 [10] - 茶小开2024年销售额超2亿元，创立第二年实现2.5倍增长；目前SKU数24个，过去过分关注无糖茶领域，未来计划淘汰部分无糖茶产品，分散资源到更多品类 [12][14] - 大窑饮品3月12日在武汉召开2025年全国经销商大会，提出聚焦为经销商服务，完善销售渠道网络，推进数字化营销建设，基于“大汽水、含气饮料”基本盘开发新饮品 [15] - 国产沙龙香品牌melt season 3月12日与电视剧《难哄》合作推出联名香水“霜降FIRST FROST”，首批1000瓶首发当日售罄，100ml定价1080元 [18] 行业数据情况 - 2025年2月份，全国居民消费价格同比下降0.7%，1 - 2月平均比上年同期下降0.1%；2月份环比下降0.2%；食品烟酒、生活用品及服务等大类消费价格下降，其他用品及服务、衣着价格分别上涨6.5%和1.2% [19][20] - B站用户平均每人有七个兴趣爱好，最受欢迎的三大兴趣类别是动漫/国创/番剧、知识和影视剧/纪录片电影；用户虽理性消费，但愿意为兴趣和情感需求买单 [23]

课程核心内容 - 红杉中国法务团队开设的"公司股权架构设计与公司治理"课程成为YUE 05期最受欢迎内容，聚焦早期创业者法律痛点[1] - 课程定位为"避坑指南"，覆盖创业法律准备、公司架构选择、股权规划、治理结构设计、员工激励五大模块[3] - 法律被定义为"攻守道"：既是企业边界红线，又是发展护航工具，创业者需掌握规则以稳固发展[1] 创业法律痛点解析 - 技术IP保护、融资架构适配、股权分配与控制权把握、员工激励方案设计是创业者最关注问题[1] - 法律问题可能成为限制企业发展的"短板"，早期埋下的法律隐患后期处理成本显著上升[2] - 科技创业者需特别注意竞业限制和技术成果权属问题，预防潜在法律风险[3] 公司架构与股权设计 - 分析主流公司架构优缺点，针对不同行业融资上市需求提供架构调整方案[3] - 股权分配原则强调创始人控制权衡量，通过实操案例指导建立"利益共同体"[4] - 以OpenAI案例解析"三会一层"治理结构，提供现代公司治理下的决策效率提升建议[4] 员工激励与课程体系 - 从"为什么做、给谁做、怎么做"三维度设计员工股权激励计划，凝聚核心人才[4] - YUE 06期新增"Agentic AI"模块，邀请前沿科学家分享AI智能体行业重塑机遇[5] - 课程体系涵盖想法孵化、人才招聘、产品思维、商业化路径、融资策略等8大创业核心模块[5][6][8] 创业者支持体系 - 提供700万人民币种子投资+创业方法论+顶级智库资源+1500+被投企业社群网络[10] - 安排头部企业参访和Demo Day活动，直接对接200+投资机构搭建融资绿色通道[8] - 服务对象为天使轮及更早期创业者，不限行业/地区/背景，注重创新改变能力[9] 课程报名机制 - YUE 06期报名3月17日截止，设置两轮面试+尽职调查流程，5月初开营[11][12] - 未入选者可加入"望YUE计划"，持续获得红杉合伙人及产业专家深度辅导机会[12] - 报名无次数限制，投资人动态评估项目发展匹配度[12]