Kromě praktické praxe je oficiální web projektu dobrým učebním materiálem pro AI, zejména pro přátele s netechnickým zázemím, kteří se chtějí integrovat do kontextu AI průmyslu. Protože oficiální webové stránky projektu jsou shrnuté a zhuštěné: mohou nejen stručně shrnout, co dělají, aby běžní uživatelé tomu rozuměli; Zároveň existují některé profesionální koncepty, které umožňují zasvěceným pochopit, co se děje. Když narazíte na nový projekt, o který máte zájem, nemusíte tolik používat AI k dotazování do shrnutí projektu, ale jděte na jejich oficiální webové stránky a zaznamenejte informace o projektu (například podnikání, pozadí týmu, financování atd.) ve svém vlastním formuláři. Zároveň se při sledování zeptejte AI na některé koncepty, kterým nerozumíte. Čím více nasbíráte, tím více fragmentovaných konceptů se poskládají do úplnějšího rámce.

Dnes si povídám s kolegou z vysoké školy, který pracuje jako inženýr v oblasti Bay Area a pracuje pro startup v oblasti AI infrastruktury se 100+ zaměstnanci. Řekl mi, že mladší inženýři, kteří nedávno přišli na pohovor do jejich firmy, jsou v podstatě studenti ze Stanfordu, Ivy League a dalších univerzit, a potřebují 2~3 zkušeností ze stáží, aby mohli přímo dělat původní seniorskou práci. Práce ve velké továrně v oblasti Bay Area je relativně pohodlná, ale ve startupu je nyní pracovní zátěž velmi vysoká. Pokud se práci nenaučíte rychle, je snadné ji optimalizovat 🥲 Navíc, protože všichni píší kód v Claude Code a už jsou si docela jistí, že AI se ovládá, není snadné si navzájem vysvětlovat, jak psát kód toho druhého, takže modul, za který je každý inženýr zodpovědný, se stal více nezávislým 😂

Nedávno jsem komunikoval s některými společnostmi zabývajícími se C AI a upřímně, vzhledem k současné vyspělosti trhu není růst snadný: Aplikace 1/C jsou explozivní, což testuje estetiku týmu a uživatelský vhled, a existují významné pravděpodobnosti a šance, které je obtížné přesně předpovědět nebo napodobit 2/ V současnosti je trh poměrně roztříštěný, například kvůli obtížnosti vstupu amerických aplikací do Číny a překážkám pro vstup čínských aplikací na zahraniční trhy. U projektů, které chtějí nejprve vstoupit na anglický trh, je návštěvnost na anglickém trhu mnohem rozptýlenější než na regionálním trhu a nelze ji efektivně dosáhnout jediným kanálem nebo strategií, což znamená, že projekt má vysoké investiční náklady 3/ Aktuální náklady na spuštění trhu nejsou levné a cena KOLů s pan-traffic je obecně 10 % (RMB) z celkového počtu ventilátorů, zatímco KOLs v AI vertikální trati mají prémie 2~4násobek. Po ověření, že investiční náklady Kimi v roce 2025 činí stovky milionů RMB, což je pro startup, který investoval 10 nebo 20 milionů, není krevní žlab dostatečně silný a nevyhnutelně nebude spálen 4/ Produkty, které vyžadují vysokou úroveň AI kognice uživatelů, jsou ekvivalentem "segmentace" ve službách. Dřív jsem si myslel, že problém je v tom, jak tyto produkty dokážou prolomit kruh, ale teď si myslím, že je to problém velikosti cílové zákaznické základny a schopnosti utrácet peníze Na základě toho, pokud jsou schopnosti to-C, rozpočet a celková uživatelská základna omezené, možná nejlepší způsob, jak AI projekty dosahují ARR, je stále logika "hledání velkých hráčů" – najít skupinu s nejjasnějšími potřebami a nejsilnější platební schopností, a pak pomalu expandovat, tedy na B, na vývojáře, na profesionální skupiny a nakonec na provoz. Co se týče důvodu, proč vzniká ARR, je to proto, že teď žádný ARR není, a je pro projekt obtížné integrovat druhé kolo.