本期 Indigo Talk,邀请了我的老朋友 Koji,他是国内头部 AI 媒体「十字路口」的创始人,在上海发起了类似硅谷 AGI House 的一座「AI Hacker House」,据说已经成为了国内 AI 创投圈的最热「据点」,常有大神出没。 我很好奇, 联合创办过多家知名公司(街旁、新世相、躺岛)的 Koji 为什么要创办「十字路口」和「AI Hacker House」?他又是如何在一年之内从 0 做成了国内最头部的 AI 媒体/社区之一?他的下一步计划是什么?在硅谷,我观察到 20VC、Sarah Guo 都创办了媒体+社区+基金的新一代 VC,成为中国的 20 VC 也是 Koji 的目标吗? 以上述问题为起点,我邀请 Koji 做客 Indigo Talk 和我进行了一场深度对话。在本期内容中,我们还探讨了产品经理的底层逻辑,“套壳”的价值 ,AI Native 组织的运作心法 ,以及在 AGI 时代,人类还剩下什么无可替代? 一如既往的量大管饱,值得思考! 嘉宾 Koji 杨远骋 (十字路口 创始人) Indigo(数字镜像博主) 时间轴 * 01:57 嘉宾 Koji 与十字路口 * 06:28 Koji 聊对 20VC 的理解 * 10:34 产品经理思维与价值创造 * 14:13 创业的选择与连接的需求 * 18:48 Deepseek 与 Manus 之后的中国 AI 创业 * 26:18 勇立潮头的精神与 Manus 的创业故事 * 36:07 Agent 需要聚焦和套壳的价值 Lovart AI 的案例 * 41:27 广告行业的智能化和 Agent 网络 * 49:29 人类在 AI 时代的情感连接 * 51:46 AI 时代的广告与交易模式 * 54:37 AI Native 的组织(十字路口的经验) * 59:37 按结果计费的商业模式 * 1:03:12 设计价值在 AI 时代的回归 * 1:10:32 AGI 时代人类体验、品味与能动性的不可替代性 详细总结 www.indigox.me
AI 的下一步是“意识觉醒”还是“集体游魂”?本期特邀前 Meta Libra 区块链项目 & 亚马逊云计算工程师 Mohan,深度剖析了 Meta 在去中心化世界货币 Libra 上的雄心与硅谷新思潮。共同探讨了 AI 的开源运动、模型的自我进化,以及为何 AI Agent 率先聚焦代码领域 ,更有 Mohan 创业项目 Antigma 的首次揭秘!从分布式系统到智能涌现,再到意识与人格的深层思辨,一起探索智能体最终是否需要涌现目标与意识。内容烧脑,不容错过! 嘉宾 Mohan(前 Meta Libra & AWS 工程师) Indigo(数字镜像博主) 时间轴 * 00:16 Mohan 的介绍(区块链和云计算架构背景) * 03:04 Facebook Libra 的失败和硅谷新思潮 * 06:15 AI 的开源运动和模型的自我增强 * 19:45 AI Agent 为什么先解决代码需求? * 24:42 Mohan 的创业项目 Antigma * 26:10 Agent 的核心是目标 * 33:24 分布式 Agent 网络的意义 * 43:36 对隐私和自主性的需求 * 47:58 分布式系统、人类组织与智能涌现 * 55:32 智能的自组织、目标与繁荣 * 1:02:52 智能、意识与五层人格 * 1:17:06 灵性与自我抽离 * 1:21:05 智能体需要涌现的目标和意识 对谈详细摘要 www.indigox.me
本期 Indigo Talk 邀请了老朋友 Horse(詹膑)老师,从博客年代回溯中国互联网的每一次跃迁:从移动的封闭花园到短视频算法,再到生成式 AI 席卷内容生产。算法如何把用户变成“被训练的数据”和“免费打工的牛马”,生成式 AI 在便利与幻觉间侵蚀信息多样性与深度,当注意力被彻底商品化、人被工具化后,主体性与创造力还剩多少价值。面对资源稀缺与权力集中,我们对抗惰性、重拾批判思维,在被算法包围的未来主动创造“仍需人类”的空间。 嘉宾 Horse(詹膑 - 互联网观察者 / 教师、咖啡馆老板、从事公益行业等) Indigo(数字镜像博主) 时间轴 * 00:52 詹膑老师的介绍与老友叙旧 * 06:09 移动互联网与媒体变革 * 13:55 推荐算法与社交困境 * 21:09 用户及产品与认知塑造 * 25:38 算法影响内容的多样性 * 28:15 做平台的牛马 * 34:23 生成式 AI 对人类思维的影响 * 41:36 AI 生成的便利性是抵抗不住的诱惑 * 52:34 AI 与人类的主体性 * 1:00:44 人类用 AI 是为了巩固权力 * 1:06:00 我们是权力的工具人 * 1:09:23 资源不足与社会矛盾 * 1:12:32 未来的思考与人的价值 * 1:17:05 创造未来的必要性 对谈详细总结 www.indigox.me/indigo-talk-ep27/
川普的“即兴政策”如何搅动美股?AI 量化真能打败人性吗?本期 Indigo Talk 邀请了美股交易大师猫姐,从回溯纽交所内幕到 XTrader 实盘,拆解“交易即人生”的数据与心性;分享了熊市生存法则、情绪管理诀窍,以及 AGI 时代投资者必修的“双管理” —— 时间与情绪。75 分钟高密度洞察,带你看懂市场裂缝与机会。 本期嘉宾 猫姐(XTrader 数据科技 创始人) Indigo(数字镜像博主) 时间轴 * 01:20 猫姐和 XTrader 的介绍 * 06:34 什么是“交易即人生”? * 15:13 如何看待现在的美股? * 22:36 如何应对当前这样不确定的市场? * 25:47 从交易者视角来看川普政策的国际影响 * 35:08 “灯塔国”的裂缝与社会分裂的顽疾 * 41:44 AI 如何介入交易与 XTrader 量化机器人 * 57:16 应对市场不可预测性的两个方法 * 1:05:10 AGI 到来后对经济和投资的影响 对谈详细总结 www.indigox.me/indigo-talk-ep26/
想用 AI 提升效率、却又被真假课程绕得头大?本期 Indigo Talk 请来数据分析培训专家曹峥老师,拆解普通人拥抱 AI 的正确姿势:信息差就是机会,好课程 = 真实需求+优质交付;从“1 秒做 PPT”的幻象到与 AI 长期共生,需要自驱力与好奇心,更需要社群陪伴。听完你将学会筛选课程、避免被“割韭菜”,也能找到让 AI 真正为你省时、省力、增值的方法。职场白领、内容创作者及想转型的你,都值得花一小时听听这场干货与思辨并存的对谈。 邀请嘉宾 曹峥(在线教育操盘手 - 网红老师) Indigo(数字镜像博主 - 主持) 时间轴 * 01:25 曹峥的介绍 * 04:18 信息差一个巨大的市场 * 10:56 给普通人的 AI 培训是什么? * 20:38 什么样的培训产品是好产品? * 26:04 如何看 AI 卖小课的市场? * 34:57 人学习的两种类型 * 41:22 学习方式的转变 做到与 AI 共生 * 48:33 为什么要持续学习? * 53:42 主动性的培养和学习社群的重要性 * 1:00:22 AI 时代的学习法门:自驱力与好奇心 * 1:07:57 Indigo 为什么要做社群和新的课程 对谈详细总结 www.indigox.me/indigo-talk-ep25/
INDIGO TALK 第二十四期,邀请了 AI Talk 创始人汗青老师,聚焦 AI 生成视频与创作工具的最新趋势。汗青从自身经历出发,深入分析了 GPT-4o 等新兴工具如何彻底重塑内容创作流程。他认为,到 2025 年底,AI 已能生产高质量的商业视频内容,而创作者将因此面临两极分化 —— 顶尖人才受益,普通创作者则压力倍增。AI 会如何影响影视行业?未来的媒体又将如何演变?一起来听汗青老师畅聊 AI 与内容创作的无限可能。 邀请嘉宾 汗青(AI Talk 工作室 - 创始人) Indigo(数字镜像博主 - 主持) 时间轴 * 01:22 汗青与 AI Talk 的介绍 * 07:26 大众对 AI 生成视频的看法 * 11:59 对 AIGC 创作工具的感受和选择 * 23:36 GPT-4o 的图像生成和对工作流的颠覆 * 33:05 2025 年底 AI 能制作课商业化的 MV 和 TVC 么 * 37:22 AI 会让创作者彻底分化的爆论 * 41:22 未来个人做独立电影的可能性 * 51:36 理想的 AI 生成工具是什么样的? * 58:29 AGI 时代的媒体形态 对谈详细总结 www.indigox.me/indigo-talk-ep24/
INDIGO TALK 第二十三期,邀请到 UBC 商学院的吴春华教授来分享 AI 给大学带来的变革与挑战。吴教授结合自身在商学院的教学经历,展示了如何从“防范”到“拥抱”AI 技术,并分享了真实企业咨询和学生项目案例 —— 用 AI 快速完成数据分析、生成可视化商业决策工具。 在 AI 时代,教育的本质是什么?教师的价值又该如何重新定义?这场对谈,大家坦诚分享了从担忧、抗拒,到主动拥抱 AI 的心路历程;也探讨了如何平衡 AI 与传统教学的关系,帮助大家重新思考 AI 时代下的教与学!内容十分精彩,不要错过哦😄 本期嘉宾 吴春华(UBC 商学院 - 教授) Indigo(数字镜像博主 - 主持) 时间轴 * 01:13 吴教授和 UBC 商学院介绍 * 04:48 大学如何看待学生使用 AI * 16:22 在 AI 进入课堂之后如何改变对学生的衡量方式 * 22:00 商学院教什么?AI 如何用在商业数据里面? * 30:35 AI 和人擅长点的不同 * 35:47 AI 时代大学应该教什么? * 38:02 AI 介入让 MBA 课程的转变巨大 * 43:27 教育现在应该分成“教”和“育”两部分来看 * 51:32 UBC 商学院新加坡真实案例分享(AI 让思考边界变大了) * 59:58 Youtube 热点 KOL 分析(谷歌云黑客松分析) * 1:03:18 总结与新课程预告 对谈内容详细总结 LINK
INDIGO TALK 第二十二期,邀请到终身学习者 Howie.Serious 老师,共同探讨了 AI 时代的学习与创作秘诀。本期围绕费曼学习法、第二大脑,以及如何与 AI 协同实现日更产出展开深入分享,并通过“七层真相”案例展示了 GPT-4.5 的深层表达能力。我们还分析了各自对“理想学习型”的 AI Agent、AGI 时代的人机协同的看法,以及如何在新技术冲击下保持自我价值与创造力!希望这期对谈能给大家如何实践 AI 增强的学习带来宝贵思路。 本期嘉宾 * Howie.Serious(知识博主 - 终身学习者) * Indigo(数字镜像博主 - 主持) 时间轴 * 01:26 Howie 与他的费曼创作系统 * 07:36 Indigo 分享基于第二大脑的创作系统 * 10:40 学习依赖底层系统而不是工具 * 15:04 大家各自如何选择 AI 模型 * 23:02 Howie & Indigo 分享用 AI 的写作方法 * 28:26 “七层真相”的创作灵感和意义 * 40:29 理想中的学习 Agent 与用 AI 来辅助阅读的技巧 * 51:34 如何让 AI 赋能而不是超越自己 * 58:38 AGI 时代学习的意义和存在的目的 * 1:07:02 传播一个在 AGI 时代你还有价值的信念 对谈详细总结 www.indigox.me/indigo-talk-ep22/
INDIGO TALK 第二十一期,邀请了资深科幻迷与 AI 创作实践者甜菜侯爵同学,深入剖析 AI 如何帮助科幻写作:从行业报告到观点注入,再到风格微调,让脑洞与现实无缝对接,多重流程全景呈现人类与 AI 的协同创作过程。无论你是写作者还是 AI 爱好者,都能在对谈中找到灵感,本期节目将引导你发掘创意潜能,见证未来写作新形态。 本期嘉宾 甜菜 Tz(资深科幻迷 / AI 技术宅) Indigo(数字镜像博主 - 主持) 时间轴 * 01:57 甜菜 Tz 的介绍 * 05:08 不同 AI 模型的不同性格 * 14:24 OpenAI 与 Deep Research * 19:15 模型的进化方向和训练数据品味 * 20:37 从研究过程转变到文学输出的三个步骤 * 35:44 数据维度的意义和 AI 理解世界 * 47:21 模型的可解释性研究与观点植入 * 49:22 语言转换带来的文学增强 * 51:55 人类在与 AI 协同写作中的作用 * 1:02:44 预告 AI 如何增强人类的课程 * 1:04:24 AGI 时代的创意创作 * 1:14:03 AI 的跨学科创作和个体创作者的意义 对谈详细总结与基于对谈创作的科幻超短篇 www.indigox.me/indigo-talk-ep21/
INDIGO TALK 第二十期,邀请课代表立正(北美大厂数据科学家、自媒体人)分享如何在 AI 变革中保持个人成长与竞争力。从社群运营、职业规划等角度,深入探讨 AI 工具与 Agent 技术如何加速学习与创新,也分析了哪些行业更易被取代。最后聚焦人类的独特价值,在效率大幅提升的背景下,每个人都该思考怎样贯穿知识、提升抽象思维与人际沟通,让智能与智慧同行,成为 AI 时代的“高阶玩家”。 本期嘉宾 孙煜征(课代表立正 - 北美大厂数据科学家、自媒体人) Indigo(数字镜像博主 - 主持) 时间戳 * 01:09 课代表立正的介绍 * 04:51 如何运营聊天群和高质量社群 * 15:59 大家如何用 AI 做之前做不到的事情 * 26:58 对 AI Agent 不一样的看法和模型如何系统化 * 39:10 AI 目前的局限与是否会带来大量失业? * 43:30 人类的知识与智慧 * 49:16 最容易替代和最不容易替代的职业 * 54:16 AGI 时代人类更适合什么工作? * 1:00:23 人的意义和需要提升的能力 对谈详细总结 www.indigox.me/indigo-talk-ep20/
INDIGO TALK 第十九期,邀请了数字产品增长与营销公司 Hash Matrix 的合伙人 Jennie 和 Shawn,深度揭示 AI 产品出海与营销秘诀,从策略定位到 KOL 投放,再到 2B 与 2C 的产品策略与增长逻辑,更有 2024 CES 硬件爆款案例解析。大家详细分享了 AI Agent 将会给行业自动化带来的深刻影响和对未来的观察,本期干货与灵感兼具,绝对不容错过! 本期嘉宾 Shawn(HashMatrix - 联合创始人) Jennie(HashMatrix - 联合创始人 / CEO) Indigo(数字镜像博主 - 主持) 时间轴 06:14 什么是 GTM? 11:43 2024 年初的爆点案例分享 18:07 什么样的产品真正赚钱? 22:05 AI 领域 2B 与 2C 的差异 28:02 营销业务 Agentic 的可能性 33:50 业务流 Automation 的进化 38:08 AI 产品的定价方式 45:21 社群与 KOL 营销经验 50:11 哪些工作能用 Agent 实现?哪些不行? 59:30 AI 应用和模型之间的竞争 1:03:47 2025 普通人 AI 创业的方向 1:08:57 AGI 时代最适合做什么工作? 对谈详解 ================ 一、嘉宾与公司背景 Jennie(CEO,中文名吴乙嘉) * 在洛杉矶工作,早期是 UX 出身,之后转到产品设计和市场营销。 * 过去约十年的工作经验,见证了从元宇宙、Web 3 到 AI 爆发的过程,逐渐完善了 Hash Matrix 的业务。 Shawn(联合创始人) * 人在温哥华,曾做过程序员、后端研发、产品经理,也有过创业与融资经验。 * 过去在元宇宙/ Web3 行业做过项目,对技术与前沿产品的落地和增长都十分关注。 * 和 Jennie 一同创立 Hash Matrix,希望帮助更多 AI 产品和科技公司获得海外增长。 Hash Matrix 的业务定位 * 主要帮助 AI 及其他科技产品做北美市场的用户增长、市场声量和品牌影响力。 * 服务内容包含 SEO、广告投放、KOL/红人营销(influencer marketing)、社群营销等。 * 覆盖在美国本土和部分中国出海企业,尤其是帮助中国团队在全球进行推广。 Hash Matrix 的客户构成 * 一半左右是国内(包含大厂和独角兽),主要产品类型与 AI 相关;另一半多在北美(尤其硅谷/Y Combinator/Hustle Fund 等所投项目)或欧洲,也以 AI 赛道为主。 * 其中 1/4 左右是纯非华人创始团队,其余则是华人背景团队。 * 在项目类型上,以 2B 的 AI 工具类或偏技术的 Dev Tool 居多,2C 的 AI 陪伴类、AI 工具类产品也有涉及。 精彩观点摘录: * Shawn:“我们最初意识到,单纯专注技术或产品,并不一定能快速让企业成功;而‘如何把产品推给更多用户’才是关键。所以我们成立了 Hash Matrix,帮更多的创新产品做海外市场增长。” * Jennie:“AI 的出现给了许多产品新的爆发机会,我们能看到大量的新工具、新想法涌现,这也是为什么我们在北美市场的用户增长服务需求越来越大。” 二、AI 产品的 Go To Market(GTM)要点 在对话里,Shawn 结合团队经验,对「go to market」提出了一个四步框架,并附以他们的实际操作要点: 明确目标用户(ICP)与核心价值(Value Proposition) * 创业团队需在 30 秒内清晰传达:“我到底在为哪群人解决什么问题?” * 很多项目初期是对 VC 讲未来愿景,但真正做执行时,需要更清晰、具体地定位受众,并匹配核心需求。 梳理与提炼关键信息(Key Messaging) * 如果是新产品或新赛道,应更多讲使用场景和痛点;若是旧产品的大版本迭代,则需讲清创新点与对比度。 * Shawn 提到在 ProductHunt 等平台上做投放时,如何简短地说出“你解决了什么场景”至关重要。 设计流量漏斗和用户飞轮 * 获客的最终目标,不仅是流量,更要看各层漏斗的转化、留存和二次传播。 * 好的产品应有明显的 “Aha Moment” 或关键操作,让新用户在几秒或几分钟内感受到价值。 * Shawn:“任何没有二次传播的营销都是失败的营销(虽然这很难做到),但我们要尽可能去触发这种飞轮效应。” 规划预算与时间线 * 对营销计划进行整体把控:渠道如何选择、投放周期如何排布、分发策略如何落地等。 * 资金有限时,应考虑相对有效的红人投放、SEO 等具备杠杆效应的方式。 精彩观点摘录: * Shawn:“First-time founder 关注产品本身;Second-time founder 关注分发。GTM 的核心就是把核心价值、受众与分发渠道串起来,让产品快速被更多人体验。” * Jennie:“我们内部讨论 go to market 时,一定会先落实:你到底给谁解决什么问题?然后才考虑用什么渠道、如何投放来把信息推送出去。” 三、成功案例:某 AI 硬件的海外引爆 嘉宾分享了他们曾在 2024 年 CES 帮一家 AI 硬件公司做海外营销的案例(节目中未指名,但对外界常拿其与 AIPin 对比的“橙色盒子”): 产品特点与时机 * 这是一款极具辨识度、色彩鲜明的 AI 硬件,在当时新品不多的 CES 上非常抢眼。 * 时间节点与「AI 硬件元年」的概念相呼应,形成话题点。 如何做到「爆点」 * 前期:悬念营销。在公开前保持神秘感;同时进行竞品对标,用 AIPin 等知名产品做话题引导,吸引关注。找到曾报道 AIPin 的科技博主,让他们二次对比或评论,精准覆盖同一批对 AI 硬件感兴趣的粉丝。 * 选择话题,制造讨论。强调“2024 年会不会是 AI 硬件元年?”等具争议和前瞻性的问题,引导舆论产生正反讨论。 * 投放渠道。Twitter/X 作为观点型社交平台,容易触发二次转发和 Meme 传播;YouTube、Instagram 等则侧重更直观的产品演示。 通过操作与话题引导,成功在社交网络形成二次传播,口碑与讨论度迅速发酵。 精彩观点摘录: * Jennie:“我们做法题高于投放,先思考好怎样让产品看起来有争议、有创新,从而引发用户和媒体自发讨论与转发,这比单纯买多少条 KOL 广告有效。” * Indigo:“这个硬件设计确实很出彩,第一眼就能抓人眼球。再加上 timing 好、话题性强,能在 Twitter 引爆就容易出现 Meme 效应。” 四、AI 产品的 2B 与 2C 营销 2B 端(企业客户)的特点 Dev Tool: * Shawn 认为:对程序员开发工具(Dev Tool),企业付费意愿相对更高,因其稳定性和效率提升对企业来说价值明确。 * 即便产品可能是「封装多个通用 API」的形式,只要在工作流中应用成熟,也能获得高额溢价。 市场空间: * 2B 营销往往看中定制化和专业度,即使是 “套壳” AI,也能为企业省掉大量对接与研发成本。 * 但 2B 的挑战在于销售周期长、每个客户需求都很非标,需要一定的服务或定制。 精彩观点摘录: * Jennie:“营销工具与运营工具,在大厂中其实推广并没想象中容易,因为企业内部存在很多流程、人沟通和惰性。但程序员工具不一样,开发者非常乐意尝试新技术。” 2C 端(面向消费者)的特点 爆款逻辑: * 常见做法是快速切入热点拿“好奇心流量”,但持续增长并不稳定。 * 小团队可能凭借陪伴类、陪聊类应用在短期内赚到不错收入,但规模化或持续性会遇到瓶颈。 需要“产品工厂” * 如果要持续扩张,就要持续研发新功能、新应用,把流量周期不断延伸。 * 很多 2C AI 工具是“撞到机会”后迅速火爆,之后要靠产品迭代保持热度。 精彩观点摘录: * Shawn:“在 to C 里,流量大风吹得快去得也快,小团队也许一夜爆火也许很快又被遗忘,维持长久 ROI 就要有产品迭代的能力。” 五、关于定价模式与未来趋势 常见定价模式 * 传统买断制:一次付费,终身使用,已不再主流。 * SaaS 月费/年费:最常见的模式,适合大多数软件产品。 * Usage-based / Credit-based:文生图、代码生成等需要消耗大量算力时,会采用“基础费 + 使用量付费”的方式。 * Performance-based:纯看最终交付结果的模式还不多见,除非某些「按销售额分成」、「按回款分成」等极端场景(如催收)。 应用 vs. 模型的竞争 * 许多 AI 应用害怕被“大模型”官方功能替代,但嘉宾们认为,真正的壁垒在于对客户具体场景和上下文的深度理解。 * AI 基础模型无法主动感知企业的复杂流程和个性需求;这部分定制化或结合场景(workflow)的应用依旧有价值。 * Shawn:“关注场景,不要盲目在底层模型优化上跟大厂硬碰硬。” 精彩观点摘录: * Indigo:“如果我已经付费了 GPT-4 Pro,这 200 块刀的月费,可能什么都想用它干,这就意味着你要从场景价值去补足模型没覆盖的 1% 。” * Shawn:“没错,你可以在场景中加入更多上下文,把一些业务逻辑和数据源对接好,让模型去跑,这才是AI应用的机会。” 六、Agent 话题与未来演进 Agent 的现状与难点 * 自动化 vs. 情感化:Agent 能够替代大量填写表格、爬数据、做重复操作的工作,但在客户沟通、情感交流和决策时仍需人工。 * Browser Use Agent:Shawn 特别提到 browser use / operator use 等技术在 2025 年有望出现 “ChatGPT 时刻”。自动化浏览器操作成功率在不断提升,可能会带来巨大变革。 * 成本与准确率:当下 Agent 在浏览器端的一些关键操作,Token 消耗和准确率仍是限制。需要更好的基础设施支撑。 对数字营销从业者的影响 * 沟通者的价值:AI 帮忙做重复的执行和数据分析,人类做关键的策略、情感沟通和翻译工作。Jennie:“最终还是有人需要挨骂,也有人需要将客户的模糊需求转换为可执行的 Prompt;这部分沟通价值,是 AI 很难取代的。” * 锻炼好身体,随时迎接变化:Shawn 半开玩笑地说:“淘汰你的不会是 AI,而是会用 AI 的人。所以别熬夜,多运动,也许过两年技术成熟了,你就可以用得更好。” 七、总结与寄语 市场营销层面 * 强调话题营销与二次传播价值,高质量的 KOL 投放往往胜过纯粹拼量的投放。 * 2B 和 2C 的增长逻辑不同;大厂与小团队在补贴、拉新和 ROI 目标上区别很大。 AI 产品层面 * 场景深耕是关键,别只盯着模型本身的性能。 * 企业级客户更看中稳定与定制化;消费者则需要强爽点或新奇体验。 * Agent 技术(自动化浏览器、自动化工作流)未来 1-2 年或爆发,对基础设施和 Token 成本管理提出新要求。 对普通创作者或从业者 * 尽早熟悉 AI 工具,把重复、机械的流程交给机器,聚焦人类独有的情绪、沟通、策略价值。 * 「潮水」来了并不一定是坏事,技术在提升效率的同时,也为更多人创造了创意与创业的空间。 结尾精彩点: * Jennie:“AI 不是为了替代所有人,而是让更多有创意的人更快实现想法。” * Shawn:“先让自己保持健康和好奇心,很多你现在做不到的,AI 将很快做到;但只有你才知道如何把它用在最合适的场景里。” Indigo 总结: “从他们两位的分享中,我们看到新一代 AI 与 Agent 的崛起正在深刻改变营销和产品出海的方式。深耕场景、善用工具、做好人机协作,这是 2025 年的关键词。”
祝大家 2025 春节快乐 - 蛇来运转 万象更新🧧✨ INDIGO TALK 第十八期,邀请了来自硅谷的研究驱动型基金 Leonis Capital 的创始人 Jay 与合伙人 Jenny,一起来深度剖析 AI Agent 新范式!这次大家分享了对 AI 投研的洞见,模型推理的发展、AI Agent 应用场景与商业模式如何演进,并展望了 2025 年多 Multi Agent 网络与行业并购的机会。本期内容丰富且有深刻的行业洞察,适合大家的春节假期收听 🎧 本期嘉宾 Jay(Leonis - 创始人) Jenny(Leonis - 合伙人 / 前 OpenAI Researcher) 李厚明(棕榈资本创始人 - 嘉宾主持) Indigo(数字镜像博主 - 主持) 时间轴 01:32 Jay 与 Leonis 投资策略介绍 04:04 Jenny 的介绍与什么是研究型 VC 09:32 对 2024 年展望的复盘 14:49 如何区分真假 AI Agent 公司? 17:08 推理模型在 Agent TechStack 中的作用 19:24 合成训练数据的突破 22:50 如何让模型主动学习(具有好奇心) 25:03 Anthropic 与 OpenAI 对推理模型理解的异同 31:56 deepseek 是大语言模型届的拼多多么? 42:08 做 AI Agent 的小公司机会在哪里 54:14 消费者端的 AI Agent 与 Prosumer 应用 1:01:47 AI Agent 的价值 1:04:31 AI Agents Network 1:07:58 Agent 创业的护城河 1:11:35 如果 AI 替代了 99% 的工作人类应该做什么? 1:16:29 AI 针对人类个体的终极目标函数 1:20:48 大家的年度展望 对谈内容摘要 o1-pro 根据对谈语音转录的文本生成 一、关于 Leonis Capital 的投资理念与背景 研究驱动(Research-driven) * Jenny 强调:“投资人对 AI 科技的了解往往落后研究者 3~5 年。”因此 Leonis Capital 希望通过研究导向模式,利用“time machine 先发优势”:能在研究社区和市场端之间发现前瞻趋势,填补认知空白。 * Jay 也提到基金除了资本支持,更通过技术研究与生态系关系,为初创团队提供差异化的帮助。 合伙人背景补充 * Jenny:博士期间已与 OpenAI 合作,参与了 GPT2、GPT3 发布早期阶段,之后在 OpenAI 任职,主要负责模型评测工作;离开后与 Jay 共同创办 Leonis Capital。 * Jay:在美国硅谷有超 12 年风投经验,投资并担任多家知名企业的董事会成员;基金创立伊始就瞄准 AI 软件智能化演进方向。 二、关于 AI/Agent 的技术演化与产业前景 AI Agent 与大模型(LLM)的区别 * AI Agent 的重点在于“采取行动”Jenny:“Agent 需要在现实网络或环境中 ‘take action’(行动)——例如金融 KYC 决策、医疗诊断等,对准确率与可靠性要求远高于单纯的 ChatBOT。” 大模型(LLM)更多偏向信息梳理与生成,而 Agent 还需进行决策与执行。 * Agent TechstackJenny 举例:要在 Agent 中减少 Hallucination(幻觉),常需多个子模型分工,如“搜集信息模型”“处理模型”“决策/落地模型”等协同。 Jay 补充:“多模型协作”或“多智能体架构”将成未来趋势,并需更高等级的可靠度。 推理模型(O1 / Chain of Thought)的重要性 * OpenAI 与 Anthropic 不同的推理思路Jenny:OpenAI 是在 GPT4O 的基础上,明确划出推理能力(Chain of Thoughts),形成 O1 这一“专项强化”。 Anthropic 则更采取“综合成一体”的做法,认为推理是模型内自然涌现,不做明显拆分。但实则两家都在进行类似的 Chain of Thoughts 强化。 * “深蹲 vs. 练腿”的比喻Jay:OpenAI 更像是“锁定推理肌群独立强化”,Anthropic 则偏向“整体能力提升”。 大模型开源 vs. 后训练(Post-training)的观点 * DeepSeek 与模型成本Jenny:“DeepSeek 其实站在巨人肩膀上,主要做后训练(Post-training)与微调;不能忽视 OpenAI、Anthropic 之前在底层所投入的大量成本。” 大模型势必走向价格下压,但也同时带来利润率挑战。 Jay:“技术演化非常快,未来不断可能有新技术爆发。例如 Agent Net、AutoGen 等,都可能成为新的突破点。” 三、Agent 的应用场景与商业机会 垂直领域(Verticals)机会 * 高价值专业行业Jenny:“医疗、金融等对准确率要求高,Agent 大有可为,且容易衡量 ROI。” Jay:“Agent 能理解领域知识,并带来生产力飞跃,提供差异化价值。” 企业服务(Enterprise)的新形态 * Service as Software vs. Software as a ServiceJay:“未来 Agent 更像‘企业员工’的替补或助手,企业将以人工成本替代的概念去衡量 ROI,而非传统的 SaaS 订阅方式。” Jenny:“Agent 不仅能自动化,还能理解 ‘institutional knowledge’(组织内部上下文),并进行更主动、精准的决策。” 消费者端(2C)与内容生产 * 娱乐内容生成的瓶颈Jenny 认为短期内 AI 难以“自发创作爆款”取代顶尖创意人,但 AI 可大幅增进创作者效率,助力 KOL 快速产出内容。 * 多智能体网络(Multi-Agent Network)Jenny 预测:“2025 年开始,Agent 会从单兵作战进化成‘多智能体网络’彼此协同;OpenAI、Anthropic 等都有可能推出能够协同工作的 Agent Net,分别聚焦在消费、企业、科研三大板块。” 四、商业模式、投资与并购趋势 大模型与推理成本 * Jenny:“2025 年起,各家公司在高昂的基础设施投入面前,将不得不思考定价与营收模式,不再是无限补贴阶段。” * 定价将更贴近真实成本,Agent 形态也将从传统 SaaS 转向“按任务或成果付费”的新模式。 并购(M&A)压力与机会 * Jay:“大企业不想错过 AI 时代,很多会通过收购加速技术与产品落地;预计会出现 10~20B 美元级的大案。” * 创业者亦可把握‘应用端’‘垂直行业’等差异化机会,与大模型基础设施互补。 五、对未来工作的影响与人类角色 重复性工作的消失 * Jenny:“30% 的纯线上工作将率先被 AI 大规模取代;70% 需物理交互的工作短期内依然相对稳定。” * Jay:“AI 与 Agent 可使人类从执行层面抽离,更专注设计、决策或创造。” 社会不平等加剧? * Jenny:“AI 会放大不平等;少数精英掌握 AI 等生产力和决策权,多数人可能被推向‘娱乐至死’的状态。” * 需警惕技术革命对就业与社会结构的冲击,或通过政策(税收、UBI)等方式干预。 人类角色转向“高层次思考” * Jay:“未来更多人像‘CEO’,定义目标、判断方向;AI/Agent 如海量的执行员工。” * Jenny:“人类从‘生产价值’走向‘创造意义’,拥有更自由的空间,但对自我要求更高。” 小结 2025 年将是 Agent 发力的分水岭: * 预计多智能体网络、企业级深度应用等多方向突破; * 推理模型与可靠度进一步升级; * 商业模式从 SaaS 订阅演进到“按任务付费 / 按成果收费”。 投资并购: * 大厂可能出现超大规模并购,补足技术与行业落地; * 初创公司则专注纵深应用以获得高 ROI,并与大模型基础设施形成互补。 长远冲击: * 大范围“标准化工作”将被取代,人类走向更具创造力或更高决策层面; * 同时要正视社会不平等、工作与教育模式的巨大变迁。 以上为 Jay 与 Jenny 围绕“AI/Agent 发展、投资策略与未来工作形态”等主要观点的详细汇总。 嘉宾精彩发言 以下五段节录自 Jay 与 Jenny 的核心访谈内容,力求保留原始表达或重点思想,体现他们最具“火花”的观点(略有顺序与文字精简,仅为便于阅读): 1. Jenny 谈“研究与投资存在的时间差” 「风险投资界和科研界有非常大的鸿沟。很多时候,投资人看世界会落后研究者三到五年;当我在 OpenAI 看到 LLM 崛起的时候,不少 VC 朋友还在关注区块链或 Web3。我们希望用研究驱动弥补这个空缺,更前瞻性地找到 AI 创业者。」 1. Jay 谈 AI Agent 与企业 ROI 「未来的 Agent 更像企业‘虚拟员工’。从投资角度看,它需要真正给公司省下人力或放大产能,才有可衡量的价值。一个好的 Agent,既能执行具体任务,也要理解企业的内部知识和流程,这才是明确的 ROI。」 1. Jenny 解释为何推理能力(Chain of Thought)至关重要 「没有推理,就只能局限在训练数据内,AI 无法突破‘记忆’的天花板。Chain of Thought 让模型像人一样分步思考、逐步推导,这让 AI 拥有一定程度的创造与演绎能力,而不只是在已有的数据里 ‘翻箱倒柜’。」 1. Jay 谈多智能体网络(Multi-Agent Network) 「现阶段不少人只看到单一 Agent 的趋势。可实际上,Agent 们也会互相协作,演变成 ‘Agent Net’;它们要如何通信、如何分工,将带来更复杂也更有威力的应用。不同公司也许会推出各自的 Agent ‘集群’,值得长期关注。」 1. Jenny 对未来社会分化的担忧 「AI 会放大不平等:少数精英掌握技术与资本,能高效用 AI;大多数人如果没机会介入,就可能被推往 ‘娱乐至死’的状态。技术革命本身中立,但后果往往是收入与资源进一步聚集在头部,需要社会和政策层面去平衡。」
与播客爱好者一起交流
添加微信好友,获取更多播客资讯
播放列表还是空的
去找些喜欢的节目添加进来吧