深思圈 - 节目列表

节目简介： AI Agent已能自主搜索注册邮箱，全程无需人类介入。YC孵化的AgentMail完成600万美元融资，专门为AI Agent提供专用邮箱服务，这背后是互联网用户定义的根本性变革，我们来拆解这场行业变革。 目录： 1. AI Agent为什么需要专属电子邮箱 2. AgentMail解决了传统邮箱的哪些核心痛点 3. AI自主注册邮箱标志着什么转变 4. AI Agent时代需要什么样的新基础设施 本期要点： 1. AI Agent正在成为互联网的独立新用户，需要专属的身份与通信基础设施 2. 电子邮件的核心价值是互联网身份认证，而非仅仅是通信工具 3. 传统人类邮箱的规则限制，无法满足AI Agent的程序化API访问需求 4. 专属邮箱为AI Agent解锁了身份验证、双向通信、审计跟踪、多线程对话能力 5. AI自主注册邮箱是AI自主性涌现的标志性行业事件 6. 未来所有软件都需要转向API优先，适配AI Agent作为核心用户 关键词：AI Agent, AgentMail, AI基础设施, 互联网身份, YC创业 原文链接：https://mp.weixin.qq.com/s/9-8fryC8MK71bObNAG9GgA 公众号：深思圈

播客标题：深思圈播客｜90天狂赚150万美元，这家900万美元融资的AI搜索公司做对了什么？ 节目简介：AI搜索正在重构B2B购买旅程，90%的企业还未意识到这场变革，依旧固守传统Google SEO。本期我们拆解90天实现150万美元ARR、获900万美元融资的Gushwork，探讨AI搜索时代企业的营销增长新路径。 目录： 1. AI搜索普及后，B2B销售规则发生了哪些根本性改变 2. Gushwork的创业洞察：企业真正需要的不是流量是业务结果 3. 七个AI agents协同：核心产品AI Feeds的工作逻辑 4. 专为AI爬虫设计：AI Feeds和传统CMS有什么本质区别 5. AI搜索浪潮下，企业营销应当做出哪些调整 本期要点： 1. 如今多数B2B买家已经开始在AI搜索引擎做供应商调研，90%的企业在AI搜索结果中完全不可见，错过了新的获客入口 2. AI搜索流量仅占客户总流量的20%，却能贡献40%的潜在客户转化，这类用户购买意图更强、决策周期更短 3. 大多数营销服务商售卖工具和服务过程，而企业核心需求是拿到更多合格潜在客户、更多订单，Gushwork直接承诺结果切中痛点 4. 传统营销代理按时间收费，天然倾向服务高付费大客户，中小企业市场长期缺乏优质营销服务供给 5. AI Feeds专为AI爬虫和模型设计，核心目标是让AI准确、一致性地理解企业信息，提升被AI推荐的概率 6. AI搜索时代，结构化、具体透明的内容更容易获得推荐，模糊空泛的营销话术没有竞争力 7. 当前AI搜索变革仍处于早期窗口期，提前布局的企业能建立长期竞争优势 关键词：AI搜索，AEO答案引擎优化，Gushwork，B2B营销，企业增长，AI营销 原文链接：https://mp.weixin.qq.com/s/FFq2Techd_PDYmRDabq-mg 公众号：深思圈

播客标题：深思圈播客｜2026年最"无聊"的AI商业模式，为什么反而最赚钱 节目简介：AI风口融资消息满天飞，却有超九成AI项目无法产生可衡量的投资回报。本期结合资深AI从业者的深度观察，拆解"产品+服务"的看似"无聊"的AI模式为什么能创造真实价值，给AI创业者和从业者提供可落地的启发。 目录： 1. AI行业的真实矛盾：为什么火爆风口下多数AI项目无法落地赚钱 2. 成功AI项目区别于失败项目的三大核心要素 3. 四类高回报AI商业模式的共同特点：叠加服务层 4. AI时代产品与服务的边界正在模糊 5. 给AI创业者和从业者的实用行动建议 本期要点： 1. 目前仅5%的AI试点项目能进入生产环境，仅15%的企业能从AI获得可衡量的ROI，多数AI项目失败源于缺失定制、团队培训与持续运营。 2. AI是概率性工具而非确定性软件，只有嵌入企业特定业务流程做深度定制才能创造价值，开箱即用的通用AI产品往往效果不佳。 3. AI更像聪明的实习生而非一劳永逸的传统SaaS工具，需要持续人工监督、调整优化，定期优化能让AI获得高价值的概率提升三倍。 4. 当前最赚钱的AI商业模式，都在AI产品之上叠加了包含咨询、定制实施、团队培训的服务层，模糊了产品与服务的传统边界。 5. AI时代技术门槛正在降低，贴合客户需求的服务能力才是核心竞争力，既懂技术又懂业务的复合型人才是目前市场最稀缺的角色。 6. 普通AI创业者从服务切入是更稳妥的路径，服务中积累的可复制经验是产品化的最佳基础，更容易找到产品市场契合点。 7. 未来2-3年服务导向的AI模式仍将占据主导，即使长期标准化产品成熟后，服务层依然会是AI企业的核心价值环节。 关键词：AI商业模式, AI创业, AI落地, 投资回报率, 产品服务组合 原文链接：https://mp.weixin.qq.com/s/O1fbL_p3cTuJJYhhE-PW-Q 公众号：深思圈

播客标题：深思圈播客｜一个被低估的AI Agent核心竞争力 节目简介：当前AI行业都在追逐更大更强的基础模型，却严重低估了AI Agent脚手架（Harness）的核心价值。本期结合三位开发者的前沿分析，拆解Harness的设计逻辑与性能影响，重新理解AI Agent的构建规律。 目录： 1. 同一模型性能差一倍？被行业忽视的Harness价值 2. 概念拆解：Agent Harness和Framework的核心区别 3. Harness核心组件：每个组件解决什么实际问题？ 4. 数据实证：Harness设计能带来多大的性能提升？ 5. 顶尖AI公司的Harness优化实践分享 本期要点： 1. 决定AI Agent实际性能的核心不是基础模型，而是围绕模型搭建的Harness，同一模型换不同Harness性能可接近翻倍 2. Agent = Model + Harness，Harness是所有不属于模型的代码、配置和执行逻辑，是让原始模型变成可用智能体的关键 3. Framework是可交换的模块化积木，适合开发者自行组装系统；Harness是内置所有决策的完整方案，开箱即可运行任务 4. 文件系统是Harness最基础的核心原语，承担持久存储、上下文卸载、跨会话状态保存和多主体协作接口的作用 5. 渐进式披露（Progressive Disclosure）是最被低估的Harness设计模式，可大幅降低无效token占用，显著提升模型性能 6. 给AI Agent更多工具不一定更强，过量工具会大幅降低性能，精简Harness设计往往能带来全方位的性能提升 关键词：AI Agent, Agent Harness, AI脚手架, 大模型应用开发, 智能体构建 原文链接：https://mp.weixin.qq.com/s/KsqOq-v_alaQHFh5h6UPOg 公众号：深思圈

本期核心主题 打破「通用 AI 赢者通吃」的主流认知，深度解析垂直 AI 应用如何凭借信任、独家资源与暗物质价值，在巨头包围中建立不可复制的护城河，成为 AI 时代真正的价值捕获者。 核心内容要点 1. 颠覆认知：垂直 AI 才是经济价值核心通用 AI 平台并非 AI 经济的最终赢家，深耕特定领域的垂直 AI 应用，更能捕获巨大经济价值。 医疗 AI 公司 OpenEvidence 估值 120 亿美元，年化广告收入 1.5 亿美元，覆盖美国超 50% 医生，是垂直 AI 成功的典型案例。 2. 核心框架：Router、Apps、AGI 的本质AI 聊天机器人的核心价值是信息路由，而非单纯回答问题，通用 AI 押注成为全场景信息协调中心。 通用 AI 的关键假设存在漏洞：大量高价值「经济暗物质」，是中心化大型实验室无法触及的。 3. OpenEvidence 的护城河：信任、独家性、复合效应只基于 FDA、PubMed、顶级医学期刊等 3500 万份同行评审数据训练，与公共互联网隔绝，大幅降低幻觉风险。 凭借医生用户信任，获得 JAMA、NEJM 等权威机构独家内容合作，而非靠资本砸钱达成合作。 信任是产品核心，通用 AI 平台无法复制垂直领域的深度专业性与资质可信度。 4. 关键概念：经济暗物质指垂直领域中高价值、难识别的上下文信息，由信任创造而非被发现。 医生仅向信任的平台透露临床不确定性等核心信息，这类数据是通用 AI 无法抓取的核心资产。 第三方数据标注公司无法复刻垂直场景下真实、高价值的用户交互数据。 5. 垂直 Edge Router 的五大价值维度覆盖人群规模、人群经济价值、解决问题的经济价值、用户信息浮现比例、解决方案完整性，五大维度形成乘法效应。 垂直 AI 通过扩展执行器能力（如临床试验匹配、事前授权自动化），完成从信息提供到任务执行的全链路闭环。 6. 通用 AI 无法赢者通吃的核心原因大型实验室迷信「更多数据 + 更多算力 = 更有价值」，但垂直领域优质专属数据优于泛化海量数据。 信任、独家合作、用户行为沉淀需要时间积累，是资本与算力无法快速复制的壁垒。 7. 飞轮效应：垂直 AI 的自强化优势权威基础真相→用户信任→生成暗物质→商业化变现→接入更多解决方案→持续积累信任与数据，形成不可逆的竞争飞轮。 以临床试验匹配为例，垂直 AI 可大幅降低药企招募成本与试验延迟，创造远超广告的商业价值。 8. AI 时代的中间游戏：垂直专业化是未来通用 AI 完全落地前，垂直 AI 拥有长期且巨大的价值窗口期。 法律、金融、教育、制造等领域均存在大量经济暗物质，垂直 AI 均有机会建立核心壁垒。 AI 未来是「通用平台 + 垂直应用」的生态，价值捕获属于深耕领域、建立信任的专业化团队。 本期关键洞察 * AI 的核心壁垒不在技术本身，而在垂直领域的信任、专属数据与完整价值链。 * 创业者与投资者应聚焦高价值垂直领域，挖掘经济暗物质，而非盲目追逐通用 AI 赛道。 * 垂直 AI 的复利效应一旦形成，将成为巨头难以攻破的商业堡垒。 互动与延伸 欢迎留言分享你对垂直 AI 与通用 AI 未来格局的看法，一起探讨 AI 行业的发展机遇。

本期核心看点 * 美国Doctronic成为全球首个获监管批准、AI 自主开具处方的医疗 AI 公司，完成4000 万美元 B 轮融资 * 破解美国超 1 亿人医疗可及性难题，AI 从处方续配低风险场景切入，临床准确率达99.2% * 技术 + 临床双核心团队，用多智能体架构 + 机器可读临床指南打破大模型医疗幻觉 * 真人医生 + AI 协同模式，重塑医疗效率与成本，B2B 合作与全球化加速推进 关键信息梳理 一、行业痛点：美国医疗可及性危机 1. 超1 亿人难以便捷获取初级医疗服务，农村地区医疗资源严重短缺 2. 每年因用药依从性差导致 15 万可预防死亡、1000 亿美元经济损失，30% 源于就医障碍 3. 医生培养周期超 10 年，供需失衡无法靠传统模式解决 二、Doctronic：AI 医疗的突破性实践 1. 团队背景技术创始人 Matt Pavelle：连续创业者、前独角兽 CTO，医疗世家背景 临床创始人 Dr. Adam Oskowitz：UCSF 血管外科医生、副教授，20 + 年临床经验 核心技术团队汇聚微软、谷歌资深 AI 工程师 2. 产品定位：医疗系统数字前门，7×24 小时无门槛接入医疗服务 3. 核心技术多智能体架构，分模块匹配最优大模型 自建机器可读临床指南库，模拟医生临床决策流程 500 例真实病例验证：主诊断一致率 81%，治疗方案一致率 99.2%，零幻觉 4. 监管突破入驻犹他州 AI 监管沙盒，获批AI 自主续配处方 初期真人医生复核，AI 审核比人工更严谨，不确定时主动转接人工 5. 商业模式B2C：AI 咨询免费，人工问诊低成本，续方最低 2 美元 B2B：对接医疗系统、保险公司、企业雇主，目标年内贡献半数流量 数据表现：半年患者咨询量翻倍，收入增长 15 倍，复访率大幅提升 三、AI 原生医疗的未来 1. AI 接管70%-80% 算法化医疗流程，医生专注复杂病例与人文关怀 2. 全链路 AI 原生运营，小团队实现超高速扩张 3. 从处方续配逐步拓展场景，推动 AI 医疗自主权稳步扩大 四、行业启示 1. 医疗 AI小切口、低风险、高价值切入，比一步到位替代医生更可行 2. 技术 + 临床深度融合，是医疗 AI 落地的核心保障 3. 监管合规 + 临床实证 + 用户信任，是 AI 医疗规模化的三大支柱 延伸思考 AI 不是取代医生，而是补位医疗资源缺口，让医疗更普惠、高效、可及。当 AI 成为医疗系统的 “数字前门”，全球医疗可及性革命正式拉开序幕。

本期核心话题 AI 如何切入零售扣款争议这一被长期忽视的千亿级痛点，帮助消费品牌追回数百万美元隐形损失，以及 Glimpse 从失败转型到获顶级资本重仓的创业启示。 本期重点内容 1. 零售行业的隐形黑洞：扣款争议品牌向沃尔玛、塔吉特、亚马逊等零售商供货时，常被无故扣除约 20% 账款，大量扣款实为无效扣款。 人工核对需跨多平台、处理海量非结构化数据，中小品牌财务团队无力全覆盖，每年全美超 80 亿美元有效争议资金无法追回。 中型消费品牌无效扣款可占零售收入 5%，成为侵蚀利润的核心隐形成本。 2. Glimpse 的 AI 解决方案：全流程自动化追款核心产品：AI Agent 自动抓取零售商数据、整合多格式文档、交叉验证扣款合理性、自动提交争议并跟进回款，全程少人工干预。 核心优势：争议胜率达 91%，减少 80% 人工耗时；系统越用越智能，形成复合数据优势。 客户价值：取消扣款金额审查门槛，小额无效扣款也可追回，直接解锁新增现金流。 3. 创业故事：三次转型的逆袭之路创始人：三位普渡大学校友，最初做 Airbnb 产品植入项目，因缺乏市场契合度果断转型。 融资历程：先获 8VC 领投 1000 万美元（后定为种子轮），再获 a16z 领投 3500 万美元 A 轮，累计融资 5200 万美元。 增长成绩：2025 年收入增长 10 倍，客户追回资金增长 10 倍，服务超 150 个消费品牌。 4. AI Agent 企业服务的真正价值精准切入：选择高重复、跨系统、强 ROI 的垂直场景，第一季度即可帮客户收回成本。 能力扩展：从扣款争议延伸至现金自动化、扣款明细化，逐步搭建 CPG 品牌 AI 基础设施。 行业定位：目标成为 ERP 与零售商之间的零售财务运营平台，覆盖订单到现金全周期。 5. 行业趋势与启示资本转向：投资人从消费 AI 转向能直接提升企业 EBITDA 的垂直 AI 工具。 竞争格局：Claimify、HighRadius 等玩家入局，Glimpse 凭 YC 背景与中端市场优势领跑。 底层逻辑：AI 改造传统行业的关键是垂直深耕、解决真实痛点，而非通用化 Demo。 关键金句 * 零售后台数十年依赖表格与碎片化流程，Glimpse 用 AI 重新定义核心财务运营流程。 * 速度将成为 AI 时代唯一的护城河，垂直专业化才是企业服务的未来。 * 自动化那些让品牌每年损失数百万的中台工作，藏着千亿级生意机会。 延伸信息 * 相关公司：Glimpse、a16z、8VC、Claimify、HighRadius * 核心场景：CPG 品牌、零售扣款争议、财务自动化、AI Agent 企业应用

本期核心话题 拆解企业 AI 落地的生产力悖论，解读 Highlight AI 如何以共享智能层破解团队协作 “协调税”，重塑人与 AI 协同的工作新范式。 核心内容要点 1. AI 生产力悖论真相近 80% 企业使用生成式 AI，却未带来实际利润增长，AI 仅提升内容生成速度，未加快工作完成效率。 员工每周耗费 24 小时在跨工具复制粘贴、进度追踪、信息同步等协调工作，一周 40 小时工时仅 16 小时用于核心创造。 现有 AI 工具呈 “孤岛化”，各平台上下文无法互通，员工日均切换 8 个应用，认知负担持续加重。 2. Highlight AI 融资与核心背景完成4000 万美元 A 轮融资，Khosla Ventures 领投，多家知名资本参投。 新任 CEO Sergei Sorokin 拥有 Discord 八年产品管理经验，亲历平台从 500 万到近 3 亿月活增长，深耕 AI 初创领域，精准洞察协作痛点。 3. 破局方案：共享智能层（上下文图谱）不替代现有工具，作为统一协调层集成 Slack、Zoom、Figma、Linear 等工具，打通全流程上下文。 实时捕获、建模团队高保真工作上下文，自动记录会议决策、生成任务草稿、同步文档更新，一键完成协作闭环。 打造团队统一共享大脑，留存完整工作弧线：谁、何时、做何决策、决策依据及影响，实现短暂知识转化为集体智能。 4. 从被动响应到主动协助摒弃传统提示词式 AI 交互，基于全流程上下文主动提供协助，提前完成任务起草、文档更新、信息同步。 兼顾深度工作与信息同步，专注时段结束即可获取整合式工作简报，减少无效群聊，保护专注时间。 5. 时代价值：适配 Agentic Age（人机协同时代）填补软件 AI 进步与协作系统的鸿沟，成为人类与 AI Agent 协同的核心操作系统。 解决 AI Agent 孤立工作问题，让 Agent 基于团队共享知识执行任务，延伸集体智能。 6. 行业趋势与挑战企业软件竞争从垂直工具深化，转向横向集成协调能力，共享智能层将成企业标配基础设施。 面临隐私安全、系统可靠性、工作透明度与员工自主性平衡三大核心挑战。 关键观点总结 * 企业 AI 落地的核心瓶颈非能力问题，而是协调瓶颈。 * 未来工作将从 “管理工具、协调任务” 转向 “管理意图、定义目标”，人类回归高价值创造。 * Highlight AI 的融资，是行业对人机协同新基础设施的关键押注。 互动话题 你在工作中是否被跨工具协调、信息同步困扰？你期待 AI 主动协作的工作模式吗？

本期核心亮点 * 揭秘 Stripe 自研 AI 编码智能代理 Minions 如何实现每周超 1300 个全自动代码合并请求 * 工程师从写代码转向管理 AI 写代码的工作模式变革 * 云开发环境、完善开发者工具与 AI 深度融合的落地经验 * 机器对机器支付（Machine Payment Protocol）开启 AI 作为经济主体的新商业可能 核心内容概览 一、Stripe Minions：全自动编码 AI 代理 * Minions 是 Stripe 自研一次性完成任务的 AI 编码代理，从接收需求、创建分支、环境配置、代码修改、测试运行到提交 PR 全程无人干预 * 极简使用流程：工程师在 Slack 用自然语言描述需求，点击指定 emoji 即可启动任务，云端自动执行，完成后仅需人工审查合并 * 核心价值：将开发启动激活能量降至接近零，支持多任务云端并行执行，彻底改变传统线性开发节奏 二、为何 Stripe 坚持自研 AI 编码系统 * 代码库规模超数亿行，技术栈小众（Ruby+Sorbet），大量自研内部库，通用 AI 工具难以适配 * 年处理超1 万亿美元支付交易量，需满足严苛合规与生产安全要求 * 依托多年自建的开发者工具基础设施（云端 devbox、CI/CD、测试体系），实现 AI 与内部系统深度绑定 三、开发者体验：人与 AI 双向受益 * 云端 devbox 原本为解决人类工程师本地无法运行全量服务打造，10 秒就绪、隔离并行、标准化环境，天然适配 AI 代理运行 * 核心原则：对人类友好的开发者工具，对 LLM 同样高效；先完善开发环境、工具链与文档，再接入 AI 才能事半功倍 * 云开发环境是 AI 辅助工程规模化的关键，支持随时随地用手机启动任务，解放本地设备限制 四、AI 时代的代码审查与工程瓶颈转移 * 每周海量 AI 生成 PR 的审查核心：依托高测试覆盖率、完善 CI/CD、蓝绿部署与回滚机制保障代码安全，与代码作者无关 * 行业变革：编码不再是开发瓶颈，新瓶颈转向产品想法、需求梳理、架构设计、业务理解 * 工程师角色升级：从代码执行者变为 AI 任务编排者、架构师与审查者 五、前沿探索：AI Agent 作为经济主体 * Stripe 与 Anthropic 合作推出机器支付协议，AI 可自主按需付费调用第三方服务，完成全流程任务并自动结算 * 典型场景：AI 自主规划生日派对、调用多服务、支付费用、抵消碳排放，全程无需人工操作 * 未来趋势：诞生专为 AI Agent 服务的 API 商业模式，API 设计将从面向人类转向面向 AI 六、对软件工程未来的关键启示 * 工作模式根本转变：工程师核心价值从会写代码变为知道让 AI 写什么代码 * 组织更扁平：产品与工程师直接管理 AI Agent，决策链更短、执行更快 * 落地建议：不必等技术完美，先从现有工具与场景切入实践，AI Agent 已能创造实质价值 关键观点总结 1. AI 正在重构软件工程，低激活能量 + 云端并行是提升生产力的核心 2. 完善的开发者基础设施是 AI 编码落地的前提，而非单纯依赖大模型能力 3. 代码质量的核心是质量保障体系，而非代码由人或 AI 编写 4. 机器对机器支付将开启全新的 AI 原生商业形态

本期核心看点 * 欧洲 AI 运维独角兽Dash0获 1.1 亿美元 B 轮融资，估值破 10 亿，用 AI Agent 重构可观测性赛道 * 传统监控工具全面失效：数据爆炸、告警疲劳、按数据收费的商业模式悖论 * Agent0：从被动监控到自主运维，AI 自动定位根因、修复、优化成本与安全 * 开放标准OpenTelemetry为何成为 AI 集成关键？数据归客户、LLM 天然可读、无厂商锁定 * 连续创业者 Mirko 的二次成功：从 Instana 被 IBM 收购，到 Dash0 的 PLG 增长策略 * 行业终极结论：AI 时代数据才是真正护城河，模型易复制，独有生产数据 + 上下文不可替代 内容概要 一、传统可观测性工具为何全面失效 1. 系统复杂度暴增，监控数据指数级增长，但洞察力不升反降 2. 按数据量收费模式导致成本失控，企业为无用数据买单 3. 告警泛滥引发告警疲劳，工程师无法快速定位根因 4. 传统工具为人工设计，已不适配 AI 生成代码、高频部署的云原生时代 二、Agent0：AI Agent 驱动的自主运维革命 Dash0 核心产品Agent0是多类型专业化 AI Agent 系统，实现从 “告知问题” 到 “自主解决” 的跨越： * AI SRE Agent：根因分析 + 修复指导 * 自动化配置 Agent：自动生成仪表盘、告警、SLO * 迁移 Agent：低成本脱离传统厂商 * 成本 / 安全 / 部署 Agent：优化支出、实时防护、自动回滚 * 支持客户自定义 Agent，适配企业独特运维场景 * 适配 AI 生成代码场景：自动监控数万行 AI 代码，风险前置拦截 三、OpenTelemetry：开放标准带来的战略优势 1. 打破厂商专有格式锁定，数据所有权回归客户 2. LLM 已在该标准上预训练，无需格式转换即可理解运维数据 3. 完整上下文关联，让 AI 只处理关键数据，提升分析效率 4. 降低迁移成本，支持多工具协同，企业选型更灵活 四、连续创业者的成功密码 1. 创始人 Mirko 曾创立 Instana，被 IBM 以 5 亿美元收购 2. 从传统企业销售转向PLG 产品驱动增长，贴合开发者自助试用、自下而上决策 3. 团队汇聚微软、Google 资深 AI 工程师，技术底座扎实 4. 差异化定价：按数据流量统一计费，告别账单暴涨 五、高速增长与市场机遇 1. 成立 3 年、5 个月内连融两轮，ARR 突破 1000 万美元，付费客户超 600 家 2. 150% 净收入留存率，用户高粘性，几乎全员使用 AI Agent 功能 3. 融资用于深化 Agent0、拓展美国市场、战略收购 AI 运维相关技术 4. 切入可观测性红海市场，以AI 自主运维 + 开放标准 + 成本透明实现差异化 六、AI 时代的核心结论：数据才是护城河 1. 模型可快速迭代复制，独有生产数据 + 上下文 + 领域知识无法替代 2. Dash0 不依赖单一 LLM，而是用 OpenTelemetry 标准数据 + 专业化 Agent 形成壁垒 3. 可观测性从监控工具，升级为 AI 生成代码时代的生产安全底座 关键观点提炼 * 传统监控是 “在更大干草堆里找针”，AI Agent 是 “直接把针找出来并处理掉” * AI 生成的代码，必须由 AI 来监控与运维 * 开放标准不是营销点，是 AI 快速落地的基础 * 可观测性的下一个时代：自主生产运营 延伸信息 * 公司：Dash0（2023 年成立，欧洲 AI 运维独角兽） * 融资：B 轮 1.1 亿美元，Balderton Capital 领投 * 核心技术：Agent0、OpenTelemetry 原生、AI SRE * 客户：Zalando、Taco Bell、The Telegraph 等

核心主题 本期播客深度拆解前 Google 产品负责人、Relay.app 创始人 Jacob Bank 的实战案例：无营销背景的个人，用 40 个 AI Agent 搭建单人营销部门，实现 LinkedIn 150 万展示量，成本仅为传统团队的 1/100，揭秘 AI 时代工作范式的彻底变革。 核心内容要点 1. AI 认知升级：AI 不是实习生，是专属成长教练打破 “AI 只做琐碎重复工作” 的浅层认知，AI 可完成战略分析、竞品追踪、内容创作等高价值工作。 实战案例：搭建 AI 销售教练，实时复盘会议话术、给出个性化反馈，月成本仅 5 美元，替代万元人工教练。 AI 核心价值：提供持续、即时、个性化的成长反馈，助力个人快速补齐能力短板。 2. 未来工作形态：人人都是 Super IC（超级个人贡献者）未来工作融合 “专业执行 + AI 管理”，2/3 时间做核心实操，1/3 时间协调 AI Agent 团队。 单一重复型岗位、大型团队管理岗价值降低，精益小团队成为主流。 Super IC 兼顾战略决策与一线实操，是 AI 时代最理想的工作模式。 3. 40 个 AI Agent 系统搭建方法论从零起步：从单一简单任务开始，逐个搭建 Agent，避免复杂全能型设计。 模块化设计：每个 Agent 只负责一件事（如自动生成社媒内容、监控竞品动态、提醒定价变化）。 动态管理：Agent 非 “一劳永逸”，可随时调整、复用、“解雇”，无沟通与情感成本。 核心逻辑：用 AI 为自己赋予超能力，而非替代人力，放大个人工作价值。 4. 职业风险重新定义传统 “大公司稳定岗” 已变成高风险：技能绑定公司环境，可迁移性极差。 真正安全的职业：持续学习、拥有通用可迁移技能，拥抱不确定性实现成长。 AI 时代核心抗风险能力：适应性 + 持续学习力，不被 AI 轻易替代。 5. 下一代必备核心技能清晰表达能力：精准向 AI 下达指令，是提示工程的本质，需逻辑与表达支撑。 个性化社交连接能力：人类独有的情感连接、个性表达，是 AI 无法替代的核心价值。 6. AI 时代的关键启示搭建 AI Agent 是未来 30-40 年的基础技能，如同过去使用 Excel。 100 倍成本差异将重塑商业结构，小团队 / 个人可拥有大公司级能力。 竞争优势回归人类本身：判断力、创造力、社交力，而非单纯技术操作。 关键金句 * AI 被严重低估了，我们只发挥了它 1% 的能力。 * 风险不是尝试新事物，而是停滞不前。 * 未来不是 AI 取代人，而是会用 AI 的人取代不会用 AI 的人。 延伸思考 AI Agent 不是工具叠加，而是工作方式的重构；学会设计、管理专属 AI 系统，才能在 AI 时代占据核心优势。

本期核心内容 本期播客深度拆解 AI 产业五层价值链，揭秘资本流向与财富创造逻辑，对比电力革命与互联网浪潮，厘清 AI 投资机会与核心风险，帮你跳出表层认知，看懂 AI 真正的赚钱逻辑。 核心观点提炼 1. AI 产业由能源、芯片、云计算、模型、应用五层构成，下层为上层提供核心支撑，大众只关注最顶层的应用层，却忽略了占 80% 价值的底层基础设施。AI 五层技术栈全貌 2. 反直觉的资本流向 * 2026 年全球四大云厂商将投入 6500-7000 亿美元资本支出，75% 用于 AI 基础设施建设 * 收入向上流动，资本向下沉淀，用户聚焦顶层产品，利润集中在底层基础设施 * OpenAI 等高调模型公司营收暴涨，但现金消耗巨大，利润持续流向芯片、云服务、能源等底层环节 1. 类比电力革命与互联网早期，每次新计算平台崛起，镐和铲子类基础设施先收割利润，应用层虽获关注，却滞后于底层价值兑现，英伟达、台积电等底层企业已实现垄断级盈利。历史规律印证：基础设施先赢 2. 五层产业机会拆解 * 能源层：AI 数据中心耗电激增，电力供应、储能相关企业迎来刚需红利 * 芯片层：设计、制造、设备、内存、封装全链条高度集中，英伟达、台积电、ASML 占据主导 * 云计算层：云厂商巨头主导，服务器、网络、冷却、数据中心地产等配套产业链规模爆发 * 模型层：高炒作、低盈利，算力成本增速远超收入，竞争极度残酷 * 应用层：市场空间最大但利润最薄，拥有独家专有数据的企业才能建立长期优势 1. 核心区别：AI 需求已真实存在且快速增长，芯片、算力供不应求；同时面临资本配置、产业链集中、低成本模型突破三大核心风险。AI 并非互联网泡沫重演 2. 当前处于 AI 基础设施建设黄金期，3-5 年最佳回报在底层；未来基础设施成熟后，价值将向应用层转移，普通参与者无需全覆盖，聚焦高价值底层赛道即可。核心策略：在正确的层级布局 关键金句 * 消费者看产品，投资者看供应链，顶级投资者看供应链前端 * 对模型和时间表可怀疑，但不能对 AI 供应链无知 * AI 是人类历史上最大规模的基础设施建设，看不见的部分才在创造真金白银 延伸思考 AI 产业的价值迁移规律，不仅适用于投资，也为创业者、从业者指明方向：当下聚焦底层刚需，未来抢占应用层数据壁垒，才能抓住 AI 时代核心机遇。