深思圈 - 节目列表

本期主题 前红杉美国合伙人弃高薪创业，AI 日程管理工具 Blockit 获老东家 500 万美元领投，揭秘时间协调背后的千亿市场机会 核心看点 1. 为什么 2026 年，我们依然为约 30 分钟会议来回折腾？ 2. Blockit 的 AI agent 如何实现 “零人工干预” 的会议协调？ 3. 日历为何被称为 “最后一个未被开发的社交网络”？ 4. 前红杉合伙人 + 谷歌日历核心开发者，这个创业组合有多能打？ 5. 从 Clara Labs 到 x.ai，AI 日程工具为何屡败屡战，现在终迎爆发期？ 内容框架 一、痛点直击：时间协调的隐形成本 * 荒谬现状：约 1 次会议 = 10 封邮件 + 跨时区核算 + 反复调整，机会成本被持续消耗 * 传统方案的死穴：助理模式门槛高，Calendly 类工具 “转嫁复杂 + 无网络效应” * 多人博弈困局：3 人以上协调复杂度指数级增长，偏好、优先级、突发情况层层叠加 二、Blockit 的颠覆性创新 * 核心逻辑：AI agent 直接对话，替代人工完成全流程协商 * 操作场景：邮件抄送 / Slack 指令触发，1-3 分钟搞定传统 1-3 天的协调工作 * 技术突破：零容错框架解决时区、优先级、突发调整等边界问题，纯 AI 驱动无人工介入 * 个性化能力：支持细致偏好设置（如跳过午餐、按邮件语气定优先级） 三、创始团队的 “天作之合” * 创始人 Kais Khimji：前红杉合伙人，酝酿 10 年的 “时间优化” 创业梦，被 Sequoia 评价为 “三次卓越” 的创业者 * 联合创始人 John Han：10 年日历产品经验（Timeful/Google Calendar/Clockwise），人称 “最酷的日历小子” * 团队基因：集结 Retool、Waymo、Notion 核心人才，专注 “时间协调” 单点突破 四、行业洞察：为什么是现在？ * 技术成熟度：大语言模型实现复杂对话理解与多轮协商，突破早期 AI 工具瓶颈 * 市场接受度：用户对 AI agent 的接受度飙升，告别 “人工替代” 的违和感 * 网络效应：从 “单机日程管理” 到 “AI agent 联机协商”，用户越多效率越高 五、未来展望：时间社交网络的无限可能 * 时间图谱：通过见面频率、优先级排序，构建比 LinkedIn 更真实的社交关系网络 * 增长逻辑：病毒式传播 + 高客单价（个人 1000 美元 / 年，团队 5000 美元 / 年） * 跨界延伸：从时间协调到资源匹配（会议室、设备、项目资源）的 AI agent 生态 * 争议与平衡：自动化与人类自主性的边界探索 关键金句 1. “我们的时间已经数字化了，却像站在同一房间里写纸条交流 —— 低效且荒谬。” 2. “日程安排是零容错游戏，一次失误就会毁掉用户信任。” 3. “日历是最后一个未被开发的社交网络，时间图谱比任何静态社交数据都真实。” 4. “Blockit 不是替代软件，而是替代人的劳动 —— 这是它的核心价值。” 延伸思考 * 当会议协调零成本，我们会陷入 “会议过载” 还是 “更精准的时间分配”？ * AI agent 掌握核心日程数据，如何平衡效率与隐私安全？ * 垂直领域的 AI agent（如时间、招聘、谈判），是否会取代通用型 AI 工具？

本期播客核心话题 聚焦印度创业公司 Emergent 的爆发式增长，解析 Vibe Coding（氛围编程）如何颠覆软件开发模式，以及非技术用户构建应用的全新可能。 关键嘉宾视角（隐含核心人物：Emergent 联合创始人 Mukund Jha） * 对 Vibe Coding 的本质定义：用自然语言与 AI 对话即可构建软件，无需关注代码，仅通过反馈优化结果。 * 产品定位逻辑：不与开发者工具竞争，专注为非技术用户抽象软件开发生命周期，解决 “想做应用却不懂技术” 的市场空白。 * 产品市场契合度的核心标准：能持续提价却不流失用户，证明价值远超用户付费成本。 本期核心看点 1. 增长奇迹背后的数据产品推出 90 天实现 1500 万美元 ARR，7 个月突破 5000 万美金 ARR，成为全球增长最快创业公司之一。 上线至今超 100 万用户构建 150 万个生产级应用，覆盖电商、AI 聊天机器人、健康追踪等多领域。 2 个月内 100 万注册用户，2 万付费用户，从 10 美元到 200 美元的定价策略持续生效。 2. Vibe Coding：软件开发的范式革命源于 Andrej Karpathy 的概念：自然语言指令 + AIagent 执行 + 反馈优化，无需一行代码。 技术突破：从零构建顶尖 coding agent（拿下 Sweet Bench 编程基准测试世界第一），端到端自主技术栈覆盖开发全流程（部署、测试、bug 修复）。 与传统工具的差异：不只是生成原型，而是直接交付可生产使用的应用，AI 自动处理技术细节。 3. 增长策略的关键动作发布前：3 周组建增长团队，2 周邀请码机制 + 100-200 组 A/B 测试，精准匹配创作者与内容类型。 发布日：借力人际网络 + 平台算法反向工程，实现 2 万注册（超目标 1 倍）。 后续留存：CRM 系统精细化运营（预热邮箱避免垃圾邮件），“Made with Emergent” 徽章带来 4-5% 自然流量。 4. 竞争优势与未来布局核心优势：端到端全生命周期管理、自主技术栈的灵活性、非技术用户的极致体验。 竞争格局：应对 Lovable、Replit、Canva 等对手，聚焦差异化定位。 未来方向：优化应用实际使用率、推出头脑风暴模式降低门槛、搭建应用发现与变现生态（类似 App Store）。 延伸思考与讨论点 * Vibe Coding 会取代传统软件开发吗？复杂应用与中小型应用的开发边界如何变化？ * 当软件构建成本趋近于零时，会催生哪些全新的应用场景和商业模式？ * 非技术用户开发的应用，如何解决长期维护、质量一致性等问题？ * 印度创业公司的技术深度与长期主义，对全球科技创业的启示。

本期核心观点 * AI 正在重新激活曾被视为 “死亡赛道” 的海外 C 端产品，开启消费互联网第二次黄金时代。 * 创作门槛大幅降低，普通人也能成为创作者，内容生产迎来民主化。 * 分发逻辑从依赖平台开放 API，转向依靠算法流量与中小创作者生态。 * 沉睡个人数据（健康、照片、位置等）+ LLM 是被严重低估的创业方向。 * 旧赛道（邮件、浏览器、笔记等）正被 AI 重新定义，存在大量结构性机会。 时间线 & 要点 1. C 端创业为何沉寂多年过去十年资本集中涌向 B2B/SaaS，C 端被认为时机难控、分发风险高。 平台收紧 API，获客成本高，增长不可预测。 2. Anchor 案例：从濒死到被 Spotify 收购初心是做社交音频平台，用户只创作、不消费，陷入困境。 放弃原愿景，专注做播客分发工具，先用人工手动提交 RSS 实现冷启动。 验证 “做不可扩展的事”，找到 PMF 后快速规模化。 3. AI 如何重构 C 端产品创作民主化：如 Suno 让普通人一键生成音乐，类比 Instagram 降低拍照创作门槛。 留存与付费：AI 个性化提升粘性，订阅模式成立。 新品类出现：AI 重新定义邮件、浏览器等 “坟场赛道”。 4. 新分发逻辑：算法流量 + 中小创作者依靠 TikTok/Instagram/ X 等平台算法做冷启动。 优先合作 1000–10000 粉的中小创作者，性价比更高。 尽早测试平台规则，不必等产品 “完美” 再发布。 5. 社交媒体三阶段1.0：社交图谱（好友 / 关注） 2.0：推荐算法（兴趣分发） 3.0：AI 实时生成内容（为用户动态定制 Feed） 6. 下一波机会：数据集 + LLM激活个人数据：健康、照片、位置、消费记录。 代表方向：AI 健康助手、基于地理位置的实时推荐、个人知识库。 挑战：隐私信任、数据孤岛。 7. 给 C 端创业者的建议重新审视 “已被解决” 的旧赛道，AI 可带来根本性差异。 押注优秀产品团队，而非单一想法。 小步快跑、快速实验，把握 AI 时代的节奏与时机。 金句 * “消费者产品最难的不是识别趋势，而是把时机把握对。” * “AI 正在让创作民主化，就像当年 Instagram 让拍照变简单。” * “以前不可行的 C 端创意，现在突然变得可行。” * “重新审视那些被忽视的领域，AI 带来了全新机会。” 延伸阅读 / 相关 * 文章来源：深思圈《海外 C 端创业的复兴：AI 如何让不可能变为可能》 * 案例：Anchor（播客工具）、Suno（AI 音乐）

本期主题 AI 应用爆发背后的商业逻辑：为什么现在是软件行业最剧烈的范式转变？a16z 最新洞察拆解 AI 创业与投资的核心机会 核心看点 1. 软件行业的第五次浪潮：从 PC、互联网、云计算、移动到 AI 时代的演进逻辑 2. AI 应用爆发的关键拐点：从 “有趣演示” 到 “企业必备工具” 的质变 3. a16z 三大投资主题：AI native 转型、软件替代劳动力、专有数据护城河 4. 企业与消费者 AI 的机会差异及落地案例 5. 创业公司如何对抗大模型巨头？聚合器优势与护城河构建 关键数据与趋势 * 全球 15% 的成年人每周使用 ChatGPT， adoption 速度创历史纪录 * 2025 年 1 月成为企业 AI 支出增长拐点，成熟企业加速落地 AI 工具 * 传统软件转 AI native 的速度将远超云计算时代，无行业抵触情绪 * 软件替代劳动力创造全新定价区间：介于传统软件（数百 - 数千美元 / 年）与人力成本（数万美元 / 年）之间 核心案例拆解 1. 传统软件 AI native 转型 * Reel：AI 原生 ERP 系统，针对 50 人以上企业的转折点需求，以 50 个 AI 自动功能挑战 NetSuite * Krea：AI 原生设计工具，成为年轻设计师的首选，替代传统 Photoshop 2. 软件替代劳动力（全新市场） * Eve：原告律师 AI 解决方案，端到端工作流覆盖案件筛选、证据收集、文书起草，效率提升 5 倍 + * Salient：汽车贷款催收 AI，支持 21 种语言 + 实时合规适配，催收率提升 50%，核心壁垒是法规数据与通话经验 3. 专有数据护城河（围墙花园） * OpenEvidence：独家授权医学期刊数据，成为循证医疗领域的必备工具 * VLEX：聚合西班牙法律判例数据，AI 赋能后收入增长 5 倍 * Slingshot：通过治疗师笔记训练 AI 治疗师，专有数据构建差异化优势 金句摘录 * “最好的公司拥有的是人质，而不是客户 —— 成为企业记录系统的公司具备天然护城河” * “人们想要两件事：更富有和更懒惰，AI 正好解锁了这个可能性” * “数据一直有价值，但 AI 让同样的数据创造 10 倍甚至 100 倍价值 —— 从提供原材料到交付完成品” * “没有人会告诉你正活在美好的旧时光里，直到这些时光过去 ——AI 时代正是历史性转折点” 延伸讨论 1. 创业公司如何避免被 OpenAI、微软等巨头吞并？聚合器模式的核心优势 2. AI 替代劳动力会引发失业潮吗？历史规律：技术革命创造新职业而非消灭工作 3. 消费级 AI 的三大机会：传统品类 AI 化、全新品类创造、专有数据驱动 4. 护城河的本质：数据、工作流、网络效应、领域专业知识，缺一不可

本期主题 前亚马逊华人高管打造 AI 原生电商基础设施，1500 万美元融资背后，电商行业正在发生的三大根本性转变 核心看点 1. 一家 6 人团队的创业公司，如何签下 REVOLVE、Alexander Wang 等 9 家头部客户，实现 38 亿美元交易额支撑？ 2. 传统电商网站的 “致命脱节”：为什么你花大价钱引来的流量，最终都流失在首页？ 3. 实时生成专属店铺的 AI 黑科技：ProductGPT 如何让转化率提升 50%、广告回报率翻倍？ 4. 从 “目的地电商” 到 “旅程式电商”，AI Agent 正在成为品牌与消费者的新界面 内容结构 一、案例速览：Spangle AI 的爆发式增长 * 融资动态：A 轮 1500 万美元，估值达 1 亿美元，9 个月内拿下 9 家核心客户 * 核心数据：转化率提升 50%、广告 ROI 翻倍、客单价增长 15%、月度流量增长 57% * 团队背景：创始人 Maju Kuruvilla（前亚马逊副总裁）+ Fei Wang（前亚马逊首席工程师、Saks Off Fifth CTO），深耕电商 AI 领域十余年 二、行业痛点：传统电商架构为何失效？ * 消费者路径巨变：从 “搜索→官网” 的线性流程，转向 “TikTok/AI 工具 / 社交平台→官网” 的碎片化旅程 * 静态网站的硬伤：无法承接跨渠道用户的即时意图，导致广告流量 “承接失效” * 效率浪费：品牌每年花费数亿营销预算引流，却因体验脱节损失大量潜在订单 三、创新解法：Spangle 的 AI 原生逻辑 * 反常识设计：不导向固定产品页，而是动态生成 “空白画布”，AI 实时填充内容 * 核心技术：ProductGPT 专有模型（品牌定制化训练，学习产品目录 + 广告上下文 + 消费者意图） * 关键优势：无需用户历史数据，仅凭实时上下文（来源渠道、搜索关键词、行为模式）实现新客个性化 四、行业趋势：电商正在经历的三大转变 1. 从 “目的地” 到 “旅程节点”：官网不再是起点，而是跨渠道购物的承接终端 2. 从 “静态展示” 到 “动态生成”：每个用户看到的都是专属实时体验 3. 从 “人工优化” 到 “AI 自主决策”：告别手动设计页面，AI 处理多渠道复杂性 五、深层思考：AI Agent 重构电商未来 * 人机交互新范式：未来可能是 “个人 AI 助手替你购物”，品牌需适配机器 Agent 的访问逻辑 * 基础设施升级：Spangle 的野心 —— 成为 “AI 时代的 Shopify”，构建跨场景智能层 * 网络效应：用户互动越多→AI 学习越快→转化效果越好→吸引更多客户的正向循环 六、挑战与展望 * 现存挑战：规模化服务能力、技术持续领先性、市场教育成本 * 长期价值：AI 不仅提升转化率，更重构 “人性化购物体验” * 投资者视角：客户主动扩展使用场景 + 数据护城河，是最核心的增长动力 金句摘录 1. “问题在于，网站的设计并不是为了延续一段起源于其他地方的购物旅程。”——Maju Kuruvilla 2. “真正重要的系统，是那些能够跨越发现、参与和转化运作，并随着条件变化实时学习的系统。”——Scott Jacobson（Madrona 董事总经理） 3. “AI 时代的创业，关键不在于酷炫演示，而在于用 AI 解决真实痛点，带来可衡量的价值。”

本期播客核心亮点 * 一个 “极简到令人吃惊” 的 AI 教学应用 Corsif，以游戏化方式教老年人用 ChatGPT，实现月入 30 万美元（MRR） * 不靠技术创新，而是靠精准用户定位、高效营销策略和低摩擦体验，成为 AI 普及赛道的黑马 * 拆解 “产品 + 营销 + 增长 + 转化” 全链路逻辑，揭秘普通人可复用的商业思维 一、案例核心：Corsif 是什么？ * 产品本质：无 AI 技术集成，仅将免费的 ChatGPT/Midjourney/ElevenLabs 教程，包装成结构化、游戏化课程（填空练习 + 徽章奖励 + 进度条） * 目标用户：婴儿潮一代（Boomers）—— 知道 AI 重要但不愿主动搜索、害怕碎片化学习的 “懒人用户” * 核心价值：降低学习门槛，提供 “确定性进步感”，而非传授独家知识 二、成功关键拆解（4 大核心逻辑） 1. 产品策略：简单即是竞争力 * 反内卷思路：不做复杂功能，聚焦 “消除学习摩擦”—— 线性课程 + 手把手引导，替代 YouTube 碎片化教程 * 价值本质：卖 “体验” 而非 “知识”—— 用户付费购买的是 “跟上时代的安全感”“使用高科技的成就感” * 参考标杆：Duolingo 的游戏化逻辑 —— 用打卡、徽章让 “持续学习” 本身成为奖励 2. 营销策略：营销即产品，创造 “顿悟时刻” * 核心逻辑：用户不为知识付费，而为 “关心 AI 的理由” 付费 * 广告痛点直击：强调 “不学 AI 会被淘汰”“AI 帮你升职 / 加薪 / 省时间”，将抽象学习转化为具体利益 * 关键动作：用 “紧迫感 + 相关性” 触发用户行动，而非单纯推广课程 3. 增长策略：放弃有机流量，all in 付费广告 * 反主流选择：不做 TikTok/Instagram 病毒式内容，专注全平台付费广告（TikTok/FB/Google/YouTube 搜索） * 核心原因：目标用户（婴儿潮一代）不依赖短视频种草，更易被精准广告触达 * 优势：付费广告可快速试错（50 美元测试 5 个广告概念）、数据反馈即时，成本低于网红合作 / 海量内容生产 4. 创意生产：AI 驱动的自动化广告工厂 * 工具组合：Arcads（AI 虚拟主播）+ Canva（简单图形）+ CapCut（剪辑）+ AI 脚本生成 * 效率优势：1 人 15 分钟产出 1 条广告，每天测试 50 种变体（换主播 / 开场白 / 场景） * 规模化逻辑：后期可外包给低成本团队，实现 “创意工业化生产” 5. 转化漏斗：两套链路最大化收益 渠道移动端漏斗网页端漏斗（核心）流量来源应用商店搜索用户付费广告流量优势精准需求用户规避 30% 平台税、灵活修改引导流程、更长销售页面关键设计应用内付费问卷锚定目标（买房 / 度假等）→ 信任建立 → 按日定价（降低决策门槛）→ 追加销售（19.99 美元 AI 套装） 三、核心洞察（刷新认知的 5 个观点） 1. 信息过载时代，“筛选 + 组织信息” 的价值 > 信息本身 2. 晚期大众（如婴儿潮一代）是被忽视的黄金市场：规模大、付费能力强、决策周期短 3. 人们不为学习而学习，只为解决问题而学习 —— 营销要链接 “学习” 与 “具体利益” 4. AI 工具让创业门槛大幅降低：1 人即可完成传统广告公司的规模化创意生产 5. AI 时代的新机会：不是做技术先锋，而是做 “技术普及者” 四、实用建议（适用于产品 / 内容 / 创业） 1. 产品端：不要过度复杂化，聚焦 “解决用户真正痛点”，把一个核心价值做到极致 2. 营销端：从 “推广产品” 转向 “创造需求”，用具体利益触发用户行动 3. 增长端：不盲目跟风 “最佳实践”，根据目标用户行为选择渠道（如老年用户适配付费广告） 4. 效率端：用 AI 工具自动化重复工作（内容生成 / 广告制作），把精力放在 “测试 + 数据分析” 5. 定位端：寻找被忽视的细分市场，避开红海竞争（如 AI 赛道避开年轻人，聚焦老年人）

核心话题 * 成功手机APP的共同特征：用户需求、产品设计、增长策略 * 从想法到产品：APP开发的关键决策点 * 用户增长的方法论：获客、激活、留存、变现 * APP市场的竞争格局：如何在红海中找到机会 关键亮点 * 产品市场契合度：如何验证APP想法真正被需要 * 用户体验设计：成功APP的体验设计原则 * 增长黑客技巧：低成本获取用户的方法 * 商业模式选择：订阅、广告、内购、免费增值的利弊 深度思考 * APP时代是否已经结束？新的机会在哪里 * 超级APP vs垂直APP：用户真正需要什么 * 隐私监管对APP商业模式的影响 * AI时代的APP形态：从图标到对话界面 适合人群 移动开发者、产品经理、APP创业者、增长负责人、移动互联网观察者

核心话题 * Uare.ai从提供数字遗产服务到个人AI助手的产品演进 * 死亡科技的需求洞察：人们想留下什么，如何被记住 * 个人AI的愿景：基于个人数据训练的专属智能体 * 数据、记忆与身份：AI如何延续一个人的思维方式 关键亮点 * 数字遗产的管理：账户、文件、记忆的整理与传承 * 个人AI的训练：如何让AI学习你的思考和表达方式 * 隐私与安全：个人数据的保护机制 * 应用场景拓展：从纪念到日常助手的功能演化 深度思考 * 数字永生的意义：AI复刻的"你"还是你吗 * 个人AI的伦理边界：去世后的AI应该如何使用 * 数据所有权：个人数据应该如何被利用和保护 * 个人AI的未来：每个人都会有自己的AI分身吗 适合人群 对生命意义感兴趣的听众、隐私保护关注者、AI伦理研究者、个人知识管理爱好者

核心话题 * 《Profit AI》书籍核心观点：AI时代的创业逻辑有何不同 * 从追求规模到追求利润：商业模式的根本性转变 * AI如何降低创业门槛：小团队也能做大事 * Profit AI的创业策略：精益、高效、可持续增长 关键亮点 * 利润优先的创业思维：为什么现在不需要"烧钱换增长" * AI工具带来的成本结构变化：边际成本趋近于零的影响 * 小而美的创业模式：如何用AI实现高利润低成本 * 创业者的新技能要求：AI时代需要什么样的能力 深度思考 * VC驱动的创业模式是否已过时？ * 独立创业与VC支持创业：未来哪种更主流 * AI创业的护城河：技术门槛降低后如何建立竞争优势 * 创业的目的：增长、利润、还是自由 适合人群 创业者、投资人、商业策略研究者、对新商业模式感兴趣的听众

核心话题 * SuperMe如何用AI技术改造职业社交网络 * LinkedIn的局限：信息过载、低质量连接、被动推荐 * AI驱动的职业发展：智能推荐、技能图谱、机会匹配 * 职业网络的新形态：从简历展示到能力验证与持续成长 关键亮点 * 智能职业建议：AI分析你的背景并推荐发展路径 * 精准人脉推荐：不只是二度连接，而是真正有价值的人 * 技能与机会匹配：从被动求职到主动被发现 * 职业成长追踪：可视化你的技能进步和职业发展 深度思考 * 职业社交的本质价值：连接、机会、还是知识 * AI能否解决职业网络的"弱连接"问题 * 隐私与透明的平衡：职业信息的分享边界在哪里 * 职业网络的未来：会出现新的LinkedIn吗 适合人群 职场人士、求职者、招聘方、职业发展顾问、社交网络产品关注者

核心话题 * Chris Degnan作为Snowflake首位销售，如何将公司从0做到40亿美元ARR * 在11年中经历4任CEO，如何保持CRO职位的秘密 * 三大成功要素：世界级产品、GTM机器、可辅导的文化 * 导师John McMahon的核心建议："提出好问题，接受反馈，采取行动" 关键亮点 * 非妥协标准：每周8次客户会议，无论如何都要达成 * 首批员工必须构建系统：不是执行者，而是系统构建者 * GTM机器的本质：不是明星销售，而是可复制的流程和系统化执行 * 文化特质：可辅导性、紧迫感、低自我意识——长期成功的关键 深度思考 * 为什么系统胜过个人？可复制的流程为何比明星员工更重要 * 如何在不同CEO领导风格下保持成功？适应力的本质是什么 * 早期就要有扩张思维：从第一天就建立可扩展的系统 * 保持客户连接：无论公司发展到什么阶段，都要与客户保持直接联系 适合人群 SaaS创业者、销售管理者、增长负责人、CRO/VP Sales、投资人

核心话题 * 连续创业者卖掉上一家公司后，为何再次创业做Trigger.dev * AI Agent开发的巨大误解：Demo很容易，生产环境却极其复杂 * 核心痛点："如何让复杂的异步任务既简单又可靠？" * 30,000名开发者，每月执行数亿次AI任务的验证 关键亮点 * Standard Capital领投1600万美元：A轮融资展示投资者对AI基础设施的信心 * 开源策略：代码公开透明，社区驱动发展，建立开发者信任 * 完美平衡：在开发者体验和系统可靠性之间找到最佳平衡点 * Roadmap三大方向：可观测性、沙盒执行、上下文管理——构建复杂AI agent的真实痛点 深度思考 * Demo≠生产：很多人低估了从demo到生产的距离 * 基础设施很重要：AI应用的成功不只是模型，基础设施同样关键 * 开发者体验决定成败：再强大的工具，如果难用也不会被采用 * AI基础设施的重要性：不能用传统工具解决AI问题 适合人群 AI应用开发者、后端工程师、DevOps工程师、技术创业者