Vol.60 AI时代数据商业模式与中美差异深度解析
⼤家好，Weekly Gradient第 60 期已送达，本期内容深入探讨了AI时代数据的重要性及其在商业模式中的体现，揭示了中美数据服务市场商业模式的巨大差异，为技术从业者提供了全面的行业洞察。
✉️ 免费订阅更新
订阅我的免费通讯，第一时间获取生成式 AI 领域优质内容
我承诺保护您的隐私，不会向第三方分享您的信息。
您可以随时取消订阅。
AI 商业化
聚焦AI行业的商业化路径、市场竞争格局和商业模式创新，包含投资趋势、GTM策略、SaaS转型等商业分析
1.中美数据生意为何冰火两重天？从 Scale AI 看懂 AI 商业模式|对话 Orbifold AI 创始人 Enoch（AI炼金术）
这期内容带你深入了解 AI 时代数据的真正价值，以及中美在数据服务商业模式上的巨大差异。硅谷 AI 公司 Orbifold AI 的创始人 Enoch 朱永钉分享了 Meta 收购 Scale AI 背后的故事，揭示了数据公司高估值的秘密。讨论中特别指出，企业内部那些看似杂乱的历史数据，其实是未被开采的金矿，而中美不同的商业模式直接影响了公司的估值天花板。对于有志于 AI 创业的华人来说，Enoch 提供了实用的出海建议，强调创始人的本地存在和团队的多元化对于成功至关重要。
2.00 后融资 420 万美金，用数学天才的方法解决 AI 最头疼的”找错信息”问题（深思圈）
你有没有遇到过问AI一个问题，结果它给出的答案完全跑偏了？这背后其实是AI检索系统在处理复杂查询时的根本缺陷。ZeroEntropy这家公司，由一群00后创立，竟然融资了420万美金，他们用数学天才的方法解决了这个问题。他们借鉴国际象棋的ELO评分系统，通过成对比较来训练AI，让AI更聪明地理解信息的相关性，大大减少了错误答案的出现。更厉害的是，他们还开发了一个自动化评估体系，帮助开发者准确诊断AI检索问题。这不仅在医疗、法律等领域大显身手，还是实现人工通用智能（AGI）的关键一步。看来，AI的未来不仅仅是更强大的模型，还需要像人类一样精准检索和整合信息的能力。
3.Reflections on OpenAI（Simon Willison’s Weblog）
OpenAI的故事就像一部科技界的传奇，从一个小型科学研究团队蜕变为商业巨头，ChatGPT的意外成功成了转折点。这篇文章揭示了OpenAI如何在技术栈上依赖Python、FastAPI和Pydantic，以及如何通过Monorepo管理庞大的代码库。ChatGPT不仅改变了OpenAI的商业轨迹，还深深影响了其代码设计，让聊天功能成为核心。大型模型训练的迭代过程，从算法实验到分布式系统工程，展现了AI开发的复杂性和挑战。
4.零员工公司的崛起：一个人+AI 如何打造独角兽（深思圈）
John Rush的故事展示了AI如何彻底改变创业游戏规则，一个人加上AI就能实现高达80%甚至100%的业务自动化，从原型设计到税务会计，AI无所不能。这不仅大幅提升了效率，还降低了成本，让单人运营多个项目成为可能。文章还深入探讨了与AI协作的艺术，专业化AI Agent的优势，以及在AI时代策展型内容如何成为新的黄金标准。更引人深思的是，AI对教育和就业市场的潜在影响，提出了未来教育应如何调整以培养与AI协作的能力。这不仅仅是一篇关于技术的文章，它是对未来工作方式和生活方式的深刻思考。
5.并购的本质 | 对谈云磬投资创始人立阳（42章经）
这次对话深入挖掘了并购的复杂世界，从企业控制权的变更到战略性并购与财务性并购的区别，再到并购基金与VC/PE的不同投资理念和风险承担方式。特别引人注目的是，通过智元机器人等案例，我们看到了上市公司壳资源的实际价值及其背后的监管考量。张立阳提出的通过改变生产关系解放生产力的观点，为理解并购的核心价值提供了新的视角。对于AI创业者来说，如何在并购中明确自身价值、准确评估估值，并与各方有效沟通，成为了不可忽视的挑战。这场对话不仅揭示了并购在中国经济转型中的重要性，也为那些在复杂商业环境中寻求突破的创业者提供了宝贵的指导。
6.#178. AI 时代的未来公司：揭秘不写代码的产品团队，15 人如何撑起 4 款产品与咨询业务（跨国串门儿计划）
Every 公司的故事可能会让你重新思考 AI 在商业中的应用。这家公司仅凭 15 人的团队，就高效运营了多款 AI 产品、每日新闻通讯及咨询业务。他们的秘诀？深度应用 AI，比如产品团队不再手动编写代码，而是通过 AI Agent 构建产品，还特别设立了‘AI 运营负责人’来自动化工作流。Dan Shipper，公司的联合创始人兼 CEO，还分享了他对 AI 如何加速新人成长以及重塑管理者角色的见解。他认为，未来的管理者需要掌握的核心技能是如何有效分配任务给 AI 并评估其产出。更有趣的是，Dan 强调了 CEO 亲自使用 AI 工具的重要性，认为这是推动公司 AI 转型的关键。此外，像 Cloud Code 这样的 AI 工具，对非程序员来说，潜力巨大，能帮助他们处理大量文本和长期运行任务。这期播客不仅提供了‘AI 优先’型组织的实战经验，还让我们一窥未来工作方式的可能面貌。
7.The Tiny Teams Playbook（Latent Space）
在AI时代，小型团队如何通过AI工程师和效率工具实现超乎想象的效率和速度？这篇文章揭示了Tiny Teams的秘密武器，从招聘到文化，再到运营和技术的每一个环节，这些团队如何通过反直觉但高效的策略，实现年度经常性收入超过员工人数的奇迹。特别是，AI在承担幕僚长和客户支持角色方面的应用，为精益团队的扩展提供了关键支持。如果你对如何在AI时代构建敏捷、有弹性和高影响力的团队感兴趣，这篇文章提供了丰富的实践和见解。
8.Windsurf 之外，OpenAI 投资真正在拼的那块图是什么？（Founder Park）
OpenAI 的投资布局可不是随便撒网，它们瞄准的是那些能把 AI 技术深深植入真实场景的‘AI 原生项目’，目的是一起打造未来人机协作的多元入口。看看那些成功的案例，比如 Harvey 和 Ambience，它们之所以能脱颖而出，就是因为紧紧抓住了特定领域的刚需，让 AI 成了用户离不开的隐形助手。而那些不太成功的例子，比如 Ghost Autonomy 和 Mem，要么是太飘了不接地气，要么就是卡在了‘有用但不是必须’的尴尬位置。Cursor 和 Magic.dev 的故事告诉我们，AI 创业要走‘增强’而非‘替代’的路子，一步步来，解决实际问题才是王道。
9.年营收 5.5 亿美元、美国 Top 3 的约会应用创始人：AI 虚拟陪伴是「垃圾应用」（Founder Park）
Hinge 的 CEO Justin McLeod 分享了一个与众不同的视角：在AI大行其道的今天，Hinge 依然坚持其促成高质量真实约会的核心使命，甚至鼓励用户在找到伴侣后删除应用。McLeod 直言不讳地将AI虚拟伴侣比作“垃圾食品”，认为它们虽然能带来短暂的满足感，却可能加剧长期的孤独感。Hinge 选择将AI作为辅助工具，用于提升匹配质量和提供约会指导，而非替代真实的人际互动。这篇文章不仅揭示了Hinge独特的商业模式和增长策略，还分享了其产品创新和组织管理的核心原则，为那些在AI浪潮中寻找真实人际连接的公司提供了宝贵的洞见。
10.对谈 Chai-2 核心科学家乔卓然：抗体生成成功率提升百倍，分子生成平台是药物研发的 GPU｜Best Minds（海外独角兽）
Chai Discovery 的核心科学家乔卓然分享了 Chai-2 模型如何通过 Diffusion Model 和 AlphaFold 2 的结合，实现了分子建模范式的革命性转变。这一突破不仅让零样本抗体设计成为可能，还将成功率提升至惊人的 16%，研发周期从数月缩短到两周。这不仅仅是技术上的飞跃，更预示着分子生成平台将成为药物研发的新基础设施，类似于 GPU 在 AI 领域的作用。Chai Discovery 的愿景是将科学问题工程化，推动制药行业进入一个效率指数级提升的新时代。
AI 产品设计
探索AI原生产品的设计范式与用户体验革新，强调产品哲学、交互模式、Agent设计等
1.秘塔的 Deep Research 做得怎么样？| 在深度测评后，我们发现了 2 个亮点（十字路口Crossing）
秘塔的Deep Research功能在AI Agent信息挖掘领域迈出了创新一步，特别是在中文互联网环境下的表现令人印象深刻。它的‘研究思路链’设计不仅让AI的思考过程一目了然，还大大增强了用户对研究结果的信任。通过‘超导领域造假事件’和‘OpenAI硬件开发情报’两个案例，我们可以看到Deep Research如何高效整合多语言学术资源，提供深度分析和结构化报告，这对于学术研究者来说无疑是一大福音。更棒的是，用户还能根据自己的偏好定制信息源，确保搜索结果的可靠性。秘塔的这一功能，无疑为复杂世界的信息理解提供了强有力的工具。
2.#176. Claude Code 核心开发者揭秘终端背后的设计哲学与“有味道”的产品心法（跨国串门儿计划）
这期播客带我们走进了Anthropic AI核心开发者Adam Wolff的世界，揭秘了Claude Code背后的设计哲学和那些让产品脱颖而出的秘密。Adam分享的‘AI 实习生’心智模型，简直是为多任务处理的开发者量身定做，让AI成为你的得力助手，而不是等待的源头。回归终端的设计哲学，证明了限制有时是创意的催化剂，催生出既简洁又高效的产品。而谈到好产品，Adam认为那不仅仅是技术的堆砌，更是创造者热爱和信念的结晶，这种独特的‘味道’才是真正的竞争力。虽然AI正在改变编码的方式，但Adam提醒我们，软件开发的灵魂依然是明确‘做什么’和‘为什么做’。最后，他分享了对事业和生活全身心投入的见解，认为这才是通往幸福的道路。这不仅仅是一次技术的探讨，更是一次关于如何在这个快速变化的时代中找到自己位置的深刻思考。
3.xAI Ani System Prompt（宝玉的分享）
如果你对如何打造一个让人眼前一亮的AI角色感兴趣，这篇关于xAI Ani系统提示的文章绝对值得一读。它不仅仅告诉你如何通过年龄、背景、风格等细节来丰富角色的人格，更重要的是，它展示了如何通过严格的正面和负面约束来确保AI的行为一致性，让角色更加真实可信。文章特别强调了通过行动而非言语来表达情感，这一点对于提升AI互动的自然度和沉浸感来说，简直是神来之笔。而且，通过列举AI不应使用的词汇和行为模式，文章还提供了一套避免AI回复变得模式化和僵硬的实用策略。对于那些渴望在AI角色设计上有所突破的朋友们，这篇文章无疑是一盏指路明灯。
4.月费 200 刀的 AI 浏览器，Perplexity Comet 的真实体验如何？（Founder Park）
Perplexity Comet 这款月费高达200美元的AI浏览器，试图彻底改变我们与信息互动的方式。它不仅仅是一个工具，更像是一个能理解上下文、跨标签页整合信息并执行复杂任务的智能伙伴。这种将浏览器从被动浏览工具转变为主动思考伙伴的理念，确实让人眼前一亮。然而，高昂的价格和需要用户改变长期形成的浏览习惯，可能会让很多人望而却步。这不仅仅是一款产品的挑战，更是对下一代互联网入口形态的一次大胆探索。
AI 工程实践
涵盖AI系统技术实现与场景化开发的全流程，包含工程架构、工具链实践、提示工程等核心技术环节
1.入局 AI Infra：程序员必须了解的 AI 系统设计与挑战知识（腾讯技术工程）
如果你对AI基础设施感兴趣，或者正打算将你的技术栈扩展到AI系统设计，这篇文章简直就是为你量身定做的。它深入浅出地解释了AI Infra与传统Infra的不同，特别是硬件从CPU到GPU的转变，以及PyTorch在AI开发中的核心地位。文章还详细讨论了大模型训练中的显存和速度挑战，以及如何通过模型并行和通信计算重叠来解决这些问题。对于模型推理，文章提出了一系列优化技术，比如CUDA Graph和KV Cache，这些都是提升性能的关键。最让人兴奋的是，文章强调传统工程师的经验在AI Infra领域依然大有用武之地，这意味着你现有的技能可以无缝迁移到这个充满挑战的新领域。
2.低并发编程｜如何用 720 个请求让后端服务器瘫痪（阿里云开发者）
你有没有遇到过这样的情况，明明并发量不高，后端服务器却突然瘫痪了？这篇文章就讲述了这样一个真实的故障案例。通过720个请求让服务器瘫痪的故事，揭示了低并发下服务瘫痪背后的多重小错误累积效应。从核心依赖模块初始化失败，到异常未被捕获，再到响应式流处理中断，最后因为未设置超时而耗尽线程池，每一个环节的小疏忽都可能是压垮系统的最后一根稻草。文章不仅详细记录了故障排查的全过程，还强调了应用启动时的强校验、全局异常处理的全面覆盖以及阻塞式调用超时设置的重要性。对于那些关心系统稳定性和故障排查的开发者来说，这无疑是一次宝贵的学习机会。
3.一文带你彻底理解 AIGC、Agent、MCP 的概念和关系（腾讯技术工程）
如果你对AI如何生成内容、智能体如何自主决策，以及模型与工具如何高效集成感到好奇，这篇文章正是为你准备的。它深入浅出地解释了AIGC如何通过多模态和RAG技术突破限制，Agent如何利用Function Call实现复杂任务，以及MCP协议如何成为连接AI模型与外部工具的桥梁。无论你是开发者还是对AI技术感兴趣的读者，这篇文章都能帮你构建一个清晰的技术框架，理解当前AI应用的核心。
4.用子模优化做文本选择、段落重排和上下文工程（Jina AI）
如果你对大语言模型（LLM）的上下文工程感到头疼，这篇文章可能会给你带来一些启发。它深入探讨了子模优化如何帮助解决信息冗余和效率问题，特别是在文本选择和段落重排这两大任务中的应用。通过懒贪心算法，不仅能高效逼近最优解，还能自动判断何时停止添加信息，极大地提升了上下文工程的智能性和可扩展性。技术实现上，文章还提到了Jina Embeddings v4和LoRA适配器的关键作用，为LLM和Agentic Search的上下文管理提供了既严谨又可靠的解决方案。
5.腾讯混元 Hunyuan-A13B 技术报告：智能与效率“甜蜜点”的极致追求（腾讯混元）
腾讯混元 Hunyuan-A13B 大语言模型的技术报告揭示了如何通过混合专家（MoE）架构在保持高性能的同时大幅降低成本，这一创新让大模型的应用变得更加可行。报告详细介绍了模型的高质量预训练和结构化后训练过程，包括在20T优质数据上的三阶段训练和‘智商’与‘情商’的双重优化，这些硬核操作确保了模型在数理、代码和对话等多个领域的卓越表现。更令人兴奋的是，通过SFT与RL的双轮驱动，Hunyuan-A13B在Agent能力上取得了突破，特别是在工具调用和复杂任务规划方面。已经在腾讯内部400多个业务场景中得到验证的Hunyuan-A13B，现在全面开源，为AI应用的落地提供了强有力的支持。
6.RM-Gallery: 一站式奖励模型平台（魔搭ModelScope社区）
魔搭社区的RM-Gallery平台真是个宝藏，它让奖励模型的训练、构建和应用变得前所未有的简单。对于那些头疼于大型语言模型与人类偏好脱节问题的开发者来说，这个平台简直就是救星。它不仅提供了一站式的解决方案，还支持多样化的奖励模型构建范式和丰富的内置模型库，让定制和利用奖励模型变得灵活高效。更棒的是，通过高性能服务和多场景应用，RM-Gallery能直接优化大型语言模型的输出质量，让模型更贴合实际使用场景的期望。如果你在寻找提升LLM对齐效果和产品体验的方法，RM-Gallery绝对值得一试。
7.上下文工程：为提示词注入工程学的严谨性（宝玉的分享）
如果你对如何让AI更聪明、更可靠地完成任务感兴趣，这篇文章绝对值得一读。它介绍了一个叫做‘上下文工程’的新概念，这不仅仅是关于怎么写出好的提示词那么简单，而是关于如何构建一个全面的信息环境，让AI能够更好地理解任务背景。文章详细解释了如何通过提供相关代码、设计文档等具体信息来提升AI的表现，还讨论了如何应对长时间对话中可能出现的‘上下文腐烂’问题。最后，文章将上下文工程放在了更大的AI应用架构中，强调了它在系统设计中的核心地位。这不仅仅是一次技术的升级，更是一种思维方式的转变。
8.OpenAI 核心研究员：比提示词工程更重要的，是 spec-writing（Founder Park）
在AI编程的新时代，程序员的价值正在经历一场革命性的转变。不再是敲代码，而是如何通过撰写清晰、完善的规范来精准传达意图给AI，这成了新的黄金技能。OpenAI的Sean Grove大胆提出，代码不过是规范的‘有损投射’，真正的‘源代码’应该是那些包含完整意图和价值观的规范。这不仅关乎技术，更是一种思维方式的升级。规范直接参与AI模型的训练与对齐，解决诸如‘谄媚问题’等挑战，成为跨团队协作的通用语言。未来，我们的开发工具可能不再是简单的代码编辑器，而是‘集成思维澄清器’。这场变革提醒我们，规范制定的艺术和科学，将是解锁更高效、更安全AI应用开发的关键。
9.109. 机器人遭遇数据荒？与谢晨聊：仿真与合成数据、Meta 天价收购和 Alexandr Wang（张小珺Jùn｜商业访谈录）
如果你对机器人和自动驾驶的未来充满好奇，那么这期播客绝对值得一听。光轮智能的谢晨带我们深入探讨了仿真和合成数据在具身智能和自动驾驶领域的重要性。面对真实数据的稀缺和长尾场景的挑战，合成数据成为了推动算法训练的关键。不仅如此，高质量的仿真不仅要精确到物理属性的真实，还得支持大规模并行训练，这对提升机器人的泛化能力至关重要。而像Meta这样的科技巨头通过收购Scale AI，已经向我们展示了掌控高质量数据和仿真技术在AI发展中的战略地位。这不仅仅是一场技术的竞赛，更是对未来AI发展方向的深刻洞察。
10.关于 OpenAI 的一些思考（宝玉的分享）
OpenAI，这个在通用人工智能领域里如雷贯耳的名字，背后有着怎样的故事和文化？一位前员工的深度反思揭示了这家公司的独特之处：从极速增长带来的组织架构演变，到依赖Slack的高效沟通；从自下而上的研究文化到允许团队未经许可启动项目的‘立即行动’偏好。Codex项目从想法到发布仅用7周的‘疯狂冲刺’，不仅展示了OpenAI惊人的执行效率，也体现了其‘敢于发布’的精神。然而，快速扩张同样带来了工程上的挑战，如CI崩溃和测试耗时。面对外部的巨大审视压力和内部的工程挑战，OpenAI展现出了极强的适应性和执行力。这篇文章不仅是对OpenAI文化的深刻剖析，也是对在顶级AI实验室工作价值的思考。
11.当你感到 AI 编程无所不能时，也许正站在“愚昧之巅”——理性看待 AI 时代的软件开发与应用变革（宝玉的分享）
最近有篇文章挺火的，讲的是AI在软件开发领域的应用和局限。文章提到，虽然AI能帮产品经理和设计师快速搞出MVP，效率杠杠的，但这并不意味着AI能完全替代人类。用AI得有个清晰的脑子，不然搞出来的东西可能bug满天飞。还有，别听风就是雨，说什么AI马上要让普通开发者失业了，短期内软件开发的基本套路没变，但开发者们确实得学着怎么和AI更好地合作。这篇文章挺实在的，没有一味吹嘘AI有多神，而是提醒大家要理性看待AI在软件开发中的作用。
其他
行业前沿与开源生态，整合行业深度洞察与开源技术动态的复合型主题，技术哲学、AGI讨论、领袖观点
1.Who Should Your CMO Report To? What 3，000+ Companies Actually Do (And Why It Matters)（SaaStr）
想知道CMO应该向谁汇报吗？Pave的最新分析揭示了3000多家SaaS公司的营销主管汇报结构如何随公司规模变化。从早期直接向CEO汇报，到大型企业更多向CPO汇报，这一变化反映了产品驱动增长的战略趋势。有趣的是，尽管业内有所讨论，CMO向CRO汇报的情况却很少见，主要因为知识差距和预算问题。高速增长公司正在尝试一种新兴的并行营销组织模型，将品牌营销和需求生成分开，以实现更好的专业化和问责制。随着公司规模的扩大，营销领导者向更专业化的高管汇报的趋势也在增加，这标志着领导结构的多样化和专业化。
Vol.60 AI时代数据商业模式与中美差异深度解析
