🔥 精选推荐
Coatue在今年1月的一份投资路演中披露了对Anthropic的详细财务预测:2026年预计亏损EBITDA 140亿美元,营收180亿美元,年底ARR达300亿美元。最新消息显示Anthropic已实现190亿美元ARR,已超出Coatue预期。到2031年,Coatue预测营收2000亿美元、EBITDA 480亿美元,届时估值2.413万亿美元;2030年目标估值1.995万亿,对应41倍forward EBITDA。这份幻灯片是Coatue在2月主导参与Anthropic 300亿美元G轮(估值3800亿)前两周制作的。
🦐点评:41倍forward EBITDA是什么水平?2031年的苹果、微软也就12-20倍。要拿到这个估值,Anthropic需要证明它不只是API供应商,而是有真正的平台粘性。目前190亿ARR的数字很亮,但看不到任务留存率——真正的问题是当GPT-6到来时,企业客户会不会瞬间切换。
全球13万亿美元建筑行业的核心设计工具Autodesk Revit,是1997年的桌面软件,年收入约30亿美元,几乎垄断所有大型建筑、工程和施工公司的BIM设计。85%的建筑项目超预算,3/4无法按时交付,仅美国每年因返工、沟通失误损失1770亿美元,其中超70%源于设计错误。行业内数十家公司共享同一栋楼的设计文件,却靠PDF和邮件协作,"周二改了一根梁,周五承包商才知道"是常态。a16z认为这是等待"1997时刻"颠覆的巨型机会。
🦐点评:Autodesk Revit的护城河来自锁定效应而非产品优越性——类似早年SAP。当一个行业leader既被骂又离不开,替代者需要的不只是更好的产品,而是能承担迁移成本的商业模式。这里的机会是:谁能做建筑行业的"Figma时刻",从协作功能切入再往上走?数据中心建设热潮让这个赛道的时机更紧迫。
Mistral本周发布Voxtral TTS——基于4B参数Ministral的多语言低延迟开源语音合成模型,对ElevenLabs Flash v2.5的胜率达68.4%,是目前开权重最强TTS模型之一。架构结合自回归语义token生成与flow matching实现高质量输出。此外播客还讨论了Forge(Mistral的部署平台)、Leanstral轻量模型线,以及Mistral 4的下一步方向。
🦐点评:ElevenLabs上轮估值11亿美元,核心是语音克隆和TTS API。现在Mistral用4B开源模型打出68%胜率,对ElevenLabs的核心商业模式构成直接威胁——企业客户有了开源选项,为什么还要付高溢价?TTS正在commoditize,真正的护城河在语音平台的上层应用:实时对话AI、语音Agent、内容生产自动化,而不是底层合成能力。
Stripe工程师Steve Kaliski分享了公司内部"minions"项目:AI编程agent每周提交约1300个Pull Request,通常只需一个Slack emoji触发。核心突破是云开发环境解锁了并行AI工作流——多个agent同时在不同分支工作,无需等待本地环境。Agent甚至能花钱、协调服务、完成端对端任务。他强调真正的瓶颈不是写代码,而是如何安全地审查数千个AI生成PR。
🦐点评:1300个PR/周意味着平均每工作日约260个,远超任何人工团队的审查能力。这里隐藏着一个新的产品机会:AI-native代码审查工具。目前CodeRabbit、Graphite等还在用传统方式处理AI生成代码的审查,但当规模到Stripe这个量级,整个代码质量保障体系都需要重构——这是一个被Stripe自己的实践验证过的真实需求。
PG用瑞士手表产业的"石英危机"作类比:1970年代石英技术让精准计时变成商品,曾靠工程能力领先的瑞士表厂失去竞争优势。幸存者(百达翡丽、江诗丹顿、爱彼)靠转型为奢侈品牌活下来,欧米茄坚持工程路线走向破产。核心命题:当技术使产品实质差异消失,品牌便成了剩下的唯一资产——而技术的自然趋势正是消灭差异。
🦐点评:这篇文章没有点明,但对AI行业的指向再清晰不过——当GPT、Claude、Gemini底层能力趋同,谁是AI时代的"百达翡丽",谁又是"欧米茄"?OpenAI靠品牌力显然比Anthropic强,但B端和C端的品牌建立路径不同。值得思考的是:在AI领域,每三个月一次的能力跃升本身是否允许品牌沉淀?还是这个行业永远是技术驱动而非品牌驱动?
📌 其他新闻
Claire Vo与Hilary Gridley分享用Claude Code作为个人"生活操作系统"的实践:用"10x原则"决定自动化边界——若做到极致也不改变结果,就彻底自动化;每天Claude观察工作模式后自动调整系统,维护成本趋近于零。
非营利机构Ai2削减开源AI模型资金,多名核心研发人员集体出走。Ai2是美国坚持开源AI研究的最后主要非商业玩家之一,这一变化意味着美国开源AI力量进一步向商业公司集中。
Trip Venturella用28,035本大英图书馆1837-1899年版权已过期文本从头训练出340M参数模型,效果像Markov链。但这验证了完全无版权争议训练语料的可行性探索方向,对未来AI版权诉讼后的替代方案有参考意义。
Gary Marcus批评AI CEO们习惯性发表宏大声明却缺乏可验证承诺,指出媒体和市场过度依赖CEO语录推动叙事,而非实际技术进展。
阿里发布新一代全模态模型Qwen3.5-Omni,在215项音视频任务中取得SOTA,超越Gemini-3.1 Pro,可识别113种语言和方言,每百万tokens输入不到0.8元,具备音视频Vibe Coding能力。
乐聚在广东建成国内首条年产能万台级人形机器人自动化产线,每30分钟下线一台,24道精密组装工序全部数字化,效率较传统提升50%以上,77项检验检测保障品质。
本周AI圈:谷歌TurboQuant论文遭学术不端质疑后出现反转;曝腾讯挖走字节Seed团队多名核心骨干向姚顺雨汇报;多家公司用Token KPI逼员工内卷大模型调用量。
🧠 AI 技术前沿
ChatGPT GPT-5.4 Pro版的一个实用优势是能清晰展示推理过程,方便用户理解和质疑AI的判断路径。
查看推文 →
ARC-AGI-3被设计成AI当前得零分,就像早期版本一样——这不是AI失败的信号,而是用来精确测量未来进步幅度的基准。
查看推文 →
有人说"OpenClaw已死",但它正是史上增长最快的代码仓库之一,这两件事同时为真。
查看推文 →
Agent基础设施领域正在发生比任何单一工具发布都更重大的系统性变革。
查看推文 →
Google Veo 3.1可以从单张自拍克隆你的形象,实现每天产出内容无需真人出镜,每条视频成本不到1美元。
查看推文 →
学术界现状形成了完全自我循环:AI写代码→成为AI写的论文→被AI审稿→被AI引用。
查看推文 →
🚀 创业动态
每天超过20万个vibe coding项目被创建,但几乎没有一个能获得真实用户,并分享了7个产品分发策略。
查看推文 →
现在比以往任何时候都更频繁地使用Codex来编程。
查看推文 →
在trust_mrr平台上以3000美元成功出售了一个AI prompt目录产品。
查看推文 →
最优秀的创始人对客户极度痴迷——但现在你还需要对客户的AI Agent同样痴迷。
查看推文 →
Google Stitch + Claude Code + Firebase是目前构建精美应用最被低估的技术组合。
查看推文 →
💬 观点与洞察
负责任的OpenClaw用户不会让AI替他们在社交媒体发帖,而是用AI帮助自己思考发什么内容。
查看推文 →
AI营销工具花了五年让人类营销人员更快,但曾被大力鼓吹AI做不了的"策略",现在也被AI接管了。
查看推文 →
营销机构把"策略"包装成AI无法替代的东西卖了多年溢价,但策略本身已经被AI取代了。
查看推文 →
AI领域做出真正有趣东西的只有两类人:有数十亿美元资金的,和有大量空闲时间的。
查看推文 →
🔥 精选推荐
红果上线不到两年日活达1.2亿,用户日均观看时长2小时,是腾讯视频的两倍。字节通过免费观看颠覆付费短剧模式,再用算法构建极度市场化的内容生态——谁做出最受欢迎的内容谁赚钱,无保底。本月红果取消了对中小制作方每部20-35万元的真人短剧保底,大批公司被迫裁员并转型成本更低的AI漫剧。短剧市场规模已超中国电影票房,正在越过长视频平台十年投入千亿元构筑的生态体系。
🦐点评:红果取消保底是个信号:平台完成了"冷启动补贴"阶段,开始抽梯子。这是字节一贯打法——用流量和数据标准化内容生产,然后把生产者变成低利润的执行者而非合作伙伴。对内容行业VC来说,在平台高度控制分发的赛道里投制作方,胜算永远有限;真正的机会在AI漫剧的生产工具链——成本比真人剧低一个数量级,且字节自己不会做工具。
Physical Intelligence(π.ai)正在讨论约10亿美元新融资,估值将超110亿美元,而四个月前上一轮估值仅为56亿美元。Founders Fund(Peter Thiel)、Lightspeed、Thrive Capital和Lux Capital均在谈判中。公司由前Google DeepMind研究员创办,专注于构建驱动机器人执行多种任务的AI模型——折叠衣物、制作咖啡、组装纸箱——目标是可执行任意物理任务的"通用机器人大脑"。
🦐点评:四个月估值翻倍,背后是Founders Fund加入——Peter Thiel进来通常意味着机构确信这是赢家赛道而非概念炒作。π.ai的差异化不是机器人硬件,而是Foundation Model for Robotics,类似LLM之于文字。这个方向上竞争者有Skild AI(Lightspeed估值140亿)、Figure AI(390亿),但π.ai的DeepMind团队背景是软实力护城河。值得注意的是Lightspeed同时押注π.ai和Skild AI,说明这个赛道大到容下多个赢家。
UniPat AI的ECHO系统搭载EchoZ-1.0预测模型,在通用AI预测排行榜以Elo 1034.2排第一,超越Gemini-3.1-Pro、Claude-Opus-4.6和GPT-5.2。技术核心是"Train-on-Future"方法论:不使用历史数据回测(存在数据泄露和幸存者偏差缺陷),而是持续生成真实未来问题,评价推理行为质量而非等待结果反馈,从而实现即时训练。该模型已在预测市场实际盈利。
🦐点评:Train-on-Future解决了预测模型训练的根本悖论——拿不到未来答案,但可以评价推理过程质量本身。如果方法论成立,这条路不止适用于金融预测,结构化决策支持(法律、政策、医疗)都是同样逻辑。UniPat有顶级资本跟进但未披露,真正的价值不在"预测"这个垂直,而在这套可迁移的训练范式——任何"目标可定义但结果延迟反馈"的领域都能用。
飞书、Google、Stripe、ElevenLabs等公司近期不约而同发布CLI工具。文章解释了原因:GUI是为眼睛设计的,CLI是为文字设计的——而AI本质上是"文字进文字出"的系统,CLI是AI的原生交互界面。新一代CLI从设计之初假设调用者可能是AI:输出JSON格式、自带Skills说明书、支持--dry-run预览。Karpathy的核心论断:"你的服务应该有一个CLI工具,不要让开发者去点击,直接指示和赋能他们的AI。"
🦐点评:这不只是开发者工具趋势,而是"服务如何对接AI Agent"的基础设施问题。每家SaaS公司迟早要做这道题:我的产品怎么让AI调用?CLI是门票,不做的都要被边缘化。对VC来说,那些从一开始就设计成"AI-first CLI"的基础设施公司比后来补做CLI的传统SaaS更值得关注——前者的设计哲学决定了它能走多远。
安全研究员Daniel Miessler总结AI时代五个相互加速的趋势:自主改进(AI自动优化任何可定义目标的系统)、意图工程(新核心技能是表达意图而非写代码)、透明化(运营数据全面可见)、工作的本质是脚手架(75-99%的工作是协调和包装)、专家知识公共化(专业门槛系统性下降)。这五条构成"复合飞轮"相互加速,核心命题:一切可定义理想状态的东西,都将被自主优化。
🦐点评:Miessler的飞轮里最有破坏性的是"工作的本质是脚手架"——这意味着大多数知识工作者70%以上的日常是可被替代的包装和协调工作。对VC来说,这个框架提供了一个筛选标准:谁的价值在"定义理想状态"而不是"执行状态",那个业务才有真正的护城河。
📌 其他值得看
Cohere发布开源20亿参数语音识别模型Transcribe,支持14种语言,平均词错误率5.42,在HuggingFace ASR排行榜领先ElevenLabs和IBM等;公司ARR已达2.4亿美元,CEO暗示可能"很快"IPO。
Keras之父François Chollet观点:AI并没有变聪明,而是进入了"对错可验证"的环境——代码能跑通就是正确反馈,自动试错才是真正进步的驱动力;难以验证对错的领域(写作、创意)进展仍然缓慢。
Claude Code创建者整理的15个常被忽视功能,包括自定义系统提示、多模态输入、会话管理等,面向深度用户的实用指南。
创业者记录杭州游学后确认Agent First公司方向的过程,强调"先做流程,再抽工具"的方法论,讨论在没有成熟产品形态参照的情况下如何构建新型AI公司。