活动概述 - 活动为一场在2026年1月7日美国拉斯维加斯CES期间举办的专属After Party [3] - 活动由Global Ready联合蚂蚁集团、蓝驰创投、深圳科创学院共同举办 [3] - 活动形式为不设舞台、不走流程的轻松自由交流，旨在汇聚产业、创业与投资一线人士交换判断与分享经验 [2][3] 讨论主题与焦点 - 核心讨论方向为AI与硬件的融合发展趋势 [2] - 具体关注领域包括具身智能、生成式内容、未来出行与AI感官界面 [4] - 探讨AI如何改变生活方式、催生新行业与新行为，以及打造全球化AI产品的关键趋势 [6] 活动形式与安排 - 鼓励参与者携带1-2件自己喜欢的硬件产品作为聊天起点 [9] - 活动为私密邀请制，席位有限，需提前RSVP报名 [12] - 现场将提供简餐、软饮与酒水 [11] - 现场将抽取3位幸运来宾，送出由出门问问支持的3台TicNote青春版硬件产品 [10]

AI行业发展趋势与模型能力评估新范式 - 2025年AI行业的发展主线回归到基础模型本身，衡量模型的新标准不再是榜单分数，而是解决现实世界复杂任务的能力，特别是对Agent的支持能力、Coding能力和工具使用能力 [2] - 行业共识认为，模型未来的发展路径有共识，关键在于谁能找到最高效的实现方式，例如豆包模型在短时间内实现了对Gemini系列的追赶和对标 [10] 多模态与视觉能力成为模型核心 - 模型技术发展已超越纯文本，Thinking（思考）能力和视觉理解能力成为发展重点，视觉能力是Agent理解和执行现实世界复杂任务的关键保障 [7][8] - 豆包1.8模型通过端到端的预训练，将LLM和VLM深度融合，实现了视觉理解能力的显著提升，其技术报告显示在多模态推理基准测试中表现仅次于Gemini 3 Pro [8] - Thinking能力已成为基础模型的标配，豆包模型从1.6版本起就不再提供单独的thinking版本，而是通过API让开发者根据场景自调节思考长度 [10] Agent能力演进与新场景解锁 - 豆包1.8版本重点增强了Agent使用工具的能力，在工具调用、智能体搜索、智能体编程和复杂指令遵循上均有大幅提升 [12][13] - 模型原生视觉能力催生了“OS Agent”这一新场景，使Agent能够“看见”并直接与图形用户界面（GUI）交互，从而能处理无API或API调用受限的系统（如银行ERP、公司内网），实现GUI操作自动化 [14][17][27] - OS Agent带来了新的可能性，例如操作App、企业RPA流程自动化，以及未来的Generative UI（生成式用户界面），即软件可能面向Agent设计交互，或由Agent实时生成临时UI [18][19][20] - 对于长链路Agent任务，“思考模式下的工具调用”变得重要，该功能允许模型在保留推理状态的同时进行多次工具调用，利用历史思考内容给出更准确的回答，这已在Claude Sonnet 4.5和DeepSeek-V3.2中推广使用 [21][23] 基础模型能力“塌缩”与开发者新角色 - 随着基础模型能力增强，许多上层应用能力正“塌缩”回基模本身：视频理解工具被原生多模态能力吞噬；Coding从垂直技能塌缩为模型操作计算机、调用工具的基础语言能力 [26] - 这改变了开发者的角色，其核心任务转变为搭建自己的Context Engineering（上下文工程），利用模型的通用智能去解决因缺乏数据和反馈而无法处理的“最后一公里”问题 [28] - 基础模型的“厚度”最终决定了Agent能力的天花板 [24] 模型评估体系的根本性变革 - 旧的公开评测集（如GSM8K）意义正在消失，行业不再只关心解题分数，更关注模型能否完成现实世界中耗时长的复杂任务（如独立分析Excel表格） [29][30] - 模型能力的真正对比，已不再是看公开榜单的做题能力，而是取决于如何定义新的评估体系（Evaluation） [31] - 豆包1.8团队发布的评估系统代表了新方向，其遵循三大原则：1) 优先考虑用户体验，基于真实用户用例（如查信息、文本编辑、辅导）设计评估；2) 转向真实世界场景，设计具有高经济价值、模仿现实复杂性的任务；3) 在推动智能前沿的同时，确保核心智能不被削弱 [32][35] - 客服场景被举例为一个难度被低估的真实世界评测任务，因其需要大量SOP（标准作业程序）、涉及因素多、验证难且对准确性要求极高，但一旦突破，AI甚至能在客服过程中衍生出销售等新体验 [35][36]

商汤科技AI产品战略与行业观点 - 公司认为AI行业发展有两条重要路径：一是需要真正落地应用，以价值驱动技术和应用发展；二是需要回归实验室，探索下一次技术范式的原始创新 [1] - 公司近期发布的“如影营销Agent”是第一条路径的落地实践，切入直播电商领域，旨在用Agent全方位提升人工效率，解放人力 [1] 如影营销Agent产品概述 - 产品是一套由5个Agent组成的系统，分别对应直播运营团队中的数字人主播、场控、直播运营、店铺运营和流量投放五个核心岗位 [4] - 五个Agent之间相互协作、数据共享，形成了一个从店铺策略、直播运营、场控执行、流量助推到数据回流的端到端闭环链路，实现了运营自动联动和增长自动滚动 [7][8] - 产品定位为“AI辅助”，目标是未来通过AI助力代运营链路的所有岗位 [11] - 产品购买方式灵活，每个Agent都可以单独使用和付费，也提供包含四五个Agent的打包服务套餐 [24] 各Agent功能与效率提升 - **直播场控Agent**：自动化处理发福袋、调库存、回应弹幕等繁琐后台操作，让主播专注于内容讲解，尤其帮助中小商家以极低成本获得专业团队体验 [6] - **直播运营Agent**：实时监控数据，自动化完成直播过程中的数据监控与记录，并在下播后快速生成多维度分析报表，将过去需要2小时的复盘工作压缩至20分钟 [6] - **店铺运营Agent**：自动化收集散落在不同后台的销售、流量、退款数据，并制定营销策略，将过去人力需要耗费半天时间的流程压缩至10分钟 [6] - **流量投放Agent**：能够7x24小时不间断监控多个店铺的投放数据，自动汇总小时级报告，将人力从50分钟的重复性数据整理中解放出来，仅需10分钟即可完成 [6] - **数字人Agent**：采用创新的复刻技术，实现“当日复刻，当日开播”，拍摄采集0成本，真人主播下播后数字分身可无缝接棒，实现全天24小时直播 [7] 具体效率提升数据 - 场控岗位的动效提升达到了75% [11] - 在“退款分析”具体场景中，店铺运营Agent实现了20倍提效：真人运营需要下载7个不同表格，整理分析需半天，而Agent从下达指令到给出专业分析意见全程仅需10分钟左右 [20][21] - 流量投放Agent将人力从50分钟的重复性数据整理中解放，仅需10分钟即可完成报告 [6] 数字人直播技术演进与现状 - 数字人直播已从1.0阶段的“坐播”（动作僵硬、互动性差）进入2.0阶段，追求接近真人感、交互更自然 [14][15] - 技术提升主要来自三方面：算法放宽对真人动作幅度的限制（口型生成角度从正负二三十度提升至正负八九十度）、更新遮挡算法（允许商品与脸部接触）、提升互动能力使内容与商品强关联 [16][17] - 目前数字人的动作主要采集自真人主播，但公司已在做技术储备，未来动作可由AI实时生成，并将应用最新的实时语音驱动数字人技术以提升自然度 [19] - 数字人带货品类已从1.0时代以3C产品为主，拓展到鞋服类等需要更强展示和互动的品类 [15] 市场应用与客户反馈 - 目前跑得较好的模式是真人主播与数字人主播结合：真人主播在晚上6点到10点的黄金时段直播4小时，剩余20小时由数字人接替，此模式ROI最佳 [27] - 在淘宝、京东、美团、拼多多等货架式电商平台，数字人直播需打上“AI生成”标签，但公司产品处于行业头部，平台标签对市场转化率影响不大，数字人已成为一些大品牌直播间的标配产品 [29][30] - 产品主要关注品牌自播和中小店铺直播间，对于李佳琦这类强IP的达人直播，短期内数字人主播与其仍有差距，因为达人提供更多IP价值和情绪价值 [31][32] - 目前平均来看，数字人直播的GMV能达到真人直播的50%左右，在一些较好情况下数字人甚至表现更优，原因包括用户更认品牌而非主播，以及数字人能回答更广泛的商品问题 [34] 产品开发逻辑与竞争优势 - 产品开发源于发现电商代运营公司IT投入少、AI渗透率低、应用多为单点服务的行业痛点，旨在用AI打通各岗位工作流程，做成闭环产品以提升效率、分析准确度并降低成本 [10] - 作为第三方服务商的核心优势包括：一是具备商家视角而非平台视角，能满足商家个性化需求；二是积累了深度的行业Know-how，产品是与行业伙伴共创，融合了实战经验 [37] - 产品扩展策略是优先集中在抖音平台，从相对标准化的品类（如美妆）切入，再向服装、3C等品类延展，后续覆盖更多平台，扩展时补充各品类的“思维链”和运营思路 [38] - 产品力求通用化，避免定制化，通过底层大模型能力和上层按品类划分的小Agent来服务不同行业需求 [39][40] 技术发展与未来场景 - 产品已完整打通数据获取、分析处理、决策三个环节，未来将持续提升模型处理不同任务的思路能力 [41] - 电商AI渗透的“拐点”出现在去年，数字人交易占比从前年开始提升，去年大幅提升，算法迭代使数字人能触达的品类规模扩大，尤其在美妆、鞋服类市场 [42] - 除直播电商外，公司数字人技术还应用于教育场景（如快速生成课程视频）、办公场景（企业宣传视频）、以及“数字人面试官”产品用于招聘初筛，已与央企合作，可用AI在三天左右完成一万场面试并总结初试结果 [42][43]

文章核心观点 - 达人营销是AI出海公司重要的增长杠杆，但其规模化执行面临巨大挑战，而Aha公司通过“AI员工+双边平台”的模式，对达人营销的作业模式进行了基础设施级重构，实现了规模化、可控、高效且安全的合作，并成功服务了大量AI企业客户 [1][2][3][9][28][30] 达人营销的价值与规模化困境 - 达人营销因其“活人感”能降低用户信任门槛，成为AI出海公司的重要增长杠杆 [1] - 行业成功实践表明，达人营销需要规模化，并将单次合作沉淀为长期增长资产，如Gamma通过广泛合作沉淀10%爆款带来90%用户增长，Notion通过数据追踪将合作转化为稳定资产 [2][3] - 达人营销规模化执行面临全链路难题：从“找人难”（粉丝量≠影响力、找到≠能合作）、价格博弈不透明（经历4-5轮沟通拉锯战），到执行过程沦为“保姆式”跟进的“人力黑洞” [5][7] - 品牌内部执行触达天花板后，转向与外部Agency合作，但面临其达人池有限、筛选损耗及反复对齐的问题；引入多家Agency则导致管理成本线性上升，去重比价困难，资源与方法论难以沉淀 [7][8] Aha平台的解决方案与核心能力 - Aha定位为连接品牌与创作者的双边平台，其核心是让AI员工承担所有“执行苦役”，人类负责关键决策把关 [9][10] - **智能找人**：重塑决策模式，让AI基于多平台数据像专家一样理解任务，评估达人价值与风险，经过一年多、十余个版本迭代，决策稳定性与专业性接近人类专家 [11] - **智能定价与建联**：通过一口价系统，综合数十个关键因子由算法模型计算达人合理市场价值区间，提供最优一口价，终结价格不透明问题 [12] - **全链路交付与安全保障**：内置授权校验、实时进度监控与催稿；采用预算托管机制，达人完成内容并通过质量验证后才获得付款，保障品牌预算安全 [13] - **品牌端可视化管理**：提供操作面板，清晰展示AI员工沟通进展、意向达人列表（附详细报价、CPM/CPC预估、匹配度分析及粉丝画像），将线下Excel作业升级为可视化平台 [15][16][18] - **高效履约与数据追踪**：品牌确认合作后无缝进入内容制作；平台提供实时更新的数据报表，可随时查看预算花费、播放量、点击量、CPM、CPC等数据，无需人工定期回收 [16][19] - 平台将能力系统化，转化为不依赖人员流动的组织能力，使达人营销方法论得以持续运转和沉淀 [21] 市场验证与商业成果 - Aha已跑通双边平台飞轮模型：品牌增加提升交易流动性，吸引更多优质达人；达人供给丰富又提升品牌体验，吸引更多品牌加入 [23] - **供给侧**：平台沉淀超过500万高质量可合作达人储备，其中已完成签约的达人超过5万名，覆盖从头部到长尾的全层级矩阵 [24] - **需求侧**：已成功服务300+企业客户，包括国内外大厂及AI产品出海榜TOP 50产品（如AiPPT、Vizard）等众多对效率与合规要求极高的AI品牌 [24] - **客户案例**：以客户Manna为例，使用Aha后，单个合作周期从“月”级缩短至最快3天；其通过Aha合作的42位达人中，出现了3条“大爆款”，其中一条几万播放量的视频带来几千次App下载 [26] 平台进化与行业契合 - Aha从1.0到2.0的进化，是对达人营销底层作业模式的“基础设施级重构” [28] - **可控性提升**：2.0版本保持品牌在反选、内容审核等关键路径的决策权，并新增外联邮件预审批、模板预览等功能 [29] - **匹配精准度进化**：依托海量AI行业投放数据，抽象出更细颗粒度的专家经验作为判断因子，使匹配逻辑更稳定地适配不同类型AI产品 [29] - **安全保障强化**：构建了达人信用与交付评分体系、多层反作弊体系，全流程确保数据真实与内容可信 [29] - Aha“AI + 双边平台”的解决方案，将达人营销从高度依赖个人经验的项目，转变为可计划、可掌控、可持续积累的增长资产，精准契合了AI企业对效率与系统化能力的生存需求 [30]

文章核心观点 文章通过介绍七款在极客公园创新大会上亮相的AI新产品及其创始人的思考，展现了当前AI产品发展的几个关键趋势：从追求通用效率转向深度个性化服务，从技术炫技转向解决具体场景的真实需求，以及AI如何作为辅助工具赋能而非取代人的主动性与创造力[1][2][7] AI笔记与个人洞察 - flomo笔记产品坚持不做AI润色和生成内容，其核心是帮助用户基于自己记录的真实经历和思考（即“个人上下文”），通过内置的多元思维视角（如CBT疗法、逆向思考）来获得更好的自我解释[4][7][8] - 产品理念强调“事实 + 不同的视角 = 更好的解释”，AI的作用被定位为一种“透镜”，帮助用户看到不一样的自己，而非单纯的效率工具[12][13] - 该产品通过“AI洞察”功能，将芒格的逆向思考等经典思维方法工具化，内置到产品中，以解决用户“不知道自己不知道什么”的认知盲区[9][11] AI摄影与用户主权 - Doka相机是一款AI构图相机，通过AI实时构图分析和AR引导线，帮助用户随手拍出构图平衡、色彩合适的照片，其产品登顶了台湾地区摄影分类榜单第一名，在零投放成本下获取了数万用户[14] - 产品定位源于对市场的洞察：93%的用户对摄影参数不感兴趣，且近80%的用户排斥1:1模仿他人照片，市场缺乏能屏蔽专业技能、让用户简单跟拍的产品[17][21] - 公司经历了一次重要的战略转向，从早期的“机位灵感跟拍地图”产品转向当前方案，原因是旧模式存在需求低频和用户排斥模仿两个致命问题[18][19][20] - 产品核心理念是“把拍照主权交还给用户”，AI仅作为辅助，提供构图建议但不强迫用户审美，强调“修得好、生成得好，不如拍得好”，认为摄影的本质是记录真实[7][23] - 产品设计追求简单纯粹，超过六成的相机类产品首页是信息流，而Doka旨在提供简约、有质感的纯粹拍照体验[24] 个人化AI办公助手 - remio是一款个人办公助手产品，旨在成为“Personal ChatGPT”，通过自动同步本地文档、无感捕获网页浏览等方式，智能构建用户的工作上下文，以解决用户需要手动为AI提供资料的“数据管理员”困境[27][29] - 产品通过一个真实案例说明了其价值：当通用AI只能简单总结一周工作时，remio能清晰梳理出访谈用户、更新官网、优化数据等所有工作细节，其优势不在于模型更聪明，而在于把“上下文”做到了极致[30] - 公司认为程序员是当前AI时代的受益者，因为AI Agent能访问整个代码仓库，而其他工作场景缺乏完整的资料库，remio的核心就是构建这样一个资料库并对接优秀AI模型，成为真正的工作助理[31] - 解决了两大核心技术难题：一是通过浏览器插件和本地文件实时解析功能实现“全面无感记录”，其中本地文件解析性能比许多开源同类技术提高了10倍；二是通过本地向量库和精细化的策略高效管理上下文，确保回答一次性准确[34][35][36] AI营销与品牌平权 - Pallas AI是一款基于GEO、帮助企业进行AI营销的Agentic产品，其背景是ChatGPT每天影响的交易额在20亿人民币以上，且在41.2%的对话中AI会主动提及特定品牌，33.8%的对话会出现自发产品推荐[38] - 公司认为需要“重新做一次针对‘AI’的营销”，让品牌从被动搜索变为被AI主动推荐，而当前在北美组建一个专业的AEO（AI引擎优化）专家团队起步价每月高达4000美金，这成了大企业的游戏[39][40][41] - Pallas AI旨在成为每个人的AEO专家团队，通过简单的对话框交互，能对客户及竞品进行全域追踪，并进行超过2000次关键词研究、100篇文章研究和30轮次以上的思考，最终生成一个清晰的“营销地图”[42][43] - 产品提供全面的数据监控面板和全内容生产平台，并内置“AI警察局”机制验证内容真实性，从而形成一个能持续学习、优化迭代的闭环营销团队，为企业带来真实增长[43][45] AI Agent商品化与市场生态 - MuleRun是一个AI Agent的Marketplace，平台在上线一个月后达到了50万注册用户数[46][47] - 公司认为随着AI技术发展，制作Agent已不难，但实现其商品化和市场化交付给全球用户仍是难题，解决方案是构建一个由市场经济驱动的AI Agent市场，让开发者能将知识变现，因为“人类社会最强大的动力就是‘搞钱’”[48][49] - 平台定位是覆盖AI领域的中长尾需求，而非解决如AI编程等头部问题，认为Agent只有商品化后才具备价值[50][51] - MuleRun是一个串联开发者、用户和平台的三方平台，具有框架和模型中立、提供开箱即用的底层工具（如聚合主流API、网盘空间、云端Sandbox）以及允许用户用自然语言构建Agent等特点[52][53][54][55] AI可穿戴硬件与健康管理 - OdyssLife品牌的首款产品Odyss N1是一个AI项链，集多模态感知能力于一体，旨在全天候无感记录用户的饮食与运动行为[56] - 产品出发点在于解决健康管理中的核心痛点：尽管人们记录运动、睡眠，但在最重要的饮食行为上从未有过好的用户体验，因为日常饮食行为碎片化，手动记录麻烦且不准确[58] - 选择项链形态是基于第一性原理，因为它可以24小时贴身佩戴、毫无存在感，且拥有与用户相同的视角，能清晰“看见”用户的饮食结构，但只关心健康数据，不记忆原始音频和图像[60] - 产品能智能分析进食顺序、速度、营养成分，并结合运动数据给出个性化健康建议，如同私人营养师提供“今日生活指南”，目标是重新定义用户与食物、与世界的关系[59][62][64] AI视觉内容与时尚产业 - LavieAI是一家专注于服饰垂类的AI视觉内容生成公司，业务包括AI模特生成、广告内容制作和虚拟IP运营，其思路是用AI模型取代传统模特拍摄，以更快、更省钱的方式获得成片[65][66] - 公司的视觉定制化解决方案相比传统拍摄，平均可降低90%的费用成本和90%的制作周期[68] - 公司技术能力扎实，拥有自研的人像生成模型、一个包含5000多位多元模特的AI模特库，并自研了Photoshop AI插件和“无限画布”系统来提升工作效率和图像质量[70] - 公司认为AI让创意的门槛更低，但对审美和想法的要求更高了，其优势在于坚持艺术与技术的结合，在模型训练中加入美术指导专家模式，确保结果符合时尚行业审美[7][71]

核心观点 - AI Agent不会取代传统的CRM、ERP等企业软件系统，而是会推动这些系统转型为Agent网络的“基础设施”和后端，其核心价值将从服务于人的操作界面转向服务于机器的程序化调用[2][12] - 企业Agent的能力上限取决于对“上下文”的正确使用，即能否从正确的系统中获取准确的数据并理解数据间的协作规则，输入数据的准确性决定了Agent任务执行的准确性[2][6] - 企业内部80%的知识和信息存在于非结构化数据中，数据的时效性、结构化和准确性正在下降，因此，帮助企业清理、结构化和管理混乱数据将是一个巨大的创业机会[2][3] - 自动化程度越高，对单一、可靠、权威的“事实来源”（记录系统）的需求就越强烈，未来的竞争将围绕谁能成为数据规则的“制定者”和“事实登记处”展开[6][7][10][14] Agent能力与数据基础 - Agent天生需要跨系统工作并以行动为导向，其能力上限完全取决于对“哪个系统里的哪个数据才是标准”以及“数据间协作规则”的理解[9] - 人类可以处理模糊数据和分歧，但Agent需要明确的规则和数据优先级定义，例如区分用于外部汇报、计算绩效或产品分析的不同ARR数据定义[7][11] - 数据仓库和湖仓在实践中已成为许多公司分析的核心，承载了定义业务指标和实体的语义层，但它们是用于回顾分析的“后视镜”，而非处理实时交易的“前门”[8] 传统企业系统的演变 - CRM、ERP等系统不会消失，而是会逐渐向“带API的状态机”转变，其核心价值将从服务于人的操作界面转向服务于机器的程序化调用[12] - 未来的交互界面可以是聊天框或自然语言入口，但在技术底层必须有一个能定义“标准客户记录”、“法律合同条款”等权威事实的地方[10] - Agent正在倒逼行业将“做事的方式”（用户体验）和“事实的来源”分开，记录系统将变成一个供机器调用、保证数据持久性和一致性的引擎[10][12] 数据治理与价值重构 - 企业系统的核心价值在于把混乱的数据用清晰的契约封装起来，让Agent能安全、高效地运行[13] - “数据仓库 + 指标层 + 治理工具”的组合，形态上超越了传统报告系统，更像是一个公司内部人人都能信赖的“事实登记处”[10] - 记录系统本身（即事实）会越来越多地存在于数据仓库、湖仓和核心业务系统的组合里，之上会有一个新的语义层和控制平台来指导Agent安全读写[14] - 产品的估值倍数将取决于其与“事实”的相关性，而非营销宣传，能定义指标、规范实体和执行策略的Agent平台本身将成为事实来源，从而更具价值[14] 行业趋势与投资逻辑 - 像Databricks这样的公司被资本市场看好，因为它们更有机会成为AI Agent的调度中心，甚至自己开发Agent[9] - 最优秀的“AI原生”应用通常选择紧挨着数据仓库、CRM或ERP进行开发，其竞争优势在于工作流设计、语义建模以及与客户现有事实来源的深度整合[13] - 在AI新周期里，能赢的公司是那些能在稳定、可靠的事实来源之上构建出色Agent体验的公司，而非忽视事实来源重要性的公司[15]

文章核心观点 - 数据是AIGC创业公司，特别是出海企业，必须严肃对待的关键风险点，而非简单的产品护城河[1][3] - AIGC公司在模型训练、内容生成及产品出海等环节面临复杂且多样的数据合规与知识产权风险，亟需将合规工作前置[2][3][4] - 针对AIGC领域的特定数据风险，行业需要专业的法律合规指导以规避高风险的诉讼与侵权争议[3][4] 活动背景与目的 - 活动由北京星也律师事务所的两位合伙人郑玮和孙奇敏主导，旨在为AIGC创业公司提供出海合规指导[4][10] - 活动形式为线上闭门研讨会，采用筛选制，面向特定受众，需付费报名[5][6][10] AIGC行业面临的核心数据合规议题 - **模型训练数据来源的合规性**：需明确区分合成数据、版权内容、专有数据及用户行为数据等不同类型数据的可用性边界[8] - **不同类型数据的侵权风险**：代码、人像、音视频等不同种类的数据在利用时需注意各自独特的侵权风险[2][8] - **AI生成内容的权属界定**：需要厘清AI生成内容的所有权归属，并针对ToB与ToC不同应用场景界定数据使用权与知识产权[8][10] - **产品出海的数据管理**：出海企业需妥善处理数据跨境传输、本地存储与数据隔离等关键合规问题[8][10] 目标参与人群 - 图像、文本、视频等生成式AI产品的创始人或出海负责人[10] - AI陪伴/社交、AI Coding类产品的创始人或出海负责人[10]

产品发布与市场反响 - 2024年8月，Looki L1全球版本发布，在国内被博主称为“人生回看器”，视频播放量达千万级别[2] - 2024年10月，Instagram上的种草视频同样获得千万播放，点赞近30万[3] - 产品初期备货仅3000台，于10月初售罄，出现营销与备货错配的情况[4][27] - 公司于11月底完成补货，为国内发布及后续CES市场活动做好准备[28] 产品定义与品类创新 - 产品是一款可挂在胸口的设备，具备拍照、录像、录音功能，用于记录生活[6] - 创始人最初将其定义为“Lifelogging Camera”，但后来认为此定义过于保守，现官网将其定义为“全球首台多模态个人AI可穿戴设备”[11][12][14] - 产品创造了全新品类，用户日均使用时长从最初的6.2小时一路增长至7.9小时，且仍在增长，远超运动相机的使用模式[8][9][34] - 用户使用高峰出现在周中，而非周末，表明用户将其视为AI copilot用于日常生活洞察，而非传统相机[39] 用户反馈与社区运营 - 公司非常重视Discord社群运营，依赖真实用户反馈来迭代基于软件和AI的功能[35] - 在Meta收购Limitless后，部分用户转向Looki，并希望其能兼容Limitless的相关能力[37] - 关于隐私问题，所有内容默认存储在设备本地，上传需用户手动授权，该设计有效消除了用户的隐私焦虑[38] - 用户与AI的交互呈现新形态，例如询问基于当天状态的决策建议，或获得结合具体环境信息的实时提示（如暴风雪预警）[41][42] 软件功能与AI原生理念 - 公司搭建了高度灵活的“灵感”体系，可快速将用户高频、共性的需求上线为“For You”模块（如Daily Insights、情绪分析）[48] - 功能开发遵循“less structure, more intelligence”的AI Native思想，旨在搭建一个“场”，而非定义具体用例[46] - 漫画模式等功能因新模型（如Nano Banana）上线而时机成熟，后台有大量基于Life Data + AI的功能在排队等待上线[49][51] - 早期为Lifelogging人群设计的功能（如“记忆”模块）重要性因用户破圈而降低，目前优先级已调整[52] 增长策略与市场定位 - 公司对增长持谨慎态度，认为增长信号应来自产品使用中自然沉淀的线索，而非刻意设计[53] - 产品早期用户是AI的早期采用者，但目标将逐渐转向对生活不甘平庸、保持好奇的人群[57] - 公司认为新一代AI硬件不应复制手机路径或抢夺注意力，而应进入手机不擅长的“慢价值”领域，如情绪、内省和长期陪伴[57][58] - 产品核心吸引力在于为用户制造“surprise”，即打破“指令-反馈”模式，主动递送意外、有趣的内容[59][60] 商业模式与未来愿景 - 长期商业模式是“价值售卖”，而非单纯硬件销售或硬件加订阅[70] - 短期内以硬件销售为主，订阅服务设三个档位，付费档位旨在测试用户（尤其是北美市场）是否为高价值功能付费的意愿，相关服务预计明年一二月上线[70] - 未来方向是基于对用户生活的理解，在提供服务过程中创造价值转化（如基于减肥目标推荐产品或服务），其核心是站在用户一侧的“信任变现”[71][72] - 在AI场景中，用户的数据或生活上下文（context）是构建信任的基础[74] 竞争壁垒与战略选择 - 公司认为当前阶段的壁垒并非数据或记忆本身，而是认知差和速度，创业公司需抓住大变量出现后的不确定性窗口期[75] - 公司选择了一条“离生意更远、但对长期存活更关键”的路线，即优先做好感知、决策和认知（造“脑子”），而非直接做完整的机器人，这类似于自动驾驶领域的L4与L2/L4基础路径之争[76][77] - 公司积累的生活数据具有价值，但短期内不会作为商品出售，而是用于构建完整的记忆系统，这是一种尚未开采的隐形价值[75] 公司管理与组织文化 - 创始人认为经验正在快速贬值，招聘更看重taste和想象力，这两点是模型难以替代的[87] - 公司要求员工转变工作习惯，积极与模型协作，认为不会使用模型的人终将被会用模型的人取代[85][86] - 在团队规模扩大至三十多人后，公司开始主动建立和传递明确的组织文化、使命和愿景，以保持团队方向一致[89]

近期AI行业活动概览 - 2024年12月18日，Founder Park举办线上活动，主题为“AIGC公司出海合规难题”，由北京星也律师事务所的创始合伙人郑玮和合伙人孙奇敏主持，探讨模型训练数据合规、生成内容权属界定及产品出海的数据跨境传输等关键法律问题[4][5] - 2024年12月21日，极客公园Global Ready举办线上闭门交流，主题为“AI硬件的生命力从何而来”，邀请灵宇宙创始人顾嘉唯、无界方舟创始人曾晓东、FOUNTAIN源泉创始人万旭成作为嘉宾，交流方向包括突破数据与权限屏障、多模态交互畅想及AI原生硬件创业思考[1][5] - 2024年12月21日，十字路口在上海漕河泾AI Hacker House举办线下活动“十字路口 AI 开放麦 · 加速吧！2025”，现场规模约120人，其中安排10位参与者进行每人10分钟的开放麦分享，已确认的分享者包括Homi AI创始人Colin、ChatCut创始人Kaiwen Li、Refly创始人Tom[6][8] - 2024年12月25日，Founder Park在上海AI Hacker House举办圣诞特别场Meetup，主题聚焦“AI陪伴产品”，采用小场闭门形式，邀请有体感的创业者探讨AI如何满足人的陪伴需求，不设统一定义，旨在深入交流想法[1][9][10] - 2026年1月7日，极客公园Global Ready将在拉斯维加斯CES期间举办“The Frontiers Mixer @CES 2026”活动，预计汇聚近百位高质量的创新者、创业者与投资人，深度交流AI与消费硬件的核心趋势及全球化实践[10] - 2026年1月24日，Linkloud在北京举办“Global NEXT 2026”活动，邀请真格基金投资总监钟天杰、AI游戏投资人刘小宁、阶跃STEP-GUI产品负责人nuomi等嘉宾，主题为“Think Global, Act Local”，旨在探讨AI技术与趋势的全球化与本地化实践[11][13] AI陪伴与社交产品探讨 - 行业关注2025年仍未出现“千万DAU的AI陪伴产品”的现象，并深入探讨陪伴类产品旨在解决的真实需求以及对未来理想AI陪伴者的想象[12] - 讨论焦点在于当技术趋同后，构成产品壁垒的关键因素可能是IP、世界观、用户心智占位或长期关系链，而非单纯的技术[12] - 活动指出，2025年越来越多用户将“需要在身边的陪伴”需求交给了AI，各类陪伴产品都在尝试填补这一空白[9] AI硬件与多模态交互 - 行业活动探讨AI硬件的生命力来源，核心议题包括如何突破数据与权限的屏障，以及对多模态交互未来的畅想[5] - 活动面向AI硬件相关创业者，旨在交流AI原生硬件创业需要思考的关键问题[1][5] AI产品出海与合规 - 活动专门讨论AIGC公司出海面临的合规难题，涵盖模型训练阶段如何合规利用爬取数据、版权内容与用户行为数据[4][5] - 法律议题包括生成内容的权属界定，以及针对ToB和ToC产品如何划分数据使用权与知识产权[5] - 出海合规实践涉及跨境数据传输、本地存储与数据隔离方案的部署[5] 行业趋势与投资方向 - 活动引用a16z年度预测，指出2026年AI创业的新机会将集中在垂直行业，AI产品会走向定制化[14] - 行业关注AI语音输入法领域的动态，例如豆包输入法全面上线，Typeless应用登顶日榜，以及Wispr公司融资8100万美元[14] - 投资案例显示，金沙江创投朱啸虎投资了Refly.AI，其创始人黄巍认为n8n、扣子等工具太难用，而Vibe Workflow是更大众的解决方案[14]

公司概况与融资情况 - 公司缔零科技近期完成数千万元天使轮融资，由中南创投、凯风创投、普朗克创投联合投资 [1] - 融资资金将主要用于核心产品「缔零法则」的技术迭代、市场生态构建及认知安全社区建立 [1] 核心产品与技术 - 公司自研产品「缔零法则」主打以AI治理AI，提供一站式内容安全解决方案 [1] - 该产品可将审核成本降低60%以上，审核效率提升50倍以上，风险识别准确率高达99.98%，性能较传统机审提升25% [1] - 公司早期产品「缔零智数」是一款帮助模型进行对齐的数据集产品，旨在使AI对齐国内的安全要求与文化习俗 [9] - 「缔零法则」1.0版本聚焦于模型推理层，确保AI生成内容或响应时被框定在安全框架内运行 [10] - 公司正在开发「缔零法则」2.0版本，旨在将客户接入、适配、调整等运营动作80-90%自动化，以降低定制化交付成本 [29][30] 业务模式与市场定位 - 公司业务从ToB内容审核服务切入，旨在用AI完全替代传统人工审核 [14][16] - 公司认为传统人工审核存在成本高、对审核员心理健康伤害大等问题，全国约有10-15万审核员 [14] - 在AI UGC时代，内容生成速度可能以千倍增长，传统治理体系面临巨大压力 [16] - 对于企业客户而言，产品落地的核心驱动力是精度和成本，只要精度一致或更高且成本更低，企业就会采纳 [17] - 公司未来规划推出面向C端的认知安全产品，旨在为用户构建个性化的认知安全护栏 [11] - 现阶段业务重心为ToB，预计B端与C端业务比重为7:3，未来期望C端业务能反超 [28][29] 行业洞察与公司愿景 - AI时代的内容安全正从传统内容合规，演进到更隐蔽复杂的认知影响层面 [1] - AI安全包括两大方面：AI运行中是否产生有害信息或被恶意利用；AI在构建训练过程中是否被污染或植入后门 [9] - 公司认为其使命是打造AI时代的个人认知安全护栏，终极目标是让每个用户都拥有自己的AI安全顾问 [1] - 公司希望未来其C端产品能成为用户完全信任的安全助手，帮助用户判断信息可信度，并作为用户与Master Agent（主智能体）之间的信任构建者 [19][20] - 公司将自己定位为AI安全专家，为大模型厂商等企业提供安全能力补齐，认为安全对这些企业而言是必要但非主线的成本部门 [24] 技术路径与产品特点 - 在处理模型对齐与泛化问题时，公司针对不同国家或地区的意识形态、价值判断和公序良俗提供本地化对齐方案 [12] - 在推理层安全检测上，公司不仅看单次或短片段内容，更关注对话组合与用户意图，以定位真正的恶意行为 [13] - 公司采用模拟人类思路的新架构，使模型能像人类一样认识新的文化符号和有害内容，降低对历史数据的依赖 [17] - 产品适配过程依赖客户返回的质检结果进行尺度调整，并与人类审核结果进行并行比较 [18] - 对于C端产品，公司采用端侧与云端分层推理的架构，隐私数据在本地处理，复杂信号处理在云端进行，以保障隐私安全并符合出海要求 [32] - 公司通过构建“记忆工程”来处理超长上下文信息，而非完全依赖模型本身的上下文长度 [31] 产品形态与市场拓展 - ToC产品形态可能深度嵌入手机等硬件生态系统，类似手机相册的敏感内容屏蔽功能，初期可能以插件或后台APP形式呈现 [21][22] - 公司希望C端产品的用户感知尽可能弱化，像一种无形的安全感供给，仅在危险时主动提醒或用户询问时响应 [22][23] - 在C端出海策略上，公司计划优先考虑中东和东南亚等地区 [27] - C端产品的模型设计为不带任何意识形态偏见，规则由用户自定义，公司主要处理数据隐私安全链路 [26]