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]

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]

文章核心观点 - 数据是AIGC创业公司需要认真对待的关键风险点，尤其在出海过程中，将合规风险前置至关重要[1][3] - 针对AIGC创业公司，北京星也律师事务所的合伙人将探讨如何规避出海过程中的一系列合规与高风险问题[4] 活动信息 - 活动形式为线上闭门workshop，将于12月18日晚20点举行[5] - 活动采用筛选制，名额有限，需扫描海报二维码报名[6] 研讨会核心议题 - 模型训练阶段，如何合规利用合成数据、版权内容、专有数据及用户使用数据[8] - 针对代码、人像、音视频等不同种类数据，需要分别注意的侵权风险[8] - AI生成内容的归属权问题，以及在ToB和ToC应用中，数据使用权与知识产权的界定方式[8] - 产品出海时，如何妥善处理跨境数据传输、本地存储与数据隔离[8] 目标参会人群 - 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]

文章核心观点 文章围绕“交互”主题，探讨了AI时代软件开发和产品设计的变革性趋势，核心观点认为，AI的超能力在于“深度个性化”，这将催生全新的软件形态（如Personal Software）、交互范式（如语音操作系统、创新的GUI设计）以及产品设计理念（如系统思维、节奏分层）[4][17][95] (一) 为什么独立的 Vibe Coding 必死，但 Personal Software 会火？ - **软件行业正经历“应用的YouTube化”变迁**：软件开发将从全球约2000万开发者的特权，泛化为80亿创作者的日常媒介，软件将像快消品一样，用于解决特定、即时的需求[6][7] - **独立的Vibe Coding工具存在三大短板**：1) **信任与稳定问题**：缺乏专业开发能力可能导致严重的安全漏洞和用户数据泄露[10]；2) **集成能力不足**：难以方便地调用用户的其他服务（如健康数据、邮箱、银行账户）[11]；3) **缺乏分发与协作机制**：难以形成社交传播和多人协作网络[13] - **平台化是Personal Software成功的关键**：平台能提供信任层以解决安全、隐私和数据持久化问题，提供连接一切的API，并内置社交图谱与协作功能，让个人开发的Mini App得以流转和生长[10][11][13][14] - **AI的超能力是“深度个性化”**：这包含三个层次：1) **应用层个性化**：用户可修改App功能和提示词[18]；2) **平台层个性化**：平台提供用户的基础信息（年龄、地点等）作为上下文给所有App[19]；3) **跨应用个性化**：不同Mini App能相互对话，协同工作（如健身App修改营养方案）[20] - **催生“软件即内容”的新GTM模式**：1) **新商业模式**：内容创作者可通过发布Mini App（如一套训练方案）直接变现[23]；2) **新流量入口**：内容（如旅游攻略）可被封装成功能极简的Mini App（如专属地图）[23]；3) **新社区形态**：Mini App本身成为“社区启动器”，聚集同好，衍生线下活动与共创[24][25][26] - **Wabi类产品的本质是“Prompt容器的平台”**：它将裸奔的文本Prompt配以合适的UI外壳和沙盒环境，使其成为可保存、复制、分发的个人应用，是从“Chatbot”走向“Chat+GUI结合”的交互形态进化[28][33][34] - **软件民主化的实际形态是“人人参与迭代”**：预计从零开始原创的用户不会超过10%，但很多人会参与修改和迭代，平台通过提供“Fork（混音）”和“Request（提需求）”功能来落地[34][35][36] (二) 我们是不是低估了输入法的想象力？ - **输入法正从打字工具进化为“语音操作系统”**：其进化分为三步：1) **接管输入**：从键盘打字转向语音输入，核心价值在于“减负”——消除思考时的认知负荷，并鼓励用户提供更多背景细节，从而提升AI输出质量[39][40][41][42]；2) **代你表达**：基于对用户过往输入的全局了解，能主动帮助写作（如撰写邮件），并学会根据应用场景和用户语气自动调整表达风格[44][45][47]；3) **反客为主**：凭借高系统权限（尤其在PC端可读屏），未来可能主动跳出提供建议或完成任务[48][49] - **AI语音输入法赛道近期融资活跃**：例如海外公司Wispr在4个月内融资了8100万美元[38] - **输入法成为高价值数据管道**：其掌握的实时、高频的一手数据对训练大模型至关重要，包括：1) 训练模型理解人类偏好和意图；2) 让模型跟上人类语言的实时变化（如新梗、新电影）[50][51] - **输入法的战略定位可能提升**：它有望成为用户与所有软件之间最高频的交互接口，以及用户与大模型之间最完整的数据管道[52] (三) 最近见过最好的 5 个 AI 交互设计 - **1. 参数滑块**：用于弥补自然语言在描述“程度”时的无力感，实现“Prompt负责定性，滑块负责定量”，让用户通过拖拽快速调整输出效果（如简洁与详尽的区间），同时提供实时反馈回路，增强用户的控制感和创作归属感[57][58][60][61][64] - **2. 反向Onboarding**：将传统的重流程注册（填信息）反转为先让用户零成本体验核心价值，例如AdComposer.ai仅需输入公司网址即可生成广告创意，旨在将TTV（价值感知时间）压到接近零[65][68][70][71] - **3. 善用等待时间**：将AI生成所需的几十秒等待时间转化为低成本的“二次交互窗口”，例如Gamma让用户选择PPT主题风格，Perplexity询问是否需要补充细节，以此提升结果准确度并优化成本[71][72][73] - **4. 用“命名”控制用户预期**：通过叙事设计降低用户对AI能力的过高期待，例如tldraw将AI助手命名为“小精灵”、“小鬼”等，将其错误行为包装成调皮特性，从而提升用户容忍度和留存率[74][75][76][80][81] - **5. 视角滤镜**：将特定的思维风格或人格特质封装成可打包、共享、调用的“滤镜”或“思维调音台”，用户可像选字体一样选择（如“乔布斯思考滤镜”），未来可能形成交易“脑回路”的新市场，甚至发展出公司级的“品牌滤镜”[83][84][85][86][88][91] (四) 产品设计的终极形态 - **未来产品设计的核心竞争力是“系统思维”而非“品味”**：因为未来的UI将是千人千面的，最终形态更多由用户自身的品味决定[95][96] - **产品设计的工作重心转移**：从设计具体界面转向：1) **定结构**：搭建清晰、耐用的概念体系和可插拔的能力接口[101]；2) **定属性**：明确系统中哪些元素底层共享，哪些可个性化[102]；3) **定逻辑**：设计系统的思考与响应规则（如在用户犹豫时展示更多灵感图片）[103] - **未来的软件像“建筑”一样有机生长**：借鉴《建筑如何学习》的观点，优秀建筑/软件是随用户需求进化而来的有机体，其进化由六个变化速度不同的层级共同构成（从寿命数天的“物品”到数百年的“地基”）[97][100] - **有韧性的系统依靠“节奏分层”维持**：复杂系统（如人类文明）由不同速度的层级（如快速的“时尚”、慢速的“文化”、极慢的“自然”）叠加而成，快层负责试错创新，慢层负责记忆约束，共同维持系统在时间中的韧性与平衡[107][109][114][115] - **设计的本质是建造包容矛盾的结构**：无论是软件、建筑还是制度，都是人类为了在多重时间尺度中生存而做出的结构性尝试，需要容纳不同维度上复杂而矛盾的需求[120][121]

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，需要将合规风险前置处理[1][3] 模型训练阶段的数据合规 - 合成数据、版权内容、专有数据、用户使用数据等不同类型的数据，其法律风险和处理流程完全不同，需明确判断哪些数据可用[2][8] - 代码、人像、音视频等不同种类的数据，分别对应着不同的侵权风险，需要特别注意[8] - 模型训练阶段需关注如何合规利用爬取数据、版权内容与用户行为数据[10] 生成内容的权属与使用界定 - AI生成的内容所有权归属、以及ToB和ToC应用场景下的数据使用权与知识产权界定，是核心法律问题[8][10] 产品出海的数据合规挑战 - 产品出海面临跨境数据传输、本地存储与数据隔离等一系列高风险合规问题[8] - 出海企业需特别关注如何在各类诉讼和侵权争议频发的环境下做好数据合规[3][8][10]

全球开发者先锋大会 (GDPS 2025) - 由上海市人工智能行业协会主办，将于2025年12月12日至14日在上海举办 [1][7] - 活动是行业内首个聚焦具身智能技能领域的专项赛事，聚焦9大真实场景同场竞技 [12] - 面向具身智能/机器人领域开发者，包括团队、企业、研究机构和个人 [8] - 活动亮点包括丰厚大赛专项奖金、算力券、语料券、模型券补贴，以及上海模力社区、AI小镇等孵化器免费入驻机会 [12] 极客公园创新大会 2026 - 由极客公园主办，将于2026年12月6日至7日在北京举办 [5] - 活动亮点是探讨技术迭代，嘉宾包括何小鹏、王小川、罗永浩等行业先锋 [5] - 面向人群为科技行业从业者、创业者、爱好者、投资及求职人员 [11] - 活动旨在帮助参与者在AI时代找到方向、队友和机会 [5] Global Immersion @CES2026 - 由极客公园Global Ready社区组织，将于2026年1月5日至11日在拉斯维加斯和洛杉矶举行 [2][9] - 行程包括CES 2026看展、7场闭门交流或主题夜谈 [2] - 适合希望了解世界消费硬件最新情况、渴望出海考察市场的战略决策者与探索全球化增长的新锐力量 [17] 蓝驰不鸣创业营（第五期·AI） - 由蓝驰创投主办，地点在北京，正式开营时间为2026年1月 [18][24] - 活动提供高质量头脑风暴，与顶级AI创业者交流，并通过Office Hour、Demo Inn、Workshop等环节进行共创 [18][19][20] - 蓝驰创投将拿出1亿元资金支持创业营，并提供包括产品、GTM、团队及融资在内的方法论指导 [22] - 面向成长于1997年后的AI-native创业者，要求消耗token量是身边人的百倍，并具有快速验证、主动实践的特点 [25] NVIDIA初创加速计划 - 由NVIDIA主办，报名已开启，面试沟通在12月，正式开营在2026年1月 [23][24][26] - 会员可获享免费的NVIDIA深度学习培训中心课程、SDK访问权限、精选硬件和软件优惠价格、GPU云折扣、投融资对接等权益 [26] - 计划面向创业公司，在报名链接中推荐机构填写“极客公园”或“Founder Park”可更快通过审核 [27]

行业趋势与市场动态 - 大模型技术驱动下，输入法赛道在2025年下半年重新成为市场焦点，行业关注度显著提升[1] - 语音输入领域近期消息密集，国内外厂商动作频繁：字节豆包输入法结束内测正式上线，微信输入法持续迭代，智谱内测AI输入法；海外Wispr完成2500万美元A轮融资累计融资达8100万美元，Typeless在Product Hunt上线首日登顶[2] - 当前市场产品可划分为三大阵营：桌面端SaaS派（如Wispr、Typeless）、移动端大厂派（如豆包、微信输入法）、小成本极客派（如Whisper Keyboard、闪电说）[4] 产品性能测试与评估 - 在模拟科技公司产品经理焦虑状态下会议发言的极端测试中，桌面端最佳产品为Typeless，移动端最佳为豆包输入法[6] - Typeless延迟时间为3.05秒，具备强力净化功能，能删除废话、修改大小写和标点格式，输出质量最佳[6][8] - 豆包输入法延迟时间为2.05秒，是唯一能根据上下文逻辑准确区分发音相似词汇的产品，中文识别能力突出[6][8] - 微信输入法延迟时间仅1.08秒，响应极快，中文识别准确，但英文全小写是硬伤，适合聊天场景[6][8] - Wispr延迟时间高达10.14秒，严重影响交互心流，中文成语理解和逻辑处理出现偏差[6][8] - 闪电说延迟时间为3.13秒，但在测试中表现欠佳，将专业术语听漏或听错[6][8] - 苹果自带听写表现最差，完全无法处理专业术语[6][14] 桌面端产品战略与特性 - 桌面端创业公司瞄准知识工作者，通过SaaS订阅模式提供高附加值服务，声学环境相对稳定利于专注语义处理[18] - Wispr累计融资8100万美元，拥有270家福布斯500强公司客户，核心亮点为根据应用程序自动调整转写文本语气和风格[19] - Typeless在3.05秒处理时间内完成去口语化、自动纠错和格式排版，提供“精修后”文本降低二次编辑成本[25][27] - 桌面端产品普遍追求无感使用体验，UI最小化，通常只需按下一个键即可直接输入[35] - 国内出现智谱AI输入法等跟随者，界面设计和引导流程复刻Typeless，但稳定性与细节打磨尚有差距[36] 移动端产品战略与特性 - 移动端大厂竞争基于战略层面考量，输入法是连接用户与生态的超级入口，场景复杂度远高于桌面端[38] - 豆包输入法在移动端提供最佳中文语音输入体验，语义理解能力惊艳，但iOS端受限于后台机制需跳转App[39][42] - 微信输入法核心任务为提供最流畅社交体验，深度整合微信生态功能如表情包推荐、跨设备剪贴板同步[47][50] - 移动端产品普遍采取“速度优先”策略，牺牲格式严谨性换取毫秒级响应速度，契合即时通讯需求[55][56] - 移动端输入法UI占用半个屏幕，功能更丰富包括搜索、斗图、字体花样等，用户体验细节密集[46] 技术范式与未来展望 - 大模型技术将语音输入从自动语音识别升级为理解与重构，机器开始“听”逻辑而非仅“听”发音[63] - 技术范式转移使AI能容忍用户口吃、倒装、方言及中英混输，并基于上下文自动修正错误[64] - 交互流程发生根本性价值重构，从“语音转文字”进化为“语音转思考”，输入法正成为回归人类本能的自然交互界面[65]