Selain praktik langsung, situs web resmi proyek ini merupakan materi pembelajaran AI yang baik, terutama bagi teman-teman dengan latar belakang non-teknis yang ingin berintegrasi ke dalam konteks industri AI. Karena situs web resmi proyek ini diringkas dan dipadatkan: tidak hanya dapat meringkas apa yang mereka lakukan secara ringkas, sehingga pengguna biasa dapat memahaminya; Pada saat yang sama, ada beberapa konsep profesional yang memungkinkan orang dalam untuk memahami apa yang sedang terjadi. Jadi, ketika Anda menemukan proyek baru yang Anda minati, Anda tidak perlu menggunakan AI untuk menanyakan ringkasan proyek terlalu banyak, tetapi buka situs web resmi mereka dan catat informasi proyek (seperti bisnis, latar belakang tim, pembiayaan, dll.) dalam bentuk Anda sendiri. Pada saat yang sama, saat menonton, tanyakan kepada AI beberapa konsep yang tidak Anda pahami. Semakin banyak Anda mengumpulkan, semakin banyak konsep yang terfragmentasi akan disatukan menjadi kerangka kerja yang lebih lengkap.

Hari ini saya mengobrol dengan teman sekelas kuliah yang bekerja sebagai insinyur di Bay Area dan bekerja untuk startup infra AI dengan 100+ karyawan. Dia memberi tahu saya bahwa insinyur junior yang datang untuk mewawancarai perusahaan mereka baru-baru ini pada dasarnya adalah sarjana dari Stanford, Ivy League dan universitas lain, dan mereka membutuhkan 2 ~ 3 pengalaman magang, sehingga mereka dapat langsung melakukan pekerjaan senior asli. Bekerja di pabrik besar di Bay Area relatif nyaman, tetapi di startup, beban kerjanya sekarang sangat tinggi. Jika Anda tidak mempelajari pekerjaan dengan cepat, mudah untuk dioptimalkan 🥲 Selain itu, karena semua orang menulis kode di Claude Code, dan mereka sudah cukup percaya diri dengan AI, tidak mudah untuk saling menjelaskan cara menulis kode satu sama lain, sehingga modul yang menjadi tanggung jawab setiap insinyur menjadi lebih mandiri 😂

Baru-baru ini, saya berkomunikasi dengan beberapa perusahaan AI C, dan sejujurnya, dengan kematangan pasar saat ini, memang tidak mudah untuk tumbuh: 1/ Aplikasi C-end bersifat eksplosif, yang menguji estetika tim dan wawasan pengguna, dan ada probabilitas dan peluang yang signifikan, yang sulit untuk diprediksi atau direplikasi secara akurat 2/ Saat ini, pasar relatif terfragmentasi, seperti sulitnya aplikasi Amerika memasuki China, dan hambatan aplikasi China memasuki pasar luar negeri. Untuk proyek yang ingin memasuki pasar Inggris terlebih dahulu, lalu lintas di pasar Inggris jauh lebih tersebar daripada pasar regional, dan tidak dapat dijangkau secara efisien melalui satu saluran atau strategi, yang berarti bahwa proyek tersebut memiliki biaya investasi yang besar 3/ Biaya peluncuran pasar saat ini tidak murah, dan harga KOL dengan pan-traffic umumnya 10% (RMB) dari total jumlah kipas, sedangkan KOL di trek vertikal AI memiliki premi 2~4 kali lipat. Setelah memeriksa bahwa biaya investasi Kimi pada tahun 2025 adalah ratusan juta RMB, yaitu untuk perusahaan startup yang telah menginvestasikan 10 juta atau 20 juta, palung darahnya tidak cukup tebal, dan mau tidak akan terbakar 4/ Produk yang membutuhkan tingkat kognisi AI yang tinggi dari pengguna setara dengan "segmentasi" dalam layanan. Dulu saya berpikir bahwa itu adalah masalah dengan kemampuan produk-produk ini untuk mematahkan lingkaran, tetapi sekarang saya pikir itu adalah masalah ukuran basis pelanggan target dan kemampuan untuk membelanjakan uang Berdasarkan hal ini, jika kemampuan, anggaran, dan basis pengguna to-C terbatas, mungkin cara terbaik bagi proyek AI untuk membuat ARR masih logika "menemukan pemain besar" - menemukan grup dengan kebutuhan paling jelas dan kemampuan pembayaran terkuat, dan kemudian perlahan-lahan berkembang, yaitu ke B, ke pengembang, ke kelompok profesional, dan kemudian ke lalu lintas. Adapun mengapa ARR dibuat, itu karena tidak ada ARR sekarang, dan sulit bagi proyek untuk mengintegrasikan putaran kedua.