Naast praktische ervaring is de officiële website van het project een uitstekende leerbron voor AI, vooral voor vrienden zonder technische achtergrond die zich in de AI-industrie willen verdiepen. De officiële website van het project is samengevat en gecondenseerd: het kan zowel beknopt samenvatten wat ze doen, zodat gewone gebruikers het begrijpen; tegelijkertijd bevat het enkele professionele concepten, zodat insiders begrijpen wat er aan de hand is. Dus wanneer je een nieuw project tegenkomt dat je interesseert, hoef je niet meteen AI te gebruiken om een projectoverzicht op te zoeken, maar kijk eerst op hun officiële website en noteer de projectinformatie (zoals bedrijfsvoering, teamachtergrond, financieringssituatie, enz.). Stel ondertussen AI vragen over concepten die je niet begrijpt. Naarmate je meer opbouwt, zullen enkele losse concepten samen een completer kader vormen.

Vandaag had ik een gesprek met een universiteitsgenoot die als engineer in de Bay Area werkt. Hij werkt bij een startup met meer dan 100 medewerkers die zich richt op AI-infrastructuur. Hij vertelde me dat de laatste tijd de kandidaten voor de junior engineer posities bij hun bedrijf voornamelijk undergraduate studenten van Stanford en Ivy League scholen zijn, en dat ze 2 tot 3 stages moeten hebben, zodat ze direct het werk van senioren kunnen doen. Werken bij grote bedrijven in de Bay Area is relatief comfortabel, maar bij startups is de werkdruk momenteel erg hoog. Als je niet snel leert en resultaten levert, is de kans groot dat je wordt geoptimaliseerd🥲. Bovendien, omdat iedereen Claude Code gebruikt om te programmeren en al vrij vertrouwen heeft in AI, is het moeilijk voor iedereen om uit te leggen hoe ze hun code hebben geschreven, waardoor de modules die elke engineer beheert, onafhankelijker zijn geworden😂.

Onlangs heb ik met enkele AI-bedrijven die zich op de consument richten gesproken. Om eerlijk te zijn, gezien de huidige marktmaturiteit, is het inderdaad niet gemakkelijk om groei te realiseren: 1/ Het creëren van een succesvolle C-toepassing vereist veel van het team qua esthetiek en inzicht in de gebruiker. Er is een aanzienlijke kans en toevalligheid, wat het moeilijk maakt om precies te voorspellen of te repliceren. 2/ De huidige markt is behoorlijk gefragmenteerd. Amerikaanse toepassingen hebben het moeilijk om de Chinese markt binnen te komen, en Chinese toepassingen stuiten op zware barrières bij het betreden van buitenlandse markten. Voor projecten die zich eerst op de Engelstalige markt willen richten, is het verkeer in de Engelstalige markt veel meer verspreid in vergelijking met regionale markten, wat betekent dat ze niet efficiënt kunnen worden bereikt via een enkel kanaal of strategie, wat inhoudt dat projecten aanzienlijke advertentiekosten moeten maken. 3/ De huidige advertentiekosten op de markt zijn niet goedkoop. De tarieven voor KOL's met een breed bereik zijn doorgaans 10% van het totale aantal volgers (RMB), terwijl KOL's in de AI-verticale sector 2 tot 4 keer meer kosten. Ik heb gekeken naar de advertentiekosten van Kimi in 2025, die op het niveau van honderden miljoenen RMB liggen. Voor startups die 10 tot 20 miljoen hebben opgehaald, is dat financieel niet haalbaar. 4/ Producten die een hoog niveau van AI-kennis van de gebruiker vereisen, bedienen in feite een "subsegment van een subsegment". Eerder zei iemand dat veel AI-producten nu slechts zelfgenoegzaam zijn binnen kleine kringen. Ik dacht eerst dat het een probleem was van de marketingcapaciteit van deze producten, maar nu denk ik dat het een probleem is van de schaal van de doelklanten en hun betalingscapaciteit. Gegeven dit alles, als je werkt met beperkte to-C-capaciteiten, budgetten en een beperkte totale gebruikersgroep, dan is de meest haalbare manier voor AI-projecten om ARR te realiseren misschien wel de "zoek grote klanten"-logica: zoek de groep met de meest duidelijke vraag en de sterkste betalingscapaciteit, en breid dan langzaam uit, wat betekent to B, to Developer, to professionele groepen, en dan naar bredere stromen. Wat betreft waarom het belangrijk is om ARR te realiseren: zonder ARR is het voor projecten erg moeilijk om een tweede financieringsronde te krijgen.