Além da prática prática, o site oficial do projeto é um bom material de aprendizado em IA, especialmente para amigos com formação não técnica que desejam se integrar ao contexto da indústria de IA. Como o site oficial do projeto é resumido e condensado: ele não só pode resumir o que eles estão fazendo de forma concisa, para que usuários comuns possam entender; Ao mesmo tempo, existem alguns conceitos profissionais que permitem que os insiders entendam o que está acontecendo. Então, quando você encontrar um novo projeto que lhe interessa, não precisa usar IA para consultar tanto o resumo do projeto, mas acesse o site oficial deles e registre as informações do projeto (como negócios, histórico da equipe, financiamento, etc.) no seu próprio formulário. Ao mesmo tempo, enquanto assiste, pergunte à IA alguns conceitos que você não entende. Quanto mais você acumula, mais conceitos fragmentados serão reunidos em uma estrutura mais completa.

Hoje conversei com um colega de faculdade que trabalha como engenheiro na Bay Area e trabalha em uma startup de infraestrutura de IA com 100+ funcionários. Ele me disse que os engenheiros juniores que vieram entrevistar a empresa recentemente são basicamente graduandos de Stanford, Ivy League e outras universidades, e precisam de 2~3 experiências de estágio para poderem fazer diretamente o trabalho sênior original. Trabalhar em uma grande fábrica na Bay Area é relativamente confortável, mas em uma startup, a carga de trabalho agora é muito alta. Se você não aprender o trabalho rápido, é fácil ser otimizado 🥲 Além disso, como todos estão escrevendo código em Claude Code e já têm bastante confiança em IA, não é fácil explicar uns aos outros como escrever o código dos outros, então o módulo pelo qual cada engenheiro é responsável tornou-se mais independente 😂

Recentemente, me comuniquei com algumas empresas de C AI e, para ser honesto, com a maturidade atual do mercado, realmente não é fácil crescer: As aplicações 1/C-end são explosivas, o que testa a estética da equipe e o conhecimento do usuário, e há probabilidades e chances significativas, difíceis de prever ou replicar com precisão 2/ Atualmente, o mercado é relativamente fragmentado, como a dificuldade de as inscrições americanas entrarem na China e as barreiras para que as inscrições chinesas entrem em mercados internacionais. Para projetos que desejam chegar primeiro ao mercado inglês, o tráfego no mercado inglês é muito mais disperso do que no mercado regional, e não pode ser alcançado de forma eficiente por um único canal ou estratégia, o que significa que o projeto tem um grande custo de investimento 3/ O custo atual de lançamento no mercado não é barato, e o preço dos KOLs com tráfego panorâmico geralmente é 10% (RMB) do total de ventiladores, enquanto os KOLs na faixa vertical de IA têm um prêmio de 2~4 vezes. Depois de verificar se o custo de investimento da Kimi em 2025 é de centenas de milhões de RMB, o que é para uma startup que investiu 10 ou 20 milhões, o canal de sangue não é grosso o suficiente e inevitavelmente não será queimado 4/ Produtos que exigem alto nível de cognição de IA dos usuários são equivalentes à "segmentação" em serviços. Eu costumava achar que era um problema com a capacidade desses produtos de quebrar o círculo, mas agora acho que é um problema do tamanho da base de clientes-alvo e da capacidade de gastar dinheiro Com base nisso, se a capacidade de fazer to-C, orçamento e base geral de usuários forem limitadas, talvez a melhor forma de projetos de IA fazerem ARR ainda seja a lógica de "encontrar grandes players" – encontrar o grupo com as necessidades mais claras e a maior capacidade de pagamento, e então expandir lentamente, ou seja, para B, para desenvolvedores, para grupos profissionais e depois para tráfego. Quanto ao motivo de o ARR ser feito, é porque não existe ARR agora, e é difícil para o projeto integrar a segunda rodada.