Помимо практического опыта, официальный сайт проекта является отличным материалом для изучения AI, особенно для друзей без технического фона, которые хотят погрузиться в контекст AI-индустрии. Поскольку официальный сайт проекта содержит сжатые и обобщенные материалы: он может кратко изложить, чем они занимаются, чтобы обычные пользователи могли понять; в то же время он включает некоторые профессиональные концепции, которые помогут специалистам понять, что происходит. Поэтому, когда вы сталкиваетесь с новым интересным проектом, не стоит спешить использовать AI для запроса краткой информации о проекте, а лучше сначала посетить их официальный сайт и записать информацию о проекте (например, бизнес, фон команды, финансирование и т.д.) в свою таблицу. Одновременно, просматривая, задавайте AI вопросы о непонятных концепциях. Накопив достаточно информации, некоторые разрозненные концепции сложатся в более полную картину.

Сегодня я общался с однокурсником, который работает инженером в стартапе по AI инфраструктуре с более чем 100 сотрудниками в районе залива. Он сказал мне, что на собеседованиях на должность младшего инженера в их компании в последнее время в основном присутствуют студенты Стэнфорда и других университетов Лиги Плюща, и требуется 2-3 стажировки, чтобы сразу же выполнять работу, которую обычно делают старшие инженеры. Работать в крупных компаниях в районе залива относительно комфортно, но в стартапах сейчас объем работы очень большой. Если не научиться быстро выполнять задачи, то легко можно оказаться под сокращением🥲 Кроме того, поскольку все используют Claude Code для написания кода и уже довольно уверены в AI, объяснить, как каждый пишет код, становится сложно, поэтому модули, за которые отвечает каждый инженер, становятся более независимыми😂

Недавно общался с несколькими AI-компаниями, ориентированными на конечного потребителя. Честно говоря, с учетом текущей зрелости рынка, добиться роста действительно непросто: 1/ Создание успешного C-ориентированного приложения требует высокой эстетики команды и понимания пользователей, что связано с заметной вероятностной и случайной природой, и это трудно точно предсказать или воспроизвести. 2/ В настоящее время рынок довольно фрагментирован, например, приложения из США трудно входят в Китай, а китайские приложения сталкиваются с множеством барьеров на зарубежных рынках. Для проектов, которые хотят сначала выйти на англоязычный рынок, трафик на этом рынке более разрозненный по сравнению с региональными рынками, и нельзя эффективно достичь его через один канал или стратегию, что означает, что проекту потребуется значительные затраты на рекламу. 3/ В настоящее время затраты на рекламу на рынке недешевы, расценки на KOL с общим количеством подписчиков обычно составляют 10% от общего числа подписчиков (в юанях), в то время как KOL в вертикальной нише AI требуют наценки в 2-4 раза. Я проверил, что затраты Kimi на рекламу в 2025 году составят более миллиарда юаней, что для стартапа, собравшего 10-20 миллионов, является слишком большим бременем, и он не сможет это себе позволить. 4/ Продукты, требующие высокого уровня понимания AI от пользователей, фактически обслуживают "сегментированное сегментирование". Ранее кто-то говорил, что многие AI-продукты сейчас просто самодовольство в маленьком кругу, я раньше думал, что это проблема маркетинга этих продуктов, а теперь считаю, что это проблема масштаба целевой аудитории и платежеспособности. Исходя из этого, если возможности, бюджет и общая пользовательская база для B2C ограничены, возможно, наиболее эффективный способ для AI-проектов достичь ARR - это логика "поиск крупных клиентов" - найти группу с наиболее четкими потребностями и высокой платежеспособностью, а затем постепенно расширяться, то есть B2B, к разработчикам, к профессиональным группам, а затем к массовому трафику. Что касается того, почему необходимо достичь ARR, то без него проекту будет трудно привлечь второй раунд финансирования.