与其说 AI 生产的应用最难做的是设计，不如说大量相似的设计提高了大家的审美阈值。 这导致现在用户的口味变刁了，所有的用户都会要求以往 90 分以上的设计，但在没有 AI 的时代，设计真的要做到 90 分以上的产品也是极少的。中国互联网公司的产品通常不太重视设计，他们可能更愿意把实验和预算投入到投放上去。 由于大量的 AI 应用都是由独立开发者或小团队做出来的，他们既缺乏投放预算，又大量依赖有机增长，所以强调设计就变成了 AI 产品面对第一波用户时，必须要解决的事情。

AI让很多企业审视过去必须购买的垂直软件，现在是否可以更便宜地自己开发？ 怎么从AI Slop到AI 生产力？ 星巴克在迈出第一步。 星巴克正利用 AI 辅助开发内部软件，希望逐步替代部分外购自微软和 IBM的企业工具： - 计划替代微软的库存追踪系统，以及 IBM 的设备维护管理工具；部分软件最快可能在 2027 年底上线，但仍取决于测试结果。 - 星巴克每年约花费 4 亿美元购买软件，这项计划属于其削减 20 亿美元成本的整体转型。 - AI 编程在开发过程中扮演重要角色，公司甚至把员工使用 AI 的情况纳入奖金考核。 - 星巴克还在开发自己的收银系统，未来可能替代 Oracle Simphony。 - 自研软件有望降低授权费、提升数据与业务流程的控制力，但也会带来系统稳定性、安全、长期维护和执行失败的风险。 - 公司本财年预计削减约 3,000 万美元技术预算，其中约 1,000 万美元来自软件支出，约 1,300 万美元主要来自减少外部承包商。

与 AI 协作很大程度上就是逼着人类开始理解自己。 播客诗梳风 EP 21：用 AI 生产内容的复盘之二：到底怎么把好内容翻译给 AI？· Case

今天 AI 圈这波操作属实把我看笑了： Claude 在暗处搞隐写打标，智谱直接在明处明抢完整 .git。 另一边 MiniMax 索性一掀桌子把 Code CLI 全给开源了，直接给同行上了上强度。 所谓的“AI 生产力革命”，拆解到底层全是冷冰冰的数据掠夺。摸清你的开发环境，拷走你的核心仓库，未来的行业壁垒就立住了。 免费或者便宜的东西，永远在暗中标好了代价。 音乐还没停，但大家的吃相已经越来越顾不上体面了。

近期最值得关注的 AI 项目 @dappOS_com 即将迎来TGE！ 关注我的朋友都知道，这几个月我一直在体验和分享 @dappOS_com 的 xBubble 工具，因为这可能是 Web3 AI 赛道里面少数真正把AI生产力落地的项目。 以前大家使用 AI Coding，更多是在帮你写代码。 但真正做一个产品出来，中间还有很多事情： 服务器部署、域名配置、API 调用、支付系统、数据接口等等， 这些才是很多普通创业者真正卡住的地方。 而 xBubble 的思路不一样。 它更像是 Web3 版 Codex + Workbuddy。 你只需要告诉它想做什么，背后的 SOP 系统会帮你拆解需求、调用对应能力，把一个想法快速变成可以运行的产品。 在世界杯期间，我就用它做过一个预测市场盘口分析工具。 我只发了一句话需求： “帮我做一个世界杯竞猜盘口跟踪分析工具，看看聪明钱都在买什么。” 结果它直接帮我补全产品逻辑： 追踪大额资金流向、盘口变化、异常交易、市场信号， 最后出来的不只是一个H5页面，而是一个真正可以使用的小工具。 这也是我觉得 xBubble 最大的价值： 它降低的不是写代码的门槛，而是“把想法变成产品”的门槛。 目前 Web3 很多 AI 项目还停留在概念阶段，但 xBubble 已经有大量真实应用场景： 宣传片、报告、商城、虚拟人、行情分析、预测市场等 Web2 用户和 Web3 用户都可以直接使用。 更重要的是，它不是单纯靠故事驱动。 据官方披露，xBubble 自 4 月上线以来，已经帮助超过 1 万个 OPC（一人公司）启动，并产生约 680 万美元订阅收入。 这说明用户不是只为了尝鲜，而是真有人愿意为效率提升付费。 再看 $DOS 的经济模型，TGE 流通量为 20%，团队和投资者有 12 个月的锁定期，随后 48 个月的归属期，空投比例仅 3%，剩余 3% 在 3 个月内分配，基本没有什么抛压，同时代币承担协调用户、服务商、基础设施伙伴和生态贡献者的作用。 对于一个已经有真实收入的 AI 产品来说，未来价值捕获逻辑会比单纯炒概念的项目更清晰。 我一直觉得，AI+Web3 最重要的不是再造一个聊天机器人。 真正有价值的是：让一个普通人，也拥有过去一个团队才能完成的生产能力。 如果未来 OPC 经济真的爆发，那么像 xBubble 这种降低创业门槛的基础设施，可能会成为其中非常重要的一环。 随着行情回暖，一些山寨也有启动的迹象， $DOS 的tge可能带来一波新的行情。早期贡献者和拿到空投的用户要麻了。保持关注！

昨晚和几位AI圈自媒体大神晚餐，聊到自媒体这个话题，一些观点记录： 1. 最好每个人，都做下自媒体 2. 一个关键原因是，当你需要发声时，最可靠的渠道就是自己的账号，绝大多数时候，没有人会替你主动发声 3. 每个人，其实都能基于自己的特性，找到适合自己的生态位，关键是找准差异化定位，然后持续输出有质量、有价值的内容 4. AI生产内容的能力越强，差异化就越重要，真正稀缺的，是独特的观点、真实的经验，以及有密度的干货 5. 持续输出很难，频率可以高，也可以低，但质量和差异化必须守住 6. 别人都用AI写，自己反其道而行之，坚持手写，也是一种稀缺和差异化，强调人的独特经历和表达 7. 对OPC而言，最终都要面对增长和获客，自己的自媒体账号，往往是成本最低、积累最强、复利最明显的获客方式 8. AI让写代码和做产品越来越容易，真正困难的，是产品是不是真的足够好，以及如何把它卖出去 9. 互联网一个特性之一，就是健忘，用户每天接收的信息太多，很快就会忘记，很多过去火过的内容，换个时间再次发布，依然可能再次传播，就是这个原因 10. 自媒体的本质，是长期占据一个生态位，持续被看见，持续建立信任

对那些"觉得自己公司在搞 AI"的高管，这些问题能瞬间识别真假转型： - 我们怎么区分"AI 活动"和"AI 生产力"？ - 我们的竞争优势会被 AI 放大还是侵蚀？ - 我们有 AI 战略，还是一堆没章法的实验？ - 如果一个任务从 100 美元降到 1 美元，哪些事突然变得值得做？ - "把人调到更高价值任务上"——这话有几分真的？ - 如果竞争对手从第一天就 AI 原生，他们会做什么？我们为什么没做？ 真正的 AI 转型不是上工具，是 关键决策同时被重新做一遍。

⚠️企业普遍遭遇「影子AI（Shadow AI）」管理难题：员工自发使用各类外部 AI 工具，调用链路、数据流向、成本支出全盘失控，暗藏数据泄露、合规超标、预算浪费多重风险。 封堵不如规范， 一站式企业 AI 治理平台给出最优解法： ▪️统一 API 接入 200+ 全球主流模型，全域 AI 使用行为可视可追溯 ▪️组织架构分级权限管控、预算围栏、费用全维度归因 ▪️默认零数据留存，配套 ZDR 与 DPA 企业合规协议筑牢安全底线 ▪️智能路由自动择优调度，自动故障兜底保障业务稳定运行 不用一刀切禁止员工使用 AI，在合规可控的框架内释放全员 AI 生产力，搭建企业标准化 AI 管理底座。 👉了解详情：

过去几年，要说 AI 时代最重要的资源，不是模型和人才，而是更底层的 GPU。 美国政府连续几年限制英伟达高端 GPU 向中国出口，就是最好的证明。 大多数企业、研究机构、专业 AI 用户面临两个核心问题：1) 如何能买到 GPU；2) 买到之后放哪里、如何维护、闲置算力怎么办？ Coinbase 系的创业公司 @B3Labs 最近推出 B3IQ，就是要解决这两大问题。 一句话来说，B3IQ 要让企业、机构/高校和专业用户，以分期付款的方式拥有自己的、搭载了英伟达 GPU 的服务器。 如何买到？ B3 Labs 投资的美国厂商 Andromeda 组装了搭载英伟达 GPU 的服务器，部署在美国俄勒冈州数据中心，占地 27,000 平方英尺，由平台负责运维。 要使用这些 GPU 服务器，有两个选项：以租代购 (首付 30%) 或一次性买断。 GPU 是很贵的 AI 生产资料，「以租代购」模式对中小企业和专业用户比较友好：首付 30% 即可锁定机器并投入使用，剩余款项不需要你再掏现金，而是由机器自己赚回来。回本期间，算力收入按 3:7 分成：30% 以现金直接付给你，70% 归平台，用于偿还剩余本金和 8% 的利息 (托管费另计)。 付清之后如果继续出租算力的话，分成结构反转：70% 归你，30% 归平台。用户可以选择继续出租算力赚收益，也可以把实体服务器提走。 B3IQ 目前提供 H200 NVL、Workstation RTX PRO 6000、RTX PRO 6000 Server Edition、RTX 5090、B300 等 GPU 芯片/服务器，满足不同层级的需求。 如何维护及使用闲置算力？ 不管是以租代购还是一次性买断，当 GPU 空闲时，你都可以通过平台出租给其他有需求的用户/公司，获得收益。B3IQ 平台负责撮合需求，收益可以抵扣购机款，或直接成为收入。 这是我觉得 B3IQ 的解决方案，挺有意思的地方。 也就是说，B3IQ 提供了一种不同于「租用云算力」和「自建算力」的第三种弹性模式。对于很多高校、实验室和 AI 创业公司来说，这比长期租用云算力更加可预测，也比一次性自建机房轻得多。 我通过 B3IQ 官网的收益计算器，看了下，以一台 4× H200 NVL 为样本估算，28 个月后用户可完全拥有这台 GPU 服务器，4 年 IRR (税前) 为 55%。 B3IQ 的客户 不只是中国的公司、机构对此有需求，一些美国的机构虽然能够买到英伟达 GPU，也同样需要 B3 Labs 的产品。 因为并不是所有 AI 工作，都适合交给第三方云服务 / AI 大模型，比如医疗研究、企业内部业务数据、政府/国防/军工等涉及隐私、安全或知识产权的数据；同时又对 GPU 有一些更弹性的使用需求。 纽约大学、斯坦福大学、达特茅斯学院、夏威夷大学马诺阿分校的研究人员正在使用 B3IQ 支持其 AI 工作，包括癌症研究与专用 AI 模型训练。 其中有些工作甚至涉及国家级外交谈判推演，这类任务本身就无法依赖商业 AI 服务完成。 关于 B3 Labs B3 Labs 成立于 2024 年，创始团队来自 Coinbase，得到 Coinbase, Pantera Capital 等机构超过 2,100 万美元投资。 相比融资背景，我认为更值得关注的是它的切入点，是 AI 产业里的一个刚需场景。 B3 Labs 希望把 GPU 从一种只能租赁的资源，变成一种可拥有、可运营、可产生收益的基础设施。 随着开源模型越来越成熟、部署门槛降低，且中美人才差距持续缩小，GPU 这道始终绕不过去的坎，依然是兵家必争之地。

想做能打电话的 AI 语音客服，这 6 个平台是最好的选择。 AI 接电话、AI 打回访、网站上跟你实时语音对话，背后都是这几家。 1、Vapi 开发者最爱，模型（GPT、Claude、Gemini）、声音、电话线路每个环节都能调，延迟业内最低，平台费每分钟 5 美分再加用量，做语音 Agent 的团队最后大多在用它。 2、Retell AI 生产环境最稳，端到端约 600 到 780 毫秒，自带医疗合规不加钱、没有平台抽成，无代码搭建和开发 SDK 都给，正式上线跑客服选它。 3、ElevenLabs 声音质量天花板，自然到分不出真假，Vapi 和 Retell 都把它的声音接进自家产品，对音色要求高的直接用它的对话式 AI。 4、Cartesia 极致低延迟，Sonic Turbo 模型是把整轮对话压进 500 毫秒的关键，追求「秒接话」体感的选它做语音合成。 5、Deepgram 语音识别最强，Nova-3 流式转写 300 毫秒以内、错误率低，已经用它做转录的团队，加对话功能路径最短。 6、PlayHT 声音库大、克隆快，性价比不错，很多语音平台把它当可选的合成引擎。