感谢 @pudgypenguinsCN 的邀请！ 辛苦 @0xMeow0130 @JYdmnLFG 现场满满老上海风情拉满！和企鹅伙伴们一起度过美好时光 ✨ 嘤嘤嘤我也拥有🐧啦！

最近在给硅谷 AI Startup 做增长，分享一些经验：找 UGC，而不是 KOL；找 KOS，而不是 KOC 做了几年全球 KOL Marketing，接触过欧美、日韩、东南亚等市场的 2000 多位 Creator，最近越来越觉得，AI Startup 的增长逻辑，和传统消费品牌完全不一样。 尤其是早期 AI 产品，预算有限、产品迭代快、用户认知还没建立。如果还按照传统的 KOL Marketing 逻辑，找大博主、谈报价、发视频、看曝光，ROI 很容易惨不忍睹。 分享几个我自己的观察。 1️⃣找 UGC，而不是 KOL 很多 AI Startup 一上来就想找几十万、上百万粉丝的科技博主合作。但实际上，早期产品更缺的不是曝光，而是能够证明产品价值的内容。 一个有 100 万粉丝的科技 KOL，可能只能给你带来一波短期流量；但一个只有 3000 粉丝、真正理解产品的 Creator，可能帮你跑通一个高转化的内容模板。 我更倾向于寻找能够持续生产 UGC风格内容的创作者，而不是单纯买 KOL 的流量。 尤其是 AI 工具，用户最想看的往往不是产品发布会，而是这个工具能帮我完成什么？比原来的工作流快多少？能不能直接复刻？ 真正有价值的是内容资产，而不只是创作者的粉丝资产。 2️⃣找 KOS，而不是 KOC KOC强调普通消费者的真实体验，KOS（Key Opinion Sales）则更接近懂产品、懂场景、能够影响购买决策的人。 我觉得 AI Startup 尤其需要后者。 比如你做的是 AI Coding 产品，与其找泛科技博主，不如找真正每天用 Cursor、Claude Code、Codex 写代码的开发者。 做 AI Design，就去找设计师、独立创作者。做 AI Agent，就去找正在利用 Agent 自动化工作流的人。 这些人的粉丝可能不多，但受众足够精准，而且他们知道用户真正的痛点。 AI 产品的投放，本质上是在寻找能够替你完成用户教育的人。 3️⃣不要先找达人，先找到有效的 Content Format 我见过不少 Startup，产品刚上线就开始大规模联系达人，结果投了几十条视频，播放量还不错，注册却寥寥无几。 问题可能根本不是达人，而是内容形式没有跑通。 我的建议是先测试 3～5 种不同的内容方向，例如Before / After：使用 AI 前后的效率对比、Tutorial：30 秒完成一个具体任务、Challenge：用 AI 挑战过去需要几小时的工作、Comparison：和竞品做同场景对比、Build in Public等 每种形式找几个小体量 Creator 测试，观察留存、点击、注册和激活，再决定放大哪一种。 4️⃣全球化投放不是把英文视频翻译成十种语言 这是很多 AI Startup 容易犯的错误。 美国用户可能更关注效率提升、个人生产力和商业回报；日本市场往往需要更清晰的操作演示与信任建立；东南亚市场则需要结合当地用户的实际使用场景与价格敏感度。 当然，这些只是市场假设，最终还是要通过数据验证，不能简单用国家给用户贴标签。 我个人比较推荐先在英语市场跑通内容模型，再寻找当地 Native Creator 进行本地化创作，而不只是翻译字幕。 甚至同一个 AI 产品，不同市场应该强调完全不同的 Use Case。 Localization ≠ Translation。 5️⃣不要迷信 Viral，要建立 Creator Growth Loop 很多团队把一条视频做到百万播放，当成一次非常成功的 Marketing Campaign。 但如果第二天流量归零，产品留存也没有改善，那这次投放的长期价值可能很有限。 Creator 生产内容 → 测试不同 Hook → 追踪注册与激活 → 找出高转化模板 → 复用到更多 Creator → 将有效内容用于广告投放 → 持续优化。 6️⃣AI Startup 应该把 Creator 当成产品增长的一部分，而不只是营销渠道 我认为这是最重要的一点。 传统品牌找达人，通常是为了让更多人知道品牌。 但对于 AI Startup，Creator 还可以帮助团队发现真实 Use Case，测试不同的用户群体，甚至反向影响产品 Roadmap。 比如，一个 AI 工具最初定位给设计师，但投放过程中发现很多电商卖家正在用它批量生成商品素材，而且付费意愿更强。 这时候，Creator Marketing 实际上帮助团队找到了新的 ICP，所以早期 AI 产品最应该追踪的，未必是 CPM、CPE，甚至不只是 CAC。 而是哪些 Creator 带来了真正激活、留存和付费的用户。 未来 AI Startup 的 Creator Marketing，会越来越像一套轻量化的增长实验系统。 一个拥有 1000 个精准用户的专业创作者，可能比一个拥有 100 万泛娱乐粉丝的博主更有商业价值。 而真正厉害的增长团队，不是认识多少头部 KOL，而是能否以足够低的成本，持续找到有效的内容、创作者和用户场景。 不要花钱购买影响力，要花钱验证增长。

受VC朋友的启发，田柯宇的事情，让我重新思考了一个问题：到底是在投资天才，还是选拔三好学生？ 围绕田柯宇的争议，很多人的第一反应是，这个创始人有污点，不值得投。 但风险投资投的本来就是不确定性。如果一个创业者必须学历漂亮、情绪稳定、待人谦逊、遵守所有社会规范，才能获得资本认可，那VC和大厂招聘有什么区别？ 硅谷有不少反例。马斯克的ego和攻击性不需要介绍；Uber创始人Travis Kalanick曾因公司文化和治理问题被董事会赶走；Roy Lee因为开发面试辅助工具引发争议，却依然拿到了a16z的投资。 这些案例至少说明一件事：创始人的社会评价，与他的商业创造力，并不是同一回事。 但也不完全认同“天才就应该被允许犯错”的叙事。 风险投资不是风险越大越好，而是寻找风险与回报之间的不对称性。性格偏执、不善社交是一回事，破坏公司治理、侵犯他人权益甚至触犯法律，是另一回事。后者可能直接摧毁前者创造的价值。 这里存在严重的幸存者偏差。我们记住了那些脾气古怪却获得成功的创始人，却很少讨论那些因为自负、失控而毁掉公司的创业者。 真正优秀的VC，不是喜欢疯子，而是能区分一个人究竟是拥有非共识洞察，还是单纯缺乏判断力。 某种程度上，AI正在提高个人创造力的杠杆，也可能让更多非典型创始人获得机会。 所以我认为，未来VC应该减少对创始人人格的刻板筛选，更关注三个问题： 他有没有别人看不到的机会？能不能把判断转化成产品和增长？是否具备最基本的商业信用？ VC不应该把创业者筛选变成道德选秀，但也不该把缺乏底线浪漫化为天才的叛逆。 真正值得投资的不是一个完美的人，而是一个能够创造巨大价值，同时不会亲手毁掉这些价值的人。 非共识值得投资，不代表反社会行为值得奖励。

感谢 @MiuroAI @6block_official @Gonka_CN 的邀请，共同探讨了 AGI 时代下，个人/企业该如何利用好 AI，以及创业困境的讨论 好巧的是 Lulu billions、Lulu Monad 都在同一个圆桌，哈哈哈

感谢各位的捧场，又是一场收获多多的 Open AGI Builder Day 每次和老师们交流，都是如沐春风、醍醐灌顶啊[强] 感谢智谱、X-agent、Creader、Creao AI、Billions、APRO、OpenMax、AllScale、JE Labs

毕业前后在娱乐圈呆了5年，说实在的，那时候看到的“乱”也差不多是大家传闻的那些，尤其是进了剧组后，都是权力再分配的人际关系。 景甜老师，错就错在，没有好好对孙哥进行DD。在孙/张之前的大佬都是官二代、富二代，再怎么都做不出毫无底线的事情，起码明面上不会，人家要的是体面。 多阅读在曾颖的内容，大概率就知道，她开口要的这些在孙哥那边到底算什么程度的爱了。

高盛的这篇智谱 GLM-5.3 的报告值得一看。 大模型竞争逻辑正在发生变化👉Scaling 正从一味堆参数，转向 Post-training。 GLM-5.3 参数规模基本没变，仍约 744B，但通过更长任务环境、更长训练时间、强化学习和工具协同，代码、长任务执行和安全能力继续提升。 模型进步开始越来越依赖“真实任务里的训练”，而不是单纯做更大的模型。 这背后还有一层更重要的商业逻辑。像 ZCode 这样的 Coding 产品，不只是变现工具，也可能成为数据入口：用户完成真实的软件工程任务，产生长周期执行轨迹，再反哺下一轮 Post-training，形成“产品使用 → 数据 → 模型升级 → 更多使用”的飞轮。 所以资本市场接下来真正要看的，已经不是 GLM-5.3 比 DeepSeek、Claude 高几个 Benchmark 点，而是三个转化率： 1️⃣ 模型能力 → 用户使用量 2️⃣ 用户使用量 → 付费收入 3️⃣ 真实任务数据 → 下一代模型能力 这也是为什么模型升级和股价逻辑要分开看。技术突破只能解释为什么产品更强，估值最终还是要靠收入增速、付费率和利润率兑现。 模型能力是起点，数据飞轮是护城河，商业化效率才是估值终点。

这两天在香港围观人群挤得水泄不通的 精子竞赛 SpermRacing 简直炸掉三观 昨天0xU的群里，还有朋友在问有没有人要去围观的 赛事很简单，分别让不同男性的精子比赛游向一个人工卵子库，谁游的更快，率先抵达谁就胜利 这个话题显然获得了巨大的关注，大家可以在体育馆里围观一群精子谁跑得快…… SpermRacing 创始人是17岁的 Eric Zhu，比赛已经筹到了超100万美元，AI 公司Trilogy Software的创始人、Biohack 等大佬投资 并且参加比赛的选手也是精英中的精英，比如 UCLA 和 USC 的选手 官网在这里👉

感谢 ETHPANDA、LXDAO 的邀请参与 以太坊之夏上海站的活动，与大家共同探讨了关于 AI Agent 与 web3 的融合 目前市场处于流动性较差的时间段，也正是静下心来 build 的最佳时机，agentic payment / decentralized GPU / machine economy 等等都是 AI 与区块链结合的不错选择

追加comment，GLM 能打！虽然等待时间过长，基本上同一个任务比 codex 多出 1/3，但在执行度和页面设计上还是能看 P1 是codex，P2 是GLM，缺点是 GLM 的 design / code 是隔离的，所以需要互相部署 Codex 跑 /goal 以后会一直消耗 token，感觉没完没了的在优化自己

跑了下 GLM 编程能力，总体来说还是差 Codex 一截 1 running time 整体推理解析、编程速度要比 Codex 慢 1/3，等的我 20 个波比跳做好 2 默认 UI 设计还是偏国产的土（P1 GLM， P2 Codex） 3 Output 输出缺乏自动 improvement，需要不断喂 feedback

很多人觉得 AI 的护城河是数据、GPU、模型，但越来越觉得不是 真正的护城河可能变成是 Research Culture + Research Leadership 大厂们频繁抢人背后是深深的焦虑 John Jumper（AlphaFold 核心负责人，2024 诺奖得主）离开 Google DeepMind 加入 Anthropic Noam Shazeer（transformer 作者之一，Gemini 核心负责人）离开 Google 加入 OpemAI Jonas Adler（Gemini Coding）和 Alexander Pritzel（Gemini Training）预计加入 Anthropic 因为 Frontier AI 已经进入下一个阶段，目前也不一定可以做出来，有 GPU 也不一定知道怎么训练。 真正稀缺的是那些踩过无数坑，又知道 scaling law 在哪里失效、知道 RL、pretraining、post training 每一步怎么调的人 就很像 NBA，球员（研究员）比球队（公司）更值钱

感谢 @yuexiaoyu 送来的世界杯⚽️周边 Predict Fun在世界杯期间联合币安钱包推出了 200 万 USDT 奖池的世界杯预测活动 是谁还没一边看球一边玩预测市场呢👀