AGI原野 | 技术创业现场

原小野Maggie
  • 0.0 (0)
  • Technology
  • Updated Biweekly

这是一档关注 AI 时代投资与个人成长的播客。主播团队有MIT毕业的投资人，有AI 博士与科学家，也有资深的投融资律师。 当我们聊到「AI时代的投资」，我们不只聊市场—— 我们聊一级市场的风口热点，看新科技浪潮里的新机会； 我们聊二级市场的周期起伏，拆解大宗商品、黄金原油的涨跌逻辑； 我们更关注AI浪潮里每一个普通人的自我投资——不讲遥不可及的技术神话，只分享非技术人群怎么借AI工具拓宽思路、完成自我成长。 在AI重构一切的时代，投资从不只是金融市场的游戏，把时间投给自己，就是最好的投资。 欢迎在公众号【AGI原野】找到我们，或添加微信 AGINova24 加入社群。

  1. 1d ago

    EP16. Meta是AI时代扶不起的阿斗吗？

    美股科技七巨头之中，Meta已沉寂良久——无论是大模型、算力存储还是应用落地，外界日新月异的AI变局似乎都与Meta关系不大。直到2026年7月，Meta开始密集对外释放其AI战略信号；9月推出Muse，10月发布新一代模型。 当市场目光重新聚焦Meta时，我们观察到几个耐人寻味的现象：美联储加息周期中，Meta股价不降反升；债券发行规模连创新高的同时，依然受到债券市场热捧；在内容与广告赛道，Meta已牢牢占据生态位，并意图以此为支点谋求更大的AI版图。 关于Meta，仍有诸多待解之问：在这场AI"军备竞赛"中，Meta究竟想占据什么位置？战略的骤然转向将对财报与股价产生怎样的影响？对其他巨头而言，这究竟是机会还是威胁？而对创业公司来说，又该如何在强者环伺的格局中找到自己的生存空间…… 本期节目中，我们将上述问题逐层拆解为四个核心议题：1）AI如何为现有广告业务赋能增效；2）Meta的AI全栈投资方向是否契合行业演化趋势；3）Meta将如何应对大规模投入带来的现金流压力；4）代入此前节目EP15.《加息下的AI产业链：谁在吃肉，谁在挨揍？》提出的AI行业三角形分析模型，又该如何理解Meta与英伟达在AI时代的差异化策略。 本期节目由Maggie主持——MIT金融专业毕业，专注于AI行业投资研究与分析。嘉宾周铭，AI博士，长期从事AI前沿研究工作，同时密切关注美股市场动态。我们希望从金融与技术的双重视角出发，为Meta的分析搭建系统性框架，并提出未来值得持续跟踪的关键问题。 这一期的核心结论：Meta并非AI赛道的"边缘玩家"，其全栈投资方向与行业演化趋势高度契合，但短期内仍面临现金流压力，资本配置策略将至关重要。同时，Meta在模型方面的实力仍面临质疑 对于初创公司而言，功能性智能体（Agent）赛道在与基础大模型公司的正面竞争中胜算有限；但在体验型、情感交互类细分场景中，仍存在差异化突围的机会 Meta的三大收入增长曲线：广告业务依托生成式推荐模型完成收入升级；个人智能体业务通过Muse + AI眼镜打造新一代用户入口；商业智能体则通过开箱即用的全链路工具，构建按效果付费的商业模式闭环。终极目标：打通三角形全链路，实现利润留存最大化 后续需重点跟踪的核心指标：Meta广告业务的AI转化效率、智能体业务的实际收入兑现节奏等 这一期的核心分析模型与框架：AI行业三角形理论，详细内容可参考 EP15.《加息下的AI产业链：谁在吃肉，谁在挨揍？》：底层算力：Meta选择芯片自研 + 多供应商组合的路线，实现降本增效；中层基建：全栈自建数据中心与网络基础设施；上层应用：聚焦智能体赛道，打造用户级入口。 时间轴：00:03 从财报视角重新认知Meta的业务属性：两位AI领域研究投资相关从业者承接上期AI行业三角分析模型话题，结合听友对Meta反差表现的疑惑展开讨论，提及美联储加息后盈利确定性受重视推动Meta股价上涨，结合Meta二季度财报指出其当前本质仍是广告现金流公司，近99%收入来自APP家族广告业务，AI相关业务收入占比极低。 03:01 Meta巨额AI投资布局及相关风险讨论：围绕Meta盈利后的资金去向展开，介绍其正布局Muse、Omega one、AI Glass等暂无实质收入的新AI业务，相关全栈投入规模庞大，已签署超3500亿美元长期不可取消合同，当前核心收入依赖单一广告业务，正全力寻找第二增长曲线，也点明其在加息周期下高投入存在风险，后续将围绕收入稳定性、投资见效速度、资金缺口填补方式三点展开讨论。 07:00 Meta近期战略及AI赋能广告业务分析：梳理Meta近三月对外沟通脉络：7月二季度电话会聚焦AI助力增收，8月主题演讲畅想其欲构建的智能世界，9月Connect大会发布多款落地产品，重点探讨其生成式推荐模型GEM对占营收9成以上的广告业务的提效逻辑，也提及当前Meta大模型能力尚存不足，后续待财报验证相关猜想。 12:38 Meta个人智能体业务及行业相关趋势讨论：聚焦Meta潜在新收入线Muse与Personal Agent，介绍其24小时替用户工作的智能体定位、依托WhatsApp触达用户、算力动态竞价的商业化思路，对比基模厂商、平台型公司、创业公司做Personal Agent的优劣，还探讨了云端虚拟电脑趋势及Meta将Muse接入AI眼镜的生态布局。 28:20 Meta商业Agent相关营收逻辑及发展思路分析：围绕Meta的商业智能体新收入布局展开，其当前已服务超百万企业做客服、销售等，长期目标是打造获客到成交的闭环开箱即用工具，采用类似原有广告竞价的按结果付费模式，优先将自研算力转化为智能售卖、预留算力出租作为收入保险，同时明确自身全栈AI定位，不会教条式坚持全开源。 33:59 探讨个人智能体相关发展路径与行业现状：围绕personal agent能否成为未来互联网入口展开探讨，将其分为普通聊天机器人、豆包手机OS级agent、Muse三类并从运行环境、主动性等维度对比，讨论了智能硬件创业公司抓用户意图的相关情况，分析了当前AI按用户意图直接执行任务在信任、基建等方面的现存问题，还提及Meta相关布局的市场差异化优势。 41:27 AI行业三角利润模型下Meta与英伟达的布局对比：回顾AI行业三角形利润分配模型，底层为芯片算力层，代表企业英伟达，中间为Infra数据中心层，上层是基模及相关应用硬件层，面积对应各层利润占比。Meta从上层向下纵向整合，核心盈利仍留上层，英伟达则从底层向上布局全栈，二者基本盘不同形成典型对照。 44:26 Meta资本开支及市场与融资策略分析：围绕Meta的资本开支展开分析，其2026年资本开支指引为1300-1450亿美元，规模在头部科技企业中偏中下，但因缺乏公有云快速变现机制，市场资金端争议大，债权投资人信心不足，股票市场在Muse推出后态度转向，同时介绍了Meta CFO的长短结合资金管理思路及特殊JV融资策略。 48:58 Meta发展前景及后续关注指标探讨：围绕Meta展开讨论，认为它并非AI行业扶不起的阿斗，特质类似腾讯，先占住agent入口、离钱更近，虽当前全栈投资暂未显明收入，后续财报也会因巨额投资折旧吞噬利润，但后续会重点关注AI提效广告业务、基建规模效应降本、新收入支柱落地情况。 欢迎加入听友群！ 在小宇宙查看该单集文稿

  2. Sep 22

    EP15. 加息下的AI产业链：谁在吃肉，谁在挨揍？英伟达/Oracle/OpenAI/微软

    这是《也谈钱》系列的第3期节目，主持人是Maggie&周铭： Maggie 在MIT金融专业毕业后在投行工作，现在从事AI行业投资研究； 周铭是AI研究员，闲暇之余关注二级市场的投资研究。 这一期的话题会从上周全球市场大事件出发——美联储加息，聊聊：钱变贵之后，AI 行业还能继续烧钱吗？ 美联储加息 25 个基点，带来的不只是市场短期波动，更是对 AI 公司现金流、融资能力和商业模式的一次重新排序。 我们从 DCF 现金流折现和资金成本讲起，搭出一个 AI 行业的“正三角模型”： 底层是英伟达、台积电、电力和算力基础设施，收入更近，现金流确定性更高； 中层是云计算、数据中心等Infra，增长很快，但利润容易被折旧、电力和融资成本吃掉； 顶层是 OpenAI、Anthropic 以及各种 AI 应用，想象空间最大，但收入兑现更远，也更依赖融资和未来客户。 我们重点讨论了几家公司： 微软为什么能依靠企业客户、Office 和 Azure 的现金流参与 AI； 英伟达为什么不断投资自己的客户，以及“循环融资”如何制造账面利润和估值泡沫； Oracle 为什么成为 AI 基础设施中资金压力最大的样本； Meta 的专项融资与表外融资，和 Oracle 的高负债模式有什么不同； AI 行业未来如何从“正三角”走向“圆柱体”，甚至倒三角； 当模型训练逐渐减少、推理和应用成为主流，行业的利润分配会如何变化； “higher for longer” 的利率环境，为什么可能迫使 AI 公司更快找到真实客户和商业模式。 加息之后，AI 行业不会简单地一起上涨或下跌。真正的分化，可能才刚刚开始。 如果你关心 AI、金融市场和一级市场，欢迎添加微信 AGINova24，加入 AGI 原野听友群。 时间轴： 00:05 开场：美联储加息，AI 行业开始分化 01:12 加息已被市场提前定价，下一步还会继续加息吗 02:31 资金成本如何传导到全球市场与 AI 行业 03:15 DCF 现金流折现：收入越晚兑现，受加息影响越大 04:44 谁的收入近在眼前，谁的收入还在遥远未来 05:10 AI 行业“正三角模型”：芯片、Infra、基模与应用 06:25 微软、亚马逊：用成熟业务现金流投入 AI 08:22 微软如何借助 Office、Azure 和企业客户参与 AI 11:14 AI 初创公司倒下，会如何影响微软 12:29 英伟达投资客户与 AI 行业的循环融资 13:45 OpenAI 的融资、亏损、算力承诺与股东稀释 18:03 基模行业进入竞争期，寻找 Coding、Agent 与 Science 场景 21:20 AI Infra 是什么：Oracle 为什么成为极端样本 24:01 高债务、融资成本与 Oracle、Meta、Amazon 的不同选择 25:50 从加息考验到行业重构：AI 如何从正三角走向推理时代 在小宇宙查看该单集文稿

  3. Sep 14

    EP14. 初创公司人民币和美元都想拿，融资架构该怎么搭？

    投资人钱都谈好了，结果卡在"钱怎么进来"？人民币美元都想投你，该用哪个主体接？开曼、香港、境内三层公司，到底谁管谁？ODI、FDI、37号文……这些缩写听得头大？ 如果你在创业、打算出海、或正在融资路上被「架构问题」搞得焦头烂额，这期就是为你录制的！我们请来了盈理律师事务所合伙人夏必康律师（公众号：逍遥法外夏洛克），他常年专注跨境投融资和出海架构，经手大量硬件出海真实案例。这期全是能直接用的实操结论。 主持人：Maggie｜MIT斯隆管理学院，前国际投行嘉宾：夏必康｜盈理律师事务所合伙人时间轴：00:46 快问快答：融资主体到底能同时拿人民币和美元吗？01:31 开曼架构：为什么硬件出海创业团队偏爱这套税务游戏？05:52 资金怎么走？投资人怎么控？两个视角拆解融资架构10:25 拖延症也能救？创业团队的架构搭设，其实有后悔药13:34 AI行业注意！这类前沿领域可能不适合海外融资架构15:12 理论再完美，细节里见真章课代表做笔记——五个关键原则：1. 双币种可以同时拿，合规办登记就行；但同时搞两个独立融资主体，行业里几乎没有长期落地的案例。 2. 主流架构是开曼-香港-境内，原因之一是节税。不走美国主体，以香港作为中间层可以享受内地与香港最优税务优惠，早期能省一笔是一笔。 3. 钱进钱出要办对应登记，境内钱出境办ODI，境外钱入境办37号文登记；没有强制一次性划转，按需分批调拨就行，外汇波动风险自己担。 4. 架构举棋不定，可以先看第一笔钱从哪来。境内外架构后续可以重组，有"后悔药"，但别频繁折腾。 5. 退出时必须有唯一顶层主体。不管上市还是被收购，最终得有一个核心主体代表集团价值。另外，军工、基座大模型等受严格监管的行业，不适用灵活架构。 【可以先收藏这三张图片，概括了本期节目的主要内容👇👇👇】 「金句」—— "对于初创企业，早期时间可能比金钱更重要。缺失了这笔资本、错过了商业窗口，后面估值上涨都会出问题。" "架构不是单向通道，设了境内不代表境外跟你无缘，跑去开曼也不代表回不来。都可以改，只是要花时间精力成本去重组——这是有后悔药的机会。" 全文逐字稿：https://mp.weixin.qq.com/s/FjViobD3Ad7TgTbS9__XPw 欢迎咨询微信：AGInova24，和夏必康律师聊聊企业架构搭建问题，加入听友群交流。本期内容由AGI原野主办分享，仅供参考，不构成法律意见。 在小宇宙查看该单集文稿

  4. Sep 4

    EP13. 创始人IP要不要做，如何投流、种草，创业公司该怎么做营销？

    创业公司做营销，究竟应该从品牌定位开始，还是先投流、先种草、先活下来？ 这一期，我们从广州、深圳走访不同类型的营销从业者：有在行业深耕 30 年的“老炮”，有擅长大数据投流的中坚力量，也有高度 AI Native 的年轻营销团队。通过三类方法论的对比，拆解传统全案营销、精准投流和 AI Native 营销之间的差异。 本期看点创始人个人IP的边界在哪里 为什么百万预算、半年周期的营销方案不适合大多数创业公司 大数据投流如何利用设备号、用户行为和跨平台广告位 GEO 投流正在形成怎样的产业链 小红书 KOL/KOC 投放的核心逻辑：KFS 为什么视频号可能比小红书、抖音更接近销售转化 AI Native 营销团队如何用两个人跑完营销流程 AI 降低营销成本之后，创意和行业经验仍然重要吗 未来 GTM 是否可以把“定位”和“投流”拆开完成 时间轴00:00｜30年行业老炮解读全案营销传统公关营销的四步方法论，以及创始人个人 IP 的边界。 04:59｜百万预算，半年周期，创业公司玩不起传统全案营销的成本、周期和行业分工，为什么创业公司需要更灵活的打法。 09:06｜揭秘投流：大数据、设备号、GEO从精准投流、设备号识别，到测试轮、正式投流和 GEO 搜索。 15:32｜小红书投放逻辑与跨平台投放KOL、KOC、KFS、视频号和跨平台投放，素材准备为什么比买流量更重要。 22:52｜AI Native营销：两个人跑完流程年轻营销团队如何借助 AI 完成定位、创意和投流，以及轻量化背后的风险。 本期金句所有的投放在媒体层面的投放，都是为了增加被客户看到的几率，而不是确保目标客户必然看见。 你可以把营销抽象成定位和投流这两件事情，它们是两块不同的乐高。 适合谁听正在寻找 GTM 方法的创业公司创始人 AI 硬件和 AI 产品团队 负责品牌、增长、市场和投流的从业者 想了解传统营销公司与 AI Native 团队差异的人 联系我们如果你有营销咨询、资源对接或投放需求，欢迎添加微信：AGINova24 下期预告企业出海时，如何同时使用人民币和美元融资？公司架构应该如何设计？下一期，我们邀请资深律师聊聊企业出海融资背后的法律问题与实操要点。 在小宇宙查看该单集文稿

  5. Aug 24

    EP12. A2A创业机会在哪里？Agent 赚钱 Agent 花，相亲求职两不误

    “A2A 市场真正的创业机会，不只是做一个 Agent 交易平台，而是解决 Agent 之间的需求理解、发现、信任、通信与支付，并从具体垂直行业积累客户和数据。” 当一个 Agent 可以主动发现、筛选并雇佣另一个 Agent，一个新的交易市场会如何形成？ 这一期，我们从近期接触的 A2A 创业项目出发，拆解了两类主要模式：由 Agent 自动完成任务的技能交易市场，以及 Agent 负责前期匹配、最终仍由人完成交付的代理撮合市场。沿着一笔 A2A 交易的全过程，我们讨论了需求理解、供需匹配、质量评价、通信协议、计费授权与支付结算等关键环节。 在基础设施尚未成熟的阶段，创业公司应该做“大而全”的封闭市场，还是从制造业、招聘等垂直领域切入？未来会不会出现跨平台的统一市场？传统软件和互联网平台积累的数据，又会如何成为 Agent 时代的新护城河？欢迎在评论区和我们继续聊！ 主持人：Maggie｜MIT斯隆管理学院，前国际投行 这一期，Maggie 从近期调研的 A2A 创业项目出发，拆解 Agent 之间从需求理解、供需匹配、质量评价，到通信与支付结算的完整交易链条。哪些项目已经切中了真实的行业痛点，哪些设想仍在等待技术与基础设施成熟？当商业需求与技术进步真正相遇，A2A 最值得关注的创业机会又会出现在哪里？ 嘉宾：周铭｜AI研究员 既是 AI 领域的前沿研究者，也是二级市场“资深爱好者”，周铭将从技术演进和投资视角，分析 A2A 基础设施与代理撮合市场的不同机会。他还会讨论 AI 浪潮下的软件行业：收费模式如何从“按席位”转向“按结果”，以及为什么拥有真实客户、优质数据和行业工作流的软件公司，依然可能构筑长期护城河。 时间轴：Agent 开始雇佣 Agent（06:14） A2A 的核心不是让一个 Agent 变得无所不能，而是让它能够雇佣更专业、更可靠的 Agent，完成一部分工作。 A2A 市场首先是一个信任市场（08:37） Marketplace 不只面临供给不足的问题；当供给足够多时，更困难的问题是：怎么判断哪个 Agent 值得信任、能够保质保量完成任务？ “Agent 世界的黄页”（12:12） 每个 Agent 都需要登记自己的地址、入口和能力，才能被其他 Agent 找到。 Agent 也得算钱（13:46） “当某一个 Agent 完成任务之后，他俩要怎么交易？就是钱，还是要算算钱。” “大而全，但又封闭”的创业矛盾（18:58） 平台希望覆盖所有需求，却又没有足够的供给密度、行业资源和基础设施。别人为什么要在这里完成所有工作？ 垂直行业可能是更现实的入口（19:23） 创业团队不应该先追求一个万能市场，而应该从自己真正拥有客户、数据和产业资源的领域切入，例如制造业、招聘或专业服务。 两条创业路线共同演进（20:51） 一条路线做通信、支付等基础设施；另一条路线先做代理撮合，用相对“半自动”的方式积累客户和数据。等两端逐渐成熟，真正的 A2A 市场才可能出现。 软件行业的价值从“席位”转向“结果”（22:56） AI 可能改变软件的收费方式，却不会让拥有真实客户和高质量数据的软件公司失去价值。数据不仅是资产，也是 Agent 时代的重要护城河。 AI 是杠杆，不是资产本身（26:05） “AI 是一个杠杆，就看你怎么去运用自己原有的一些数据。” AI 的价值是功能，而不是替代人的情感（26:37） 希望 AI 帮助自己完成任务，但社交和情绪价值仍然来自真人。技术能够留下来的前提，是服务于人，而不是取代人。 节目里提到的公司：Mastercard Agent Pay产品官网： Mastercard Agent Pay Mastercard 是总部位于美国纽约州 Purchase 的全球支付网络公司。2025 年推出的 Mastercard Agent Pay，目标是让经过注册和验证的 AI Agent 能够在用户授权下发起和完成支付。 它延续 Mastercard 原有的网络令牌化能力，为 Agent 建立可追踪的数字身份，并强调“可验证意图”：每笔 Agent 交易都应对应经过认证的用户意图和明确授权。放在 A2A 产业链中，Mastercard 解决的是如何把 Agent 交易接入成熟支付网络，以及如何处理身份、授权、安全和责任追踪。 Nevermined官网： Nevermined 产品后台： Nevermined App 开发文档： Nevermined Documentation Nevermined 是面向 AI Agent、API、数据集和数字服务的支付基础设施，其官方定位是为 AI 建设“financial rails”。 对于买方，Nevermined 可以向 Agent 委托一张带有消费规则的虚拟卡，限制单笔金额、每日预算和商户类别，并可随时撤销。对于卖方，它可以在 Agent 或 API 前增加支付门槛，按调用次数、使用量或结果计费，同时完成权限验证、用量记录和自动结算。 大白话说，Nevermined 像给 Agent 安装了一套“银行卡＋门禁＋电表＋收银台”。它解决的是谁有权购买、最多可以花多少钱、每次调用用了多少，以及服务完成后如何结算。但它不负责判断哪个 Agent 的服务质量最好。 Agentverse产品官网： Agentverse by Fetch.ai 平台入口： Agentverse Marketplace 文档： Agentverse Marketplace Agentverse 是 Fetch.ai 推出的 Agent 开发、托管、注册和发现平台。开发者可以把托管在 Agentverse、本地或外部服务器上的 Agent 注册进平台；已注册的 Agent 会进入底层 Almanac 目录，从而被其他用户和 Agent 搜索、发现和调用。 Agent 在目录中登记自己的唯一地址、支持的协议和通信入口，其他 Agent 可以根据地址、协议、在线状态和验证状态进行搜索，再按照共同支持的消息协议建立联系。 它可以被理解为 Agent 世界的“黄页＋DNS＋通信入口”：主要解决“有哪些 Agent、它在哪里、支持什么协议、怎样联系”的问题。它可以辅助验证注册身份和在线状态，但不能单独证明一个 Agent 的实际交付质量，也不负责完成最终支付。 袋袋 AI官网： 袋袋 AI 专家市场 专家市场： 袋袋专家市场 袋袋是一个 AI 专家创建、分发和交易平台。平台将专家的人格、专业技能、记忆、工具和云端工作区组合成可以长期协作的 Agent，用户可以直接寻找相关领域的“数字专家”完成写作、设计、分析、编程或运营等任务。 与普通聊天机器人相比，袋袋强调的不是提供泛泛建议，而是直接交付业务结果，并采用“先看结果、满意再付费”的产品表达。专家也可以把自己的行业知识和工作流封装成 Agent，在平台上发布、定价和持续运营。 在 A2A 产业链里，袋袋更接近“供给侧的专家市场”：它解决专业能力怎样被封装成 Agent、用户如何发现和筛选这些能力，以及专家经验如何形成可以重复交易的数字产品。 AGI 原野希望持续记录 AI、机器人和前沿科技从概念走向产品、产业与真实需求的过程。我们关心的不只是一个新技术有多酷，也关心它能解决什么问题、如何进入现实，以及谁能把它真正做出来。 在 AGI 原野社群里，有来自不同产业的创业者、投资人和行业专家，也有 AI 技术与产品方向的实践者。我们希望让知道问题在哪里的人，和知道如何解决问题的人，更高效地找到彼此。 如果你正在做 AI 项目、寻找真实场景，或者希望认识更多同行与潜在合作者，欢迎添加「AGINova24」，加入AGI原野社群。我们群里见。 在小宇宙查看该单集文稿

  6. Aug 11

    EP11. 我们看完了250个黑客松项目：最酷的Demo，离创业还有多远？

    三天时间，约 800 位选手，完成了大约 250 个项目。我们团队有两位导师，以评委的身份，参与到了项目最终的评定。 在杭州 AdventureX 的现场，我们看到了很多熟悉又新鲜的组合：AI Agent 和链上游戏、AI 眼镜和观鸟、机器狗和老人陪护、摄像头和家庭烹饪，以及试图让多台机器人协同工作的机器人操作系统。 这些项目很容易让人产生一种兴奋感：技术好像正在迅速变成产品，很多过去只存在于想象中的场景，现在已经可以在三天里做出一个 Demo。 但离开现场、沉淀一个星期以后，我们发现，比“哪个项目最酷”更值得讨论的是： 比赛里的好项目，和现实中的好产品、好生意，可能有着不同的判断标准。 一个项目可以因为场景清楚、演示完整、表达有趣而获得评委的关注；但当它尝试从比赛走向现实，还需要回答更多问题： 技术实现到了什么程度？ 用户真正需要的是这个产品，还是只会短暂地被新鲜感吸引？ 找到一个愿意花钱的小众群体，是否等于找到了自己的付费用户？ 项目真正的核心资产究竟是硬件、软件、社群，还是长期积累的数据？ 三天完成的 Demo，应该被怎样理解和评价？ 黑客松真正值得寻找的，是成熟的项目，还是有潜力的年轻人？ 本期节目主持人 Maggie｜MIT斯隆管理学院，前国际投行。本期以 AdventureX 项目指引者及评审参与者的现场观察为基础，从投资、用户需求和商业化角度，分析不同项目的产品价值与落地可能。 嘉宾 夏必康律师｜盈理律师事务所合伙人。从法律、公司架构和投融资视角，讨论黑客松项目从创意走向创业过程中可能面对的现实问题。 嘉宾 周铭博士｜AI研究员。从 AI、机器人和模型架构的技术视角，分析项目背后的实现难度、技术路径与产业发展空间。 这一期，Maggie 与夏必康律师、周铭博士，从投资与商业、法律与公司架构、AI 与机器人技术三个视角，复盘了几个让我们印象深刻的项目。我们聊到了： Agent 和 Agent 未来可能交易什么； 一个 AI 观鸟项目可能延伸出的三种商业路径； AI 陪伴硬件怎样才能真正“越来越懂你”； 情绪价值如何与实际功能结合； 机器人为什么可能需要一套新的操作系统； World Model 与 Agent 架构的技术路径差异； 以及黑客松的评委究竟在评价什么。 时间轴： 00:00 一场大型黑客松的冷静复盘 01:48 当AI开始和AI做生意 11:26 AI观鸟可能藏着哪些商业机会 21:06 黑客松评委究竟如何打分 22:16 机器人如何进入老人陪护 26:51 AI硬件真的会“越来越懂你”吗 32:27 AI如何复制家人的做菜经验 36:01 机器人为什么也需要操作系统 38:41 World Model与Agent架构的区别 45:45 三天黑客松应该如何评价 48:49 比起项目，我们为什么更关注人 这不是一份获奖项目名单，也不是对参赛项目的简单评分。 我们更想借由这些年轻团队的尝试，观察一个创意从技术概念走向真实产品时，需要经历哪些检验。 对我们来说，黑客松最值得关注的，也许不只是一个项目最终拿到了什么名次，而是一个团队能不能做减法、能不能找到真正想解决的问题，以及能不能诚实地完成自己做出的承诺。 欢迎在评论区告诉我们： 如果你是黑客松评委，你更看重技术完成度、创意、商业前景，还是团队本身？ AGI 原野希望持续记录 AI、机器人和前沿科技从概念走向产品、产业与真实需求的过程。我们关心的不只是一个新技术有多酷，也关心它能解决什么问题、如何进入现实，以及谁能把它真正做出来。 在 AGI 原野社群里，有来自不同产业的创业者、投资人和行业专家，也有 AI 技术与产品方向的实践者。我们希望让知道问题在哪里的人，和知道如何解决问题的人，更高效地找到彼此。 如果你正在做 AI 项目、寻找真实场景，或者希望认识更多同行与潜在合作者，欢迎添加「AGINova24」，备注「黑客松」，加入 AGI 原野社群。我们群里见。 在小宇宙查看该单集文稿

  7. Jul 29

    EP10. 对话默造孙东来：00后极客的2次创业，从梦境AI到静音口罩，超级个体有穿越周期的野心

    一个把嘴遮住的口罩，目的却是让人更自由地说话。 这个听起来有点反常识的产品，叫默造MuteVox。它想解决的是：当我们越来越习惯用语音和 AI 交流，怎么在办公室、咖啡馆或者通勤路上，既不打扰别人，也不暴露自己的信息。 更有意思的是，默造诞生于一场黑客松，虽然没有拿到任何奖，但它的创始人孙东来没有停下来。他继续跑工厂、做供应链、上众筹，把一个看起来有点古怪的想法，推向真实市场。 AI 的确让做出第一版产品变得更容易了，但从一个 demo 走到量产、用户、融资和全球市场，真正困难的部分，可能才刚刚开始。 今天的嘉宾孙东来，是一位 00 后创业者，也是中科大研究生。他做过AI梦境社交软件，发起过合肥的徽客松，现在正在打造AI隐私硬件默造。 这一期，我们想借他的经历聊聊：年轻创业者如何从代码走向产品，从黑客松走向真实市场；当热潮退去之后，又靠什么让一个项目继续跑下去。 这里是 AGI 原野，我是 Maggie。欢迎孙东来，他的小红书账号@Sidreal（默造口罩版）。 时间轴： 00:00 一个把嘴遮住的口罩，怎么就能让人更自由地说话？01:32 从中科大研究生到00后创业，孙东来的故事03:37 从AI梦境社交软件聊聊AI玄学09:56 从软件跳进硬件，只用一个月？18:07 产品上线第一课：意想不到的市场25:24 深圳创业的一天：从熬夜到早起，孙东来的节奏29:58 如何用12天办成百人黑客松大会？31:02 黑客松的生命周期：从狂欢到反思，孙东来的观察33:13 选手视角 vs 评委视角：好项目不该只看奖项35:55 创业者的性格：天生的风格还是后天养成？39:09 当00后创业焦虑遇上05后“小天才”，我发现了什么？47:33 三年后，我希望大家记住的，是这件事49:11 AI让做产品更快了，但判断用户和市场，还得回到真实世界 欢迎加入 AGI 原野的讨论。 AGI 原野也会继续记录这些正在发生的创业故事。我们关心的不只是最后跑出来的人，也关心一个产品、一家公司和一个创业者，是怎样在不确定中慢慢形成的。 你可以在微信公众号搜索「AGI原野」，也可以在微信里搜索微信号「AGINova24」，找到我们。 AGI 原野社群里有很多来自 AI、机器人、产业、投资和内容领域的伙伴。长期来看，我们想做的是让真实需求和真实能力更高效地匹配：有人知道问题在哪里，有人知道怎么把它做出来。 在小宇宙查看该单集文稿

  8. Jul 20

    EP09. 交大薛宇斐：如何让不同机器人听从同一个指令？“一脑多形”运动控制模型

    如果你看到一群高矮胖瘦、来自不同厂商的人形机器人，跟着同一个节奏做动作，第一反应可能是：这是不是提前编排好的表演？ 但在机器人研究者眼里，这背后真正有意思的问题是：同一个控制策略，能不能迁移到不同的机器人身体上？ 这一期 AGI 原野，我们请到上海交通大学博士研究生薛宇斐。他的研究方向是具身智能与人形机器人全身运动控制，最近一项工作关注的是「跨本体」控制，也就是让已有控制器适配不同的人形机器人。更形象一点说，就是一脑多形。 更完整的访谈内容，已经上传在视频号/小红书/B站/搜狐视频/YouTube。结尾还有薛宇斐的团队招募新人的彩蛋！ 在完整访谈里，我们还聊到了 Sony AI 打乒乓球的进展、机器人未来进入家庭的可能路径，以及未来 12 个月人形机器人可能出现的变化。访谈视频、文字稿可以戳这里：对话薛宇斐：如何让不同品牌机器人，听从同一个指令？“一脑多形”运动控制模型。 感兴趣的朋友可以去看完整视频。节目已经发布在 AGI 原野的微信视频号、B站、小红书和、YouTube和搜狐视频。 时间轴： 00:01:10 未来家里和工厂里有不同品牌机器人，它们能听同一个指令吗？ 00:02:41 机器人到底怎么“动起来”：从一句话到走路、抬手、拿东西 00:06:44 机器人也有“大脑”和“小脑”吗？人类动作如何启发机器控制 00:08:26 为什么换一台机器人就要重新教一遍？“一脑多形”想解决什么 00:11:42 一台新机器人上岗前，调试到底要花多少时间和人力？ 00:13:16 真实测试过哪些机器人？从宇树、智元到更多不同本体 00:14:18 为什么机器人要先在虚拟世界里摔跤、试错、训练？ 00:15:15 看起来都像“两条腿两只手”，为什么每台人形机器人都不一样？ 00:18:44 具身智能最缺的可能不是模型，而是数据从哪里来 00:25:11 如果适配时间从一周缩短到一天，机器人产业会发生什么变化？ 00:26:01 一群机器人一起搬东西、协作干活，离我们还有多远？ 00:28:02 从实验室 demo 到真正进工厂，中间最难跨过的坎是什么？ 00:32:00 未来机器人会越来越像手机：有标准件，也有不同“操作系统”？ 00:39:49 人形机器人最后拼的不是炫技，而是谁能真正落地 00:41:21 未来一年，人形机器人最可能先在哪些场景里走进现实？ 欢迎加入 AGI 原野的讨论。 如果你正在做人形机器人、具身智能、工厂自动化，或者你手里有真实场景，希望加入技术、产品、产业和投资视角的交叉讨论，欢迎通过 AGI 原野社群和我们联系。 AGI 原野社群里有很多来自 AI、机器人、产业、投资和内容领域的伙伴。长期来看，我们想做的是让真实需求和真实能力更高效地匹配：有人知道问题在哪里，有人知道怎么把它做出来。 在小宇宙查看该单集文稿

See All (16)

About

这是一档关注 AI 时代投资与个人成长的播客。主播团队有MIT毕业的投资人，有AI 博士与科学家，也有资深的投融资律师。 当我们聊到「AI时代的投资」，我们不只聊市场—— 我们聊一级市场的风口热点，看新科技浪潮里的新机会； 我们聊二级市场的周期起伏，拆解大宗商品、黄金原油的涨跌逻辑； 我们更关注AI浪潮里每一个普通人的自我投资——不讲遥不可及的技术神话，只分享非技术人群怎么借AI工具拓宽思路、完成自我成长。 在AI重构一切的时代，投资从不只是金融市场的游戏，把时间投给自己，就是最好的投资。 欢迎在公众号【AGI原野】找到我们，或添加微信 AGINova24 加入社群。

Information

  • Creator
    原小野Maggie
  • Years Active
    2026
  • Episodes
    16
  • Rating
    Clean
  • Copyright
    © AGI原野｜技术创业现场@小宇宙App
  • Show Website
    AGI原野 | 技术创业现场

You Might Also Like