Hihi，我是啊翔。生财杭州专业组局官，之前也为一些小企业提供了AI相关的服务（大佬太多，不敢说自己做的算FDE）。 10.18我作为组局官，听了@Daklnl 曲率出逃关于FDE的一场分享，感触颇深。 结合我的一点思考做了复盘，分享出来 1.增效之后，还可以用增加的产能去做增长。 曲率讲了一个电商视频案例。原来剪辑师一天大概剪30条视频，整理好素材、剪辑和包装规则之后，用Mac mini跑自动化，一天可以剪100条左右。 我印象最深的是，产能提高以后，老板没有去裁员，员工转去做审核和分发，企业用增加的内容运营更多账号。同样是提效，他想到的是把生意做大，这个方向我之前确实从来没想过。 FDE一定是要求帮企业做营收增长。单纯降本的项目，老板还要算工具费用、服务费、人员调整成本，外部团队也容易陷进内部改革，交付很重。如果能把一个降本工具做成熟，在同一行业批量复制，则是另一种情况。 增长也有前提：先有客户愿意买的产品，再谈获客、销售、交付、升单、复购和转介绍。视频产量翻倍，不能直接等同于生意翻倍。 他还提醒，增长结果要能溯源。内容带来线索，销售再跟很久才成交，双方的贡献就不容易分清。链路短、能追踪到订单的场景，更容易把账算清楚。 他对升单的解释也很实在：客户有了更贵、预算更多的问题，你能解决，后面的合作才成立。复购则要看需求会不会持续发生。 2.企业AI落地，具体交付什么？ 他把交付拆成Agent、知识库和数据库、自动化工作流几个部分。通用办公Agent优先借助成熟产品，服务方把精力放在企业自己的上下文和流程上。 公司的产品规格、报价规则、业务经验、岗位操作步骤，这些资料需要有人整理，接上企业现有系统，再变成能运行的工作流。 按他的说法，企业级Skill也没有那么玄，里面可能有提示词、脚本、表格和参考资料。用起来发现哪里不对，就接着改，直到它真的能把这项工作做好。 培训也一样，要拿客户自己的岗位和材料来定制：原来这项工作怎么做，有AI以后怎么做，现场教会。如果还需要你陪着一起跑通，那就是进一步的陪跑服务。 3.系统搭好了，还要有人愿意用。 AI落地是一把手工程。老板要给预算、给资源，也要安排内部能推进的人，协助跨部门沟通。 但只靠老板要求不够。如果员工整理知识库，多了很多工作，工资和考核却没有变化，甚至担心用完AI自己就被替代，他很难主动配合。 所以也要让员工得到实际好处，给工具、给培训，让他们自己试。员工天天做这些工作，往往还能发现老板想不到的用法。 4.筛客户、聊需求，值得投入很多时间。 他们会先让客户填多维表格、提供公司信息。初筛后安排线上沟通，把纪要整理成客户档案，再按S、A、B、C评级，分配后续跟进的精力。 他用二八原则提醒大家，少数客户可能贡献大部分收益。愿意付费、配合顺畅的客户，更应该认真服务，别因为对方好说话，就把时间全用去应付其他人。 需求也有一个接单标准：客户能讲清楚，或者你有能力帮他梳理清楚。 如果一直说不清，后面就很容易不断加需求。 他提到一个实战培训项目，前后沟通了30轮。光是了解不同岗位原来怎么工作、收集真实材料，就要花很多时间，之后才是设计培训内容。沟通中的疑问可以录下来，先问AI，再带着问题回去聊；能做个简单Demo，拿着聊也比一直口头解释清楚得多。 推进时先验证一个岗位，跑通再扩到部门、公司。报价则同时看自己的时间、人力、差旅成本，以及客户这个问题值得花多少钱解决。 我之前可能聊两三轮，就开始判断客户需要什么工具。应该把前面的业务沟通做扎实再去做定制。 5.自媒体获客的内容，可以从客户的问题里找。 曲率自己的经验是，自媒体是很重要的线索来源。但他也反复讲，能吸引客户的前提，是你对客户有足够深的理解。 他前期做过很多小项目，也聊过大量客户，慢慢知道老板关心什么。最近的客户反复问哪类问题，就拿来做选题。 还有一个很直接的做法：线下讲两个小时，再答疑，把过程录下来剪切片，一场分享能留下不少后续内容。 分享当天凌晨四点，我还在刷X，看到他发了一篇长文。过几个小时就要来做分享，真的觉得精力好强。这次听完，我也开始慢慢拍一些视频素材了。 这些内容能持续做，依靠的还是自己的经验和判断。他会先和AI讨论，等思路清楚，再自己组织表达。如果讲出来的东西，客户自己问AI也能得到，就很难体现找你的价值。 6.从零开始，先学一门能交付的小手艺。 他给新人的建议是，拿一个具体项目练，遇到问题就解决问题。可以先做小服务、参与项目，把一项需求交付好，再积累案例和客户理解。 有了案例，也要确认能否对外展示。接下来再逐步聚焦某个垂直行业，做标杆、沉淀方案，探索哪些部分可以复制。 他自己也坦诚，各行业的需求仍然很非标，正在往垂类和标准化收拢，并没有一套所有企业都能直接套用的答案。 我自己最想先改的还是以后跟客户聊的时候，多沟通多沟通，找到他的卡点和通过AI可能产生增长的方向。我之前太容易聊着聊着，就开始判断他需要什么工具了。沟通和谈单这部分能力我还得好好练。 后面我也会继续整理线下交流和实际项目里学到的东西。如果你也在探索AI企业服务，欢迎关注，一起交流。

If AI Can Solve Almost Everything, What Should We Teach Our Children? Education is part of a natural human process. We discover problems, look for solutions, bring those solutions into the real world, face the consequences, and learn from the results. New questions emerge, and the cycle continues. Yet most of modern education concentrates on just one part of this process: solving problems. We teach knowledge and skills, assign tasks, and measure how well students complete them. The underlying assumption is that the better you are at solving problems, the more value you can create. AI is changing that assumption. When increasingly powerful problem-solving capabilities become available to everyone, perhaps education should spend much more time on the two ends of the process: deciding what is worth pursuing and taking responsibility for what happens in reality. AI can already help us ask questions, compare possibilities, and make decisions. But intelligence alone cannot determine what matters to a particular human being. We live in vulnerable bodies, with limited time and lives that cannot be restarted. Every decision costs us other possibilities. That scarcity is what makes our choices personal. The same applies to reality. AI can simulate a situation and predict its outcome, but a simulation is not the same as living with the consequences. In the real world, our decisions affect other people, consume time and resources, and sometimes create irreversible results. We cannot simply reset and try again without cost. This is what I mean by Human Agency: I choose. I take responsibility. Therefore, I am. Consider Elon Musk. He doesn’t personally possess all the knowledge required to build rockets, electric vehicles, or AI systems. His ability to pursue such ambitious projects comes in large part from the whole loop: making consequential decisions, accepting responsibility, and bringing together external intelligence whose expertise makes execution possible. He is an example of what I would call a super individual: one person able to mobilize capabilities far beyond their own knowledge. AI may not make everyone another Elon Musk, but it could make it possible for many more people to attempt things that once required someone like him. That possibility changes the meaning of motivation. Why should a young person spend years learning? Not simply to outperform others at tasks AI may soon do better, but because they may now have the ability to pursue ideas and make changes that previous generations could only dream of.

2026 上半年 AI 融资 4300 亿美元，创历史纪录。 但有个数字更该看：垂直应用公司占了 62.9% 的交易笔数，只分到 12.9% 的钱。 钱更多了，也更难拿了。 「先拿一波钱占住位」这套打法今年开始失效。现在该占的，是不烧钱也能活的生态位！

最坑打工人的一句话：「在公司投入再多，留下的只有经验和判断。」 骗你的。 经验分两种：通用技能和组织专用技能。 大厂经验大部分是后者——内部系统、流程、人脉，离开就贬值。 默认你的经验不可迁移，而通用技能更不用说了，只有少数几项可以被验证。

在大厂待久了会发现一个反直觉的事： 追责越狠的团队，问题暴露越慢。 追责快只意味着管理者看得快，不意味着系统知道得快。惩罚越重，隐藏越深。 等爆出来，通常已经捂了很久。 看一个部门安不安全，别看开会的火力，看坏消息往上走的速度。

这几天跟刚从飞书毕业的朋友聊天：飞书 2025 年 ARR 超 30 亿，2026 年 Q2 同比翻倍。 然后呢？被拆了。产品团队并入豆包，销售并入火山引擎。 CEO 梁汝波 2023 年就定过性：ROI 不划算。 大厂里非核心业务的标准从来不是有没有收入，是战略位次。增速翻倍也救不了位次。

meta muse 直出 大家看看和seedance 2.5 的差距👇 瘫坐在椅子上 见证了原子弹爆炸

Important note regarding Grok @Bot: Going forward, @SpaceX will use the best back end model for any given task, including Claude Opus 5.5, MidJourney, Suno and other leading APIs. Whatever is most likely to give you the best outcome.

you made my day!! 他真的会在意大家在中国哪里 最后没有录到的就是说say hi to the Chinese community 真的太温柔太贴心 我先晕倒了 hyperliquid chinese community @chameleon_jeff @HyperliquidX thanks for all your work @mdzzi @GuHype @dongdongRobin @hleco_cn

该来的还是来了。OpenAI 宣布，要在 ChatGPT 里添加广告植入。 当你让 ChatGPT，去生成图片或询问问题时，屏幕下方或旁边，会弹出跟问题相关联的广告，比如推荐的商品或服务（如图 2 所示。 但 OpenAI 声明会标注这是广告，跟你生成出来的结果是分开的，也不会改回答内容。

No more AI SI It’s better

非常感谢 @ArtistZhou 的鼓励和Push，让我勇敢的迈出了第一步。

Hihi, 大家好。我是啊翔，今年25岁。研究生毕业以后，一个人来到杭州，现在正在尝试经营一家 AI 一人公司，目前主要业务是做 FDE以及组织各种 AI 活动，开始公开记录自己的创业过程。本篇文章主要是复盘一下创业半年的一些所思所想。