【增长黑客AI周报】EP#34 黑五特惠、个性化投资助理、一人内容流水线、直播间AI送礼玩法、创业劝退指南、大量NanoBanana Pro/ Gemini 3 Pro教程案例等
「一个创始人回头对抗自己公司形成的官僚体系，是非常怪异的体验。」
▪️PREFACE 卷首语
1/ 我近期正在上海大量地约聊这个 Newsletter 的订阅读者（欢迎回信勾搭），听取大家的意见、正在做的有趣事情（当然，最好是结合 AI）。本周聊到的几位，坚定了我如下内容方向的决心：
1）杜绝 AI 创投圈和大厂的宏大叙事，降低「还没成事」的创业者的豪言厥词，多分享下场实操的甜酸苦辣经验（反正我不推荐，你们也容易被动刷到 lol）；
2）减少 AI 行业的增长方法论（除了达人营销/投流这种流量导向之外，剩下的你买我十年前写的《增长黑客》看就行了，至今仍然是万变不离其宗，没有新鲜事）。
3）聚焦在千行百业结合 AI 后获得的全新增长曲线，而非 AI 行业本身如何做增长。其实后者没有单独的解，或者说，前者其实就是后者的解。
2/ 推荐个我一直在用的「信息套利」工具：Podwise。
可以专门用来压榨那些有信息量的硬核播客/YouTube 视频的价值。转录、总结、可视化、同步笔记，一套流程很顺。
目前搞活动，你可以用我的专属优惠码「XDash」或点击这个链接（https://podwise.ai?s_aff=XDash），就能获得黑五 3 .6 折（64% OFF），关键是能永久锁定这个费率（$3.5/月）。
这东西我平时有多爱用呢？我甚至专门录了个 YouTube 视频来介绍——
感兴趣的可以去体验一下 Podwise。
OK，以下是本期的正式内容——
▪️CASE 案例
最近做的 2 个小产品 1 个大产品
via 过程即奖励
作者是 Plaude（这款当下全球最火爆的 AI 硬件产品）的中国区 CEO 莫子皓。他分享了一个构建个性化投资 AI 助理的完整实操案例，核心亮点在于如何用 RAG 技术将个人投资经验、外部投资哲学和性格画像融合成专属决策伙伴。
作者主要用以下步骤实操，解决了复杂知识库搭建并用于个人投资的难题：
第一，用 LlamaIndex 的 SaaS 服务快速构建三个 RAG 数据库，把播客录音、投资笔记和投资大师的 PDF 内容都转成可查询的知识库；
第二，巧妙处理非文本素材——用 Manus 内置的 OCR 功能把图片版 PDF 转成纯文本，用 Plaud 把演讲录音转成文字稿；
第三，通过 Manus 生成后端解决跨域调用问题，让整个系统能持续更新个人最新投资笔记。
BTW，我个人也对 AI 如何驱动个人的二级市场研究和交易很感兴趣，并且在 这个 Newsletter 的 VIP 会员 中筛选同好者，成了专门的兴趣小组社群（本文作者莫子皓也在社群中）。也欢迎你加入共同切磋经验技巧~
只干了一年律师，凭啥靠 AI 做出 80 亿美元公司？
via 快刀青衣
讲述了一位只干了一年律师的 Winston Weinberg，如何在三年内把法律 AI 公司 Harvey 做到 80 亿美元估值、年收入破 1 亿美元的故事。他的成功不在于技术或资历，而在于敏锐的问题洞察和超强行动力。
从游戏工具到行业洞察：Winston 看到室友用 GPT-3 玩《龙与地下城》时，突发奇想测试 AI 处理法律问题。他设计了一个聪明实验——用 100 个真实租房法律问题测试 GPT-3，结果 86% 的答案被专业律师评为「可不修改直接发送」。这个 86% 的合格率让他意识到：靠经验积累的律师优势，在 AI 面前突然不值钱了。
Winston 当天就给 OpenAI CEO 发邮件，附上产品演示和测试数据，24 小时内拿下投资。销售时，他更狠——从公开案例找到律师的诉讼词，用 Harvey 生成反驳意见后直接邮件发给对方。这一招「精准打击」让律师们瞬间看到工具价值，纷纷成为客户。
Winston 用三年从菜鸟律师变成行业颠覆者，而那些摸爬滚打一二十年的资深律师，正排队买他的产品。
成本不到 300 元、收益翻 10 倍，AI 解说漫开始卷「一人流水线」
via AI 新榜
AI 正在让个人和小团队在漫剧市场实现低成本高回报。
比如抖音账号「顾解说」的团队，他们用 AI 打造了一条「一人流水线」，把单条 40 分钟视频的成本压到 300 元以下，万次播放收益却从过去的 20-30 元飙升至 100-300 元，足足翻了 10 倍。
为什么能这么牛？
关键在于三点：第一，AI 把文案、生图、配音、剪辑全包了，让一个人一天就能产出 2 到 3 条视频，效率提升超过 10 倍；第二，这类内容内核和短剧一样，都靠「逆袭、打脸」等网文套路抓人，用户更关注故事而非画面，完美契合短视频消费习惯；第三，他们避开了烧钱的动态效果，专注「有声书」式旁白叙事，把最耗时的功夫花在打磨剧本和解说文案上。
但平台分成政策正在向精品内容倾斜，静态漫剧的分成系数被砍到只有 1，而仿真人漫剧高达 60——这意味着，低质铺量的红利窗口正在关闭，未来得靠「2 到 3 天打磨一部高质量剧」才能站稳脚跟。
延伸阅读：漫剧启示录：互联网最差的生意，可能是 AI 最好的生意
AI 万象，最近直播间一款很有梗的产品
via 极客公园
快手现在可以用 AI 生成礼物，把直播互动玩出新花样。这款产品上线首日就爆了，用户付费生成超过 10 万次个性化礼物，很多人宁愿等 8-10 小时也不退款。背后是快手借助可灵 AI，把高成本的定制礼物变成全民创意狂欢，精准抓住了用户为情感付费的黄金点。
传统定制礼物成本高，难普及，但 AI 万象通过固定模板和云端生成，把复杂技术藏在极简操作后。用户只需上传一张照片，三分钟内就能得到专属特效，成本大幅降低，一次支付永久拥有。灰度测试时，AI 礼物转化率比普通礼物高 30% 到 50%，证明低门槛加个性化能引爆需求。
团队用「预处理+智能拦截+质量检测」一套组合拳，把 AI 礼物的良品率拉到 92%，避免「抽卡」式不稳定。他们还搭建云端特效工作室，扛住并发制作，确保用户体验如「自动挡」般流畅。在直播间，情感氛围比视觉精度更重要，所以设计超现实特效如「天使之翼」，甚至加入盲盒机制，激发用户收集欲。
所有礼物中，定价最高的「至尊王座」反而卖得不错，显示优质体验本身就能创造收入。AI 万象正在重塑直播生态，把创意生产力下放给每个人，让礼物不再是静态图标，而是动态的情感符号。这场变革证明，当技术遇上强互动场景，就能把用户渴望变成真金白银。
丁香园、微医、医联，谁的 AI 牌最硬？
via 财经杂志
这篇报道揭示了这三家曾经的互联网医疗独角兽，如何在卖药模式之外，借助 AI 技术寻找新的商业出路。它们虽然都打着 AI 医疗的旗号，但各自的打法却截然不同：
丁香园手握全国 92% 的执业医师资源，却选择了一条反直觉的路——坚决不卖药。它把 AI 用在了临床决策工具上，比如新上线的 ClinMaster，能帮医生快速给出循证医学建议。更关键的是，它转向了消费市场，在商城里卖一切健康相关产品，唯独不碰药品，这既避开了「以药养医」的争议，也守住了创始人「必须符合循证医学」的坚持。
微医则玩起了更「重」的线下游戏，靠 AI 撬动医保改革。它在天津的健共体项目中，用 AI 助手赋能 266 家基层医疗机构，管理约 110 万慢病会员。这套模式的精妙之处在于，收入来自医保按人头打包支付的费用——只要把患者管理好，让医保有结余，它就能赚钱。数据显示，全病种健康管理盈余率从 2024 年的 3.3% 提升到 2025 年上半年的 6.1%，AI 成了它规模化盈利的隐形引擎。
医联则 All in 技术，把盈利全部投入医疗大模型开发。创始人发现，上一代 AI 模型的最大缺陷是依赖结构化数据，而新模型能处理更复杂的医疗信息，试图通过 AI 将专家服务规模化。
这三家的 AI 转型，本质上是一场「生存模式」的探索——背后投资者需要退出，IPO 是不得不迈的坎。但投资人在热浪中依然冷静，他们更关心：你的 AI 到底有没有建立起别人难以复制的壁垒？这场牌局，比的不是谁的概念响，而是谁的牌能真正兑现商业价值。
▪️OPINION 观点
The Economics of Replacing Call Center Workers With AIs
via LessWrong
这篇分析揭示了 2025 年 AI 语音客服替代人类坐席的经济真相：看似颠覆性的技术，实际成本竟与海外外包人力相差无几。文章通过拆解加拿大医疗预约 AI 创业公司的真实账本，发现反直觉的行业现实——GPU 算力并未形成碾压性成本优势。
核心洞察在于：技术堆栈的「三明治结构」暗藏成本黑洞。以主流平台 Vapi 为例：
1）语音转文字每分钟 0.01 美元，像速记员般精准但持续吸血；2）GPT-4o 思考环节每分钟 0.07 美元，堪比给 AI 投喂金箔；3）语音合成每分钟 0.022 美元，让机器发声比真人贵三倍。整套流程最低 0.15 美元/分钟，与菲律宾外包坐席 2.16 美元/小时的人力成本几乎打平。
更震撼的是 OpenAI 实时音频方案——每分钟 0.53 美元的天价，足以雇佣埃及坐席工作 25 分钟。这暴露了 AI 替代的悖论：当技术成本曲线与全球人力成本曲线意外交汇，企业面临的不是「要不要替代」，而是「值不值得替代」的生存抉择。
干货 47 条：关于品牌及文化出海，AI 改造，00 后及其它
via 程苓峰
通过多位实战者的分享，揭示了品牌出海、AI 应用和年轻创业者的惊人玩法。最吸引人的是一个反直觉的发现：中国代工厂竟能通过「意外获取的海外品牌内部数据」，直接复制其方法论，实现月入 200 万美金的逆袭。
一家佛山家具代工厂因海外品牌违约后未关闭 Slack 权限，意外获取了从选品、广告投放到客服的完整运营数据。这套让美国品牌实现 ROAS 1:10（即每投入 1 美元广告赚回 10 美元）、月入 3000 万美金的方法论，被直接「抄作业」复用。
创始人吃住在工厂，亲自体验产品打磨素材，仅用七个月就在黑色星期五实现单月 200 万美金营收，证明了非标高客单产品的溢价潜力——锁定珠宝、手表等 3000 美金以上品类，靠讲故事让一半海外华人买单。
两个法国人用中国非遗工艺制表，第四款定价 1 万美金却迅速售罄，三年做到一亿美金规模。关键洞察是「欧美消费者会仔细阅读大段文字」，文化工坊不做中国市场，只做中国文化出海，印证了被低估的文化溢价。
这套「数据复制+文化赋能」的模式，正在重塑出海逻辑：与其从零摸索，不如找到被验证的方法论，用中国供应链和文化底蕴实现十倍溢价。
Gemini3 来了，AI 应用创业公司谁兴奋，谁冷静，谁觉得它不太行？
via 虎嗅
文章通过采访 7 家 AI 创业公司，揭示了他们对 Gemini 3 发布的不同反应。
逗逗 AI 联合创始人王碧豪提出一个反直觉观点：通用模型再强，创业公司依然有机会。他分享了一个深度案例，Gemini 3 在 Screen Sport Pro 基准测试中从 17.4 飙升到 72，视觉理解能力暴涨，但实时响应慢到 20 秒，用户根本等不了。
逗逗 AI 巧妙地将这个弱点转化为优势，专注于游戏赛后复盘场景，用户打完游戏后容忍等待，Gemini 3 就能生成专业数据报告，指出高光和操作失误。
王碧豪用「上限能力」和「下限能力」比喻创业策略：上限是自研模型在游戏识别和情绪价值上的工程优化，下限是帮通用模型找适用场景包装产品。他总结道：「不停的拓展上限和下限，就是创业公司的机会」，这种在模型巨头阴影下精准卡位的智慧，展示了垂直应用如何以「场景深度」对抗「能力广度」的商战细节。
对谈张帆：前智谱 COO，元理智能创始人/CEO ——为何笃信 AI 的机会在 ToB？
via 十字路口 Crossing
前智谱 AI COO 张帆为何在 ToC 创业热潮中，反其道而行选择深耕 ToB 赛道。他通过两次创业的实战经验，提出了一个反直觉观点：在 AI 时代，ToC 是与巨头打「不对称战争」，而 ToB 反而因 AI 对「转化能力」的直接赋能，迎来了历史性机遇。
具体来看，他分享了三个核心洞察：
「交了几千万美金学费」的教训：第一次创业「妙计旅行」技术完美却商业失败，核心在于误判了旅游业的本质是供应链问题而非产品问题。VC 追捧和媒体热炒这些外部奖励，成了最危险的错觉，让他深刻认识到「不能被交付的高级信息毫无价值」。
「AI 是同事，SaaS 是零和博弈」的新视角：中国企业愿意为生产力结果（如人力外包）付费，却不愿为过程（软件工具）买单。AI 的颠覆性在于，它直接提升企业的「转化能力」，是与老板的「正和博弈」，而对标的应是万亿级的劳动力市场，而非千亿级的软件市场。
「造轮船，而非灯塔」的生存法则：基座模型如不断上涨的大海，在上面建应用「灯塔」很快会被淹没。真正的壁垒是造一艘能随之上涨的「轮船」，即拥有持续产生数据的「业务场景」，而非数据本身。他提出「50% 模型含量」法则，强调业务闭环比技术炫技更重要。
张帆认为，理解「模型性」如同理解人性，是未来 CEO 的必修课。AI 的机会在 ToB，关键在于为企业提供能直接创造业务价值的「数字员工」，这才是 AI 下半场最确定的战场。
如果可以，不要创业：AI 创业「九死一生」劝退指南
via 技术加速流
这篇文章专门给那些被 AI 热潮冲昏头脑的潜在创业者泼冷水，它没有打鸡血，反而系统梳理了 AI 创业路上最常见的九种死法，最后还留了一条唯一的活路。
文章最反直觉的观点是，在 AI 时代，小而美的项目反而最难拿到钱，这跟很多人以为的融资越少越容易完全相反。
现在一级市场出现了一个诡异的断层：顶流创业者一开口就是 5000 万美金起步，大基金抢着投；超早期项目融几百万人民币，靠朋友和天使还能开局；但最尴尬的是中间那一档，想融 100 到 200 万美金做个正经应用，几乎没人愿意管。原因很扎心，对大基金来说，做一笔 100 万美金的投资和做一笔 2000 万的投资，花的尽职调查和沟通时间成本差不多，他们当然更愿意干票大的。
这就导致很多不错的项目，因为要的钱太少而被投资人直接忽略，苦逼 CEO 的内心独白是：不给我这 100 万，我怎么熬到需要 1 个亿的那一天？AI 创业的残酷就在于，你的护城河可能在凌晨三点被巨头的新发布刷新，而融资的错位让你连上牌桌的机会都没有。
Ilya 离开 OpenAI 后的首期播客，久违地被人类智慧安慰到了 | 42 章经
via 42章经
Ilya 曾是 OpenAI 首席科学家，如今创立 SSI 专注超级智能研发，他抛出一个反直觉观点：强化学习 RL 可能正在弄傻 AI。这就像应试教育，为了讨好单一指标，反而牺牲了模型原有的通用智力。
更惊人的是，他透露行业现状——现在 RL 的算力消耗已超过预训练，因为每次推演获取的有效信号极少，这种低效恰恰揭示了下一代 AI 的突破点。
Ilya 用「情绪是终极价值函数」的比喻点明关键：人类靠情绪快速决策，而当前 AI 像脑损伤病人，逻辑完整却缺乏内在罗盘。他坚信深度学习能攻克价值函数难题，并暗讽「可惜不是所有想法都能自由讨论」。
随便看看：
《AI 又团灭一个行业》 揭示了 AI 配音如何以惊人速度重塑声音产业，从每分钟百元到千元的真人配音市场，到 AI 以近乎零成本实现情感细腻输出，行业正经历一场无声革命。
《00 后谈恋爱，用 AI 当「僚机」》这篇文章揭示了 AI 恋爱助手这个新兴市场的商业悖论：功能越简单的产品反而越赚钱。最吸引人的深度案例是 Lovekey 键盘和蜜小语，它们本质上只是输入法插件，通过复制对话、选择风格就能一键生成高情商回复，结果 Lovekey 上线一年就狂揽 3100 万元收入，月活超 200 万，蜜小语 8 个月也突破 2000 万元。
《Gemini 3，是谢尔盖・布林「骂」出来的？》这篇文章揭秘了谷歌如何从 AI 落后局面逆袭，核心在于创始人谢尔盖・布林回归后，亲手打破内部官僚主义，激活了 Gemini 的代码能力。布林曾在公司内部大吵一架，因为 Gemini 竟被列入「禁止写代码」黑名单，理由荒诞到让他无法理解。他直言「一个创始人回头对抗自己公司形成的官僚体系，是非常怪异的体验」，最终靠 CEO 皮查伊支持才解决。
适合个人上手的教程/评测/资源：
《夸克 AI 浏览器全面升级》，让用户无需切换应用就能随时调用千问 AI 助手。
《我用 Claude Skills 做了个「微博热搜挖掘机」》 分享了如何用自然语言指令让 AI 自动完成微博热搜分析的全流程。核心在于通过 Claude Skills 将人工操作转化为可复用的自动化 SOP，实现「睡后工作」的效率革命。
《Announcing: Decision Journaling Course》介绍了一个结合 AI 与决策日志的全新方法论，由数字写作领域资深创作者 Nicolas Cole 推出。他曾通过这套系统实现从零打造 2000 万美元数字业务的突破，如今将 15 年实战经验浓缩为可操作的框架。 核心洞察在于：AI 能百倍加速创作效率，但无法替代人类深度思考——这正是「决策日志」的价值锚点。
正在做一些量化+AI相关的东西，基建部分也做了一些开源的，比如 https://github.com/highkay/stupidsimplerag ，正好之前也尝试过用用smolagents和cc做一些简单的自主化因子挖掘（部分开源了），欢迎交流。
《我如何用 AI 打造 100X 知识萃取系统》 视频课程有没有黑五优惠呀～