【增长黑客AI周报】EP#62 AI创业一年复盘、硅谷最新调研、散户神话、李开复访谈、自制健康AI、Codex知识管理等
第一次 Build 的成就感，往往是创业最大的幻觉。
▪️卷首语
上周有事回了趟老家，耽误了几天，加之可圈可点的内容不多，干脆摆烂停了一周（没人催真好）。
在此期间，也思考了下 付费社群 未来的走向。毕竟 AI 行业一日千里，当初组建社群之初的规划，也应该随着技术演进、实践反馈、我自己的生命阶段而适当调整。
简单来说，后续我会多花精力在「AI 辅助个人投资」这个方向，在社群中重点交流如何帮大家用 AI 打造自己的投研贾维斯这个核心话题（不是荐股、投资复盘这种内容，而是让每个想捕「鱼」的人都有一套自己打造的「渔」的装备）。这样更加结果导向、离钱近（没有谁不喜欢吧）、所有的技术研究都有了统一明确的业务目标收口，并且跟我之前的个人知识管理系统、个人贾维斯系统，都串起来了。具体等我再憋一下大招，弄好了出来公开分享下。
最近几次课程的反馈，也收到学员建议，希望我把某个最佳实践背后的折腾记录、内幕、八卦、踩坑教训写一写。敢情那些零散细碎的东西，原来真有人爱看啊..那么我还是把（原本打算放弃，只作为支付渠道之用的）知识星球捡起来吧，用于日常高频短篇更新。然后定期整理成体系化篇幅，放到独立官网。
最近也跟社群成员和打算加入的朋友做了多场深度访谈，发现许多以往视野盲区。以及，我本以为挺简单的东西，背后有奇怪的痛点，我稍微多花一丁点力气就能帮到大家。所以也在折腾点新的个人 skills。敬请期待。
OK，以下是本期正文，Enjoy:
▪️OPINION 观点
李开复 x 杨晓磊：创业这一场，我过得了灵魂拷问
via 投中网
印象中李开复接受国内媒体的 AI 深访不多（甚至不如好像没实际做出什么的李飞飞的公关稿多）。看这篇访谈，过去一年确实是他人生前三的至暗时刻。
他提到，选择亲手捏碎「皇冠上的明珠」——放弃 AGI 基模竞赛，将公司定位为「中国 Palantir」。核心逻辑是：在算力军备竞赛中判断无胜算后，不如换个打法，用自研的 Ontology 系统让 AI 真正深入传统企业的业务流程，实现一号位工程驱动的自上而下转型。
他还认为，自下而上的 AI 转型必然失败，因为零散优化无法改变财报。并且他也不看好垂直模型。
于我而言，现阶段这类商业领袖的 AI 判断，随便听听就好。我其实更关注的是，一位在移动时代曾经辉煌过的大佬，经历癌症之后，遇到 AI 这轮百年一遇的机遇，有着怎样新的态度、新的思考，以及行动背后的逻辑。
AI 创业一年复盘：第一次 Build 的成就感，是创业最大的幻觉
via 小头 MUJI
一位从新加坡 NUS 毕业、回国全职创业一年的创始人写下了这篇复盘。
他认为，AI 虽然大幅加快了「做出来」的速度，但也提前暴露了维护、review、权限、数据、文档、支付、稳定性等持续性债务。第一次 Build 的成就感，往往是创业最大的幻觉。
几个核心发现：
Agent Engineering 领域，纯工程视角容易忽略用户意图，必须由懂业务的人深度参与。他搭了一套 planner 与 execute 两阶段的工程系统，而不是依赖单一的 agent loop。
AI 时代组织最深刻的变化是协作模式被重塑。当人人都是 builder，组织结构必然改变，但每个 agent 和系统都需要人维护。程序员不会失业，而是需要从「记者变成编辑」。
人才标准是通才加能业务闭环。构建系统比增加功能更重要。
他对 SaaS 的判断也很有意思：SaaS 不会死亡，反而极度缺少 AI native 的 infra SaaS 来解决 building 后的债务。别迷信 demo，产品是长期维护出来的。
看一万遍不如自己摔一遍，真正的 know-how 来自亲自踩坑。
X 上 40 万粉丝的神秘大佬 Serenity：一个 AI 工程师如何成为「散户神话」
via shutong8288
Serenity（白毛股神）是一位匿名 AI 工程师，在 X 上积累了 40 万粉丝，上周我们就介绍过她。她靠一套名为「咽喉点理论」的认知方法论，从散户做到了被主流财经媒体关注。
这篇文章分析了她不走寻常路的投资打法：不研究热门赛道，而是从第一性原理出发，倒着拆解 AI 供应链，寻找最上游的物理瓶颈——InP 衬底、PBN 坩埚这些冷门环节。
她不是从市场情绪等二阶现象出发，而是从物理本质和供给端的不可替代性提问。
提炼出的四个拷问：是否在共识里；是在用 AI 加速浅层思考还是深层挖掘；能否拆穿看似理所当然的事实；是否有自己钻得最深的领域。
五月硅谷调研有感
via 龙门阵尔
一位作者在硅谷调研一个月后，给出了几个尖锐的判断：
AGI 会非常快。知识工作者已被 AI 替代 80%，Researcher 被替代 50%。Scaling law 远未到头，但模型进步已只属于少数人。
LLM 将吃掉 90% 以上应用的价值，但剩余 10% 存在巨大杠杆，可能诞生大公司。应用型公司可通过「数据加速度」实现逃逸。
Coding model 能力正在快速收敛，但企业级切换并不容易。企业 AI 需求是最大盲区——采纳曲线呈阶梯跳跃，理论能力与实际落地之间存在巨大 Gap。
他预测，马上会进入模型分层时代。Model Routing 是比价格战更有意义的策略，Token 定价将成为下一个重要议题。
中国开源模型未来空间巨大，不在头部梯队的 LLM 公司与应用公司无差别。
在金融和科技会议上，老外已经进入自我强化模式，认为存储估值应高于 GPU。
▪️CASE 案例
体检 10 年，不如做个健康 AI 38 天
via 尼克森 Nixon
作者尼克森花了约 1050 元，用 AI 把 Apple Watch 100 多项生理指标、飞书日历、AI 相机（Looki）文本记录以及 7 年体检报告全部打通了。
由此他发现：
十年运动把静息心率降低了 13%，但一杯酒就能在一夜间全部抵消回来。
他每年 150 次运动，胆固醇仍然偏高——AI 结合七年趋势线判断，这是遗传因素在作祟，建议直接吃药，而不是单纯注意饮食。
深睡时间翻倍，听起来休息得很好，但真相是身体在修复白天的过度透支。
这套系统也有翻车的时候。AI 曾把凌晨 89 步算成全天步数（采样错误），也把睡眠时间搞错了。
38 天下来，他开始认真考虑戒酒、把晚饭提前到七点前。
随便看看：
《月薪 6 千，宝妈们正在自我「蒸馏」》：AI 数据采集产业正以居家兼职为名，精准瞄准宝妈群体，用极低报酬采集她们的家务动作数据，最终用来训练替代她们的机器人。
《奥特曼综艺首秀封神，13 名硅谷大佬玩狼人杀，太有看头了》：Founders Fund 策划了一档硅谷大佬玩狼人杀的真人秀，OpenAI CEO Sam Altman 等参与，目前 YouTube 上已经更新了两集。
《我每天做 8 小时家务，给机器人当燃料》：彭杰克亲身体验了具身智能的数据采集工作：日薪 200 元，每天 8 小时，最多只能产出 5 小时有效数据——设备调试就要占去近半工时。
适合个人上手的教程/评测/资源：
《Codex 我常用的知識工作案例分享：從文書編輯、課程教材到資料整理的 AI 工作流》：电脑玩物作者 Esor Huang 在自述中强调，他让 Codex 先读取资料、理解专案脉络，再接手繁琐的编辑、迭代与整理步骤，而非让 AI 从零生成答案。他展示了 6 个用法。
《盘点 16 个把自己蒸馏成 Skills 的国民级 App。》：越来越多国民级产品开始将自身能力封装为 Skill 或 MCP，向 Agent 生态开放，服务正从 App 形态向 AI 可调用的原子化能力迁移。
《分享 2 个 Vibe Coding 必备的超实用 Prompt。》：第一个是「从第一性原理出发」，第二个是「对抗式审查」。
《美图一口气发了 8 款产品，我挨个用完发现它们在干同一件事》：美图发布的 8 款产品共同指向一个目标：直接交付可用的成果，而非只提供需要用户反复调试的工具。
《为拯救一台快要废了的苹果电脑，我造了个轮子……》：作者因 Claude Code 额度耗尽和 Mac 电脑异常发烫掉电，意外发现并解决了一个由 Agent Browser 残留 Chrome 进程导致的系统资源耗尽问题，进而利用 AI 工具 QoderWork 创建定时清理任务，并造出一个 500KB 的 Mac Status Bar 监控工具。