AI垂直领域应用创业策略
探讨医疗、社交等垂直场景中AI创业的生存与商业化路径
2个信源 · ↑3×参与该主题的先锋
全部段落
10月26日
10月22日
- Anekha Sokhal 在文档 AI 方面，Moshi 为杂乱难读的 PDF 自研了视觉语言模型。 Sokhal 表示，决定是否把客户数据交给第三方时，数据隐私是首要考量；但如果协议明确，第三方供应商也能派上用场，而没有工程师的团队可以选择现成方案。她的团队希望自研模型，团队里多数人都曾以某种形式与 NASA 合作。
- swyx 她首次参加 AIE 后的需求信号看起来很真实：在纽约的停留时间延长了3次，会后整整一周的会面安排排满，还收到赴休斯敦讨论能源的邀约。 招人是另一道难题：一则开放4天的招聘启事收到2,500份申请。swyx 认为大部分申请都是噪声；Sokhal 则提到有人暗中应聘，也有人没有合法工作资格，包括签证问题。她的首要任务是见客户，不一定是招人。
10月17日
- Jason Articular AI 已切入线下活动匹配场景并开始放量：邀约邮件打开率约 80%、转化率 15%–20%，注册用户 7 万出头（湾区占比超 40%），已联合主办硅谷 7 月最大的活动 AGI Summit、与 OpenAI 合办 Codex 开发者活动。 商业逻辑是帮主办方解决获客与出席率两大痛点——硅谷免费活动出席率有 20%–30% 就算不错，匹配后有主办方反馈按原估出席率订的场地坐不下了，复购也随之发生。
- Jason 的壁垒叙事：不只搜索人，而是计算人。 把人的背景与意图转成高维向量，叠加 post-training、multi-agent 动态匹配策略与分场景专家知识；核心资产是用户“用脚投票”的真实交互——好友申请与回应构成有方向、有大小的信号，是上一代数据库没有的数据维度。“世界不需要第二个 LinkedIn。”
- 对 Luma/Eventbrite 的定位是合作而非竞争：它们本质上是票务或报名系统，收入包括门票返点（5%）和 API 会员费（每月七八十美元），没有活动邀约服务。 Jason 说可以把邀约能力开放给 Luma 帮它赚钱，希望人与人的匹配留在自己平台——“这是对我们最关键的资产”。
- 市场底座：专业活动每年全球覆盖 16 亿人次，且“人的意图在活动前后是延续的”。 更激进的设想是用分发网络替代会议本身——报名截止后按背景与意图直接点对点匹配，“我甚至不想做群聊”；不先烧钱做大而全的双边网络，而是先用公开数据让用户第一天就能找到人，再做活动内的“原子社交网络”。
- 给转型期创业者的硬话：每周带不来 1,000 个新增，增长就有问题。 每小时找一个用户、发条消息，配合 AI 自动化工具也能持续触达；“你要是连客户在哪儿都不知道，那我建议你这个业就别创了，趁早。”找不到 PMF 可能是闭门造车想象新需求；“太阳底下没有新鲜事”，先理解已经发生的事，再做边际优化。
10月12日
- 莫子皓 商业方法论一以贯之：timing 和赛道重要，商业底层是效率、ROI 和需求。 从高三做溜冰票代理、轻松筹分析用户路径，到海南电销用红旗激励销售，他反复强调识别需求、找到满足需求的方法；“对外能够识别需求，对内能够招得到人”，两者之间的 gap 是剩余利润。多年不变的经验是“去有鱼的地方抓鱼”。
- 他对国内产品环境持悲观判断，但原因仍是开放问题。 他认为今年中国大厂和创业公司都少有让人眼前一亮的产品，并说“我觉得 Granola 也很一般，但中国人做得比 Granola 好的产品都没有”。谈到美国时，曲凯提及 Harvey 的一百多亿美金估值，子皓也认可 Tom 和 Instinct 是好产品；他表示自己也不知道国内为何出 …
