资讯板块落地页

停止和大模型聊天：产品经理的AI工作流重构指南

<blockquote> 10倍生产力差距的关键在于工作流与AI能力的匹配——从ChatGPT式的问答转向闭环执行、无缝上下文和资产积累的全新协作范式。本文将拆解新一代Agentic Workflow的三层降维打击，并演示如何重构产品分析全流程，让你从执行者升级为AI时代的架构师。 </blockquote> 2026年，AI的渗透率已经相当高了。几乎所有的产品经理、运营和研发都在日常工作中使用AI。但如果你仔细观察，会发现一个普遍现象：绝大多数人使用AI的方式，和两年前ChatGPT刚问世时没有任何区别。 大家依然是打开一个网页聊天窗口，输入Prompt，然后等一个回答。唯一的区别，只是底层的模型从GPT-4换成了GPT-5或者更聪明的国产大模型。 这当然比完全不用AI要好，但也远远没有发挥出AI真正的潜力。 在实际工作中，“能用AI”和“用好AI”之间，生产力的差距不是30%，而是10倍的量级。 很多产品经理用AI的方法，就像是汽车发明之后还在把它当马车用：同样的路线，同样的速度，只是换了个引擎。 这个10倍差距的根源到底在哪里？ 答案在于：你的工作流，是否匹配了AI的能力结构。 用好AI的第一步，请先停止把你手里的AI仅仅当作一个“聊天机器人”。 <h2>为什么“聊天窗口”是你效率的天花板？</h2> 过去一年里，以Cursor为代表的AI工具彻底颠覆了程序员的工作流。很多人以为这只是“面向程序员的ChatGPT”，但透过现象看本质，它代表的是一种面向所有知识工作者的全新AI协作范式。 传统的网页版对话框（Chat），天生带有三个无法克服的缺陷。如果你想让AI成为真正的生产力杠杆，你需要理解新一代AI工作流（Agentic Workflow）带来的三层降维打击： <h3>第一层：从“人工搬运”到“反馈闭环”</h3> 在聊天窗口里，你让AI帮你写一段竞品分析或是一段数据处理的Python脚本，它给出了结果。 你复制到文档或运行环境里，发现格式不对或报错了。 你把问题贴回对话框，它再改，你再复制…… 在这个过程里，人类沦为了“反馈闭环”中的人形搬运工。AI产出，我们验证，我们搬运，AI再改。 而真正高效的AI工具（如接入本地环境的Cursor或具备执行能力的Agent），核心区别在于它接入了我们的执行环境。 它写完内容或代码，可以直接运行/预览，看到报错自己修改，改完再跑。AI从一个“只会出主意的外部顾问”（说完就走，不对结果负责），变成了一个“能独立干活并自我纠错的打工人”。 <h3>第二层：从“有限提示”到“无缝上下文供给”</h3> 经常有产品经理抱怨：“AI写的PRD太水了，都是正确的废话”。其实很多时候，AI输出质量的瓶颈不在于模型有多聪明，而在于它能看到多少相关的“上下文”。 在对话框里，你很难把项目的历史背景、前期的多轮会议纪要、具体的埋点数据格式一次性讲清楚。 但如果在打通了工作目录的AI环境里，你只需要直接 @几份内部需求文档和 @上周的会议记录，AI立刻就有了所有的上下文。哪怕你不写长篇大论的Prompt，给出的结果也会极度贴合你的业务实际。 <h3>第三层：从“消耗型”到“投资型（资产积累）”</h3> ChatGPT的使用模式是消耗型的：你投入时间，得到一个答案，关掉网页，一切清零。而高级的AI工作流是投资型的：你用到了某个内部数据文档？存到本地项目文件夹里。AI反复在一个业务逻辑上犯错？花两分钟写一条全局规则（Rules）。团队有一套PRD的专属模版？写下来让AI也记住。 时间一长，飞轮效应就会显现：你积累得越多，AI就越懂你们公司的业务、你的写作偏好和工作流。聊天框永远是一个需要你从头做Brief的陌生人，而沉淀了资产的AI，会变成一个越来越默契的联合PM。 <h2>信息处理的“上中下三策”</h2> 在日常的产品工作中，每一步都会产生大量信息。这些信息如何处理，决定了AI能帮你多少。这里有一个非常实用的评估框架： 下策（信息消失）： 开完会只有口头结论，人过几天忘了，AI也看不到。 中策（Human-first）： 把结论写成飞书/钉钉/Confluence的在线文档。这很规范，对人友好。但对AI不友好，因为格式混杂且需要权限，每次想让AI参考都得手动复制粘贴。 上策（AI-first）： 先让信息以AI能直接读取的格式（如Markdown）存在本地或知识库中，AI消费完这些原材料后，再加工输出给人类看。 如果你的大部分工作还在使用下策和中策，那你离10倍效率的跃升还有很大空间。 <h2>一个完整的产品工作流重构实例</h2> 让我们用一个产品经理常见的场景——“分析功能上线后的失败Case并输出优化方案”，来演示如何用“上策”跑通全流程。 <h3>第一步：需求与痛点收集（从会议到文档）</h3> 上周的产品周会上，大家讨论了某个推荐策略在特定用户群中转化率低的问题，提出了各种假设。 传统做法（中策）：你花半小时写了一份会议纪要发在群里。 AI工作流（上策）：使用AI会议助理（如飞书妙

互联网最骄傲的事，正在被AI一点点拆掉

互联网行业过去最成功的一件事，是把自己做轻。 但现在，开始拼命把自己变重。 最极端的例子，是Amazon。这家公司正在做一件它20年前最不可能做的事：投资电力。 2026年，只是亚马逊一家公司的AI资本开支预计就会达到2000亿美元。这些钱不会变成代码，而是变成变电站、冷却系统、数据中心和水。 同一时间，Meta、Alphabet、微软，也在做同一件事。 四家公司一年要花6500亿美元。这个数字有多大？ 2025年全球半导体行业的总收入大约是8000亿美元。也就是说，四家互联网公司一年花在AI上的钱，几乎达到全世界所有芯片公司一年赚到的钱。 中国这边，同样在变重。 根据媒体报道，字节跳动2026年资本支出计划1600亿元，约一半砸向AI芯片和数据中心。 阿里更是考虑将未来三年投入到AI基建与云计算上的3800亿元提升至4800亿。腾讯2025年资本支出接近800亿元，AI占比超过一半。 这个数字的真正含义不是金额，而是互联网公司，越来越像工业公司。 <h2>1、轻，不只是效率，而是权力</h2> 互联网过去二十年的底层逻辑，可以用一个字概括：轻。 2012年，Facebook用10亿美元收购Instagram。当时Instagram只有13个员工。13个人，服务3000万用户。 这件事之所以震撼，不只是因为效率高，而是因为它揭示了一种新的可能，一个人写出的代码，可以无限次分发给无限多的用户，成本几乎不变。 13个人能做到这件事，就是因为软件的边际成本趋近于零。 WhatsApp更夸张。55个工程师，服务4.5亿用户，被190亿美元收购，人均服务800多万人。 这套逻辑在中国同样成立。 字节跳动最早的核心资产不是厂房，是推荐算法。腾讯靠一个QQ起家，靠微信成为巨无霸，核心资产是社交关系链，轻到几乎没有边际成本。阿里最值钱的不是仓库，是连接买家和卖家的那个平台。 这些巨头共同依赖同一个前提：写一次代码，可以服务无限用户。一个好产品，可以无限复制。 这带来的变化，比效率提升大得多。它改变了权力结构，小团队可以撬动大市场，创业公司可以挑战巨头，想法可以比资产更值钱。 所以，哪怕是几个年轻人，在车库里照样可以改变世界。 轻，是互联网的增长引擎，也是它的权力来源。 但这件事，从AI开始，变了。 <h2>2、AI正把图书馆变成餐厅</h2> 过去的互联网，更像图书馆，书印好放在那里，一万人看和一亿人看，成本差不多。 AI更像餐厅。每一个用户进来，都要现做一道菜。 每一次对话、每一次生成、每一次Agent调用，都在实时消耗算力和电力。 这是切切实实的Token账单。 生成一分钟720P视频的成本，是文本对话的上千倍。一次复杂Agent任务，可以消耗几十万token。豆包大模型的日均token使用量，已经从两年前的1200亿暴涨到120万亿，增长了1000倍。 这意味着一件非常反直觉的事，用户越多，成本越高。 过去互联网的逻辑是用户越多、单位成本越低、规模效应越强。AI把这个逻辑掀翻了。 整个商业的逻辑和性质，也发生了变化。 高盛测算，一个250兆瓦的数据中心，上线成本约120亿美元。到2030年，全球数据中心电力需求将增长160%。摩根大通的数据更激进，未来五年，AI数据中心建设至少需要5万亿美元，可能高达7万亿。 而且这些成本不是一次性的。训练模型是一次开支，训完就完了。但推理是持续消耗，只要有人在用AI，电表就不会停。 过去互联网靠规模效应，用户越多，就越赚。现在AI开始靠现金流活着，用的人越多，烧的钱越快。 除非你能持续把推理成本降下来，把每个token变成真金白银，否则规模越大，亏得越多。 这也是为什么火山引擎的策略也变了，火山引擎总裁谭待最近说了那句话很直接：不能抛开模型的价值谈token的价格。 两年前字节靠极致低价撕开市场，现在它开始强调每个token的经济价值要配得上成本。连最擅长打价格战的字节都开始算细账了，足以说明这个变化的分量。 从图书馆到餐厅。从复制到生产。互联网的轻，在这里被逐渐打破了。 而且，这个趋势还在加速。 AI的应用场景正在从文本扩展到视频、代码、多模态交互，每一次扩展都意味着算力消耗往上跳一个台阶。Agent开始自主完成复杂任务，单次交互的成本可能是传统搜索的几百倍。 AI越好用，越多人用，它就越重，这跟过去完全相反。 <h2>3、当竞争从软变硬</h2> 过去互联网比拼的是产品、算法、用户增长。这些都是软的，你可以靠一个更好的想法、一支更强的团队来赢。 现在开始比拼的东西越来越硬了。电力指标、数据中心、GPU供给、能源合约。 字节跳动的做法很有代表性，今年采取了前重后轻的集中招标策略，第一季度就把全年大部分机房合同签完。为什么这么急？因为2025年6月之后，国家对数据中心的能耗审批明显收紧了。晚一步，指标可能就没了。 根据公开数据的报道，字节的数据中心需求是1.4到1.5

年收入4亿美元的“一人公司”，这么快就翻车了？

Medvi这家公司，火得也快，翻车得也快。 前一天，它还是硅谷口中的“一人公司”样板。 一个名叫马修·加拉格尔（Matthew Gallagher）的41岁创业者，拿着2万美元启动资金，靠十几种AI工具和几个外部平台，在一年多时间里做出4.01亿美元营收。 整个故事就如同寓言一样，告诉我们agent时代，人们如何使用AI来赚大钱。 就在这家公司被疯狂转发的第二天，它的陈芝麻烂谷子迅速发酵。 随之被扒出的，还有FDA的警告信、关于复合减肥药的误导宣传、社交平台上批量注册假医生账号给产品打广告。 所以这家公司到底是怎么跑起来的？它到底是一家远程医疗公司，还是一个披着医疗外衣的流量平台？AI在里面究竟是提高了效率，还是只是把原本就存在的问题放大了？ Medvi最值得看的地方，恰恰不在那串惊人的数字，而在它把一家公司拆成了什么样子。 马修自己抓了什么，AI替他做了什么，外部平台又替他接住了什么。 把这些脉络理顺，我们才能真正看清，这家公司为何能在短时间内快速崛起，又为何会光速陷入舆论与合规危机。 <h2>这家公司怎么来的</h2> Medvi经营的项目是GLP-1减重远程医疗。 不过现在它已经不是一人公司了，因为马修的弟弟艾略特也进入了公司，成为该公司的唯一一名员工。 Medvi的业务并不复杂，用户到网站上下单、填写资料、在线问诊，随后进入持续处方和复购流程。 所以本质上，Medvi就是一个减肥药推广平台。 它真正特殊的地方，在于分工方式。 马修最初拿出的起步资金只有2万美元，但他并没有自己去搭一整套医疗体系。他把所有涉及健康专业的环节，比如持牌医生、处方处理、药房履约、物流和合规，全都交给CareValidate和OpenLoop Health这类外部基础设施平台承接。 Medvi自己只抓最靠前的一层，网站、品牌、广告投放、支付结算和用户关系。 换句话说，后端那部分重流程留给平台，前端的流量和转化留在自己手里。 那他又是怎么用的AI呢？ 马修用了十几种AI工具来写代码、搭网站、生成广告素材、写营销文案、处理客服沟通、做数据分析，再把不同系统接起来。 马修自己就干两件事，管理这帮AI以及打广告。 在传统医药平台里，医生、客服、财务都要你自己养，组织架构很容易变得复杂。 但是Medvi把最重的部分全都外包出去了，用AI负责给客户和医生之间建立联系，马修只留下了最值钱的部分。 所以它不需要自己养一大批医生，不需要自己开药房，也不需要自己做配送，但照样可以把用户从下单一路带到复购。 马修少年时期就已经接触编程了，他做过网站，也做过一些很小的买卖。 后来他创办了一家手表公司叫做Watch Gang。虽然在圈内有一定的影响力，但是利润方面却表现一般。 这段经历给他最大的教训就是，团队一大，成本会上来，决策会变慢，组织本身会开始吞掉效率。 放在这个背景里看，Medvi并不只是一次AI创业，它也带着他前一次创业留下来的经验修正。 与其再搭一个厚组织，不如尽量把公司做薄，把外部能接住的部分都交出去，把自己留在最靠近现金流和增长的位置上。 马修做到了吗？ Medvi在2025年这个第一个完整年度里，营收做到了4.01亿美元，客户数约25万人，净利润6500万美元，净利率16.2%。 <img data-img-size-val="1055,549" src="https://img.36krcdn.com/hsossms/20260404/v2_f74e602c16864407ba3f5e8cffbcb2e7@6119835_oswg715058oswg1055oswg549_img_000?x-oss-process=image/format,jpg/interlace,1" referrerpolicy="no-referrer"> 到2026年，按当前节奏，年销售额有望冲到18亿美元。 如果把这家公司放回行业里看，它解决的其实是过去远程医疗和减重生意里的几个老问题。 第一是组织太重。很多公司一开始就得自己养团队，成本高，速度慢。 第二是前后端脱节，医生、处方、履约和流量各管一段，中间衔接复杂。 第三是获客贵，但转化链条又长，稍微有一段跟不上，钱就白烧了。 Medvi把这些问题重新拆了一遍。AI去压缩前端执行成本，外部平台去承接后端履约，公司内部只保留最关键的流量、品牌和转化。 它赚到的钱，其实来自一个已经存在的大市场。它的增长来自于AI减少的成本以及提高的效率。 Medvi几乎没有传统意义上的硬壁垒。它没有自有医生网络，没有药房体系，没有排他性的供应关系，也没有特别深的专有技术。 马修自己对这个问题倒是一点也不回避。他说任何懂投放、懂电商、懂用户转化的人，只要接上类似的医生和履约平台，都能复制出一套相近的壳层。 Medvi今天最值钱的部分，很大程度上还停留在执行层，而不是结构层。 还有一点也不能忽略，Medvi跑得快，和它所处的行业特征关系很大。 减重药本身就是一个需求很强、客单价高、复购率高的市场。 只要获客体系搭起来，现金流就会很快出现。这类市场本身就适合超轻组织先冲规

前迪士尼工程师和Midjourney联创，要做一款“会呼吸”的DIY仿生机器人｜硬氪专访

作者｜黄楠 编辑｜袁斯来 26岁那一年，朱圣杰以2亿美元的价格，卖掉了第二家创业公司。 那个夏天，朱圣杰给自己放了个长假，开始漫无目的地环游世界，在不同纬度的天空和深海跳伞潜水。 毫无意外地，沉浸了大半年后，朱圣杰感到了一种空虚感。他必须思考一个问题：什么才是自己足以投入一生的事？ 过去20多年，朱圣杰的生活顺利到让人羡慕。他出生在上海，从6岁第一次接触乐高Mindstorms开始，朱圣杰就对机器人着了迷。13、14岁时，他连续两年斩获乐高青少年世界机器人大赛冠军。14岁那年赴美留学，一路在机器人方向读到加州大学伯克利分校。 在本科最后一年，朱圣杰被迪士尼选中，进入迪士尼Imagineering担任机器人工程师。2016年，上海迪士尼乐园开园。朱圣杰主导的《加勒比海盗》项目中“杰克船长”仿生机器人成了最火爆的项目之一。到后来奥兰多迪士尼潘多拉园区的阿凡达仿生机器人，都是他主导的产品。 在加州大学伯克利分校攻读机器人方向博士期间，朱圣杰选择辍学，在硅谷开启了自己的创业之路。他做的智能戒指品牌Titanium Falcon在2018年被收购，此后又创立了一家游戏硬件公司Blok Party，被索尼拿下。 朱圣杰是幸运的，他终究还是找到了真正热爱、足以安身立命的事业——回归自己喜欢了二十年的机器人赛道。 此后几年，他开始为下一次创业做准备。朱圣杰成立了一家数据标注公司，专注于人类表情与行为意图的大模型研究。直到大模型多模态能力突破，机器人供应链达到理想状态后，他决定躬身而入。 2025年，朱圣杰回国，与 Midjourney 联合创始人John Jiang共同创立了 Animotion Robotics。2025年底完成了头部美元基金的首轮投资，由Maple Pledge 枫承资本出任后续轮次私募股权融资顾问。 他们即将推出首款产品，DIY仿生机器人 Éloi——这个名字来自于拉丁语中“被选择的”，它诞生在计算机世界的“0-1”数字序列中，慢慢进化分裂成为一个新的机械生命体。 Éloi采用模块化设计，机身通过磁吸卡扣实现眼睛、鼻子、嘴巴、脸皮、发型的自由更换，用户可逐步完成个性化定制。核心是一枚可拆装的记忆芯片，在本地端侧储存着 Éloi 的“性格”与“记忆”，并能无缝迁移到不同的机体载体中。 有意思的是，Éloi并不会一味迎合用户。它会因为长时间独处而感到无聊，也会对生硬的对待方式表现出抵触。但当你真诚地与它互动时，它又会重新敞开心扉。 <img data-img-size-val="4700,2000" src="https://img.36krcdn.com/hsossms/20260406/v2_ab166606d76d40598ce8b919935ef9b4@6022551_oswg5163329oswg4700oswg2000_img_png?x-oss-process=image/quality,q_80/format,jpg/interlace,1" referrerpolicy="no-referrer"> Éloi概念图（图源/企业） Éloi背后是朱圣杰对人机共生关系本质的思考。如果机器人只是一个工具，那么它会被当作电器，用完就关机。只有当机器人拥有某种“生命感”、能够与人建立真实的情感连接时，共生关系才有可能成立。这引出了一个更深层的问题：机器人的"灵魂"到底由什么构成？ 朱圣杰问了许多人，得到的回答无非是LLM、强化学习，“这不是我要的答案，技术可以实现智能，但无法解释为什么有些机器人能让人感到‘活着’，而有些只是冰冷的代码”。 直到John的出现，他得到了一个全然不同的答案： “灵魂不是被设计出来的高级功能，而是那些无法被完全控制、带着随机性和不确定性的底层反应。就像人的本能，你不会每次都做出完全理性的决策，恰恰是这种‘不完美’构成了生命感的基础。” John的回答和朱圣杰2016年前的记忆形成回响。朱圣杰始终记得，入职迪士尼第一天，产品经理就告诉他：你做出来的所有机器人都要有“呼吸”。 无论呼吸还是本能反应，都有非标准化的细节、微妙的起伏、无法被完全预测的变化，正是这些“不完美”让机器人显得真实，这也是朱圣杰希望Éloi具备的底色。 在这个孤独、离散的年代，人们前所未有地渴望陪伴和情感连结。朱圣杰不太爱讲述宏大叙事，他希望能为普通人做出一款机器人，成为他们家中“a real family member created by yourself（一个由你亲手创造的真正的家庭成员）”。 以下是硬氪与Animotion创始人朱圣杰（Shane）的对谈实录，内容经编辑： <h2>机器人的「AI灵魂」</h2> 硬氪：你13岁就出国了，但听起来中文讲得很好。 朱圣杰：我有一位特别好的朋友，一起读书、大学毕业后也都在湾区创业。当时学校环境全是英文，所以我们约定平时交流都必须用中文。不过我的中文能力还是停留在初中阶段，现在只能打拼音，不太会书写汉字。 硬氪：毕业之后你唯一的一段大公司经历是加入了迪士尼。 朱圣杰：迪士尼Imagineering像一家Startup，一个项目由3至4个人负责，是很

红熊AI完成2.1亿元A轮融资，切入物理AI赛道｜36氪首发

36氪获悉，企业级AI解决方案供应商「红熊AI」已于近日完成 2.1亿元A轮融资，投后估值超15亿元。本轮由华禹创投领投，老股东格睿丰投资、稼沃资本跟投，徐汇资本、上汽美元基金、嘉铭浩春、誉华资产等多家机构参与投资，三位创始团队成员也以本轮估值跟投约3000万元。这已是华禹创投连续第四轮押注红熊AI。 成立于2024年4月7日的红熊AI，主打“记忆科学+全模态大模型”技术路线，致力于让 AI 具备类似人类的"情节记忆"能力，从而在物理世界实现更精准的感知、决策与行动。创始人兼CEO温德亮向 36 氪透露红熊AI预计于2027年2-3季度向港交所递表、2028年正式启动上市。 <h3>从“产品思维”到“技术生态思维”</h3> “你的核心竞争力是什么？”这是红熊AI融资时被投资人问得最多的问题。 温德亮的答案有些反常识：“产品从来不是核心竞争力，就像鹅和鹅蛋的关系——鹅蛋是既定结果，能持续产蛋的鹅才是真正的价值核心。” 在温德亮看来，红熊AI的“鹅”就是“记忆科学+全模态大模型”构建的技术生态。记忆科学解决AI“如何复用经验”的问题，全模态大模型解决AI“如何感知世界”的问题，两者结合便能持续产出适配不同场景的创新应用。温德亮认为，产品从来不是核心竞争力，支撑产品进化的底层技术体系（即“养鹅”的过程）才是价值核心。 这一思路源于对AI行业痛点的洞察。Google DeepMind 的研究显示，即使是最先进的语言模型也会陷入“逆转诅咒”——学会“柏拉图教过亚里士多德”后，却无法回答“亚里士多德的老师是谁”。根源在于AI仅能通过参数学习存储碎片化知识，却无法像人类一样建立经验与场景的关联。 红熊AI 的做法是将人类"情节记忆"机制数字化，构建类似海马体的“智能记忆系统”，同时融合文本、图像、语音、传感器数据等多模态信息，让AI不仅能“学会知识”，更能"记住经验与习惯"。 “我们以软件结果化的方式构建了现在的应用产品，上市之后要打第二增长曲线记忆科学硬件产品。”温德亮透露，“目前还是以应用方向销售为主。” 而且与大量To B公司重销售、AI企业重技术、却都相对轻品牌不同，红熊AI从早期就开始注重品牌建设。 “我们对外有两个核心：第一技术取胜，第二把技术即品牌作为策略。”温德亮分享道，“以这种形态来做，反而比讲商业模式、产业模式更有效，客户也更接受。” <img data-img-size-val="4824,3015" src="https://img.36krcdn.com/hsossms/20260403/v2_d68b240af7914e1cb3dbbe336a8988e6@1849_oswg2002519oswg4824oswg3015_img_jpg?x-oss-process=image/quality,q_90/format,jpg/interlace,1" referrerpolicy="no-referrer"> 创始人兼CEO温德亮 <h3>切入物理AI赛道：从感知碎片到“情节记忆”的数字化</h3> 在英伟达CEO黄仁勋定义的“物理AI”浪潮中，AI的终极使命是突破虚拟边界，成为物理世界的“智能体”。然而，当前AI系统在进入物理世界时普遍面临“感知不精准、决策不灵活、行动不落地”的瓶颈。 红熊AI的核心技术灵感源自认知科学。人类大脑海马体具备“情节记忆”能力，能够存储完整场景并快速复用。与之相对，传统AI系统往往仅能通过参数学习存储碎片化知识，缺乏建立经验与场景关联的“潜在学习”能力。 红熊AI的技术突破在于将人类“情节记忆”机制数字化，构建了类似海马体的“智能记忆系统”。该系统不仅整合文本、图像、语音，还引入了传感器数据等物理信号，试图让AI像人类一样“记住经验与习惯”。 针对物理AI的痛点，红熊AI提出了一套基于“记忆科学+全模态大模型”的系统性解决方案： <ul> <li>感知重构：非侵入式与低成本适配</li> </ul> 红熊AI的全模态感知体系强调“非侵入式”原则。例如，在智能家居场景中，系统可通过雷达、红外、语音等模态数据判断需求，而非依赖摄像头监控，从而平衡隐私与体验。记忆科学的加入，使AI能记住用户的特定偏好（如老人对噪音的敏感度），实现“得体感知”。此外，通过多模态数据互补，红熊AI利用廉价传感器替代部分高昂的高清摄像头，大幅降低了传统产业升级的门槛。 <ul> <li>决策进化：从机械匹配到经验推理</li> </ul> 红熊AI的决策系统具备“经验复用”与“多模态Agent协同推理”能力。系统能存储过往决策的完整场景（输入、过程、结果），当遇到相似场景时快速检索经验并优化决策。以智能宠物医疗为例，Agent可综合行为变化、排泄数据及记忆系统中的兽医经验进行立体决策，准确性优于单一维度判断。 <ul> <li>行动落地：闭环重构产业化流程</li> </ul> 红熊AI试图将传统“研发-生产-销售”的线性模式转变为“数据采集-决策-执行-经验沉淀”的闭环。在零售业中，其“客服优答”系统不仅能处理多渠道咨询，还能将疑难处理经验沉淀为知识库，持续优化响应效率。 <img data-img-size-val="3324,1812" src="https://img.36krcdn.c

3个工程师、0融资、不开会，估值3.5亿美元的Obsidian才是真正的「小而美」

许多长期与文字和代码打交道的创作者，应该对 Obsidian 这款软件并不陌生。作为目前全球最具影响力的本地化 Markdown 笔记应用之一，它凭借独树一帜的知识图谱和开源生态，在知名度与用户忠诚度上，已然能与 Notion 分庭抗礼。 最近，Obsidian 官方的一条招聘推文引发了全网近千万的浏览与讨论。 <img data-img-size-val="" src="https://img.36krcdn.com/hsossms/20260406/v2_0899822d4b364eff9d0246ba298837af@000000_oswg66666oswg873oswg434_img_000?x-oss-process=image/format,jpg/interlace,1" referrerpolicy="no-referrer"> 让人震惊的是，这家估值 3.5 亿美元公司的工程师团队竟然只有 3 人。不过，从官方主页来看，即使算上两位联合创始人、一位后加入的 CEO 以及一名负责客户支持的员工，这家硅谷顶流公司的全职总人数也不过寥寥 7 个人（和一只猫）（其中 Matthew Meyers 已成为全职治疗师）。 <img data-img-size-val="" src="https://img.36krcdn.com/hsossms/20260406/v2_52a94450e7874a47be2d485b2fcfb5b9@000000_oswg585529oswg1080oswg1445_img_000?x-oss-process=image/format,jpg/interlace,1" referrerpolicy="no-referrer"> 在当今 SaaS 公司和 AI 独角兽动辄几百上千人规模、疯狂融资的硅谷语境下，对于一款全球千万级体量、拥有极其庞大生态的顶级软件来说，这个总人数依然是一个令人难以置信的「商业奇迹」。 这样一款充满极客理想主义色彩的软件，其诞生却充满了偶然性。 故事要追溯到 2020 年初，疫情席卷全球。Obsidian 的两位核心创始人——Erica Xu（现任 COO）与 Shida Li（现任 CTO），这对来自加拿大滑铁卢大学的校友兼长期创业搭档，被困在隔离的房间里。 在尝试了市面上所有的笔记软件后，他们感到深深的失望。他们想要一款速度极快、完全离线、且能长期安全保存知识的纯文本工具，但当时的主流产品无一能完美命中这些痛点。本着极客「既然买不到，那就自己造」的精神，2020 年 3 月，Obsidian 的第一个测试版在隔离的「车库岁月」中敲击成型。 随着社区的爆炸式增长，著名开源主题开发者、深度用户 Steph Ango 随后受邀加入并出任 CEO。从「解决自己的痛点」到「解决千万人的痛点」，Obsidian 的故事，生动地诠释了在狂飙突进的硅谷，依然有人在坚持用最原始的手艺人精神，打磨着数字时代最基础的基石。 <h2>反硅谷的「小而美」</h2> 仅靠 3 名全职工程师，如何满足全球数千万用户的海量需求？Obsidian 给出的答案是：「绝对独立」与「开源生态」。 <img data-img-size-val="" src="https://img.36krcdn.com/hsossms/20260406/v2_d1ad0446e53b487eaa84b6155d98d7af@000000_oswg99143oswg873oswg552_img_000?x-oss-process=image/format,jpg/interlace,1" referrerpolicy="no-referrer"> 与绝大多数寻求风险投资以换取高速扩张的硅谷企业不同，Obsidian 的核心原则之一是拒绝外部资本。在各大 SaaS 公司疯狂烧钱获客的今天，他们 100% 依靠用户对增值服务（如跨端 Sync 同步服务、一键 Publish 发布服务以及商业授权）的付费来维持运营。 这种健康的现金流和独立的所有权结构，让他们不必为了迎合资本的退出周期去强行做大团队，也不必为了拉动营收而在产品里塞满臃肿的商业化功能、甚至出卖用户数据。他们唯一的「老板」，就是每天在使用这款软件的用户。 「小而美」带来的最直接优势，是几乎为零的管理内耗。创始人曾公开表示，因为团队极小，且核心成员间合作多年，他们几乎没有冗长的跨部门会议和机械的汇报流程，大家可以把几乎所有的时间和精力都投入到纯粹的「写代码」和「产品构建」中。 在这个完全远程的团队里，没有自上而下的命令，没有烦人的早会，更没有跨部门的拉扯，公司每年甚至只有 1 次线下聚会。 <img data-img-size-val="" src="https://img.36krcdn.com/hsossms/20260406/v2_a6e4d638a98b4e62ae1622f714f53b4f@000000_oswg114688oswg897oswg849_img_000?x-oss-process=image/format,jpg/interlace,1" referrerpolicy="no-referrer"> 没有会议，如何保持团队对齐和凝聚力？Ango 最近在社交媒体上分享了他们运作了两年、并被视为「无会议文化」完美替代品的秘密武器——<stro

首页 > 科技 > 36氪

36氪

停止和大模型聊天：产品经理的AI工作流重构指南

互联网最骄傲的事，正在被AI一点点拆掉

年收入4亿美元的“一人公司”，这么快就翻车了？

前迪士尼工程师和Midjourney联创，要做一款“会呼吸”的DIY仿生机器人｜硬氪专访

红熊AI完成2.1亿元A轮融资，切入物理AI赛道｜36氪首发

3个工程师、0融资、不开会，估值3.5亿美元的Obsidian才是真正的「小而美」

易烊千玺，给字节划了条红线

自律，也可能成为你最大的敌人

你的新工作是引导智能体入职：探索AI 原生公司的运作机制

众筹300万美元的Agent盒子，想彻底解决你的算力焦虑

下一个十年，决定你贫富的，不再是努力，而是它

黄仁勋最新访谈：要想成事，这4点远比智力更重要

大学专业死亡潮

GPT-6，曝光了

Claude 4小时血洗全球最安全系统，人类最后防线失守

GPT-6抢先发布？Mythos被曝难产，算力惊人烧垮Anthropic

被咬一口的世界：苹果 50 年的疯狂与奇迹

少走几十年弯路！这届年轻人爱上“挖野菜”

如何应对颠覆性的人生变故

上万元一斤，需求暴涨！春日经济火成“顶流”

相关分类