文章提出AI原生服务是当下最好的创业方向，市场规模高达千亿美元。作者以会计师与QuickBooks为例：企业为软件付1万美元，却为使用软件的会计师付12万美元，后者如今因AI可被规模化接管。AI原生服务由Agent完成大部分工作，以软件边际成本交付服务结果，可按服务定价、按软件估值。文章对比了SaaS、App和传统代理公司的劣势，解释了为何现在是最佳时机（模型能力提升、成本骤降、4.6万亿美元服务市场开放），并以Harvey、EvenUp、Kick等公司为案例，阐述了如何选择计价单位、设计获客流程等构建AI原生服务的关键要素。
作者通过对比腾讯和字节的主营业务，论证字节的商业模式优于腾讯。核心观点：从主动查找到算法化自动分发是大势所趋；抖音/TikTok比微信更前沿，微信的使用时长和用户场景正被抖音转移；用户注意力从游戏、聊天等转向算法推荐内容；字节基于客观数据的产品方法论能将技术普及到下沉市场。作者进一步分析AI时代微信比抖音更危险：抖音核心在多模态内容沉淀和AI自主能力，而微信依赖的社交关系和聊天需求在AI时代可能被解绑和消融，聊天将难以支撑超级应用。
文章整理了朱啸虎在北大的演讲要点，共 19 条核心观点。他认为技术领先只是阶段性优势，长期竞争回归商业本质；判断创业项目要看重 3S 标准（市场规模、可规模化、可持续防御）；强调用户入口、高频业务、网络效应和留存比单纯增长更重要。关于 AI 创业，他指出最危险的是做成大厂可免费集成的功能，AI 正从 Token Maxing 转向 Value Maxing，成熟产品应隐藏模型细节，最好的机会是'旧需求×10 倍体验'。他还看好角色扮演、Coding 和视频等 AI 应用方向，以及开源获客和高价值具体任务的机器人创业。
作者分析闲鱼等平台上 50 个 AI 赚钱案例，指出 2026 年上半年闲鱼 AI 服务订单达 981.6 万单，但卖家月均成交额仅 897 元，说明需求真实但多数人只赚到零花钱。真正赚到钱的人共同点是不卖 AI 本身，而是卖客户不想自己干的事，总结出四种模式：帮人交差的急单（单价 200-800 元）、为企业做流程自动化（5000-30000 元）、把服务做成一次做反复卖的商品、以及收窄到一个细分类目死磕。文章还提醒对'月入 10 万'的复盘要打折看，并给出从闲鱼起步攒好评、再迁往小红书涨价的实操建议。
作者通过法国公司 Famileo 的案例，讲解 AI 时代普通人应有的商业思维。Famileo 把家庭成员在手机上发布的照片和消息打印成家庭小报寄给不使用智能设备的老人，解决了数字表达与老人接收习惯之间的矛盾。文章提炼出几个关键商业思维：顺着用户原有习惯做产品而非改变用户；旧需求在新环境下可被重新满足；先在养老院这类需求密集的滩头阵地跑通产品再扩张；区分使用者、生产者与付款者；订阅制需对应持续产生的真实需求。该公司现服务 2700 多家养老机构、约 180 万用户，年营收约 1500 万欧元。
作者借用1990年代报业因互联网兴起而出现'杠铃化'的案例，类比AI时代软件业的演变。传统软件公司的护城河（复制成本、迁移成本、网络效应）将随软件开发成本趋近于零而被侵蚀。作者认为未来软件业将走向两端：少数通过海量构建与持续再投资形成规模壁垒的巨头（每个购买中心或行业一个AI原生系统），以及爆炸式增长的'小微软件'（个人或小团队自制/小众软件），中间地带的点状解决方案将被整合或消亡。风投支持的创业公司应'全都要做'，以产品的整体性作为护城河。
波兰开发者Piotr的AI建筑渲染工具Visualizee在经历700天低收入后实现突破，月收入从150美元增长到近1万美元。转折点在于两次关键调整：一是删除复杂的节点编辑器，改为对话式交互，用户上传图片并用自然语言描述即可在30秒内出图；二是将一次性付费改为35和80美元两档月订阅制。作者总结：独立开发者收入低往往不是技术问题，而是产品与用户之间存在摩擦。用户愿意为结果付费而非工具，Piotr通过删掉90%的功能反而走通了商业模式，且全部靠业余时间用Next.js和React维护。
作者分享了自己从2014年至2026年的赚钱方法论，核心为四个原则：相信、执行、选择、分润。线下阶段（2014-2016）通过向更强者请教、进入金融贷款行业、差异化竞争并最终拆分业务流程实现躺赚；公司阶段（2024-2025）利用自媒体平台开展北京同仁堂代理业务，通过招聘、培训、内容制作的合理人员配置和分润机制获利；个人阶段（2025-2026）借助AI工具替换员工，测试、分享、教学多种线上项目，实现个人变现。文章包含大量实操案例与分润机制设计。
文章分析了AI中转站生意衰落的原因：Codex/GPT-5.5追平Claude使后者失去性价比，国产模型（GLM、Kimi）崛起分流用户，且GPT封号少、用户可自行订阅，导致中转站营收腰斩，中小站点因渠道和上游问题陆续关闭。作者随后给出挑选靠谱中转站的建议：优先选择大型站点或有博主声誉背书的站点，并推荐使用检测网站hvoyai.com验证模型真伪、查看站点榜单。最后总结八字原则：不贪便宜、小额充值，警惕低价折扣与跑路风险。
作者分享自己辞职当天冷启动AI服务生意的经历：从帮同学安装配置AI软件开始，发现博主和企业主的AI落地痛点，通过私域人脉获取首批客户，当天赚到1000元，三周内收入超过央企三个月工资。核心方法是不等产品做完美，先用现有能力解决具体问题，完成最小商业闭环，产品从真实需求中生长出来，如199元AI社群、4999元工作流搭建等。
作者分享了开发独立应用「知我记物」一年多的20条经验教训。产品税后赚了近四万元，约1.5k付费用户，但ROI不高。核心经验包括：不要照搬竞品定价（从¥19涨到¥88反而收入更高）、在用户感知价值时再设付费墙、产品颜值是获客第一步、build和sell时间要五五开、内容获客建立信任、多讲场景而非功能、别做多平台别打价格战、放弃非目标用户、以及后端出身也建议不做服务端采用Local first等实用建议，为想独立开发产品的人提供参考。
作者通过梳理美股和A股2026年Q2财报季中Agent相关公司的数据，指出Agent已从发布会走向财务报表。ServiceNow、Salesforce、Workday、Palantir等率先兑现收入的企业，普遍掌握企业核心数据、权限和工作流。衡量指标从注册用户、Token调用量转向AI贡献的ARR、ACV、生产环境客户数和实际任务完成量。A股方面，金山办公、税友股份、汉得信息在垂直场景开始验证，但财务质量需重点关注。作者提出Agent产业链四层结构：基础模型、数据治理、工作流执行、垂直行业Agent，并将2026年定义为Agent的财务验证元年。
文章探讨了AI时代系统记录类传统软件公司（如Salesforce、Docusign、Atlassian）的反击态势。随着Salesforce与Anthropic合作推出Claudeforce，传统巨头正在从存储信息转向自主执行工作，向更高层级的agent演进。作者提出agent四层级框架（检索、流程、政策、决策），指出巨头受限于自身数据记录，而客户的完整工作跨越多个系统和边界。垂直AI创业公司需通过聚焦特定跨系统工作，构建专属数据资产、上下文和学习闭环来建立优势。文章还区分了记忆与学习的差异，强调理解专业与机构知识的重要性。
作者分享其AI原生服务创业公司Panacea在生命科学监管咨询领域运营6个月的反思。针对红杉资本'Services: The New Software'的论点，作者指出其忽略了'问责制'这一关键因素：AI代理无法承担责任，就像自动驾驶仍需持有执照的飞行员一样。Panacea将内部专家与AI平台结合，用固定里程碑定价取代按小时计费，两个月内签约50万美元，七位数管道90%来自客户主动咨询。文章认为万亿美元机会不在于取代专家，而在于让专家劳动不再随收入线性扩张。
2026年8月起，X Money 在美国放量推送，马斯克将全功能数字银行装进X平台：6%活期利息、3%消费返现、免费转账、工资提前到账。文章分析其商业模式：6%利率是 Premium 订阅的钩子，补贴成本远低于订阅收入；创作者分成留在体内生息，形成资金闭环。与余额宝的顺水推舟不同，X Money 是逆水行舟的人造利率。文章还剖析其面临的四道墙：美国支付市场饱和、监管碎片化、刷卡费率天花板以及平台信任赤字，并对补贴能否持续提出观察点。
作者基于一年来的AI产品创业经历，提出AI创业的核心是token的观点。他认为AI经济的核心就是token，任何AI产品归根结底都是把token包装起来进行分销，大厂也不例外。他以coding这一已跑通盈利的业态为例，说明其成功关键在于token消耗量大，为上游token生产提供了倾销渠道。作者指出，虽无法成为token的创造者，但可以成为AI的经销商，通过打造AI产品、高效供应token来参与AI经济，这是他下一阶段创业的方向。
文章通过三个95后抖音创业者的案例，讲述他们靠留学咨询、少儿编程、雅思培训在算法红利期实现财富积累，却在流量下滑时陷入困境。作者深入拆解三笔账：平台流量所有权、收入结构安全、精力分配，论证不做私域的风险。并提出提高私域客单价、设定进量KPI、双平台试水、老用户回捞、硬性利润比例规划等转型建议，强调必须趁业务巅峰期布局第二曲线。
文章深度拆解了一对四川夫妻从普吉岛两人工坊做到300人、单月营收千万的旅拍企业案例。核心打法包括：放弃1.5万婚纱照转做399民族写真以降低决策门槛；在抖音小红书铺几十个矩阵账号，通过复制爆款高频发布零成本获取流量；沉淀38万微信私域，用标签化运营和朋友圈种草完成70%的二次成交；用订单密度锁住摄影师供给；参考茶饮行业建立门店SOP和店长合伙人制实现规模化复制。文章总结了五本账和五条可迁移的商业启示。
作者以深圳超级猩猩健身房为案例，分析其不办年卡、按次付费的课表制零售模式为何能存活八年并赢得高忠诚度用户。文章指出用户真正买单的不是训练效率，而是情绪价值：一群人共同流汗的氛围感、无捆绑消费的自由感。结合中产口红效应与都市原子化趋势，作者判断未来十年中国最赚钱的是情绪价值生意，并给普通人提出五点建议：从卖功能转向卖感受、做小而美生意、按体验定价、不透支信任、照顾好自己作为核心资产。
本文基于 Latent Space 对 Lovable CTO Fabian Hedin 的专访，分析这家年化营收 5 亿美元、估值 133 亿的公司为何主动转型。Lovable 将把平台上 6000 万个应用的功能通过 MCP 服务器暴露给 ChatGPT、Claude 等 agent 直接调用，从'造应用'转向提供 capability。作者结合麦肯锡数据与 agent 框架爆发趋势指出：传统 SaaS 的界面价值将归零，商业模式需从卖界面转向卖能力。文章还给 SaaS 从业者、独立开发者和普通用户提出了三条启示：软件不会死，但会隐身。
文章探讨AI原生服务作为下一个重大投资机会。作者认为AI已将风投注意力拉回应用层，但更大的机会在于将非软件预算的工作本身转化为可交付的服务。LLM使技术边界上移，能够处理非结构化输入、异常处理和上下文理解。随着技术成熟和买家行为变化（企业已习惯外部化运营），AI原生服务公司可以按完成的工作流收费，通过提升人均收入、降低异常率、缩短周转时间来构建学习曲线壁垒。这类公司初期看似劳动密集型，但随着系统学习域名知识，人力占比会持续下降，最终实现远超传统BPO的风险投资级回报。
作者 Chris 介绍如何利用 Grok Bot 搭建一套全自动的商业发现与执行系统。系统通过五个独立的信息源（招聘板、自由职业需求、应用评论、播客、论坛和 Reddit）每天扫描互联网，寻找被多个来源同时证实的问题。经验证的痛点会呈现在仪表盘上供人工批准，批准后 Grok Bot 会自动生成新代理，完成产品创建、网站部署、Whop 上架、结算链接生成以及对外推广。文章详细说明了工具配置（Whop CLI）、存储方案（SQLite 加 Obsidian 知识库）以及目标客户选择策略（聚焦老板直接决策的小企业）。
作者从风景园林专业毕业进入央企工地，遭遇职场打压后用AI一个月转行为AI产品经理。通过在X上公开表达积累粉丝，先后四次尝试知识付费：AI转行咨询、Token销售思路、99元项目社群、手把手项目陪跑，逐步摸索出稳定的知识付费变现模式。核心观点是：知识付费卖的不是知识，而是你替别人先踩过的路；先把自己救出来，再去渡别人。
作者提出应寻找“无聊的利基市场”——即那些有真实经济痛点但尚无人构建产品的细分领域。文章给出可盈利利基的5个特质：问题有金钱损失后果、买家能算清损失成本、解决方案信息分散难以获取、受众是明确定义的群体而非泛化人群、市场窗口尚未饱和。随后提供具体操作流程：从14个职业类subreddit入手，按年度热门帖排序，通过标题描述已发生事件、500-2000点赞、点赞评论比低于4:1三个信号筛选，并带着“什么能预防这个问题”的思考阅读评论，答案即产品。
本文拆解山西运城电商操盘手“暴君熊”的抖音电商商业模式：100人团队月GMV达2.6亿。核心打法为高客单价（200-2000元功效美妆）+千川投放+直播承接，瞄准三四线城市35-40+岁女性的功效刚需。其成功要素包括：自研品牌提升利润率至50%以上、选用下沉明星背书、28岁以上有阅历主播建立信任、工业化素材生产与赛马机制筛选。文章还分析了其十年转型路径及普通人可借鉴的利润优先、匹配优先等方法论。
作者介绍了10家值得关注的美股公司，串起AI行情的完整产业链：从芯片(NVDA、AVGO)、制造(TSM)、内存与存储(MU、SNDK)、AI云(NBIS、CRWV)、电力散热(VRT)，到AI软件(PLTR)和应用生态(GOOGL)。文章逐一分析各公司的商业模式、核心看点、护城河与风险，强调投资是理解商业和趋势的训练，并提醒高增长股票波动大，不构成投资建议。
作者围观其 FDE（前线部署工程师）社群自发组织的线上讨论，多位从业者围绕企业 AI 落地各抒己见。文章提出多个非主流判断：FDE 热潮是需求爆发与技术供给转移的叠加，供给增速可能远超付费需求；AI 项目复杂度上升但客户付费意愿反降，形成危险剪刀差；老板的 AI 焦虑不等于真实需求；最适合改造的是「半数字化企业」；真正困难在于组织与人而非技术。作者认为 FDE 应作为客户入口，沉淀可复用行业资产，最终稀缺的是客户入口、行业理解与组织信任。
本文对AI制药行业进行了全面分析，指出AI制药是重构医药研发效率的基础技术体系，已初步验证在靶点发现、分子设计等早期研发环节的效率提升，但临床成功率提升尚未充分证明。文章详细介绍了AI在靶点发现、蛋白质结构预测、小分子生成、表型筛选、蛋白质设计、临床试验优化和自动化实验室等环节的应用，分析了软件授权、研发服务、联合研发、自主研发和混合五种商业模式，梳理了行业主要参与者，并指出生物学复杂性、数据质量、临床试验周期、监管和资本消耗是主要瓶颈。最后，文章提出行业竞争将围绕模型能力、数据资产、实验闭环、临床转化和价值捕获五层展开，并给出了投资角度的分析框架和行业阶段判断。
作者在AI视频工具创业两年后，反思了将精力集中于制作效率的误区，指出视频价值在于被看见和消费，而非单纯制作。文章提出“创意制作分发”模型，认为创意和分发端拥有更高议价权，而制作层易被AI改造且利润薄。通过市场观察，强调成本、ROI和分发效率的重要性，建议从业者应关注创意资产、分发渠道和商业模式，而非仅优化工具。
本文拆解了单人创业者打造的播客剪辑工具PodcastCuts，该产品年营收达97万美元且零员工。它通过语音转写与AI时间戳定位技术，将2小时音频的精彩片段筛选从4-6小时人工缩短至15分钟。成功要点包括：切入小而聚焦的场景、利用Whisper等开源技术将基础设施成本控制在月200美元以内、借助播客主理人的口碑传播获客。文章指出AI工具成熟使独立创业门槛降低，并建议创作者寻找特定人群的刚性痛点，用自动化解放重复劳动。
