• AIGC 机会
  • 汇总
  • 观点
    • 朱啸虎
  • 创业行情
    • 教人如何挣钱
    • ChatBase
    • Prompt 编写
      • AIPRM
  • 创业方向
    • 点子
    • AI医疗顾问：智能与健康的结合
    • 个性化AI一对一辅导：教育的革命
    • AI 视频
      • 音乐视频
      • 情感口播
    • 服装
      • AI穿搭
    • 提效工具
      • 简历生成
  • 创业公司
    • 创业格局
    • Moonshot AI 杨植麟
    • 浮点奇迹 – 小瑶科技
• 结束

AIGC 机会

AIGC 行业资讯见站内专题 AIGC

汇总

汇总

编号	点子	详情	优点	缺点	分析
1	短视频生成	针对特定群体生成视频，作为自媒体资源	已有开源框架实现自动化，如 MoneyPrinterTurbo		案例：治愈系视频创作, Lofi治愈音乐视频，涨粉1400W，多平台分发变现赚收益
2	小说生成	生成爽文笑话，不定期发自媒体
3	论文阅读器
4	星座	塔罗牌游戏，小程序
5	图片美化	用图片生成工具（如SD）实现高级编辑、美化
6	AIGC培训
7	tiktok卖课	国内中文教程→GPT翻译→定制虚拟形象→视频生成→发布tiktok(挂课程)			硅基智能
8	LLM阅读助手	基于LLM优化外文阅读体验	LLM理解/翻译能力		示例: chrome 插件，除了 有道翻译, 还有 沉浸式翻译,内置多种翻译工具, 个人 demo

【2024-10-20】15款国内外主流大模型API价格大比拼

• 2 阿里云DashScope 通义千问
• 3 字节跳动 豆包
• 4 百度智能云 文心一言
• 5 零一万物
• 6 腾讯混元
• 7 讯飞星火
• 8 Kimi
• 9 DeepSeek
• 10 MiniMax
• 11 智谱
• 12 Mistral
• 13 Replicate
• 14 Claude
• 15 Google
• 16 OpenAI

观点

大模型终究要回归到基础设施…现有产品需要升级或重构，交付出去的依旧是衣食住行吃喝玩乐，杀手级应用没那么快，也没那么容易…等乌鸦智能实现了，agi更有盼头，杀手级应用也就容易了，朱松纯多年前提到的，真正的智能不是大力出奇迹，而是像乌鸦一样，用很少的能耗实现自主思考学习

朱啸虎

朱啸虎：AIGC 目前离c端还很远，国内情感陪伴都是伪需求，无法商业化, 唯一有用的是搜索

• 情感陪伴: 容易违规, 涉黄涉暴, 否则一个正常人每天花1h跟机器聊啥呢? 只能聊些敏感话题

创业行情

【2024-7-3】25位大厂高管转战生成式AI创业！吸金猛，不差钱，覆盖全产业链, 自2023年至今一年半以来，至少25位大厂高管已投身生成式AI创业，来自阿里、腾讯、百度、字节、京东、美团、网易、快手等多家互联网大厂，成为生成式AI创业的一支主力军。

• 生成式AI应用领域
  • 原百度副总裁、小度科技CEO景鲲新公司6月刚曝出打造AI Agent搜索产品
  • 原网易研究院执行院长汪源同月确定在做通用办公助理
  • 美团联合创始人杨俊在4月就传出瞄准AI聊天机器人。
• 在AI数据服务领域
  • 原阿里巴巴集团副总裁黄海清6月底被任命为上海大模型“国家队”公司CEO，投身AI大模型语料服务。
• 在AI咨询及技术服务领域
  • 原快手知识图谱技术总监付瑞吉6月宣布了新公司专注于AI大模型咨询及技术服务。

一些大厂高管取得了新融资。

• 在AI视频生成领域，原字节跳动视觉技术负责人王长虎创办的爱诗科技，在4月获蚂蚁领投超亿元融资；
• 在具身智能领域，原阿里达摩院自动驾驶负责人陈俊波创办的有鹿机器人，在5月获创新工场、百度风投等提供的1亿元融资；
• 在通用大模型及应用领域，原全球副总裁姜大昕创办的阶跃星辰，最近被曝进行估值20亿美元的新融资，阿里或成投资人之一。

多家大厂高管创业公司取得了业务新进展。

• 在AI新终端领域，原阿里人工智能实验室智能终端负责人茹忆创办的李未可科技于4月发布了自研多模态大模型WAKE-AI，以及首款AI眼镜Chat等；
• 在AI基础设施领域，原阿里副总裁、Meta AI架构总监贾扬清团队Lepton AI最近发布了基于Lepton平台的云GPU解决方案FastGPU。

这些动作覆盖了通用大模型、垂直大模型、生成式AI应用、AI基础设施、AI数据服务、AI咨询等全产业链环节。

【2023-5-30】大模型创业潮：狂飙 180 天

陆奇在近期演讲中，给出中国大模型发展第一阶段的标准：

谁先达到 GPT-3.5 水平，谁将能进入第一梯队。在此之前，许多事要从零做起。

【2023-5-27】大批高管离职投身大模型创业

• 1、千挂科技CEO陶吉已离职，曾任百度自动驾驶负责人。
• 2、Momenta 副总裁 Charles Wang离职，或进行大模型创业。
• 3、阿里研究员（P10），吴翰清离职，投身AI短视频创业。
• 4、淘宝技术部担任商品3D重建及AI设计算法负责人贾荣飞离职。
• 5、小红书AI平台负责人颜深根离职。
• 6、原百度副总裁马杰加入创新工厂做大模型。

国内估值最高的两家创业公司是光年之外和 MiniMax

MiniMax 公司名字取自一种算法，2021 年 12 月成立, 合作方有不少知名公司：

• 已有文本、语音、视觉 3 个模态的自研基础模型。
• 2023 年 3 月，MiniMax 推出面向企业用户的 API 开放平台，支持文本和语音模型的服务调用。
• 4 月 18 日，火山引擎总裁谭待在发布会上专门提到 “火山引擎上跑了抖音，也跑了 MiniMax”
• 金山办公发布 WPS AI，CEO 章庆元介绍其底层大模型由 MiniMax 提供。

MiniMax 团队成员大多出生在 1990 年代。多位创投人士认为，开始大模型创业的最佳年龄在 35 岁以下。

• 大模型技术更新速度 “以天计算”，年轻人能更快迭代认知，并且知识结构不陈旧

云启资本合伙人陈昱学计算机出身，他指出机器学习领域近年有两个里程碑式进展：

• 2012 年 CNN 架构爆发
• 2017 年 “所有人一边倒地去搞 Transformer 架构”，GPT、BERT、LLaMa 等主流大模型都基于 Transformer。

新技术已经覆盖和超越传统 NLP 技术

• “一个人在不同年份开始接触机器学习，知识结构完全不一样。”
• “早年的知识不是经验，而是累赘。”

多位创业者认为

• 考虑 2C 商业模式、监管等因素，ChatGPT 在国内并不是最适合的产品形态。
• 王慧文愿意尝试 “Chat” 这个已经被充分验证的机会，但他更强调 “keep open-minded”，别在起跑时就笃定哪一条路是正确的。

2B or 2C

• 周明: 2B 和 2C 是完全不同的两条路，打算两者都做的创业者属于 “没想明白”。
  • 坚定选择 2B，做针对特定领域的专用大模型，“节奏慢但是更务实”。
  • 2C 像是一条 “不归路”。2C 需要把语言理解能力和做各种任务的能力放在一个模型里，相应地模型参数规模必须大，未来会进入参数规模、数据量和算力的军备竞赛。
• 而 MiniMax 和 深言科技 都认为: 现阶段大模型可以在通用场景发挥价值，2B 和 2C 的市场需求都能满足，不会刻意区分。
• 李志飞选的方向是 to “professional consumer”，用户是 “产消者”。他们希望为创造某些内容而消费的个体提供 AIGC 工具
  • 出门问问曾以 AI 识别为重点，但困难重重。做 2C 的语音助手时，很难满足用户的期望。尽管语音识别、语音合成等基础技术很成熟，但一个语音助手产品包括自然语言理解、对话、数据查询等 8 个环节。
  • 2020 年的 CES 国际消费电子展得到启发, 看到极高画质渲染出来的数字人 Neon。第一次被 AI 生成的体验震撼。回去后，他调整研发重点，带团队开始投入生成式 AI
  • 不久后，带团队研发的 AI 配音平台 “魔音工坊” 带来让他惊喜的利润。
  • 2023 年 4 月，出门问问发布基于自研大模型发布 AI 写作应用 “奇妙文”，“魔音工坊” 等应用也开始与大模型整合。
• 2C 产品，帮助它们和人的价值观对齐
  • 聆心智能创始人黄民烈：
    • 设计的一个重要规则：当情感陪伴类产品识别出用户有危险行为时，机器能以符合专业干预技术的方式施行紧急援助。
• 2B 产品，引入专家知识和规则帮助它们表现得更准确。
  • 第四范式于 4 月底首次公布 “以生成式 AI 重构企业软件（AIGS）” 战略，提出企业级 Copilot（助手）的进阶 “Copilot+ 知识库”。涂威威解释，第四范式 “培养” 出大模型的基础能力，等它进入企业后，接上内部知识库就能 “自学”，更准确地理解任务、知道什么工作该调用什么资源，输出结果也能溯源，“像一位董秘”。

【2023-3-20】李开复正在筹组AI2.0公司，不只要做中文版ChatGPT

李开复称：

“Project AI 2.0不仅仅要做中文版ChatGPT。 我认为AI 2.0不仅仅是个高能聊天工具，也不仅仅是图文创作的AIGC生成，Co- pilot和如今看到的应用都还只是AI 2.0能力的开端。”

李开复：

• 在AI方向，已经塔尖孵化了7家公司，包括成立4年就成为港交所“AI＋制造”第一股的创新奇智，澜舟科技、呈元科技等，ProjectAI 2.0是第7家。

教人如何挣钱

【2023-4-11】国内靠ChatGPT挣钱的第一波人，主要教别人怎么靠ChatGPT挣钱的。快速包装交付、精准找到愿意为这些信息差付费的客群

• 

评论

有钱赚他自己不赚，也不教给他父母兄弟姐妹去赚，他教给陌生的你？

ChatBase

【2023-5-28】ChatGPT 造富“神话”：大四学生放弃大厂去创业，半年后月收入45万

埃及大学生Yasser在 Meta 和 Tesla 等大厂实习半年后，其创办的聊天机器人公司就已经稳定月收 6.4 万美元（约合 45 万人民币），而且自首次上线以来，业务流量从未下滑缩水。

• Chatbase 市场定位并不复杂，也没做过验证或者商业调查。毕竟 AI 这个领域才刚刚诞生，对我来说‘用 ChatGPT 处理数据’肯定有搞头，能帮助许许多多用户解决实际需求
• Chatbase 最初其实是想做成一款处理 PDF 的 ChatGPT 工具，这是 Yasser 当时想到的最直观的用例。比如用户可以上传一份 PDF，然后让 ChatGPT 总结一下其中的内容。
• 第一个版本花了两个月时间，2023 年 2 月 2 号，Yasser 发布给了 Twitter 上的全部 16 个关注者，结果一下子就火了，巨大的商机，Yasser 马上中止了在校课业，把所有时间和精力都集中在 Chatbase 上

Chatbase.co 是一款为网站构建自定义 ChatGPT 界面的工具，用户只需上传文档或添加到网站链接，就可以获得一个类似 ChatGPT 的聊天机器人，并将它作为小组件添加到网站上。

Yasser 用 React、Next.js 和 Supabase 来构 web 应用。Yasser 还在应用的 AI 部分使用了 OpenAI 的 API、Langchain 还有 Pinecone。付款部分用的是 Stripe。目前这套技术栈运行得不错，但后续 Yasser 可能需要做些调整来控制成本，比如尝试不同的 Vector 数据库或者托管选项

可集成到自己的网站, 官方提供看板配置

• 示例：test
• 国外介绍：How a college student reached $64,000/mo in 6 months by being an AI first mover

Prompt 编写

Prompt是在ChatGPT中输入的一些关键词，按照用户意愿生成出各种各样的内容，提高工作效率。

• Prompt的好处是不仅可以大大减少思考时间，还可以让创造力更加丰富多彩。

详见站内专题：ChatGPT提示工程

AIPRM

有人组织了社区来工具化优质prompt，集人类智慧形成普惠大众的工具 —— AIPRM， 自动生成优质Prompt的工具

• AIPRM 全称：Artificial Intelligence Project Resource Manager
• 要解决的问题就是通过社区互助提高使用AI产品的生产力（比如chatGPT）
• 
• 

【2023-4-11】终极写作工具：小白也会用的ChatGPT Prompt提示综合指南

• AIPRM
• Chrome 插件：aiprm-for-chatgp

创业方向

点子

【2023-5-13】ChatGPT各类应用idea汇总，包含场景、当前解法、解决状态等，持续更新

• 飞书文档
• AIBase 包含 AI资讯, AI日报, 变现指南, AI教程, AI工具导航, AI产品库

【2023-11-20】AI创业之路会被OpenAI堵死吗？

OpenAI做不到？

• 不可能适配所有行业 —— 不成立
  • CAP理论，Consistency(一致性)、Availability(可用性)、Partition Tolerance(分区容错性)三者不可能同时成立，很多人拿CAP理论说法（怼）自己老板的既要、也要、更要想法是不切实际的。
  • OpenAI就算再厉害，也不可能对所有行业都懂
  • 但是，交互发生了变化：现在不靠专业的UI/UE来做人机交互，而是使用对话（Prompt），极大降低了使用的学习成本
• 时效性和输入内容长度 —— 不一定
  • LLM的两个劣势：时效性和输入长度，然后引出RAG的优势。
  • 但是，现在128K的输入长度，以及可以个性化定制的GPTs，一下子把这两个劣势弥补了，对于RAG创业者来说，确实是当头一棒。
• OpenAI新功能华而不实？

国外某科技大V Greg Kamradt对GPT-4 Turbo进行了压测，结论是：

• 只要问题答案不包含在开头，那么 GPT-4 Turbo 并不能保证总能找到答案；
• 更少的上下文长度=更高的准确性，减少向 GPT-4 Turbo 的输入，总会提升其表现（73K后性能下降很快）；
• GPT-4 Turbo 还是偏好于在文档的开头与结尾寻找答案。

相比 GPT-4，GPT-4 Turbo 的能力有巨大的提升，在上下文长度为 32k 的条件下，GPT-4 Turbo 的平均检索正确 2.4 个人名、城市名与动物名，而 GPT-4 仅为 1.1 个。但是，和 Kamradt 一样，Louis 同样发现，即使是 GPT-4 Turbo，在更大的上下文大小上仍然表现不佳。

斯坦福大学在2023年7月份测试并发布了论文《Lost in the Middle: How Language Models Use Long Contexts》

• 几乎所有大模型都出现了“Lost in the Middle”的现象：中间塌陷问题
• 随着Tokens的长度越来越大，会在中间出现性能（推理速度、准确率等）坍塌。

但这些问题都会随着时间慢慢被修复，这不属于核心级别的问题

OpenAI可能真做不到

• 对敏感业务的AI赋能（本地化）
  • 由于企业数据安全，OpenAI很难为各个企业客户做本地化
  • 企业要保证绝对安全，那就是绝对不以任何形式将敏感数据外泄，严控源头
• 输入-处理-输出的稳定性
  • LLM的稳定性除了输出，还包括输入（识别）、推理和输出等多个环节
  • 逻辑推理不稳定，有致命问题
  • 三大胶水组件对抗幻觉问题：① 分类查询 ② RAG ③ 执行器（本地数据库/文档/api）
• 让用户使用更便捷
  • GPT这类产品可以轻松跨行业。一是多模态让输入更加轻松，二是对话方式的输入让人机交互变得无障碍。
  • 但第二点，Chat（对话）方式的交互是好，却很难把控。

两个信息：

• 现阶段，甚至很长一段时间，还是需要创造更适合行业用户使用的应用，而不是全靠对话。这是接下来的主要工作：为商业注入AI力量；
• 另外，总有一天，只要说出起点——终点，其他的事情由AI全权代理完成。当然你应该不喜欢它代替你吃饭、睡觉、玩游戏、谈恋爱。

思考：

• 现阶段我们其实做的是: ** + AI（即：现有任务+AI）
• 以后可能做的就是: AI + **（新的任务）

三大胶水组件

• 分类器：处理元数据、实体识别等，尽量把信息识别做到幂等；
• RAG：这套技术可以说非常复杂（或者说从易到难跨度很大），我们相信它依然非常有生命力，因为看到了它在企业应用中的重要价值，甚至可以说它是LLM这一波带出来的最得民心的明星之一。
• 执行器：不是必须的，我们把它列为我们的三大“胶水组件”套装是因为需要有自己的端到端生成风格，包括HTML5、APP，以及API（对接机器人、数字人等），另外就是对于输出格式的稳定性做了一些要求。

【2023-10-09】OpenAI 掌门人：这两个AI方向创业很有前途

OpenAI奥特曼:

• 创业者别盯着GPT的一些缺点来改进，就像套壳这样的界面优化，没戏，我们迭代个版本，你就得死！
• 简单包装OpenAI的公司活不长久
  • 套壳ChatGPT者死，我行不代表你行，别花太多精力在UI界面上
  • “AI女友”只是个美丽的陷阱，千万不要轻易尝试。
• 看好AI医学顾问、AI个性化一对一辅导等方向
  • OpenAI正在筹建OpenAI学院，预计2023年底启动。人人可访问的免费在线教学系统，老师能与GPT-5来互动，在课程期间接收反馈和指导
  • OpenAI也在GPT-4客户案例中展现了两个教育场景。GPT-4化身AI学习助手，既可以作为学生的虚拟导师，又可以作为教师的课件助手。
• 盲目筹资是非常不明智

而，他更看好两个方向

• AI医疗顾问
• 个性化AI一对一辅导

这两个方向跟AI结合，很有价值，对社会有深远影响。

AI医疗顾问：智能与健康的结合

奥特曼期望看到的最具研究价值的方向: AI医疗顾问。

• OpenAI正在筹建OpenAI学院，预计2023年底启动。人人可访问的免费在线教学系统，老师能与GPT-5来互动，在课程期间接收反馈和指导
• OpenAI也在GPT-4客户案例中展现了两个教育场景。GPT-4化身AI学习助手，既可以作为学生的虚拟导师，又可以作为教师的课件助手。

医疗关乎人类生死，每个决策、每个判断都关乎患者的生命安全。在传统的医疗体系中，医生需要依赖于多年的经验和大量的病例来做出决策。

AI医疗顾问，可以通过深度学习和大数据分析，在短时间内为医生提供最准确的诊断和治疗建议。

这样的技术不仅提高了医疗的效率，更从根本上提高了治疗的成功率。未来，一个智能医疗系统，AI精确地捕捉患者的每一次体检、每一次药物使用，甚至每一次身体的异常波动，并为其提供最优化的治疗方案。

现在，身体哪里不舒服了，去医院前，也会先描述给GPT，让GPT分析可能状况。大概了解后，到医院也能更有针对性的检查和治疗。

个性化AI一对一辅导：教育的革命

另一个前景广阔的领域是个性化AI一对一辅导。

• 传统教育体系中，教育资源往往是平均分配，是批量化，规模化的，很难满足每个学生的个性化需求。
• 但AI的出现，使得超个性化教学成为可能。

这种方式的教育，不再是固定的课程和教材，而是根据每个学生的学习能力、兴趣和需求，为其提供定制化的教学内容。 AI会持续分析学生的学习情况，及时提供反馈，确保每个学生都能以最适合的方式学习。

无论你是想学习一门新的技能，还是深化某个领域的知识，都有一个AI助教时刻陪伴在你身边，为你提供最准确、最实用的知识和技能。 这样的学习方式，会极大提高学习的效率和乐趣。

• 普通人的创业机会，教育的「三化」

GPT现在这个水平，学习中遇到的问题，问它，都要比问老师，周围的其他人强。

AI 视频

音乐视频

【2024-3-26】知乎一洁说 分享各类AIGC变现案例

• 用AI做Lofi治愈音乐视频，涨粉1400W，多平台分发变现赚收益

情感口播

【2024-11-6】AI批量制作情感口播视频，不露脸、不录音、不花钱

• 技术方案：
  • 文生图：即梦AI上输入提示词，“一个漂亮女性对着镜子说话”，得到4个美女图
  • 图生视频：将上图放到海螺AI中，生成讲故事视频
  • 对口型：返回即梦AI，将视频放进来，选择对口型
• 完整版教程，已包含：萌宠打工人、山海经异兽、山海经异兽变身、治愈风景、祝福鸟等、人吃万物等10个案例。

服装

AI穿搭

【2024-6-27】离谱，这个 AI 穿搭造型师每年狂赚 300 万美元

Style DNA 不仅解决了自己的穿衣困扰，还在短短几年内创造了一个年收入 300 万美元的 AI 时尚帝国！

Elena Volkova 曾在多家大型电商公司担任战略和财务部门的领导。职场中，她深刻体会到着装对自信和谈判成功的重要影响。然而，找到适合自己的风格却让她很头疼。

“我突然意识到，找到适合自己的穿搭不应该这么难吧？”

Elena 预约了一位专业形象顾问。但在经历了三周的漫长等待后，只得到了一个颜色搭配方案，仍然不知道到底该穿什么。于是她决定自己动手解决这个问题。

Elena 随后报名参加了国际形象顾问协会 (AICI) 的课程，学习如何进行风格咨询。在研究过程中，她发现形象咨询行业缺乏标准化，顾问们往往更依赖个人意见而非科学证据的影响。

作为一个深谙数据之道的电商高管，Elena 嗅到了其中的商机。

她开始利用工作之余的时间，研究 AI 技术在图像识别和风格分析方面的应用。她还深入调研了市场需求，发现：

• 超过 50%的人曾在网上购买不适合自己的衣服。

• 60%的人希望改善已有衣物的搭配方式。

• 这些数据让我确信，市场需要一个智能化、标准化的形象咨询解决方案。
• 我决定要开发一款应用，让每个人都能轻松获得专业的穿搭建议，就像有了一个 24 小时随身的 AI 造型师。

Elena 组建了一个精干的团队。她招募了一位经验丰富的形象顾问，几位顶尖的机器学习工程师，以及一群热情的时尚达人。这个跨界团队为 Style DNA 的诞生奠定了基础。

最小可行产品 (MVP) 阶段，Style DNA 专注于开发两个在造型应用中比较罕见的独特功能：

1. 基于用户自拍的颜色分析
2. 通过内部商城提供购物辅助

他们与一位形象顾问合作，标注了数百万个数据集，并推出了 Style DNA 自主开发的 AI 造型助手。在此基础上，他们逐步引入了新功能，包括衣柜分析。允许用户将自己衣柜中的物品照片上传到应用程序，并为不同场合接收定制的穿搭建议。

他们与一位形象顾问合作，标注了数百万个数据集，并推出了 Style DNA 自主开发的 AI 造型助手。在此基础上，他们逐步引入了新功能，包括衣柜分析。允许用户将自己衣柜中的物品照片上传到应用程序，并为不同场合接收定制的穿搭建议。

截至2024年5月，Style DNA 的商城合作伙伴数据库已经拥有超过 150 家零售商。结合新增的线下购物辅助功能，该应用现在已经可以解决消费者最常见的问题。

经验：

1. 持续迭代是王道：Elena 最初认为设计完成后只需要最小的改进就搞定了。但实践证明，移动端的应用需要大量的测试和修改。从标签位置到用户体验，每一个细节都值得反复打磨。
2. 内部团队是你的宝藏：将所有工作都在内部完成，让团队成员对产品充满热情，这是 Style DNA 成功的关键之一。
3. 网络的力量不可小觑：Elena 遇到了许多从早期就支持她想法的人，从朋友到各领域的顾问。这些人脉为 Style DNA 的成长提供了强大助力。

最后，Elena 还有一句话送给所有怀揣梦想的创业者：

“不要害怕。不要担心你的朋友们不理解你的想法。不要让任何人仅凭一句 ‘有人以前试过，但失败了’ 就阻止你追求梦想。在当今这个生产率惊人、信息丰富的世界里，创造一些尚不存在的东西比以往任何时候都更有价值。”

提效工具

简历生成

【2024-9-6】信息

GitHub 上一名独立开发者， 程序员 Jacob Jacquet，靠一款简历生成器 Rezi，年收入就达到了 250 万美金

Jacob 团队目前已经有 11 名成员了，Rezi 的流量也非常的稳定，并且每个月都还在增长，盈利也非常的可观，真的是老羡慕人

2024 年初有了爆发式增长，每个月有 20 万美刀的进账。

产品没有非常惊艳。尤其是项目经历这块的排版，只能是一级无序列表排列，感觉怪怪的。

收费不菲啊，一个月就要 199 元人民币。只能说外国人的钱还是好赚

会员服务也无非是：

• 无限的 AI 写作使用
• 无限简历、求职信、辞职信的模板使用
• 无限关键词定位，内容分析
• 1 次免费每月简历审查（Pro 终身版不可用）

成功原因

• 抓住技术红利: 2020 年 12 月, Rezi 第一个将 AI 引入到简历生成，于是当大模型在 2023 年爆发时，Rezi 顺其自然地就成为了 AI Resume 的佼佼者。
• 做好 SEO, 搜 ai resume, 站点排第一

坑

• 备案障碍: 服务器被迫换三次，先是阿里云，然后 AWS，然后腾讯云香港。

创业公司

2023年6月，The Information评选了五家最有可能成为中国 OpenAI 的公司：MiniMax、智谱、澜舟科技、光年之外，以及杨植麟创立的 Moonshot AI。

相比王小川、王慧文这些互联网时代的风云创业者，杨植麟在公众中的知名度稍逊。但在 AI 圈和创投圈眼中，他在这一波大模型创业浪潮中的关注度丝毫不弱于前二者。

杨植麟

• 开源是获客手段，闭源才是超级 APP 的唯一通路

创业格局

【2024-6-25】200 亿估值之后，中国大模型公司还能拿谁的钱？

目前，中国只有两家公司（智谱 AI 与月之暗面）进行新一轮融资, 估值分别为 约 30 亿美元、200 亿人民币。

注意

• 中国大模型的梯队力量是在 2023 年年底、2024 年年初渐次形成，形成的时间节点是月之暗面的崛起。

第四轮融资后，月之暗面的估值达到 25 亿美金，与智谱 AI、MiniMax、百川智能并列第一梯队，其余低于 20 亿美金的公司如零一万物、面壁智能、深言科技等并列第二梯队。

从技术上看

• 2023 年，百川智能与 MiniMax 大模型技术优势落后于第二梯队的面壁智能、深言科技等，后者从 2020 年就开始研究大模型、 并参与了中国最早的大模型项目——智源「悟道」，而前者的创始人并没有大模型积累，MiniMax 的创始人闫俊杰是计算机视觉出身、百川智能的创始人王小川是搜索，但前者的融资金额却远高于后者，原因就在于融资战略意识的差异。

有趣的观察：

• 当前除了发展时间较早的智谱 AI（成立于 2019 年，至今已 5 年时间），中国各家大模型创业公司的短板都十分明显，发展基石都不牢固，但上层的资本市场与融资高度却各不相同。
• 主打技术拿到最多融资的，并不一定是技术最强的团队；
• 主打应用拿到最多融资的，也并不一定是产品能力最强的团队。

投资与增长预期之间，中国的大模型布局出现多个偏差。

第一梯队大模型公司都面临同样的问题：

• 2024 年，国内还有哪些投资机构会出手基座大模型？
• 这会影响不同创业公司对融资市场的规划，即所有人都要想清楚：从人才、技术到产品规划等，他们可以拿谁的钱。

投资基座大模型的风险越来越高、红利越来越少。

• 「未来大家最容易拿的钱是政府基金，最想拿的钱是产业基金，最难拿的是财务投资。」

过去一年半时间里，中国大模型第一梯队融资金额分别为：

• 智谱 AI，25 亿人民币+4 亿美金；
• 百川智能，超 3.5 亿美金（4 月最新一轮未计算入内）；
• 月之暗面，超 12 亿美金（腾讯、高榕这一轮未计算入内）；
• MiniMax，超 8.5 亿美金，总融金额超 28 亿美元+25 亿人民币，约为 AI 四小龙时代的一半。

参照上一代头部 AI 公司的资本表现，未来市场上还有至少 40 亿美金+25 亿人民币的钱留给中国大模型第一梯队的公司。

200 亿是一道坎，但不是一个魔咒。

智谱 AI、月之暗面、阶跃星辰、面壁智能等等大模型公司都仍在不断融资，且仍不断有机构表示出投资兴趣。

「从趋势上看，大模型已经是一门显学，中国肯定要有人研究大模型的。」

投资人孟杰向 AI 科技评论说道，只是会分为「快资本」与「慢资本」两个角度去思考：

• 「快资本」是评价大模型公司的商业模式，让大模型公司开始变现；
• 「慢资本」是不计成本地扶持一家大模型公司，追着 OpenAI 打，做耐心资本，像 OpenAI 与微软绑定一样，但这个路径目前看起来只有互联网战投有可能会考虑、国资的冒险机率不大。

Moonshot AI 杨植麟

【2023-10-9】对话 Moonshot AI 杨植麟：闭源是通往超级 APP 的唯一通路

今年 31 岁的杨植麟是典型的学院派创业者。根据机器之心此前的报道，2015 年从清华计算机系毕业后，杨植麟前往美国卡内基梅隆大学攻读博士，师从苹果 AI 研究负责人 Ruslan Salakhutdinov 和谷歌首席科学家 William Cohen。

• 博士期间，杨植麟先后以一作身份，发表 Transformer-XL 和 XLNet 两项工作，谷歌学术被引次数近两万。Transformer-XL 成为首个全面超越 RNN 的注意力语言模型，论文成为 NeurIPS 2019 与 ACL 2019 的最高引论文之一；XLNet 则在 20 项任务上超越谷歌 BERT 模型，一鸣惊人。
• 根据 GitHub 上的个人资料，杨植麟曾在 Google 和 Meta Platforms 的人工智能实验室工作。在创立 Moonshot AI 前，杨植麟还与他人共同创立了循环智能（Recurrent AI），红杉中国也对该公司进行了投资。据该公司网站称，Recurrent AI 为销售人员开发工具。

杨植麟的学术和创业实践背景，让 Moonshot AI 成为了投资机构追逐的明星项目。据极客公园了解，今年 3 月成立以来，Moonshot AI 累计已经获得近 20 亿元融资，投资方包括红杉资本、今日资本、砺思资本等知名投资机构。

2023年3月，Moonshot AI 成立，一个大模型公司

• 名字来由：月亮其实它的背面一直都是看不到的，你只能看到它正面，但它的背面其实很让人好奇
• Moonshot AI 是专注 ToC 的公司，现在最高优先级的任务是在 C 端找到产品、技术以及市场的方向。但同时我们也会以开放心态去做更多 B 端以及具体行业的一个方向。
  • 过去在循环智能做 ToB，MoonShot 却选择做C端产品
  • 通过 AI native 的产品产生了新的流量入口，基于此，去做 Super APP 会是一个非常巨大的机会，但这个 Super APP 需要产品和技术很好地结合。
• 最大特色：人才密度。团队非常多的成员有训练超大模型的经验，包括参与了 Google 的下一代多模态模型 Gemini 的核心开发；在 Google 训练大几千亿参数的经验；也包括国内最早的大模型悟道、盘古的原班人马。
• 技术
  • 「长文本」称作登月计划的第一步，其实是基于一个朴素的判断。如果我们去看模型的参数量，这个参数量可能是大家比较熟悉的，它决定了你能够支持多复杂的计算。如果类比计算机的话，它其实是你的这个 CPU 能支持的这个指令集到底有多复杂，你能处理多复杂的计算。

Moonshot 推出的首款大模型产品智能助手 Kimi Chat

浮点奇迹 – 小瑶科技

【2023-12-9】浮点奇迹

• 新媒体AI员工定制平台
• 用Agent范式学习流量密码，重构互联网内容生成与分发
• 自研长短期记忆的Agent系统Timo，打破大模型context限制

奇绩创坛三个月的难忘瞬间：

1. 收到一份非常干净、连董事会席位都不要的投资协议
2. 陆奇提出的第一个建议，我思考很久，成为我们后续找到pmf的重要支点
3. 收到数百万投资款
4. 在导师团的资源介绍和pmf指导下，拿下第一个订单
5. demo day之后，我收到了接近500位投资人的微信申请，一夜集齐全球顶尖资本
6. 结营仪式，陆奇说，坚信，你们浮点奇迹就是下一个字节跳动对早期创业者来说，奇绩给的这份创业认知、思维、方法论和资源，会比单纯的数百万的投资款珍贵太多。

结束