startups

关于 startups 的公开洞察。

• Coatue 增长投资人谈 SaaS 终值、平台公司与加注逻辑

  过去 SaaS 被当成年金，估值容忍股权激励和口径差异。AI 让市场第一次怀疑终值，不确定哪家受损时资金选择整体离场。用途是理解本轮下跌不是单点证伪，而是假设松动后的避险，观察应回到环比收入、新增 ARR 和留存，而非急于抄底。

• DoorDash：用对话重做点餐，用机器人重做配送

  对话点餐的最大价值不是更快，而是让人说出以前说不出的需求。餐厅侧一半新店尝试率说明发现被抑制，杂货侧更大篮子说明任务式需求被释放。做本地生活产品时，可以优先把多步骤、带约束的任务做成一句话入口。

• 终端为何成为 AI 编程的工作台：Warp 创始人谈智能体融合与意图瓶颈

  终端以文本输入输出和可记录的时间线组织工作，便于同时调度多个智能体。对习惯在终端里完成构建、部署和运维的读者，这意味着可以把智能体放在主工作流里，而不是只当作编辑器的插件。

• 每个创业者都该懂的机器学习方法：扩散

  扩散把学习分布变成加噪再学逆过程：正向不断加噪很容易，模型要学的是从噪声走回数据。理解时抓住噪声表最关键，相对误差保持稳定比均匀线性插值更重要。

• Instacart联合创始人Max Mullen：把逆向的买菜生意做成百亿美元市场

  Webvan失败让多数人不看好，但智能手机、电商习惯和门店履约改变了条件。判断逆向想法时，重点看供给侧工具和成本结构是否真变了，而不是只看需求是否存在。

• 智能体即新SaaS：从卖工具到卖工作

  智能体 SaaS 与传统 SaaS 的区别不是功能多少，而是交付物不同：前者交付一项可验收的工作，后者交付一套待使用的工具。适用于漏接电话、工单分流等结果可定义的工作；若工作没有明确完成标志，就不适合这样包装和定价。

• 大公司错过的机会，创业公司还能怎么赢

  过早的市场需要靠生存换时间。2002年没人理解聊天机器人，更没人理解在线客服，产品只能长期熬到2010年前后才看到雏形市场。创业者可以借此检查自己的现金、耐心和迭代能力是否配得上早到的判断。

• 预算有限的应用公司如何建成研究实验室：Harvey 的方法

  基准决定后训练和上线是否成立。Harvey 先发布法律任务分类、合同谈判和大规模尽调环境，再谈模型改进。对应用团队而言，可先把核心工作流变成可自动评分的任务集，避免在没有标尺时投入训练。

• 工具太多模型会晕：Stainless创始人聊MCP的瓶颈与代码执行

  MCP把网站变成模型可调的工具，愿景是让模型像人点网站一样干活。理解这一点，才能明白后面所有取舍：暴露越多越通用，但上下文和权限压力越大。实际选型时可先问，这个任务是固定几步还是开放探索，再决定暴露多少。

• 最慢的孵化器：几年只做一家，却做出医美与殡葬大公司

  他们每两三年只开一家公司，自己做到五百万至一千万美元收入再交棒。这种慢换来的是深度：长期留在董事会，而不是投完就走。想借鉴的人要先接受集中度风险，不适合追求数量和速度的团队使用。

• 扩散模型为什么可能赢下AI推理：并行、速度与Inception的赌注

  自回归推理必须逐词元生成，频繁搬运权重而计算量小，对GPU不友好。扩散推理同时处理多个词元，负载更接近训练时的并行模式。关注推理成本、测试时扩展和强化学习 rollout 效率时，可优先评估并行架构，是否真正省钱省卡需实测验证。

• AI 时代还要学基本功吗？Patrick Collison 谈缓存、慢启动与创业潮

  大脑检索比反复询问模型更快，能支持更多次思考往返。企业仍为认知能力付高价，说明基础知识没有贬值，值得把常用概念记到能直接调用的程度。

• 当下最值得做的创业方向：直播、行动应用与孤独经济

  直播、长时、非剪辑的价值在于可信。当 AI 让精致内容泛滥，愿意露面、即兴、接受失误的人反而稀缺。可用之处是每周固定开播，用陪伴换信任，再用活动、会员、周边变现，不必追求百万粉丝。

• Chai Discovery 的苦涩一课：药物设计也是规模问题

  Chai 希望建立从想法到可测试分子的快速通道，减少大海捞针式筛选。实验室依然负责验证，设计范式可能反而增加实验需求。这个框架可用来判断团队工作是在扩大可工程化部分，还是在重复试错。

• 生意顺时微调，卡住时才大改

  作者把问题定义为改革力度的选择，而不是改或不改。赢的时候趋势向上，用小调整修细节；长期停滞才考虑大动。这个区分可以用来克制一难受就全改的冲动。

• 如何找到第一批用户：从可进化的最小产品开始

  早期用户不是被说服来的，而是被找到的。爱尝鲜的人和痛点极强的人更愿意冒险，前者如喜欢试用新产品的 Gustav，后者如三天内付费解决计费问题的团队。找人的方法要相应变窄：定向邮件、上门、混进小圈子，而不是大众投放。

• 创业公司官网为什么不转化：五次设计点评的共同问题

  访客先要看到东西，再决定要不要花时间。截图、真实界面、短演示都是证据，能让预约、试用这类重动作变得合理。适用于首屏只有一个预约按钮的页面，先补证据再要转化。

• 在会议记录之后：Granola 如何押注 AI 工作的下一种界面

  顺利同样是刀战：在能力边缘被大浪推着走，创始人永远在做没做过的事。可用作自我校准：把“跟不上”视为增长期的正常信号，而不是失败，优先补组织和精力短板。

• 用 Claude Code 做目录网站：四天、250美元与数据的护城河

  目录先解决信息差，再谈工具。三个例子分别靠比价、转介绍和省钱站住脚，价格透明是共同的数据壁垒。想做的人可以先找一个查价难、决策重的本地领域，再考虑技术方案。

• AI 做网站太容易，错得也越来越像：一次创业落地页评审复盘

  紫色渐变、淡入淡出、便当格排版本身不算错，但在多家网站连续出现后，品牌差异会被抹掉。用途是检查自己的首屏：去掉标志后是否还能被认出，如果不能，就需要换配色、换版式或换讲法。

• 下一个千亿美元市场：把 AI 智能体当客户

  作者认为互联网的使用者正在从人转向智能体，未来十年可能出现数十亿智能体客户。这意味着创业机会不是优化现有页面，而是为智能体重做支付、通信、记忆等品类。理解时应将其视为预测，而非已发生的规模数据。

• 新式创业：用内部自动化做“20倍公司”

  Anthropic 内部每个开发者同时调度多个 Claude 实例，处理功能、缺陷和调研，人只保留架构和产品决策。这种用法说明前沿团队已把 AI 当作日常开发力量，也解释了为何作者认为现在值得重新尝试新工具。

• YC 官网改版：从功能介绍回到创始人故事

  旧站的问题不是难用，而是没有故事感：像通用模板，只给 Logo 和空泛标题，没有讲创始人和具体结果。复盘时可以先看标题是否直接说出事实，再看是否把人的作用讲清楚了。

• 四周做到400万美元：AI外星伙伴Tolen的爆发之路

  团队把大模型看作新的故事媒介，而不只是更快的内容工具。媒介刚出现时，人们总把旧形式直接搬过来，效果往往不好，真正可行的形式要在新的约束和可能性里试出来。

• 把时间暂停：Until 为何先从冷冻器官做起

  远期是可逆全身冷冻保存实现的医疗冬眠，让病人在关键疗法出现前暂停生物学时间，近期是单个器官的可逆保存。黑色素瘤预后在新疗法前后可从不足一年变为十年以上，说明单年窗口的意义，但全身仍是远期目标。

• 百亿级联合创始人的智能体系统：一个人如何运转一家公司

  Nebula 的界面模仿 Slack，但频道里都是智能体。它的定位是帮非工程师处理云端杂事，文字只是输入引擎的方式之一，未来还想加入语音和实时共享。这种设计把工作流放在聊天里，适合按频道拆分任务。

• 为什么物理AI是下一次平台转移

  作者认为AI已从手工设计特征转向堆数据加算力。对读者的用处是，判断项目时先看数据和规模是否成立，而不是先堆领域规则，但这只是作者的经验总结，不是放之四海的定律。

• 第一个10万美元：2026年可执行的六步路线图

  作者认为10万美元存款的最大价值是消除短期生存焦虑，让人能考虑长期。租房、吃饭等基本问题没解决，注意力会被锁死。这个观点可用来设定第一阶段目标：先以存下安全垫为标准，而不是先追求营收规模或表面扩张。

• 自己设计芯片的 AI：从 AlphaChip 到无设计时代

  部分芯片设计环节已可用神经网络超越人工。这提示读者不必把 AI 只看作应用层工具，它也能改进制造智能的物理基础，但目前限定在布局等特定环节。

• 2026，做一家真正的 AI 原生公司：Every 的完整策略

  公司由通讯、应用和培训三部分组成，共用一个订阅。循环是：团队先深度使用 AI 工具，再把体验写清楚，写清楚后发现缺口去做产品，最后把管用的做法教出去。这个循环解释了产品从何而来。