一手资料
从机构原文、政策文件和技术报告出发,不用二手标题代替判断。
TOPICS & RESEARCH ARCHIVE
资料库是「vv燕文的AI创投圈」的一部分。每一期从一个值得追问的变化出发,连接一手资料、产业地图、完整原文与我的商业判断。
从机构原文、政策文件和技术报告出发,不用二手标题代替判断。
把宏观变化拆到产业链、关键指标、岗位和真实机会。
结合市场、流量、大项目和跨业务经验,判断技术如何被采用、交付与规模化。
IP商业化与利益绑定地图
AI搜索时代流量入口地图
中国AI人才机会地图
中国AI电力基础设施产业链地图
开源模型下的8类AI创业机会地图
管理AI成为必备能力
能干活的AI才值钱
谁在被低估?
001—008已按真实内容连续归档;每期均保留独立链接、完整原文与期数导航。
FEATURED DEEP DIVE
AI 创投圈 · NO.004 配套研究资料
我们从红杉、a16z、Moonshot AI 和 OSI 的一手资料出发, 拆解技术变化、资本判断,以及 8 类值得验证的 AI 创业方向。
01 / 先看结论
真正的机会不只在“再做一个模型”,而在模型被采用之后出现的部署、安全、数据、评测与行业服务。
以下 8 类机会是基于公开资料形成的研究判断,不是投资建议。创业者仍需用真实客户和付费行为验证。
02 / 一手资料
每份材料只提炼关键判断。点击卡片可前往发布机构查看原文。
美国的开放模型悖论
中国开放模型正在成为全球开发者的底层选择,美国一边依赖它们带来的能力,一边又担忧关键基础设施受制于人。
为什么值得看看资本如何判断模型能力、产业依赖与国家竞争之间的矛盾。重建美国在开源 AI 中的领导力
开放工具会成为下一阶段 AI 开发的默认层。文章主张通过采购、基础设施与监管边界,保护本土开放生态。
为什么值得看理解政策变化可能如何重新分配模型、算力和开发工具的商业机会。Kimi K3 技术博客与开源仓库
从官方技术说明与代码仓库观察长任务执行、多模态能力和开放权重如何变成可被创业公司调用的新基础设施。
为什么值得看不只看榜单,重点判断能力开放后会催生哪些产品和服务。开源 AI 定义 1.0
OSI 将“使用、研究、修改、分享”四项自由延伸到 AI 系统,并进一步要求数据、代码与参数具备可修改性。
为什么值得看辨别“开放权重”和“真正开源”,避免产品选型与商业宣传踩坑。版权说明:本站提供摘要、研究解读与原文链接;完整翻译仅在获得授权或符合开放许可时提供。
03 / 核心资料
选择一个方向,看清用户、场景、产品、风险和第一步验证方法。
第一步验证:访谈 10 家已经测试本地模型、但尚未进入生产的企业。
04 / 怎么使用
谁正在付出时间、金钱或承担错误代价?
问题在什么时候发生,为什么现有方案不够?
用访谈、预售或小规模交付,代替想象市场规模。
VV YANWEN · ORIGINAL
HOLA。今天聊个挺反直觉的事儿。
7月24号,红杉发了篇文章,叫《美国的开放模型悖论》。里头有个数挺吓人:千问在全球新增开放模型微调里的占比,2024年1月还只有1%,到2026年2月已经干到69%了。红杉甚至说,大部分美国AI创业公司,技术栈里已经在用中国模型了。
a16z今年4月也跟了一篇,说用开放工具的开发者里,80%在使用中国的。2025年有的星期,中国开放模型占全球AI使用量的30%。
然后7月16号,月之暗面发了Kimi K3,2.8万亿参数,号称全球第一个开放的3T级模型。27号,完整权重直接放出来了。
你肯定想问:花那么多钱训出来的模型,凭什么白给全世界用?肯定不是做慈善。他们抢的根本不是那点API调用费,抢的是开发者、是技术标准、是下一代流量入口。
先澄清一个点,开放权重不等于“啥都给你开源”。训练数据不一定公开,完整训练流程也不一定给,但模型你能下载、能部署、能微调。这意味着你不需要被某一家公司的价格、接口、规则死死捆住。
我干市场、搞流量十几年了,这路子我太熟了。免费的,都懂。互联网那会儿,搜索免费、社交免费、内容免费,最后争的是啥?用户习惯、生态、交易入口。
AI现在一个样。模型越来越便宜,钱不会消失,它只是往上跑、往下跑。有人赚算力,有人赚私有化部署,更多人会在模型上面赚行业应用的钱。
对普通创业者来说,这其实是好事。你不用再琢磨自己搞个大模型了,底层能力已经快成水电了。你真正该想的是:拿着现成的模型,你能不能解决一个客户愿意掏钱的问题?
今年我带学员做AI工具,越来越明白一件事——模型牛不代表你产品牛。今天你用的这个模型领先,仨月后可能就被换了。客户留得住,不是因为你调了Kimi还是Qwen还是DeepSeek,而是因为你懂他的业务,你能把他的流程跑通,你能稳定交差。
所以开源模型底下,我最看好的就三类:一个是企业私有化部署,解决数据安全的硬需求。一个是垂直Agent,把销售、客服、内容、电商这些活儿真正跑起来。再一个是做评测、做安全、做成本优化,帮企业搞清楚该选谁、怎么用最划算。
但开源也有残酷的一面。门槛低了,那些只套了一层界面、只有单一功能的产品,很容易被复制。你真正的护城河,从来不是你会不会调接口,而是你的客户、你的数据、你的流程、你的交付能力。
所以别老盯着“谁又超过谁”这种新闻。你该问自己:底层能力都这么便宜了,我到底能创造出啥别人拿不走的结果?我干了这么多年积累的行业经验,能不能变成一个别人抄不走的工作流?如果明天换了个模型,我的产品还活不活得下去?
我把开源模型下普通人能抓住的机会,整理了一张图,叫《开源模型下的8类AI创业机会地图》。里面写了目标客户、怎么收费、最小MVP长啥样、风险在哪儿。进粉丝群回复“开源”两个字,我发你。
中国AI真正往外推的,可能不只是一个模型,而是一套新的游戏规则。模型可以白送,但入口、客户和结果,从来不会免费。
我是vv燕文,【AI创投圈】第四期,专聊AI创投那点儿事儿。下周见,Chao。