这是《也谈钱》系列的第3期节目，主持人是Maggie&周铭：

Maggie 在MIT金融专业毕业后在投行工作，现在从事AI行业投资研究；

周铭是AI研究员，闲暇之余关注二级市场的投资研究。

这一期的话题会从上周全球市场大事件出发——美联储加息，聊聊：钱变贵之后，AI 行业还能继续烧钱吗？

美联储加息 25 个基点，带来的不只是市场短期波动，更是对 AI 公司现金流、融资能力和商业模式的一次重新排序。

我们从 DCF 现金流折现和资金成本讲起，搭出一个 AI 行业的“正三角模型”：

• 底层是英伟达、台积电、电力和算力基础设施，收入更近，现金流确定性更高；

• 中层是云计算、数据中心等Infra，增长很快，但利润容易被折旧、电力和融资成本吃掉；

• 顶层是 OpenAI、Anthropic 以及各种 AI 应用，想象空间最大，但收入兑现更远，也更依赖融资和未来客户。

我们重点讨论了几家公司：

• 微软为什么能依靠企业客户、Office 和 Azure 的现金流参与 AI；

• 英伟达为什么不断投资自己的客户，以及“循环融资”如何制造账面利润和估值泡沫；

• Oracle 为什么成为 AI 基础设施中资金压力最大的样本；

• Meta 的专项融资与表外融资，和 Oracle 的高负债模式有什么不同；

• AI 行业未来如何从“正三角”走向“圆柱体”，甚至倒三角；

• 当模型训练逐渐减少、推理和应用成为主流，行业的利润分配会如何变化；

• “higher for longer” 的利率环境，为什么可能迫使 AI 公司更快找到真实客户和商业模式。

加息之后，AI 行业不会简单地一起上涨或下跌。真正的分化，可能才刚刚开始。

如果你关心 AI、金融市场和一级市场，欢迎添加微信 AGINova24，加入 AGI 原野听友群。

时间轴：

• 00:05 开场：美联储加息，AI 行业开始分化

• 01:12 加息已被市场提前定价，下一步还会继续加息吗

• 02:31 资金成本如何传导到全球市场与 AI 行业

• 03:15 DCF 现金流折现：收入越晚兑现，受加息影响越大

• 04:44 谁的收入近在眼前，谁的收入还在遥远未来

• 05:10 AI 行业“正三角模型”：芯片、Infra、基模与应用

• 06:25 微软、亚马逊：用成熟业务现金流投入 AI

• 08:22 微软如何借助 Office、Azure 和企业客户参与 AI

• 11:14 AI 初创公司倒下，会如何影响微软

• 12:29 英伟达投资客户与 AI 行业的循环融资

• 13:45 OpenAI 的融资、亏损、算力承诺与股东稀释

• 18:03 基模行业进入竞争期，寻找 Coding、Agent 与 Science 场景

• 21:20 AI Infra 是什么：Oracle 为什么成为极端样本

• 24:01 高债务、融资成本与 Oracle、Meta、Amazon 的不同选择

• 25:50 从加息考验到行业重构：AI 如何从正三角走向推理时代

投资人钱都谈好了，结果卡在"钱怎么进来"？人民币美元都想投你，该用哪个主体接？开曼、香港、境内三层公司，到底谁管谁？ODI、FDI、37号文……这些缩写听得头大？

如果你在创业、打算出海、或正在融资路上被「架构问题」搞得焦头烂额，这期就是为你录制的！

我们请来了盈理律师事务所合伙人夏必康律师（公众号：逍遥法外夏洛克），他常年专注跨境投融资和出海架构，经手大量硬件出海真实案例。这期全是能直接用的实操结论。

主持人：Maggie｜MIT斯隆管理学院，前国际投行
嘉宾：夏必康｜盈理律师事务所合伙人

时间轴：
00:46 快问快答：融资主体到底能同时拿人民币和美元吗？
01:31 开曼架构：为什么硬件出海创业团队偏爱这套税务游戏？
05:52 资金怎么走？投资人怎么控？两个视角拆解融资架构
10:25 拖延症也能救？创业团队的架构搭设，其实有后悔药
13:34 AI行业注意！这类前沿领域可能不适合海外融资架构
15:12 理论再完美，细节里见真章

课代表做笔记——五个关键原则：
1. 双币种可以同时拿，合规办登记就行；但同时搞两个独立融资主体，行业里几乎没有长期落地的案例。
2. 主流架构是开曼-香港-境内，原因之一是节税。不走美国主体，以香港作为中间层可以享受内地与香港最优税务优惠，早期能省一笔是一笔。
3. 钱进钱出要办对应登记，境内钱出境办ODI，境外钱入境办37号文登记；没有强制一次性划转，按需分批调拨就行，外汇波动风险自己担。
4. 架构举棋不定，可以先看第一笔钱从哪来。境内外架构后续可以重组，有"后悔药"，但别频繁折腾。
5. 退出时必须有唯一顶层主体。不管上市还是被收购，最终得有一个核心主体代表集团价值。另外，军工、基座大模型等受严格监管的行业，不适用灵活架构。

【可以先收藏这三张图片，概括了本期节目的主要内容👇👇👇】

「金句」——

"对于初创企业，早期时间可能比金钱更重要。缺失了这笔资本、错过了商业窗口，后面估值上涨都会出问题。"
"架构不是单向通道，设了境内不代表境外跟你无缘，跑去开曼也不代表回不来。都可以改，只是要花时间精力成本去重组——这是有后悔药的机会。"

全文逐字稿：https://mp.weixin.qq.com/s/FjViobD3Ad7TgTbS9__XPw

欢迎咨询微信：AGInova24，和夏必康律师聊聊企业架构搭建问题，加入听友群交流。

本期内容由AGI原野主办分享，仅供参考，不构成法律意见。

创业公司做营销，究竟应该从品牌定位开始，还是先投流、先种草、先活下来？

这一期，我们从广州、深圳走访不同类型的营销从业者：有在行业深耕 30 年的“老炮”，有擅长大数据投流的中坚力量，也有高度 AI Native 的年轻营销团队。通过三类方法论的对比，拆解传统全案营销、精准投流和 AI Native 营销之间的差异。

• 创始人个人IP的边界在哪里

• 为什么百万预算、半年周期的营销方案不适合大多数创业公司

• 大数据投流如何利用设备号、用户行为和跨平台广告位

• GEO 投流正在形成怎样的产业链

• 小红书 KOL/KOC 投放的核心逻辑：KFS

• 为什么视频号可能比小红书、抖音更接近销售转化

• AI Native 营销团队如何用两个人跑完营销流程

• AI 降低营销成本之后，创意和行业经验仍然重要吗

• 未来 GTM 是否可以把“定位”和“投流”拆开完成

00:00｜30年行业老炮解读全案营销
传统公关营销的四步方法论，以及创始人个人 IP 的边界。

04:59｜百万预算，半年周期，创业公司玩不起
传统全案营销的成本、周期和行业分工，为什么创业公司需要更灵活的打法。

09:06｜揭秘投流：大数据、设备号、GEO
从精准投流、设备号识别，到测试轮、正式投流和 GEO 搜索。

15:32｜小红书投放逻辑与跨平台投放
KOL、KOC、KFS、视频号和跨平台投放，素材准备为什么比买流量更重要。

22:52｜AI Native营销：两个人跑完流程
年轻营销团队如何借助 AI 完成定位、创意和投流，以及轻量化背后的风险。

所有的投放在媒体层面的投放，都是为了增加被客户看到的几率，而不是确保目标客户必然看见。

你可以把营销抽象成定位和投流这两件事情，它们是两块不同的乐高。

• 正在寻找 GTM 方法的创业公司创始人

• AI 硬件和 AI 产品团队

• 负责品牌、增长、市场和投流的从业者

• 想了解传统营销公司与 AI Native 团队差异的人

如果你有营销咨询、资源对接或投放需求，欢迎添加微信：AGINova24

企业出海时，如何同时使用人民币和美元融资？公司架构应该如何设计？下一期，我们邀请资深律师聊聊企业出海融资背后的法律问题与实操要点。

“A2A 市场真正的创业机会，不只是做一个 Agent 交易平台，而是解决 Agent 之间的需求理解、发现、信任、通信与支付，并从具体垂直行业积累客户和数据。”

当一个 Agent 可以主动发现、筛选并雇佣另一个 Agent，一个新的交易市场会如何形成？

这一期，我们从近期接触的 A2A 创业项目出发，拆解了两类主要模式：由 Agent 自动完成任务的技能交易市场，以及 Agent 负责前期匹配、最终仍由人完成交付的代理撮合市场。沿着一笔 A2A 交易的全过程，我们讨论了需求理解、供需匹配、质量评价、通信协议、计费授权与支付结算等关键环节。

在基础设施尚未成熟的阶段，创业公司应该做“大而全”的封闭市场，还是从制造业、招聘等垂直领域切入？未来会不会出现跨平台的统一市场？传统软件和互联网平台积累的数据，又会如何成为 Agent 时代的新护城河？欢迎在评论区和我们继续聊！

主持人：Maggie｜MIT斯隆管理学院，前国际投行
这一期，Maggie 从近期调研的 A2A 创业项目出发，拆解 Agent 之间从需求理解、供需匹配、质量评价，到通信与支付结算的完整交易链条。哪些项目已经切中了真实的行业痛点，哪些设想仍在等待技术与基础设施成熟？当商业需求与技术进步真正相遇，A2A 最值得关注的创业机会又会出现在哪里？

嘉宾：周铭｜AI研究员
既是 AI 领域的前沿研究者，也是二级市场“资深爱好者”，周铭将从技术演进和投资视角，分析 A2A 基础设施与代理撮合市场的不同机会。他还会讨论 AI 浪潮下的软件行业：收费模式如何从“按席位”转向“按结果”，以及为什么拥有真实客户、优质数据和行业工作流的软件公司，依然可能构筑长期护城河。

• Agent 开始雇佣 Agent（06:14） A2A 的核心不是让一个 Agent 变得无所不能，而是让它能够雇佣更专业、更可靠的 Agent，完成一部分工作。

• A2A 市场首先是一个信任市场（08:37） Marketplace 不只面临供给不足的问题；当供给足够多时，更困难的问题是：怎么判断哪个 Agent 值得信任、能够保质保量完成任务？

• “Agent 世界的黄页”（12:12） 每个 Agent 都需要登记自己的地址、入口和能力，才能被其他 Agent 找到。

• Agent 也得算钱（13:46） “当某一个 Agent 完成任务之后，他俩要怎么交易？就是钱，还是要算算钱。”

• “大而全，但又封闭”的创业矛盾（18:58） 平台希望覆盖所有需求，却又没有足够的供给密度、行业资源和基础设施。别人为什么要在这里完成所有工作？

• 垂直行业可能是更现实的入口（19:23） 创业团队不应该先追求一个万能市场，而应该从自己真正拥有客户、数据和产业资源的领域切入，例如制造业、招聘或专业服务。

• 两条创业路线共同演进（20:51） 一条路线做通信、支付等基础设施；另一条路线先做代理撮合，用相对“半自动”的方式积累客户和数据。等两端逐渐成熟，真正的 A2A 市场才可能出现。

• 软件行业的价值从“席位”转向“结果”（22:56） AI 可能改变软件的收费方式，却不会让拥有真实客户和高质量数据的软件公司失去价值。数据不仅是资产，也是 Agent 时代的重要护城河。

• AI 是杠杆，不是资产本身（26:05） “AI 是一个杠杆，就看你怎么去运用自己原有的一些数据。”

• AI 的价值是功能，而不是替代人的情感（26:37） 希望 AI 帮助自己完成任务，但社交和情绪价值仍然来自真人。技术能够留下来的前提，是服务于人，而不是取代人。

• 产品官网： Mastercard Agent Pay

Mastercard 是总部位于美国纽约州 Purchase 的全球支付网络公司。2025 年推出的 Mastercard Agent Pay，目标是让经过注册和验证的 AI Agent 能够在用户授权下发起和完成支付。

它延续 Mastercard 原有的网络令牌化能力，为 Agent 建立可追踪的数字身份，并强调“可验证意图”：每笔 Agent 交易都应对应经过认证的用户意图和明确授权。放在 A2A 产业链中，Mastercard 解决的是如何把 Agent 交易接入成熟支付网络，以及如何处理身份、授权、安全和责任追踪。

• 官网： Nevermined

• 产品后台： Nevermined App

• 开发文档： Nevermined Documentation

Nevermined 是面向 AI Agent、API、数据集和数字服务的支付基础设施，其官方定位是为 AI 建设“financial rails”。

对于买方，Nevermined 可以向 Agent 委托一张带有消费规则的虚拟卡，限制单笔金额、每日预算和商户类别，并可随时撤销。对于卖方，它可以在 Agent 或 API 前增加支付门槛，按调用次数、使用量或结果计费，同时完成权限验证、用量记录和自动结算。

大白话说，Nevermined 像给 Agent 安装了一套“银行卡＋门禁＋电表＋收银台”。它解决的是谁有权购买、最多可以花多少钱、每次调用用了多少，以及服务完成后如何结算。但它不负责判断哪个 Agent 的服务质量最好。

• 产品官网： Agentverse by Fetch.ai

• 平台入口： Agentverse

• Marketplace 文档： Agentverse Marketplace

Agentverse 是 Fetch.ai 推出的 Agent 开发、托管、注册和发现平台。开发者可以把托管在 Agentverse、本地或外部服务器上的 Agent 注册进平台；已注册的 Agent 会进入底层 Almanac 目录，从而被其他用户和 Agent 搜索、发现和调用。

Agent 在目录中登记自己的唯一地址、支持的协议和通信入口，其他 Agent 可以根据地址、协议、在线状态和验证状态进行搜索，再按照共同支持的消息协议建立联系。

它可以被理解为 Agent 世界的“黄页＋DNS＋通信入口”：主要解决“有哪些 Agent、它在哪里、支持什么协议、怎样联系”的问题。它可以辅助验证注册身份和在线状态，但不能单独证明一个 Agent 的实际交付质量，也不负责完成最终支付。

• 官网： 袋袋 AI 专家市场

• 专家市场： 袋袋专家市场

袋袋是一个 AI 专家创建、分发和交易平台。平台将专家的人格、专业技能、记忆、工具和云端工作区组合成可以长期协作的 Agent，用户可以直接寻找相关领域的“数字专家”完成写作、设计、分析、编程或运营等任务。

与普通聊天机器人相比，袋袋强调的不是提供泛泛建议，而是直接交付业务结果，并采用“先看结果、满意再付费”的产品表达。专家也可以把自己的行业知识和工作流封装成 Agent，在平台上发布、定价和持续运营。

在 A2A 产业链里，袋袋更接近“供给侧的专家市场”：它解决专业能力怎样被封装成 Agent、用户如何发现和筛选这些能力，以及专家经验如何形成可以重复交易的数字产品。

AGI 原野希望持续记录 AI、机器人和前沿科技从概念走向产品、产业与真实需求的过程。我们关心的不只是一个新技术有多酷，也关心它能解决什么问题、如何进入现实，以及谁能把它真正做出来。

在 AGI 原野社群里，有来自不同产业的创业者、投资人和行业专家，也有 AI 技术与产品方向的实践者。我们希望让知道问题在哪里的人，和知道如何解决问题的人，更高效地找到彼此。

如果你正在做 AI 项目、寻找真实场景，或者希望认识更多同行与潜在合作者，欢迎添加「AGINova24」，加入AGI原野社群。我们群里见。

三天时间，约 800 位选手，完成了大约 250 个项目。我们团队有两位导师，以评委的身份，参与到了项目最终的评定。

在杭州 AdventureX 的现场，我们看到了很多熟悉又新鲜的组合：AI Agent 和链上游戏、AI 眼镜和观鸟、机器狗和老人陪护、摄像头和家庭烹饪，以及试图让多台机器人协同工作的机器人操作系统。

这些项目很容易让人产生一种兴奋感：技术好像正在迅速变成产品，很多过去只存在于想象中的场景，现在已经可以在三天里做出一个 Demo。

但离开现场、沉淀一个星期以后，我们发现，比“哪个项目最酷”更值得讨论的是：

比赛里的好项目，和现实中的好产品、好生意，可能有着不同的判断标准。

一个项目可以因为场景清楚、演示完整、表达有趣而获得评委的关注；但当它尝试从比赛走向现实，还需要回答更多问题：

• 技术实现到了什么程度？

• 用户真正需要的是这个产品，还是只会短暂地被新鲜感吸引？

• 找到一个愿意花钱的小众群体，是否等于找到了自己的付费用户？

• 项目真正的核心资产究竟是硬件、软件、社群，还是长期积累的数据？

• 三天完成的 Demo，应该被怎样理解和评价？

• 黑客松真正值得寻找的，是成熟的项目，还是有潜力的年轻人？

本期节目主持人 Maggie｜MIT斯隆管理学院，前国际投行。本期以 AdventureX 项目指引者及评审参与者的现场观察为基础，从投资、用户需求和商业化角度，分析不同项目的产品价值与落地可能。

嘉宾 夏必康律师｜盈理律师事务所合伙人。从法律、公司架构和投融资视角，讨论黑客松项目从创意走向创业过程中可能面对的现实问题。

嘉宾 周铭博士｜AI研究员。从 AI、机器人和模型架构的技术视角，分析项目背后的实现难度、技术路径与产业发展空间。

这一期，Maggie 与夏必康律师、周铭博士，从投资与商业、法律与公司架构、AI 与机器人技术三个视角，复盘了几个让我们印象深刻的项目。我们聊到了：

• Agent 和 Agent 未来可能交易什么；

• 一个 AI 观鸟项目可能延伸出的三种商业路径；

• AI 陪伴硬件怎样才能真正“越来越懂你”；

• 情绪价值如何与实际功能结合；

• 机器人为什么可能需要一套新的操作系统；

• World Model 与 Agent 架构的技术路径差异；

• 以及黑客松的评委究竟在评价什么。

时间轴：

00:00 一场大型黑客松的冷静复盘

01:48 当AI开始和AI做生意

11:26 AI观鸟可能藏着哪些商业机会

21:06 黑客松评委究竟如何打分

22:16 机器人如何进入老人陪护

26:51 AI硬件真的会“越来越懂你”吗

32:27 AI如何复制家人的做菜经验

36:01 机器人为什么也需要操作系统

38:41 World Model与Agent架构的区别

45:45 三天黑客松应该如何评价

48:49 比起项目，我们为什么更关注人

这不是一份获奖项目名单，也不是对参赛项目的简单评分。

我们更想借由这些年轻团队的尝试，观察一个创意从技术概念走向真实产品时，需要经历哪些检验。

对我们来说，黑客松最值得关注的，也许不只是一个项目最终拿到了什么名次，而是一个团队能不能做减法、能不能找到真正想解决的问题，以及能不能诚实地完成自己做出的承诺。

欢迎在评论区告诉我们：

如果你是黑客松评委，你更看重技术完成度、创意、商业前景，还是团队本身？

AGI 原野希望持续记录 AI、机器人和前沿科技从概念走向产品、产业与真实需求的过程。我们关心的不只是一个新技术有多酷，也关心它能解决什么问题、如何进入现实，以及谁能把它真正做出来。

在 AGI 原野社群里，有来自不同产业的创业者、投资人和行业专家，也有 AI 技术与产品方向的实践者。我们希望让知道问题在哪里的人，和知道如何解决问题的人，更高效地找到彼此。

如果你正在做 AI 项目、寻找真实场景，或者希望认识更多同行与潜在合作者，欢迎添加「AGINova24」，备注「黑客松」，加入 AGI 原野社群。我们群里见。

一个把嘴遮住的口罩，目的却是让人更自由地说话。

这个听起来有点反常识的产品，叫默造MuteVox。它想解决的是：当我们越来越习惯用语音和 AI 交流，怎么在办公室、咖啡馆或者通勤路上，既不打扰别人，也不暴露自己的信息。

更有意思的是，默造诞生于一场黑客松，虽然没有拿到任何奖，但它的创始人孙东来没有停下来。他继续跑工厂、做供应链、上众筹，把一个看起来有点古怪的想法，推向真实市场。

AI 的确让做出第一版产品变得更容易了，但从一个 demo 走到量产、用户、融资和全球市场，真正困难的部分，可能才刚刚开始。

今天的嘉宾孙东来，是一位 00 后创业者，也是中科大研究生。他做过AI梦境社交软件，发起过合肥的徽客松，现在正在打造AI隐私硬件默造。

这一期，我们想借他的经历聊聊：年轻创业者如何从代码走向产品，从黑客松走向真实市场；当热潮退去之后，又靠什么让一个项目继续跑下去。

这里是 AGI 原野，我是 Maggie。欢迎孙东来，他的小红书账号@Sidreal（默造口罩版）。

时间轴：

00:00 一个把嘴遮住的口罩，怎么就能让人更自由地说话？
01:32 从中科大研究生到00后创业，孙东来的故事
03:37 从AI梦境社交软件聊聊AI玄学
09:56 从软件跳进硬件，只用一个月？
18:07 产品上线第一课：意想不到的市场
25:24 深圳创业的一天：从熬夜到早起，孙东来的节奏
29:58 如何用12天办成百人黑客松大会？
31:02 黑客松的生命周期：从狂欢到反思，孙东来的观察
33:13 选手视角 vs 评委视角：好项目不该只看奖项
35:55 创业者的性格：天生的风格还是后天养成？
39:09 当00后创业焦虑遇上05后“小天才”，我发现了什么？
47:33 三年后，我希望大家记住的，是这件事
49:11 AI让做产品更快了，但判断用户和市场，还得回到真实世界

欢迎加入 AGI 原野的讨论。

AGI 原野也会继续记录这些正在发生的创业故事。我们关心的不只是最后跑出来的人，也关心一个产品、一家公司和一个创业者，是怎样在不确定中慢慢形成的。

你可以在微信公众号搜索「AGI原野」，也可以在微信里搜索微信号「AGINova24」，找到我们。

AGI 原野社群里有很多来自 AI、机器人、产业、投资和内容领域的伙伴。长期来看，我们想做的是让真实需求和真实能力更高效地匹配：有人知道问题在哪里，有人知道怎么把它做出来。

如果你看到一群高矮胖瘦、来自不同厂商的人形机器人，跟着同一个节奏做动作，第一反应可能是：这是不是提前编排好的表演？

但在机器人研究者眼里，这背后真正有意思的问题是：同一个控制策略，能不能迁移到不同的机器人身体上？

这一期 AGI 原野，我们请到上海交通大学博士研究生薛宇斐。他的研究方向是具身智能与人形机器人全身运动控制，最近一项工作关注的是「跨本体」控制，也就是让已有控制器适配不同的人形机器人。更形象一点说，就是一脑多形。

更完整的访谈内容，已经上传在视频号/小红书/B站/搜狐视频/YouTube。结尾还有薛宇斐的团队招募新人的彩蛋！

在完整访谈里，我们还聊到了 Sony AI 打乒乓球的进展、机器人未来进入家庭的可能路径，以及未来 12 个月人形机器人可能出现的变化。访谈视频、文字稿可以戳这里：对话薛宇斐：如何让不同品牌机器人，听从同一个指令？“一脑多形”运动控制模型。

感兴趣的朋友可以去看完整视频。节目已经发布在 AGI 原野的微信视频号、B站、小红书和、YouTube和搜狐视频。

时间轴：

00:01:10 未来家里和工厂里有不同品牌机器人，它们能听同一个指令吗？
00:02:41 机器人到底怎么“动起来”：从一句话到走路、抬手、拿东西
00:06:44 机器人也有“大脑”和“小脑”吗？人类动作如何启发机器控制
00:08:26 为什么换一台机器人就要重新教一遍？“一脑多形”想解决什么
00:11:42 一台新机器人上岗前，调试到底要花多少时间和人力？
00:13:16 真实测试过哪些机器人？从宇树、智元到更多不同本体
00:14:18 为什么机器人要先在虚拟世界里摔跤、试错、训练？
00:15:15 看起来都像“两条腿两只手”，为什么每台人形机器人都不一样？
00:18:44 具身智能最缺的可能不是模型，而是数据从哪里来
00:25:11 如果适配时间从一周缩短到一天，机器人产业会发生什么变化？
00:26:01 一群机器人一起搬东西、协作干活，离我们还有多远？
00:28:02 从实验室 demo 到真正进工厂，中间最难跨过的坎是什么？
00:32:00 未来机器人会越来越像手机：有标准件，也有不同“操作系统”？
00:39:49 人形机器人最后拼的不是炫技，而是谁能真正落地
00:41:21 未来一年，人形机器人最可能先在哪些场景里走进现实？

欢迎加入 AGI 原野的讨论。

如果你正在做人形机器人、具身智能、工厂自动化，或者你手里有真实场景，希望加入技术、产品、产业和投资视角的交叉讨论，欢迎通过 AGI 原野社群和我们联系。

AGI 原野社群里有很多来自 AI、机器人、产业、投资和内容领域的伙伴。长期来看，我们想做的是让真实需求和真实能力更高效地匹配：有人知道问题在哪里，有人知道怎么把它做出来。

这是 AGI 原野新系列《寻找 100 位 AI 创业者》的第一集。

你有没有过这样的瞬间：发现一个行业痛点，或者自己被某个流程折磨到不行，突然觉得，这件事如果用 AI 做个工具解决，应该会很有价值。

那一刻你甚至会有点兴奋：这不就是一个很酷的产品吗？

但很快问题就来了。教程里看起来一个晚上能做完的东西，自己一上手才发现：第一版到底从哪开始？不会写代码，怎么让 AI 真正帮我写？这个需求是真需求，还是只是我自己的错觉？

于是很多想法，最后都停在了备忘录里。

这一期的嘉宾孙睿泽，是一位在韩国读本科的 05 后创业者。他也经历过这样的时刻。不同的是，他真的从把 VS Code 的报错截图丢给 GPT 开始，一点点做出了一个面向在韩留学生找房和转租的 AI 产品。看起来是做一个传统的租房市场，但他用AI给出了一种新的需求的解法。睿泽的项目网站在这里：https://nestlinker.com/agent，更多项目介绍见文末，项目目前正在融资，感兴趣的朋友们欢迎私信我们联系睿泽。

这一期我们想聊聊，一个非科班背景的人，怎么借助 AI 工具，从 0 开始做出一个可以运行的产品；以及当代码真的跑起来之后，一个年轻创业者还要面对哪些关于用户、市场和冷启动的问题。

另外这一期节目是在7月初韩国首尔ICML机器学习的会议现场完成的录制，背景音也许会有一些嘈杂，请大家见谅。那么，让我们开始吧！

时间轴：

00:04 开场：为什么很多 AI 产品想法最后停在备忘录里

03:44 05 后留学生第一次接触 AI 和编程：从韩国代购开始

06:06 最早的“人肉 Agent”工作流：打通 ChatGPT 和 VS Code

08:05 从汉阳到高丽：初探人工智能

09:47 拿到 Kaggle 银牌！

11:39 身边人使用 AI 的两极分化：聊天工具 vs 生产力杠杆

13:20 为什么开始做 AI 找房：韩国租房保证金和转租压力

14:48 留学生转租痛点：微信群、小红书和本地平台的信息分散

17:05 从想法到行动：非科班出身，遇到的真实问题

20:08 Agent to Agent 找房设想：用户 Agent 与房源 Agent 自动撮合

23:12 A2A 的现实问题：算法优化、API 成本和市场边界

28:07 从程序员视角转向 CEO 视角，直面营销、流量和用户问题

31:56 Vibe coding 经验：不要迷信 prompt 模板，要在真实问题里学习

关于《寻找100位AI创业者》的节目介绍，请阅读微信文章：我们想记录100位正在用AI改变现实的人

联系我们，成为嘉宾聊聊你的创业故事，或者加入我们的技术共创社群，请戳👇：

NestLinker 帮助韩国留学生更高效地解决居住问题。我们把租房需求按转租、短租、合租、找室友四类意图组织起来，用结构化筛选和 Agent 检索做匹配，减少无效沟通。下一步是 User Agent 代起草私信、A2A 双边 Agent 协作，关键决策仍由人确认。

留学生在首尔找房，常见问题是：需求表达模糊、信息维度太多、跨语言沟通成本高、信任难验证。NestLinker 从「发布意图」重构信息流，并结合校园认证、私信约束和防骗机制建立信任底座。

在匹配层，我们不是简单推荐，而是自然语言 → 结构化参数 → 确定性检索 → 可解释结果。Agent 只基于平台真实 listing 工作，缺条件会追问，避免幻觉。

路线是 C2C 到 U2A 再到 A2A：先让人找房，再让 Agent 代筛选和代起草，最后让租客 Agent 与房东 Agent 在规则内协作。我们认为住房问题的终局不是更多列表，而是更低摩擦的协作网络。

DeepSeek 终于融资了，但它给投资人的条件，几乎像把传统融资逻辑全部倒过来：不直接给股权、没有投票权、长期锁定，还要尽量隔离资本对公司经营的影响。

它为什么能这么强势？为什么它选择在国产芯片适配、算电一体化、多模态储备都进入重投入阶段时融资？

本期我们从一份罕见的融资结构出发，聊聊模型训练成本、创始人控制权、回购条款、华为昇腾适配，以及 AI 产业从基础设施走向终端和应用的下一程。

🌟 主播：
Maggie，MIT斯隆管理学院，前国际投行投资研究
周铭，Shanghai AI Lab 研究员
夏必康，盈理律师事务所合伙人

00:08 估值 500 亿美元、第一次外部融资、没有投票权、5 年锁定期——DeepSeek 到底在赌什么？
01:41 两类用户的 DeepSeek 体感
04:26 从使用体验转向资本叙事：全球大模型都在走向上市，DeepSeek 为什么把第一轮融资拖到了今天？
05:34 不缺钱，为何仍融资？国产芯片适配、算力中心和算电一体化，正在把模型公司推入重资产阶段。
06:32 融资的三重动机：留住工程人才、建设基础设施，以及在激烈竞争中建立估值锚。
08:52 训练大模型到底有多烧钱？从几千张 GPU 到数百 B 参数模型，十几亿元年投入只是起点。
10:35 “投了钱也没有投票权”：DeepSeek 的融资结构，为什么让投资人仍愿意挤进场？
13:38 间接投资意味着什么：没有直接股权，投资人会失去投票权、信息权和对公司治理的基本影响力。
15:51 梁文锋与马斯克的共同点：拿到大量资金的同时，如何把公司的决策权留在自己手里。
17:44 回购权如何从“投资兜底”变成创业者最警惕的万能条款？回购爆雷给市场留下了什么教训？
20:09 为什么 DeepSeek 更愿意接产业资本：当研究周期长达十年，传统 VC 的基金期限为何天然错配？
22:47 从英伟达到昇腾：国产芯片适配不只是替代，而是供应安全、系统安全和工程能力的三重考验。
24:43 国产算力生态搭建中，难的是工程协同
27:09 AI 的下一程：基础设施 → 终端 → 应用爆发；AI 眼镜、原生应用和“AI 电脑”的机会在哪里？

这里是《AGI 原野》，一档关注AI、具身智能、机器人、创业的播客节目。我们的主播团队里，有 MIT 毕业的投资人，有 AI 行业科学家和创业者。我们从金融和技术的角度，探讨AI时代涌现出的创业与投资机会。

我们的节目已经上线微信公众号、抖音、苹果播客和 Spotify，欢迎大家搜索《AGI 原野》订阅收听。

微信公众号：EP07. 对话周铭、夏必康：DeepSeek史无前例的融资结构背后，梁文锋在坚持什么？

也欢迎加入我们的社群，一起分享信息、共享资源！

这里是《AGI 原野》的子栏目——「也谈钱」，一档关注AI时代如何投资的播客。我们的主播团队里，有 MIT 毕业的投资人，有 AI 行业科学家和创业者。我们从金融和技术的交叉视角，一起探讨AI时代涌现出的投资机会。

你有没有想过，AI 时代，最赚钱的可能不是人。

过去一年，稳定币突然从加密圈的边缘话题，变成了华尔街、硅谷，甚至政治人物共同盯上的新宠儿。特朗普家族开始做稳定币，Circle 上市之后被资本市场追捧，连段永平这样的投资人，也开始关注相关资产。

所以问题来了：稳定币到底是什么？它是一次货币革命，还是披着金融科技外衣的庞氏骗局？

以及更重要的，如果未来 AI Agent 之间可以交易，那么在 AI 时代，如何赚钱，谁能赚钱？对于技术创业者来说，创业机会在哪里？

今天我们就来聊聊：稳定币，AI Agent，以及一场可能正在发生的金融底层变革。

🌟 主播：
Maggie，MIT斯隆管理学院，前国际投行投资研究
周铭，AI领域研究员，关注技术领域投资

00:00 AI时代，财富到底会流向哪里？从稳定币开始说起
06:15 从特朗普的转变，聊聊稳定币如何成为美元扩张的新玩法
13:32 稳定币的真相：是货币革命还是庞氏骗局？
17:51 当AI开始赚钱：agent和agent之间如何交易？传统银行为什么不适用agent交易
21:52 变革发生时，也是创业机会涌现时

我们的节目已经上线小宇宙、苹果播客和 Spotify，欢迎大家搜索《AGI 原野｜技术创业现场》订阅收听。

我们也在组建社群，连接技术人、创业者、投资人和专业服务者。