小火AI1月前
对话 Higgsfield 创始人——AI 时代的极简创业逻辑 欢迎来到FireAI,最近,估值 13 亿美金的 AI 公司 Higgsfield 创始人 Alex 接受了一次深度采访。他提出,在 2026 年,一个百万级别的业务,其实只需要 2 个人和 90 天就能完成验证。这背后的逻辑值得每一位AI创业者思考 建议大家关注收藏后反复观看 1:为什么是“二人团队”? Alex 认为,AI公司初创阶段人多并不意味着效率。 两个人的配置——一个负责快速开发出MVP(最小可行性产品),一个擅长沟通分析的人负责增长和获客,这是沟通成本最低、决策最快的结构。在 AI 已经能处理大量基础代码和文案的今天,创始人的直觉比雇佣十个初级员工更重要。 2:关注真实价值(ACV > MAU) 对于衡量成功,Alex 有一个反直觉的观点。 他并不看重月活跃用户(MAU)这种虚高的数据,而是更关注 ACV(年度合同价值)也就是每年每个客户带来的利润。 他提醒我们,AI 产品如果不解决愿意付费的真痛点,用户再多也只是消耗算力的“数字幻象”。 3:如何建立“AI 感觉”? 很多人只是偶尔试用 AI,但 Alex 强调,如果你想创业,每天必须花数小时深度使用各种 Agent 和大模型。 这就像是一种“肌肉记忆”。只有当你高强度地与 AI 协作,你才能感知到技术的边界在哪,哪里有真正的商业缝隙。 4:寻找被忽视的垂类机会(物业案例) 物业管理。 这是一个流程繁琐、重沟通、但目前还没有被 AI Agent 深度渗透的领域。 他建议创业者不要去和巨头卷通用大模型,而是去寻找这种高价值的垂直细分行业。 5:90 天的阶段性目标 他的 90 天计划非常明确: 前 30 天: 哪怕每天只能赚 1 美金,也要跑通整个商业闭环。 90 天内: 目标是达到百万美元的营收节奏。 他认为,现在的 AI 基础设施成本极低,创业者完全没必要急着去融资。 保持小规模、高利润,才是这一轮 AI 浪潮下的生存之道。 Alex 的观点总结起来就是:用 AI 取代人力,用利润取代融资,用深度使用取代表面观望。 这种极简的创业模式,或许正是未来几年的主流。你怎么看待这种创业模式,欢迎在评论区讨论。 #人工智能 #大模型 #AI智能体 #一人公司 #AI创业
00:00 / 04:02
连播
清屏
智能
倍速
点赞26
🌟品牌简介 AWProject,全称Aesthetic Workshop Project,诞生于2018年的上海。创始人兼创意总监Alex Wang背景神秘,曾在伦敦中央圣马丁修读建筑,后转入时装。这种跨学科背景,从根源上注定了品牌将建筑的结构思维与身体的流动哲学粗暴嫁接的基因。品牌真正进入大众视野,是2021年秋冬季那场未经官方邀请、在巴黎玛黑区废弃车库举办的“非法”时装发布。这场“游击秀”的现场视频在Instagram被疯狂转载,一夜之间,AWProject成为了全球先锋时尚爱好者热议的“那个中国暗黑品牌”。 🌟品牌定位 AWProject深谙“稀缺创造价值”的法则,其定位策略堪称高端小众品牌的教科书,其定价策略远非基于成本,而是基于“心理价值”。一件解构衬衫定价在3000-5000元人民币,外套普遍过万。这一定价策略,主动筛选了客群,建立了高门槛的社群认同。核心客户是“有闲的文化阶级”。他们可能是金融分析师但私下撰写实验诗歌,是科技公司高管但收藏地下电子音乐唱片。他们的衣橱需要一种“制服”,但这种制服不能是千篇一律的权力西装,而必须是能隐晦表达其内在复杂性的“盔甲”。 🌟品牌理念 AWProject以“Beautifully Broken”为核心哲学,致力于构建一种冷峻而诗意的后现代浪漫。品牌通过建筑般的解构剪裁、颠覆性的穿着逻辑与充满叙事感的面料语言,探索身体、服装与情感的三重关系。它并非单纯制造衣物,而是为当代人打造可穿戴的“情感盔甲”,于破碎中展现完整,在约束中寻获自由,为那些在秩序世界中寻求内在表达的个体,提供一种锋利而深邃的美学宣言。 #AWProject#Awproject#设计师品牌#女装品牌#时尚
00:00 / 03:12
连播
清屏
智能
倍速
点赞12
今天在读 Scale AI 的创始人,也就是 95 后的华裔王艾克森的播客时,我获得了很多感触。

其中很重要的一点是,其实美国的头部 AI 公司已经开始用基础模型,加上逻辑推理、以及强化学习去训练各个领域的 Agent 了,而且是基于数据一体化的方式,去构建这种逻辑推理能力,专门为 AI 构建这样的环境和数据。

而国内的竞争普遍还处于多模态模型的竞争领域,我觉得在认知层面和美国的这些创业团队相比,确实差了很多,基本上属于快差了一代的认知。

Alex 王提到说,他们慢慢意识到:如果你能把原本由人执行的流程、转化为强化学习训练所需的环境与数据,就有机会把这些人类工作流变成自动化的Agent流程。
要注意,他这里的自动化Agent,已经不再是AI+MCP的逻辑了,更像是基于强化学习,一体化训练出来的Agent,有点像OpenAI的deep research,执行效率更高、速度更快。

这又让我回忆起linux基金会负责人接受腾讯科技采访时的判断,他说AI时代也会像计算机时代,最终底层的模型应该是开源的,就像linux一样的开源,而绝大多数的企业服务器都用的是linux的内核。
他也提到说,企业的壁垒应该是什么,我觉得结合Alex 王所说,应该是企业专有流程,在AI+MCP化之后,再去将其中的专有数据,进行强化学习的训练。让AI像人一样自适应工作环境与系统,而不只是刻板地执行。
就好像人类的管理方法,高阶的管理都是给到优秀的人才以自适应的空间,而相对低阶的管理,才强调服从和执行。
一下子就把AI+MCP实现的低阶AI管理,与一体化强化学习的高阶管理区分清楚了。
在我看来,作为移动互联网应用创业强过美国的中国开发者,在AI时代的agent构建能力,还应该能保持我们的优势。我们需要在认知层面与走的更快的硅谷同行们进行同频,这样才能更好地指导我们的实践! #AI #scaleai #meta #扎克伯格 #强化学习
00:00 / 03:15
连播
清屏
智能
倍速
点赞31
00:00 / 00:35
连播
清屏
智能
倍速
点赞499
00:00 / 01:01
连播
清屏
智能
倍速
点赞NaN
00:00 / 07:56
连播
清屏
智能
倍速
点赞0
00:00 / 09:40
连播
清屏
智能
倍速
点赞72
00:00 / 09:05
连播
清屏
智能
倍速
点赞105